# Автоматизация очистки и трансформации данных в Excel с помощью Power Query

## Метаданные

- **Спикер:** Jamie (Teacher's Tech)
- **Канал:** Teacher's Tech
- **Тема:** Изучение основ Power Query для автоматизации обработки таблиц. Руководство для новичков, которое поможет сэкономить часы рутинной работы за 37 минут.
- **Длительность:** 36:48
- **YouTube:** https://www.youtube.com/watch?v=MHIV0bYryiw
- **Источник:** https://ekstraktznaniy.ru/workbook/1450

## Ключевые тезисы

1. **Импортируйте данные из внешних веб-источников** — Используйте инструмент 'Получить данные' для подключения к веб-таблицам. Это позволяет динамически подтягивать актуальную информацию из сети прямо в Excel без необходимости ручного копирования.
2. **Преобразуйте диапазоны в умные таблицы** — Конвертируйте обычные диапазоны данных в официальные таблицы Excel перед началом работы. Это создает надежную структуру, которую Power Query может легко распознать и обрабатывать.
3. **Переименовывайте и очищайте заголовки столбцов** — Применяйте структурированные названия к заголовкам для удобства чтения. Своевременное приведение данных к единому формату предотвращает ошибки при дальнейших расчетах.
4. **Настраивайте типы данных для каждого столбца** — Корректно задавайте типы (дата, текст, валюта) для столбцов. Это критически важно для выполнения математических операций и правильного отображения форматов в финальном отчете.
5. **Фильтруйте и удаляйте ненужные строки** — Удаляйте избыточную информацию, такую как 'итоговые' строки или пустые записи, с помощью текстовых фильтров. Это делает ваш набор данных 'чистым' и пригодным для анализа.
6. **Разделяйте данные в столбцах по разделителю** — Используйте функцию разделения столбцов для структурирования информации. Например, превратите столбец 'Имя Фамилия' в два отдельных поля для более гибкой сортировки.
7. **Создавайте новые вычисляемые столбцы** — Добавляйте формулы для автоматического расчета бонусов или классификации данных. Это позволяет расширить аналитические возможности отчета прямо внутри редактора запросов.
8. **Объединяйте запросы для связи таблиц** — Выполняйте слияние таблиц через общие ключи, чтобы обогатить основной отчет данными из справочников. Это аналог функции VLOOKUP, но реализованный на уровне структуры данных.
9. **Настраивайте автоматическое обновление данных** — Настройте систему так, чтобы при добавлении новых строк в исходную таблицу, отчет обновлялся одной кнопкой. Это исключает необходимость повторного выполнения всех шагов трансформации.

## Практические задания

### Задание 1: Импорт данных из интернета

### Задание 2: Трансформация и очистка данных

### Задание 3: Создание вычисляемого поля

### Задание 4: Слияние таблиц (Merge)

## Ключевые цитаты

> «Power Query — это инструмент, который полностью меняет правила игры. Он делает процесс очистки данных значительно проще и эффективнее.»

> «Когда вы применяете шаги в Power Query, они запоминаются. Вам не нужно проделывать это снова, даже если добавятся новые данные.»

> «Разделяйте данные, добавляйте формулы и создавайте новые столбцы — это превращает просто таблицу в мощный аналитический отчет.»

## Полный текст экстракта

> 🎤 **Jamie (Teacher's Tech)** — Jamie — опытный инструктор канала Teacher's Tech, специализирующийся на доступном объяснении сложных функций Microsoft Office.

## 🚀 Power Query: Превращаем хаос в идеальные отчеты

### ⚡ Зачем читать это руководство?
- **Экономия времени:** Забудьте о бесконечном копировании данных и ручной правке ячеек — Power Query делает это один раз и навсегда.
- **Масштабируемость:** Научитесь создавать «умные» отчеты, которые автоматически обновляются при добавлении новых строк в исходные таблицы.
- **Профессиональный уровень:** Освойте инструмент, который отличает рядового пользователя Excel от эксперта по анализу данных.

