Fuzzy-Zusammenführung

Konzept-Informationen

FUZZYJOIN-Befehl

Die Analytics-Fuzzy-Zusammenführung verwendet eine Fuzzy-Übereinstimmung von Schlüsselfeldwerten, um zwei Analytics-Tabellen in einer neuen dritten Tabelle zu vereinen. In vielerlei Hinsicht entspricht eine Fuzzy-Zusammenführung einer gewöhnlichen Analytics-Zusammenführung (siehe Zusammenführen von Tabellen). Der Hauptunterschied besteht darin, dass Datensätze nicht nur auf Basis einer genauen Übereinstimmung von Schlüsselfeldwerten zusammengeführt werden. Eine Fuzzy-Zusammenführung kann Datensätze auch auf Basis einer ähnlichen Übereinstimmung zusammenführen.

Eine Fuzzy-Zusammenführung ist nützlich, wenn Primär- und Sekundärschlüssel dieselben Datenarten in leicht unterschiedlicher Ausprägung enthalten. Möglicherweise gibt es in den Schlüsseldaten auch leichte Unregelmäßigkeiten, wie beispielsweise Tippfehler, die eine genaue Übereinstimmung verhindern.

Beispiel

Szenario

Sie möchten Lieferanten identifizieren, die auch Mitarbeiter sind. Dies ist eine Möglichkeit, um Daten auf möglicherweise unangemessene Zahlungen zu analysieren.

Ansatz

Sie führen die Lieferantenstammtabelle mit der Tabelle „Mitarbeiter“ zusammen und verwenden dabei das Adressfeld, das in beiden Tabellen als gemeinsamer Schlüssel existiert (Vendor_Street und Emp_Address). Das Format der Adressdaten weicht in den Schlüsselfeldern aber leicht ab. Daher verwenden Sie statt einer normalen Zusammenführung die Fuzzy-Zusammenführung.

Ein Blick auf einige der Daten

Ohne eine beträchtliche Datenbereinigung und -harmonisierung würden die folgenden Primär- und Sekundärschlüsselwerte durch eine normale Analytics-Zusammenführung nicht zusammengeführt werden, obwohl sie sehr wahrscheinlich übereinstimmen.

Primärschlüsselwerte Sekundärschlüsselwerte
605 3rd Avenue 605 Third Avenue
400 High St SE 400 High Street S.E.
2203 Rowan Street 2203 Rowen St

Selbst nach einer Datenbereinigung und -harmonisierung würden Schlüsselwerte mit leicht unterschiedlichen Schreibweisen, wie „Rowan“ und „Rowen“ wahrscheinlich nicht zusammengeführt werden.

Je nach den Einstellungen könnten die Schlüsselwerte jedoch durch eine Fuzzy-Zusammenführung zusammengeführt werden.

Ausgabeergebnisse

Im folgenden Beispiel der zusammengeführten Tabelle sind genaue Schlüsselfeldübereinstimmungen lila und Fuzzy-Übereinstimmungen grün hervorgehoben.

Fuzzy-Zusammenführung gegenüber Fuzzy-Duplikaten

Eine Fuzzy-Zusammenführung analysiert Werte in Schlüsselfeldern zweier Tabellen. Um ein einzelnes Feld in einer einzelnen Analytics-Tabelle auf fast identische Werte zu testen, lesen Sie Fuzzy-Duplikate-Analyse.

Wirkung von Fuzzy-Zusammenführung verbessern

Mithilfe der folgenden Techniken können Sie die Wirksamkeit der Fuzzy-Zusammenführung beträchtlich steigern:

  • Einzelne Elemente in den Werten der Primär- und Sekundärschlüsselfelder sortieren
  • Generische Elemente aus den Werten der Primär- und Sekundärschlüsselfelder entfernen
  • Werte von Primär- und Sekundärschlüsselfeldern harmonisieren

Durch diese Techniken können Sie striktere Fuzzy-Einstellungen verwenden und dieselben Fuzzy-Übereinstimmungen erhalten, während Sie die Anzahl der Falschmeldungen verringern. Sie können die Techniken separat oder zusammen verwenden.

