Привет, коллеги! На связи Ленивый аналитик, и поскольку этот блог про то, как упросить себе рабочую рутину - тему нейросетей я не могла обойти.
Мы сейчас не будем про "взрослую" работу с нейросетями - для этого достаточно других ресурсов. Но давайте обсудим, как можно использовать ИИ для обычной работы с данным в Excel, Power Query/Pivot, SQL.
***
Вайбкодинг для работы с данными
Это модное слово уже прочно вошло в сознание тех, кто работает с данными - даже в вакансиях встречается!
«Вайбкодинг» - это когда ты не пишешь код сам, а описываешь задачу нейросети словами, а она выдаёт тебе готовый код.
Простыми словами: Это диалог с нейросетью. Ты пишешь: «Хочу, чтобы столбец А складывался со столбцом Б, но только если в столбце В написано “Да», а бот дает тебе готовую формулу.
Для новичка это звучит как магия: «Я не знаю формул, но нейросеть пишет их за меня».
Не все так просто, конечно)
***
И поскольку это все же авторский блог, покажу, как нейросети использую я - возможно, вы увидите для себя что-то полезное.
(кстати, для рабочих задач я использую в основном Deepseek - все, что мне нужно, он вполне умеет, но не без глюков, конечно)
Формулы для Power Query
Когда требуется написать сложную логику в Power Query, которую не решить через визуальные инструменты, я все чаще прихожу к нейросети.
Ручной набор кода, как правило:
- занимает больше времени (но не всегда, а только для действительно длинных формул)
- увеличивает вероятность ошибки (если логика закладывается сложная, можно легко запутаться в скобках)
Также у такого способа работы в Power Query есть одно преимущество: можно попросить нейросеть добавлять комментарии к коду формул на языке М - это удобно, если структура файла сложная или нужно передать его коллегам.
*обычно Deepseek по умолчанию добавляет комментарии к коду, даже если не просить его об этом.
Пример промпта для Power Query:
Напиши код Power Query M, который добавляет столбец с количеством рабочих дней между [Дата начала] и [Дата окончания]. Учти субботу и воскресенье как выходные. Если даты совпадают — 0, если конечная раньше — отрицательное число. Праздники из таблицы Holidays[Date]. Добавь обработку ошибок. Добавь комментарии к шагам.
Формулы в Excel
Конечно, для написания обычных формул я не использую ИИ. Но бывают такие задачи, где приходится написать жуткую многослойную формулу-матрешку с десятью вложенными ЕСЛИ и ЕСЛИОШИБКА - ну и где искать эту потерянную скобку, одну из десятка...
В этом случае есть два варианта:
- попросить нейросеть написать формулу, четко описав ей условия
- закинуть уже написанную формулу с ошибкой и попросить найти ошибку
💡Гайд, как правильно "просить" нейросеть написать формулу в Excel, оставила в своих ТГ и MAX - забирайте, откуда удобнее.
Написание кода
(не-не, не закрывайте статью, я не переключилась на программирование!)
Я имею в виду SQL-скрипты и скрипты на Python.
Покажу на примере SQL, как эффективно написать SQL-скрипт через нейросеть:
1. Задаете роль (не обязательно в данном случае)
Стандартно считается, что при написании любого промпта необходимо в окне чата задать нейросети ее роль.
Ты - аналитик данных
По факту, если вы просите ИИ написать SQL скрипт - он и так понимает, что вы аналитик, а не мамочка в декрете, и напишет именно скрипт, а не рецепт пирога, так что можете указывать или не указывать, не важно.
2. Указываете диалект SQL
Это важно. Диалектов SQL несколько: T-SQL, Postgre, Oracle - это основные. Глобально они работают одинаково, но у каждого диалекта есть свои особенности, и то, что работает в Postgre, не будет работать в T-SQL.
Пример:
в Postgre для фильтра по менеджеру можно указать просто
manager_name = 'Смирнов С. С.'
в T-SQL для аналогичного фильтра нужно будет указать
manager_name = N'Смирнов С. С.'
Чтобы чат сразу написал правильно - укажите особенности диалекта.
3. Добавьте в промпт DDL всех таблиц, которые вам нужны в скрипте
DDL - это описание данных в таблицах.
