Profil jakości danych z pliku CSV

Darmowe narzędzie online: wgraj plik CSV i sprawdź kompletność, unikalność i ważność danych z semaforem. Plik nie opuszcza Twojej przeglądarki.

Wgraj plik CSV i zobacz w minutę, jak wygląda jakość danych w środku: ile wartości brakuje (także tych ukrytych pod n/d, - i brak), czy rekordy się nie powtarzają i czy numery NIP, e-maile i telefony mają poprawny format. Wynik dostajesz z semaforem w tych samych progach, co w arkuszu Scorecard: zielony od 95%, żółty od 85%, czerwony poniżej.

Plik nie opuszcza Twojej przeglądarki. Narzędzie liczy wszystko lokalnie, nie wysyła niczego na serwer, a przeglądarka dodatkowo blokuje jego połączenia sieciowe. Poniżej opisałem, jak możesz to sprawdzić samodzielnie.

Otwórz narzędzie

Co robi

  • Kompletność: liczy wypełnione pola wymagane i rekordy, w których wypełnione jest wszystko. Obsługuje reguły warunkowe, np. „NIP jest wymagany tylko wtedy, gdy typ klienta to firma”.
  • Unikalność: wyszukuje duplikaty po wskazanym kluczu albo identyczne wiersze.
  • Ważność: sprawdza format e-maila, NIP (z sumą kontrolną), kod pocztowy, telefon, daty z przyszłości i zakresy liczbowe.
  • Raport: wynik na wymiar i łączny, lista kolumn wymagających uwagi, eksport do HTML i JSON.

Narzędzie samo podpowiada reguły z nazw kolumn i z zawartości, a Ty możesz je zmienić. Szczegóły w kodzie źródłowym (licencja MIT).

Jak sprawdzić, że dane nie wychodzą z przeglądarki

  1. Otwórz narzędzie i naciśnij F12 (narzędzia deweloperskie), zakładka Sieć (Network).
  2. Wyczyść listę żądań i wybierz plik. Zbuduj raport i pobierz go.
  3. Lista pozostaje pusta: po załadowaniu strony narzędzie nie wykonuje żadnych żądań.

Za tym stoją dwa mechanizmy. Plik jest czytany w przeglądarce przez standardowe API wyboru plików. Strona narzędzia ma politykę bezpieczeństwa treści (CSP) z dyrektywą connect-src 'none', więc przeglądarka sama odrzuca każdą próbę połączenia, także z tej samej domeny. Zachowanie jest sprawdzane testami automatycznymi w przeglądarce, razem z odpornością na złośliwe nazwy kolumn.

Narzędzie działa na osobnej stronie, bez analityki i bez nagrywania sesji. Ta strona opisowa podlega ogólnym zasadom analityki serwisu, szczegóły w polityce prywatności.

Czego narzędzie nie mierzy

To celowo mały zakres, żeby wynik był uczciwy:

  • Trzy z sześciu wymiarów jakości danych. Nie ocenia dokładności (czy dane zgadzają się z rzeczywistością), spójności między systemami ani aktualności.
  • Poprawny format nie znaczy prawdziwa wartość. NIP z dobrą sumą kontrolną może należeć do nieistniejącej firmy, a poprawnie wyglądający e-mail do nieistniejącej skrzynki.
  • Polskie formaty. NIP, telefon i kod pocztowy są sprawdzane według polskich reguł.
  • Limit pliku: 25 MB (UTF-8 lub Windows-1250, separator wykrywany automatycznie). Pamięć zużywana przez przeglądarkę jest wielokrotnie większa niż rozmiar pliku, stąd limit.
  • Wynik łączny to prosta średnia ze zmierzonych wymiarów, a nie ocena całej organizacji.

Decyzję, które pola są wymagane i jaki próg jest akceptowalny, podejmuje właściciel danych, nie narzędzie. Bez niego wynik jest tylko liczbą.

Plik do wypróbowania

Nie masz pod ręką pliku? Pobierz klienci-przyklad.csv (12 wymyślonych rekordów, bez prawdziwych danych) i wgraj do narzędzia. Numery NIP w pliku są wymyślone i celowo nie przechodzą sumy kontrolnej, więc reguła NIP pokaże błędy.

Co dalej