Das leistungsstärkste Werkzeug in Tabellenkalkulationen: Pivot-Tabellen (2020)

• Pivot-Tabellen sind eine Schlüsselfunktion, die große Datenmengen schnell zusammenfassen, ganz ohne Programmierung oder fortgeschrittene Mathematik, und Tabellenkalkulationen zu Analysewerkzeugen machen
• Pito Salas von Lotus entwickelte ein klickbasiertes Tool, weil es umständlich war, komplexe Formeln zu schreiben, um zusammenfassende Statistiken nach Kategorien und Kreuztabellen zu erstellen
• Steve Jobs erkannte das Potenzial dieser Funktion bei der Suche nach Killer-Software, die Nachfrage nach dem NeXT-Computer schaffen sollte, was schließlich zur Entwicklung von Lotus Improv führte
• Die flexible views des Lotus-Teams wurden später in Lotus 1-2-3 und Excel übernommen, wobei sich in Excel der Name Pivot-Tabelle etablierte
• Heute werden Pivot-Tabellen in Excel und Google Sheets breit eingesetzt und können Hunderttausende von Zeilen mit wenigen Klicks zu einem einseitigen Übersichtsbericht verdichten

---

Ein Werkzeug zum Zusammenfassen von Daten ohne Formeln

• Pivot-Tabellen sind eine Tabellenkalkulationsfunktion, mit der normale Nutzer große Datensätze schnell analysieren können
• Auch ohne Programmierkenntnisse oder tiefes mathematisches Wissen können Nutzer Daten per Zeigen und Klicken zusammenfassen
• Auch Apple-Mitgründer Steve Jobs wird als jemand erwähnt, der den Wert dieser Funktion schnell erkannte

Entwicklungsgeschichte: von NeXT zu Lotus Improv

• 1985 wurde Jobs, nachdem er IBM im Markt für Business-Computer nicht hatte schlagen können, als Vorsitzender des Apple-Verwaltungsrats verdrängt und gründete kurz darauf NeXT, um IBM erneut herauszufordern
• Bei den Vorbereitungen für den 1988 erscheinenden NeXT-Computer suchte Jobs nach Killer-Software, die Nachfrage nach dem Produkt schaffen würde
  • Jobs war der Ansicht, dass der große Erfolg des 1979 erschienenen Apple II wesentlich durch die erste breit genutzte Tabellenkalkulationssoftware VisiCalc ermöglicht wurde
• Im Zuge von Treffen mit Lotus, dem Unternehmen hinter der populären Tabellenkalkulation Lotus 1-2-3 für IBM-Computer, stieß Jobs auf eine frühe Form der Pivot-Tabelle
• Pito Salas in der Lotus-Forschung und -Entwicklung beobachtete damals, wie Menschen mit Tabellenkalkulationen zusammenfassende Statistiken nach Kategorien, also Kreuztabellen, berechneten
  • Ein Fahrradunternehmen möchte zum Beispiel vielleicht Verkaufszahlen nach Monat oder Umsatz nach Land sehen
  • Damals musste man dafür komplexe Formeln direkt schreiben, was umständlich und fehleranfällig war
• Salas kam zu dem Schluss, dass Software nötig war, mit der sich zusammenfassende Statistiken per Klick statt durch Formeleingabe erzeugen lassen
• Das Lotus-Team nannte dieses Werkzeug flexible views; ähnliche Funktionen in Microsoft Excel und Google Sheets heißen heute Pivot-Tabellen

