Scénario 32: Nettoyer les noms, les dates et les doublons dans une liste de clients

Pour qui et dans quelle situation

Murat, coordinateur du service client dans une entreprise de logistique à Ankara, regroupe les enregistrements de livraison provenant de différentes agences. Le même nom d’entreprise apparaît plusieurs fois, avec des différences d’espacement, de casse, de format de date et des doublons.

Comment procède-t-on aujourd’hui

Murat active un filtre pour rechercher les noms similaires, supprime les espaces superflus et corrige manuellement le format des dates. Il cherche ensuite à comprendre pourquoi le PivotTable comptabilise certains enregistrements séparément.

Comment procéder avec l’IA

1. Dans Excel, il ouvre Copilot en cliquant sur son icône et saisit @clean-data au début du prompt. Cette compétence vérifie les espaces, les formats de texte et de nombres incohérents, les dates incohérentes, les valeurs en double et les types de données incorrects. [74]
2. Il demande d’abord : « Liste les anomalies par catégorie, avec un exemple de cellule et leur effet potentiel » ; il ne demande pas de correction automatique.
3. Il vérifie chaque modification proposée à l’aide du code client, notamment pour déterminer si deux clients portant le même nom correspondent réellement au même enregistrement. La compétence explique les suggestions et propose des corrections à sélectionner. [74]
4. Il sélectionne les suggestions appropriées et les valide avec Apply, puis compare les codes clients uniques et le nombre total de lignes avec l’ancienne copie.

Exemple de prompt

Examine {le tableau de suivi des livraisons} avec @clean-data. Liste les espaces superflus, les différences dans l’écriture des noms d’entreprise et de ville, les formats de date, les valeurs en double et les types de données incorrects. Ne fais aucune modification dans un premier temps ; indique, pour chaque suggestion, le point à vérifier.

Preuves et exemple réel

Aucune étude de cas indépendante publiée n’a été trouvée pour ce scénario logistique. Il s’appuie sur le processus de vérification et d’application sélective décrit par Microsoft pour la compétence @clean-data. [74] La documentation officielle de ChatGPT décrit également les vérifications des valeurs manquantes, des valeurs aberrantes, des doublons et des types de données incorrects. [75]

Points de vigilance

Microsoft indique que le déploiement en production de la compétence @clean-data est en cours et qu’elle peut ne pas être disponible pour tout le monde. [74] Un même nom ne désigne pas automatiquement le même client ; fondez votre décision de fusion sur le code client validé et recomptez les totaux après le nettoyage.

Sources de ce scénario

74. Use built-in skills with Copilot in Excel (support.microsoft.com)
75. Extracting insights with ChatGPT data analysis (help.openai.com)