Zwei Kunden- oder SKU-Exporte per ID abgleichen: Ein praktischer Workflow

1. Bereiten Sie Ihre Exporte vor: Normalisierung und Ausrichtung der Kopfzeilen

Vor dem Vergleich der Datensätze identifizieren Sie die Schlüsselspalte in jedem Export und stellen Sie deren Darstellung einheitlich dar. Spaltenüberschriften müssen für einen einfachen Werte-Zugehörigkeitsvergleich nicht identisch sein, aber Sie müssen wissen, welche Spalte auf beiden Seiten denselben ID-Typ enthält.

Normalisieren Sie führende und nachgestellte Leerzeichen, die Groß-/Kleinschreibung, wenn angebracht, leere IDs und Datentypen. Bewahren Sie Bezeichner wie 00123 als Text. Zusätzliche beschreibende Spalten können in den Quelldateien verbleiben, aber kopieren Sie nur die beiden ID-Spalten in einen fokussierten Spaltenvergleichsschritt.

Führen Sie keinen zeilenbasierten Trim-Befehl über eine zitierte CSV-Datei aus: zitierte Felder können Trennzeichen oder Zeilenumbrüche enthalten. Verwenden Sie einen Tabellenkalkulationsimport, Power Query oder einen echten CSV-Parser für strukturierte Dateien.

1. Öffnen Sie beide Exporte in einer Tabellenkalkulation oder einem Texteditor.
2. Vereinheitlichen Sie die Spaltenüberschriften: gleiche Namen, gleiche Groß-/Kleinschreibung, keine zusätzlichen Leerzeichen.
3. Löschen Sie alle temporären oder irrelevanten Spalten, die nicht Teil des Vergleichs sind.
4. Stellen Sie sicher, dass die ID-Spalte (z.B. CustomerID, SKU) als Text formatiert ist, um numerische Rundungsprobleme zu vermeiden.
5. Bereinigen Sie die Daten mit =TRIM() oder einem Listenbereiniger, um zusätzliche Leerzeichen zu entfernen.

=TRIM(A2)

2. Doppelte IDs identifizieren und behandeln

Doppelte IDs in einem der Exporte können einen Eins-zu-Eins-Abgleich mehrdeutig machen. Ein Lookup kann melden, dass eine ID vorhanden ist, während verborgen bleibt, dass sie auf einer Seite zweimal und auf der anderen einmal vorkommt.

Prüfen Sie doppelte IDs vor dem Vergleich. Löschen Sie nicht automatisch ganze Datensätze, nur weil die ID wiederholt wird: Mehrere Zeilen können legitim sein, z. B. mehrere Bestellungen für einen Kunden. Klären Sie die Geschäftsregel, fügen Sie bei Bedarf einen Unterbezeichner hinzu und dokumentieren Sie jede Konsolidierungsentscheidung.

1. Zählen Sie die Gesamtzeilen in jeder Datei.
2. Wählen Sie die ID-Spalte und führen Sie eine Duplikatprüfung durch (z.B. =COUNTIF(Bereich; B2)>1).
3. Notieren Sie die Anzahl der Duplikate und entscheiden Sie, ob Sie das erste Vorkommen behalten oder zur manuellen Überprüfung markieren.
4. Entfernen oder konsolidieren Sie Duplikate, um eine saubere eindeutige ID-Liste für jeden Export zu erstellen.

• Tipp: In Excel können Pivot-Tabellen schnell doppelte IDs zusammen mit ihren Anzahlen auflisten.
• Vorsicht: Wenn Ihre Datei legitime doppelte IDs mit unterschiedlichen Daten enthält (z. B. mehrere Bestellungen für denselben Kunden), müssen Sie sie als separate Datensätze behandeln; erwägen Sie das Hinzufügen eines eindeutigen Unterbezeichners.

SELECT CustomerID, COUNT(*) FROM Source GROUP BY CustomerID HAVING COUNT(*) > 1;

=IF(COUNTIF($B$2:$B$1000, B2)>1, "Duplicate", "Unique")

3. ID-Mitgliedschaft in beide Richtungen vergleichen

Nach Normalisierung der ID-Spalten identifizieren Sie Schlüssel, die nur in der Quelle und nur im Ziel vorhanden sind. Dies ist ein bidirektionaler Mitgliedschaftsvergleich, ähnlich den Anti-Join-Anteilen eines Full Outer Join.

Verwenden Sie in Excel XLOOKUP, VLOOKUP, MATCH oder Power Query. Fügen Sie in CompareTwoLists die beiden extrahierten ID-Spalten in 'Spalten vergleichen' ein und überprüfen Sie Übereinstimmungen, nur in der ersten Liste, nur in der zweiten Liste oder die Vereinigungsmenge. Das Tool vergleicht Werte; es führt keine vollständigen Datensätze zusammen oder ordnet Kopfzeilen zu.

