Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Dataquality Begint Bij Matching

680 views

Published on

Datadriven marketingbeslissingen nemen op basis van verrijking van mijn database met kwalitatief hoogwaardige kenmerken.

  • Be the first to comment

  • Be the first to like this

Dataquality Begint Bij Matching

  1. 1. The Future of Targeting: Matching – De basis van Datakwaliteit Mark Schoenmakers Schober Information Group Nederland, Roosendaal Roosendaal, 1 januari 2010 De grondslag voor Module 1,2 en 3
  2. 2. Om een match te vinden gebruikt Schober Information Group Nederland geavanceerde intelligente software. De matching bestaat uit een aantal stappen waar we in de volgende sheets dieper op ingaan . Matches, Possibles en No-Matches Hoog Frequente woordtabellen Signalementendatabase Subsets Vinden van een match Beslissingen op woord Historische Database Hoog frequente woorden uitsluiten Opbouwen zoekprofielen Aantal signalementen beperken Zoekgebied Historische database Gelijken, mogelijk gelijken, ongelijken Fouttolerantie verhogen Matching
  3. 3. Match, Possible en No-Match Bij het vinden van een match probeert de software Gelijken (Matches) te vinden. Echter is het ook mogelijk dat de software twijfelt of niet kan kiezen. Deze records noemen we de Mogelijk Gelijken (ofwel Possibles). De Ongelijken noemen we de No-Matches . Onze Database No-Matches Possibles Matches Cafetaria Fred Kroket = Cafe Fred Kroket of Cafetaria F. Kroket Cafetaria ‘t Stokje = Cafetaria t Stokje Cafetaria de Frikandel >< Restaurant de Gondel = Match = Possible = No-Match
  4. 4. Hoog Frequente Woordtabellen Bij het zoeken naar een match zijn er een aantal woorden die veelvuldig voorkomen. Deze woorden kunnen er echter voor zorgen dat er veel niet-relevante bedrijven als mogelijke gelijke (possible) gevonden worden. Om het aantal Possibles te verminderen is er daarom een tabel met Hoog Frequente woorden. Mits een woord in deze tabel voorkomt wordt er geen zoekprofiel aangemaakt op dit woord. Een aantal voorbeelden zijn: <ul><li>Bedrijf </li></ul><ul><li>Transport </li></ul><ul><li>Beheer </li></ul><ul><li>Holding </li></ul><ul><li>Internationaal </li></ul><ul><li>Nederland </li></ul><ul><li>Handelsonderneming </li></ul><ul><li>Restaurant </li></ul><ul><li>Advies </li></ul><ul><li>Onderneming </li></ul>Bij de uiteindelijke beslissing worden deze woorden wel meegewogen. Dus Google Nederland wordt gekoppeld aan Google Nederland B.V. en niet aan Google Europe B.V.
  5. 5. Signalementendatabase Om een match te maken met het klantenrecord bouwt de software een signalementendatabase op. Elke evaluation is een signalement . (ofwel een zoekprofiel) Evaluation 1 Keyword-1 Jansen Phonologic-Keyword-1 ansu Keyword-2 Management Phonologic-Keyword-2 enegem Extra-name Services Nederland Legal Form BV Postalcode 4120 AA Housenr 15 Place Zaandam Voorbeeld: ‘Jansen Management Services Nederland B.V.’ Evaluation 2 Keyword-1 Management Phonologic-Keyword-1 enegem Keyword-2 Jansen Phonologic-Keyword-2 ansu Extra-name Services Nederland Legal Form BV Postalcode 4120 AA Housenr 15 Place Zaandam Zowel ‘Services’ als ‘Nederland’ staan in onze Hoogfrequente Woordtabellen . Hiervoor wordt dus geen Signalement aangemaakt. Let op : Om de uiteindelijke match te bepalen worden deze woorden wel meegenomen. Echter om het aantal signalementen te beperken worden deze niet meegenomen. Anders zou bijvoorbeeld : ‘Servicebalie Nationale Nederlanden’ ook als mogelijke gelijke worden meegenomen als optie.
