Flytte data fra Excel til Access

Vigtigt: Denne artikel er maskinoversat. Se ansvarsfraskrivelsen. Du kan finde den engelske version af denne artikel her til din orientering.

Denne artikel viser, hvordan du flytter dine data fra Excel til Access og konverterer dataene til relationstabeller, så du kan bruge Microsoft Office Excel og Access sammen. Overordnet set egner Access sig bedst til registrering, lagring og deling af data samt tilforespørgsler, og Excel egner sig bedst til beregning, analyse og visualisering af data.

To artikler, Brug af Access eller Excel til at administrere dine data og De 10 vigtigste grunde til at bruge Access med Excel, diskuterer, hvilket program der er bedst egnet til en bestemt opgave, og hvordan du kan bruge Excel og Access sammen til at oprette en praktisk løsning.

Denne artikel indeholder

Essensen af relationsdatabaser og datamodellering

Komponenter i en relationstabel

Hvad er normalisering?

Tabellerne kan være i forskellige normalformer

Relationer og nøgler

Dataintegritet og validering

Opsummering

De grundlæggende trin til at flytte data fra Excel til Access

Trin 1: Import af data fra Excel til Access

Automatisk tilføje data på den nemme måde

Trin 2: Normalisere data ved hjælp af guiden Tabelanalyse

Trin 3: Oprette forbindelse til Access-data fra Excel

Få dine data i Access

Essensen af relationsdatabaser og datamodellering

Mange datafiler, herunder Excel, kaldes flade filer. Disse filer er ofte store og indeholder redundante data, sjældent brugte kolonner og mange tomme værdier. Du kan arve disse filer fra et andet system eller en anden bruger, eller de har muligvis udviklet sig på denne måde, efterhånden som kolonner er tilføjet over tid for at opfylde skiftende krav. Selvom organisering af data i en flad fil fungerer for et bestemt formål, er de ikke fleksible, og det kan være vanskeligt at besvare uventede spørgsmål om dine data.

en flad fil

Den optimale løsning på en flad fil er en relationsdatabase. Access er et relationsdatabaseprogram, der fungerer bedst med velkonstruerede tabeller med relationer, der svarer til relationsdatabasemodellen.

Toppen af siden

Komponenter i en relationstabel

I en velkonstrueret relationsdatabase er hver tabel en samling af navngivne kolonner og flere rækker, der gemmer oplysninger om et enkelt emne, f.eks. medarbejdere. Hver kolonne i tabellen har et entydigt navn og indeholder oplysninger om emnet, f.eks. en medarbejders fornavn og adresse. Rækkerne i tabellen indeholder forekomster af emnet, f.eks. alle de aktuelle medarbejdere i virksomheden. En enkelt værdi er gemt i skæringspunktet mellem en række og kolonne, og er en enkelt oplysning, f.eks. "Seattle". endelig kan du ændre rækkefølgen af rækker og kolonner uden at ændre betydningen af tabellen.

en relationel tabel

1. En tabel repræsenterer et enkelt emne – en person, et sted, en ting, en begivenhed eller et koncept

2. Hver række er entydig og har en primær nøgle, f.eks. et badge-nummer

3. Hver kolonne har et entydigt, kort og sigende navn

4. Alle værdierne i en kolonne svarer til hinanden i betydning og format

5. Hver værdi i tabellen (svarende til en celle i Excel) repræsenterer et enkelt faktum

Toppen af siden

Hvad er normalisering?

Desværre oprettes en velkonstrueret relationstabel ikke automatisk i en Access-database. Du skal bruge en metode til at analysere data i en flad fil og omarrangere data fra én tabel til to eller flere relaterede tabeller. Denne metode kaldes normalisering. I en trinvis fremgangsmåde opdeler du én tabel i to eller flere mindre tabeller ved at fjerne gentagne værdier i en kolonne, fjerne redundante data fra rækker og tilføje primære nøgler (et felt, der entydigt identificerer hver enkelt post i en tabel) og fremmede nøgler (et felt, der indeholder værdier, der findes i et primært nøglefelt i en relateret tabel) for at definere relationer mellem de nye tabeller.

et relationelt diagram

1. En relationstabel

2. Kolonnenavne

3. En primær nøgle

4. En fremmed nøgle

5. Relationslinjer og -symboler

Toppen af siden

Tabellerne kan være i forskellige normalformer

En tabel kan være i en af fire forskellige normalformer: nul, første, anden og tredje. Hver form beskriver graden, hvori data i en tabel er organiseret og kan bruges i en relationsdatabase. Normalformen nul er den mindst organiserede og tredje normalform er den mest effektivt organiserede.