Ausdruck oder Kalkulationsfeld erstellen

Um die Techniken zu verwenden, müssen Sie einen Ausdruck oder ein Kalkulationsfeld erstellen. Dazu verwenden Sie die jeweilige Analytics-Funktion und eines oder beide Schlüsselfelder.

Weitere Informationen über Ausdrücke finden Sie unter Verwenden von Ausdrücken.

Weitere Informationen über Kalkulationsfelder finden Sie unter Kalkulationsfelder definieren.

Hinweis

Das Dialogfeld Fuzzy-Zusammenführung ermöglicht keine Erstellung eines Ausdrucks für ein Sekundärschlüsselfeld. Sie können jedoch einen Ausdruck für ein Sekundärschlüsselfeld manuell in der Analytics-Befehlszeile oder in einem Skript erstellen. Eine andere Option ist das Erstellen eines Kalkulationsfelds, das als Sekundärschlüsselfeld verwendet wird.

Einzelne Elemente in Schlüsselfeldwerten sortieren

Die Funktion SORTWORDS( ) kann die Wirksamkeit der Fuzzy-Zusammenführung verbessern, indem sie einzelne Elemente von Primär- und Sekundärschlüsselfeldern sequenziell sortiert.

Durch das Sortieren von Elementen, zum Beispiel Komponenten einer Adresse, ist es möglich, dass sich Schlüsselfeldwerte mit denselben Informationen, die ein unterschiedliches Format aufweisen, stärker angleichen. Eine stärkere Angleichung steigert die Wahrscheinlichkeit, dass Schlüsselfeldwerte als Fuzzy-Übereinstimmungen ausgewählt werden.

Weitere Informationen finden Sie unter SORTWORDS( )-Funktion.

Das Video Fuzzy Matching Using SORTWORDS() (Fuzzy-Übereinstimmungen mit SORTWORDS, nur auf Englisch) verschafft Ihnen einen Überblick zu SORTWORDS().

Hinweis

Das Sortieren von Elementen in Schlüsselfeldwerten eignet sich am besten bei einer Fuzzy-Zusammenführung nach dem Levenshtein-Distanz-Algorithmus.

Bei einer Fuzzy-Zusammenführung mit dem Dice-Koeffizient-Algorithmus muss das Sortieren von Elementen nicht unbedingt hilfreich sein. Testen Sie Beispieldaten, bevor Sie entscheiden, ob Sie SORTWORDS( ) in einer Produktionsumgebung zusammen mit dem Dice-Koeffizient-Algorithmus verwenden möchten.

Achtung

Wenn Sie SORTWORDS( ) zusammen mit Fuzzy-Zusammenführung verwenden, müssen Sie SORTWORDS( ) auf beide zu vergleichende Zeichenfolgen oder Felder anwenden.

Generische Elemente aus den Schlüsselfeldwerten entfernen

Die OMIT( )-Funktion kann die Effektivität der Fuzzy-Zusammenführung verbessern, indem generische Elemente wie „GmbH“ oder „AG“ bzw. Zeichen wie Kommas, Punkte und das Kaufmannsund (&) aus den Werten der Primär- und Sekundärschlüsselfelder entfernt werden.

Durch das Entfernen generischer Elemente und Satzzeichen konzentriert sich die Fuzzy-Zusammenführung nur auf den Teil der Schlüsselfeldwerte, in dem aussagekräftige Unterschiede auftreten könnten.

Weitere Informationen finden Sie unter OMIT( )-Funktion.

Schlüsselfeldwerte harmonisieren

Die Funktionen REPLACE( ) oder REGEXREPLACE( ) können die Wirksamkeit der Fuzzy-Zusammenführung verbessern, indem sie variable Ausprägungen desselben Elements der Werte von Primär- und Sekundärschlüsselfelder harmonisieren. Zum Beispiel könnten Sie „Straße“, „Str.“ und „Str“ auf denselben Wert „Str“ harmonisieren.

Durch die Harmonisierung von Elementen ist es möglich, dass sich Schlüsselfeldwerte mit denselben Informationen, die ein unterschiedliches Format aufweisen, stärker angleichen. Eine stärkere Angleichung steigert die Wahrscheinlichkeit, dass Schlüsselfeldwerte als Fuzzy-Übereinstimmungen ausgewählt werden.

