Come confrontare due file CSV online con Datablist

Florian Poullin
Florian Poullin
20 min di lettura
Confronta file CSV record per record
Come confrontare due file CSV online con Datablist
Indice dei contenuti
  1. Link rapidi
  2. Il metodo più rapido per confrontare file CSV
  3. Dataset di esempio: CSV Prodotti vs CSV Offerte
  4. Passaggio 1: carica i file CSV originale e aggiornato
  5. Passaggio 2: scegli come abbinare le righe
  6. Passaggio 3: mappa le colonne con nomi diversi
  7. Passaggio 4: scegli il tipo di join e le opzioni
  8. Passaggio 5: controlla righe aggiunte, rimosse, modificate e invariate
  9. Passaggio 6: esporta il risultato del CSV diff
  10. Esempio di tabella di output
  11. Quando conviene confrontare i file CSV in questo modo
  12. Confrontare, unire o deduplicare: scegli il workflow giusto
  13. Risoluzione dei problemi e casi particolari
    1. Le righe risultano aggiunte e rimosse anziché modificate
    2. Troppe celle risultano modificate
    3. I nomi delle colonne sono diversi
    4. Sono presenti chiavi duplicate
    5. Il file è lento o l'anteprima è limitata
    6. L'analisi del CSV non riesce
  14. Conclusione
  15. FAQ

Quando devi confrontare file CSV online, la prima cosa da evitare è un diff del testo grezzo. I file CSV contengono dati strutturati: le righe cambiano posizione, le colonne vengono rinominate, gli export aggiungono nuovi campi e un confronto riga per riga diventa rapidamente illeggibile.

Preferisco confrontare i file come tabelle: scelgo una chiave stabile, mappo le colonne, controllo le righe aggiunte, rimosse, modificate e invariate, quindi esporto il diff. È proprio ciò per cui è stato creato lo strumento CSV Diff di Datablist.

In questa guida confronterò un vecchio export del catalogo prodotti con un file più recente contenente le offerte di un fornitore. I due file non hanno le stesse colonne, ma condividono EAN, Internal ID, Price e Stock. È un caso realistico: abbineremo i prodotti tramite EAN, confronteremo prezzo e disponibilità, quindi esporteremo il risultato.

Il metodo più rapido per confrontare file CSV

Se hai già pronti entrambi i file, bastano pochi passaggi:

  1. Apri lo strumento CSV Diff di Datablist.
  2. Carica il file meno recente come CSV originale.
  3. Carica il file più recente come CSV aggiornato.
  4. Inizia con il rilevamento automatico, poi conferma la colonna chiave.
  5. Mappa le colonne se i due file utilizzano nomi diversi.
  6. Mantieni il full outer join per il primo controllo.
  7. Esamina le righe modificate, aggiunte, rimosse e invariate.
  8. Per il primo passaggio, esporta il CSV con il diff completo.
  9. Se ti serve un file più sintetico da condividere, esporta solo le righe modificate.

Questo sistema funziona meglio di un diff testuale perché il confronto segue i record, non i numeri di riga. Se un export del CRM riordina i contatti o un fornitore aggiunge una colonna, un diff testuale può far sembrare diverso l'intero file. Un diff tra tabelle mostra invece quali record e quali celle sono cambiati.

🔑 Scegli la chiave di riga prima di valutare il diff

Una buona colonna chiave trasforma un confronto confuso in un risultato utile. Usa un ID, un'email, uno SKU, un EAN o un identificativo interno che rimanga stabile tra un export e l'altro.

Dataset di esempio: CSV Prodotti vs CSV Offerte

Per questo tutorial userò un dataset ecommerce fittizio. Il primo file è un vecchio export del catalogo prodotti; il secondo è un feed più recente con le offerte di un fornitore o marketplace.

