顧客マスタや取引先マスタを整備していると、「この2件は同じ会社では？」「同一人物が別名で登録されているかもしれない」という問題に必ずぶつかります。このような「同一の顧客・企業・人物を指す複数のレコードを統合する作業」を名寄せ（なよせ）と呼びます。
名寄せはデータクレンジングの中でも「判断が難しい」作業として知られています。単純な重複削除（まったく同じデータを消す）と違い、「似ているが同一かどうか確定的には言えない」ケースを業務的に判断しながら進める必要があるからです。
本記事はデータクレンジングの手法として名寄せの基本・5ステップの技術的手順を解説します。マスタデータ整備における業務判断の難しさ（なぜシステムだけでは完結しないか）と組織的な準備についてはマスタデータの名寄せ・重複除去をあわせてご参照ください。
名寄せと重複削除の違い
重複削除は、完全に同一の値を持つレコードを削除する作業です。「同じメールアドレスが2件ある→1件削除」のように機械的に処理できます。一方、名寄せは「完全には一致しないが、同一の顧客・企業・人物を指している可能性がある」レコード同士を統合する作業です。
- 「株式会社ABC」と「㈱ABC」——表記は違うが同じ会社の可能性が高い
- 「田中 太郎」と「タナカ タロウ」——同一人物かもしれないが、同姓同名の別人の可能性もある
- 「ABC東京支社」と「ABCコーポレーション」——親子関係にある別法人の可能性もある
このように名寄せでは「類似している」レコードを候補として抽出し、「同一かどうか」の判断を行います。この判断に業務的な知識が必要なため、完全自動化が難しい作業です。
名寄せが必要になる典型的なシナリオ
- CRM・SFA導入時：複数の営業担当者がそれぞれ同じ顧客を別名で登録していたことが判明
- システム移行時：旧システムと新システムに同一顧客が別の顧客IDで存在する
- データ統合時：営業部門・マーケティング部門・サポート部門が別々に持っていた顧客データを一元化する
- KPI計算時：「実顧客数」を集計しようとしたが、重複があるため正しい件数が出ない
名寄せの基本的な進め方（5ステップ）
法人格の統一・全角→半角変換・住所フォーマット統一など。正規化の精度が類似度スコアを大きく左右する
名寄せ判断に使う属性を決める（顧客名・住所・電話番号・メールアドレス・法人番号など）
選定した属性の組み合わせで類似度スコアを算出し、高スコアのペアを「同一候補」として抽出する
閾値に応じて自動統合または人手確認し、業務担当者が「同一か・別か」を判定。閾値設計が精度のカギ
同一と判断したレコードを統合し、最新・精度が高い側を「正」として残すルールを事前に定めて実施する
- Step1：表記の正規化——「㈱→株式会社」「全角英数字→半角」「カナ表記を全角カタカナに統一」などを行い、判定精度を上げる前処理を行う
- Step2：キー属性の選定——名寄せ判断に使う属性を決める（顧客名・住所・電話番号・メールアドレス・法人番号など）
- Step3：類似度スコアリング——選定したキー属性の組み合わせで類似度スコアを算出する
- Step4：候補ペアの確認と判定——スコアが高いペアを候補として抽出し、業務担当者が「同一か・別か」を判定する。閾値に応じて自動統合または人手確認し、低スコアは別物とする閾値設計が実務的
- Step5：統合と「正」の決定——同一と判断したレコードを統合し、どちらのデータを「正」として残すかを決める（最新のレコードを正にする・入力精度が高い方を正にするなどのルールを事前設計する）
表記の正規化：名寄せ精度を上げるための前処理
名寄せを行う前に、表記を統一する正規化作業が不可欠です。表記が統一されていないと、本来「同一」と判定されるべきペアの類似度スコアが低くなり、見逃しが増えます。
- 法人格の統一：「株式会社」「㈱」「（株）」→ 統一形式に変換
- 文字種の統一：全角英数字・全角スペース・全角記号 → 半角に変換
