Na czym to polega w sklepie
Funkcja pd.read_excel ładuje arkusz kalkulacyjny (.xlsx, .xls) do obiektu DataFrame. W zespołach marketingowych to standardowy punkt wejścia danych z planów mediowych, które nadal żyją w Excelu obok GA4 i sklepu.
Przykład ze sklepu internetowego
Media buyer wrzuca plik Q1_campaign_plan.xlsx z arkuszem Budget. Chcesz połączyć planowany budżet z faktycznym wydatkiem z Google Ads:
import pandas as pd
plan = pd.read_excel(
"Q1_campaign_plan.xlsx",
sheet_name="Budget",
usecols=["campaign", "channel", "planned_spend_pln"],
)
plan["planned_spend_pln"] = pd.to_numeric(plan["planned_spend_pln"], errors="coerce")
# DataFrame gotowy do merge z eksportem kosztów kampanii
Co zrobić po stronie biznesu
- Import harmonogramu promocji (daty, rabaty, SKU) z arkusza merchandisingu.
- Wczytanie listy UTM i mapowania kampanii przed audytem tagów GA4.
- Łączenie planu vs wykonanie w jednym notebooku raportowym bez CSV pośredniego.
W skrócie
pd.read_excel oszczędza krok eksportu z Excela. Parametry sheet_name i usecols ograniczają szum - wczytuj tylko kolumny potrzebne do KPI.