Jobs’ Reaktion und die Produktisierung

• Als das Lotus-Team Jobs einen frühen Prototyp zeigte, hielt er ihn laut Salas für „das Coolste überhaupt“
• Jobs überzeugte Lotus, die Pivot-Tabellen-Software exklusiv für den NeXT-Computer zu entwickeln
• Das Ergebnis war Lotus Improv
  • Der NeXT-Computer war kommerziell kein Erfolg, doch Lotus Improv hinterließ großen Einfluss
  • Elemente der flexible views aus Improv wurden später in Lotus 1-2-3 und Excel integriert
  • Excel war tatsächlich das erste Produkt, das den Begriff pivot table verwendete
• Der Excel-Evangelist und Co-Autor von Pivot Table Data Crunching Bill Jelen bezeichnet Salas als den „Vater der Pivot-Tabelle“
• Salas betrachtet seinen Beitrag zur Pivot-Tabelle als eine der erfüllendsten Leistungen seines Lebens, sieht ihn aber als Ergebnis, das auf der Arbeit vieler Menschen aufbaut

Einsatz in Excel und Google Sheets

• Pivot-Tabellen gehören heute zu den wichtigsten und am häufigsten genutzten Funktionen im Werkzeugkasten fortgeschrittener Tabellenkalkulationsnutzer
• Jelen sagt, dass Pivot-Tabellen aus Hunderttausenden von Datenzeilen mit nur 4 bis 6 Klicks einen einseitigen Übersichtsbericht erzeugen können und der schnellste Weg sind, aus großen Datensätzen Antworten zu gewinnen
• Die genaue Zahl der täglichen Excel-Nutzer ist schwer zu bestimmen, aber weltweit gibt es Hunderte Millionen Excel-Nutzer
• Pivot-Tabellen stehen in Listen der nützlichsten Excel-Funktionen meist ganz oben oder nahe daran
• Datenanalysten nutzen Pivot-Tabellen für viele Zwecke, etwa in der öffentlichen Gesundheit, beim Wirtschaftswachstum oder bei der Analyse von Werbewirkung
• Justine Shakespeare, Senior Program Manager bei der gemeinnützigen Arbeitsrechtsorganisation Verité, nutzt Pivot-Tabellen zur Analyse von Umfragedaten aus Interviews mit Arbeitsmigranten in globalen Lieferketten

Praxisbeispiel und Lernmaterialien

• Ein Quartz-Reporter brauchte aus monatlichen Daten zu Überweisungen aus den USA nach Mexiko seit 1995 eine Zusammenfassung der Gesamtsumme der Überweisungen im ersten Halbjahr jedes Jahres
• Die benötigten Zahlen ließen sich durch Einfügen einer Pivot-Tabelle, Auswahl der nötigen Daten und Filtern der auszuschließenden Monate gewinnen
• Wer den Umgang mit Pivot-Tabellen weiter lernen möchte, kann sich das Video von „Excel ninja“ Cody Baldwin ansehen
• Nutzer von Google Sheets können die Einführung in Pivot-Tabellen des Sheets-Experten Ben Collins lesen

[GN⁺]

Hacker-News-Kommentare

• Was ich dieses Wochenende gelernt habe: Um Zeilen/Zellen anhand von Zellwerten zu gruppieren, kann man die FILTER-Funktion verwenden
  =FILTER(Stories!B2:D13,Stories!F2:F13=A2)
  Das erste Argument Stories!B2:D13 ist der Zellbereich mit den Storys, das zweite Argument Stories!F2:F13=A2 ist die Spalte, in der jede Zelle mit dem Wert in A2 verglichen wird. Übereinstimmende Zeilen werden an die Stelle kopiert, an der die =FILTER-Formel steht
  Ich nutze das, um eine Liste von Storys automatisch nach Sprints zu sortieren; es ist nützlich für Dinge wie Program-Increment-Planung
  Eine weitere nützliche Excel-Formel, die ich kürzlich gelernt habe, ist =IF(NOT(ISBLANK(A2)),HYPERLINK("https://jira-instance.atlassian.net/browse/…),"")
  Wenn A2 nicht leer ist, hängt sie den Wert an die URL an und zeigt als Link einen Text an, bei dem der Wert aus A2 an PROJECT- angehängt ist. Mit Emacs und org-mode hätte ich es vielleicht eleganter machen können, aber weil ich es mit den fachlich Verantwortlichen teilen musste, war Excel die richtige Wahl

