Parquet in XLSX umwandeln

Eine .parquet-Datei im Postfach ist für viele in der Controlling- oder Finanzabteilung ein kleiner Schock: Doppelklick, und Excel öffnet nichts, weil es das Format schlicht nicht kennt. Parquet ist das Standardformat einer Datenplattform — kompakt, typisiert, schnell abfragbar — aber kein Format, das eine Bürosoftware von sich aus versteht.

Der Power-Query-Import kann helfen, hängt aber an Excel-Version und Lizenz, und wer keine Zeit für eine IT-Anfrage hat, braucht einen anderen Weg. Diese Seite wandelt die Datei in eine Arbeitsmappe um, ohne dass irgendetwas installiert werden muss.

Der eigentliche Grund für XLSX statt CSV liegt hier: Eine Parquet-Datei kennt den Typ jeder Spalte. Eine CSV kennt keinen einzigen, jeder Wert wird zu Text, und Excel rät beim Öffnen erneut — genau der Moment, in dem aus einer Kennnummer eine Zahl und aus einem Code ein Datum wird.

Eine Arbeitsmappenzelle trägt ihren Typ von Anfang an mit sich. Zahlenspalten kommen als Zahl an, Wahrheitswerte als Wahrheitswert, sodass eine Summe sofort funktioniert und eine Pivot-Tabelle den Umsatz als Zahl behandelt, nicht als Zeichenkette, die erst wieder interpretiert werden muss.

Ein Zeitstempel wird als ISO-8601-Zeichenkette geschrieben, etwa `2024-03-11T09:30:00.000Z`, und landet als Textzelle. Sie sortiert zwar korrekt als Text, reagiert aber nicht auf Datumsrechnung und lässt sich in einer Pivot-Tabelle nicht als Datumsfilter verwenden.

Die Umwandlung dauert pro Spalte etwa zehn Sekunden: Spalte markieren, Daten, Text in Spalten, Weiter, Weiter, und im letzten Schritt Datum mit der Reihenfolge JMT wählen — Excel erkennt den Wert dann als echtes Datum. Dass dieser Schritt nicht automatisch passiert, ist Absicht: Zeitzone und Anzeigeformat sind Entscheidungen, die man in Excel sieht, statt sie still in einer Datei zu treffen.

Ein Arbeitsblatt fasst 1.048.576 Zeilen einschließlich der Kopfzeile und 16.384 Spalten — eine Grenze des Tabellenformats selbst, an der kein Umwandler etwas ändert und die keine Excel-Version verschiebt.

Parquet-Dateien liegen regelmäßig darüber, weil das Format für Tabellen gedacht ist, die eine Tabellenkalkulation gar nicht fassen soll. Bei einem Auszug über der Grenze ist die richtige Antwort meist, das Team, das ihn erstellt hat, um eine gefilterte oder aggregierte Fassung zu bitten — die Zahlen für einen Monat oder die Summen je Kategorie sind fast immer schneller geliefert als eine ganze Rohtabelle sich in Excel öffnen lässt.

Parquet kennt einen 64-Bit-Ganzzahltyp, eine Arbeitsmappe stellt etwa fünfzehn signifikante Stellen exakt dar. Ein Wert darüber wird deshalb als Text in die Zelle geschrieben statt als gerundete Zahl.

Das wirkt neben den anderen Zahlenspalten inkonsequent, ist aber die richtige Entscheidung: Eine gerundete Bestellnummer oder Transaktions-ID sieht noch immer wie eine gültige Kennnummer aus, passt aber zu nichts mehr und lässt sich kaum zurückverfolgen. Steht eine Spalte mit langen Zahlen linksbündig in der Mappe, ist das der Hinweis darauf — die Ausrichtung sollte man belassen, statt die Spalte in eine Zahl umzuwandeln.

Parquet kann eine Liste, eine Struktur oder eine Zuordnung in einer einzigen Spalte tragen. Eine Zelle fasst genau einen Wert, deshalb werden solche Spalten als JSON-Text geschrieben: Eine Liste erscheint als `["a","b"]` in einer Zelle, eine Struktur als Objekt mit ihren Feldnamen.

