Vì sao mã cầu thủ và tên sự kiện cần đối chiếu?

Điểm chính

1. Mã cầu thủ không nhất thiết dùng chung giữa nhà cung cấp hoặc phạm vi mùa giải.
2. Tên hiển thị có thể trùng, đổi cách viết hoặc khác ngôn ngữ; không nên dùng nó làm khóa duy nhất.
3. Tên sự kiện cần đi kèm định nghĩa và phiên bản lược đồ dữ liệu.
4. Bảng ánh xạ phải lưu nguồn, ngày tạo, quy tắc và trường hợp chưa chắc chắn.
5. Kiểm tra mẫu ghép và đối chiếu ngược giúp phát hiện lỗi sớm.

Tên và mã trả lời hai câu hỏi khác nhau

Tên hiển thị được thiết kế để con người đọc; mã định danh được thiết kế để hệ thống tham chiếu một thực thể. Hai người có thể trùng tên, một người có thể thay đổi cách viết tên, và cách hiển thị tên có thể khác giữa ngôn ngữ hoặc nguồn dữ liệu. Vì vậy, ghép hai bảng chỉ dựa vào chuỗi tên có nguy cơ nối nhầm người hoặc tách nhầm cùng một người thành nhiều hồ sơ. Mã có vẻ ổn định hơn nhưng chỉ trong phạm vi nó được định nghĩa: mã cầu thủ của một nhà cung cấp không đương nhiên bằng mã ở nhà cung cấp khác.

Một hệ thống có thể đặt mã nội bộ cho cầu thủ, trận đấu, đội bóng và sự kiện. Mã đó có thể được tạo riêng cho một giải hoặc mùa, hoặc được duy trì rộng hơn; người dùng phải kiểm tra tài liệu chứ không đoán theo hình thức chuỗi mã. Một mã lặp lại ở hai mùa không nhất thiết biểu thị cùng người nếu phạm vi mã thay đổi; ngược lại, mã khác nhau không nhất thiết có nghĩa là hai người khác nhau. Cần biết khóa chính, phạm vi duy nhất và quy tắc cập nhật trước khi nối bảng.

FIFA mô tả một hệ sinh thái dữ liệu bóng đá gồm các thành phần và bên tham gia khác nhau, cho thấy dữ liệu có thể đi qua nhiều lớp thay vì nằm trong một bảng thống nhất duy nhất. ^[1] Tài liệu này không quy định rằng mọi nhà cung cấp dùng một mã chung; chính vì vậy việc hiểu ranh giới nguồn và quy trình ánh xạ là cần thiết khi kết hợp các hệ thống.

Phạm vi định danh có thể thay đổi theo trận và mùa

Một hồ sơ có thể xuất hiện ở nhiều trận, đội hoặc mùa giải. Khi cầu thủ chuyển đội, tên đội và quan hệ đăng ký thay đổi; tên cầu thủ có thể được viết theo chuẩn khác nhau; số áo cũng có thể đổi. Mã người chơi ổn định có thể giúp nối các lần xuất hiện, nhưng chỉ khi tài liệu của nguồn xác nhận phạm vi đó và dữ liệu không có ngoại lệ. Số áo thường là thuộc tính theo đội và trận, không phải định danh cá nhân bền vững. Tên đội viết tắt cũng không nên được xem là khóa toàn cục nếu có nhiều tổ chức dùng tên tương tự.

Đối với trận đấu, mã trận có thể phụ thuộc vào giải, mùa và nhà cung cấp. Hai nguồn có thể dùng mã khác nhau cho cùng một trận, hoặc một nguồn có nhiều bản ghi vì trận bị hoãn, đổi giờ hay cập nhật trạng thái. Ghép theo ngày và tên đội có thể là một bước tìm ứng viên, nhưng không đủ để tự động kết luận khi có trận trùng vòng, khác múi giờ hoặc thay đổi lịch. Hãy dùng nhiều trường kiểm tra chéo như giải, đội chủ/khách, thời điểm địa phương và trạng thái trận.