  • Solche Beispiele sind wirklich nützlich. Auch die QUERY-Funktion in Google Sheets hat mir sehr geholfen, ebenso IMPORTRANGE
    Das hilft dabei, zu dokumentieren, welche Schritte man unternommen hat, um die Anzahl der Zeilen zu erhalten
  • Ich frage mich, was in einer Tabelle eine „Story“ ist

• Pivot-Tabellen auf Basis von SSAS-Cubes sind möglicherweise das beste Self-Service-Analytics-Tool, das ich je gesehen habe. Mit „bestes“ meine ich hier gemessen daran, wie stark es von echten Nutzern tatsächlich verwendet wird
  Die Fähigkeit, Fachanwender genau in der Umgebung arbeiten zu lassen, die sie bereits haben, ist für die tatsächliche Einführung enorm — besonders im Vergleich zu etwas wie Looker. Looker ist auch aus anderen Gründen ein Chaos
  Außerdem wollen die Leute in 9 von 10 Fällen leichte Transformationen oder Berechnungen zu den Daten hinzufügen, und dafür gibt es kaum etwas Besseres als das, was ohnehin schon in Excel steckt
  Schade ist, dass es praktisch keine OSX-Unterstützung gibt und das Schreiben von MDX wirklich qualvoll ist

  • Stimme zu, und ich mache das mit Power BI. Man importiert Daten in einen Power-BI-Bericht, erstellt ein Datenmodell mit berechneten Measures in DAX und veröffentlicht es dann im Onlinedienst. Danach können Nutzer auf „Analyze in Excel“ klicken und eine Excel-Arbeitsmappe herunterladen, die eine mit diesem Datenmodell verbundene Pivot-Tabelle enthält
    Ich stelle das den PMs des Produkts bereit, für das ich verantwortlich bin, und sie können damit viele Fragen allein mit Pivots beantworten, ohne eigenes SQL schreiben zu müssen
  • In meinem ersten Praktikum nutzte ein Unternehmen die Kombination aus OLAP-Cube + Pivot-Tabellen, und das war wirklich beeindruckend
    Wenn ich über hervorragende Analysewerkzeuge im Datenbereich spreche, denke ich ziemlich oft daran. Selbst gut weiterentwickelte BI-Tools wie metabase kommen beim Umgang mit Dimensionen nicht an Pivot-Tabellen heran
  • Mitte der 2000er war unsere Killer-App eine Beispiel-App aus dem MSDN Magazine. Sie bettete Excel in eine einfache Webseite ein und ermöglichte es, SSAS-Cubes mit Pivot-Tabellen zu bearbeiten
    Für Rechteverwaltung und das Speichern von Ansichten machten wir ein wenig Webarbeit, aber die gesamte Entwicklungszeit lag wahrscheinlich unter einer Woche
  • Ich frage mich, ob du Easy Data Transform ausprobiert hast. Das ist ein leichtgewichtiges ETL-Tool für Pivot-ähnliche Datentransformationen mit Excel, CSV und vielen Dateiformaten und läuft nativ unter Windows und Mac
  • Soweit ich mich erinnere, konnte man in Looker über die Explore-Oberfläche ebenfalls Pivot-Tabellen erstellen
    Aus Looker Explore kann man auch als CSV oder Excel herunterladen; ich frage mich, was dir dort gefehlt hat

• Pivot-Tabellen sind eigentlich eher eine dürftige Annäherung an wirklich multidimensionale Tabellenkalkulationen, wie etwa Lotus Improv: https://instadeq.com/blog/posts/no-code-history-lotus-improv...

