Client की Excel file साफ दिखती है, लेकिन duplicate orders और उलटी dates उसकी report बिगाड़ सकती हैं। AI Excel data cleaning सीखकर आप ऐसी files को उपयोगी बनाने की service दे सकते हैं।
इसके लिए केवल एक AI prompt चलाना पर्याप्त नहीं है। आपको सही records बचाने, बदलाव समझाने और final totals मिलाने आने चाहिए।
इस guide में छोटा practice dataset, काम का scope, delivery checklist और quote बनाने का उदाहरण मिलेगा। शुरुआत एक सुरक्षित sample से करें, फिर client का सीमित paid pilot लें।
सबसे पहले समझें कि client file cleaning के बदले वास्तव में किस परिणाम के पैसे देता है।
इस लेख में आप क्या सीखेंगे?
- Client की समस्या समझना
- Cleaning का scope लिखना
- Sample data साफ करना
- AI output verify करना
- Service का quote बनाना
- पहला project deliver करना
Client से काम तय करना
AI Excel data cleaning service में क्या deliver करेंगे?
यह service spreadsheet को सुंदर बनाने से आगे जाती है। इसका उद्देश्य data को तय business use के लायक बनाना है। उदाहरण के लिए, shop owner को weekly orders का भरोसेमंद total चाहिए।
काम में extra spaces, inconsistent categories, गलत data types और confirmed duplicate rows ठीक करना शामिल हो सकता है। Missing information पहचानना भी उपयोगी deliverable है। हर blank cell भर देना cleaning नहीं है।
Unknown value को unknown रहने दें। ग्राहक की city, phone number या payment status AI से अनुमान लगाकर न भरें। Client confirmation की ज़रूरत हो, तो exception list में डालें।
Final package में cleaned workbook, change log, unresolved exceptions और छोटा validation summary दें। Original file अलग सुरक्षित रखें। इससे client समझता है कि क्या बदला और कौन-सा निर्णय अभी बाकी है।
अगर service work नया है, तो पहले AI की मदद से freelancing शुरू करने की guide पढ़ें। Tool सीखने के साथ delivery और communication की practice भी करें।
Project लेने से पहले ये पाँच बातें पूछें
पहला सवाल है: इस file से कौन-सी report या decision बनना है? Sales report और customer directory के cleaning rules अलग होंगे। बिना purpose समझे सभी repeated values हटाना नुकसान कर सकता है।
दूसरा सवाल unique record की पहचान का है। एक order में दो products हों, तो Order ID दो बार आ सकती है। ऐसे में Order ID और Line ID का combination ज़रूरी होगा।
तीसरा सवाल dates, currency और category rules का है। 03/04/2026 को client 3 अप्रैल मानता है या 4 मार्च? Source system का format पूछें; केवल अपनी locale setting पर भरोसा न करें।
चौथा सवाल permissions और privacy का है। क्या file में personal information है?
क्या client external AI tool पर upload की अनुमति देता है? अनुमति न हो, तो local spreadsheet tools और masked sample तक सीमित रहें।
पाँचवाँ सवाल acceptance का है। कितने sheets, कितनी rows, कौन-से columns, कितने revisions और deadline क्या होगी? इन बातों को छोटे written scope में confirm करें।
Excel में data साफ करने की practice
Practice dataset: duplicate और missing में फर्क
नीचे पूरी तरह hypothetical order data है। इसे Excel में बनाकर practice कर सकते हैं।
Order ID को text रखें, ताकि शुरुआत के zero सुरक्षित रहें। Amount रुपये में है।
| Row | Order ID | Line | City | Amount | समस्या |
|---|---|---|---|---|---|
| 1 | 0012 | 1 | Delhi | 500 | Extra spaces |
| 2 | 0012 | 1 | Delhi | 500 | Row 1 की exact repeat |
| 3 | 0012 | 2 | Delhi | 300 | उसी order की अलग line |
| 4 | 0013 | 1 | delhi | 200 | Capitalization अलग |
| 5 | 0014 | 1 | खाली | 0 | City missing; amount valid zero |
Raw amount total ₹1,500 है। Client ने Order ID + Line को unique key माना है।
इसलिए केवल row 2 हटेगी। Cleaned total ₹1,000 होगा, जिसमें order 0012 की दोनों अलग lines बचेंगी।
