Prelucrarea datelor cu instrumente software dedicate

Utilizarea aplicațiilor de tip foaie de calcul și baze de date pentru prelucrarea și vizualizarea datelor.

Referințe, nume și structura corectă a datelor

Înainte de orice funcție avansată, contează cum sunt organizate datele. O foaie de calcul lucrează bine cu date tabelare curate: un singur rând de antet, o coloană = un singur tip de informație, un rând = o singură înregistrare, fără rânduri goale în interiorul zonei și fără celule îmbinate. Majoritatea erorilor „inexplicabile” de la sortare, filtrare sau grafice vin din nerespectarea acestor reguli, nu din funcții greșite.

Al doilea element fundamental este tipul de referință:

• Referință relativă (A2) – se modifică la copierea formulei, atât linia, cât și coloana.
• Referință absolută ($A$2) – rămâne fixă indiferent unde copiezi formula.
• Referință mixtă ($A2 sau A$2) – se blochează doar coloana, respectiv doar linia. Este cea utilă la tabla înmulțirii sau la tabele cu procente aplicate pe două dimensiuni.

Semnul $ blochează exact ce urmează după el; comutarea rapidă se face cu tasta F4 (Shift+F4 în unele versiuni de Calc).

Greșeala tipică: o formulă care calculează ponderea fiecărei valori în total, de forma =B2/B20, copiată în jos ajunge =B3/B21 și dă erori sau rezultate absurde; corect este =B2/$B$20.

Pentru zone folosite des se poate defini un nume (Name Manager / Gestionar de nume): în loc de $B$2:$B$50 scrii Note, iar formula devine =MEDIE(Note) — mai lizibilă și imună la copiere.

De reținut și distincția dintre valoare și formulă: celula afișează rezultatul, dar conține expresia. Lipirea specială (Paste Special → Values) transformă rezultatele în valori fixe — util înainte de a trimite un fișier, dar ireversibil pentru calculul respectiv.

Funcții avansate: condiționale, de căutare și de agregare

Funcțiile logice și condiționale sunt cele mai cerute la aplicații practice:

• IF / DACĂ – =IF(condiție; valoare_dacă_adevărat; valoare_dacă_fals). Se pot imbrica pentru mai multe praguri, dar ordinea condițiilor contează: evaluarea se oprește la prima condiție adevărată, deci pragurile trebuie testate coerent (de la mare la mic sau invers, consecvent).
• AND / OR / NOT – combină condiții; se folosesc în interiorul lui IF, nu ca înlocuitori ai lui.
• COUNTIF / SUMIF – numără, respectiv însumează celulele care respectă o condiție.
• COUNTIFS / SUMIFS / AVERAGEIFS – variantele cu mai multe criterii simultan. Atenție la ordinea argumentelor: la SUMIF zona de însumare este ultimul argument, la SUMIFS este primul — inversarea lor e o sursă clasică de rezultate greșite.
• IFERROR – prinde erorile și afișează un mesaj sau o valoare implicită în locul lor.

Funcțiile de căutare rezolvă problema „aduc informația dintr-un alt tabel”:

• VLOOKUP / CĂUTARE.V – caută o valoare în prima coloană a unei zone și returnează valoarea de pe același rând, din coloana cu indicele indicat. Ultimul argument trebuie să fie FALSE (0) pentru potrivire exactă; lăsat pe TRUE, funcția presupune că datele sunt sortate crescător și returnează tăcut rezultate greșite.
• HLOOKUP – același mecanism, pe orizontală.
• INDEX + MATCH – combinația mai flexibilă: MATCH găsește poziția, INDEX extrage valoarea. Funcționează și când coloana căutată nu este prima, ceea ce VLOOKUP nu poate.

Erorile trebuie recunoscute după mesaj, pentru că fiecare are o cauză precisă: #DIV/0! împărțire la zero; #N/A valoarea căutată nu a fost găsită; #VALUE! tip de dată nepotrivit (text unde se aștepta număr); #REF! referință distrusă, tipic după ștergerea unor coloane; #NAME? nume de funcție scris greșit; ##### nu e eroare, ci doar o coloană prea îngustă.

