29,5% вакансий аналитика требуют Excel — но оффер получают те, кто освоил Power Query в Excel: разбираем, что стоит за этим навыком и с чего начинать

Excel — это не один инструмент, а несколько уровней владения. Базовый: формулы, сводные таблицы, ВПР. Следующий — Power Query: инструмент для автоматизации обработки данных прямо внутри Excel, без написания кода. Power Query работает по принципу ETL: извлечение из источников данных, трансформация данных и загрузка в готовом для анализа виде. Редактор запросов записывает каждый шаг пользователя, и при следующем запуске воспроизводит их автоматически — источники обновились, логика осталась. Рекрутер редко выносит этот навык в первые три строки требований, но именно он отделяет кандидата, которого зовут на технический скрининг, от кандидата, который продолжает ждать. Автообновление отчётов, работа с десятками источников данных без формул, выход в стек Power BI — разбираем, что стоит за этим инструментом и почему аналитик данных без Power Query в 2026 году проигрывает конкуренцию ещё до первого интервью.

Когда в описании вакансии финансового аналитика или аналитика данных написано «уверенный пользователь Excel» — это не про умение открыть файл и ввести данные. По данным Habr Career за I квартал 2026 года, Excel присутствует в 29,5% вакансий аналитика данных на hh.ru. Анализ 100 000+ вакансий с hh.ru и Хабр за апрель–июль 2026 года показывает: Excel входит в топ-7 наиболее востребованных IT-технологий в России — впереди Docker, Git и Kubernetes.

Работодатель, который пишет «уверенный пользователь», подразумевает как минимум: именованные диапазоны, сводные таблицы и — в большинстве случаев — Power Query. Базовые функции суммирования и подстановок — это «знаком с Excel», а не «уверенный». Проблема в том, что разрыв между этими уровнями в описании вакансии никак не объясняется. Кандидат узнаёт о нём на техническом скрининге.

Power Query — не специализированный инструмент узкого аналитика и не «надстройка для продвинутых». В реальных компаниях его используют:

Общее условие для всех перечисленных: регулярная работа с табличными данными из нескольких источников. Если отчёт нужно собирать раз в месяц из пяти разных файлов — это Power Query. Если данные нужны один раз и структура никогда не повторится — достаточно ВПР.

По данным hh.ru, Power Query как явное требование чаще всего встречается в вакансиях вместе с Power Pivot, Power BI, SQL и VBA. Работодатели ищут Excel-специалиста широкого профиля, а не узкого пользователя одной надстройки.

Средняя зарплата аналитика данных в России составляет 112 000 ₽ в месяц по данным hh.ru Career. Детализация по уровням:

Финансовые аналитики — диапазон от 71 900 до 179 100 ₽ в зависимости от отрасли и уровня. Москва и Санкт-Петербург дают надбавку 20–30% к региональным уровням.

Power Query не является единственным фактором зарплаты, но без него кандидат не проходит технический скрининг на позицию junior. Именно здесь разрыв «знает Excel» и «умеет Power Query» превращается в разрыв между резюме, на которое отвечают, и резюме, которое остаётся без ответа.

Конкретный пример: ежемесячный отчёт из пяти CSV-файлов разных отделов. Вручную — импортировать каждый, выровнять форматы столбцов, сделать подстановку, удалить дубли, поправить типы данных: 2–3 часа в пятницу вечером, каждый месяц. После того как Power Query-запрос настроен однажды: положить новые файлы в папку, нажать «Обновить всё» — 40 секунд. Структура файлов не изменилась — всё работает. Появился шестой файл — он подхватывается автоматически.

Это не исключение — это принцип повторяемости запроса, который лежит в основе инструмента. Именно здесь Excel-пользователь перестаёт тратить время на рутину и начинает тратить его на анализ.

Power Query реализует ETL-логику через графический интерфейс без единой строки кода:

Главное отличие от формул: каждый шаг воспроизводится автоматически при следующем обновлении. Не нужно повторять работу вручную — нужно обновить источник и нажать «Обновить».

