Jak zbudować dashboard sprzedażowy w Google Sheets krok po kroku

Po co w ogóle dashboard sprzedażowy i kiedy ma sens

Różnica między prostą tabelą sprzedaży a dashboardem

Prosta tabela sprzedaży to zazwyczaj lista transakcji: daty, klienci, produkty, kwoty. Nadaje się do księgowości i ręcznego sprawdzania szczegółów, ale kompletnie nie sprawdza się przy szybkich decyzjach. Trzeba filtrować, przewijać, kopiować dane do nowych arkuszy. Zajmuje to czas i sprzyja błędom.

Dashboard sprzedażowy w Google Sheets działa inaczej. To ekran z kluczowymi liczbami, wykresami i filtrami, które pozwalają w kilka sekund odpowiedzieć na pytania typu: „Jaką sprzedaż miał zespół w tym miesiącu?”, „Który handlowiec jest na prowadzeniu?”, „Który kanał generuje największy przychód?”. Dane surowe nadal istnieją, ale są „pod spodem” – dashboard wyciąga z nich esencję.

Różnicę najlepiej widać po zachowaniu użytkowników. W tabeli sprzedaży większość osób boi się coś kliknąć, żeby niczego nie uszkodzić. W dobrze zaprojektowanym dashboardzie handlowiec może zmieniać filtry, zakres dat czy widoki bez ryzyka zepsucia danych. Dashboard ma więc charakter narzędzia decyzyjnego, a nie tylko archiwum faktur.

Typowe zastosowania dashboardu sprzedażowego

Dashboard sprzedażowy w Google Sheets przydaje się w wielu modelach biznesowych. Kilka najczęstszych scenariuszy:

• E-commerce – śledzenie przychodu dziennego i miesięcznego, średniej wartości koszyka, sprzedaży według kategorii produktów i kanałów (reklamy płatne, SEO, marketplace’y), analiza zwrotów.
• Sprzedaż B2B – monitorowanie wartości lejka sprzedażowego, liczby szans na każdym etapie, współczynnika wygranych, sprzedaży per handlowiec, marży dostosowanej do rabatów.
• Mały sklep lokalny – analiza sprzedaży dziennej, najlepiej rotujących produktów, wpływu promocji i sezonowości, różnic między dniami tygodnia.
• Freelancer / mała agencja – monitorowanie przychodu z projektów, stawek godzinowych, przychodu na klienta, udziału stałych i nowych klientów.

W każdym z tych przypadków dashboard powinien odpowiadać na inne pytania. E-commerce będzie potrzebować mocnego podziału na kategorie produktów i kanały marketingowe, a agencja – na klientów i typy usług. Konstrukcja dashboardu wynika więc z modelu sprzedaży, a nie z „mody na wykresy”.

Jak zdefiniować główne pytania biznesowe

Budowę dashboardu warto zacząć od kartki i długopisu. Zamiast od razu tworzyć wykresy, lepiej zapisać 5–10 kluczowych pytań biznesowych. Przykładowo:

• Jaki mamy przychód w tym miesiącu w porównaniu z poprzednim?
• Które 3 kanały sprzedaży generują największy przychód?
• Jak wygląda ranking handlowców według przychodu i liczby transakcji?
• Które produkty mają największy udział w przychodach?
• Jaką część przychodu generują stali klienci vs nowi?

Od odpowiedzi na te pytania zależy, jakie wskaźniki (KPI) pojawią się na dashboardzie, jakie filtry będą potrzebne (np. zakres dat, handlowiec, kanał sprzedaży) oraz jak trzeba przygotować dane surowe (np. czy konieczna jest kolumna „nowy/stały klient”).

Kiedy wystarczy Google Sheets, a kiedy sięgnąć po narzędzie BI

Google Sheets świetnie sprawdza się jako centralne miejsce raportowania dla małych i średnich zespołów sprzedażowych. Nie wymaga wdrożenia IT, ma niski próg wejścia i daje się łatwo połączyć z innymi narzędziami. Są jednak sytuacje, w których sensownie jest przejść na narzędzie klasy BI (Looker Studio, Power BI, itp.).

Proste kryteria wyboru:

Co sprawdzić na tym etapie

Na koniec wstępnego etapu warto upewnić się, że:

• cel biznesowy dashboardu da się opisać w 2–3 zdaniach (bez żargonu analitycznego),
• lista 5–10 kluczowych pytań biznesowych jest spisana,
• wiadomo, kto będzie korzystał z dashboardu (właściciel, szef sprzedaży, cały zespół).

Przygotowanie – jakie dane sprzedażowe są potrzebne i skąd je wziąć

Krok 1: identyfikacja źródeł danych sprzedażowych

Solidny dashboard sprzedażowy w Google Sheets zaczyna się od porządku w źródłach danych. Najpierw trzeba wypisać, skąd realnie pochodzą informacje o sprzedaży. Typowe źródła:

• CRM – informacje o szansach sprzedaży, etapach lejka, wygranych i przegranych transakcjach.
• System fakturowy – dane o wystawionych fakturach, korektach, rozliczeniach VAT.
• Platforma e-commerce – zamówienia, koszyki, statusy realizacji, zwroty.
• Google Forms lub formularze kontaktowe – leady, zgłoszenia ofertowe.
• Arkusze handlowców – ręcznie prowadzone listy kontaktów i spotkań.

Każde źródło powinno mieć „właściciela” – osobę, która odpowiada za poprawność i regularność eksportu danych. Bez tego dashboard szybko zacznie pokazywać nieaktualne informacje, bo nikt nie będzie czuł się odpowiedzialny za ich aktualizację.

