ThepExcel Logo
  • บทความ
    • Excel
      • Excel ทั่วไป
      • Excel Pivot Table
      • Excel Power Pivot
      • Power Query
      • Excel Array Formula
      • Excel VBA
      • Excel for Business
      • Excel and Maths
      • ฟังก์ชัน Excel ทั้งหมด
    • Power BI
      • Power Query
      • Data Model
      • DAX Formula
      • Power BI Report
    • Coding
      • Excel VBA
      • Python
      • Power Query M Code
    • AI
      • ChatGPT
      • Stable Diffusion
      • MidJourney
    • Highlights : บทความแนะนำ
    • คลิปวีดีโอ
  • อบรม
    • อบรมลูกค้าองค์กร
    • คอร์สออนไลน์ SkillLane
    • แนะนำวิทยากร
    • Excel/Power BI Skill Map
    • Quiz
  • Shop
    • คอร์สออนไลน์
    • สินค้าทั้งหมด
    • หนังสือเล่ม
    • E-Book
    • Cart
  • Download
    • Download ไฟล์จากเทพเอ็กเซล
    • ThepExcel-Mfx : M Code สำเร็จรูป
    • Date Table สำเร็จรูป
    • กราฟ My Skill
    • github.com/ThepExcel
  • รวม Link
    • รวม Link สอน Excel & Power BI ทั้งไทยและเทศ
    • รวม Link เกี่ยวกับ AI
    • รวม Link Coding
    • หนังสือแนะนำ
    • Facebook ThepExcel
    • YouTube ThepExcel
    • DAX Formatter
  • Contact
    • แนะนำ เทพเอ็กเซล (Thep Excel)
    • แนะนำวิทยากร : อาจารย์ ศิระ เอกบุตร (ระ)
    • นโยบายการคุ้มครองข้อมูลส่วนบุคคล (Privacy Policy)
  • Facebook
  • YouTube

Inventory Management ทำรายงานสินค้าคงคลังด้วย DAX และ Data Model ใน Excel

Inventory Management DAX Data Model สินค้าคงคลัง

Categories 📂

DAX Formula, Highlights : บทความแนะนำ, Inventory Management, Power Pivot

Tags 🏷️

calculate, Data Model, dateadd, inventory, sumx

จากที่ผม post ถามไปในเพจว่าอยากรู้การทำงานจริงเรื่องไหนมากที่สุด เรื่องที่มีคนตอบมามากที่สุดก็คือ Inventory Management หรือการทำรายงานสินค้าคงคลังนั่นเอง

ในบทความนี้จะเป็นตัวอย่างที่จะใช้ Concept ของ DAX และ Data Model มาช่วยในการทำรายงานให้เห็นมิติใหม่ๆ โดยนำมาประยุกต์ร่วมกับการใช้สูตร SUMIFS ที่ช่วยในการแสดงข้อมูลแบบทันที และช่วยในการ Validate การกรอกข้อมูล ซึ่งเดี๋ยวเพื่อนๆ จะเห็นว่ามันก็เข้าขากันได้ดีอยู่นะ

ซึ่งคนที่จะใช้วิธีนี้ ผมแนะนำว่าควรมี Power Pivot/Power Query ด้วยเพื่อความสะดวกในหลายๆ เรื่องนะครับ ดังนั้นถ้าจะใช้ Excel ต้องมี Excel 2013 professional plus ขึ้นไปนะครับ (ถ้าไม่มีก็ใช้ Power BI ได้)

สำหรับคนที่อยากดูวิธีที่ใช้สูตร Excel ปกติ ดูแค่เรื่องทั่วๆ ไป เช่น Stock เพิ่ม ลด คงเหลือ ในแต่ละช่วงเวลา สามารถอ่านในบทความเก่าของผมได้ ตาม link ข้างล่างนี้ครับ (ตัวที่พอใช้งานจริงได้มากที่สุดคือตอนที่ 3 ซึ่งจะใช้ความรู้พวก SUMIFS และ Logic ส่วนตัวเยอะหน่อยครับ)

