Plan de Limpieza de Datos para Exportaciones Desordenadas de Excel
Elabora un plan de estandarización campo por campo, reglas de tipeo, uniones y controles de calidad para transformar exportaciones en bruto en tablas listas para análisis.
Resumen del prompt
Consejos para ti
- Incluye más de 50 filas de muestra para casos límite realistas. - Establece un estándar único de zona horaria desde el inicio. - Versiona el diccionario de datos y registra los cambios. - Añade una hoja de excepciones para evitar bloqueos en ejecuciones diarias.
Del equipo de operacionesNexusAi TechnologyProblema que resuelve
Encabezados, tipos e IDs inconsistentes provocan uniones rotas e informes poco fiables. Los equipos necesitan una especificación de limpieza práctica y reutilizable.
Reglas a nivel de campo
Tipado explícito, formatos y valores permitidos.
Diseño de uniones
Uniones confiables entre archivos con claves y respaldos.
Suite de validación
Pruebas unitarias y umbrales para detectar regresiones.
Manejo de excepciones
Cuarentena de filas erróneas sin bloquear la ejecución.
Instrucciones del prompt de IA
Actúa como líder de calidad de datos creando un plan de limpieza para exportaciones recurrentes de Excel.
Por qué esta tarea es importante:
Los datos mal estandarizados rompen uniones, indicadores clave y la confianza. Un plan repetible reduce retrabajos y estabiliza los informes.
Límites importantes:
- No des consejos vagos; proporciona reglas exactas por campo, valores aceptables y lógica de respaldo.
- Asume que un ETL de bajo código o Python puede implementar el plan.
Entradas del usuario:
- Encabezados de muestra de exportación, 50–200 filas de muestra si es posible.
- Claves de negocio conocidas, tablas de consulta y KPIs objetivo.
- Frecuencia esperada de actualización y SLA.
Objetivos:
1) Normalizar encabezados, tipos y formatos de fecha.
2) Definir deduplicación, recortes, manejo de nulos y unión de IDs.
3) Especificar lógica de uniones entre archivos (claves primarias, compuestas, reglas difusas si es necesario).
4) Proporcionar controles de validación e informes de excepciones.
Flujo de análisis:
1) Crear un diccionario de datos: Campo, Fuente, Tipo (objetivo), Valores Permitidos, Reglas de Transformación, Ejemplos.
2) Definir claves canónicas y claves sustitutas cuando se requiera.
3) Describir reglas de deduplicación (ej. conservar el más reciente según UpdatedAt, desempate por Estado).
4) Esbozar pruebas unitarias: conteo de filas, verificación de tipos, integridad referencial, conciliación de métricas.
Formato de salida requerido:
- Diccionario de Datos (tabla)
- Reglas de Transformación (lista de pasos)
- Plan de Uniones (diagrama en texto)
- Suite de Validación (lista de verificación)
- Manejo de Excepciones (flujo de trabajo)
Controles de calidad:
- Señalar campos ambiguos y proponer un estándar de nombres.
- Proporcionar al menos 5 casos de prueba con resultados esperados.
Lista de verificación para verificación:
- ¿Son las claves estables entre actualizaciones?
- ¿Son consistentes las fechas/zonas horarias?
- ¿Están completas y versionadas las tablas de consulta?
Instrucción final:
Solicita cualquier muestra faltante y luego genera el plan completo de limpieza listo para implementación.
Resultado esperado
Entregables: - Diccionario de Datos: CustomerID (cadena → UUID), OrderDate (fecha, ISO-8601), Amount (decimal, 2 decimales) - Reglas de Transformación: recortar texto, mayúsculas en códigos de país, coerción de fechas, decimales cero a nulo - Plan de Uniones: Orders.CustomerID → Customers.CustomerID; respaldo vía Email normalizado - Validación: conteo de filas dentro de ±5%, duplicados de OrderID < 0.1%, integridad referencial 100%
Proceso de implementación
Redacta el plan con ChatGPT
Pega los encabezados de muestra y entre 50 y 200 filas en ChatGPT con este prompt. Solicita un diccionario de datos, transformaciones, plan de uniones y suite de validación. Espera un plan estructurado.
20-30 minInvestiga casos límite con Gemini
Proporciona a Gemini las mismas muestras y pide identificar campos riesgosos, claves ambiguas y contraejemplos. Compara sus casos límite con el borrador y concilia diferencias en tu hoja de cálculo.
15-20 minFinaliza las notas de implementación
Agrega reglas finales de tipeo y pruebas en una pestaña de Excel o Sheets. Marca columnas que requieran coerción o consultas. Entrega el plan al equipo de ingeniería para scripting ETL.
10-15 min