Excel og skalerbarhed - dummies

Scalability er evnen til en applikation at udvikle fleksibelt for at imødekomme vækst og kompleksitetskrav. I forbindelse med Excel refererer skalerbarhed til Excels evne til at håndtere stadig stigende datamængder.

De fleste Excel aficionados er hurtig at påpege, at fra Excel 2007 kan du placere 1, 048, 576 rækker af data i et enkelt Excel-regneark - en overvældende stigning fra begrænsningen af ​​65, 536 rækker pålagt af tidligere versioner af Excel. Imidlertid løser denne kapacitetsforøgelse ikke alle de skalerbarhedsproblemer, der oversvømmer Excel.

Forestil dig at du arbejder i et lille firma og bruger Excel til at analysere sine daglige transaktioner. Som tiden går, bygger du en robust proces komplet med alle formler, pivottabeller og makroer, du har brug for for at analysere de data, der er gemt i dit netop vedligeholdte regneark.

Da mængden af ​​data vokser, vil du først opleve præstationsproblemer. Regnearket bliver langsomt at indlæse og derefter langsomt til at beregne.

Hvorfor sker dette? Det har at gøre med den måde, Excel håndterer hukommelsen på. Når en Excel-fil er indlæst, lægges hele filen i RAM. Excel gør dette for at muliggøre hurtig databehandling og adgang. Ulempen ved denne adfærd er, at hver gang dataene i dit regneark ændres, skal Excel genindlæse hele dokumentet i RAM. Nettoresultatet i et stort regneark er, at det kræver meget RAM at behandle selv den mindste ændring. Til sidst foregår enhver handling, du tager i det gigantiske regneark, en uhyggelig vente.

Dine pivottabeller kræver større pivot-caches, hvilket næsten fordobler Excel-projektets filstørrelse. I sidste ende bliver arbejdsbogen for stor til at distribuere nemt. Du kan endda overveje at nedbryde arbejdsbogen i mindre arbejdsbøger (muligvis en for hver region). Dette får dig til at duplikere dit arbejde.

Med tiden kan du til sidst nå grænsen 1, 048, 576 i regnearket. Hvad sker der så? Starter du et nyt regneark? Hvordan analyserer du to datasæt på to forskellige regneark som en enhed? Er dine formler stadig gode? Skal du skrive nye makroer?

Dette er alle spørgsmål, der skal løses.

Du vil selvfølgelig også møde Excel-strømkunderne, som vil finde forskellige kloge måder at arbejde rundt om disse begrænsninger på. I sidste ende vil disse metoder dog altid være enkle løsninger. Til sidst vil selv disse strømkunder begynde at tænke mindre om den mest effektive måde at udføre og præsentere analyse af deres data på og mere om, hvordan man gør data "fit" til Excel uden at bryde deres formler og funktioner.

Excel er fleksibel nok til, at en dygtig kunde kan få de fleste ting til at passe fint. Men når kunderne kun tænker på Excel, begrænser de uden tvivl sig selv, omend på en utrolig funktionel måde.

Derudover tvinger disse kapacitetsbegrænsninger ofte Excel-kunder til at få de data, der er forberedt til dem. Det vil sige, at en anden udtræk store klumper af data fra en stor database og derefter aggregater og former dataene til brug i Excel.

Skal den seriøse analytiker altid være afhængig af en anden til hendes databehov? Hvad hvis en analytiker kunne få værktøjerne til at få adgang til store mængder data uden at være afhængige af andre til at levere data? Kunne den analytiker være mere værdifuld for organisationen? Kunne den analytiker fokusere på nøjagtigheden af ​​analysen og kvaliteten af ​​præsentationen i stedet for at dirigere Excel data vedligeholdelse?

Et relationsdatabasesystem (som Access eller SQL Server) er et logisk næste trin for analytikeren, der står over for en stadigt stigende datapool. Databasesystemer har normalt ikke præstationsimplikationer med store mængder lagrede data og er bygget til at adressere store datamængder. En analytiker kan derefter håndtere større datasæt uden at kræve, at dataene opsummeres eller forberedes til at passe ind i Excel.

Hvis en proces nogensinde bliver mere afgørende for organisationen og skal spores i et mere virksomhedsacceptabelt miljø, vil det være lettere at opgradere og opjustere, hvis processen allerede findes i et relationsdatabasesystem.