Datagma te donne des données de contact, mais l'export qu'il te recrache colle rarement à ce que ton CRM veut ingérer. Les noms de colonnes changent d'un plan à l'autre, l'ordre c'est selon l'humeur de Datagma, et tu finis par renommer les en-têtes à la main avant chaque import. Cet outil prend cet export et le remet en forme dans un schéma fixe et prévisible, pour que tu puisses le balancer direct dans ton pipeline.
Dépose ton CSV sur la zone (il est parsé dans ton navigateur — rien n'est uploadé). Le convertisseur mappe les colonnes qu'il reconnaît sur un ensemble stable : first_name, last_name, full_name, company, title, email, phone, linkedin_url, source, date_added. Comme ça, un en-tête Datagma du genre Job title ou Position atterrit dans title, Company name atterrit dans company, et Email 1 ou Mobile sont normalisés aussi. Chaque ligne est estampillée avec source = Datagma et la date du jour dans date_added. Un clic télécharge le fichier nettoyé en yourfile-fst-cleaned.csv.
Une limite honnête : les exports Datagma varient selon le plan, et le convertisseur ne mappe que les en-têtes qu'il connaît. Si ton fichier utilise un nom de colonne qui n'est pas dans la map, le champ cible ressort vide plutôt que de planter — aucune ligne n'est perdue, mais la donnée n'est pas devinée non plus. L'aperçu te montre combien de colonnes cibles ont vraiment été remplies (mapped to target), alors vérifie ce chiffre et ouvre la première ligne avant de convertir un gros lot.