Nachdem Sie fehlende IDs gefunden haben, kehren Sie zu den ursprünglichen Exporten zurück, um die entsprechenden vollständigen Datensätze abzurufen und zu überprüfen.

1. Erstellen Sie in der Quelle eine neue Spalte namens 'Im_Ziel' und verwenden Sie VLOOKUP, um zu prüfen, ob jede ID im Ziel vorhanden ist.
2. Prüfen Sie analog die Ziel-IDs gegen die Quelle.
3. Filtern Sie jede Liste nach fehlenden IDs und exportieren Sie sie als separate Berichte über fehlende Datensätze.
4. Überprüfen Sie die fehlenden Datensätze: Sind es legitime Unterschiede oder Anomalien? Dokumentieren Sie die Ergebnisse.

=IF(ISNA(VLOOKUP(A2, Target!$A$2:$A$5000, 1, FALSE)), "Missing in Target", "Present")

SELECT s.* FROM Source s LEFT JOIN Target t ON s.CustomerID = t.CustomerID WHERE t.CustomerID IS NULL;

SELECT t.* FROM Target t LEFT JOIN Source s ON t.CustomerID = s.CustomerID WHERE s.CustomerID IS NULL;

4. Geänderte Datensätze erkennen

Nachdem Sie IDs identifiziert haben, die in beiden Exporten vorhanden sind, vergleichen Sie die relevanten Felder für jeden übereinstimmenden Datensatz, wie Kundenstatus, Produktbeschreibung, Preis oder Lagerbestand. Normalisieren Sie den Datentyp jedes Feldes und legen Sie fest, wie Leerwerte, Groß-/Kleinschreibung, Daten und numerische Toleranzen vor dem Vergleich behandelt werden sollen.

Verwenden Sie einen Join in Excel oder Google Sheets, Power Query Merge, SQL JOIN oder Dataframe Merge, um vollständige Datensätze nach ID auszurichten. Das Tool 'Spalten vergleichen' von CompareTwoLists ist nützlich für die beiden extrahierten ID-Listen, aber es führt keine vollständigen Datensätze zusammen oder vergleicht automatisch jedes Feld in einer CSV.

1. Erstellen Sie eine kombinierte Liste von IDs, die in beiden Exporten vorhanden sind (unter Verwendung der Ergebnisse aus Schritt 3).
2. Vergleichen Sie für jede Zeile Feld für Feld mit IF(SourceField=TargetField; "Match"; "Diff") oder einer Array-Formel.
3. Optional können Sie alle Schlüsselfelder verketten und hashen, um die Gleichwertigkeit in einer Zelle zu prüfen.
4. Extrahieren Sie Zeilen mit mindestens einer Feldabweichung in einen 'Änderungen'-Bericht.

• Achten Sie beim Vergleich numerischer Werte auf Genauigkeits- oder Formatierungsunterschiede (z. B. 10,00 vs. 10). Konvertieren Sie beide in einen konsistenten Typ.
• Konzentrieren Sie sich bei großen Dateien mit vielen Spalten auf Spalten, die für Ihre Geschäftslogik kritisch sind; schließen Sie irrelevante Felder wie Zeitstempel aus, die sich immer unterscheiden werden.

=IF(D2=E2, "", "DIFF")

SELECT s.CustomerID, s.CustomerName AS SourceName, t.CustomerName AS TargetName FROM Source s INNER JOIN Target t ON s.CustomerID = t.CustomerID WHERE s.CustomerName <> t.CustomerName OR (s.CustomerName IS NULL AND t.CustomerName IS NOT NULL) OR (s.CustomerName IS NOT NULL AND t.CustomerName IS NULL);

5. Audit-Nachweise erstellen: Ein Änderungsprotokoll anlegen

Sobald Sie wissen, welche Felder sich für welche IDs geändert haben, erstellen Sie ein prüfbares Änderungsprotokoll mit Datensatz-ID, Feldname, Quellwert, Zielwert, Status und Überprüfungsnotizen. Dieser strukturierte Bericht liefert Prüfern Nachweise, die sie filtern, kommentieren und genehmigen können.

Erstellen Sie das Protokoll mit Tabellenkalkulationsformeln, Power Query, SQL oder einem Dataframe-Workflow, nachdem die Datensätze nach ID verbunden wurden. Die Listenvergleichsausgabe kann den fehlenden ID-Teil der Prüfung unterstützen, aber ein vollständiges Änderungsprotokoll auf Feldebene muss aus einem strukturierten Datenvergleich stammen.

1. Erstellen Sie für jede ID mit Änderungen eine Zeile pro geändertem Feld.
2. Befüllen Sie die Spalten: RecordID, FieldName, SourceValue, TargetValue, Status.
3. Verwenden Sie bedingte Formatierung, um Unterschiede hervorzuheben (z. B. rot für Abweichungen).
4. Fügen Sie ein Zusammenfassungsblatt hinzu, das Anzahlen von Übereinstimmungen, Änderungen und Fehlenden auf jeder Seite anzeigt.

