XML-bestanden beheersen: structuur, toepassingen en belangrijkste voordelen

Een XML-bestand slaat gestructureerde gegevens op als geneste, voor mensen leesbare tags in plaats van rijen en kolommen. Microsoft omschrijft het formaat als "een technologie die is ontworpen voor het beheren en delen van gestructureerde gegevens in een voor mensen leesbaar tekstbestand." Deze gids behandelt hoe deze bestanden zijn opgebouwd, waar ze vandaan komen, hoe spreadsheets ermee omgaan en hoe u er een antwoord uit kunt halen.

Wat is een XML-bestand

Het is een plat tekstbestand dat zowel gegevens bevat als de namen van de dingen die het beschrijft. Een door komma's gescheiden export geeft u waarden en is voor de betekenis afhankelijk van een koprij. Een bestand met tags draagt de betekenis inline met zich mee, direct naast elke waarde.

Dat ontwerp heeft één consequentie die u vóór al het andere moet begrijpen. Het formaat is hiërarchisch, dus een record kan andere records bevatten, tot meerdere niveaus diep. Een spreadsheet is plat, en de kloof tussen die twee vormen is waar de meeste praktische problemen ontstaan.

Microsofts overzicht vat het doel in één zin samen: het formaat "vereenvoudigt de definitie, overdracht, validatie en interpretatie van gegevens tussen databases, toepassingen en organisaties aanzienlijk."

Hoe de structuur werkt

Elementen en nesten

Elke waarde bevindt zich in een benoemd element, en elementen kunnen andere elementen bevatten. Een factuur kan een klantblok, een lijst met regelitems en een totaalblok bevatten, elk met zijn eigen onderliggende elementen.

Het nesten is waar het om draait. Het legt relaties vast die een platte tabel alleen kan uitdrukken door waarden over rijen te herhalen.

Aangepaste tags

Tagnamen liggen niet vast in het formaat. Zoals het officiële overzicht stelt: "ontwerpers van toepassingen kunnen hun eigen aangepaste tags, datastructuren en schema's maken."

Dit is de reden waarom twee bestanden van twee leveranciers dezelfde factuur kunnen beschrijven en vrijwel geen veldnamen delen. Elke analyse moet beginnen met het lezen van wat de tags die u voor u heeft daadwerkelijk betekenen.

Schema's en validatie

Een apart schemabestand definieert de regels. Microsoft beschrijft deze koppeling rechtstreeks. Gegevensbestanden "bevatten de aangepaste tags en gestructureerde gegevens." Schemabestanden "bevatten schematags die regels afdwingen, zoals gegevenstype en validatie."

Schema's gebruiken de extensie .xsd. De standaard definieert ook transformatiebestanden met de extensie .xslt, beschreven als bestanden "die worden gebruikt om stijlen toe te passen en XML-gegevens te transformeren naar verschillende presentatieformaten."

Waar deze bestanden voor worden gebruikt

U kiest zelden zelf voor dit formaat. Het wordt meestal aangeleverd door een systeem dat al jaren draait.

• Financiën en bankwezen. Formaten voor afschriften en betalingsberichten zijn meestal voorzien van tags in plaats van scheidingstekens.
• E-facturatie. Veel nationale e-facturatiemandaten schrijven een document met tags voor als het wettelijke artefact.
• ERP- en HR-exports. Al lang bestaande bedrijfssystemen exporteren standaard vaak in dit formaat.
• Product- en contentfeeds. Feeds voor retailcatalogi en syndicatieformaten zijn gebaseerd op tags.
• Configuratie- en Office-documenten. Moderne Office-bestandsformaten zijn gezipte verzamelingen van onderdelen met tags.

Het patroon is bij alle vijf hetzelfde. Het bestand is een uitwisselingsartefact dat is geproduceerd voor een andere machine, niet een werkbestand dat is gemaakt voor een analist.

