Estudo de resolução de entidades com Splink: padronizar, casar e agrupar registros
O mesmo cliente, empresa ou pessoa aparece com grafias diferentes em bases distintas. Sem unificar esses registros, as contagens ficam erradas e os cruzamentos falham. Os projetos da organização tratam isso com regras manuais.
O que o projeto precisava entregar
Aprender a técnica completa de resolução de entidades: padronização, casamento de texto, casamento probabilístico, blocagem, clusterização, escala em nuvem e privacidade.
Como este case aparece aqui
Por acordo com o cliente, a empresa é identificada apenas pela atividade econômica — Plataforma de Dados. O resultado não aparece porque não foi apurado nos arquivos do projeto; onde houve apuração, ela está publicada nos casos em destaque.
Veja também
Biblioteca Python de verificações de qualidade: duplicidade, formato, precisão e outliers
Plataforma de Dados: Bases de clientes e de fontes públicas chegam com duplicados, formatos errados e valores fora…
Ler →Carga dos painéis abertos e laboratório de modelos explicáveis em Python
Telecomunicações: Os painéis de dados abertos da organização (acessos, reclamações, satisfação, certificação,…
Ler →Catálogo de 26 bases públicas, das quais 16 estavam acessíveis
Agronegócio e Alimentos: Os dados do agronegócio brasileiro ficam em sistemas diferentes do ministério (AGROSTAT,…
Ler →