Pular para o conteúdo principal

Processamento de Dados

Os nodes de Processamento de Dados são essenciais para manipular, transformar e organizar informações no n8n. Eles permitem que você prepare dados para uso em workflows, agrupe informações relacionadas e crie estruturas de dados otimizadas.

Nodes Disponíveis​

Aggregate​

O node Aggregate permite agrupar e agregar dados baseado em campos específicos, criando resumos e estatísticas.

Principais funcionalidades:

  • Agrupar dados por campos
  • Calcular somas, médias, contagens
  • Encontrar valores mínimos e máximos
  • Criar resumos estatísticos
  • Combinar dados relacionados

Casos de uso:

  • Calcular totais de vendas por período
  • Agrupar dados de clientes por região
  • Criar relatórios consolidados
  • Analisar métricas de performance
  • Processar dados de logs

Ver documentação completa →

Set​

O node Set permite definir, modificar e remover campos nos dados, oferecendo controle total sobre a estrutura dos dados.

Principais funcionalidades:

  • Definir novos campos
  • Modificar valores existentes
  • Remover campos desnecessários
  • Renomear campos
  • Aplicar transformações

Casos de uso:

  • Padronizar formatos de dados
  • Adicionar campos calculados
  • Limpar dados de entrada
  • Preparar dados para APIs
  • Criar estruturas customizadas

Ver documentação completa →

Conceitos Fundamentais​

Estrutura de Dados no n8n​

No n8n, os dados são organizados em items (itens), onde cada item representa uma entrada de dados. Cada item pode conter múltiplos campos com diferentes tipos de dados.

Exemplo de estrutura:

{
  "id": 1,
  "nome": "João Silva",
  "email": "joao@exemplo.com",
  "idade": 30,
  "ativo": true,
  "data_cadastro": "2024-01-15T10:30:00Z"
}

Tipos de Dados​

O n8n suporta diversos tipos de dados:

  • String: Texto
  • Number: Números (inteiros e decimais)
  • Boolean: Verdadeiro/falso
  • Object: Objetos JSON
  • Array: Listas de valores
  • Date: Datas e timestamps
  • Binary: Dados binários (arquivos)

Fluxo de Dados​

  1. Entrada: Dados chegam de nodes anteriores
  2. Processamento: Nodes de processamento manipulam os dados
  3. Saída: Dados processados são enviados para nodes seguintes

Operações Comuns​

Agrupamento de Dados​

Agrupar dados relacionados para análise e processamento:

// Exemplo: Agrupar vendas por vendedor
{
  "vendedor": "João",
  "vendas": [
    {"produto": "A", "valor": 100},
    {"produto": "B", "valor": 150}
  ],
  "total": 250
}

Transformação de Campos​

Modificar estrutura e valores dos dados:

// Antes
{
  "primeiro_nome": "João",
  "ultimo_nome": "Silva",
  "data_nascimento": "1990-05-15"
}

// Depois
{
  "nome_completo": "João Silva",
  "idade": 33,
  "maior_idade": true
}

Filtragem e Seleção​

Selecionar apenas dados relevantes:

// Filtrar apenas usuários ativos
if ($json.ativo === true) {
  return $json;
}

Padrões de Processamento​

1. Pipeline de Limpeza​

Dados Brutos → Limpeza → Validação → Transformação → Dados Prontos

Exemplo:

  1. Set node remove campos desnecessários
  2. Set node padroniza formatos
  3. Set node adiciona campos calculados
  4. Set node valida dados obrigatórios

2. Agregação e Consolidação​

Dados Detalhados → Agrupamento → Agregação → Resumo

Exemplo:

  1. Aggregate node agrupa vendas por mês
  2. Aggregate node calcula totais
  3. Set node adiciona percentuais
  4. Set node formata para relatório

3. Enriquecimento de Dados​

Dados Básicos → Consulta Externa → Mesclagem → Dados Enriquecidos

Exemplo:

  1. HTTP Request busca dados de cliente
  2. Set node mescla informações
  3. Set node adiciona campos calculados
  4. Set node valida dados completos

Exemplos Práticos​

Exemplo 1: Processamento de Vendas​

Dados de entrada:

[
  {
    "vendedor": "João",
    "produto": "Produto A",
    "quantidade": 2,
    "preco_unitario": 50.00,
    "data": "2024-01-15"
  },
  {
    "vendedor": "Maria",
    "produto": "Produto B",
    "quantidade": 1,
    "preco_unitario": 100.00,
    "data": "2024-01-15"
  }
]

Processamento:

  1. Set node adiciona campo 
    valor_total
  2. Aggregate node agrupa por vendedor
  3. Set node calcula comissão (10%)
  4. Set node formata para relatório

Resultado:

[
  {
    "vendedor": "João",
    "total_vendas": 100.00,
    "comissao": 10.00,
    "quantidade_vendas": 1
  },
  {
    "vendedor": "Maria",
    "total_vendas": 100.00,
    "comissao": 10.00,
    "quantidade_vendas": 1
  }
]

Exemplo 2: Limpeza de Dados de Clientes​

Dados de entrada:

{
  "nome": "joão silva",
  "email": "joao@email.com",
  "telefone": "(11) 99999-9999",
  "cpf": "123.456.789-00",
  "endereco": "Rua das Flores, 123 - São Paulo/SP"
}

Processamento:

  1. Set node padroniza nome (primeira letra maiúscula)
  2. Set node remove formatação do telefone
  3. Set node remove formatação do CPF
  4. Set node separa endereço em campos
  5. Set node valida email

Resultado:

{
  "nome": "João Silva",
  "email": "joao@email.com",
  "telefone": "11999999999",
  "cpf": "12345678900",
  "logradouro": "Rua das Flores",
  "numero": "123",
  "cidade": "São Paulo",
  "estado": "SP",
  "email_valido": true
}

Exemplo 3: Análise de Logs​

Dados de entrada:

[
  {
    "timestamp": "2024-01-15T10:30:00Z",
    "level": "ERROR",
    "message": "Falha na conexão",
    "user_id": 123
  },
  {
    "timestamp": "2024-01-15T10:31:00Z",
    "level": "INFO",
    "message": "Conexão restaurada",
    "user_id": 123
  }
]

Processamento:

  1. Aggregate node agrupa por nível de log
  2. Aggregate node conta ocorrências por hora
  3. Set node adiciona percentuais
  4. Set node identifica padrões

Boas Práticas​

Estruturação de Dados​

  1. Use nomes consistentes para campos
  2. Padronize formatos de data e hora
  3. Valide dados obrigatórios antes do processamento
  4. Documente transformações complexas
  5. Mantenha backup dos dados originais

Performance​

  1. Processe dados em lotes quando possível
  2. Use filtros para reduzir volume de dados
  3. Otimize agregações com índices apropriados
  4. Evite processamento desnecessário
  5. Monitore uso de memória

Manutenção​

  1. Teste transformações com dados reais
  2. Implemente validações robustas
  3. Configure alertas para falhas
  4. Documente regras de negócio
  5. Mantenha versões das transformações

Troubleshooting​

Problemas Comuns​

Dados corrompidos​

  • Valide formato dos dados de entrada
  • Verifique encoding (UTF-8)
  • Implemente tratamento de erros
  • Use logs para debug

Performance lenta​

  • Otimize agregações
  • Use filtros apropriados
  • Processe em lotes menores
  • Monitore uso de recursos

Campos ausentes​

  • Implemente valores padrão
  • Valide dados obrigatórios
  • Use operadores de coalescência
  • Documente dependências

Debug​

  1. Use o node Debug Helper para inspecionar dados
  2. Configure logging detalhado
  3. Teste com dados de exemplo
  4. Valide cada etapa do processamento
  5. Monitore métricas de performance

Próximos Passos​