Gegevens analyseren en samenvatten

Een tabel wordt bruikbaar als je weet wat je wilt vinden. Bij een analyse orden, bewerk en vat je opgeschoonde gegevens samen om een vraag te beantwoorden. Het resultaat vormt de input voor een grafiek, dashboard of aanbeveling.

Zet de vraag om in vier beslissingen

Maak voor “Welke regio had de hoogste omzet in maart 2026?” de beslissingen expliciet:

Een kengetal is het getal dat je berekent. Een dimensie levert de groepen. Een filter bepaalt welke records worden opgenomen en de vergelijking vertelt je hoe je de resultaten beoordeelt. Definieer het kengetal precies: omzet vóór kortingen verschilt van omzet na kortingen. Leg vast hoe retouren, annuleringen en belasting worden behandeld, zodat een tweede analist hetzelfde getal kan berekenen.

Controleer wat één rij voorstelt

Het recordniveau geeft aan wat één rij voorstelt. Met één bestelling per rij kun je bestellingen tellen door rijen te tellen. Met één bestelregel per rij kan dat niet: een bestelling met drie producten neemt drie rijen in. Als je die rijen telt, rapporteer je drie bestelregels als drie bestellingen.

Hieronder staan tien bestellingen uit maart, één rij per bestelling. De prijzen zijn in euro's. In een spreadsheet staan de zes invoerkolommen in A tot en met F, staan de gegevens in rij 2 tot en met 11 en komt de omzetberekening in G.

Plan de bewerkingen voordat je ze uitvoert

Selecteer eerst de datums in maart. Bereken de omzet van elke bestelling uit het aantal en de prijs per stuk, groepeer op regio, tel het berekende veld op en sorteer de regiototalen aflopend. De omzetbedragen per rij zijn 30, 40, 120, 15, 60, 50, 25, 80, 40 en 75. Het totaal is 535. Het gegroepeerde antwoord is North 250, South 180 en East 105.

In een spreadsheet gebruik je hiervoor een filter, een formulekolom en voorwaardelijke functies of een draaitabel. In SQL gebruik je WHERE, een vermenigvuldigingsexpressie, GROUP BY en ORDER BY. In een spreadsheet kun je de verkenning van een kleine tabel gemakkelijk bekijken; SQL werkt rechtstreeks met databasetabellen en slaat query's op die je kunt herhalen.

Houd bronrecords ongewijzigd door in een apart werkblad, een kopie of een query te werken. Sla de vraag, definities en bewerkingen naast het resultaat op. Als je een handig totaal maakt voordat je bepaalt wat het meet, is de kans groot dat je een andere vraag beantwoordt dan de vraag die is gesteld.

Sorteren zet records in een volgorde waarin rangschikkingen en uitersten gemakkelijker te zien zijn. Oplopend loopt van klein naar groot, van A tot Z of van oud naar nieuw; aflopend keert die volgorde om. De waarden binnen een record blijven bij elkaar.

Sorteer volledige records

Gebruik in Excel Gegevens > Sorteren; gebruik in Google Sheets Gegevens > Bereik sorteren. Selecteer het hele bereik, inclusief elke kolom die bij de records hoort, en geef aan welke rij de koprij is. Een Excel-tabel houdt de velden van een rij bij elkaar tijdens het sorteren.

Als je alleen de omzetkolom sorteert, kan een bedrag naast het verkeerde bestel-ID komen te staan. Het totaal kan 535 blijven terwijl de records onjuist zijn geworden. Controleer na het sorteren enkele volledige rijen, inclusief een ID, een datum en het bijbehorende bedrag. Alleen het aantal rijen controleren kan deze fout niet aan het licht brengen.

Gebruik een tweede veld om gelijke waarden te ordenen

Stel dat vier records de regio- en omzetwaarden East 15, North 30, East 50 en North 120 hebben. Sorteer op regio oplopend en daarna op omzet aflopend. Het resultaat is East 50, East 15, North 120, North 30. Het eerste veld vormt de hoofdgroepen; het tweede ordent de records binnen elke groep.

SQL drukt dezelfde regel zo uit:

SELECT order_id, region,
       quantity * unit_price AS revenue
FROM orders
ORDER BY region ASC, revenue DESC;

ASC is de standaard. De alias revenue geeft het berekende resultaat een naam en kan in ORDER BY worden gebruikt. Deze query geeft een gesorteerd resultaat zonder de opgeslagen tabel te herschikken. Zonder ORDER BY geeft SQL geen gegarandeerde rijvolgorde, ook niet als herhaalde uitvoeringen er toevallig hetzelfde uitzien.

Vind de hoogste records

Voor de bestellingen uit maart begint de aflopende omzetvolgorde met bestelling 1003 op 120, bestelling 1008 op 80 en bestelling 1010 op 75. Om drie rijen terug te geven, ondersteunen PostgreSQL, MySQL en SQLite een slot zoals ORDER BY revenue DESC LIMIT 3; SQL Server gebruikt SELECT TOP 3 met de sorteringsclausule.

Een grens kan midden in een reeks gelijke waarden vallen. Voeg een tweede veld toe, zoals order_id ASC, als je een voorspelbare keuze tussen gelijke omzetbedragen nodig hebt. Drie rijen teruggeven en elk record teruggeven dat gelijk staat op de derde plaats zijn verschillende verzoeken; een eenvoudige rijlimiet behandelt het eerste.

Controleer de waarden achter de weergave

Getallen die als tekst zijn opgeslagen, kunnen worden gesorteerd als “10”, “100”, “9”. Echte getallen worden gesorteerd als 9, 10, 100. Datums als tekst, geschreven als “03/12/2026”, kunnen de tekenvolgorde volgen in plaats van de tijdsvolgorde. Zet de kolom tijdens het opschonen om naar het juiste type; alleen het zichtbare getalformaat wijzigen zet tekst niet betrouwbaar om.

De spreadsheetfunctie SORT geeft een gesorteerde kopie op een andere plek. Excel gebruikt 1 voor oplopend en −1 voor aflopend in het argument voor de sorteervolgorde. Google Sheets gebruikt TRUE en FALSE. De kopie wordt bijgewerkt als de gegevens waarnaar wordt verwezen veranderen.

Controleer actieve filters en het geselecteerde bereik voordat je de weergave als een rangschikking van de volledige dataset beschouwt. Een correct gesorteerde zichtbare deelverzameling kan nog steeds het record met de hoogste waarde missen.

Een filter bepaalt welke records bij een analyse horen. Spreadsheetfilters verbergen rijen die niet voldoen; SQL WHERE geeft rijen terug die wel voldoen. Geen van beide bewerkingen verwijdert de bronrecords.

Maak voorwaarden die bij de vraag passen

SQL-vergelijkingen omvatten =, <>, >, <, >= en <=. Gebruik IN voor een lijst, LIKE voor een tekstpatroon en IS NULL voor ontbrekende waarden. Tekstwaarden staan tussen rechte enkele aanhalingstekens, zoals in WHERE region = 'North'. Spreadsheetfiltermenu's bieden voorwaarden voor tekst, getallen en datums.

