Microsoft Excel Tips #001

Καλησπέρα σας,

Στην χρήση του Microsoft Excel, εκτός από την γνώση μετράει & η ταχύτητα. Εγκαινιάζοντας τα Microsoft Excel Tips ! Θα αναφέρω τα παρακάτω:

# Κάντε χρήση Αντικειμένων Πινάκων (Table.Objects).

Το MS Excel θεωρεί τους Πίνακες ως ενιαίες οντότητες (ασχέτως του μεγέθους τους) & ταυτόχρονα ως Σύνολο από δεδομένα κελιών. με αυτό τον τρόπο μπορείτε να εκμεταλλευτείτε για αναλύσεις ή όποια άλλη εργασία θέλετε να κάνετε, όλα τα δεδομένα μαζί ως ομάδα αλλά & κάθε στοιχείο τους ξεχωριστά.

# Καταγράψτε αναλυτικά τις Περιοχές Ονομάτων σας (Named Ranges).

Παρόμοια χρήση με τους πίνακες έχουν & οι Περιοχές Ονομάτων ή Ονομασμένες Περιοχές του MS Excel. Είναι στην ουσία κελιά του Excel που θεωρούνται ως μία οντότητα (ως πχ ένας μονόστηλος Πίνακας) αλλά & ως Σύνολο ξεχωριστών στοιχείων. Μπορούν να χρησιμοποιηθούν ως input method σε drop down lists, στην δόμηση πολύπλοκων συναρτήσεων & στην Επικύρωση Δεδομένων & ονομάτων. Για αυτό αν έχετε ορίσει διάφορες περιοχές με Named Ranges – κρατήστε σημειώσεις για το τι περιέχουν & τι σημαίνουν η κάθε μία από αυτές.

# Χρησιμοποιήστε πολλά Keyboard Shortcuts.

Οι συντομεύσεις πληκτρολογίου στο MS Excel είναι αυτό που λέμε REAL TIME SAVER. Όλες οι εργασίες που δύναται να εκτελέσει ένας χρήστης στο MS Excel – υπάρχουν & ως συνδυασμός πλήκτρων στο πληκτρολόγιο. Η καθημερινή χρήση του MS Excel μπορεί να φθάσει σε ένα υψηλό επίπεδο ταχύτητας & αποδοτικότητας ΜΟΝΟ ως συνδυασμός χρήσης Mouse + Keyboard, & σίγουρα περιλαμβάνοντας το Keyboard ουκ άνευ.

Αυτά από εμένα – CU on the next Microsoft Excel Tips!

GreekUsersOfBIApps.Admin.IV

 

Microsoft Data Insights Summit Videos Published — by Chris Web’s Blog

The Microsoft Data Insights Summit finished today, and the videos of the sessions have already (!!) been published online here: https://www.youtube.com/user/mspowerbi/playlists?sort=dd

via Microsoft Data Insights Summit Videos Published — Chris Webb’s BI Blog

Big Data or Small Data

Τελικά Big data ή Small data, δεν έχει μεγάλη σημασία. Δεν έχει σημασία τι μέγεθος έχουν τα δεδομένα που κατέχει ένας οργανισμός ή μία επιχείρηση ή μια δημόσια υπηρεσία.

Σημασία έχει να θέλει να τα αφουγκραστεί, να θέλει να τα μελετήσει. Είναι σίγουρο πως κάτι ωφέλιμο θα προκύψει κι ας μην υπάρχουν “θάλασσες” δεδομένων (seas of data) ή “ωκεανοί” δεδομένων (oceans of data), διαθέσιμα.

Μια “βόλτα” με “πλεούμενο” την κάνεις και σε μια απλή λιμνούλα.

Lake of Data = f(Σ{ponds of data} from 1 …n)  (data-lake)

Sea of Data = f(Σ{lakes of data} from 1 …n) (data-sea)

Ocean of Data = f(Σ{seas of data} from 1 …n) (data-ocean)

Με Εκτίμηση

[GRUsersOfBIApps Admin]

 

Ορολογία της Ημέρας (T.O.D) – 26/6/2017 [Enterprise Search]

Enterprise search is the organized retrieval of structured and unstructured data within an organization. Properly implemented, enterprise search creates an easily navigated interface for entering, categorizing and retrieving data securely, in compliance with security and data retention regulations. An organization may make search available to clients and business partners as well as employees.

The quality of enterprise search results is reliant upon the description of the data by the metadata. Effective metadata for a presentation, for example, should describe what the presentation contains, who it was presented to, and what it might be useful for. Given the right metadata, a user should be able to find the presentation through search using relevant keywords.

There are a number of kinds of enterprise search, including local installations, hosted versions, and search appliances, sometimes called “search in a box.” Each has relative advantages and disadvantages. Local installations allow customization but require that an organization has the financial or personnel resources to continually maintain and upgrade the investment. Hosted search outsources those functions but requires considerable trust and reliance on an external vendor. Search appliances, the least expensive option, may offer no customization at all.

