Koppelen 910Leon Willenborg en Nico Heerschap - CBS

idee daarbij is dat bij het kopiëren van zo’n nummer een fout is gemaakt, bijvoorbeeld dat twee
cijfers zijn omgewisseld, of een 5 door een 6 is vervangen (of omgekeerd) of een 7 door een 1 (of
omgekeerd) etc. Door bijvoorbeeld alle BSN’s op te zoeken met een Levenshtein-afstand 1 of 2
(zie paragraaf 3.2) tot de gegeven BSN, en door de bijbehorende persoonskenmerken te vergelijken
met de gegevens in het betreffende bestand of register, zou men wellicht toch een correct BSN
kunnen vinden met bijbehorende persoonskenmerken. Hierbij gaat het in feite om een methode die
thuishoort in de hoofdstukken 6 en 7.
5.3 Uitgebreide beschrijving
Gezien de eenvoud van deze methode valt er niet zoveel meer over te zeggen. Uitgangspunt is dat
een koppeling plaatsvindt dan en slechts dan als een record uit het ene koppelbestand precies
dezelfde sleutelwaarde heeft als die van een ander record uit het tweede koppelbestand. Dat kan
betekenen dat er sprake is van 1:1, 1:n of n:1 koppelingen. Als de kwaliteit van de primaire
koppelsleutel onvoldoende (bekend) is, bestaat het gevaar dat koppelingen worden gelegd, die geen
echte koppelingen zijn (miskoppelingen), en omgekeerd (gemiste koppelingen).
5.4 Voorbeelden
We geven de volgende voorbeelden van koppelsituaties waar op primaire sleutel wordt gekoppeld:
- de koppeling van bedrijven uit twee statistieken, die allebei op het Algemeen
Bedrijvenregister (ABR) zijn gebaseerd. In beide bestanden wordt de eenheid, het bedrijf,
geïdentificeerd door een Bedrijfsidentificatienummer van 8 cijfers (BEID). Het BEID is dan
de primaire sleutel waarop wordt gekoppeld. Komen BEIDs in beide bestanden overeen dan
wordt er gekoppeld; komen ze niet overeen dan worden ze niet gekoppeld. Er wordt
bijvoorbeeld geen rekening meegehouden met het feit dat er tijdens het verwerkingsproces van
de individuele statistieken fouten in de BEIDs kunnen zijn geslopen. Deze controle is vaak
ook moeilijk omdat in veel gevallen geen secundaire sleutels, zoals naam en adres, meer
aanwezig zijn;
- een variant op het eerste voorbeeld is dat gegevens van de Belastingdienst gekoppeld worden
aan de BEIDs van het ABR. In het ene bestand van het ABR is de primaire sleutel BEID
aanwezig. In het bestand van de Belastingdienst is de Fiscale eenheid (FE) als primaire sleutel
aanwezig. Om beide bestanden aan elkaar te koppelen is er een “relatie- of koppeltabel”
aanwezig, waarbij is aangegeven welke FE’s bij welke BEIDs behoren. Op dezelfde wijze als
in het eerste voorbeeld, alleen met een extra tussenstap, worden beide bestanden aan elkaar
gekoppeld. De kans op foute koppelingen is hier wel groter omdat er niet alleen fouten kunnen
zijn geslopen in de FE’s of BEIDs, maar ook in de registratie van de relatie tussen FE’s en
BEIDs;
- bij persoonsgegevens is vaak het Burgerservicenummer (BSN) als primaire sleutel in het
bestand aanwezig. In dat soort gevallen is een eenvoudige koppeling te maken op basis van de
BSN in beide bestanden. Een voorbeeld is het koppelen van loon- en werkgelegenheidsgegevens
van respectievelijk de Belastingdienst en de Polisadministratie (van het UWV);
- koppeling op basis van een zogenaamde foreign key, bijvoorbeeld de SBI-codering of
grootteklasse-codering in een record van een BEID. Kengetallen of gemiddelden uit een
bestand op basis van de SBI of grootteklasse, maar dan als primaire sleutel, kunnen aan het
40