Il CSV Prodotti originale si presenta così:

IndiceEANID internoNomeBrandCategoriaPrezzoValutaStockDisponibilità
15901234123457PRD-001Borraccia ermeticaAcme OutdoorOutdoor24.90EUR42Disponibile
25901234123464PRD-002Lunch box BentoNorthlineCucina18.50EUR120Disponibile
35901234123471PRD-003Shopper in cotoneUrban GoodsAccessori9.90EUR0Esaurito
45901234123488PRD-004Lampada da scrivania LEDLumaUfficio39.00EUR18Disponibile
55901234123495PRD-005Tappetino yogaBalanceFitSport29.00EUR65Disponibile
105901234123549PRD-010Mouse wirelessClickProElettronica34.00EUR55Disponibile

Il CSV Offerte aggiornato contiene meno campi descrittivi, ma conserva gli identificativi e i valori commerciali che mi interessano:

ID offertaEANID internoSKU fornitoreStockPrezzo
OFF-0015901234123457PRD-001ACM-BTL-013823.90
OFF-0025901234123464PRD-002NTH-LBX-0212018.50
OFF-0035901234123471PRD-003UGD-TOTE-03259.90
OFF-0045901234123488PRD-004LMA-LAMP-041835.00
OFF-0055901234123495PRD-005BFT-MAT-056529.00
OFF-0085901234123556PRD-011CLP-CAB-114416.50

Questa coppia include tutti i casi che cerco in un esempio di CSV diff: valori modificati, nuove righe, righe rimosse, righe invariate e schemi differenti. Nel campione completo, mi aspetto che PRD-001, PRD-003, PRD-004, PRD-006 e PRD-010 risultino modificati. PRD-011 e PRD-012 dovrebbero risultare aggiunti, mentre PRD-008 e PRD-009 dovrebbero risultare rimossi.

Passaggio 1: carica i file CSV originale e aggiornato

Apri lo strumento CSV Diff. Vedrai due aree di caricamento:

  • Original CSV: l'export precedente, il vecchio snapshot o il file di riferimento.
  • Updated CSV: l'export più recente da confrontare con l'originale.

L'ordine è importante. Se una riga esiste solo nel file aggiornato, Datablist la contrassegna come added. Se esiste solo nel file originale, la contrassegna come removed.

Nell'esempio carico il CSV Prodotti come file originale, perché è l'export meno recente del catalogo. Carico invece il CSV Offerte come file aggiornato, perché rappresenta il feed più recente del fornitore.

Schermata di caricamento di CSV Diff con i campi Original CSV e Updated CSV
Schermata di caricamento di CSV Diff con i campi Original CSV e Updated CSV

Dopo aver selezionato entrambi i file, lo strumento li analizza e prepara il primo confronto. I CSV vengono elaborati e confrontati nel browser. Il parser riconosce i separatori più comuni, come virgola, punto e virgola, tabulazione e pipe, e supporta codifiche diffuse quali UTF-8 e Windows-1252.

Prima di esaminare il risultato, verifico comunque l'ordine dei file. Molti confronti errati nascono dall'inversione tra vecchio e nuovo file, che porta a interpretare al contrario le righe aggiunte e rimosse.

Passaggio 2: scegli come abbinare le righe

L'abbinamento delle righe è l'impostazione più importante dell'intero processo.

Datablist può iniziare con il rilevamento automatico. Cerca colonne che potrebbero contenere identificativi, come id, email, sku, uuid, external_id, record_id, user_id, contact_id e company_id.

Per i dati di prodotto, in genere preferisco:

  • EAN, quando è presente e univoco.
  • Internal ID, quando i valori EAN mancano, sono duplicati o dipendono dal fornitore.
  • SKU, solo se viene usato lo stesso SKU in entrambi i file.

Per file CRM o Lead, la chiave equivalente potrebbe essere email, contact_id, company_id oppure l'ID del record nel CRM.

Impostazioni di abbinamento di CSV Diff con rilevamento automatico e full outer join
Impostazioni di abbinamento di CSV Diff con rilevamento automatico e full outer join

La modalità di abbinamento dipende dalla struttura dei dati:

  • Usa l'abbinamento con chiave singola per la maggior parte degli export. Una sola colonna stabile è più semplice da verificare.
  • Usa l'abbinamento con più chiavi quando una colonna non è abbastanza univoca. Per esempio, Company Domain insieme a Email.
  • Usa il confronto dell'intera riga solo se non disponi di un identificativo stabile.
  • Usa il rilevamento automatico per il primo passaggio, poi conferma la chiave individuata prima di considerare affidabili i conteggi.

⚠️ Una chiave debole genera troppe righe aggiunte e rimosse

Se la chiave manca, è duplicata o ha un formato diverso tra gli export, due record corrispondenti possono apparire come una riga rimossa e una aggiunta. Controlla le segnalazioni delle chiavi duplicate prima di usare il risultato per un aggiornamento.

Le chiavi duplicate non sono un motivo per ignorare il diff, ma indicano che serve maggiore attenzione. Lo strumento le segnala e io controllo quei record prima di fare affidamento sui conteggi.

