چارچوبی خودکار برای ادغام داده‌های Salesforce در ادغام شرکت‌ها پیشنهاد شد

ادغام دو شرکت که هرکدام از Salesforce استفاده می‌کنند، نیازمند تطبیق ساختار داده‌ها، پیدا کردن مشتریان تکراری، حفظ ارتباط میان رکوردها و به‌روز نگه‌داشتن سامانهٔ مقصد تا زمان انتقال نهایی است. پژوهشگران در پیش‌چاپی در arXiv چارچوبی مرجع برای خودکارسازی این فرایند با خط لولهٔ استخراج، تبدیل و بارگذاری (ETL) پیشنهاد کرده‌اند که اجزای آن با ابزارهای Jitterbit Integration Studio قابل پیاده‌سازی است.

این چارچوب از استخراج بخش‌بندی‌شدهٔ داده‌ها، الگوهای نگاشت، کنترل کیفیت قاعده‌محور و آماری، تطبیق قطعی و تطبیق فازیِ محدودشده برای یافتن رکوردهای همسان، و ثبت خطا به‌ازای هر رکورد هنگام بارگذاری استفاده می‌کند. برای همگام‌سازی تغییرات نیز سازوکاری پیش‌بینی شده که در صورت تشخیص مشکل سلامت داده، جلوی ادامهٔ کار را می‌گیرد.

نمونهٔ مرجع روی سناریوهای مصنوعیِ ادغام دو سازمان، با سه اندازهٔ داده از ۳۲٬۰۴۰ تا ۳۸۳٬۹۷۳ رکورد و پنج بذر تصادفی ارزیابی شد. در آستانهٔ ازپیش‌تعیین‌شده، امتیاز F1 تطبیق برای حساب‌ها ۰٫۹۱۸ و برای مخاطبان ۰٫۸۸۵ بود؛ پژوهشگران می‌گویند تنظیم آستانه برای هر نوع رکورد می‌توانست این امتیازها را به‌ترتیب به ۰٫۹۳۸ و ۰٫۹۶۳ برساند.

در این شبیه‌سازی، کنترل‌های کیفیت از همهٔ خطاهای بارگذاری و از حذف بی‌صدای مقادیر نگاشت‌نشدهٔ فهرست گزینه‌ها جلوگیری کردند و هیچ رکورد سالمی را به‌اشتباه علامت نزدند. با حذف این کنترل‌ها، در هر اجرا حدود هزار خطای بارگذاری رخ داد. همچنین در پنج روز همگام‌سازی ساعتی، رویدادهای تکراری نادیده گرفته شدند، یک خطای تزریق‌شده در همان دستهٔ پردازش مهار شد و بیش از ۹۹٫۳ درصد مقادیر فیلدهای سامانهٔ مقصد با بازسازی کامل داده‌ها مطابقت داشت. نویسندگان تأکید می‌کنند که اعتبارسنجی در استقرار واقعی هنوز انجام نشده است.