Adresy.appJak porównać dwa pliki z adresami — cztery metody i ich pułapki
Porównanie dwóch list adresowych rzadko sprowadza się do WYSZUKAJ.PIONOWO: ten sam punkt bywa zapisany na kilka sposobów, a pliki mają różną szczegółowość. Cztery metody porównania, kiedy której użyć i dlaczego liczba „nowych adresów” potrafi się zmienić dziesięciokrotnie zależnie od wybranej metody.
Dlaczego dwie listy tych samych adresów nie chcą się zejść
Porównanie dwóch plików adresowych wygląda na zadanie dla arkusza kalkulacyjnego —
dopóki nie zobaczy się danych. Ten sam punkt bywa zapisany na kilka sposobów:
ul. Kwiatowa 3 i Kwiatowa 3, 3A i 3a,
Górki Wielkie i Gorki Wielkie. Funkcja
WYSZUKAJ.PIONOWO traktuje każdą z tych par jako dwa różne adresy,
więc wynik porównania mówi więcej o formatowaniu niż o rzeczywistości.
Drugi problem jest subtelniejszy: poziom szczegółowości. Jeśli jeden plik ma kolumnę z numerem budynku, a drugi nie, porównanie zejdzie do poziomu miejscowości — i wtedy dwa tysiące adresów z Wrocławia policzy się jako jeden wspólny wpis. Statystyka wyjdzie znakomita i będzie bezużyteczna.
Porównywarka plików w Adresy.app rozwiązuje to czterema metodami. Nie ma jednej najlepszej — są cztery różne pytania, na które odpowiadają.
Cztery metody i pytania, na które odpowiadają
1. Po dopasowaniu do PRG
Oba pliki trafiają najpierw do dopasowania z rejestrem PRG, a porównanie działa na
znalezionym, kanonicznym adresie, nie na treści z pliku. Dzięki temu
ul. Kwiatowa 3 i Kwiatowa 3 to jeden punkt.
Kiedy: pliki mają zwykłe adresy tekstowe, w dowolnym formacie.
Ograniczenie: porównanie obejmuje tylko wiersze, które matching znalazł.
Czego nie dopasował, tego nie porówna.
2. Po kodach TERYT z pliku
Klucz SIMC + ULIC + numer brany wprost z pliku, bez pośrednictwa
matchingu. Jeśli oba eksporty pochodzą z systemów, które trzymają kody TERYT,
to najdokładniejsza metoda — porównuje kody urzędowe, nie napisy.
Uwaga na Excela: SIMC zaczynający się od zera (0878599)
potrafi w arkuszu zamienić się w liczbę 878599. Narzędzie uzupełnia zera
wiodące samo, ale warto wiedzieć, że plik mógł je zgubić.
3. Po współrzędnych, z suwakiem dokładności
Parowanie po odległości do najbliższego punktu w drugim pliku, z progiem ustawianym na żywo — od pół metra do kilometra. Odpowiada na pytanie „czy to jest to samo miejsce”, a nie „czy to jest ten sam zapis”.
To jedyna metoda, która ignoruje tekst całkowicie. Bywa rozstrzygająca: lista „nowych” adresów potrafi się okazać zbiorem nowych numerów w miejscach, które już były w bazie.
4. Po własnej kolumnie z identyfikatorem
Jeśli oba pliki pochodzą z tego samego systemu i mają wspólne ID, umowę albo kod klienta — to jest pewniejsze niż adres, TERYT i współrzędne razem wzięte. Dopasowanie jest dokładne: identyfikator się zgadza albo nie, „prawie ten sam ID” nie istnieje.
Kolumny wybiera się ręcznie po obu stronach, bo nagłówek ID bywa numerem
wiersza w jednym pliku i identyfikatorem klienta w drugim.
Dlaczego statystyki czasem się nie sumują
Porównanie zestawia zbiory kluczy, więc wiersze o powtórzonym kluczu liczą się raz. Plik z 4 805 dopasowaniami może dać 217 pozycji „tylko w B” i 3 900 „w obu” — brakujące 688 to wiersze, które dzielą klucz z innymi (kilka mieszkań pod jednym adresem, kilka umów na jeden punkt).
Dlatego wynik pokazuje pełny bilans: dopasowania = unikalne klucze + powtórzone + bez klucza na tym poziomie. Jeśli liczby się nie sumują, to znaczy, że narzędzie czegoś nie mówi — a nie że dane są dziwne.
Przykład: co naprawdę znaczy „tysiąc nowych adresów”
Dwa eksporty tej samej sieci, 4 116 i 4 805 punktów. Trzy metody, trzy różne odpowiedzi na to samo pytanie:
- po miejscowości — 2 tylko w A, 217 tylko w B. Wynik bezużyteczny: porównanie zeszło do poziomu miejscowości, bo jeden plik nie miał numerów.
- po kodach TERYT — 98 / 1 070 / 3 118, czyli poziom budynku. Wygląda na tysiąc nowych adresów.
- po współrzędnych — przy progu 100 m tylko 107 punktów w drugim pliku nie ma odpowiednika w pierwszym.
Wniosek: tych „1 070 nowych” to w większości nowe numery w miejscach już znanych — nowe wejścia, podział budynku, korekta numeracji. Prawdziwie nowych lokalizacji jest sto kilka. Różnica między tymi dwiema liczbami to różnica między planem rozbudowy sieci a listą poprawek w ewidencji.
Jak zacząć
Narzędzie przyjmuje CSV, XLSX i JSON, wykrywa kolumny samo i pozwala je poprawić przed uruchomieniem. Wynik pobierzesz jako CSV — z kompletem oryginalnych kolumn, etykietą po której stronie jest wiersz i danymi pary. Jest też wariant dla Excela (średnik, BOM, przecinek dziesiętny), żeby plik otworzył się bez kreatora importu.
Porównywarka wymaga konta z planem Starter — czyta te same dane co przetwarzanie wsadowe. Pliki wgrane wcześniej znajdziesz w operacjach na plikach.