TL;DR
- Eine höhere Duplikatzahl ist kein besseres Ergebnis. Oft bedeutet sie eine lockerere Suche mit mehr Fehltreffern.
- Jedes Feld auf einmal zu lockern, auf nur einem schwachen Feld abzugleichen oder Filter wegzulassen, bläht die Zahl auf.
- Die nützliche Zahl ist, wie viele Treffer echt sind, und das kann nur eine geprüfte Stichprobe zeigen.
- Vergleichen Sie Tools und Suchen nach Genauigkeit auf denselben Datensätzen, nicht nach der Größe der Zahl.
- In Dedupely zeigt jede Suche die Felder und Abgleichoptionen, die sie nutzt, damit Sie sehen, woher eine Zahl kommt.
Wenn ein Team zum ersten Mal eine Duplikatsuche laufen lässt, zieht die Zahl die Aufmerksamkeit aller auf sich. Dann lockert jemand eine Einstellung, und die Zahl verdoppelt sich. Dann zeigt ein anderes Tool eine größere. Es verlockt, die größte Zahl als gründlichstes Ergebnis zu behandeln.
Meist nicht. Eine Duplikatzahl ist nur so gut wie die Treffer darin. Dieser Beitrag zeigt, warum Zahlen wachsen, wann eine größere Zahl ein Warnsignal ist und was Sie stattdessen messen.
Warum die Zahl steigt
Duplikatzahlen wachsen aus guten und schlechten Gründen.
Gute Gründe: eine Suche beginnt, echte Duplikate zu finden, die sie zuvor übersehen hat, etwa Tippfehler, Spitznamen oder Telefonnummern in verschiedenen Formaten.
Schlechte Gründe:
- Jedes Feld wird gleichzeitig gelockert. Similar oder Fuzzy über Name, Firma und Stadt zusammen paart Personen, die sich nur ähnlich sehen.
- Die Suche stützt sich auf ein schwaches Feld. Ein Vorname, eine Stadt oder ein allgemeiner Firmenname passt auf Tausende nicht zusammengehörende Datensätze.
- Platzhalterwerte passen aufeinander. „N/A“, „test@test.com“ oder „Unknown“ werden zu riesigen Gruppen.
- Keine Filter. Alte Testdatensätze, interne Nutzer und Partner landen alle in den Ergebnissen.
Von außen sehen beide Arten von Wachstum gleich aus: eine größere Zahl.
Wann eine größere Zahl ein Warnsignal ist
Genauer prüfen, wenn:
- Die Zahl springt, nachdem sich eine Einstellung ändert, viel mehr, als Sie erwartet haben.
- Gruppen werden sehr groß. Eine Gruppe mit vielen Datensätzen ist selten eine Person oder eine Firma.
- Eine Stichprobe ist größtenteils falsch. Sind in einer Stichprobe von 20 mehr als zwei oder drei keine Duplikate, ist die Suche für das Massenzusammenführen zu locker.
- Dieselben wenigen Werte tauchen überall auf, etwa ein gemeinsames Postfach oder eine Standardtelefonnummer.
Was Sie stattdessen messen
Die hilfreichen Fragen sind:
| Statt | Fragen |
|---|---|
| Wie viele Duplikate hat es gefunden? | Wie viele von einer Stichprobe von 20 sind echt? |
| Welches Tool findet die meisten? | Welche liegt bei denselben Datensätzen öfter richtig? |
| Wie groß kann die Zahl werden? | Wie viele können wir zusammenführen, ohne jeden einzeln zu prüfen? |
| Wie hoch ist die Summe? | Wie hoch ist die Gesamtzahl für jedes Objekt und jede Suche? |
Eine Suche, die weniger Duplikate findet, aber fast immer richtig liegt, ist die, die Sie in Masse zusammenführen können. Eine große, unruhige Suche eignet sich besser für die manuelle Prüfung, ein paar Gruppen auf einmal.
So zeigt Dedupely Ihnen, woher die Zahl kommt
In Dedupely zeigt jede Duplicate Search die Felder und Abgleichoptionen, die sie verwendet, damit Sie sehen, warum eine Zahl hoch ist: Exact, Similar, Fuzzy, Similar Words oder Domain Root, Feld für Feld. Filter engen ein, welche Datensätze durchsucht werden, ignorierte Begriffe lassen Platzhalterwörter aus, und zwei leere Werte treffen nie aufeinander. Safety Settings halten Gruppen mit mehr als 20 Datensätzen und Platzhalterdaten aus Bulk Merges zurück. Sie können Gruppen ablehnen, die keine Duplikate sind, sodass sie in künftigen Ergebnissen fehlen.
Die richtige Zahl ist die, der Sie vertrauen
Eine größere Duplikatzahl wirkt wie Fortschritt, bedeutet aber oft eine lockerere Suche. Prüfen Sie eine Stichprobe, vergleichen Sie Suchen auf denselben Datensätzen und nutzen Sie die Zahl, die Sie sicher zusammenführen können. Der Rest gehört in die Manual Review.
Häufige Fragen
Warum hat sich meine Duplikatzahl nach einer Einstellung verdoppelt?
Meist, weil ein Feld gelockert wurde, zum Beispiel von Exact auf Similar oder Fuzzy. Prüfen Sie eine Stichprobe der neuen Treffer, ob sie echt sind.
Ist ein Tool, das mehr Duplikate findet, besser?
Nicht allein dadurch. Vergleichen Sie, wie viele ihrer Treffer echt sind, bei derselben Menge an Datensätzen.
Woran erkenne ich, dass eine Suche zu locker ist?
Prüfen Sie eine Stichprobe von 20 Gruppen. Sind mehr als zwei oder drei davon keine Duplikate oder sind Gruppen sehr groß, verschärfen Sie die Suche, bevor Sie massenhaft zusammenführen.
Was lässt eine Duplikatzahl wachsen?
Lockerer Abgleich über mehrere Felder, Abgleich über ein schwaches Feld, Platzhalterwerte und fehlende Filter.
Was sollte ich stattdessen statt der Gesamtzahl berichten?
Die Anzahl pro Objekt und pro Suche und wie viele einer geprüften Stichprobe echte Duplikate waren.