Passaggio 3: mappa le colonne con nomi diversi

La mappatura delle colonne stabilisce quali campi confrontare.

Nell'esempio, entrambi i file contengono EAN, Internal ID, Stock e Price. Il file originale include anche Name, Brand, Category, Currency e Availability, mentre quello aggiornato contiene Offer ID e Supplier SKU.

Non voglio che i metadati presenti solo nel feed del fornitore siano conteggiati come modifiche. Voglio confrontare le colonne che rispondono alla mia esigenza di business:

  • Abbinare le righe tramite EAN.
  • Confrontare Stock con Stock.
  • Confrontare Price con Price.
  • Conservare le colonne descrittive come contesto, quando aiutano a controllare la riga.
  • Non mappare i campi non correlati, se non devono influire sul confronto.

Quando i nomi delle colonne coincidono, Datablist può allinearle automaticamente. Non è necessario che l'ordine sia lo stesso. La mappatura manuale diventa importante quando le etichette sono cambiate. Per esempio, un export CRM potrebbe usare customer_id in un file e Customer ID nell'altro: mappali solo se rappresentano lo stesso valore.

💡 Mappa soltanto le colonne che vuoi confrontare

Nei feed dei fornitori e negli export CRM compaiono spesso nuovi campi di metadati. Se un campo non deve essere conteggiato come modifica, lascialo senza mappatura oppure usalo solo come contesto durante il controllo.

Può sembrare un passaggio secondario, ma spesso è quello che fa risparmiare più tempo. Una chiave errata compromette l'abbinamento delle righe; una mappatura sbagliata compromette il conteggio delle modifiche.

Passaggio 4: scegli il tipo di join e le opzioni

Per la prima esecuzione consiglio queste impostazioni:

  • Full outer join.
  • Una colonna chiave stabile.
  • Ignora gli spazi iniziali e finali.
  • Normalizza i valori vuoti e simili a null.
  • Mantieni il confronto case-sensitive, a meno che maiuscole e minuscole non siano irrilevanti.

Il full outer join è l'opzione predefinita migliore perché mostra tutto: righe abbinate, aggiunte e rimosse. Offre una panoramica completa prima di restringere i risultati.

Impostazioni di confronto di CSV Diff per ordine delle colonne, spazi, maiuscole e minuscole e normalizzazione dei valori null
Impostazioni di confronto di CSV Diff per ordine delle colonne, spazi, maiuscole e minuscole e normalizzazione dei valori null

Il tipo di join determina ciò che compare nel risultato:

  • Il full outer join mostra le righe abbinate, quelle presenti solo nel file originale e quelle presenti solo nel file aggiornato.
  • L'inner join mostra esclusivamente i record presenti in entrambi i file. Usalo se ti interessano soltanto le modifiche alle righe condivise.
  • Il left join usa il file originale come base ed esclude le righe presenti solo nel file aggiornato.

Le opzioni di confronto riducono il rumore dovuto alla formattazione:

  • Ignore whitespace rimuove gli spazi iniziali e finali prima di confrontare le celle.
  • Ignore case considera equivalenti Acme e ACME.
  • La normalizzazione dei valori vuoti e simili a null considera equivalenti celle vuote, null, undefined, nil, none, n/a e na.

Disattiva la normalizzazione quando un placeholder rappresenta un codice significativo nei tuoi dati. Immagina che il record originale abbia id = 101 e Region = NA, dove NA indica il Nord America, mentre quello aggiornato abbia lo stesso ID ma il campo Region vuoto. Con Normalize empty and null-like values attivo, i due valori Region vengono considerati uguali e, se nessun altro valore mappato è diverso, la riga può apparire come unchanged.

Per rilevare la modifica, disattiva l'impostazione, mantieni id come chiave e Region come colonna mappata, quindi esegui nuovamente il confronto. La riga dovrebbe risultare changed, con NA accanto al valore vuoto nell'export del diff completo. Controlla un record di questo tipo prima di scegliere la normalizzazione per l'intero file: l'opzione si applica a tutte le colonne confrontate.

📘 Usa il full outer join per il primo controllo

Parti da una panoramica completa, poi restringi il risultato. Quando i conteggi di righe aggiunte, rimosse e modificate ti sembrano corretti, esporta un file più piccolo con le sole righe modificate.