### 🗺 Карта навыков
| Уровень | Навык | Что вы научитесь делать |
| :--- | :--- | :--- |
| 1 | Импорт | Подключать данные из веба и локальных диапазонов |
| 2 | Очистка | Удалять лишние строки, менять типы данных и заголовки |
| 3 | Трансформация | Разделять столбцы и создавать вычисляемые колонки |
| 4 | Интеграция | Объединять таблицы (Merge) для глубокого анализа |

## 1. Импорт и создание надежных структур

Первый шаг к автоматизации — это правильное «подключение» к данным. Джейми из *Teacher's Tech* подчеркивает: если вы начинаете работу с Power Query, важно понимать, откуда именно приходят данные и как они представлены в Excel. Мы можем получать информацию из внешних веб-источников, таких как таблицы с данными о фильмах или статистику спортивных соревнований, используя функцию «Получить данные» (Get Data) во вкладке «Данные». В видео демонстрируется, как легко можно взять URL-адрес веб-страницы, вставить его в Excel и выбрать нужную таблицу из списка предложенных системой. Это избавляет от необходимости «копировать-вставить», что часто ведет к искажению данных.

Но импорт — это лишь половина успеха. Чтобы Power Query мог «понимать» структуру вашего файла, необходимо превратить обычный диапазон ячеек в «Умную таблицу» (Ctrl+T). Когда данные формализованы как таблица, Power Query видит их как единый объект. В примере Джейми работа начинается с выбора диапазона данных, который включает такие колонки, как «Shoe Type», «Sales Person», «Order Date» и «Sales». После преобразования в таблицу программа автоматически присваивает ей имя, которое вы можете изменить в редакторе запросов — например, на «PQ_Sales_Data». Это не просто переименование; вы создаете логическую связь, которую система будет поддерживать при любых изменениях в исходном файле.

Зачем это нужно? Представьте, что вы ведете учет продаж обуви. Каждый раз, когда к вам приходят новые данные от менеджеров (например, Рейчел добавляет запись о продаже типа «Derby»), вам не нужно заново пересчитывать бонусы или форматировать даты. Достаточно один раз настроить структуру, и Power Query будет применять все ваши правила (фильтрацию, переименование столбцов, расчеты) каждый раз, когда вы нажимаете кнопку «Обновить». Как говорит Джейми: «Power Query — это инструмент, который может сделать очистку данных намного проще, но он умеет гораздо больше: трансформировать данные, добавлять новые столбцы и объединять рабочие листы». Эти возможности превращают Excel из простого калькулятора в мощный аналитический инструмент, который экономит часы рутины каждую неделю.

✅ **Сделайте сейчас:** Откройте пустой файл Excel, перейдите на вкладку «Данные», найдите раздел «Получить и преобразовать данные». Попробуйте импортировать любую таблицу из интернета или создайте простую таблицу с тремя столбцами («Товар», «Продавец», «Сумма»), выделите её и нажмите «Из таблицы/диапазона». Это откроет окно редактора Power Query — это и есть ваша рабочая среда.

## 2. Очистка и приведение данных к единому формату

После того как данные попали в редактор Power Query, начинается магия трансформации. Джейми уделяет огромное внимание «гигиене» данных. Например, если в исходном файле заголовки столбцов написаны слитно (как «ShoeType»), их крайне неудобно читать в отчетах. Решение простое: в редакторе достаточно дважды кликнуть по заголовку и добавить пробел, превращая его в понятное «Shoe Type». Также критически важно назначить каждому столбцу правильный тип данных. Если столбец с датами определяется как «Текст», вы не сможете построить по нему временную шкалу. Если столбец с продажами имеет формат «Десятичное число» вместо «Валюта», это приведет к ошибкам в финансовых отчетах. Джейми показывает, как в пару кликов изменить тип столбца на «Дата» или «Валюта», что автоматически убирает лишние значения времени (вроде «12:00 AM») или добавляет корректную разрядность.

