# 5.18 Messy export पूर्ण clean करूया

Source: https://ravindrabagale.com/mr/excel/ch05-data-cleaning-a-z/5-18-end-to-end-cleaning-a-messy-blinkit-export.html
Language: mr (Marathi with English technical terms)

आधीचा data

 | Order ID
 | Date
 | City
 | Store
 | Customer
 | Phone
 | Amount
 | Status

 | blk-4001
 | 14.03.2026
 | pune
 | Kothrud
 | sHRADDHA bAGALE
 | +91 90000 00021
 | ₹1,299
 | Delivered

 | BLK-4002
 | 03/14/2026
 | Aurangabad
 | CIDCO
 | ZOYA
 | 090000-00022
 | Rs. 450
 | delivered

 | BLK-4001
 | 14.03.2026
 | pune
 | Kothrud
 | sHRADDHA bAGALE
 | +91 90000 00021
 | ₹1,299
 | Delivered

 | BLK-4003
 | 15-03-2026
 | Nasik
 | College Road
 | Amir
 | 9000000023
 | 90
 | Cancelled

 | BLK-4004
 | 15-03-2026
 | NAGPUR
 | Sitabuldi
 | raja
 | 91 9000000024
 | 12,990
 | Delivered

 | BLK-4005
 | 
 | Kolhapur
 | Tarabai Park
 | Rani
 | 9000000025
 | 240
 | Returned

Clean केल्यावर

 | Order ID
 | Date
 | City
 | Store
 | Customer
 | Phone
 | Amount
 | Status
 | Note

 | BLK-4001
 | 14-03-2026
 | Pune
 | Kothrud
 | Shraddha Bagale
 | 9000000021
 | 1299
 | Delivered
 | 

 | BLK-4002
 | 14-03-2026
 | Sambhaji Nagar
 | CIDCO
 | Zoya
 | 9000000022
 | 450
 | Delivered
 | 

 | BLK-4003
 | 15-03-2026
 | Nashik
 | College Road
 | Amir
 | 9000000023
 | 90
 | Cancelled
 | 

 | BLK-4004
 | 15-03-2026
 | Nagpur
 | Sitabuldi
 | Raja
 | 9000000024
 | 12990
 | Delivered
 | Outlier – verify

 | BLK-4005
 | 
 | Kolhapur
 | Tarabai Park
 | Rani
 | 9000000025
 | 240
 | Returned
 | Date missing

Rani ला मिळालेला हा fictional export आहे. फक्त values नीट दिसायला करणं पुरेसं नाही; row counts आणि totalsही जुळले पाहिजेत.

या क्रमाने करा

Raw sheet ची Clean नावाने copy करा. Raw rows = 6. Text amountsमुळे original SUM अजून विश्वासार्ह नाही.

Order ID standardize: =UPPER(TRIM(A2)).

या sample मध्ये एकच order duplicated आहे. योग्य keyवर Remove Duplicates केल्यावर 5 rows उरतात. Full order-line data साठी key वेगळी लागू शकते.

Dates: dots बदलून DMY conversion; US 03/14/2026 साठी =DATE(RIGHT(B3,4),LEFT(B3,2),MID(B3,4,2)). Missing date तशीच ठेवा आणि Note = Date missing.

City mappingने Pune, Sambhaji Nagar, Nashik, Nagpur, Kolhapur.

Customer: =PROPER(TRIM(E2)); exceptions review करा.

Phones: Lesson 5.10 ची cleaning आणि validation.

Amount: symbols काढून VALUE. Numeric COUNT = 5 तपासा.

Status: =PROPER(TRIM(H2)).

IQR ने BLK-4004 ची ₹12,990 amount flag करा; delete करू नका.

Checked helper outputs Paste Values करा. Helper columns काढताना audit copy जपून ठेवा. Ctrl + T ने tblOrdersClean Table बनवा.

Reconcile: 6 raw − 1 duplicate = 5 rows. Total ₹15,069. Unique cities = 5. Phones length =10; shape checksही करा.

1,299 + 450 + 90 + 12,990 + 240 = 15,069. मोठी flagged amount या totalमध्ये अजून included आहे; verify केल्याशिवाय मनाने बदललेली नाही.

Practice

किमान 15 rows च्या sample मध्ये या chapter मधले विविध problems घाला. Clean करून row count, duplicates removed, total आणि unresolved issues यांची छोटी reconciliation note लिहा.

Chapter recap

Raw जपा. Spaces/case/mapping standardize करा. योग्य keyवर duplicates तपासा. Missing dataचा अर्थ ठरवा. Dates आणि amountsचे types दुरुस्त करा. Codes, phones आणि emails review करा. Outliers/errors flag करा. शेवटी counts आणि totals जुळवा. Repeat files साठी Power Query वापरा.

रवींद्र बागले यांची tip

Step order विचारपूर्वक ठेवा. आधी standardization केल्यामुळे duplicatesची व्याख्या consistent होते. Excel च्या प्रत्येक featureचा case behaviour सारखा असेल असं मानू नका. रोज हेच काम असेल तर Power Query मध्ये repeatable steps ठेवा.