Datenmatching mit Fuzzy Logic

Viele Anwender von ICRS (Immobilien Controlling & Reporting System) bekommen regelmäßig – etwa monatlich – Mieterlisten. Ein Problem dabei: Da die Informationen aus verschiedenen Datenquellen gespeist werden, kommt es oft zu Unklarheiten, etwa wenn der Name eines Mieters einmal als „Alpha Beta GmbH“ und einmal als „AB GmbH“ eingetragen ist. Das kann verhindern, dass der Mieter eindeutig identifiziert werden kann – die Datenqualität sinkt. Auch die Benennung von Einheiten ist oft inkonsistent und die Angaben über die Dauer von Mietverhältnissen können wegen der Eingabe unterschiedlicher Anfangs- und Enddaten variieren.

Da aber viele Unternehmen verlässliche Miethistorien brauchen, mussten die Daten händisch nachbearbeitet werden. So trat die Frage auf, ob metamagix für dieses Problem eine technische Lösung hat.

Unsere Antwort war „intelligentes Datenmatching“. Im Kern geht es darum, für verschiedene Parameter ein funktionierendes Ausmaß an Ähnlichkeit zu definieren. Nimmt man das oben erwähnte Beispiel, so sollte unsere Software nun selbständig erkennen können, dass „Alpha Beta GmbH“ und die „AB GmbH“ einander sehr ähnlich und – in weiterer Folge – ident sind. Neben Namen werden auch Informationen zu Nutzung, Fläche, Quadratmeterpreis und Mietbeginn darauf überprüft, inwieweit sie zusammenpassen. Mittels „fuzzy matching“ werden nun Wahrscheinlichkeiten berechnet, welcher Parameter der Vorperiode welchem Parameter der aktuellen Periode entspricht. Der Algorithmus nimmt dem Menschen den Datenvergleich ab und Miethistorien können nun auch bei unzureichender Datenqualität besser analysiert werden. Der erste Kunde setzt diese Lösung bereits für die Analyse tausender Objekte ein.