기본 콘텐츠로 건너뛰기

[알아두면 쓸모 있는 구글 스프레드시트 팁] 반복 적인 작업을 위한 매크로 기능의 모든 것




거의 40 년 전에 데뷔 한 이래로 스프레드시트는 기업이 업무를 수행하는 방법의 핵심이었습니다. 분기 별 매출 분석에서부터 제품 재고 업데이트에 이르기까지 스프레드 시트는 기업이 보다 신속하게 의사 결정을 내리기 위해 데이터를 수집하고 공유하는 데있어 매우 중요합니다.

Google은 이러한 이유로 Google 스프레드시트를 기업용으로 사용하기 위해 노력해 왔으며, 이에 일환으로 데이터를 분석하고 시각화하는 데 도움이 되는 기능들을 추가하고 있습니다. 반복적 인 작업을 자동화하기 위해 클라우드에 매크로를 기록하는 방법과 더 많은 형식 옵션을 포함한 기능들을 추가하였습니다.

스프레드시트에 매크로를 기록하고 평범한 작업을 건너 뜁니다.

우리는 기업들이 매크로를 다르게 접근함으로써 업무를 자동화하는 것을 돕기를 원합니다. 스프레드시트에서도 매크로를 기록 할 수 있습니다. 새로운 데이터 가져 오기의 형식을 지정하거나 여러 차트의 분기 데이터에 동일한 차트를 작성 해야 한다고 가정 해 보겠습니다. 수동으로 동일한 단계를 반복하는 데는 몇 시간이 걸릴 수 있지만 시트 매크로 레코더를 사용하면 코드를 작성하지 않고도 해당 작업을 기록하고 명령에 따라 재생할 수 있습니다.


작동 원리는 다음과 같습니다. 매크로를 기록하면 스프레드시트가 매크로 액션을 Apps 스크립트로 자동 변환합니다. 매크로를 업데이트하려면 처음부터 매크로를 다시 기록하지 않고 직접 스크립트를 편집하면 됩니다. 나만의 Apps Script 함수를 작성하고 새 매크로로 가져올 수도 있습니다.

시트 매크로의 가장 중요한 부분은 클라우드 기반 파일 용으로 제작 되었기 때문에 다른 사람들이 중단 없이 매크로를 실행할 수 있다는 것입니다. 예를 들어, 예산 미팅을 가지고 있는 재무 팀은 동일한 스프레드시트를 검토하면서 매크로를 실행할 수 있습니다. 또한 동료 또는 클라이언트가 매크로를 사용하기 위해 중요한 파일을 다운로드하지 않아도 된다는 것을 의미합니다. 스프레드시트 파일은 클라우드에 있으므로 데이터를 보고 공유 할 수 있는 사용자를 엄격하게 통제 할 수 있습니다.

매크로와 더불어 1. 프린트할 때 페이지 나누기 2. 용지크기 설정 3. 행,열을 그룹화 4. 셀을 체크박스로 바꾸기 5. 피벗 테이블에서 시간을 기준으로 데이터를 그룹화 등 몇가지 유용한 기능들이 추가되었습니다.


스프레드시트에 대한 추가 업데이트

지난 몇 년 동안 Google은 비즈니스에서 데이터를 보다 쉽게 보고, 분석하고 공유하는 데 도움이 되는 스프레드시트 기능을 구축하기 위한 노력을 기울인 것으로 나타났습니다. 여기에는 새로운 차트 유형 (워터폴 및 3D) 추가, 문서 및 슬라이드에서 데이터를 최신 상태로 유지하면서 차트를 임베드하는 방법 (파일을 이동하는 경우에도), 더 많은 기능 (최대 400 개 이상), 추가 서식, 인쇄 옵션 등.

오늘날 우리는 인쇄 페이지 나누기, 사용자 정의 용지 크기, 행 및 열 그룹화 옵션 추가 및 셀에 확인란을 추가하는 방법을 포함하여 일상적으로 요청되는 기능을 추가하고 있습니다. 또한 피벗 테이블을 만들 때 일정 기간 (예 : 주, 월 또는 연도)별로 데이터를 그룹화 할 수 있습니다.

