Excel для аналитика: что нужно уметь и когда пора переходить на SQL

Excel до сих пор стоит почти в каждой вакансии аналитика, хотя вокруг ClickHouse, дашборды и Python. Причина простая: в таблицах живёт половина бизнеса, и человек, который умеет быстро собрать в них расчёт, экономит команде дни.

Разберём, что действительно нужно уметь и где проходит граница, за которой таблица перестаёт быть подходящим инструментом.

Минимум, ниже которого неудобно

Сводные таблицы. Главный инструмент, и его спрашивают чаще всего. Сгруппировать, посчитать по нескольким разрезам, добавить вычисляемое поле, обновить при смене источника. Половина аналитической работы в таблицах это сводные.

Подтягивание данных из другой таблицы. Классический ВПР знают все, но у него есть ограничения: ищет только вправо и ломается при вставке столбца. Связка ИНДЕКС и ПОИСКПОЗ работает надёжнее, а в свежих версиях есть ПРОСМОТРX. Знать стоит оба подхода: в старых файлах вы встретите первый.

Условные вычисления. СУММЕСЛИМН, СЧЁТЕСЛИМН, СРЗНАЧЕСЛИМН. Скучно, но на них держится любая ручная отчётность.

Работа с датами и текстом. Привести кривые выгрузки к нормальному виду: разобрать строку, вытащить месяц, склеить ключ. Тут же убрать лишние пробелы, которые ломают связывание.

Проверка данных. Дубли, пропуски, разъехавшиеся форматы. Аналитик, который сначала проверяет данные, а потом считает, отличается от того, кто удивляется странным цифрам в отчёте.

Что поднимает уровень

Power Query. Недооценённая вещь. Позволяет описать последовательность преобразований один раз и обновлять данные кнопкой, вместо того чтобы каждый месяц повторять двадцать ручных шагов. Если вы делаете регулярную отчётность в Excel и не пользуетесь Power Query, вы тратите лишние часы.

Модель данных и связи. Несколько таблиц, связанных ключами, вместо одной простыни. Работает быстрее и не разваливается при росте объёма.

Именованные диапазоны и умные таблицы. Формулы перестают ломаться при добавлении строк, а файл становится понятным для того, кто откроет его после вас.

Базовые меры на DAX. Актуально, если рядом Power BI: логика мер там та же.

Где проходит граница

Excel перестаёт быть подходящим инструментом раньше, чем кажется. Признаки, что пора переходить в базу или Python:

Файл открывается дольше десяти секунд, а пересчёт формул подвешивает ноутбук.

Данных больше сотни тысяч строк, и они продолжают расти.

Расчёт повторяется каждую неделю, а вы делаете его руками.

Один и тот же показатель считают в трёх файлах, и они дают разные числа.

Нужна история: не текущее состояние, а как оно менялось.

Последний пункт особенно болезненный. Таблица хорошо показывает срез, но плохо хранит изменения. Как только появляется вопрос «а как было три месяца назад», начинается ад из файлов с именами вроде «отчёт_финал_v3_испр».

Что говорить про Excel на собеседовании

Тут есть две крайности, и обе плохие.

Первая: делать вид, что вы выше таблиц. «Я работаю только с SQL и Python» звучит не как сила, а как негибкость. Заказчики приносят файлы, и это не изменится.

Вторая: строить весь рассказ вокруг Excel, когда вакансия про базы и дашборды. Тогда вас читают как человека, который дальше таблиц не вырос.

Рабочая формулировка: показать, что вы владеете инструментом и понимаете его границы. Например: «регулярную отчётность собирал в Power Query, но когда объёмы выросли, перенёс расчёт в SQL и оставил в таблице только финальную витрину для заказчика».

Такой ответ закрывает оба вопроса сразу: и умеете, и понимаете, когда переставать.

Типичные задания на проверку

На собеседовании аналитика Excel проверяют либо тестовым, либо разговором.

В тестовом обычно дают выгрузку и просят посчитать метрики: динамику по месяцам, топ категорий, долю повторных покупок. Ловушки те же, что в SQL: дубли, пропуски, неверная группировка.

В разговоре спрашивают, как бы вы решили конкретную задачу: «есть две выгрузки, надо сопоставить клиентов по номеру телефона, часть номеров в разных форматах». Ждут порядок действий, а не название функции.

Иногда просят объяснить, чем сводная таблица отличается от группировки в SQL. Хороший ответ звучит через модель: и там, и там агрегация, только в SQL вы описываете её запросом, а в сводной собираете мышкой, и результат сложнее воспроизвести.

Куда двигаться дальше

Логичная последовательность для аналитика: сначала уверенный Excel и сводные, потом SQL, потом BI-инструмент, потом Python для того, что не решается первыми тремя.

Перепрыгивать не стоит: люди, которые учат Python до того, как разобрались с группировками, обычно потом всё равно возвращаются к основам, только с большей путаницей в голове.

А на собеседовании всё равно спросят SQL, статистику и продуктовые метрики, независимо от того, насколько хорошо вы владеете таблицами. В Сеньорчике собран банк вопросов с реальных собеседований аналитиков, включая блок по BI и инструментам: с вариантами ответов, разбором каждого и движком, который возвращает темы, где вы ошибаетесь. Десять минут в день в Telegram, бесплатно.