Ne počinje svaka analiza formulom ili kodom

Imate tablicu prodaje pred sobom.

Želite vidjeti koji se artikli često gledaju, a slabo prodaju.

Prije nekoliko godina prvo pitanje često bi bilo tehničko: koju formulu trebam, hoću li to riješiti pivot tablicom, treba li mi VLOOKUP ili ću morati napisati skriptu?

Danas se sve češće događa nešto drugo.

Prvo pitanje postaje: što zapravo imam pred sobom i što želim saznati?

To zvuči kao mala promjena, ali nije. Mijenja se mjesto na kojem posao počinje. Sve manje počinjemo od alata i sintakse, a sve više od problema koji pokušavamo razumjeti.

Excel, formule i programiranje pritom ne nestaju. Samo prestaju biti prvi korak i postaju alat koji koristimo onda kada znamo što nam treba.

Zašto su Excel, formule i programiranje dugo bili prečac do samostalnog rada

Excel je dugo bio najbrži način da čovjek sam dođe do odgovora bez čekanja na IT, kolegu ili vanjsku pomoć.

Ako ste znali osnovne formule, mogli ste sami zbrojiti, usporediti, filtrirati i složiti pregled. Ako ste znali malo više — pivot tablice, VLOOKUP ili XLOOKUP, poneki makro — mogli ste sami napraviti stvari za koje bi inače trebalo tražiti pomoć.

Isto vrijedi i za korak dalje.

Netko je učio SQL da bi izvukao podatke iz baze bez da svaki put nekoga moli. Netko je učio Python ili VBA da bi automatizirao posao koji se stalno ponavlja. Netko je učio JavaScript jer je htio prilagoditi web stranicu, obrazac ili neki interni alat.

To znanje davalo je samostalnost.

Mogli ste sami doći do rezultata, svojim tempom, bez stalne ovisnosti o drugima.

Cijena te samostalnosti bila je učenje sintakse. Morali ste znati točno kako se formula piše, gdje ide zarez, kako se zove funkcija, zašto nešto ne radi i zašto vam jedna prazna ćelija ruši cijeli izračun.

Prepreka često nije bila u tome što niste razumjeli problem. Prepreka je bila u tome što niste znali kako ga zapisati na jeziku alata.

Što su ljudi zapravo pokušavali dobiti

Vrijedi se zaustaviti na jednoj stvari koja se lako previdi.

Većina ljudi nije učila Excel formule zato što ih zanimaju formule. Nisu učili Python zato što žele postati programeri. Nisu učili SQL zato što ih veseli pisanje upita.

Učili su te alate zato što su imali konkretan problem.

Htjeli su usporediti dva izvještaja. Pronaći pogrešku u podacima. Složiti pregled za sastanak. Spojiti nekoliko exporta. Vidjeti zašto prodaja pada. Pronaći artikle koji imaju puno pregleda, ali malo narudžbi. Automatizirati nešto što se svaki mjesec radi ručno.

Alat je bio sredstvo, a ne cilj.

Formula je bila recept, a ne jelo.

Problem je bio u tome što ste, da biste došli do jela, morali dovoljno dobro znati recept. Svaki sastojak, svaki korak i svaku oznaku. Inače biste zapeli na prvoj grešci.

Zato je puno ljudi odustajalo i prije nego što su krenuli. Znali su što žele dobiti, ali nisu znali kako to pretvoriti u formulu, upit, makro ili skriptu.

Što LLM alati mijenjaju

Ovdje ulaze LLM alati, odnosno jezični modeli poput ChatGPT-a, Claudea i sličnih alata.

Njihova najveća praktična promjena nije u tome da rade nešto što se prije nikako nije moglo. Mnoge analize, formule, skripte i automatizacije bile su moguće i prije.

Promjena je u tome što više ne morate uvijek prvo znati sintaksu da biste opisali što želite.

Možete reći:

Imam tablicu s ovim stupcima. Želim vidjeti koji artikli imaju puno pregleda, a malo prodaje. Kako da to analiziram?

Model vam može predložiti formulu, objasniti pivot tablicu, napisati kratku skriptu, predložiti strukturu izvještaja ili pomoći razmisliti koje podatke uopće treba usporediti.

Prepreka koja je nekad bila najveća — kako točno zapisati zahtjev u formuli ili kodu — postala je manja.

Ali tu je važno ne otići u drugu krajnost.

LLM nije čarobni kolega koji sam zna što želite.

Ne zna kako izgleda vaš posao. Ne zna što u vašoj firmi znači “aktivni kupac”. Ne zna zašto jedan artikl ima drugačiju šifru u webshopu i ERP-u. Ne zna je li neki mjesec bio netipičan zbog akcije, promjene cijene ili problema s isporukom.

Ako mu to ne kažete, može samo nagađati.