Minimalny zestaw kolumn w danych sprzedażowych

Niezależnie od branży, w danych sprzedażowych przydaje się kilka podstawowych kolumn. Dobrze je ustandaryzować, zanim zaczniesz tworzyć dashboard:

• Data transakcji (np. data zakupu, data faktury).
• Klient (nazwa firmy lub osoba, najlepiej w jednej kolumnie o tej samej strukturze).
• Produkt / usługa (dokładna nazwa lub kod produktu).
• Ilość (liczba sztuk, godzin, licencji – zgodna z logiką Twojej oferty).
• Wartość netto i/lub brutto (osobne kolumny, żeby później móc decydować, czego używasz w KPI).
• Handlowiec (przy sprzedaży B2B, sieci sklepów, zespołach call center).
• Kanał sprzedaży (np. www, sklep stacjonarny, marketplace, telefon, partner).
• Status transakcji (zrealizowana, w trakcie, zwrócona, anulowana).

Jeżeli zamierzasz liczyć marżę, dobrze od razu dodać kolumnę z kosztem własnym produktu lub przygotować osobny słownik kosztów, który później połączysz formułami.

Konsolidacja danych z wielu plików

W praktyce dane sprzedażowe rzadko są w jednym miejscu. Najczęściej trzeba je scalić z kilku plików. W Google Sheets można to zrobić ręcznie (kopiuj–wklej) lub półautomatycznie. Dobry, prosty schemat:

1. Utwórz osobny plik „Dane_sprzedazowe_master”.
2. W każdym źródłowym pliku przygotuj zakładkę, gdzie dane są ułożone zgodnie z uzgodnionym zestawem kolumn.
3. W pliku master użyj formuł typu IMPORTRANGE, aby wczytywać dane z innych plików, np.:

   =IMPORTRANGE("URL_pliku_handlowca","Arkusz1!A2:H")

4. Połącz dane z kilku IMPORTRANGE za pomocą funkcji ARRAYFORMULA i {…; …}.

Takie podejście ma dwie zalety: dane aktualizują się automatycznie po wprowadzeniu zmian w plikach źródłowych, a sam dashboard korzysta z jednego, spójnego zestawu danych master.

Eksporty do CSV/XLS i czyszczenie przed importem do Sheets

Większość systemów (CRM, e-commerce, fakturowanie) pozwala na eksport do pliku CSV lub XLS. Po pobraniu takiego pliku nie warto od razu kopiować wszystkiego do arkusza z danymi surowymi. Lepiej zrobić krótkie „czyszczenie techniczne”:

• Usuń puste kolumny i wiersze tytułowe z opisami marketingowymi.
• Sprawdź, czy kolumny zawierają jednolite dane (np. nazwy kanałów sprzedaży w jednej kolumnie, a nie w kilku).
• Upewnij się, że daty nie są zapisane jako tekst typu „2023-01-15 12:30:00” z zbędnymi godzinami, jeśli nie będą potrzebne.
• Zmniejsz liczbę kolumn tylko do tych, które są potrzebne w dashboardzie.

Po wklejeniu danych do arkusza z danymi surowymi dobrze jest przejść sekcję po sekcji i sprawdzić, czy liczba wierszy zgadza się z liczbą transakcji raportowaną w systemie źródłowym.

Co sprawdzić przy przygotowaniu danych

Na tym etapie przydaje się krótka checklista:

• czy każde źródło danych ma przypisanego właściciela,
• czy nazwy kolumn są spójne między różnymi eksportami,
• czy ustalono minimalny zestaw kolumn i ich kolejność,
• czy zostało ustalone, w jaki sposób dane będą aktualizowane (ręcznie, IMPORTRANGE, dodatki).

Struktura pliku – jak zorganizować arkusze pod dashboard

Krok 1: podział na kluczowe arkusze

Przejrzysty dashboard sprzedażowy w Google Sheets zaczyna się od dobrej struktury pliku. Najprostszy, a jednocześnie bardzo skuteczny podział wygląda tak:

• Dane_surowe – plik/zakładka, do której trafiają wszystkie dane z eksportów lub integracji.
• Słowniki – listy produktów, handlowców, kanałów, statusów, regionów.
• Obliczenia – wszystkie formuły, tabele pomocnicze, KPI, kolumny techniczne.
• Dashboard – główny ekran raportowy, wykresy, kafelki KPI, filtry.

W większych projektach można dodać dodatkowe zakładki, np. „Parametry” (zakres dat, cele sprzedażowe) lub osobne „Dashboardy” dla poszczególnych działów, ale przy pierwszym wdrożeniu ten podstawowy podział zwykle w zupełności wystarczy.

Zasada: danych surowych nie edytuje się ręcznie

Arkusz „Dane_surowe” powinien być traktowany jak baza danych: bez ręcznych zmian w poszczególnych wierszach. Oznacza to m.in.:

• brak ręcznego kolorowania komórek,
• brak filtrowania, które by zapisywało się na stałe,
• brak ręcznego poprawiania pojedynczych wartości (z wyjątkiem korekt danych źródłowych w uzasadnionych przypadkach).

Wszystkie obliczenia, dodatkowe kolumny (np. „Rok”, „Miesiąc”, „Kanał_skrócony”) i logikę warto przenieść do arkusza „Obliczenia”. Dane surowe pozostają wtedy „czyste” i w razie czego można je łatwo odświeżyć, zastępując cały zakres nowym eksportem.

Rola arkusza „Słowniki”

Arkusz „Słowniki” to miejsce na wszystkie listy referencyjne, które pomagają utrzymać porządek i spójność nazw. Typowe sekcje słowników:

• Lista produktów (z kolumnami: kod, pełna nazwa, kategoria, koszt, marża docelowa).
• Lista handlowców (imię i nazwisko, zespół, region, typ zatrudnienia).
• Lista kanałów sprzedaży (nazwa techniczna z systemu, nazwa uproszczona dla dashboardu).
• Lista statusów transakcji (np. „Zamówione”, „Zrealizowane”, „Zwrócone”, „Anulowane”).

Z tego arkusza korzystają listy rozwijane (sprawdzanie poprawności danych) oraz formuły wyszukujące (VLOOKUP, XLOOKUP, INDEX+MATCH). Dzięki temu nawet jeśli w danych surowych pojawi się trochę bałaganu (np. różne warianty nazwy produktu), można je zmapować do jednej, ustandaryzowanej nazwy używanej w dashboardzie.

