ERP 数据录入中，最危险的重复记录，往往不是一眼就能看出的“两行完全相同”，而是名称略有差异、编码各自有效、业务人员却把它们当成同一个对象使用的记录。客户被拆成两个档案，销售额可能分散统计；物料被重复建档，采购和库存口径可能不一致。但反过来，名称相似也不代表应该合并。做好数据去重，不是尽可能多地删记录，而是用可复核的规则找出疑似重复、确认业务身份、评估关联影响，再决定保留、合并、停用还是暂缓处理。
我判断一次去重工作是否做得扎实，不先看“清理了多少条”，而先问：同一个客户、供应商或物料，业务人员能不能稳定地识别它？系统里的编码、名称、属性和历史关联，能不能支撑后续查询、统计与追溯？
如果只是把疑似重复行删掉，记录数量确实会减少，却不一定让数据更准确。误删一个仍被订单、库存或对账记录引用的档案，可能比保留一条疑似重复记录造成更难处理的影响。去重的质量，取决于身份判断是否可靠、处理过程是否可追溯，而不是删除动作是否够快。
因此，我建议把 ERP 去重拆成四个环节：发现候选记录、核验是否为同一业务对象、评估系统关系和历史影响、执行经确认的处置并留痕。每一个环节都应允许暂停；信息不足时，正确动作可以是暂不合并，而不是强行得出结论。
数据库里两行字段完全相同，属于比较容易发现的记录重复；业务上两个档案是否代表同一家公司、同一种物料，则是身份判断。前者可以通过字段比较发现，后者往往需要证照信息、业务关系、规格属性和人工确认共同支持。
还要区分“同一个对象的多个记录”与“不同对象恰好相似”。同名公司可能属于不同地区或不同法人；同一产品名称也可能对应不同规格、包装单位或生产版本。若把文本相似度直接当成身份判断，就会把线索误当结论。
一套稳健的规则应当先生成疑似重复候选项，再由有业务责任的人确认。系统适合做筛查和提示，业务人员负责确认对象关系；两者分工清楚，才不容易将自动化变成自动误删。
| 工作环节 | 要回答的问题 | 可以采取的动作 |
|---|---|---|
| 发现 | 哪些记录值得进一步核查？ | 精确匹配、规范化匹配、模糊匹配生成候选清单 |
| 确认 | 候选记录是否指向同一业务对象？ | 核对身份字段、业务来源、有效状态及实际使用情况 |
| 处置 | 确认后应该怎样保存信息？ | 合并、停用、保留别名、修正属性或暂缓处理 |
| 防复发 | 之后如何减少同类问题？ | 完善编码规则、录入校验、审核责任和复查机制 |
一个常见场景是，销售从名片或邮件建立客户档案，财务按开票资料建立结算对象，客服又从旧表格导入历史客户。三个部门使用的名称、联系人和地址可能不同，但业务人员口头上都称它为“同一家客户”。
这时，重复并不一定是录入人员粗心。更深层的原因可能是建档入口没有统一、字段要求不一致、部门之间看不到对方的记录，或者系统没有说明“客户主体”与“收货地点、门店、结算单位”的关系。只追责录入人，通常解决不了重复再次发生的问题。
处理前应先问清楚企业内部“客户”指的是什么：法人主体、品牌、门店、收货地点，还是销售关系？如果一个法人下有多个门店，门店应当是独立档案还是客户下级地点？这属于业务建模问题，不是单靠名称清洗就能回答的问题。
ERP 上线、系统切换或批量导入时，旧系统的编码、字段口径和维护习惯可能被一并迁入。旧表格中可能有全称和简称并存、地址写法不一、字段缺失、同一对象编码冲突等情况。源系统各自都“有道理”，汇总后却不一定能直接映射为一条记录。
迁移数据最容易出现的误区，是先按名称去重，再把结果直接导入。名称只适合作为候选筛选线索之一。对重要主数据来说，应该先说明数据来自哪里、哪些字段可信、旧编码如何保留、冲突由谁裁定，并对无法确认的记录单独标记。