Weitere Informationen finden Sie unter REPLACE( )-Funktion für einfache Ersetzungen und unter REGEXREPLACE( )-Funktion für komplexere Ersetzungen.

Größe der Ausgabetabelle und Befehlsperformance

Größe der Ausgabetabelle

Die Fuzzy-Zusammenführung ähnelt der Analytics-n:n-Zusammenführung. Alle Primärschlüsselwerte können potenziell mit allen Sekundärschlüsselwerten abgeglichen werden. Die Größe der Ausgabetabelle kann um ein Vielfaches größer als die Größe der Primär- oder Sekundäreingabetabellen sein.

Befehlsperformance

Die Algorithmen für die Fuzzy-Übereinstimmung stellen sicher, dass nur Schlüsselwerte im Bereich eines bestimmten Fuzzy-Grades oder genau übereinstimmende Werte zusammengeführt werden. Jede mögliche Übereinstimmung zwischen Primär- und Sekundärwert muss jedoch getestet werden, weshalb die Fuzzy-Zusammenführung zeitaufwendig sein kann. Die Anzahl der durchzuführenden Einzeltests entspricht der Datensatzanzahl in der Primärtabelle multipliziert mit der Datensatzanzahl in der Sekundärtabelle.

Abgleich auf ersten übereinstimmenden Sekundärdatensatz beschränken

Sie können die Verarbeitungszeit und die Größe der Ausgabeergebnisse beträchtlich verringern, wenn Sie die Option Nur erstes Vorkommen übereinstimmender Sekundärschlüssel zusammenführen verwenden. Durch diese Option wird festgelegt, dass jeder Primärschlüsselwert lediglich mit dem ersten Vorkommen eines übereinstimmenden Sekundärschlüsselwerts zusammengeführt wird.

In einer der folgenden Situationen empfiehlt es sich, die Option zu aktivieren:

  • Gibt es Übereinstimmungen? Sie möchten nur wissen, ob es in den beiden Tabellen überhaupt Übereinstimmungen (genaue oder Fuzzy-Übereinstimmungen) gibt. Gleichzeitig möchten Sie nicht warten, bis alle Übereinstimmungen ermittelt wurden.
  • Höchstens eine Übereinstimmung Sie sind sicher, dass es höchstens eine Übereinstimmung in der Sekundärtabelle für jeden Primärschlüsselwert gibt.

Die Aktivierung der Option empfiehlt sich nicht, wenn Sie Ausgabeergebnisse mit allen möglichen Übereinstimmungen zwischen Primär- und Sekundärschlüsselwerten benötigen.

Hinweis

Falls Sie Nur erstes Vorkommen übereinstimmender Sekundärschlüssel zusammenführen auswählen und das erste Vorkommen eine genaue Übereinstimmung ist, werden alle folgenden Fuzzy-Übereinstimmungen für den Primärschlüsselwert nicht in die zusammengeführte Ausgabetabelle aufgenommen.

Empfohlene Vorgehensweisen

Beachten Sie die Größe der Ausgabetabelle und die Befehlsperformance, wenn Sie die Primär- und Sekundäreingabetabellen vorbereiten und den Fuzzy-Grad festlegen.

  • Daten maßschneidern Stellen Sie sicher, dass nur relevante Datensätze in den Primär- und Sekundärtabellen aufgenommen werden. Wenn einige Datensätze keine Chance einer Übereinstimmung haben, filtern Sie sie vor der Durchführung der Fuzzy-Übereinstimmung aus.
  • Testläufe Bei großen Datasets führen Sie Testläufe für einen kleinen Teil der Daten durch, um die geeigneten Einstellungen für die Algorithmen der Fuzzy-Übereinstimmung effizienter zu ermitteln. Beginnen Sie mit konservativeren Fuzzy-Einstellungen und lockern Sie sie bei Bedarf.