Vergeleken met de platte formaten

	Bestanden met tags (.xml)	CSV	Parquet
Vorm	Genest, vele niveaus	Platte rijen en kolommen	Plat, kolomgeoriënteerd
Veldnamen	Inline meegevoerd met elke waarde	Alleen koprij	Opgeslagen in bestandsmetadata
Validatie	Optioneel schemabestand dwingt typen af	Geen ingebouwd	Typen vastgelegd in het schema
Leesbaar in een teksteditor	Ja, hoewel omslachtig	Ja	Nee
Typische grootte voor dezelfde gegevens	Grootst	Middel	Kleinst
Gebruikelijke bron	Bedrijfssystemen en uitwisselingsstandaarden	Exports en rapporten	Dataplatforms

Als u regelmatig met deze formaten werkt, behandelen onze bijbehorende toelichtingen over TSV-bestanden en Parquet-bestanden de platte kant van die tabel.

Hoe Excel met het formaat omgaat

Dit is waar de meeste analisten het formaat tegenkomen, en de officiële documentatie is ongewoon duidelijk over wat er gebeurt.

Het importpad bevindt zich niet op het hoofdlint. Microsofts importinstructie is "Klik op Ontwikkelaar > Importeren." De pagina verwijst lezers ook naar de stappen om dat tabblad weer te geven, omdat het standaard verborgen is.

De basisworkflow heeft, in de woorden van Microsoft, "vijf fasen". U voegt een schemabestand toe aan een werkmap en koppelt de elementen ervan vervolgens aan cellen of tabellen. U importeert het gegevensbestand en koppelt de elementen aan die toegewezen cellen. Van daaruit werkt u in Excel en exporteert u de herziene gegevens weer.

Twee gedragingen zijn belangrijker dan de rest.

Excel raadt een schema als u er geen meelevert. Importeer zonder eerst een schema toe te voegen, en "Excel probeert een schema voor u af te leiden." Die gok is "gebaseerd op de tags die zijn gedefinieerd in het XML-gegevensbestand."

De gok wordt vervolgens opgeslagen in de werkmap. De pagina merkt ook op dat "u het door Excel afgeleide schema niet kunt exporteren als een afzonderlijk XML-schemagegevensbestand (.xsd)."

De nesting is flattened bij het importeren. Microsoft beschrijft het resultaat van het openen als alleen-lezen. Het is "een tweedimensionale tabel met rijen en kolommen die XML-tags als kolomkoppen weergeeft." Het hoofdelement wordt "gebruikt als een titel."

Dat platslaan is precies wat u wilt voor analyse en is precies waar betekenis verloren gaat. Een hiërarchie van drie niveaus wordt kolommen, en de relatie tussen ouder en kind overleeft alleen in de manier waarop de tags zijn genoemd.

Belangrijkste voordelen

De gegevens verklaren zichzelf. Veldennamen reizen mee met de waarden, dus een bestand dat gescheiden is van de documentatie is nog steeds interpreteerbaar.

Validatie maakt deel uit van het ecosysteem. Een schema kan gegevenstypen en verplichte velden afdwingen voordat de gegevens u bereiken, wat geen enkele gewone export met scheidingstekens doet.

Het overschrijdt organisatiegrenzen. Zoals het officiële overzicht opmerkt, volgt het formaat "de richtlijnen van de industriestandaard en kan het worden verwerkt door een verscheidenheid aan databases en toepassingen."

Hiërarchie blijft behouden. Eén factuur met twaalf regelitems blijft één factuur, in plaats van twaalf rijen die de kopwaarden herhalen.

Beperkingen die het waard zijn om te weten

Omslachtigheid. Het herhalen van tagnamen rond elke waarde maakt bestanden groot in vergelijking met dezelfde gegevens in een plat formaat.

Tagnamen zijn niet gestandaardiseerd tussen leveranciers. Aangepaste tags zijn een kenmerk van het formaat, en de prijs is dat elke nieuwe bron interpretatie behoeft.

Spreadsheets vereisen dat de hiërarchie wordt platgeslagen. Elke draaitabel, grafiek of formule verwacht een rechthoek, dus de vorm moet veranderen voordat de analyse begint.

