Quadratic: Het AI-Spreadsheet Dat Python Voor Je Draait
Mijn wekelijkse rapportageritueel zag er vroeger zo uit: een CSV exporteren van ergens, plakken in Excel, twintig minuten vechten met datumformaten, een VLOOKUP schrijven die ik volgende week vergeten zou zijn, drie grafieken met de hand bouwen, screenshots maken, ze in Google Slides droppen, dan ChatGPT openen in een apart tabblad om te vragen "wat betekent deze data eigenlijk?" en het antwoord terug kopiëren. Vier tools. Eén rapport. Elke week opnieuw.
Dus toen een vriend me een clip stuurde van een spreadsheet dat een rommelige dataset in minder dan twintig seconden opruimde vanuit een enkele gewone-taal prompt — en me vervolgens de Python liet zien die het schreef om het te doen — sloot ik de vier tabbladen en opende Quadratic. Het Quadratic AI-spreadsheet is niet zomaar een ChatGPT-plugin die op een raster is geschroefd. Het schrijft en draait code binnenin de cellen, live, en werkt het raster voor je ogen bij. Dat onderscheid bleek belangrijker dan ik verwachtte.
Dit is wat ik vond na het doorlopen van de exacte workflows die ik daadwerkelijk doe — rommelige klantdata, founder-dashboards, live aandelentrekken — niet de gepolijste demodata.
Wat Quadratic werkelijk is (en wat het niet is)
Quadratic is een spreadsheet dat eruitziet en aanvoelt als Excel of Google Sheets, maar met Python, SQL en JavaScript-uitvoering direct in de cellen ingebakken, met een AI-laag die die code voor je schrijft vanuit natuurlijke taal. Je typt een verzoek zoals je een junior analist zou vragen, en in plaats van een antwoord voor te stellen, genereert het code, draait het, en schrijft het resultaat terug in het raster.
Hier is het deel dat de meeste reviews overslaan. Er is een betekenisvol verschil tussen een tool die praat over je data en een tool die werkt op je data. ChatGPT kan beschrijven hoe een deduplicatie eruit zou moeten zien. Quadratic draait pandas op je werkelijke rijen en geeft je de opgeruimde tabel plus het script dat het produceerde. Het ene is advies. Het andere is een afgeronde klus die je kunt controleren.
Die ene ontwerpbeslissing — code die in het raster draait, niet chat die ernaast leeft — is de hele reden waarom deze tool bestaat. Houd het in gedachten, want elke functie hieronder is er een gevolg van.
Voor wie het is, eerlijk gezegd: data-analisten die moe zijn van context-wisselen, freelancers en bureaus die klantrapporten bouwen, solo-founders die SaaS-metrics bijhouden, en makers die inzichten willen zonder draaitabellen te leren. Voor wie het niet is: iemand die een pixel-perfect financieel model nodig heeft met 40 gekoppelde tabbladen en decennia Excel-spiergeheugen — die persoon stapt niet over, en hoeft dat ook niet.
Een korte geloofwaardigheidsnoot voordat ik verder ga. Alles hieronder komt van hands-on testen op de gratis versie op quadratichq.com, plus de officiële documentatie en prijspagina om limieten en integraties te verifiëren. Waar ik gedrag beschrijf dat ik persoonlijk heb veroorzaakt, zeg ik dat. Waar ik redeneer over een use case op basis van hoe de engine werkt, zeg ik dat ook. Geen verzonnen metrics.
Maar de opruimdemo is waar ik stopte met sceptisch zijn, dus laten we daar beginnen.
Hoe Quadratic rommelige data opruimt
Die transparantie is het hele spel voor mij. Ik ben eerder verbrand door black-box "magic cleanup"-tools die stilletjes rijen verwijderden of waarden overschreven op manieren die ik pas weken later ontdekte. Quadratic toont je elke stap: de ruwe code in het editorpaneel, het vóór en na in het raster, en een log van wat er veranderde. Als de AI het fout heeft — verkeerde datumindeling geparst, iets gedropt dat het niet had moeten droppen — kun je precies zien waar het fout ging en dat ene deel corrigeren in plaats van overnieuw te beginnen. Dat is niet alleen een functie. Dat is de reden waarom het vertrouwen verdient.
Ik testte het met een echte rommelige klant-CSV: dubbele rijen, lege velden, inconsistente datumformaten, opvulwaarden als "N/A" en "n.v.t." door elkaar. Eén prompt: "Ruim deze dataset op — verwijder duplicaten, standaardiseer datums naar JJJJ-MM-DD, vul ontbrekende waarden in met het kolomgemiddelde waar numeriek, en markeer rijen met meer dan twee ontbrekende waarden."
