У меня есть знакомый — назову его Дима. Дима делает отчёты в Excel лет пятнадцать. VLOOKUP, сводные таблицы, условное форматирование — всё это он знает лучше меня. Но в прошлом месяце он пришёл и сказал: «Мне нужно проанализировать 300 тысяч строк. Excel умирает. Что делать?»
Хороший вопрос. Раньше ответ был: «Учи Python, месяца три уйдёт». Сейчас ответ другой: «Открой VS Code, напиши задачу по-человечески, и через минуту у тебя работающий код». Не магия, но близко.
Почему Excel перестаёт хватать
Это не драма, это физика. Когда файл весит под гигабайт, когда формулы ссылаются друг на друга в тридцать слоёв, когда макрос на VBA работает сутки — упираешься в потолок. Дима упирался. Его отчёт собирался с утра до вечера, и если кто-то менял исходные данные, всё пересчитывалось заново.
Python с этой задачей справляется за минуты. Не потому что он магический, а потому что он заточен под работу с данными, которые не помещаются в оперативку, под автоматизацию, под воспроизводимость. Один скрипт — и всегда понятно, откуда взялись цифры.
Но есть проблема: порог входа. Python — это не «выучил за выходные». Это синтаксис, библиотеки, структуры данных, отладка. Для человека из мира Excel это как пересесть с велосипеда на мотогондолу: вроде едет в ту же сторону, но всё другое.
Copilot и аналогичные инструменты порог не убирают, но опускают до пола.
Что Copilot делает на самом деле
Когда я впервые открыл Copilot для анализа данных, я ожидал подсказок вроде «вы хотели написать df.head()». А получил кое-что другое.
Я написал: «загрузи CSV с продажами, посчитай выручку по менеджерам за последний квартал, покажи топ-5». И он выдал готовый скрипт с pandas, groupby, сортировкой. Работающий. С комментариями.
Это изменило мой подход. Раньше я открывал документацию, гуглил «pandas groupby пример», адаптировал. Теперь пишу задачу на естественном языке, смотрю что сгенерировалось, правлю под свой формат данных. Экономия — не в секундах, а в контексте: не нужно переключаться между задачей и поисковиком каждые три минуты.
Но вот что важно: Copilot не заменяет понимание. Он генерирует код, который ты должен прочитать. Если не понимаешь, что делает groupby() или чем merge отличается от join — ошибку не заметишь. А ошибки бывают. Иногда он придумывает колонки, которых нет. Иногда путает логику фильтрации.
Дима это быстро почувствовал. Его первый сгенерированный скрипт считал выручку неправильно — потому что он забыл упомянуть, что сумма в CSV с НДС. Copilot не знает твой датасет так, как знаешь ты.
От формулы Excel к строке Python
Вот конкретный пример. Допустим, в Excel у тебя формула:
=СУММЕСЛИМН(D:D, A:A, "Менеджер1", B:B, ">=01.01.2024", B:B, "<=31.03.2024")
Считает сумму продаж менеджера за первый квартал. В Copilot я пишу:
«посчитай сумму колонки amount для строк где manager = 'Менеджер1' и date между 2024-01-01 и 2024-03-31»
И получаю:
import pandas as pd
df = pd.read_csv('sales.csv')
df['date'] = pd.to_datetime(df['date'])
result = df[
(df['manager'] == 'Менеджер1') &
(df['date'] >= '2024-01-01') &
(df['date'] <= '2024-03-31')
]['amount'].sum()
print(result)
Та же логика, другой синтаксис. Главное — видишь структуру. df[] с условиями, логические операторы & вместо «и». Если хоть раз видел Excel-формулу, поймёшь, что здесь происходит.
Дальше — сложнее. Сводная таблица в Excel за минуту? В Python:
«построй сводную таблицу: средний чек по менеджерам и месяцам, покажи только тех, у кого средний чек больше 5000»
df['month'] = df['date'].dt.to_period('M')
pivot = df.pivot_table(
values='amount',
index='manager',
columns='month',
aggfunc='mean'
)
print(pivot[pivot > 5000].dropna(how='all'))
Снова: задача словами, код на выходе. Если понимаешь pivot_table и dropna — отлично. Если нет — хотя бы видишь, где искать.
Где это реально экономит время
Мой сценарий: беру файл, сажусь с Copilot, и за полчаса делаю то, на что в Excel ушло бы полдня с ручной фильтрацией. Потом сохраняю скрипт — и через месяц запускаю снова, просто поменяв путь к файлу. Это не про красоту кода, это про воспроизводимость.
Дима, кстати, сделал свой первый скрипт за неделю. Не без помощи, но сделал. Теперь его отчёт по 300 тысячам строк собирается за четыре минуты, и если данные обновились — одна команда в терминале. Он всё ещё открывает Excel для красивых графиков и презентаций. Но данные больше не живут в файле, который виснет.
Честно о границах
Copilot не делает тебя программистом. Он делает тебя быстрее в том, что ты уже понимаешь. Если не понимаешь разницу между sum() и mean(), между merge и join — не отличишь правильный код от неправильного.
Ещё: контекст имеет значение. Чем точнее описываешь задачу, тем лучше результат. «Посчитай среднее» — одно. «Посчитай среднее по колонке revenue, но сначала убери выбросы больше 99 перцентиля» — совсем другое. Чем больше вкладываешь в формулировку, тем меньше правок потом.
И да, бывают галлюцинации. Библиотека, которая не существует. Метод, которого в API нет. Не катастрофа — узнаёшь об этом при запуске. Но базовое понимание нужно.
Вместо вывода
Excel никуда не денется. Для быстрых правок, для визуализации, для работы с файлом вдвоём в Google Sheets — это по-прежнему нормальный инструмент. Но если ловишь себя на мысли «мне нужно что-то автоматизировать», «файл весит слишком много», «вручную это считать невозможно» — это сигнал.
Copilot не понижает планку до нуля. Он опускает её с пятого этажа до второго. Туда, куда можно дотянуться без года обучения. Один запрос, один скрипт, первый результат.
Дима теперь иногда присылает мне скрипты и спрашивает: «Тут нормально?» — и чаще всего да, нормально. Иногда нет, и разбираемся. Это нормально.
