Resposta direta
A medição começa por cobertura e consistência, não por contagem de registros. Sem chave única, o cadastro é medido por indicadores indiretos: quanto dos registros traz algum identificador forte, quantos pares sobrevivem a regras de comparação, e como esses números se comportam entre cargas. O resultado útil não é o total de duplicados, e sim a estabilidade do critério. Duas medições seguidas, com o mesmo limiar e o mesmo conjunto de atributos, devem apontar a mesma faixa de pares. Quando a faixa muda sem alteração de dados, o problema está na regra, não no cadastro.
- Objetivo
- Explicar medição
- Formato indicado
- Projeto de implementação
- Atualizado em
O que esta página acrescenta: Trata a medição como calibração de critério e acompanhamento de estabilidade entre cargas, em vez de auditoria de uma carga única.
Indicadores que funcionam sem identificador comum
Sem chave única, a medição trabalha com cobertura, sobreposição e estabilidade. Cobertura responde quantos registros têm um campo comparável preenchido. Sobreposição responde quanto dois conjuntos de sistemas se referem à mesma entidade. Estabilidade responde se a resposta se mantém entre cargas.
Nenhum desses indicadores entrega o número exato de duplicados. Eles mostram ordem de grandeza e tendência. Cobertura baixa de documento limita qualquer pareamento; cobertura alta com formato irregular limita do mesmo modo.
Limiar, bloco e custo de erro
O pareamento probabilístico compara pares e atribui grau de similaridade. O limiar define o que entra como suspeito. Limiar baixo amplia a faixa de pares e o esforço de conferência; limiar alto deixa registros repetidos fora da lista.
O custo dos dois erros é diferente e precisa ser declarado antes da medição. Falso negativo mantém duplicidade no cadastro. Falso positivo consome tempo de conferência e pode consolidar registros que são entidades distintas. Blocos mal escolhidos concentram registros parecidos e distorcem a contagem.
O que a medição não resolve
A medição não prova que dois registros são a mesma entidade. Ela aponta suspeitos e dimensiona o esforço de decisão. A consolidação depende de conferência, de regra de precedência e de um responsável nomeado para aceitar ou rejeitar cada par.
Também não corrige cadastro com campos vazios nem processo que não exige identificador na entrada. Se o atributo não é coletado, nenhum pareamento o recupera. Nesses casos, a medição serve para dimensionar o problema e justificar mudança de processo, não para resolvê-lo.
Recurso prático
Fluxo de medição sem chave única
- Listar os atributos que aparecem em mais de um sistema e classificar cada um pela capacidade de distinguir registros: documento, nome, endereço, telefone, data.
- Definir blocos de comparação. O pareamento roda apenas dentro de blocos que compartilham algum atributo, o que reduz o volume de pares comparados.
- Medir a cobertura de cada identificador: quantos registros do conjunto têm aquele campo preenchido e em formato comparável com o de outro sistema.
- Rodar o pareamento com limiar fixo e registrar a faixa de pares encontrada, sem tratar esse número como total de duplicados.
- Repetir a medição em cargas diferentes e comparar as faixas. Variação sem mudança nos dados indica ajuste de regra, não piora do cadastro.
O erro mais comum é tratar a contagem de pares como inventário de duplicados. O pareamento produz suspeitos; quem consolida precisa de conferência, regra de precedência e responsável nomeado.
Sobre o que está escrito aqui
Conceitos relacionados: chave única · pareamento probabilístico · bloco de comparação · cobertura de identificador · limiar de similaridade. 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 chave única: onde o cruzamento falha — Diagnosticar
- Cadastro sem chave única: como escolher o identificador — Organizar um processo
- Cadastro sem chave única: como comparar as formas de casar — Comparar alternativas
- Cadastro sem chave única: como criar uma referência estável — Orientar implementação
- Cadastro sem chave única: o que exigir na contratação — Orientar avaliação e contratação
Outras leituras em Integrações, sistemas e qualidade de dados
- Fila sem prazo: o que exigir antes de contratar — O que definir em contrato e em operação quando itens podem ficar parados na fila sem prazo: envelhecimento, timeout, reprocessamento e responsabilidade.
- Sincronização sem janela definida: o corte que ninguém fecha — Um processo para definir data de corte, dono do número e rotina de conferência quando a sincronização entre sistemas não tem janela combinada.
- Integração sem documentação: como medir o que ficou — Descreve como medir uma integração sem documentação a partir de rastros observáveis: contagens, horários, registros de erro e responsáveis.
- Sistemas desconectados: métricas para dimensionar o atrito — Apresentação de indicadores operacionais para medir o impacto de sistemas isolados em rotinas de reconciliação, latência e alocação de equipe.
- Exportação com dado pessoal sem máscara: o que exigir — O que definir em contrato, escopo e conferência ao contratar exportação com dado pessoal sem máscara, e o que esse arranjo não resolve.