สารบัญ

    • บทความเก่า เรื่องการจัดการ Stock (ด้วยการเขียนสูตร) มี 3 ตอน
  • เตรียมข้อมูล Input ที่จำเป็น
  • เอาข้อมูล Inventory ที่เตรียมไว้ทั้งหมดเข้า Data Model
    • เพิ่ม DateTable
    • จากนั้นเราผูก Relationship ของตารางดังภาพ
  • เริ่มสร้าง Measure เพื่อการคำนวณ Inventory
    • สร้าง Basic Measure
    • สร้าง Measure เพื่อคำนวณสินค้าคงเหลือ
    • สร้าง Measure อื่นๆ เกี่ยวกับการคำนวณ Inventory
  • สรุป

บทความเก่า เรื่องการจัดการ Stock (ด้วยการเขียนสูตร) มี 3 ตอน

  • ตอนที่ 1: สอนทำไฟล์ Excel บริหาร Stock สินค้าคงคลัง : Version 1 ง่ายสุดๆ
  • ตอนที่ 2: สอนทำไฟล์ Excel บริหาร Stock สินค้าคงคลัง : Version 2 แยกตารางซื้อขาย
  • ตอนที่ 3: สอนทำไฟล์ Excel บริหาร Stock สินค้าคงคลัง : Version 3 ระบุช่วงเวลา

เพื่อไม่ให้เสียเวลาเรามาเริ่มกับวิธี DAX & Data Model กันเลย

เตรียมข้อมูล Input ที่จำเป็น

ก่อนอื่นสิ่งที่ต้องทำคือ เตรียมข้อมูลดิบทั้งหมดก่อน ซึ่งผมจะมีตารางทั้งหมด 3 ตาราง ใน Excel (ทำเป็น Table ให้หมดนะ) ดังนี้

1.ตารางรายชื่อสินค้าทั้งหมด : ชื่อว่า ProductTable (เอาจริงๆ ใส่เป็นรหัสสินค้าคู่กับชื่อสินค้าก็ได้นะ)

2. ตารางบันทึกการซื้อสินค้า : ชื่อว่า BuyTable

3. ตารางบันทึกการขายของ : ชื่อว่า SellTable

ซึ่งเจ้าตารางการขายของเนี่ย เรามักจะต้องมีการเช็คด้วยนะว่าไม่ได้ขายเกินสิ่งที่มีอยู่ ดังนั้นผมจึงเขียนสูตร SUMIFS ให้ดึงข้อมูลสินค้าที่มีในสิ้นวันก่อนหน้าขึ้นมาแสดงให้เห็นชัดๆ และมีการ Validate ด้วยว่าห้ามขายเกินที่มีนะ

ซึ่งสูตรจำนวนสินค้าที่มีในวันก่อน (ในช่องสีส้ม) เขียนดังนี้

= รวมสินค้าที่ซื้อมาทั้งหมดในช่วงเวลาก่อนหน้า - รวมสินค้าที่ขายไปทั้งหมดในช่วงเวลาก่อนหน้า
=SUMIFS(BuyTable[จำนวนซื้อ],BuyTable[Product],[@Product],BuyTable[วันที่ซื้อ],"<"&[@วันที่ขาย])-SUMIFS([จำนวนขาย],[Product],[@Product],[วันที่ขาย],"<"&[@วันที่ขาย])

จากนั้นในช่องที่ทำการขายก็ใส่ Data Validation ได้ดังนี้ เพื่อเช็คว่าจำนวนขายมันห้ามเกินช่องจำนวนที่มีสิ้นวันก่อนด้านซ้ายมือนะ

จากนั้นเราก็สร้างคอลัมน์เตือนนิดนึงนะ ว่าสินค้าเหลือเท่าไหร่ และเหลือน้อยกว่าจุดสั่งซื้อแล้วหรือไม่ (Reorder Point/Safety Stock)

จำนวนคงเหลือ

=[@[จำนวนที่มี ณ สิ้นวันก่อน]]-[@จำนวนขาย]

ต้องสั่งเพิ่มหรือไม่?