Пример DDL:
Когда вы добавляете DDL всех нужных таблиц, нейросеть сама видит названия таблиц и колонок, а также типы данных - не нужно прописывать их в промпте.
4. И прописываете сам промпт, в котором указываете название основной таблицы, таблиц-справочников, поля, которые необходимо вывести, агрегации (сумма, количество и т.д.).
Дополнительно указываете ограничения, например:
не используй временные таблицы
не используй подзапросы
Пример промпта для определения количества рабочих дней между двумя датами:
Напиши SQL-запрос для PostgreSQL, который считает разницу в рабочих днях (пн–пт) между start_date и end_date в таблице orders. Если end_date раньше — верни отрицательное число. Учти праздники из таблицы public_holidays. Без циклов, используй generate_series. Не используй подзапросы.
Поиск ошибок
О, это пожалуй самое востребованное у меня направление для работы с ИИ.
Несмотря на то, что выше я описала, как использую нейросеть для написания скриптов SQL - часто скрипты я пишу самостоятельно. Потому что у меня уже есть много шаблонных скриптов, которые написаны раньше (в доИИшную эпоху), и их нужно просто подкоректировать под потребность.
И вот тут бывает, что вылезают ошибки. Вместо того, чтобы выискивать "глазами" причину (если вообще понятно, в чем она) - закидывают текст ошибки вместе со скриптом в нейросеть и получаю развернутый ответ и исправленный скрипт.
* иногда ошибка сидит в какой-то лишней скобочке или запятой, на поиск которой уйдет прилично времени (особенно под конец рабочего дня, когда уже глаза в кучу)
Макросы
Я несколько раз пыталась подступиться к изучению VBA, но так и не погрузилась в него по-серьезному, и теперь уже не вижу смысла. Потому что нейросети вполне успешно справляются с написанием макросов.
Самое интересное, что если спросить саму нейросеть, где бы она посоветовала новичку в Excel использовать ИИ - ответ будет, что только не для написания макросов, т.к. это небезопасно.
Доля здравого смысла в этом есть: макрос - это программа, а программа может натворить любых дел. Особенно если вы недостаточно тщательно сформулировали свой запрос, не выставили достаточно ограничений в промпте. Поэтому базовые знания VBA все же необходимы.
Аналитические кейсы
*Здесь я увлеклась и понаписывала лишнего 😆 Аналитические кейсы с ИИ - это уже никак не вайбкодинг, но раз уж написала - оставлю, т.к. это реально рабочая история.
Честно скажу, считаю, что слепо доверять нейросети расчет серьезных аналитический кейсов, как например, прибыльности какого мероприятия - это хождение по очень тонкому льду. Ведь за результат расчета, который может пойти "высоко" - отвечать будешь все равно ты сам.
Но не использовать возможности дополнительного мозга глупо.
Здесь наиболее эффективно сочетание искусственного и естественного интеллектов.
Как делаю я:
1. Сначала делаю самостоятельный расчет, подобрав источники - все равно нужно сначала получить какие-то цифры, чтобы скормить их нейросети.
2. Затем оцениваю полученные данные на предмет коммерческой тайны либо информации, которая может представлять интерес для конкурентов.
(конечно, больше это касается крупных компаний)
Не все цифры представляют тайну или хотя бы интерес для конкурентов, но как минимум выручку, прибыль и основные статьи затрат я бы не сливала в нейросеть.
Для коммерческих показателей произвожу обезличивание данных: все значения делю или умножаю на какое-то одно число, сохраняя порядок и пропорцию цифр.
3. Скармливаю нейросети свой расчет с просьбой проверить его и сделать выводы, а также предложить свои варианты расчета.
4. Синтезирую выводы.
Что в планах?
В ближайшем будущем планирую выстраивать workflow своих процессов с помощью ИИ, например, Яндекс AI Studio.
Сейчас мои workflow не используют нейросети - хочу сравнить, будет ли то же самое с ИИ более эффективным.
Поделитесь в комментариях, используете ли вы нейросети для работы? Если да, то как?
P.S Завела канал в MAX Ленивый аналитик, там будут выходить не только анонсы статей, но и дополнительные материалы, все так же, как в канале в ТГ.
