Как выбрать первую задачу для автоматизации на Python

Первую задачу для автоматизации выбирают по четырём цифрам: как часто вы её делаете, сколько минут она забирает, насколько одинаковые у неё правила и насколько предсказуемый вход. Если хотя бы одна цифра проваливается, скрипт заберёт больше времени, чем вернёт. Проверить это можно за пятнадцать минут и без единой строки кода.

Новичок застревает не на синтаксисе, а на выборе. Идей много, а какая выдержит вечер работы и второй запуск через неделю, непонятно. В итоге берут самую эффектную: парсер маркетплейса или бота для рабочей почты. Через два вечера сайт меняет вёрстку, почта требует новый токен, мотивация кончается. Дело было не в Python, а в задаче, которая изначально не проходила фильтр.

Здесь мы разбираем именно выбор и проверку задачи. Каталог сценариев для быта лежит отдельно, в статье что можно автоматизировать на Python в обычной жизни: туда идут за списком идей, а сюда возвращаются с конкретной идеей, чтобы прогнать её через фильтр.

Четыре признака задачи, которую стоит автоматизировать

Частота. Разовое действие автоматизировать бессмысленно, даже если оно занимает час. Ориентир простой: минимум четыре повтора в месяц. Реже, чем раз в неделю, и вы будете вспоминать, как запускать собственный скрипт, дольше, чем делать руками.

Время одного повтора. Считайте по секундомеру, а не по ощущениям. Разбор папки с выгрузками кажется получасовым занятием, а на деле занимает семь минут. И наоборот: «быстрая» сверка двух таблиц легко съедает двадцать. Пока нет замера, любой расчёт экономии выдуман.

Повторяемость правил. Запишите алгоритм словами. Если получается пять строк вида «взять файл, посмотреть дату в имени, положить в папку года», задача годится. Если появляются фразы «ну тут смотря какой отчёт» и «этот случай я обычно решаю на глаз», у вас не алгоритм, а экспертное решение. Такое автоматизируют позже и по частям.

Стабильность входа. Скрипт живёт ровно столько, сколько живёт формат данных. CSV, который вы сами выгружаете из одного места, стабилен. Письмо от коллеги, где колонки каждый месяц переставлены, нестабильно. Страница чужого сайта нестабильна вдвойне: её переделают без предупреждения.

Пятый признак неофициальный: задача должна быть вашей. Первую автоматизацию доводят до конца в основном на раздражении. Если вас лично бесит переименовывать сотню файлов после каждой съёмки, вы допишете скрипт даже в плохой день.

Сколько времени вернёт скрипт: считаем окупаемость

Экономия считается в минутах в месяц. Формула грубая, но рабочая: повторы в месяц умножаем на минуты одного повтора, вычитаем время на проверку результата и сравниваем с честной оценкой разработки. Честная оценка для новичка обычно втрое больше первого предположения.

Последние две строки показывают главное: длинная задача не значит выгодная. Годовая сверка занимает три часа, но повторится через двенадцать месяцев, когда вы уже забудете, где лежит скрипт и какие у него аргументы. А скучный разбор выгрузок по четыре минуты окупается за три недели просто за счёт частоты.

Вторую часть экономии обычно забывают: внимание. Скрипт не пропускает файл, не путает колонку и не устаёт к двадцатому повтору. Если ручная работа регулярно даёт ошибки, которые потом приходится искать, добавьте это время в расчёт.

Тест на 15 минут: проверяем задачу до кода

Возьмите таймер и пройдите пять шагов подряд. Пятнадцати минут хватает, чтобы отсеять большинство плохих кандидатов.

Первые пять минут: сделайте задачу руками и запишите каждое действие отдельной строкой. Не «навести порядок в папке», а «открыть папку, отсортировать по дате, выделить файлы старше месяца, перенести в архив». Вторые пять: отметьте строки, где вы принимали решение головой. Последние пять: проверьте, повторяется ли формат входа хотя бы на трёх примерах.

Дальше цифры. Соберите даты, когда вы делали задачу за последние две недели, и посчитайте, во что это выливается за месяц. Такой скрипт пишется раньше, чем сама автоматизация, и часто отменяет её.

from collections import Counter
from datetime import date

# Dates when the task was done by hand, written down for two weeks
manual_runs = [
    date(2026, 3, 2), date(2026, 3, 3), date(2026, 3, 5),
    date(2026, 3, 9), date(2026, 3, 10), date(2026, 3, 12),
    date(2026, 3, 16), date(2026, 3, 17),
]

minutes_per_run = 12     # how long one manual run takes
minutes_to_build = 240   # honest estimate for the first version

by_month = Counter((day.year, day.month) for day in manual_runs)
runs_per_month = max(by_month.values())
# The script still needs a look, so we keep only 80 percent of the time
saved_per_month = runs_per_month * minutes_per_run * 0.8

print("Runs per month:", runs_per_month)
print("Saved minutes per month:", round(saved_per_month))

if saved_per_month >= 30:
    print("Payback in months:", round(minutes_to_build / saved_per_month, 1))
else:
    print("Too rare: keep doing it by hand")

Подставьте свои даты и минуты. Если окупаемость выходит больше полугода, задача не первая: отложите её и возьмите ту, что повторяется чаще.

Практика: выберите задачу и опишите её контракт

Задача прошла фильтр, если вы можете описать её как контракт: что на входе, что на выходе, что при ошибке и что при втором запуске. Контракт пишется в блокноте за десять минут и экономит вечер отладки.

Дальше пишите код в том же порядке: функция для одного элемента, проверка на эталоне, потом цикл по всей папке. Аргументы командной строки и запуск по расписанию добавляйте в конце.

Три ловушки первой автоматизации

Провалы у новичков однотипные, и все три ловушки видно ещё на этапе выбора.

Четвёртая ловушка менее очевидная: цена ошибки. Не делайте первой задачей то, что удаляет файлы, отправляет письма или трогает рабочую базу. Начните с режима «только читаю и складываю результат в новую папку», а изменение данных добавьте позже, с копией и подтверждением.

И про масштаб: скрипт, дописанный за вечер, полезнее большого проекта, который остался в черновиках.

Частые вопросы