Aynı işletmenin iki kaydını listede tanımak

Bir ilçeyi tarayıp üç yüz kayıt çıkardınız. Gerçek işletme sayısı iki yüz altmış. Aradaki kırk kayıt, aynı yere ikinci kez yazmanıza ve ilk izleniminizi kaybetmenize yetiyor.

Kopyalar nereden geliyor

Açık veride bir işletme birden fazla kez görünebiliyor ve sebepleri birbirinden farklı.

Aynı yeri iki ayrı katkıcı, iki farklı zamanda ekliyor: biri Ahmet Usta Kebap, öteki Ahmet Usta Kebap Salonu. Ya da işletme taşındığında eski nokta silinmiyor, yenisi ekleniyor. Bir de bina ile işletme ayrı nesneler olarak işaretlendiğinde aynı yer hem alan hem nokta olarak dönüyor.

Bu üç durum farklı davranış istiyor. İlk ikisinde tek kayıt kalmalı; üçüncüsünde zaten tek işletme var ve yalnızca geometri iki kez sayılıyor.

Ad karşılaştırması tek başına yetmiyor

En yaygın yaklaşım adları normalleştirip karşılaştırmak. Küçük harfe indir, Türkçe karakterleri translitere et, ltd, şti, a.ş., salonu, market gibi ekleri at, kalan dizeyi eşleştir.

İşe yarıyor ve iki yönde de hata veriyor. Öz Urfa ile Oz Urfa Kebap aynı yer olabilir; aynı caddede Migros adında iki kayıt ise gerçekten iki şube. Ada bakan bir eşleştirici birincisini kaçırır, ikincisini yanlışlıkla birleştirir.

Bu yüzden ad yalnızca aday üretmek için kullanılmalı. Ad benzerliği “bunlara birlikte bak” der; kararı başka alanlar verir.

Karar veren üç alan

Telefon numarası. Normalleştirilmiş numara eşleşiyorsa aynı işletmedir, birkaç istisna dışında. İstisnalar da bilinir: zincir bir çağrı merkezi numarası ve aynı binadaki iş hanı santralı. Numaranın kaç kayıtta geçtiğine bakmak bunları ayıklıyor; beşten fazla kayıtta görünen bir numara artık bir kimlik değil.

Koordinat mesafesi. Elli metre içinde duran, adı benzeyen iki kayıt neredeyse her zaman aynı yer. Beş yüz metredeki iki kayıt, adı aynı olsa da iki şube olabilir. Eşiği şehre göre ayarlamak gerekiyor: yoğun bir çarşıda otuz metre, sanayi bölgesinde iki yüz metre daha doğru çalışıyor.

Alan adı. İki kaydın web sitesi aynı alan adına gidiyorsa aynı işletme ya da aynı zincir. Sosyal medya bağlantısı da aynı işi görüyor ve yerel işletmelerde web sitesinden daha sık bulunuyor.

Kural olarak: ad benzerliği artı bu üçünden birinin eşleşmesi birleştirmek için yeterli. Yalnızca ad benzerliği yeterli değil.

Birleştirirken hangi kayıt kalır

Kopyaları bulmak işin yarısı. Hangisinin kalacağı da bir karar ve kolay bir varsayılanı var: en son güncellenen kayıt değil, en çok alanı dolu olan kayıt.

Tazelik cezbedici bir ölçüt ama açık veride bir düzenleme, tek bir etiketi düzeltmek de olabilir. Beş alanı dolu eski bir kayıt, iki alanı dolu yeni bir kayıttan daha kullanışlı. Doğru yol ikisini birleştirmek: temel olarak dolu kaydı al, eksik alanlarını diğerinden tamamla, çelişen alanlarda daha yeni olanı seç.

Birleştirdiğiniz kayıtların kimliklerini de saklayın. Liste bir ay sonra yeniden çekildiğinde aynı iki kayıt yine gelecek ve aynı kararı ikinci kez vermek istemezsiniz.

Kalanı gözle ayıklamak

Otomatik eşleştirme kopyaların büyük kısmını buluyor, hepsini bulmuyor. Kalan için pratik bir yöntem var: listeyi mahalle ve sektöre göre gruplayıp yan yana okumak.

Bir insan, Pide Salonu ile Karadeniz Pide kayıtlarının aynı yer olup olmadığını üç saniyede anlıyor; bir eşleştiricinin bunu anlaması için ona sokak adını, kapı numarasını ve fotoğrafı vermeniz gerekiyor. Otuz kayıtlık bir listede bu gözden geçirme on dakika sürüyor ve ilk mesajın iki kez gitmesini engelliyor.