Con file di grandi dimensioni, le prestazioni dipendono dal browser e dal dispositivo. L'anteprima è limitata per restare reattiva, mentre il CSV scaricabile viene generato dal risultato completo. Se un export è troppo grande da confrontare agevolmente, dividi il CSV in file più piccoli.

Passaggio 5: controlla righe aggiunte, rimosse, modificate e invariate

Una volta eseguito il confronto, parti dagli stati delle righe:

  • added: la chiave esiste solo nel CSV aggiornato.
  • removed: la chiave esiste solo nel CSV originale.
  • changed: la chiave esiste in entrambi i file e almeno un valore mappato è cambiato.
  • unchanged: la chiave esiste in entrambi i file e i valori mappati coincidono dopo la normalizzazione.

L'esempio dei prodotti offre casi molto chiari:

  • PRD-001 è cambiato perché Price è passato da 24.90 a 23.90 e Stock da 42 a 38.
  • PRD-003 è cambiato perché lo stock è passato da 0 a 25.
  • PRD-011 è stato aggiunto perché il suo EAN compare solo nel CSV Offerte.
  • PRD-008 è stato rimosso perché il suo EAN compare solo nel CSV Prodotti.

Usa i filtri di stato per concentrarti sui dati da controllare. Di solito parto da Changed, poi verifico Added e Removed. Lascio Unchanged per ultimo, a meno che non mi serva un audit trail completo.

Tabella di anteprima di CSV Diff con filtri di stato, ricerca, copia e download
Tabella di anteprima di CSV Diff con filtri di stato, ricerca, copia e download

La vista delle righe modificate è utile per esaminare le differenze a livello di singola cella. Mostra affiancati il valore originale e quello aggiornato per ogni colonna modificata.

Vista delle righe modificate di CSV Diff con i valori originali e aggiornati affiancati
Vista delle righe modificate di CSV Diff con i valori originali e aggiornati affiancati

Prima dell'export, eseguo un rapido controllo di qualità:

  • I conteggi delle righe aggiunte e rimosse sono plausibili?
  • Lo strumento ha abbinato le righe usando la chiave prevista?
  • Le chiavi duplicate sono segnalate?
  • Le colonne sono mappate correttamente?
  • Le modifiche dovute soltanto alla formattazione vengono ignorate quando necessario?
  • Alcune righe modificate, una volta espanse, mostrano differenze sensate?

La sezione riepilogativa offre un altro controllo immediato. Mostra i dettagli dell'elaborazione, le colonne mappate, le segnalazioni delle chiavi duplicate e i conteggi per stato.

Schede riepilogative di CSV Diff con conteggi di righe modificate, aggiunte, rimosse e invariate, elaborazione e colonne mappate
Schede riepilogative di CSV Diff con conteggi di righe modificate, aggiunte, rimosse e invariate, elaborazione e colonne mappate

Se i numeri sembrano strani, non esportare ancora. Torna prima alla chiave e alla mappatura delle colonne: è lì che nasce la maggior parte dei problemi.

Passaggio 6: esporta il risultato del CSV diff

Quando l'anteprima è corretta, esporta il risultato. Datablist offre diverse modalità di output in base alle tue esigenze:

  • Summary CSV: contiene stato delle righe, chiavi, conteggi e una panoramica adatta agli audit.
  • Changed rows CSV: utile quando serve controllare soltanto i record che presentano differenze.
  • Full diff CSV: mostra affiancati i valori originali e aggiornati.

Per la prima esecuzione preferisco il full diff CSV. Conserva più contesto e aiuta a spiegare le modifiche in un secondo momento. Dopo aver convalidato il workflow, passo al changed rows CSV per ottenere un file più sintetico.

Puoi anche scegliere il separatore:

  • Virgola per la maggior parte dei workflow con fogli di calcolo.
  • Punto e virgola se è previsto dalle impostazioni locali o dal sistema di destinazione.
  • Pipe o tabulazione per gli strumenti che richiedono questi formati.

Lo strumento consente di copiare il CSV delle differenze o di scaricarlo. I file scaricati seguono questo schema:

text
csv-diff-{originalBase}-vs-{updatedBase}.csv

Se il risultato esportato è molto grande e devi filtrarlo o modificarlo prima di condividerlo, consulta la guida di Datablist per modificare file CSV di grandi dimensioni online.

