Excel умер — так говорят уже лет пять. Но я вчера смотрел на файл с макросами на 20 тысяч строк и понимал: Excel не умер. Он просто задыхается.
Вся штука в том, что люди, которые сейчас переходят на Python + ИИ, проходят через одну и ту же стадию. Назовём её «Excel — это больно, но я боюсь питона». Я через неё тоже прошёл. Расскажу, как это выглядит и почему Copilot реально меняет расклад.
Файл, который убивает рабочий день
Вот типичная ситуация. Приходит таблица: продажи по 47 товарным категориям за три года, разбивка по менеджерам, регионам, каналам. Нужно посчитать динамику, найти аномалии, построить отчёт. В Excel ты открываешь файл — он подвисает. Фильтруешь — формулы летят. Делаешь сводную — получаешь «недостаточно памяти». Копируешь данные на соседний лист — макрос VBA ломается.
Знакомо? Это не про кривые руки. Это про то, что Excel — инструмент 1990-х, который мы заставляем делать работу 2025 года.
Когда я первый раз столкнулся с такой таблицей по-настоящему, я сел и написал скрипт на Python. Pandas, groupby, merge. 60 строк кода. Выполнилось за 3 секунды. Я смотрел на результат и не мог поверить, что три часа жизни можно сэкономить одной функцией .groupby().
Но вот в чём засада. Чтобы написать эти 60 строк, мне пришлось:
- разобраться с pandas (две недели),
- понять разницу между Series и DataFrame (день, потраченный впустую),
- загуглить merge и join (ещё три дня, потому что они делают разные вещи),
- поймать ошибку с индексами и потерять полдня.
Для аналитика с опытом это терпимо. Для человека, который привык к ВПР и сводным таблицам, это стена в два метра высотой. И вот тут на сцену выходит Copilot.
Что Copilot делает на самом деле
Когда я первый раз открыл VS Code с подключённым Copilot и написал комментарий «загрузи данные из sales.csv, посчитай среднее по менеджерам», он выдал код. Рабочий код. Не идеальный, но рабочий.
Это не магия. Copilot — это не будущее, которое обещают на конференциях. Это конкретный инструмент, который делает одну вещь: превращает вопрос на человеческом языке в работающий код.
Работает это примерно так. Ты пишешь:
# Загрузи CSV, посчитай сумму продаж по регионам
Copilot предлагает:
import pandas as pd
df = pd.read_csv('sales.csv')
sales_by_region = df.groupby('region')['sales'].sum()
print(sales_by_region)
Нажал Tab — и код уже в редакторе. Запустил — работает. Потом корректируешь под свою задачу. За двадцать минут делаешь то, что раньше занимало вечер с документацией и Stack Overflow.
Но вот что важно: Copilot не заменяет понимание. Он заменяет гугление. Это принципиальная разница.
Три вещи, которые изменились после Copilot
Первое — скорость прототипирования. Раньше, чтобы проверить гипотезу, мне нужно было сформулировать её на языке кода, найти синтаксис, написать, отладить. Теперь пишу комментарий — и через минуту у меня рабочий скрипт, который проверяет гипотезу. Быстро — значит чаще проверяешь.
Второе — порог входа. Мой коллега, который в Excel чувствует себя богом, но боится терминала, за неделю научился делать базовый EDA (разведочный анализ). Не потому что стал программистом. Потому что Copilot закрыл дыру между «хочу сделать» и «могу написать».
Третье — эксперименты. В Excel ты делаешь то, что уже умеешь. В Python с Copilot пробуешь то, что раньше казалось слишком сложным. У меня за последний месяц появилось пять скриптов, которые я бы никогда не написал с нуля — просто потому что не знал, с чего начать.
Где Copilot обламывается
Буду честен. Copilot хорош, когда ты понимаешь задачу и не понимаешь синтаксис. Он плох, когда ты не понимаешь задачу.
Если не знаешь, что данные нужно сгруппировать по кварталам, Copilot не догадается. Он предложит groupby, но по какому полю и с какой агрегацией — это твоя ответственность. И если не понимаешь разницу между merge и join, будешь тыкать в подсказки вслепую и удивляться, почему данные не совпадают.
Ещё он любит «почти правильный» код. Правильные типы данных, правильная структура — но где-нибудь да опечатается или предложит функцию, которая чуть-чуть не то делает. Проверять всё равно надо руками.
И третья проблема — контекст. Copilot не видит твой файл, твою структуру данных. Он работает с тем, что написано перед ним. Иногда предлагает код для колонки, которой нет в твоём датасете. Приходится переписывать.
Мини-гайд: как начать
Если ты сейчас работаешь в Excel и хочешь попробовать Python с Copilot, вот честный путь.
Сначала ставь Anaconda — она даёт Jupyter Notebook, в котором удобно работать с данными пошагово. Потом открывай VS Code с расширением GitHub Copilot. Дальше берёшь свой файл .xlsx и загружаешь через pd.read_excel().
Дальше всё просто. Пишешь комментарий, что хочешь сделать. Copilot предлагает код. Запускаешь Shift+Enter. Смотришь на результат. Если не то — переписываешь комментарий, предлагает другое. Итерации занимают минуты, не часы.
Первая неделя будет неприятной. Это нормально. Ты учишься не языку — ты учишься спрашивать. Это другой навык, и он реально прокачивается за пару недель.
Что в итоге
Excel никуда не денется. Для презентаций, для операционных задач, для быстрых правок одним глазом — он идеален. Но когда данные перестают помещаться в оперативную память, когда формулы начинают конфликтовать друг с другом, когда отчёт нужно обновлять каждый день, а руками это занимает час — вот тогда Python с Copilot это решает.
И знаешь что? Мне кажется, главное, что даёт Copilot — не ускорение. Главное — он снимает страх первого шага. Ты больше не смотришь на код как на иностранный язык. Ты смотришь как на новый Excel — инструмент, который осваивается практикой.
Начни с одного файла