=[@จำนวนคงเหลือ]<VLOOKUP([@Product],ProductTable,2,0)

จากนั้นใส่ Conditional Format เตือนไปนิดนึงในกรณีที่เป็น TRUE

inventory สินค้าคงคลัง Excel

แค่นี้เราจะได้ตารางขายที่ค่อนข้างฉลาดมากขึ้นแล้ว ซึ่งจริงๆ มันก็สามารถเช็คสต๊อคได้คร่าวๆ แล้วนะ ถ้าเราพอใจเท่านี้ก็จบเลยก็ได้ มันก็จะคล้ายๆ กับบทความภาค 3 ของผมนั่นเอง แต่ในบทความนี้เราจะไปต่อกับ Concept ของ Data Model ครับ

เอาข้อมูล Inventory ที่เตรียมไว้ทั้งหมดเข้า Data Model

จะเอาตารางเข้า Data Model ได้ อย่าลืม Enable Add-in Power Pivot ก่อนนะ ซึ่งต้องมี Excel 2013 Professional Plus ขึ้นไป (ให้ Activate Com Add-in ที่ชื่อว่า Power Pivot) หรือจะใช้ Power BI ก็ได้

เอาตารางทั้ง 3 อันเข้า Data Model ให้ครบทุกตาราง จากนั้นไปที่หน้า Diagram View แล้วผูก Relationship ของแต่ละตารางซะ (ตัวเชื่อมคือ Product)

เพิ่ม DateTable

จากนั้นเราต้องเพิ่มตารางวันที่เข้าไปอีกอันนึง เพื่อให้สามารถ Filter ข้อมูลตามวันที่ได้ ซึ่งถ้ามี Power BI เราจะใช้ New Table โดยใช้ =CALENDARAUTO() ได้ง่ายๆ เลย แต่ใน Excel จะไม่สามารถเขียน DAX Table ได้ ดังนั้นเราจะใช้ Power Query ช่วยทำนะครับ

เพื่อไม่ให้เสียเวลา ผมจะใช้ Code ที่เขียนแจกไว้ในบทความนี้เลยนะครับ

ดังนั้นให้สร้าง Blank Query จากนั้นใน Advanced Editor ของ Power Query ก็ใส่ Code ไปว่า

(StartDate as date, EndDate as date) as table =>
let
displayRegion="en-GB",
//displayRegion="th-TH",
//StartDate=#date(2017, 1, 1),
//EndDate=#date(2019,12,31),
DayCount = Duration.Days(Duration.From(EndDate - StartDate)),
Source = List.Dates(StartDate,DayCount,#duration(1,0,0,0)),
#"Converted to Table" = Table.FromList(Source, Splitter.SplitByNothing(), null, null, ExtraValues.Error),
#"Renamed Columns" = Table.RenameColumns(#"Converted to Table",{{"Column1", "Date"}}),
    #"Changed Type" = Table.TransformColumnTypes(#"Renamed Columns",{{"Date", type date}}),
#"Inserted Year" = Table.AddColumn(#"Changed Type", "Year", each Date.Year([Date]), Int64.Type),
#"Inserted Quarter" = Table.AddColumn(#"Inserted Year", "Quarter", each "Q"& Text.From(Date.QuarterOfYear([Date])), type text),
#"Inserted Month" = Table.AddColumn(#"Inserted Quarter", "Month", each Date.Month([Date]), Int64.Type),
#"Inserted Month Name" = Table.AddColumn(#"Inserted Month", "Month Name", each Date.ToText([Date],"MMMM",displayRegion), type text),
#"Inserted Day" = Table.AddColumn(#"Inserted Month Name", "Day", each Date.Day([Date]), Int64.Type),
#"Inserted Day of Week" = Table.AddColumn(#"Inserted Day", "Day of Week", each Date.DayOfWeek([Date],1)+1, Int64.Type),
#"Added YearMonthNum" = Table.AddColumn(#"Inserted Day of Week", "YearMonthNum", each Date.ToText([Date],"yyyyMM",displayRegion)),
#"Added YearMonthText" = Table.AddColumn(#"Added YearMonthNum", "YearMonthText", each Date.ToText([Date],"yyyy-MMM",displayRegion))
in
    #"Added YearMonthText"

