Nettoyer un export CSV de données SalesTrack CRM

L'export CSV SalesTrack : un format pratique mais imparfait

Je travaille quotidiennement avec des exports CSV issus de différents CRM, dont SalesTrack. Le format CSV reste incontournable pour transférer des données entre systèmes, mais j'ai remarqué qu'il arrive souvent « sale » avec des incohérences qui peuvent fausser vos analyses comptables.

SalesTrack génère des fichiers CSV plutôt bien structurés. Problème : les données remontées contiennent parfois des doublons, des formats de dates variables, ou des champs mal renseignés par les commerciaux. Résultat ? Votre tableau de bord financier devient inexploitable.

L'objectif de ce guide pratique : vous donner une méthode claire pour nettoyer efficacement ces exports avant de les intégrer dans votre système comptable ou vos outils de pilotage.

Identifier les problèmes courants dans un export SalesTrack

Avant de commencer le nettoyage, j'examine toujours la structure du fichier CSV. SalesTrack exporte généralement ces colonnes principales : ID client, nom société, montant deal, statut opportunité, date création, commercial assigné, et commentaires.

Les dysfonctionnements que je rencontre le plus souvent :

• Doublons d'opportunités : même client avec plusieurs lignes identiques mais des ID différents
• Formats de dates incohérents : DD/MM/YYYY mélangé avec MM/DD/YYYY
• Montants avec des séparateurs variables (virgule ou point décimal)
• Champs texte avec des caractères parasites ou des espaces en début/fin
• Statuts mal orthographiés : "En cours", "en cours", "EN COURS"

Ces anomalies semblent anodines mais elles faussent complètement vos calculs de chiffre d'affaires prévisionnel. J'ai déjà vu des écarts de 15% sur des prévisions trimestrielles à cause de doublons non détectés.

Analyse préliminaire du fichier

J'ouvre systématiquement le CSV avec Excel ou LibreOffice pour un premier diagnostic. Attention aux caractères d'encodage : SalesTrack utilise parfois de l'UTF-8 qui peut mal s'afficher avec certaines versions d'Excel.

Mon réflexe : trier par colonne « ID client » pour repérer visuellement les doublons évidents. Ensuite, je regarde la cohérence des montants. Des valeurs aberrantes comme « 50000000 » au lieu de « 50 000 » trahissent souvent une erreur de saisie commerciale.

Méthodes de nettoyage étape par étape

Mon processus s'articule autour de trois phases : suppression des doublons, standardisation des formats, et validation des données critiques.

Élimination des doublons

Excel propose une fonction native « Supprimer les doublons » dans l'onglet Données. Je la configure en sélectionnant les colonnes ID client + Montant + Date création. Cette combinaison capture 90% des vrais doublons sans supprimer des opportunités légitimes du même client.

Pour les cas complexes, j'utilise une formule conditionnelle. En colonne auxiliaire, j'écris : =NB.SI.ENS($A:$A;A2;$C:$C;C2)>1. Cette formule marque « 1 » si la combinaison Client/Montant apparaît plusieurs fois.

Je filtre ensuite sur cette colonne pour examiner manuellement les doublons potentiels. Cette vérification manuelle évite de supprimer par erreur des deals légitimes d'un même client pour des montants identiques.

Standardisation des formats de dates

SalesTrack mélange parfois les formats américain et européen. Ma technique : créer une colonne de conversion avec la formule SI(JOUR(A2)>12;DATEVAL(SUBSTITUE(A2;"/";"-"));A2).

Cette formule détecte automatiquement les dates au format MM/DD/YYYY (jour > 12) et les convertit. Pour les dates ambiguës comme 05/03/2024, je compare avec la date de création du compte client si elle est disponible dans l'export.

Alternative plus robuste : j'utilise la fonction REGEX d'Excel (versions récentes) ou un outil comme OpenRefine pour traiter les formats de dates en lot.

Harmonisation des montants

Les commerciaux saisissent parfois « 15,500.00 » (format anglo-saxon) dans un SalesTrack configuré en français. Je normalise avec cette formule : =NBVAL(SUBSTITUE(SUBSTITUE(A2;" ";"");",";"."))

Pour les montants aberrants, je créé un filtre conditionnel qui marque en rouge les valeurs supérieures à 10 fois la médiane ou inférieures au dixième de la médiane. Cette règle capture les erreurs de frappe évidentes.

Outils recommandés pour automatiser le nettoyage

Excel reste mon outil principal mais j'ai testé plusieurs alternatives selon la complexité du fichier SalesTrack.

OpenRefine excelle pour les gros volumes (+ 10 000 lignes). Interface moins intuitive qu'Excel mais puissant pour détecter des patterns complexes. Je l'utilise notamment pour regrouper des variantes de noms de société : "SARL Martin", "Sarl Martin", "Martin SARL".

Pour automatiser complètement le processus, Power Query d'Excel permet de créer des scripts de nettoyage réutilisables. Une fois configuré, je peux traiter un nouvel export SalesTrack en un clic.

J'ai aussi expérimenté avec des solutions cloud comme Trifacta ou des scripts Python pandas, mais leur temps de prise en main ne se justifie que pour des volumes très importants ou des traitements quotidiens.

Intégration avec d'autres CRM

Quand je dois migrer des données SalesTrack vers un autre système, je rencontre des problématiques similaires. Par exemple, savoir comment utiliser le CRM SalesFlow Evolution devient important car ce logiciel a ses propres exigences de format pour l'import CSV. SalesFlow Evolution accepte mieux les dates au format ISO (YYYY-MM-DD) que SalesTrack.

De même, comprendre comment utiliser le CRM SmartLead Evolution aide à préparer l'export SalesTrack selon les standards attendus. SmartLead Evolution impose par exemple une limite de 255 caractères sur le champ commentaires, alors que SalesTrack peut exporter des textes plus longs.

Validation et contrôle qualité des données nettoyées

Une fois le nettoyage terminé, je vérifie systématiquement trois indicateurs : cohérence des totaux, distribution des statuts, et intégrité des relations client-opportunité.

Contrôle des totaux : je compare la somme des montants avant/après nettoyage. Un écart supérieur à 2% signale généralement un problème dans le processus de déduplication.

Distribution des statuts : j'utilise un tableau croisé dynamique pour vérifier que les proportions « Prospect/En cours/Gagné/Perdu » restent cohérentes. Une chute brutale d'une catégorie révèle souvent une suppression excessive.

Relations client-opportunité : je compte le nombre moyen d'opportunités par client avant/après. Cette métrique doit rester stable sauf suppression volontaire de doublons.

Tests de cohérence métier

Au-delà des contrôles techniques, je valide la logique business. Par exemple : aucune opportunité « Gagnée » avec un montant à zéro, pas de date de clôture antérieure à la date de création, cohérence entre le statut et le commercial assigné.

Pour les montants, je vérifie que la médiane reste dans la fourchette habituelle de votre entreprise. Si elle chute de 20%, c'est suspect. Soit j'ai supprimé des deals légitimes, soit l'export SalesTrack initial était biaisé.

Automatisation et bonnes pratiques pour l'avenir

Le nettoyage manuel prend du temps. J'ai donc créé une macro Excel qui automatise 80% du processus pour les exports SalesTrack récurrents. Cette macro applique systématiquement : suppression des lignes vides, standardisation des formats de dates, détection des doublons évidents.

Pour les équipes non techniques, je recommande de formaliser une check-list de nettoyage. Cinq étapes maximum, avec des captures d'écran pour chaque manipulation. Objectif : permettre à un assistant comptable de traiter l'export en 30 minutes au lieu de deux heures.

Autre astuce : négocier avec l'équipe commerciale des règles de saisie plus strictes dans SalesTrack. Formats de dates imposés, listes déroulantes pour les statuts, validation automatique des montants. Mieux vaut prévenir que nettoyer.

Questions fréquentes

Faut-il nettoyer systématiquement tous les exports SalesTrack ?
Pas forcément. Pour un simple contrôle visuel ou un usage ponctuel, le nettoyage peut être superflu. En revanche, pour intégrer les données dans votre système comptable ou construire des tableaux de bord, c'est indispensable.

Combien de temps prévoir pour nettoyer un export de 1000 lignes ?
Avec Excel et un processus rodé : 45 minutes à 1h30 selon le niveau de "saleté" des données. Les premières fois, comptez facilement 3 heures pour apprivoiser les spécificités de votre instance SalesTrack.

Peut-on automatiser complètement le nettoyage ?
Partiellement seulement. Les règles métier (distinction entre doublons et opportunités multiples légitimes) nécessitent souvent une validation humaine. L'automatisation traite 70-80% des cas standard, le reste demande un œil expert.

Comment éviter la perte de données importantes pendant le nettoyage ?
Toujours travailler sur une copie de l'export original. Je garde systématiquement le fichier brut en sauvegarde. De plus, je documente chaque étape de nettoyage dans un fichier de log pour pouvoir revenir en arrière si nécessaire.