Pulizia CSV con l’IA: definisci le regole prima di modificare i dati

Esempio pratico

Conservare gli identificativi normalizzando le date

Esempio illustrativo scritto per questa guida. I risultati dei modelli variano.

Gli zeri iniziali possono avere un significato. Una data ambigua va verificata, non indovinata in silenzio.

Prompt da adattare

Esamina questo CSV prima di modificarlo. Tratta customer_id come testo e conserva gli zeri iniziali. Rimuovi gli spazi esterni in city. Individua il delimitatore e segnala le date ambigue. Proponi regole per i duplicati e un riepilogo delle modifiche; non eliminare righe solo perché i nomi coincidono.

Esamina prima il formato del file

Controlla codifica, delimitatore, riga di intestazione e virgolette. Una virgola all’interno di un indirizzo tra virgolette fa parte del valore, non indica necessariamente una nuova colonna. Verifica che ogni riga abbia il numero di campi previsto.

Imposta esplicitamente i tipi di colonna. CAP, numeri di telefono e ID cliente sono spesso testo anche quando contengono cifre. Conserva una copia dell’esportazione originale per il confronto.

Definisci i duplicati in base alla chiave di business

Due righe con lo stesso nome cliente possono rappresentare persone o transazioni diverse. Scegli i campi che stabiliscono l’identità e decidi come gestire i valori in conflitto prima di rimuovere qualsiasi cosa.

Chiedi che le corrispondenze esatte e quelle possibili vengano raccolte in gruppi di revisione separati. Conserva la fonte del record mantenuto e spiega perché un’altra riga verrebbe rimossa.

Riconcilia l’esportazione pulita

Confronta il numero di righe prima e dopo, conta i valori mancanti per colonna ed esamina un campione di celle modificate. Se alcune righe sono state unite o rimosse, ogni differenza deve avere una spiegazione.

Apri il CSV esportato nel sistema che lo utilizzerà. Verifica lì identificativi, caratteri non inglesi e date: un’anteprima corretta, da sola, non dimostra che l’importazione sia riuscita.