Làm sạch dữ liệu

Khi một bảng Excel được ghép từ nhiều nguồn — ba tổ đội gửi ba file, dữ liệu dán từ PDF, danh bạ nhà thầu copy từ web — nó luôn dính cùng một tập lỗi: khoảng trắng thừa, chữ hoa/thường lung tung, chữ tiếng Việt bị lỗi font, ngày tháng mỗi dòng một kiểu, số điện thoại lúc +84 lúc 0, và những dòng bị nhập trùng.

Nhóm lệnh Xử lý văn bản (tab DVD Addin → nhóm Văn bản và Số) xử lý trọn tập lỗi đó, với Smart Data Cleaning là cửa sổ gom nhiều thao tác vào một lần chạy.

Các lệnh trong nhóm

Lệnh	Chức năng
Smart Data Cleaning…	Cửa sổ gom 6 nhóm thao tác: cắt khoảng trắng, hoa/thường, sửa lỗi font tiếng Việt, chuẩn hoá ngày, chuẩn hoá số điện thoại, xoá dòng trùng
Xoá space thừa	Bản một-cú-nhấp: chạy TRIM cho từng ô văn bản trong vùng chọn
Auto format số/ngày	Đưa vùng chọn về General rồi chuyển chuỗi đọc được thành số thật / ngày thật
Xoá dấu	Bỏ dấu tiếng Việt (`Đường` → `Duong`) để đặt tên file, thư mục, mã tra cứu
Tìm / Thay hàng loạt…	Find & Replace có xem trước từng ô, wildcard/regex, chạy nhiều sheet hoặc nhiều workbook

Ranh giới giữa chúng: Xoá space thừa chỉ xử lý khoảng trắng thường, Smart Data Cleaning mới đụng được NBSP và ký tự zero-width; Smart Data Cleaning chuẩn hoá chuỗi ngày về một khuôn, còn Auto format số/ngày mới đổi kiểu dữ liệu thành ngày thật.

Quy trình làm sạch một bảng gom từ nhiều nguồn

Lưu file hoặc nhân bản sheet trước. Không thao tác nào trong nhóm này hoàn tác được bằng Ctrl+Z.
Bôi đen vùng dữ liệu trên Excel, rồi mở Xử lý văn bản ▸ Smart Data Cleaning…. Chưa chọn vùng thì cửa sổ báo "Vui lòng chọn vùng dữ liệu trên Excel".
Tick Cắt khoảng trắng dư (bật sẵn) cùng hai tuỳ chọn con: Gộp nhiều khoảng trắng liên tiếp thành 1 và Chuẩn hóa khoảng trắng đặc biệt (NBSP, zero-width…).
Tick Chuẩn hóa hoa/thường và chọn Kiểu: UPPERCASE, lowercase, Title Case (mặc định) hoặc Sentence case.
Chữ hiển thị kiểu Cá»‘ng thay vì Cộng? Tick Sửa lỗi font tiếng Việt. Nếu lỗi đến từ bảng mã TCVN3/VNI chứ không phải mojibake thì dùng Chuyển mã.
Tick Chuẩn hóa ngày và chọn Định dạng đích (dd/MM/yyyy, yyyy-MM-dd hoặc MM/dd/yyyy); tick Chuẩn hóa số điện thoại để đưa số Việt Nam về dạng 0xxxx xxx xxx.
Tick Xóa dòng trùng lặp — chọn Khớp chính xác hoặc Khớp tương đối ≥ với ngưỡng phần trăm (mặc định 85). Đây là thao tác nguy hiểm nhất trong cửa sổ.
Bấm Áp dụng. Dòng trạng thái báo kết quả kiểu "✓ Hoàn tất — sửa 214 ô, xóa 6 dòng trùng". Cửa sổ không khoá Excel: chọn vùng khác rồi bấm Áp dụng tiếp, bấm Đóng khi xong.
Cột số/ngày vẫn căn lề trái (SUM ra 0)? Chọn riêng từng cột rồi chạy Auto format số/ngày, sau đó đặt lại định dạng hiển thị (#,##0.00, dd/mm/yyyy) vì lệnh đưa vùng về General.