피벗 테이블에 관해서도 Google의 엔지니어링 팀은 Google 인공 지능의 힘을 시트에 가져와 팀이 자신의 데이터가 무엇 인지를 알 수 있도록 돕는 데 어려움을 겪고 있습니다. 최근에 Google 스프레드 시트를 시트에 추가하여 데이터 분석 전문가의 숙련도에 상관없이 새로운 통계를 분석하고 찾을 수 있었습니다.

Pivot tables

Whirlpool Corporation 및 Sanmina와 같은 회사는 더 많은 협업 데이터 분석을 위해 시트를 사용하고 있습니다. 이러한 최신 추가 기능은 스프레드 시트를 비즈니스를위한 자료로 활용하고 앞으로 몇 주 동안 출시 될 예정입니다. 학습 센터의 스프레드 시트에 대해 자세히 알아보십시오.

참조 - 2018년 4월 11일자 Google 공식 영문 블로그  내용을 번역 한 것입니다.


댓글

이 블로그의 인기 게시물

[Gemini Deep Research 200% 활용법] Gemini 활용 전문가 팁

  Gemini 활용 전문가 팁 Gemini Deep Research 200% 활용법 AI에게 '알아서' 리서치를 시키는 것을 넘어, '최고의 결과물'을 받아내는 2단계 프롬프트 전략 Google Gemini의 'Deep Research' 기능, 정말 강력하죠. 하지만 "어떻게 질문해야 이 기능을 제대로 쓸 수 있을까?" 고민해 본 적 없으신가요? 원하는 답변 대신 너무 광범위하거나 초점이 맞지 않는 결과를 받아보고 실망한 경험도 있으실 겁니다. 오늘은 이 고민을 한 번에 해결해 드릴, 정말 간단하면서도 강력한  ' 2단계 메타 프롬프팅'  전략을 소개합니다. 이 방법은 AI 전문가가 아닌 일반 사용자 누구나 따라 할 수 있으며, 여러분을 단순한 '질문자'에서 AI의 잠재력을 이끌어내는 '프로젝트 감독'으로 만들어 줄 것입니다. 핵심 아이디어는 이렇습니다. "최고의 리서치 프롬프트를 내가 직접 쓰는 대신,  Gemini에게 '최고의 프롬프트를 만들어달라'고 먼저 요청 하는 것" 입니다. AI가 자기 자신을 가장 잘 아는 원리를 이용하는 거죠! 2단계로 완성하는 '전문가급 리서치' 이제부터 딱 두 단계만 따라 해보세요. 놀라운 결과물을 얻게 될 겁니다. 1  프롬프트 '설계도' 요청하기 먼저, 우리가 어떤 정보를 원하는지 Gemini에게 알려주고, 그에 맞는 완벽한 'Deep Research 실행용 프롬프트'를 만들어달라고 요청합니다. 아래 템플릿을 복사해서 여러분의 주제에 맞게 내용을 채워보세요. # 페르소나 당신은 Google Gemini의 'Deep Research' 기능에 대해 완벽하게 이해하고 있는 최고의 프롬프트 엔지니어입니다. 당신의 임무는 사용자의 연구 목표를 기반으로, Deep Research 기능의 성능을 극한까지 끌어낼 수 있는 가장 효과적이고 정교한 ...

