Die kurze Antwort
Lege vor dem Entfernen fest, was ein doppelter Datensatz ist. Trenne identische geparste Zeilen, gleiche exakte Schlüssel mit abweichenden Werten und ähnliche Namen mit verschiedenen Schlüsseln. Das Werkzeug zählt die ersten beiden Fälle, bestimmt aber weder Personenidentität noch den richtigen Konfliktwert.
Das nimmst du mit
- Eine zusätzliche Zeile ist nicht automatisch ein zusätzlicher Mensch.
- Gleiche Anzeigenamen sind kein Auftrag zum Zusammenführen.
- Original erhalten und jede Entfernung oder offene Frage dokumentieren.
Festlegen, was ein Datensatz beschreibt
Eine Exportzeile kann eine Verbindung, Beobachtung oder Interaktion beschreiben. Wiederholte Profilreferenzen können im Interaktionsprotokoll erwartet werden und in einer Tabelle mit einem Eintrag je Verbindung auffallen. Ohne Einheitsdefinition kann Entfernen gültige Belege zerstören und nur die Ansicht aufräumen.
Notiere die vorgesehene Einheit und den Schlüssel. Fehlt eine vertrauenswürdige eindeutige Kennung, erfinde keine Personenidentität aus einem Namen. Markiere Kandidaten zur Prüfung. Ziel ist eine begründbare Arbeitsdatei statt einer möglichst kleinen Anzahl.
Drei verschiedene Dublettenfragen auseinanderhalten
Identische geparste Zeilen haben gleiche Feldwerte in gleicher Reihenfolge. Ihre CSV-Bytes können sich dennoch bei Anführungszeichen oder Zeilenenden unterscheiden. Gleiche Schlüssel können widersprüchliche Firmen-, Namens- oder Datumsfelder tragen. Ähnliche Namen mit anderen Schlüsseln sind zunächst nur Prüfkandidaten.
Das Werkzeug vergleicht Schlüssel als exakten Text, ohne sie zur Zuordnung zu kürzen oder zu normalisieren. Äußere Leerzeichen werden gesondert gemeldet. So wird eine Bereinigungsannahme nicht stillschweigend zur Identitätsentscheidung. Datensätze mit falscher Feldanzahl werden getrennt gezählt und aus den bedingten Schlüssel-, E-Mail- und Dublettenprüfungen ausgeschlossen.
| Fall | Mögliche Handlung | Grenze |
|---|---|---|
| Identischer geparster Eintrag | Zusätzliche Kopie in der Arbeitsdatei prüfen | Wiederholte Beobachtung kann berechtigt sein |
| Gleicher Schlüssel, widersprüchliche Werte | Konfliktliste erhalten | Nicht ohne Regel einfach den letzten Wert nehmen |
| Gleicher Name, andere Schlüssel | Zunächst getrennt halten | Namensähnlichkeit belegt keine Identität |
Die Übung mit vier Datensätzen ausführen
Lade das fiktive Beispiel mit Kopfdatensatz 2 und Schlüsselspalte 3. Vier passend breite Datensätze ergeben eine identische Gruppe mit einer zusätzlichen Zeile sowie eine wiederholte Schlüsselgruppe mit einem zusätzlichen Eintrag. Beide Summen überschneiden sich: Ihre Addition würde denselben wiederholten Eingang doppelt zählen.
Die Mira-Demo-Referenzen mit /a und /b bleiben verschieden. Der /a-Eintrag kommt zweimal mit identischen geparsten Werten vor. Das Werkzeug macht daraus weder drei bestätigte Menschen noch echte Identitäten. Es beschreibt exakte Wiederholungen im konstruierten Dateibeispiel.
Für jeden Kandidaten ausdrücklich entscheiden
Gib jedem Kandidaten eine lokale Datensatzreferenz und einen Prüfgrund. Vergleiche die relevanten Quellfelder und frage, ob die definierte Einheit Wiederholungen erlaubt. Erhalte bei einem Schlüsselkonflikt beide Werte, bis eine zulässige verlässliche Quelle oder dokumentierte Vorrangregel entscheidet.
Ein kurzes Protokoll hält Quelle, Kandidatenpositionen, Regel, Entscheidung und offenen Grund fest. Namen und E-Mails gehören nicht in ein breit geteiltes Protokoll. Lässt sich eine Kopie nicht von einer gültigen Wiederholungsbeobachtung unterscheiden, bleibt sie erhalten und die Grenze wird benannt.
- Originaldatei erhalten.
- Datensatzeinheit und exakten Schlüssel festlegen.
- Identische Zeilen, Schlüsselkonflikte und Namensähnlichkeit trennen.
- Kandidaten prüfen und Entscheidungsregel notieren.
- Nur begründete Entscheidungen in einer getrennten Arbeitsdatei umsetzen.
Entfernungen rechnerisch abgleichen
Wird die wiederholte /a-Zeile ausdrücklich als versehentliche Kopie bestätigt, lautet der fiktive Abgleich: vier Eingangsdatensätze minus eine dokumentierte Entfernung ergeben drei verbleibende. Diese Rechnung hängt von der Entscheidung ab; das Werkzeug entfernt und genehmigt nichts.
Zähle offene Schlüssel und Breitenfehler nach der Bearbeitung erneut. Vergleiche erforderliche Werte vorher und nachher. Weniger Zeilen durch „Duplikate entfernen“ belegen keine neue Personenanzahl. Der Tabellenbefehl prüft ausgewählte Spaltenwerte, keine reale Identität.
Mit einer rückverfolgbaren begrenzten Aussage abschließen
Verknüpfe Quelle, Entscheidungsprotokoll und Arbeitsdatei über private Referenzen oder Prüfwerte. Bei einer Korrektur muss der ursprüngliche Kandidat wieder auffindbar sein. Überschreibe deshalb beim Bereinigen nicht die einzige Originalkopie.
Der Bericht enthält Summen und numerische Positionen; passende Fehlerlisten zeigen höchstens die ersten 50 Positionen. Er ist kein vollständiges privates Dublettenregister. Die Grenzen von 1 MiB und 5.000 Datensätzen beschreiben Verarbeitung, keine repräsentative Stichprobe eines großen Archivs.
Quellen & Produktinformationen
Produktangaben beziehen sich auf den Stand dieser Veröffentlichung. Externe Funktionen und Oberflächen können sich ändern.
