Détection des quasi-doublons

Bonjour tout le monde :)

Je suis nouvelle dans ce forum et ravie de partager avec vous les idées.
En fait, j'effectue un stage en qualité des données et je travaille avec la base de donnée Oracle. Je dois trouver des quasi-doublons dans une table.
J'ai cherché dans ce site et j'ai trouvé la syntaxe SQL suivante :

Code:

---

1 2 3 4 5 6 7 8

SELECT DISTINCT * FROM T_doublons T1 WHERE EXISTS (SELECT * FROM T_doublons T2 WHERE T1.NUM <> T2.NUM AND (LOWER(T1.NOM) LIKE '%' + LOWER(T2.NOM) + '%' OR LOWER(T2.NOM) LIKE '%' + LOWER(T1.NOM)+'%') AND (LOWER(T1.PRENOM) LIKE '%' + LOWER(T2.PRENOM) + '%' OR LOWER(T2.PRENOM) LIKE '%' + LOWER(T1.PRENOM) + '%'));

---

Le problème est que je reçois toujours ce message d'erreur :

Citation:

---

ORA-01722
invalid number

Cause: The attempted conversion of a character string to a number failed because the character string was not a valid numeric literal. Only numeric fields or character fields containing numeric data may be used in arithmetic functions or expressions. Only numeric fields may be added to or subtracted from dates.

Action: Check the character strings in the function or expression. Check that they contain only numbers, a sign, a decimal point, and the character "E" or "e" and retry the operation.

---

Je ne comprends pas pourquoi ce message d'erreur.
La fonction lower donne la chaîne entrée en paramètre en minuscule et ne la converti pas en nombre alors que le message fait référence à une conversion de nombre.
Je crois qu'il y a une erreur dans la syntaxe qui en est la cause, j'ai essayé de changer plusieurs fois la syntaxe mais je n'y arrive pas.

Si quelqu'un un peut m'aider j'en serai reconnaissante :)
Merci.

L'opérateur de concaténation sous oracle est || et non + qui est du sqlserver.

d'accord, merci beaucoup skuatamad. Je vais essayer avec cet opérateur de concaténation :)

La fonction SOUNDEX pourrait t'être utile pour ce type de traitement :ccool:

Merci beaucoup. Vos réponses m'ont beaucoup servi.

Rebonjour,
j'ai maintenant une colonne qui comprend les éléments suivants: Onep, ONEP, ONEP,ONIP, O.N.E.P . Il s'agit du même enregistrement mais écrit de différentes manières.Une simple requête sql ne pourrait pas détecter ce genre de doublons.Ceci dit, j'ai cherché un logiciel open source plus puissant pour résoudre ce problème "Talend Open Studio for DAta quality".Je trouve que la technique de doublonnage "le matching" est très compliquée, surtout qu'il faut utiliser un 2 ème logiciel "Talend Open Studio for DAta integration".Je cherche maintenant une solution ( un logiciel) qui pourrait me faciliter la tâche.Sinon, Si quelqu'un a une idée sur une autre méthode plus simple à effectuer avec le même logiciel c'est bien aussi. :)
Merci