Στόχος Εκπαιδευτικού Προγράμματος:

Ανακάλυψε πώς η AI μπορεί να μεταμορφώσει τον τρόπο που δουλεύεις με το Excel! Σε αυτό το σεμινάριο θα μάθεις να χρησιμοποιείς το Microsoft Copilot για να αναλύεις δεδομένα σε δευτερόλεπτα, να αυτοματοποιείς υπολογισμούς, να δημιουργείς αναφορές με ένα κλικ και να παίρνεις αποφάσεις με ακρίβεια. Μέσα από πρακτικά παραδείγματα, ρεαλιστικά σενάρια και hands-on ασκήσεις, θα αποκτήσεις δεξιότητες που εξοικονομούν χρόνο, μειώνουν λάθη και ανεβάζουν την παραγωγικότητά σου στο επόμενο επίπεδο.

Απευθύνεται:

• Στελέχη και Managers που χρειάζονται ακριβή ανάλυση δεδομένων για γρήγορες και σωστές αποφάσεις.
• Αναλυτές, οικονομικούς και χρηματοοικονομικούς επαγγελματίες που θέλουν να αυτοματοποιήσουν υπολογισμούς και αναφορές.
• Project managers και επιχειρησιακούς υπεύθυνους που θέλουν να μετατρέπουν δεδομένα σε actionable insights.
• Επαγγελματίες που θέλουν να αξιοποιήσουν την AI για να αυξήσουν την αποδοτικότητα και την αποτελεσματικότητά τους στο Excel.

Προαπαιτούμενα για την παρακολούθηση του Copilot στο Excel

• Άδεια Microsoft 365 (Business ή Enterprise)
• Για να ενεργοποιηθεί το Copilot στο Excel, απαιτείται μία από τις εξής άδειες:
  • Microsoft 365 E5 ή E3 (Enterprise)
  • Microsoft 365 Business Standard ή Premium
• Η βασική άδεια Microsoft 365 δεν αρκεί από μόνη της. Χρειάζεται ξεχωριστή άδεια Copilot.

ΑΝΑΛΥΤΙΚΗ ΘΕΜΑΤΟΛΟΓΙΑ

Εισαγωγή – Βασική χρήση του Copilot και του Excel

Σκοπός: Κατανόηση της φιλοσοφίας του Copilot και εφαρμογή σε βασικά σενάρια

• Τι είναι το Microsoft Copilot και πώς λειτουργεί στο Excel
• Περιήγηση στο περιβάλλον εργασίας και τρόπος ενεργοποίησης
• Τύποι ερωτήσεων προς το Copilot – Πώς γράφουμε αποτελεσματικά prompts
• Εισαγωγή σε βασικές συναρτήσεις του Excel που χρησιμοποιεί το Copilot:
  • SUM (), AVERAGE (), MAX (), MIN (), COUNT ()

Δεδομένα – Καθαρισμός, Ταξινόμηση, Ανάλυση Δεδομένων

Σκοπός: Κατανόηση και εφαρμογή επεξεργασίας δεδομένων με χρήση του Copilot

• Χρήση του Copilot για καθαρισμό και οργάνωση δεδομένων
• Συναρτήσεις για επεξεργασία & φιλτράρισμα:
• FILTER (), SORT (), SORTBY (), UNIQUE (), TEXT (), TEXTJOIN (),
• TEXTSPLIT (), TEXTBEFORE (), TEXTAFTER ()

• Χρήση του Copilot για εντοπισμό ανωμαλιών ή λαθών
• Εισαγωγή δεδομένων Power Query

Αναφορές, Γραφήματα και Dashboards

Σκοπός: Δημιουργία πλήρους αναφοράς και οπτικοποίηση με χρήση του Copilot

• Χρήση του Copilot για τη δημιουργία γραφημάτων και Pivot Tables & Power Pivot
• Εντολές για δυναμική δημιουργία αναφορών
• Συναρτήσεις:
  • XLOOKUP (), INDEX (), MATCH (), IFERROR (), GROUPBY (),

PIVOTBY (), TRIMRANGE ()

• Εξαγωγή σε PDF / Παρουσίαση σε PowerPoint 

Προχωρημένη Ανάλυση, What–if & Αυτοματοποίηση

Σκοπός: Εφαρμογή Copilot για σενάρια απόφασης και αυτοματοποίηση

• What-if analysis με Copilot:

• • • IF (), IFS (), AND (), OR (), SWITCH ()

• Χρήση εργαλείων Excel:

• • • GOAL SEEK, DATA TABLE, SCENARIOS MANAGER
    • Copilot & Αυτοματοποίηση
    • Copilot & Μακροεντολές VBA
    • Copilot & Python

Pivot Tables, Φιλτράρισμα & Οπτικοποίηση

Σκοπός: Εστίαση στα Pivot Tables  και τα οπτικά εργαλεία του Excel με Copilot

• Τι είναι Pivot Table και γιατί είναι κρίσιμο εργαλείο
• Δημιουργία Pivot Table με Copilot από μη δομημένα δεδομένα
• Ομαδοποίηση, φιλτράρισμα, συνδυασμοί πινάκων
• Προσθήκη φίλτρων, slicers, υπολογιζόμενων πεδίων
• Pivot Tables και Pivot Charts
• Δημιουργία γραφημάτων με φυσική γλώσσα
• Εύρεση patterns και τάσεων
• Πρόβλεψη με χρήση Copilot (forecasting)
  

• Άσκηση 1: Σύνοψη δεδομένων πωλήσεων ανά προϊόν και περιοχή
• Άσκηση 2: Καθαρισμός ελλιπών ή διπλών εγγραφών σε πελατειακή βάση
• Άσκηση 3: Δημιουργία ταξινομημένου πίνακα με KPIs ανά τμήμα
• Άσκηση 4: Σύγκριση πωλήσεων ανά τρίμηνο – Δημιουργία αναφοράς
• Άσκηση 5: Δημιουργία Dashboard με βασικά KPIs για 3 καταστήματα
• Άσκηση 6: Ανάλυση σεναρίων πωλήσεων με αυξομείωση τιμών
• Άσκηση 7: Αυτόματη μορφοποίηση και ταξινόμηση αρχείων
• Άσκηση 8: Δημιουργία Pivot Table για τριμηνιαίες πωλήσεις ανά κατάστημα
• Άσκηση 9: Προσθήκη Pivot Chart με χρήση του Copilot

 Mini Project – Από τα Δεδομένα στην Απόφαση

Σκοπός: Εφαρμογή όλων των ενοτήτων σε πραγματικό σενάριο

• Μελέτη περίπτωσης: Dataset πωλήσεων ή KPI εταιρείας
• Ομαδική ανάλυση με prompts και δημιουργία αναφοράς
• Παρουσίαση αποτελεσμάτων και feedback