• Ein Audit-Protokoll kann direkt in Projektmanagement-Tools für Aktionspunkte importiert werden.
• Führen Sie ein separates Blatt für Dokumentationsannahmen (z.B. 'Zeitstempelunterschiede ignoriert').
• Fügen Sie immer eine Kopfzeile ein und stellen Sie sicher, dass Datums-/Zeitstempel für jeden Audit-Lauf vorhanden sind.

=IF(Sheet1!D2<>Sheet2!D2, "Changed", "")

6. Mit Listenstatistiken validieren

Schließen Sie mit Zählprüfungen ab. Vergleichen Sie nach Normalisierung und Duplikatprüfung die Gesamtzeilen, nicht leere IDs, eindeutige IDs, Duplikatgruppen und leere IDs auf jeder Seite. Diese Gesamtsummen helfen, einen übersehenen Filter oder eine versehentliche Duplikatentfernung aufzudecken.

Das Tool 'Listenstatistiken' meldet Zeilenanzahlen, nicht leere Zeilen, eindeutige Werte, Duplikatgruppen, leere Zeilen und durchschnittliche Textlänge. Numerische Summen und Feldabgleich gehören weiterhin in Excel, SQL oder ein anderes strukturiertes Datenwerkzeug.

1. Notieren Sie die Gesamt-, Nicht-Leer-, Eindeutig-, Duplikatgruppen- und Leeranzahlen für jede ID-Liste.
2. Bestätigen Sie, dass übereinstimmende plus nur in der Quelle eindeutige IDs der Anzahl eindeutiger IDs in der Quelle entsprechen.
3. Bestätigen Sie, dass übereinstimmende plus nur im Ziel eindeutige IDs der Anzahl eindeutiger IDs im Ziel entsprechen.
4. Untersuchen Sie jede ungeklärte Abweichung vor der Freigabe.

• Verwenden Sie SQL COUNT, COUNT(DISTINCT ...) und GROUP BY für datenbankseitige Prüfungen.
• Verwenden Sie separate Tabellenkalkulationssummen, wenn auch numerische Summen abgeglichen werden müssen.

=COUNTIF(K:K, "Match")

SELECT 'SourceCount' AS Metric, COUNT(*) AS Value FROM Source UNION ALL SELECT 'TargetCount', COUNT(*) FROM Target UNION ALL SELECT 'Matched', COUNT(*) FROM Source s INNER JOIN Target t ON s.ID = t.ID;

7. Sichere Überprüfung und Freigabe

Der letzte Schritt besteht darin, den Abgleich von einer zweiten Person oder einem unabhängigen Tool auf Vollständigkeit und Richtigkeit überprüfen zu lassen. Dies verringert das Risiko des Bestätigungsfehlers. Überprüfen Sie die Liste der fehlenden Datensätze – sind es alles gültige Ausschlüsse? Überprüfen Sie stichprobenartig die geänderten Datensätze, um sicherzustellen, dass die Feldvergleichslogik fehlerfrei war. Erwägen Sie bei risikoreichen Abgleichen, die Reihenfolge umzukehren (Quelle und Ziel vertauschen), um zu sehen, ob dieselben Unterschiede gemeldet werden.

Erstellen Sie ein Freigabeblatt, das Datum, Prüfername, Gesamtzahl der Unterschiede (nach Kategorie) und eventuelle Ausnahmen festhält. Ziel ist es, einen entscheidungsreifen Bericht zu haben, der es Managern ermöglicht, den nächsten Schritt (z. B. Datenneuladung, Korrektur von Abweichungen) sicher zu genehmigen.

1. Erstellen Sie einen Abgleichszusammenfassungsbericht mit Schlüsselkennzahlen: Gesamtdatensätze auf jeder Seite, übereinstimmend, nicht übereinstimmend, geändert, unverändert.
2. Lassen Sie einen Kollegen als zweiten Prüfer agieren; bitten Sie ihn, den Vergleich mit einer anderen Methode zu wiederholen (z. B. manuelle Überprüfung einer Zufallsstichprobe).
3. Dokumentieren Sie alle bekannten Einschränkungen, wie ausgeschlossene Spalten oder Entscheidungen zu unscharfem Matching.
4. Speichern Sie den endgültigen Bericht zusammen mit den Roh-Exporten für zukünftige Referenzen.

• Verwenden Sie Versionskontrolle für die Exporte: Benennen Sie Dateien mit Daten und Suffixen wie _source-v1, _target-v2.
• Wenn der Abgleich die ersten Prüfungen nicht besteht, kehren Sie zu Schritt 1 zurück und verfeinern Sie die Normalisierung oder Duplikatbehandlung.