Normalformen nul    Ét tegn på, at en tabel er i den mindst organiserede tilstand, kaldet "normalform nul", er, når én eller flere kolonner indeholder "ikke-atomiske" værdier, hvilket betyder, at flere værdier er indeholdt i en enkelt celle. F.eks. kan en kundeadresse bestå af et gadenavn (f.eks. 2302 Harvard Avenue), en by, en delstat og et postnummer. Ideelt set er hvert af disse adresseelementer gemt i separate kolonner. Som et andet eksempel bør en kolonne, der indeholder fulde navne, f.eks. "Li, Yale" eller "Ellen Adams" opdeles i separate kolonner for for- og efternavne. At gemme for- og efternavne i separate kolonner er god praksis, der hjælper dig med hurtigt at finde og sortere dine data.

Et andet tegn på data i normalformen nul er, når data indeholder oplysninger om forskellige emner, f.eks. sælgere, produkter, kunder og ordrer. Når det er muligt, skal data opdeles i separate tabeller for hvert emne.

Første normalform    En tabel er i første normalform, når hver kolonne indeholder atomisk værdier, men en eller flere kolonner indeholder nogle redundante data, f.eks. sælger- eller kundeoplysninger for hver del af en ordre. F.eks. gentages Adams, Ellen fem gange i regnearket, da hun har to forskellige ordrer (én med tre produkter og én med to produkter).

Anden normalform    En tabel er i anden normalform, når redundante data er blevet fjernet, men en eller flere kolonner er enten ikke baseret på den primære nøgle eller indeholder beregnede værdier (f.eks. pris * rabat).

Tredje normalform    En tabel er i tredje normalform, når alle kolonner i tabellen udelukkende er baseret på den primære nøgle. Som vist i nedenstående billede, gemmes produkt- og leverandøroplysninger i separate tabeller og bliver lagt sammen på et opslag til leverandør id-feltet i tabellen Leverandører.

Tabeller i normalform nul, første og anden normalform kan give problemer, når du vil ændre data. F.eks. er opdatering af værdier, der gentages ofte, en meget tidskrævende proces. Hver gang du opdaterer en værdi, skal du kontrollere, om andre rækker indeholder den samme værdi. Dette kan spilde din tid og give mulighed for fejl. Desuden er det svært effektivt at sortere og filtrere kolonner, der indeholder gentagede værdier. Tabeller i første og anden normalform er en stor fordel i forhold til normalform nul, men de kan stadig være et problem, når du indsætter, opdaterer eller sletter data.

Når du går gennem processen med at normalisere dine data, konverterer du en tabel fra en lavere form til en højere form, indtil alle tabeller er i tredje normalform. I de fleste tilfælde er tredje normalform den ideelle, fordi:

  • Ændringsproblemer kan fjernes, når data indsættes, slettes eller opdateres.

  • Dataintegriteten kan opretholdes med databegrænsninger og forretningsregler.

  • Du kan oprette en forespørgsel for data på en række forskellige måder for at besvare dine spørgsmål.

Toppen af siden

Relationer og nøgler

En veldefineret relationsdatabase indeholder adskillige tabeller, hver i tredje normalform, men der findes også relationer mellem disse tabeller, der er med til knytte data sammen. Medarbejdere tilhører f.eks. Afdelinger og er tildelt Projekter, Projekter har Underopgaver, Underopgaver ejes af Medarbejdere og Afdelinger administrerer Projekter. I dette eksempel ville en relationsdatabase have fire tabeller defineret: Medarbejdere, Projekter, Underopgaver og Afdelinger, hvor hver af disse nøglerelationer er defineret: tilhører, er tildelt, har, ejes af og administrerer.