Arkusz „Obliczenia” jako warstwa logiki

Arkusz „Obliczenia” to serce całego systemu. Tutaj powstają wszystkie wskaźniki, tabele pomocnicze i agregaty, z których korzysta dashboard. Dobry sposób pracy z tą zakładką to:

• Stworzenie sekcji „Kolumny pomocnicze”, w której dane z „Dane_surowe” są rozszerzane o dodatkowe informacje (rok, miesiąc, kwartał, kategoria produktu, region, marża).
• Utworzenie sekcji „KPI” – zbiór pojedynczych komórek z kluczowymi wskaźnikami (przychód bieżącego miesiąca, liczba transakcji, średnia wartość koszyka, itp.).

Grupowanie logiki obliczeń

Przy rozbudowanym dashboardzie arkusz „Obliczenia” potrafi szybko zmienić się w gąszcz formuł. Żeby temu zapobiec, dobrze jest od początku ułożyć w nim jasną strukturę. Sprawdza się prosty podział na sekcje, wyróżnione nagłówkami w kilku pierwszych wierszach:

• Sekcja 1: Dane rozszerzone – kopiujesz wszystkie kolumny z „Dane_surowe” i po prawej dodajesz kolumny pomocnicze (rok, miesiąc, kategoria, region, marża).
• Sekcja 2: Agregaty czasowe – tabele typu „sprzedaż wg miesiąca”, „sprzedaż wg tygodnia”, „sprzedaż vs cel”.
• Sekcja 3: Agregaty wymiarowe – sprzedaż wg produktu, kanału, handlowca, regionu.
• Sekcja 4: KPI – pojedyncze komórki z kluczowymi wskaźnikami, z których korzysta dashboard.

Taki podział pomaga później, gdy ktoś po kilku miesiącach wraca do pliku i próbuje zrozumieć, gdzie szukać danej formuły. Zamiast skakać po całym arkuszu, przechodzi do konkretnej sekcji.

Typowy zestaw kolumn pomocniczych w sekcji „Dane rozszerzone” może wyglądać tak:

• Data_transakcji (z „Dane_surowe”)
• Rok – formuła:

  =ROK(A2)

• Miesiąc – formuła:

  =TEKST(A2;"YYYY-MM")

• Kwartał – np.

  ="Q"&LICZBA.KWARTAŁÓW(A2)

  (lub ręczna logika IF).

• Kategoria_produktu – wyszukana po kodzie produktu ze „Słowników”.
• Region_klienta – wyszukany po nazwie klienta lub kodzie pocztowym.
• Marża_kwotowa – różnica między wartością sprzedaży a kosztem własnym z „Słowników”.

Przykład prostego wyliczenia marży w kolumnie pomocniczej (zakładając, że w „Słowniki!A:B” są kody i koszty, a w kolumnie C jest wartość netto transakcji):

=C2 - VLOOKUP(B2;Słowniki!A:B;2;FAŁSZ)

gdzie:

• B2 – kod produktu,
• C2 – wartość sprzedaży netto,
• Słowniki!A:B – zakres słownika produktów (kod + koszt).

Co sprawdzić:

• czy sekcje w „Obliczenia” są wyraźnie opisane (nagłówki, odstępy),
• czy kolumny pomocnicze odnoszą się do właściwych kolumn z „Dane_surowe”,
• czy w formułach wyszukiwania (VLOOKUP/XLOOKUP) zakresy obejmują wszystkie wiersze.

Arkusz „Dashboard” jako warstwa prezentacji

Ostatnia warstwa to arkusz „Dashboard”. Tu nie powinny pojawiać się długie, skomplikowane formuły. Zamiast tego:

• korzystaj z gotowych wyników z arkusza „Obliczenia” (KPI, tabele agregatów),
• twórz wykresy, które odwołują się do gotowych tabel przestawnych lub prostych zakresów,
• używaj elementów interaktywnych (listy rozwijane z „Parametry”, pola wyboru).

Dzięki temu, jeżeli coś się zmieni w logice (np. inaczej liczony cel sprzedaży), poprawki wykonujesz w arkuszu „Obliczenia”, a dashboard automatycznie się aktualizuje.

Praktyczny schemat budowy dashboardu:

1. Krok 1: w „Obliczenia” przygotuj dane w takiej formie, w jakiej będą potrzebne na wykresach (np. tabela „Miesiąc | Sprzedaż | Cel”).
2. Krok 2: w „Dashboard” wstaw wykres i jako źródło wskaż tę tabelę.
3. Krok 3: obok wykresu ustaw „kafelki KPI” – pojedyncze komórki z najważniejszymi liczbami (przekopiowane z sekcji „KPI”).
4. Krok 4: dodaj listy rozwijane (np. wybór handlowca, kanału), które będą filtrować dane za pomocą formuł w „Obliczenia”.

Co sprawdzić:

Przy starcie, pilotażu lub pracy z pojedynczym zespołem handlowców Google Sheets będzie w większości przypadków wystarczające. Szczególnie gdy do dyspozycji są gotowe praktyczne wskazówki: poradniki, które przyspieszają konfigurację i uczą dobrych nawyków pracy z arkuszami.

• czy na „Dashboard” nie ma długich formuł (jeśli są – przenieś je do „Obliczenia”),
• czy każdy wykres jednoznacznie wskazuje, do jakiego zakresu się odwołuje,
• czy wszystkie kafelki KPI pobierają dane z sekcji „KPI”, a nie z losowych komórek.

Porządkowanie i standaryzacja danych sprzedażowych

Typowe problemy z danymi sprzedażowymi

Przed liczeniem wskaźników przychodzi etap, który większość osób chciałaby pominąć: sprzątanie danych. W praktyce to tu wygrywa się lub przegrywa wiarygodność dashboardu. Najczęstsze problemy:

• różne formaty dat (np. DD.MM.RRRR, RRRR-MM-DD, tekst typu „styczeń 2023”),
• różne wersje tej samej nazwy klienta („ABC Sp. z o.o.”, „ABC sp zoo”, „ABC”),
• różne nazwy kanałów sprzedaży („www”, „WWW”, „sklep online”),
• mieszanie walut lub stawek VAT w jednym polu,
• puste wartości w kluczowych kolumnach (np. kanał, handlowiec).

