Extracción
- Webs públicas, respetando sus condiciones y sin saturarlas
- PDF, facturas y documentos escaneados con OCR
- Excel, CSV y exportaciones de otros programas
- API oficiales y portales de datos abiertos, cuando existen
Servicio Nexura Digital
Extracción y limpieza de datos para trabajar con información fiable
Recogemos datos de webs públicas, documentos y hojas de cálculo, los limpiamos y te los entregamos en un formato estable y con un proceso repetible.
Extraemos datos de webs públicas, PDF, Excel y otras fuentes, los normalizamos, eliminamos duplicados y te los entregamos listos para tu CRM, tu tienda o tus análisis. Es para empresas con listados, catálogos o registros desordenados que quieren hacerlo de forma legal y documentada. Puedes empezar con una prueba de 7 días sobre un conjunto concreto.
Qué hacemos con tus datos
Limpieza y normalización
- Fechas, teléfonos y países en formatos estándar, como ISO 8601 o E.164
- Duplicados detectados aunque estén escritos de otra forma
- Campos separados y unidades unificadas
- Registros dudosos marcados para revisión, no borrados
Carga y repetición
Entregamos en hoja de cálculo, CSV o directamente en tu base de datos o CRM. Si la fuente se actualiza, dejamos un flujo de n8n o un script programado.
Legal y ordenado: los límites que respetamos
Es asistencia técnica, no asesoría legal: si un proyecto plantea dudas jurídicas, tu abogado debe valorarlo antes de empezar.
Condiciones de uso y robots.txt
Leemos los términos de uso de cada web y su robots.txt, el estándar (RFC 9309) con el que un sitio indica qué no quiere que se rastree. No sorteamos contraseñas, muros de pago ni CAPTCHA, y limitamos la frecuencia de peticiones.
Datos personales y RGPD
Que un dato sea público no significa que se pueda usar para cualquier fin: el RGPD también protege los datos personales publicados. Recogemos solo los campos necesarios y no creamos listas para envíos comerciales no solicitados.
Proceso de trabajo
Cinco pasos
- Definimos para qué usarás los datos y qué campos necesitas
- Revisamos fuentes, condiciones y, si hay datos personales, su encaje con el RGPD
- Probamos la extracción con una muestra y medimos su calidad
- Acordamos contigo las reglas de limpieza y deduplicación
- Procesamos el conjunto completo y lo entregamos con un informe de calidad
Casos que encajan y casos que no
Encajan
Catálogos de proveedores en PDF que hay que pasar a tu tienda, bases de clientes con duplicados antes de cambiar de CRM, precios públicos de un mercado que quieres seguir o datos abiertos para un estudio.
No encajan
Recopilar emails o teléfonos para campañas en frío, copiar contenidos protegidos para republicarlos o extraer datos de sitios que lo prohíben expresamente. Tampoco si necesitas un dictamen legal: eso es trabajo de un abogado.
Qué recibes en cada entrega
Datos y documentación
- Conjunto de datos limpio en el formato acordado
- Diccionario de datos con cada campo, su origen y su formato
- Informe de calidad: registros procesados, duplicados unidos y casos dudosos
- Script o flujo de n8n documentado para repetir el proceso
- Registro de fuentes y fecha de cada extracción
Si el proceso se repite
El flujo se ejecuta en un servidor que pagas tú, n8n Cloud o tu propio VPS, con su coste incluido en el presupuesto, y queda a tu nombre.
Prueba de 7 días con un conjunto de datos real
De la muestra al resultado
Una opción realista es limpiar y deduplicar tu base de clientes o un catálogo, o automatizar la extracción de una fuente pública concreta. Partimos de una muestra, acordamos las reglas y entregamos el resultado con su informe de calidad. Antes de tocar un solo dato, acordamos por escrito alcance, fechas y condiciones.
FAQ
Preguntas frecuentes
¿Es legal extraer datos de una web pública?
Depende de qué datos, de qué web y para qué. Influyen las condiciones de uso del sitio, los derechos sobre su contenido y, si hay datos personales, el RGPD. Aplicamos criterios técnicos prudentes y te señalamos los riesgos que vemos, pero no damos asesoría legal: en casos dudosos, decide con tu abogado.
¿Qué pasa si la web cambia su diseño?
Las extracciones de webs se rompen cuando cambia la estructura de la página. Por eso preferimos API o descargas oficiales cuando existen, añadimos comprobaciones que avisan si llegan datos vacíos o con formatos extraños y documentamos cómo ajustar el proceso. Si lo necesitas, el mantenimiento se acuerda aparte.
¿Podéis sacar datos de PDF escaneados?
Sí, con OCR, y en documentos complejos lo combinamos con modelos de IA que extraen campos concretos, como importes, fechas o referencias. La calidad depende del escaneo, así que validamos con una muestra, marcamos los campos de baja confianza y comprobamos los totales cuando el documento los incluye.
¿Cómo detectáis los duplicados?
Combinamos reglas exactas, como el mismo NIF o email, con comparaciones aproximadas de nombres y direcciones que tienen en cuenta abreviaturas, tildes o erratas. Los casos claros se unen solos y los dudosos quedan en una lista para que decida tu equipo. Nuestra demo de automatización de solicitudes muestra la idea: es una simulación en el navegador, no un flujo real.
Contacto
¿Qué datos te hacen perder más tiempo hoy?
Envíanos una muestra o describe la fuente y su uso. Te diremos si es viable, con qué límites y cómo sería la prueba de 7 días.
Herramientas
Descubre por dónde empezar en un minuto.
Herramientas
¿Qué quieres mejorar?
Elige un objetivo y te proponemos los servicios que mejor encajan.