Zusammenführen und Zählen von Datensätzen aus mehreren CSV-Dateien

Wenn jedes System, jede Abfrage, jede Kampagne oder jeder Berichtszeitraum eine eigene CSV-Datei exportiert, liegt die Schwierigkeit nicht beim Zählen an sich.

Die eigentliche Herausforderung besteht darin, die Dateien zusammenzuführen, ohne die Bedeutung der Daten zu verlieren.

Dieser Artikel basiert auf einer echten Super User-Frage zum Zusammenführen und Zählen von Einträgen in verschiedenen CSV-Dateien. Der Benutzer hatte eine Master-CSV mit E-Mail-Adressen sowie über 50 Abfrage-CSV-Dateien. Jede Abfragedatei enthielt die E-Mail-Adressen derjenigen, die auf diese spezifische Abfrage geantwortet hatten. Das gewünschte Ergebnis war eine Masterliste, in der für jede E-Mail-Adresse angegeben war, in wie vielen Abfragedateien sie vorkam.

Das ist ein sehr praxisnahes Tabellenkalkulationsproblem. Es tritt immer dann auf, wenn ein Team pro Umfrage, Kampagne, Abfrage, Produkt, Lieferant, Ticket-Queue oder Berichtszeitraum eine eigene CSV exportiert.

Einige Benutzer erscheinen in jedem Export, andere nur in wenigen. Manche Abfragedateien haben unterschiedliche Spaltenüberschriften. Antworten können doppelt vorkommen. Erwartete Benutzer tauchen vielleicht gar nicht auf. Die Frage klingt einfach, aber der Workflow ist fehleranfällig.

Ein nützliches Ergebnis ist nicht nur eine nackte Zahl. Es ist ein Zusammenfassungsbericht, der zeigt, welche Datensätze übereinstimmen, wie oft sie vorkommen, in welchen Dateien sie fehlen und welche Zeilen manuell geprüft werden müssen.

Dasselbe Problem tritt bei unübersichtlichen RSVP-Listen auf: Eine Datei verwendet Ja, eine andere J und eine weitere ein X. Für die Berichterstattung über Benutzerantworten müssen diese Variationen als Statusregeln standardisiert werden, bevor man der Zählung vertrauen kann.

Beginnen Sie mit der exakten Quellstruktur

Für ein Problem im Stil der Super User-Frage gibt es zwei Arten von Dateien:

Das sicherste Ergebnis besteht nicht nur aus email und reply_count. Ein besserer Bericht enthält normalerweise:

• E-Mail
• Anzahl der Abfragedateien, in denen diese E-Mail geantwortet hat
• Liste der Quelldateien, in denen die E-Mail vorkam
• Liste der erwarteten Abfragedateien, in denen die E-Mail fehlte
• Kennzeichnung von Duplikaten
• Prüfhinweis

Diese Struktur beantwortet die eigentliche Frage des Benutzers und hält das Ergebnis gleichzeitig auditfähig.

Definieren Sie die Zählregel vor dem Zusammenführen

Bevor Sie irgendetwas zusammenführen, müssen Sie definieren, was die Zählung eigentlich aussagt.

Möchten Sie Folgendes zählen:

• Gesamtzahl der Antworten pro Benutzer über alle Dateien hinweg?
• Anzahl der Dateien, in denen jeder Benutzer erscheint?
• Antworten pro Abfragegruppe?
• Eindeutige Benutzer pro Export?
• Antworten innerhalb eines Datumsbereichs?

Dies sind jeweils unterschiedliche Berichte.

Wenn die Zählregel unklar ist, erhalten Sie am Ende eine Tabelle, die zwar korrekt aussieht, aber die falsche Frage beantwortet.

Wenn zum Beispiel dieselbe E-Mail zweimal in query_07.csv erscheint: Soll das als eine beantwortete Abfrage oder als zwei Antwortzeilen zählen? Für die ursprüngliche Frage ist die wahrscheinlichste Geschäftsregel: eine Zählung pro Benutzer pro Abfragedatei. Das bedeutet, Duplikate innerhalb einer Datei sollten markiert und nicht blind doppelt gezählt werden.

Formulieren Sie die Regel in einfachem Deutsch, bevor Sie die Arbeitsmappe erstellen.