我会把“来源”视为一项重要核验信息。两条记录如果名称相近，但分别来自正式证照台账与一份来源不明的历史表格，处理优先级和证据权重就不应相同。数据出处不能替代业务判断，却能让复核者知道判断依据从何而来。
客户、供应商、商品和物料属于主数据，关注的是业务对象的身份和属性；订单、收货单、发票、出入库单属于业务记录，关注的是一项具体业务是否被重复创建或重复执行。两者需要不同的核验逻辑。
例如，两条订单行商品相同，不意味着它们是重复单据：它们可能来自不同客户、不同交期或不同合同。反过来，一张业务单据也可能因为重复导入产生完全相同的记录。若把“同商品、同日期”作为删除条件，就可能把正常交易当成重复。
因此，在制定规则前，先把处理对象说完整：这是客户主档、物料主档、供应商档案，还是订单记录？是清理存量数据，还是阻止新增重复？不把对象限定清楚，后面的字段规则越精细，误伤可能越大。
| 数据对象 | 主要核验方向 | 常见处置风险 |
|---|---|---|
| 客户主数据 | 主体身份、结算关系、门店或地点层级 | 把不同法人或不同业务实体错误合并 |
| 供应商主数据 | 主体标识、供货关系、结算与开票信息 | 将集团、分公司或不同结算主体视为一条 |
| 商品或物料 | 规格、型号、单位、版本、替代关系 | 把相似名称但不同属性的物料合并 |
| 业务单据 | 单据号、来源系统、业务时间、执行状态 | 误删真实发生的第二笔业务或破坏追溯 |
名称匹配可以帮我们缩小范围，却很少足以单独证明身份。两个企业可能使用相同简称；一家企业也可能有历史名称、品牌名和开票名称。商品名称更可能因规格、包装、版本而相似。
我通常把名称分成三类使用：完全一致时作为强提示；经过空格、标点或大小写规范化后相同时作为较强候选；只在关键词或相似度上接近时作为弱提示。无论哪一类，都不应在没有业务核验的情况下直接替代身份判断。
尤其要谨慎看待“模糊匹配分数”。一个相似度分数表达的是文本接近程度，不代表两个业务对象有多大概率是同一主体。若没有根据企业数据做过验证，不能把分数阈值包装成可靠概率，也不宜用统一阈值覆盖所有对象类型。
字段多并不必然让匹配更准确。某些字段会变更，例如联系人、电话、地址；另一些字段可能填写不完整；还有些字段在多个主体间本来就可能相同。若把所有字段都要求完全相同，真实重复可能漏掉；若把多个弱字段简单加分，又可能让不同对象被误判为一类。
更有效的做法是先区分字段的用途和可靠程度。证照类主体标识可能适用于相应企业场景；商品的规格、单位和版本可能比名称更关键；联系人电话可以提供线索，但未必足以识别公司主体。字段优先级应由业务规则确定，并写明例外情况。
如果关键字段缺失，不应偷偷降低标准来追求更高的处理量。可以把记录放入“待核验”队列，明确补充材料的责任人和时限。把不确定性显式保留下来，比制造一个看似干净、实际上无法解释的结果更可靠。
删除是处置方式之一，不是去重的定义。确认两条记录属于同一对象后，还要决定主记录是哪一条、旧编码如何处理、历史单据是否继续引用、别名是否保留、相关属性如何核对。
不同 ERP 对合并、停用、别名、历史编码和关系迁移的支持并不相同。不能假设每个系统都能安全地把一条档案自动迁到另一条档案，也不能为了清理表面记录而绕开权限、审核和留痕要求。
若系统无法安全合并，也可以先将重复记录限制为不可新增业务、保留查询能力，并注明应使用的主记录。对已发生交易的历史档案，停用往往比删除更适合；但具体选择仍需检查系统关系、企业制度和审计要求。
