KajoData / Excel
Czy warto uczyć się Excela w erze AI? Ja nadal od niego zaczynam
Pokazuję, do czego nadal potrzebuję Excela, jak łączę go z AI i po czym poznać, że podstawy masz już wystarczająco opanowane, żeby iść dalej.

Chcesz wrócić do nauki, otwierasz internet i po kilku minutach masz wrażenie, że wszystko już przegapiłeś. Wszyscy rozmawiają o agentach, automatyzacji i kolejnych możliwościach AI. A Ty właśnie planowałeś przypomnieć sobie Excela. Czy to jeszcze ma sens?
Moim zdaniem ma. Sam intensywnie korzystam z AI, a jednocześnie nadal widzę wartość w sprawnej pracy z arkuszem. Excel pozwala mi szybko uporządkować problem, pokazać coś drugiej osobie i sprawdzić prostą zależność. Chcę więc uczyć się go do konkretnej pracy, z wyraźnym momentem przejścia do kolejnych narzędzi. Bez budowania sobie królestwa z zakładek.
Zaczynam od pracy, do której chcę się przygotować
W KajoDataSpace dostaję od uczestników informacje o rozmowach technicznych i zadaniach rekrutacyjnych. Excel w tych relacjach nadal występuje. To mój konkretny punkt odniesienia. Nie traktuję go jako statystyki całego rynku ani dowodu, że każdy pracodawca wymaga tego samego zestawu umiejętności.
Dlatego zamiast wybierać plan nauki na podstawie najbardziej efektownego posta, przejrzałbym oferty, na które rzeczywiście mogę aplikować. Sprawdziłbym zakres zadań, wymagane narzędzia, branżę i miejsce pracy. Osobno zaznaczyłbym umiejętności konieczne i te mile widziane. Dopiero taki zestaw pomaga mi zdecydować, na co przeznaczyć czas.
Nie ograniczałbym też wyszukiwania do jednego tytułu stanowiska. Raportowanie może być częścią pracy w logistyce, finansach czy obsłudze klienta. Czytając ogłoszenie, pytam przede wszystkim, jakie problemy mam rozwiązywać i czy potrafię pokazać choćby część potrzebnych kompetencji.
Sama znajomość Excela nie gwarantuje zatrudnienia. Nie obiecam też, że wejście do branży będzie szybkie. Chcę tylko dopasować przygotowanie do realnego punktu startu. Jeśli docelowe zadania obejmują pracę z arkuszami, pomijanie ich dlatego, że w internecie modniejsze jest inne narzędzie, utrudnia mi przygotowanie.
Excel jest brudnopisem do rozmowy z biznesem
Kiedy mówię o biznesie, mam na myśli ludzi odpowiedzialnych za ceny, dostawy, sprzedaż czy koszty. Taka osoba może potrzebować odpowiedzi na pytanie, ile towaru zamówić albo dlaczego wynik wygląda inaczej niż w poprzednim miesiącu. Zbudowanie raportu jest dla niej środkiem do wykonania własnej pracy.
W materiale nazywam Excela brudnopisem. To określenie dobrze oddaje zastosowanie, które cenię: otwieram plik, porządkuję kilka kolumn i mogę pokazać, jak rozumiem problem. Odbiorca od razu widzi, czy patrzymy na właściwy okres, produkt i poziom szczegółowości.
Wyobraźmy sobie przykładową rozmowę z osobą zarządzającą magazynem. Dostaję zestawienie dostaw i pytanie o liczbę opóźnień. Najpierw ustalam, co znaczy opóźnienie: przekroczenie planowanej godziny, dnia czy uzgodnionego okna dostawy? Dopiero potem przygotowuję porównanie. Nawet sprawnie wykonana tabela odpowie źle, jeśli obie strony miały na myśli inne zdarzenie.
Arkusz daje mi tutaj wspólny przedmiot rozmowy. Mogę pokazać pojedynczą dostawę, wskazać założenie i zobaczyć, co zmienia poprawka. W takim zastosowaniu nie potrzebuję rozbudowanego systemu. Potrzebuję czytelnej struktury i umiejętności wyjaśnienia własnych obliczeń.
Jest też granica tego brudnopisu. Jeżeli kolejne osoby kopiują plik i poprawiają reguły po swojemu, przestaję wiedzieć, która wersja jest właściwa. Szybki szkic powinien pomóc ustalić zasady. Kiedy raport wraca regularnie, chcę te zasady zachować w bardziej uporządkowanej postaci.
