FAQ Match Fuzzy

Não há nenhuma resposta padrão a esta pergunta. Considere os campos correspondentes que deve ser diferente entre os registros e poderia denotar o registro como único. Por exemplo, em um banco de dados de contato padrão, o nome, endereço e número de telefone deve identificar uma pessoa única. Muitas pessoas podem ter a mesma cidade e Estado, de modo que estes seriam menos significativos.

É importante compreender a relação entre o uso de vários campos e quanta importância, ou peso, deve ser dada a cada campo que está sendo considerado no processo de correspondência. Por exemplo, o nome pode não ser tão importante como endereço e zip, assim ponderando nome menos do que endereço e zip pode resultar em mais partidas onde o endereço e zip são exatos, mas o nome marcou menos do que uma correspondência exata.

Modo de purga (todos os registros em comparação) encontra correspondências em cada indivíduo DataSet, bem como correspondências entre dois conjuntos de dados. O modo de purga pode ser usado em um DataSet para remover duplicatas de, ou de-dupe, o banco de dados. Isso pode ser uma etapa de preparação antes que uma mesclagem de dois bancos de dados seja executada.

Mesclagem (somente registros de uma fonte diferente são comparados) compara registros de dois dados diferentes Fontes. Escolhendo mesclar apenas encontrar correspondências entre dois DataSets.

Um banco de dados deve ser desenganado antes de usar o modo de mesclagem porque:

• O modo de mesclagem não detecta registros duplicados dentro da mesma fonte.
• O processo de correspondência é mais rápido sem registros duplicados.
  DataSet 1 tem 5 duplicatas. DataSet 2 tem 10. Se Merge é executado sem purgar essas duplicatas, a coincidir irá verificar 50 pares de correspondência. Se as duplicatas forem limpas, a correspondência irá verificar um par de correspondência.

A ferramenta de correspondência difusa usa um identificador (ID) para rotular correspondências, qualquer de um arquivo para outro ou de uma linha para outra em um único arquivo. A ferramenta usa o ID para relatar quais os registos coincidem.

O ID deve ser exclusivo para cada registro, incluindo registros de conjuntos de dados diferentes, para garantir a saída precisa da ferramenta. Cumpra as seguintes práticas recomendadas para IDs exclusivos:

• Saiba o tamanho de seus conjuntos de datadefine para entender melhor o início necessário valor para cada coluna registroid.
• Adicione uma ferramenta de ID de registro a ambos os fluxos de DataSet.
• Defina o "Iniciando Valor "de diferentes DataSet fluxos várias magnitudes fora uns dos outros para garantir que todos os registros têm um valor exclusivo atribuído.

  Melhores práticas

  Atribuir 100 milhões como o valor inicial para a ferramenta gravarid para o arquivo mestre e 200 milhões como a inicial valor para o arquivo do cliente. Consistentemente usando esta prática permite que você facilmente Identifique as fontes dos registros de correspondência.

No modo de purga, os dados em RecordID1 e RecordID2 são a linha identificadores de seu DataSet.

No modo de mesclagem, RecordID1 e RecordID2 correspondem a IDs correspondentes, uma de cada DataSet. Definindo as IDs de registro no início valores de diferentes magnitudes permite que você mais facilmente reconhecer que DataSet está sendo referenciado.

RecordID1 é sempre o "primeiro" valor no emparelhar correspondente se as duas IDs são classificadas por ordem alfanumérica.

As IDs de par de correspondência de correspondência difusa são classificadas por ordem alfanumérica por linha. Numérico registro classificação campos classificar ID1 para RecordID2, menor para o maior, respectivamente, mas String RecordIDs pode classificar de maneiras inesperadas.

Registre 101 partidas com o registro 11. Se os campos são armazenados como números, RecordID1 seria 11 e RecordID2 seria 101. Se os campos são armazenados como seqüências de caracteres, RecordID1 seria 101 e RecordID2 seria 11.

Alterne para um campo numérico de registroid ou verifique se as seqüências de caracteres com RecordIDs precedidas têm um formato padronizado entre registros.

Na maioria dos cenários de correspondência de endereço, onde o banco de dados é consistentemente preenchido com dados, cidade e campos de estado não são necessários na correspondência. O nome, endereçoe CEP são opções de estilo de correspondência mais comumente usadas . Examine seus dados para determinar se os campos cidade ou estado podem ser relevantes.

Use metaphone duplo se:

• Os campos cidade e estado não são abreviados.
• Os campos podem conter ortografia Erros.  

Use todo o campo ou caso de campo inteiro insensível se:

• O campo Estado é abreviado e requer e correspondência exata.

  Uma correspondência exata é normalmente necessária se passar para um processo mais granular de correspondência.

Em muitos cenários de correspondência de endereço, os campos de suíte não são necessários na correspondência. O nome, endereçoe CEP são opções de estilo de correspondência mais comumente usadas . Examine seus dados para determinar se os campos da suíte podem ser relevantes.

Duplo metaphone w/dígitos é o estilo de correspondência preferencial para qualquer endereço , independentemente de o endereço incluir números de suíte. Também considere o uso da faixa de Pontuação e remover unidades da opção de endereço e.u. pré-processamento.

Na maioria dos casos, não é necessário analisar um campo de nome em campos de componentes individuais e não deve resultar em um melhor jogo. Use o gerar Chaves para cada opção de palavra com o algoritmo SOUNDEX para gerar chaves de campo de nome. Isso garante que a ordem da palavra Não é considerado, portanto, tanto "Cindy Smith" ou "Smith, Cindy "são considerados um jogo.

Analisar o campo nome é vantajoso quando você deseja para colocar pesos diferentes em cada valor.

Em Editar... > Pré-processamento, use strip Pontuação e saudações para ignorar essas palavras durante a execução de uma correspondência.