Python to jeden z najpopularniejszych języków programowania na świecie, ale piszą w nim głównie programiści i data scientists. Tymczasem małe firmy mogą z niego skorzystać w zupełnie inny sposób: do automatyzacji powtarzalnych zadań, które teraz wykonuje człowiek.
W tym artykule pokażę konkretne przykłady z mojej pracy: co wdrożyłem, ile czasu to oszczędza i jak to technicznie działa. Bez teorii, tylko praktyka.
Przykład 1: Tygodniowy raport sprzedażowy
Problem: Firma wypożyczająca samochody miała pracownika, który co poniedziałek rano przez 4 godziny kopiował dane z systemu do Excela, formatował tabele, rysował wykresy i wysyłał raport e-mailem do zarządu. 4 godziny tygodniowo = 200 godzin rocznie.
Rozwiązanie: Skrypt Pythona, który:
- Loguje się do bazy PostgreSQL i pobiera dane z ostatnich 7 dni
- Przelicza KPI: przychód, liczba rezerwacji, średni czas wynajmu, obłożenie floty
- Generuje plik Excel z tabelami i wykresami (biblioteka
openpyxl) - Wysyła e-mail z załącznikiem do listy odbiorców (
smtplib) - Uruchamia się automatycznie w poniedziałek o 7:00 (cron na serwerze)
Efekt: 0 minut ręcznej pracy zamiast 4 godzin. Raport jest w skrzynce zarządu zanim zacznę dzień pracy. Błędy przepisywania zredukowane do zera.
Przykład 2: Skaner polis ubezpieczeniowych
Problem: Firma obsługująca fleet zarządzający wynajmem samochodów otrzymywała dziesiątki polis ubezpieczeniowych w PDF. Każda z 6 różnych towarzystw ubezpieczeniowych. Dane musiały trafić ręcznie do systemu. Żmudne, podatne na błędy.
Rozwiązanie: Aplikacja Pythona, która:
- Odczytuje tekst z PDF (
pdfplumber) lub stosuje OCR dla skanów (Tesseract) - Rozpoznaje towarzystwo ubezpieczeniowe i wybiera odpowiedni parser
- Wyciąga dane: numer polisy, VIN, rejestracja, daty, składki OC/AC/NNW
- Przesyła dane do systemu Fleet przez REST API
- Przenosi przetworzone pliki do odpowiednich folderów
Efekt: Przetwarzanie 50 polis, wcześniej pół dnia ręcznej pracy, teraz zajmuje 30 sekund. System obsługuje 6 towarzystw: PZU, Ergo Hestia, Generali, Allianz, Warta, Compensa.
Przykład 3: Monitoring i alerty dla stron klientów
Problem: Zarządzam stronami kilku klientów. Jeśli strona przestaje działać lub certyfikat SSL wygaśnie, chcę wiedzieć o tym pierwszy, nie klient.
Rozwiązanie: Prosty skrypt uruchamiany co 5 minut, który:
- Sprawdza dostępność HTTP każdej strony (
requests) - Sprawdza datę wygaśnięcia certyfikatu SSL (
ssl) - Przy problemie wysyła powiadomienie SMS i e-mail
Efekt: Wykrywam problem w ciągu 5 minut. Klient nigdy nie zadzwonił pierwszy z pytaniem "czemu strona nie działa".
Kiedy Python ma sens, a kiedy nie?
Python ma sens gdy:
- Przetwarzasz pliki (PDF, Excel, CSV, Word), tutaj Python nie ma sobie równych
- Łączysz się z bazą danych i generujesz raporty
- Potrzebujesz przetwarzać duże ilości danych (tysiące rekordów)
- Musisz zastosować OCR lub analizę tekstu
- Chcesz coś uruchamiać automatycznie o określonej porze
Python nie jest potrzebny gdy:
- Integrujesz proste serwisy (wtedy n8n lub Zapier są szybsze)
- Chcesz automatyzować Google Sheets (Google Apps Script jest prostszy)
- Zadanie jest jednorazowe i nie będzie się powtarzać
Czy musisz umieć programować?
Nie. Jeśli zamawiasz automatyzację, dostajesz gotowy skrypt z dokumentacją i komentarzami w kodzie. Możesz go uruchamiać, modyfikować podstawowe parametry (nazwy plików, adresy e-mail, harmonogram) bez znajomości programowania. Bardziej zaawansowane zmiany, zgłaszasz mi i poprawiam.
Dobra automatyzacja powinna być transparentna: widzisz co robi, możesz ją zatrzymać i uruchomić ręcznie, masz logi błędów. Czarna skrzynka, która "jakoś działa", to zła automatyzacja.
Jak zacząć?
Opisz mi jeden konkretny raport lub zadanie, które chcesz zautomatyzować. Powiedz: jakie dane wchodzą, co ma być na wyjściu i jak często to robisz. Ocenię czy Python to dobry wybór i wycenię projekt. Pierwsza rozmowa jest bezpłatna.