Еще один важнейший аспект — удаление «мусора». Часто в выгрузках из 1С или CRM-систем встречаются итоговые строки, пустые записи или заголовки, повторяющиеся внутри таблицы. Джейми на примере своей таблицы показывает, как использовать текстовые фильтры. Он выбирает столбец, где есть записи «Total», и применяет фильтр «Не начинается с», что мгновенно очищает весь массив данных от нежелательных итоговых сумм, которые могут испортить финальный расчет. В редакторе Power Query каждое ваше действие сохраняется в разделе «Примененные шаги» (Applied Steps) справа. Это невероятно удобно: если вы ошиблись и случайно удалили важную строку, вы можете просто нажать «крестик» рядом с этим шагом, и действие отменится, вернув данные в исходное состояние.

Как отмечает спикер в своем видео: «Каждый раз, когда я вношу изменения, вы будете видеть шаги, добавляемые здесь; если вы хотите вернуться назад, просто удалите этот шаг». Это превращает процесс обработки данных в прозрачный алгоритм. Вы не просто «чистите» таблицу — вы пишете программный код (на языке M, который генерируется автоматически), который будет выполняться каждый раз при обновлении. Ваши данные становятся «чистыми», структурированными и готовыми к глубокому анализу. Больше не нужно бояться, что при добавлении новых строк в отчете «поедут» формулы — Power Query зафиксирует все параметры обработки, и они будут применяться автоматически, обеспечивая идеальную точность ваших отчетов.

✅ **Сделайте сейчас:** В открытом редакторе Power Query выберите столбец с датами, перейдите на вкладку «Преобразование» и нажмите «Тип данных», выберите «Дата». Затем найдите столбец, в котором есть лишние значения (например, пустые ячейки или надписи «Итого»), нажмите на стрелочку фильтра в заголовке столбца и снимите галочки с этих значений. Посмотрите, как в панели «Примененные шаги» справа добавились две новые записи: «Измененный тип» и «Отфильтрованные строки».

---

## 3. Трансформация и обогащение данных: разделение и вычисления

Теперь, когда наши данные очищены от «мусора» и имеют корректные типы, пришло время превратить их в полноценный аналитический инструмент. Джейми из *Teacher's Tech* демонстрирует, как Power Query позволяет не просто манипулировать строками, но и создавать новые измерения (столбцы), которых изначально не было в исходном файле. Один из самых наглядных примеров — это разделение столбца «Sales Person» (например, «Rachel Green») на два отдельных: «First Name» и «Last Name». В Excel это потребовало бы использования сложных формул вроде `ЛЕВСИМВ` или «Текст по столбцам», которые при обновлении данных часто требуют ручного вмешательства. В Power Query мы используем функцию «Разделить столбец» (Split Column) по разделителю — в данном случае по пробелу. Система автоматически создает два новых поля, сохраняя при этом логику обработки: если завтра появится «Joey Tribbiani», Power Query сам разделит это имя без участия пользователя.

Более того, Джейми показывает, как создавать вычисляемые столбцы (Custom Columns) с использованием встроенной логики. Представьте, что вам нужно рассчитать бонус для сотрудников: 10% от суммы продаж, если она превышает 5000 долларов, и 0 в противном случае. Вместо написания формул в Excel, которые могут «сломаться» при изменении структуры таблицы, мы открываем «Добавить столбец» -> «Настраиваемый столбец» и пишем выражение: `if [Total Sales] > 5000 then [Total Sales] * 0.1 else 0`. Этот код на языке M, созданный внутри редактора, надежно «зашит» в структуру запроса. Как отмечает Джейми: «Это не просто чистка данных, мы можем добавлять новые элементы, чтобы создать более сильный отчет, и все это соединяется в единую систему, которая не требует повторного выполнения шагов». Это превращает Power Query в инструмент бизнес-логики: вы один раз задаете правила премирования, и они становятся «законом» для всех входящих данных.

Помимо формул, крайне полезным является инструмент «Столбец из примеров». Если вам нужно извлечь месяц или день недели из даты, не обязательно знать синтаксис формул даты. Вы просто начинаете печатать название месяца в новом столбце, и Power Query «угадывает» ваш паттерн, автоматически применяя его ко всем строкам. Это сокращает время на подготовку отчета в разы. Вы создаете не просто таблицу, а живой конвейер обработки данных, где каждая новая запись автоматически проходит через сито ваших формул и настроек.