จากนั้นระบุวันที่ให้เริ่มต้นปีและจบสิ้นปีของปีที่ต้องการ

จากนั้นเอา DateTable ที่ Invoke ฟังก์ชันที่เราสร้างไว้ Close & Load to แล้วเลือกดังรูปเพื่อเอาข้อมูล DateTable เข้าสู่ Data Model ซะ

จากนั้นเราผูก Relationship ของตารางดังภาพ

สังเกตว่าฝั่งตาราง Dimension คือ ProductTable กับ DateTable จะเป็นเลข 1 (แปลว่าตัวเชื่อมมีค่า unique ไม่มีค่าซ้ำ) ส่วนตาราง Fact ทั้ง BuyTable และ SellTable จะเป็นฝั่งที่เป็น * นั่นคือตัวเชื่อมมีค่าซ้ำกันได้

สิ่งสำคัญที่ต้องรู้ก็คือ การไหลของการ Filter จะไหลจากฝั่ง 1 ไป * ได้ ทำให้เราจะสามารถ Filter ตาราง BuyTable และ SellTable ได้พร้อมกัน จาก ProductTable และ DateTable เลย

จากนั้นเรากลับไปที่ Data View และทำการ Mark DateTable ของเราให้ Excel มองว่าเป็นตารางวันที่ด้วย เพื่อให้ใช้ Time Intelligent Function ได้

นอกจากนั้นอย่าลืมจัดการเรื่องการ Sort ข้อมูลในคอลัมน์ที่เป็น Text เช่น Month Name ว่าให้ Sort by Column ชื่อ Month และ YearMonthText ให้ Sort by Column ชื่อ YearMonthNum ด้วยนะ เวลาไปแสดงรายงานจะได้ไม่เรียงแบบงงๆ

เริ่มสร้าง Measure เพื่อการคำนวณ Inventory

จากนั้นสร้าง Measure ที่ต้องการ และกำหนด Number Format ให้เรียบร้อยซะ
ซึ่งจะสร้างใน Power Pivot เลยก็ได้ โดยไปที่ Data View แล้วคลิ๊กบริเวณด้านล่าง แล้วใส่ ชื่อMeasure:=สูตร ลงไป

หรือจะกด icon excel ซ้ายบน เพื่อออกมาใน Excel ปกติ แล้วสร้าง Measure ก็ได้

สร้าง Basic Measure

ซึ่ง Measure ที่ผมสร้างจะมีดังนี้

TotalBuyQty:=SUM(BuyTable[จำนวนซื้อ])
TotalSellQty:=SUM(SellTable[จำนวนขาย])

ใน Excel นั้น Table ที่อยู่ของ Measure ค่อนข้างมีความสำคัญกว่าใน Power BI เพราะ Pivot ใน Excel สามารถยอมให้เรา Double Click ที่ Measure เพื่อ Extract ข้อมูลออกมาดูได้ ถ้าเอา Measure ไปไว้ที่ Table ไหน มันก็จะ Extract Table นั้น ดังนั้นผมจะจัดดังนี้

  • TotalBuyQty ผมจะเอา Home Table ไว้ที่ BuyTable
  • ส่วน TotalSellQty ผมจะเอา Home Table ไว้ที่ SellTable

หากเราสร้าง Pivot จาก Data Model ที่สร้าง เราก็สามารถลากสรุปแบบ Basic ได้ดังนี้ คือเราจะรู้ว่าแต่ละเดือนซื้อขายอะไรไปกี่ชิ้น

