Abstract
Duplikaterkennung, -suche und -konsolidierung für Kunden- und Geschäftspartnerdaten,
sog. „Identity Resolution“, ist die Voraussetzung für erfolgreiches Customer Relationship Management
und Customer Experience Management, aber auch für das Risikomanagement zur Minimierung von
Betrugsrisiken und Einhaltung regulatorischer Vorschriften und viele weitere Anwendungsfälle. Diese
Systeme sind jedoch hochkomplex und müssen individuell an die kundenspezifischen Anforderungen
angepasst werden. Der Einsatz lernbasierter Verfahren bietet großes Potenzial zur automatisierten
Anpassung. In diesem Beitrag präsentieren wir für ein KMU praxisfähige, lernbasierte Verfahren zur
automatischen Konfiguration von Business-Regeln in Duplikaterkennungssystemen. Dabei wurden
für Fachanwender Möglichkeiten entwickelt, um beispielgetrieben das Match-System an individuelle
Business-Regeln (u.a. Umzugserkennung, Sperrlistenabgleich) anzupassen und zu konfigurieren.
Die entwickelten Verfahren wurden evaluiert und in einer prototypischen Lösung integriert. Wir
konnten zeigen, dass unser Machine-Learning-Verfahren, die von einem Domainexperten erstellten
Business-Regeln für das Duplikaterkennungssystem „identity“ verbessern konnte. Zudem konnte der
hierzu erforderliche Zeitaufwand verkürzt werden.
Users
Please
log in to take part in the discussion (add own reviews or comments).