Sprawność pomaga mi także wtedy, gdy mam pod ręką AI
Na spotkaniu ktoś prosi o zmianę filtra albo sprawdzenie jednego klienta. Chcę umieć to zrobić i opowiedzieć, co właśnie zmieniłem. Jeśli każda drobna operacja wymaga ode mnie nowej rozmowy z czatem, przerywam wspólne rozwiązywanie problemu.
Nie chodzi mi o konkurs pamięci. Sam mogę sprawdzić rzadko używaną funkcję. Widzę jednak różnicę między uzupełnieniem jednej luki a sytuacją, w której nie wiem, jaki wynik powinien powstać. W drugim przypadku trudno mi nawet ocenić, czy odpowiedź AI pasuje do zadania.
W filmie porównuję to do hydraulika, który przy cieknącym kranie czeka na instrukcję z telefonu. Ta przesada pokazuje moją intencję: podstawowe czynności chcę wykonywać świadomie. Dzięki temu przy bardziej złożonym problemie mam uwagę na wyjątki i rozmowę z odbiorcą.
AI przydaje mi się jako pomoc w rozumieniu propozycji. Mogę poprosić o wyjaśnienie, skąd bierze się dana wartość albo dlaczego wybrano taki sposób połączenia danych. Potem sprawdzam propozycję na małym przykładzie. Umiem też zauważyć, że narzędzie przyjęło inne założenie niż ja.
Dlatego nie przenoszę do planu nauki obietnic, że jedna osoba zawsze pracuje określoną liczbę razy szybciej. Tempo zależy od zadania. Mój cel jest prostszy: chcę samodzielnie przejść przez zwykłe zestawienie i rozpoznać moment, w którym potrzebuję pomocy.
Podstawy ćwiczę na jednym małym problemie
Zacząłbym od uporządkowanej tabeli. Co oznacza jeden wiersz? Gdzie jest identyfikator? Która kolumna zawiera kwotę, a która opis? Dopiero na takim fundamencie dokładam filtrowanie, sortowanie, obliczenia warunkowe i wyszukiwanie informacji w drugim zestawie.
Jako przykład weźmy wymyśloną listę zamówień i osobną listę produktów. Chcę dopisać kategorię do każdego produktu według jego identyfikatora. Najpierw sprawdzam, czy ten identyfikator jednoznacznie wskazuje kategorię. Jeśli ten sam klucz ma kilka sprzecznych opisów, sama formuła nie rozstrzygnie, który jest właściwy.
Jednym z narzędzi do wyszukiwania jest XLOOKUP. Dokumentacja Microsoftu opisuje zwracanie wartości odpowiadającej dopasowaniu i zaznacza, że funkcja nie jest dostępna w Excelu 2016 i 2019. Przed wyborem rozwiązania sprawdziłbym więc wersję używaną przez odbiorcę pliku. Szczegóły pokazuję w tekście o XLOOKUP w Excelu.
Potem dołożyłbym tabelę przestawną. Microsoft opisuje ją jako narzędzie do podsumowywania i porównywania danych; zwraca też uwagę na typ danych oraz wybór sumowania lub zliczania. W ćwiczeniu chcę umieć wyjaśnić, dlaczego w raporcie widzę liczbę zamówień albo ich wartość. To różne pytania.
Dla mnie opanowanie podstaw oznacza, że potrafię zmienić warunek i przewidzieć kierunek zmiany wyniku. Umiem też znaleźć brakujące dopasowanie i pokazać, skąd przyszła liczba. Dalszą kolejność ćwiczeń rozpisałem w planie nauki Excela.
W tym samym ćwiczeniu dołożyłbym pytanie od odbiorcy: pokaż tylko zamówienia jednej kategorii, ale zachowaj możliwość powrotu do całości. Czy po zmianie umiem sprawdzić, jakie rekordy weszły do wyniku? Czy umiem wyjaśnić różnicę między brakiem kategorii a kategorią, w której niczego nie sprzedano? Takie drobiazgi zmuszają mnie do patrzenia na dane, zamiast tylko odtwarzania ruchów z lekcji.
Jeżeli rozwiązanie działa wyłącznie na niezmienionym pliku szkoleniowym, zrobiłbym jeszcze jedną próbę. Poprosiłbym drugą osobę o dopisanie kilku wymyślonych rekordów albo sam zmienił warunek zadania następnego dnia. Chcę sprawdzić, czy pamiętam sens operacji. Sam wygląd gotowej tabeli może mi podpowiadać za dużo.

Powtarzalne przygotowanie danych przenoszę do Power Query
W kolejnym kroku patrzę na czynności, które powtarzam przy każdym nowym pliku. Usuwam tę samą kolumnę, poprawiam typ daty, wybieram właściwe rekordy. Właśnie tutaj chcę poznać Power Query.