如果录入入口、编码方式、责任分工和审核规则没有变化，重复数据可能会重新出现。集中清理可以处理历史存量，但不能自动改变新增数据的产生机制。
一个完整方案至少要同时回答两个问题：现在已有的疑似重复怎样安全处置？下一次录入时，系统或流程如何发现相似记录？只做第一件事，治理效果会随着新记录持续变弱；只做第二件事，历史数据仍会影响查询和统计。
去重也不是一次性追求“全库零重复”。对某些资料，历史来源不明、业务关系复杂、关键字段缺失，暂时保留并加以标记可能比强行合并更安全。清理范围应根据风险和证据逐步扩大。
规则制定前，先写出对象定义。例如，“客户档案代表签约或结算主体，门店和送货地点作为关联地点维护”，或者“库存物料以规格、计量单位和版本作为核心属性”。定义应让录入人员和复核人员都能据此判断，而不是只有系统管理员理解。
接着为每类对象列出字段，并标记字段角色：身份字段、业务属性、联系字段、来源字段和展示字段。字段角色不同，权重与使用方式也不同。名称通常适合搜索和展示；某些唯一标识适合识别主体；联系人、地址和备注更适合作为辅助核验信息。
| 字段角色 | 典型用途 | 判断时的注意点 |
|---|---|---|
| 主体标识 | 确认法人、机构或物料身份 | 先核实字段是否适用于该对象及当前业务场景 |
| 业务属性 | 确认规格、单位、版本、类别 | 核心属性不一致时，不应因名称相同就直接合并 |
| 联系信息 | 提供电话、地址、联系人等线索 | 信息可能变更，也可能被多个主体共用 |
| 来源与历史信息 | 说明记录由谁、从何处、何时建立 | 用于追溯和冲突裁定，不宜在合并时随意丢弃 |
建议把候选识别分成精确匹配、规范化匹配和模糊匹配。精确匹配检查关键标识完全一致；规范化匹配先统一格式，再比较字段；模糊匹配则寻找拼写、简称或文本相似的候选对象。
规范化只能清除无业务意义的表达差异，例如首尾空格、重复空格、部分标点和大小写差异。不能把所有符号、数字、后缀都去掉。企业名称中的地区或主体后缀、商品名称中的型号和规格，都可能承载真实区分信息。
模糊匹配更适合提高排查效率，不适合单独完成处置。候选清单应显示哪些字段命中、哪些字段冲突、记录来自哪里、最近使用时间是什么。只显示一个总分，复核人员就难以解释为什么两条记录被放在一起。
| 匹配层级 | 示例 | 适合的动作 |
|---|---|---|
| 精确匹配 | 经确认适用的主体标识完全相同 | 优先核验，可进入高优先级复核队列 |
| 规范化匹配 | 名称仅存在空格或指定标点差异 | 生成候选，查看辅助字段与业务关系 |
| 模糊匹配 | 简称、拼写差异或部分文字相近 | 人工筛查，不自动合并或删除 |
| 规则冲突 | 名称相近但主体标识或核心属性不同 | 优先标记为例外，避免按名称强行归并 |
复核时不要只收集支持合并的证据，也要主动寻找反证。两条客户记录名称相似、电话相同，支持进一步核验；如果主体标识不同，或者结算关系分别对应不同实体，就应停止自动化判断，交由业务负责人确认。
对物料来说，名称相同可能支持候选关系，但型号、计量单位、版本或包装规格不同，可能意味着不应合并。即使两个物料存在替代关系，也不代表它们是同一个物料档案。是否建立替代关系，应与身份合并分开处理。
可以把每条候选记录写成一张“判断卡片”：候选记录对、命中字段、冲突字段、来源、关联业务、建议动作、复核意见。这样做比在表格里只放一个“重复/不重复”标签更有利于复审和交接。
为避免所有记录都挤进“合并”或“删除”两个选项，我建议至少设置以下处理等级：
