Excel och skalbarhet - dummies

Skalbarhet är en applikations förmåga att utvecklas flexibelt för att möta tillväxt och komplexitetskrav. I Excel-sammanhanget hänvisar skalbarhet till Excel: s förmåga att hantera allt större datamängder.

De flesta Excel-avicionados är snabbt påpekade att från och med 2007 kan du placera 1, 048, 576 rader data i ett enda Excel-kalkylblad - en överväldigande ökning från begränsningen av 65, 536 rader som införts av tidigare versioner av Excel. Den här kapacitetsökningen löser emellertid inte alla skalbarhetsproblem som översvämmer Excel.

Föreställ dig att du arbetar i ett litet företag och använder Excel för att analysera sina dagliga transaktioner. När tiden går vidare bygger du en robust process som är komplett med alla formler, pivottabeller och makron du behöver för att analysera data som lagras i ditt snyggt underhållna arbetsblad.

När mängden data växer kommer du först att märka prestandafrågor. Kalkylbladet blir långsamt att ladda och sedan långsamt att beräkna.

Varför händer detta? Det handlar om hur Excel hanterar minnet. När en Excel-fil laddas, laddas hela filen till RAM. Excel gör det för att möjliggöra snabb databehandling och åtkomst. Nackdelen med detta beteende är att varje gång uppgifterna i ditt kalkylblad ändras måste Excel ladda om hela dokumentet till RAM. Nettoresultatet i ett stort kalkylblad är att det tar mycket RAM att bearbeta även den minsta förändringen. Så småningom, varje åtgärd du tar i det gigantiska arbetsbladet föregås av en skrämmande väntan.

Dina pivottabeller kräver större pivot-cachar, vilket nästan dubblerar Excel-arbetsbokens filstorlek. Så småningom blir arbetsboken för stor för att kunna distribueras enkelt. Du kan till och med överväga att bryta ner arbetsboken i mindre arbetsböcker (möjligen en för varje region). Detta gör att du kan duplicera ditt arbete.

Med tiden kan du så småningom nå kalkylbladets 1, 048, 576-rad. Vad händer då? Börjar du ett nytt arbetsblad? Hur analyserar du två dataset på två olika kalkylblad som en enhet? Är dina formler fortfarande bra? Ska du skriva nya makron?

Det här är alla frågor som behöver åtgärdas.

Naturligtvis kommer du också att stöta på Excel-kraftkunderna, som hittar olika smarta sätt att arbeta kring dessa begränsningar. I slutändan kommer dessa metoder alltid att vara enkla lösningar. Så småningom kommer även dessa kraftkunder att tänka mindre om det effektivaste sättet att utföra och presentera analys av deras data och mer om hur man gör data "passar" till Excel utan att bryta sina formler och funktioner.

Excel är flexibel nog att en skicklig kund kan få de flesta saker att passa bra. Men när kunderna bara tänker på Excel, begränsar de utan tvivel sig själva, om än på ett otroligt funktionellt sätt.

Dessutom tvingar dessa kapacitetsbegränsningar ofta Excel-kunder att få de uppgifter som är förberedda för dem. Det vill säga att någon annan extraherar stora bitar av data från en stor databas och sedan aggregerar och formar data för användning i Excel.

Ska den seriösa analytiker alltid vara beroende av någon annan för sin databehandling? Vad händer om en analytiker kan ges verktygen för att få tillgång till stora mängder data utan att vara beroende av andra att tillhandahålla data? Kan den analytikern vara mer värdefull för organisationen? Kunde den analytikern fokusera på analysens noggrannhet och kvaliteten på presentationen istället för att routera Excel-dataunderhåll?

Ett relationsdatabassystem (till exempel Access eller SQL Server) är ett logiskt nästa steg för analytikern som står inför en ständigt ökande datapool. Databasystem har vanligtvis inte prestationseffekter med stora mängder lagrad data och är byggda för att hantera stora datamängder. En analytiker kan sedan hantera större dataset utan att kräva att data sammanfattas eller förbereds för att passa in i Excel.

Om en process någonsin blir mer avgörande för organisationen och behöver spåras i en mer företagsacceptabel miljö, blir det lättare att uppgradera och skala om den processen redan finns i ett relationsdatabasystem.