Pentru sintezele mari, instrumentul dedicat este tabelul pivot (PivotTable): grupează și agregă datele pe categorii, fără nicio formulă scrisă de mână, și se recalculează la reîmprospătare când sursa se schimbă.

Grafice și vizualizarea corectă a datelor

Un grafic nu e decor: e o traducere a datelor într-o formă vizuală. Alegerea tipului de grafic se face după întrebarea la care răspunzi:

• Comparație între categorii → grafic cu bare sau coloane. Barele orizontale sunt de preferat când etichetele sunt lungi.
• Evoluție în timp → grafic liniar. Axa timpului trebuie să fie continuă și cu pas constant.
• Compoziție (părți dintr-un întreg) → grafic circular (pie), dar numai cu puține categorii (maximum 5-6) și doar dacă suma are sens ca 100%.
• Corelație între două mărimi numerice → grafic de tip XY (scatter). Este singurul care tratează ambele axe ca numerice — de aceea o dependență de tipul „nota în funcție de orele de studiu” nu se reprezintă corect cu un grafic liniar obișnuit.

Elementele obligatorii ale unui grafic corect: titlu care spune ce se vede, etichete de axă cu unitatea de măsură, legendă doar dacă există mai multe serii, scală lizibilă.

Capcanele care denaturează datele și se cer explicit la evaluare:

• Axa verticală care nu pornește de la zero într-un grafic cu coloane — exagerează vizual diferențe mici. La graficul liniar, truncherea axei e uneori acceptabilă, la coloane aproape niciodată, pentru că acolo se compară suprafețe.
• Graficul circular cu 12 felii, imposibil de citit; sau felii care însumează peste 100% pentru că datele nu erau exclusive.
• Efectele 3D, care distorsionează proporțiile percepute.
• Amestecarea a două serii cu ordine de mărime foarte diferite pe aceeași axă; soluția e o axă secundară sau două grafice separate.

În foaia de calcul, graficul rămâne legat de sursă: modificarea datelor actualizează automat reprezentarea. Alte instrumente de vizualizare rapidă, fără grafic separat: formatarea condiționată (culori după valoare, bare de date, scale cromatice) și sparkline-urile — minigrafice care încap într-o singură celulă și arată tendința unui rând de valori.

Import, export și schimbul de date între aplicații

Datele reale ajung rar direct în foaia de calcul: vin din alte aplicații, din exporturi sau din pagini web. De aceea contează formatele de schimb.

CSV (Comma-Separated Values) este formatul universal: text simplu, un rând = o înregistrare, câmpuri separate printr-un delimitator. Avantaj: îl citește orice program. Dezavantaj: păstrează doar valorile, nu și formatările, formulele, graficele sau foile multiple. Salvarea unui registru complex în CSV pierde ireversibil tot ce nu e text și numere — inclusiv celelalte foi.

Probleme practice la importul CSV, exact cele care apar la laborator:

• Delimitatorul: în setările românești, separatorul de listă este adesea punctul și virgula, nu virgula. Import greșit înseamnă tot rândul înghesuit într-o singură coloană.
• Separatorul zecimal: virgulă în convenția românească, punct în cea anglo-saxonă. Un fișier cu 3.5 importat cu setări românești poate deveni text sau dată calendaristică.
• Codificarea caracterelor: fără UTF-8, diacriticele devin simboluri ciudate.
• Zerourile din față: coduri precum 007 sau numere de telefon devin numere și pierd zeroul; coloana trebuie declarată explicit ca text în asistentul de import.

Alte formate: XLSX (formatul nativ, păstrează tot), ODS (echivalentul din suita liberă), TXT cu tab ca delimitator, XML și JSON pentru schimb structurat între aplicații, PDF pentru distribuție finală — un format de prezentare, din care extragerea datelor este dificilă și adesea imprecisă.

Între foaia de calcul și baza de date, transferul se face în ambele sensuri: se importă un tabel dintr-un fișier extern într-un SGBD, sau se exportă rezultatul unei interogări SQL în CSV pentru analiză. Regula de decizie: pentru volume mari, relații între entități și acces simultan al mai multor utilizatori se folosește baza de date; pentru calcule ad-hoc, prototipare rapidă și grafice, foaia de calcul. Foaia de calcul folosită ca bază de date pentru mii de înregistrări duplicate duce inevitabil la date inconsistente.

