Udtræk
- Offentlige websteder, under hensyn til deres vilkår og uden at overbelaste dem
- PDF'er, fakturaer og scannede dokumenter med OCR
- Excel, CSV og eksporter fra andre programmer
- Officielle API'er og åbne dataportaler, når de findes
Nexura Digital-ydelse
Dataudtræk og datarensning, så du kan arbejde med pålidelige oplysninger
Vi indsamler data fra offentlige websteder, dokumenter og regneark, renser dem og leverer dem i et stabilt format med en gentagelig proces.
Vi udtrækker data fra offentlige websteder, PDF'er, Excel-filer og andre kilder, normaliserer dem, fjerner dubletter og leverer dem klar til dit CRM, din webbutik eller din analyse. Det er til virksomheder med rodede lister, kataloger eller registre, der vil have arbejdet udført lovligt og dokumenteret. Du kan starte med en 7-dages test på ét specifikt datasæt.
Hvad vi gør med dine data
Rensning og normalisering
- Datoer, telefonnumre og lande i standardformater som ISO 8601 eller E.164
- Dubletter fanget, selv når de er skrevet forskelligt
- Opdelte felter og ensartede enheder
- Tvivlsomme poster markeret til gennemgang, ikke slettet
Indlæsning og gentagelse
Vi leverer i et regneark, en CSV-fil eller direkte i din database eller dit CRM. Hvis kilden fortsat opdateres, efterlader vi et n8n-workflow eller et planlagt script.
Lovligt og ordentligt: de grænser, vi respekterer
Dette er teknisk bistand, ikke juridisk rådgivning: hvis et projekt rejser juridiske spørgsmål, bør din advokat vurdere det, før vi går i gang.
Brugsvilkår og robots.txt
Vi læser hvert websteds brugsvilkår og dets robots.txt, standarden (RFC 9309), som et websted bruger til at angive, hvad det ikke vil have crawlet. Vi omgår ikke logins, betalingsmure eller CAPTCHA'er, og vi begrænser antallet af forespørgsler.
Personoplysninger og GDPR
Offentligt betyder ikke brugbart til alle formål: GDPR beskytter også personoplysninger, der er offentliggjort. Vi indsamler kun de nødvendige felter og bygger aldrig lister til uopfordrede kommercielle beskeder.
Sådan forløber arbejdet
Fem trin
- Vi definerer, til hvad du skal bruge dataene, og hvilke felter du har brug for
- Vi gennemgår kilder, vilkår og, hvis der er personoplysninger, hvordan det passer med GDPR
- Vi tester udtrækket på en prøve og måler dens kvalitet
- Vi bliver enige med dig om regler for rensning og dublethåndtering
- Vi behandler hele datasættet og leverer det med en kvalitetsrapport
Projekter, der passer, og projekter, der ikke gør
Gode match
Leverandørkataloger i PDF, der skal ind i din webbutik, kundedatabaser fyldt med dubletter før en CRM-migrering, offentlige priser på et marked, du vil følge, eller åbne data til et studie.
Ikke et match
Indsamling af e-mails eller telefonnumre til kolde kampagner, kopiering af beskyttet indhold for at udgive det igen, eller udtræk fra websteder, der udtrykkeligt forbyder det. Og heller ikke hvis du har brug for en juridisk vurdering: det er en advokats opgave.
Hvad hver leverance omfatter
Data og dokumentation
- Et rent datasæt i det aftalte format
- En dataordbog med hvert felt, dets oprindelse og format
- En kvalitetsrapport: behandlede poster, sammenlagte dubletter og tvivlsomme tilfælde
- Et dokumenteret script eller n8n-workflow til at gentage processen
- En log over kilder og datoen for hvert udtræk
Hvis processen gentages
Workflowet kører på en server, du betaler for: n8n Cloud eller din egen VPS, med omkostningen inkluderet i tilbuddet, og det forbliver i dit navn.
7-dages test med et rigtigt datasæt
Fra prøve til resultat
En realistisk mulighed er at rense og fjerne dubletter i din kundebase eller et katalog, eller at automatisere udtræk fra én bestemt offentlig kilde. Vi starter fra en prøve, bliver enige om reglerne og leverer resultatet med dets kvalitetsrapport. Før vi rører en eneste post, aftaler vi skriftligt omfang, datoer og vilkår.
FAQ
Ofte stillede spørgsmål
Er det lovligt at udtrække data fra et offentligt websted?
Det afhænger af hvilke data, hvilket websted og til hvad. Webstedets brugsvilkår, rettighederne til dets indhold og, hvis der er personoplysninger, GDPR spiller alle en rolle. Vi anvender forsigtige tekniske kriterier og peger på de risici, vi ser, men vi giver ikke juridisk rådgivning: i tvivlstilfælde beslutter du sammen med din advokat.
Hvad sker der, hvis websitet ændrer sit design?
Udtræk fra websteder går i stykker, når sidens struktur ændres. Derfor foretrækker vi officielle API'er eller downloads, når de findes, tilføjer kontroller, der advarer dig, hvis data kommer tomme eller i mærkelige formater, og dokumenterer, hvordan processen justeres. Hvis du har brug for det, aftales vedligeholdelse særskilt.
Kan I udtrække data fra scannede PDF'er?
Ja, med OCR, og til komplekse dokumenter kombinerer vi det med AI-modeller, der henter bestemte felter ud, såsom beløb, datoer eller referencer. Kvaliteten afhænger af scanningen, så vi validerer på en prøve, markerer felter med lav sikkerhed og kontrollerer summer, når dokumentet indeholder dem.
Hvordan finder I dubletter?
Vi kombinerer faste regler, f.eks. samme skatte-id eller e-mail, med fuzzy matching på navne og adresser, der tager højde for forkortelser, accenter eller tastefejl. Klare tilfælde sammenlægges automatisk, og tvivlsomme går til en liste, som dit team kan beslutte om. Vores demo af anmodningsautomatisering viser idéen: det er en simulation i browseren, ikke et rigtigt workflow.
Kontakt
Hvilke data koster dig mest tid i dag?
Send os en prøve, eller beskriv kilden og dens brug. Vi fortæller dig, om det er muligt, med hvilke begrænsninger, og hvordan 7-dages testen ville se ud.