AND vereist dat elke voorwaarde geldt. OR vereist dat minstens één voorwaarde geldt. Van de bestellingen uit maart leveren North en Books twee bestellingen op, 1001 en 1010. North of Books levert er zes op: de vier bestellingen uit North plus de twee bestellingen in Books uit andere regio's. Een bestelling die aan beide delen van een OR voldoet, komt eenmaal in het resultaat.

SQL beoordeelt AND vóór OR. Vergelijk deze voorwaarden:

WHERE category = 'Books'
   OR category = 'Toys' AND region = 'East'

Dit omvat elke bestelling in Books plus bestellingen in Toys uit East: vijf rijen. Om alleen records uit East op te nemen, groepeer je eerst de categorieën:

WHERE (category = 'Books' OR category = 'Toys')
  AND region = 'East'

Dit behoudt twee rijen. category IN ('Books', 'Toys') kan de OR tussen haakjes vervangen.

Neem de hele datumperiode op

BETWEEN omvat beide grenswaarden. Bij tijdstempels kan een bovengrens die als 31 maart is geschreven middernacht aan het begin van die dag betekenen, waardoor latere records van die dag wegvallen. Gebruik een inclusieve begingrens en de exclusieve begingrens van de volgende periode:

WHERE order_date >= '2026-03-01'
  AND order_date < '2026-04-01'

De syntaxis voor datumwaarden verschilt per database. Met deze grenzen behoud je elk moment in maart zonder het laatst mogelijke tijdstip op 31 maart te hoeven raden.

Verwerk ontbrekende en inconsistente waarden

discount = NULL is geen ware vergelijking. Gebruik discount IS NULL. Een ontbrekende korting voldoet ook niet aan discount < 5 en evenmin aan discount >= 5, dus die twee voorwaarden omvatten niet alle records als er ontbrekende waarden zijn. Geef ontbrekende waarden een eigen groep of sluit ze bewust uit.

Bekijk unieke tekstwaarden voordat je filtert. Hoofdletters en spaties aan het eind kunnen overeenkomsten op verschillende manieren beïnvloeden, afhankelijk van hulpmiddel en database-instellingen. Standaardiseer de sleutels en labels tijdens het opschonen, zodat de behandeling van “North” en een variant met een extra spatie niet afhangt van de manier waarop wordt vergeleken.

Tel de zichtbare records op

In Excel en Google Sheets omvat =SOM(G2:G11) nog steeds rijen die door een filter zijn verborgen. =SUBTOTAAL(9; G2:G11) telt de rijen op die het filter zichtbaar laat. Als je de tabel van maart op North filtert, blijven vier bestellingen over: SUM blijft 535, terwijl SUBTOTAAL 250 geeft.

Als alternatief geeft =FILTER(A2:G11; C2:C11="North") op een nieuwe plek een kopie van de records die voldoen; een som over die kopie omvat alleen de teruggegeven records. Leg de aantallen vóór en na het filteren vast en vermeld het filter naast het resultaat. Een oud actief filter kan anders ongemerkt maken dat een latere analyse de verkeerde populatie omvat.

Een berekend veld voegt aan elk record een waarde toe op basis van de velden die er al zijn. Omzet uit aantal en prijs per stuk is een berekening op rijniveau. Er blijft één rij per bestelling; een regiototaal volgt later.

Maak en voer een formule door

Als het aantal in E en de prijs per stuk in F staat, voer je =E2*F2 in G2 in. Bij het doorvoeren naar beneden veranderen de relatieve celverwijzingen in =E3*F3 en daarna =E4*F4. Controleer de eerste en laatste ingevulde cel om zeker te weten dat de formule de gegevens omvat en naar de invoerwaarden van elke rij verwijst.

Een tarief in één vaste cel heeft een absolute celverwijzing nodig, zoals $J$1. De dollartekens zetten zowel de kolom als de rij vast als de formule wordt gekopieerd. In een Excel-tabel duidt =[@Quantity]*[@UnitPrice] velden aan met hun naam en vult de formule de berekende kolom automatisch. Houd invoerwaarden in hun eigen kolommen, zodat een gewijzigd aantal het resultaat kan bijwerken.

In SQL horen de expressie en het label in SELECT:

SELECT order_id, quantity * unit_price AS revenue
FROM orders
WHERE quantity * unit_price > 50;

De alias geeft een uitvoerkolom een naam; die voegt geen opgeslagen kolom toe. De WHERE van dezelfde query wordt verwerkt voordat die uitvoeralias bestaat, dus herhaal je daar de expressie.

Houd de noemer gekoppeld aan het kengetal

Een bestelling bevat drie spellen, elk met een prijs van 40 en kosten per stuk van 28. De omzet is 120, de totale kosten zijn 84 en de winst is 36. Twee nuttige verhoudingen beschrijven verschillende vergelijkingen:

Beide gebruiken dezelfde winst. Als je de noemer verandert, verandert de betekenis van het resultaat; geef het berekende veld een label dat past bij de verhouding die je hebt gebruikt.

Maak groepslabels uit datums en tekst

Spreadsheets gebruiken JAAR(B2) en MAAND(B2) voor datumonderdelen, of TEKST(B2; "jjjj-mm") voor een label zoals “2026-03”. WEEKDAG(B2) geeft een nummer voor de dag van de week. In PostgreSQL en MySQL geeft EXTRACT(MONTH FROM order_date) het maandnummer terug; datumfuncties verschillen per database. Als je alleen op maandnummer groepeert, komen maartmaanden uit verschillende jaren samen, dus behoud ook het jaar.

Tekstformules kunnen een gecombineerde sleutel maken. Als je winkel “S04” en maand “2026-03” met een koppelteken samenvoegt, ontstaat “S04-2026-03”. Spreadsheets kunnen & of TEKST.SAMENVOEGEN gebruiken; veel SQL-dialecten bieden TEKST.SAMENV en verschillende ondersteunen ||. Gebruik dezelfde opbouw in beide tabellen die je gaat koppelen.

Behoud decimalen tot de uiteindelijke weergave

PostgreSQL, SQL Server en SQLite kunnen het deel na de komma weglaten als beide invoerwaarden van een deling gehele getallen zijn. 45 / 60 kan daardoor 0 geven. Gebruik 45 * 1.0 / 60 of zet om naar een decimaal datatype om 0,75 te krijgen. De spreadsheetformule =45/60 behoudt de breuk.

Rond alleen gerapporteerde resultaten af. Drie exacte derden tellen op tot 1; als je elk eerst op 0,33 afrondt, krijg je samen 0,99. Getalopmaak kan de weergave verkorten terwijl de onderliggende precisie behouden blijft. Een formule zoals ROUND(value, 2) rondt af op twee decimalen; gebruik die voor een eindresultaat als de afgeronde waarde zelf nodig is. Controleer één berekende rij met de hand voordat je de kolom in een samenvatting gebruikt.

Met regels kun je numerieke velden omzetten in groepen die je kunt tellen of vergelijken. Een voorwaardelijk berekend veld kent een label toe door elke rij te toetsen. Een indicatorveld legt vast of een rij aan één voorwaarde voldoet, vaak als 1 of 0.

