Cómo encontrar duplicados parecidos en Excel
- Carga la lista. Un archivo Excel, ODS o CSV, o una columna pegada desde Excel. Cada fila es un cliente, un proveedor, un contacto o un producto.
- Elige la columna que se compara, normalmente el nombre o la razón social. Si dos filas solo pueden ser la misma cuando comparten población, país o código postal, añade esa columna como coincidencia exacta.
- Pulsa Buscar duplicados. Las filas cuya similitud alcanza el umbral se enlazan en grupos.
- Revisa cada grupo. Viene marcada la fila más completa. Marca otra, conserva varias o pulsa «Conservar todas» cuando sean personas o empresas distintas.
- Descarga el Excel con la lista limpia, la lista completa con columnas de grupo y similitud, y los grupos para tu registro.
Privacidad: sin subir archivos
Las listas de clientes y contactos contienen datos personales. Esta herramienta las lee y las compara con JavaScript dentro de tu navegador, en un proceso en segundo plano. No se envía nada a ningún servidor: la página solo descarga su propio código y la librería de código abierto que lee archivos Excel (SheetJS).
Puedes comprobarlo en la pestaña Red de las herramientas de desarrollo, o desconectarte de internet después de cargar la página y seguir trabajando.
Por qué «Quitar duplicados» de Excel no basta
Datos → Quitar duplicados, la función UNICOS() y el formato condicional de «Valores duplicados» buscan celdas idénticas. En un CRM o en un maestro de proveedores real, la misma empresa aparece como «Talleres Unidos S.L.U.», «TALLERES UNIDOS» y «Talleres Unidos, SLU»: tres valores distintos para Excel. Limpiarlos a mano con ESPACIOS, MINUSC y SUSTITUIR resuelve los espacios y las mayúsculas, pero no las tildes, las formas jurídicas, las erratas ni el orden entre nombre y apellidos.
Esta herramienta normaliza primero esas diferencias y después mide cuánto se parecen los textos, de 0 a 100. También encuentra los duplicados exactos, así que no hace falta pasar antes «Quitar duplicados». Si solo necesitas los exactos, quitar duplicados en Excel es más rápido.
Qué se considera un duplicado parecido
Estas son puntuaciones reales de la herramienta. Con el umbral por defecto, 88, se agrupan las seis primeras parejas.
| Fila | Otra fila | Similitud | Por qué |
|---|
| José García | JOSÉ GARCÍA | 100 | Solo mayúsculas y tildes |
| Construcciones Pérez S.L. | CONSTRUCCIONES PEREZ, SA | 100 | Mayúsculas, tildes y forma jurídica |
| María Fernández López | Fernández López, María | 100 | Apellidos delante |
| Talleres Unidos S.L.U. | Talleres Unidos | 100 | Forma jurídica |
| Ferretería López | Ferreteria Lopes | 95 | Una errata |
| José García | José García Pérez | 89 | Falta el segundo apellido: revísalo |
| Nave 5 Polígono Norte | Nave 6 Polígono Norte | 68 | Números distintos |
| Laura Gómez Ruiz | José García | 45 | Nada que ver |
Cómo se forman los grupos
Comparar cada fila con todas las demás crece con el cuadrado de la lista: 10.000 filas son 50 millones de parejas. En lugar de eso, cada nombre se divide en trozos de tres letras (trigramas) y solo se puntúan las filas que comparten suficientes, lo que deja 10.000 filas en un par de segundos. Cada pareja que supera el umbral se enlaza, y las filas enlazadas forman un grupo, también cuando el enlace es indirecto (A se parece a B y B a C). Por eso un umbral muy bajo puede crear cadenas largas: si un grupo parece demasiado grande, sube el umbral o añade una columna que deba coincidir exactamente.
Usos habituales
- Limpiar el CRMJunta las cuentas que dieron de alta dos comerciales distintos antes de una migración o de un envío.
- Maestro de proveedoresEncuentra proveedores dados de alta como «Bodegas Muñoz» y «BODEGAS MUNOZ, S.A.» y evita pagar dos veces la misma factura.
- Listas de correo y eventosDetecta a quien se apuntó dos veces escribiendo su nombre de otra forma.
- Catálogos de productosLocaliza el mismo artículo dado de alta con nombres casi iguales.
- Socios y donantesAgrupa los registros de una misma persona antes de contar socios o donantes.
- Datos de investigaciónUnifica nombres de centros, municipios o especies tecleados a mano.
Limitaciones conocidas
- La similitud es una estimación. Dos personas distintas con el mismo nombre pueden quedar en el mismo grupo; mira otra columna, como el email o el DNI, antes de quitar filas.
- Los grupos son cadenas: con un umbral bajo, filas que no se parecen pueden acabar juntas a través de una fila intermedia.
- Las filas se conservan o se quitan, nunca se fusionan: no se combinan valores de varias filas en una.
- No se desarrollan abreviaturas ni apodos («Hnos.» y «Hermanos», «Pepe» y «José» puntúan bajo).
- De cada fila solo se puntúan a fondo los 40 candidatos más prometedores (por trigramas compartidos); en listas muy repetitivas se puede escapar algún enlace débil.
- Se compara una hoja y una columna cada vez. No se guardan las parejas con similitud inferior a 70.