Der findes tre typer relationer:

  • En-til-en (1:1)   , f.eks. har hver medarbejder et entydigt badge-ID, og hvert badge-ID refererer til en entydig medarbejder.

  • En-til-mange (1:M)   , f.eks. er hver medarbejder tildelt én afdeling, men en afdeling har mange medarbejdere. Dette kaldes også en overordnet/underordnet-relation.

  • Mange-til-mange (M:M)   , f.eks. kan medarbejder tildeles mange projekter, og hvert projekt kan have mange medarbejdere tildelt. Bemærk, at en særlig tabel, der kaldes en samlingstabel, ofte bruges til at oprette en en-til-mange-relation mellem hver tabel i tredje normalform, så der findes tre tabeller, der tilsammen udgør mange-til-mange-relationen.

Du opretter en relation mellem to eller flere tabeller baseret på primære og fremmede nøgler. En primær nøgle er en kolonne i en tabel, hvis værdier entydigt identificerer hver række i en tabel, f.eks. et Badge-nummer eller en Afdelingskode. En fremmed nøgle er en kolonne i en tabel, hvis værdier er de samme som den primære nøgle i en anden tabel. Du kan betragte en fremmed nøgle som en kopi af den primære nøgle fra en anden relationstabel. Relationen mellem to tabeller dannes ved at matche værdier for den fremmede nøgle i én tabel med værdierne for den primære nøgle i en anden.

Relationer mellem primær nøgle og fremmednøgle

Toppen af siden

Dataintegritet og validering

Når du har oprettet en relationsdatabase med alle tabeller i tredje normalform og de korrekte relationer defineret, skal du sikre dig integriteten af disse data. Dataintegritet betyder, at du korrekt og konsekvent kan navigere i relationer og manipulere tabellerne i databasen over tid, når databasen opdateres. Der er to grundlæggende regler i relationsdatabaser, som hjælper med at sikre dataintegritet.

Enhedsreglen    Hver række i en tabel skal have en primær nøgle, og denne primære nøgle skal have en værdi. Denne regel sikrer, at hver række i en tabel entydigt kan identificeres og aldrig mistes ved et uheld. Desuden kan entydigheden og eksistensen af alle primære nøgler opretholdes, hver gang du indsætter, opdaterer eller sletter data.

Reglen om referentiel integritet    Denne regel styrer regler for indsætning og sletning af en-til-mange-relationen. Hvis en tabel indeholder en fremmed nøgle, skal hver værdi af den fremmede nøgle enten være nul (ingen værdi) eller stemme overens med værdierne i den relationstabel, hvor den fremmede nøgle er en primær nøgle.

rediger relationer

Du kan også yderligere sikre dataintegritet i en relationsdatabase ved hjælp af forskellige datavalideringsregler, herunder datatype (f.eks. heltal), datalængde (f.eks. 15 tegn eller færre), dataformat (f.eks. valuta), standardværdi (f.eks. 10) og begrænsninger (f.eks. Lager_Antal > Bestilling_Antal). Disse datavalideringsregler hjælper med at sikre, at databasen indeholder kvalitetsdata og er i overensstemmelse med etablerede forretningsregler.

Det er værd at bemærke, at dataindtastning er en vigtig forskel mellem en Access-database og en Excel-projektmappe. Indtastning af data i et Excel-regneark er "fritekst". Du kan angive data næsten overalt, og du kan nemt fortryde en ændring. En Access-database derimod er meget mere struktureret og begrænset. Når du indtaster data i en tabel, opdateres databasen umiddelbart. Du kan ikke fortryde en dataindtastning på samme måde som Excel, men du kan dog slette eller opdatere data for at rette eventuelle fejl.

Toppen af siden

Opsummering

Når du har normaliseret data til relationstabeller med klart definerede relationer og har defineret dens dataintegritet, bliver det meget lettere at:

  • Spare plads og forbedre ydeevnen, fordi gentagne og redundante data fjernes fysisk.

  • Opdatere data nøjagtigt og opretholde integriteten af data.

