结合客户主键

Question

我有一个dwh收集4个系统，现在它已加入不同的客户主键。 一个实际客户可能出现在所有4个系统中，或者只有其中一个。 作为进行业务逻辑查找的最佳解决方案，您会看到什么？ 链接是星期，因此常规联接仅适用于一小部分客户。 有没有一个很好的工作流程我可以使用，或者你会怎么做？

Answer 1

我为一家大型健康保险公司工作，我们最近不得不做一个有点类似的项目。我们有来自不同业务部门的包含会员信息的多个源系统。我们有一个大的成员人口，成员可能在多个系统中。系统中的数据质量如此之高：每个系统可能有也可能没有有效的SSN，Medicare ID，当前和/或拼写正确的地址信息，有效的出生日期等。我们的目标是创建一个唯一标识符我们可以与源系统PK配对，以便我们可以在多个系统中唯一标识一个成员。

结果不仅仅是一段代码或SSIS任务的过程。我们的流程会跟踪每一位来自我们系统的成员，以及我们识别他们的主要领域（姓名，地址，SSN，Medicare ID等）的快照。在每个版本中，我们添加新的成员，以前还没有进入我们的系统，并更新历史记录表。然后我们通过比较，并试图找出哪些成员匹配。我们尽可能地尝试完全匹配（firstname = firstname，lastname = lastname，ssn = ssn），但如果这些匹配失败，我们必须使用部分匹配系统。我们通常所做的是尝试将标识符（如SSN或Medicare ID）与部分名称和地址进行匹配。如果我们没有有效的SSN或Medicare ID，我们最终会在我们可用的所有字段中使用部分匹配。

该过程有点反复试验。在我们第一次发布之后，用户发现了同一个成员具有不同ID的所有类型的实例（我们的匹配逻辑错过了有效匹配），或者显然不相同的成员具有相同的唯一标识符（我们的匹配逻辑产生了不匹配的匹配）。每次发布后，我们通常会根据发现的错误编写代码，并且通常会修复几乎所有错误。我们现在到了一个能够匹配我们可靠的一切的地步。

就你而言，我猜你没有任何政府发行的ID或SSN可供你使用。我可能会尝试直接JOIN您的信息（名称，送货地址，帐单地址，电子邮件，信用卡号码等）。之后，转到部分匹配。如果我们不能直接穿过JOIN，我们使用所有字段的左4个字符。之后，根据数据的质量，您可能只需要做一些工作就可以减少其余的逻辑。我会试着去看看你找不到任何匹配的所有客户，看看他们中的任何一个是否有相同的电子邮件，或类似的地址或类似的名字。如果是这样，比较这些成员，看看是什么导致匹配不起作用。

编辑：如果此数据持续更新，请记住，您还必须将新记录与先前识别的客户进行比较，以确定它们是否与您系统中已有的客户匹配。

祝你好运。我们的项目有点令人头疼，仍然没有完全完成，但它的状态良好，我们每次运行都会继续改进。

Answer 2

对于数据仓库 - 有很好的文章金博尔组最佳实践来处理这类数据：

http://www.kimballgroup.com/2012/07/design-tip-147-durable-super-natural-keys/