Jeżeli takie błędy przejdą dalej, dashboard zacznie pokazywać kilka „różnych” kanałów, które są w rzeczywistości jednym, albo błędnie policzy marżę. Dlatego lepiej poświęcić godzinę na ujednolicenie nazw, niż potem tygodniami tłumaczyć, skąd biorą się dziwne różnice.

Standaryzacja dat i liczb

Krok 1: sprawdzenie, czy daty są liczbami, a nie tekstem. W Google Sheets można to szybko zweryfikować, zmieniając format komórek na liczbowy. Jeśli zamiast dat zobaczysz duże liczby (np. 44927), dane są poprawne. Jeśli pola pozostają niezmienione – to tekst.

Prosty sposób konwersji tekstu na datę (gdy format jest spójny, np. „2023-01-15”):

=DATA(WARTOŚĆ(LEWY(A2;4));WARTOŚĆ(ŚRODKOWY(A2;6;2));WARTOŚĆ(PRAWY(A2;2)))

Jeśli daty mają dodatkową godzinę (np. „2023-01-15 12:30:00”), można „wyciąć” datę:

=DATA(WARTOŚĆ(LEWY(A2;4));WARTOŚĆ(ŚRODKOWY(A2;6;2));WARTOŚĆ(ŚRODKOWY(A2;9;2)))

Po konwersji warto przypisać całej kolumnie spójny format daty (np. RRRR-MM-DD), żeby później uniknąć wizualnego misz-maszu.

Krok 2: standaryzacja liczb. Typowe błędy to:

• użycie przecinka zamiast kropki lub odwrotnie (np. „1,50” jako tekst),
• dodawanie walut w tej samej kolumnie (np. „100 PLN”, „200 EUR”).

Tekstowe liczby z przecinkiem można zamienić na liczby np. tak:

=WARTOŚĆ(ZASTĄP(A2;SZUKAJ(",";A2);1;"."))

(dla przypadku, gdy oryginalna wartość to np. „123,45”). Waluty powinny być rozdzielone – jedna kolumna z kwotą, druga z kodem waluty.

Co sprawdzić:

• czy wszystkie daty w „Dane_surowe” można posortować rosnąco bez błędów,
• czy kolumny kwot mają format liczbowy, a nie tekstowy,
• czy waluta nie jest mieszana z kwotą w jednym polu.

Ujednolicanie nazw klientów, produktów i kanałów

Następny krok to nazwy. Jeśli ten sam klient występuje pod kilkoma wariantami, dane o sprzedaży się rozbijają i trudno policzyć jego pełną wartość. Najlepsza praktyka to:

1. Krok 1: w „Dane_surowe” utwórz pomocniczą listę unikalnych nazw klientów (np. w kolumnie pomocniczej arkusza „Obliczenia”).
2. Krok 2: na podstawie tej listy zbuduj w „Słowniki” tabelę „Klienci”, z dwiema kolumnami:
   • Oryginalna_nazwa
   • Nazwa_standardowa
3. Krok 3: w „Obliczenia” dodaj kolumnę „Klient_standardowy”, która za pomocą VLOOKUP/XLOOKUP podmieni dowolny wariant na jednolitą nazwę.

Przykładowa formuła w kolumnie „Klient_standardowy”:

=JEŻELI.BŁĄD(
  XLOOKUP(C2;Słowniki!A:A;Słowniki!B:B);
  C2
)

Jeśli nazwy są bardzo zróżnicowane, na początku można ręcznie uzupełnić tylko największych klientów, a resztę pozostawić w oryginalnej formie. W kolejnych iteracjach słownik się rozbudowuje.

Analogicznie postępujesz z kanałami sprzedaży. W „Słowniki” przygotowujesz tabelę:

• Kanał_techniczny (np. „www_store”, „ONLINE-SHOP”, „ecom”),
• Kanał_skrócony (np. „Online”),
• Grupa_kanału (np. „Digital”, „Offline”).

Jeśli dashboard ma pokazywać wyniki w prosty sposób (np. „Online”, „Sklep stacjonarny”, „Marketplace”), taka mapowanie jest konieczne.

Co sprawdzić:

• czy w „Słowniki” powstały słowniki klientów, kanałów i produktów,
• czy w danych rozszerzonych używasz „nazw standardowych”, a nie surowych,
• czy najwięksi klienci/kanały nie występują pod kilkoma nazwami.

Radzenie sobie z brakami i błędami w danych

Brakujące wartości zdarzają się zawsze. Zamiast je ignorować, lepiej ustalić zasady postępowania. Przykłady:

• Brak kanału sprzedaży – tymczasowo ustawiasz wartość „NIEZNANY” i dodajesz filtr w dashboardzie, który pozwala ją włączyć/wyłączyć.
• Brak handlowca – jeśli to sprzedaż online, wpisujesz np. „E-commerce”.
• Brak kosztu produktu w słowniku – marża dla tej transakcji jest pusta lub 0, dopóki słownik nie zostanie uzupełniony.

W formułach przydają się JEŻELI.BŁĄD i JEŻELI, np. dla marży:

=JEŻELI.BŁĄD(
  C2 - VLOOKUP(B2;Słowniki!A:B;2;FAŁSZ);
  ""
)

Zamiast generować błąd #N/D, formuła zostawia pustą komórkę, co jest bezpieczniejsze przy późniejszym liczeniu sum i średnich.

Co sprawdzić:

• czy wszystkie braki są obsłużone w formułach (brak #N/D, #BŁĄD!),
• czy ustaliłeś/aś jasne zasady, jak oznaczać nieuzupełnione pola (np. „NIEZNANY”),
• czy lista „NIEZNANYCH” kanałów/klientów nie rośnie bez kontroli.

