Limpeza de dados em planilha: o que fazer antes de analisar um relatório

Resposta rápidaa limpeza de dados em planilha começa com uma cópia do original e segue uma ordem: remover linhas e colunas vazias, tirar espaços extras, padronizar datas, números e textos, eliminar duplicados exatos e só então revisar exceções à mão. A parte mecânica pode ser automatizada; decidir o que é erro e o que é dado real exige uma pessoa que conhece o negócio.

O relatório chega do sistema às 9h. Às 11h, você ainda está apagando linhas em branco, descobrindo por que a soma não bate e tentando entender por que "São Paulo" aparece em três grupos diferentes na tabela dinâmica. A análise, que era o trabalho de verdade, ficou para depois do almoço.

Quase todo relatório exportado precisa de uma passada de limpeza antes de virar número confiável. Este guia organiza essa passada em etapas, separa o que dá para automatizar e mostra onde o olho humano é insubstituível.

Por que dados "sujos" aparecem em todo relatório

Sistemas diferentes exportam de jeitos diferentes. O ERP coloca linhas de subtotal no meio dos dados. O marketplace exporta em UTF-8 e o Excel abre como se fosse outro encoding. O CRM grava "sp", "SP" e "São Paulo " (com espaço no fim) como cidades distintas.

Os problemas mais comuns:

• Linhas e colunas vazias deixadas por cabeçalhos, rodapés e subtotais.
• Espaços extras no início ou no fim das células, invisíveis na tela.
• Duplicados de exportações sobrepostas ou de cadastros repetidos.
• Números como texto: "1.234,50" com espaço, "R$ 99", ponto no lugar da vírgula.
• Datas misturadas: 09/10/2026, 2026-10-09 e 10/9/26 na mesma coluna.
• Acentos quebrados: "São Paulo", sinal de encoding errado.
• Categorias com grafias diferentes: "Cartão", "cartao", "CARTÃO DE CRÉDITO".

Dados sujos custam mais do que parece

O problema não é estético. Uma linha duplicada infla o faturamento. Um espaço no fim de "SP " cria um segundo estado no gráfico. Um número gravado como texto some da soma sem aviso. A decisão tomada em cima desse relatório herda o erro.

Etapas da limpeza de dados, na ordem certa

A ordem importa. Remover duplicados antes de tirar espaços, por exemplo, deixa passar "Maria" e "Maria " como pessoas diferentes. Siga esta sequência e faça a limpeza de dados planilha por planilha, sempre a partir de uma cópia:

1. Guarde o original. Salve uma cópia intocada com a data no nome.
2. Converta para um formato previsível. Para lotes grandes, CSV em UTF-8 evita fórmulas e formatação escondidas.
3. Remova linhas e colunas totalmente vazias.
4. Tire linhas de subtotal, título e rodapé que o sistema colocou no meio dos dados.
5. Remova espaços extras no começo e no fim de cada célula.
6. Padronize o cabeçalho: um nome por coluna, sem acento e sem espaço, se for usar em outra ferramenta.
7. Padronize tipos: datas num formato só, números com o mesmo separador decimal.
8. Unifique categorias com grafias diferentes.
9. Remova duplicados exatos.
10. Revise exceções à mão: valores negativos, datas no futuro, campos obrigatórios vazios.

Antes e depois de uma exportação real

Imagine a exportação mensal de pedidos de uma loja virtual, com 4.800 linhas:

Problema	Antes	Depois
Linhas vazias e de subtotal	312	0
Células com espaço extra	Cerca de 1.100	0
Duplicados exatos	46	0
Datas em 3 formatos	Sim	Um formato (AAAA-MM-DD)
Tempo de limpeza manual	Perto de 2 horas	Minutos na parte mecânica + revisão

Os números são de um exemplo ilustrativo, mas o padrão se repete: a maior parte do tempo vai para tarefas que não exigem julgamento.

O que automatizar e o que exige olho humano

A linha divisória é simples: se a regra cabe numa frase sem "depende", dá para automatizar.