  • Eines der „Verbrechen“ von Microsoft Office ist, überspitzt gesagt, dass es im Bereich der Office-Produktivität jenseits von Grafikern kaum noch Luft für Dinge gelassen hat, die nicht Office selbst oder fast direkte Nachahmungen davon sind
    Das Tabellenkalkulationsmodell ist ein gutes Beispiel. Excel ist in Microsoft Office vielleicht sogar das beste Produkt, aber das Ergebnis ist: Wenn man Desktop Publishing mit Word nicht gut genug hinbekommt, muss man meist zu InDesign greifen, und wenn man kein Publishing-Profi ist, ist das oft überdimensioniert
  • Ich wusste nicht, dass es Improv gab. Es gibt Werkzeuge, die einer ähnlichen Vision wie Improv entsprechen
    Ich nutze bei der Arbeit täglich Anaplan, und eine moderne cloudbasierte SaaS-Version von Improv würde sich genau so anfühlen. Der Grund, warum daraus ein Unternehmen im Milliarden-Dollar-Maßstab wurde, scheint zu sein, dass es den Tabellenkalkulationsmarkt nicht frontal angegriffen hat, sondern einen Ansatz gewählt hat, der gut mit Tabellenkalkulationen zusammenspielt
    Die Schlussfolgerung des Improv-Artikels ist, dass der zentrale strategische Fehler darin bestand, Improv an den bestehenden Tabellenkalkulationsmarkt verkaufen zu wollen. Hätte man es an Segmente verkauft, in denen ein stärker strukturiertes Modell kein „Bug“, sondern ein „Feature“ ist, hätte Lotus Zeit gewonnen, das Modell zu lernen, zu verbessern und zu verfeinern, um später auch einen größeren Markt zufriedenzustellen. Anaplan scheint diesen Fehler nicht gemacht zu haben. Es hat eine Nische im EPM-Markt geschaffen, also im Enterprise Performance Management
  • An sich ist auch das eher ein groupby für Arme
    Irgendwann muss man zugeben, dass man die Abstraktion falsch gewählt hat. Es hat starke Zalgo-Vibes
  • Seit Mitte der 1990er habe ich Tabellenkalkulationen nicht mehr häufig benutzt. Einer der Gründe war, dass ich Hoffnungen in das Potenzial von Improv gesetzt hatte, dann aber enttäuscht war, als ich erkannte, dass es keine Zukunft hatte
    Dass Pivot-Tabellen ein anderer Ansatz für dieses Konzept waren, war mir damals nicht klar
    Ein weiterer Grund, warum ich Tabellenkalkulationen aufgegeben habe, war die Performance. Ich erinnere mich nicht, wie gut oder schlecht Improv in dieser Hinsicht war, aber die Datensätze, mit denen ich damals arbeitete, passten ohnehin nicht gut zu Tabellenkalkulationen, daher hätte ich sie wohl nicht weiter genutzt
  • Ich erinnere mich, dass ich als junger Reporter bei der britischen Launch-Veranstaltung von Lotus Improv war. Im Vergleich zu anderen Produkten fiel ziemlich deutlich auf, wie schick und professionell sie war, und rückblickend vermute ich, dass das Jobs’ Einfluss war
    Trotzdem hatten sie offenbar erhebliche Schwierigkeiten zu erklären, was Pivot-Tabellen sind — und ob diese eine Funktion allein Grund genug wäre, zu einer neuen Anwendung und einer neuen Hardwareplattform zu wechseln

• In Google Ads hatten wir jede Menge schick aussehende Dashboards gebaut, aber Nutzerforschung machte ziemlich deutlich: Am Ende wollten die Leute ihre eigenen Daten einfach als Pivot-Tabelle sehen.