✅ **Сделайте сейчас:** В редакторе Power Query выберите столбец с именем сотрудника, перейдите на вкладку «Главная» и нажмите «Разделить столбец» по «Разделителю» (выберите «Пробел»). Затем нажмите «Добавить столбец» -> «Настраиваемый столбец», введите имя «Бонус» и вставьте формулу `if [Total Sales] > 5000 then [Total Sales] * 0.1 else 0`. Нажмите «ОК» и увидите, как появился новый столбец с расчетами.

## 4. Интеграция данных: слияние таблиц для глубокого анализа

Последний этап мастерства в Power Query — это способность связывать разрозненные данные в единую модель. Часто в бизнесе информация хранится в разных местах: продажи — в одной таблице, а справочник категорий товаров — в другой (например, в файле «Categories»). Джейми показывает, как функция «Merge Queries» (Слияние запросов) заменяет классическую функцию `ВПР` (VLOOKUP) или `XLOOKUP`, но делает это гораздо эффективнее и нагляднее. В примере используется таблица продаж и таблица категорий, где общим связующим звеном является столбец «Shoe Type».

Процесс слияния выглядит так: мы выбираем «Объединить запросы как новый» (Merge Queries as New), выбираем две таблицы и указываем столбцы-ключи. Power Query сразу сообщает нам, сколько строк совпало (например, «15 из 15»). После объединения мы получаем столбец с «таблицами-ссылками», который нужно «развернуть» (expand), чтобы увидеть нужные данные (категорию товара). Джейми подчеркивает важность этого этапа: «Когда мы объединяем таблицы, это не влияет на исходные данные — мы создаем новую структуру, которая берет лучшее из двух миров». Это значит, что ваши справочники остаются независимыми, а отчет — точным и актуальным.

Почему это лучше, чем `ВПР`? Во-первых, при слиянии в Power Query вы можете легко управлять типом связи (Left Outer, Full Outer и т.д.), что недоступно в обычном Excel. Во-вторых, даже если вы добавите 100 новых записей в таблицу продаж, слияние произойдет автоматически при нажатии кнопки «Обновить». Никаких «растягиваний» формул вниз и никаких ошибок типа `#Н/Д` из-за нехватки диапазона поиска. Вы создаете аналитическую «звезду» данных, где основная таблица обогащается справочной информацией «на лету». Джейми подытоживает: «Вы можете просто добавить больше данных в таблицы, обновить их, и весь путь трансформации — от удаления ненужных строк до объединения — выполнится за доли секунды». Это и есть настоящий профессиональный уровень: создание отчетов, которые работают автономно, позволяя вам сосредоточиться на анализе выводов, а не на технической работе с ячейками.

✅ **Сделайте сейчас:** Создайте вторую таблицу с типами обуви и их категориями в Excel. Загрузите её в Power Query. Вернитесь к основному запросу с продажами, нажмите «Объединить запросы», выберите второй запрос и укажите столбец «Shoe Type» в обоих списках. Нажмите «ОК», разверните появившийся столбец с категориями и нажмите «Закрыть и загрузить». Поздравляю, вы создали динамически связанную модель данных!

---

## 5. Работа с датами и интеллектуальное извлечение данных

Один из самых мощных аспектов Power Query, который часто упускают начинающие пользователи, — это работа с временными рядами. Джейми показывает в видео, как превратить «грязную» дату в аналитическую единицу. Часто данные приходят в формате «Дата и время» (например, «01.01.2023 12:00:00»), что делает невозможным группировку продаж по месяцам или дням недели в сводных таблицах. Спикер демонстрирует, что для решения этой задачи не нужны функции `ТЕКСТ` или `ДЕНЬНЕД` из Excel. Достаточно выбрать столбец с датой, перейти на вкладку «Добавить столбец» и воспользоваться функцией «Дата» -> «Название месяца» или «День» -> «Название дня». Power Query автоматически создает новый столбец, анализируя содержимое каждой ячейки. Это фундаментальный сдвиг в методологии подготовки данных: мы переходим от ручного форматирования к декларативному описанию того, что мы хотим получить.

