Resposta direta
Mede-se por comparação, não por certeza. A base é a escolha de um campo que deveria ser único por pessoa — documento, e-mail ou telefone — e a contagem de registros ativos que apontam para o mesmo valor. Esse número é um piso: mostra a duplicata segura e deixa de fora o que só julgamento humano separaria. Uma amostra lida à mão estima o que fica acima do piso. Antes de qualquer regra, o conjunto serve para dimensionar o problema e decidir se a consolidação se justifica.
- Objetivo
- Explicar medição
- Formato indicado
- Projeto de implementação
- Atualizado em
O que esta página acrescenta: Separa o que se pode contar do que exige julgamento e mostra por que os dois números não se somam.
A chave escolhida define o que o número enxerga
A medição começa pela escolha de um campo que deveria ser único por pessoa. Documento é o caso mais simples, porque tem formato estável e preenchimento obrigatório em quase todo cadastro. E-mail e telefone funcionam quando passam pelo mesmo critério de preenchimento em todos os canais. Nome completo raramente serve sozinho.
Cada escolha muda o resultado. Documento encontra pouco e com alta confiança. Telefone encontra mais e mistura cadastros de família ou de empresas do mesmo grupo. E-mail fica no meio, mas depende de o campo ser usado no atendimento e não apenas no faturamento. A chave precisa ser declarada junto com o número. Sem isso, a contagem não é comparável entre áreas nem entre meses.
Contagem de colisão e leitura de amostra medem coisas diferentes
Colisão exata conta registros que apontam para o mesmo valor de chave. É barata, repetível e serve de base para acompanhamento ao longo do tempo. Responde quanto do cadastro está preso a um identificador repetido, com precisão sobre aquilo que foi contado e silêncio sobre o resto.
A leitura de amostra cobre a faixa restante: grafia parecida, campo vazio, telefone sem o nono dígito, e-mail trocado por outro domínio. Nessa faixa não existe contagem automática honesta. Existe julgamento humano sobre um conjunto pequeno, com critério escrito, e a proporção observada fica declarada como faixa.
As duas medidas não se somam. A primeira é piso; a segunda estima o que está acima dele. Somar produz um número maior e sem significado, que costuma ser repetido em apresentação como se fosse inventário fechado.
O que a medição não resolve
A medição não substitui a regra de deduplicação. Ela diz o tamanho do problema e onde ele se concentra. Não define qual registro permanece, qual histórico prevalece, como o vínculo com contratos e notas é refeito, nem quem responde pela consolidação. Essas decisões são de processo e de responsabilidade, não de contagem.
Base pequena produz leitura instável, e a amostra perde valor. Cadastro com campos opcionais ou preenchido por canais diferentes gera ambiguidade que nenhuma contagem resolve. E quando não há dono claro do cadastro, o número é medido, apresentado e arquivado sem consequência. A medição só muda algo se houver alguém com mandato para agir sobre ela.
Recurso prático
Da chave escolhida ao número que se pode defender
- Declarar a chave: registrar qual campo deveria ser único por pessoa e por que ele foi escolhido em vez dos outros.
- Contar colisões: para cada valor de chave, contar quantos registros ativos apontam para ele.
- Separar faixas: colisão exata entra como duplicata provável; variação de grafia, campo vazio e formato divergente entram em amostra.
- Ler a amostra à mão: classificar um conjunto pequeno de casos ambíguos e registrar o critério usado em cada decisão.
- Publicar com margem: informar o piso medido, o que ficou fora da contagem e a faixa que a amostra sugere.
O erro mais comum é apresentar a contagem de colisões como total de duplicatas. Ela é o piso. Sem dizer o que ficou fora, o número vira promessa e a primeira tentativa de consolidação desmente.
Sobre o que está escrito aqui
Conceitos relacionados: chave de identificação · colisão de cadastro · registro ativo · amostra de ambiguidade · faixa declarada. Exemplos são ilustrativos. Não há cliente, resultado, preço, prazo ou certificação nesta página. Quando o formato indicado é Projeto de implementação, ele descreve uma possibilidade de trabalho — a conversa inicial avalia contexto e aderência.
Para continuar
- Integrações, sistemas e qualidade de dados — Página central do tema
- Números que não batem: por que a divergência… — planilhas divergentes
- Sincronização entre sistemas: o que decidir a… — sistemas desconectados
Páginas relacionadas
O mesmo problema em outro objetivo
- Cadastro sem regra de deduplicação: como medir o problema — Diagnosticar
- Cadastro sem regra de deduplicação: comparar caminhos — Comparar alternativas
- Cadastro sem deduplicação: definir a regra antes do bloqueio — Orientar implementação
- Cadastro sem regra de deduplicação: o que exigir no contrato — Orientar avaliação e contratação
Outras leituras em Integrações, sistemas e qualidade de dados
- Cadastro que não sobrevive à troca de sistema: o que comparar — Compara três caminhos para o cadastro sobreviver à troca de sistema: manter a base antiga como referência, reescrever na nova ou conviver com as duas.
- Cliente duplicado entre áreas: como implementar a correção — O que definir entre áreas para corrigir cliente duplicado: dono por campo, origem do cadastro e responsabilidade sobre a consolidação.
- Cliente duplicado entre áreas: como achar a origem — Mostra por que o mesmo cliente aparece registrado de formas diferentes em cada área e o que comparar para localizar a origem da duplicidade.
- Sincronização com falha recorrente: separar atraso de erro — Define a unidade de sincronização, os estados de atraso e erro, o responsável pelo alerta e o critério de fechamento de cada ocorrência.
- Planilhas divergentes: alternativas para confrontar bases — Avaliação de quatro métodos práticos para comparar arquivos concorrentes, apontando esforço, precisão e limites de cada abordagem operacional.