สิ่งสำคัญคือ การลาก Field Dimension มาใช้ เช่น Product จะต้องใช้จากตารางที่จะ Filter ตัวอื่นได้ด้วยนะครับ เช่น Field Product นั้นมีอยู่ใน 3 ตาราง เราจะต้องใช้จากตาราง ProductTable เท่านั้น ไม่ใช่เอา Product จาก SellTable หรือ BuyTable นะครับ

สร้าง Measure เพื่อคำนวณสินค้าคงเหลือ

แต่สิ่งที่เราอยากรู้จริงๆ คือ สินค้าคงเหลือ หรือก็คือการหาว่ามีสินค้านั้นๆ เหลืออยู่กี่ชิ้น ณ สิ้นเวลานั้นๆ มากกว่า ซึ่งการจะหาสินค้าคงเหลือสามารถทำได้จากความสัมพันธ์ดังนี้

สินค้าคงเหลือ = สินค้าเริ่มต้น + สินค้าที่ซื้อเพิ่ม - สินค้าที่ขายออก

ซึ่งของเราไม่มีสินค้าเริ่มต้น คือ เรา assume เป็น 0 ไปเลย ดังนั้นหากเราสามารถหาสินค้าที่ซื้อเพิ่มสะสม – สินค้าที่ขายออกสะสมได้เลย

AccumBuyQty = สินค้าที่ซื้อเพิ่มสะสม = สินค้าที่ซื้อตั้งแต่เริ่มต้น-เวลานั้นๆ

ซึ่งเราจะใช้ CALCULATE มาช่วยเปลี่ยน Filter Context ของ TotalBuyQty เป็นให้ปลด Filter ของ DateTable ออกทั้งหมดแล้วเปลี่ยนเป็นวันที่ <= วันที่ล่าสุดที่มองเห็นอยู่ ดังนี้ (ใครงงเรื่อง CALCULATE ให้ไปอ่านในนี้)

AccumBuyQty:=VAR currentDate=LASTDATE(DateTable[Date])
RETURN
CALCULATE([TotalBuyQty],DateTable[Date]<=currentDate)

ในขณะเดียวกันก็สามารถสร้าง AccumSellQty ได้ดังนี้

AccumSellQty:=VAR currentDate=LASTDATE(DateTable[Date])
RETURN
CALCULATE([TotalSellQty],DateTable[Date]<=currentDate)

และสินค้าคงเหลือก็คือเอาสองตัวลบกัน ดังนี้

BalanceQty:=[AccumBuyQty]-[AccumSellQty]

สรุปถ้าลองเอามาใส่ Pivot จะได้ดังนี้

จะเห็นว่าผลลัพธ์ออกมาถูกต้องเลย

ทีนี้เราเลือกเอาเฉพาะตัว Measure ที่สนใจลงมาใน Pivot ก็ได้ เช่น TotalBuyQty, TotalSellQty, BalanceQty นอกนั้นไม่เอา

สร้าง Measure อื่นๆ เกี่ยวกับการคำนวณ Inventory

นอกจากนี้จะเพิ่ม Measure อื่นๆ เช่น ยอดซื้อและยอดขายเข้าไปก็ได้ เช่น ใช้ SUMX มาช่วยคำนวณ เนื่องจาก SUM จะอ้างอิงได้แค่คอลัมน์จริงๆ คอลัมน์เดียว แต่ SUMX สามารถ SUM Expression ที่เกิดจากแต่ละคอลัมน์คำนวณกันได้ (ใครงงเรื่อง SUMX ให้ไปอ่านที่นี่)

TotalBuyAmt:=SUMX(BuyTable,BuyTable[จำนวนซื้อ]*BuyTable[ราคาซื้อต่อชิ้น])
TotalSellAmt:=SUMX(SellTable,SellTable[จำนวนขาย]*SellTable[ราคาขายต่อชิ้น])

