Résumé
- Un nombre de doublons plus élevé n'est pas un meilleur résultat. Il signifie souvent une recherche plus souple avec davantage de fausses correspondances.
- Assouplir tous les champs à la fois, ne retenir qu'un seul champ faible ou omettre les filtres gonfle le nombre.
- Le chiffre utile est le nombre de correspondances réelles, ce que seul un échantillon vérifié peut montrer.
- Comparez les outils et les recherches sur la précision, sur les mêmes fiches, et non sur la taille du nombre.
- Dans Dedupely, chaque recherche affiche les champs et les options de correspondance qu'elle utilise, pour que vous voyiez d'où vient un chiffre.
La première fois qu'une équipe lance une recherche de doublons, le chiffre attire l'attention de tous. Puis quelqu'un assouplit un réglage et le chiffre double. Puis un autre outil en affiche un plus grand. On est tenté de considérer le plus gros chiffre comme le résultat le plus complet.
En général non. Un total de doublons ne vaut que par les correspondances qu'il contient. Cet article explique pourquoi les totaux augmentent, quand un total plus élevé est un signal d'alerte et ce qu'il faut mesurer à la place.
Pourquoi le total augmente
Le nombre de doublons augmente pour de bonnes et de mauvaises raisons.
Bonnes raisons : une recherche se met à trouver de vrais doublons qu'elle avait manqués, comme les fautes de frappe, les surnoms ou les numéros de téléphone au format différent.
Mauvaises raisons :
- Chaque champ est assoupli en même temps. Un rapprochement Similar ou Fuzzy sur le nom, l'entreprise et la ville réunis associe des personnes qui ne se ressemblent que superficiellement.
- La recherche repose sur un seul champ faible. Un prénom, une ville ou un nom d'entreprise générique correspond à des milliers de fiches sans rapport.
- Les valeurs substituts se correspondent entre elles. « N/A », « test@test.com » ou « Unknown » deviennent de vastes groupes.
- Aucun filtre. Les anciennes fiches de test, les utilisateurs internes et les partenaires finissent tous dans les résultats.
De l'extérieur, les deux types de croissance se ressemblent : un chiffre plus élevé.
Quand un total plus élevé est un signal d'alerte
Regardez de plus près lorsque :
- Le compte grimpe après le changement d'un réglage, bien plus que vous ne l'espériez.
- Les groupes deviennent très grands. Un ensemble avec beaucoup de fiches ne désigne presque jamais une seule personne ou une seule entreprise.
- Un échantillon est en grande partie faux. Si plus de deux ou trois sur un échantillon de 20 ne sont pas des doublons, la recherche est trop souple pour une fusion en masse.
- Les mêmes quelques valeurs reviennent partout, comme une boîte partagée ou un numéro de téléphone par défaut.
Ce qu'il faut mesurer à la place
Les questions utiles sont :
| Au lieu de | Demander |
|---|---|
| Combien de doublons a-t-il trouvés ? | Combien de vrais doublons sur un échantillon de 20 ? |
| Quel outil en trouve le plus ? | Lequel a raison le plus souvent sur les mêmes fiches ? |
| Jusqu'où peut-on faire monter le chiffre ? | Combien peut-on en fusionner sans les vérifier une à une ? |
| Quel est le total ? | Quel est le total pour chaque objet et chaque recherche ? |
Une recherche qui trouve moins de doublons, mais qui a raison presque à chaque fois, est celle que vous pouvez fusionner en masse. Une grande recherche bruyante sert mieux à la vérification manuelle, quelques ensembles à la fois.
Comment Dedupely vous montre d'où vient le chiffre
Dans Dedupely, chaque Duplicate Search affiche les champs et les options de correspondance qu'elle utilise, pour que vous voyiez pourquoi un nombre est élevé : Exact, Similar, Fuzzy, Similar Words ou Domain Root, champ par champ. Les filtres restreignent les fiches recherchées, les termes ignorés écartent les mots substituts, et deux valeurs vides ne correspondent jamais. Les Safety Settings mettent de côté les ensembles de plus de 20 fiches et les données substituts des fusions en masse, et vous pouvez rejeter les ensembles qui ne sont pas des doublons pour qu'ils ne reviennent pas dans les résultats suivants.
Le bon chiffre est celui auquel vous faites confiance
Un nombre de doublons plus élevé ressemble à un progrès, mais il signifie souvent une recherche plus souple. Vérifiez un échantillon, comparez les recherches sur les mêmes fiches, et utilisez le chiffre que vous pouvez fusionner en toute confiance. Le reste relève de la vérification manuelle.
Questions fréquentes
Pourquoi mon nombre de doublons a-t-il doublé après un seul changement de réglage ?
Généralement parce qu'un champ a été assoupli, par exemple de Exact à Similar ou Fuzzy. Vérifiez un échantillon des nouvelles correspondances pour voir si elles sont réelles.
Un outil qui trouve plus de doublons est-il meilleur ?
Pas uniquement à partir de cela. Comparez le nombre de correspondances réelles sur le même ensemble de fiches.
Comment savoir si une recherche est trop souple ?
Vérifiez un échantillon de 20 ensembles. Si plus de deux ou trois ne sont pas des doublons, ou si les groupes sont très grands, resserrez la recherche avant la fusion en masse.
Qu'est-ce qui gonfle un total de doublons ?
Rapprochements souples sur plusieurs champs, rapprochement sur un seul champ faible, valeurs substituts et filtres manquants.
Que faut-il présenter à la place du total ?
Le nombre par objet et par recherche, et combien d'un échantillon vérifié étaient de vrais doublons.



