Question

假设我有一个客户表：

Customers
-----------------------------------------------
Id INTEGER
SSN NCHAR(11)
FullName NVARCHAR(100)
LastPurchaseDate DATETIME

城市周围有许多商店，客户可以在其中任何一个商店注册，每个商店都给他一个不同的Id。无论他在哪里购买，相应的Id都会更新LastPurchaseDate。

现在，我需要按人员获取与“最新”Id 对应的LastPurchaseDate。问题是，由于X不同的原因，SSN或FullName上可能存在拼写错误。假设我有下一个数据：

Id SSN FullName LastPurchaseDate ----------- ----------- ------------- ----------------- 200123 123-45-6789 John Doe 10-09-2015 201978 456-78-9012 Mary Jane 15-08-2015 380789 789-01-2345 Pete Zahut 01-08-2015 389236 123-45-6789 Jhon Doe 23-07-2015 215875 456-87-9012 Mary Jane 30-08-2015 974186 123456789 John Doe 28-04-2015 123758 789-01-2345 Pete Zaut 18-08-2015

如果客户具有相同的SSN或相同的FullName，则该客户被视为同一个人。因此，在此示例中，客户200123，389236和974186是同一个人。因此，生成的Id应为

200123 215875 123758

我怎样才能做到这一点？

修改

因此，匹配必须位于SSN或FullName，但必须准确无误;如果两个字段都不同，即使它是一个字符，它也会被视为一个不同的人。我希望这些数据最终会被清理干净，但这需要时间，因为需要跟踪和纠正大量信息。

Answer 1

第一次数据清理将是：

(select REPLACE(SSN, '-', '') as SSN ,
Min(Id) as Id, Max(FullName) as FullName
max(LastPurchaeDate) as LastPurchaeDate
from Customers group by 1)

这将合并所有SSN号码。此外，它将假设最低Id是真实Id并且在名称上设置max以避免空值。您可以通过假设长度函数更长的名称长度来进一步纯化。

按两列中的任何一列汇总值

1 个答案: