Python ist eine dynamische Programmiersprache, die von Datenanalyse bis hin zu künstlicher Intelligenz eingesetzt wird. Die Verbindung von Python mit Excel verdient eine genauere Analyse.
Meine IT-Abteilung hat mir davon abgeraten, den Microsoft 365 Insider’s Beta Channel zu nutzen, der eine Frühversion der neuen Funktion bietet. Sie haben mich gewarnt, dass es in der Vergangenheit zu viele schlechte Erfahrungen und Probleme gab. Auch wenn ich nun geduldig auf die offizielle Veröffentlichung warten muss, habe ich einige Erfahrungsberichte von Nutzern gelesen, die diese Warnungen ignoriert haben.
Obwohl Excel für Einzelbenutzer robust ist, kann es aufgrund seiner komplexen Funktionen unbeabsichtigt Shadow-IT-Probleme in Organisationen verursachen. Viele Zahlenjongleure in Unternehmen sind nicht davon abzubringen, Excel zu nutzen, und die Integration von Python wird dies weiter forcieren. Neue Ansätze, um der Datenlage wieder Herrin zu werden, gehen mittlerweile davon ab, die Nutzung von Excel zu verteufeln. Ein prominentes Beispiel hierfür ist Data Mesh.
Erste Beobachtungen
- intuitive Python-Integration: die nahtlose „=PY()“ Funktion ermöglicht eine Programmierschnittstelle in jeder Zelle. Man sollte darauf achten, keine Python-Objekte zu benutzen, die rechts oder unterhalb der entsprechenden Zelle liegen, da dies gegen die Leserichtung geht. Excel-Tabellen können einfach als Pandas-Data-Frames definiert werden und mit individuellen Benennungen referenziert werden.
- Umfassende Paket-Integration: Die Möglichkeit Python-Pakete einzubinden, beschränkt sich nicht nur auf die Standardbibliotheken (Pandas, Numpy, Matplotlib, Seaborn usw.). Die Erweiterung der Excel-Funktionalität ist daher nahezu unbegrenzt.
- Nutzen für Python-Profis: Erfahrene Python-Entwickler erhalten mit Excel ein Tool, das manuelle Datenmanipulation in der Prototypisierung und zu experimentellen Zwecken immens vereinfacht.
- Bedenken hinsichtlich Collaboration und Performance: Excel wird wohl ein Werkzeug für Einzelgänger bleiben, da keine nennenswerten Maßnahmen zur Verbesserung der Dokumentation und Nachvollziehbarkeit von Arbeitsschritten ergriffen wurden. Die Frage, ob die vorhandene Excel-Performance auch für komplexere Berechnungen und Transformationen mit Python ausreicht, kann zum jetzigen Zeitpunkt nicht abschließend beantwortet werden und bedarf noch eines eingehenden Praxistests.
Erwartete Ergebnisse
- Hindernisse auf der Lernkurve überwinden: Durch die Einbettung von Python in Excel erhält ein großer Teil der Excel-Benutzer einen leichteren Zugang zu der Programmiersprache. Tools wie ChatGPT verringern die Herausforderungen beim Erlernen von Python zusätzlich und können die Datenkompetenz in Unternehmen fördern.
- Advanced Excel Analytics: Mit Python können nun komplexe Modelle problemlos in Excel erstellt werden, wodurch es für viele zum bevorzugten Tool für Advanced Analytics werden wird.
- Potenzial für Chaos und Datensilos: Die neuen Data-Science-Funktionen von Excel sollten ausschließlich für Prototypen oder Experimente verwendet werden. Andernfalls könnte dies zu mehr Chaos und Datensilos in Unternehmen führen.
Vorläufiges Fazit
Zusammenfassend lässt sich sagen, dass die Integration von Python in Excel ein zweischneidiges Schwert ist. Sie bietet ein immenses Potenzial für einzelne Benutzer und Datenanalysten, aber Unternehmen müssen sich vor den möglichen Fallstricken in Acht nehmen. Entsprechende Schulungen, Richtlinien und Best Practices sind entscheidend, um sicherzustellen, dass diese Integration mehr Nutzen als Schaden bringt.
Weiterführende Links
DATA festival #online: Das kostenfreie Event für alle die sich mit Data Sciene, KI-Anwendungen und Advanced Analytics interessieren
Data Mesh in der Praxis: Der Podcast von Dr. Carsten Bange zu Data Mesh, Data Fabric und mehr