Джейми также акцентирует внимание на инструменте «Столбец из примеров» (Column from Examples), который выглядит почти магически. Если вам нужно извлечь из даты только сезон или специфический квартальный код, вы просто вводите желаемый результат для первых двух строк, и Power Query мгновенно распознает закономерность (паттерн). «Это экономит колоссальное количество времени, когда структура данных сложная или нестандартная», — отмечает спикер. Важно понимать, что каждое такое действие не просто меняет отображение, а генерирует M-код, который будет исполняться при каждом нажатии кнопки «Обновить». Если в январе у вас был только один «Понедельник», а завтра добавятся еще сто, Power Query автоматически вычислит для них день недели, месяц и квартал. Это делает отчет «самообучающимся»: вы заложили алгоритм извлечения данных один раз, и он масштабируется до бесконечности без вашего участия.

Более того, такая работа с датами позволяет создавать полноценные календари внутри Power Query. Вам больше не нужно хранить в Excel огромные вспомогательные таблицы с датами на 10 лет вперед. Вы можете динамически вычислять любую временную характеристику, что критически важно для финансового планирования. Как отмечает Джейми в своем видео: «Вы можете просто начать печатать название месяца, и Power Query сам поймет, чего вы хотите, применив это ко всем строкам вашего набора». Это высшая форма автоматизации: превращение сырых транзакций в бизнес-аналитику через интуитивный интерфейс.

✅ **Сделайте сейчас:** Выберите столбец с датой заказа. Перейдите на вкладку «Добавить столбец» -> «Дата» -> «Название месяца». Затем повторите это для извлечения «Дня недели». Нажмите «Главная» -> «Закрыть и загрузить». Перейдите в Excel и добавьте несколько новых строк с датами в исходную таблицу, обновите запрос и убедитесь, что новые даты автоматически «разложились» на месяцы и дни недели без дополнительных усилий.

## 6. Динамическое обновление и масштабируемость отчетов

Финальный этап, который делает Power Query «game changer’ом», как называет его Джейми, — это процесс обновления (Refresh). Многие новички совершают ошибку, рассматривая Power Query как одноразовый инструмент очистки. На самом деле, это конвейер. Спикер демонстрирует, что происходит, когда в исходную таблицу добавляются новые записи. После того как мы настроили все шаги — от переименования столбцов до слияния таблиц и создания формул — отчет становится «неуязвимым» к изменению объема данных. Джейми добавляет в видео новые записи («Derby» и «Sandal») и показывает, что достаточно просто нажать кнопку «Обновить все» (Refresh All), чтобы Power Query повторно «прогнал» все данные через созданный нами алгоритм.

Это кардинально меняет бизнес-процессы. Раньше аналитику приходилось вручную копировать формулы вниз, проверять, не съехали ли ссылки в `ВПР`, и пересчитывать итоги. Теперь «логика» зафиксирована в панели «Примененные шаги». Если завтра объем продаж вырастет с 1000 до 1 000 000 строк, Power Query справится с этим в фоновом режиме. Джейми подчеркивает: «Это не просто чистка, мы можем добавлять новые элементы, чтобы создать более сильный отчет, и все это соединяется в единую систему, которая не требует повторного выполнения шагов». Это ключевая мысль для методиста: мы создаем не «отчет», а «механизм генерации отчетов». Такая архитектура избавляет от человеческого фактора, ведь вероятность ошибки при ручном пересчете сводится к нулю.

Более того, этот подход обеспечивает целостность данных. Поскольку все преобразования происходят до загрузки в Excel, финальный файл остается легким и быстрым. Вы не держите в памяти тысячи вспомогательных ячеек с формулами, которые замедляют работу книги. Вы работаете только с «чистым» результатом. Спикер отмечает: «Когда мы обновляем данные, весь путь трансформации — от удаления ненужных строк до объединения — выполняется за доли секунды». Это позволяет аналитику сосредоточиться на интерпретации данных, а не на борьбе с битыми ссылками или ошибками форматирования. В конечном счете, автоматизация через Power Query — это переход от позиции «оператора данных» к позиции «аналитика», чья главная задача — принимать решения на основе точных, актуальных и всегда свежих данных.

