Cei care îți spun că Excel-ul e mort lucrează probabil cu Excel zilnic. Mai precis — cu Power Query, una dintre cele mai puternice unelte de transformare a datelor pe care Microsoft le-a livrat vreodată într-o aplicație office. Și totuși, în 2026, un procent uimitor de mare dintre analyst-i încă deschide CSV-ul, face Find & Replace manual, copiază coloane între sheet-uri.
E o pierdere de timp colosală.
Power Query Excel a fost introdus discret în 2010 ca add-in, integrat nativ din 2016, și extins constant până astăzi cu suport pentru sute de conectori, transformări vizuale și un limbaj propriu de scripting (M). În 2026, este, fără îndoială, prima unealtă pe care un analyst începător ar trebui să o învețe după funcțiile de bază. Înainte de VBA. Înainte de Python. Înainte de SQL avansat.
Ce este, mai exact
Power Query e un motor ETL — extract, transform, load — încapsulat într-o interfață vizuală. Conectezi o sursă de date (fișier, bază de date, API, SharePoint, OneDrive, web), aplici o serie de pași de transformare (filtre, joins, pivot, unpivot, calcule), și încarci rezultatul ca tabel în Excel sau ca dataset în Data Model.
Diferența față de a face același lucru cu formule sau cu VBA: pașii sunt înregistrați, repetabili și auditabili. Refresh-uiești o dată, toți pașii se aplică din nou pe noile date. Fără să atingi nimic.
Asta schimbă fundamental cum lucrezi cu rapoarte recurente.
Scenarii reale în care îți schimbă ziua
Sunt câteva pattern-uri repetabile pe care le văd în orice echipă de date care folosește Excel intens. În fiecare, Power Query taie ore din muncă săptămânală.
Consolidarea fișierelor lunare
Primești în fiecare lună un export CSV de la sistemul ERP. Coloanele variază uneori. Trebuie să le combini cu fișierele din lunile anterioare, să standardizezi denumirile, să adaugi o coloană cu luna sursă.
Cu Power Query, configurezi o singură dată: „ia toate fișierele din folderul X, combină-le, aplică transformările Y, încarcă rezultatul". În următoarele luni, copiezi noul fișier în folder, apeși Refresh. Două minute. Față de 45 de minute manual. Și fără erori.
Curățarea datelor murdare
Un export care vine cu rânduri goale aleatorii, coloane redundante, formate de dată inconsistente (unele DD/MM/YYYY, altele MM/DD/YYYY, altele text), denumiri cu spații sau cu majuscule diferite („București", „BUCURESTI", „bucuresti "). Power Query le rezolvă pe toate prin pași vizuali: Trim, Clean, Capitalize Each Word, Replace Values, Change Type.
În 15-20 de minute construiești un pipeline pe care îl reaplici la fiecare nou export. Fără să atingi VBA, fără să scrii o singură formulă.
Unpivot pentru date prost structurate
Cea mai frecventă bătaie de cap în Excel: tabele care au lunile pe coloane (Jan, Feb, Mar...) când ai nevoie de ele pe rânduri pentru pivotare corectă. Unpivot Other Columns rezolvă asta într-un clic. Operațiunea care ia 10 minute manual cu copy/paste și care e ușor de greșit, devine un singur pas.
Joins între surse diferite
Ai un fișier cu vânzări și altul cu date despre clienți. Vrei să combini. În Excel pur, asta înseamnă VLOOKUP sau XLOOKUP pe fiecare coloană pe care vrei să o aduci. În Power Query, faci Merge Queries, alegi tipul de join (left, inner, full, anti), selectezi coloanele de adus. Rezultatul e o singură tabelă, fără formule care se rup la sortare.
Conectare directă la baze de date
Dacă ai acces la un SQL Server, Postgres, MySQL sau chiar la un cont Google BigQuery, Power Query se conectează direct. Scrii query-ul, primești rezultatul în Excel ca tabel viu, refresh-uibil. Fără să exporți CSV, fără să copiezi/lipești.
Asta înlocuiește efectiv un workflow pe care multe echipe încă îl țin: analyst exportă din baza de date, salvează CSV, deschide în Excel, lucrează. Power Query elimină primii doi pași.
Limbajul M: când merită învățat
Power Query are un limbaj propriu — M, sau Power Query Formula Language. 90% din ce faci, faci prin interfața vizuală. Dar pentru cazurile complexe, scrierea directă în M deschide opțiuni pe care UI-ul nu le expune.
Funcții ca List.Generate, Table.Buffer, Record.FromList, sau parametri dinamici pentru query-uri se scriu manual. Iar pentru un analyst care lucrează pe rapoarte complexe, învățarea M-ului la nivel de bază (suficient să citești, să modifici, să debug-uiești) este o investiție de 20-30 de ore care se amortizează în câteva luni.
Nu e SQL. Nu e Python. E un limbaj funcțional, declarativ, cu propriile sale particularități. Documentația oficială Microsoft pe Power Query M reference e referința pentru când vrei să mergi mai adânc.
Unde Power Query nu e potrivit
Există situații în care Power Query e folosit acolo unde nu trebuie. Le văd des, și de fiecare dată costă timp.
Volume foarte mari
Power Query în Excel are limite. Peste 1-2 milioane de rânduri, performanța scade dramatic. Refresh-urile încep să dureze 5, 10, 20 de minute. Memoria se umple. Excel-ul se închide singur.
