Excel Power Pivot: en steg-för-steg-guide

Att analysera stora Excel-filer leder ofta till seg prestanda. 

Power Pivot erbjuder ett annat angreppssätt. Det kopplar samman tabeller och hanterar beräkningar utan att kompromissa med prestandan. I stället för att brottas med kedjor av VLOOKUP() och hjälpkolumner arbetar du med ett strukturerat system som är inbyggt direkt i Excel.

I den här guiden lär du dig hur du sätter upp datamodeller, skapar tabellrelationer, skriver DAX-formler och bygger interaktiva rapporter med Power Pivot.

Vad är Power Pivot och varför är det användbart?

Power Pivot är Excels inbyggda datamotor för modellering. Det låter dig hämta större datamängder, koppla flera tabeller och köra komplexa beräkningar utan trögheten du skulle få med traditionella kalkylblad.

Hur Power Pivot skiljer sig

I stället för att lagra data direkt i ett blad, laddar Power Pivot allt i Excels interna datamodell. 

Ett vanligt kalkylblad kan nå ungefär en miljon rader och brukar bli långsamt långt tidigare. Power Pivot kringgår den gränsen genom att komprimera data och hantera den separat, så att du kan arbeta med tiotals miljoner rader och ändå behålla arbetsbokens prestanda.

En relationell struktur i stället för VLOOKUP-kedjor

När din data finns i modellen kan du relatera tabeller med nycklar, precis som i en lättviktig databas. Du behöver inte platta ut allt till ett enda jättestort blad och använda nästlade VLOOKUP() för att tvinga ihop tabeller. Power Pivot låter dig analysera länkade tabeller sida vid sida, rent och tillförlitligt.

Starkare beräkningar med DAX

Power Pivot använder DAX (Data Analysis Expressions), ett formelspråk skapat specifikt för analytiskt arbete. Du kan använda det för att skapa mått som går långt bortom vad en vanlig pivottabell klarar av, från enkla summor till tidsbaserade mått, kvoter, rullande fönster och andra avancerade beräkningar.

Exempelscenarier

Här är två exempel på hur företag använder Power Pivot i sina arbetsflöden: 

\n
• Uppföljning av försäljningsresultat: Kombinera orderhistorik, produkttabeller och kundattribut och bygg sedan DAX-mått för till exempel år-för-år-intäkter eller kundlivstidsvärde utan manuell sammanslagning.
\n
• Operativ rapportering: Länka lager, leveranser och leverantörsdata och beräkna fyllnadsgrader, ledtider eller prognosavvikelser från samma modell.
\n

Kort sagt ger Power Pivot dig en databaskänsla inne i Excel. Om du arbetar med stora eller fler-tabellsdatamängder kan det förvandla röriga rapporteringsflöden till snabba, skalbara modeller som du kan bygga vidare på.

Kom igång med Power Pivot i Excel

Låt oss nu se hur du kommer igång med Power Pivot i Excel. 

Aktivera Power Pivot

Du behöver inte ladda ner Power Pivot. Det finns redan i Excel. Så här aktiverar du det:

\n
1. Öppna Excel-arket 
\n
2. Klicka på Arkiv i menyfliksområdet
\n
3. Välj Alternativ > Tillägg 
\n
4. Välj sedan COM-tillägg i rullgardinsmenyn och klicka på Gå
\n
5. Ett popup-fönster visas. Välj Microsoft Power Pivot for Excel och klicka sedan på OK
\n

Nu visas Power Pivot i ditt menyfliksområde.

Aktivera Power Pivot-tillägget i Excel. Bild av författaren.

Obs: Power Pivot fungerar bara i Excel Professional Plus eller Microsoft 365. Om du inte ser fliken efter att du aktiverat den kan det bero på att din Excel-version inte innehåller den.

Importera data från flera källor

Du kan nu importera data från olika resurser, som en Excel-fil, en CSV-fil eller till och med en SQL Server-databas. 