Zorg dat alle grenswaarden zijn opgenomen

Deel omzet in als Large bij 100 of meer, Medium bij 50 of meer maar minder dan 100, en Small onder 50. In een spreadsheet, met omzet in G:

=ALS(G2>=100; "Large"; ALS(G2>=50; "Medium"; "Small"))

ALS.VOORWAARDEN biedt een andere vorm:

=ALS.VOORWAARDEN(G2>=100; "Large"; G2>=50; "Medium"; WAAR; "Small")

De SQL-expressie volgt dezelfde volgorde:

CASE
  WHEN quantity * unit_price >= 100 THEN 'Large'
  WHEN quantity * unit_price >= 50 THEN 'Medium'
  ELSE 'Small'
END AS order_size

Deze controles gebruiken de eerste ware voorwaarde. Als de controle op 50 eerst komt, wordt een omzet van 120 Medium en bereikt die nooit de tak voor Large. Controleer eerst de meest beperkende drempelwaarde of schrijf bereiken die elkaar niet overlappen.

Van de omzetbedragen uit maart is 120 Large; 60, 50, 80 en 75 zijn Medium; de andere vijf zijn Small. De aantallen zijn 1, 4 en 5, samen tien. Een controle van de grenswaarde is belangrijk: een omzet van precies 50 is Medium. Regels met “onder 50” en “boven 50” zouden die waarde buiten beschouwing laten.

Houd onbekende waarden apart

Een onbekende omzet heeft het label Unknown nodig en geen grootte die uit ontbrekende informatie wordt afgeleid. In SQL is een vergelijking met NULL niet waar, dus een afsluitende ELSE 'Small' zou anders ook ontbrekende omzet onderbrengen bij Small. Voeg een eerste tak toe die op ontbrekende invoerwaarden controleert, zoals WHEN quantity IS NULL OR unit_price IS NULL THEN 'Unknown'.

Neem bewust een terugvalwaarde op. Een SQL-CASE zonder ELSE geeft NULL terug als niets overeenkomt. Als je bij IF het resultaat voor onwaar weglaat, geeft Excel ONWAAR en Google Sheets standaard een lege waarde. Een expliciet eindresultaat maakt de indeling gemakkelijker te controleren.

Gebruik indicatorvelden om een voorwaarde te tellen

Voor elke bestelling maakt CASE WHEN status = 'Returned' THEN 1 ELSE 0 END een indicatorveld voor retouren. Vijf indicatorwaarden van 1, 0, 0, 1 en 0 tellen op tot 2 geretourneerde bestellingen. Hun gemiddelde is 0,4, oftewel 40%. Dit werkt omdat elke opgenomen rij één gebeurtenis of geen gebeurtenis bijdraagt. Bepaal hoe je een onbekende status behandelt voordat je de waarden toekent.

Beveilig de noemer van een verhouding

Bestellingen gedeeld door bezoeken is niet gedefinieerd op een dag met nul bezoeken. Met bestellingen in B en bezoeken in C laat =ALS(C2=0; ""; B2/C2) het resultaat in dat geval leeg. Gebruik in SQL orders * 1.0 / NULLIF(visits, 0). NULLIF zet een noemer van nul om in NULL, zodat het resultaat ontbreekt in plaats van een fout door deling door nul te geven.

Een lege waarde of NULL betekent hier dat de verhouding niet beschikbaar is, niet dat het gemeten verhoudingscijfer nul is. Een brede afhandeling met ALS.FOUT kan ook een verkeerd gespelde formule of een onjuiste verwijzing verbergen. Controleer het verwachte probleem rechtstreeks en bekijk daarna grensrijen, onbekende waarden en de aantallen per categorie.

Gerelateerde tabellen hebben een betrouwbare manier nodig om dezelfde entiteit te identificeren. Een klantnaam is nuttig voor de weergave, maar kan bij twee mensen horen of in verschillende vormen voorkomen. Een identificatiecode zoals customer_id maakt de koppeling expliciet.

Herken de eenkant en de veelkant

Een primaire sleutel identificeert rijen in de eigen tabel uniek. Een refererende sleutel in een andere tabel verwijst naar die identificatiecode. In een klantentabel komt elk klant-ID eenmaal voor. In een bestellingentabel kan hetzelfde klant-ID bij veel bestellingen voorkomen.

Herhaalde klant-ID's zijn te verwachten in bestellingen; in een referentietabel die één rij per klant moet bevatten, zijn ze een probleem. Controleer uniciteit waar de relatie dat vereist:

SELECT COUNT(*) AS rows,
       COUNT(DISTINCT customer_id) AS different_ids
FROM customers;

Als de tabel 1.200 rijen maar 1.195 verschillende ID's heeft, onderzoek dan dubbele of ontbrekende identificatiecodes. Gelijkheid van deze aantallen is alleen nuttig naast een controle op ontbrekende sleutels, omdat tellingen van unieke waarden NULL overslaan. Vergelijk in een spreadsheet met ingevulde sleutels AANTALARG(A2:A1201) met AANTALARG(UNIEK(A2:A1201)).

Vergelijk de volledige sleutel

Een streefwaardentabel met één record per winkel per maand heeft zowel winkel als maand nodig. Deze samengestelde sleutel onderscheidt “S04” in maart van “S04” in april. Vergelijk beide velden of maak in beide tabellen volgens dezelfde regels “S04-2026-03”. Alleen een winkel-ID zou meerdere mogelijke streefwaarden overlaten.

Standaardiseer sleutels voordat je tabellen combineert. Bij spreadsheetopzoekbewerkingen kunnen het getal 1001 en de tekst “1001” niet overeenkomen; “C-001”, “C001” en “C001 ” zijn ook verschillende schrijfwijzen. SQL kan typen omzetten of sommige spaties negeren, afhankelijk van de instellingen. Schoon formaten, spaties en typen op, zodat het resultaat niet van die verschillen afhangt.

Kies of je kolommen of rijen toevoegt

Een opzoekbewerking of tabelkoppeling voegt gerelateerde velden toe door sleutels te vergelijken. Als je de naam van elke klant aan een bestellingentabel toevoegt met een unieke klantverwijzing, blijft er één rij per bestelling. Als je uitgaat van klanten en hun bestellingen toevoegt, kunnen klantgegevens zich herhalen en kan het recordniveau veranderen.

Bij rijen toevoegen stapel je records met dezelfde structuur, zoals de verkoop van januari onder die van februari. SQL UNION ALL behoudt elke rij; UNION verwijdert ook dubbele uitvoerrijen. De geselecteerde kolommen moeten dezelfde volgorde en onderling passende typen hebben. Als twee geldige verkooprecords toevallig identieke geselecteerde waarden hebben, verandert het totaal wanneer je er één verwijdert.

Schrijf vóór het combineren op wat één rij in elke invoertabel voorstelt en wat je verwacht dat een rij in de uitvoer voorstelt. Kies vervolgens sleutels en een relatie die dat resultaat opleveren. Die verwachting geeft je na de bewerking een concrete controle van het aantal rijen.

Een opzoekbewerking haalt een waarde uit een referentietabel op in een hoofdtabel. Voor elke verkooprij kan een productcode de naam of prijs van het product ophalen. De overeenkomst moet de waarde voor precies dat product teruggeven.