  • Sortere, filtrere, oprette beregnede kolonner, aggregere og opsummere data.

  • Oprette en dataforespørgsel på en række forskellige måder for at besvare forventede og uventede spørgsmål.

Der findes ganske vist avancerede aspekter for relationsdatabasedesign, f.eks. sammensatte nøgler (en nøgle, der består af værdier fra to eller flere kolonner), yderligere normalformer (fjerde normalform – afhængighed af flere værdier), og denormalisering. Men for de fleste enkle og moderate databasebehov har du her fået de vigtigste oplysninger om databasedesign til at forstå de følgende eksempler i denne artikel.

Toppen af siden

De grundlæggende trin til at flytte data fra Excel til Access

Når du flytter data fra Excel til Access, er der tre grundlæggende trin i processen.

tre grundlæggende trin

Toppen af siden

Trin 1: Importere data fra Excel til Access

Import af data er en handling, der kan gå meget nemmere, hvis du tager dig lidt tid til at forberede og rense dine data. Import af data er lidt som at flytte til et nyt hus. Hvis du rydder op i og organiserer dine ejendele før du flytter, er det meget nemmere at falde til i det nye hus.

Rense dine data, før du importerer

Før du importerer data til Access, er det en god ide i Excel at:

  • Konvertere celler, der indeholder ikke-atomisk data (dvs. flere værdier i én celle) til flere kolonner. En celle i kolonnen "Færdigheder" der f.eks. indeholder flere færdighedsværdier, som f.eks. "C#-programmering," "VBA-programmering" og "Webdesign", skal opdeles til separate kolonner, der hver kun indeholder én færdighed.

  • Brug kommandoen FJERN.OVERFLØDIGE.BLANKE til at fjerne foranstående efterstillede eller dobbelte mellemrum.

  • Fjern tegn, som ikke kan udskrives.

  • Find og ret stave- og tegnsætningsfejl.

  • Fjern dublerede rækker eller dublerede felter.

  • Kontrollér, at kolonner med data ikke indeholder blandede formater, især tal formateret som tekst eller datoer formateret som tal.

Du kan finde flere oplysninger i følgende hjælpeemner:

Bemærk: Hvis dine behov for datarensning er komplekse, eller du ikke har tid eller ressourcer til at automatisere processen selv, kan du overveje at bruge en tredjepartsforhandler. Få mere at vide ved at søge efter "software til datarensning" eller "datakvalitet" via din foretrukne søgemaskine i din webbrowser.

Vælge den bedste datatype, når du importerer

Under importen i Access skal du foretage gode valg, så du kun får vist få (om nogen) konverteringsfejl, der kræver manuel handling. Følgende tabel opsummerer, hvordan tal fra Excel formateres, og hvordan Access-datatyper konverteres, når du importerer data fra Excel til Access, samt nogle tip om de bedste datatyper at vælge i guiden Importer regneark.

Excel-talformat

Access-datatype

Kommentarer

Bedste praksis

Tekst

Tekst, Notat

Access-datatypen Tekst gemmer alfanumeriske data på op til 255 tegn. Access-datatypen Notat gemmer alfanumeriske data på op til 65.535 tegn.

Vælg Notat for at undgå afkortning af data.

Tal, Procent, Brøk, Videnskabelig

Tal

Access indeholder én datatype Tal, der varierer baseret på egenskaben for Feltstørrelse (byte, heltal, langt heltal, enkelt, dobbelt, decimal).

Vælg Dobbelt for at undgå datakonverteringsfejl.

Dato

Dato

Access og Excel bruger begge samme serielle datotal til at gemme datoer. I Access er datointervallet større: fra-657.434 (1. januar 100 e.Kr.) til 2.958.465 (31. december 9999 e.Kr.).

Da Access ikke genkender 1904-datosystemet (bruges i Excel til Macintosh), skal du konvertere datoerne i Excel eller Access for at undgå forvirring.

Få mere at vide under Ændre datosystem, format eller fortolkning af tocifrede år og Importere eller linke til data i en Excel-projektmappe

.

Vælg Dato.