I det här exemplet har vi två dataset i en .xlsb-fil:

\n
1. \n

   sales.xlsb 

   \n
\n
2. \n

   customer.xlsb 

   \n
\n

Så här importerar du dem till Power Pivot:

\n
1. Klicka på fliken Power Pivot och välj Hantera. Ett nytt fönster öppnas
\n
2. Gå till Start och klicka på Hämta extern data och välj Från andra källor
\n
3. Skrolla ner och klicka på Excel-fil
\n

Hämta data från andra källor. Bild av författaren.

\n
1. \n

   Klicka nu i popup-fönstret på Bläddra och välj filen customer.xlsb 

   \n
\n
2. \n

   Bocka i rutan Använd första raden som kolumnrubrik och klicka på Nästa

   \n
\n

Importera Excel-filen till Power Pivot. Bild av författaren.

I nästa fönster klickar du på Förhandsgranska & filtrera för att se hur din data ser ut före importen. När du är nöjd klickar du på OK, och det visas att alla rader har överförts. Klicka sedan på Stäng.

Förhandsgranska den valda datan. Bild av författaren. 

Upprepa samma process för filen sales.xlsb. Längst ner på skärmen visas sedan båda filerna som importerade. Dubbelklicka på dem och byt namn. 

Båda filerna importerade. Bild av författaren.

Bygga relationer och datamodeller

Nu när din data är inläst i Power Pivot är det dags att länka tabellerna så att Excel förstår hur de hänger ihop. Det här steget bygger grunden för alla dina rapporter.

Skapa relationer mellan tabeller

För att skapa en relation mellan tabellerna Sales och Customers gör du så här:

\n
1. På fliken Start klickar du på Diagramvy. Du ser båda de importerade tabellerna där
\n
2. Klicka på CustomerID i tabellen Sales
\n
3. Dra den till CustomerID i tabellen Customer för att skapa en relation mellan tabellerna
\n

Obs: Om du vill redigera relationen, högerklicka på linjen och klicka på Redigera relation... I fönstret väljer du de kolumner du vill skapa relationen med.

Bygg en relation mellan tabellerna. Bild av författaren.

I den här relationen kan en kund förekomma många gånger i tabellen Sales, men varje kund förekommer bara en gång i tabellen Customers. Detta är en enkel en-till-många-relation som låter oss använda fält från båda tabellerna i pivottabeller och göra beräkningar utan uppslagsformler.

Designa med stjärnschema

Ett stjärnschema är ett av de enklaste sätten att strukturera en Power Pivot-modell. Det håller dina tabeller organiserade och gör beräkningar förutsägbara.

Först måste du välja faktatabellen. I det här fallet fungerar Sales som faktatabell eftersom den innehåller transaktionerna: datum, kund, produkt, kvantitet och belopp.

Identifiera sedan dimensionstabellerna som beskriver datan i Sales. Några vanliga exempel:

\n
• Customers (primärnyckel: CustomerID)
\n
• Products (primärnyckel: ProductID)
\n
• Regions (primärnyckel: RegionID)
\n

Varje dimensionstabell har en primärnyckel. Du kopplar den nyckeln till motsvarande främmande nyckel i faktatabellen:

\n
• Customers.CustomerID → Sales.CustomerID
\n
• Products.ProductID → Sales.ProductID
\n
• Regions.RegionID → Customers.RegionID
\n

När kopplingarna är gjorda ligger tabellen Sales i mitten med dimensionstabeller som strålar ut runt den. Det är din stjärna. Den här strukturen håller modellen tydlig, snabbar upp beräkningar och förbättrar rapporternas konsekvens.

Skapa ett stjärnschema. Bild av författaren.

Lägg till beräknade kolumner

När relationerna är på plats kan du skapa nya fält direkt i datamodellen.

\n
1. \n

   Växla till Datavy

   \n
\n
2. \n

   Markera det tomma fältet Lägg till kolumn i slutet av tabellen.

   \n
\n
3. \n

   Skriv in = [TotalAmount] / [Qty] och tryck Enter så fyller Excel hela kolumnen

   \n
\n
4. \n

   Byt namn på rubriken till PricePerUnit

   \n
\n

På så sätt blir beräknade kolumner en del av tabellen i sig. De lagras i modellen, uppdateras med din data och finns tillgängliga för alla pivottabeller eller DAX-mått du bygger senare.