Lees de invoer van de opzoekbewerking

Stel dat het werkblad Products codes in A, namen in B en prijzen in C heeft, met records in rij 2 tot en met 50. De productcode van het hoofdwerkblad staat in B2:

=X.ZOEKEN(B2; Products!$A$2:$A$50; Products!$C$2:$C$50; "Not found")

De invoer bestaat uit de te zoeken waarde, het te doorzoeken sleutelbereik, het bereik waaruit een waarde wordt teruggegeven en een resultaat voor een ontbrekende overeenkomst. X.ZOEKEN gebruikt standaard een exacte overeenkomst in de huidige versie van Excel en in Google Sheets. De twee bereiken moeten per rij op elkaar aansluiten. Absolute celverwijzingen houden ze vast als de formule naar beneden wordt doorgevoerd; B2 schuift voor de volgende verkoop op naar B3.

De referentietabel bevat P01 notitieboek voor 3,50, P02 pen voor 1,20 en P03 map voor 2,80. Bij een verkoop van vier P03-producten geeft de opzoekbewerking 2,80 terug en is de berekende omzet 11,20. P07 ontbreekt, dus de formule geeft “Not found” terug.

Gebruik exacte VERT.ZOEKEN voor identificatiecodes

De equivalente oudere functie is:

=VERT.ZOEKEN(B2; Products!$A$2:$C$50; 3; ONWAAR)

VERT.ZOEKEN doorzoekt de eerste kolom van het geselecteerde bereik. De 3 betekent de derde kolom daarvan en ONWAAR vraagt om een exacte overeenkomst. Als je de laatste invoer weglaat, is een benaderende overeenkomst mogelijk. Daardoor kan bij een ongesorteerde ID-kolom ongemerkt het verkeerde product worden teruggegeven.

Als je een kolom binnen een VLOOKUP-bereik invoegt, kan dat veranderen wat het vaste kolomnummer teruggeeft. Controleer de formule na structurele wijzigingen.

Onderzoek ontbrekende en dubbele overeenkomsten

#N/B geeft meestal aan dat er geen overeenkomst is. Controleer of de code echt ontbreekt in de referentietabel, of dat spaties, tekst- en getaltypen of codenotaties verschillen. ALS.NB kan deze specifieke fout vervangen door een zichtbaar label; ALS.FOUT vangt ook andere fouten af en kan problemen verbergen die hier niets mee te maken hebben.

Tel ontbrekende labels, bijvoorbeeld met =AANTAL.ALS(H2:H500; "Not found"), en rapporteer waarop ze invloed hebben. Vervang onbekende prijzen niet door nul alleen om een totaal te kunnen berekenen.

De standaardzoekopdracht geeft de eerste exacte overeenkomst terug. Twee referentierijen met P03 en verschillende prijzen maken het resultaat dubbelzinnig, ook als de opzoekbewerking geen fout toont. Controleer de uniciteit van sleutels voordat je de teruggegeven waarden vertrouwt.

Gebruik benaderende overeenkomsten voor geordende klassen

Een drempeltabel met 0 Small, 50 Medium en 100 Large deelt 75 in als Medium en 120 als Large. De bedoelde regel is hier de grootste drempelwaarde die niet boven de invoerwaarde ligt. Overeenkomstmodus −1 van X.ZOEKEN zoekt een exacte overeenkomst of de eerstvolgende kleinere waarde. VERT.ZOEKEN met WAAR kan hetzelfde doen als de drempelkolom oplopend is gesorteerd. Dit is nuttig voor numerieke klassen, terwijl productidentificatiecodes een exacte overeenkomst nodig hebben.

Een tabelkoppeling combineert records uit tabellen waarvan de sleutels overeenkomen. Anders dan het gebruikelijke resultaat van een spreadsheetopzoekbewerking, die de eerste overeenkomst geeft, levert een tabelkoppeling elke overeenkomst op. Voordat je rijen telt of bedragen optelt, moet je die overeenkomsten kunnen voorspellen.

Kies welke records je behoudt

Neem klanten C1 Ana, C2 Ben, C3 Chen en C4 Dara. De bestellingen zijn O1 voor C1, O2 voor C1, O3 voor C2 en O4 voor C5.

Een interne koppeling behoudt alleen records met een overeenkomst. Een linker buitenkoppeling behoudt elke rij van de linkertabel en voegt velden uit de rechtertabel toe als die bestaan, en anders NULL. Kies de linkertabel op basis van de populatie die je voor de vraag moet behouden. Om elke bestelling te vermelden, inclusief bestellingen met onbekende klanten, begin je met bestellingen en maak je een linker buitenkoppeling naar klanten.

Een basisinstructie is:

SELECT o.order_id, c.name
FROM orders AS o
LEFT JOIN customers AS c
  ON o.customer_id = c.customer_id;

De aliassen o en c tonen waar elk veld vandaan komt; ON geeft de overeenkomende kolommen aan. Het resultaat is een nieuwe weergave van de gegevens, geen vervanging van een van beide invoertabellen.

Herken herhaalde bedragen

Stel dat bestelling 501 een besteltotaal van 90 en drie regels heeft; bestelling 502 heeft een totaal van 40 en één regel. Het koppelen van de regels levert vier rijen op. Het totaal van bestelling 501 verschijnt op elk van de drie rijen, dus als je dat veld optelt, krijg je 310 in plaats van de oorspronkelijke 130.

Deze herhaling heet rijvermenigvuldiging bij een koppeling. De koppeling kan juist zijn om regels te onderzoeken, terwijl de som onjuist is om bestellingen te onderzoeken. Tel besteltotalen op in de bestellingentabel of vat eerst regels samen tot één rij per bestelling voordat je koppelt. Alleen unieke bedragen optellen is geen algemene oplossing: twee verschillende bestellingen kunnen hetzelfde totaal hebben en moeten allebei meetellen.

Tel werkelijke overeenkomsten

Na een linker buitenkoppeling van klanten naar bestellingen heeft een klant zonder bestelling nog steeds een resultaatrij. COUNT(*) telt die rij als één. COUNT(o.order_id) telt de bestel-ID's die niet NULL zijn en geeft nul voor de klant zonder bestellingen.

Om klanten zonder overeenkomst te vinden, controleer je order_id IS NULL in het gekoppelde resultaat. Controleer de sleutel van de rechtertabel, niet een veld zoals een telefoonnummer dat ook in een gekoppeld record kan ontbreken. In het voorbeeld hebben C3 en C4 geen bestellingen; C5 bij O4 is daarentegen een klantverwijzing zonder overeenkomst als je uitgaat van bestellingen.

Controleer de relatie aan de hand van de uitvoer

Een gewone linker buitenkoppeling levert minstens evenveel rijen op als de linkerinvoer. Als elke rechtersleutel uniek zou moeten zijn, moet het aantal rijen gelijk blijven. Extra rijen tonen herhaalde sleutels aan de rechterkant; minder rijen wijzen op een extra filter of een andere bewerking. Vergelijk sleutelaantallen, rijen zonder overeenkomst en een brontotaal vóór en na de koppeling. Gelijke totalen alleen bewijzen niet dat elk afzonderlijk record correct is gekoppeld.

Een aggregatiefunctie brengt veel invoerwaarden terug tot één resultaat. De juiste functie hangt af van de vraag of je een totaal, een aantal, een gemiddelde of een uiterste nodig hebt en van wat een rij voorstelt.