Algorithmen für die Fuzzy-Übereinstimmung

Wenn Sie eine Fuzzy-Zusammenführung durchführen, wählen Sie zwischen zwei Algorithmen für die Fuzzy-Übereinstimmung:

  • Dice-Koeffizient
  • Levenshtein-Distanz

Die Algorithmen funktionieren völlig unabhängig voneinander und können zu etwas unterschiedlichen Ergebnissen führen. Ein Ansatz ist die doppelte Durchführung einer Fuzzy-Zusammenführung, einmal mit jedem Algorithmus, und dem anschließenden Vergleich der Ergebnisse. In der Regel kommt es zu einer Überlappung von Fuzzy-Übereinstimmungen beider Ergebnismengen, einige Übereinstimmungen können aber in jeder Ergebnismenge nur einmal vorkommen.

Fuzzy-Grad

Sie legen den Fuzzy-Grad für jeden Algorithmus fest, was die Größe und Zusammensetzung der Ergebnismenge drastisch ändern kann. „Fuzzy-Grad“ bezieht sich darauf, wie stark zwei Werte übereinstimmen.

Je nach gewähltem Algorithmus verwenden Sie die folgenden Einstellungen zur Steuerung des Fuzzy-Grads:

Algorithmus Einstellung

Dice-Koeffizient
  • N-Gramm
  • Prozent

Levenshtein-Distanz
  • Distanz

Versuchen Sie, mit unterschiedlichen Fuzzy-Graden zu experimentieren. Beginnen Sie konservativ, und erstellen Sie kleinere Ergebnismengen. Lockern Sie dann graduell die Einstellungen, bis Sie zu viele zusammengeführte Werte erhalten, die offensichtlich keine Übereinstimmungen mehr sind (Falschmeldungen).

Dice-Koeffizient

Der Algorithmus „Dice-Koeffizient“ misst die Ähnlichkeit zwischen dem Primär- und Sekundärschlüsselwert auf einer Skala von 0,0000 bis 1,0000. Je größer der Dice-Koeffizient der beiden Werte ist, umso ähnlicher sind sie sich.

Dice-Koeffizient Bedeutung
1,0000

Jeder Wert setzt sich aus identischen Zeichen zusammen, obwohl die Zeichen womöglich unterschiedlich angeordnet sind und sich die Groß- und Kleinschreibung unterscheiden kann.

Die N-Gramme der beiden Werte sind zu 100% identisch.

N-Gramme werden im Folgenden erläutert.
0,7500

Die N-Gramme der beiden Werte sind zu 75% identisch.
0,0000 Die beiden Werte enthalten keine identischen N-Gramme oder die festgelegte Länge der Einstellung N-Gramm ist länger als die kürzere der beiden Vergleichszeichenfolgen.

N-Gramme

Der Dice-Koeffizient wird berechnet, indem die zu vergleichenden Werte zuerst in N-Gramme aufgeteilt werden. N-Gramme sind sich überlappende Zeichenblöcke mit der Länge N. „N“ ist die Länge, die Sie in der Einstellung N-Gramm festlegen.

Es folgen zwei Werte aus dem obigen Beispiel, die in N-Gramme der Länge von 2 Zeichen aufgeteilt sind (N=2).

Wert N-Gramme
2203 Rowan Street 22 | 20 | 03 | 3_ | _R | Ro | ow | wa | an | n_ | _S | St | tr | re | ee | et
2203 Rowen St 22 | 20 | 03 | 3_ | _R | Ro | ow | we | en | n_ | _S | St

Der Dice-Koeffizient entspricht dem Prozentsatz identischer N-Gramme der beiden Werte. In diesem Fall sind 20 von 28 N-Grammen identisch. Dies sind 71,43% oder 0,7143 als Dezimalzahl.

Hinweis

Wenn die Länge in der Einstellung N-Gramm angehoben wird, wird die Ähnlichkeit der beiden Werte strikter bewertet.

Prozent

Wenn Sie die Einstellung Prozent festlegen, stellen Sie den zulässigen Mindestwert des Dice-Koeffizienten zweier Werte ein, sodass diese als Fuzzy-Übereinstimmung gelten. Wenn Sie beispielsweise 0,7500 angeben, müssen mindestens 75% der N-Gramme von zwei Werten identisch sein, damit eine Übereinstimmung vorliegt.

Prozenteinstellung Bedeutung 2203 Rowan Street / 2203 Rowen St
0,7500

Um als Fuzzy-Übereinstimmung zu gelten, müssen mindestens 75% der N-Gramme von zwei Werten identisch sein.