[알아두면 쓸모 있는 구글 문서 팁] 문서 공유시- 사용자 이름 대신에 익명의 동물이 표시 되는 이유와 동물 종류

구글 드라이브에는 다른 유사 서비스에서는 제공하지 않는 구글 만의 유니크한 기능들이 있다 구글 문서를  불특정 다수에게 전체 공개로 공유할 수 있습니다. 불특정인이 구글 문서에 접속한 경우 익명의 동물로 표시됩니다.  ' 웹에 공개' 또는 '링크가 있는 사용자' 공유 설정을 선택하면 인식할 수 없는 이름이나 익명의 동물이 표시될 수 있습니다. 파일에서 인식할 수 없는 이름을 볼 수 있는 몇 가지 이유는 다음과 같습니다. 메일링 리스트와 파일을 공유합니다. Google 계정이 없는 사용자와 파일을 공유하며, 그 사용자가 다른 사용자에게 공유 초대를 전달했습니다. 내 파일을 수정할 수 있는 누군가가 파일을 다른 사용자와 공유했습니다. 다른 사용자가 자신의 Google 계정 이름을 변경했습니다. 공유 설정 페이지에서 해당 사용자 이름 위로 마우스를 이동하여 이메일 주소를 확인하세요. 익명의 동물 다른 사용자에게 개별적으로 보기 또는 수정 권한을 부여하거나 메일링 리스트에 속해 있는 경우에만 사용자 이름이 표시됩니다. 파일 권한을 '링크가 있는 사용자'로 설정하면 파일을 보고 있는 사용자의 이름이 표시되지 않습니다. 대신 다른 사용자가 익명으로 라벨이 지정되어 표시되고 각 익명 사용자는 다양한 익명의 동물로 나열됩니다. 파일 권한을 '링크가 있는 사용자'로 설정했지만 특정 사용자와 파일을 공유하는 경우 파일을 공유한 사용자의 이름이 표시됩니다. 그 외 다른 사용자가 파일을 볼 때는 익명으로 나타납니다. 비공개 파일의 익명 동물 파일 권한을 '링크가 있는 사용자'로 설정한 다음 이를 '특정 사용자'로 변경하면 다음과 같은 경우 여러 익명의 동물이 표시될 수 있습니다. 누군가 파일을 여러 번 여는 경우에는 익명의 동물 목록에서 오래되고 연결이 끊긴 세션을 강제 종료하는 데 조금 시간이 걸릴 수 있습니다. 누군가 온...

[팁] Google Slide 프리젠테이션시 모든 한글폰트가 '굴림체' 로 바뀌는 현상을 해결한 크롬 확장 프로그램 소개

구글 문서도구인 구글 슬라이드를 이용하여 프리젠테이션을 많이 하는 분들을 위한 희소식 현재 구글 슬라이드에서는 슬라이드 편집시 사용한 고유 한글 폰트들은 프리젠테이션 모드로 전환할 경우는 모두 '굴림체' 로 바뀌어 표시가 되는 불편함이 있었습니다. 예). 슬라이드 편집에서 사용한 '궁서체' 한글 폰트는, 프리젠테이션 모드에서는 '굴림체'로 바뀌어 디스플레이됨 예). 슬라이드 편집 모드 - '궁서체' 폰트 사용 프리젠테이션 모드에서 '굴림체' 로 변경됨    따라서, 이러한 현상을 해결하는 크롬 확장 프로그램이 개발 되었습니다.  크롬 확장 프로그램 명 - ShowAsis 입니다. 크 롬 웹스토어 링크 -  https://goo.gl/PVPkZz 이 확장 프로그램을 사용하여 슬라이드 프리젠테이션을 하면, 편집 모드의 폰트 그대로 프리젠테이션시에도 그대로 한글 폰트로 디스플레이 됩니다. 단, 단점은 슬라이드가 애니메이션 슬라이드가 있는 경우는 애니메이션이 동작하지 않습니다. ----------------------- G Suite/Google Apps 전문 블로그 -  charlychoi.blogspot.kr 도서 '기업과 학교를 위한 구글크롬북'

[복잡한 프롬프트 엔지니어링은 이제 그만, 동료와 대화하듯 소통하세요]

