Как обработать данные, если вся выгрузка оказалась в одном столбце

Иногда данные выгружаются совсем не в том виде, в котором хотелось бы их получить.

Например, вместо привычной таблицы:

И если строк несколько десятков, такую таблицу ещё можно попытаться разобрать вручную.

Но если выгрузка содержит тысячи строк, ручная обработка уже превращается в отдельную задачу.

Разберём, как можно привести такие данные в нормальный табличный вид с помощью Power Query. А заодно посмотрим, как ИИ может ускорить решение подобных нестандартных задач.

Что не так с исходной выгрузкой

В нашем примере информация расположена блоками по четыре строки:

регион
магазин
дата продажи
сумма продаж

Затем начинается следующий блок.

Главная проблема в том, что для анализа нам нужны не четыре строки, а одна строка на одну операцию или объект наблюдения.

То есть из этого:
Москва
Магазин 1
01.09.2026
125 000 руб

нужно получить:

Регион	Магазин	Дата продажи	Продажи
Москва	Магазин 1	01.09.2026	125000

И повторить такое преобразование для всей выгрузки.

Можно ли сделать это руками?

Конечно.

Если вы хорошо знаете Power Query, задача сама по себе не является какой-то невероятно сложной.

Можно добавить индекс, определить номер каждой строки внутри блока, разбить данные на группы, развернуть их в столбцы и привести типы данных.

Но здесь появляется другой вопрос:

обязательно ли каждый раз самостоятельно придумывать все шаги и писать код с нуля?

И вот здесь сегодня очень удобно подключать ИИ.

Как я поставила задачу ИИ

Вместо того чтобы самой писать M-код, можно подробно описать структуру данных и результат, который нам нужен.
Например, промпт может выглядеть так:

«У меня есть таблица Excel RawVerticalData с одним столбцом “Данные”.
Информация расположена повторяющимися блоками по 4 строки:

1-я строка — регион
2-я строка — магазин
3-я строка — дата продажи
4-я строка — продажи

Нужно написать M-код для Power Query, который преобразует эти данные в таблицу со столбцами:

Регион
Магазин
Дата продажи
Продажи

Каждые четыре строки исходной таблицы должны превращаться в одну строку итоговой таблицы.
Поле “Дата продажи” необходимо привести к типу Date.

Из поля “Продажи” нужно удалить текст “руб” и пробелы и преобразовать значение в число.

Напиши готовый M-код и кратко объясни логику решения».

Обратите внимание на важный момент: чем точнее мы описываем структуру исходных данных и ожидаемый результат, тем выше вероятность сразу получить рабочее решение.
Фраза «сделай мне нормально эту таблицу» даст ИИ значительно меньше информации.

Как выглядит логика решения

В данном случае алгоритм достаточно понятный.
Сначала Power Query добавляет к каждой строке индекс:
0
1
2
3
4
5
6
7
…

Затем каждые четыре строки объединяются в одну группу.
У строк 0–3 номер группы будет 0
У строк 4–7 — группа 1
У строк 8–11 — группа 2

И так далее.
После этого по остатку от деления индекса на 4 определяется, что находится в каждой строке:
0 → Регион
1 → Магазин
2 → Дата продажи
3 → Продажи

После этого данные можно развернуть в четыре отдельных столбца.

Пример M-кода

Для исходной таблицы RawVerticalData решение может выглядеть примерно так:

let
Source = Excel.CurrentWorkbook(){[Name="RawVerticalData"]}[Content],
AddIndex = Table.AddIndexColumn(
Source,
"Index",
0,
1,
Int64.Type

AddGroup = Table.AddColumn(
AddIndex,
"Group",
each Number.IntegerDivide([Index], 4),
Int64.Type

AddField = Table.AddColumn(
AddGroup,
"Field",
each {"Регион", "Магазин", "Дата продажи", "Продажи"}{Number.Mod([Index], 4)}

RemoveIndex = Table.RemoveColumns(
AddField,
{"Index"}

PivotData = Table.Pivot(
RemoveIndex,
{"Регион", "Магазин", "Дата продажи", "Продажи"},
"Field",
"Данные",
List.First

