Το Πρόβλημα:

Μας ζητήθηκε, τον Δεκέμβριο του 2009, να γεωκωδικοποιήσουμε 170,000 διευθύνσεις πελατών της Τράπεζας Πειραιώς, διασκορπισμένες σε όλη την Ελληνική Επικράτεια. Μας δόθηκε μια ανομοιόμορφη βάση δεδομένων, αποτελούμενη από πεδία: ID, Πόλη, Διεύθυνση, ΤΚ (προφανώς, χωρίς στοιχεία του πελάτη).

Η Λύση:

Αρχικά δεδομένα - Εργασία καθαρισμού

Στα αρχικά δεδομένα, το πεδίο 'Πόλη' περιείχε είτε μόνο την Πόλη είτε την περιοχή - γειτονιά είτε συνδυασμό πόλης – γειτονιάς – νομού. Παράλληλα, το πεδίο 'Διεύθυνση' περιείχε είτε μόνο διεύθυνση είτε οικισμό είτε συνδυασμούς οικισμού - πόλης – νομού , ενώ σε αρκετές εγγραφές υπήρχε ασυμφωνία μεταξύ των δεδομένων (κυρίως διεύθυνσης ή πόλης με τον ΤΚ).
Λόγω της κατάστασης της αρχικής βάσης (μια κατάσταση που απαντάται συχνά σε μεγάλες βάσεις δεδομένων πελατών), κρίθηκε απαραίτητος ο καθαρισμός των δεδομένων πριν από οποιαδήποτε προσπάθεια γεωκωδικοποίησης.
Εντοπίστηκαν στα διάφορα πεδία οι ξεχωριστές τιμές Νομού, Πόλης, Γειτονιάς και Διεύθυνσης. Η διαδικασία αυτή έγινε ημιαυτόματα, με εφαρμογή πολλών ερωτημάτων και σύγκριση με τα δικά μας δεδομένα. Επιπλέον, στο αποτέλεσμα της διαδικασίας, έγιναν έλεγχοι συμβατότητας μεταξύ των δεδομένων (πόλη εντός νομού, ΤΚ εντός πόλης ή νομού κλπ). Στη συνέχεια, έγιναν νέες διορθώσεις.

Γεωκωδικοποίηση

Η γεωκωδικοποίηση πραγματοποιήθηκε με χρήση εσωτερικής εφαρμογής της Εταιρείας, ειδικά αναπτυγμένης για αυτό το σκοπό. Μετά από κάθε προσπάθεια γεωκωδικοποίησης, ακολουθούσε έλεγχος, ο οποίος κατέληγε σε σωστά αποτελέσματα, αλλά και σε διορθώσεις για νέα γεωκωδικοποίηση. Η εφαρμογή έτρεξε πολλές φορές για βέλτιστα αποτελέσματα.

Παραδοτέα

Παραδόθηκε μία βάση δεδομένων με 3 πίνακες, έναν για κάθε ομάδα δεδομένων (1η: Σχεδόν πλήρη δεδομένα, 2η: Δεδομένα χωρίς διεύθυνση, 3η: Δεδομένα ελλιπή) , καθώς και ένας πίνακας αναφοράς των αποτελεσμάτων.
Στους πίνακες της βάσης αυτής υπάρχουν τα αρχικά πεδία, τα διορθωμένα δεδομένα μετά τον καθαρισμό και τα αποτελέσματα της εργασίας, δηλ. ο τρόπος της γεωκωδικοποίησης – ταύτισης με τα δικά μας δεδομένα, το % ποσοστό ταύτισης και οι συντεταγμένες του τελικού σημείου.
Από τις αρχικές εγγραφές, όσες είχαν τουλάχιστον Όνομα Οδού, πήραν συντεταγμένες σε ποσοστό 90%, που κρίνεται άκρως ικανοποιητικό, ενώ όλες οι εγγραφές κανονικοποιήθηκαν ως προς τα δεδομένα των διευθύνσεων (ξεχώρισαν Διεύθυνση, Πόλη, Νομός). Εδώ πρέπει να σημειωθεί πως τα δεδομένα διευθύνσεων ενημερώνονται συνεχώς, και υπάρχει ήδη σημαντική βελτίωση των δεδομένων μας σε σχέση με την συγκεκριμένη εργασία.