Sie befinden sich hier:
Abgleichsmethoden für die Identitätsbestimmung
Die Abgleichsregelmethoden bestimmen, wie Quelldaten während des Abgleichs für den Vergleich umgewandelt werden. Wenn die Abgleichsmethode für ein Feld geändert wird, wird die Konsolidierungsrate in der Regel basierend auf diesem Feld geändert.
Die Abgleichsmethoden beschreiben die Genauigkeit, mit der Daten während der Identitätsbestimmung abgeglichen werden. Die erwartete Konsolidierungsrate ist geringer, wenn ein Abgleich mit hoher Präzision erforderlich ist. Durch die Auswahl einer weniger genauen Abgleichsmethode wird die Konsolidierungsrate in der Regel erhöht. Es kann jedoch zu unerwünschten Übereinstimmungen kommen.
Beim Erstellen von Kriterien für benutzerdefinierte Abgleichsregeln sind bis zu fünf Abgleichsmethoden verfügbar. Die für jedes Objekt und Feld verfügbaren Abgleichsmethoden variieren. Unscharfe Abgleichsmethoden sind für Felder aus dem Account-Objekt nicht verfügbar.
- Exact
- Genau normalisiert
- Fuzzy – hohe Präzision
- Fuzzy – mittlere Präzision
- Fuzzy – geringe Präzision
Sie können benutzerdefinierte Übereinstimmungskriterien weiter verfeinern, indem Sie Übereinstimmungen zwischen leeren Feldern zulassen.
Die Abgleichsmethode "Genau"
Die Abgleichsmethode Genau ist für alle Objekte und Felder verfügbar. Wenn diese Abgleichsmethode verwendet wird, stimmen die Werte unabhängig von der Groß- und Kleinschreibung überein.
Da bei der Abgleichsmethode "Genau" nicht zwischen Groß- und Kleinschreibung unterschieden wird, gelten die folgenden vier Quelldatenwerte als genaue Übereinstimmungen:
- Maryanne
- maryanne
- MARYANNE
- MaryAnne
Die Abgleichsmethode "Genau normalisiert"
Die Abgleichsmethode Genau normalisiert ist für bestimmte Felder der Objekte "Kontaktpunkt-E-Mail", "Kontaktpunkttelefon" und "Kontaktpunktadresse" verfügbar.
Wenn diese Abgleichsmethode ausgewählt wird, werden Quelldaten umgewandelt, um Probleme wie nachgestellte Leerzeichen, inkonsistente Formatierung, Sonderzeichen usw. zu beheben.
| Objekt | Felder mit Unterstützung der Abgleichsmethode "Genau normalisiert" | Normalisierungsprozess |
|---|---|---|
| Einzelperson |
|
|
| Kontaktpunkt-E-Mail |
|
|
| Kontaktpunkttelefon |
|
Ordnen Sie für Datenquellen mit Telefonnummern-Ländercodes das Feld Telefon-Ländercode zu. |
| Kontaktpunktadresse |
|
|
Bei den folgenden Quelldatenwerten handelt es sich um genaue normalisierte Übereinstimmungen:
| Quellwerte | Genauer normalisierter Feldwert für E-Mail-Adresse |
|---|---|
|
michellenoris@gmail.com |
Bei den folgenden Quelldatenwerten handelt es sich um genaue normalisierte Übereinstimmungen:
| Quellwerte | Genauer normalisierter Feldwert für Telefonnummer im E164-Format |
|---|---|
|
+16502779500 |
Bei den folgenden Quelldatenwerten handelt es sich um genaue normalisierte Übereinstimmungen:
| Quellwerte | Genaue normalisierte Feldwerte für "Anschrift Zeile 1" und "Anschrift Zeile 2" | Genaue normalisierte Feldwerte für Bundesland und Land |
|---|---|---|
Quelle 1
Quelle 2
|
220 Laurier Ave W Ste 1000 | Ontario Canada |
Quelle 1
Quelle 2
|
Calle De José Abascal 56 | Madrid, Spanien |
Abgleichsmethoden vom Typ "Fuzzy"
Die Fuzzy-Abgleichsmethoden sind für die meisten Felder verfügbar.
Wenn eine dieser Abgleichsmethoden verwendet wird, basieren Übereinstimmungen auf einem Modell mit künstlicher Intelligenz (KI), das mit Daten aus über 150 Ländern, 3 Milliarden englischen Wörtern und 20 Millionen Namen trainiert wird. Das AI-Modell wurde mit dem Sprachmodell "Bidirectional Encoder Representations from Transformers (BERT)" erstellt, um häufige Falschschreibungen, diakritische Markierungen, Synonyme und mehr abzugleichen. Das AI-Modell weist einen Konfidenzschwellenwert von 0,7 auf.
Zur Erhöhung der Genauigkeit der Abgleichsfunktion stehen drei Präzisionsstufen zur Verfügung: hohe, mittlere und geringe Präzision.
| Präzisionsstufe | Beschreibung | Übereinstimmende Werte |
|---|---|---|
| Geringe Präzision | Gleicht Werte mit geringer Ähnlichkeit ab. |
|
| Mittlere Präzision | Gleicht Werte mit den gleichen Initialen, Geschlechtsvarianten, gemischten Namen und ähnlichen Unternamen ab. |
|
| Hohe Präzision | Gleicht Werte übergreifend über Nicknames, Satzzeichen, internationale Abkürzungen, internationale Alphabetzeichen und kulturübergreifende Schreibweisen ab. |
|
