Haré limpieza de datos, deduplicación y formateo en archivos de datos desordenados

Sí, y la mayor parte del trabajo en un pedido típico. Nombres de columnas diferentes, formatos de fecha distintos, filas que se superponen y un archivo con una columna adicional que nadie documentó. Los mapeo a un esquema único y te digo de dónde provienen las filas.

No. A partir de unas 50,000 filas, el trabajo pasa de una hoja de cálculo a Python y Pandas, que son más rápidos y repetibles en lugar de más lentos. Medio millón de filas es un trabajo común. Envía una muestra y te confirmaré el nivel antes de que hagas el pedido.

Tú me dices, y esa es la parte que vale la pena acordar antes de empezar. Las coincidencias exactas son fáciles. El trabajo útil es la coincidencia difusa: Acme Ltd contra ACME Limited, la misma dirección escrita de cuatro formas, dos registros que solo difieren en espacios en blanco. Te muestro las coincidencias antes de fusionar.

Sí, cada pedido incluye un changelog: filas ingresadas, filas eliminadas, qué se fusionó, qué se descartó y por qué, y qué campos se estandarizaron. No deberías tener que confiar en un archivo limpio. Deberías poder revisarlo.

Incluido en Standard y Premium, en Python, comentado, para que puedas ejecutarlo en la exportación del próximo mes sin hacer un pedido nuevo. Basic solo entrega el archivo limpio, que es la opción correcta si esto es realmente un trabajo puntual.

Sí, y es una situación común. Mojibake por codificación incorrecta, entidades HTML en campos de texto, espacios en blanco y saltos de línea fuera de lugar, números almacenados como texto con símbolos de moneda adjuntos. Envía una muestra y te diré qué se puede recuperar.

Tablas resumen, pivotes y gráficos están incluidos en Standard y Premium, y son útiles para verificar la limpieza. Si necesitas trabajo estadístico real o modelado, eso es otro trabajo y preferiría indicarte otro lugar en lugar de hacerlo de manera adecuada.

Sí, como un pipeline programado en lugar de un pedido repetido: el archivo llega, el script se ejecuta, y la versión limpia aparece donde la necesitas. Esa es mi tarea de pipeline de datos, no esta. Envíame un mensaje y te enviaré el enlace en lugar de cobrarte doce veces.

Dímelo antes de enviarlos. Puedo trabajar con ellos, y eliminaré los archivos fuente después de la entrega si lo solicitas, pero preferiría saberlo de antemano que encontrar nombres y direcciones en un archivo en el que no esperaba ver esa información. Datos pseudonimizados o muestreados están bien para definir el alcance.

Envía primero el archivo, o una muestra de él. Algunos trabajos parecen simples y necesitan coincidencia difusa entre tres fuentes; otros parecen aterradores y solo requieren buscar y reemplazar. Te diré en qué nivel está, o te haré una cotización personalizada, antes de que gastes algo.