Lägg till en extra beräknad kolumn. Bild av författaren.

Skriva DAX-formler för analys

Nu när modellen är klar kan vi börja skapa DAX-formler för att analysera datan. Dessa formler hjälper oss att bygga totaler, jämförelser och tidsbaserade beräkningar i våra rapporter.

Skapa mått

Du bör använda mått när du vill ha beräkningar som uppdateras automatiskt i en pivottabell.

Så här skapar du ett mått:

\n
1. \n

   Öppna Power Pivot-fönstret

   \n
\n
2. \n

   Gå till Start > Beräkningar > Nytt mått

   \n
\n
3. \n

   Ange en formel som = SUM(Sales[TotalAmount])

   \n
\n
4. \n

   Namnge det Total Sales och välj OK

   \n
\n

Skapa mått. Bild av författaren. 

Lägg till ett mått för andel av total

Du kan också använda den här formeln för att lägga till ett mått för andel av total:

= DIVIDE([Total Sales], CALCULATE([Total Sales], ALL(Regions)))

Detta visar varje regions andel av den totala omsättningen.

Lägg till ett mått för procent av total. Bild av författaren.

Använd tidsintelligens

Tidsintelligensfunktioner är DAX-formler som förstår hur data rör sig över dagar, månader, kvartal och år. De låter dig beräkna år-till-datum-totaler, jämföra resultat med tidigare perioder och utvärdera trender utan att manuellt ändra filter.

För att se hur dessa funktioner fungerar i din modell behöver du först en korrekt datumtabell.

Ställ in datumtabellen

Så här ställer du in tabellen: 

\n
1. Gå till Power Pivot > Lägg till i datamodell
\n
2. I Power Pivot markerar du tabellen och väljer Design > Markera som datumtabell
\n

Skapa en datumtabell. Bild av författaren.

\n
1. Gå nu från Start > Diagramvy och relatera Date[Date] → Sales[OrderDate].
\n

Länka Date Table[Date] till Sales[OrderDate]. Bild av författaren.

Skapa mått för tidsintelligens

När Date-tabellen är klar kan du bygga mått som utvärderar prestation över olika perioder.

År-till-datum:

Total Sales YTD :=\nTOTALYTD([Total Sales], 'Date Table'[Date])

Föregående års jämförelse:

Sales Last Year :=\nCALCULATE([Total Sales], SAMEPERIODLASTYEAR('Date Table'[Date]))

Beräkna tiden. Bild av författaren. 

När måtten är klara kan du gå tillbaka till Excel och skapa en pivottabell med datamodellen. Lägg sedan fält från datumtabellen i rutfältet Rader och lägg till Total Sales, Total Sales YTD och Sales Last Year i Värden. 

Detta visar hur måtten för tidsintelligens fungerar tillsammans med Date-tabellen i modellen.

Pivottabell som visar Total Sales, YTD och Last Year Date. Bild av författaren. 

Vanliga DAX-mönster

Vissa DAX-formler återkommer ofta eftersom de hjälper dig att snabbt bryta ner data och svara på vanliga frågor. Här är två mönster som fungerar bra i många modeller:

Snitt per kategori:

Average Sales Per Category :=\nAVERAGE(Sales[TotalAmount])

Löpande total över datum:

Running Total Sales :=\nCALCULATE(\n    [Total Sales],\n    FILTER(ALL('Date'), 'Date'[Date] <= MAX('Date'[Date]))\n)

När du skapar mått, gör till vana att: 

\n
• Namnge dem tydligt
\n
• Håll formlerna läsbara
\n
• Använd variabler (VAR) när måttet blir långt. 
\n

Det gör modellen lättare att förstå när du återkommer till den senare.

Visualisera och interagera med din modell

Nu när modellen och måtten är klara kan vi förvandla datan till visuella element som du kan utforska och justera i realtid.

Skapa pivottabeller och pivotdiagram

Så här infogar du en pivottabell från datamodellen för att arbeta direkt med dina kopplade tabeller:

\n
1. Öppna ett Excel-ark
\n
2. Gå till Infoga > Pivottabell > Från datamodell
\n
3. Välj Nytt kalkylblad
\n

I rutan Pivottabellfält kan du nu hämta fält från valfri tabell. Till exempel:

\n
• Dra RegionName från tabellen Regions till Rader
\n
• Dra Total Sales till Värden
\n

Eftersom vi byggde relationer tidigare sätter Excel automatiskt ihop allt.

