Vask og berig din kundeliste mod Danmarks registre

Sådan virker det

Tre trin fra en beskidt CSV til en vasket, beriget liste: læs rækkerne, slå hver adresse op, og behold de felter, du skal bruge videre.

# Vask og berig en kundeliste — pseudokode (Python)
import csv, requests

BASE = "https://api.grundfast.dk"
HEAD = { "Authorization": "Bearer gf_live_…" }
beriget = []

for row in csv.DictReader(open("kunder.csv")):
    r = requests.get(f"{BASE}/v1/datavask/adgangsadresser",
                     params={ "betegnelse": row["adresse"] },
                     headers=HEAD).json()
    if r["antal"] > 0:                      # forgren på antal, ikke på kategori alene
        m = r["resultater"][0]              # bedst rangerede kandidat
        beriget.append({
            **row,
            "adgangsadresse_id": m["adgangsadresse_id"],
            "bfe_nummer":        m["bfe_nummer"],   # nøgle videre til ejendommen
            "koordinat":         m["koordinat"],    # WGS84
            "kategori":          r["kategori"],     # A / B / C
        })
# beriget = vasket + beriget kundeliste, klar at skrive tilbage i CRM
#
# Eller send op til 50 adresser på én gang med
#   POST /v1/datavask/adgangsadresser:batch   (samme svar-form pr. række)

Kald datavask i din stack

Ét opslag i cURL, TypeScript og Python — send den beskidte streng, forgren på antal > 0, og læs den bedst rangerede kandidat:

curl -H "Authorization: Bearer gf_live_…" \
  "https://api.grundfast.dk/v1/datavask/adgangsadresser?betegnelse=vejlebyv%2017%20vodskov"

Svaret bærer den vaskede adresse, konfidensbåndet og nøglerne til at berige videre:

# Datavask, Bearer gf_live_…:
GET /v1/datavask/adgangsadresser?betegnelse=vejlebyv%2017%20vodskov
→ 200  { kategori: "A", antal: 1,
         resultater: [ { betegnelse: "Vejlebyvej 17, 9310 Vodskov",
             adgangsadresse_id: "0a3f50a1-…-0003ba29abcd",
             bfe_nummer: 100450231, vejnavn: "Vejlebyvej", husnr: "17",
             postnr: "9310", postnrnavn: "Vodskov", kommunekode: "0851",
             koordinat: { lon: 10.182, lat: 57.112 }, lighed: 0.97 } ],
         meta: { kilde: "DAR via Grundfast", grundfast_version: "0.1.0" } }

Datavask af kundelister

Datavask af kundelister er kernescenariet: du har hundreder eller tusinder af poster, hvor adressefeltet er tastet frit — med stavefejl, forkortelser og sammenskrevne ord. I stedet for at bygge din egen fuzzy-matcher kører du hver streng gennem /v1/datavask/adgangsadresser og får den autoritative DAR-adresse tilbage. Resultatet er en liste, hvor hver post peger på den samme, entydige adresse — grundlaget for korrekte udsendelser, segmenter og rapporter.

Adressevask mod DAR

Adressevask er datavask specifikt på adressefeltet — at rette en beskidt streng op mod DAR (Danmarks Adresseregister), den autoritative kilde til danske adresser. Hvert svar bærer et DAWA-kompatibelt konfidensbånd, så du kan skelne det sikre enkeltmatch (A) fra det, der kræver en menneskelig bekræftelse (B) eller helt bør afvises (C med antal: 0). Feltet lighed giver dig trigram-scoren, så du selv kan stramme tærsklen op til dit eget kvalitetskrav.

Datavask og databerigelse i ét kald

Forskellen på en ren adresse-normalisering og rigtig databerigelse er, hvad der følger med svaret. Fordi de vaskede kandidater allerede bærer bfe_nummer, koordinat og kommunekode, får du både en renset adresse og nøglerne til ejendommens øvrige registre — uden et ekstra opslag. Ét kald vasker og beriger på samme tid.

Berig i bredden — syv registre, én nøgle

Fordi Grundfast holder syv danske registre bag samme gf_live_-nøgle, stopper berigelsen ikke ved adressen. Fra en vasket adresse har du bfe_nummer — og derfra kan du gå videre til ejendommen i BBR, matriklen i Matriklen og, hvor du kender CVR-nummeret, virksomheden i CVR. Det er en kryds-register-berigelse, ingen adresse-only konkurrent tilbyder samlet:

Hvornår bruger du det

Se også datavask-API’et (endpointet), CVR-API’et, BBR-API’et og Adresse-API’et (DAR).

Ofte stillede spørgsmål