Excel PRO с искусственным интеллектом: аналитика, автоматизация, агенты

День 1

Продвинутые формулы Excel и ИИ как аналитик формул.

Модуль 1. Функции поиска нового поколения и динамические массивы.

• XLOOKUP: поиск влево, вправо, с условием — чем принципиально лучше ВПР.
• XMATCH: гибкий поиск позиции, комбинации с другими функциями.
• Динамические массивы: FILTER — фильтрация данных формулой без таблиц.
• SORT и SORTBY: автоматическая сортировка по нескольким критериям.
• UNIQUE: список уникальных значений в одну формулу.
• SEQUENCE: генерация последовательностей — даты, нумерация, матрицы.
• Комбинации: FILTER + SORT + UNIQUE в одной формуле.

Сценарии применения:

• Задача на отчёт по продажам: найти топ-клиентов через XLOOKUP + FILTER.
• Реестр сотрудников: уникальные отделы, динамическая сортировка по дате.

Практикум:

• Переписать три формулы ВПР из своего рабочего файла на XLOOKUP.
• Создать динамический список уникальных значений — без сводной таблицы.
• Построить автоматически обновляемый топ-10 через FILTER + SORT.

Модуль 2. LAMBDA-экосистема: функциональное программирование в Excel без VBA.

• LET: именованные переменные внутри формулы — читаемость, скорость, отсутствие повторений
• LAMBDA: создание собственных функций — один раз написал, используешь везде как встроенную.
• BYROW / BYCOL: применение LAMBDA-функции к каждой строке или столбцу массива.
• MAP: преобразование каждого элемента массива через LAMBDA — аналог map() в Python.
• REDUCE: свёртка массива в одно значение — накопительные вычисления без вспомогательных столбцов.
• SCAN: как REDUCE, но возвращает все промежуточные результаты — нарастающий итог, скользящее среднее.
• MAKEARRAY: генерация матриц и таблиц по формуле.
• Вложенные LAMBDA и рекурсия: как Excel может вызывать функцию внутри самой себя.
• ChatGPT, Claude и Qwen для LAMBDA: описываем задачу словами → ИИ пишет готовую функцию.

Сценарии применения:

• Финансы: REDUCE для накопительного расчёта амортизации без вспомогательных столбцов.
• Аналитика: BYROW для расчёта нескольких метрик по каждой строке данных одной формулой.
• Матрица: MAKEARRAY для генерации таблицы значений — план-факт по месяцам и отделам.

Практикум:

• Переписать формулу с повторяющимися вычислениями через LET — сократить код в 3 раза.
• Создать LAMBDA-функцию для типовой задачи своего отдела через ChatGPT — проверить работу.
• Написать BYROW для расчёта показателя по каждой строке таблицы — без вспомогательного столбца.
• Попросить Claude объяснить разницу REDUCE и SCAN на конкретном примере — применить на своих данных.

Инструменты: Microsoft Excel 365, ChatGPT (GPT-4o), Claude, Qwen.

Модуль 3. ChatGPT, Claude и Qwen как генераторы и отладчики формул.

• ChatGPT для формул: описываем задачу на русском → получаем готовую формулу.
• Итерационный диалог: «не работает — вот ошибка» → ChatGPT исправляет.
• Claude для длинного контекста: вставляем весь лист → «что не так с этой формулой?».
• Qwen как альтернатива без VPN: тот же функционал, с хорошей поддержкой кириллицы.
• Отладка ошибок: #ЗНАЧ!, #ССЫЛКА!, #ИМЯ? — ИИ находит причину за секунды.
• LAMBDA-функции через ChatGPT: в М2 написали вручную — теперь пишем через ИИ и сравниваем скорость.
• Microsoft Copilot в Excel (демо тренера): Agent Mode, функция =COPILOT(), Formula AI — как это работает при наличии лицензии M365 Copilot.
• Сравнение: ChatGPT — для генерации и диалога, Claude — для анализа большого объёма, Qwen — для работы без VPN.

Сценарии применения:

• Финансовый расчёт: попросить ChatGPT написать формулу расчёта % с условиями.
• HR: вставить колонку с данными в Claude — найти аномалии и пустые значения.
• Работа без VPN: Qwen переводит описание задачи на русском в рабочую формулу Excel.

Практикум:

• Взять сложную формулу из своего файла — вставить в Claude, получить объяснение.
• Описать задачу ChatGPT и получить готовую формулу — проверить на реальных данных.
• Отладить намеренно сломанную формулу через ChatGPT — разобрать логику ошибки.
• Сравнить ответы ChatGPT и Qwen на одну и ту же задачу — обсудить различия.