Keine Übereinstimmung, nicht in zusammengeführter Tabelle enthalten

(Dice-Koeffizient = 0,7143)
0,7000

Um als Fuzzy-Übereinstimmung zu gelten, müssen mindestens 70% der N-Gramme von zwei Werten identisch sein.

Übereinstimmung, in zusammengeführter Tabelle enthalten

(Dice-Koeffizient = 0,7143)

Detaillierte Informationen über die Funktionsweise des Dice-Koeffizienten finden Sie unter Funktion DICECOEFFICIENT( ).

Levenshtein-Distanz

Der Algorithmus „Levenshtein-Distanz“ misst den Unterschied zwischen einem Primär- und Sekundärschlüsselwert auf einer ganzzahligen Skala, die mit 0 beginnt. Die Skala stellt die Anzahl von Bearbeitungen einzelner Zeichen dar, die erforderlich sind, um einen Wert auf einen anderen Wert zu überführen. Je größer die Levenshtein-Distanz der beiden Werte ist, umso unterschiedlicher sind sie.

Levenshtein-Distanz Bedeutung
0 Jeder Wert setzt sich aus identischen Zeichen in identischer Anordnung zusammen. Die Groß- und Kleinschreibung kann abweichen.
2

Es ist die Bearbeitung von zwei Zeichen notwendig, damit die Werte identisch sind.

Beispiel: „Smith“ und „Smythe“

  • Bearbeitung 1 „i“ durch „y“ ersetzen
  • Bearbeitung 2 „e“ einfügen
3

Es ist die Bearbeitung von drei Zeichen notwendig, damit die Werte identisch sind.

Beispiel: „Hanssen“ und „Jansn“

  • Bearbeitung 1 „H“ durch „J“ ersetzen
  • Bearbeitung 2 „s“ löschen
  • Bearbeitung 3 „e“ löschen

Distanz

Wenn Sie die Einstellung Distanz festlegen, stellen Sie den zulässigen Maximalwert der Levenshtein-Distanz zweier Werte ein, sodass diese als Fuzzy-Übereinstimmung gelten. Wenn Sie zum Beispiel 2 festlegen, dürfen nicht mehr als zwei Bearbeitungen notwendig sein, bis die beiden Werte identisch sind.

Einstellung „Distanz“ Bedeutung Hanssen / Jansn
2

Um als Fuzzy-Übereinstimmung zu gelten, dürfen nicht mehr als zwei Zeichenbearbeitungen notwendig sein, bis die beiden Werte identisch sind.

Keine Übereinstimmung, nicht in zusammengeführter Tabelle enthalten

(Levenshtein-Distanz = 3)
3

Um als Fuzzy-Übereinstimmung zu gelten, dürfen nicht mehr als drei Zeichenbearbeitungen notwendig sein, bis die beiden Werte identisch sind.

Übereinstimmung, in zusammengeführter Tabelle enthalten

(Levenshtein-Distanz = 3)

Detaillierte Informationen über die Funktionsweise der Levenshtein-Distanz finden Sie unter LEVDIST( )-Funktion. Im Gegensatz zur Funktion schneidet der Algorithmus der Levenshtein-Distanz bei der Fuzzy-Zusammenführung führende und nachgestellte leere Werte ab und beachtet keine Groß-/Kleinschreibung.

Schritte

Sie können eine Fuzzy-Übereinstimmung von Schlüsselfeldwerten verwenden, um zwei Analytics-Tabellen in einer neuen dritten Tabelle zu vereinen.

Hinweis

Detaillierte Informationen werden nach den Schritten angezeigt. Siehe Optionen im Dialogfeld „Fuzzy-Zusammenführung“.

  1. Öffnen Sie im Navigator die Primärtabelle und klicken Sie mit der rechten Maustaste auf die Sekundärtabelle. Wählen Sie Als Sekundärtabelle öffnen.

    Die Symbole der Primär- und Sekundärtabelle erhalten die Ziffern 1 und 2, um ihre Beziehung zueinander darzustellen  .