Skapa en pivottabell med Power Pivot-data. Bild av författaren.

Om du vill ha en visualisering, klicka var som helst i pivottabellen, gå till Infoga > Pivotdiagram, välj en diagramtyp (till exempel Grupperad kolumn) och bekräfta. Diagrammet förblir länkat till pivottabellen, så allt uppdateras tillsammans.

Lägg till pivotdiagram. Bild av författaren.

Lägg till utsnitt och filter

Utsnitt ger dig snabba filter i form av knappar som gör rapporten interaktiv. Så här lägger du till dem:

\n
1. Klicka på din pivottabell
\n
2. Gå till Infoga > Utsnitt
\n
3. Välj fält som RegionName eller ProductName
\n

Ett utsnitt visas som en ruta i bladet. När du klickar på olika objekt uppdateras pivottabellen och diagrammet direkt. Om du har flera pivottabeller kan du koppla ett enda utsnitt till alla för konsekvent filtrering över sidan.

Lägg till utsnitt. Bild av författaren.

Bygg KPI:er

KPI:er hjälper dig att se prestation i förhållande till ett mål utan att lägga till extra beräkningar i bladet. Så här bygger du dina:

\n
1. I Power Pivot-fönstret går du till KPI:er > Ny KPI
\n
2. Ställ in Total Sales som basmått
\n
3. Använd Absolut värde, ange ditt mål (till exempel 4000), justera trösklar och välj en ikonstil
\n
4. Klicka på OK för att skapa KPI:n
\n

Ställ in KPI för ett mått. Bild av författaren.

\n
1. I rutan Pivottabellfält, expandera tabellen Sales, expandera sedan Total Sales
\n
2. Dra därifrån Total Sales och Status till fältet Värde
\n

Nu kan du se måluppfyllelse i förhållande till en tröskel. 

Visa KPI-status i en Excel-pivottabell. Bild av författaren.

Optimera prestanda i Power Pivot

När modellen väl är byggd vill vi hålla den snabb och lätt att arbeta med. Power Pivot kan hantera stora datamängder, men några mindre justeringar hjälper filen att förbli responsiv, särskilt när du lägger till mer data över tid.

Minska modellstorleken

En lättare modell körs snabbare, så ta bort allt du inte behöver.

Du kan ta bort oanvända kolumner i Datavy. Även om en kolumn aldrig visas i en pivottabell tar den ändå minne, så att trimma dem håller modellen ren.

När du tar in ny data, använd Power Query för att filtrera rader och kolumner innan de kommer in i modellen. På så sätt laddas bara de fält du bryr dig om, vilket håller allt renare.

Försök undvika beräknade kolumner om de inte är nödvändiga, eftersom de lagrar ett värde för varje rad, vilket snabbt ökar filstorleken. Däremot är mått mer effektiva eftersom de bara beräknas när en pivottabell behöver dem. 

Välj effektiva datatyper

Power Pivot komprimerar data olika beroende på datatyp. Om du använder rätt typ kan det göra märkbar skillnad.

I Datavy markerar du en kolumn och väljer den mest precisa typen under Datatyp i menyfliksområdet. Till exempel:

\n
• Heltal > Heltal
\n
• Decimaltal > Decimaltal
\n
• ID:n eller koder som inte används i beräkningar > Text
\n

När du väljer rätt typ komprimerar Power Pivot kolumnen bättre, vilket minskar storleken och snabbar upp beräkningar.

Kontrollera och använd korrekt datatyp. Bild av författaren.

Hantera uppdatering och beräkningsproblem

Om dina pivottabeller inte speglar den senaste datan, gå till fliken Power Pivot och klicka på Uppdatera alla. Detta laddar om allt från dina källfiler.

När siffror ser fel ut, öppna Diagramvy och kontrollera dina relationer, eftersom en saknad eller trasig relation kan få totaler att skjuta i höjden eller filtrera felaktigt.

