Rapprochement de produits : conserver les sources de chaque lien
Conservez les enregistrements d’origine et les éléments justifiant chaque rapprochement proposé. Une référence Mars Petcare et un exemple de jeu de données.
Le cas Mars Petcare publié par Harmonya décrit des difficultés à relier les identifiants propres aux distributeurs aux informations produits associées aux codes UPC, dans plusieurs boutiques en ligne. Le prestataire indique avoir relié des identifiants auparavant isolés aux UPC et enrichi des informations dispersées sur les catégories et les fabricants. La page présente les commentaires d’un responsable nommé de Mars Petcare chargé de faciliter l’exploitation des données, à propos d’une meilleure couverture. Elle ne publie ni les éléments justifiant chaque paire, ni les seuils, ni une politique de suppression des doublons. La proposition de livraison de données ci-dessous applique ces distinctions à un exemple indépendant.
Définir l’objet que le rapprochement doit identifier
Pour un jeu de données de places de marché, PandaBuyNow propose de convenir si une relation désigne la même famille de produits, une variante sélectionnée ou une unité de vente précise. Conservez avec chaque enregistrement d’origine la plateforme source, l’identifiant de l’annonce, celui de la variante lorsqu’il existe, l’URL source et le moment de l’observation. Donnez un champ distinct à tout identifiant interne de ligne.
Livrez une table de relations séparée contenant les références des deux enregistrements sources, le niveau de rapprochement proposé, les attributs à l’appui, les valeurs contradictoires et l’état de revue. Un lien accepté peut relier des enregistrements tout en conservant les annonces et offres différentes qu’ils décrivent. Gardez également un candidat rejeté et son motif lorsque cet historique est utile au destinataire.
Tester des lignes apparemment identiques avec un exemple fictif
Prenez les enregistrements inventés A-11 et B-22. Tous deux nomment MUG-C, mais A-11 décrit une tasse et B-22 un lot de deux. Si la tâche exige la même unité de vente, conservez les deux enregistrements et marquez le lien proposé comme rejeté en raison du nombre de pièces différent. Un titre commun ne résout pas cette distinction à lui seul.
Un troisième enregistrement, C-33, décrit une tasse sans préciser sa couleur. Conservez-le comme candidat avec les éléments de couleur encore non établis. Ces identifiants et détails inventés ne décrivent aucun enregistrement produit de Mars Petcare ou de PandaBuyNow.
Rendre la décision de rapprochement compréhensible dans l’export
Convenez du vocabulaire des états et des éléments nécessaires pour chacun. Une ligne de relations CSV ou un objet JSON doit permettre au destinataire de retrouver les deux enregistrements sources et de comprendre pourquoi un candidat a été accepté, rejeté ou laissé en attente. Séparez les valeurs observées des valeurs normalisées pour la comparaison, avec la règle de transformation lorsqu’elle s’applique.
Avant d’étendre le jeu de données, examinez des lignes représentatives comprenant un rapprochement étayé, une différence d’unité de vente et un attribut non résolu. Pour échanger avec PandaBuyNow, fournissez les URL des produits, les identifiants disponibles, le niveau de rapprochement nécessaire à votre application et sa structure JSON ou CSV attendue. Convenez des champs réalisables, des références sources et des notes de qualité dans le périmètre de livraison.