В Excel 2016, 2019, 2021 и Microsoft 365 Power Query встроен и доступен через вкладку «Данные» — блок «Получить и преобразовать данные». Отдельной установки не требуется.

В Excel 2010 и 2013 Power Query доступен как бесплатная надстройка с сайта Microsoft. Скачивается как .msi-файл, устанавливается за три минуты — после этого в ленте появляется отдельная вкладка «Power Query».

В Excel 2007 и более ранних версиях инструмент не поддерживается — необходимо обновление Office.

Алгоритм первого запуска в современном Excel: вкладка «Данные» → «Получить данные» → выбор источника (например, «Из файла» → «Из CSV»). Редактор запросов открывается в отдельном окне — не новый лист, а самостоятельный интерфейс со своим меню.

Освоение Power Query на практике — это освоение нескольких ключевых операций. Вот те, без которых не обходится почти ни одна реальная задача:

Merge (объединение таблиц) — аналог ВПР, но без формулы. Выбираешь два запроса, указываешь ключевой столбец и тип соединения: LEFT JOIN — все строки из первой таблицы плюс совпадения из второй; INNER JOIN — только совпадающие строки; FULL OUTER — все строки из обеих таблиц. Результат: новый столбец с данными из второй таблицы. Работает с таблицами любого размера, не ломается при изменении структуры источника.

Append (склейка таблиц) — объединение нескольких файлов или листов в одну таблицу по вертикали. Особенно эффективен вместе с коннектором «Из папки»: Power Query считывает все файлы из указанной директории и склеивает их в один запрос. Добавился новый файл в папку — при следующем обновлении он включается автоматически, без ручных действий.

Unpivot (разворот) — превращает «широкую» таблицу с месяцами в столбцах (январь, февраль, март) в «длинную» таблицу с двумя столбцами: «Период» и «Значение». Эта операция критически важна для Power Pivot и Power BI: оба инструмента работают именно с длинным форматом. Unpivot делается за два клика в интерфейсе — вручную то же самое потребовало бы переструктурирования исходных данных и стало бы источником ошибок.

Фильтрация и очистка — удаление дублирующихся строк, замена значений, удаление лишних столбцов, разбивка текста по разделителю (например, ФИО в три отдельных столбца), удаление начальных и концевых пробелов, замена пустых значений на конкретные. Всё через меню, без формул СЖПРОБЕЛЫ, ПОДСТАВИТЬ и их комбинаций.

Типы данных и обработка ошибок — Power Query явно задаёт тип каждому столбцу при загрузке: текст, целое число, десятичное число, дата, дата-время, булево значение, валюта. Если в столбце с датами обнаруживается текстовая строка — ошибка видна сразу в интерфейсе, в виде красного значка. В отличие от «тихих» ошибок формул подстановки, которые возвращают #Н/Д и часто обнаруживаются уже в готовом отчёте.

Запрос Power Query сохраняется внутри книги Excel вместе с данными. При нажатии кнопки «Обновить» или «Обновить всё» Excel повторяет все шаги запроса заново с обновлёнными исходными данными — подключается к источнику, применяет все трансформации по порядку, загружает результат.

Можно настроить автообновление при каждом открытии файла: правая кнопка мыши на запросе в панели запросов и подключений → «Свойства» → «Обновлять при открытии файла». Для более сложных сценариев — обновление по расписанию через Power Automate.

Именно здесь Power Query принципиально отличается от любой формулы. Формула вычисляется в конкретной ячейке при изменении зависимостей — и только там. Запрос Power Query — это сохранённый конвейер обработки, который каждый раз пересобирает результат с нуля из актуальных данных. Если изменились только данные в источнике — обновление происходит без участия пользователя. Если изменилась структура источника (переименовался столбец, изменился формат файла) — нужна корректировка запроса, но это разовая работа, а не ручной пересбор отчёта.

За каждым шагом в графическом интерфейсе стоит строка кода на языке M (Power Query Formula Language). Редактор запросов генерирует M автоматически — он виден в строке формул редактора, но писать вручную его не обязательно.

