Cos'è la normalizzazione deidati documentali?
La normalizzazione riporta lo stesso valore espresso con parole, formati e layout diversi a un unico campo coerente: Bruttolohn, Lohn e salario diventano un'unica colonna di retribuzione lorda.
Tante grafie, un solo campo.
I documenti esprimono lo stesso fatto in infinite varianti: date in sei formati, importi con separatori diversi e soprattutto il vocabolario, dove la retribuzione lorda può chiamarsi Bruttolohn, Lohn, salario o gross pay a seconda dell'emittente e della lingua. La normalizzazione è la fase che riporta tutte le varianti a un unico schema con tipi, unità e nomi coerenti.
Senza, i dati estratti sono tecnicamente strutturati ma in pratica inutilizzabili: ogni sistema a valle dovrebbe reimplementare la mappatura. Con la normalizzazione, diecimila buste paga di mille datori di lavoro atterrano in un'unica tabella pulita.
Mappatura semantica
I valori vengono riconosciuti come concetti, così le differenze di formulazione e di lingua collassano in un unico campo.
Disciplina dei formati
Date, importi, valute e identificativi arrivano tipizzati e formattati in modo coerente.
Lo schema come contratto
La forma normalizzata si definisce una volta e regge per ogni emittente e layout.
La normalizzazione in MiruIQ.
La normalizzazione è integrata nell'estrazione guidata da schemi: lo schema definisce la forma di destinazione, l'estrazione per significato esegue la mappatura, e le raccolte di mappature aggiornabili in tempo reale permettono ai revisori di estendere le corrispondenze dei valori senza rideployare nulla.
Normalizzazione dei dati documentali: le domande
Le domande più frequenti dei data team sulla normalizzazione.
Una busta paga svizzera dice Bruttolohn, una tedesca dice Gesamtbrutto, una italiana dice salario lordo. Tutte e tre vengono estratte nello stesso campo gross_pay come importo tipizzato con valuta. Le date arrivano in formato ISO qualunque sia il formato di origine, e gli IBAN vengono validati e formattati in modo uniforme. Il sistema ricevente vede una sola forma.
Sì, è proprio il suo compito principale nei flussi documentali europei: l'estrazione per significato è indipendente dalla lingua, quindi flussi misti in tedesco, francese, italiano e inglese si normalizzano in un unico schema. MiruIQ elabora i documenti nella lingua in cui arrivano; la lingua dell'output è quella del vostro schema.
Provatelo sui vostri documenti.
La prova gratuita di 14 giorni copre 200 documenti: abbastanza per definire i vostri schemi, elaborare file reali e misurare i risultati prima che qualcuno vi chiami.