Jak ujednolicić dane dostawcy bez utraty tożsamości produktu

Dlaczego katalogi dostawców stają się trudne do zaufania

Dwóch dostawców może opisać ten sam rodzaj produktu na zupełnie różne sposoby. Jeden wysyła "dolny wałek", drugi "dolny wałek", a trzeci umieszcza model maszyny w liściku tekstowym. Pomiary mogą być dokonywane w milimetrach, centymetrach lub centymetrach. Nazwy marek nabierają zmian interpunkcyjnych, kolory używają nazw lokalnych, a ważne pola są zakopywane w tytułach, ponieważ arkusz kalkulacyjny nie ma gdzie ich umieścić.

Problem staje się poważniejszy, gdy te pliki są wielokrotnie importowane. Zmieniony tytuł może stworzyć drugi produkt. Dostawca SKU może być mylony z SKU kupca. Pusta kolumna może wymazać zatwierdzoną wartość. Zapasy i cena mogą być aktualizowane prawidłowo, podczas gdy opis, wariant lub związek zgodności jest dołączony do niewłaściwej pozycji.

Inteligencja produktu rozpoczyna się od oddzielenia tożsamości, atrybutów, relacji i wartości handlowych. Kategorie te mogą następnie stosować różne zasady własności i przeglądu zamiast być traktowane jako jeden niezróżnicowany wiersz.

Zacznij od tożsamości produktu, a nie sformułowania produktu

Tytuł jest przeznaczony dla ludzi i może się legalnie zmienić. To kiepski klucz podstawowy. Zachowaj stabilne identyfikatory dla rekordu źródłowego, rejestru handlowego i każdej platformy docelowej. Mogą one obejmować numer elementu dostawcy, wewnętrzny identyfikator produktu, SKU, GTIN, Shopify ID produktu, Shopify ID wariantu, NetSuite ID lub Odniesienie do pozycji zapasowej Sage.

Nie zakładaj, że wszystkie identyfikatory oznaczają to samo. GTIN identyfikuje produkt handlowy zgodnie ze swoimi przepisami dotyczącymi emisji; wewnętrzne SKU jest kontrolowane przez przedsiębiorstwo; identyfikator produktu Sopify identyfikuje pojemnik produktu; a każdy wariant podlegający nabyciu posiada własną tożsamość platformy. Zamiast umieszczania każdego kodu w polu oznaczonym "numer części" należy raczej przechowywać identyfikator, wartość i system wydawania

Specyfikacja Centrum Handlowego Google wymaga unikalnego identyfikatora produktu, zaleca utrzymanie go bez zmian podczas aktualizacji i mówi, że ten sam produkt powinien zachować ten sam identyfikator w różnych krajach lub językach. Zasada ta jest cenna poza paszą: stabilna tożsamość pozwala na zmiany opisów, cen i atrybutów bez przerywania połączenia z bazowym elementem.

• Tożsamość źródła: który zapis dostawcy wytworzył wartość
• Tożsamość handlowa: produkt kanoniczny kupca i SKU
• Tożsamość handlowa: GTIN lub inny uznany identyfikator, w stosownych przypadkach
• Identyfikacja platformy: produkt docelowy i identyfikatory wariantów
• Identyfikacja związku: zweryfikowany związek między produktem, modelem, kategorią lub wnioskiem

Utwórz jeden zarządzany model atrybutu

Przed łączeniem plików należy określić pola, których firma rzeczywiście potrzebuje. Podaj każdemu atrybutowi wyraźną nazwę, typ danych, jednostkę, dozwolone wartości, zasadę własności i zasadę walidacji. Średnica powinna być liczbowa z jednostką wyraźną. Marka powinna odnosić się do kanoniki. Tak - lub - żadna własność nie powinna zaakceptować sześciu zaklęć "tak"

Niech model będzie praktyczny. Zacznij od atrybutów, które wpływają na zakup, dopasowanie, odkrycie, zgodność, zapasy lub spełnienie. Notatki dostarczające mogą pozostać dowodem źródłowym bez stania się polami zwróconymi do klienta. Celem nie jest stworzenie największego schematu; chodzi o to, aby istotne fakty były wystarczająco spójne.

Szopiuj modele produktu jako pojemnika z opcjami i wariantami, gdzie wariant reprezentuje specyficzną kombinację nabywalną i posiada wartości takie jak cena, inwentarz i kod kreskowy. W związku z tym płaski arkusz kalkulacyjny dostawcy musi być celowo odwzorowany na polach na poziomie produkcyjnym i zmiennym zamiast kopiowanej kolumny dla kolumny.