Formulare și rapoarte în aplicațiile de baze de date

Într-un sistem de gestiune a bazelor de date (Access, LibreOffice Base), tabelele sunt doar stratul de stocare. Peste ele stau trei tipuri de obiecte cu roluri clar diferite — distincția lor este cerută frecvent:

• Tabelul – structura care stochează efectiv datele, organizate în câmpuri (coloane) și înregistrări (rânduri), cu cheie primară.
• Interogarea (query) – selectează și prelucrează datele: filtrare, sortare, calcule, îmbinări între tabele. Nu stochează date proprii, ci afișează un rezultat recalculat la fiecare rulare.
• Formularul (form) – interfața de introducere și editare a datelor, orientată spre utilizator.
• Raportul (report) – prezentarea pentru citire și tipărire a datelor, cu grupări, totaluri și antet/subsol.

De ce nu introducem datele direct în tabel: formularul poate afișa un singur înregistrare pe ecran, poate ascunde câmpurile tehnice, poate impune validări (interval de valori, câmp obligatoriu, mască de introducere pentru CNP sau telefon) și poate folosi liste derulante legate de alt tabel, astfel încât utilizatorul să aleagă dintr-o listă în loc să tasteze. Rezultatul este mai puține erori de operare și integritate referențială păstrată.

Un formular poate conține subformular — util pentru relații de tip unu-la-mai-mulți: în partea de sus clientul, dedesubt comenzile lui.

Raportul, spre deosebire de formular, este needitabil: nu se modifică date prin el. Are secțiuni distincte — antet de raport, antet de pagină, antet de grup, zona de detaliu, subsol de grup (unde stau totalurile parțiale), subsol de raport (totalul general). Gruparea și sortarea se stabilesc în raport, nu în tabel.

Atât formularele, cât și rapoartele pot avea ca sursă de date fie un tabel, fie o interogare. În practică, sursa este aproape întotdeauna o interogare: acolo filtrezi și combini datele, iar raportul doar le prezintă.

Automatizarea sarcinilor repetitive: macro-uri

Un macro este o secvență de comenzi memorată și rulată la cerere, care înlocuiește o succesiune de operații repetate manual: formatări identice aplicate zilnic, curățarea unui import, generarea aceluiași raport în fiecare lună.

Se poate obține în două moduri:

• Prin înregistrare – aplicația urmărește ce faci și transformă acțiunile în cod. Simplu, dar produce cod rigid: înregistrarea reține de obicei celulele exacte pe care ai lucrat, deci macroul se strică dacă tabelul are altă dimensiune sau începe pe alt rând.
• Prin scriere directă de cod – în VBA (Visual Basic for Applications) la Microsoft Office sau Basic la LibreOffice. Aici poți folosi variabile, structuri repetitive și decizii, deci macroul se adaptează datelor.

Criteriul practic de decizie: automatizează ceea ce faci des, identic și predictibil. O operație făcută o singură dată nu merită un macro; una făcută săptămânal, da.

Un macro se declanșează manual (dintr-un buton, dintr-o combinație de taste) sau la un eveniment (deschiderea registrului, modificarea unei celule).

Aspectul de securitate este parte din programă și se leagă de capitolul anterior: macro-urile sunt cod executabil, iar fișierele de birou cu macro-uri au fost și rămân un vector clasic de infectare (macrovirușii). De aceea aplicațiile blochează implicit macro-urile din fișierele descărcate și afișează un avertisment. Regula: nu activa macro-uri dintr-un document primit prin e-mail de la un expeditor pe care nu îl poți verifica, oricât de convingător pare mesajul care îți cere „să activezi conținutul ca să vezi documentul”. În Microsoft Office, formatul .xlsx nu poate conține macro-uri — pentru ele există extensia dedicată .xlsm, iar diferența asta e un indiciu util despre ce primești.

Înainte de a rula prima oară un macro pe date reale, se face o copie de siguranță: multe acțiuni de macro nu pot fi anulate cu Undo.

Test — 6 întrebări ca la examen