“信息不足”不是治理失败，而是事实状态的准确表达。只要有明确责任人、补充期限和复查机制，这类记录可以在风险可控的前提下继续保留。
确认两个档案属于同一对象后，还需要检查它们被哪些单据、报表、审批流程、库存记录或外部接口引用。不同系统对主数据关系的处理方式不同，合并之前必须弄清楚哪些引用能迁移、哪些历史记录必须保持原样。
主记录选择也不能只看“哪条记录更新”。可以综合检查：哪条记录有更完整、可信的身份信息；哪条记录已有有效业务关系；编码规则是否要求沿用旧编码；业务部门能否接受别名映射；历史追溯是否需要保留两个编码。
如果不能证明合并后的关系安全，就先暂停。可以采取限制旧档案新增业务、保留其查询和历史引用、在操作指引中明确后续使用主档案等措施。每种处置都有成本，关键是成本是否可控、影响是否能追溯。
一条可复核的处理记录，至少应说明：处理对象、匹配规则版本、命中和冲突字段、复核依据、操作人、审核人、执行时间、主记录选择理由、关联检查结果以及回退或补救方式。
留痕不是为了增加表格，而是为了让未来的人能回答“为什么当时这样处理”。如果只能看到记录被合并，却找不到谁判断、依据是什么、原编码是否保留，后续报表争议就很难定位。
规则本身也要版本化。字段定义或业务口径改变后，应记录规则生效时间，避免把新标准倒推到旧数据上。对于批量处置，先抽样检查、保存处理前清单，并确认是否具备回滚方式，再扩大执行范围。
下面的案例是情景模拟，不代表真实企业项目或实测结果。假设一家企业从三个来源整理客户资料：销售维护表、财务结算台账和历史系统导出表。清洗前共有 1,200 条客户记录，其中不少记录名称相近，部分电话和地址为空，另有一些记录带有旧编码。
如果直接按客户名称删除重复项，工作量看起来最小，但可能把简称、品牌名、门店名和法人主体混在一起。模拟团队先统一首尾空格和指定标点格式，再依据适用的主体标识生成候选项；没有主体标识的记录，不按名称自动归并，而是进入人工复核列表。
在模拟样本中，筛查生成 96 对候选记录。复核后，54 对确认属于同一主体，22 对确认是不同主体，20 对因资料不足暂缓。这个结果强调的不是某个行业比例，而是一个判断：候选数量不等于可合并数量，复核本身就是流程的一部分。
如果把 96 对候选都当成重复项处理，就会把 42 对并未确认可合并的记录带入处置环节。这里的“42 对”来自上述情景模拟的候选分类，不是行业统计，也不能推导成其他企业的误判率。
模拟复核人员给每一对候选记录补充“支持合并的证据”和“支持分开的证据”。支持合并的内容可以包括适用的主体标识一致、旧编码映射关系清楚；支持分开的内容可以包括主体标识不同、结算对象不同、业务地点层级不同。
例如，记录 A 名称为“华东某设备有限公司”，记录 B 名称为“华东设备”，名称和联系人有相似之处，但主体标识缺失。这个情况不能仅凭联系人或简称决定合并。应先查找可信的结算、合同或主体材料；找不到时，将两条标为待核验，并保留来源说明。
另一个候选对的主体标识一致，但其中一条档案已有历史订单，另一条关联当前结算关系。即使主体身份可以确认，仍需确认 ERP 是否支持安全迁移关系。若暂时无法验证，先限制旧档案新增使用并保留历史查询，可能比立即删除更稳妥。
下面继续使用情景模拟数据，比较三种处理方案。数字是为展示取舍而设定的示意值，不是实测的人工成本。实际企业应先试运行一个小范围，按本企业记录结构、复核能力和系统功能重新测量。
| 方案 | 示意人工工时 | 误合并风险 | 主要优点 | 主要限制 |
|---|---|---|---|---|
