Sweden Excel Forum

En tankesmedja och träffpunkt för datadrivna idéer

Nästa sammankomst:
10e september 2026 17:30-19:30
Slottsbacken 8 (Helio kontorshotell)

• SEF 1 - Förändringsledning

• SEF 2 - Data kvalitet

• SEF 3 - Excel vs. Power BI

• SEF 4 - AI och Excel

• SEF 5 - Struktur stora filer

• LinkedIn

Bakgrund: Saras sötsaker AB har nyligen förvärvat Kalles karameller AB och planerar en fusion, där Saras sötsaker kommer att leda. Det råder oro på huvudkontoret angående synergier och nya roller. Kalles karamellers tre ERP-system ska tas bort till förmån för Workday. Du har utsetts till ledare för ett projektteam som ska hantera förändringen, där alla KPI:er, inklusive P&L, ska bytas ut. Eftersom arbetet måste gå snabbt, börjar ni med Excel, trots olika kunskapsnivåer inom teamet.

Problemet: Hundratals personer påverkas av de Excel-mallar ni utvecklar, och medlemmarna skapar mallar på olika sätt.
- Hur skapar du stabila Excel-mallar utan att övervaka varje enskild?
- Hur hanterar du att teammedlemmar bygger mallar på olika sätt?

Grupp 1:
Klargör visionen och harmonisera KPI:er med ledningsgruppen.
Använd feedback för minimikrav på mallarna.
Skapa en ordlista och flödesschema för mallarnas interaktion.
Utforska befintliga mallar som inspiration.
Fokusera på viktiga minimikrav med viss flexibilitet.Grupp 4:
Använd Power BI-experten för att skapa datamodell för ERP-systemen.
Definiera KPI:er och tagga data.
Importera data till låsta datablad i Excel via Power Query.
Använd låsta ark för effektivt samarbete.Grupp 5:
Implementera instruktioner och versionshantering.
Etablera granskningsprocess med power users.
Definiera arbetsflöde för uppdateringar och informationsflöde.

• Back

Fråga: Vem/vilken avdelning ansvarar för datakvalitet? Det är sällan någon som vill bära hela ansvaret när kvalitet på data är för dålig och krafttag behövs för att råda bot på situationen.

Grupp 1:
Beror på typ och mognad på bolaget
Behövs en tolk, som Cecilia beskrev, som har tillräcklig kunskap för att kunna kommunicera med alla berörda
Kvalitet kan tolkas olika, se upp så alla är överens!
- IT ansvarar för rena datafel
- Management ansvarar för att rätt saker mätsGrupp 2:
De som skapar data bör se effekten av det som skapas
Användaren av datan ansvarar för kvalitet och bör jobba för att de som skapar data förstår hur de ska göra rätt
Stora organisationer har svårare att hantera förändring
För att kunna applicera AI behövs hög data kvalitetGrupp 3:
Vilken kultur råder? Öppen eller stängd?
Kompetensbredd spelar roll för tillvägagångssettet
Är organisationen öppen för lärande och förändring?
Hur ser KPIs ut idag? Är de väl förstådda och stöttar affären eller föråldrade?
Har organisationen sjukdomsinsikt?

• Back

Fråga: Temat för dagensk diskussion är när och hur Power BI kan tillföra värde. Målbilden är att vi tillsammans skapar ett underlag för en fiktiv organisation där Pelle Karlsson ska besluta hur de ska arbeta. Han behöver veta i vilka situationer det är lämpligt att implementera Power BI och varför?

Bilder från kvällen där även Molnify berättade om sin lösning.

• Back

Excel och Al - Sanningar och myter, och allt däremellan

Fråga 1: AI som hjälp i vardagen (Excel idag):- Textanalys: AI kan redan nu analysera kundkommentarer och enkätsvar samt bearbeta ostrukturerad text.- Formelstöd: AI kan underlätta genom att kombinera formler och komponenter i “motorn”.- Sammanfattningar: Möjlighet att summera text direkt i Excel.- Produktivitetsökning: Perplexity kan ge upp till 30 % förbättring i effektivitet; ChatGPT anses särskilt användbart för nybörjare.Sammanfattning: AI gör det enklare att komma igång i Excel, särskilt för ovana användare, genom guidning, analys och automatiserade förslag. För mer avancerade användare finns möjligheter inom textanalys, formler och produktivitetsökning.

Fråga 2. Framtidens arbetsflöden (5 år framåt):- Lägre tröskel: Mer “promptande” och mindre manuellt byggande i Excel.- Utbildning & arbete: På högskolenivå spås mer AI i studier och minskning av rutinuppgifter. AI blir mer som en “idé-assistent”.- Menysystem: Istället för att leta i menyer kommer användare prata med AI:n om vad de vill göra.- Automatisering: Möjlighet till ännu mer avancerad automatisering.Sammanfattning: Excel kommer gradvis bli mer samtalsstyrt och automatiserat, med AI som en intelligent assistent för både utbildning och arbetsliv.