Kluczowe wskaźniki (KPI) sprzedażowe i jak je policzyć w Google Sheets

Wybór zestawu KPI dla dashboardu

Zanim zaczniesz pisać formuły, trzeba zdecydować, co dokładnie chcesz mierzyć. Typowe KPI dla dashboardu sprzedażowego:

• Przychód (netto lub brutto) w wybranym okresie.
• Liczba transakcji (np. liczba faktur, zamówień).
• Średnia wartość transakcji (średni koszyk).
• Liczba nowych klientów w okresie.
• Retencja / udział stałych klientów.
• Marża brutto.
• Realizacja celu sprzedażowego (w %).

Dla małej firmy B2B praktyczny zestaw na początek to: przychód, liczba transakcji, średnia wartość transakcji, sprzedaż wg handlowca, sprzedaż wg kanału. W e-commerce zwykle dochodzi liczba zamówień, średni koszyk i udział kanałów.

W tym miejscu przyda się jeszcze jeden praktyczny punkt odniesienia: Tworzenie streszczeń długich tekstów prosto w arkuszu dzięki AI.

Kluczowa zasada: każdy KPI powinien opierać się na jasno zdefiniowanych formułach w arkuszu „Obliczenia”, a w „Dashboard” powinno się pokazywać tylko wynik.

Przychód w wybranym okresie (SUMA, SUMA.WARUNKÓW)

Najbardziej podstawowy wskaźnik to wartość sprzedaży w danym okresie czasu. Załóżmy:

• w arkuszu „Obliczenia” w zakresie A:H są dane rozszerzone,
• kolumna A – Data_transakcji,
• kolumna H – Wartość_netto,
• w arkuszu „Parametry” komórki B2 i B3 zawierają datę od–do.

Formuła licząca przychód w wybranym okresie może wyglądać tak:

=SUMA.WARUNKÓW(
  Obliczenia!H:H;
  Obliczenia!A:A;">="&Parametry!B2;
  Obliczenia!A:A;"<="&Parametry!B3
)

Jeżeli chcesz dodatkowo ograniczyć sprzedaż np. do statusu „Zrealizowane”, możesz dodać kolejne kryterium w SUMA.WARUNKÓW (np. po kolumnie Status).

Co sprawdzić:

• czy zakres dat w „Parametry” jest poprawny i ma format daty,

Liczba transakcji i średnia wartość transakcji

Po przychodzie kolejnym krokiem jest policzenie, z ilu transakcji ten przychód się składał oraz jak wysoka jest przeciętna wartość pojedynczej transakcji.

Liczba transakcji w okresie

Załóżmy, że:

• kolumna A w „Obliczenia” to Data_transakcji,
• kolumna B to ID_transakcji (np. numer zamówienia / faktury),
• daty od–do nadal pobierasz z „Parametry”!B2:B3.

Jeśli każdy wiersz to osobna transakcja, wystarczy policzyć wiersze w zadanym zakresie dat:

=LICZ.JEŻELI.WIELOKROTNIE(
  Obliczenia!A:A;">="&Parametry!B2;
  Obliczenia!A:A;"<="&Parametry!B3
)

Gdy jedna transakcja może zajmować kilka wierszy (np. kilka pozycji faktury), lepiej policzyć unikalne ID_transakcji:

=LICZ.UNIKATY(
  FILTR(
    Obliczenia!B:B;
    Obliczenia!A:A >= Parametry!B2;
    Obliczenia!A:A <= Parametry!B3
  )
)

Średnia wartość transakcji (średni koszyk)

Mając łączny przychód i liczbę transakcji, średnia wartość transakcji to proste dzielenie:

=JEŻELI(
  KPI!B2 = 0;
  0;
  KPI!B1 / KPI!B2
)

gdzie np. w arkuszu „KPI”:

• B1 – wartość przychodu w okresie,
• B2 – liczba transakcji w okresie.

Dzięki JEŻELI unikniesz dzielenia przez zero, gdy w danym okresie brak sprzedaży.

Co sprawdzić:

• czy liczba transakcji nie „zamyka się” na jednym dużym kliencie (zbyt mało danych do wniosków),
• czy jedna transakcja nie jest zapisana w kilku wierszach i czy liczysz ją tylko raz,
• czy średnia wartość transakcji nie spada lub nie rośnie przez pojedyncze, skrajne zamówienia (warto dodać też medianę).

Nowi i powracający klienci

Jeśli dane zawierają identyfikator klienta, można zbudować prosty wskaźnik nowych klientów oraz udział sprzedaży do klientów powracających.

Identyfikacja pierwszej daty zakupu klienta

Krok 1: w „Obliczenia” dodaj kolumnę pomocniczą Data_pierwszego_zakupu. Załóżmy, że:

• kolumna C – Klient_ID_standardowy,
• kolumna A – Data_transakcji.

W komórce z pierwszym wierszem danych wpisz:

=MINA(
  FILTR(
    Obliczenia!A:A;
    Obliczenia!C:C = C2
  )
)

Ta formuła zwraca najwcześniejszą datę, gdy dany klient pojawił się w sprzedaży.

Flaga „nowy klient” i „stały klient”

Krok 2: dodaj kolumnę Typ_klienta, w której oznaczysz, czy dana transakcja pochodzi od nowego, czy powracającego klienta dla danego okresu.

Przyjmijmy, że zakres raportowany to daty z „Parametry”!B2:B3. W kolumnie Typ_klienta wpisz:

=JEŻELI(
  ORAZ(
    Data_pierwszego_zakupu >= Parametry!B2;
    Data_pierwszego_zakupu <= Parametry!B3
  );
  "Nowy";
  "Stały"
)

Następnie w sekcji KPI możesz policzyć:

• liczbę nowych klientów w okresie:

=LICZ.JEŻELI(
  Obliczenia!E:E;  
  "Nowy"
)

• udział przychodu od nowych klientów:

=SUMA.WARUNKÓW(
  Obliczenia!H:H;
  Obliczenia!E:E;"Nowy";
  Obliczenia!A:A;">="&Parametry!B2;
  Obliczenia!A:A;"<="&Parametry!B3
)
/
SUMA.WARUNKÓW(
  Obliczenia!H:H;
  Obliczenia!A:A;">="&Parametry!B2;
  Obliczenia!A:A;"<="&Parametry!B3
)

Co sprawdzić:

• czy identyfikator klienta jest stabilny w czasie (nie zmienia się format, np. mail vs ID),
• czy w kolumnie Data_pierwszego_zakupu nie ma błędów i pustych wartości,
• czy daty w „Parametry” nie wybierają okresu wcześniejszego niż najstarsze dane (wtedy liczby mogą być zaniżone).