Pentru volume mari, opțiunea corectă este Power Query într-un dataset Power BI (care folosește același limbaj M dar rulează pe infrastructură mai robustă) sau, mai bine, mută transformările în SQL la nivel de bază de date și adu doar rezultatul agregat în Excel.
Transformări care necesită logică condițională complexă
M poate face condiționale, dar pentru reguli de business cu 30 de cazuri, cu excepții, cu fallback-uri, devine ilizibil. Acolo, fie un script Python rulat o dată și salvat ca rezultat, fie logica mutată în SQL Server prin stored procedure, sunt opțiuni mai sustenabile.
Workflow-uri care necesită write-back
Power Query citește date, le transformă, le încarcă. Nu scrie înapoi în surse. Dacă ai nevoie să modifici date dintr-o bază sau să trimiți rezultate către un API, Power Automate sau un script Python sunt unelte mai potrivite.
Câteva pattern-uri care fac diferența
Patru obiceiuri care separă un utilizator mediu de Power Query de unul efectiv eficient.
Folosește parametri
În loc să hardcode-zi calea fișierului sursă, definește un parametru. Astfel, când fișierul se mută sau când vrei să rulezi același query pe alt fișier, schimbi într-un singur loc. Power Query suportă parametri nativ — Manage Parameters.
Reține tipurile de date devreme
Setarea tipurilor de date (text, integer, decimal, date) la începutul pipeline-ului previne 80% din erorile pe care le vei întâlni mai târziu. Power Query încearcă să ghicească tipurile, dar ghicește prost frecvent. Setarea manuală e o asigurare ieftină.
Dezactivează încărcarea pentru query-urile intermediare
Dacă ai un pipeline cu 5 pași și 4 dintre ei sunt intermediari (combini, transformi, filtrezi, agreghezi), doar ultimul trebuie încărcat ca tabel în Excel. Pe ceilalți, Connection Only. Workbook-ul rămâne curat, performanța se păstrează.
Documentează pașii
Power Query permite renumirea fiecărui pas. „Source", „Removed Other Columns", „Renamed Columns" sunt nume generice. „Conectare CSV vânzări", „Eliminat coloane administrative", „Standardizat denumiri orașe" sunt nume care îți vor salva 20 de minute peste șase luni când vei reveni la query și nu îți vei aminti ce făcuse pasul 7.
Comparație cu alternative
Întrebarea pe care o aud frecvent: „de ce să învăț Power Query când există Python, sau dbt, sau alte unelte de transformare?"
Răspunsul e contextual. Power Query e cea mai eficientă unealtă pentru un analyst care lucrează preponderent în Excel, livrează rapoarte recurente, și nu are echipă de data engineering în spate. Curba de învățare e de zile, nu de săptămâni. Integrarea cu Excel e nativă. Refresh-ul e un singur click.
Python e mai puternic, mai flexibil, mai portabil. Dar dacă rezultatul tot ajunge într-un fișier Excel pentru manager, Power Query rezolvă același lucru cu jumătate din efort și fără să întreții un environment Python.
dbt e excelent pentru transformări la scară mare în data warehouse, cu versioning, testing, documentație. Dar e un proiect de echipă, nu o unealtă individuală. Pentru un analyst care lucrează pe rapoarte tactice, e supradimensionat.
Power Query nu înlocuiește celelalte unelte. Le complementează. Iar pentru 80% din muncă tactică pe care o face un analyst într-o companie medie, e suficient.
Power Query în Excel vs. Power BI
Aceeași tehnologie, două locuri de execuție. Power Query în Excel produce rezultate locale în workbook. Power Query în Power BI produce un dataset partajabil, refresh-uibil pe server, accesibil pentru raportare colaborativă.
Multe echipe migrează pipeline-urile mature din Excel în Power BI după 6-12 luni de utilizare. Sintaxa M e identică. Logica se mută. Doar destinația se schimbă. E o tranziție naturală, nu o rescriere.
Pentru proiecte critice care vor fi consumate de mai mulți oameni, Power BI e destinația corectă. Pentru analize personale, ad-hoc, exploratorii, Excel rămâne mediu eficient.
Trei recomandări concrete
Dacă ai citit până aici și încă nu folosești Power Query, trei pași simpli pentru următoarele două săptămâni.
Identifică un raport recurent pe care îl faci manual. Cel care îți consumă cel mai mult timp lunar. Mută-l în Power Query. Va dura câteva ore prima dată. Va dura 5 minute lunile următoare.
Învață cinci transformări de bază: Merge Queries, Append Queries, Unpivot Columns, Group By, Conditional Column. Acoperă 70% din nevoile tipice.
Citește un sample de cod M, încearcă să-l înțelegi. Modifică un pas manual prin Advanced Editor. E mai puțin intimidant decât pare. Iar o dată ce vezi cum arată un query în M, vei înțelege ce face fiecare pas vizual.
Power Query nu e magie. E doar muncă bine făcută, automatizată. Iar în 2026, asta valorează mult mai mult decât viteza cu care apeși F9 într-un workbook complicat. Pentru un articol mai aplicat pe productivitatea Microsoft 365 și pe lucrul cu Excel la nivel avansat, materialele de pe excel-group.ro tratează exact tipul de scenarii pe care un analyst le întâlnește în piață.