Kies de grootheid die je wilt samenvatten

Voor de tien omzetbedragen uit maart is het aantal 10, de som 535, het gemiddelde 53,5, het minimum 15 en het maximum 120. Met omzet in G2:G11 gebruik je de spreadsheetfuncties SUM, COUNT, AVERAGE, MIN en MAX over dat bereik. Een SQL-samenvatting kan ze samen berekenen:

SELECT COUNT(*) AS orders,
       SUM(quantity * unit_price) AS revenue,
       AVG(quantity * unit_price * 1.0) AS mean_revenue,
       MIN(quantity * unit_price) AS smallest_revenue,
       MAX(quantity * unit_price) AS largest_revenue
FROM orders;

De decimale factor beschermt het gemiddelde in databases zoals SQL Server, waar AVG bij invoer van gehele getallen een geheel getal teruggeeft. Als je een afgekapt resultaat achteraf afrondt, kun je de ontbrekende breuk niet herstellen.

Tel rijen, ingevulde velden en verschillende waarden

Tien bestellingen kunnen van vijf klanten komen. Rijen tellen beantwoordt “Hoeveel bestellingen?” op bestelniveau; unieke klant-ID's tellen beantwoordt “Hoeveel klanten hebben besteld?” In Google Sheets is ook COUNTUNIQUE beschikbaar. Controleer lege waarden afzonderlijk voordat je een UNIQUE-resultaat telt, omdat een ontbrekende sleutel als afzonderlijke waarde kan verschijnen.

Begrijp het effect van ontbrekende waarden

Voor SQL-beoordelingen 4, 5, NULL, 3, NULL is COUNT(*) 5, COUNT(rating) 3, de som 12 en AVG(rating) 4. Het gemiddelde gebruikt de drie bekende waarden. Als je onbekende beoordelingen door nul vervangt, verandert de noemer en krijg je 2,4. Dat is een andere uitspraak over de gegevens.

Ook AVERAGE in een spreadsheet slaat lege cellen en tekst in een bereik waarnaar wordt verwezen over, maar neemt de numerieke waarde nul wel mee. Een tekstwaarde “10” naast het getal 20 kan daardoor een gemiddelde van 20 in plaats van 15 opleveren. Vergelijk COUNT met AANTALARG als een numerieke kolom onverwacht minder getelde waarden dan ingevulde cellen bevat. Onderzoek daarna de datatypen.

Houd rekening met het recordniveau en de betekenis van het veld

Gebruik in een tabel met bestelregels unieke bestel-ID's om bestellingen te tellen. De gemiddelde bestelwaarde is de totale omzet van bestellingen gedeeld door het aantal bestellingen, niet door het aantal regels. Een doorlopend saldo is al een totaal op een bepaald moment; als je alle doorlopende saldo's optelt, krijg je niet de verkoop van de periode.

Een samenvatting kan redelijk lijken terwijl de noemer het verkeerde telt. Zet de getelde entiteit in het kolomlabel, zoals “Bestellingen”, “Bestelregels” of “Bekende beoordelingen”, zodat het resultaat aangeeft wat is meegeteld.

Voorwaardelijke functies maken een samenvatting zonder de oorspronkelijke records te verplaatsen. Elke rij draagt alleen bij als de waarden aan de criteria voldoen. Een resultatentabel kan vervolgens regio's, categorieën of andere groepen vermelden in een indeling die je zelf bepaalt.

Zet de bereiken in de juiste volgorde

AANTALLEN.ALS gebruikt paren van criteriumbereiken en criteria. SOMMEN.ALS begint met het op te tellen bereik, gevolgd door die paren. GEMIDDELDEN.ALS volgt hetzelfde patroon met een bereik waarover het gemiddelde wordt berekend:

=AANTALLEN.ALS(C2:C11; "North"; G2:G11; ">50")
=SOMMEN.ALS(G2:G11; C2:C11; "North"; D2:D11; "Books")
=GEMIDDELDEN.ALS(G2:G11; C2:C11; "North")

Voor de tabel van maart geven deze functies 2 bestellingen, 105 omzet en een gemiddelde omzet van 62,5. De eerste functie telt de omzetbedragen van 120 en 75 in North. De tweede telt de omzetbedragen van 30 en 75 voor Books in North op. De derde deelt het totaal van 250 voor North door de vier bestellingen.

Alle criteriumparen binnen één AANTALLEN.ALS, SOMMEN.ALS of GEMIDDELDEN.ALS gebruiken AND: elke voorwaarde moet op dezelfde rij gelden. Laat elk bereik op overeenkomstige rijen beginnen en eindigen. Als je de regio van de ene rij vergelijkt met de omzet van een andere rij, beschrijf je geen record.

Schrijf criteria nauwkeurig

Voor tekst- en vergelijkingscriteria gebruik je rechte dubbele aanhalingstekens: "North", ">50" of "<>Returned". Een cel kan het criterium rechtstreeks leveren, zoals I2. Om een operator met de waarde van een cel te combineren, gebruik je ">"&H1. Het jokerteken "*book*" komt overeen met tekst die “book” bevat; deze tekstcriteria in spreadsheets negeren hoofdletterverschillen.

De functies voor één criterium kunnen een andere argumentvolgorde gebruiken. In SUMIF(criteria_range, criterion, sum_range) komt het sombereik als laatste. In SOMMEN.ALS komt het als eerste. Lees de functienaam voordat je een formule bewerkt of kopieert.

Voer een groepssamenvatting veilig door

Zet North, South en East in I2:I4. Voer in J2 het volgende in:

=SOMMEN.ALS($G$2:$G$11; $C$2:$C$11; I2)

Voer de formule naar beneden door. De gegevensbereiken blijven vaststaan, terwijl I2 verandert in I3 en I4. De resultaten zijn 250, 180 en 105. Vergelijk hun som met het rechtstreeks uit de bron berekende totaal van 535. Als nieuwe records verder lopen dan rij 11, vergroot dan de bereiken of gebruik een tabelverwijzing die meegroeit.

Voorkom dat je overlap bij OR dubbel telt

North of Books omvat zes bestellingen uit maart. Afzonderlijke tellingen geven vier bestellingen uit North plus vier bestellingen in Books, maar twee bestellingen horen bij beide. Trek de overlap eenmaal af: vier plus vier min twee geeft zes. De overlap is het resultaat van AANTALLEN.ALS met North en Books samen. Als je de afzonderlijke aantallen alleen optelt, rapporteer je acht.

Druk een voorwaardelijke som uit in SQL

Een voorwaarde kan binnen een aggregatiefunctie staan:

SUM(CASE WHEN region = 'North'
         THEN quantity * unit_price ELSE 0 END)

Elk record uit North draagt omzet bij en elk ander record draagt nul bij. Voor een voorwaardelijke telling draag je 1 bij voor een overeenkomst en anders 0. Zo kan één query meerdere benoemde voorwaardelijke totalen naast elkaar teruggeven. Controleer welke labels daadwerkelijk in de bron staan, vooral spaties, voordat je een ontbrekend groepstotaal als nul activiteit beschouwt.

GROUP BY maakt één resultaatrij voor elke waargenomen combinatie van groepswaarden. Aggregatiefuncties vatten vervolgens de records in elke groep samen. De uitvoer heeft een nieuw recordniveau, zoals één rij per regio.