“

Zato “znam što želim dobiti” postaje važnije od “znam odmah napisati formulu”.

”

Sintaksa više nije jedini ispit. Novi ispit je razumijevanje: znate li dovoljno dobro objasniti problem, dati kontekst i prepoznati je li rezultat smislen.

Primjeri iz stvarnog rada

Prodaja koja se gleda, ali ne kupuje

Imate Excel tablicu prodaje i podatke iz webshopa o pregledima proizvoda.

Želite saznati koji se artikli često gledaju, ali se slabo prodaju.

Prije bi početak vjerojatno bio tehnički: kako spojiti tablice, koju formulu koristiti, treba li pivot tablica, kako izračunati omjer pregleda i narudžbi.

Danas možete krenuti jednostavnije:

Imam prikaze proizvoda, klikove, narudžbe i prihod. Želim pronaći artikle koji imaju velik interes, ali slabu prodaju.

LLM alat može pomoći predložiti koje stupce usporediti, kako izračunati stopu konverzije i kako složiti pregled.

Ali odluku što je “puno pregleda”, što je “slaba prodaja” i koji artikli su stvarno problematični i dalje donosi čovjek.

Ako želite proći cijeli postupak na konkretnom primjeru, zaseban vodič pokazuje kako analizirati Excel tablicu uz pomoć LLM-a, od provjere sirovih podataka do izvještaja.

Dvjesto mailova kupaca

Zamislite da imate 200 mailova kupaca i želite pronaći najčešća pitanja ili prigovore.

To nije klasična Excel analiza, ali jest poslovna analiza.

Jezični model može pomoći grupirati poruke po temama, izdvojiti ponavljajuće probleme i pripremiti sažetak koji tim može pročitati bez prolaska kroz svaki mail pojedinačno.

Ali opet postoji uvjet.

Treba paziti koje podatke smijete koristiti, kako ih pripremate i je li grupiranje koje je model napravio stvarno smisleno. Ako alat spoji dvije različite vrste problema u jednu kategoriju, netko to mora prepoznati.

Interna pravila koja nitko ne nalazi

Mnoge firme imaju interne pravilnike, upute, procedure i dokumente.

Problem nije uvijek u tome da pravila ne postoje. Problem je često u tome da ih ljudi ne mogu pronaći, ne znaju koja je verzija aktualna ili ne znaju gdje trebaju tražiti odgovor.

U takvoj situaciji LLM asistent može biti koristan, ali samo ako ima dobar temelj.

Ako su dokumenti neuredni, zastarjeli, proturječni ili razbacani po folderima, ni najbolji alat neće dati pouzdan odgovor.

Ovdje rješenje često nije samo “dodajmo AI”, nego prvo: uredimo znanje, dokumente i pravila tako da ih se može koristiti.

Nacrt izvještaja ili ponude

Netko želi mali alat koji iz podataka složi prvi nacrt izvještaja ili ponude.

To može značiti da alat uzme podatke o kupcu, proizvode, uvjete, rokove i prethodne dogovore te pripremi početni tekst.

LLM tu može ubrzati prvi nacrt, ali poslovna pravila moraju doći iz firme.

Cijene, uvjeti, popusti, iznimke, odgovornost i konačna provjera ne smiju ostati na razini “model je tako napisao”. Nacrt može pomoći, ali odluka i provjera ostaju ljudski dio posla.

Mjesečno spajanje exporta

Jedan od čestih primjera je mjesečno spajanje nekoliko Excel exporta iz ERP-a, webshopa, skladišta ili računovodstvenog sustava.

Ako se isti posao ponavlja svaki mjesec, LLM alat može pomoći opisati postupak, prepoznati korake i predložiti automatizaciju.

Primjerice:

• koje datoteke ulaze u proces
• koji stupci se spajaju
• gdje se najčešće pojavljuju greške
• kako treba izgledati završni izvještaj
• što se događa ako neki podatak nedostaje

Ali ako se nazivi artikala razlikuju, šifre nisu usklađene ili jedan sustav koristi drugačiju logiku od drugog, alat to ne može sam riješiti. Potrebna su jasna pravila.

Tu se opet vidi ista stvar: alat može pomoći, ali prvo treba razumjeti posao.

Što se ne mijenja: podatke i dalje treba razumjeti

Lako je iz svega ovoga zaključiti da sada više nije potrebno ništa znati.

To nije točno.

Promijenio se ulaz, ne odgovornost.

I dalje morate razumjeti svoje podatke. Što znači svaki stupac? Odakle dolaze brojke? Jesu li podaci potpuni? Jesu li isti pojmovi korišteni na isti način? Što radimo s iznimkama? Je li rezultat samo za internu provjeru ili na temelju njega netko donosi odluku?