Om du stöter på ett DAX-fel, särskilt med mer komplexa mått, betyder det ofta att formeln refererar till sig själv indirekt. I så fall, skriv om måttet med enklare logik eller använd VAR-block för att lösa den cirkulära referensen.

Integrering med Power Query och Power BI

En av fördelarna med Power Pivot är hur enkelt det fungerar med resten av Microsofts datastack. Vi kan använda Power Query för att städa och forma datan innan den kommer in i modellen, eller flytta hela modellen till Power BI när du behöver interaktiva instrumentpaneler.

Rensa och transformera data i Power Query

Power Query är den bästa platsen att förbereda din data innan du laddar in den i Power Pivot. Det låter dig städa, filtrera och forma allt i förväg så att modellen förblir organiserad.

Du kan öppna Power Query genom att gå till Data > Från text/CSV > Transformera. Detta tar in datan i redigeraren, där du kan:

\n
• Ta bort dubblettrader
\n
• Byta namn på eller ändra ordning på kolumner
\n
• Filtrera bort värden du inte behöver
\n
• Byta datatyper innan de når modellen
\n

Power Query spelar in varje steg på höger sida av fönstret. Det innebär att städningen körs automatiskt när du uppdaterar filen.

När allt ser rätt ut väljer du Stäng & läs in till och väljer Datamodell. Den rensade datan laddas direkt in i Power Pivot.

Exportera modeller till Power BI

Du kan också ta din Power Pivot-modell till Power BI när du behöver rikare visualiseringar eller delade instrumentpaneler. Så här gör du:

\n
1. Spara din Excel-arbetsbok
\n
2. Öppna Power BI Desktop
\n
3. Gå till Hämta data > Excel-arbetsbok
\n
4. Välj din fil
\n

Power BI importerar tabeller och relationer exakt som de finns i Power Pivot. Därifrån kan du bygga instrumentpaneler, samarbeta med ditt team och ställa in schemalagda uppdateringar så att dina rapporter hålls aktuella utan manuella steg.

Bästa praxis för hållbara modeller

När din modell växer gör ordning och reda det lättare för dig att uppdatera, felsöka och bygga vidare på den senare. Här är några vanor som hjälper modellen att förbli ren och tillförlitlig över tid:

Namngivningskonventioner och organisering

Tydliga namn gör stor skillnad när du kommer tillbaka till en fil efter veckor eller månader. Därför bör du använda läsbara måttnamn som Total_Sales, Total_Quantity eller Profit_Margin så att du alltid vet vad varje mått representerar.

Du kan också gruppera relaterade mått i visningsmappar i Power Pivot-fönstret. När modellen blir större gör dessa mappar det lättare att hitta de beräkningar du behöver.

Datavalidering

Innan du litar på siffrorna, gör några snabba kontroller:

\n
• Jämför totaler från källdatan med totaler i dina pivottabeller
\n
• Använd enkla DAX-kontroller som:
\n
\n
• \n

  COUNTROWS() för att bekräfta hur många rader det finns i en tabell

  \n
\n
• \n

  DISTINCTCOUNT() för att verifiera unika värden, som kunder eller produkter

  \n
\n
\n

Dessa små tester hjälper dig att upptäcka saknade relationer, felaktiga filter eller dataproblem innan de orsakar större bekymmer.

Underhåll och uppdatera dina modeller

När ny data kommer, gå till fliken Power Pivot och välj Uppdatera eller Uppdatera alla. Då laddar Power Pivot om allt från de anslutna källorna.

Innan du gör större strukturförändringar, som att lägga till nya relationer eller skriva om viktiga mått, spara en säkerhetskopia av filen. Det ger dig en trygg återställningspunkt om något inte går enligt plan.

Avslutande tankar

Power Pivot samlar din data på ett ställe och hjälper dig bygga rapporter som är tydliga och tillförlitliga. När modellen väl är på plats kan du utforska siffrorna, skapa visualiseringar och uppdatera allt med en enda uppdatering.

Om du vill lära dig hela Excels verktygslåda, kolla in vår utbildningsväg Data Analysis with Excel Power Tools samt vår (så klart) kurs Power Pivot in Excel.