Jeg snakker ofte med kunder, som baserer en stor del af deres daglige arbejde på beregninger og rapportering foretaget i regneark. Når man som jeg sidder på den anden side og arbejder intensivt med it og business analytics, kan det dog være svært at se de gode argumenter for, at man vil vælge at arbejde med regneark i forbindelse med forretningskritiske problemstillinger. Brugen af regneark er ofte problematisk, hvad enten vi snakker rapportering, analyse eller applikationer. Problemerne opstår både som følge af selve regnearksprogrammerne og som følge af den måde, regneark benyttes af brugerne.

Rapportering
Hvis man tager udgangspunkt i basal rapportering – også kaldet business intelligence – har jeg snakket med indtil flere kunder, som har oplevet den situation at stå til et møde, hvor mødedeltagerne havde medbragt hver deres rapport, som på overskriftsniveau indikerede, at indholdet var ens blot for at finde ud af, at indholdet (data) slet ikke var det samme. Problemet i det her tilfælde er, at flere personer trækker de samme data uden at bruge fælles definitioner, når tal skal lægges sammen, trækkes fra osv. F.eks. kan jeg have en anden definition end min kollega af, hvad en ”kernekunde” er.

Ovenstående er dog ikke uløseligt og kan f.eks. løses ved at indføre et metadatalag mellem kildedata og rapporteringen.

Avancerede analyser
Problemerne bliver større, hvis man vil foretage mere avancerede analyser. Med avancerede analyser tænkes ikke på beregninger af summer og gennemsnit. Men allerede når man ønsker at beregne deskriptive statistiske mål som f.eks. spredning, skævhed og kurtosis, opstår der problemer med de anvendte metoder og den præcision, der er i beregningerne. Problemerne forstørres, når analyserne udvides til at omfatte forskellige former for regression, variansanalyse osv. Det er umuligt at opremse alle uhensigtsmæssigheder her men interesserede kan f.eks. henvises til http://www.daheiser.info/excel/frontpage.html for en gennemgang af et af de mere anvendte regnearksprogrammer.

Da der historisk set ikke har været udvist den store interesse for business analytics fra leverandørerne af regneark, er man derfor nødt til at overveje andre værktøjer til denne slags analyser.

Applikationer
Helt slemt bliver det i de tilfælde, hvor regneark bliver brugt til at udvikle applikationer. En applikation er i denne sammenhæng et regneark med indhold, der bruges til et specifikt formål;  f.eks. konsolidering af forecast, kundesegmentering, beregning af business cases etc. Ofte er det ikke selve regnearksprogrammet, der er den ”skyldige” part. Problemerne bunder mere i, hvordan regnearket anvendes.

Applikationer udviklet og anvendt af slutbrugere undergår ikke samme intensive udvikling og testfase som andre applikationer. Hvor mange brugere af regneark overvejer f.eks. at etablere et test-/udviklingsmiljø til at udvikle i samt et produktionsmiljø til at anvende regnearksapplikationen i? Hvor mange ”test cases” bliver gennemgået i aftestningen af regnearksapplikationen? Er personen, der udfører testen, en anden end den person, der har udviklet regnearksapplikationen? Disse og andre af de mest basale retningslinier for applikationsudvikling overholdes sjovt nok ikke, når det vedrører regneark. Derfor bliver risikoen for fejl i applikationerne og deraf fejlagtige beslutninger også desto større. Hvor mange andre forretningskritiske applikationer og it-installationer får samme frihedsgrader?

Betyder det så noget, kan man fristes til at spørge? Tja, for det amerikanske firma TransAlta blev det virkelighed, da en ansat kom til at lave en ”cut and paste”-fejl i et regneark, som bl.a. resulterede i et fald i firmaets indtjening samt afskedigelse af 20 medarbejdere. (Se mere på: http://www.nashinfo.com/ttweb/transaltagandmail.pdf. Andre spændende gyserhistorier kan opleves her: http://www.eusprig.org/stories.htm).

Læren er selvfølgelig ikke, at regneark er ubrugelige – slet ikke. Ligesom alle andre værktøjer har regneark sin berettigelse. Dog findes der markant bedre værktøjer til forretningskritisk rapportering, business analytics og forretningskritiske applikationer.

Af Snurre Jensen, Business Advisor hos SAS Institute A/S