TL;DR
CSV cocok buat tukar data antar tool dan sistem, Excel cocok buat kerja manual dan laporan yang dilihat orang, Parquet cocok buat data besar yang dibaca berulang oleh Python atau SQL. Bedanya paling kerasa di ukuran file dan kecepatan baca: file transaksi 1,4 juta baris di dataset ngulikdata jadi 218 MB sebagai CSV, 74 MB sebagai .xlsx, dan 27 MB sebagai Parquet. Kalau datamu masih di bawah 100 ribu baris dan cuma dilihat manusia, CSV atau Excel udah cukup.
CSV buat tukar data antar tool, Excel buat kerja manual dan laporan, Parquet buat data besar yang dibaca berulang.
Tiga format ini kepake di kerjaan yang sama tapi kuat di titik yang beda. Salah pilih, kamu bakal nunggu file kebuka 40 detik tiap pagi.
Di bawah ini bedanya satu per satu, plus hasil uji dari file transaksi toko_berkah yang 1,4 juta baris.
CSV adalah file teks polos yang misahin kolom pakai koma. Excel (.xlsx) adalah file biner yang nyimpen rumus, format warna, dan banyak sheet sekaligus. Parquet adalah format kolom yang dikompres, dibikin buat dibaca cepat oleh Python, Spark, dan mesin SQL. CSV paling universal, Excel paling ramah manusia, Parquet paling ringan.
Perbedaan pentingnya ada di cara data disusun di dalam file. CSV dan Excel nyimpen data baris per baris. Parquet nyimpen data kolom per kolom.
Kenapa itu ngaruh? Kalau kamu cuma butuh 3 kolom dari tabel 40 kolom, Parquet cuma baca 3 kolom itu. CSV harus baca semuanya dulu.
Pakai CSV kalau datamu perlu pindah antar sistem yang beda. Hampir semua tool bisa buka CSV tanpa library tambahan, dari Excel, Google Sheets, sampai script Python satu baris.
CSV juga enak dibaca mata langsung. Buka pakai Notepad, isinya keliatan. Nggak ada format tersembunyi.
Kelemahannya ada tiga dan semuanya sering bikin masalah:
08110 bisa berubah jadi 8110 waktu dibuka di Excel, karena dianggap angka.Masalah kode pos yang kepotong ini termasuk isu data quality yang paling sering aku temuin di file kiriman klien.
Pakai .xlsx kalau file itu bakal dibuka, diedit, atau dibaca manusia. Excel nyimpen banyak hal yang CSV nggak bisa: rumus hidup, pivot table, conditional formatting, dan beberapa sheet dalam satu file.
Buat laporan bulanan yang diserahin ke atasan, Excel masih pilihan paling masuk akal. Orang bisa langsung sortir, filter, dan nambahin SUMIFS sendiri tanpa nanya kamu.
Batas kerasnya jelas: satu sheet cuma muat 1.048.576 baris dan 16.384 kolom. Angka ini dari spesifikasi resmi Microsoft Excel.
Praktiknya kamu udah kerasa berat jauh sebelum batas itu. Dari yang aku lihat, di atas 300 ribu baris dengan beberapa rumus lookup, file mulai nge-lag tiap kali diklik.
Pakai Parquet kalau data yang sama dibaca berulang-ulang oleh kode, bukan oleh manusia. Format ini nyimpen tipe data di dalam file, jadi kolom tanggal tetap tanggal dan kode pos tetap teks waktu dibaca ulang.
Parquet juga ngompres per kolom. Kolom yang isinya berulang, kayak nama kota atau kategori produk, kena kompresi paling dalam.
Cara bikinnya di Python cuma dua baris:
import pandas as pd
df = pd.read_csv("transaksi_toko_berkah.csv")
df.to_parquet("transaksi_toko_berkah.parquet", compression="snappy")Bacanya juga simpel, dan kamu bisa minta kolom tertentu doang:
df = pd.read_parquet(
"transaksi_toko_berkah.parquet",
columns=["tanggal", "kota", "total"]
)Kekurangannya? Kamu nggak bisa buka Parquet dengan klik dua kali. Butuh Python, R, DuckDB, atau tool sejenis. Detail teknis formatnya ada di dokumentasi resmi Apache Parquet.
| Aspek | CSV | Excel (.xlsx) | Parquet |
|---|---|---|---|
| Bisa dibuka klik dua kali | Ya | Ya | Nggak |
| Nyimpen tipe data | Nggak | Sebagian | Ya |
| Nyimpen rumus | Nggak | Ya | Nggak |
| Batas baris | Nggak ada | 1.048.576 | Nggak ada |
| Ukuran file | Paling besar | Sedang | Paling kecil |
| Kecepatan baca kode | Lambat | Paling lambat | Paling cepat |
| Paling cocok buat | Tukar data | Laporan manual | Pipeline dan analisis ulang |
Aku uji pakai tabel transaksi toko_berkah dari dataset ngulikdata. Isinya 1.412.380 baris, 11 kolom, rentang 24 bulan penjualan sembako dan kebutuhan rumah tangga.
File yang sama aku simpen ke tiga format, lalu aku ukur ukuran dan waktu bacanya di pandas.
| Format | Ukuran file | Waktu baca penuh | Waktu baca 3 kolom |
|---|---|---|---|
| CSV | 218 MB | 5,2 detik | 4,4 detik |
| Excel .xlsx | 74 MB | 41 detik | 39 detik |
| Parquet (snappy) | 27 MB | 0,9 detik | 0,3 detik |
Angka yang paling bikin kaget buat aku: Parquet 8 kali lebih kecil dari CSV, dan baca 3 kolom doang cuma butuh 0,3 detik. Itu 14 kali lebih cepat dari baca 3 kolom yang sama dari CSV.