Inventarisieren Sie zuerst die CSV-Exporte

Betrachten Sie jede Datei als eine Quelle, die möglicherweise nicht perfekt zu den anderen passt.

Notieren Sie für jede CSV:

• Name der Quelle oder Abfrage
• Datumsbereich
• Zeilenanzahl
• Feld für die Benutzerkennung
• Antwortfeld
• Dateispezifische Filter
• Fehlende Spalten
• Doppelte Datensätze
• Inkonsistenzen bei der Benennung

Dieser Schritt offenbart oft das eigentliche Problem. Einige Dateien verwenden vielleicht den Benutzernamen, während andere die user_id nutzen. Manche haben eine Zeile pro Antwort, andere eine Zeile pro Benutzer mit einem Zählfeld.

Wenn die Felder nicht aufeinander abgestimmt sind, schlägt die Zähllogik fehl.

Normalisieren Sie die Benutzeridentität vor dem Zählen

Benutzernamen sind keine stabilen Identifikatoren.

Zählen Sie nach Möglichkeit anhand einer eindeutigen ID statt des Anzeigenamens. Wenn nur Namen verfügbar sind, erstellen Sie eine Mapping-Tabelle, die Folgendes normalisiert:

• Groß-/Kleinschreibung
• Leerzeichen
• Satzzeichen
• Aliase
• Alternative Schreibweisen
• Fehlende Präfixe oder Suffixe

Dies ist besonders wichtig, wenn ein Benutzer in vielen CSV-Dateien vorkommt. Ein einziger inkonsistenter Name kann eine Person in zwei verschiedene Zählungen aufteilen.

Falls keine stabile Benutzer-ID existiert, vermerken Sie dies im Bericht. Die Zählung kann immer noch nützlich sein, ist aber weniger sicher.

Dies ist ein guter Zeitpunkt für einen leichtgewichtigen KI-Reporting-Workflow, wenn das Endergebnis geprüft und geteilt werden soll, anstatt es als rohe Tabelle zu belassen.

Erstellen Sie eine kombinierte Tabelle vor der Zusammenfassung

Springen Sie nicht direkt zu den Gesamtsummen.

Führen Sie die Dateien zuerst in einer einzigen Arbeitstabelle mit Spalten wie diesen zusammen:

• Quelldatei
• Benutzer-ID oder normalisierter Benutzername
• Antwort-Zählung
• Antworttext oder Status
• Datum
• Abfrage- oder Gruppenlabel
• Prüf-Flag

Sobald die Daten kombiniert sind, können Sie Folgendes berechnen:

• Gesamtzahl der Antworten pro Benutzer
• Anzahl der Dateien pro Benutzer
• Durchschnittliche Antworten pro Datei
• Fehlende Teilnahme an Dateien
• Ausreißer-Benutzer
• Doppelte Datensätze

Diese Struktur macht den Bericht leichter prüfbar. Zudem können Sie jede Zeile der Zusammenfassung bis zur Quell-CSV zurückverfolgen.

Für einen Antwort-Zählbericht könnte eine kombinierte Arbeitstabelle so aussehen:

Die Master-Zusammenfassung kann dann so aussehen:

Prüfen Sie fehlende Benutzer separat

Fehlende Benutzer sollten nicht einfach in der Zählung verschwinden.

Wenn ein Benutzer in einer Datei erscheint, in einer anderen aber nicht, kann das normal sein. Es kann aber auch bedeuten, dass der Export unvollständig ist.

Erstellen Sie eine separate Prüfliste für:

• Benutzer, die in einigen Dateien fehlen
• Dateien ohne Datensätze für erwartete Benutzer
• Benutzer mit inkonsistenten Identifikatoren
• Exporte mit ungewöhnlichen Zeilenzahlen
• Dateien, die nicht sauber geladen werden konnten

Dies hilft der Person, die den Bericht prüft, zu verstehen, ob eine niedrige Zählung ein echtes Signal oder nur ein Datenproblem ist.

Wenn sich der Workflow jeden Monat oder jede Woche wiederholt, verknüpfen Sie ihn mit einem umfassenderen monatlichen CSV-Reporting-Workflow, damit die Dateiverarbeitung und die Berichtsschritte konsistent bleiben.

So lassen Sie RowSpeak das Problem lösen

RowSpeak ist ideal, wenn die CSV-Dateien so unordentlich sind, dass sich die Zähllogik ständig ändert, oder wenn das Team keine Power Query-Schritte manuell erstellen möchte.

Sie können die Master-CSV und die Abfrage-CSV-Exporte zusammen hochladen. RowSpeak unterstützt Workflows mit mehreren Dateien (sogar 30+ Dateien in einem Chat). Das passt perfekt für Abfrage-Batches, Kampagnen-Batches und exportierte Berichtsordner.

Ein guter Prompt sollte die Dateien, die Zählregel und die gewünschten Ausgabe-Tabs beschreiben:

Ich habe eine Master-Benutzerdatei und viele CSV-Dateien mit Abfrageantworten hochgeladen.

Die Masterdatei enthält die vollständige Liste der erwarteten Benutzer in der Spalte "email".
Jede Abfrage-CSV enthält Benutzer, die auf diese Abfrage geantwortet haben, ebenfalls identifiziert durch die E-Mail-Adresse.

Bitte erstelle eine herunterladbare Excel-Arbeitsmappe mit diesen Blättern:
1. Master-Antwortzählung: Eine Zeile pro E-Mail aus der Masterliste mit der Anzahl der Abfragedateien, in denen diese E-Mail vorkommt.
2. Kombinierte Antworten: Führe alle Abfrage-CSV-Dateien in einer Tabelle zusammen und füge eine Spalte "Quelldatei" hinzu.
3. Prüfung fehlender Benutzer: Zeige für jede E-Mail an, in welchen Abfragedateien keine Antwort von dieser E-Mail vorlag.
4. Datei-QS: Zeige Zeilenanzahl, doppelte E-Mails, fehlende E-Mail-Werte und ungewöhnliche Header für jede Quelldatei an.

Zähle jede E-Mail höchstens einmal pro Abfragedatei. Wenn eine E-Mail zweimal in derselben Abfragedatei erscheint, markiere sie als Duplikat, anstatt sie doppelt zu zählen.
Copy

Sie können auch eine einfachere Ausgabe anfordern:

Erstelle eine Mastertabelle mit E-Mail und reply_count. Zähle, wie viele der hochgeladenen Abfrage-CSV-Dateien jede E-Mail enthalten. Verwende die Master-Benutzerliste als vollständige Ausgabeliste, einschließlich der Benutzer mit null Antworten.
Copy

RowSpeak hilft dabei:

• das richtige Zählfeld zu identifizieren
• Namen oder IDs zu normalisieren
• die Dateien in einer prüfbaren Tabelle zusammenzuführen
• fehlende Benutzer und verdächtige Lücken zu markieren
• Teilnahmemuster zusammenzufassen
• eine Berichtsansicht zur Überprüfung zu generieren

Das ist nützlicher, als einen generischen Chatbot zu bitten, "Antworten zu zählen", da das Problem nicht nur in der Arithmetik liegt. Es geht um Dateistruktur, Identitätsabgleich und Erklärbarkeit.

Wenn das Endergebnis mit einem Team geteilt werden soll, kann RowSpeak dabei helfen, die kombinierten Daten in einen lesbareren Excel-zu-Dashboard-Workflow zu verwandeln, anstatt das Ergebnis als rohes Aggregat zu belassen.

Ein nützlicher RowSpeak-Prompt sollte die Antwortregeln und die gewünschte Prüfung benennen, nicht nur nach einer Summe fragen:

Dasselbe Muster funktioniert über Benutzerantworten hinaus

Das wichtige Muster lautet: Masterliste, viele Exporte, Zusammenführung über einen Schlüssel, Zählen der Vorkommen, dann Prüfung fehlender oder doppelter Datensätze.

Dieses Muster findet sich in vielen Geschäftsbereichen wieder.

Für die Finanzen:

• Zählen, welche Kostenstellen monatliche Budgetdateien eingereicht haben.
• Zählen, wie viele Kontoauszugsexporte eine bestimmte Transaktions-ID enthalten.
• Abgleich von Lieferantenrechnungen über mehrere Kreditoren-Exporte hinweg und Markierung von Lieferanten, die in einem Zahlungslauf fehlen.