  2. Wählen Sie Daten > Fuzzy-Zusammenführung.
  3. Auf der Registerkarte Haupt wählen Sie den Algorithmus der Fuzzy-Übereinstimmung aus, den Sie nutzen möchten.
    • Dice-Koeffizient
    • Levenshtein
  4. Je nach gewähltem Algorithmus verwenden Sie Einstellungen zur Steuerung des Fuzzy-Grads:

    Dice-Koeffizient

    • N-Gramm
    • Prozent

    Levenshtein

    • Distanz

    Die Einstellungen werden im Folgenden erläutert.

  5. (Optional) Wählen Sie Nur erstes Vorkommen übereinstimmender Sekundärschlüssel zusammenführen, um festzulegen, dass jeder Primärschlüsselwert lediglich mit dem ersten Vorkommen eines übereinstimmenden Sekundärschlüsselwerts zusammengeführt wird.
  6. Wählen Sie das primäre Schlüsselfeld aus der Liste Primärschlüssel aus.

    Sie können nur ein Primärschlüsselfeld wählen, das ein Zeichenfeld sein muss.

  7. Wählen Sie das sekundäre Schlüsselfeld aus der Liste Sekundärschlüssel aus.

    Sie können nur ein Sekundärschlüsselfeld wählen, das ein Zeichenfeld sein muss.

  8. Wählen Sie in den Listen Primärfelder und Sekundärfelder die Felder aus, die in der zusammengeführten Tabelle enthalten sein sollen.

    Hinweis

    Sie müssen die Primär- und Sekundärschlüsselfelder, die in der zusammengeführten Tabelle enthalten sein sollen, explizit auswählen.

    Tipp

    Sie können mehrere, nicht angrenzende Felder auswählen, indem Sie die Steuerungstaste gedrückt halten und auf die betreffenden Felder klicken. Halten Sie die Umschalttaste gedrückt, und klicken Sie auf angrenzende Felder, um diese auszuwählen.

  9. Geben Sie im Textfeld Nach den Namen der neuen, zusammengeführten Tabelle ein.
  10. (Optional) Auf der Registerkarte Weiter:
    1. Wenn Sie lediglich eine Teilmenge der Datensätze verarbeiten möchten, wählen Sie eine der Optionen unter Bereich.
    2. Wenn Sie die Ausgabeergebnisse an eine bereits vorhandene Analytics-Tabelle anhängen (hinzufügen) möchten, wählen Sie An diese Datei anhängen.
  11. Klicken Sie auf OK.

    Die neue zusammengeführte Tabelle wird ausgegeben.

Optionen im Dialogfeld „Fuzzy-Zusammenführung“

Die folgenden Tabellen enthalten detaillierte Informationen über die Optionen im Dialogfeld Fuzzy-Zusammenführung.

Registerkarte „Haupt“

Optionen – Dialogfeld „Fuzzy-Zusammenführung“ Beschreibung
Dice-Koeffizient

Verwenden Sie den Dice-Koeffizienten für Fuzzy-Übereinstimmungen zwischen Primär- und Sekundärschlüsselwerten.

  • N-Gramm Die zu verwendende N-Gramm-Länge

    Geben Sie eine ganze Zahl ab 1 an. Wenn die N-Gramm-Länge angehoben wird, wird die Ähnlichkeit der beiden Werte strikter bewertet.

  • Prozent Der zulässige Mindestwert des Dice-Koeffizienten zweier Werte, sodass diese als Fuzzy-Übereinstimmung gelten

    Geben Sie einen Dezimalwert von 0,0000 bis 1,0000 ein (z.B. „0,7500“). Verwenden Sie bis zu vier Dezimalstellen.

    Bei einer Verringerung des Werts erhöht sich die Anzahl an Übereinstimmungen, da Werte mit einem stärkeren Fuzzy-Grad, also einer größeren Abweichung voneinander, einbezogen werden.
Levenshtein

Verwenden Sie die Levenshtein-Distanz für Fuzzy-Übereinstimmungen zwischen Primär- und Sekundärschlüsselwerten.

  • Distanz Der zulässige Maximalwert der Levenshtein-Distanz zweier Werte, sodass diese als Fuzzy-Übereinstimmung gelten

    Geben Sie eine ganze Zahl ab 1 an.

