Koppelen 910Leon Willenborg en Nico Heerschap - CBS

Niettemin kan een aantal van dergelijke secundaire sleutels vaak goed gebruikt worden om
eenheden te identificeren en te koppelen. 3 Zie figuur 2.2.
In databases worden ook zogenaamde foreign keys gebruikt. Een foreign key identificeert het
betreffende record zelf niet, maar is een verwijzing of koppeling naar een andere tabel, waarin de
betreffende key wel als primaire sleutel voorkomt. Bijvoorbeeld om een record van een werknemer,
geïdentificeerd door een personeelsnummer, te koppelen aan gegevens over het bedrijf,
geïdentificeerd door een BEID, waar hij/zij werkt. In de tabel met werknemers is dan per
werknemer record een BEID als foreign key beschikbaar die (uniek) koppelt aan de tabel met
bedrijfsgegevens, waar de BEID de primaire key is. Voorwaarde daarbij is dat een foreign key
waarde ook inderdaad bestaat, anders wordt verwezen naar een niet bestaande eenheid. Deze
eigenschap wordt in databases wel aangeduid met ‘referentiële integriteit’.
2.2 Wat maakt koppelen zo complex?
Op het eerste oog lijkt het koppelen van bestanden een eenvoudige opgave. In de praktijk is dat
echter zelden het geval. De volgende oorzaken liggen onder meer ten grondslag aan het feit dat
bestanden niet gemakkelijk één-op-één te koppelen zijn:
de kwaliteit en de structuur van de data in de te koppelen bestanden. Het zal zelden zo zijn dat
de aangeboden data, en dus ook die van de koppelvariabelen, zonder “ruis” is. Bij de
verwerking kunnen bijvoorbeeld waarnemings- en verwerkingsfouten, zoals typefouten,
optreden. Hierdoor kan het zijn dat records, die in werkelijkheid bij elkaar horen, niet koppelen
of omgekeerd. Als het gaat om de structuur van de aangeboden data kan het bijvoorbeeld zijn
dat de scores van de koppelvariabelen in beide records wel goed zijn, maar op een dusdanige
manier zijn gepresenteerd dat het moeilijk is deze (geautomatiseerd) met elkaar te vergelijken.
Dit alles maakt het stadium van pre-verwerking belangrijk. Daar kan zowel de kwaliteit als de
structuur van de data, voor zover nodig bij het koppelen, worden aangepast en verbeterd;
de eenheden van te koppelen bestanden kunnen verschillen, maar zijn wel uit elkaar af te
leiden. Denk bijvoorbeeld aan een bestand met individuele personen enerzijds en een bestand
met huishoudens anderzijds. Of een bestand met Bedrijfseenheden dat gekoppeld moet worden
aan een bestand met Ondernemingengroepen. Hierbij dient gebruikt te worden gemaakt van
een koppeltabel, waarin de relatie tussen beide eenheden is vastgelegd, of van een foreign key;
het hanteren van verschillende domeinen of classificatie-indelingen bij de koppelvariabelen.
Ook hier is het voor het koppelen wenselijk dat de domeinen of classificaties compatibel zijn,
dat wil zeggen dat ze geconverteerd (kunnen) worden naar eenzelfde noemer (zonder te veel
informatieverlies). Zie paragraaf 7.3.1.2 voor een verdere discussie van dit probleem;
de tijdsdimensie. De koppelvariabelen of eenheden zijn dynamisch en zijn op verschillende
momenten in de tijd waargenomen. Dat kan bijvoorbeeld gelden voor bedrijven. Tussen twee
verschillende waarnemingen, die zijn opgeslagen in de twee verschillende bestanden, kan het
bedrijf zijn gesplitst of juist gefuseerd, terwijl het bedrijf nog wel dezelfde identifier of
3 Ook bij statistische beveiliging worden deze begrippen gebruikt. Daar zijn primaire sleutels in de regel niet
aanwezig in beveiligde bestanden. De vraag is dan of de bestanden voldoende beveiligd zijn, lettend op de
secundaire sleutels die in de bestanden aanwezig zijn.
16