Cómo hacer que Claude analice un Excel paso a paso

Antes de darle nada a Claude, ordena tu hoja. Claude analiza mucho mejor cuando la primera fila contiene los nombres de columna (cabeceras claras: Fecha, Cliente, Importe, Región...) y no hay filas vacías o celdas combinadas de decoración. Si tienes varias pestañas, decide cuál quieres analizar: en la web puedes subir el libro completo, pero conviene saber qué pestaña te interesa para mencionarla en el prompt. Revisa que los importes usen un formato numérico coherente; en España y buena parte de LATAM se mezcla la coma y el punto decimal, y eso confunde cualquier análisis. Quita columnas con datos personales que no necesites (DNI, emails, teléfonos) para no exponer información sensible. Guarda el archivo con un nombre descriptivo como ventas_2024.xlsx. Un Excel limpio es la diferencia entre un análisis brillante y uno lleno de matices del tipo 'no puedo interpretar esta celda'.

Entra en claude.ai e inicia una conversación nueva. Pulsa el icono del clip (adjuntar) en la caja de mensaje y selecciona tu archivo .xlsx. Claude admite subir hojas de cálculo directamente en la interfaz web, así que no necesitas convertir nada para este método. Espera a que aparezca la miniatura del archivo confirmando que se ha cargado. En este punto todavía no has pedido nada: Claude tiene el contenido disponible pero necesita instrucciones. La ventaja de la web frente a la API es que es inmediata y sin código, ideal para una primera exploración o para trabajo puntual. La limitación es el tamaño: archivos con decenas de miles de filas pueden superar el contexto disponible. Si tu Excel es pequeño o mediano (unos cuantos miles de filas), este método te resolverá el 90% de los casos sin escribir una sola línea de código.

Aquí está la clave. Un prompt vago ('analiza este Excel') devuelve un resumen genérico. Un prompt específico devuelve oro. Dile a Claude qué rol adopta, qué quieres saber y en qué formato. Estructura tu petición en tres bloques: contexto (qué son estos datos), preguntas concretas (qué decisiones quieres tomar) y formato de salida (tabla, bullets, resumen ejecutivo). Cuanto más concreto seas con las columnas y las métricas, mejor. Si quieres tendencias, pídelas explícitamente. Si quieres detectar anomalías, dilo. Puedes iterar: la primera respuesta te sirve para afinar la siguiente pregunta. Este ida y vuelta conversacional es donde la web brilla.

Analiza el archivo ventas_2024.xlsx que te he subido.

Contexto: son ventas mensuales por región y producto en España.

Quiero que:
1. Me des el total de ventas y el ticket medio.
2. Identifiques la región y el producto con mejor y peor rendimiento.
3. Detectes cualquier mes con caída anómala y expliques posibles causas.
4. Me propongas 3 acciones concretas basadas en los datos.

Devuélvelo como resumen ejecutivo con una tabla al final.

Si quieres automatizar el análisis o integrarlo en tu aplicación, usarás la API. La API de Claude no ingiere .xlsx directamente igual que la web, así que el enfoque más robusto es convertir la hoja a texto (CSV) con pandas y pasar ese texto en el prompt. Este método te da control total: puedes filtrar filas, agregar antes de enviar y reducir el volumen para que quepa en el contexto. Instala las dependencias y convierte tu archivo. Si tu Excel tiene varias pestañas, indica cuál con el parámetro sheet_name. Para tablas muy grandes, no envíes las 50.000 filas: agrega con pandas (sumas por mes, por región) y manda el resumen, que es lo que Claude necesita para razonar.

pip install pandas openpyxl anthropic

Ahora el script completo. Lee el Excel, lo convierte a CSV en memoria y lo envía a Claude con tu pregunta. Usamos el modelo claude-opus-4-8 por defecto. Guarda tu API key en una variable de entorno (nunca la escribas en el código) y ejecútalo. La respuesta llega en message.content[0].text. Este patrón es la base para cualquier automatización: informes diarios, dashboards, alertas cuando una métrica cae. En España y LATAM es habitual recibir Excel de proveedores cada semana; con este script los procesas sin abrirlos a mano.

import os
import pandas as pd
from anthropic import Anthropic

client = Anthropic(api_key=os.environ["ANTHROPIC_API_KEY"])

# 1. Leer el Excel y convertir a CSV
df = pd.read_excel("ventas_2024.xlsx", sheet_name=0)
csv_data = df.to_csv(index=False)

# 2. Construir el prompt con los datos
prompt = f"""Estos son datos de ventas en formato CSV:

{csv_data}

Dame el total de ventas, el ticket medio, la mejor y peor region,
y 3 recomendaciones. Responde en espanol con una tabla resumen."""

# 3. Llamar a la API
message = client.messages.create(
    model="claude-opus-4-8",
    max_tokens=1500,
    messages=[{"role": "user", "content": prompt}],
)

print(message.content[0].text)

Nunca publiques un análisis sin comprobarlo. Coge dos o tres cifras clave (el total de ventas, el máximo) y valídalas con una fórmula rápida en el propio Excel o con df['Importe'].sum() en pandas. Si Claude alucinó un número, lo detectarás aquí. Después, refina: pídele que profundice en el hallazgo más interesante, que genere el código Python para un gráfico, o que redacte el email de resultados para tu jefe. Trabaja de forma iterativa, tratando a Claude como un analista junior muy rápido al que revisas. Guarda los prompts que mejor funcionan: se convertirán en tus plantillas reutilizables para el próximo Excel.

# Verificacion rapida de las cifras clave
print("Total ventas:", df["Importe"].sum())
print("Ticket medio:", df["Importe"].mean())
print(df.groupby("Region")["Importe"].sum().sort_values(ascending=False))