    Bei einer Steigerung des Werts erhöht sich die Anzahl an Übereinstimmungen, da Werte mit einem stärkeren Fuzzy-Grad, also einer größeren Abweichung voneinander, einbezogen werden.
Nur erstes Vorkommen übereinstimmender Sekundärschlüssel zusammenführen

Gibt an, dass jeder Primärschlüsselwert mit lediglich dem ersten Vorkommen eines Sekundärschlüsselwerts zusammengeführt wird.

Wenn Sie die Option nicht auswählen, besteht das Standardverhalten darin, jeden Primärschlüsselwert mit allen Vorkommen übereinstimmender Sekundärschlüssel zusammenzuführen.
Sekundärtabelle Eine alternative Methode zur Auswahl der Sekundärtabelle.
Primärschlüssel

Sekundärschlüssel

 Legt das gemeinsame Schlüsselfeld zur Zusammenführung der beiden Tabellen fest.
  • Sie können das gemeinsame Schlüsselfeld direkt in den Listen Primärschlüssel und Sekundärschlüssel auswählen.
  • Sie können auch auf Primärschlüssel oder Sekundärschlüssel klicken, um das Dialogfeld Gewählte Datenfelder zu öffnen. Darin wählen Sie das gemeinsame Schlüsselfeld aus oder erstellen einen Ausdruck als Primärschlüssel.

Richtlinien für Schlüsselfelder:

  • Datentyp Die Schlüsselfelder müssen den Zeichendatentypentyp aufweisen.
  • Länge Wenn Schlüsselfelder nicht dieselbe Länge haben, werden sie automatisch harmonisiert.
  • Namen und Startpositionen Schlüsselfeldnamen und Anfangspositionen können sich unterscheiden, aber sie müssen dasselbe Datenelement beschreiben.
  • Mehrere Schlüsselfelder Nur ein Schlüsselfeld pro Tabelle wird unterstützt.
Primärfelder

Sekundärfelder

 Gibt die Felder an, die in der zusammengeführten Tabelle enthalten sein sollen.
  • Sie können Felder direkt in den Listen Primärfelder und Sekundärfelder auswählen.
  • Sie können auch auf Primärfelder oder Sekundärfelder klicken, um das Dialogfeld Gewählte Datenfelder zu öffnen. Darin wählen Sie die Felder aus oder erstellen einen Ausdruck mit einem oder mehreren Primärfeldern.
  • Die Reihenfolge, in der Sie Primär- und Sekundärfelder auswählen, schreibt die Feldreihenfolge in der resultierenden zusammengeführten Tabelle vor.

    Die Primärfelder erscheinen als Gruppe in der zusammengeführten Tabelle vor den Sekundärfeldern.
Ausgabetabelle verwenden Legt fest, dass die Analytics-Tabelle mit Ausgabeergebnissen automatisch nach dem Abschluss der Operation geöffnet wird.
Wenn

(Optional) Ermöglicht Ihnen, eine Bedingung zu erstellen, um Datensätze von der Verarbeitung auszuschließen.

  • Sie können eine Bedingung in das Textfeld Wenn eintragen oder auf Wenn klicken, um mit dem Ausdruck-Generator eine IF-Anweisung zu erstellen.
  • Die Bedingung kann entweder die Primär- oder die Sekundärtabelle oder auch beide referenzieren.

    Hinweis

    Um im Ausdruck-Generator auf die Felder der Sekundärtabelle zuzugreifen, wählen Sie in der Dropdown-Liste Aus Tabelle die Sekundärtabelle.

    Die Wenn-Bedingung wird nur für Datensätze ausgewertet, die nach Anwendung von Bereichsoptionen (Erste, Nächste, Solange) in einer Tabelle übrig sind.
Nach Gibt den Namen und den Speicherort der Ausgabetabelle an.
  • Um die Ausgabetabelle im Analytics-Projektordner zu speichern geben Sie nur den Tabellennamen ein.
  • Um die Ausgabetabelle in einem anderen Speicherort als dem Projektordner zu speichern, legen Sie einen absoluten bzw. relativen Dateipfad fest oder klicken auf Nach und navigieren zu einem anderen Ordner.

