Deduplikasi data tanpa kehilangan informasi
Menghapus data ganda terdengar mudah: temukan yang sama, lalu hapus salah satunya. Dalam praktiknya, setiap catatan ganda bisa menyimpan informasi berbeda yang sama-sama penting. Deduplikasi yang baik menggabungkan, bukan sekadar menghapus.
Ditulis oleh Tim Mehuli
01Mengapa data ganda muncul
Data ganda biasanya muncul karena data dimasukkan dari beberapa sumber, oleh orang yang berbeda, dengan format yang berbeda. Satu orang bisa tercatat dengan nama lengkap di satu sistem dan nama singkat di sistem lain.
02Standarkan dulu, baru cocokkan
Pencocokan jauh lebih akurat setelah format diseragamkan: huruf besar-kecil, singkatan, gelar, dan penulisan alamat. Tanpa langkah ini, banyak data ganda tidak akan terdeteksi.
03Tentukan aturan pencocokan
Sepakati kapan dua catatan dianggap sama, misalnya bila nama, nomor registrasi, dan kota cocok. Kasus yang meragukan sebaiknya diperiksa manusia, bukan diputuskan otomatis.
04Pilih nilai terbaik dari setiap catatan
Saat menggabungkan, ambil nilai yang paling lengkap dan paling baru dari masing-masing catatan, misalnya email dari catatan pertama dan alamat dari catatan kedua.
05Simpan jejaknya
Catat catatan mana yang digabungkan dan mengapa. Jejak ini penting bila ada pertanyaan di kemudian hari, dan memudahkan perbaikan bila terjadi kekeliruan.