AI와 자연스러운 대화법 프롬프트 엔지니어링은 이제 그만, 동료와 대화하듯 소통하세요 핵심 철학 AI는 복잡한 명령어가 필요한 기계가 아닙니다. 자연스러운 대화로 협업하는 지능적인 파트너입니다. 프롬프트 패러다임의 변화 초기 생성형 AI 시대 (2022-2023) 한계:  제한적 추론 능력, 정적 학습 데이터, 단순 패턴 매칭 결과:  복잡한 프롬프트 엔지니어링 기법 필수 Chain-of-Thought   Few-shot Learning   Role Playing 현재 AI 시대 (2024-2025) 발전:  강화된 추론 능력, 실시간 웹 검색, 심층 리서치 결과:  자연스러운 대화만으로 충분한 성능 실시간 검색   고도화된 추론   맥락 이해 🔄 패러다임 전환의 핵심 AI의 능력이 향상되면서  "사용자가 AI에 맞춰야 하는 시대" 에서  "AI가 사용자에게 맞춰주는 시대" 로 변화했습니다. 1 맥락 제공하기 동료에게 업무를 요청할 때처럼, 상황과 배경을 자연스럽게 설명해주세요. "고객 발표용 자료를 만들어야 하는데, 비전문가들이 이해하기 쉽게 설명하고 싶어요." 2 단계적 대화 한 번에 완벽한 결과를 기대하지 말고, 대화를 통해 점진적으로 발전시켜나가세요. "먼저 전체 구조부터 잡아볼까요? 그다음에 세부 내용을 채워넣죠." 3 명확한 의도 표현 복잡한 구조 대신, 왜 이것이 필요한지 목적을 솔직하게 말해주세요. "팀 회의에서 사용할 건데, 논점을 명확하게 정리하고 싶어요." 4 자연스러운 피드백 마음에 들지 않는 부분이 있으면 편하게 수정을 요청하세요. 협업의 일부입니다. "이 부분은 좀 더 구체적으로 설명해줄 수 있을까요? 예시도 넣어주시고요." Before vs After 복잡한 프롬프트 엔지니어링 당신은 10년 이상의 경험을 가진 마케팅 전문가로서 행동하세요. AIDA 프레임워크를 사용하여 포괄적인 마케팅 전략을 수립하세요. 다음을 포함하세요: ...

정보 과잉 시대의 필수 스킬: Deep Research 잘하는 법 (SCOPE 프레임워크 활용)

  정보 과잉 시대의 필수 스킬: Deep Research 잘하는 법 (SCOPE 프레임워크 활용) 영희:  철수 박사님, 안녕하세요! 평소 생성형 AI나 검색형 AI에 관심이 많았는데, 최근에 'Deep Research'라는 개념이 새롭게 떠오르는 것 같더라고요. 박사님은 이 분야 전문가시니, 제가 Deep Research에 대해 좀 자세히 배울 수 있을까요? 철수:  안녕하세요, 영희 씨! 물론입니다. Deep Research는 기존의 AI 검색 방식과는 차원이 다른 심층적인 정보 탐색 및 분석 능력을 의미합니다. 마치 관광 여행과 현지 생활의 차이처럼 생각하시면 이해하기 쉬울 거예요. 일반 AI가 유명 관광지를 빠르게 둘러보는 패키지여행과 같다면, Deep Research는 그 지역에서 몇 달간 살아보며 현지 문화를 깊이 이해하는 경험과 비슷합니다. 영희:  아, 비유가 정말 와닿네요! 그럼 일반 AI와 Deep Research는 구체적으로 어떻게 다른 건가요? 철수:  핵심적인 차이점은 정보를 다루는 깊이와 방식에 있습니다. 일반 AI는 주로 학습된 데이터나 제한적인 검색 결과에 의존하여 즉각적인 답변을 제공하는 반면, Deep Research 에이전트는 자율적으로 다양한 출처를 탐색하고, 여러 단계의 심층적인 조사를 수행합니다. 예를 들어, 일반 AI에게 "비트코인 가격에 영향을 미치는 요인은 무엇인가요?"라고 질문하면, 학습된 데이터를 바탕으로 일반적인 요인들, 예를 들어 공급과 수요, 규제 환경 등을 나열하는 수준의 답변을 얻을 수 있습니다. 하지만 Deep Research 에이전트에게 "2018년부터 현재까지 비트코인 가격과 미국 금리 변동의 상관관계를 분석해주세요. 특히 금리 인상/인하 결정 발표 전후 비트코인 가격 변동 패턴, 시차 효과, 그리고 이 관계가 시간에 따라 어떻게 변화했는지 패턴화해주세요."와 같이 구체적인 질문을 던지면, Deep Research 가 스스로 자료를 조사하고 보기 ...