CleanSales = Table.TransformColumns(
PivotData,
{
{
"Продажи",
each
Number.FromText(
Text.Replace(
Text.Replace(
Text.Replace(Text.From(_), "руб", ""),
" ",
""
),
Character.FromNumber(160),
""
),
"ru-RU"
),
type number
}
}

ChangeDateType = Table.TransformColumns(
CleanSales,
{
{
"Дата продажи",
each Date.From(_, "ru-RU"),
type date
}
}

RemoveGroup = Table.RemoveColumns(
ChangeDateType,
{"Group"}
)
in
RemoveGroup

Код можно адаптировать под конкретный источник данных, названия столбцов и формат исходной выгрузки.

Значит ли это, что Power Query теперь можно не изучать

Нет.
И вот здесь, на мой взгляд, находится самое интересное изменение, которое происходит сейчас в работе с Excel и аналитикой.

Раньше для решения нестандартной задачи специалисту часто приходилось:

искать похожий пример
читать форумы
разбираться в синтаксисе M
самостоятельно собирать код

Сегодня ИИ может снять значительную часть этого барьера.

Вы можете объяснить ему задачу обычными словами и получить вариант решения за несколько секунд.

Но дальше всё равно нужно понимать:

что именно сделал код
соответствует ли результат вашей задаче
правильно ли определились типы данных
не потерялись ли строки
что произойдёт при изменении структуры исходной выгрузки
почему запрос выдал ошибку
как объяснить ИИ, что именно нужно исправить

То есть ценность специалиста постепенно смещается.
Всё меньше ценится способность помнить каждый синтаксический нюанс.

И всё больше - способность правильно поставить задачу, понять предложенное решение, проверить результат и встроить его в рабочий процесс.

Что обязательно проверить после кода от ИИ

Даже если запрос отработал без ошибок, я рекомендую проверить несколько вещей.

1. Количество строк
Если в исходных данных было 4 000 строк, после преобразования блоков по четыре мы ожидаем получить примерно 1 000 строк.
Если получилось 987 или 1 043 — стоит разобраться почему.

2. Даты
Убедитесь, что дата действительно стала датой, а не осталась текстом.
Это особенно важно, если исходные данные могут содержать разные региональные форматы.

3. Продажи
Проверьте несколько исходных значений вручную.
Например:

125 000 руб

должно превратиться именно в число:

125000

а не в текст.

4. Структуру блоков
Наше решение предполагает, что каждый блок всегда состоит ровно из четырёх строк.
Если в какой-то момент источник добавит пятую строку, например «Менеджер», весь алгоритм необходимо будет изменить.

Именно поэтому важно понимать логику запроса, а не просто копировать код.

Где особенно полезен такой подход

Подобные задачи постоянно встречаются в реальной работе.

Это могут быть:

нестандартные выгрузки из учётных систем
файлы из 1С
отчёты поставщиков
данные маркетплейсов
выгрузки, подготовленные для чтения человеком, а не для анализа
файлы с многоуровневыми заголовками
таблицы с промежуточными итогами
несколько характеристик внутри одного столбца

Именно в таких случаях Power Query особенно полезен.
Вместо того чтобы каждый месяц заново приводить файл в порядок, мы один раз настраиваем последовательность преобразований, а при следующей выгрузке просто обновляем запрос.

Главное

ИИ действительно сделал работу с Power Query проще.

Теперь необязательно уметь самостоятельно написать сложный M-код с чистого листа, чтобы попробовать решить нестандартную задачу.
Но чем лучше вы понимаете сам Power Query, структуру данных и логику преобразований, тем полезнее становится ИИ.
Потому что тогда он не заменяет ваши знания, а ускоряет работу с ними.

И это, на мой взгляд, один из самых полезных сценариев применения ИИ в Excel сегодня.
Если вы хотите научиться не только обрабатывать отдельные выгрузки, но и строить автоматизированные процессы подготовки данных и отчётности, эти задачи подробно разбираем на программе Power Excel.

[Посмотреть программу Power Excel]

]]>