Delhi के spaces और spelling style standard करें। Missing city को “Review required” status दें, source cell खाली रखें। ₹0 को missing न समझें; zero-value order business rule के अनुसार valid हो सकता है।

यहाँ AI का सबसे खतरनाक shortcut “same order number मतलब duplicate” होगा। ऐसा करने से ₹300 की सही line भी हट सकती है। इसलिए key और exceptions पहले तय किए गए हैं।
Excel में सुरक्षित cleaning workflow
Original workbook की copy बनाएँ और उसे read-only backup की तरह रखें। Working file में Raw, Cleaned, Exceptions और Change log जैसे स्पष्ट sheet names रखें। Filename में version और date जोड़ें।
Microsoft की official duplicate-removal guide भी backup की सलाह देती है। Remove Duplicates rows को स्थायी रूप से हटाता है और पहली occurrence रखता है।
पहले filters और conditional formatting से suspicious rows देखें। फिर तय key columns पर duplicates review करें। केवल नाम समान होने से दो customers एक व्यक्ति नहीं हो जाते।
Text fields में whitespace का rule लागू करें, लेकिन हर column पर एक ही treatment न चलाएँ। Product code में dash या leading zero अर्थपूर्ण हो सकता है। City spelling का approved mapping table बनाएँ।
Date columns को parse करने से पहले source format confirm करें। Ambiguous dates को exception रखें।
Amount column में number, currency symbol और negative refund entries अलग जाँचें। Refund को positive sale में न बदलें।
Repeated monthly work में Power Query उपयोगी हो सकता है। Steps document करें और नए month की file पर refresh test करें। पहली file पर सही result मिलना recurring process की पूरी verification नहीं है।
AI को कौन-सा prompt देना उपयोगी होगा?
Client की पूरी private file भेजने के बजाय पहले artificial sample और column definitions दें। AI से deletion शुरू करवाने के स्थान पर cleaning plan माँगें। Suggested formula या steps को अलग working copy पर जाँचें।
तुम spreadsheet quality reviewer हो। नीचे artificial sample है। पहले columns के data types, possible duplicates और ambiguous values पहचानो। कोई row delete मत करो। हर proposed change के सामने reason और client approval की ज़रूरत लिखो। Unique key Order ID + Line है। Order IDs text रहेंगे। Missing city invent मत करो। Zero amount को blank मत मानो। अंत में row count और amount reconciliation की checklist दो।
अगर AI formula देता है, तो छोटे known cases से test करें। सही row, duplicate row और intentionally ambiguous row तीनों शामिल हों। Formula सही दिखने पर भी range, headers और locale separator जाँचें।
किसी answer को “verified” तभी लिखें, जब आपने comparison किया हो। AI का confidence अपने आप evidence नहीं है। Business में AI के practical risks समझना client data के साथ खास उपयोगी है।
Quality check और service pricing
Delivery से पहले चार reconciliation checks
पहले totals मिलाएँ।
Row count: Raw में 5 rows थीं, एक confirmed repeat हटी और Cleaned में 4 बचीं। यह equation change log से मिलनी चाहिए। बाकी deleted rows का reason न मिले, तो file रोकें।
Amount total: Raw ₹1,500 minus confirmed duplicate ₹500 equals Cleaned ₹1,000। Category normalization से total बदलना नहीं चाहिए। Difference आए, तो formatting और numeric conversion भी देखें।
Key integrity: Final unique keys जाँचें। Leading zeros, product codes और original identifiers सुरक्षित हैं या नहीं? Random sample के साथ सभी flagged exceptions review करें।
Client-readable exceptions: Missing city की एक entry अलग list में दिखे। “कुछ data गलत था” के बजाय record key, issue, suggested next action और status लिखें।
Validation summary में “all data accurate” जैसा broad claim न करें। लिखें कि agreed checks पूरे हुए, किस source file पर हुए और कौन-से fields client confirmation पर निर्भर हैं।
Service का price कैसे तय करें?