Fråga 3. Etik och tillförlitlighet (risker):- Oförutsägbarhet: AI:s output kan variera i kvalitet, vilket skapar osäkerhet.- Kunskap & mognad: Användare behöver kunskap för att förstå och bedöma AI-resultat. Felaktiga slutsatser kan annars dras.- Datasäkerhet: Risk kring vem som har tillgång till data samt att beslut baseras på felaktiga underlag.Sammanfattning: De största riskerna handlar om datakvalitet, säkerhet och överdrivet förtroende för AI:s svar. Kontinuitet och transparens är avgörande.

Fråga 4. Kreativa tillämpningar (dröm-Excel-tillägg):- Datatvätt & import: Automatisk hämtning, tvätt och uppdatering av data (t.ex. ersätta manuella rapporter).- GPT i Excel: En integrerad “GPT för Excel” som kan hantera även ofullständig data.- Visualiseringar: AI som direkt kan skapa proffsiga grafer och diagram utifrån data, nästan som en “Star Trek-dator”.- Extra funktioner: AI-tillägg som “städar upp” data och snyggar till kalkylblad.Sammanfattning: Drömtilläggen kretsar kring att AI tar över repetitiva uppgifter, automatiskt förädlar data och gör presentationerna snygga och professionella.

Fråga 5. Bästa tipsen (AI & Excel):- Prompt-hjälp: Be AI att ta fram en bra prompt om du inte vet hur du ska fråga.- Var specifik: Ställ tydliga frågor, undvik för breda. Börja om om svaret blir dåligt.- Testa och lär: Fråga AI om allt, våga experimentera och var noggrann med detaljerna.- Konkret i Excel: Använd AI för att sortera, summera och analysera data, skapa frågeformulär, integrera med PowerQuery.- Rekommendationer: Använd Perplexity AI, AI för matplanering, bollplank och kodhjälp.Sammanfattning: Nyckeln är att experimentera, vara tydlig i sin kommunikation med AI och använda det både för vardaglig effektivisering och kreativa lösningar.

• Back

Fråga 1: Största problemen i stora Excelfiler och varför de uppstår?Långsamhet / prestandaproblem
- För många LOOKUP-formler (särskilt när de kedjas mot varandra)
- Tunga filer som tar minuter att öppna eller uppdatera
- Massor av flikar och stora mängder data gör att Excel “sväller”Dålig eller obefintlig struktur
- Filer utan genomtänkt arkitektur från början → svåra att bygga om
- Namngivna områden och formler ur kontroll
- Många tomma rader och onödig historikFlera användare, manuella moment och inkonsekvenser
- Alla “jobbar på sin egen fil”
- Någon råkar sabba ett delat dokument
- Man repeterar samma data på flera ställenImportproblem / extern data
- Direktimport av extern data i Excel skapar tunga flikar
- Brist på datalager → allt läggs i Excel

Fråga 2: Om filen skulle byggas om från grunden – vilka principer behövs?Planera strukturen från början
- Skapa en tydlig arkitektur
- Undvik onödiga flikar, hellre tabeller på längden och filtreringMinimera komplexa formler
- Använd färre och enklare formler
- Undvik “quick fix”-lösningar som växer okontrolleratSeparera data och logik
- Data i tabeller/databaser
- Beräkningar i separata lager
- Dashboard / analys i egen logikflikBygg för skalbarhet
- Förbered för att datamängden växer
- Ha regler för namn, tabeller och datakällorAnvänd Power Query mer
- För datainläsning, städning och transformering
- Mindre manuell import och färre VLOOKUP-kedjor

Fråga 3: Arbetssätt, funktioner och verktyg för att hålla filer snabba & överlämningsbaraPower Query som datalager
- PQ används för att importera, rensa och forma data innan det når Excel
- Många anger att de borde använda Power Query mer än de gör idagPower Pivot / datamodeller
- För att slippa tunga formler i Excel-kalkylbladetStrukturerade tabeller
- Undviker lösa cellreferenser
- Gör det lättare att växa och filtrera dataConditional formatting med måtta
- För mycket sådan formattering blev tungtEn enda masterfil
- I stället för många versioner i omlopp

Fråga 4: Hur mycket logik läggs i PowerQuery vs Excel?- PQ används ofta för städning + transformering
- Excel används för analyser, dashboards och beräkningar
- Vissa lägger “för lite i PQ” enligt dem själva (en återkommande insikt under kvällen)

Bonusfrågan: Hur stor är den största Excelfilen du har
jobbat med och vad handlade filen om?
Vilka problem fanns i den?Exempel:
- 60 MB: cost management, corporate-nivå
- 15 MB: mycket data och formlerProblem med dessa filer
- För många flikar
- För många formler, ibland nestade LOOKUPs
- Alltför mycket manuellt arbete
- Växande datamängd → ohanterlig över tid
- Dålig versionhantering
- Kommentarsfält som blev “plottriga”
- Flera som hanterar samma fil utan regler → felrisk

• Back