Die Intradublettensuchen ermöglichen Dublettensuchen innerhalb ganzer Tabellen oder auch mehrerer Tabellen gegeneinander.
Ein Mit einem Rechtsklick auf Intradublettensuchen bringt eine Auswahlliste, in der Sie die Option „Intradublettensuchen“ hinzufügen anklicken. Die führt zu folgendem Dialog:
können Sie eine neue Suche anlegen.
Im Anlagedialog können Sie folgende Einstellungen vornehmen:
- Name: Geben Sie einen eindeutigen Namen an. Mit diesem wird Ihre Einstellung abgespeichert und später Name: Mit dem angegebenen Namen wird die Einstellung abgespeichert und vom Data Quality Server aus angesprochen.
- Maximale Prozessoranzahl: Geben Sie hier die maximale Anzahl der Kerne an, mit der die Dublettensuche laufen darf. Dies hat Performanz-Gründe.
Reiter Quelltabellen
- : Hier erscheinen werden Ihnen bereits angelegte Datenquellen und –ziele Datenziele zur Auswahl angezeigt. Per Drag & Drop oder Doppelklick lassen sich diese in den Abgleichbereich „Ausgewählte Datenquellen“ „Ausgewählte Datenquellen“ überführen.
Mit dem Button
lassen sich auch Datenquellen Button 
lassen sich Datenquellen auch direkt aus diesem Dialog anlegen. (siehe Datenquellen anlegen) - Sie haben weiterhin die Möglichkeit mit bereits erstellten Filtern die Datenfelder zur Verarbeitung zu begrenzen.
- Mit der Checkbox Intra-Quellen_Duplikate? legen Sie fest, ob die Datei für den Dublettenabgleich innerhalb der Quelle herangezogen werden soll.
Reiter Datenstruktur
- Workflow auswählen: Als erstes kann hier ein Workflow ausgewählt werdenSie erhalten hier eine Auswahlliste von bereits angelegten Workflows. Dadurch besteht die Möglichkeit im Vorfeld definierte Workflows zu nutzen, um die Daten vor der Dublettensuche aufzubereiten (z. B. Straße und Hausnummer trennen).
- Feldzuordnungen: Um die Tabellenfelder sowohl einander wie auch den Feldern der Suchmatrix zuzuordnen, können diese per Drag & Drop oder Doppelklick in das die betrefende Spalte des Zuordnungsgrid übernommen werden.Hinweis
Anmekung: Achten Sie darauf, dass einander zugeordnete Felder immer denselben Datentyp haben.
- Spalte Datentyp: Hier können Sie den gewünschten Datentyp aus einem Dropdown auswählen.
- Spalte MulitValue (Checkbox): Sie können auswählen, ob es sich um ein Feld mit mehreren gültigen Werten handelt.
- Feldgröße: Hier läßt sich die Zeichenanzahl für ein Feld begrenzen (max. 255 Zeichen)
- Matrix Feldname: hier werden die zugeordneten Felder aus der gewählten Matrix angezeigt.
- Matritzenauswahl: Sie erhalten hier eine Auswahlliste von vorhandenen Matrizen, die auf die Suche angewendet werden können.
- Matrixfelder: Um die vorhandenen Matrix-Tabellenfelder den Matrix Feldnamen zuzuordnen, können diese per Drag & Drop übernommen werden.
Button
Bei Betätigung des Buttons Felder zuordnen, werden alle
: Alle Felder der gewählten Tabelle werden automatisiert übernommen.
Dies gilt äquivalent für den Button Matrix zuordnen.
- Button
: Alle Felder der gewählten Matrix werden automatisiert übernommen. - Button
: Die vorgenommenen Feldmappings werden gelöscht.
AnmerkungHinweis: Die automatische Zuordnung funktioniert nicht bei unähnlichen Namen. Hier müssen die Felder manuell (per Drag & Drop) zugeordnet werden.
Reiter Suchumgebungen
...
Mehr Informationen hierzu finden Sie auch im Kapitel
...
...
- Suchtiefe: Anzahl der Datensätze, die mit dem aktiven Datensatz verglichen werden.
- Ermittle optimale Suchtiefe (Checkbox): Ist diese Option ausgewählt, versucht die Software anhand von Stichproben, die sinnvollste Größe der Suchtiefe zu ermitteln. Die Suchtiefe kann aber dadurch nie größer als der voreingestellte Wert werden.
- Regelsatz: Damit kann die Sortierung anhand von Worldmatch-Regelsätzen beeinflusst werden. Dies ist nur für Dublettensuchen mit Worldmatch-Technologie sinnvoll – nicht mit FACT.
- IndexFeld#1: Hier wird ein Feld zugeordnet, für das die Suchtiefe gelten soll.
- Weitere Spalten: Hier wird die Reihenfolge der Sortierung in der Suchumgebung definiert.
