Domande · Deduplica

Excel non trova i duplicati: perché, e cosa fare?

Cosa fa davvero «Rimuovi duplicati»

La funzione confronta il contenuto delle celle che scegli, colonna per colonna, carattere per carattere. Trova la riga identica: stesso testo, stesse maiuscole, stessi spazi. Tutto quello che si scosta anche di un dettaglio non viene considerato uguale, e la riga resta in anagrafica come se fosse un'altra persona.

Nella pratica basta pochissimo per far fallire il confronto: uno spazio in più dopo il civico, «Rossi Mario» invece di «Mario Rossi», «V. Roma» al posto di «Via Roma». Nessuno di questi casi è raro: sono il modo normale in cui le persone scrivono un'anagrafica, non un'eccezione. Chi ha inserito la seconda riga non ha sbagliato niente: ha solo scritto le stesse informazioni con le sue parole, in un momento diverso, magari da un modulo diverso.

Lo stesso limite riguarda le formule che confrontano manualmente due colonne, o una VERIFICA/CONFRONTA su nome e indirizzo: sono comunque un confronto di testo, e il testo di due doppioni reali quasi mai coincide carattere per carattere.

Perché due righe che sembrano diverse sono spesso la stessa persona

• Maiuscole e spazi. «MARIO ROSSI» e «Mario Rossi » (con uno spazio finale) sono per Excel due testi diversi.
• Abbreviazioni della via. «V. Roma 12» e «Via Roma, 12» non hanno una sola lettera identica nella posizione giusta.
• Cognome e nome invertiti. Un'importazione con le colonne scambiate produce «Rossi Mario» accanto a «Mario Rossi», e nessuna delle due formule standard li accosta.
• Nomi equivalenti. «Dany Rossi» e «Rossi Daniela» non condividono nemmeno il nome per intero.
• CAP o provincia mancanti su una sola riga. Una cella vuota basta a rompere un confronto esatto su più colonne.

Excel non sbaglia: fa esattamente quello che gli hai chiesto, un confronto letterale. Il problema è che un'anagrafica reale non è mai scritta in modo uniforme.

Cosa perdi buttando una riga a caso

Anche quando due righe vengono riconosciute come uguali (per esempio perché sono state copiate una sull'altra), scartarne una a caso è rischioso: se l'email era registrata solo su una riga e il telefono solo sull'altra, tenendone una sola perdi un recapito. E se la scelta è manuale, su un'anagrafica di qualche migliaio di righe diventa un lavoro lungo e soggetto a errori quanto quello che si vuole risolvere: bisogna aprire ogni coppia sospetta, confrontarla a occhio, decidere quale tenere e ricopiare a mano i dati che mancano dall'altra.

C'è anche un rischio meno visibile: scartare la riga sbagliata quando le due non sono affatto la stessa persona, ma solo due persone con lo stesso nome nello stesso comune. Un confronto solo testuale non ha modo di distinguere i due casi, mentre servirebbe proprio lì la cautela maggiore.

Cosa fa invece un confronto vero

La deduplica di RadarAddress lavora in due tempi. Prima sistema ogni indirizzo nella sua forma corretta — via per esteso, CAP giusto, comune scritto bene — così due grafie della stessa via diventano la stessa via prima ancora di essere confrontate. Poi mette a confronto i nominativi, riconoscendo i nomi equivalenti (Dany e Daniela), l'ordine invertito di cognome e nome, un refuso nel cognome e il titolo davanti al nome, che non conta nel verdetto.

Il risultato non è una riga cancellata: è una scheda principale che prende da ciascun doppione il campo migliore, email e telefono compresi, con scritto da dove viene ogni informazione. E ogni gruppo porta un livello di certezza — certo, probabile, ambiguo — così sai quali unire a occhi chiusi e quali guardare tu, invece di doverlo decidere riga per riga come in un foglio di calcolo.

Su un'anagrafica caricata come file il confronto gira sull'intera lista in un lavoro solo, fino a 100.000 schede: non serve ordinare, raggruppare o incrociare fogli a mano.

Lo stesso caso, due esiti diversi

Le due righe non condividono una sola stringa identica — ordine invertito, abbreviazione, CAP presente solo su una — ma sono lo stesso indirizzo e la stessa persona.