Tarefa	Automatizável?	Por quê
Remover espaços extras	Sim	Regra fixa, sem exceção
Remover linhas vazias	Sim	Linha vazia não tem dado
Remover duplicados exatos	Sim	Linhas idênticas em todas as colunas
Corrigir encoding e delimitador	Sim	Detectável no arquivo
Padronizar nomes de coluna	Sim	Regra de texto
Unificar "SP" e "São Paulo"	Parcialmente	Precisa de uma tabela de equivalência
Decidir se dois clientes parecidos são o mesmo	Não	Exige conhecer o cadastro
Avaliar um valor fora do padrão	Não	Pode ser erro ou venda real grande

O cuidado com duplicados

Duplicado "exato" e duplicado "de negócio" são coisas diferentes. Dois pedidos idênticos do mesmo cliente, no mesmo dia, podem ser uma compra repetida legítima. Por isso, a remoção automática segura é a de linhas idênticas em todas as colunas, e de preferência quando o arquivo tem um identificador único (número do pedido, por exemplo). Para critérios mais finos, o guia de como remover linhas duplicadas em CSV entra em detalhes.

Encoding e delimitador: a sujeira invisível

Se "São Paulo" aparece como "São Paulo", o problema não está nos dados, está na leitura. O arquivo foi gravado num encoding e aberto em outro. O mesmo vale para o delimitador: no Brasil, o Excel costuma esperar ponto e vírgula, e muitos sistemas exportam com vírgula. O formato CSV é descrito na RFC 4180, que usa vírgula, mas na prática cada sistema faz do seu jeito. Os detalhes estão em CSV com acentos errados e em CSV com ponto e vírgula.

Fluxo prático: do Excel sujo ao relatório pronto

Muita gente recebe o relatório em XLSX. Limpar direto no Excel funciona para um arquivo. Para 10 arquivos por mês, com 15 minutos de limpeza em cada, já são 150 minutos de trabalho repetido. Um fluxo fixo é mais rápido e mais seguro:

1. Exporte o XLSX para CSV, uma aba ou todas.
2. Padronize o CSV: encoding, delimitador, espaços, linhas vazias e duplicados.
3. Revise as exceções numa planilha, olhando filtros por coluna.
4. Converta de volta para XLSX se a análise for feita no Excel.

Checklist rápido antes de começar a análise

• A contagem de linhas bate com o que o sistema informou?
• A soma da coluna de valor bate com o total do sistema?
• Os filtros de cada coluna categórica mostram só valores esperados?
• Existe alguma data fora do período do relatório?
• Algum campo obrigatório ficou vazio?

Faça essa conferência ao fim de cada limpeza de dados planilha a planilha, não só no arquivo consolidado. Se a soma não bate, não avance. Quase sempre há números gravados como texto ou linhas de subtotal escondidas.

Erros comuns na limpeza de dados

Alguns tropeços se repetem tanto que vale listar:

• Limpar o original. Sem cópia, não há como conferir o que foi apagado.
• Ordenar só uma coluna. O Excel pode desalinhar linhas se a seleção estiver errada.
• Confiar no formato de célula. Formatar como número não converte texto em número.
• Apagar outliers por reflexo. O maior pedido do mês pode ser verdadeiro.
• Não documentar. Anote as etapas aplicadas; no mês seguinte, o relatório vem igual.

Para quem ainda converte arquivos manualmente, os guias de converter Excel para CSV e converter CSV para Excel ajudam a fechar o ciclo.

Perguntas frequentes

Como automatizar isso com a Pasta Mágica

Na Pasta Mágica, a parte mecânica da limpeza vira um pipeline que você monta uma vez e reutiliza todo mês. É processamento com regras fixas, sem IA interpretando seus dados.

1. Crie sua conta em pastamagica.com.br/cadastrar e teste com a cota grátis.
2. Comece com Excel para CSV se o relatório vier em XLSX, escolhendo a primeira aba ou todas.
3. Adicione Padronizar CSV: tira espaços, remove linhas vazias e duplicados exatos, corrige encoding e delimitador e, se quiser, padroniza o cabeçalho.
4. Feche com CSV para Excel se a análise for no Excel.
5. Solte os arquivos e baixe o resultado. Depois, revise as exceções à mão.

O custo em créditos aparece antes de rodar, e se uma etapa falhar a reserva volta sozinha. Os limites de cada plano estão na tabela de preços.