Schema Mapping
将不同系统中数据字段的名称和格式相互对应,连接成一个共同结构的工作。
简单来说
模式映射(Schema Mapping)是指把来自不同来源的数据字段名称和格式相互匹配,标记出“这些其实是同一个意思”,从而能把数据合并成一张表的工作。比如,票务公司可能把客户姓名叫作 customer_name,而流媒体服务把同样的信息叫作 user_full_name。这两个字段名称不同、存储格式也不同,但要把两个系统的数据合并使用,就必须标记出它们实际上是同一份数据。
这就像整理来自不同家庭的搬家纸箱:每个箱子上贴的标签都不一样,得重新分类成“厨房用品”“卧室用品”之类,才能统一整理到一处。以前每当公司新增一个数据来源,都得靠人工一一进行这种对照,所以连接一个数据源常常要花上几周时间。最近,越来越多的尝试是让 AI 自动完成这种对照工作。
在报道中是这样出现的
文章中常以这样的方式出现:“模式映射、管道搭建、数据质量检查、GDPR 分类工作全都靠人工完成。”容易被误解的一点是,模式映射并不是在改变数据内容本身。它不是修改数值,而是绘制一张地图,把那些用不同名称和格式存储、但实际含义相同的字段连接起来。
亲手试一试
可以让聊天机器人执行以下任务,体会一下模式映射是什么样的工作。
请把下面两个表格中的字段互相对应起来。A表中有 customer_name、signup_date、phone_no 三个字段,B表中有 user_full_name、registration_date、contact_number 三个字段。判断哪些字段含义相同,并整理成一张映射表。