COPILOT KÖR PYTHON I EXCEL – KONTROLLERA DATA, KOD OCH RESULTAT FÖRE BESLUT
Microsoft rullar ut stöd för att använda Python för avancerad analys med Copilot direkt i Excel. Det sänker tröskeln till statistik, simuleringar och visualiseringar – men också till analyser där beställaren inte ser om rätt rader, antaganden och beräkningar användes. Bygg därför arbetsboken som ett kontrollark med sex separata blad innan ett resultat får bli beslutsunderlag.
Python i Copilot gör analysen snabbare – inte självkontrollerande
I Microsofts release notes för 25 augusti 2026 (öppnas i ny flik) beskrivs ”Use Python when Editing with Copilot in Excel” för Windows, Mac och webben. Funktionen rullas ut gradvis inom Microsoft 365-miljöer, så faktisk tillgång behöver kontrolleras för den egna användaren. När den är tillgänglig kan den använda Python för avancerad dataanalys, automatisering och datatransformering och lägga resultatet i arbetsboken. Microsoft nämner statistik, simuleringar och avancerade visualiseringar som exempel.
Det förändrar vem som kan beställa en komplex analys. En controller, projektledare eller verksamhetschef kan beskriva uppgiften i vanligt språk utan att först skriva Python-koden. Men ett prydligt diagram visar inte vilket datumintervall som kom med, hur tomma värden hanterades eller om median förväxlades med medelvärde. Kontrollbehovet flyttar därför från ”kan någon programmera?” till ”kan någon reproducera vad som faktiskt gjordes?”.
Den här artikeln kompletterar den bredare guiden om Microsoft 365 Copilot i praktiken. För val mellan Excel med Copilot och andra verktyg finns den separata verktygsguiden för ekonomi och redovisning. Här är frågan snävare: hur ni granskar just den Python-kod och det resultat som hamnar i en arbetsbok.
Bygg arbetsboken så att varje led kan granskas separat
- 00_Uppgift: skriv verksamhetsfrågan, mätetal, tidsperiod, population, tillåtna exkluderingar och vilket beslut analysen ska informera. Lägg även in beställare, granskare och sista kontrolldatum.
- 01_Källdata: behåll en oförändrad tabell eller en låst import. Notera källa, hämtningstid, antal rader, första och sista datum, dubbletter, tomma nyckelfält och eventuella filter som redan gjordes före Excel.
- 02_Kod: spara Python-koden som faktiskt kördes, inte bara den sista prompten. Ge kodblocket versionsnummer och notera vilka tabeller, cellområden eller Power Query-anslutningar som refereras.
- 03_Resultat: lägg tabeller och diagram här tillsammans med kördatum, kodversion, antal analyserade rader och en kort resultattext utan beslutsrekommendation.
- 04_Avstämning: kontrollera minst ett centralt resultat med vanliga Excel-formler eller en pivottabell som byggs från samma källdata. Skriv både differens och godkänd tolerans.
- 05_Beslut: dokumentera utfallet godkänt, utred avvikelse eller använd inte. Namnge beslutsfattare, skäl, villkor och vilken arbetsboksversion som låg till grund.
Separationen är viktig eftersom samma person annars kan ändra data, prompt, kod och slutsats i ett sammanhängande flöde. Med sex blad kan en granskare börja i beslutet, följa resultatets kodversion, läsa koden, se vilka data som refererades och slutligen jämföra mot den ursprungliga uppgiften.
Be om en analys som går att kontrollera rad för rad
Anta att arbetsboken innehåller order för januari–december 2025 och att ledningen vill jämföra typisk orderstorlek mellan fyra regioner. ”Analysera försäljningen och visa avvikelser” är för öppet. Copilot måste då själv välja period, mått, grupper, exkluderingar och vad en avvikelse betyder.
Använd i stället en beställning där varje del kan prickas av mot resultatet:
Kontrollkriteriet ska mäta exakt samma sak som beställningen: fyra namngivna regioner, fullständiga månader 2025, medianorder, krediteringar borttagna och redovisade radantal. Lägg inte till en poäng för prognosprecision eller omsättningstrend när prompten inte beställde prognos eller trend. Då ser kontrollen avancerad ut men provar fel uppgift.
Följ fem hållpunkter innan ni bedömer statistiken
- Referensen: stämmer tabellnamn, cellområde eller Power Query-anslutning med `01_Källdata`? Microsofts säkerhetsdokumentation för Python i Excel (öppnas i ny flik) anger att koden kan läsa cellvärden genom uttryckliga `xl()`-referenser och externa data genom ett Power Query-anslutningsnamn. En referens är därför en del av analysens urval.
- Filtren: sök efter villkor för datum, region, tomma värden och krediteringar. Jämför dem ord för ord med `00_Uppgift`. Om koden filtrerar på orderstatus som prompten inte nämnde ska avvikelsen utredas.
- Omvandlingarna: kontrollera om belopp konverteras, negativa värden tas bort, datum grupperas eller kategorier slås ihop. Varje ändring ska ha ett verksamhetsskäl, inte bara ge ett renare diagram.