Marża brutto i progi rentowności

Kolejny krok to przejście z przychodu na marżę. Do tego potrzebny jest koszt własny sprzedaży (np. koszt zakupu produktu, koszt prowizji marketplace).

Wyliczenie marży na poziomie transakcji

Załóżmy, że:

• kolumna H – Wartość_netto_sprzedaży,
• kolumna I – Koszt_bezpośredni,
• kolumna J – Marża_kwotowa,
• kolumna K – Marża_%.

Krok 1: marża kwotowa:

=JEŻELI(
  LUB(H2 = ""; I2 = "");
  "";
  H2 - I2
)

Krok 2: marża procentowa:

=JEŻELI(
  LUB(H2 = 0; H2 = "");
  "";
  J2 / H2
)

Taki zapis zabezpiecza przed dzieleniem przez zero oraz przed pociągnięciem formuły na puste wiersze.

Marża globalna i wg kanałów

Gdy marża jest już wyliczona na każdej transakcji, globalny poziom marży dla okresu policzysz w prosty sposób:

=SUMA.WARUNKÓW(
  Obliczenia!J:J;
  Obliczenia!A:A;">="&Parametry!B2;
  Obliczenia!A:A;"<="&Parametry!B3
)
/
SUMA.WARUNKÓW(
  Obliczenia!H:H;
  Obliczenia!A:A;">="&Parametry!B2;
  Obliczenia!A:A;"<="&Parametry!B3
)

Analogicznie, gdy chcesz rozbić marżę wg kanału, możesz użyć SUMA.WARUNKÓW z dodatkowym kryterium po kolumnie Kanał_skrócony.

Co sprawdzić:

• czy każdy produkt w słowniku ma przypisany koszt i czy logika kosztów (np. rabaty, prowizje) jest spójna,
• czy marża nie wychodzi dodatnia przy ewidentnie stratnych transakcjach – wtedy trzeba przejrzeć słownik kosztów,
• czy nie porównujesz marży netto z przychodem brutto (różne poziomy cen).

Realizacja celu sprzedażowego

Cel sprzedażowy często jest jednym z głównych kafelków na dashboardzie. Żeby miał sens, musi być jasno zapisany w pliku i powiązany z okresem raportowania.

Zapisywanie celów w „Parametry” lub osobnym arkuszu

Krok 1: utwórz arkusz „Cele” z tabelą:

• Rok
• Miesiąc
• Cel_przychodu
• Cel_marży (opcjonalnie)

Przykładowy wiersz: 2024 | 1 | 100000 | 30000.

Krok 2: w „Parametry” wprowadź datę raportu (np. ostatni dzień miesiąca). Następnie w sekcji KPI wyciągnij cel przychodu dla danego miesiąca, np. za pomocą XLOOKUP:

=XLOOKUP(
  ROK(Parametry!B3)&"-"&MIESIĄC(Parametry!B3);
  Cele!A:A & "-" & Cele!B:B;
  Cele!C:C
)

Procent realizacji celu

Mając przychód w okresie (np. KPI!B1) i cel (np. KPI!B5), procent realizacji liczymy tak:

=JEŻELI(
  KPI!B5 = 0;
  "";
  KPI!B1 / KPI!B5
)

Na dashboardzie można ten wskaźnik pokazać jako procent oraz jako prosty pasek postępu na wykresie (np. wykres skumulowany 2-seryjny: cel vs wykonanie).

Co sprawdzić:

• czy okres raportowania (daty od–do) zgadza się z okresem celu (np. miesiąc kalendarzowy),
• czy cele są w tej samej walucie i bez VAT jak dane sprzedażowe,
• czy cele nie zmieniają się wstecz – jeśli tak, trzeba utrzymywać ich historię.

Tabele przestawne i segmentacja sprzedaży

Dlaczego tabele przestawne w dashboardzie sprzedażowym

Tabele przestawne pozwalają szybko zmieniać perspektywę: z widoku ogólnego na szczegóły, z kanałów na handlowców, z miesięcy na tygodnie. To na nich opiera się większość „interaktywnych” zestawień w Google Sheets.

Gdy dane w arkuszu „Obliczenia” są już wyczyszczone i wzbogacone (standardowe nazwy, marża, typ klienta), tabela przestawna staje się prostym narzędziem do segmentacji.

Tworzenie pierwszej tabeli przestawnej (przychód wg kanału i miesiąca)

Krok 1: zaznacz zakres danych w „Obliczenia” (np. A:K, bez pustych kolumn po prawej).

Krok 2: wybierz z menu: Wstaw → Tabela przestawna, następnie „Nowy arkusz” i nazwij go np. „TP_Kanał_miesiąc”.

Krok 3: skonfiguruj ustawienia tabeli:

Jeśli chcesz pójść krok dalej, pomocny może być też wpis: Jak zbudować automatyczny system rozliczania prowizji dla handlowców w Google Sheets.

• Wiersze: dodaj pole Kanał_skrócony.
• Kolumny: dodaj pole Data_transakcji i ustaw grupowanie „Miesiąc” (w panelu po prawej).
• Wartości: dodaj pole Wartość_netto, typ podsumowania „Suma”.
• Filtry: możesz dodać Status_transakcji (np. „Zrealizowana”) lub Typ_klienta (Nowy/Stały).

Taka tabela od razu pokaże, jak kanały kontrybuują do sprzedaży w poszczególnych miesiącach. Na jej podstawie szybko stworzysz wykres kolumnowy skumulowany lub liniowy.