Importeren kan mislukken bij validatie. Microsoft merkt op dat "Excel het dialoogvenster XML-importfout weergeeft wanneer het gegevens niet kan valideren volgens de XML-toewijzing." Dat stuurt u terug naar het schema voordat u kunt beginnen.

Tot een antwoord komen zonder te vechten met de vorm

De praktische vraag is zelden "hoe open ik dit bestand". Het is "hoe haal ik er vanmiddag nog een grafiek uit".

De route die werkt is de route die Excel al suggereert. Sla de hiërarchie plat tot een rechthoek, bepaal welk niveau van de hiërarchie één rij is, en analyseer van daaruit.

Powerdrill Bloom accepteert Excel, CSV, PDF en documenten als uploads, dus een bronbestand met tags moet eerst worden geconverteerd naar CSV of een werkmap. Excels eigen optie voor openen als alleen-lezen produceert precies die rechthoek, en dat geldt ook voor elke conversiestap in uw datatools.

Zodra de gegevens plat zijn, is de analyse heel gewoon. De pagina van de CSV AI assistant beschrijft dat pad. De prijzenpagina vat het resultaat samen: stel vragen over uw gegevens en "krijg een onderbouwd antwoord met grafieken, tabellen en exports." Als u specifiek de grafiek wilt, onze handleiding over een CSV-bestand omzetten in een grafiek dit van begin tot eind.

Eén beslissing verdient zorgvuldigheid voordat u converteert. Kies de korrelgrootte van de rij bewust. Eén rij per regelitem en één rij per factuur beantwoorden verschillende vragen.

Conclusie

Het formaat is omslachtig, zelfbeschrijvend en hiërarchisch, en die drie eigenschappen verklaren al het andere over het werken ermee. Het is uitstekend geschikt voor het verplaatsen van gegevens tussen organisaties en onhandig voor het analyseren van gegevens binnen één organisatie.

Beschouw conversie eerder als een beslissing dan als een karwei. Kies het niveau dat een rij wordt en behoud de tagnamen als kolomkoppen. Daarna is het werk hetzelfde als bij elke spreadsheetanalyse.

Heeft u momenteel een van deze bestanden in een map staan? Probeer Powerdrill Bloom op de platgeslagen export en bekijk de grafiek voordat u investeert in een pipeline.

Veelgestelde vragen

Waar wordt een XML-bestand voor gebruikt?

Het wordt gebruikt om gestructureerde gegevens tussen systemen en organisaties te verplaatsen. Veelvoorkomende bronnen zijn onder meer bankberichten, e-facturen, ERP- en HR-exports, productfeeds voor de detailhandel en de interne onderdelen van Office-documenten.

Wat is het verschil tussen XML en CSV?

Het ene is hiërarchisch en draagt veldnamen inline met elke waarde. Het andere is plat en vertrouwt op een enkele koprij. Het formaat met tags kan ook worden gevalideerd tegen een schemabestand, wat een export met scheidingstekens niet kan.

Hoe open ik een XML-bestand in Excel?

De gedocumenteerde route van Microsoft is Ontwikkelaar > Importeren, en het tabblad Ontwikkelaar is standaard verborgen. U kunt het bestand ook openen als alleen-lezen, wat een tweedimensionale tabel oplevert met de tags als kolomkoppen.

Heb ik een schemabestand nodig om de gegevens te gebruiken?

Nee. De documentatie van Microsoft stelt dat Excel probeert een schema af te leiden uit de tags wanneer er geen wordt meegeleverd. Het afgeleide schema wordt bij de werkmap bewaard en kan niet worden geëxporteerd als een afzonderlijk .xsd-bestand.

Wat is XSLT?

Microsoft beschrijft het als een transformatiestandaard die naast het gegevensformaat is gedefinieerd. Het gebruikt .xslt-bestanden "om stijlen toe te passen en XML-gegevens te transformeren naar verschillende presentatieformaten."