केवल row count से quote न बनाएँ। पाँच सौ messy records कभी पाँच हजार consistent records से अधिक समय ले सकते हैं। Sheets, rules, manual review और privacy constraints effort बदलते हैं।
मान लें practice quote में profiling 30 मिनट, cleaning 60 मिनट, validation 30 मिनट और handover 30 मिनट लगते हैं। कुल 2.5 घंटे हुए। अपने planning rate ₹400/hour पर base effort ₹1,000 होगा।
यह केवल calculation example है, market rate या guaranteed earning नहीं। Tool costs, payment charges और revision buffer जोड़ना हो, तो quote में स्पष्ट करें। Applicable tax treatment अपनी स्थिति के अनुसार जाँचें।
Client को “एक workbook, अधिकतम तीन sheets, approved rules, एक revision और exceptions list” जैसा package दें। New columns, source merging या manual research को extra scope रखें।
पहले sample की सीमित rows देखकर estimate दें। Sensitive file के बिना scope स्पष्ट न हो, तो fixed price confirm करने से पहले paid discovery या redacted sample माँगें।
पहले client से final handover तक
पहला client और portfolio कैसे बनाएँ?
Artificial dataset का before/after sample बनाकर बताएँ कि कौन-सा business error रोका। केवल colourful dashboard दिखाने से cleaning skill साबित नहीं होती। Raw file, rules और verification summary साथ दिखाएँ।
Local retailer, tutor या small service business के recurring sheets समझ सकते हैं। पहले पूछें कि reporting में कहाँ समय जाता है। उसी समस्या से जुड़ा छोटा pilot offer दें।
AI service business की planning में भी service outcome स्पष्ट रखना उपयोगी है। “हर Excel काम कर दूँगा” की जगह एक repeatable problem चुनें।
Customer की file को public portfolio में permission के बिना न डालें। Sample client का नाम, phone या revenue उजागर किए बिना बनाया जा सकता है। Testimonial लिखवाएँ; स्वयं customer की तारीफ invent न करें।
Delivery message में file links, version, checks और open issues दें। Follow-up में पूछें कि client report चला पाया या नहीं। नई requirement मिले, तो पुराने scope में चुपचाप जोड़ने के बजाय अलग estimate दें।
Client को भेजने वाला handover कैसा हो?
चार clearly named files दें: original reference, cleaned workbook, change log और exceptions summary। Password-protected transfer की ज़रूरत हो, तो client का approved channel इस्तेमाल करें। Public sharing link default न बनाएँ।
Change log में rule, affected record count और example रखें। “Names cleaned” के बजाय “City field के leading/trailing spaces हटाए; approved mapping लागू किया” लिखना बेहतर है।
Handover note में baseline और final counts साथ दें। ऊपर वाले sample के लिए लिखें: पाँच से चार records, ₹1,500 से ₹1,000 total, एक approved duplicate removed और एक city pending।
Client को छोटा review window दें। वह किसी source fact को correct करे, तो नया version निकालें। पुराने version को silently replace करने से future comparison कठिन हो सकता है।
Project बंद होने पर retention agreement follow करें। Client ने local copies हटाने को कहा हो, तो तय policy के अनुसार करें। Recurring work में भी हर month की source file और validation result स्पष्ट रहें।
अपनी practice में एक deliberate error भी डालें। किसी amount का text बन जाना या एक key का zero खोना पकड़ पाते हैं? ऐसा test workflow की कमजोरी client delivery से पहले दिखा सकता है।
आख़िर में एक छोटी सी बात
Data cleaning की अच्छी service की पहचान कम mistakes और स्पष्ट handover है। AI drafting और issue spotting में समय बचा सकता है, लेकिन record हटाने का निर्णय rules से होना चाहिए।
आज पाँच-row sample पर practice करें। Backup, unique key, exceptions और totals सही मिलें, तभी थोड़ा बड़ा sample लें। इसी discipline से portfolio बनेगा और client को काम समझ आएगा।
आप किस तरह की Excel files पर काम शुरू करना चाहते हैं, comments में बताएँ। यह guide उपयोगी लगी हो, तो spreadsheet सीख रहे किसी दोस्त तक पहुँचाएँ।
