Primero importas y validas estructura: nombres de columnas, filas de encabezado y tipos de datos. Este paso evita la mayoría de problemas posteriores.

Después aplicas transformaciones con intención: quitar columnas irrelevantes, normalizar textos, dividir campos y corregir nulos.

Por último cargas la consulta a hoja o al modelo de datos según el objetivo del reporte.

Si dependes de la posición de columnas y el proveedor cambia el orden, algunos pasos pueden romperse. Conviene trabajar por nombre de columna siempre que sea posible.

Otro error común es no fijar tipos de datos; al calcular o unir tablas, los tipos ambiguos generan resultados erróneos o nulos inesperados.

También es importante nombrar bien consultas y documentar pasos críticos cuando el archivo lo usa más de una persona.

Tipos de datos

Cuando los cálculos fallan por formato incorrecto.

• Fecha como texto → convertir a fecha.
• Importe como texto → convertir a número.
• Base para cálculos y joins fiables.

Filtrar y quitar columnas

Cuando el archivo trae ruido no relevante.

• Reduce peso del dataset final.
• Mejora legibilidad del modelo.
• Facilita mantenimiento de consultas.

Dividir, combinar y pivotar

Cuando la estructura no está lista para análisis.

• Dividir columnas concatenadas.
• Unpivot para normalizar meses en columnas.
• Preparar datos para tablas dinámicas y dashboards.