Esempio di tabella di output

Ecco un piccolo esempio di come può apparire l'export del diff completo per il catalogo prodotti.

statuskeychanged_columnsoriginal:Priceupdated:Priceoriginal:Stockupdated:Stock
changed5901234123457Price|Stock24.9023.904238
changed5901234123471Stock9.909.90025
added590123412355616.5044
removed59012341235257.5088

Il CSV esportato può includere:

  • status: added, removed, changed oppure unchanged.
  • key: il valore usato per abbinare la riga.
  • __row_index_original: il numero della riga nel CSV originale, se presente.
  • __row_index_updated: il numero della riga nel CSV aggiornato, se presente.
  • __duplicate_key: indica se la chiave selezionata compare più di una volta.
  • changed_columns: i campi modificati.
  • changed_columns_count: il numero di campi modificati.
  • summary: un riepilogo leggibile delle modifiche.
  • Coppie original:{column} e updated:{column} per il confronto affiancato.

Apprezzo questo formato perché è facile da condividere. Chi lo riceve può filtrare status = changed, ordinare per changed_columns_count oppure isolare i record aggiunti e rimossi senza ripetere il confronto.

Quando conviene confrontare i file CSV in questo modo

Questo workflow è adatto a ogni situazione in cui hai due snapshot e vuoi sapere che cosa è cambiato. Alcuni esempi:

  • Aggiornamenti di prezzi e stock nel catalogo prodotti.
  • Controllo del feed di un fornitore prima di importare nuove offerte.
  • Export del CRM prima e dopo un'attività di pulizia.
  • Aggiornamento delle liste di Lead.
  • Confronto di snapshot dell'inventario.
  • Audit dei passaggi di consegna dei fogli di calcolo.
  • Export CSV generati da un processo di conversione JSON.

Per esempio, dopo aver convertito un JSON nidificato in CSV, puoi usare CSV Diff per confrontare due export generati. Se stai preparando record per un CRM, esegui il diff prima di una più ampia attività di data cleaning, così saprai esattamente quali righe sono cambiate.

Confrontare, unire o deduplicare: scegli il workflow giusto

Confrontare file CSV non equivale a unirli o deduplicarli. Usa CSV Diff quando la domanda è:

Che cosa è cambiato tra questi due snapshot?

Usa invece un workflow di join quando vuoi sapere:

Come posso combinare i campi di due file?

In questo caso, consulta la guida per unire file CSV tramite un identificativo univoco. Per capire la differenza tra accodare righe e aggiungere colonne mediante una chiave condivisa, guarda gli esempi di merge e join prima di scegliere l'operazione.

Ricorri alla deduplicazione quando la domanda è:

Quali record sono ripetuti all'interno di uno o più file?

In tal caso, consulta la guida per rimuovere i duplicati da un CSV.

La distinzione è importante perché ogni workflow risponde a un'esigenza diversa. CSV Diff serve a confrontare snapshot ed esportare un diff. Non è uno strumento di fuzzy matching né di merge.

Risoluzione dei problemi e casi particolari

Le righe risultano aggiunte e rimosse anziché modificate

Controlla per prima cosa la colonna chiave. Se la chiave è cambiata tra i file, Datablist non può riconoscere le due righe come lo stesso record. Verifica anche l'ordine dei file: se originale e aggiornato sono invertiti, lo saranno anche le righe aggiunte e rimosse.

Troppe celle risultano modificate

Controlla le opzioni di confronto. Attiva la rimozione degli spazi se non sono rilevanti, usa il confronto case-insensitive se maiuscole e minuscole non contano, normalizza i valori vuoti se celle vuote e placeholder devono coincidere e verifica la mappatura delle colonne rinominate.

I nomi delle colonne sono diversi

Usa la mappatura manuale. Mappa i campi solo se hanno lo stesso significato. Lascia senza mappatura le colonne non correlate, se non devono influire sul confronto.

Sono presenti chiavi duplicate

Considera le chiavi duplicate come un segnale da approfondire. Il risultato può comunque essere utile, ma i duplicati indicano che l'identificativo scelto non è abbastanza univoco. Pulisci i file sorgente o scegli una chiave più solida prima di usare i conteggi per un'importazione.

Il file è lento o l'anteprima è limitata

Con file di grandi dimensioni, le prestazioni dipendono dal browser e dal dispositivo. Usa l'anteprima per il controllo, quindi scarica il CSV diff per ottenere il risultato completo.

L'analisi del CSV non riesce

Verifica la presenza di campi tra virgolette non chiusi, delimitatori insoliti o problemi di codifica. Basta un solo campo con virgolette non chiuse per rendere non valido un file CSV.