Twintig seconden later toonde het raster een schone tabel. De code-editor rechts toonde het exacte pandas-script: drop_duplicates(), pd.to_datetime() met errors='coerce', fillna() met kolomgemiddelden, en een boolean mask voor probleemrijen. Ik las elke regel door. Het klopte.
Probeer dat in de vier-tabbladen-workflow. De export-, ChatGPT-vraag, en handmatige-bewerking-cyclus zou vijfentwintig minuten geduurd hebben en ongedocumenteerde stappen achterlaten die je niet kunt repliceren. Quadratic deed het in twintig seconden en liet een controleerbaar script achter.
AI-analyse en dashboards
Het werk dat vroeger een uur of twee klikken kostte, viel samen in een paar prompts. Maar laat me specifiek zijn over wat "samenvallen" hier betekent, want de details doen ertoe.
Je kunt Quadratic vragen om je data te analyseren in gewoon taal en het genereert Python die samenvattingsstatistieken berekent, trends identificeert en zelfs visuele dashboards produceert — grafieken, diagrammen, KPI-kaarten — direct in het spreadsheet. Alles wordt live bijgewerkt als de onderliggende data verandert, wat betekent dat je een eenmaal-bouwen-altijd-vernieuwen dashboard hebt in plaats van een eenmalige screenshot.
Ik bouwde een founder-dashboard dat MRR, churn rate, CAC/LTV-ratio's en conversie per kanaal bijhield. Eén prompt: "Bouw een dashboard met deze metrics met grafieken." Het genereerde meerdere grafieken, vatte de getallen samen, en markeerde de metric die de verkeerde kant op ging — klant-churn was hoger dan het vorige kwartaal.
Het was niet perfect. Grafiekopmaak heeft handmatig finetunen nodig als je het specifiek wilt. Labels zijn soms te lang of slecht geplaatst. Maar de structuur, de logica en de onderliggende berekeningen waren allemaal correct. Vergeleken met het bouwen vanuit niets in Excel of het gebruik van een BI-tool die een half uur setup vereist, was dit aanzienlijk sneller.
Live data en connectiviteit
Hier wordt het interessant voor iedereen die draait op live data. Quadratic biedt native integraties die live data pullen — inclusief marktdata — vaak zonder handmatige API-sleutel setup. Een geplande verversing houdt de resultaten actueel, en als je portfolio's bijhoudt, concurrentmetrics, of enige live numerieke feed, verwijdert het pullen van verse data in hetzelfde raster waar je het analyseert een hele categorie van zinloos werk.
Het connectie-ecosysteem is breder dan de aandelendemo suggereert. Quadratic verbindt met databases zoals PostgreSQL, MySQL en Snowflake direct, zodat je live SQL kunt draaien tegen productiedata zonder het sheet te verlaten. De officiële documentatie wijst ook op verbindingen met analytics-platforms, financiële software en product-analytics-tools. En hier is een detail dat de casual demo's missen: omdat Quadratic SQL native spreekt in cellen, wordt je spreadsheet effectief een lichtgewicht, AI-ondersteunde SQL-client — query een database, krijg rijen in het raster, maak er grafieken van, alles op één plek.
Er is een aankomend onderdeel genaamd Agent Sync ontworpen om elke API te verbinden door automatisch de documentatie te interpreteren — de docs lezen, helpen bij setup, en automatische imports mogelijk maken zonder dat je de integratie handmatig schrijft. Op dit moment zou ik dat als een roadmap-item behandelen in plaats van iets om vandaag op te bouwen; ik noem het omdat de richting ertoe doet, niet omdat ik het heb gedraaid. Verifieer dat het uitgerold is voordat je er een workflow op bouwt.
Er is nog één mogelijkheid die ik apart moet noemen, omdat het voor het publiek dat dit leest misschien de belangrijkste is: Quadratic ondersteunt MCP. Je kunt Claude, Cursor, ChatGPT, of elke MCP-compatibele agent naar een Quadratic-bestand wijzen en het een live spreadsheet geven om in te lezen, schrijven en werk te verifiëren. Als je agentische workflows bouwt, is een raster waar een agent zowel in kan berekenen als doorheen kan worden geïnspecteerd een echt nuttig primitief — en het past naadloos in het soort agent-native setups dat ik het hele jaar heb gebouwd.
