Geolocation 如何标准化用户插入的城市名称

我需要编写一个小型ETL管道，因为我需要将一些数据从源数据库移动到目标数据库（数据仓库），以便对数据执行一些分析

在这些数据中，我需要清理和整理城市名称。城市由国际用户手动插入，通常对于单个城市，我可以有多个名称（例如伦敦或伦敦）。 在我的源数据库中，我不仅有大城市，还有小村庄

如果我不将城市名称标准化，我们的分析可能是荒谬的

在我的目标数据库中，标准化城市的最佳做法是什么？你有什么想法或建议我可以接受吗

---

谢谢

唯一可靠的方法是使用商业地址验证软件，最好在创建数据时在源系统中使用，但可以将其集成到数据管道过程中

假设您负担不起/无法证明使用商业软件的合理性，唯一的其他解决方案是创建您自己的转换表，即保存输入的值以及您希望转换为的值的表

---

虽然您可以基于历史数据构建此表，但表中始终会有不存在的新值，因此您需要一个过程来识别这些值，将新记录添加到翻译数据中，然后修复受影响的记录。您还需要接受，在每次数据加载后的一段时间内，您的仓库中会有未清理的数据

请确保您只转换城市名称，而不是修复坏数据。数据仓库永远不应该修复坏数据，它应该只显示需要在源代码中修复的数据。。。也许我们还必须改进城市的人工输入