Claude ile Excel MCP Entegrasyonu: Veri İşleme ve Analiz Otomasyonu

Giriş – Gerçek Bir Otomasyon Deneyimi

Beş hafta önce İzmir’deki bir e-ticaret şirketinin finans müdürü Elif Hanım’la tanıştım. Şirkette her ay 40+ Excel dosyasıyla çalışılıyordu: satış raporları, stok takibi, tedarikçi ödemeleri, personel bordroları, bütçe analizleri. İki finans uzmanı bu dosyaları birleştirmek, pivot tablo oluşturmak, grafik çıkarmak ve özet raporlar hazırlamak için ayda toplam 85 saat harcıyordu. Elif Hanım “Bu işlere harcanan zamanı stratejik analize ayırmak istiyoruz ama manuel işler bitmiyor” demişti.

Anthropic’in MCP (Model Context Protocol) sistemini kullanarak Claude’u Excel’e bağladım. Artık Elif Hanım Claude’a “Geçen ayın tüm satış verilerini topla, kategori bazlı analiz yap, grafik oluştur ve özet rapor hazırla” diye yazabiliyor. Claude otomatik olarak ilgili Excel dosyalarını açıyor, verileri temizliyor, pivot tablolar oluşturuyor, grafikler ekliyor ve bir özet dokümana yazıyor. İlk ay sonunda manuel iş yükü yüzde 62 azaldı. Finans ekibi artık gerçekten değer katan işlere odaklanabiliyor: trend analizi, maliyet optimizasyonu, bütçe planlaması gibi.

En etkileyici kısım şuydu: Elif Hanım’ın ekibinde VBA veya makro bilgisi yoktu. Klasik yöntemle otomasyon yapamazlardı. Ama Claude sayesinde doğal dille komut vererek karmaşık Excel işlemlerini halledebiliyorlar. “Son 3 ayın en çok satan 20 ürününü bul, kar marjlarını hesapla, grafik çıkar” dediğinizde Claude anlıyor ve yapıyor. Kod yazmaya gerek yok.

Excel MCP Nedir ve Nasıl Çalışır?

MCP – Model Context Protocol, Claude’un dış uygulamalarla etkileşim kurmasını sağlayan Anthropic’in protokolü. Excel MCP özelinde ise Claude direkt Excel dosyalarını okuyabiliyor, düzenleyebiliyor ve yeni dosyalar oluşturabiliyor. Bunu python-openpyxl veya xlwings kütüphaneleri üzerinden yapıyor. Ben projelerimde xlwings kullanmayı tercih ediyorum çünkü Windows ve Mac’te Excel uygulamasını direkt kontrol edebiliyor, formüller ve makrolar korunuyor.

Teknik mimarisi şöyle: Bir MCP server kuruyorsunuz (FastAPI veya Flask ile). Bu server Claude’dan gelen istekleri dinliyor. Claude “sales_data.xlsx dosyasını aç, Sheet1’deki verileri oku” diye komut gönderiyor. Server xlwings kullanarak Excel’i açıyor, veriyi okuyor ve JSON formatında Claude’a geri gönderiyor. Claude veriyi analiz ediyor, “şu sütuna yeni formül ekle” diye talimat veriyor, server bunu Excel’e yazıyor. Bu iki yönlü iletişim sayesinde Claude Excel’de istediği her işlemi yapabiliyor.

Benim geliştirdiğim Excel MCP server’ında şu fonksiyonlar var: open_workbook (dosya açma), read_range (hücre aralığı okuma), write_range (hücre aralığı yazma), create_pivot (pivot tablo oluşturma), add_chart (grafik ekleme), apply_formula (formül uygulama), filter_data (veri filtreleme), merge_workbooks (dosya birleştirme), export_pdf (PDF’e aktarma). Her fonksiyonun detaylı açıklaması var, Claude bu açıklamalara bakarak ne zaman hangi fonksiyonu kullanacağına karar veriyor.

MCP Server Mimarisi ve Kurulum

Excel MCP server’ını kurmak için önce Python 3.10+ gerekiyor. xlwings kütüphanesini yükleyin (pip install xlwings). Anthropic’in MCP SDK’sını indirin (pip install anthropic-mcp). Sonra basit bir FastAPI server oluşturun. Server’da her Excel işlemi için endpoint tanımlayın. Örneğin /read_excel endpoint’i dosya adı ve sheet adı alıyor, ilgili veriyi döndürüyor.

Kritik nokta: Excel uygulaması açık olmalı. xlwings background’da değil, gerçek Excel uygulamasını kullanıyor. Bu hem avantaj hem dezavantaj. Avantaj: tüm Excel özellikleri (formüller, makrolar, grafik tipleri) korunuyor. Dezavantaj: headless çalışamıyor, bir GUI gerekiyor. Ben cloud server yerine local workstation’da çalıştırıyorum bu yüzden. Şirket içi bir bilgisayarda server kurulu, çalışanlar ona istek gönderiyor.

Güvenlik için authentication ekledim. Her istek API key içermeli, yoksa reddediliyor. Çünkü Excel dosyalarında hassas finansal veriler var, herkese açık olmamalı. Ayrıca file path validation yaptım. Sadece belirlenen klasörlerdeki dosyalara erişim var, sistem dosyalarına erişim engellendi.