| 按名称直接批量删除 | 8小时 | 较高，缺少身份核验 | 初期操作快，容易执行 | 可能破坏业务关系，处置依据薄弱 |
| 候选清单加人工复核 | 32小时 | 较低，但依赖复核质量 | 能够解释判断并保留例外 | 需要业务人员投入，处理周期较长 |
| 高风险优先、分批复核 | 18小时 | 中低，需持续观察 | 先处理高价值或高频对象，资源更可控 | 低优先级历史记录不会立即全部清理 |
这组模拟数字说明的是成本结构，而不是哪种方案永远最好。批量删除节省的是前期工时，却可能把核验、纠错和追溯成本推到以后；分批复核在短期内更费人，但能把判断集中在影响更大的记录上。
案例执行后，至少要区分候选量、确认量、暂缓量、错误处置数、复核工时和新增重复记录。对于模拟数据，可以把目标设为：所有合并操作都有依据和审批；暂缓记录都有责任人；试运行期间抽查主记录、编码映射和历史引用。
如果“合并数量”很高，却没有记录复核依据，也没有抽样检查误合并情况，不能说明治理成功。相反，暂缓比例较高可能是资料质量问题的信号，提醒企业先补齐主体字段或规范数据来源，再扩大处理范围。
复发情况尤其值得跟踪。清理后一个月或一个业务周期内，是否又出现相同主体的新档案？这些记录由哪个入口产生？若重复集中在某个部门、导入模板或业务环节，解决办法可能是调整建档权限、添加录入提示或统一导入流程，而不是再次全库清理。
客户去重最先要明确档案代表法人主体还是业务联系对象。集团、分公司、门店、经销商、收货地点和结算主体之间，可能存在上下级或关联关系。它们可以有关联，却不一定是同一条档案。
核验时可综合查看企业主体信息、结算对象、合同关系、业务地点及历史交易。联系电话和联系人适合作为辅助线索；若同一集团多个门店共享电话或财务联系人，单凭这类信息很容易误判。
处置上，已发生交易的旧档案应重点检查单据引用和历史编码。若系统支持别名或旧编码映射，可以在业务测试后保留映射关系；若不支持，至少要让使用者知道旧档案是否停用、后续应选择哪条主记录。
供应商名称相似时，要分别核对供货主体、开票主体和付款主体是否一致。企业集团内部可能存在不同法人、不同账户或不同结算约定；把这些记录合成一条，可能影响采购执行、对账或付款流程。
建议把“同一品牌或集团”与“同一供应商档案”分开讨论。前者描述商业关联，后者涉及系统中的主体和交易关系。业务部门应明确供应商档案按什么层级维护，财务和采购部门都应参与规则确认。
如果主体信息一致但供应类别、付款条件或业务区域不同，先确认这些差异是独立档案属性还是应放在关联关系中。不能仅为了减少档案数量，把本来需要分别管理的交易条件抹平。
物料去重时，名称通常不够。规格型号、计量单位、包装方式、版本、质量标准和使用状态，都可能决定它是否真的是同一物料。一个字母、一个单位或一个版本差异，有时就是采购和库存不能互换的边界。
还要区分“同一物料”“替代物料”和“相似物料”。如果两种产品可以互相替代，应按企业流程维护替代关系；如果规格不同，即使名称很像，也不应为了看起来整洁而合并主档。
对单位换算和包装层级要额外谨慎。例如采购单位、库存单位和销售单位不同，可能是同一物料的业务单位关系，也可能是不同包装规格。应由物料管理和仓储相关人员确认模型，避免把真实差异压缩进一个名称字段。
订单或出入库单是否重复，应结合单据号、来源系统、外部请求标识、业务时间、对象、数量和状态等信息判断。具体字段取决于系统和业务流程，不能只因为日期、客户或商品相同就删除一笔业务记录。
