Δύο εγγραφές,
ένα πρόσωπο.
Ένα παράδειγμα με διευθύνσεις σε Ελλάδα: δύο εγγραφές γραμμένες διαφορετικά, και γιατί είναι το ίδιο πρόσωπο.
Με έναν δωρεάν λογαριασμό εργάζεστε στις δικές σας διευθύνσεις, από κάθε χώρα: από τον ιστότοπο, από αρχείο ή μέσω του API. Εγγραφείτε ή συνδεθείτε.
Δύο εγγραφές, ένα πρόσωπο
Μια διπλοεγγραφή δεν είναι μια επιπλέον εγγραφή προς διαγραφή: είναι το ιστορικό ενός προσώπου κομμένο στα δύο. Το να το ξαναενώσετε έχει τέσσερα απτά αποτελέσματα.
Απαντήστε μία φορά, και με πλήρη γνώση
Όποιος απαντά κοιτάζει μία εγγραφή: αν η παραγγελία είναι καταχωρισμένη στην άλλη, το πρόσωπο αυτό δεν λαμβάνει τίποτα — και το αντιλαμβάνεται. Με μία μόνο εγγραφή η επιβεβαίωση φεύγει πάντα, και η επικοινωνία φτάνει μία φορά: όχι δύο στην ίδια διεύθυνση, ίσως με το όνομα γραμμένο με δύο διαφορετικούς τρόπους.
Κάθε επιπλέον φάκελος είναι πεταμένα χρήματα
Μια διπλοεγγραφή είναι μια εκτύπωση, ένας φάκελος και ένα γραμματόσημο πληρωμένα για ένα πρόσωπο που η επικοινωνία σας έχει ήδη φτάσει. Σε μια μεγάλη καμπάνια είναι το ευκολότερο κόστος να κοπεί: ούτε ένας παραλήπτης λιγότερος, μόνο οι αποστολές που χρειάζονται.
Αναγνωρίστε ποιος αξίζει περισσότερο
Κάποιος που αγόρασε τρεις φορές με τη μία εγγραφή και δύο με την άλλη εμφανίζεται στις αναφορές ως δύο χλιαρές επαφές αντί για μία πιστή. Με τη συγχώνευση των εγγραφών το ιστορικό γίνεται ξανά ολόκληρο, και αλλάζει ποιον αξίζει να καλέσετε, σε ποιον αρμόζει διαφορετική μεταχείριση, σε ποιον να προσφέρετε περισσότερα.
Οι αριθμοί βγαίνουν
Πόσους πελάτες έχω πραγματικά; Πόσο αξίζει κατά μέσο όρο μια επαφή; Με μια βάση δεδομένων γεμάτη διπλοεγγραφές κάθε απάντηση είναι φουσκωμένη, και οι αποφάσεις που ακολουθούν γεννιούνται ελαττωματικές. Πριν αναλύσετε, πρέπει να μετρήσετε σωστά.
Δεν είναι λάθη απροσεξίας
Οι διπλοεγγραφές προέρχονται από τρεις συνηθισμένες καταστάσεις, που επαναλαμβάνονται σε κάθε βάση δεδομένων που προορίζεται να μεγαλώσει.
Η παραγγελία φτάνει και δεν υπάρχει χρόνος
Όποιος καταχωρίζει τα στοιχεία έχει έναν σωρό από φόρμες να διεκπεραιώσει (ή από αποδείξεις πληρωμής, σε έναν μη κερδοσκοπικό οργανισμό) και δεν σταματά να ελέγξει αν το πρόσωπο αυτό υπάρχει ήδη στο αρχείο. Το άνοιγμα μιας νέας εγγραφής παίρνει τριάντα δευτερόλεπτα· η πραγματική αναζήτησή της, ανάμεσα στις παραλλαγές του ονόματος και της διεύθυνσης, παίρνει πολύ περισσότερο.
Η εγγραφή υπάρχει, αλλά η αναζήτηση δεν τη βρίσκει
Είναι η πιο συχνή περίπτωση και η πιο δύσκολη να αποφευχθεί: η εγγραφή υπάρχει, αλλά είναι γραμμένη ελαφρώς διαφορετικά από τον τρόπο που αναζητείται — «Via Giovanni Pascoli 4» έναντι «Pascoli», «V.le» έναντι «Viale». Η αναζήτηση δεν επιστρέφει τίποτα, και η εγγραφή δημιουργείται ξανά καλή τη πίστει.
Μπαίνει μια ολόκληρη λίστα
Εγγραφές από τον ιστότοπο, μια λίστα που συγκεντρώθηκε σε μια εκδήλωση, ένα αρχείο από προμηθευτή: μπαίνουν μαζικά χωρίς να συγκριθούν με την υπάρχουσα βάση. Συμβαίνει σπανιότερα από τις άλλες δύο περιπτώσεις, αλλά όταν συμβαίνει, οι διπλοεγγραφές μπαίνουν κατά εκατοντάδες.