Maak een gegroepeerde query

SELECT region, COUNT(*) AS orders,
       SUM(quantity * unit_price) AS revenue
FROM orders
GROUP BY region
ORDER BY revenue DESC;

Voor de bestellingen uit maart is het resultaat North met 4 bestellingen en 250 omzet, South met 3 en 180, en East met 3 en 105. De groepsaantallen zijn samen tien en de omzetbedragen samen 535.

Geselecteerde velden moeten de groep beschrijven of de records ervan samenvatten. Een kolom category naast een regiototaal is dubbelzinnig als een regio meerdere categorieën bevat. Neem categorie op in GROUP BY als je één rij per combinatie van regio en categorie wilt. De tabel van maart heeft acht waargenomen combinaties; South heeft geen record in Toys, dus groeperen maakt die combinatie niet aan.

Filter records vóór groepen, of groepen na totalen

WHERE category = 'Games' laat voor North 120 omzet uit één bestelling over, voor South 120 uit twee en voor East 40 uit één. Een andere query zonder categoriefilter en met HAVING COUNT(*) >= 4 behoudt alleen North.

Om de bestellingen in Games per regio op te tellen en regio's met een omzet uit Games boven 100 te behouden:

SELECT region, SUM(quantity * unit_price) AS revenue
FROM orders
WHERE category = 'Games'
GROUP BY region
HAVING SUM(quantity * unit_price) > 100
ORDER BY revenue DESC;

North en South blijven over, beide met 120. Als je de omzetvoorwaarde naar WHERE verplaatst, toets je afzonderlijke bestellingen en verandert de vraag.

Volg de logische verwerkingsvolgorde

De nuttige volgorde om mee te redeneren is FROM en tabelkoppelingen, WHERE, GROUP BY, HAVING, SELECT, ORDER BY en daarna de rijlimiet. De database kan een efficiënter fysiek uitvoeringsplan gebruiken, maar deze logische volgorde verklaart waarom een SELECT-alias beschikbaar is voor sortering en meestal niet in de WHERE van dezelfde query.

Gebruik voor een gemiddelde AVG(quantity * unit_price * 1.0) om decimale resultaten te behouden waar invoer van gehele getallen ze anders zou afkappen. Behandel NULL-groepslabels bewust: ze vormen een eigen groep. Toon die als Unknown of sluit die uit en vermeld expliciet het aantal records.

Vat zo nodig op twee niveaus samen

Klant A plaatst bestellingen van 60 en 40, B één van 50 en C drie van 10. De totale omzet is 180 over zes bestellingen, dus 30 per bestelling. Om het gemiddelde per klant te vinden, tel je eerst per klant op: A 100, B 50, C 30. Neem het gemiddelde van die drie totalen om 60 te krijgen. Een opgeslagen tussentabel of een WITH-clausule kan de eerste samenvatting bevatten.

Bekijk unieke groepswaarden voordat je de query uitvoert. Tekstvarianten kunnen groepen anders splitsen of samenvoegen, afhankelijk van de database-instellingen; schoon ze op en vergelijk de waargenomen groepen met de groepen die je op basis van de vraag verwacht.

Een draaitabel maakt een gegroepeerde spreadsheetsamenvatting door velden in enkele gebieden te plaatsen. Dit is nuttig als je vergelijkingen anders wilt indelen en totalen wilt bekijken zonder voor elke groep een aparte formule te schrijven.

Begin met een volledige bron

Gebruik één koprij, één record per rij en een duidelijk rechthoekig bereik. Verwijder subtotaal- en totaalrijen uit de bron: een draaitabel behandelt ze als records en telt hun bedragen opnieuw mee. Vermijd samengevoegde cellen en lege scheidingsrijen of -kolommen binnen de bron.

Selecteer het bereik en kies Invoegen > Draaitabel in Excel of Invoegen > Draaitabel in Google Sheets. Plaats velden volgens de vraag:

Met regio in Rijen en Som van omzet in Waarden is het resultaat voor maart North 250, South 180, East 105 en eindtotaal 535. Door de samengevatte waarden te sorteren, zie je de rangschikking.

Controleer de samenvattingsfunctie

Je kunt een numeriek veld samenvatten met Som, Gemiddelde, Minimum of Maximum. Ga er niet van uit dat de geselecteerde functie bij je vraag past. Excel kan Aantal kiezen als het veld tekst of lege cellen bevat, zodat een ogenschijnlijke omzetsamenvatting in werkelijkheid kan tonen hoeveel ingevulde cellen het veld bevat.

Gebruik een volledig ingevuld bestel-ID-veld om bestellingen te tellen. Aantal in Excel telt niet-lege cellen; Google Sheets biedt AANTALARG voor niet-lege cellen en COUNT voor cellen met getallen. Als je een prijsveld met lege cellen telt, mis je records waarvan de prijs onbekend is.

Lees een samenvatting met twee dimensies

Voeg categorie toe aan Kolommen. North heeft Books 105, Games 120 en Toys 25; South heeft Books 60 en Games 120; East heeft Books 15, Games 40 en Toys 50. De kolomtotalen zijn Books 180, Games 280 en Toys 75.

De lege cel voor South en Toys betekent dat geen bronrecords die combinatie hebben. Een vastgelegde bestelling met omzet nul zou een ander geval zijn, ook als een weergave-instelling beide cellen leeg of als nul toont.

Begrijp een eindtotaal als gemiddelde

Kies in plaats daarvan Gemiddelde van omzet. North is 62,5 uit vier bestellingen, South 60 uit drie en East 35 uit drie. Het eindtotaal is 53,5 omdat de draaitabel het gemiddelde van alle tien bronrecords berekent. Het gemiddelde van de drie getoonde gemiddelden is 52,5 en geeft de groep met vier bestellingen ten onrechte hetzelfde gewicht als elk van de groepen met drie bestellingen.

Controleer verversing en dekking van de bron

Controleer na wijzigingen in de bron of de draaitabel actueel is. Gebruik in Excel Vernieuwen als automatisch vernieuwen niet beschikbaar of uitgeschakeld is; ondersteunde versies bieden ook automatisch vernieuwen voor lokale werkmapgegevens. Google Sheets werkt draaitabelresultaten bij als cellen in het bronbereik veranderen. In beide hulpmiddelen kunnen records die buiten een vast bronbereik worden toegevoegd nog steeds ontbreken. Een Excel-tabel als bron groeit mee met toegevoegde rijen, terwijl je een vast bereik moet controleren en uitbreiden.

Vergelijk het eindtotaal en het aantal bestellingen in de draaitabel met rechtstreekse berekeningen uit de bron. Verversen werkt de geselecteerde bron bij; het kan een bereik dat nieuwe records uitsluit niet herstellen.

Om een numerieke kolom goed te beschrijven, heb je meer nodig dan één gemiddelde. De centrale tendens vertelt je waar waarden zich bevinden; de spreiding vertelt je hoeveel ze verschillen. Het aantal laat zien hoeveel gegevens de samenvatting vertegenwoordigt.

Bereken een kleine reeks maten

Acht fietsritten duurden 6, 8, 9, 10, 12, 12, 15 en 58 minuten. Het totaal is 130 minuten.

Voor de mediaan zijn de vierde en vijfde waarde 10 en 12, wat 11 geeft. Spreadsheetfuncties zijn onder meer AVERAGE, MEDIAN, MODE of MODE.SNGL in Excel, MIN en MAX. In SQL zijn AVG, COUNT, MIN en MAX gangbaar; namen en syntaxis van functies voor mediaan en standaardafwijking verschillen per database.