还要区分重复录入与重复履约。同一客户同一天有两张相似订单，可能是两次真实需求；相同请求被接口重试写入两次，则可能是重复导入。业务来源和单据状态，往往比文本相似度更能说明问题。
对已审核、已出库、已开票或已经对外传递的单据，应由业务责任部门按系统规定处理，不应通过删除数据库记录绕过正常流程。发现异常时，先冻结后续重复操作，再按单据纠错或冲销机制处理。
试点范围可以按数据类型、业务部门、来源系统或时间段划分。选择标准不宜只看数据量小，还要看能否找到业务负责人、关键字段是否基本齐全、系统是否允许安全测试。
例如先处理一个业务部门近期新增的客户档案，观察候选规则是否有用、复核人员能否理解结果、系统关系是否可追踪。试点的目的不是快速制造一个“成功数字”，而是发现规则漏洞、数据缺口和操作阻碍。
试点前先保存处理前清单，明确只生成候选还是会实际修改数据。涉及修改时，应确认权限、审批、回滚方案和测试环境安排。对无法回滚的高影响操作，先做小批量验证并由业务和系统负责人共同确认。
复核排序可以综合考虑：记录是否正在被业务使用、关联单据数量、错误合并可能造成的影响、身份字段是否完整、数据是否来自可信来源。它不是一个适用于所有公司的固定评分公式，而是帮助团队把有限精力先用在重要记录上。
例如，当前仍被采购、销售或库存流程使用的档案，应优先检查潜在重复关系；只有名称相似但长期未使用、关键字段缺失的记录，可以进入待核实队列。若一条记录涉及大量历史引用，风险高不等于应该优先自动合并，而是应该优先进行影响分析。
企业可以为试点设定自己的分级基准，但应在小样本中验证。若采用“高、中、低”风险标签，要写明触发条件及对应操作，避免不同审核人对同一标签作出完全不同的判断。
录入前，统一必填字段、命名规则、编码方式、数据来源和责任角色。字段要求不应只是“越多越好”，而应优先补齐能区分对象、支撑后续业务的关键信息。
录入中，如果 ERP 或配套流程支持，可以在新建时提示相似记录、展示关键标识和现有使用状态。提示应帮助用户核对，而不是用一个无法解释的红色警告阻断所有操作。遇到确需新增的例外，应能说明原因并留存审核记录。
录入后，定期检查规则命中和新增重复情况。检查周期可以按业务量、风险和治理资源安排，不需要为了形式固定为某个周期。比起每次大范围集中清理，持续查看新增异常、定位来源入口，通常更容易发现可修复的流程问题。
可以建立一组适合企业自身的过程指标：候选复核完成率、疑似项确认比例、暂缓项逾期数量、抽样复核发现的问题、人工处理耗时、新增重复复发数、主记录关联检查完成情况。每个指标都应定义统计范围和计算口径。
需要特别避免把“重复记录减少率”当成唯一目标。若团队只被考核清理数量，可能倾向于把边界模糊的记录也强行合并。更好的评价方式是同时关注处置可追溯性、误合并纠正、复发情况和业务影响。
以下表格中的目标区间仅是建议基准的示例，不代表行业标准。企业可先用试点数据建立自己的起始水平，再结合业务风险调整目标，不应为了达到数字改变事实判断。
| 观察指标 | 统计口径示例 | 管理用途 |
|---|---|---|
| 候选复核完成率 | 已完成复核的候选对数 ÷ 到期应复核候选对数 | 发现复核队列是否积压 |
| 暂缓项逾期数量 | 超过约定补充期限但仍未完成的候选项数量 | 识别材料补充责任不清或协作阻塞 |
| 抽样误判数 | 抽查已处理记录中发现的错误确认或错误处置数量 | 检验规则和审核质量 |
| 重复复发数 | 治理后同一对象再次新增相似档案的数量 | 定位录入入口和源头控制问题 |
| 平均复核耗时 | 同一统计周期内复核总工时 ÷ 完成复核候选对数 | 评估规则清晰度和资源投入 |