  6. 6. Subsets Om geschikte kandidaten te vinden moet de software zo fout-tolerant mogelijk zijn. Met andere woorden de software moet zoveel mogelijk Fout geschreven menselijke vergissingen kunnen herkennen en zien als een mogelijke gelijke (possible). Dit doen wij door Zogenaamde Subsets in te stellen . ( De subsets zijn slechts ter illustratie, in werkelijkheid maken wij gebruik van zeer veel subsets) <ul><li>Subset 1 </li></ul><ul><li>Postalcode + housenr </li></ul><ul><li>Subset 2 </li></ul><ul><li>Keyword-1 + place </li></ul><ul><li>Subset 3 </li></ul><ul><li>Phonologic-Keyword-1 + Phonologic-KW-2 </li></ul><ul><li>Subset 4 </li></ul><ul><li>Chamberofcommerce-1 </li></ul>Evaluation 1 Keyword-1 Jansen Phonologic-Keyword-1 ansu Keyword-2 Management Phonologic-Keyword-2 enegem Extra-name Services Nederland Legal Form BV Postalcode 4120 AA Housenr 15 Place Zaandam Schoberdatabase 1 2 3 4 Y mogelijk gelijken (Possibles) Z ongelijken (No-Match) X meest gelijkende (Hoogst scorende Possibles) Z Y Y Y Y Y Y Y Y X
  7. 7. Vinden van een Match X Na het selecteren op subsets zullen de meest-gelijkende ( gebied X ) de hoogste overeenkomstscore genereren. Er wordt een match geformeerd bij ongeveer (afhankelijk van de bestandskwaliteit) een 90% overeenkomst-score. Bij een score tussen ongeveer de 90% en 75% wordt het record geen match maar een mogelijke gelijke (possible). Er is een uitzondering mogelijk. Mochten twee records een gelijke score halen boven de 90% worden beide records als mogelijke gelijke(possible) aangemerkt. Dit omdat de software dan niet kan kiezen. <ul><li>Om een beslissing te maken over de gelijkenis van bijvoorbeeld een bedrijfsnaam zijn er een aantal manieren waarop de software werkt. </li></ul><ul><li>Een aantal voorbeelden zijn: </li></ul><ul><li>Exact woord </li></ul><ul><li>Woord Beeld </li></ul><ul><li>Trigrammen </li></ul><ul><li>Phonetisch </li></ul>
  8. 8. <ul><li>Een aantal voorbeelden waarop een match gevonden kan worden </li></ul>Beslissingen op woord <ul><li>Dit is het beslissingsmodel dat voornamelijk bij de goede records als eerste de juiste bedrijven filtert. Dit model is niet fout-tolerant. </li></ul><ul><ul><li>Jansen is ongelijk aan Janssen </li></ul></ul><ul><ul><li>Management is ongelijk aan Menagment </li></ul></ul><ul><ul><li>Maar : </li></ul></ul><ul><ul><li>Services is gelijk aan Service </li></ul></ul><ul><ul><li>Nederland is gelijk aan NL </li></ul></ul><ul><ul><li>(service en nederland worden niet als zoekprofiel meegenomen). Gelijkheid is 0% </li></ul></ul>Woordbeeld Trigrammen Exact woord Dit is het beslissingsmodel dat voornamelijk bij spellingsfouten en gelijkende namen fout-tolerant is. Klantrecord: Schoberrecord: 23/25 overeenkomende letters in dezelfde volgorde. Een gelijkheid van 92% JANSEN MANAGEMENT SERVICES JANS S EN M E NAGMENT SERVICE NSS SSE SEN SEN NSE ANS ANS JAN JAN _JA _JA JANSEN JANSSEN SE_ SE_ <ul><li>Dit is het beslissingsmodel dat drie letters pakt plus een spatie voor en achter. Deze trigrammen worden dan vergeleken. </li></ul><ul><ul><li>Jansen is dus voor 5/7 gelijk aan Janssen. De gelijkheid is 71% </li></ul></ul>
