Cómo limpiar datos sucios en Google Sheets (duplicados, espacios y más)

La feria, los 340 contactos y el desastre en la columna B

Una empresa de Medellín fue a una feria comercial con una tablet y un formulario de Google. Al final del día tenían 340 contactos de clientes potenciales. Suena a éxito, ¿verdad? El problema apareció cuando abrieron la hoja: “maría gonzález” y “María González” como dos personas distintas, teléfonos con espacios al inicio, correos duplicados porque tres personas registraron al mismo cliente, y una columna de ciudades donde conviven “Medellín”, “medellin” y “Medellín ” (con un espacio traicionero al final).

Eso son datos sucios. Y antes de hacer cualquier análisis, cualquier tabla dinámica, cualquier gráfico bonito, hay que limpiarlos. Porque las fórmulas no perdonan: para una hoja de cálculo, “Medellín” y “Medellín ” son dos ciudades diferentes, punto. No discute, no interpreta. Cuenta dos.

La buena noticia: Google Sheets tiene todo lo necesario para dejar esos datos impecables, y no necesitas ser experto. Vamos paso por paso, en el orden en que yo lo hago siempre.

Paso 1: Elimina los duplicados (pero con criterio)

Lo primero es quitar las filas repetidas. Selecciona el rango de datos (o toda la tabla), ve a Datos > Limpieza de datos > Quitar duplicados. Sheets te pregunta qué columnas comparar: si marcas todas, solo elimina filas idénticas en todo; si marcas solo la columna de correo, elimina todo lo que repita el correo aunque el nombre varíe un poco.

¿Cuál conviene? Depende. En la lista de la feria, comparar solo el correo electrónico tenía sentido: si el mismo correo aparece tres veces, es el mismo cliente. Pero ojo con la trampa: si comparas solo el nombre, “Carlos Ruiz” el de Bogotá y “Carlos Ruiz” el de Cali se vuelven una sola persona. Y no lo son.

Mi regla: usa como criterio la columna que sea identificador único en tu caso —correo, cédula, código de cliente—. Y antes de darle a “Quitar duplicados”, duplica la hoja (clic derecho en la pestaña > Duplicar). Si te equivocas de criterio, el original sigue intacto.

Paso 2: Caza los espacios invisibles con ESPACIOS y TRIM

Este es el enemigo silencioso. “Medellín ” con un espacio al final se ve idéntico a “Medellín”, pero para las fórmulas son valores distintos. Los BUSCARV fallan, los filtros muestran dos ciudades, las tablas dinámicas duplican categorías. Y tú mirando la pantalla sin entender nada.

La función ESPACIOS (TRIM en inglés) elimina los espacios al inicio y al final del texto, y reduce los espacios múltiples del medio a uno solo:

=ESPACIOS(A2)

Si A2 contiene ” María González “, el resultado es “María González”. Limpio.

¿Cómo lo aplicas a toda la columna? En una columna auxiliar vacía escribe =ESPACIOS(A2), arrastra hacia abajo (o mejor: usa =ARRAYFORMULA(ESPACIOS(A2:A)) en la primera celda y se aplica sola a todo el rango). Luego copia la columna auxiliar y pégala como valores sobre la original: clic derecho > Pegado especial > Solo valores. Si pegas normal, pegas la fórmula, no el texto limpio. Ese detalle muerde a más de uno.

Hay un primo de ESPACIOS que poca gente conoce: LIMPIAR (CLEAN), que elimina los caracteres no imprimibles —esos que se cuelan al copiar datos desde PDFs o sistemas viejos y que ni siquiera se ven—. Para datos que vienen de copiar y pegar de cualquier parte, la combinación ganadora es:

=ESPACIOS(LIMPIAR(A2))

Paso 3: Busca y reemplaza con inteligencia

En la lista de la feria, la columna de ciudad tenía “medellin”, “Medellin”, “Medellín” y “MEDELLIN”. Cuatro versiones de lo mismo. La herramienta Editar > Buscar y reemplazar (Ctrl+H) resuelve esto en minutos, pero hay que usarla con cabeza.

El truco está en las opciones del cuadro de diálogo:

• “Coincidir mayúsculas y minúsculas”: si la activas, “medellin” y “MEDELLIN” se tratan como cosas distintas. Úsala cuando quieras reemplazos quirúrgicos.
• “Coincidir con el contenido de toda la celda”: evita que al reemplazar “San” también cambies “Santa Marta” por “ta Marta”. Esto es importante. Muy importante.
• “Buscar usando expresiones regulares”: para los valientes. Con una expresión como \s+ puedes reemplazar cualquier cantidad de espacios por uno solo en todo el rango de un golpe.

Mi método para normalizar ciudades: primero ordeno la columna alfabéticamente (así las variantes quedan juntas y las veo todas), luego hago los reemplazos uno por uno. En la feria fueron 12 variantes de ciudad en total. Cinco minutos, columna perfecta. Si primero quieres ordenar y filtrar datos como un profesional, ese paso previo te ahorra la mitad del trabajo de detección.