| 关联检查完成率 | 已完成历史引用检查的处置项 ÷ 应检查处置项 | 减少未经影响评估的合并操作 |
如果主体标识或物料核心属性较完整，业务对象定义清楚，且系统关系可以核验，可以先用精确匹配与规范化匹配生成候选，再由业务人员复核。批量处理仍要保留审批、抽样和异常回退机制。
这类场景适合提高自动筛查比例，但自动筛查不等于自动处置。可以自动标记、自动排序、自动提示；是否合并或停用，应按风险级别和企业授权范围决定。规则越接近“唯一身份”且经过样本验证，自动化边界才越有依据。
若主体标识缺失、历史来源不明，名称和电话又存在冲突，应将候选记录放入待补充队列。可向业务部门、财务或档案责任人收集能够支持身份判断的材料，同时保留暂缓原因和责任期限。
如果缺失记录仍在使用，先限制重复新建入口、要求新建时补齐关键信息，并对已存在的候选增加人工提醒。若记录已长期未使用，也不意味着可以无条件删除；仍需检查历史引用和保存要求。
数据量大时，不必要求所有候选同时清零。可以先处理当前活跃、关联频繁、影响关键报表或关键业务流程的记录；低活跃、证据缺失或系统关系复杂的记录单独排队。
这种取舍的代价是部分历史疑似重复会暂时留存，短期报表仍需注意口径。但它能降低一次性全库操作带来的误合并风险。对暂未处理的记录，应做好标识与使用约束，避免它们在日常录入中被误当成已确认的主档。
若 ERP 不具备可靠合并、引用迁移或操作回滚能力，不应绕过系统机制直接改底层数据。可以评估停用旧档案、保留历史查询、建立人工映射表或在录入规范中指定唯一主档等替代方案。
替代方案并非没有成本：人工映射需要维护，旧记录容易继续被误用，报表可能需要额外处理。因此，应把方案的操作成本、查询影响、审计要求和后续维护责任写清楚，并明确何时重新评估。
若记录影响历史结算、发票、库存、客户合同或外部接口，处理顺序应从“能不能删”改为“怎样保持业务链可追溯”。先确认相关部门要求和系统规则，再确定主记录、历史编码和关联信息的处理方式。
这类场景中，暂停处置通常比快速清理更合适。先以只读分析生成候选清单，明确受影响单据和系统边界，获得必要审批后再执行。任何自动化方案都应有日志，并能说明处理前后的对应关系。
| 情况 | 建议优先动作 | 主要取舍 |
|---|---|---|
| 关键标识齐全、关系简单 | 规则筛查、人工确认、分批处置 | 可提高处理效率，但仍需检查规则边界 |
| 字段缺失或证据冲突 | 暂缓合并、补充材料、指定责任人 | 处理速度较慢，换取更低的误判风险 |
| 候选量大、资源有限 | 按活跃程度和业务影响排序 | 部分历史候选暂留，治理周期更长 |
| 系统无法安全迁移引用 | 停用、映射、限制新增或保留历史查询 | 减少破坏性操作，但增加维护成本 |
| 涉及审计、结算或外部接口 | 先做影响评估和审批，再小批量执行 | 短期较慢，优先保护追溯和合规要求 |
我在整理 ERP 客户档案时，常看到公司简称和全称很像，联系人或电话也可能相同，但我不确定能不能直接合并。到底应该优先核对哪些信息，才能避免把两个不同主体误判成重复？
不要只凭名称相似度判断。名称、简称、空格和标点适合用来筛出“疑似重复”，不能单独作为合并依据；更稳妥的做法是结合能够识别业务主体的字段复核。例如，假设客户档案中有“华东机电有限公司”和“华东机电”，两条记录的联系人相同，但一条缺少统一社会信用代码。
此时应先核对证照信息、注册地址、业务往来和内部客户编码；如果关键身份信息不足，就先标记待核实，而不是直接合并。可以按三类结果处理：关键身份信息一致且业务确认是同一主体，进入合并评估；名称相似但主体标识不同，保留两条并注明差异；证据不足，暂不处理并补充资料。