  • Schick aussehende Dashboards sind zu unflexibel. Man kann nicht selbst Aggregationen hinzufügen, die über Triviales hinausgehen, man kann nicht einen bestimmten Wert einfärben, der einen interessiert, und man kann nicht direkt gut lesbare Berichte samt erklärendem Text erstellen.
    Spreadsheet-Export + Pivot-Tabelle ermöglicht all das. Eine halbwegs versierte Bürokraft kann das erledigen, ohne durch eine endlose Backlog-Spezifikation-Sprint-Entwicklung-Test-Neuspezifikation-Sprint-Schleife zu gehen.
  • Die Nutzer versuchten im Grunde mitzuteilen, dass dieses Dashboard nicht ausreichte, um die geschäftlichen Fragen zu beantworten, die der Chef täglich stellte, aber es klingt, als sei dieses Signal nicht angekommen.
    Wenn es nicht hilft, die Arbeit zu erledigen, interessiert es niemanden, dass es schick aussieht. Außerdem ist „schick“ sehr subjektiv. Das Team verschwendete tatsächlich Zeit an einer Stelle, von der es glaubte, dort Wert zu schaffen.
  • Ich arbeitete daran, schick aussehende Dashboards zu bauen, und eines Tages baten die Nutzer darum, „eine Spalte, in die man Funktionen wie SUM einfügen kann“, hinzuzufügen.
    Kurz darauf kündigte ich und wechselte ins Google-Sheets-Team.

• Microsoft hat Pivot-Tabellen direkt von meinem früheren Arbeitgeber Brio Technology und dessen Produkt DataPivot gestohlen: https://en.wikipedia.org/wiki/Brio_Technology
  Laut dem CEO ließ Microsoft ihn nach Redmond kommen, machte ihm ein beleidigend niedriges Angebot zur Übernahme des Unternehmens und drohte, falls er ablehne, ein eigenes Produkt zu bauen und Brio zugrunde zu richten. Er lehnte ab, und später fügte MS Pivot-Tabellen zu Excel hinzu.
  Im Artikel kommt auch Lotus vor; offenbar entstand dort etwa zur gleichen Zeit ein ähnliches Produkt. Die Brio-Gründer waren auch an einer Firma namens Metaphor beteiligt, und vielleicht wurden einige Ideen dort entwickelt.
  Dem Brio-Produkt lag eine Beispieldatenbank mit dem Inhalt des Weinkellers des CEO bei; genau diese Daten waren auch auf frühen Microsoft-Office-Boxen zu sehen.

  • Bei Stac Electronics gab es etwas Ähnliches: https://en.wikipedia.org/wiki/Stac_Electronics
    Allerdings hatte Stac Patente und zog Anwälte hinzu, um Microsoft wegen Patentverletzung zu verklagen. Microsoft gab zwar nicht einfach nach, aber nachdem das Gericht entschied, dass beide Seiten für die Auslieferung ihrer Produkte eine Lizenz benötigten, ging Stac zu großen OEM-Kunden und bot ihnen Lizenzen an.
    Entweder eine Patentlizenz nehmen oder das Produkt nicht ausliefern: Als die OEMs Druck auf Microsoft ausübten, führte das zu einem für Stac gar nicht so schlechten Vergleich. Ich sehe das als eines der besten Beispiele dafür, wie Softwarepatente dem Wettbewerb helfen können.
  • Ich frage mich, was MS genau gestohlen haben soll. Das Pivot-Tabellen-Konzept selbst, also Daten nach Zeilenkategorien zusammenzufassen, gibt es schon sehr lange; das kann also wohl nicht gemeint sein.
  • Ich frage mich, was damit gemeint ist, dass etwas gestohlen wurde. Die zugrunde liegende Technologie oder der Name pivot table?
    Das Konzept, kategorisierte Datenspalten zu aggregieren, wurde nicht von Brio Technology erfunden.
  • Das erinnert mich auch daran, dass Microsoft CPM an IBM lizenzieren wollte, es aber gar nicht besaß, also jemanden einen Klon bauen ließ und diesen dann an IBM lizenzierte.
  • Lotus Improv kam tatsächlich vor dem Brio-Produkt heraus. Ich erinnere mich gut an die Veröffentlichung von Improv; damals war das ein wirklich spannender Durchbruch.
    Das große Problem war meiner Meinung nach aber, dass es nicht Teil von Lotus 123 war. Als Excel Pivot-Tabellen direkt in die Tabellenkalkulation einbaute, wurde es daher viel nützlicher. Zumindest für mich war das so.