Klokkeslæt

Klokkeslæt

Access og Excel gemme begge klokkeslætsværdier ved hjælp af samme datatype.

Vælg Klokkeslæt, hvilket normalt er standard.

Valuta, Revision

Valuta

I Access gemmes datatypen Valuta data som 8-byte-tal med en nøjagtighed på fire decimaler, og den bruges til at gemme økonomiske data og forhindre afrunding af værdier.

Vælg Valuta, hvilket normalt er standard.

Boolesk

Ja/Nej

Access anvender -1 for alle Ja-værdier og 0 for alle Nej-værdier, mens Excel anvender 1 for alle SAND-værdier og 0 for alle FALSK-værdier.

Vælg Ja/Nej, som automatisk konverterer underliggende værdier.

Link

Link

Et link i Excel og Access indeholder en URL-adresse eller webadresse, som du kan klikke på og følge.

Vælg Link, ellers anvender Access datatypen Tekst som standard.

Når dataene er i Access, kan du slette dataene i Excel. Glem ikke at sikkerhedskopiere den oprindelige Excel-projektmappe, før du sletter den.

Du kan finde flere oplysninger i Access-hjælpeemnet Importere eller linke til data i en Excel-projektmappe.

Toppen af siden

Automatisk tilføje data på den nemme måde

Et almindelige problemer med Excel brugere har tilføjer data med de samme kolonner i et stort regneark. For eksempel har du måske en Aktiver løsning, der startes i Excel, men nu er vokset medtage filer fra mange arbejdsgrupper og afdelinger. Disse data kan være i forskellige regneark og projektmapper eller i tekstfiler, der er datafeeds fra andre systemer. Der er ingen bruger interface kommando eller nem måde at føje ensartede data i Excel.

Den bedste løsning er at bruge Access, hvor du nemt kan importere og føje data til en tabel ved hjælp af guiden Importer regneark. Desuden kan du føje en masse data til én tabel. Du kan gemme importhandlingerne, tilføje dem som planlagte Microsoft Office Outlook-opgaver og endda bruge makroer til at automatisere processen.

Toppen af siden

Trin 2: Normalisere data ved hjælp af guiden Tabelanalyse

Ved første øjekast kan processen med at normalisere dine data virke som en overvældende opgave. Heldigvis er normalisering af tabeller i Access en proces, der er meget nemmere, takket være guiden Tabelanalyse.

guiden til tabelanalyse

1. Træk markerede kolonner til en ny tabel og, opret relationer automatisk

2. Brug knapkommandoer til at omdøbe en tabel, tilføje en primær nøgle, gøre en eksisterende kolonne til en primær nøgle og fortryde den seneste handling

Du kan bruge denne guide til at gøre følgende:

  • Konvertere en tabel til et sæt af mindre tabeller og automatisk oprette primære og fremmede nøglerelationer mellem tabellerne.

  • Føje en primær nøgle til et eksisterende felt, der indeholder entydige værdier, eller oprette et nyt ID-felt, der anvender datatypen Automatisk nummerering.

  • Automatisk oprette relationer for at gennemtvinge referentiel integritet med kaskadevise opdateringer. Kaskadevis sletning tilføjes ikke automatisk for at forhindre uforsætlig sletning af data, men du kan nemt tilføje kaskadevis sletning senere.

  • Søge i nye tabeller efter redundante eller dublerede data (f.eks. den samme kunde med to forskellige telefonnumre), og opdatere som ønsket.

  • Lave en sikkerhedskopi af den oprindelige tabel og omdøbe den ved at føje "_GL" til navnet. Derefter skal oprette du en forespørgsel, der rekonstruerer den oprindelige tabel med det oprindelige tabelnavn, så eventuelle eksisterende formularer eller rapporter, der er baseret på den oprindelige tabel, fungerer sammen med den nye tabelstruktur.

