Fra rotete regneark til brukbart datasett: historien om Kari

Kari jobber med kommunikasjon i en mellomstor organisasjon og hadde arvet et regneark med medlemstall fra flere år. Kolonnene hadde ulike navn fra år til år, noen celler var tomme, andre inneholdt tekst der det skulle stå tall. Hun hadde fått beskjed om å lage en kort oppsummering til et internt nyhetsbrev, men turte ikke å skrive en eneste tallsetning før hun forsto hva hun egentlig hadde i hendene.

Hun meldte seg på datarensingsdelen av kurset tidlig i høst. Forkunnskapene var beskjedne: hun kunne sortere og summere, men hadde aldri vurdert om selve fila var til å stole på. Det var akkurat det vi starter med. Før vi rører et eneste tall, ser vi på hva datasettet er, hvem som har laget det og hva hver kolonne skal bety.

Det første jeg ba Kari gjøre, var å lage en kopi av fila og la originalen ligge urørt. Det høres selvsagt ut, men mange rydder rett i den eneste versjonen og mister muligheten til å vise hva som ble endret. Etterprøvbarhet begynner her, lenge før noen diagrammer er laget.

Deretter opprettet hun et eget ark kalt endringslogg. Der skrev hun én linje for hver handling: hva hun gjorde, hvorfor og hvor mange rader det gjaldt. Kari syntes først det var tungvint. Etter to kvelder sa hun at loggen var det som gjorde at hun våget å kalle resultatet sitt eget, fordi hun kunne forklare hvert valg for en kollega.

• Behold alltid en uendret original
• Skriv endringsloggen mens du jobber, ikke etterpå
• Noter antall rader før og etter hvert steg

Da Kari begynte å lete systematisk, fant hun flere ting. Samme kommune var stavet på tre måter, så tallene ble delt opp på rader som egentlig hørte sammen. Noen tall hadde mellomrom som tusenskille og ble lest som tekst. Og to år hadde kolonnen for nye medlemmer byttet betydning, uten at noen hadde notert det.

Det siste var det viktigste funnet. Hadde hun summert kolonnen på tvers av årene, ville hun fått en sammenligning som så ryddig ut, men ikke målte det samme. Vi brukte en times kursøkt på å snakke om nettopp dette: et tall kan være rent teknisk og likevel misvisende. Kari tok kontakt med kollegaen som hadde laget arket og fikk bekreftet endringen.

• Ensartet skrivemåte for navn og kategorier
• Tekst som ser ut som tall må omgjøres
• Sjekk at en kolonne betyr det samme i alle år

Kari trengte ingen programmeringskunnskaper. Hun brukte søk og erstatt, filter for å finne tomme celler, og en enkel pivottabell for å se om summene stemte med totalene hun allerede kjente. Poenget i kurset er at verktøyene skal være lette å forstå, slik at oppmerksomheten går til spørsmålene og ikke til knappene.

Når hun var usikker på en verdi, valgte hun ikke å gjette. Tomme celler ble stående som tomme og ble nevnt i dokumentasjonen, i stedet for å bli fylt med et gjennomsnitt. Det er en vane vi legger vekt på: manglende data er også informasjon, og den som leser resultatet har krav på å vite hvor mye som mangler.

Nyhetsbrevteksten ble kort. Kari skrev hvilke år tallene dekket, nevnte at to år ikke var direkte sammenlignbare, og oppga hvor mange rader som var utelatt og hvorfor. Hun la ikke inn noen dramatiske formuleringer om vekst eller nedgang, fordi tallene ikke bar så sterke konklusjoner.

Responsen internt var at teksten virket troverdig nettopp fordi den sa hva den ikke kunne si. En leder spurte om kilden, og Kari kunne vise endringsloggen. Det er den typen situasjon kurset forbereder deltakerne på: ikke at alle spørsmål skal ha svar, men at du kan vise hvordan du kom frem til det du faktisk påstår.