Discussion :

[ninatity]

Bonjour à tous,

J'ai vraiment besoin d'aide dans une requête que je dois faire.
J'ai 2 tables différentes contenant l'une, des informations fiscales provenant de la Direction des Impôts et l'autre des informations fiscales données par des clients. Mon soucis c'est que je dois mettre à jour les données fiscales des clients de ma base et la colonne que je dois employer pour les jointures (NOM) n'a pas les mêmes données exactes.

Exemple :

NOM_IMPOTS	NOM_CLIENT
MARTIN DUBOIS & CIE	STE MARTIN ET DUBOIS
MARC LEVY-STRAUSS	MARC ANTHONY LEVY-STRAUSS

J'ai déjà éssayer LIKE, INSTR mais sans résultat. Pourriez-vous me guider? Merci d'avance.

[Emmanuel R]

Bonjour,

Est-ce vraiment la seule clé dont tu disposes ? Tu n'as pas de numéro de siret sur lequel tu pourrais joindre ?


Sinon, ce que je ferais, c'est créer deux nouvelles colonnes NOM_IMPOTS_TMP et NOM_CLIENT_TMP. J'alimenterais respectivement ces deux colonnes à partir de NOM_IMPOTS et NOM_CLIENT afin d'avoir un espace de travail.
Ensuite, j'essaierais de trouver les règles qui permettent de faire le remplacement.
Transformer les '&' en 'ET'... Enfin, tout ce que tu peux trouver, jusqu'à ce que tu aies deux colonnes identiques. Et ensuite joindre sur ces colonnes.

Mais vu tes données j'ai du mal à voir comment une unique requête te permettra d'avoir ce que tu souhaites. Déjà, si tu joins avec un like '%MARTIN%' par exemple (beurk), tu risques de perdre ton lien 1,1, ce qui n'est pas ce que tu veux j'imagine...

[McM]

Impossible à faire en automatique avec une fiabilité de 100%
Tu peux te créer une fonction de similarité afin de voir les rapprochements possibles, mais tu auras forcément une validation d'un utilisateur

[ninatity]

Est-ce vraiment la seule clé dont tu disposes ? Tu n'as pas de numéro de siret sur lequel tu pourrais joindre ?

Je n'ai que les deux colonnes provenant de la Direction des impôts (Nom et NIF). Ils ne veulent pas nous donner plus d'informations . Oui j'ai déjà fait le LIKE '%MARTIN%', cela sort pleines de lignes et je ne veux pas me tromper.

Impossible à faire en automatique avec une fiabilité de 100%

Bref merci pour vos conseils, je vais chercher quelques astuces et je vous tiendrai au courant.

[Waldar]

Quel est le volume de données que vous devez recouper ?

Oracle implémente nativement une version légèrement boguée de la distance de Jaro-Winkler dont les résultats avaient été probants sur un besoin similaire :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
with cte_clients (lid, nom_impots, nom_client) as
(
select 1, 'MARTIN DUBOIS & CIE', 'STE MARTIN ET DUBOIS'      from dual union all
select 2, 'MARC LEVY-STRAUSS'  , 'MARC ANTHONY LEVY-STRAUSS' from dual
)
  select lid
       , round(100 * utl_match.jaro_winkler(nom_impots, nom_client), 3) as jws
    from cte_clients
order by lid asc;
 
       LID        JWS
---------- ----------
         1     71,404
         2     86,541

Le score calculé est un pourcentage de correspondance.

Un des défauts de cet algorithme est sont coût CPU : vous aller devoir calculer les scores de beaucoup de correspondances : même 2000 vs 2000, ça fait 4.000.000 de calculs.

Ce que nous avions fait avec les collègues à l'époque, était de rechercher d'abord les correspondances exactes, puis les correspondances like, puis les correspondances via la distance de Jaro-Winkler afin d'en faire le moins possible.

[SQLpro]

Bonjour

Utilisez l'algorithme de rapprochement que j'ai écrit :
http://sqlpro.developpez.com/cours/s...ns-motifs/#LVI
Il est très rapide...
Il donne même d'excellent résultat pour la police à la recherche des terroriste dont les noms sont phonétisés par rapport par exemple à l'arabe !

Si vous écrivez la fonction en PL/SQL, renvoyez moi le code afin que je le publie....
A +