Su reporte dice que vendió en catorce ciudades. Cuando alguien pregunta cuáles, la lista tiene Bogotá, BOGOTA y Bogota D.C.

No vendió en catorce ciudades. Vendió en nueve.

La inconsistencia no borra datos: los fragmenta

Es la diferencia que hace que este problema sea tan difícil de ver.

Cuando falta un dato, hay un hueco y se nota. Cuando un dato está escrito de tres formas, no falta nada — el total general sigue cuadrando perfecto. Lo que se rompe es todo lo que se agrupa: la lectura por ciudad, por cliente, por producto, por vendedor.

Y esa es justamente la lectura con la que se decide.

De dónde salen las variantes

Ninguna de estas causas es un error de nadie:

  • Digitación libre. Un campo de texto sin lista desplegable produce todas las variantes que se le ocurran a quien digita.
  • Sistemas distintos. El ERP guarda BOGOTA D.C., el CRM guarda Bogotá y la plantilla del área comercial guarda Bta.
  • Copiar y pegar. Arrastra espacios invisibles al final, saltos de línea y a veces caracteres que ni se ven.
  • Exportaciones. Cambian mayúsculas, quitan tildes o convierten números en texto según la configuración regional de quien exportó.

Lo que se normaliza, en orden de rentabilidad

1. Espacios sobrantes. El más invisible y el que más daño hace. Un espacio al final no se ve en la celda, pero convierte un valor en otro distinto. Es la causa número uno de #N/D en un cruce con un dato que claramente existe.

2. Mayúsculas y minúsculas. PEDRO GÓMEZ, pedro gómez y Pedro Gómez son tres claves de agrupación. Aquí conviene distinguir: para comparar se unifica todo; para mostrar se deja la forma correcta.

3. Tildes y caracteres especiales. Medellín y Medellin conviven en cualquier base colombiana. Se resuelve comparando sin tildes, no borrándolas del dato.

4. Puntuación en razones sociales. S.A.S., SAS y S A S son lo mismo. Es de las que más duplicados de proveedor genera.

5. Formatos. Teléfonos con o sin indicativo, fechas en DD/MM o MM/DD, documentos con o sin puntos. Cada variante es una fila más en un reporte que debería tener una.

Normalizar no es lo mismo que homologar

Conviene separarlas porque una es mecánica y la otra es una decisión.

Normalizar arregla la escritura sin cambiar el contenido: quitar el espacio, unificar la caja, resolver la tilde. Es automático y no requiere que nadie decida nada.

Homologar sustituye un valor por otro según una tabla que usted define: BTA pasa a ser Bogotá, CO pasa a ser Colombia, Cliente Preferencial y Preferente pasan a ser una sola categoría.

La segunda es una decisión de negocio y por eso conviene que quede escrita en algún lado. Si vive en la cabeza de quien armó el reporte, el mes que no esté, la homologación se hace distinta — y las cifras dejan de ser comparables entre períodos sin que nadie sepa por qué.

La precaución que evita el daño

Normalizar mal sí puede romper datos. Poner todo en mayúsculas destruye la forma correcta de un nombre propio, y quitar tildes indiscriminadamente cambia palabras que no debían cambiar.

La regla que evita el problema es simple:

Se compara normalizado. Se muestra el dato como llegó.

Unifique para agrupar y para cruzar, pero conserve el valor original. Así la agrupación funciona y el reporte sigue diciendo Medellín, no MEDELLIN.

Por qué esto es lo primero, no lo último

La normalización parece el paso menos importante y es el que sostiene a los demás:

  • Sin normalizar, la deduplicación no encuentra nada — porque los duplicados están escritos distinto.
  • Sin normalizar, el cruce devuelve #N/D — porque la clave no coincide por un espacio.
  • Sin normalizar, la tabla dinámica miente — no en el total, sino en el desglose.

Por eso el orden correcto de una limpieza es siempre el mismo: normalizar, después deduplicar, después cruzar. Invertirlo es la razón por la que tanta gente concluye que “limpiar datos no sirvió de nada”.

Lo que cambia

No es un archivo más ordenado. Es que el reporte deja de contradecirse consigo mismo.

Cuando en el comité alguien pregunta por qué el desglose por ciudad no suma lo mismo que el total, la respuesta ya no es “debe ser un tema de los datos”. Es que no hay tal discrepancia, porque nueve ciudades son nueve en todas partes.

En Lorian Analytics la normalización de textos, fechas, teléfonos y documentos es parte del catálogo de transformaciones, se guarda como regla y se reaplica sobre el archivo del mes siguiente sin rehacer el criterio. Puede ver todas las transformaciones, o leer por qué el botón de quitar duplicados no basta — que es el paso que viene justo después de este.