Инструменты: ChatGPT, Claude, Qwen; Microsoft Copilot — демо тренера.

Итоговая практика дня: мой первый ИИ-документ в Excel.

Каждый участник выбирает реальную задачу из своей практики и создаёт решение в Excel с помощью ИИ — от формулировки задачи до готовой таблицы.

Тренер разбирает промпты, помогает с итерациями.

Финал: «Вот что я сделал — это можно отправить завтра».

День 2

Power Query: автоматизация данных + ИИ для M-кода.

Модуль 4. Power Query: загрузка, очистка и трансформация данных.

• Что такое Power Query и почему он меняет подход к данным раз и навсегда.
• Импорт данных: из Excel, CSV, TXT, папки с файлами, SharePoint, веб-страницы.
• Очистка данных: удаление дубликатов, замена значений, разбивка столбцов.
• Трансформации: группировка, транспонирование, Unpivot (отмена свёртки).
• Типы данных: почему это важно и как ИИ помогает диагностировать проблемы.
• Шаги запроса: как читать и редактировать цепочку преобразований.

Сценарии применения:

• Продажи: загрузить CSV с выгрузкой из 1С, очистить, привести к нужному виду.
• HR: объединить данные о сотрудниках из нескольких Excel-файлов отдела.

Практикум:

• Загрузить свой рабочий CSV и провести полную очистку без единой формулы.
• Сделать Unpivot таблицы с кросс-форматом — привести к плоскому виду.
• Настроить автообновление запроса при открытии файла.

Инструменты: Microsoft Excel Power Query.

Модуль 5. Объединение таблиц, параметры и автообновление.

• Merge (слияние): аналог ВПР без формул — Left Join, Inner Join, Anti Join.
• Append (добавление): склейка нескольких таблиц по строкам за секунды.
• Загрузка из папки: объединить 50 файлов в одну таблицу одной кнопкой.
• Параметрические запросы: один запрос — разные периоды или источники.
• Обновление данных: расписание обновления, обновление при открытии файла.

Сценарии применения:

• Финансы: объединить план и факт из двух файлов через Merge — без ВПР.
• Маркетинг: склеить отчёты по кампаниям за 12 месяцев через Append + папка.

Практикум:

• Объединить две рабочие таблицы через Merge — убрать все ВПР из файла.
• Загрузить данные из папки с несколькими файлами — автообновление при добавлении.

Инструменты: Microsoft Excel Power Query.

Модуль 6. ChatGPT и Claude для M-кода и отладки Power Query.

• M-язык: что это, зачем знать основы и как читать автогенерированный код.
• ChatGPT для M-кода: описываем трансформацию словами → получаем готовый шаг.
• Claude для сложных запросов: вставляем схему данных текстом → Claude предлагает архитектуру.
• Отладка ошибок через ИИ: копируем сообщение об ошибке → ChatGPT объясняет и исправляет.
• Нестандартные трансформации через M: что нельзя сделать кнопками — пишем с ChatGPT.
• Microsoft Copilot в Power Query (демо): на что способен в обычном Excel и где нужен Fabric/Dataflow Gen2.

Сценарии применения:

• Задача, которую нельзя решить кнопками: попросить ChatGPT написать M-функцию.
• Сломать Power Query запрос намеренно — отладить через ChatGPT за 3 минуты.

Практикум:

• Взять любой шаг из своего Power Query запроса — вставить M-код в ChatGPT, получить объяснение.
• Описать нестандартную трансформацию — получить M-функцию, вставить и проверить.

Инструменты: ChatGPT, Claude; Microsoft Copilot — демо тренера.

Модуль 7. Python через ChatGPT + Kimi Sheets: когда Power Query не справляется.

• Когда Power Query не справляется: сложная логика, нестандартные форматы, нет Excel 365.
• ChatGPT Advanced Data Analysis (ADA): загрузка файлов → анализ → графики → скачивание результата. Практический лимит ~50 МБ для xlsx/csv.
• ChatGPT пишет Python-скрипт: описываем задачу → получаем готовый код → запускаем локально на своём компьютере.
• «Объедини 50 CSV из папки» — ChatGPT пишет pandas-скрипт, вы запускаете его локально, результат открываете в Excel.
• «Найди аномалии в данных» — ChatGPT ADA пишет Python, строит график, объясняет выбросы.
• Claude пишет Python для сложной логики: длинный контекст позволяет передать схему данных и бизнес-правила.
• Kimi Sheets как альтернативный подход: вместо скрипта — сразу готовый xlsx с формулами, сводными, графиками. Без VPN, без запуска кода локально.
• Матрица выбора: что в Power Query, что в ADA, что локальным скриптом, что через Kimi Sheets, что заказывать разработчику.