Kies een bruikbare maat voor het midden

De rit van 58 minuten is een uitschieter, ver van de andere waarden. Die trekt het gemiddelde omhoog: zeven van de acht ritten zijn korter dan het gemiddelde. De mediaan beschrijft het midden van deze ritten beter.

Zonder 58 is het totaal 72 over zeven ritten, dus is het gemiddelde ongeveer 10,29 minuten en de mediaan 10. Dit toont het effect van de lange rit; het rechtvaardigt niet dat je die verwijdert. Controleer of de rit echt was, onjuist is vastgelegd of door een probleem bij het inleveren is beïnvloed. Behoud, corrigeer of sluit de rit uit op basis van die informatie en leg de beslissing vast.

Het gemiddelde is nuttig voor ongeveer symmetrische gegevens en vragen die verband houden met totalen, omdat je de som terugkrijgt door het gemiddelde met het aantal te vermenigvuldigen. De mediaan is nuttig voor scheef verdeelde tijdsduren, inkomens of prijzen. Een groot verschil tussen gemiddelde en mediaan is een reden om de verdeling te onderzoeken, geen volledige beschrijving van de vorm ervan.

Een modus kan categorieën beschrijven, zoals de meest voorkomende betaalmethode. Meer dan één categorie kan even vaak voorkomen: Books en Games komen elk vier keer voor in de bestellingen uit maart. Numerieke gegevens met weinig herhalingen hebben mogelijk geen bruikbare modus.

Beschrijf variatie

De verzamelingen 48, 50, 52 en 30, 50, 70 hebben beide een gemiddelde van 50. Hun steekproefstandaardafwijkingen zijn 2 en 20. De standaardafwijking beschrijft de spreiding rond het gemiddelde in de oorspronkelijke eenheden; een grotere waarde betekent meer spreiding. De maat is gebaseerd op gekwadrateerde afstanden en is dus niet het gewone gemiddelde van absolute afstanden.

Gebruik STDEV.S als je de records als steekproef behandelt en STDEV.P voor de hele populatie die je onderzoekt. De berekeningen delen de gekwadrateerde afwijkingen respectievelijk door het aantal min één en door het aantal, voordat de vierkantswortel wordt genomen. Het doel is hier de maat te interpreteren, niet die met de hand te berekenen.

Kwartielen verdelen gesorteerde gegevens in vier delen. De mediaan is het tweede kwartiel; de interkwartielafstand is het derde kwartiel min het eerste en meet de spreiding van de middelste helft. Een percentiel geeft een gekozen percentage een plaats in de verdeling. Hulpmiddelen kunnen verschillende interpolatiemethoden gebruiken, waaronder QUARTILE.INC en QUARTILE.EXC, dus gebruik een consistente methode als je resultaten vergelijkt.

Rapporteer aantallen naast de centrale tendens en spreiding. Eén ongebruikelijke rit beïnvloedt een gemiddelde van drie ritten veel sterker dan een gemiddelde van 300 ritten.

Percentages en verhoudingscijfers maken vergelijkingen alleen duidelijk als hun noemers helder zijn. Een aandeel, een verandering en een verhoudingscijfer beantwoorden verschillende vragen. Om ze over groepen te combineren, heb je de grootte van het grondtal van elke groep nodig.

Onderscheid aandelen, veranderingen en procentpunten

Een aandeel is een deel gedeeld door het relevante totaal. Het aandeel van North in de omzet van maart is 250 gedeeld door 535, ongeveer 46,7%. South is ongeveer 33,6% en East 19,6%. De afgeronde waarden tellen op tot 99,9%; de niet-afgeronde aandelen tellen op tot 100%.

Procentuele verandering vergelijkt een nieuwe waarde met de oude waarde:

Omzet die stijgt van 80 naar 100 neemt toe met 25%. Een daling van 100 naar 80 is een afname van 20%. Het absolute verschil is in beide richtingen 20, maar de oude waarde verandert. Bij een oude waarde van nul is deze formule voor procentuele verandering niet gedefinieerd.

Een verandering in procentpunten trekt percentages rechtstreeks van elkaar af. Een conversiepercentage dat van 4% naar 5% gaat, stijgt met 1 procentpunt. De relatieve stijging is 25%, omdat de stijging van 1 een kwart is van de oorspronkelijke 4. Benoem in het rapport om welke soort verandering het gaat.

Vergelijk gebeurtenissen met hetzelfde grondtal

Winkel A heeft 18 klachten uit 12.000 bestellingen; winkel B heeft er 9 uit 4.500. Per 1.000 bestellingen zijn de verhoudingscijfers 1,5 en 2,0. B heeft minder klachten maar een hoger verhoudingscijfer. Voor een eerlijke vergelijking zijn dezelfde definitie van de gebeurtenis, periode, noemer en schaal nodig.

Laat een hoog absoluut aantal niet doorgaan voor een hoog verhoudingscijfer. Een drukkere winkel kan meer klachten hebben doordat die meer bestellingen verwerkt. Rapporteer ook de aantallen, zodat lezers de grondtallen achter de verhoudingscijfers kunnen zien.

Weeg gemiddelden naar de records die ze vertegenwoordigen

Regio X heeft 200 bestellingen met gemiddeld 50; Y heeft 50 bestellingen met gemiddeld 90. Bereken het totaal van elke regio: 10.000 en 4.500. Deel de gezamenlijke 14.500 door 250 bestellingen om 58 te krijgen. Het ongewogen gemiddelde van de twee gemiddelden, 70, geeft de twee regio's ten onrechte hetzelfde gewicht.

De gewichten moeten de waarnemingen tellen die in die gemiddelden zijn gebruikt. Als een groepsgemiddelde ontbrekende beoordelingen uitsluit, gebruik dan het aantal bekende beoordelingen, niet elk record in die groep.

Combineer verhoudingscijfers op basis van totalen

Op pagina A leiden 100 van de 5.000 bezoeken tot een conversie; op B zijn dat er 10 van de 100. De percentages zijn 2% en 10%, maar het totale percentage is 110 conversies gedeeld door 5.100 bezoeken, ongeveer 2,2%. Het gemiddelde van de twee percentages is 6% en geeft de kleinere pagina te veel gewicht.

Een verhouding over de hele tabel volgt dezelfde logica. Bestellingen met winst 50 op omzet 100 en winst 100 op omzet 1.000 hebben een totale marge van 150 gedeeld door 1.100, ongeveer 13,6%. Hun afzonderlijke marges zijn gemiddeld 30%, wat een andere vraag beantwoordt. Gebruik in SQL SUM(profit) * 1.0 / NULLIF(SUM(revenue), 0); deel in een spreadsheet de totale winst door de totale omzet nadat je de noemer hebt gecontroleerd.

Benoem de noemer, zoals “aandeel van de omzet in maart” of “klachten per 1.000 bestellingen”. Zonder dat grondtal kan een percentage een andere populatie beschrijven dan de lezer aanneemt.

Bouw controles in de analyse in voordat je de resultaten deelt. Een formule kan een geloofwaardig getal geven terwijl het bereik rijen mist of een tabelkoppeling bedragen herhaalt. Bij elke bewerking heb je een verwachting nodig waarmee je de uitvoer kunt vergelijken.

