Question

在SQL Server 2005中，我有一个成功销售的输入表，以及包含已知客户信息及其详细信息的各种表。对于每一行销售，我需要匹配0或1个已知客户。

我们从销售表中输入以下信息：
SERVICEID，地址，邮政编码，电子邮件地址，家庭电话，名字，名字

客户信息包括所有这些，以及“LastTransaction”日期。

这些字段中的任何一个都可以映射回0个或更多客户。我们将匹配视为销售表中的ServiceId，Address + ZipCode，EmailAddress或HomePhone与客户完全匹配的任何时间。

问题在于我们拥有许多客户的信息，有时是同一家庭中的多个客户。这意味着我们可能会将John Doe，Jane Doe，Jim Doe和Bob Doe放在同一所房子里。他们都将在Address + ZipCode和HomePhone上匹配 - 并且可能其中一个以上也匹配ServiceId。

我需要一些方法来优雅地跟踪交易中客户的“最佳”匹配。如果一个匹配6个字段，而其他字段仅匹配5个，则该客户应保持与该记录匹配。在多次匹配5且没有匹配的情况下，应保留最近的LastTransaction日期。

任何想法都会非常感激。

更新：为了更清楚一点，我正在寻找一种好方法来验证数据行中的完全匹配数，并根据该信息选择要关联的行。如果姓氏为“Doe”，则必须与客户姓氏完全匹配，才能算作匹配参数，而不是非常接近的匹配。

Answer 1

对于SQL Server 2005及以上尝试：

;WITH SalesScore AS (
SELECT
    s.PK_ID as S_PK
        ,c.PK_ID AS c_PK
        ,CASE 
             WHEN c.PK_ID IS NULL THEN 0
             ELSE CASE WHEN s.ServiceId=c.ServiceId THEN 1 ELSE 0 END
                  +CASE WHEN (s.Address=c.Address AND s.Zip=c.Zip) THEN 1 ELSE 0 END
                  +CASE WHEN s.EmailAddress=c.EmailAddress THEN 1 ELSE 0 END
                  +CASE WHEN s.HomePhone=c.HomePhone THEN 1 ELSE 0 END
         END AS Score
    FROM Sales s
        LEFT OUTER JOIN Customers c ON s.ServiceId=c.ServiceId
                                       OR (s.Address=c.Address AND s.Zip=c.Zip)
                                       OR s.EmailAddress=c.EmailAddress
                                       OR s.HomePhone=c.HomePhone 
)
SELECT 
    s.*,c.*
    FROM (SELECT
              S_PK,MAX(Score) AS Score
              FROM SalesScore 
              GROUP BY S_PK
         ) dt
        INNER JOIN Sales          s ON dt.s_PK=s.PK_ID 
        INNER JOIN SalesScore    ss ON dt.s_PK=s.PK_ID AND dt.Score=ss.Score
        LEFT OUTER JOIN Customers c ON ss.c_PK=c.PK_ID

修改我讨厌在没有给出shema的情况下编写这么多实际代码，因为我实际上无法运行它并确保它有效。但是，要回答如何使用上一个交易日期处理关系的问题，以下是上述代码的较新版本：

;WITH SalesScore AS ( SELECT s.PK_ID as S_PK ,c.PK_ID AS c_PK ,CASE WHEN c.PK_ID IS NULL THEN 0 ELSE CASE WHEN s.ServiceId=c.ServiceId THEN 1 ELSE 0 END +CASE WHEN (s.Address=c.Address AND s.Zip=c.Zip) THEN 1 ELSE 0 END +CASE WHEN s.EmailAddress=c.EmailAddress THEN 1 ELSE 0 END +CASE WHEN s.HomePhone=c.HomePhone THEN 1 ELSE 0 END END AS Score FROM Sales s LEFT OUTER JOIN Customers c ON s.ServiceId=c.ServiceId OR (s.Address=c.Address AND s.Zip=c.Zip) OR s.EmailAddress=c.EmailAddress OR s.HomePhone=c.HomePhone ) SELECT * FROM (SELECT s.*,c.*,row_number() over(partition by s.PK_ID order by s.PK_ID ASC,c.LastTransaction DESC) AS RankValue FROM (SELECT S_PK,MAX(Score) AS Score FROM SalesScore GROUP BY S_PK ) dt INNER JOIN Sales s ON dt.s_PK=s.PK_ID INNER JOIN SalesScore ss ON dt.s_PK=s.PK_ID AND dt.Score=ss.Score LEFT OUTER JOIN Customers c ON ss.c_PK=c.PK_ID ) dt2 WHERE dt2.RankValue=1

Answer 2

使用SQL Server代码，这是一种相当丑陋的方法。假设：
- Customer表中存在CustomerId列，用于唯一标识客户 - 仅支持完全匹配（如问题所暗示的那样）。

SELECT top 1 CustomerId, LastTransaction, count(*) HowMany
 from (select Customerid, LastTransaction
        from Sales sa
         inner join Customers cu
          on cu.ServiceId = sa.ServiceId
       union all select Customerid, LastTransaction
        from Sales sa
         inner join Customers cu
          on cu.EmailAddress = sa.EmailAddress
       union all select Customerid, LastTransaction
        from Sales sa
         inner join Customers cu
          on cu.Address = sa.Address
           and cu.ZipCode = sa.ZipCode
       union all [etcetera -- repeat for each possible link]
      ) xx
 group by CustomerId, LastTransaction
 order by count(*) desc, LastTransaction desc

我不喜欢使用“top 1”，但写作速度更快。（另一种方法是使用排名函数，这需要另一个子查询级别或将其强制为CTE。）当然，如果你的表很大，除非你的所有列上都有索引，否则它会像奶牛一样飞行。

Answer 3

坦率地说，由于您的数据中没有唯一标识符，我会对此完全保持警惕。

约翰史密斯与他的儿子约翰史密斯住在一起，他们都使用相同的电子邮件地址和家庭电话。这是两个人，但你会把它们作为一个匹配。我们一直在使用我们的数据进行此操作，因此没有自动匹配的解决方案。我们识别可能的重复并实际上进行物理呼叫并找出它们是重复的ID。

Answer 4

我可能会为此创建一个存储函数（在Oracle中）和oder在最高匹配

SELECT * FROM (
 SELECT c.*, MATCH_CUSTOMER( Customer.Id, par1, par2, par3 ) matches FROM Customer c
) WHERE matches >0 ORDER BY matches desc

函数match_customer根据输入参数返回匹配数...我猜这可能很慢，因为此查询将始终扫描完整的客户表

Answer 5

对于近似匹配，您还可以查看许多字符串相似度算法。

例如，在Oracle中有UTL_MATCH.JARO_WINKLER_SIMILARITY函数：
http://www.psoug.org/reference/utl_match.html

Answer 6

还有Levenshtein distance algorithym。

如何在SQL Server 2005中选择最接近的匹配？

6 个答案: