Por qué los datos limpios aún se ven mal

La idea

Excel compara y suma lo que está guardado en una celda, no lo que tú lees. Dos correos que se ven idénticos son cadenas distintas si uno empieza con un espacio. Un reembolso que parece 19.99 no es un número si la exportación lo escribió como texto. Una ciudad en mayúsculas no es igual a la misma ciudad con el formato de título.

Limpiar es el trabajo de hacer que el valor guardado coincida con su significado, y hacerlo de forma que otra persona pueda comprobarlo. El resto es técnica.

Por qué existe

Cada sistema que genera una exportación toma sus propias decisiones. Un formulario de registro deja que la gente escriba espacios. Un portal de pagos escribe los importes como texto para que sobrevivan los símbolos de moneda. Tres sistemas escriben la misma fecha de tres maneras. Nada de esto activa una alarma. Simplemente hace que los números estén mal, de formas silenciosas: un cliente contado dos veces, ingresos cortos por un reembolso, un mes sin pedidos porque sus fechas son texto.

Limpiar sale más barato que depurar el informe después. También es la parte del trabajo donde se construye la confianza: cuando un responsable pregunta "¿por qué este recuento de clientes es menor que el del mes pasado?", la respuesta es una lista de lo que cambiaste y por qué.

Cómo funciona por dentro

Compara con una clave limpia, no con el valor original

Para encontrar duplicados necesitas una igualdad que ignore el ruido. TRIM quita los espacios del principio y del final y reduce a uno los dobles del interior; LOWER, UPPER y PROPER unifican las mayúsculas. Pon el valor limpio en una columna auxiliar y ejecuta COUNTIF(rango_clave, celda_clave): un recuento mayor que 1 significa que la clave aparece más de una vez. Bloquea el rango con $ para que no se deslice al rellenar hacia abajo.

EXACT(a, b) compara dos celdas y respeta mayúsculas y espacios. Es la forma de demostrar que un paso de limpieza cambió algo: =NOT(EXACT(raw, clean)) es TRUE en cada fila que modificaste, y contarlas da la cifra de "problemas encontrados" para tu nota.

Números y fechas guardados como texto

Un número en texto se ve bien y se comporta mal: se ordena alfabéticamente, SUM lo salta y comparaciones como >=250 fallan. Conviértelo con VALUE(texto). Las fechas de texto necesitan DATEVALUE o, cuando las piezas están en un orden incómodo, reconstrúyelas con DATE(año, mes, día) usando LEFT, MID y RIGHT para extraer las partes. Una prueba rápida es ISNUMBER(celda): un FALSE en una celda que esperabas que fuera un número es la señal.

Valores vacíos y atípicos

Un vacío es información, y rellenarlo es una decisión. COUNTBLANK te dice cuántos hay. Si rellenas un costo de producto ausente con la MEDIAN de los demás productos, anota esa regla junto a la columna, porque quien lea las cifras de margen necesita saber que algunos costos son estimados. Nunca rellenes un hueco en silencio.

Los valores atípicos son los que quedan lejos del resto, como una línea de pedido con una cantidad de 100000 cuando todas las demás están entre 1 y 6. Excel no tiene un botón para atípicos. La regla habitual marca los valores a más de 1.5 veces el rango intercuartílico de los cuartiles: calcula QUARTILE.INC(rango,1) y QUARTILE.INC(rango,3), toma la diferencia y marca todo lo que quede fuera de la valla. La marca es una pregunta para una persona, no una orden de borrar: una cantidad enorme puede ser un error de tecleo, o un pedido real al por mayor.

Etiquetas con mayúsculas y relleno desordenados

Las ciudades y los estados son el sitio habitual donde lo mismo se escribe de cinco maneras: dallas, Dallas, DALLAS . Agrupar o contar por ellos divide entonces una ciudad en varias filas, y así acaba mal una tabla de "ciudades principales" sin que lo parezca. Normaliza las etiquetas con PROPER(TRIM(x)) para nombres y UPPER(TRIM(x)) para códigos como las abreviaturas de estado. Después vuelve a contar los valores distintos: el número debería bajar a lo que esperas, y si no, algún valor esconde otro tipo de ruido, como una errata.

Demuestra cada arreglo en una muestra

Cuando construyas una columna de limpieza, elige cinco filas de distintas partes de la hoja, incluida la que tenga el peor desorden, y compáralas a ojo con los valores originales. Luego cuenta cuántas filas cambiaron. Un paso de limpieza que cambia todas las filas, o ninguna, rara vez es correcto.

La regla: nunca sobrescribas los datos originales

Limpia en columnas nuevas junto a las originales y ponles un nombre que diga lo que son (clean_email, refund_number). Conserva la columna original, añade una columna con lo que cambió y por qué, y entrega la copia limpia con la original todavía en el libro. Sobrescribir en el sitio destruye la evidencia y hace irrecuperable cualquier error.

Errores comunes

"Si se ve igual, es igual"

Dos celdas pueden mostrar el mismo texto y diferir por un espacio invisible, una mayúscula distinta o un espacio de no separación copiado de una página web. LEN es el detector más rápido: si dos celdas que parecen iguales tienen longitudes distintas, algo se esconde en una de ellas.

"Duplicado significa una fila totalmente idéntica"

Los duplicados que cuestan dinero son los casi duplicados: la misma persona con otra mayúscula, un espacio de más o una errata en un campo. Decide qué campo define la identidad (aquí, el correo), limpia ese campo y compara con la versión limpia.

"Limpiar significa borrar las filas malas"

Borrar cambia los totales y no se puede deshacer. Marca primero, corrige o excluye con un motivo declarado, y conserva el original. Quien lea tu informe confiará más en él cuando muestre lo que hiciste, y no solo las cifras finales.