- 住所の正規化：都道府県名・番地・丁目などの表記ルールをツールや運用方針に合わせて統一する
- 電話番号のフォーマット統一：ハイフンの有無・市外局番の形式統一
- 不要文字の除去：スペース・特殊記号・括弧書きのメモなどを除去
社名名寄せに活用できる：国税庁の法人番号API
法人（会社・団体）の名寄せには、国税庁が無償で提供する「法人番号システムWeb-API」が有効です。法人番号（13桁）をキーに法人の正式名称・所在地・登記状況を照会でき、表記ゆれの解消と統合先の確定に利用できます。
- 法人名検索（前方一致・部分一致）に対応しており、社名から法人番号を逆引きできる。取引先データに法人番号が未登録でも活用できる
- 法人番号から登記上の正式商号・所在地を取得して「正レコード」の社名候補として利用できる
- 「解散済み・存在しない法人」の除外チェックにも活用できる
- 利用には無料のアプリケーションIDの発行申請が必要（取得まで2週間〜1か月程度）
参考：公式サイト
マスタデータ管理視点の名寄せとの違い
名寄せはマスタデータ管理の文脈でも語られます。マスタデータ視点での名寄せは、「ツールだけでは完結しない・業務的な同一性判断が不可欠」という組織論的な側面に着目した取り組みです。マスタデータ管理視点での名寄せについてはマスタデータの名寄せ・重複除去をご参照ください。本記事はクレンジング作業の手法として名寄せを実施する実務担当者向けの内容です。
まとめ
- 名寄せとは、似ているが同一かどうか判断が必要なレコードを特定・統合するデータクレンジング手法
- 重複削除（完全一致を機械処理で削除）とは異なり、類似度スコアと業務担当者の判断を組み合わせる
- 表記の正規化→キー属性の選定→スコアリング→候補確認→統合の5ステップで進める
- 法人データは国税庁の法人番号Web-APIを使った社名からの逆引き・正規化も活用できる
名寄せはツールだけでは完結しない作業です。表記の正規化→類似度スコアリング→業務担当者による確認という流れを設計し、自動統合と人手確認の閾値を適切に設定することが、精度と工数のバランスを保つカギになります。
名寄せ・顧客データ統合の進め方が不明な場合
「名寄せが必要なのはわかるが、どこから手をつければいいかわからない」「候補のペアが多すぎて人手での確認が追いつかない」——こうした状況でのアプローチ設計をBFT Insightがサポートします。対象データの件数・目的・精度要件に合わせた手順設計と、担当者が実施できる範囲の整理からご支援します。
よくある質問
名寄せにはどんなツールを使えばよいですか？
データ件数と予算によって異なります。数百〜数千件程度であればExcelの条件付き書式や関数を使った手動確認でも対応できます。数万件以上になるとPython（pandas + rapidfuzz等のファジーマッチングライブラリ）かデータ統合ツールの活用が現実的です。まず「対象件数と必要な精度」を整理してから選定することをお勧めします。
名寄せの精度はどのくらいが目安ですか？
名寄せに「100%の正解率」を求めると、コストが非常に高くなります。実務的には一例として、「重要度の高いデータ（大口顧客・主要取引先）は高精度で実施し、全体の精度は95〜98%を一つの目安とする」という設計があります。業界や用途によって適切な水準は異なるため、精度とコストのバランスで目標値を設定することが重要です。残りの誤り（見逃し・誤統合）は運用フローで補完する設計が現実的です。
名寄せをした後、また重複が生まれないようにするにはどうすれば？
最も効果的なのは「新規登録時の重複チェック機能」の実装です。新規入力時に既存レコードと類似する候補を表示し、担当者が確認してから登録するフローを作ることで重複の発生を予防できます。また入力ルールの統一（法人格の略称禁止、住所の入力形式指定など）を設けることで、名寄せしやすいデータが蓄積されます。