Ví dụ

Danh sách nhân sự ra vào công trường do ba tổ đội gửi về, dán chung vào một sheet:

Trước	Sau khi Áp dụng
`nguyễn văn an` — `+84 912345678`	`Nguyễn Văn An` — `0912 345 678`
`TRẦN THỊ BÌNH` — `0987.654.321`	`Trần Thị Bình` — `0987 654 321`
`Lê Văn Cường` — `0912345678`	`Lê Văn Cường` — `0912 345 678`
`nguyễn văn an` — `0912345678`	(bị xoá — trùng dòng 1 ở mức ≥ 90%)

Bộ tick dùng cho ví dụ này: Cắt khoảng trắng dư (giữ cả hai tuỳ chọn con) + Chuẩn hóa hoa/thường kiểu Title Case + Chuẩn hóa số điện thoại + Xóa dòng trùng lặp kiểu Khớp tương đối ≥ 90%.

Mẹo và lưu ý

Xóa dòng trùng lặp xoá nguyên dòng chứa ô trùng — kể cả các cột nằm ngoài vùng bạn đang nhìn. Hạ ngưỡng Khớp tương đối quá thấp có thể xoá nhầm hai dòng thực chất khác nhau; nên bắt đầu từ 90–95%.
Cửa sổ bỏ qua ô công thức và ô trống, nên chạy trên bảng đang có công thức tính là an toàn. Ngược lại, Xoá space thừa và Xoá dấu sẽ ghi đè ô công thức bằng giá trị tĩnh — tránh quét vùng có công thức.
Không tick thao tác nào thì cửa sổ báo "Chưa chọn thao tác nào" và không làm gì cả.
Auto format số/ngày nhận dạng theo Regional Settings của máy: máy đặt vi-VN thì . là phân cách nghìn, chuỗi 1.5 có thể bị hiểu thành 15, và 01/02/2026 được đọc theo thứ tự ngày/tháng. Kiểm tra vài dòng đầu trước khi chạy cả cột.
Dọn khoảng trắng trước khi dò tìm: khoảng trắng dư là nguyên nhân kinh điển làm VLOOKUP và SUMIF không khớp mã hiệu công tác dù nhìn bằng mắt thấy hai chuỗi giống hệt.
Xoá dấu là thao tác mất thông tin: Hòa, Hoa, Họa đều thành Hoa — đừng dùng cột đã bỏ dấu làm khoá duy nhất.
Với Tìm / Thay hàng loạt, nút Thay tất chỉ bật sau khi bấm Preview, và mỗi lần đổi tham số thì kết quả preview cũ hết hạn, phải Preview lại. Phạm vi Mọi workbook đang mở tác động sang cả các file khác đang mở trên máy.
Bộ tham số hay dùng lại (ví dụ chuẩn hoá tên vật liệu cho hồ sơ trình duyệt) nên lưu thành Preset: bấm Lưu… cạnh ô Preset:, lần sau chọn tên rồi bấm Tải.
Chọn Chỉ giá trị trong ô Áp dụng cho khi chỉ muốn sửa chữ hiển thị — hai chế độ còn lại sửa cả vào công thức và có thể làm hỏng tham chiếu.

Xem thêm

Tìm / Thay hàng loạt — sửa theo từ khoá cụ thể, có xem trước và cột Σ Tính tổng.
Tiện ích văn bản — các lệnh còn lại của menu Xử lý văn bản.
Chuyển mã — TCVN3 / VNI / Unicode khi lỗi hiển thị đến từ bảng mã.
Ô và Dòng — dọn phần cấu trúc: dòng trống, dòng ẩn, style rác, Defined Name hỏng.

Làm sạch dữ liệu ​

Các lệnh trong nhóm ​

Quy trình làm sạch một bảng gom từ nhiều nguồn ​

Ví dụ ​