Excel para devs: como automatizar planilhas com Python

Os dados da Lightcast analisados pelo Sapo.pt revelam um paradoxo que eu vejo acontecer toda semana em consultorias e times de engenharia: habilidades de IA pagam um prêmio médio de 28% (cerca de 18 mil dólares por ano), mas 51% das vagas que pedem IA estão fora da área técnica. Quem senta na cadeira do desenvolvedor precisa entender o que isso significa na prática — porque, no fim do dia, a maioria das empresas ainda respira Excel.

O paradoxo do “salário de IA” e a realidade das planilhas

Quando alguém me pergunta se vale a pena estudar IA generativa, LLMs ou MLOps, eu sempre respondo a mesma coisa: vale, mas não é onde a entrevista vai te pegar. O relatório da Lightcast de 2025, construído sobre mais de 1,3 mil milhões de anúncios de emprego, cravou o número — o domínio de IA adiciona 28% ao salário. Só que mais da metade dessas vagas está em funções que não são de engenharia: contabilidade, logística, saúde, imobiliário, varejo.

Isso bate de frente com o hype que aparece no LinkedIn todo dia. O dev júnior acha que vai conseguir emprego porque aprendeu a usar ChatGPT. Eu mesmo, em processos seletivos que conduzo, abro a entrevista com um case prático de Excel antes mesmo de falar de Python. Por quê? Porque é ali que o candidato mostra se realmente pensa em dados ou se só decora sintaxe de framework.

Excel não é “coisa de office boy”

O Excel completou 40 anos em setembro de 2025. Lançado em 30 de setembro de 1985, curiosamente primeiro no Macintosh, virou a infraestrutura invisível de praticamente toda empresa média. Orçamento de obra, escala de clínica, fluxo de caixa de condomínio, relatório de vendas — tudo passa por uma planilha. Isso não é opinião, é arquitetura de negócio que ninguém tem coragem de desmontar.

Quem programa e ignora isso acaba cometendo um erro clássico: construir um dashboard em React com 12 microserviços para substituir uma planilha que três pessoas usavam e que funcionava perfeitamente. Eu já vi projeto de seis meses ser descartado por não entender que o usuário real queria Ctrl+T na tabela dinâmica e pronto.

Por que devs sêniores ignoram Excel (e perdem dinheiro)

Tem um viés cultural forte na nossa área: “se não é código, não é engenharia”. É uma mentalidade que custa caro. O Excel moderno tem funções de array, fórmulas LAMBDA, integração nativa via =PY() no Microsoft 365, e ainda roda VBA — uma linguagem que, por mais zoada que seja, continua movendo sistemas críticos em bancos, indústrias e órgãos públicos.

Na minha experiência, o dev que domina Excel sai na frente em três cenários reais:

• Consultoria: o decisor quer ver números rápidos, não um deploy no Kubernetes.
• Transição de carreira: migrar do administrativo para tech usando a própria planilha como ponto de entrada.
• Freela corporativo: 80% dos pedidos que recebo envolvem automatizar relatórios que alguém monta manualmente toda segunda-feira há cinco anos.

Na Prática: integrando IA com planilha (Python + openpyxl)

Deixa eu te mostrar um caso real que apliquei no mês passado. Uma rede de clínicas me pediu para identificar consultas de alto risco de no-show a partir de uma planilha de agendamentos. O “dado” estava num XLSX legado. Poderia ter pedido acesso ao banco, mas seriam 3 meses de burocracia e NDA. O resultado ficou pronto em uma tarde.

import pandas as pd
from openpyxl import load_workbook
from openpyxl.styles import PatternFill, Font

# 1. Carregar a planilha real (sem reformular o processo do cliente)
df = pd.read_excel("agendamentos.xlsx", sheet_name="Semana")

# 2. Heurística de risco (em produção, trocaria por um modelo treinado)
def risco_no_show(row):
    score = 0
    if row["historico_faltas"] >= 2:
        score += 40
    if row["distancia_km"] > 15:
        score += 25
    if row["horario"] in ("18:00", "19:00"):
        score += 15
    if row["dia_semana"] in ("sexta", "sabado"):
        score += 20
    return min(score, 100)

df["risco_%"] = df.apply(risco_no_show, axis=1)

# 3. Escrever de volta na mesma planilha, preservando formatação
wb = load_workbook("agendamentos.xlsx")
ws = wb["Semana"]
red = PatternFill(start_color="FFC7CE", end_color="FFC7CE", fill_type="solid")
bold_red = Font(color="9C0006", bold=True)

for idx, row in df.iterrows():
    cell = ws.cell(row=idx + 2, column=8, value=f'{row["risco_%"]}%')
    if row["risco_%"] >= 60:
        cell.fill = red
        cell.font = bold_red

wb.save("agendamentos_processado.xlsx")
print("Planilha atualizada com classificação de risco.")