Conclusione

Il modo migliore per confrontare due export CSV è trattarli come dati, non come testo. Carica il vecchio file come CSV originale e quello nuovo come CSV aggiornato, scegli una chiave stabile, mappa le colonne, controlla gli stati delle righe ed esporta il diff.

La mia configurazione predefinita è semplice: full outer join, chiave stabile, rimozione degli spazi, normalizzazione dei valori simili a null ed export del diff completo per il primo controllo.

Puoi eseguire l'intero workflow con lo strumento CSV Diff di Datablist.

FAQ

Come posso confrontare due file CSV online?

Apri lo strumento CSV Diff di Datablist, carica il file meno recente come Original CSV e quello più recente come Updated CSV, scegli una colonna chiave, controlla il risultato e scarica il CSV con il diff.

Posso confrontare file CSV per ID, email, SKU o EAN?

Sì. Usa l'identificativo condiviso come colonna chiave. Tra le chiavi più adatte ci sono ID dei record, indirizzi email, SKU, EAN, ID interni, ID aziendali e altri valori che rimangono stabili tra gli export.

Cosa succede se le righe sono in un ordine diverso?

Usa l'abbinamento basato su una chiave. Quando le righe vengono associate tramite una chiave stabile, non è necessario che abbiano lo stesso ordine nei due file.

Posso confrontare CSV con nomi di colonna diversi?

Sì. Se i nomi sono diversi, mappa le colonne manualmente. Per esempio, puoi associare customer_id in un file a Customer ID nell'altro, purché rappresentino lo stesso identificativo.

Qual è il tipo di join migliore per un CSV diff?

Per il primo audit usa il full outer join: mostra righe abbinate, aggiunte e rimosse. Scegli l'inner join solo se ti interessano i record presenti in entrambi i file.

Posso ignorare spazi, maiuscole o valori vuoti?

Sì. Puoi eliminare gli spazi iniziali e finali, confrontare il testo senza distinguere tra maiuscole e minuscole e considerare equivalenti i valori vuoti o simili a null. In genere mantengo attive la rimozione degli spazi e la normalizzazione dei valori vuoti.

Posso esportare solo le righe modificate?

Sì. Usa l'output delle righe modificate per ottenere un file di controllo più breve. Consiglio comunque di esportare almeno una volta il diff completo, così potrai convalidare il confronto.

Cosa significano added, removed, changed e unchanged?

added indica che la chiave compare solo nel CSV aggiornato. removed significa che compare soltanto nel CSV originale. changed indica che è presente in entrambi i file, ma i valori mappati differiscono. unchanged significa che chiave e valori mappati coincidono in entrambi i file.

I file CSV vengono caricati su un server?

I file CSV vengono analizzati e confrontati nel browser. Consideralo uno strumento di confronto browser-based, non un workflow di importazione o sincronizzazione con una collection Datablist.

Posso confrontare file CSV di grandi dimensioni?

Sì, ma per file molto grandi le prestazioni dipendono dal browser e dal dispositivo. L'anteprima è limitata per restare reattiva, mentre il CSV scaricabile viene generato dal risultato completo.

Cosa significano le chiavi duplicate in un CSV diff

Una chiave dovrebbe identificare un solo record in ciascun file. Se il file originale contiene due righe con SKU-101, lo strumento abbina la prima occorrenza alla prima riga corrispondente nel file aggiornato e segnala la chiave duplicata. Le righe originali aggiuntive appaiono come rimosse nei full join o left join; le righe aggiuntive del file aggiornato appaiono come aggiunte in un full join. Questi stati descrivono il risultato del confronto, non una creazione o eliminazione effettiva e verificata a livello di business.

Prima di considerare queste righe come istruzioni per un'importazione, risolverei il problema della chiave. Per esempio, due offerte di fornitori relative allo stesso SKU richiedono una chiave composta da SKU e Supplier ID. Se invece si tratta di duplicati accidentali, esaminali e consolidali prima di procedere. Non eliminarne uno soltanto per far sparire l'avviso.

Mantieni inoltre lo stesso formato della chiave in tutti gli snapshot. Un identificativo che passa da 00101 a 101 può apparire come un record rimosso e uno aggiunto. Conserva gli zeri iniziali negli export sorgente quando sono significativi, quindi ripeti il confronto con la chiave e la mappatura delle colonne corrette.