RESOURCE · 开源项目
OpenRefine
本地运行的开源数据清洗工具，可用分面、批量转换和相似值聚类整理客户表，并在人工确认下合并重复记录。
OFFICIAL SOURCE
先回到原始来源。
以下链接用于核对资源的存在、定位、文档与许可。外部链接将在新标签页打开；本站不托管第三方代码或内容。
| 主要类型 | 开源项目 |
|---|---|
| 部署方式 | 本地运行 |
| 费用模型 | 免费 |
| 许可证 | BSD-3-Clause（官方下载页与仓库 LICENSE） |
| 项目状态 | 持续维护 |
| 核验等级 | L1 · 已核对官方资料 |
| 最后核验 |
CAPABILITIES
能支持哪些工作。
- 导入表格数据，用分面和批量编辑处理不一致的值
- 用键碰撞或最近邻方法聚类相似值，逐项确认合并
- 通过 reconciliation 把本地条目与外部数据库匹配
- 记录操作历史，便于复现和审查清洗步骤
REQUIREMENTS
使用条件与兼容性。
- Windows、macOS 或 Linux，并安装 Java 运行环境
- 本地工作目录与足够磁盘空间保存清洗项目
- 人工审核合并结果，不能把相似值自动当作同一实体
- 在本机启动后通过浏览器操作
- 适合在导入 CRM 或补全服务前做离线清洗
能做什么
OpenRefine 是一个在本地启动、通过浏览器操作的数据清洗工具。它适合处理从 CRM、表格或邮件导出中得到的客户与联系人数据：先预览字段和值分布，再用分面找出空值、异常格式和重复写法，最后用批量转换统一名称、域名和国家等字段。对于“同一家公司在表里出现多种写法”的问题，聚类可以把相似值归成候选组，但每一步合并都需要使用者确认。
使用条件与边界
OpenRefine 需要在本机安装 Java 并启动本地服务，项目文件保存在自己的工作目录。它不是云端数据库，也不是 CRM；它解决的是清洗和整理，不负责补全联系人、验证邮箱或持续同步。清洗规则需要人工设计，聚类结果也不能直接当作法律实体判断：子公司、经销商、同名公司可能名称相似，但并不是同一个采购主体。
交互式界面适合以人工审阅为主的名单。数据量很大、需要每天重复执行，或需要成对匹配概率时，应把规则固化成脚本或使用专门的记录链接工具，而不是长期依赖手工点击。
在客户数据流程中的位置
在客户数据流程里，OpenRefine 最适合放在“导入 CRM 或补全服务之前”：先把公司主键、联系人主键、域名和国家字段整理清楚，减少重复记录进入下游。清洗后的表可以交给 Airtable、Clay 或 CRM；操作历史和导出结果则作为变更记录保留。它也可以用于一次性检查某个名单的质量，帮助判断是否值得购买更多数据。
安全与数据边界
OpenRefine 的核心优势是本地处理，但这不意味着没有数据风险。项目文件和导出文件都包含客户信息，需要限制目录权限、加密备份，并避免通过公开链接共享。使用 reconciliation 连接外部数据库时，数据会被发送到对应服务；使用扩展或脚本前也要确认其权限和数据去向。合并记录前保留原始值和操作历史，避免不可逆覆盖。
已知限制
- 聚类只提供候选合并，必须人工确认；相似名称不等于同一法律实体
- 交互式操作适合中小规模名单，大规模重复匹配需要脚本化方案
- 不提供客户补全、邮箱验证或 CRM 管理能力
安全与使用边界
- 项目文件保存原始客户数据，需限制本地目录权限并加密备份
- reconciliation 会把数据发送到外部服务，使用前确认数据去向与条款
- 合并前保留原始值和操作历史，避免不可逆覆盖
USED BY SOLUTIONS
出现在哪些方案中。
资源只有放进具体方案才有任务价值。下表说明它在每个方案中的角色，以及该方案覆盖的任务。
| 方案 | 覆盖任务 | 资源角色 | 说明 |
|---|---|---|---|
| 补全、清洗与去重客户数据 / CRM 重复记录治理 | 必需 | 本地清洗、分面、聚类与操作历史的主工具。 |
RELATED TASKS
CONCEPTS