Für den E-Commerce:

• Zählen, wie viele Marktplatz-Exporte jede SKU enthalten.
• Identifizierung von Produkten, die in einem Kanal fehlen, aber in einem anderen vorhanden sind.
• Zählen von Retouren, Bewertungen oder Erstattungsfällen über mehrere Plattform-CSVs hinweg.

Für das Marketing:

• Zählen, wie viele Kampagnen-Exporte jede Lead-E-Mail enthalten.
• Zusammenführung von Webinar-, Newsletter- und Formularantwort-Dateien zu einem Engagement-Score.
• Markierung von Leads, die in Dateien bezahlter Kampagnen erscheinen, aber nie in Follow-up-Antwortdateien auftauchen.

Für die Lieferkette:

• Zählen, wie viele Lieferanten auf wöchentliche Bestätigungsanfragen geantwortet haben.
• Abgleich von Sendungs-IDs über Lager-, Spediteur- und Lieferantenexporte hinweg.
• Markierung von SKUs, die in Bedarfsdateien, aber nicht in Dateien zum verfügbaren Bestand erscheinen.

Die gleiche Prompt-Struktur funktioniert in jedem Fall. Benennen Sie die Masterliste, benennen Sie die Quelldateien, definieren Sie, was als gültiges Vorkommen zählt, und bitten Sie RowSpeak, die Rückverfolgbarkeit zur Quelldatei beizubehalten.

Ein praktischer Workflow zum Zählen

Nutzen Sie diese Abfolge:

1. Zählregel festlegen
   Gesamtantworten, Dateiteilnahme oder Anzahl eindeutiger Benutzer.

2. Jede CSV inventarisieren
   Header, Felder, Zeilenanzahl und Zeiträume notieren.

3. Benutzeridentität normalisieren
   IDs bevorzugen. Falls nötig, Namen standardisieren.

4. Alle Dateien in einer Tabelle zusammenführen
   Die Quelldatei sichtbar halten.

5. Zusammenfassungstabelle erstellen
   Antworten, Dateien oder Teilnahme wie gefordert zählen.

6. Prüfliste für fehlende Benutzer erstellen
   Datenlücken von echter Inaktivität trennen.

7. Kurze Erklärung hinzufügen
   Dem Leser mitteilen, was die Zählung bedeutet und was noch geprüft werden muss.

Häufige Fehler, die Sie vermeiden sollten

• Zählen Sie keine Anzeigenamen, ohne nach Aliasen zu suchen.
• Gehen Sie nicht davon aus, dass jede CSV dieselbe Zeilenstruktur verwendet.
• Vermischen Sie fehlende Benutzer nicht in derselben Tabelle mit gültigen Zählungen.
• Vergessen Sie nicht zu erklären, ob der Bericht Antworten, Benutzer, Dateien oder eindeutige Vorkommen zählt.

Das Fazit

Das Zusammenführen und Zählen von Datensätzen über viele CSV-Dateien hinweg ist eigentlich ein Berichtsproblem.

Das nützliche Ergebnis ist eine kombinierte, prüfbare Zusammenfassung, die zeigt, wer wo erscheint, wie oft dies geschieht und welche Datensätze Aufmerksamkeit erfordern.

Excel kann die Logik bewältigen. Power Query kann sie wiederholbar machen. RowSpeak kommt ins Spiel, wenn das Team von vielen Exporten zu einem teilbaren Bericht gelangen möchte, ohne den Überblick über fehlende Benutzer oder unordentliche Dateistrukturen zu verlieren.

Legen Sie los: Verwandeln Sie CSV-Antwortexporte in einen prüfbaren Bericht

Wenn Ihre Antworten über viele CSV-Dateien verstreut sind, laden Sie die Exporte bei RowSpeak hoch und beschreiben Sie die Zählregel in einfachem Deutsch. Bitten Sie das Tool, die Dateien zusammenzuführen, die Benutzeridentität zu normalisieren, Antworten zu zählen und fehlende oder verdächtige Datensätze separat aufzulisten.

Testen Sie RowSpeak noch heute und ersetzen Sie das manuelle CSV-Zählen durch einen Bericht, den Ihr Team tatsächlich nutzen kann.