Lesbar ist das, brauchbar nicht. Keine Formel behandelt das als Daten, ohne vorher aufwendig zerlegt zu werden, und eine Pivot-Tabelle sieht nur eine lange Zeichenkette. Sind diese Spalten für die Auswertung wichtig, gehört die Lösung an die Quelle: das Reporting-Team um eine flache Version bitten, was dort meist eine Zeile Code kostet.

Eine Parquet-Datei enthält genau eine Tabelle mit einem Schema, deshalb entsteht genau ein Arbeitsblatt. Der Name kommt vom Dateinamen ohne Endung, auf die einunddreißig Zeichen gekürzt, die ein Blattname erlaubt — ein langer, maschinengenerierter Name wird also gestutzt statt abgelehnt.

Die Spaltennamen kommen so, wie die Datenplattform sie geschrieben hat, mit Unterstrichen und Präfixen, die selten die Namen sind, die man für einen Bericht wählen würde. Sie in der ersten Zeile der Mappe umzubenennen ist der übliche erste Schritt — sicherer, als eine umbenannte Fassung anzufordern, denn die Originalnamen sind das, was die Datenplattform beim nächsten Nachfragen wiedererkennt.

Deutlich größer, in der Regel. Parquet speichert Werte binär, komprimiert jede Spalte einzeln und hält einen wiederholten Wert mit kleinen Verweisen darauf; ein Arbeitsblatt speichert je Zelle einen Wert mit eigenem Typ und Formatverweisen, verpackt in ein ZIP aus XML-Dateien.

Eine bescheidene Parquet-Datei ergibt deshalb eine Mappe, die ein Vielfaches ihrer Größe einnimmt, bei stark wiederkehrenden Werten teils deutlich mehr — ausgerechnet die Spalten, die beim Einlesen am besten komprimierten, wachsen beim Schreiben am stärksten. Vor der Umwandlung einer unbekannten Datei lohnt sich ein Blick auf die Zeilenzahl, denn die aufgeblähte Tabelle liegt beim Aufbau im Arbeitsspeicher, und die Grenze kommt früher, als die Dateigröße auf der Festplatte vermuten lässt.

Kommen regelmäßig mehrere Parquet-Extrakte aus derselben Pipeline — je Monat, je Region, je Abteilung —, lassen sich bis zu 100 Dateien in einem Durchgang ablegen, jede bis 100 MB in der kostenlosen Stufe, und alle Arbeitsmappen kommen als ein ZIP zurück. Jede behält den Namen der Quelldatei mit ausgetauschter Endung.

Weil die Umwandlung auf dem eigenen Prozessor läuft, gibt es keine Warteschlange hinter anderen Nutzern — bei fünf oder sechs Extrakten aus einem Quartalsbericht ist das der Unterschied zwischen einem Vorgang und fünf einzelnen.

Sowohl der Parquet-Leser als auch der Arbeitsmappen-Schreiber sind Bibliotheken, die diese Seite bei Bedarf lädt, und die Umwandlung läuft dort. Keine Anfrage trägt die Datei irgendwohin — was zählt, weil ein Auszug aus einer Datenplattform meist näher an der Rohtabelle liegt als an einem fertigen Bericht.

Für eine Prüfungsgesellschaft oder eine Finanzabteilung mit klaren Vorgaben zum Umgang mit Kundendaten ist das oft die Voraussetzung dafür, ein Werkzeug überhaupt einsetzen zu dürfen: Es gibt keinen Server, dem der Auszug jemals vorgelegen hätte.

Wird dieselbe Auswertung wöchentlich gebraucht, lohnt es sich, das Reporting-Team zu bitten, die Datenplattform direkt eine XLSX oder CSV schreiben zu lassen. Eine manuelle Umwandlung jede Woche wird irgendwann vergessen, ein geplanter Export ist am anderen Ende eine kleine Änderung.

Geht es nur um eine einzelne Zahl — eine Summe, eine Anzahl, einen Monatsvergleich — ist die Frage nach der Antwort schneller als die Frage nach den Daten, und wer Zugriff auf die Abfrage hat, liefert sie in Sekunden. Die Datei umzuwandeln lohnt sich, wenn die Zeilen wirklich vor einem liegen müssen: zur Stichprobe, als Grundlage für ein Modell, oder weil danach ohnehin eine Tabelle gebraucht wird.