Toppen af siden

Trin 3: Oprette forbindelse til Access-data fra Excel

Når dataene er blevet normaliseret i Access, og en forespørgsel eller tabel er blevet oprettet, der rekonstruerer de oprindelige data, er det nemt at oprette forbindelse til Access-data fra Excel. Dine data er nu i Access som en ekstern datakilde, og kan der være forbundet til projektmappen via en dataforbindelse, som er en beholder med oplysninger, der bruges til at finde, logge på og anvende den eksterne datakilde. Oplysninger om forbindelsen er gemt i projektmappen og kan også gemmes i en forbindelsesfil, f.eks. en Office-dataforbindelsesfil (filtypenavnet .odc) eller en datakildenavnsfil (filtypenavnet .dsn). Når du opretter forbindelse til eksterne data, kan du også automatisk opdatere Excel-projektmappen fra Access, når dataene opdateres i Access.

Få mere at vide under Oversigt over forbindelse (import) af data og Udveksle (kopiere, importere, eksportere) data mellem Excel og Access.

Toppen af siden

Få dine data i Access

Dette afsnit gennemgår følgende faser af normalisering af dine data: Nedbryde værdier i kolonnen Sælger og Adresse til deres mest nedbrudte stykker, adskille relaterede emner i egne tabeller, kopiere og indsætte disse tabeller fra Excel i Access, oprette vigtige relationer mellem tabellerne nyoprettede Access-tabeller og oprette og køre en enkel forespørgsel i Access, der returnerer oplysninger.

Eksempeldata på ikke-normaliseret form

Følgende regneark indeholder ikke-atomiske værdierne i kolonnen Sælger og kolonnen Adresse. Begge kolonner skal opdeles i to eller flere separate kolonner. Dette regneark indeholder også oplysninger om sælgere, produkter, kunder og ordrer. Disse oplysninger bør også opdeles yderligere efter emne i separate tabeller.

Sælger

Ordrenr.