Сценарии применения:

• Загрузить рабочий файл в ChatGPT ADA: «опиши эти данные, найди аномалии», получить график.
• ChatGPT пишет скрипт объединения CSV-файлов → запускаем локально → открываем результат в Excel.
• Kimi Sheets: «создай шаблон финансовой модели с P&L на 12 месяцев, сводной по отделам и графиком динамики» → получаем рабочий xlsx.

Практикум:

• Загрузить свой .xlsx в ChatGPT ADA — получить автоматический обзор и 2 графика с выводами.
• Описать задачу объединения данных — получить Python-скрипт от ChatGPT — запустить локально.
• Попросить Kimi Sheets сгенерировать рабочий шаблон под задачу своего отдела — скачать, открыть в Excel, проверить формулы.

Инструменты: ChatGPT Advanced Data Analysis, ChatGPT / Claude (генерация Python-скриптов), Python локально, Kimi Sheets.

День 3

Дашборды, агенты, коннекторы и презентация результатов.

Модуль 8. Визуализация данных и интерактивные дашборды в Excel.

• Архитектура дашборда: лист-витрина + листы с данными — почему это правило нельзя нарушать.
• Расширенные диаграммы: Waterfall (водопад) для план-факта, Sunburst, Treemap.
• Комбинированные диаграммы: план и факт на одном графике, двойная ось Y.
• Спарклайны: мини-тренды прямо в ячейке таблицы KPI.
• Условное форматирование: цветовые шкалы, иконки статусов, гистограммы в ячейках.
• Срезы (Slicers): интерактивные фильтры-кнопки — стилизация под корпоративный стиль.
• Временные шкалы (Timeline): фильтрация по периоду одним движением.
• Динамические заголовки: заголовок графика меняется при смене среза.

Сценарии применения:

• Финансы: дашборд план-факт с Waterfall и срезами по периоду и отделу.
• HR: дашборд по персоналу с KPI, спарклайнами и фильтром по подразделению.

Практикум:

• Создать Waterfall-диаграмму по своим данным с автоматическим расчётом отклонения.
• Добавить срезы и временную шкалу к сводной таблице — связать между собой.
• Настроить динамические заголовки диаграмм через именованный диапазон.

Инструменты: Microsoft Excel 365, сводные таблицы и диаграммы.

Модуль 9. ИИ для визуализации: ChatGPT ADA, Claude, Perplexity.

• ChatGPT ADA: загружаем данные → «какой график лучше всего покажет динамику?».
• ADA строит matplotlib/seaborn графики: стилизованные, с подписями и выводами.
• Claude для дашборда: описываем задачу → Claude предлагает набор KPI и структуру.
• ChatGPT пишет Python + openpyxl: форматированный Excel-файл с цветами и логотипом.
• Perplexity для дашборда с внешним контекстом: подтянуть отраслевые бенчмарки, актуальные курсы, индексы → передать в ADA или Claude для визуализации.
• Napkin AI: текст → инфографика — для презентации данных без диаграмм.
• Microsoft Copilot в Excel (демо тренера): Agent Mode для автоматического построения дашборда.

Сценарии применения:

• Аналитика продаж: ADA строит 3 графика с автоматическими выводами по тренду.
• Маркетинг: Claude описывает структуру дашборда по воронке конверсии.
• Финансовая аналитика: Perplexity тянет актуальные курсы и индексы → Claude строит сравнительный отчёт.

Практикум:

• Загрузить свой файл в ChatGPT ADA — получить 2 графика с текстовыми выводами.
• Попросить Claude описать структуру дашборда для своей задачи — использовать как ТЗ.
• Через Perplexity найти релевантный внешний бенчмарк → передать ChatGPT ADA для сравнения со своими данными.

Инструменты: ChatGPT ADA, Claude, Perplexity, Napkin AI; Microsoft Copilot — демо тренера.

Модуль 10. Kimi Agents + знакомство с Manus и GenSpark.

• Чем агент отличается от ИИ-ассистента: цепочка действий, инструменты, автономность.
• Kimi как агентская платформа: режимы Instant / Thinking / Agent / Agent Swarm.
• Kimi Sheets: генерация рабочего xlsx с формулами, сводными и графиками — по текстовому описанию.
• Kimi Docs: Excel → Word-отчёт с аналитикой; xlsx с сотрудниками → N готовых расчётных листков; перевод документов, сравнение версий.
• Kimi Slides: презентация по данным из таблицы — адаптивный и визуальный режимы.
• Kimi Deep Research: когда нужен реферативный отчёт с источниками.
• Kimi Agent Swarm: до 100 параллельных суб-агентов для сложных многошаговых задач.
• Демо тренера: Manus AI как концепция автономного агента в sandbox-окружении.
• Демо тренера: GenSpark как агент с веб-данными (работает на базе Kimi K2).
• Ограничения агентов: где они галлюцинируют на числах, где нужна проверка человека.
• Матрица выбора: когда агент, когда ChatGPT ADA, когда Power Query, когда локальный скрипт.