Без языка M закрывается около 90% реальных задач. M нужен для: условных преобразований с нетривиальной логикой, параметризованных запросов (например, запрос с динамической датой или именем файла, которое меняется ежемесячно), пользовательских функций, применяемых к каждой строке или вложенной таблице.

Практический совет для начинающих: работать в графическом интерфейсе, параллельно читать M в строке формул «пассивно» — без попыток писать с нуля. Это ускоряет понимание логики запросов и даёт основу для более сложных кейсов позже, без перехода в режим программирования.

Все три инструмента — часть Microsoft Power Platform и используют один движок данных. Граница между ними функциональная.

Power Query отвечает за этап подготовки данных: извлечение, очистка, объединение, преобразование. Это первый уровень любого аналитического стека на базе Microsoft.

Power Pivot — аналитическая модель внутри Excel: связи между таблицами, вычисляемые меры и KPI на языке DAX (Data Analysis Expressions), работа с миллионами строк без формул на листе.

Power BI — инструмент для визуализации и создания интерактивных дашбордов, которые публикуются в корпоративном портале или открываются по ссылке.

Связь между ними практическая: Power Query-запросы, написанные в Excel, переносятся в Power BI Desktop без переписывания — они работают идентично. Специалист, освоивший Power Query в Excel, получает рабочий вход во весь аналитический стек без необходимости учиться с нуля на следующем уровне.

Программа «Курсы Excel: обучение аналитика данных» на profifuture.ru охватывает Excel как инструмент для работы с данными — от базовых операций до Power Query и построения аналитических отчётов. Формат рассчитан на тех, кто хочет освоить инструмент системно: с куратором, практическими заданиями на реальных наборах данных и итоговым документом — а не фрагментарно по случайным видео.

Объём программы — 72 академических часа. По итогам выдаётся удостоверение о повышении квалификации.

Цена участия — 14 900 ₽ вместо полной стоимости 59 600 ₽. Разница покрывается государственной субсидией в размере 75%. Рассрочка без переплат: 4 платежа по 3 725 ₽. Возможна единовременная оплата.

Субсидия действует в любом регионе России — не только в Москве и Санкт-Петербурге. Профильного образования и предварительного опыта не требуется: программа доступна с нуля.

Формат обучения — онлайн с поддержкой кураторов. Доступ к материалам сохраняется 6 месяцев после завершения программы.

Кому подойдёт: специалистам, которые регулярно работают с табличными данными и хотят автоматизировать рутину — финансистам, экономистам, маркетологам, логистам; тем, кто планирует переход в аналитику данных и хочет получить подтверждённый навык с документом; начинающим, которые ищут структурированный вход в инструмент, а не разрозненные туториалы без обратной связи.

Ограничение программы: она охватывает Excel и Power Query, но не включает SQL и Python — если цель строить карьеру data-аналитика в полном объёме, после завершения понадобится следующий шаг в сторону баз данных или BI-инструментов.

Мы изучили, как разные специалисты приходят к освоению Power Query. Выделяется три устойчивых сценария — и одна ошибка, которая встречается чаще остальных.

Большинство пользователей приходят к Power Query через конкретную задачу, которая им надоела. Не «хочу выучить новый инструмент», а «мне нужно объединить двенадцать ежемесячных файлов с одинаковой структурой — как сделать это быстрее?». Именно такой триггер запускает, по различным наблюдениям, 60–70% самостоятельных освоений.

Плюс этого подхода: высокая мотивация и конкретный результат уже через несколько часов. Минус: знание остаётся фрагментарным. Человек уверенно делает один конкретный тип задачи, но за её рамками — белые пятна. Нетипичная структура источника или новый тип данных вызывают затруднение, потому что системной картины нет.

Те, кто работал с SQL до знакомства с Power Query, осваивают инструмент заметно быстрее. Логика идентична: фильтрация строк — это WHERE, объединение таблиц — это JOIN, агрегация — это GROUP BY. Только вместо кода — интерфейс с выпадающими меню и панелью шагов.