Και οι τρεις λύνονται με τον ίδιο τρόπο: ένας έλεγχος της βάσης σε τακτά διαστήματα, και ένας πριν από κάθε σημαντική καμπάνια.
Πρώτα τακτοποιούμε, μετά συγκρίνουμε
Η σύγκριση δύο εγγραφών λέξη προς λέξη δεν οδηγεί μακριά: Daniela και Dany είναι το ίδιο πρόσωπο, V. Roma 12 και Via Roma, 12 είναι η ίδια διεύθυνση, και καμία κυριολεκτική σύγκριση δεν το αντιλαμβάνεται. Γι' αυτό δουλεύουμε σε δύο βήματα: πρώτα τακτοποιούμε τις δύο διευθύνσεις — όνομα οδού ολογράφως, σωστός ταχυδρομικός κώδικας, η σωστή πόλη — και μόνο μετά τις συγκρίνουμε, μαζί με το ονοματεπώνυμο, το email και το τηλέφωνο. Δύο γραφές της ίδιας οδού γίνονται η ίδια οδός πριν αρχίσει η σύγκριση.
Το αποτέλεσμα δεν είναι ένα ναι ή ένα όχι. Όταν η ετυμηγορία δεν είναι ξεκάθαρη το δηλώνουμε — βέβαιο, πιθανό ή αμφίβολο, με την αιτία δίπλα: δύο διαφορετικά πρόσωπα μπορεί να έχουν το ίδιο όνομα στην ίδια πόλη, και η συγχώνευση δύο εγγραφών παραμένει δική σας απόφαση, που παίρνετε ξέροντας σε τι στηρίζεται.
Κανονικοποίηση, εντοπισμός διπλοεγγραφών, αφαίρεση διπλοεγγραφών, εμπλουτισμός
Τέσσερις διαφορετικές εργασίες, που συνήθως καταλήγουν όλες κάτω από τη λέξη «καθαρισμός». Το να τις ξεχωρίζετε έχει σημασία, γιατί η καθεμία είναι η προϋπόθεση της επόμενης.
Κανονικοποίηση
Να αναχθεί κάθε διεύθυνση σε μία μοναδική, σωστή γραφή, συμπληρώνοντας ό,τι λείπει: τον ταχυδρομικό κώδικα, την επαρχία, το όνομα της οδού ολογράφως.
«Via S. Caterina 20» και «Strada Santa Caterina 20» γίνονται η ίδια γραμμή.
Εντοπισμός διπλοεγγραφών
Να αναγνωριστεί ότι δύο εγγραφές είναι το ίδιο υποκείμενο ακόμη κι αν είναι γραμμένες διαφορετικά: «V. Roma 12» και «Via Roma 12», Dany και Daniela, επώνυμο και όνομα αντεστραμμένα.
Έρχεται μετά την κανονικοποίηση, και όχι τυχαία: χωρίς αυτήν, συγκρίνετε συμβολοσειρές αντί για διευθύνσεις.
Αφαίρεση διπλοεγγραφών
Να αποφασιστεί τι θα γίνει με τις διπλοεγγραφές που βρέθηκαν: ποια εγγραφή θα κρατηθεί, ποια πεδία θα ληφθούν από τη μία και ποια από την άλλη.
Η διπλοεγγραφή δεν πετιέται: ενσωματώνεται, και μένει καταγεγραμμένο από πού προέρχεται κάθε πληροφορία.
Εμπλουτισμός
Να προστεθεί ό,τι λείπει ή μπορεί να συναχθεί από ό,τι υπάρχει: η προσφώνηση από το όνομα, ο τίτλος, το επίθημα του αριθμού, ο φορολογικός κωδικός.
Δεδομένα που κανείς δεν σας έδωσε, αλλά που η βάση σας περιέχει ήδη σε λανθάνουσα μορφή.
Γιατί έχει σημασία, πέρα από τον καθαρισμό: όποιος λαμβάνει δύο φορές την ίδια επιστολή το προσέχει, και όποιος δεν λαμβάνει το ευχαριστήριο επειδή η δωρεά ήταν καταχωρισμένη σε μία εγγραφή ενώ εσείς κοιτάξατε την άλλη, το προσέχει ακόμη περισσότερο.