  9. 9. Beslissingen op woord 2 Phonetisch Een aantal voorbeelden waarop een match gevonden kan worden Beslissingen op woord <ul><li>Dit is het beslissingsmodel dat op klank de juiste bedrijven filtert. Dit model is zeer fout-tolerant. </li></ul><ul><ul><li>Jansen is gelijk aan Janssen (phonetisch: ‘ansu’) </li></ul></ul><ul><ul><li>Management gelijk aan Menagment (phonetisch: ‘enegem’) </li></ul></ul><ul><ul><li>Gelijkheidsscore = 100% </li></ul></ul>Schober Database Name1 Jansen Phon-Name1 ansu Name2 Management Phon-Name2 enegem Evaluation 1 Keyword-1 Janssen Phonologic-Keyword-1 ansu Keyword-2 Menagment Phonologic-Keyword-2 enegem
  10. 10. Historische Database <ul><li>Om nog beter te matchen maakt Schober Information Group Nederland ook nog gebruik van een historische database . </li></ul><ul><li>Een oud klantenbestand bevat wellicht oude bedrijfsnamen op voormalige adressen. Bij een match zou deze dan ook vanzelfsprekend niet worden gevonden. Echter bewaart Schober al bijna tien jaar alle bedrijfsgegevens en kan daardoor een uitstekende koppeling maken met een oude referentie. </li></ul><ul><li>Deze historische database maakt het mogelijk om bedrijven op het oude adres te matchen aan het nieuwe adres. </li></ul><ul><ul><li>Voordeel : Geüpdate adres bij verhuizingen </li></ul></ul><ul><ul><li>Voordeel : Uitgebreide Failliet- en Vervalleninformatie </li></ul></ul><ul><ul><li>Voordeel : Terugvinden van een bedrijf dat zijn bedrijfsnaam heeft veranderd </li></ul></ul>Een oud klantenbestand updaten
  11. 11. Moeilijkheidsgraad Mogelijkheden en mindermogelijkheden Het matchen van Prospects met weinig tot zeer weinig gegevens heeft een Zeer hoge moeilijkheidsgraad bij Bijvoorbeeld: Rabobank Bij het ontbreken van plaats, postcode en straatgegevens is het vinden van het juiste bedrijf nagenoeg onmogelijk. Er zullen tientallen matches op Rabobankfilialen uitkomen. Deze dan ook automatisch koppelen is nauwelijks mogelijk aangezien de software zeer veel possibles zal generen met het woord ‘Rabobank’ in de tenaamstelling. Hoge moeilijkheidsgraad bij Bijvoorbeeld: Rabobank Amsterdam Bij het ontbreken van een straat en postcode is de moeilijkheidsgraad ook nog hoog. Dit omdat er in één plaats meerdere filialen mogelijk zijn. Er zullen dus nog steeds meerdere possibles uitrollen met een gelijke score. De software kan hier dus niet uit kiezen. Bij het meeleveren van een oud adres wordt de moeilijkheidsgraad nog extra verlaagd. Deze wordt dan namelijk gekoppeld met het adres uit de historische database. Gemiddelde moeilijkheidsgraad bij Bijvoorbeeld: Rabobank Amsterdam , Grachtengordel 21 In dit geval is de betreffende bank verhuisd naar Cohenplein 1 , echter zit er ook een Rabobank aan het Grachtenplein 134 . Op basis van de koppeling met onze historische database zal dit record toch gekoppeld worden aan Rabobank Amsterdam, Cohenplein 1.
  12. 12. Hartelijk Dank! Schober Information Group Nederland Mark Schoenmakers Vlierwerf 3A 4704 SB ROOSENDAAL Tel. 0165 - 595 739 [email_address] www.schober.nl
  13. 13. Schober Holding International <ul><li>Facts & Figures: </li></ul><ul><ul><li>Sinds 1947 op de Markt </li></ul></ul><ul><ul><li>Europees marktspeler </li></ul></ul><ul><ul><li>Omzet Schober Group: € 142 miljoen </li></ul></ul><ul><ul><li>Omzet met deelnemingen € 420 miljoen </li></ul></ul><ul><ul><li>Aantal Medewerkers: 400 > 100 Data Analisten, Statistici, Geografen en Informatica </li></ul></ul><ul><ul><li>Multifunctionele database-oplossingen in B-to-B en B-to-C </li></ul></ul>Officieel partner van: Stuttgart Roosendaal Bonn Praha Barcelona Madrid New York Milano Parijs Londen Munchen Bratislava Zurich Wien Budapest Warszawa Amsterdam Lisboa

×