把匹配结果分成“确认重复、疑似重复、确认不同”三档，比设一个相似度阈值后批量删除更安全。
我想给 ERP 做一轮数据清理，发现客户、供应商、物料和订单里都有重复记录。最初我以为按名称或编号筛一遍就可以，但担心不同数据类型的“重复”定义不一样，想知道应该如何区分处理。
不能直接共用一套规则。客户和供应商属于主数据，重点是判断业务主体是否相同；物料要同时考虑编码、规格、单位和适用范围；订单、出入库单等业务记录则要核查单据来源、单据编号和业务状态。把这些对象都按“名称相同”处理，容易把有效记录误当成重复。可先按数据类型建立识别字段清单：客户核对证照信息、名称和地址；
物料核对内部编码、规格型号、计量单位；业务单据核对来源系统、单据编号、日期及关联对象。字段组合应由负责该业务的人确认，而不是只由录入人员按表面相似度决定。尤其要区分“重复主数据”和“重复业务发生”。两张内容相似的订单，可能是一张订单的重复导入，也可能是同一客户的两次真实采购；
没有核对来源和状态前，不应以清理主数据的方式删除业务记录。
我准备清理一批旧客户档案，但其中不少记录已经被订单、发票或收货单引用。我担心直接删除会让历史查询断链，也不清楚合并、停用和保留别名分别适用于什么情况。
先把“识别候选项”和“执行变更”分开。可按以下顺序操作：导出待核查清单并备份；依据规则生成疑似重复组；请业务负责人确认主体关系；选定保留记录；检查单据引用和系统关联处理能力；审批后再执行；最后记录处理前后编码、原因、审核人和时间。处理方式不只有删除。确认同一主体且系统支持安全合并时，可评估合并；
旧记录仍被历史业务引用、但不应继续新增业务时，可考虑停用；简称或历史名称需要检索时，可在系统支持的前提下保留为别名。具体选项取决于 ERP 的功能、权限和数据关联方式，执行前应先在测试环境验证并确认回退方案。如果系统不支持合并或无法确认关联影响，先暂停批量操作。
用少量记录做试处理，检查历史单据查询、报表统计和新增录入是否正常，再扩大范围；不要把“记录消失了”当作清理成功的唯一标准。
我所在团队每隔一段时间就要集中清理一次重复档案，但过后又会出现新记录，感觉只做存量清理不够。我想知道日常录入应该设置哪些规则，以及怎样判断这些规则确实有用。
把去重从一次性清理改成录入闭环：录入前统一命名和必填字段；录入时先搜索现有记录，系统支持时再配置重复提醒；录入后定期复核疑似重复项；对特殊情况明确由谁申请、谁审核、谁批准例外。系统不支持自动校验时，也可以通过录入清单和人工复核降低风险。
例如新增客户时，先按证照号或其他适用的主体标识搜索，再核对名称和联系方式；新增物料时，先核对编码、规格型号与单位。对于没有可靠唯一标识的记录，应让业务人员补充信息或进入待审核状态，而不是为了快速入库随意新建。评估效果时，不要只统计删除了多少条。
可以按月观察疑似项中经人工确认的重复比例、误判或撤销次数，以及同类重复是否再次出现。先选一个数据类型或业务范围试运行，复盘规则误报和漏报，再逐步推广；这样比全库一次性上规则更容易发现问题。
读者评论
把“记录重复”和“业务对象重复”分开讲很有必要，名称相似只能作为线索，不能直接据此合并。
文章强调模糊匹配用于筛查而非自动删除，这对客户和物料档案尤其重要，能减少误合并风险。
重复档案常与多部门建档、历史数据迁移有关，单靠追责录入人员难以解决，统一入口和审核规则更关键。
保留来源、冲突字段和复核意见，有助于后续追溯；信息不足时暂缓处理，也比强行清理稳妥。