Co sprawdzić:

• czy tabela przestawna korzysta z pełnego zakresu danych (przy dodaniu nowego miesiąca musi go objąć),
• czy daty są odpowiednio pogrupowane (rok + miesiąc, a nie rozbite na pojedyncze dni, jeśli nie o to chodzi),
• czy wartość w tabeli jest sumą netto, a nie przypadkowo liczbą pozycji.

Segmentacja sprzedaży wg handlowca i klienta

Do oceny pracy zespołu sprzedaży przydają się widoki pokazujące sprzedaż wg handlowca oraz top klientów każdego z nich.

Tabela: sprzedaż wg handlowca

W nowej tabeli przestawnej ustaw:

• Wiersze: Handlowiec (kolumna z nazwą handlowca / opiekuna),
• Wartości: Suma Wartość_netto,
• Filtry: Data_transakcji (zakres od–do), Kanał_skrócony (opcjonalnie).

Taką tabelę można powiązać z dashboardem, ustawiając zakres dat filtrów na te same wartości, które są w „Parametry”. Praktyczny sposób:

1. Krok 1: w nagłówku filtra daty w tabeli przestawnej wybierz „Warunek” → „Jest między”.
2. Krok 2: jako wartości wpisz odwołania do komórek „Parametry”!B2 i „Parametry”!B3 (wpisując np. =Parametry!B2 bezpośrednio w pole warunku).

Tabela: top klienci danego handlowca

Dla szczegółowej analizy warto zbudować tabelę z klientami posortowanymi po sprzedaży dla wybranego handlowca.

Ustawienia nowej tabeli:

• Wiersze: Klient_standardowy,
• Wartości: Suma Wartość_netto,
• Filtry: Handlowiec, Data_transakcji.

Następnie:

• Krok 1: ustaw filtr na konkretnego handlowca.
• Krok 2: posortuj wiersze malejąco po kolumnie z sumą sprzedaży.
• Krok 3: ogranicz widoczną liczbę wierszy (np. do 20), aby pokazać „Top 20 klientów”.

Co sprawdzić:

• czy nazwiska handlowców są znormalizowane (bez literówek, różnych zapisów),
• czy każdy handlowiec ma przypisane wszystkie swoje transakcje (brak pustych wartości),
• czy filtry dat w tabelach przestawnych faktycznie reagują na zmiany w „Parametry”.

Segmentacja produktów: kategorie, marża i wolumen

Tabele przestawne świetnie sprawdzają się przy analizie asortymentu: które grupy produktów generują przychód, które marżę, a które tylko „robią obrót”.

Tabela: przychód i marża wg kategorii produktu

Załóżmy, że w danych rozszerzonych masz kolumny:

• Produkt_kategoria,
• Wartość_netto,
• Marża_kwotowa,
• Ilość (sprzedana ilość sztuk).

W nowej tabeli przestawnej:

• Wiersze: Produkt_kategoria,

Najczęściej zadawane pytania (FAQ)

Jak zacząć budowę dashboardu sprzedażowego w Google Sheets krok po kroku?

Krok 1: zapisz 5–10 kluczowych pytań biznesowych (np. „jaki mamy przychód w tym miesiącu vs poprzedni?”, „który kanał sprzedaży zarabia najwięcej?”). Krok 2: na tej podstawie określ, jakich kolumn potrzebujesz w danych surowych (data, klient, produkt, wartość, kanał, handlowiec, status itp.). Krok 3: zbierz dane z systemów (CRM, e-commerce, fakturowanie, arkusze handlowców) do jednego „pliku master”.

Krok 4: w osobnym arkuszu w tym samym pliku zbuduj proste tabele przestawne (przychód wg miesiąca, kanału, handlowca). Krok 5: na bazie tabel przestawnych dodaj wykresy i kafelki KPI (np. suma przychodu w bieżącym miesiącu, liczba transakcji). Dopiero na końcu dodaj filtry (daty, kanały, handlowcy), żeby użytkownik mógł samodzielnie zmieniać widok.

Co sprawdzić: czy każde pytanie biznesowe ma swój „odpowiednik” na dashboardzie (liczbę, wykres lub tabelę) oraz czy wszystkie dane na wykresach pochodzą z jednego, spójnego źródła danych master, a nie z przypadkowych zakresów.

Czym różni się dashboard sprzedażowy od zwykłej tabeli w Google Sheets?

Zwykła tabela sprzedaży to lista transakcji „wiersz po wierszu”: daty, klienci, produkty, kwoty. Nadaje się do księgowości i szczegółowych kontroli, ale jest niewygodna do szybkich decyzji. Żeby znaleźć odpowiedź na proste pytanie, trzeba filtrować, sortować, kopiować dane do nowych arkuszy, co zajmuje czas i łatwo się pomylić.

Dashboard sprzedażowy to warstwa nad tymi danymi: zbiera z nich kluczowe wskaźniki (KPI), wykresy i filtry. Handlowiec jednym kliknięciem sprawdza, który kanał generuje najwięcej przychodu albo jak wygląda ranking handlowców. Dane surowe są „pod spodem” i z reguły ukryte przed użytkownikami, a sam dashboard działa jak panel sterowania do decyzji, a nie jak magazyn faktur.

Co sprawdzić: czy osoby nietechniczne (np. handlowiec, właściciel firmy) potrafią samodzielnie zmienić filtry na dashboardzie bez obawy, że coś „zepsują”, oraz czy widok tabeli surowej jest wyraźnie odseparowany od dashboardu.

Jakie kolumny muszą się znaleźć w danych, żeby dashboard sprzedaży działał sensownie?

Minimalny zestaw, który sprawdzi się w większości firm, to: data transakcji, klient, produkt/usługa, ilość, wartość (netto i/lub brutto), kanał sprzedaży, handlowiec (jeśli dotyczy) oraz status transakcji (zrealizowana, w trakcie, anulowana, zwrócona). Przy analizie marży dochodzi jeszcze koszt własny produktu lub osobny słownik kosztów.