Sluit totalen en aantallen aan

Voor de bestellingen uit maart tellen de regionale omzetbedragen 250, 180 en 105 op tot 535. De aantallen bestellingen 4, 3 en 3 tellen op tot tien. Vergelijk beide met de bron, gefilterd op dezelfde periode en volgens dezelfde definitie.

Een verschil kan verloren records, herhaalde records of overlappende groepen aan het licht brengen. Een overeenkomst is nuttige onderbouwing, maar op zichzelf niet genoeg: als je slechts één kolom sorteert, kunnen verbanden tussen waarden in rijen beschadigd raken terwijl alle totalen gelijk blijven. Ook kunnen een positieve en een negatieve fout elkaar opheffen.

Schrijf vóór het filteren of koppelen een verwacht aantal op. Na het filteren van de tabel van maart op North moeten vier bestellingen overblijven. Een linker buitenkoppeling van tien bestellingen naar een referentietabel met één klantrij per ID moet tien rijen opleveren. Twaalf rijen wijzen op herhaalde sleutels aan de rechterkant. Een linker buitenkoppeling van klanten naar bestellingen kan het aantal terecht verhogen, omdat één klant veel bestellingen heeft.

Onderzoek afzonderlijke records

Kies enkele records en reken ze rechtstreeks na. Bestelling 1003 heeft drie stuks van 40, wat een omzet van 120 oplevert. De vier omzetbedragen van North zijn 30, 120, 25 en 75, samen 250. Controleer een opzoekbewerking met het oog aan de hand van de referentietabel, waaronder een ontbrekende code en een grensgeval voor een numerieke klasse.

Een steekproefsgewijze controle moet de bewerking toetsen die fout kan gaan. Bekijk bij een doorgevoerde formule vroege en late rijen; bekijk bij een indeling elke grens; bekijk bij een tabelkoppeling herhaalde sleutels en sleutels zonder overeenkomst. Als je alleen gemakkelijk te controleren gewone rijen bekijkt, kan de fout onopgemerkt blijven.

Vergelijk onafhankelijke routes

Bereken de regionale samenvatting met SUMIFS, een draaitabel of een SQL-query en vergelijk de resultaten. Gebruik hetzelfde kengetal en filter, maar selecteer de bereiken of records onafhankelijk van elkaar. Twee resultaten die uit dezelfde onvolledige tussentabel zijn gemaakt, kunnen overeenkomen terwijl beide dezelfde bestellingen missen.

Als ze verschillen, vergelijk dan periodegrenzen, bronbereiken, datatypen, ontbrekende waarden en recordniveau voordat je het antwoord verandert. Sla de berekening of query op die het verschil verklaart.

Houd rekening met ontbrekende waarden en plausibiliteit

Tel lege invoerwaarden of NULL-waarden, opzoekresultaten met “Not found” en gekoppelde records waarvan de sleutel aan de rechterkant NULL is. Leg uit hoe deze records het gerapporteerde kengetal beïnvloeden. Een gekoppelde rij kan een ander ontbrekend veld aan de rechterkant hebben, dus alleen een lege naam is geen betrouwbare controle op een rij zonder overeenkomst.

Controleer de grootte en eenheden van het resultaat. Een aandeel van een niet-negatief geheel ligt tussen 0% en 100%; een procentuele verandering kan hoger zijn dan 100% of negatief zijn. Van 50 naar 150 is een stijging van 200%. Onderzoek onverwachte negatieve aantallen en datums buiten de analyseperiode en bepaal aan de hand van de velddefinitie wat geldig is.

Bewaar de vraag, kengetaldefinitie, filters, formules of query's, bronperiode en beslissingen bij elkaar. Met deze vastlegging kan iemand het werk herhalen en worden keuzes verklaard, zoals het uitsluiten van een ongeldige rit of het behouden van een groep met onbekende regio.

Een rapport moet de vraag beantwoorden met cijfers die een lezer in context kan plaatsen. Vermeld het kengetal, de periode, de groep en de vergelijking direct en voeg daarna de informatie toe die bepaalt hoe het resultaat moet worden geïnterpreteerd.

Formuleer het antwoord en de vergelijking

“In maart 2026 had North de hoogste omzet: 250 uit vier bestellingen, oftewel ongeveer 46,7% van het totaal van 535. South volgde met 180 en East met 105.” Deze uitspraak geeft de rangschikking en de omvang van het resultaat.

De omzet van North is 70 hoger dan die van South. Ten opzichte van South is het verschil ongeveer 39%. De vergelijkingsbasis doet ertoe: een percentage met North als noemer zou beantwoorden hoeveel South onder North blijft, een andere vraag. Gebruik een consistent aantal decimalen en rond alleen eindcijfers af; 46,7% is hier nuttiger dan veel weergegeven decimalen.

Beschrijf samenhang zonder oorzaken te verzinnen

Stel dat gebruikers van kortingen meer per bestelling uitgeven. Ze geven mogelijk meer uit door de korting, maar mensen die grote aankopen plannen, zoeken misschien naar kortingen. Een samenvatting van deze records stelt het waargenomen verschil vast, niet welke verklaring de oorzaak is. Schrijf “de gemiddelde bestelwaarde was hoger onder gebruikers van kortingen” en geef aan welke verdere onderbouwing nodig zou zijn om te verklaren waarom.

Onderzoek de samenstelling achter een totaal verhoudingscijfer

Een vergelijking over het geheel kan de vergelijking binnen subgroepen omkeren. Neem twee teams die verschillende verhoudingen warme en koude leads ontvangen:

A heeft het hogere conversiepercentage voor beide soorten leads. B heeft het hogere totale percentage omdat drie kwart van de leads warm is, tegenover de helft bij A. Warme leads worden bij beide teams veel vaker klant. Deze omkering heet de Simpsonparadox. De aggregatie beschrijft de werkelijke samenstelling bij elk team; ze laat niet afzonderlijk zien hoe de teams bij dezelfde samenstelling zouden presteren.

Splits resultaten uit naar een relevante subgroep voordat je een team of beleid verantwoordelijk stelt voor het totale verschil. Bereken elk percentage uit de eigen teller en noemer en onderzoek vervolgens hoeveel elke subgroep bijdraagt aan het totaal.

Toon de informatie achter de samenvatting

Geef groepsgroottes bij gemiddelden en verhoudingscijfers. Een ongebruikelijke bestelling kan het gemiddelde van drie bestellingen veel sterker verschuiven dan dat van 300 bestellingen. Een klein waargenomen verschil is niet genoeg om een stabiel verschil in de bredere populatie vast te stellen.

Vermeld beperkingen die het antwoord beïnvloeden: de periode, uitsluitingen, ontbrekende rijen of rijen zonder overeenkomst en de definitie van het kengetal. Bijvoorbeeld: “Exclusief 12 bestellingen zonder regio, die 2% van de omzet vertegenwoordigen.” Rapporteer dat gevolg en vermeld niet alleen dat sommige gegevens ontbraken.

Kies een kleine gesorteerde tabel of een kerncijfer als dat het antwoord helder overbrengt. Die kan later als input dienen voor een grafiek of dashboard, met behoud van dezelfde definities en controles.