Według dokumentacji Microsoft Learn Power Query pozwala zapisać przekształcenia jako kroki zapytania wykonywane ponownie przy odświeżeniu. To daje dobry powód do nauki: mogę zachować uzgodniony sposób przygotowania danych zamiast odtwarzać go ręcznie z pamięci.
Nazywam to w materiale półautomatyzacją, bo biznes i pliki potrafią się zmienić. Nowa kolumna, inny zapis daty albo zmiana znaczenia statusu wymagają uwagi. Gdy proces przestaje działać, chcę rozumieć, na którym kroku i dlaczego. Sam przycisk odświeżania nie wyjaśnia jakości wyniku.
W przykładowym zadaniu zachowałbym pierwszy poprawny zestaw jako punkt odniesienia. Po dołożeniu kolejnego okresu sprawdziłbym, czy widzę oczekiwaną liczbę zamówień i czy wcześniejsze rekordy nie zniknęły przez nowy filtr. Taki nawyk przyda mi się również później, przy większym procesie danych.
Nie zaczynałbym od automatyzacji całej firmy. Wybrałbym jeden powtarzalny raport, którego zasady potrafię opisać. Dzięki temu uczę się utrzymywania rozwiązania, a nie tylko doprowadzania do pierwszego poprawnego uruchomienia.
Excel zostaje częścią większego warsztatu
Nie oczekuję, że cały mój rozwój skończy się na arkuszu. W materiale mówię też o bazach danych, SQL-u, Power BI i Pythonie. Dobór kolejnego kroku uzależniam od pracy, do której się przygotowuję, oraz problemu, który chcę rozwiązać.
To ważne ograniczenie mojej rekomendacji. Jeśli konkretna rola wymaga przede wszystkim pracy z bazą, nie odwlekałbym SQL-a do czasu poznania każdej opcji Excela. Jeśli zadanie jest niewielkie i jednorazowe, nie budowałbym od razu rozbudowanej instalacji. Chcę umieć dobrać skalę rozwiązania.
Podobnie z AI. Włączam je do warsztatu, ale zachowuję własne rozumienie danych. Umiejętność zadania pytania o klucz, datę albo brakujący rekord przechodzi ze mną między narzędziami. Szerszą perspektywę opisuję w artykule o kontekście i kompetencjach w pracy z AI.
Na następne ćwiczenie wybieram wynik, który umiem wyjaśnić
Jeżeli czujesz, że technologia Ci odjeżdża, zacznij od ograniczonego zadania. Przygotuj małe, wymyślone dane o zamówieniach. Ustal znaczenie wiersza, zrób zestawienie według kategorii i sprawdź jeden wynik od początku do końca.
Potem zmień pojedynczy element: usuń kategorię z listy produktów albo dopisz zamówienie. Zobacz, czy umiesz wyjaśnić, co stało się w raporcie. AI możesz poprosić o podpowiedź do miejsca, w którym utkniesz. Zanim przyjmiesz propozycję, odnieś ją do swoich danych i celu zadania.
Na końcu zapisz, co potrafisz już zrobić samodzielnie i gdzie potrzebujesz kolejnego ćwiczenia. To daje mi lepszą podstawę do wyboru dalszej nauki niż liczba obejrzanych lekcji. Excel nadal ma dla mnie sens właśnie jako miejsce takiej konkretnej pracy. A kiedy podstawy działają, dokładam następne narzędzie.
Najważniejsze w pigułce
Czy AI sprawia, że nauka Excela traci sens?
Ja nadal traktuję Excela jako przydatny warsztat do szybkiej pracy z danymi i rozmowy z odbiorcą raportu. AI może pomagać, ale potrzebuję podstaw, żeby ocenić wynik i sprawnie wprowadzić zmianę.
Czego uczyć się najpierw?
Zacząłbym od uporządkowanej tabeli, filtrowania, podstawowych obliczeń, wyszukiwania po kluczu i tabel przestawnych. Następnie dołożyłbym powtarzalne przygotowanie danych w Power Query.
Czy muszę opanować całego Excela przed nauką SQL-a?
Nie czekałbym na znajomość każdej funkcji. Gdy umiesz samodzielnie przygotować małe zestawienie, wyjaśnić obliczenia i poprawić błąd, możesz rozwijać kolejne narzędzie zgodnie z potrzebami wybranej pracy.
Przy pracy nad artykułem użyto w zautomatyzowany sposób sztucznej inteligencji. Jeśli też chcesz tak umieć, sprawdź ten projekt.