- Weitere Zeilen: Je Zeile wird eine weitere Suchumgebung definiert.
- Reiter Kopfdubletten
Eine Adresse kann mehrmals innerhalb eines Datenbestandes vorkommen. Werden zwei oder mehr gleiche Adressen (Duplikate) gefunden, werden damit Dublettengruppen gebildet.
Nach dem Adressenabgleich in der Dublettengruppe wird nur eine der Adressen als Kopfdublette, alle anderen als Folgedubletten bewertet. Der bereinigte Datenbestand soll schließlich nur Kopfdubletten enthalten, alle Folgendubletten sollen gelöscht werden.
Um die Entscheidung zu treffen, welche Adresse als Kopfdublette angesehen wird, verfügt der Data Quality Server über unterschiedliche Methoden.
- Methode Automatisch: Per Standard wird die Omikron-Automatik verwendet, welche die Kopfdublette nach der Menge an vorhandenem Inhalt (es werden Punkte für die Menge an befüllten Feldern, die Anzahl der Strings und Zeichen vergeben) in den Feldern des Datensatzes auswählt.
Die Punktwerte können beliebig angepasst werden.
Mit dem Button 
können Sie nun weitere Prioritätsregeln für Kopfdubletten erstellen. Die neue Regel erscheint automatisch an Platz eins der Liste der Regeln, die Regeln werden nach Reihenfolge bearbeitet.
Jede weitere neu erstellte Regel wird immer an Platz eins erscheinen.
Sie haben die Möglichkeit unter drei verschiedenen Priorisierungsregeln zu wählen
- Prioritätsfeld: Hier wählen Sie ein Feld der Datenstruktur Methode Prioritätsfeld: Diese Methode wählt ein Feld aus, dessen Einträge priorisiert werden. Es wird dann jeweils derjenige Datensatz zur Kopfdublette, bei dem der Inhalt des priorisierten Feldes der Prioritätsmethode entspricht, .
z.B. Feld "PLZ" Methode „Nummerisch aufsteigend“.
Als Methoden stehen folgende Sortierungskriterien zur Verfügung:
Anmerkung: "Text aufsteigend" bzw. "Text absteigend" entspricht einer alphabetischen Sortierung.
- Feldprioritäten: Wählen Sie Methode Feldprioritäten: Diese Methode wählt ein oder mehrere Felder der Datenstruktur aus, die Einträge enthalten sollen. Es wird dann jeweils derjenige Datensatz zur Kopfdublette, bei dem die benannten Felder Inhalte haben, wenn dies in dem anderen Datensatz nicht der Fall ist.
Wählen Sie hierzu ein Feld aus dem Dropdown aus und Klicken auf 
. Mit 
können Sie einen Feldeintrag wieder löschen.
- Quellprioritäten: Wählen Sie hiermit, die Felder welcher Datenquelle immer als Kopfdublette gelten sollen. Es wird dann jeweils derjenige Datensatz zur Kopfdublette, der aus der Priorisierten Datenquelle stammt.
- Sie können eine Priorität
- per numerischer Sortierung je Datenquelle eingeben
- per Checkbox Nur Kopfdubellte? bestimmen, welche Datenquelle herangezogen werden soll
- Sie können eine Priorität
Mit können Sie eine ganze Regel wieder löschen.
Diese Methoden können auch kombiniert werden, wobei von oben nach unten überprüft wird, ob die Methode im speziellen Fall eine Entscheidung bringt. Wenn dies nicht der Fall ist, wird die darunterstehende überprüft.
Reiter Ergebnisse
Hier definieren Sie den Export Ihrer Ergebnisse. Ausgangsbasis ist dabei die Datenstruktur, welche im Reiter Datastructure definiert wurde. Außerdem werden noch die Statusfelder ergänzt, welche durch die Dublettenprüfung neu entstehen.
- DQS_HitColumn: Dieses Feld enthält die Position der Matrixspalte, welche die Dublette gefunden hat (1 für die erste Spalte, 2 für die zweite usw. – die Kopfdublette hat den Wert Head).
- DQS_DestId: Dieses Feld enthält die ID des Datensatzes, der direkte Kopfdublette ist – aufgrund der Baumstruktur der Dublettenabhängigkeiten ist das nicht zwangsläufig die Kopfdublette der zugehörigen Dublettengruppe, sondern evtl. eine der anderen Folgedubletten.
- DQS_FlatDestId: Dieses Feld enthält die ID der zugehörigen Dublettengruppe – gleichzeitig die ID der Kopfdublette.
- DQS_AvgSimi: Dieses Feld enthält einen durchschnittlichen Ähnlichkeitswert zwischen Folgedublette und direkter Kopfdublette.
...
- Exportieren als PDF Report: Es wird ein Report mit Statistiken der Analyse im PDF-Format exportiert. ACHTUNG: Achten Sie darauf, dass der DQ Server Schreibrechte im angegebenen Pfad besitzt.