• Ich bin Ingenieur und auch mit SQL vertraut, aber die Fähigkeit, in Excel schnell zu arbeiten und spontan Pivot-Tabellen zu erstellen, hat meiner Karriere enorm geholfen. Besonders, als ich mich stärker in Richtung Produkt- und Business-Management bewegte.
  Pivot-Tabellen ermöglichen es, Aufschlüsselungen nach mehreren Dimensionen sehr schnell zu betrachten, die Analyse hin und her zu verändern und dadurch schneller Entscheidungen zu treffen. Abgesehen von bestehenden Tools für klar definierte Bereiche gibt es nicht viel, was dem gleichkommt.

  • Bei mir ist es eher umgekehrt. Ich lade Daten schnell in BigQuery hoch und fange sofort an, sie zu zerteilen.
    Ich kann SQL-Queries viel schneller absetzen, als in Excel herumzuklicken, und weil es einfacher ist, eine Query aus der Historie zu kopieren und einzufügen, als später in einem Excel-Sheet die gesamte Formatierung erneut anzupassen, ist es auch besser reproduzierbar.
  • Ich bin nie tief in Pivot-Tabellen eingestiegen, weil die Daten während meiner gesamten Karriere meist in relationalen Datenbanken lagen.
    Aber der Aufwand, Daten aus Spreadsheets in eine Datenbank zu übertragen, ist oft übertrieben; daher finde ich es auch für Ingenieure keine schlechte Wahl, Pivot-Tabellen zu verwenden.

• In Pandas nutze ich das ständig. Ich habe gerade auch eine entsprechende Unterrichtseinheit gegeben; sobald man die Syntax versteht, ist es sehr nützlich.
  Kluge Tools wie DuckDB haben den Nutzen erkannt – und auch den Schmerz, das in normalem SQL zu tun – und PIVOT in ihre Implementierung aufgenommen. Sehr nützlich.

  • Ich arbeite nicht besonders gern mit R, aber die Pivot-/Reshape-Funktionen von tidyr sind schwer zu schlagen. Sie sind viel angenehmer zu benutzen als ähnliche Funktionen in Python.
  • Mir gefällt die Implementierung in Rs dplyr. Es gibt pivot_longer und pivot_wider; schön wäre, wenn so etwas auch in Postgres käme.
  • Ich erinnere mich, dass es früher ein Plugin gab, um Pivot-Tabellen in Postgres abzufragen, aber es war so schmerzhaft zu benutzen, dass ein zweistufiger Ansatz einfacher und vielleicht sogar performanter war: erst per Python/SQLAlchemy-Verbindungscode die Spaltennamen abfragen und dann auf Basis dieser Spaltennamen eine zweite Query erzeugen.
    Ich hoffe, die Lage hat sich verbessert, denn Pivot-Tabellen sind wirklich nützlich.
  • Ich mochte das visuelle Abfragewerkzeug von Microsoft Access. Es war sehr intuitiv, für normale Nutzer aber vielleicht ein wenig zu abstrakt.
    Es erzeugte auch SQL, und dadurch habe ich ein bisschen SQL gelernt.
  • Auch Oracle hat PIVOT. Als ich es zuletzt verwendet habe, musste man die Spalten manuell angeben.

• Daher frage ich mich, was eine Pivot-Tabelle eigentlich genau ist. Ich habe noch nie eine benutzt oder gesehen, und das eingebettete Video wurde in meinem Browser nicht geladen.
  Aus diesem Artikel habe ich nur gelernt, dass es eine einfache Möglichkeit ist, Daten in einer Tabellenkalkulation darzustellen, und dass sie möglicherweise bei Lotus erfunden wurde.
  Was sie tatsächlich macht und wie man sie benutzt, ist mir immer noch völlig unklar.