Сценарии применения:

• Kimi Sheets: «создай шаблон расчёта бонусов по продажам с формулами и сводной».
• Kimi Docs: «по этой таблице с оценками сотрудников сделай итоговый отчёт для руководителя».
• Kimi Slides: «по этим данным продаж за квартал собери презентацию на 8 слайдов».
• Kimi Deep Research: «проведи анализ конкурентов в нашей нише с источниками».

Практикум:

• Сгенерировать Kimi Sheets файл для реальной рабочей задачи — проверить формулы.
• Взять свой xlsx — попросить Kimi Docs сделать по нему развёрнутый отчёт в Word.
• Попробовать Kimi Slides: создать презентацию по своим данным.
• Сравнить результат Kimi Sheets и ChatGPT ADA на одних данных — разобрать разницу в подходах.

Инструменты: Kimi (без VPN); Manus AI и GenSpark — демо тренера.

Модуль 11. Коннекторы и экосистема Claude: Excel, Design + Canva, MCP, Perplexity.

• Что такое экосистема Claude и как она работает с офисными инструментами: add-in, Skills, MCP, Design.
• Claude for Excel add-in: нативная панель Claude прямо в Excel — читает содержимое, цитирует ячейки, редактирует формулы с сохранением зависимостей.
• Claude Skills в add-in: команды быстрого доступа (/clean-up, /debug и собственные скиллы), инструкции для каждой сессии, применение под конкретный стиль работы.
• Claude Design (research preview, Opus 4.7): превращение данных и аналитики в презентационные артефакты — one-pager, pitch-deck, мокапы. Работает через диалог с inline-правками и ползунками.
• Связка Claude Design + Canva: генерация первичного артефакта в Claude Design → экспорт в Canva → финальная доработка и публикация. Важно: у Claude Design отдельные недельные лимиты, отличные от Pro-подписки.
• MCP-коннекторы как продвинутая опция: подключение Claude Desktop к Google Drive, Notion, базам данных — для нестандартных источников.
• Perplexity с коннекторами: Gmail, Drive, Notion — альтернативный подход для задач с внешним контекстом.
• Короткие упоминания (без практики): Google Gemini в Google Workspace — Help me write, Smart Chips; Microsoft Copilot — Agent Mode при наличии лицензии M365 Copilot Premium.
• Сравнение подходов: Claude for Excel vs Claude Design vs MCP — когда какой инструмент выбирать под задачу.

Сценарии применения:

• Финансовый отчёт: Claude for Excel читает .xlsx — задаём 5 аналитических вопросов прямо в интерфейсе Excel.
• Презентация руководству: взяли дашборд из Модуля 8 → Claude Design делает one-pager в брендированном стиле → Canva для финальной доработки.
• Кастомный источник: MCP-коннектор к Notion — Claude читает внутреннюю базу знаний и отвечает на вопросы по данным.

Практикум:

• Установить и настроить Claude for Excel add-in — загрузить свой файл, задать 3 аналитических вопроса с цитированием ячеек.
• Применить готовую Claude Skill (/clean-up) к своим данным — оценить результат.
• Claude Design + Canva (ключевой практикум): взять итоговый дашборд или аналитический вывод из своих данных → описать в Claude Design → получить one-pager → экспортировать в Canva и довести до готовности.
• Короткое демо: подключение Perplexity к Gmail или Drive для поиска по внутренним письмам/документам.

Инструменты: Claude for Excel, Claude Skills, Claude Design, Canva, Perplexity; MCP-коннекторы — продвинутая опция; Gemini и Microsoft Copilot.

Итоговая практика курса: дашборд на реальных данных + презентация.

Каждый участник собирает итоговый дашборд из своих данных, применяя инструменты всех трёх дней. Обязательные элементы: Power Query (загрузка и очистка) + диаграммы + срезы + хотя бы один ИИ-инструмент в пайплайне.

Финальный шаг — превратить дашборд в презентационный артефакт: через Claude Design (если есть доступ) или Kimi Slides (без VPN) сделать one-pager или мини-презентацию на 3–5 слайдов с ключевыми выводами.

Мини-защита: «вот мой дашборд, вот какие ИИ-инструменты я использовал и почему, вот как это выглядит для руководства».