Programmera eller använda Excel? Varför sluta använda kalkylblad?

Kalkylark är ett populärt verktyg för att manipulera och beräkna stora mängder data. Ett bättre alternativ kan dock vara att använda programmeringsspråket julia.

Under 2010 publicerade två respekterade Harvard University-ekonomer, Carmen Reinhart och Kenneth Rogoff två artiklar som användes runt om i världen av politiker för att stödja åtstramningsplaner.

Reinhardt och Rogoff hävdade att den genomsnittliga reala ekonomiska tillväxten saktar ner (0,1%) när ett lands skuld stiger till mer än 90% av bruttonationalprodukten (BNP). Men när de använder Microsoft Excel gjorde de ett enkelt misstag med allvarliga konsekvenser.

Ekonomer valde inte hela raden när de genomsnittade tillväxtsiffrorna - de utelämnade uppgifterna från Australien, Österrike, Belgien, Kanada och Danmark. Genom att lägga till dessa länder förvandlades nedgången med 0,1% till en genomsnittlig ökning av den ekonomiska tillväxten på 0,2%.

I allmänhet har kalkylblad tre problem:

• De tillåter inte automatisk och systematisk validering av erhållna data.
• Hur informationen presenteras gör det extremt svårt för tredje parter att upptäcka fel.
• De uppmuntrar mekaniskt beteende. Ibland för att spara tid kopieras och klistras formler till vilka modifieringar som måste göras, vilket de glömmer att göra.

Kanske för att skapandet av ett specifikt program tvingar dig att ägna mer uppmärksamhet åt vad du gör eller, eftersom de har en mångsidighet än förprogrammerade formler att kalkylarken inte tillhandahåller är sanningen det allt fler programmeringsspråk med öppen källkod används inom ekonomin.

Programmera eller använda Excel? Varför Julia är bättre än Excel

Programmeringsspråket Julia har officiellt funnits i två år. Version 1.0 publicerades i augusti 2018 efter ett decennium av utveckling. Dessa tjugofyra månader räckte för att göra det till ett av de viktigaste verktygen för dataanalys.

Julia är ett programmeringsspråk med öppen källkod, dynamisk typ. Även om den kan användas för allmän programmering, designades den med tanke på behoven hos vetenskapliga och numeriska datoranvändare. Julia stöder parallellism ur lådan och erbjuder tre huvudnivåer av parallellism som klassificeras som Julia coroutines, multithreaded (för närvarande experimentell) och multicore eller distribuerad bearbetning.

Språk av dynamisk typ är de som gör det möjligt att göra ändringar medan programmet körs.

Med parallellitet hänvisar vi till ett sätt att lösa problem inom datavetenskap som består av att dela upp stora problem i flera mindre och lösa dem parallellt.

Några fördelar med Julia jämfört med Excel

• Det är öppen källkod, så att du inte behöver betala dyra licenser för att använda den.
• Stöder användning med ett versionskontrollsystem, vilket möjliggör peer review av det utförda arbetet.
• Det är multiplatform; den är tillgänglig för Windows-, Mac-, Linux-, FreeBSD- och Docker-maskiner.
• Du behöver inte använda ett annat programmeringsspråk. Om användaren behöver skapa nya bibliotek kan han göra det perfekt i Julia. I Excel är det nödvändigt att använda ett makro-språk)
• Högre prestanda. Julia är optimerad för snabbare beräkningar.

Naturligtvis finns det andra faktorer att tänka på. På många ställen kan användaren inte bestämma vad de ska använda. Även om någon Windows-dator stöder programmering med Julia är det troligt att du måste dela den informationen med andra personer som vägrar att sluta använda Excel, men Julia har bibliotek som gör att du kan importera och exportera data från Excel.

För det andra är inlärningskurvan. Det är inte samma sak att komplettera data i en assistent än att skapa ett program. För att inte tala om att det finns mycket mer dokumentation om hur man gör något i Excel än det finns i Julia.

Än idag fortsätter högskolor och universitet att lära sig att använda Excel för affärsberäkningar och programmering som ett självständigt ämne. Med hjälp av språk som Julia skulle inte bara eleverna få en känsla av integritet i det de lär sig. De skulle också vara bättre förberedda för en värld där datatolkning kommer att vara en kritisk färdighet.