---
title: "¿Cómo usar el DataRefiner para ingestar un fichero?"
canonical: "https://onesaitplatform-es.refined.site/space/DOC/2216118559/%C2%BFC%C3%B3mo%20usar%20el%20DataRefiner%20para%20ingestar%20un%20fichero%3F"
format: markdown
---
# Introducción

A este módulo de la plataforma pueden acceder los roles ADMINISTRATOR y ANALYTICS, desde la opción 

![image](media://3123340c-d333-43ef-8397-f49ba804f4ba)


# Subir fichero al DataRefiner

Una vez acceso al módulo desde la página principal seleccionaré la opción 

![image](media://99cca0eb-8d19-4176-a964-811922fdcaa1)

que me habilitará la opción para cargar un fichero:

![image](media://9ae1c471-635b-4740-a1b3-58a29c4af36a)

Para el ejemplo de carga de ficheros usaré este:  [https://www.iwight.com/documentlibrary/download/transparency-data-april-2013-csv](https://www.iwight.com/documentlibrary/download/transparency-data-april-2013-csv)

![image](media://07e50a74-8e98-4d49-aa1a-811c014ff6e6)

 Así que seleccionaré este fichero como URL y pulsaré Next:

![image](media://faa170ca-b5b1-487c-b0d7-be889175b617)

# Transformando los datos cargados

Una vez cargado el fichero me encontraré con una UI como esta, desde la que puedo hacer algunas transformaciones previas a la carga del fichero en mi proyecto

![image](media://9ab08f1b-d723-4173-8d53-317d05467d9b)

Por ejemplo puedo ignorar la primera línea si esta tiene las cabeceras o descartar filas en blanco:

![image](media://e8dce88f-f14d-45fb-a6f2-b061e0fe8000)

O intentar transformar las columnas a su tipo…no vamos a hacer esto porque lo haremos en una fase posterior.

Concluiremos creando el proyecto:

![image](media://886206f1-2622-4161-b7bb-e32234e2ee6d)

Una vez creado el proyecto me encuentro con este UI:

![image](media://fa39bf1a-3c92-4af2-9044-cdbe59944195)

Donde puedo ver los primeros registros del fichero/proyecto, en este ejemplo tenemos 11285 registros.

Vemos también que cada columna tiene un desplegable y que a la izquierda me aparece un recuadro para poder dar marcha atrás y ver los **Facets**. 

Si me voy a la columna **Amount** puedo ver las opciones que tengo: **Facet, Filtros, editar celdas, columnas, transponer, ordenar, reconciliar.**

![image](media://14186622-b0ab-485d-adc3-924b0bece2f7)

 Empezaré por decir que esta columna es de tipo numérico en **Edit cells>Common transforms>to number**

![image](media://7b6696f8-f126-4020-8c47-7e06796124d1)

Ahora veré los datos formateados como números, sin embargo esto no significa que todos sean números, 

![image](media://919b632c-9241-4b00-b709-aa5f19fb9a71)

ahora le aplicaré un Facet seleccionando **Facet>Numeric Facet**

![image](media://8bbccd26-919f-4117-bd6f-557969f24d62)

En la parte izquierda veré que tengo 2244 datos que no son numéricos:

![image](media://d3835a3f-5494-4dc9-9fc1-338cf6b5ee4a)

Si dejo sólo el check de **Non-numeric** en mi tabla veré 10 de estos registros. Como podéis observar el problema está en que hay una coma para separar los miles y la herramienta no puede transformarlo a número:

![image](media://19e4940a-fc04-4b78-a301-64f47c0537f0)

Así que puedo transformarlo con la herramienta y su lenguaje **GREL (Google Refine Expression Language)**. Iré a la columna Amount, seleccionaré **Edit cells>Transform **y en la transformación indicaré **value.replace(',','')**

![image](media://3d015ef5-dd37-44eb-9347-f7d745e7206e)

Si aplico el filtro y aplico **Edit cells > Commons Transforms > To number **puedo ver ya que todos los datos de mi columna son numéricos.

![image](media://07a893b8-75e0-4bb2-9a98-27fb1984f550)

Puedo aplicar otras transformaciones más avanzadas, como derivar una columna desde otra aplicando transformaciones, para eso me pondré en la columna **Date , **seleccionaré **Edit column>Add column based on this column**

En esta aplicaré la transformación de formato de fecha:

**value.toDate('dd.mm.yy').toString('yyyy-mm-dd')**

![image](media://f3563c40-e3b1-40f4-b87d-34e9b06336d0)

Y luego le aplicaré **Edit cells>Commons Transformations>To date**

![image](media://78c00103-a4d8-4b16-ab18-28dfe43cf3ac)

También puedo combinar datos, reconciliarlos,…

# **Extraer transformaciones**

Un concepto muy interesante es que puedo extraer las transformaciones para poder aplicarlas sobre otros datos del mismo tipo (el Excel del año siguiente en este ejemplo), esto se hace desde **Undo-redo/Extract**

![image](media://9a03caa5-8b8b-4532-bce6-06770f554985)

El resultado es un JSON que puedo guardar:

![image](media://7811572e-b188-446d-9e0b-b7542e703a39)

Y que desde la opción **Apply **puedo pegar y aplicar a otros ficheros:

![image](media://e9995782-4f8c-4383-9224-15e3444905d8)

# Exportar datos

Para acabar veremos cómo exportar los datos de mi proyecto.  Desde la opción Export puedo exportar en numerosos formatos:

![image](media://aa35adb6-d75b-4833-bcc5-bc6acde4d720)