Paso 4: Divide el texto en columnas

Otro clásico de los formularios: la columna “Nombre completo” con “González María” o “María González” todo junto, cuando necesitas nombre y apellido separados. Selecciona la columna, ve a Datos > Dividir el texto en columnas y elige el separador (espacio, coma, punto y coma, o uno personalizado).

Sheets divide el contenido en columnas adyacentes. Dos advertencias de alguien que ya se quemó con esto: primero, asegúrate de que las columnas de la derecha estén vacías, porque el contenido se sobrescribe sin preguntar dos veces. Segundo, si los datos vienen como “González, María”, el separador es la coma y luego tendrás que reordenar.

Para casos rebeldes —”María del Carmen González Pérez”— la división automática se queda corta y toca combinar funciones de texto como IZQUIERDA y EXTRAE. Más trabajo manual, pero vale la pena hacerlo bien una vez.

Paso 5: UNIQUE para ver qué tienes realmente

Antes de seguir limpiando, conviene saber contra qué estás luchando. La función UNIQUE te muestra los valores únicos de un rango, sin modificar nada:

=UNIQUE(C2:C341)

Esto te devuelve la lista real de ciudades en tus datos: ahí aparecen las 12 variantes de Medellín, los errores de digitación y cualquier sorpresa. Es tu mapa del desastre. Yo siempre pongo un UNIQUE en una hoja aparte llamada “Diagnóstico” antes de limpiar: me dice exactamente cuántas variantes de cada cosa existen y puedo tacharlas a medida que las normalizo.

UNIQUE también sirve al revés: antes de borrar duplicados, revísalos caso por caso. A veces el “duplicado” es un cliente registrado dos veces con datos distintos, y conviene fusionar la información en lugar de eliminar una fila.

Paso 6: Normaliza mayúsculas, tildes y formato

Con los espacios y duplicados bajo control, toca la presentación. Tres funciones te salvan la vida:

• =MAYUSC(A2) → todo en mayúsculas: “MARÍA GONZÁLEZ”
• =MINUSC(A2) → todo en minúsculas: “maría gonzález”
• =NOMPROPIO(A2) → primera letra de cada palabra en mayúscula: “María González”

Para nombres de personas, NOMPROPIO es el estándar: “María González” se ve profesional en cualquier reporte. Para códigos, MAYUSC. Elige un criterio por columna y aplícalo parejo.

¿Y las tildes? “José” vs “Jose”. Aquí no hay función mágica: es trabajo de Buscar y reemplazar, variante por variante. Mi consejo pragmático: decide si tu base de datos lleva tildes o no las lleva, y sé consistente. Para búsquedas y cruces de datos, una base sin tildes (“Jose”, “Medellin”) evita la mitad de los errores de coincidencia. Para reportes que ve el cliente, con tildes se ve mejor. Lo importante es no mezclar.

Y ya que estás normalizando, revisa el formato de las columnas: teléfonos como texto (para que no se pierda el cero inicial), fechas como fecha de verdad, y valores monetarios con el formato adecuado. Un número con el formato equivocado es otro dato sucio disfrazado; si quieres que tus cifras se vean profesionales, ese es el momento de ajustarlo.

Paso 7: El menú de limpieza de datos, tu navaja suiza

Todo lo anterior también vive, en parte, en Datos > Limpieza de datos. Ese menú incluye “Quitar duplicados” y “Recortar espacios en blanco” (que hace lo de ESPACIOS pero directo sobre el rango, sin columna auxiliar). Es la vía rápida cuando no necesitas fórmulas intermedias.

La diferencia entre usar el menú y usar funciones: el menú modifica los datos en el acto, mientras que las funciones en columnas auxiliares te dejan ver el antes y el después lado a lado. Para datos delicados —clientes que no puedes permitirte dañar—, yo prefiero funciones. Para una lista interna sin consecuencias, el menú es más rápido.

Paso 8: Valida después de limpiar (el paso que todos se saltan)

Limpiar sin validar es como trapear con la puerta abierta: el polvo vuelve a entrar. Una vez limpia la lista de la feria, hay que ponerle candado a futuro. Dos herramientas:

Validación de datos (Datos > Validación de datos): para la columna de ciudad, crea una lista desplegable con las ciudades correctas. Para el correo, valida que el texto contenga “@”. No es perfecto, pero elimina el 90% de los errores tontos.

Formato condicional como alarma: pinta de rojo las celdas vacías en columnas obligatorias (nombre, correo, teléfono). De un vistazo ves qué registros están incompletos. Es el mismo principio que se usa para búsquedas avanzadas que no fallan: si tus datos base están limpios y completos, todo lo que construyas encima funciona a la primera.

Y la validación final, la de verdad: después de limpiar, vuelve a correr tu UNIQUE de diagnóstico. Si la lista de ciudades ahora muestra exactamente las que deben existir, terminaste. La documentación oficial de Google Sheets tiene la referencia de cada función de limpieza por si quieres profundizar en algún parámetro.

La empresa de la feria tardó una tarde en limpiar sus 340 contactos siguiendo estos pasos. Al día siguiente, su primera campaña de correo salió sin un solo rebote por dato mal escrito. Los datos sucios son un impuesto que pagas cada vez que intentas usar tu propia información. Límpialos una vez, protégelos siempre, y deja de pagar.