📊 Excel Sales Data Cleaner

Pipeline automatizado de validación y limpieza de datos de ventas en Excel, diseñado para transformar archivos periódicos en datasets fiables y listos para análisis financiero.

Automated validation and cleaning pipeline for Excel sales data, designed to transform periodic files into reliable, analysis-ready datasets.

👉 De Excel desordenado a datos listos para análisis en segundos
👉 From messy Excel files to analysis-ready datasets in seconds

---

🚀 Demo

Flujo de trabajo de ejemplo desde datos en bruto hasta resultados finales
Example workflow from raw input to clean output

---

🎯 Problema que resuelve / Problem it solves

Equipos de ventas y finanzas trabajan con Excel exportados periódicamente que:

• contienen errores, duplicados y valores inconsistentes
• requieren limpieza manual antes de cualquier análisis
• introducen riesgo en reporting y cierres financieros

Sales and finance teams often work with periodically exported Excel files that:

• contain errors, duplicates, and inconsistent values
• require manual cleaning before analysis
• introduce risk into reporting and financial processes

Este proyecto automatiza ese proceso, reduciendo el esfuerzo manual y mejorando la fiabilidad de los datos.

This project automates that process, reducing manual effort and improving data reliability.

---

🧩 ¿Qué hace la aplicación? / What does the app do?

Permite a usuarios no técnicos:

1. 📁 Subir un Excel
2. 🔍 Detectar errores automáticamente
3. 🧹 Limpiar los datos
4. 📥 Descargar resultados listos para análisis

It allows non-technical users to:

1. 📁 Upload an Excel file
2. 🔍 Automatically detect errors
3. 🧹 Clean the data
4. 📥 Download analysis-ready results

---

🧠 Enfoque técnico / Technical approach

Construido como un pipeline modular de datos:

• Capa de validación → control de calidad de datos
• Capa de limpieza → transformación y filtrado
• Capa de salida → generación de outputs para negocio

Built as a modular data pipeline:

• Validation layer → data quality checks
• Cleaning layer → transformation and filtering
• Output layer → business-ready exports

Esto permite:

• separación de responsabilidades
• reutilización de lógica
• escalabilidad del sistema

This enables:

• clear separation of responsibilities
• reusable logic
• scalable design

---

🧪 Validaciones / Validation checks

• estructura del dataset

• nombres de columnas

• duplicados

• valores nulos

• formatos de fecha

• valores numéricos

• reglas de negocio (id_venta, importe, etc.)

• dataset structure

• column naming

• duplicates

• missing values

• date formats

• numeric validation

• business rules (id_venta, importe, etc.)

---

🧹 Limpieza / Cleaning logic

• eliminación de filas vacías

• eliminación de duplicados

• imputación de valores

• recalculo de métricas

• filtrado de registros inválidos

• removal of empty rows

• duplicate removal

• value imputation

• metric recalculation

• filtering invalid records

---

📦 Outputs

• Informe de validación (Excel / JSON)

• Dataset limpio formateado

• Informe de limpieza

• Validation report (Excel / JSON)

• Clean formatted dataset

• Cleaning report

---

⚠️ Requisito / Requirement

Compatible con una estructura definida de datos de ventas
(e.g. columnas como id_venta, importe)

Compatible with a defined sales data structure
(e.g. fields such as id_venta, importe)

---

⚙️ Uso rápido / Quick start

git clone https://github.com/CrisRguezA/excel-data-cleaner.git
cd excel-data-cleaner
pip install -r requirements.txt
streamlit run client_app/app.py

---

📁 Estructura / Structure

client_app/   → interfaz Streamlit / Streamlit interface  
src/          → lógica de validación y limpieza / validation & cleaning logic  
data/         → inputs  
outputs/      → resultados / outputs  

---

👤 Autora / Author

Cristina Rodríguez Arroyo
Data Engineer
https://github.com/CrisRguezA

---

💡 Contexto / Context

Proyecto desarrollado como simulación de entregable profesional, enfocado en:

• calidad de datos
• automatización de procesos
• diseño de pipelines
• generación de outputs para negocio

Project developed as a realistic client-facing deliverable focused on:

• data quality
• process automation
• pipeline design
• business-ready outputs