Hvor passer Python ind i alle de værktøjer det er tilgængeligt i f.eks. Excel programmet.

Efterhånden er der mange forskellige værktøjer i Excel, og andre Microsoft applikationer. Det kan være svært at få det hele til at gå op i en større sammenhæng.

Hvornår skal man benytte det ene eller det andet? Hvornår er Excel formler, Power Query, VBA, DAX, SQL eller Python det rigtige værktøj.

Det er et godt spørgsmål og, som alle gode spørgsmål, ikke så nemt at svare enkelt. De overlapper alle hinanden på rigtigt mange punkter og meget handler også om præference.

De indbyggede formler i Excel

Fordele:

  •             Indbygget, derfor hurtigere og nemmere at implementere i regnearket, de kræver ingen eksterne tilladelser
  •             Ingen kodning nødvendig – forholdsvis let tilgængeligt for ikke-programmører.
  •             Opdateres automatisk, når data ændres.

Ulemper:

  •      Kan hurtigt blive komplekse og uoverskuelige i store ark.
  •      Kan gøre regnearket langsomt, hvis der er mange flydende funktioner.
  •      Svært at fejlsøge, især hvis der er mange indlejringer mm.
  •      Sammenlignet med VBA, Python og DAX er former en del mindre fleksibelt.

VBA (Makroer)

Fordele:

  •            Rigtigt godt til automatisering af gentagne opgaver.
  •            Kan arbejde med og i hele Excel-programmet (f.eks. formatering, pivot-tabeller, andre filer), samt filer,  mapper og integration med andre Office-programmer.
  •            Kan skabe brugerdefinerede formularer, dialogbokse og brugergrænseflader.

Ulemper:

  •      Langsommere i sammenligning med de andre værktøjer (Især på store datasæt).
  •      Der er sikkerhedsmæssige begrænsninger (Kræver, at makroer er aktiveret).
  •      Efterhånden en forældet teknologi – Microsoft selv anbefaler de mere moderne alternativer.
  •      Tungt at fejlfinde og vedligeholde store VBA-projekter.

DAX (Primært i Power BI og Power Pivot)

Fordele:

  •            Effektiv til store datasæt og flerdimensionelle analyser.
  •            Bedre performance end almindelige Excel-formler.
  •            Giver mulighed for komplekse beregninger med tidsintellegens (f.eks. År til dato eller parallel   perioder).
  •            Velegnet til dashboards og business intelligence-rapporter, og derfor det primære formel værktøj i   Power BI.

Ulemper:

  •      Kan ikke manipulere Excel-ark direkte (Kun de data de indeholder).
  •      Begrænset interaktion med andre Excel-funktioner uden Power Query.
  •      Ikke velegnet til generelle automatiseringsopgaver.

Python i Excel

Fordele:

  •            Meget fleksibelt og kan bruges til dataanalyse, statistik, maskinlæring, web scraping mm.
  •            Hurtigere og mere effektivt end VBA til store datasæt.
  •            Mange tilgængelige objektbiblioteker med alle mulige værktøjer.
  •            Bedre til datahåndtering og avanceret analyse.
  •            Fremtidssikret, det er nyt og Microsoft har aktivt tilføjet understøttelse af Python i Excel (Bliver stadig   udbygget og forbedret).

Ulemper:

  •      Ikke integreret i alle Excel-versioner, endnu (afhængig af Microsoft 365).
  •      Har ikke direkte adgang til alle Excel-objekter som VBA (Selvom biblioteker som xlwings giver   adgang til mange).
  •      Brugere uden erfaring med kodning (Scripting) kan finde det svært at lære.

Power Query

Fordele:

  •           Noget lettere tilgængeligt end alle de andre alternativer. Arbejdet foregår i en forholdsvis intuitiv brugerflade med trin-for-trin handlinger. Kræver ingen kodning.
  •           Nemmere forbindelse til mange datakilder – Understøtter CSV-filer, databaser, API’er, websider, SharePoint osv.
  •           Håndterer store datasæt bedre end almindelige Excel-formler.
  •           Gør processer gentagelige og opdaterbare, når en Power Query-forespørgsel er sat op, er den nem at opdateres med ét klik.
  •           Integration med Power BI – Power Query bruges også i Power BI til datahåndtering.

Ulemper

  •      Opdateres ikke automatisk i realtid, man skal opdatere manuelt.
  •      Kan ikke arbejde med Excels grænseflade eller formatering. Power Query kan kun arbejde med data.
  •      Sprogbarrieren (M-kodning) – Power Query bruger et bagvedliggende sprog kaldet M, som kan være   svært at lære, hvis du vil lave avancerede transformationer.

Hvilken metode skal man så vælge?

Det afhænger bl.a. af, hvad man vil opnå:

  • Automatisering af repeterende opgaver i Excel? → VBA.
  • Simpel og hurtig analyse / Behandling af data i celler? → Formler.
  • Større datasæt og komplekse analyser, inkl. import? → Python eller Power Query.
  • Avanceret analyse i Power Pivot/Power BI? → DAX.

Tænker man i fremtidssikring, er Python Power Query og DAX de mest moderne valg, selvom VBA og formler stadig er uundværlige til mange klassiske Excel-opgaver.