Genoeg functietour. Laat me je de twee workflows tonen waar deze tool stopt een speeltje te zijn en begint met het vervangen van echt betaald werk.
Twee echte workflows: het bureaurapport en het founder-dashboard
Demo's gebruiken demodata. Hier heb ik het gestresstest tegen het werk waar mensen daadwerkelijk voor betaald worden.
Het wekelijkse klantrapport voor bureaus
Als je een bureau runt of freelancet voor meerdere klanten, ken je de zondagavondmolen: trek de cijfers van elke klant, vat uitgaven en omzet samen, bereken ROAS, tel leads en conversies, en wijs aan wat werkt en wat geld kost — formatteer het dan zodat een niet-technische klant het bij de koffie kan lezen.
Ik importeerde een klantdata-CSV en gaf één instructie: maak een wekelijks klantrapport dat uitgaven, omzet, ROAS, leads en conversies samenvat, en identificeer de best en slechtst presterende kanalen.
Het produceerde een klantklare samenvatting — leesbare tekst plus de ondersteunende cijfers — die echt bijna klaar was om te versturen. Niet "plak ruwe metrics" bijna. "Licht bewerken en e-mailen" bijna. Voor een bureau dat dit voor een dozijn klanten doet, is de rekensom van bespaarde tijd duidelijk, en het schaalt lineair: zelfde prompt, wissel de CSV.
Het founder-dashboard
Als je een productgerichte startup bent, zijn je kernmetrics verspreid over tools: Stripe voor omzet, je analytics-platform voor trechterconversies, je CRM voor pipelinewaarde, je ondersteuningsplatform voor churn-signalen.
Ik bouwde een mock-founder-dashboard door een CSV met gecombineerde SaaS-metrics te importeren — MRR, churn, trial-naar-betaald conversie, CAC, LTV — en vroeg Quadratic om een executive samenvatting met grafieken te maken.
Het resultaat: schone tijdreeksgrafieken, automatisch berekende MoM-groeipercentages, gemarkeerde metrics buiten de benchmark (churn was te hoog, LTV/CAC-ratio was te laag), en een samenvattende paragraaf die ik letterlijk in een bestuurse-mail zou kunnen plakken.
Beperkingen en eerlijke kanttekeningen
De AI is maar zo goed als je prompt en je data. Ik zei het eerder en het is herhaling waard: de kwaliteit van wat Quadratic genereert hangt direct af van hoe specifiek je verzoek is en hoe schoon je invoer is. Vage prompts geven generieke output. Rommelige data geven rommelige resultaten, ook al is het opruimde deel correct — als je data fundamenteel gebrekkig is, zal geen enkele tool het repareren zonder menselijk oordeel.
Gratis-versie limieten zijn echt. De Personal-versie beperkt het aantal AI-aanvragen, bestanden en verbindingen. Als je er echt doorheen wilt, heb je een betaald plan nodig — $18/gebruiker/maand voor Pro, $36/gebruiker/maand voor Business, jaarlijks gefactureerd. De gratis versie is genoeg om elke kernfunctie te testen, maar niet genoeg om het op het werk te draaien voor meerdere klanten.
Grafiekpersonalisatie is beperkt. De AI genereert functionele grafieken, maar als je specifieke kleurenschema's, aangepaste legenda's of merkgebonden opmaak wilt, moet je in de code duiken. Niet iedereen wil dat.
Foutmeldingen kunnen beter. Wanneer een AI-gegenereerd script faalt, is de foutmelding soms cryptisch — nuttig als je Python kent, verwarrend als je dat niet doet. Een meer gebruiksvriendelijke foutlaag zou het toegankelijker maken.
Het is geen Excel-vervanging voor zware financiële modellering. Complexe multi-sheet modellen met kruisverwijzingsformules, scenario-analyses, en decennia aan opgebouwde structuur horen niet thuis in Quadratic. Het probeert dat ook niet te zijn.
Prijzen en waardebeoordeling
De eerlijke samenvatting: de gratis versie is echt gratis en laat je alles testen. Pro kost $18/gebruiker/maand ($20 in maandelijkse AI-credits inbegrepen), Business is $36/gebruiker/maand. Enterprise is maatwerk. Voor freelancers en kleine bureaus maakt Pro zichzelf terug als het je twee rapporten per week bespaart die anders een half uur per stuk zouden kosten. De ROI-som is niet ingewikkeld.
Conclusie
Quadratic is het enige spreadsheet dat ik heb getest waar ik na de eerste sessie niet terugschakelde naar mijn vorige workflow. Niet omdat het perfect is — dat is het niet. Maar omdat het patroon van "beschrijf wat je wilt, lees de code die het schreef, bewerk als nodig, en druk op vernieuwen" fundamenteel sneller en transparanter is dan elk alternatief dat ik heb geprobeerd.
Het is geen BI-tool. Het is geen data-warehouse. Het is een spreadsheet dat echt code draait en een AI heeft die die code schrijft, en die combinatie plaatst het in een categorie die nog geen naam heeft — iets tussen een spreadsheet en een respectabele data-primitief waar een agent binnenin kan werken.
Als je leeft in gigantische, complexe financiële modellen of data-warehouse-schaal verwerking nodig hebt, is dit niet je tool — en dat is prima, het probeert dat ook niet te zijn.
De eerlijke test kost niets: pak je lelijkste CSV, degene met de kapotte datums en de dubbele rijen die je hebt vermeden, drop het in de gratis versie op quadratichq.com, en geef het één gewone-taal opruimcommando. Kijk wat het doet in twintig seconden — en open dan de code-editor en lees de Python die het schreef om het te doen.
Dat tweede deel, het lezen van de code die het genereerde, is het moment waarop ik stopte Quadratic als een gimmick te zien en het begon te zien als de manier waarop ik zou willen dat elk spreadsheet werkt. De AI deed het werk. Maar het liet me precies zien hoe. Dat is de combinatie waar ik op heb gewacht — en het is waarom mijn vier tabbladen nu één zijn.
Veelgestelde Vragen
Wat is Quadratic en hoe verschilt het van Excel?
Quadratic is een AI-native spreadsheet dat Python, SQL en JavaScript schrijft en draait binnenin de cellen, gegenereerd vanuit gewone-taal prompts. In tegenstelling tot Excel of Google Sheets suggereert de AI niet alleen antwoorden — het voert code uit die het raster live bijwerkt, en combineert een vertrouwde spreadsheet-UI met echte data-engineering kracht. Zie de opruim- en analysesecties hierboven voor hoe dat er in de praktijk uitziet.
Is Quadratic gratis te gebruiken?
Ja, Quadratic biedt een echt gratis Personal-plan op quadratichq.com met beperkt AI-gebruik, delen, bestanden en verbindingen — genoeg om elke kernfunctie te testen. Betaalde plannen beginnen bij Pro voor $18/gebruiker/maand (jaarlijks gefactureerd, inclusief $20 aan maandelijkse AI-credits), met Business voor $36/gebruiker/maand voor zwaarder AI-gebruik.
Kan Quadratic Python en SQL draaien binnenin cellen?
Ja — het draaien van Python, SQL en JavaScript direct binnenin spreadsheetcellen is Quadratics bepalende functie. De AI genereert die code vanuit natuurlijke taal, maar elke regel blijft zichtbaar, bewerkbaar en herdraaibaar in de code-editor, zodat je precies kunt controleren en aanpassen wat het deed. Dit is wat het onderscheidt van een ChatGPT-plugin die alleen veranderingen beschrijft.
Verbindt Quadratic met live data en API's?
Ja, Quadratic biedt native integraties die live data pullen — inclusief marktdata, plus directe verbindingen met databases zoals PostgreSQL, MySQL en Snowflake — vaak zonder handmatige API-sleutel setup. Je kunt ook automatische verversingen plannen zodat grafieken en samenvattingen vanzelf worden bijgewerkt. Een aankomende Agent Sync-functie beoogt elke API te verbinden door automatisch de documentatie te interpreteren.
Is Quadratic goed voor niet-technische gebruikers?
Gedeeltelijk — niet-technische gebruikers kunnen data opruimen, analytische vragen stellen en dashboards bouwen met alleen gewoon taal, geen formules vereist. De valkuil is dat het corrigeren of aanpassen van resultaten betekent dat je de gegenereerde Python moet lezen, dus er is een leercurve zodra je voorbij het happy pad gaat. Het is het krachtigst voor mensen die comfortabel zijn met het zien van code, ook als ze het niet zelf schrijven.
Laten We Samenwerken
Wilt u AI-systemen bouwen, workflows automatiseren of uw tech-infrastructuur opschalen? Ik help u graag.
- Fiverr (custom builds & integraties): fiverr.com/s/EgxYmWD
- Portfolio: mejba.me
- Ramlit Limited (enterprise-oplossingen): ramlit.com
- ColorPark (design & branding): colorpark.io
- xCyberSecurity (beveiligingsdiensten): xcybersecurity.io