- Måttet: leta efter median, antal och gruppering per region. Ett medelvärde kan dras upp av enstaka stora order och svarar inte på en fråga som uttryckligen beställer median.
- Utmatningen: stäm av att tabell, diagram och resultattext kommer från samma körning och kodversion. Microsoft beskriver `=PY()` som vägen tillbaka till arbetsboken; synlig placering i Excel är inte i sig ett kvalitetsbevis.
Vid regressionsmodeller, simuleringar, imputering av saknade värden eller andra metodval som kan ändra slutsatsen bör en person med relevant statistik- och kodkompetens granska metoden. Sexbladsmodellen ersätter inte sakkunskap, men den visar exakt var sakkunskap behövs.
Kontrollera resultatet med en annan väg
Skapa en pivottabell i `04_Avstämning` från den oförändrade ordertabellen. Använd samma datumfilter, regioner och krediteringsregel. Visa median om den Excel-version och metod ni använder stöder det direkt; annars välj ett dokumenterat stickprov eller en separat kontrollerad formel för en region. Syftet är inte att bygga om hela analysen, utan att upptäcka att olika rader eller definitioner användes.
Lägg följande fem värden bredvid varandra: källrader, analyserade rader, exkluderade rader, antal order per region och median per region. Sätt toleransen till noll för radantal och kategorier. För numeriska värden ska toleransen anges med både enhet och orsak, exempelvis 0,01 kronor på grund av avrundning. ”Ser rimligt ut” är ingen avstämning.
Dokumentera även misslyckade kontroller. Om Python-resultatet visar 8 412 analyserade rader och pivottabellen 8 417 ska arbetsboken få status utred avvikelse. Skillnaden på fem rader kan vara dubbletter, ett datumvillkor eller tomma regioner. Den ska inte döljas genom att bara spara den version som till slut stämde.
Skilj dataåtkomst från analyskvalitet
Microsoft anger att Python i Excel körs i en hypervisorisolerad container i Microsoft Cloud och att koden saknar nätverksåtkomst och åtkomst till användarens dator, enheter, konto och användartoken. Samma supportsida anger att Python-koden inte kan läsa arbetsboksegenskaper som formler, diagram, pivottabeller, makron eller VBA-kod.
Det är relevant för körmiljön, men löser inte tre andra frågor. För det första måste organisationen fortfarande avgöra om uppgifterna får behandlas i det aktuella Microsoft 365-flödet. För det andra kan koden referera fel cellområde trots att containern är isolerad. För det tredje kan en korrekt beräkning besvara fel verksamhetsfråga. Informationsklassning, kodgranskning och verksamhetsvalidering ska därför ha var sin kontrollrad.
Om Python- eller Copilotvalet inte syns anger Microsofts startguide för Copilot i Excel (öppnas i ny flik) att åtkomst kan bero på abonnemang och organisationens inställningar. Kontrollera med er Microsoft 365-administratör; artikeln förutsätter inte att funktionen är tillgänglig för varje användare.
Släpp igenom arbetsboken först när sex frågor är besvarade
- Svarar uppgiften på ett namngivet verksamhetsbeslut utan att Copilot själv fattar beslutet?
- Är källans version, omfattning och förkontroller dokumenterade?
- Är den faktiskt körda koden sparad med referenser, filter och versionsnummer?
- Redovisar resultatet radantal, exkluderingar, mått och kördatum?
- Har minst ett centralt resultat stämts av med en oberoende Excel-väg och en angiven tolerans?
- Har en namngiven person valt godkänt, utred avvikelse eller använd inte och skrivit skälet?
Alla sex frågor måste vara besvarade för den arbetsboksversion som används. En senare omkörning skapar en ny analysversion och kräver ny avstämning. Då blir Copilots Python-kod ett granskningsbart verktyg i arbetsflödet i stället för en osynlig genväg mellan rådata och beslut.
Vanliga frågor om Copilot och Python i Excel
Måste granskaren kunna Python?
Inte för att göra grundkontrollen. Granskaren kan kontrollera refererat dataområde, filter, exkluderingar, radantal och avstämning mot Excel. En kodkunnig kollega bör granska analys som innehåller komplex statistik eller påverkar viktiga beslut.
Betyder Microsofts säkra körmiljö att analysen är korrekt?
Nej. Körmiljön handlar om hur Python-koden isoleras och får åtkomst till data. Den verifierar inte att urval, antaganden, kod eller slutsats svarar på verksamhetsfrågan.
Vad ska sparas när analysen är klar?
Spara arbetsbokens version, källdatans omfattning, den körda koden, kördatum, resultat, avstämning, avvikelser och det mänskliga beslutet med ansvarig.
Källor och vidare läsning
- Microsoft Learn: Release Notes for Microsoft 365 Copilot (öppnas i ny flik) – nyheten om Python vid redigering med Copilot i Excel, daterad 25 augusti 2026.
- Microsoft Support: Get started with Copilot in Excel (öppnas i ny flik) – redigeringslägen, Excel-verktyg och reservation för licens och organisationsinställningar.
- Microsoft Support: Data security and Python in Excel (öppnas i ny flik) – körmiljö, datareferenser, begränsningar och utmatning via `=PY()`.