Por que esse padrão funciona: o usuário continua abrindo o mesmo arquivo, no mesmo lugar, com o mesmo hábito. A IA entra por baixo, sem chocar o fluxo. Esse é o tipo de entrega que gera contrato de manutenção recorrente — e é exatamente o que nenhum bootcamp ensina.

Comparação honesta: Excel + script vs. “app de verdade”

Use Excel enquanto o volume permitir e a equipe for pequena. Quando passar de ~100 mil linhas, exigir multiusuário com permissões granulares ou integrar com ERP, aí sim migra para banco + API. Antes disso, é vaidade técnica.

Erros comuns que devs cometem ao entrar nesse mercado

Lista dos tropeços que mais vejo em clientes e alunos, em ordem de frequência:

1. Subestimar a base instalada. Cliente com 30 pessoas usando Excel há 10 anos não vai migrar porque você acha “arcaico”. Migrar custa dinheiro, tempo e paciência. Pergunte antes de propor.
2. Ignorar VBA e fórmulas. Sei que dá vergonha admitir, mas VBA paga boleto. Se você manja, é contratado na hora. Power Query também — é a versão “civilizada” do VBA, sem código procedural e com ETL nativo.
3. Cobrar caro demais pela planilha automatizada. Cobre por valor de negócio, não por linha de código. O cliente não quer saber se usou pandas, openpyxl ou xlwings — quer saber quanto tempo vai economizar.
4. Não versionar a planilha. Sim, planilha também precisa de controle. Use xlsx2csv para diff, Git para histórico, ou OneDrive/SharePoint com versionamento automático. Já perdi três horas debugando fórmula que alguém sobrescreveu sem querer numa sexta à tarde.
5. Esquecer do Excel no currículo. Se você automatizou relatórios, criou dashboards ou integrou planilha com API, coloque no LinkedIn e no GitHub. Recrutador técnico entende o valor — e paga por ele.
6. Confundir “saber Excel” com “saber fórmulas básicas”. PROCX, ÍNDICE/CORRESP, tabela dinâmica com segmentação, Power Pivot e Power Query são níveis diferentes. Saber PROCV não te diferencia; saber estruturar um modelo de dados no Power Pivot te coloca em outro patamar salarial.

Ferramentas e custo real para começar

Para quem está montando setup de trabalho em 2025/2026, vale considerar o pacote Office legítimo. Quem está atualizando currículo ou estruturando home office, segundo o Sapo.pt, a GoodOffer24 está com campanha agressiva: Office 2024 por 17,2€ e Windows 11 Pro por 22,5€ com o cupão TT30 aplicado. O cupão TT10 dá 10% em utilitários como CCleaner e Canva Pro. Já usei promoções desse tipo em clientes que precisavam licenciar estações rápido e funcionou bem — mas sempre teste a chave em uma máquina antes de fechar lote grande, para evitar dor de cabeça.

FAQ — Perguntas que devs realmente fazem

1. Excel ainda vale a pena aprender em 2026?

Vale, e não é só para “se virar”. É a ferramenta universal de dados em empresa. Saber fórmulas avançadas, PROCX, tabela dinâmica, Power Query e macros separa o dev mediano do consultor de confiança. Em qualquer entrevista técnica fora de FAANG, cai Excel na primeira rodada.

2. Python substitui Excel em ambiente corporativo?

Substitui no backend, não no frontend. O usuário final quer abrir um arquivo e clicar. Python entra para automatizar o que o humano faria repetidamente, mas a interface continua sendo a planilha. Quem tenta forçar substituição total perde o cliente e a credibilidade.

3. VBA ainda tem futuro ou é melhor aprender Python direto?

Aprenda os dois, mas priorize Python se for começar do zero. VBA está em modo manutenção — Microsoft empurrou tudo para o Microsoft 365 e Power Platform. Para legado em indústria e bancos, VBA vale ouro. Para projeto novo, Python com openpyxl ou xlwings é o caminho.

4. Como começar a cobrar por automação de planilhas?

Comece com R$ 1.500 a R$ 3.000 por entrega simples (relatório automatizado, dashboard, integração com API). Calcule pelo tempo economizado do cliente, não pelas linhas de código. Se a planilha substitui 8 horas semanais de um analista sênior, o valor de negócio é alto — cobre 10% da economia anual como setup e ofereça manutenção mensal.

5. IA generativa vai matar o Excel?

Não. Vai mudar a forma de interagir — Copilot já permite gerar fórmulas em linguagem natural. Mas o dado continua na planilha, a decisão continua sendo humana, e o arquivo continua sendo XLSX. A tendência é a IA rodar DENTRO do Excel, não substituí-lo. Quem aprende a orquestrar os dois hoje, domina o mercado nos próximos cinco anos.

Gostou? Me segue no GitHub e deixa um comentário se tiver dúvida ou quiser aprofundar algum ponto. Se quiser, posso montar um tutorial completo de Power Query + Python para automatizar relatórios no seu fluxo — é o tipo de conteúdo que eu publico todo mês no yurideveloper.com.br.