企业使用企业资源规划（ERP）系统处理运营事务，使用客户关系管理（CRM）系统进行市场营销，同时还会涉及文件、外部应用程序编程接口（API）以及其他数据源。这些系统中的客户记录常常分散在各个来源中，彼此之间没有通过关联键正式整合，且存在名称和语言上的差异，甚至在每个系统内部还可能存在重复数据。这种情况不仅出现在客户信息中，也常见于供应商、人员、地点以及交易数据等方面。

本课程将教你如何解决表格数据中的这类问题。

交叉引用表

学习者可能会问：“具体来说，‘解决记录’是什么意思？” 这实际上是指构建交叉引用表。以下是一个示例：

ERP 客户

CRM 客户账户

我们从两个系统中获取了客户记录，每个系统内部都存在重复项，且两表之间没有可匹配的主键。第一个系统是我们的 ERP 系统，用于处理订单、发票及其他财务交易；第二个系统用于营销活动管理，我们在其中记录电话沟通、拜访等客户互动行为。市场团队希望我们分析客户拜访对促成新订单的效果。

我们可以借助实体消歧技术来弥合 ERP 和 CRM 之间的数据断层。最终结果是一个交叉引用表：

交叉引用

该表明确了哪些原始记录属于同一个客户实体。它连接了原始标识符，使我们能够跨系统进行数据关联与聚合——这是分析营销活动效果的第一步。

目标受众

实体消歧是每个数据质量管理工具箱中不可或缺的部分。作为个人贡献者（如数据科学家、工程师、开发者），你将学习如何在 Python 中端到端地完成实体消歧任务。这一领域是计算机科学与统计学的交叉前沿，具有挑战性，也是当前企业在面临数据质量问题时极为看重的能力——换句话说，几乎适用于所有组织。

我们将会熟悉实体消歧相关的技术栈。如果某些组件选择购买而非自行开发，是否更合理？本课程将帮助你在与供应商沟通前做好充分准备。不要被误导购买不必要的功能；必须主动质疑供应商，以确保获得最佳性价比。

先修要求

实体消歧融合了计算机科学与统计学的知识。我们将运用文本处理、机器学习、图结构等多种技术。如果你具备以下领域的经验，将更有优势：

• 使用 Python 编程
• 使用 pandas 操作 DataFrame
• 使用 scikit-learn 构建二分类模型
• 使用 NetworkX 处理图结构数据

引用与术语表

本课程的完成离不开众多开源库和数据集的支持。请参阅本课程“附录”部分的术语表，了解相关引用信息及一系列实用链接。