Tên sự kiện còn đòi hỏi một lớp chuẩn hóa ngữ nghĩa. “Interception”, “đường chuyền bị cắt” hay “thu hồi bóng” có thể không tương ứng một-một giữa các lược đồ. Trước khi chuyển nhãn, lập bảng thuật ngữ có mô tả điều kiện và trường hợp biên. Không chỉ chuyển tên cột rồi cho rằng dữ liệu đã đồng nhất; phải biết mỗi nhãn bao gồm, loại trừ những tình huống nào.

Thiết kế bảng ánh xạ có thể kiểm toán

Tạo bảng ánh xạ riêng thay vì ghi đè mã gốc. Mỗi dòng nên giữ mã ở nguồn A, mã ở nguồn B, loại thực thể, phạm vi áp dụng, căn cứ ghép, ngày xác minh và trạng thái chắc chắn. Nếu có mã chung được nhà cung cấp công bố, lưu lại thông tin nguồn tham chiếu. Nếu ghép thủ công dựa trên tên và bối cảnh, đánh dấu đây là kết quả đối chiếu chứ không phải khóa chính thức. Những trường hợp chưa rõ nên để ở trạng thái cần xem xét thay vì buộc vào một hồ sơ gần giống.

Trước khi dùng bảng ánh xạ, kiểm tra tính duy nhất theo phạm vi: một mã nguồn có trỏ tới nhiều mã đích không, và nhiều mã nguồn có trỏ về cùng một mã đích không. Quan hệ một-nhiều đôi khi hợp lệ do lịch sử hoặc sự kiện tổng hợp, nhưng cũng có thể chỉ ra ghép sai. Kiểm tra thêm các thuộc tính mâu thuẫn như đội, vị trí hoặc thời gian hoạt động. Không có một thuộc tính nào luôn đủ để phân biệt, nên nên dùng nhiều bằng chứng và xem các ngoại lệ bằng tay.

Để bảo toàn truy xuất, giữ cả giá trị thô và giá trị chuẩn hóa. Ví dụ, trường nguồn có thể giữ nguyên tên sự kiện và mã cầu thủ; một cột khác lưu nhãn chuẩn phục vụ phân tích. Khi quy tắc chuẩn hóa đổi, có thể tạo lại trường dẫn xuất mà không làm mất bản ghi gốc. Ghi phiên bản từ điển nhãn và ngày áp dụng giúp nhóm khác hiểu vì sao cùng một sự kiện có thể xuất hiện dưới tên khác trong báo cáo cũ.

Tránh những lỗi ghép thường gặp

Lỗi dễ thấy là ghép theo tên gần giống mà bỏ qua đội hoặc mùa. Người phân tích có thể nhầm tên viết tắt, cách dấu, thứ tự họ tên hoặc biệt danh. Một lỗi ít dễ nhận ra hơn là tái sử dụng mã cục bộ: mã “17” có thể là cầu thủ khác trong nguồn khác. Cũng có lỗi ngược là coi mọi mã khác nhau là thực thể khác nhau, khiến thống kê của một cầu thủ bị chia thành nhiều hồ sơ. Cả hai hướng đều có thể làm sai tổng số trận, phút thi đấu và các phép tính theo cá nhân.

Kiểm tra chất lượng bằng các mẫu có chủ đích: tên phổ biến, cầu thủ đổi đội, bản ghi có tên biến thể, sự kiện sửa đổi và trận có thời điểm lệch múi giờ. So sánh kết quả ghép với nguồn gốc, xem các cặp có bất thường và kiểm tra thủ công một phần mẫu. Nếu quy trình tự động dùng điểm tương đồng tên, ngưỡng lựa chọn cần được mô tả và các cặp mơ hồ phải được đánh dấu. Không biến điểm tương đồng thành xác nhận danh tính chắc chắn.

Khi công bố, nói rõ quy tắc chuẩn hóa và giới hạn. Ví dụ, có thể viết rằng bảng được ghép bằng mã nhà cung cấp trong phạm vi mùa giải, còn một số hồ sơ tên trùng được để ngoài phân tích. Tránh tuyên bố đồng nhất toàn bộ dữ liệu nếu chưa kiểm tra mọi trường hợp. Độc giả theo dõi các giải có thể cần lịch trận để định vị bối cảnh, chẳng hạn Nguồn cập nhật lịch bóng đá hôm nay trên KLIVE, nhưng lịch thi đấu không thay thế bảng định danh hay từ điển sự kiện của nhà cung cấp.

Câu hỏi thường gặp