Gerçek Dünya Kullanım Senaryoları

Senaryo 1: Aylık Satış Raporu Otomasyonu

Elif Hanım’ın şirketinde her ay 12 farklı kategori müdürü satış raporu gönderiyor. Her rapor farklı formatta: biri A sütununda ürün adı yazıyor, diğeri B sütununda. Biri TL cinsinden yazıyor, diğeri adet olarak. Bu dosyaları birleştirmek normalde 4-5 saat sürüyordu. Finans uzmanı her dosyayı açıp manuel olarak kopyala-yapıştır yapıyordu.

Claude MCP ile şöyle çözüldü: Elif Hanım Claude’a “Shared_Reports klasöründeki tüm Excel dosyalarını oku, satış verilerini çıkar, standart formata dönüştür ve master_sales.xlsx dosyasına birleştir” diyor. Claude her dosyayı açıyor, sütun başlıklarını tespit ediyor (header detection yapıyor), veriyi standart formata çeviriyor ve tek bir dosyada topluyor. İlk işlem 7 dakika sürdü. İkinci aydan itibaren Claude formatları öğrendiği için 3 dakikaya düştü.

Daha ilginç kısım: Claude tutarsızlıkları buluyor. Bir raporda “TV” yazıyor, diğerinde “Televizyon” yazıyor. Claude bunları match ediyor ve “Bu iki kategori aynı mı?” diye soruyor. Elif Hanım “evet” diyor, Claude birleştiriyor. Bu tip data cleaning işleri normalde çok zaman alırdı, şimdi otomatik.

Senaryo 2: Dinamik Dashboard Oluşturma

Şirketin CEO’su her hafta güncel satış dashboardu istiyordu: kategori bazlı satışlar, haftalık trend, en iyi 10 ürün, bölge performansı. Finans ekibi bunu her hafta manuel hazırlıyordu, 2 saat sürüyordu. Claude ile tamamen otomatik hale geldi.

Her Pazartesi sabah 9’da otomatik trigger çalışıyor. Claude en son satış verilerini çekiyor, analiz yapıyor ve dashboard.xlsx dosyasını güncelliyor. Pivot tablolar yenileniyor, grafikler güncelleniyor, özet istatistikler hesaplanıyor. CEO sabah geldiğinde güncel dashboard hazır oluyor. Sıfır insan müdahalesi.

Dashboard’da 6 farklı grafik var: çizgi grafik (haftalık trend), pasta grafik (kategori dağılımı), bar grafik (bölge karşılaştırması), scatter plot (fiyat-satış korelasyonu), heatmap (günlük satış yoğunluğu), waterfall chart (aylık değişim). Claude her birini doğru veri setiyle oluşturuyor, renk paletini şirket renklerine göre ayarlıyor, eksenleri etiketliyor. İlk kurulumda template verdik, şimdi otomatik devam ediyor.

Senaryo 3: Bütçe Varyans Analizi

Her ay gerçekleşen harcamaları bütçeyle karşılaştırma yapılması gerekiyordu. 23 farklı departman, her birinin bütçesi ve harcaması var. Hangi departman bütçeyi aştı, hangi kalemlerde sapma var, bunları tespit etmek gerekiyordu. Manuel olarak 3 saat sürüyordu.

Claude’a “budget_2025.xlsx ve actual_expenses_january.xlsx dosyalarını karşılaştır, departman bazında varyans hesapla, yüzde 10’dan fazla sapma varsa highlight yap, açıklayıcı yorum ekle” diyoruz. Claude iki dosyayı açıyor, departmanları eşleştiriyor, varyans hesaplıyor ve yeni bir sheet’te rapor hazırlıyor. Kritik sapmalar kırmızıyla işaretlenmiş oluyor.

En değerli kısım Claude’un yorumları. Örneğin “Pazarlama departmanı bütçesini yüzde 18 aşmış, bunun yüzde 12’si dijital reklam harcamaları. Geçen aya göre yüzde 35 artış var.” Claude sadece sayıları yazmıyor, analiz yapıyor. Bu insight’lar CFO’ya sunuluyor, stratejik kararlar alınıyor.

Teknik Zorluklar ve Nasıl Çözdük?

İlk büyük sorun formatlanmış verileri okumaktı. Excel’de merged cell’ler, multi-level header’lar, boş satırlar olunca Claude kafası karışıyordu. Çözüm: Veri okumadan önce normalization yapıyoruz. Merged cell’leri unmerge ediyoruz, multi-level header’ı tek satıra indiriyoruz, boş satırları temizliyoruz. Sonra Claude’a temiz veriyi veriyoruz. Bu preprocessing adımını server’a ekledik, hata oranı yüzde 24’ten yüzde 5’e düştü.

İkinci zorluk büyük dosyalardı. Bir Excel dosyası 50 bin satır olunca okuma 40 saniye sürüyor, Claude timeout’a düşüyor. Çözüm: Chunk-based okuma. Veriyi 5 bin satırlık parçalara bölüp okuyoruz, her parçayı Claude’a gönderiyoruz. Claude her chunk’ı analiz ediyor, sonuçları birleştiriyor. Bu sayede 100 bin satırlık dosyalar bile sorunsuz işleniyor.