Enterprise search software has increasingly turned to a faceted approach. Faceted search allows all of the data in a system to be reduced to a series of drop down menus, each narrowing down the total number of results, which allows users to narrow a search to gradually finer and finer criteria. The faceted approach improves upon the keyword search many users might think of (the Google model) and the structured browse model (the early Yahoo model). In the case of keyword search, if the end user doesn’t enter the correct keyword or if records weren’t added in a way that considers what end users might be looking for, a searcher may struggle to find the data. Similarly, in a browsing model, unless the taxonomies created by the catalogers of an enterprise’s information make intuitive sense to an end user, ferreting out the required data will be a challenge.

Enterprise search is complex. Issues of security, compliance and data classification can generally only be addressed by a trained knowledge retrieval expert. That complexity is further complicated by the complexity of an enterprise itself, with the potential for multiple offices, systems, content types, time zones, data pools and so on. Tying all of those systems together in a way that enables useful information retrieval requires careful preparation and forethought.

Vendors of enterprise search products include Oracle, SAP, IBM, Google and Microsoft.

Many Thanks to TechTarget for its incredible content.

[GRUsersOfBIApps Admin]

Ορολογία της Ημέρας (T.O.D) – 25/6/2017 [Emotional intelligence]

Emotional intelligence (EI) is the area of cognitive ability involving traits and social skills that facilitate interpersonal behavior. Intelligence can be broadly defined as the capacity for goal-oriented adaptive behavior; emotional intelligence focuses on the aspects of intelligence that govern self-knowledge and social adaptation.

The term first appeared in 1985 in Wayne Payne’s doctoral thesis, A study of emotion: Developing emotional intelligence. Payne’s thesis centered on the idea that society’s historical repression of emotion is the source of wide-scale problems such as addiction, depression, illness, religious conflict, violence and war. Daniel Goleman, a psychologist and behavioral science journalist, later popularized the term and developed related concepts in his influential book, Emotional Intelligence (1995). According to Goleman, emotional intelligence is the largest single predictor of success in the workplace.

Goleman and others have developed the concept of a testable EQ (emotional intelligence quotient) counterpart to the IQ (intelligence quotient). In contrast to the focus on academically-oriented skills, such as mathematical ability, that are evaluated in an IQ test, an EQ test focuses more on the individual’s capacity to deal effectively with others. To that end, it evaluates traits and abilities such as self-awareness and empathy, which are sometimes referred to as soft skills.

– many thanks to WhatIs & TechTarget

[GRUsersOfBIApps Admin]

ΠΑΙΔΕΙΑ & ΠΑΛΙ?

Πόσος επαγγελματισμός μας λείπει ως Χώρα? Πόσο πίσω ή πόσο εμπρός βρισκόμαστε από άλλους? Όποια και να είναι η ερώτηση και όποια παραλλαγή της και να εκφράζεται, τα προβλήματα της χώρας συνεχίζονται.

Είναι σύστημα? Είναι Βάση δεδομένων? Είναι σχήμα? Είναι έργο? Είναι τρόπος? Είναι πάθος? Είναι διαδικασία? Είναι λάθος? Πόσο? και Πόσα? και Ποια?

Και πόσα από όλα αυτά θα έλλειπαν αν η Παιδεία μας πήγαινε καλά? Αν το εκπαιδευτικό μας σύστημα λειτουργούσε?

Όλοι θα πουν πως … θα ήταν πολλά πράγματα καλύτερα, αν ήταν αλλιώς τα δεδομένα… οι καταστάσεις…

Τα δεδομένα και οι καταστάσεις δεν αλλάζουν μόνα τους. Εμείς τα αλλάζουμε. ΠΑΙΔΕΙΑ! και πάλι ΠΑΙΔΕΙΑ!

Με Εκτίμηση [GRUsersOfBIApps Admin]

The Streisand Effect & GDPR

Streisand Effect

The Streisand Effect (named after Barbra Streisand) refers to the phenomenon that occurs when an attempt to censor, hide, or remove information, photos, etc. from public view/access results in the complete opposite effect.

The attempt to censor, hide, or remove that particular item ends up generating a huge volume of media coverage, publicity, and interest by the public. The item in question gets seen by far more people than if nothing had been done to try and squash it in the first place.

Ανωτέρω δόθηκε ο ορισμός του Streisand Effect και πως μπορεί να καταλήξει κάποια υπόθεση δημόσιας εκθέσεως ατόμων ή πληροφοριών. Πως συνδέεται άραγε το Streisand Effect με τον νέο κανονισμό GDPR για τα προσωπικά δεδομένα και την προστασία τους? Αλλά και το επονομαζόμενο ΔΙΚΑΙΩΜΑ στην ΛΗΘΗ?

Το GDPR έχει πολύ δρόμο ακόμη ως πλαίσιο και δεν έχει ολοκληρωθεί σε όλες του τις λεπτομέρειες.

Με Εκτίμηση

[GRUsersOfBIApps Admin]