חילוץ
- אתרים ציבוריים, תוך כיבוד תנאי השימוש שלהם ובלי להעמיס עליהם
- קובצי PDF, חשבוניות ומסמכים סרוקים עם OCR
- קבצי Excel, CSV וייצואים מתוכנות אחרות
- ממשקי API רשמיים ופורטלי נתונים פתוחים, כשהם קיימים
שירות של Nexura Digital
חילוץ וניקוי נתונים, כדי שתעבדו עם מידע אמין
אנחנו אוספים נתונים מאתרים ציבוריים, ממסמכים ומגיליונות, מנקים אותם ומספקים אותם בפורמט יציב, בתהליך שניתן לחזור עליו.
אנחנו מחלצים נתונים מאתרים ציבוריים, קובצי PDF, קבצי Excel ומקורות אחרים, מנרמלים אותם, מסירים כפילויות ומספקים אותם מוכנים ל-CRM, לחנות או לניתוח שלכם. זה מיועד לחברות עם רשימות, קטלוגים או רשומות מבולגנים שרוצות שהעבודה תיעשה בחוקיות ובתיעוד. אפשר להתחיל בניסיון של 7 ימים על מערך נתונים אחד ומוגדר.
מה אנחנו עושים עם הנתונים שלכם
ניקוי ונרמול
- תאריכים, מספרי טלפון ומדינות בפורמטים סטנדרטיים כמו ISO 8601 או E.164
- זיהוי כפילויות גם כשהן כתובות בצורות שונות
- פיצול שדות ואיחוד יחידות מידה
- רשומות מפוקפקות מסומנות לבדיקה, לא נמחקות
טעינה וחזרתיות
אנחנו מספקים בגיליון, בקובץ CSV או ישירות למסד הנתונים או ל-CRM שלכם. אם המקור ממשיך להתעדכן, נשאיר זרימת עבודה של n8n או סקריפט מתוזמן.
חוקי ומסודר: הגבולות שאנחנו מכבדים
זו עזרה טכנית ולא ייעוץ משפטי: אם לפרויקט יש שאלות משפטיות, עורך הדין שלכם צריך לבחון אותן לפני שנתחיל.
תנאי שימוש ו-robots.txt
אנחנו קוראים את תנאי השימוש של כל אתר ואת קובץ ה-robots.txt שלו, התקן (RFC 9309) שבו אתר מציין מה הוא לא רוצה שייסרק. אנחנו לא עוקפים כניסות, חומות תשלום או CAPTCHA, ומגבילים את קצב הבקשות.
מידע אישי ו-GDPR
פומבי לא פירושו שמיש לכל מטרה: ה-GDPR מגן גם על מידע אישי שפורסם. אנחנו אוספים רק את השדות הנדרשים ולעולם לא בונים רשימות לשליחת הודעות מסחריות שלא התבקשו.
איך העבודה מתנהלת
חמישה שלבים
- מגדירים למה תשתמשו בנתונים ואילו שדות אתם צריכים
- בודקים מקורות, תנאים ואם יש מידע אישי, איך הוא מתיישב עם ה-GDPR
- בודקים את החילוץ על מדגם ומודדים את איכותו
- מסכימים איתכם על כללי ניקוי ודה-דופליקציה
- מעבדים את מערך הנתונים המלא ומספקים אותו עם דוח איכות
פרויקטים שמתאימים ופרויקטים שלא
התאמות טובות
קטלוגי ספקים ב-PDF שצריכים להיכנס לחנות שלכם, מאגרי לקוחות מלאים בכפילויות לפני מעבר ל-CRM, מחירים ציבוריים בשוק שאתם רוצים לעקוב אחריו, או נתונים פתוחים למחקר.
לא מתאים
איסוף כתובות מייל או טלפונים לקמפיינים קרים, העתקת תוכן מוגן כדי לפרסם אותו מחדש, או חילוץ נתונים מאתרים שאוסרים זאת במפורש. גם אם אתם צריכים חוות דעת משפטית: זה עניין לעורך דין.
מה כל מסירה כוללת
נתונים ותיעוד
- מערך נתונים נקי בפורמט שסוכם
- מילון נתונים עם כל שדה, מקורו והפורמט שלו
- דוח איכות: רשומות שעובדו, כפילויות שאוחדו ומקרים מפוקפקים
- סקריפט מתועד או זרימת n8n לחזרה על התהליך
- יומן מקורות ותאריך כל חילוץ
אם התהליך חוזר על עצמו
הזרימה רצה על שרת ששילמתם עליו, ב-n8n Cloud או ב-VPS משלכם. העלות שלו כלולה בהצעה, והוא נשאר על שמכם.
ניסיון של 7 ימים עם מערך נתונים אמיתי
ממדגם לתוצאה
אפשרות ריאלית היא ניקוי ודה-דופליקציה של בסיס הלקוחות או הקטלוג שלכם, או אוטומציה של חילוץ ממקור ציבורי אחד ומוגדר. מתחילים ממדגם, מסכימים על הכללים ומספקים את התוצאה עם דוח האיכות. לפני שנגע ברשומה אחת, מסכימים בכתב על ההיקף, התאריכים והתנאים.
FAQ
שאלות נפוצות
האם זה חוקי לחלץ נתונים מאתר ציבורי?
זה תלוי במידע, באתר ובמטרה. תנאי השימוש של האתר, הזכויות על התוכן שלו ואם מעורב מידע אישי, ה-GDPR, כולם משחקים תפקיד. אנחנו מיישמים קריטריונים טכניים זהירים ומצביעים על הסיכונים שאנחנו רואים, אבל לא נותנים ייעוץ משפטי: במקרים מפוקפקים, מחליטים עם עורך הדין שלכם.
מה קורה אם האתר משנה את העיצוב שלו?
חילוצים מאתרים נשברים כשמבנה הדף משתנה. לכן אנחנו מעדיפים APIs רשמיים או הורדות כשהם קיימים, מוסיפים בדיקות שמתריעות אם מידע מגיע ריק או בפורמט לא צפוי, ומתעדים איך להתאים את התהליך. אם תצטרכו, התחזוקה מוסכמת בנפרד.
אפשר לחלץ נתונים מקובצי PDF סרוקים?
כן, עם OCR, ובמסמכים מורכבים אנחנו משלבים אותו במודלים של AI שמוציאים שדות מסוימים, כמו סכומים, תאריכים או מספרי אסמכתא. האיכות תלויה בסריקה, ולכן אנחנו מאמתים על מדגם, מסמנים שדות עם ביטחון נמוך ובודקים סכומים כשהמסמך כולל אותם.
איך מזהים כפילויות?
אנחנו משלבים כללים מדויקים, כמו אותו מספר זיהוי מס או אותו מייל, עם התאמה מטושטשת של שמות וכתובות שמתחשבת בקיצורים, בניקוד ובשגיאות כתיב. מקרים ברורים מתאחדים אוטומטית, ומקרים מפוקפקים עוברים לרשימה שהצוות שלכם מחליט עליה. דמו הבקשות האוטומטיות שלנו מדגים את הרעיון: זו סימולציה בדפדפן ולא זרימת עבודה אמיתית.
יצירת קשר
אילו נתונים גוזלים מכם הכי הרבה זמן היום?
שלחו לנו מדגם או תארו את המקור ואת השימוש בו. נגיד לכם אם זה אפשרי, עם אילו מגבלות ומה ייראה ניסיון של 7 ימים.