Üçüncü sorun formül karmaşıklığıydı. Excel’de VLOOKUP, INDEX-MATCH, SUMIFS gibi karmaşık formüller var. Claude bazen yanlış formül yazıyordu. Çözüm: Formula library oluşturduk. Sık kullanılan formülleri template olarak kaydettik, Claude bunları kullanıyor. Örneğin “lookup_product_price” diye bir template var, Claude ürün fiyatı aramak istediğinde bu template’i kullanıyor. Custom formül yazma ihtiyacı yüzde 70 azaldı.

Dördüncü zorluk versiyonlama ve yedeklemeydi. Claude dosyayı değiştirirken bazen hata yapıyor, orijinal veri bozulabiliyor. Çözüm: Her işlemden önce otomatik backup. Claude bir dosyayı açtığında, önce kopya oluşturuluyor Backup klasörüne. Orijinal dosya üzerinde işlem yapılıyor, hata olursa backup’tan geri yükleniyor. Hiç veri kaybı yaşamadık bu sistemle.

İleri Seviye Özellikler ve Planlar

Şu an sistemimiz temel Excel operasyonlarını yapabiliyor. Önümüzdeki iki ayda şu özellikleri eklemeyi planlıyoruz: Makro oluşturma – Claude VBA kodu yazıp makro olarak kaydedecek. Conditional formatting – dinamik koşullu biçimlendirme yapacak. External data connection – veritabanlarından direkt Excel’e veri çekecek. Email entegrasyonu – hazırlanan raporu otomatik mail olarak gönderecek.

En heyecan verici özellik ise natural language query. “Geçen yılın en karlı ürünleri neler?” diye sorduğunuzda Claude ilgili Excel dosyasını bulacak, gerekli analizi yapacak ve cevap verecek. Artık hangi dosyada hangi sheet’te ne olduğunu bilmenize gerek yok, Claude buluyor.

Bir diğer plan multi-file intelligence. Şu an tek dosya bazında çalışıyoruz. Ama birçok analiz birden fazla dosyayı gerektirir: satış verisi bir dosyada, stok verisi başka dosyada, tedarikçi fiyatları üçüncü dosyada. Claude’un bu dosyaları otomatik ilişkilendirmesini istiyoruz. “Stoğu 10’un altına düşen ürünlerin son 3 aydaki satış trendini göster” dediğinizde, Claude stok ve satış dosyalarını cross-reference yapıp analiz edecek.

Maliyet ve ROI Analizi

Elif Hanım’ın şirketinde ROI hesabı net: İki finans uzmanı ayda 85 saat Excel işi yapıyordu. Saat başı maliyet 150 TL (maaş + yan haklar). Aylık maliyet 12.750 TL. Claude MCP ile bu süre 32 saate düştü, 53 saat tasarruf. Aylık tasarruf 7.950 TL. Sistemin kurulum maliyeti 18 bin TL’ydi (geliştirme + setup), 2.3 ayda kendini amorti etti.

Claude API maliyeti token bazlı. Ortalama bir Excel işlemi 15-30 bin token tüketiyor. Aylık toplam kullanım 2.4 milyon token civarı, bu yaklaşık 65 dolar. TL bazında 2.200 TL civarı. Tasarruf edilen 7.950 TL’nin yanında çok küçük bir maliyet. Yıllık net tasarruf 69 bin TL civarında.

Pratik Başlangıç Rehberi

Excel MCP kurmak isteyenler için adım adım: İlk olarak Python ve xlwings kurun. Basit bir MCP server yazın, sadece “read Excel file” fonksiyonu olsun. Test edin, çalıştığından emin olun. İkinci adım: Write fonksiyonu ekleyin, basit veri yazabildiğinizi test edin. Üçüncü adım: Formül ve grafik fonksiyonları ekleyin. Dördüncü adım: Claude ile konuşmayı kurun, doğal dille komut verip sonuç alabildiğinizi test edin.

Önemli ipucu: Küçük başlayın. Tüm Excel işlemlerini otomatikleştirmeye çalışmayın. Bir use-case seçin, onu mükemmel yapın. Elif Hanım satış raporu birleştirme ile başladı, sonra yavaş yavaş diğer işlemleri ekledi. Şimdi 8 farklı otomasyon akışı var ve hepsi sorunsuz çalışıyor.

Sonuç

Claude ile Excel MCP entegrasyonu ofis verimliliğinde devrim yarattı. Elif Hanım’ın ekibi artık stratejik düşünmeye vakit ayırabiliyor, rutin Excel işleri tamamen otomatik. En önemlisi: Kod bilmeden otomasyon yapabiliyorlar. VBA, Python, makro öğrenmeye gerek yok. Doğal dille konuşuyorsunuz, Claude yapıyor. Önümüzdeki yıllarda her ofiste bir Claude asistanı olacak, Excel işlerini o hallededecek. Erken başlayanlar büyük avantaj kazanacak. Siz de denemelisiniz.