Ordredato

Produkt-ID

Antal

Pris

Kundenavn

Adresse

Telefon

Li, Yale

2348

2/3/09

J-558

4

DKK 8,50

Contoso, Ltd

2302 Harvard em Storeby, WA 98227

425-555-0222

Li, Yale

2348

2/3/09

B-205

2

DKK 4,50

Contoso, Ltd

2302 Harvard em Storeby, WA 98227

425-555-0222

Li, Yale

2348

2/3/09

D-4420

5

DKK 7,25

Contoso, Ltd

2302 Harvard em Storeby, WA 98227

425-555-0222

Li, Yale

2349

4/3/09

C-789

3

DKK 7,00

Fourth Coffee

7007 Cornell St Redmond, WA 98199

425-555-0201

Li, Yale

2349

4/3/09

C-795

6

DKK 9,75

Fourth Coffee

7007 Cornell St Redmond, WA 98199

425-555-0201

Adams, Ellen

2350

4/3/09

A-2275

2

DKK 16,75

Adventure Works

1025 Columbia Circle Kirkland, WA 98234

425-555-0185

Adams, Ellen

2350

4/3/09

F-198

6

DKK 5,25

Adventure Works

1025 Columbia Circle Kirkland, WA 98234

425-555-0185

Adams, Ellen

2350

4/3/09

B-205

1

DKK 4,50

Adventure Works

1025 Columbia Circle Kirkland, WA 98234

425-555-0185

Hance, Jim

2351

4/3/09

C-795

6

DKK 9,75

Contoso, Ltd

2302 Harvard em Storeby, WA 98227

425-555-0222

Hance, Jim

2352

5/3/09

A-2275

2

DKK 16,75

Adventure Works

1025 Columbia Circle Kirkland, WA 98234

425-555-0185

Hance, Jim

2352

5/3/09

D-4420

3

DKK 7,25

Adventure Works

1025 Columbia Circle Kirkland, WA 98234

425-555-0185

Koch, Reed

2353

7/3/09

A-2275

6

DKK 16,75

Fourth Coffee

7007 Cornell St Redmond, WA 98199

425-555-0201

Koch, Reed

2353

7/3/09

C-789

5

DKK 7,00

Fourth Coffee

7007 Cornell St Redmond, WA 98199

425-555-0201

Sousa, Luis

2354

7/3/09

A-2275

3

DKK 16,75

Contoso, Ltd

2302 Harvard em Storeby, WA 98227

425-555-0222

Adams, Ellen

2355

8/3/09

D-4420

4

DKK 7,25

Adventure Works

1025 Columbia Circle Kirkland, WA 98234

425-555-0185

Adams, Ellen

2355

8/3/09

C-795

3

DKK 9,75

Adventure Works

1025 Columbia Circle Kirkland, WA 98234

425-555-0185

Li, Yale

2356

10/3/09

C-789

6

DKK 7,00

Contoso, Ltd

2302 Harvard em Storeby, WA 98227

425-555-0222

Oplysningerne i delene mindste dele: atomiske data

Når du arbejder med data i dette eksempel, kan du bruge kommandoen Tekst til kolonner i Excel til at adskille "atomiske" delene i en celle (f.eks. adresse, by, og postnummer) i separate kolonner.

Følgende tabel viser de nye kolonner i det samme regneark, når de er blevet opdelt for at gøre alle værdier atomiske. Bemærk, at oplysningerne i kolonnen Sælger er blevet opdelt i kolonnerne Fornavn og Efternavn, og at oplysningerne i kolonnen Adresse er blevet opdelt i kolonnerne Gadenavn, By og Postnummer. Disse data er i "første normalform".

Efternavn

Fornavn

 

Gadenavn

By

Land

Postnummer

Li

Yale

2302 Harvard Ave

Bellevue

WA

98227

Adams

Ellen

1025 Columbia Circle

Kirkland

WA

98234

Hance

Jim

2302 Harvard Ave

Bellevue

WA

98227

Koch

Reed

7007 Cornell St Redmond

Redmond

WA

98199

Sousa

Luis

2302 Harvard Ave

Bellevue

WA

98227

Opdele data i organiseret emner i Excel

De mange tabeller med eksempeldata viser de samme oplysninger fra Excel-regnearket, når de er blevet opdelt i tabeller for sælgere, produkter, kunder og ordrer. Tabeldesignet er ikke færdigt, men det er på rette spor.

Tabellen Sælgere indeholder kun oplysninger om sælgere. Bemærk, at hver post har et entydigt ID (Sælger-ID). Sælger ID-værdien bruges i tabellen Ordrer til at knytte ordrer til sælgere.

Sælgere

Sælger-ID

Efternavn

Fornavn

101

Li

Yale

103

Adams

Ellen

105

Hance

Jim

107

Koch

Reed

109

Sousa

Luis

Tabellen Produkter indeholder kun oplysninger om produkter. Bemærk, at hver post har et entydigt ID (Produkt-ID). Værdien Produkt-ID bruges til at knytte produktoplysninger til tabellen Ordreoplysninger.

Produkter

Produkt-ID

Pris

A-2275

16,75

B-205

4,50

C-789

7,00

C-795

9,75

D-4420

7,25

F-198

5,25

J-558

8,50

Tabellen Kunder indeholder kun oplysninger om kunder. Bemærk, at hver post har et entydigt ID (Kunde-ID). Værdien Kunde-ID bruges til at knytte kundeoplysninger til tabellen Ordrer.

Kunder

Kunde-ID

Navn

Gadenavn

By

Land

Postnummer

Telefon

1001

Contoso, Ltd

2302 Harvard Ave

Bellevue

WA

98227

425-555-0222

1003

Adventure Works

1025 Columbia Circle

Kirkland

WA

98234

425-555-0185

1005

Fourth Coffee

7007 Cornell St

Redmond

WA

98199

425-555-0201

Tabellen Ordrer indeholder oplysninger om ordrer, sælgere, kunder og produkter. Bemærk, at hver post har et entydigt ID (Ordrenr.). Nogle af oplysningerne i denne tabel skal opdeles i en ekstra tabel, der indeholder ordreoplysninger, så tabellen Ordrer kun indeholder fire kolonner – det entydige ordrenummer, ordredatoen, sælger-ID og kunde-ID. Den tabel, der er vist her, er endnu ikke opdelt i tabellen Ordredetaljer.

