Bedste praksis for samling af data

Når du konfigurerer regler for at samle dine data i en kundeprofil, skal du overveje disse bedste fremgangsmåder:

• Balancere tid til samlet vs. komplet matching. Forsøg på at registrere alle mulige matchkundeemner for mange regler og samling tager lang tid.

• Tilføj regler gradvist, og spor resultaterne. Fjern regler, der ikke forbedrer matchresultatet.

• Dedupliker de enkelte tabeller, så alle kunder er repræsenteret i en enkelt række.

• Brug normalisering til at standardisere variationer for, hvordan data blev indtastet, f.eks. Gade vs. Gd vs. Gd. vs. gd.

• Brug fuzzymatchning strategisk til at rette stavefejl og andre fejl, f.eks. bob@contoso.com og bob@contoso.cm. Det tager længere tid at køre fuzzymatchning end nøjagtig matchning. Test altid for at se, om den ekstra tid, der bruges på fuzzymatchning, er den ekstra matchrate værd.

• Begræns omfanget af matches med nøjagtigt match. Sørg for, at alle regler med uklare betingelser har mindst én nøjagtig matchbetingelse.

• Match ikke kolonner, der indeholder meget gentagne data. Kontrollér, at kolonner, der er fuzzymatchet, ikke har værdier, der gentages ofte, f.eks. standardværdien "Firstname" i en formular.

Samlingsydeevne

Det tager tid at køre hver regel. Mønstre, f.eks. sammenligning af alle tabeller med alle andre tabeller eller forsøg på at registrere alle mulige postmatches, kan føre til lange behandlingstider for samling. Denne tilgang giver også få, hvis nogen, flere matches over en plan, der sammenligner hver tabel med en basistabel.

Den bedste fremgangsmåde er at starte med et grundlæggende sæt regler, som du ved er nødvendige, f.eks. sammenligning af hver tabel med din primære tabel. Din primære tabel skal være den tabel, der har de mest komplette og nøjagtige data. Ordn denne tabel øverst i Matching-regler unifikationstrinnet.

Tilføj gradvist flere regler, og se, hvor lang tid det tager at køre ændringerne, og om dine resultater forbedres. Gå til Indstillinger>System>Status, og vælg Match for at se, hvor lang tid deduplikering og matchning tog for hver samlingskørsel.

Få vist regelstatistikken på siderne Deduplikeringsregler og Matchningsregler for at se, om antallet af entydige poster ændres. Hvis en ny regel matcher nogle poster, og det entydige postantal ikke ændres, identificerer en tidligere regel disse matches.

Kundedata

I trinnet Kundedata:

• Udelad kolonner, der ikke skal bruges til matchning af regler, eller som du ikke vil have inkluderet i den endelige kundeprofil.

• Gennemse kolonnebeskrivelser, der er valgt af intelligent tilknytning.

• Det er ikke alle kolonner, der skal tilknyttes. Kortlæg almindelige kolonner som e-mail- og adressefelter for at gøre downstream-processer lettere. Du kan dog lade umappede kolonner være med et unikt ID eller formål for din virksomhed.

Deduplikering

Brug deduplikeringsregler til at fjerne dublerede kundeposter i en tabel, så en enkelt række i hver tabel repræsenterer hver kunde. En god regel identificerer en entydig kunde.

I dette simple eksempel deler post 1, 2 og 3 enten en mail eller et telefonnummer og repræsenterer den samme person.

Match ikke kun på navn, fordi den regel matcher forskellige personer med samme navn.

• Opret regel 1 ved hjælp af Navn og Telefon, der matcher posterne 1 og 2.

• Opret regel 2 ved hjælp af Navn og Mail, der matcher posterne 2 og 3.

Ved kombination af regel 1 og regel 2 oprettes der en enkelt matchgruppe, fordi de deler post 2.

Du bestemmer antallet af regler og betingelser, der entydigt identificerer dine kunder. De nøjagtige regler afhænger af de data, du har til rådighed, kvaliteten af dine data, og hvor udtømmende du ønsker, at deduplikeringsprocessen skal være.

Normalisering

Brug normalisering til at standardisere data for bedre matchning. Normalisering fungerer godt på store datasæt.

Systemet bruger de normaliserede data kun til sammenligningsformål for bedre at matche kundeoptegnelser. Dataene ændres ikke i det endelige output af en samlet kundeprofil.

Nøjagtigt match

Brug præcision til at bestemme, hvor tæt to strenge skal være for at blive betragtet som et match. Standardpræcisionsindstillingen kræver et nøjagtigt match. Alle andre værdier aktiverer fuzzymatchning for den pågældende betingelse.

Sæt præcision til lav (30% match), medium (60% match) eller høj (80% match). Eller du kan tilpasse og indstille præcisionen i trin på 1 %.

Nøjagtige matchbetingelser

Betingelserne for eksakt match køres først for at få et mindre sæt værdier til upræcise match. For at være effektive bør de nøjagtige matchningsbetingelser have en rimelig grad af entydighed. Hvis alle dine kunder f.eks. bor i samme land/område, vil et nøjagtigt match for landet/området ikke hjælpe med at indsnævre omfanget.

Kolonner som fulde navn, mail, telefon eller adressefelter har god entydighed og er egnet til at bruge som et nøjagtigt match.

Kontrollér, at den kolonne, du bruger til en betingelse med nøjagtigt match, ikke indeholder værdier, der gentages ofte, f.eks. standardværdien "Fornavn", der registreres af en formular. Customer Insights kan profilere datakolonner for at give indsigt i de vigtigste gentagne værdier. Du kan aktivere dataprofilering på Azure Data Lake-forbindelser (ved hjælp af Common Data Model eller Delta-format) og Synapse. Dataprofilen kører, når datakilden opdateres næste gang. Du kan finde flere oplysninger i Dataprofilering.

Fuzzymatchning

Brug fuzzymatchning til at matche strenge, der er tætte, men ikke er nøjagtige på grund af slåfejl eller andre små variationer. Brug fuzzymatchning strategisk, da det er langsommere end nøjagtige matches. Sørg for, at mindst én præcis matchbetingelse er i enhver regel, der har fuzzy betingelser.

Fuzzymatchning er ikke beregnet til at fange navnevariationer som Suzzie og Suzanne. Disse variationer registreres bedre med normaliseringsmønsteret Type: Navn eller den brugerdefinerede aliasmatchning, hvor kunderne kan angive deres liste over de navnevariationer, de vil betragte som matches.

Du kan føje betingelser til en regel, f.eks. matchende FirstName og telefon. Betingelser inden for en given regel er "OG"-betingelser. Alle betingelser skal stemme overens, for at rækkerne stemmer overens. Separate regler er "ELLER"-betingelser. Hvis regel 1 ikke stemmer overens med rækkerne, sammenlignes rækkerne med regel 2.

Beregninger af fuzzymatchning

Fuzzymatches bestemmes ved at beregne redigeringsafstandsscoren mellem to strenge. Hvis scoren når eller overstiger præcisionstærsklen, betragtes strengene som et match.

Redigeringsafstanden er det antal redigeringer, der kræves for at omdanne en streng til en anden ved at tilføje, slette eller ændre et tegn.

For eksempel har strengene "robert2020@hotmail.com" og "robrt2020@hotmail.cm" en redigeringsafstand på to, når du fjerner e og-tegnene o . Hvis du vil beregne redigeringsafstandsscore, skal du bruge denne formel: (Grundlæggende strenglængde - Redigeringsafstand)/Grundlæggende strenglængde.