Εσείς επιλέγετε πόσο αυστηρή είναι η σύγκριση, εμείς σας λέμε πόσο σίγουροι είμαστε
Δεν σας ζητάμε να αποφασίσετε ποιες εγγραφές θα συγχωνευτούν: αυτό το κάνουμε εμείς, και για κάθε ομάδα λέμε με πόση βεβαιότητα. Η μόνη ρύθμιση είναι η αυστηρότητα της σύγκρισης, δηλαδή πόσο διαφορετικές μπορεί να είναι δύο εγγραφές και να παραμένουν το ίδιο υποκείμενο. Τρεις τιμές: ο ιστότοπος και οι εργασίες σε αρχεία χρησιμοποιούν την προεπιλογή, το API σας επιτρέπει να επιλέξετε με livello_minimo. Να μη συγχέεται με την ακρίβεια της κανονικοποίησης της διεύθυνσης, που είναι κάτι διαφορετικό και έχει πέντε επίπεδα.
Αυστηρή
Ονοματεπώνυμο και διεύθυνση συμπίπτουν μετά την κανονικοποίηση. Καμία ομάδα που δεν θα φτιάχνατε με το χέρι.
Η προεπιλογή
Μπαίνουν οι παραλλαγές του ίδιου ονόματος (Dany και Daniela), οι συντομογραφίες και τα μικρά τυπογραφικά λάθη. Είναι η ρύθμιση με την οποία τρέχουν οι περισσότερες εργασίες.
Χαλαρή
Και οι αδύναμοι δεσμοί: ίδια διεύθυνση και παρόμοια ονόματα. Βρίσκει περισσότερα, και πρέπει να κοιτάξετε περισσότερα.
Η ετυμηγορία που επιστρέφει για κάθε ομάδα — βέβαιο, πιθανό, αμφίβολο — είναι δική μας ταξινόμηση, όχι δική σας επιλογή: λέει πόσο στέρεη είναι η ομάδα, και σας βοηθά να αποφασίσετε τι μπορείτε να δεχτείτε με κλειστά μάτια και τι αξίζει να ξαναδείτε.
Η διπλοεγγραφή δεν πετιέται: συγχωνεύεται
Αυτή είναι η διαφορά που μετράει. Όποιος αφαιρεί διπλοεγγραφές συνήθως κρατά μία εγγραφή και απορρίπτει την άλλη — και μαζί της απορρίπτει το email που υπήρχε μόνο εκεί. Εμείς χτίζουμε μια νέα εγγραφή παίρνοντας από την καθεμία το καλύτερο πεδίο.
| Πεδίο | Εγγραφή Α | Εγγραφή Β | Εγγραφή που μένει |
|---|---|---|---|
| Όνομα | Dany Rossi | Rossi Daniela | Daniela Rossi κανονική μορφή, πεδία ξανά στη θέση τους |
| Διεύθυνση | v. leopardi 4, milano | Via G. Leopardi 4, Milano | Via Giacomo Leopardi 4 από την πληρέστερη εγγραφή |
| Ταχυδρομικός κώδικας και πόλη | — | Milano | 20123 MILANO MI συμπληρώθηκε κατά την κανονικοποίηση |
| dany.rossi@gmail.com | — | dany.rossi@gmail.com υπήρχε μόνο στην Α | |
| Τηλέφωνο | — | 347 032 8959 | 3470328959 υπήρχε μόνο στη Β |
Κρατώντας την Α θα είχατε χάσει το τηλέφωνο, κρατώντας τη Β το email. Η συγχωνευμένη εγγραφή τα έχει και τα δύο, και για κάθε πεδίο μένει καταγεγραμμένο από ποια εγγραφή προέρχεται: αν κάποια μέρα η συγχώνευση δεν σας πείθει, ξέρετε ακριβώς τι να αγγίξετε.
Οι ίδιες διπλοεγγραφές που ξεφεύγουν από μια ακριβή αναζήτηση
- Dany Rossi=Daniela Rossi ισοδύναμο όνομα
- Rossi Mario=Mario Rossi επώνυμο και όνομα αντεστραμμένα
- V. Roma 12=Via Roma 12 συντομογραφία ολογράφως
- Rossi Daniela, via leopardi 4, milano=Daniela Rossi, Via Giacomo Leopardi 4, 20123 MILANO MI διεύθυνση τακτοποιημένη πριν από τη σύγκριση
Αναγνωρίζουμε επίσης ένα τυπογραφικό λάθος στο επώνυμο· τον τίτλο πριν από το όνομα, που δεν μετράει στη σύγκριση (Dott.ssa Maria Bianchi είναι το ίδιο πρόσωπο με Maria Bianchi)· και την τοποθεσία που επαναφέρεται στον δήμο της, επειδή η Sampierdarena είναι συνοικία της Γένοβας.
Σχετικές ερωτήσεις
- Πώς ελέγχεται και διορθώνεται ένα αρχείο πελατών;
- Πώς βρίσκω τις διπλοεγγραφές σε ένα αρχείο, ακόμη κι αν είναι γραμμένες διαφορετικά;
- Το Excel δεν βρίσκει τις διπλοεγγραφές: γιατί, και τι να κάνω;
Όλες οι ερωτήσεις, με την απάντηση, στις Ερωτήσεις και απαντήσεις.