1. Lista decyzji Klienci i pracownicy potrzebują danych do wsparcia.
2. Określić pola kanoniczne, jednostki i wartości kontrolowane dla tych decyzji.
3. Mapowanie każdej kolumny dostawcy do pola kanonicznego lub pola dowodowego.
4. Zachowaj wartość pierwotną obok wartości znormalizowanej.
5. Przed połączeniem należy potwierdzić wymagane pola i niepowtarzalność identyfikatora.
6. Wyślij nierozwiązane konflikty do przeglądu zamiast po cichu wybrać.

Normalne wartości bez niszczenia źródła

Normalizacja sprawia, że równoważne wartości są porównywalne. Może standaryzować spację, przypadek, interpunkcję, jednostki, formaty daty i znane słownictwo. "Stal nierdzewna", "SS" i zatwierdzony kod materiału dostawcy mogą mapować do jednej wartości materiału kanonicznego, pod warunkiem że mapowanie jest udokumentowane i rzeczywiście równoważne.

Nigdy nie nadpisz źródła. Przechowywać wartość pierwotną, znormalizowaną, regułę transformacji, źródło, czas importu i stan zaufania lub przeglądu. To sprawia, że błędy odwracalne i daje recenzentowi wystarczająco kontekst, aby zdecydować, czy proponowane mapowanie jest bezpieczne.

Konwersja jednostek wymaga tej samej dyscypliny. Zachować dostarczony pomiar i jednostkę, zapisać wartość przeliczoną i zastosować odpowiednią precyzję. Zaokrąglanie wymiaru technicznego do wyświetlacza nie może zmieniać dokładnej wartości stosowanej do montażu, produkcji lub zakupu.

Rozwiązanie duplikatów z dowodami, a nie podobieństwo tytułu

Potencjalne duplikaty powinny być oceniane z wielu sygnałów: stabilnych identyfikatorów, numerów części producenta, marki, wymiarów, struktury wariantu, relacji dostawców i innych zatwierdzonych atrybutów. Wspólny tytuł lub podobny opis mogą zidentyfikować kandydatów, ale nie powinny zezwolić na połączenie.

Zdefiniuj co oznacza połączenie. Czasami dwa rzędy dostawców stanowią ten sam przedmiot handlowy z różnych źródeł i mogą łączyć się z jednym rekordem kanonicznym. Czasami są to równoważne alternatywy, które muszą pozostać oddzielnymi produktami. Czasami jeden wiersz reprezentuje produkt macierzysty, podczas gdy drugi reprezentuje wariant do nabycia. Są to różne związki i nie powinny być załamane w jednym założeniu.

Jeżeli dowody są sprzeczne, należy zachować oba twierdzenia ze swoimi źródłami i zaznaczyć pole do przeglądu. Recenzent powinien dokładnie zobaczyć, które rejestry nie zgadzają się, wartości, daty dowodów i dalszych miejsc docelowych objętych decyzją.

Utrzymanie faktów, relacji i danych handlowych oddzielnie

Fakty produktu opisują przedmiot: materiał, wymiary, markę i atrybuty techniczne. Związki łączą go z kategoriami, modelami, aplikacjami, akcesoriami lub alternatywami. Dane handlowe obejmują ceny, dostępność, podatki, koszty dostawców i ich realizację. Każda grupa może mieć inne źródło prawdy i aktualizować częstotliwość.

Na przykład ERP może posiadać zapasy i ceny, podczas gdy zatwierdzone źródło producenta posiada wymiary. Przepływ informacji o produktach może posiadać znormalizowane tytuły i kategorie. Shopify mogą pozostać miejscem przeznaczenia sklepu. Rozdzielenie tych obowiązków uniemożliwia opisowy plik dostawcy przepisywanie na żywo zapasów lub paszy inwentaryzacyjnej usunięcie zatwierdzonej zawartości produktu.

Słownictwo produktów Schema.org odzwierciedla to rozróżnienie, zapewniając właściwości identyfikatorów produktów, marki, kategorii, materiału, modelu i ofert. Zorganizowany model nie dowodzi, że roszczenie jest prawidłowe, ale pomaga systemom w przekazywaniu różnych rodzajów informacji o produkcie bez ograniczania wszystkiego do prozy.

Konkretny przykład: połączenie trzech katalogów podwozi

Wyobraź sobie kupca otrzymującego trzy pliki części podwozi koparek. Pierwszy wykorzystuje numery producenta, drugi wykorzystuje dostawcy SKU, a trzeci opisuje zastosowania maszyn w kolumnie uwagi. Wszystkie trzy zawierają rolki, żaluzje i zębatki, ale ich nazwy kategorii i wymiary różnią się.