ข้อดีของ Pivot คือการปรับเปลี่ยนหน้าตาได้แบบสบายๆ รวมถึงสามารถใส่ Slicer หรือ Timeline ให้กดเล่นได้ด้วย เช่น ผมอาจปรับแบบนี้ก็ได้

inventory สินค้าคงคลัง Excel

นอกจากนี้ก็ยังใส่ Measure ที่สามารถแสดงข้อมูลได้ว่าต้องสั่งของเพิ่มหรือไม่ก็ได้ เช่น

MinimumQty:=SUM(ProductTable[จุดสั่งของเพิ่ม])
NeedtoOrder:=[BalanceQty]<[MinimumQty]

นอกจากนี้ยังสามารถใส่ Measure กลุ่ม Time Intelligent ได้อีก เช่น จำนวนซื้อของในเดือนก่อนหน้า ซึ่งเราจะใช้ DATEADD มาช่วยกับ CALCULATE เพื่อทำการเปลี่ยน Filter Context (ใครงงเรื่อง DATEADD มาอ่านอันนี้)

BuyQtyLastMonth:=CALCULATE([TotalBuyQty],DATEADD(DateTable[Date],-1,MONTH))

แค่นี้เราก็จะได้เลขมา ซึ่งสามารถเขียนสูตรเปรียบเทียบก็ได้ว่า ซื้อเพิ่มขึ้นหรือลดลงเท่าไหร่ กี่% เป็นต้น (ถ้าต้องการ) แต่ผมขี้เกียจละ 555

inventory สินค้าคงคลัง Excel

นอกจากนี้ เรายังสามารถแสดงผลเป็นกราฟก็ได้ถ้าต้องการ แค่เลือกที่ Pivot ที่ออกแบบไว้แล้วกด Insert Chart แล้วเลือกกราฟที่ต้องการ เราก็จะได้กราฟแบบง่ายๆ แล้ว และยังใช้ผสมผสานกับ Slicer ได้อีก กดเล่นสบายเลย ได้รายงานที่ Interactive ขึ้นอีก

inventory สินค้าคงคลัง Excel

สรุป

การที่เราใช้ Data Model และ DAX เป็น จะช่วยเพิ่มความเป็นไปได้ใหม่ๆ และเพิ่มความสามารถในการทำรายงาน Inventory Management ของเราอีกมากมาย ซึ่งข้อดีของมันเมื่อเทียบกับวิธีเขียนสูตรแบบปกติ ผมว่ามีดังนี้

  • เราสามารถเปลี่ยนแปลงหน้าตารายงานได้ง่าย แค่ลาก Field Pivot ไปๆ มาๆ (ความสามารถของ Pivot Table)
  • สามารถแสดงผลเป็นกราฟได้ (ความสามารถของ Pivot Chart / Visual)
  • สามารถกดดูสิ่งที่สนใจได้อย่างง่ายดาย (ความสามารถของ Slicer)
  • สรุปข้อมูลจากหลายตารางได้ (ความสามารถของ Data Model)
  • สามารถแสดงการคำนวณที่ซับซ้อนมากกว่าแค่ Sum Count Average Max Min ธรรมดาๆ ก็ได้ (ความสามารถของ DAX Measure)

และทั้งหมดนี้คุณก็เอาไปทำใน Power BI ก็ได้ ซึ่งจะมี Visual เจ๋งๆ ให้เลือกมากกว่าของ Excel อีก ลองคิดดูว่ารายงานสินค้าคงคลัง Inventory Management คุณจะเจ๋งขึ้นได้ขนาดไหน!!