W praktyce wygodnie jest od razu dodać kilka kolumn „pomocniczych”, jeżeli planujesz konkretne analizy, np. typ klienta (nowy/stały), kategoria produktu czy źródło leadu. Dzięki temu nie trzeba później „doklejać” tych informacji ręcznie ani tworzyć skomplikowanych formuł.

Co sprawdzić: czy nazwy kolumn i ich formaty są identyczne we wszystkich plikach źródłowych (np. „Kanał_sprzedazy” zamiast raz „Kanał”, raz „Source”), czy daty są zapisane jako data, a nie tekst, oraz czy wartości liczbowe nie zawierają spacji i znaków waluty.

Jak połączyć dane sprzedażowe z wielu plików w jeden dashboard Google Sheets?

Krok 1: utwórz osobny plik, np. „Dane_sprzedazowe_master”. Krok 2: w każdym pliku źródłowym (CRM, e-commerce, arkusze handlowców) przygotuj zakładkę z danymi w tej samej strukturze kolumn. Krok 3: w pliku master użyj funkcji IMPORTRANGE, żeby wczytać dane z poszczególnych plików, np. =IMPORTRANGE("URL_pliku","Arkusz1!A2:H").

Krok 4: połącz kilka zakresów za pomocą {...; ...} i ARRAYFORMULA, tak aby stworzyć jedną, długą tabelę sprzedaży. Ten scalony arkusz traktujesz jako jedyne źródło prawdy dla wszystkich wykresów i tabel przestawnych w dashboardzie.

Co sprawdzić: czy po imporcie liczba wierszy w masterze zgadza się z liczbą transakcji raportowaną w systemach źródłowych oraz czy po zmianie danych w pliku źródłowym (np. dopisaniu jednej transakcji) pojawia się ona automatycznie w pliku master.

Kiedy wystarczy dashboard w Google Sheets, a kiedy lepiej przejść na Power BI lub Looker Studio?

Google Sheets spokojnie wystarcza, gdy: liczba wierszy to maksymalnie kilkadziesiąt tysięcy, równocześnie korzysta z niego mały lub średni zespół, a źródeł danych jest niewiele (1–3 systemy, bez hurtowni danych). Przy takim scenariuszu dashboard w arkuszu jest szybszy w budowie, łatwiejszy do utrzymania i nie wymaga angażowania działu IT.

Narzędzie BI zaczyna mieć przewagę, gdy danych są setki tysięcy wierszy, użytkowników jest wielu (różne działy, kraje), a raporty mają charakter strategiczny, wieloletni i korzystają z wielu systemów naraz. Wtedy ograniczenia wydajności i prostoty Google Sheets zaczynają przeszkadzać w codziennej pracy.

Co sprawdzić: ile masz realnie wierszy danych po konsolidacji, ilu użytkowników będzie jednocześnie używać dashboardu oraz czy raporty mają służyć głównie do codziennego zarządzania sprzedażą, czy raczej do przekrojowych analiz dla zarządu.

Jak przygotować dane z CRM lub sklepu internetowego do importu do Google Sheets?

Krok 1: wyeksportuj dane do CSV/XLS z systemu (CRM, platforma e-commerce, fakturowanie). Krok 2: w osobnym, „roboczym” arkuszu usuń zbędne kolumny (np. techniczne ID, opisy marketingowe), zostaw tylko te, które będą używane w dashboardzie. Krok 3: ujednolić nazwy kanałów, statusów i innych pól tekstowych – tak, żeby ten sam kanał nie występował pod trzema różnymi nazwami.

Następnie sprawdź formatowanie dat i liczb. Jeśli eksport zawiera daty z godziną, a do analizy wystarczy dzień, obetnij godzinę lub przekonwertuj datę formułą. Po takim „czyszczeniu technicznym” wklej dane do arkusza z danymi surowymi lub podłącz je formułami.

Co sprawdzić: czy po imporcie do Google Sheets daty są rozpoznawane jako daty (można je filtrować po miesiącu/roku), liczby można zsumować bez błędów oraz czy nazwy kanałów sprzedaży, handlowców i produktów występują w jednej, spójnej formie.

Jakie KPI warto śledzić na prostym dashboardzie sprzedażowym w arkuszu?

Co warto zapamiętać

• Krok 1: Zdefiniuj po co robisz dashboard – musi odpowiadać na konkretne pytania biznesowe (np. „kto prowadzi w sprzedaży w tym miesiącu?”, „który kanał daje najwięcej przychodu?”), inaczej zamieni się w ozdobny zestaw wykresów bez realnej decyzji na końcu.
• Różnica tabela vs dashboard: tabela służy do księgowości i szczegółów, dashboard do szybkich decyzji – użytkownik powinien swobodnie zmieniać filtry, zakres dat i widoki bez ryzyka uszkodzenia danych.
• Dashboard zawsze wynika z modelu sprzedaży: e‑commerce potrzebuje podziału na kategorie produktów i kanały marketingowe, B2B – na etapy lejka i handlowców, freelancer – na klientów i typy usług; kopiowanie „modnych” układów wykresów zwykle kończy się chaosem.
• Krok 2: Spisz 5–10 kluczowych pytań i na ich podstawie dobierz KPI, filtry i strukturę danych (np. jeśli chcesz mierzyć udział stałych klientów, zawczasu dodaj kolumnę „nowy/stały klient”). Co sprawdzić: czy każde pytanie da się policzyć z dostępnych kolumn.
• Google Sheets sprawdza się przy mniejszych wolumenach, kilku prostych źródłach i raportowaniu operacyjnym; przy setkach tysięcy wierszy, wielu systemach i raportach strategicznych rozsądniej przejść na narzędzie BI (Looker Studio, Power BI).
• Krok 3: Uporządkuj źródła danych – wypisz systemy (CRM, faktury, platforma e‑commerce, formularze, arkusze handlowców) i przypisz im właścicieli, którzy pilnują regularnego, poprawnego eksportu; brak odpowiedzialnego właściciela kończy się przeterminowanymi raportami.