Strumień pracy importuje każdy plik do obszaru inscenizacji i przypisuje tożsamość źródłową do każdego wiersza. Mapuje synonimy kategorii do zweryfikowanych kategorii kanonicznych, przekształca pomiary w wspólną jednostkę przy zachowaniu oryginałów i oddziela modele maszyn od tytułów produktów. Dokładny identyfikator pasuje do rekordów linków automatycznie; prawdopodobne dopasowania stają się kandydatami do przeglądu.

Wałek o tej samej liczbie producentów i wymiarach w dwóch źródłach może być połączony z jednym produktem kanonicznym, zachowując jednocześnie obie oferty dostawców. Wizualnie podobny wałek z innym pomiarem otworu pozostaje oddzielony. Zgłoszony model wniosku, który nie zawiera dodatkowych identyfikatorów ani zweryfikowanych powiązań, jest przechowywany jako niezweryfikowany dowód i nie jest publikowany jako wniosek o montaż.

Zatwierdzony rekord może następnie wysłać zawartość sklepu do Shopify, zachowując produkty Shopify i identyfikatory wariantowe, wartości operacyjne z NetSuite lub Sage 200, oraz ślad dowodowy za każdym wzbogaconym atrybutem. Późniejsze aktualizacje dostawcy dopasowują się do poprawnego rekordu źródłowego, a nie polegają na tym, który tytuł jest obecny.

Publikuj zmiany poprzez kontrolowaną kolejkę przeglądów

Grupa zaproponowała zmiany ze względu na ryzyko. Formatowanie i zatwierdzane mapowanie słownictwa może być niewielkie ryzyko. Zmiany tożsamości, połączone rejestry, roszczenia o zgodność, wymiary, cena i dostępność zasługują na większe kontrole. Partia powinna pokazać, ile rekordów się zmieni, które pola są naruszone i które miejsca przeznaczenia otrzymają aktualizację.

Recenzent potrzebuje bieżącej wartości, proponowanej wartości, dowodów źródłowych i przyczyny zmiany. Zatwierdzenie powinno mieć zastosowanie do określonego rekordu i miejsca przeznaczenia, a nie przyznawać czeku pustego na przyszły przywóz. Nieudane lub odrzucone rekordy pozostają widoczne z wyraźnym powodem, więc ten sam błąd nie jest powtarzany w następnym pliku.

W przypadku gdy zewnętrzny system jest źródłem prawdy, Shopify dokumentuje kompletny strumień pracy synchronizacji dla danych ERP lub PIM i docelowych mutacji, gdy Shopify posiada rekord. Wybór właściwego kierunku ma znaczenie, ponieważ pełna wymiana i aktualizacja poziomu pola mają bardzo różne konsekwencje.

Zmierzyć, czy dokumentacja produktu stała się bardziej przydatna

Licz wyniki jakości danych zamiast liczby wygenerowanych wartości. Przydatne środki obejmują zapisy ze stabilną tożsamością, wypełnienie wymaganych atrybutów, rozstrzygnięcie duplikatów kandydatów, konflikty oczekujące na przegląd, powiązania z potwierdzonymi dowodami i aktualizacjami miejsc przeznaczenia.

Następnie podłącz ulepszenie danych do rzeczywistych podróży. Czy klient może filtrować atrybut? Czy można wyszukać różne warianty? Czy pracownicy mogą uzgodnić aktualizację dostawcy? Czy strona docelowa pasuje do produktu? Google ostrzega, że niedokładne, brakujące lub sprzeczne informacje o produkcie mogą powodować dezaprobaty, ograniczoną kwalifikowalność lub nieprawidłowe wyświetlacze, co sprawia, że diagnostyka pasz jest użytecznym sygnałem jakości, a nie odrębnym problemem marketingowym.

M.I.A.I Intelligence Product jest zbudowany do tej pracy: normalizacja atrybutów, relacje jednostek, wspomagane dowodami wzbogacanie i przegląd jakości danych. Celem jest spójna wiedza o produkcie, która może wspierać handel, poszukiwanie i automatyzację bez odłączania odpowiedzi od źródła.

Praktyczna lista kontrolna jakości produktów-danych

• Każdy rekord ma stabilną tożsamość biznesową i tożsamość źródłową.
• Pola na poziomie produkcyjnym i zmiennym są celowo odwzorowywane.
• Wartości pierwotne pozostają dostępne poza wartościami znormalizowanymi.
• Jednostki, kontrolowane słownictwo i zasady transformacji są jednoznaczne.
• Duplikaty kandydatów wymagają dowodów wykraczających poza podobne tytuły.
• Konflikty roszczeń pozostają widoczne do czasu przeglądu.
• Każde pole posiada właściciela i autoryzowany kierunek aktualizacji.
• Destination writs retent Shopify, NetSuite lub Sage record identifiers.
• Opublikowane fakty, kanały i strony lądowania zgadzają się.
• Każdy import tworzy recenzyjny rekord audytu.