ใครอ่านจบแล้วคิดยังไง หวังว่าจะถูกใจนะครับ (เขียนบทความนี้นานเลย) หากใครทำแล้วติดขัดอะไรก็ถามได้เช่นเคยนะครับ สำหรับวันนี้ขอลาเท่านี้ล่ะครับ^^

แชร์ความรู้ให้เพื่อนๆ ของคุณ
1.6K    
1.6K    

ติดตามเทพเอ็กเซล

  • Facebook
  • YouTube

อบรมกับเทพเอ็กเซล

🔥 คอร์สใหม่ล่าสุด 🔥

การทำ Optimization ด้วย Excel Solver
สำหรับงานวางแผน
คอร์สออนไลน์ เทพเอ็กเซล
คอร์สออนไลน์ จากเทพเอ็กเซล ดูกี่รอบก็ได้
อบรม Excel / Power BI ให้องค์กรของคุณ

บทความล่าสุด

  • แนวทางฝึกฝน Excel ให้เก่งขึ้น
  • รวม Link เว็บ/เพจเกี่ยวกับ AI
  • วิธีกำหนดท่าทางแบบให้ได้ดั่งใจด้วย ControlNet ใน Stable Diffusion [Part4]
  • วิธีสั่ง Prompt และตั้งค่าใน Stable Diffusion ให้รูปสวยโดนใจ [Part3]
  • วิธีเรียกใช้งาน Model เจ๋งๆ ใน Stable Diffusion [ตอนที่2]
  • วิธีใช้งาน AI สร้างรูปสุดเจ๋งและฟรีด้วย Stable Diffusion ฉบับมือใหม่ [ตอนที่1]
  • 10 ไอเดีย เรียนรู้ Excel ผ่าน ChatGPT AI สุดเจ๋ง

บทความแนะนำ

🔥ฟังก์ชันทั้งหมดใน Excel 🔥

  • แกะเคล็ดวิชา Excel Wizard ในการแข่ง Speed Run Excel ระดับโลก
  • เจาะลึก CALCULATE ใน DAX แบบลึกสุดใจ : Part 1
  • Series สอนดึงข้อมูลจากเว็บ ด้วย Power Automate Desktop
  • สรุปการใช้ LAMBDA ฟังก์ชันที่ใช้สร้างฟังก์ชันใน Excel 365 และผองเพื่อน
  • วิธีใช้ Excel คำนวณระยะเวลาการทำงานรวม แถมระบุเวลาพักได้แบบยืดหยุ่น
  • วิธีจัดการข้อมูลแย่ๆ ด้วย Power Query ทั้งข้อมูลปนกัน ข้อมูลอยู่บนหัวตาราง
  • แยกข้อมูลที่อยู่สุดเน่า ด้วย Excel Power Query

Categories

Tags

ai collection concepts copy database Data Model data validation date dax dropdown error excel filter finance find format formula function game graph IF index intro inventory len link logic lookup match m code merge mid overview paste pivot power query right row solver sort speed split substitute table text time tips trim vba vlookup

Archives

  • April 2023 (3)
  • March 2023 (2)
  • February 2023 (2)
  • January 2023 (1)
  • October 2022 (1)
  • September 2022 (3)
  • August 2022 (3)
  • July 2022 (1)
  • June 2022 (3)
  • May 2022 (1)
  • April 2022 (2)
  • February 2022 (1)
  • December 2021 (2)
  • November 2021 (10)
  • September 2021 (2)
  • August 2021 (6)
  • July 2021 (2)
  • June 2021 (2)
  • May 2021 (10)
  • April 2021 (3)
  • March 2021 (3)
  • February 2021 (4)
  • January 2021 (8)
  • December 2020 (5)
  • November 2020 (13)
  • October 2020 (5)
  • September 2020 (11)
  • August 2020 (4)
  • July 2020 (13)
  • June 2020 (17)
  • May 2020 (16)
  • April 2020 (16)
  • March 2020 (10)
  • February 2020 (15)
  • January 2020 (16)
  • December 2019 (4)
  • November 2019 (3)
  • October 2019 (9)
  • September 2019 (1)
  • August 2019 (7)
  • June 2019 (3)
  • May 2019 (9)
  • April 2019 (9)
  • March 2019 (2)
  • February 2018 (1)
  • January 2018 (3)
  • November 2017 (3)
  • August 2017 (1)
  • July 2017 (1)
  • June 2017 (1)
  • May 2017 (6)
  • April 2017 (6)
  • March 2017 (7)
  • February 2017 (1)
  • January 2017 (2)
  • December 2016 (1)
  • October 2016 (2)
  • September 2016 (3)
  • August 2016 (2)
  • July 2016 (2)
  • June 2016 (1)
  • May 2016 (1)
  • April 2016 (1)
  • March 2016 (2)
  • February 2016 (1)
  • January 2016 (2)
  • December 2015 (2)
  • November 2015 (5)
  • October 2015 (3)
  • June 2015 (2)
  • May 2015 (1)
  • April 2015 (26)
  • January 2015 (1)
  • December 2014 (1)
  • November 2014 (2)
  • October 2014 (1)
  • September 2014 (2)
  • August 2014 (1)
  • June 2014 (1)
  • May 2014 (1)
  • April 2014 (3)
  • March 2014 (3)
  • February 2014 (12)
  • January 2014 (7)
  • December 2013 (2)
  • November 2013 (8)
  • October 2013 (2)

