如何使用ID核对两个客户或SKU导出数据：实用工作流程

1. 准备导出文件：标准化和标题对齐

在比较记录之前，要识别每个导出中的关键列，并使其表示一致。对于简单的值成员比较，标题名称不需要完全相同，但您必须知道两边哪个列包含相同类型的ID。

标准化前导和尾随空格、适当情况下的字母大小写、空白ID和数据类型。将标识符（如00123）保留为文本。额外的描述列可以保留在源文件中，但只将两个ID列复制到一个集中的列比较步骤中。

不要对带引号的CSV文件运行基于行的修剪命令：带引号的字段可能包含分隔符或换行符。对于结构化文件，使用电子表格导入、Power Query或真正的CSV解析器。

1. 在两个文件打开的情况下，在电子表格或文本编辑器中打开两个导出文件。
2. 标准化列标题：相同的名称、相同的大小写、没有多余空格。
3. 删除任何不参与比较的临时或不相关列。
4. 确保ID列（例如CustomerID、SKU）格式化为文本，以避免数值舍入问题。
5. 使用=TRIM()或列表清理器清理数据，去除多余的空格。

=TRIM(A2)

2. 识别和处理重复ID

任何一个导出中的重复ID都会使一对一的核对产生歧义。查找可能会报告某个ID存在，但同时掩盖了该ID在一侧出现两次而在另一侧出现一次的事实。

在比较之前审计重复ID。不要仅仅因为ID重复就自动删除整个记录：多行可能是合理的，例如一个客户有多个订单。解决业务规则，必要时添加子标识符，并记录任何合并决策。

1. 统计每个文件的总行数。
2. 选择ID列并运行重复检查（例如=COUNTIF(range, B2)>1）。
3. 记录重复计数，并决定是保留第一次出现还是标记为人工审查。
4. 删除或合并重复项，为每个导出创建一个干净的唯一ID列表。

• 提示：在Excel中，数据透视表可以快速列出重复ID及其计数。
• 注意：如果您的文件包含具有不同数据的合法重复ID（例如同一客户的多个订单），则必须将它们视为单独记录；考虑添加唯一的子标识符。

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

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

3. 双向比较ID成员关系

在ID列标准化之后，识别仅存在于源和目标中的键。这是一个双向成员比较，类似于完全外连接的逆连接部分。

在Excel中，使用XLOOKUP、VLOOKUP、MATCH或Power Query。在CompareTwoLists中，将提取的两个ID列粘贴到“比较两列”中，查看匹配项、仅第一列的值、仅第二列的值或并集。该工具比较值；它不会合并完整记录或映射标题。

在找到缺失的ID后，返回原始导出以检索并查看相应的完整记录。

1. 在源中创建一个名为“In_Target”的新列，并使用VLOOKUP检查每个ID是否存在于目标中。
2. 类似地，检查目标ID是否存在于源中。
3. 筛选每个列表中的缺失ID，并导出为单独的缺失记录报告。
4. 审查缺失记录：它们是否合法差异还是异常？记录发现。

=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. 检测更改的记录

在识别出同时存在于两个导出中的ID后，比较每个匹配记录的重要字段，如客户状态、产品描述、价格或库存数量。在比较之前，标准化每个字段的数据类型，并决定如何处理空白、大小写、日期和数值容差。

使用Excel或Google Sheets连接、Power Query合并、SQL JOIN或数据框合并来通过ID对齐完整记录。CompareTwoLists的比较列工具适用于两个提取的ID列表，但它不会自动连接完整记录或比较CSV中的每个字段。

1. 创建一个同时存在于两个导出中的ID组合列表（使用步骤3的结果）。
2. 对于每一行，使用IF(SourceField=TargetField, "Match", "Diff")或数组公式逐字段比较。
3. （可选）连接所有关键字段并对其进行哈希处理，以在一个单元格中检查等价性。
4. 提取至少有一个字段差异的行到“更改”报告。

• 在比较数值时，请注意精度或格式差异（例如10.00与10）。将两者转换为一致类型。
• 对于包含许多列的大文件，请专注于对业务逻辑至关重要的列；忽略始终不同的不相关字段（如时间戳）。

=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. 构建审计证据：创建更改日志

一旦您知道哪些字段对哪些ID发生了更改，创建一个可审计的更改日志，其中包含记录ID、字段名称、源值、目标值、状态和审查备注。这个结构化报告为审查者提供了他们可以筛选、注释和批准的证据。

在记录通过ID连接后，使用电子表格公式、Power Query、SQL或数据框工作流程构建日志。列表比较输出可以支持审计的缺失ID部分，但完整的字段级更改日志必须来自结构化数据比较。

1. 对于每个有更改的ID，每个更改的字段创建一行。
2. 填充列：RecordID、FieldName、SourceValue、TargetValue、Status。
3. 使用条件格式突出显示差异（例如，红色表示不匹配）。
4. 添加一个汇总表，显示匹配、更改、每一边缺失的数量。

• 审计日志可以直接导入项目管理工具以创建行动项。
• 为文档假设（例如“忽略时间戳差异”）维护单独的工作表。
• 始终包括标题行，并确保每次审计运行都有日期/时间戳。

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

6. 使用列表统计进行验证

最后进行计数检查。在标准化和重复审查之后，比较每边的总行数、非空ID、唯一ID、重复组和空白ID。这些总数有助于揭示遗漏的过滤器或意外的重复删除。

列表统计工具报告行数、非空行数、唯一值数、重复组数、空行数和平均文本长度。数值求和和字段级核对仍属于Excel、SQL或其他结构化数据工具的范围。

1. 记录每个ID列表的总数、非空数、唯一数、重复组数和空白数。
2. 确认匹配的加上仅源唯一的ID数等于源唯一ID数。
3. 确认匹配的加上仅目标唯一的ID数等于目标唯一ID数。
4. 在签字前调查每一个无法解释的差异。

• 对数据库端检查使用SQL COUNT、COUNT(DISTINCT ...)和GROUP BY。
• 当数值总和也必须核对时，分别使用电子表格求和。

=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. 安全审查和签字

最后一步是让第二个人或独立工具审查核对的完整性和准确性。这减少了确认偏差的风险。审查缺失记录列表——它们都是有效的排除吗？抽查一些更改的记录以确保字段比较逻辑没有错误。对于高风险的核对，考虑交换顺序（交换源和目标）以查看是否报告了相同的差异。

创建一个签字表，记录日期、审查者姓名、差异总数（按类别）以及任何例外。目标是生成一个决策质量的报告，使管理人员能够自信地批准下一步（例如，数据重新加载、差异纠正）。

1. 准备一个核对汇总报告，包含关键指标：每边的总记录数、匹配、不匹配、更改、未更改。
2. 让同事作为第二审查者；要求他们使用不同方法（例如，随机抽样手动检查）重复比较。
3. 记录任何已知限制，例如排除的列或模糊匹配决策。
4. 将最终报告与原始导出一起存储以备将来参考。

• 对导出文件进行版本控制：使用日期和后缀命名文件，如_source-v1、_target-v2。
• 如果核对未通过初始检查，返回步骤1并完善标准化或重复处理。