  • Es ist eine Drag-and-drop-UI, mit der Einträge in einer Tabelle nach Kategorien gruppiert werden. Fachanwender haben damit üblicherweise Verständnisprobleme, deshalb gibt es viele kurze Videos auf YouTube. Ein Beispiel gibt es hier: https://www.youtube.com/watch?v=qu-AK0Hv0b4
    Persönlich finde ich sie paradoxerweise sehr nützlich und zugleich ein komplettes Durcheinander.

• Das bezieht sich vermutlich eher auf bestimmte Implementierungen als auf Pivot-Tabellen im Allgemeinen, aber sobald man etwas anspruchsvollere Dinge tun will, merkt man oft, dass sie nicht ausreichen.
  Um ein paar Beispiele zu nennen: Sowohl Excel als auch Google Sheets sind bei der Art, wie „Werte“ erzeugt werden, jeweils auf unterschiedliche Weise stark eingeschränkt.
  Auch die Art, wie Filtern/Sortieren in Pivot-Tabellen funktioniert, ist nicht gerade die intuitivste oder flexibelste.
  UI-Elemente wie Header und Styles zu steuern, ist sehr schwierig, und oft erstellt man eine Pivot-Tabelle, kopiert sie dann an eine andere Stelle und korrigiert manuell allerlei Dinge. Dann lässt sie sich aber nicht mehr dynamisch aktualisieren, wodurch der Zweck verwässert wird.
  Ich bin kein Tabellenkalkulations-Experte, also übersehe ich vielleicht etwas.

  • Ich bin einem Tabellenkalkulations-Experten ziemlich nahe, und ich würde Pivot-Tabellen eher als schnelle, unsaubere Ad-hoc-Datenvisualisierung einordnen. Für Präsentationen oder Bereiche, in denen Styling wichtig ist, verwende ich sie nicht.
    Ich nutze sie vor allem, um in Spalten der Rohdaten schnell unerwartete Werte zu finden. Seit es Spill-Formeln wie =unique() gibt, verwende ich sie aber selbst für diesen Zweck immer weniger.
    Wenn Leute mehr von Pivot-Tabellen erwarten, wollen sie meiner Ansicht nach meistens eher Power Query. Die Funktionalität gibt es bereits, aber viele haben Angst davor. Auf HN vielleicht nicht, aber bei der allgemeinen Nutzerschaft schon.
  • Stimme zu. Die aktuellen Implementierungen sind komplett fragil und weit von der Funktionsreife entfernt, die erfahrene Nutzer oder Power User erwarten würden.
    Das stört mich so sehr, dass ich beschlossen habe, selbst eine Tabellenkalkulations-Engine zu schreiben, und das ist einer der Schmerzpunkte, die ich beheben möchte.
  • Man kann diese Online-Pivot-Tabelle ausprobieren: https://www.seektable.com
    Allein durch Klicken auf die Header kann man die Reihenfolge von Zeilen/Spalten ändern, und mit einfachen Eingaben lässt sich angeben, welche Einträge beibehalten oder ausgeschlossen werden sollen, um Filter anzuwenden.

• Pivot-Tabellen sind definitiv mächtig, aber der Name ist unglücklich, und in Excel braucht man immer etwas Zeit, um mit der UI richtig zurechtzukommen.
  Die Categories-Funktion von MacOS Numbers gefällt mir, weil sie viel einfacher zu benutzen ist, aber wenn man an ihre Grenzen stößt, gibt es ziemlich nervige Einschränkungen.
  Für komplexe Aufgaben ist es heutzutage oft am einfachsten, die Tabellenkalkulation als CSV zu exportieren und dann mit CSVQ SQL-Abfragen darauf auszuführen.