LLM alat može vrlo uvjerljivo predložiti pogrešan rezultat.

Može napisati formulu koja izgleda točno, ali ne odgovara vašoj tablici. Može grupirati mailove na način koji zvuči smisleno, ali promaši važnu razliku. Može predložiti analizu koja je tehnički uredna, ali poslovno nevažna.

Zato je provjera i dalje ključna.

Nekad je rad s podacima bio kao da sami morate znati koristiti svaki alat u radionici. Danas sve češće možete opisati što želite napraviti.

Ali i dalje morate znati prepoznati je li polica ravna, drži li težinu i odgovara li prostoru u koji je stavljate.

Kada su Excel, formule i kod i dalje važni

Za brzo pitanje, jednokratni pregled ili prvu skicu, LLM alat može biti vrlo koristan.

Ali čim nešto treba biti pouzdano, ponovljivo i provjerljivo, vraćamo se na provjerene alate.

Ako izvještaj radite svaki tjedan, ne želite svaki put ispočetka objašnjavati što želite. Želite formulu, skriptu, automatizaciju ili mali alat koji uvijek radi po istim pravilima.

Ako se podaci koriste za financijske odluke, ponude, plaće, zalihe ili izvještaje upravi, ne želite improvizaciju. Želite rješenje koje se može pregledati, testirati i razumjeti.

Excel formule, pivot tablice, SQL, VBA, Python i dalje imaju vrijednost jer daju strukturu, ponovljivost i kontrolu.

Razlika je u tome što do prvog nacrta rješenja sve češće možemo doći razgovorom, opisom problema i postupnim razjašnjavanjem.

Drugim riječima: LLM može pomoći da brže dođemo do smjera. Ali za nešto što treba raditi dugoročno, treba nam sustav.

Zaključak

Excel ne nestaje.

Programiranje ne nestaje.

Ali se mijenja mjesto na kojem počinje posao.

Sve manje počinjemo pitanjem:

Koju formulu trebam?

ili:

U kojem jeziku ćemo ovo napisati?

A sve više pitanjem:

Što imamo pred sobom, što pokušavamo razumjeti i kako bi nam odgovor trebao izgledati da ga možemo stvarno iskoristiti?

To je dobra promjena.

Ne zato što uklanja potrebu za znanjem, nego zato što više ljudi može krenuti od problema, a ne od sintakse.

Ali rezultat je bolji tek onda kada uz alat ostanu prisutni kontekst, provjera i zdrava poslovna prosudba.

Ako se u nekoj firmi stalno ponavljaju isti izvještaji, ista spajanja tablica, ista pitanja iz dokumenata ili isti ručni koraci, možda prvo pitanje ne treba biti koji alat koristiti.

Možda prvo treba razumjeti što se zapravo pokušava dobiti.

Tek nakon toga ima smisla odlučiti je li rješenje bolja Excel struktura, formula, mali interni alat, automatizacija, LLM asistent ili nešto treće.

Često postavljana pitanja (FAQ)

Znači li ovo da više ne moram učiti Excel?

Ne. Osnovno razumijevanje Excela i podataka i dalje je vrlo korisno. Excel vam pomaže razumjeti tablice, provjeriti rezultate i prepoznati kada nešto nema smisla. Mijenja se to što ne morate nužno znati svaku formulu napamet da biste uopće krenuli.

Mogu li se osloniti na LLM alat da mi napiše ispravnu formulu ili kod?

Može biti dobra polazna točka, ali rezultat uvijek treba provjeriti na stvarnim podacima. LLM alat ponekad napiše nešto što izgleda točno, ali nije primjenjivo na vašu tablicu, vaš proces ili vaša pravila. Što mu bolje objasnite kontekst, veća je šansa da će prijedlog biti koristan.

Kada je bolje ostati na formuli ili skripti umjesto LLM alata?

Kada nešto radite redovito i kada rezultat mora biti pouzdan, ponovljiv i provjerljiv. Ako se izvještaj radi svaki tjedan ili mjesec, stabilna formula, skripta, automatizacija ili mali alat obično su bolji od ponovnog ručnog opisivanja istog zadatka.

Trebam li onda programera ili ne?

Ovisi o situaciji. Za jednokratne preglede, istraživanje podataka ili prvi nacrt često ne treba odmah programer. Za rješenja koja moraju raditi dugoročno, sigurno, ponovljivo i uz jasna pravila, i dalje ima smisla uključiti osobu koja zna postaviti sustav kako treba.

Gdje LLM najviše pomaže u radu s podacima?

Najviše pomaže na početku: kada treba razjasniti pitanje, predložiti pristup, objasniti formulu, napisati prvi nacrt upita, grupirati tekstove ili pomoći oko strukture izvještaja. Ali što je rezultat važniji, to je važnija i provjera.