Törzsadatok és duplikációkezelés
Dupla üzleti rekordokat keres, kapcsolatokat és előzményt megőrző összevonást vagy importot készít elő.
master-data-deduplication
Ezt a skillt használó csapattagok
Mikor hasznos?
Akkor használd, ha ügyfél-, kapcsolat- vagy terméktörzsben ismétlődések gyűlnek.
Miben segít neked?
- Normalizálja az azonosítót és elkülöníti a biztos és valószínű egyezést.
- Előnézetet ad a mezőütközésről, megőrzi a függőségeket és összevonási előzményt.
- Alkalmazás előtt ellenőrzi az import sorait.
Például ezt kérheted
Készíts ügyfélduplikációs vizsgálatot mezőütközésekkel, kapcsolt számlákkal és később visszakövethető összevonással. Két hasonló nevű, eltérő számlázású cég összevonását előnézetben mutasd. Maradjanak meg a számlakapcsolatok és aliasok, a bizonytalan azonosság kerüljön ellenőrzésre.
Részletes dokumentáció
Itt a skill eredeti útmutatóját, példáit és ellenőrzési szempontjait olvashatod az eredeti nyelven.
Összecsukás
Master Data & Deduplication
When to Use
Use when managing master data (Accounts, Contacts, Products/SKUs, Vendors), building duplicate detection and merge workflows, or implementing bulk CSV/XLSX/API data imports.
1. Master Data Normalization & Duplicate Detection
Prevent duplicates at the gate and detect fuzzy matches early:
- Canonical Normalization:
- Normalize emails (lowercase, trim), phone numbers (E.164 format
+36...), company tax/VAT numbers (strip spaces/hyphens), and website domains (stripwww.and protocol) into indexed lookup columns.
- Normalize emails (lowercase, trim), phone numbers (E.164 format
- Deterministic vs. Fuzzy Match Tiers:
- Exact Identity Match (same
tenant_id+ same normalizedtax_idoremailorsku_code) $\rightarrow$ block or link automatically according to domain rules. - Candidate Fuzzy Match (similar legal company name
Acme Ltd.vs.Acme Limited+ same city/domain) $\rightarrow$ flag for review/merge rather than silently merging unrelated companies!
- Exact Identity Match (same
2. Safe, Auditable Record Merging (Winner $\leftarrow$ Loser)
Never "merge" two customer or contact records by running DELETE FROM accounts WHERE id = $loserId! Deleting or blindly overwriting loses orders, invoices, and external sync mappings:
Mandatory 5-Step Merge Transaction
Execute every merge atomically inside a database transaction:
- Field Survivorship Resolution:
- Compute the merged attributes on the
winnerrecord using explicit survivorship rules (e.g., keepwinner's verifiedtax_idandbilling_address, fill blank fields onwinnerfromloser, union tags, and allow the operator to preview/pick conflicting fields before confirming).
- Compute the merged attributes on the
- Re-Parent All Dependent Child Records:
- Re-point every foreign key referencing
loser_id(contacts,opportunities,quotes,sales_orders,invoices,activities,tasks,files,external_entity_mappings) towinner_id.
- Re-point every foreign key referencing
- Preserve Merge Lineage & Redirect Tombstone:
- Mark the
loserrecord asstatus = 'merged',merged_into_id = winner.id,merged_at = NOW()(do not hard-delete the row!). - If an external integration, bookmark, or old webhook references
loser_id, resolve it viamerged_into_idtowinner_id.
- Mark the
- Store Pre-Merge Snapshot for Unmerge / Audit:
- Record an immutable
master_data_merge_logsentry containing thebeforesnapshots of bothwinnerandloserplus the list of re-parented child record IDs so the merge is 100% auditable and reversible if merged by mistake.
- Record an immutable
3. Two-Phase Bulk Import (Dry-Run Validation $\rightarrow$ Commit)
For CSV/XLSX or bulk data imports:
- Phase 1 (Dry-Run Preview): Parse and validate every row against schema, UoM/currency codes, foreign keys, and duplicate rules, returning a structured row-by-row report (
valid_new,valid_update,duplicate_warning,validation_errorwith exact row & column). - Phase 2 (Idempotent Commit): Import validated rows in bounded batches with an
import_batch_idso the batch can be traced or rolled back cleanly.
Csomagban lévő fájlok 1
SKILL.md