Для таких специалистов Power Query становится «Excel-версией SQL» без необходимости поднимать базу данных. Это особенно ценно в ситуациях, когда данные уже находятся в Excel-файлах и переносить их в БД нецелесообразно — отчёт нужен здесь и сейчас, в привычной среде.

Обучение по структурированной программе, после которой специалист понимает не только «куда нажать», но и «почему так работает» — какой принцип стоит за каждой операцией. Это даёт уверенность на нетипичных задачах: не поиск туториала под каждый новый кейс, а самостоятельное решение через понимание инструмента.

Практический выход на рынок труда у таких специалистов быстрее: есть документ, есть портфолио из учебных проектов, есть системное понимание — а не набор разрозненных знаний «пробовал несколько вещей, но не уверен».

Это самый распространённый сценарий — и самый неэффективный. Человек смотрит туториалы, делает закладки, собирает плейлисты «изучить позже». Иногда — месяцами. Реального владения инструментом нет, потому что не было ни одного собственного запроса на реальных данных.

Power Query усваивается только через практику на конкретных задачах. Один самостоятельно собранный ETL-конвейер — с реальным источником, реальными ошибками и реальным результатом — даёт больше понимания, чем пятьдесят просмотренных туториалов. Пассивное потребление контента создаёт иллюзию понимания, но не формирует навык.

Если этот паттерн знаком: хороший способ сломать его — взять конкретную задачу из текущей работы, пусть простую, и пройти её от начала до конца в Power Query. Первая попытка будет медленнее, чем вручную. Вторая — быстрее.

Это не противопоставление. ВПР и его современный аналог XLOOKUP — разовая подстановка значения в конкретную ячейку по ключу. Power Query — конвейер для регулярной обработки данных, который запускается повторно при каждом обновлении. Если задача разовая и данные статичны — ВПР достаточно. Если задача повторяется каждую неделю или месяц — Power Query. На практике эти инструменты не заменяют, а дополняют друг друга: Power Query подготавливает данные, формулы Excel работают с готовым результатом.

Нет. Графический интерфейс редактора запросов покрывает около 90% реальных задач без единой строки кода. Язык M, который генерируется автоматически за каждым шагом, полезен на продвинутом уровне — для параметризованных запросов и пользовательских функций. Для старта он не нужен: можно работать с Power Query годами, не написав ни одной строки M вручную.

Нет. Тот же инструмент встроен в Power BI Desktop и работает идентично. Запросы, созданные в Excel, можно перенести в Power BI без переписывания. Навык, освоенный в Excel, напрямую переносится в BI-инструмент — это делает Power Query входной точкой во весь аналитический стек Microsoft: следующий шаг в Power BI не требует обучения с нуля.

При системном обучении с практическими заданиями — 4–6 недель до уверенного владения базовыми операциями: Merge, Append, Unpivot, очистка, работа с типами данных. При самостоятельном обучении по случайным видео — от трёх месяцев до «никогда», если нет структуры и реальных задач для практики. Критический фактор — не количество просмотренных материалов, а количество собственных запросов, написанных на реальных данных.

При стандартных рабочих таблицах — нет. При работе с миллионами строк без оптимизации могут возникать задержки. Два способа ускорить: Query Folding — перенос вычислений на сторону источника данных (например, SQL-сервера), когда это поддерживается; и отключение предпросмотра данных в редакторе запросов во время отладки. Для подавляющего большинства офисных задач производительность не является проблемой.

Прямого коннектора для Google Sheets нет. Реализуемые варианты: экспорт листа Google Sheets в CSV и подключение к файлу (работает, но требует ручного экспорта при каждом обновлении), либо HTTP-запрос к Google Sheets API через коннектор «Из интернета» — Power Query умеет работать с веб-источниками и разбирать JSON-ответы. Второй способ полностью автоматизирует обновление, но требует настройки API-ключа и понимания структуры ответа сервиса.