Catatan penting, file .xlsx nggak muat semua barisnya. 1,4 juta baris kelewat batas satu sheet, jadi aku pecah jadi dua sheet dulu. Itu sendiri udah sinyal kalau format ini salah tempat.
Buat rekap bulanan yang cuma 30 ribu baris, ketiganya kerasa sama aja. Bedanya baru nendang waktu datanya nambah.
Nyimpen data mentah di Excel. Data mentah harusnya nggak pernah punya rumus. Simpen mentahnya di CSV atau Parquet, lalu rumusnya di file terpisah yang ngambil dari situ.
Buka CSV di Excel lalu langsung save. Ini yang paling sering bikin data rusak diam-diam. Nomor HP kehilangan angka nol di depan, tanggal berubah format, kode produk yang mirip tanggal jadi berubah total.
Ngirim Parquet ke orang keuangan. Mereka nggak punya Python. Kalau file bakal dibuka manusia non-teknis, kirim Excel.
Nyimpen satu file raksasa. Parquet enak dipecah per bulan atau per tahun. Kalau kamu cuma butuh data Oktober, kamu nggak perlu baca 24 bulan sekaligus.
Kalau kamu lagi mikir kapan waktunya pindah dari spreadsheet ke Python, bahasannya ada di Excel vs Python untuk analis. Buat ngecek kualitas data setelah konversi format, cek query SQL cek kualitas data.
Aturan praktisnya gini. Kalau datanya dibaca manusia dan di bawah 100 ribu baris, pakai Excel. Kalau datanya dikirim ke sistem lain, pakai CSV.
Kalau datanya dibaca kode berulang kali dan di atas 500 ribu baris, pakai Parquet.
Banyak tim pakai ketiganya sekaligus. Data mentah masuk sebagai CSV dari sistem kasir, disimpen ulang jadi Parquet buat dipakai analisis, lalu hasil akhirnya diekspor ke Excel buat rapat. Alur kayak gini bagian normal dari proses ETL.
Nggak langsung. Excel versi standar nggak bisa buka file .parquet dengan klik dua kali. Kamu perlu konversi dulu ke CSV atau .xlsx pakai Python, R, atau DuckDB. Power Query di Excel versi tertentu punya konektor Parquet, tapi ketersediaannya beda-beda tergantung versi dan lisensi kamu. Kalau file bakal dibuka orang non-teknis, kirim aja versi Excel-nya.
Karena CSV nyimpen semuanya sebagai teks polos tanpa kompresi. Angka 1250000 makan 7 karakter di CSV. File .xlsx sebenernya arsip zip di dalamnya, jadi isinya udah dikompres otomatis. Makanya CSV 218 MB bisa jadi 74 MB waktu disimpen sebagai .xlsx. Parquet lebih kecil lagi karena ngompres per kolom, bukan per file.
CSV, kalau prioritasmu adalah masih bisa dibuka 10 tahun lagi. Formatnya teks polos dan nggak bergantung software tertentu. Tapi kamu wajib simpen dokumentasi tipe kolomnya secara terpisah, soalnya CSV nggak nyimpen info itu. Kalau kamu butuh arsip yang hemat tempat dan tetap bawa tipe data, Parquet pilihan yang lebih rapi.
Jangan buka lewat klik dua kali. Buka Excel dulu, lalu masuk ke Data lalu From Text/CSV, dan waktu preview muncul, set kolom kode pos atau nomor HP jadi Text sebelum klik Load. Cara ini yang bikin nol di depan aman. Kalau datanya udah terlanjur rusak, jangan ditambal pakai TEXT, mending impor ulang dari file aslinya.
Waktu kamu mulai baca file yang sama lebih dari sekali sehari, dan ukurannya udah lewat 50 MB. Di titik itu, waktu tunggu baca file mulai kerasa. Dari uji dataset toko_berkah, konversi ke Parquet motong waktu baca dari 5,2 detik jadi 0,9 detik. Kalau kamu jalanin analisis 20 kali sehari, itu hemat 1,5 menit tiap hari cuma dari ganti format.
Nggak ada format yang menang di semua kondisi. CSV menang di kompatibilitas, Excel menang di kenyamanan orang, Parquet menang di ukuran dan kecepatan.
Yang bikin beda bukan formatnya, tapi kamu tau siapa yang bakal buka file itu.
Coba ambil satu file CSV paling besar di folder kerjaanmu, simpen ulang jadi Parquet, dan bandingin ukurannya. Kalau kamu mau lanjut ke query beneran di atas data segede itu, mulai dari cek kualitas data pakai SQL dulu.
Mau praktek langsung? Mulai latihan SQL gratis
Latihan interaktif, langsung di browser.
Punya ratusan angka dan mau tau sebarannya masuk ke rentang mana aja? FREQUENCY ngitung distribusi frekuensi sekali jalan, tanpa nulis COUNTIFS berkali-kali.
SUMIFS ribet kalau kriterianya banyak dan sering ganti. Rumus database Excel kayak DSUM baca kriteria dari sel terpisah, jadi kamu tinggal ubah tabel kecil tanpa nyentuh rumus.
DATEDIF ngasih umur bulat, tapi kadang kamu butuh angka desimal kayak 27,6 tahun buat hitung masa kerja atau bunga. YEARFRAC ngasih pecahan tahun dengan presisi.