SC ALTEX SRL, ALTEX și Altex S.R.L. sunt trei clienți în raport. Vânzările pe client, media pe comandă și prognoza ies toate greșit.
Tabelul murdar
Șapte rânduri dintr-o listă de clienți, așa cum arată de obicei după ce au trecut prin trei programe și câțiva oameni. Rulează pașii și urmărește ce se schimbă.
0 probleme găsitePornește cu oricare pas.
| # | Firmă | CUI | Telefon | Localitate | Data comenzii |
|---|---|---|---|---|---|
| 1 | SC ALTEX SRL | RO16384722 | lipsă | Bucuresti | 03/04/25 |
| 2 | Altex S.R.L. | 16384722 | 0722.123.456 | București | 2025-04-03 |
| 3 | Tehnoclim srl | RO 35192065 | 0264 555 010 | Cluj Napoca | 4.4.2025 |
| 4 | TEHNOCLIM S.R.L. | 35192065 | +40264555010 | Cluj-Napoca | 04.04.2025 |
| 5 | Agro Vest SRL | 41826356 | 0745 22 11 | Timisoara | 2025-04-31 |
| 6 | Farmacia Sf. Ana S.R.L. | RO27508133 | 0040 731 000 222 | Iasi | 05/04/2025 |
| 7 | brutaria marasesti srl | 19063476 | 0721-444-555 | Marasesti | 2025/04/06 |
Exempluschimbat la ultimul pasinvalid, trimis la un omdublură unită
Firme, coduri și numere inventate pentru exemplu. Pe datele voastre, regulile le stabilim împreună.
Datele murdare nu dau erori. Dau rezultate greșite.
Un program nu se plânge de un CUI scris în două feluri. Doar numără doi clienți. Iar un model antrenat pe astfel de date învață și greșelile.
03/04/25 e 3 aprilie sau 4 martie? Depinde cine a introdus-o și în ce program. Un model nu are cum să știe.
După prima cifră greșită dintr-un raport, echipa se întoarce la Excelul ei. Și proiectul de AI se oprește acolo.
Ce corectăm
Fiecare tip de problemă are regula lui, scrisă și agreată. Aceeași regulă se aplică pe un rând sau pe un milion.
- Dubluri
SC ALTEX SRL, Altex S.R.L.Altex SRLUnite după CUI, nu după nume. - Formate de dată
03/04/25, 4.4.20252025-04-03Cu regula scrisă: ziua e prima. - Telefoane
0722.123.456, 0040 731…+40 722 123 456Un singur format, cu prefixul țării. - Diacritice și denumiri
Timisoara, Cluj NapocaTimișoara, Cluj-NapocaVerificate cu lista oficială a localităților. - Sume și unități
1.240,50 lei, 1240.5 RON1240.50 RONAceeași monedă, același separator. - Valori imposibile
31 aprilie, CUI greșitTrimise la un omNu le „reparăm” ghicind.
Datele vin din mai multe programe? Le putem aduce întâi împreună, prin colectare și ingestie. Iar după curățare, un set bun poate trece la etichetare sau direct la antrenarea unui model.
Nimic nu se pierde pe drum
Curățarea proastă e mai periculoasă decât datele murdare, pentru că șterge urmele. De aceea lucrăm așa:
- Originalul rămâne
- Nu suprascriem datele sursă. Varianta curată stă alături, iar oricând puteți compara cu ce era înainte.
- Fiecare schimbare are un motiv
- Jurnalul spune ce regulă a schimbat ce valoare și când. Nimic nu se modifică fără urmă.
- Ce e nesigur ajunge la un om
- Două firme cu nume apropiat, dar CUI diferit, nu se unesc singure. Primiți lista cazurilor de decis.
- Totul, pe serverul firmei
- Curățarea rulează în infrastructura voastră, cu unelte open-source. Datele nu ajung la un serviciu extern.
Cum lucrăm
Începem cu o evaluare gratuită, pe un eșantion din datele voastre, ca să vedeți starea lor înainte de orice preț.
- 1Profilare
Măsurăm starea datelor: câte dubluri, ce formate, ce lipsește și ce e imposibil.
- 2Regulile, în scris
Stabilim împreună cum arată o valoare corectă și ce facem cu fiecare tip de greșeală.
- 3Curățarea
Aplicăm regulile pe tot setul, repetabil, și vă trimitem cazurile care cer o decizie.
- 4Raportul de calitate
Vedeți ce s-a schimbat, câte probleme au fost și cum arată datele acum.
- 5La fiecare import nou
Aceleași reguli rulează singure pe datele care intră, ca să nu se strice iar.
Întrebări frecvente
Pierdem date la curățare?
Nu. Nu ștergem nimic din sursă. Varianta curată stă alături de original, iar raportul arată fiecare schimbare. Dublurile se unesc, dar rândurile inițiale rămân în jurnal.
Ce înseamnă normalizare, concret?
Aceeași convenție pentru aceeași informație: un singur format de dată, de telefon și de sumă, aceeași scriere pentru aceeași firmă sau localitate. Așa, programele și modelele le tratează ca pe același lucru.
Cum știți că două rânduri sunt aceeași firmă?
După reguli agreate cu voi, de obicei după identificatori siguri precum CUI-ul, apoi după nume, adresă sau telefon. Când potrivirea nu e sigură, cazul ajunge la un om, nu se unește singur.
Se face o singură dată?
Poate fi o curățare o singură dată, dar de obicei are sens să rămână în fluxul de date: regulile rulează la fiecare import, ca datele noi să intre deja curate.
Datele trec printr-un serviciu extern?
Nu. Curățarea rulează pe serverul firmei. Singurele verificări externe sunt cele pe care le alegeți voi, de exemplu validarea unui CUI la ANAF.
Cât costă?
Depinde de volum, de numărul de surse și de cât de murdare sunt datele. După evaluarea gratuită primiți un preț fix, în scris.
Câți clienți aveți, de fapt?
Trimiteți-ne un eșantion. La evaluarea gratuită vă arătăm câte dubluri și erori are și ce ar însemna să le curățăm, cu preț fix în scris.
