Извличане
- Публични уебсайтове, като спазваме техните условия и не ги претоварваме
- PDF файлове, фактури и сканирани документи с OCR
- Excel, CSV и експорти от друг софтуер
- Официални API и портали с отворени данни, когато съществуват
Услуга на Nexura Digital
Извличане и почистване на данни, за да работите с надеждна информация
Събираме данни от публични уебсайтове, документи и електронни таблици, почистваме ги и ги предаваме в стабилен формат, чрез повтаряем процес.
Извличаме данни от публични уебсайтове, PDF файлове, Excel и други източници, нормализираме ги, премахваме дубликатите и ги предаваме готови за вашата CRM, магазин или анализ. Услугата е за компании с неподредени списъци, каталози или записи, които искат работата да е извършена законно и документирана. Можете да започнете с 7-дневен пробен период върху конкретен набор от данни.
Какво правим с вашите данни
Почистване и нормализиране
- Дати, телефонни номера и държави в стандартни формати като ISO 8601 или E.164
- Дубликати, открити дори когато са написани по различен начин
- Разделени полета и унифицирани мерни единици
- Съмнителните записи се маркират за преглед, а не се изтриват
Зареждане и повторение
Предаваме в електронна таблица, CSV файл или директно във вашата база данни или CRM. Ако източникът продължава да се обновява, оставяме работен процес в n8n или планиран скрипт.
Законно и подредено: границите, които спазваме
Това е техническа помощ, а не правна консултация: ако даден проект повдига правни въпроси, вашият адвокат трябва да ги оцени, преди да започнем.
Условия за ползване и robots.txt
Четем условията за ползване на всеки сайт и неговия robots.txt – стандарта (RFC 9309), с който сайтът указва какво не иска да бъде обхождано. Не заобикаляме входа с пароли, платените стени или CAPTCHA и ограничаваме честотата на заявките.
Лични данни и GDPR
Публичният не означава, че може да се използва за всякаква цел: GDPR защитава и публикуваните лични данни. Събираме само необходимите полета и никога не изграждаме списъци за нежелани търговски съобщения.
Как протича работата
Пет стъпки
- Определяме за какво ще използвате данните и кои полета са ви нужни
- Преглеждаме източниците, условията и, ако има лични данни, как се вписват в GDPR
- Тестваме извличането върху проба и измерваме качеството му
- Съгласуваме с вас правилата за почистване и дедупликация
- Обработваме целия набор от данни и го предаваме с доклад за качеството
Проекти, които подхождат, и проекти, които не
Подходящи случаи
Каталози на доставчици в PDF, които трябва да влязат в магазина ви, клиентски бази с много дубликати преди миграция на CRM, публични цени на пазар, който искате да следите, или отворени данни за проучване.
Не подхождат
Събиране на имейли или телефонни номера за студени кампании, копиране на защитено съдържание, за да се публикува отново, или извличане на данни от сайтове, които изрично го забраняват. Също така не, ако търсите правно мнение – това е работа за адвокат.
Какво включва всяка доставка
Данни и документация
- Чист набор от данни в уговорения формат
- Речник на данните с всяко поле, неговия произход и формат
- Доклад за качеството: обработени записи, слети дубликати и съмнителни случаи
- Документиран скрипт или работен процес в n8n за повтаряне на процеса
- Журнал на източниците и датата на всяко извличане
Ако процесът се повтаря
Работният процес работи на сървър, който плащате – n8n Cloud или собствен VPS, с цената му, включена в офертата, и остава на ваше име.
7-дневен пробен период с реален набор от данни
От проба до резултат
Реалистична опция е почистване и дедупликация на вашата клиентска база или на каталог, или автоматизиране на извличането от един конкретен публичен източник. Започваме от проба, съгласуваме правилата и предаваме резултата с доклада за качеството. Преди да докоснем нито един запис, съгласуваме в писмена форма обхвата, датите и условията.
ЧЗВ
Често задавани въпроси
Законно ли е да се извличат данни от публичен уебсайт?
Зависи от това кои данни, кой сайт и за какво. Условията за ползване на сайта, правата върху съдържанието му и, ако са замесени лични данни, GDPR – всичко това има значение. Прилагаме предпазливи технически критерии и посочваме рисковете, които виждаме, но не даваме правна консултация: в съмнителни случаи решете с вашия адвокат.
Какво става, ако уебсайтът промени дизайна си?
Извличането от уебсайтове се счупва, когато се промени структурата на страницата. Затова предпочитаме официалните API или изтеглянията, когато съществуват, добавяме проверки, които ви предупреждават, ако данните пристигнат празни или в необичайни формати, и документираме как да се коригира процесът. Ако ви е нужно, поддръжката се уговаря отделно.
Можете ли да извлечете данни от сканирани PDF файлове?
Да, с OCR, а за сложни документи го комбинираме с AI модели, които извличат конкретни полета, като суми, дати или референции. Качеството зависи от сканирането, затова валидираме върху проба, маркираме полетата с ниска увереност и проверяваме сумите, когато документът ги съдържа.
Как откривате дубликатите?
Комбинираме точни правила, например един и същ данъчен номер или имейл, с нечеткото сравнение на имена и адреси, което отчита съкращения, диакритични знаци или печатни грешки. Ясните случаи се сливат автоматично, а съмнителните отиват в списък, който вашият екип решава. Нашата демонстрация за автоматизация на заявки показва идеята: това е симулация в браузъра, а не реален работен процес.
Контакт
Кои данни ви отнемат най-много време днес?
Изпратете ни проба или опишете източника и начина, по който се използва. Ще ви кажем дали е осъществимо, с какви ограничения и как би изглеждал 7-дневният пробен период.