Referensdata och berikning
Trettiofyra miljoner rader, som ett steg
Länder, språk och valutor. 13,4 miljoner befolkade platser och geografiska objekt. 19 miljoner namnvarianter. Två miljoner postnummer. Flygplatser, hamnar, bilmärken. Sextiofem endpoints, ingen autentisering, ingen prislista, för det är samma plattform som ditt arbetsflöde redan körs på.
Varför detta är ovanligt
I alla andra automatiseringsverktyg är ”validera den här adressen” en betald integration från tredje part. Du hittar en leverantör, öppnar ett konto, kommer överens om en prislista, skaffar en nyckel, lagrar nyckeln, bevakar kvoten och förhandlar om när din volym ändras. Uppslaget själv tar tjugo millisekunder; upphandlingen tar en vecka eller två.
Här är det ett steg i väljaren. Data är offentliga referensdata — GeoNames, officiella kodlistor, publicerade register — städade, indexerade och serverade av castomAPI, som finns för att ett dussin produkter i den här familjen behövde samma sak och att bygga det en gång var billigare än att bygga det tolv gånger.
Sökningen är trigrambaserad med ett minimum på tre tecken, så ett partiellt eller felstavat namn hittar ändå platsen. Det minimumet är medvetet: två tecken matchar allt, och ett uppslag som matchar allt är sämre än inget uppslag.
De tre saker folk gör med det
Validera — stoppa dålig data vid dörren. Är det en riktig postkod för den staden? Finns den landskoden, eller är det ett stavfel någon gjorde 2019 som har spridit sig sedan dess? Är PLN en valuta, och är det den kunden ska debiteras i?
Normalisera — ”Warsaw”, ”Warszawa”, ”Varsovie” och ”Варшава” är en plats med en identifierare. Nitton miljoner namnvarianter finns så att din kunddatabas inte behöver lagra fyra stavningar av samma stad och låtsas att de är fyra städer.
Berika — ett stadsnamn blir koordinater, en tidszon, en administrativ region och en befolkningssiffra. En flygplatskod blir ett namn och en plats. En postkod blir allt ovanför den i hierarkin. Sex fält som en person annars skulle ha skrivit in, ifyllda på tjugo millisekunder, utan kostnad.
Tidszonen är den tysta
Att slå upp en plats ger dig dess tidszon, och en tidszon är det som gör att ”skicka det här klockan nio på morgonen” betyder nio på morgonen för mottagaren och inte nio på morgonen för dig. Tysta timmar, scheman och påminnelser blir alla korrekta för en internationell lista utan att någon behöver underhålla en mappningstabell.
- 1Indata”ul. Powstańców Śląskich 5, 53-332 Wrocław, PL”
- 2Postnummer matchat53-332 → Wrocław, Dolnośląskie, PL.
- 3Plats upplöst51.0938 N, 17.0226 E · Europe/Warsaw · befolkning 674 079.
- 4Skrivet tillbakaSex fält ifyllda som en människa annars hade fått skriva in.
- §KostnadDeterministiskt steg. Ingen nyckel, ingen kvot, ingen avgift per uppslag.
Förfluten tid: 40 ms65 slutpunkter tillgängliga
Trettiofyra miljoner rader. Ett steg.
Arbetsexempel
Där det förtjänar sin plats
Innan transportören ser det
En adress kontrollerad och normaliserad innan fraktetiketten köps. En avvisad etikett kostar en avgift och en dag; en avvisad postkod kostar tjugo millisekunder.
Innan revisorn ser det
En valutakod och en landskod validerade innan en faktura skapas, vilket är betydligt billigare än att validera dem efter att den har skickats.
Deduplicera en lista
Två poster med samma kund under två stavningar av samma stad slås ihop korrekt när båda städerna löses till samma identifierare.
Routning efter geografi
Koordinater för en kund och koordinater för dina depåer, och körningen väljer den närmaste utan att någon behöver underhålla ett kalkylblad med postkod-till-depå.
Språk, korrekt
Ett land löses till sina språk, så meddelandet som skickas ut är på ett som mottagaren troligen förstår — avgjort av data i stället för av en antagande om en flagga.
Flotta och logistik
Fordonsmärken, flygplatser och sjöhamnar som kanoniska poster, för de arbetsflöden vars jobb innebär att något fysiskt rör på sig.
De ärliga begränsningarna
Det här är offentliga referensdata, inte en kommersiell adressverifieringstjänst. Den talar om för dig att 53-332 är en riktig postkod i Wrocław och ger dig koordinaterna för orten. Den talar inte om för dig om lägenhet 212 finns på nummer 5, eller om någon bor där. För verifiering på leveranspunktsnivå vill du ha en nationell postoperatörs produkt, och ett arbetsflöde kan anropa en sådan över HTTP bredvid den här.
Det är heller inte en källa till personuppgifter. Det finns inga människor i den. Den innehåller platser, koder, register och offentliga fakta — vilket är precis varför den kan serveras utan autentisering.
Om aktualitet: referensdata ändras långsamt, och den här uppdateras enligt ett schema i stället för kontinuerligt. En nyligen omdöpt by dyker inte upp samma eftermiddag. För allt som ändras varje timme vill du ha händelseflödet i stället, som är byggt för exakt det.