Ordrer

Ordrenr

Ordredato

Sælger-ID

Kunde-ID

Produkt-ID

Antal

2348

2/3/09

101

1001

J-558

4

2348

2/3/09

101

1001

B-205

2

2348

2/3/09

101

1001

D-4420

5

2349

4/3/09

101

1005

C-789

3

2349

4/3/09

101

1005

C-795

6

2350

4/3/09

103

1003

A-2275

2

2350

4/3/09

103

1003

F-198

6

2350

4/3/09

103

1003

B-205

1

2351

4/3/09

105

1001

C-795

6

2352

5/3/09

105

1003

A-2275

2

2352

5/3/09

105

1003

D-4420

3

2353

7/3/09

107

1005

A-2275

6

2353

7/3/09

107

1005

C-789

5

2354

7/3/09

109

1001

A-2275

3

2355

8/3/09

103

1003

D-4420

4

2355

8/3/09

103

1003

C-795

3

2356

10/3/09

101

1001

C-789

5

Ordreoplysninger i form af produkt-ID og antal flyttes ud af tabellen Ordre og gemmes i en tabel med navnet Ordreoplysninger. Husk, at der er 9 ordrer, så det giver mening, at der er 9 poster i tabellen. Bemærk, at tabellen Ordrer har et entydigt ID (Ordrenr.), som tabellen Ordreoplysninger refererer til.

Det endelige design af tabellen Ordrer skal se ud som følgende:

Ordrer

Ordrenr

Ordredato

Sælger-ID

Kunde-ID

2348

2/3/09

101

1001

2349

4/3/09

101

1005

2350

4/3/09

103

1003

2351

4/3/09

105

1001

2352

5/3/09

105

1003

2353

7/3/09

107

1005

2354

7/3/09

109

1001

2355

8/3/09

103

1003

2356

10/3/09

101

1001

Tabellen Ordreoplysninger indeholder ingen kolonner, der kræver entydige værdier (dvs. der er ingen primær nøgle), så det er OK at flere eller alle kolonner indeholder "redundante" data. Ingen poster i denne tabel bør dog være helt identiske (denne regel gælder for alle tabeller i en database). I denne tabel skal der være 17 poster – hver svarer til et produkt i en separat ordre. F.eks. udgør tre C-789-produkter en af de to dele af hele ordren for ordre 2349.

Tabellen Ordreoplysninger bør derfor se ud som følgende:

Ordreoplysninger

Ordrenr.

Produkt-ID

Antal

2348

J-558

4

2348

B-205

2

2348

D-4420

5

2349

C-789

3

2349

C-795

6

2350

A-2275

2

2350

F-198

6

2350

B-205

1

2351

C-795

6

2352

A-2275

2

2352

D-4420

3

2353

A-2275

6

2353

C-789

5

2354

A-2275

3

2355

D-4420

4

2355

C-795

3

2356

C-789

5

Kopiere og indsætte data fra Excel i Access

Nu, hvor oplysningerne om sælgere, kunder, produkter, ordrer og ordreoplysninger er blevet opdelt i separate emner i Excel, kan du kopiere disse data direkte til Access, hvor det bliver til tabeller.

Oprette relationer mellem Access-tabeller og køre en forespørgsel

Når du har flyttet dine data til Access, kan du oprette relationer mellem tabeller og derefter oprette forespørgsler for at returnere oplysninger om forskellige emner. Du kan f.eks. oprette en forespørgsel, der returnerer Ordrenr. og navnene på sælgerne for ordrer, der er indtastet mellem 5/3-09 og 8/3-09.

Du kan desuden oprette formularer og rapporter for at lette dataindtastning og salgsanalyse.

Toppen af siden

Bemærk: Ansvarsfraskrivelse for maskinoversættelse: Denne artikel er blevet oversat af et computersystem uden menneskelig indgriben. Microsoft tilbyder disse maskinoversættelse for at hjælpe ikke-engelsktalende brugere til at kunne nyde indhold om Microsofts produkter, tjenester og teknologier. Da artiklen er maskinoversat, kan den indeholde forkerte ord eller syntaks- eller grammatikfejl.

Del Facebook Facebook Twitter Twitter Mail Mail

Var disse oplysninger nyttige?

Fantastisk! Har du mere feedback?

Hvordan kan vi forbedre det?

Tak for din feedback!

×