Kategorien durchsuchen
Entdecken
Fiverr Pro
Deutsch
$
USD
Ich bereinige und gleiche deine Spender-, Alumni- oder Mitgliederdatenbank mit fuzzy matching ab
Python Web Scraping und Datenbereinigungsexperte schnell, sauber, geliefert
Ich verwandle unordentliche, schwer zugängliche Daten in saubere, strukturierte Dateien, die du tatsächlich nutzen kannst – schnell.
Seit 2021 helfe ich Unternehmen dabei, Daten von Websites zu extra...
Level 1
Hat bestimmte Leistungskriterien erfüllt und zeigt großes Potenzial auf dem Marktplatz.
Über diesen Service
Hör auf, Spender, Alumni und Mitglieder zu verlieren, weil deine Datenbank voller Duplikate und falsch zugeordneter Namen ist. Ich nutze fortschrittliches fuzzy matching (RapidFuzz + Pandas), um Datensätze zusammenzuführen, die Excel und CRMs oft übersehen – inklusive Spitznamen, Mädchennamen, verheirateten Namen, Tippfehlern und inkonsistenter Formatierung.
Dieses Gig ist speziell für Nonprofits, Universitäten, Verbände und Mitgliedsorganisationen gemacht. Ich führe Spenderdaten über Jahre und Events hinweg zusammen, bereinige Alumni-Verzeichnisse und dedupliziere Mitgliedslisten, damit deine Kampagnen, Spendenaufrufe und Mailings die richtigen Empfänger erreichen.
Was ich behebe:
- Bill vs William, Judy vs Judith, Bob vs Robert (Spitznamen)
- Mädchennamen, verheiratete Namen, Bindestrich-Nachnamen
- Tippfehler, fehlende Mittelnamen, vertauschte Buchstaben
- Duplikate aus verschiedenen Systemen (Raisers Edge, Blackbaud, Excel, Google Sheets)
- Mehrjahres-Spenderlisten, Reunion-Teilnehmerdateien, inaktive Mitgliederlisten
Du schickst mir deine unordentlichen Dateien. Ich liefere eine perfekt abgeglichene, deduplizierte Masterdatei mit einem Duplikat-Report. Du erhältst saubere Daten, die bereit sind für den Import in deine jährliche Spendenkampagne, Kapitalkampagne, Alumni-Gala oder Mitgliedsverlängerung.
Kein Login erforderlich. Deine Daten sind vertraulich.
Mein Portfolio
FAQ
Automatische Übersetzung
Kannst du Datensätze abgleichen, wenn meine Datenbank Mädchennamen und verheiratete Namen für dieselbe Person enthält?
Ja. Ich erstelle individuelle Abgleichregeln, die Mädchennamen und verheiratete Namen mit fuzzy logic verbinden, sodass „Susan Jones“ und „Susan Smith (née Jones)“ korrekt zusammengeführt werden. Ich handle auch hyphenierte Nachnamen.
Was, wenn meine Spendendatenliste „Bob“ verwendet und der CRM-Eintrag derselben Person „Robert“ sagt?
Ich nutze eine Spitznamenauflösungsbibliothek plus fuzzy scoring, um zu erkennen, dass „Bob“ und „Robert“ mit übereinstimmenden Nachnamen und E-Mail/Adresse dieselbe Person sind, und führe sie in einen Master-Datensatz zusammen.
Wir haben zwei separate Systeme – Raiser’s Edge und eine Excel-Eventliste. Kannst du sie zusammenführen und abgleichen?
Absolut. Lade alle Dateien hoch. Ich werde sie in eine einzige Master-Tabelle zusammenführen, systemübergreifend deduplizieren und eine saubere Datei mit einer Zuordnung erstellen, woher die Datensätze stammen.
Bleibt unsere Spendendaten vertraulich?
Deine Daten werden nur für den Abgleich verwendet und nach der Lieferung dauerhaft gelöscht. Ich bin gerne bereit, vor deiner Bestellung eine Standard-NDA oder Datenverarbeitungsvereinbarung zu unterschreiben.
