или как стать аналитиком года без MBA и миллиона макросов
🧠 Введение
"Excel — это калькулятор. Python — это искусственный интеллект для калькулятора."
Если ты когда-нибудь строил отчёт о продажах вручную, ты знаешь боль: фильтры, сводные, таблицы, цвета, даты, правки, Ctrl+Z, снова фильтры…
А что, если мы скажем, что всё это можно автоматизировать? И не просто автоматизировать, а сделать настоящую систему анализа продаж, которую легко использовать каждый день?
В этой статье мы:
- Подключим Python к Excel
- Разберём 5 полезных задач из жизни аналитика/маркетолога/менеджера
- Напишем подробный код с комментариями
- Будем шутить, но по делу 😎
🔧 Что установим:
pip install pandas openpyxl xlwings matplotlib seaborn
📁 Что у нас есть
Предположим, у нас есть Excel-файл sales_data.xlsx с вот такой табличкой:
Каждый день в эту таблицу добавляются новые строки.
✅ Пример 1: Сколько мы продали всего и по категориям?
import pandas as pd
# Загружаем файл Excel в DataFrame
df = pd.read_excel('sales_data.xlsx')
# Общая сумма продаж
total_sales = df['Продажи'].sum()
print(f"💰 Общая сумма продаж: {total_sales}")
# Сумма по категориям
sales_by_category = df.groupby('Категория')['Продажи'].sum()
print("\n📦 Продажи по категориям:\n", sales_by_category)
🔍 Объяснение:
- .sum() — считает сумму по столбцу.
- .groupby() + .sum() — классическая группировка, как в сводной таблице Excel.
👶 Подходит новичкам и тем, кто устал от ручного подсчёта.
📈 Пример 2: Как изменялись продажи по дням? (График!)
import matplotlib.pyplot as plt
# Группируем по дате
sales_by_date = df.groupby('Дата')['Продажи'].sum()
# Строим график
plt.figure(figsize=(10, 5))
sales_by_date.plot(marker='o')
plt.title('Продажи по дням')
plt.xlabel('Дата')
plt.ylabel('Сумма продаж')
plt.grid(True)
plt.tight_layout()
plt.savefig('daily_sales_chart.png')
print("📈 График сохранён как daily_sales_chart.png")
📌 Это график, который любят боссы. А мы любим, когда они довольны.
👨💻 Полезно и новичку, и профи. И красиво.
🔍 Пример 3: Где мы зарабатываем больше всего?
# Продажи по регионам
sales_by_region = df.groupby('Регион')['Продажи'].sum().sort_values(ascending=False)
print("🌍 Продажи по регионам:\n", sales_by_region)
🧠 Это даст тебе сразу список приоритетных регионов: кому улыбаться больше на следующей планёрке.
🎯 Пример 4: Прогнозируем следующий день продаж (на коленке)
# Используем скользящее среднее по последним 3 дням
last_days = df.groupby('Дата')['Продажи'].sum().tail(3)
forecast = int(last_days.mean())
print(f"🔮 Прогноз продаж на завтра: {forecast}")
🔮 Да, это не машинное обучение. Но для простого прогноза — работает на ура.
👶 Новичкам подойдёт, профи могут прикрутить Prophet, ARIMA или LSTM.
🧾 Пример 5: Генерация Excel-отчёта с форматированием
from openpyxl import load_workbook
from openpyxl.styles import Font
# Сохраняем отчёт в Excel
report_file = 'sales_report.xlsx'
sales_by_category.to_excel(report_file)
# Добавим форматирование
wb = load_workbook(report_file)
ws = wb.active
# Сделаем заголовки жирными
for cell in ws[1]:
cell.font = Font(bold=True)
# Красиво сохраняем
wb.save(report_file)
print(f"📊 Отчёт сохранён в {report_file} и оформлен.")
📌 Да-да, можно и график вставить в Excel — хочешь, покажу!
📬 (Бонус) Отправка отчёта по email
import smtplib
from email.message import EmailMessage
msg = EmailMessage()
msg['Subject'] = '📥 Продажи за сегодня'
msg['From'] = 'you@example.com'
msg['To'] = 'boss@example.com'
msg.set_content('Добрый день! Прикладываю ежедневный отчёт.')
# Прикрепляем Excel-файл
with open(report_file, 'rb') as f:
msg.add_attachment(f.read(), maintype='application',
subtype='vnd.openxmlformats-officedocument.spreadsheetml.sheet',
filename=report_file)
# Отправляем через SMTP (пример — Gmail)
with smtplib.SMTP_SSL('smtp.gmail.com', 465) as smtp:
smtp.login('you@example.com', 'your_password')
smtp.send_message(msg)
print("✅ Отчёт отправлен по почте!")
💌 И пока отчёт у босса, ты можешь спокойно пить кофе и делать вид, что всё делал вручную.
📦 Что мы умеем теперь:
🚀 А что дальше?
- Добавить расписание (schedule или cron)
- Создать Streamlit-веб-интерфейс
- Интеграция с базой данных
- Telegram-бот с кнопкой “Прислать отчёт”
- Реальный ML-прогноз с scikit-learn или prophet
🧠 Финал
Ты только что построил мини-систему аналитики продаж, которая раньше занимала часы ручной работы.
И всё это — без Excel-макросов, VBA и боли.
Хочешь продолжения? Например:
- Как подключить базу данных?
- Как превратить это в Dashboard?
- Как построить email-рассылку по расписанию?
Пиши — сделаем 😉