fix(etl): каноничното име на възложителя (MIN на името) подвежда при споделен ЕИК — поръчки на МОН излизат под училище #194

Симптом (потребителски сигнал)

Профилът на "БСУ „Д-р Петър Берон" - МОН" показва обществени поръчки за много големи суми (национален достъп до Elsevier / Web of Science, доставки на компютри за ученици, платформата „Дигитална раница", лицензи Microsoft). Това създава впечатление, че възложител е училище, което изглежда невярно.

Първопричина

Възложителите се дедупликират по ЕИК, а изписваното име се избира с MIN(authority_name) в scripts/normalize-raw.sql (редове 47-56):

INSERT OR IGNORE INTO authorities (id, name, bulstat, type)
SELECT 'auth:' || authority_eik, MIN(authority_name), authority_eik, MAX(authority_type)
FROM ( raw_contracts UNION ALL raw_tenders )
GROUP BY authority_eik;

MIN() връща азбучно най-ранния низ. В кирилицата „Б..." (БСУ) се нарежда преди „М..." (Министерство), затова печели училищното съставно име, а не името на министерството.

Доказателства (проверени срещу обслужващата база)

• ЕИК 000695114 е реалният ЕИК на Министерството на образованието и науката.
• Под този ЕИК в изходните данни съществуват три варианта на името: МИНИСТЕРСТВО НА ОБРАЗОВАНИЕТО И НАУКАТА (доминиращ, 620 договорни реда / 444 реда обявления), БСУ „Д-Р ПЕТЪР БЕРОН", Прага и съставното БСУ „Д-Р ПЕТЪР БЕРОН" - МИНИСТЕРСТВО НА ОБРАЗОВАНИЕТО И НАУКАТА.
• Профил auth:000695114: 285 договора, 295 946 730 EUR (SUM amount_eur), 272 обявления. Най-големите пера са безспорно министерски: 32.2M EUR устройства с Windows за ученици, 18.0M + 11.6M + 6.4M EUR национален достъп до Elsevier / Web of Science, 17.0M EUR Chromebook-програма, 13.2M EUR „Дигитална раница", 9.3M EUR лицензи Microsoft.
• Единственото истинско училищно перо е ремонт на санитарен възел в Прага за ~148k лв.
• БСУ „Д-р Петър Берон" (Прага) е второстепенен разпоредител към МОН и работи под неговия ЕИК - няма собствен ЕИК.

Класификация

Дефект в избора на изписваното име върху реалност на споделен ЕИК. Договорите са коректно свързани с ЕИК-а на МОН - обединяването е правилно (едно юридическо лице). Не е сгрешен ЕИК в изходните данни и не е визуален проблем на клиента.

Предложения за корекция (с компромиси)

1. Каноничното име по „най-често срещано" (mode), не по MIN(). За този случай избира „МИНИСТЕРСТВО НА ОБРАЗОВАНИЕТО И НАУКАТА" (620 реда) вместо съставното. Евтино. Недостатък: mode може да улучи вариант само с главни букви - трябва тайбрек (напр. предпочитане на смесен регистър / най-скорошния).
2. Предпочитане на официалното име от Търговския регистър / административния регистър при съвпадение по ЕИК. Най-качествено и авторитетно. Недостатък: бюджетни органи като МОН може да липсват в tr-companies - нужно е picване от административен регистър.
3. Показване на вариантите на името в профила („записан също като..."). Ниско-рисково и прозрачно, но само по себе си не оправя заглавието.
4. Разделяне на второстепенните разпоредители в под-профили под ЕИК-а на родителя (Прага срещу централно МОН). Най-вярно, но иска ключ за разпоредител отвъд ЕИК; училището в чужбина легитимно няма собствен ЕИК.

Бележка за адресите: слъговете на възложителите/фирмите се ключат по ЕИК (packages/db/src/queries/identity.ts), затова опции 1-3 сменят само надписа, не адреса (URL остава стабилен).

Свързани

• Качество на търсенето: възложител с дълъг списък имена изпреварва точните съвпадения #25 (търсене: възложител с дълъг списък имена изпреварва точните съвпадения) - същият корен: много варианти на името под един ЕИК.
• Семейство data-quality по класификацията на възложителите: Хигиена на данните: „община" надценява — 312 записа срещу 265 реални общини #19, Хигиена на данните: „друго" съдържа държавни предприятия, които не са класифицирани #20, Хигиена на данните: „друго" съдържа лечебни заведения, които трябва да са „болница" #21, Хигиена на данните: детските градини са записани непоследователно (самостоятелни срещу разтворени в общината) #24.
• Част от преглед на идентичността на възложители/изпълнители по потребителски сигнал (виж придружаващите issue-та за eik_valid без контролна сума и за многоЕИК-овите редове).