В понедельник я открыл файл на 47 тысяч строк. Excel у меня 16 гигабайт оперативки, и он задумался. Не «подвис» — именно задумался, как человек, который не хочет, но понимает, что придётся. На двадцать секунд. И вот эти двадцать секунд, честно говоря, стали последней каплей.
У меня давно лежала папка «Python — когда-нибудь». Там были ссылки на курсы, книжки, заметки. Я каждый раз открывал и закрывал — нужен был толчок. Толчком стало не что-то героическое, а эти двадцать секунд и пара формул, которые я не мог написать без гугла.
Расскажу, как у меня пошло дело. Может, сэкономишь себе пару недель хождения по граблям.
Почему Excel — это не стыдно, а потом становится тесно
Excel хорош. Серьёзно, я не иронизирую. Для задач, где видишь данные и сразу понимаешь, что с ними делать — сводные таблицы, базовые графики, простые вычисления — Excel или Google Sheets остаются оптимальным инструментом. Ты видишь всё перед глазами, мышкой кликаешь, формулы читаются человеческим языком.
Проблемы начинаются, когда задача перестаёт быть «посмотрел — понял — сделал». У меня это случилось на трёх вещах.
Первое — повторяемость. Я каждый понедельник делал один и тот же отчёт. Брал выгрузку, фильтровал, считал, рисовал график. Руками. Двадцать минут. Потом я узнал, что на Python это автоматизируется за строчек десять, и мне стало грустно за эти двадцать минут.
Второе — масштаб. Сорок семь тысяч строк Excel держит, но начинает думать. А если там формулы на каждой строке? Если данные обновляются каждый час? Если нужно считать что-то нетривиальное — не «сумма по столбцу», а что-то с вложенными условиями и группировками?
Третье — воспроизводимость. Формула в ячейке — это хорошо, но ты не всегда можешь объяснить, как именно она считает. Особенно через три месяца, когда забыл, что там написал. А код — код можно прочитать. И запустить с нуля.
Что мне дал Copilot в этом переходе
До Copilot я пробовал учить Python. Дважды. Оба раза застревал на трети курса — не потому что материал сложный, а потому что наскучивает делать упражнения типа «создайте список из пяти чисел и найдите максимум». Мотивация испарялась, и файл оставался нетронутым.
Copilot изменил одну вещь: теперь я мог решать свои реальные задачи, а не учебные. Написал комментарий «прочитай CSV-файл с логами, отфильтруй строки где timestamp за сегодня, посчитай количество уникальных пользователей» — и получил работающий код. Не идеальный, часто с ошибками, но отправную точку, с которой можно работать.
Это оказалось важнее любого курса. Учебные примеры не цепляют, потому что ты знаешь — они учебные. А когда ты берёшь свой файл с данными, которые тебе реально нужны, и Copilot пишет код за тебя — это совсем другое ощущение. Ты учишься на своих задачах, а не на чужих примерах.
Вот конкретный пример. Мне нужно было из таблицы с заказами вытащить клиентов, которые сделали больше трёх заказов за последний месяц, и посчитать их средний чек. В Excel это часа полтора формул с вложенными IF, COUNTIFS, AVERAGEIF. В Python с Copilot я получил рабочий скрипт минут за пятнадцать — и это включая исправление ошибок и разбор, что получилось.
Где Copilot реально помогает, а где подводит
Помогает в трёх случаях. Первый — генерация шаблона. Если ты знаешь, что хочешь сделать, но не помнишь синтаксис, Copilot заполняет пробелы. «Применить функцию к каждой строке DataFrame» — Ctrl+Space, и видишь apply. Второй — объяснение ошибок. Скопировал текст ошибки, спросил «почему это падает» — получаешь разбор. Третий — перевод логики с Excel на Python. «Как в Pandas сделать то, что делает эта формула VLOOKUP» — спрашиваешь напрямую.
Подводит в двух. Первый — длинные скрипты. Если просишь написать больше тридцати строк одним запросом, результат обычно приходится переписывать. Лучше идти итеративно, по кускам. Второй — контекст. Copilot видит только тот файл, который открыт, и не знает, что у тебя за данные в соседнем файле. Если переменные не совпадают по формату — он не поймёт.
Ещё одна штука, которую я понял не сразу: Copilot хорошо генерирует код, но не проверяет, правильный ли код. Результат может выглядеть логично и считать не то. Поэтому я научился сверять вывод с Excel на контрольных данных. Делаю то же самое в табличке, сравниваю цифры. Если совпадает — хорошо, если нет — разбираюсь.
Что я делаю сейчас и что изменилось
За месяц я перевёл на Python три регулярных отчёта. Два из них — те, которые раньше делал вручную. Третий — новый, который в Excel было делать лень из-за сложности, и я просто не делал.
Время на подготовку отчётов сократилось примерно в четыре раза. Но главное — изменилось мышление. Раньше я смотрел на данные и думал «как мне это посчитать в Excel». Теперь думаю «что я хочу узнать». Инструмент перестал быть рамкой.
Из минусов: я стал реже открывать Excel. Это звучит нелогично, но иногда удобнее — открыть файл, ткнуть в ячейку, накидать формулу, увидеть результат. Python для этого overkill. Так что Excel никуда не делся, просто у него появилась зона ответственности — быстрые разовые задачи. А всё регулярное и сложное ушло в скрипты.
Стоит ли оно того
Если ты регулярно работаешь с данными и каждый раз тратишь больше часа на подготовку отчётов — да, стоит. Порог входа с Copilot ощутимо ниже, чем был два года назад. Не нужно читать документацию от корки до корки. Нужно уметь формулировать задачу и проверять результат.
Если у тебя раз в месяц простой отчёт — probably not. Python ради одного файла — это как покупать грузовик, чтобы раз в месяц съездить в магазин.
Мне кажется, будущее за гибридом. Excel никуда не уходит — он слишком удобен для визуальной работы. Но для автоматизации, масштабирования и воспроизводимости — Python с ИИ-ассистентом сейчас проще, чем когда-либо. И это не хайп, а просто наблюдение за тем, как меняется мой собственный рабочий процесс.
На прошлой неделе обнаружил, что один из моих скриптов сломался на новых данных. Формат изменился. Я потратил полчаса, разобрался, починил. Это было интереснее, чем двадцать минут копирования формул.
