Retour
Hadrien Diesbecq Le 16 mars 2022

Le Fuzzy Matching : solution aux problèmes des codes EAN sur les produits !

Dans l’article suivant, nous allons présenter les codes EAN et comment on peut augmenter l’efficacité de la détection des mêmes produits avec la technique de Fuzzy Matching.

Que sont les codes EAN et sont-ils uniques ?

Le code EAN est un type de code-barres qui affecte une suite de chiffres à un article. À l’origine, les codes EAN étaient utilisés exclusivement pour coder les « European Article Numbers » (EAN). Depuis 2009, les codes EAN sont utilisés pour coder les GTINs – Global Trade Item Numbers.

Code-barres

Le GTIN est codé dans le code-barres. Le code se compose des éléments suivants :

  1. Un marqueur de bord
  2. Le codage des chiffres deux à sept du GTIN
  3. Un marqueur intermédiaire
  4. Le codage des chiffres huit à 13 du GTIN
  5. Un marqueur de bord

Il y a 13 numéros sous des codes-barres présentant les informations suivantes.

6143004a4278702c92f15e88_barcode

À première vue, les codes-barres peuvent sembler uniques, c’est-à-dire que vous vous attendez à ce que, par exemple, des t-shirts similaires aient un code-barres unique dans un magasin, quelle que soit leur couleur ou leur taille. Cependant, il existe de nombreux exemples qui vont à l’encontre de cette attente. Prenons l’exemple des produits en promotion dans les supermarchés. La plupart du temps, deux ou plusieurs articles sont emballés ensemble avec un code-barres différent de celui que chacun a séparément. À titre d’exemple, le code-barres de chaque produit pris séparément indique un prix de 10,00 euros et le code-barres de l’emballage de 3 d’entre eux ensemble indique 20,00 euros. Par conséquent, le même produit est vendu avec des codes-barres différents.

En d’autres termes, le principal problème des codes EAN est qu’il n’existe pas de base de données unique et régie donnant un code EAN unique et permanent à un produit. Par conséquent, la plupart du temps, les fournisseurs utilisent différents codes EAN pour le même produit et les détaillants attribuent également un code EAN à différents produits lorsque le produit codé n’est plus disponible en stock.

Quelles sont les conséquences des codes EAN non uniques ?

Les entreprises ne sont pas sans savoir les problèmes que posent les codes EAN non uniques.

Il peut arriver que des articles erronés soient distribués et qu’ils doivent être renvoyés à l’entreprise. Non seulement cela prend du temps et entraîne des coûts supplémentaires pour les entreprises, mais cela affecte également l’image des marques auprès de la clientèle.

Les erreurs de codes EAN, qui peuvent sembler minimes et insignifiantes au départ, peuvent, à plus grande échelle, conduire à une analyse erronée des ventes des produits vendus ainsi qu’à des prévisions de ventes futures.

Par conséquent, l’identification des articles avec leur description est un processus inévitable pour les entreprises, si elles veulent avancer sur la bonne voie du succès.

Certaines entreprises tentent de résoudre ce problème en suivant l’historique des EAN des produits, mais cela ne fonctionne pas car le nombre d’EAN augmente et ils sont fréquemment modifiés au fil du temps, le processus de suivi de l’historique semble impossible. Vous cherchez la solution ? Alors continuez à lire cet article.

Comment le Fuzzy Matching résout-il le problème de la distinction entre les différents codes-barres d’un même produit ?

Imaginez qu’il existe une liste de produits et leurs codes-barres et que vous êtes chargé de trouver les mêmes produits.

 

6143015f6175b75efabdb040_Capture d’écran 2021-09-16 à 10.33.11

Que font les entreprises?

Tout d’abord, ils effectuent une correspondance exacte et trouvent les mêmes éléments. Ensuite, ils effectuent un Fuzzy Matching pour trouver des éléments avec des descriptifs de produits similaires mais pas exacts.

La logique de Fuzzy Matching traite essentiellement des textes et c’est pourquoi elle compare les descriptifs et non les numéros ou les chiffres des codes EAN. Elle rend donc possible le processus de recherche de produits similaires. Si vous êtes désireux de savoir ce qu’est la logique floue, cliquez ici.

L’outil YZR utilise la logique de Fuzzy Matching pour résoudre les problèmes mentionnés. Chez YZR, nous traitons la description et les noms plutôt que les codes-barres et les chiffres, car les codes-barres changent la plupart du temps, mais pas la description. Et même si la description change, nous avons toujours la possibilité de standardiser et de normaliser nos données avec YZR. C’est pourquoi notre outil est le choix parfait pour ceux qui rencontrent les problèmes d’identification de deux éléments de texte, chaînes de caractères ou entrées qui sont approximativement similaires mais pas exactement identiques. Si vous avez besoin de plus d’informations, n’hésitez pas à demander une démo ici.

Pour aller plus loin

Vous souhaitez approfondir le sujet et mieux comprendre pourquoi la qualité des données constitue un vecteur de croissance majeur pour les entreprises, n’hésitez pas à télécharger notre livre blanc disponible ici !

Contenus liés