Ms access 如何对两个数据集执行不精确匹配

我试图比较两个系统中的两个数据集（供应商主数据集）。我们正在转向一个系统，因此我们希望避免重复。问题是姓名、地址等可能略有不同。例如，名称可能以“Inc”或“Inc”结尾，或者地址可能是“St”或“Street”。供应商主数据已被转储到excel，因此我考虑将它们拉到access中进行比较，但我不确定如何处理不精确的匹配。我需要比较的数据字段有：姓名、地址、电话号码、联邦快递税id（如果已填充）、联系人姓名。以下是我的操作步骤。在堆栈交换中，您很少会得到这样的答案，因为您的问题可能不够集中。这是一组相当通用的步骤，不特定于特定工具（即数据库或电子表格）。正如我在评论中所说的，你需要搜索关于你使用的特定工具的具体答案（或询问新的答案）。在不了解所有细节的情况下，Access在进行一些初步匹配时肯定很有用，但您也可以直接使用Excel，甚至可以使用Oracle SQL，因为您可以将它作为一种资源

• 备份您的数据
• 为匹配目的制作数据副本
• 确保两组数据的每条记录都有一个唯一的键（即自动编号字段或类似项），以便在确认匹配之前，始终可以单独识别记录
• 创建新的匹配键表和/或包含匹配唯一键值列表的字段
• 创建新的“匹配”字段，并将关键字段复制到这些新字段中
• 将所有可能匹配字段中的数据按
  • 删除句点和其他标点符号
  • 选择标准缩写并用所有记录中的相同值替换所有变化。示例：将“公司”和“公司”替换为“公司”
  • 从末端和术语之间修剪多余的空格
  • 以完全相同的方式格式化所有电话号码，或者最好删除所有空格和标点符号以进行比较，不包括分机信息：
  • 将多个术语字段解析并拆分为单独的字段。姓名->姓名、中间名、姓氏字段；地址->街道编号、街道名称、额外地址信息。
    • 解析过程本身可以识别和协调格式差异
    • 允许更容易地单独匹配条款
  • 等等等等

一旦匹配字段被充分清除，现在在不同的字段上进行匹配

• 定义匹配优先级，即哪些字段可能以最少的不确定性生成可靠的匹配。
  • 对于包含税务ID号的记录，这似乎是最合理的开始位置，因为该数字的精确匹配应该是有效的，或者可能表明数据中存在错误
• 对于每种类型的匹配，更新上面提到的匹配键字段
• 对于每个连续的匹配查询，排除在匹配的键表/字段中已经有匹配项的记录
• 优化并重复所有这些步骤，直到找到所有匹配项为止
• 将所有不匹配的记录添加到最终合并的记录集中

你从没说过你有多少唱片。如果可能的话，您的组织花时间手动验证自动匹配是值得的，方法是将它们并排列出，并在需要时手动调整它们

---

但是，即使您成功地配对了非精确匹配，仍需要有人决定为合并的系统保留哪个记录。我想您可能在公司名称和税务id上有匹配项——基本上是验证匹配项——但仍然有不同的地址和/或联系人姓名。没有技术上的答案可以帮助您知道保留或丢弃哪些数据。再次，应进行人工审查，以最终确定合并的记录。如果设置正确，一对人眼可能会在一天内浏览数千条记录。

但你的问题是什么？本网站旨在提出具体的发展问题，而不是开放式的“建议”。似乎主要的问题可能是对一组数据执行不精确的匹配。对于这个问题，更重要的是你所说的“系统”是什么意思——现在都在Excel中了吗？合并后的“系统”会是什么样子？访问权限将仅用于匹配？不要只列出几个带有“etc.”的列，而是准确列出需要匹配的关键列。将问题改为“如何在两个数据集上执行不精确匹配”。对不起。这是我第一次发布问题，所以我不知道我问的是一个开放式问题。是的，我想知道如何在两个数据集上执行不精确匹配。感谢您抽出时间。欢迎来到StackExchange！有时你会得到一些直截了当的答案，但当你学会以简洁的方式表达问题时，你会发现每个人都很有帮助。学会这样做也会帮助你专注于解决问题的关键步骤。您发布的这类问题可能是一个多部分的问题，没有一个问题可以回答。你可以编辑这个问题并添加我提到的一些细节。继续并更新问题，提供有关关键字段以及要比较多少记录的更多详细信息。除了Access，您还熟悉哪些其他工具/语言？好的。我更新了标题和细节。我使用Oracle SQL和Access。谢谢你带领我完成了这个过程。在我看来，你想要做的事情是巨大的，而且几乎不可能编码。无论您如何编码，都需要用肉眼逐案审查，以评估和确定缅因州J.J.史密斯的记录是否与缅因街詹姆斯J.史密斯的记录是同一个人的记录。这就是为什么你可能会得到一份新闻的多份副本