Limpeza automática de dados

Limpeza automática de dados significa que os problemas dos seus dados são encontrados e corrigidos sem que ninguém precise escrever regras ou scripts antes. No Querri, a auditoria de dados aplica mais de 180 verificações de qualidade de dados a cada tabela assim que ela chega, e o Janitor, um agente de IA, limpa com você o que encontrou. O resultado é uma visão limpa que respostas, dashboards e agentes usam a partir daí.

Uma auditoria de dados é uma verificação sistemática de um conjunto de dados em busca dos problemas que deixam seus números errados: valores ausentes disfarçados, números salvos como texto, duplicados, formatos misturados, lacunas. No Querri, a auditoria de dados é uma página que aplica mais de 180 verificações a cada tabela assim que ela chega e lista o que encontrou, com o mais urgente primeiro e o motivo pelo qual cada problema importa.

Verificações de qualidade de dados que rodam sem ninguém escrever uma regra ou pedir por elas. O Querri verifica cada tabela quando ela é enviada ou conectada e cada visão quando é criada, e registra cada problema que encontra como uma nota de qualidade de dados que você pode reconhecer, descartar ou limpar.

Um agente de IA faz o trabalho de limpeza com você em vez de entregar uma lista. O Janitor lê as evidências da auditoria de dados, testa correções nas suas linhas, pergunta o que só você pode decidir, mostra o plano e cria uma visão limpa quando você aprova. Depois, o Querri mede essa visão de novo para provar quais problemas sumiram.

Qualquer tabela que chegue ao Querri, de um arquivo ou de um conector. Isso inclui Shopify, Stripe, Salesforce, HubSpot, Pipedrive, QuickBooks, NetSuite, Klaviyo, Mailchimp, Intercom, Zendesk, Google Ads, Meta Ads, Amazon Seller, Google Analytics, Mixpanel, Amplitude, data warehouses e bancos de dados como Snowflake, BigQuery, Redshift, Postgres, MySQL, SQL Server e Oracle, arquivos no Google Drive, e planilhas e CSVs enviados. A limpeza de dados de pedidos do Shopify ou de oportunidades do Salesforce funciona do mesmo jeito que a de um CSV exportado.

Sim. Cada tabela tem sua própria auditoria e sua própria visão limpa, então você limpa cada fonte primeiro e depois junta as visões limpas. As datas ficam em um só formato, as moedas são tratadas do jeito que você escolheu, as grafias são unificadas e os IDs são corrigidos dentro de cada fonte, e é isso que faz a junção bater. A auditoria também verifica as chaves de junção detectadas entre tabelas, como linhas filhas cuja chave não tem correspondência na tabela principal.

Sim. Exportações de planilha têm verificações próprias: linhas de total e subtotal no meio dos dados, cabeçalhos repetidos no meio do arquivo, meses dispostos como colunas, números de série do Excel se passando por datas, IDs transformados em 1.23E+11, CEPs que perderam o zero inicial e um arquivo que parou na última linha do Excel. Envie a exportação do jeito que está e a auditoria de dados lista o que encontrou.

Dentro de cada tabela, sim, e é isso que faz tabelas de sistemas diferentes concordarem. A auditoria identifica vários formatos de data em uma coluna, comprova a partir dos valores, quando possível, se o dia ou o mês vem primeiro, e sinaliza moedas misturadas ou valores cuja moeda discorda da coluna de moeda. O Janitor pergunta o que só você pode decidir, como converter as moedas ou mantê-las separadas, e a visão limpa escreve cada data e cada valor de um só jeito.

Ele separa três casos: linhas repetidas exatamente, chaves que se repetem com os mesmos valores e chaves que se repetem mas discordam, como um id de pedido com dois totais. Os dois primeiros podem simplesmente ser agrupados. Quando as repetições discordam, nada nos dados diz qual está certa, então o Janitor pergunta qual linha manter, com a recomendação dele primeiro.

Seus dados brutos continuam exatamente como chegaram. A correção é uma visão limpa, definida em SQL que você pode abrir e construída a partir da fonte em vez de escrever por cima. A fonte continua ao lado para você comparar uma com a outra.

Uma visão limpa é uma visão salva que aplica as correções do Janitor à tabela de origem, e a fonte passa a mostrar Limpa como com o nome da visão. Como é uma definição salva e não uma edição pontual, ela funciona do mesmo jeito com os dados do mês seguinte. Quando a visão é reconstruída, o Querri a mede de novo, e um problema que volta reabre a nota dele.

Muitas ferramentas de qualidade de dados monitoram pipelines para engenheiros, ou mostram estatísticas de colunas e esperam alguém construir a correção, e um script de limpeza só verifica aquilo para o que foi escrito. O Querri aplica suas verificações a cada tabela antes de alguém perguntar, ordena o que encontrou pelas perguntas e KPIs que leem cada coluna, pergunta as decisões que mudam um número e constrói a correção como uma visão que depois mede de novo.

As notas seguem as mesmas regras de acesso das tabelas que descrevem, e quando alguém só pode ver parte das linhas, os valores de exemplo ficam de fora. Nenhuma correção é aplicada sozinha: o Janitor mostra o plano em um cartão de revisão e só cria a visão limpa quando a pessoa que está trabalhando com ele aprova.

Sim. Descarte uma nota com um motivo e ela fica resolvida, então o próximo agente lê a sua decisão em vez de levantar o problema de novo. Use Criar um fato para salvar o que você sabe sobre os dados, e os agentes vão ler esse fato sempre que os usarem.