    Beispiel: C:\Ergebnisse\Ausgabe.fil oder Ergebnisse\Ausgabe.fil.

Unabhängig davon, wo Sie die Ausgabetabelle speichern, wird diese zum geöffneten Projekt hinzugefügt, falls sie nicht bereits im Projekt vorhanden ist.

Falls Analytics einen Tabellennamen vorgibt, können Sie diesen akzeptieren oder ändern.

Hinweis

Analytics-Tabellennamen sind auf 64 alphanumerische Zeichen beschränkt, was die .FIL- Dateierweiterung nicht einbezieht. Der Name kann den Unterstrich beinhalten ( _ ), aber keine anderen Sonderzeichen oder Leerzeichen. Er kann nicht mit einer Ziffer beginnen.

Registerkarte „Weiter“

Optionen – Dialogfeld „Fuzzy-Zusammenführung“ Beschreibung
Fensterbereich „Bereich“ Legt fest, welche Datensätze in der Primärtabelle verarbeitet werden:
  • Alle (Standard): Alle Datensätze in der Primärtabelle werden verarbeitet.
  • Erste Wählen Sie diese Option aus und geben eine Zahl im Textfeld ein, um die Verarbeitung beim ersten Datensatz der Primärtabelle zu beginnen und nur die ausgewählte Anzahl der Datensätze einzubeziehen.
  • Nächste Wählen Sie diese Option aus und geben Sie eine Zahl in das Textfeld ein, um die Verarbeitung beim aktuell ausgewählten Datensatz der primären Tabellenansicht zu beginnen und nur die ausgewählte Anzahl der Einträge einzubeziehen.

    Es muss die tatsächliche Datensatznummer in der äußersten linken Spalte ausgewählt werden, nicht die Daten in der Zeile.

  • Solange Wählen Sie diese Option, um eine WHILE-Anweisung zu nutzen und dadurch die zu verarbeitenden Datensätze in der Primärtabelle basierend auf Kriterien zu begrenzen.
    • Sie können eine Bedingung in das Textfeld Solange eingeben oder auf Solange klicken, um mit dem Ausdruck-Generator eine WHILE-Anweisung zu erstellen.
    • Eine WHILE-Anweisung ermöglicht, Datensätze nur dann zu verarbeiten, wenn die angegebene Bedingung als wahr ausgewertet wird.
    • Sie können die Option Solange in Verbindung mit den Optionen Alle, Erste oder Nächste verwenden. Die Datensatzverarbeitung endet, sobald eine Grenze erreicht wird.

Hinweis

Die Anzahl der Datensätze, die mit den Optionen Erste oder Nächste festgelegt werden, beziehen sich entweder auf die physikalische oder die indizierte Reihenfolge der Einträge in einer Tabelle. Filter oder Schnellsortierung der Ansicht werden vernachlässigt. Bei Ergebnissen analytischer Operationen wird die vorhandene Filterung jedoch berücksichtigt.

Wenn eine Schnellsortierung für die Ansicht angewandt wird, verhält sich die Option Nächste wie Erste.
An diese Datei anhängen Legt fest, dass die Ausgabeergebnisse an das Ende einer bereits vorhandenen Analytics-Tabelle angehängt (hinzugefügt) werden sollen.

Hinweis

Es wird empfohlen, An diese Datei anhängen nicht auszuwählen, wenn Sie unsicher sind, ob die Datenstruktur der Ausgabeergebnisse und der vorhandenen Tabelle übereinstimmen.

Weitere Informationen zum Anhängen und zur Datenstruktur finden Sie unter Ausgabeergebnisse an bestehende Tabellen anhängen.
OK Führt die Operation aus.
  • Wenn Sie Zeichenschlüsselfelder verschiedener Längen zusammenführen, wird eine Meldung angezeigt, dass Analytics versuchen wird, die Felder zu harmonisieren.
  • Falls die Aufforderung zum Überschreiben angezeigt wird, wählen Sie die entsprechende Option aus.

    Wenn Sie die Option Anhängen erwarten, diese aber nicht angezeigt wird, klicken Sie auf Nein, um die Operation abzubrechen, und beachten Sie Ausgabeergebnisse an bestehende Tabellen anhängen.