CSV- oder Excel-Dateien vor der Nutzung bereinigen und vorbereiten

Eine Tabelle zu bereinigen bedeutet nicht, jeden ungewöhnlichen Wert umzuschreiben. Ziel ist es, Inkonsistenzen zu entfernen, die spätere Verarbeitung stören, ohne die fachliche Bedeutung der Daten zu verändern.

Die Quelldatei aufbewahren

Speichere vor wichtigen Änderungen eine unveränderte Kopie. Falls sich eine Regel als falsch erweist, kannst du jederzeit zur Quelle zurückkehren.

Leere Zeilen und störende Leerzeichen zuerst

Leere Zeilen können Zählungen verfälschen. Führende oder nachgestellte Leerzeichen sind schwieriger zu erkennen: Berlin und Berlin sehen gleich aus, können technisch aber verschiedene Werte sein.

Excel- und CSV-Datei bereinigen deckt solche allgemeinen Vorbereitungsschritte ab.

Überschriften vor dem Zusammenführen vereinheitlichen

Überschriften bilden das Schema einer Tabelle. Werden kunden_id, Kunden-ID und id_kunde für dasselbe Feld verwendet, können beim Zusammenführen mehrere Spalten entstehen.

Mit CSV-Spalten umbenennen lassen sich Bezeichnungen angleichen, ohne die Werte zu verändern.

Kennungen nicht wie normale Zahlen behandeln

00125 kann eine ID statt der Zahl 125 sein. Eine numerische Konvertierung würde führende Nullen entfernen und den fachlichen Wert verändern.

Dasselbe gilt für Telefonnummern, Postleitzahlen, Produktcodes und Vorgangsnummern.

Leere Werte brauchen Kontext

Ein leeres Feld kann „unbekannt“, „nicht anwendbar“, „nicht erfasst“ oder „Fehler“ bedeuten. Ein pauschaler Ersatz durch 0 kann falsche Informationen erzeugen.

Duplikate brauchen eine Regel

Identische Zeilen sind leicht zu erkennen. Fachliche Duplikate sind komplizierter: Derselbe Kunde kann mit neuer Telefonnummer oder anderer Schreibweise auftreten.

Definiere zuerst, welche Spalten Eindeutigkeit bestimmen. CSV-Duplikate entfernen ist sinnvoll, wenn diese Regel klar ist.

Struktur validieren

Eine CSV-Datei kann gute Werte enthalten und trotzdem durch fehlerhafte Anführungszeichen oder Trennzeichen ungültig sein. Umgekehrt kann eine formal gültige CSV schlechte Geschäftsdaten enthalten.

CSV validieren prüft die Syntax. CSV-Statistiken helfen bei ungewöhnlichen Verteilungen oder unerwarteten Zeilenzahlen.

Ergebnis kontrollieren

Prüfe nach der Bereinigung mindestens Zeilenzahl, erwartete Überschriften, Schlüsselspalten und einige repräsentative Datensätze.

Wie stark bereinigt werden muss, hängt vom nächsten Schritt ab: Spalten vor einer Zusammenführung angleichen, Vergleichsschlüssel stabilisieren oder Überschriften vor einer JSON-Konvertierung prüfen.