เทพเอ็กเซล : Thep Excel

copyright © 2022

  • Facebook
  • YouTube
เว็บไซต์นี้ใช้คุกกี้ (Cookies)
บริษัท เทพเอ็กเซล จำกัด ให้ความสำคัญต่อข้อมูลส่วนบุคคลของท่าน เพื่อการพัฒนาและปรับปรุงเว็บไซต์รวมถึงสินค้าและบริการต่างๆ หากท่านใช้บริการเว็บไซต์นี้ โดยไม่มีการปรับตั้งค่าใดๆ แสดงว่าท่านยินยอมที่จะรับคุกกี้บนเว็บไซต์ และนโยบายสิทธิส่วนบุคคลของเรา
ตั้งค่าคุกกี้ยอมรับทั้งหมดอ่านเพิ่มเติม
Manage consent

Privacy Overview

This website uses cookies to improve your experience while you navigate through the website. Out of these, the cookies that are categorized as necessary are stored on your browser as they are essential for the working of basic functionalities of the website. We also use third-party cookies that help us analyze and understand how you use this website. These cookies will be stored in your browser only with your consent. You also have the option to opt-out of these cookies. But opting out of some of these cookies may affect your browsing experience.
Necessary
Always Enabled
Necessary cookies are absolutely essential for the website to function properly. These cookies ensure basic functionalities and security features of the website, anonymously.
CookieDurationDescription
cookielawinfo-checkbox-analytics11 monthsThis cookie is set by GDPR Cookie Consent plugin. The cookie is used to store the user consent for the cookies in the category "Analytics".
cookielawinfo-checkbox-functional11 monthsThe cookie is set by GDPR cookie consent to record the user consent for the cookies in the category "Functional".
cookielawinfo-checkbox-necessary11 monthsThis cookie is set by GDPR Cookie Consent plugin. The cookies is used to store the user consent for the cookies in the category "Necessary".
cookielawinfo-checkbox-others11 monthsThis cookie is set by GDPR Cookie Consent plugin. The cookie is used to store the user consent for the cookies in the category "Other.
cookielawinfo-checkbox-performance11 monthsThis cookie is set by GDPR Cookie Consent plugin. The cookie is used to store the user consent for the cookies in the category "Performance".
viewed_cookie_policy11 monthsThe cookie is set by the GDPR Cookie Consent plugin and is used to store whether or not user has consented to the use of cookies. It does not store any personal data.
Functional
Functional cookies help to perform certain functionalities like sharing the content of the website on social media platforms, collect feedbacks, and other third-party features.
Performance
Performance cookies are used to understand and analyze the key performance indexes of the website which helps in delivering a better user experience for the visitors.
Analytics
Analytical cookies are used to understand how visitors interact with the website. These cookies help provide information on metrics the number of visitors, bounce rate, traffic source, etc.
Advertisement
Advertisement cookies are used to provide visitors with relevant ads and marketing campaigns. These cookies track visitors across websites and collect information to provide customized ads.
Others
Other uncategorized cookies are those that are being analyzed and have not been classified into a category as yet.
SAVE & ACCEPT