✅ **Сделайте сейчас:** Добавьте в ваш исходный диапазон данных (который вы ранее превратили в таблицу) 3–5 новых строк с данными. Не меняя ничего в редакторе Power Query, вернитесь на лист, где выведен результат работы, нажмите правой кнопкой мыши на таблицу и выберите «Обновить». Наблюдайте, как новые данные автоматически проходят через все этапы: фильтрацию, расчет бонуса и слияние категорий.

---

## 7. Работа с веб-данными: превращение интернет-ресурсов в живые отчеты

Одним из самых впечатляющих навыков, который демонстрирует Джейми, является интеграция внешних веб-источников в привычную среду Excel. Представьте, что вам нужно отслеживать курсы валют, котировки акций или списки лидеров из открытых источников. Традиционный метод — «скопировал-вставил» — безнадежно устарел и чреват ошибками. Power Query позволяет сделать этот процесс не просто автоматическим, а «живым». В видео Джейми показывает процесс подключения к таблице на сайте (например, со списком чемпионов Супербоула или рейтингом фильмов). Вместо того чтобы вручную переносить данные, вы копируете URL-адрес, вставляете его в инструмент «Из интернета» (From Web), и Power Query сам сканирует страницу, находит все доступные таблицы и предлагает вам выбрать ту, которая содержит нужную информацию.

Почему это важно для бизнес-аналитика? Потому что данные в интернете меняются ежедневно. Если ваш отчет построен через Power Query, вам больше не нужно посещать сайт, выделять ячейки и обновлять файл. Вы просто открываете Excel и нажимаете кнопку «Обновить всё». Весь процесс — от подключения к серверу до очистки заголовков и фильтрации — выполняется автоматически. Джейми акцентирует внимание на том, что такой подход превращает ваш Excel-файл в персональный дашборд, который всегда транслирует актуальную картинку мира. «Когда вы подключаетесь к веб-источнику, вы создаете постоянный канал связи с данными, который работает независимо от того, как часто меняется контент на исходной странице», — отмечает он. Этот метод идеален для автоматизации сбора рыночной аналитики, так как он минимизирует рутину и исключает риск «человеческого фактора» при копировании чисел.

Более того, работа с веб-данными в Power Query дает уникальную возможность нормализации. Часто сайты отдают информацию в «грязном» виде: с пустыми строками, лишними подзаголовками или неверными типами данных. Power Query позволяет применить к таким данным тот же набор инструментов трансформации, что и к локальным файлам. Вы можете удалить нерелевантные столбцы, переименовать колонки «на лету» и даже объединить веб-данные с вашими внутренними продажами. В результате вы получаете аналитическую модель, где внешние данные становятся полноценными участниками вашего бизнес-процесса. Это переход от реактивного управления (когда вы реагируете на изменения) к проактивному, где данные всегда перед глазами.

✅ **Сделайте сейчас:** Найдите в интернете страницу с таблицей (например, курс валют или рейтинг компаний). Скопируйте ссылку, перейдите в Excel: Данные -> Получить данные -> Из других источников -> Из интернета. Вставьте URL и выберите подходящую таблицу. Нажмите «Преобразовать данные», удалите лишние столбцы в Power Query, переименуйте заголовки и загрузите результат на лист. Теперь ваш отчет будет обновляться одним кликом!

## 8. Использование сложных формул и условий: гибкость Power Query

На финальном этапе работы Джейми демонстрирует, что Power Query — это не просто инструмент для «зачистки» мусора, а мощная среда программирования логики. Часто бизнес-задачи требуют условий, выходящих за рамки простого сложения. В видео спикер наглядно показывает создание вычисляемого столбца для расчета бонусов. Логика проста: если продажи превышают 5 000, сотрудник получает 10%, иначе — ноль. Вместо создания громоздких формул `ЕСЛИ` в Excel, которые могут «полететь» при фильтрации или удалении строк, мы создаем «Вычисляемый столбец» непосредственно внутри редактора запросов.

Преимущество этого метода в его инкапсуляции. Формула, которую вы пишете в Power Query, становится «частью ДНК» данных. В отличие от Excel-формул, которые живут в ячейках листа, эта логика вшита в процесс обновления. Джейми отмечает: «Использование языка M для простых условий позволяет вам создавать отчеты, которые не требуют постоянного контроля — вы один раз задали правило распределения бонусов, и оно будет работать для любой новой записи, которую вы добавите в систему завтра». Это критически важно при работе с большими массивами, где ручное протягивание формул вниз по столбцу — это путь к ошибкам и медленной работе файла. Power Query вычисляет результат на лету, не нагружая оперативную память формулами массива.

Кроме того, функционал «Столбец из примеров» позволяет даже не знать синтаксис языка M. Если вам нужно извлечь код из длинной строки или сгруппировать категории товаров по специфическому алгоритму, вы просто показываете Power Query два примера того, что хотите увидеть, и редактор сам «догадывается» о логике. Это демократизация аналитики: вы получаете мощь программирования, используя обычный интерфейс выбора данных. Как говорит Джейми: «Это не просто чистка, мы можем добавлять новые элементы, чтобы создать более сильный отчет, и все это соединяется в единую систему, которая не требует повторного выполнения шагов». Таким образом, вы создаете систему, способную масштабироваться вместе с ростом вашего бизнеса, превращая «сырые» транзакции в ценные инсайты автоматически.

✅ **Сделайте сейчас:** В существующем запросе нажмите «Добавить столбец» -> «Настраиваемый столбец». Напишите простую логику (например, `if [Total Sales] > 1000 then "Высокий чек" else "Стандарт"`). Нажмите ОК, измените тип данных на текстовый, и «Закрыть и загрузить». Убедитесь, что для новых продаж этот столбец заполняется автоматически.

## 🏋️ Практикум
1. **База:** Загрузите любой CSV-файл в Power Query и удалите первые 3 пустые строки (удаление верхних строк).
2. **Типы данных:** Убедитесь, что все столбцы имеют правильный тип (дата — «Дата», цена — «Валюта», имена — «Текст»).
3. **Текстовые манипуляции:** Разделите столбец «Полное имя» на «Имя» и «Фамилия» по разделителю «пробел».
4. **Фильтрация:** Отфильтруйте данные так, чтобы исключить все записи с нулевой суммой продаж.
5. **Слияние:** Создайте вторую таблицу с «Регионами» и объедините её с основной таблицей продаж через Merge Queries.
6. **Логика:** Создайте столбец «Статус», где для заказов свыше 10 000 стоит метка «VIP», а для остальных — «Стандарт».
7. **Автоматизация:** Добавьте 5 новых строк в исходную таблицу и проверьте, как отчет пересчитывается при нажатии «Обновить всё».

## 🔑 Итоги: 5 действий на сегодня
1. Перестаньте копировать данные вручную — используйте «Получить данные».
2. Превращайте диапазоны в таблицы (Ctrl+T) перед импортом в Power Query.
3. Всегда проверяйте типы данных в Power Query перед загрузкой в Excel.
4. Используйте «Примененные шаги» как свою страховку — это история всех ваших правок.
5. Настройте «Обновление» в параметрах запроса, чтобы забыть о ручной правке отчетов.

## 💬 Цитаты для вдохновения
«Когда мы объединяем таблицы, это не влияет на исходные данные — мы создаем новую структуру, которая берет лучшее из двух миров». — Джейми.
«Вы можете просто добавить больше данных в таблицы, обновить их, и весь путь трансформации выполнится за доли секунды». — Джейми.
«Power Query — это не просто инструмент для чистки, это механизм генерации отчетов, который меняет саму парадигму вашей работы с данными». — Методист.