Izdvajanje
- Javne web stranice, uz poštovanje njihovih uvjeta i bez njihova preopterećivanja
- PDF-ove, račune i skenirane dokumente pomoću OCR-a
- Excel, CSV i izvoze iz drugog softvera
- Službene API-je i portale otvorenih podataka, kada postoje
Usluga Nexura Digital
Izdvajanje i čišćenje podataka za rad s pouzdanim informacijama
Prikupljamo podatke s javnih web stranica, iz dokumenata i tablica, čistimo ih i isporučujemo u stabilnom formatu, ponovljivim postupkom.
Izdvajamo podatke s javnih web stranica, iz PDF-ova, Excel datoteka i drugih izvora, normaliziramo ih, uklanjamo duplikate i isporučujemo spremne za vaš CRM, trgovinu ili analizu. Namijenjeno je tvrtkama s neurednim popisima, katalozima ili evidencijama koje žele posao obavljen zakonito i dokumentirano. Možete početi 7-dnevnom probom na jednom konkretnom skupu podataka.
Što radimo s vašim podacima
Čišćenje i normalizacija
- Datumi, telefonski brojevi i države u standardnim formatima poput ISO 8601 ili E.164
- Duplikati otkriveni čak i kada su napisani drugačije
- Razdvojena polja i ujednačene jedinice
- Sumnjivi zapisi označeni za pregled, a ne obrisani
Učitavanje i ponavljanje
Isporučujemo u tablici, CSV datoteci ili izravno u vašu bazu podataka ili CRM. Ako se izvor i dalje ažurira, ostavljamo n8n tijek rada ili zakazani skript.
Zakonito i uredno: granice kojih se držimo
Ovo je tehnička pomoć, a ne pravni savjet: ako projekt otvara pravna pitanja, vaš odvjetnik ih treba procijeniti prije početka.
Uvjeti korištenja i robots.txt
Čitamo uvjete korištenja svake stranice i njezin robots.txt, standard (RFC 9309) kojim stranica kaže što ne želi da se pregledava. Ne zaobilazimo prijave, naplatne zidove ni CAPTCHA-e i ograničavamo učestalost zahtjeva.
Osobni podaci i GDPR
Javno ne znači upotrebljivo u bilo koju svrhu: GDPR štiti i objavljene osobne podatke. Prikupljamo samo potrebna polja i nikada ne sastavljamo popise za neželjene komercijalne poruke.
Kako teče posao
Pet koraka
- Definiramo za što ćete podatke koristiti i koja su vam polja potrebna
- Pregledavamo izvore, uvjete i, ako postoje osobni podaci, usklađenost s GDPR-om
- Testiramo izdvajanje na uzorku i mjerimo kvalitetu
- Dogovaramo s vama pravila čišćenja i uklanjanja duplikata
- Obrađujemo cijeli skup podataka i isporučujemo ga s izvješćem o kvaliteti
Projekti koji odgovaraju i oni koji ne odgovaraju
Dobri primjeri
Katalozi dobavljača u PDF-u koje treba unijeti u vašu trgovinu, baze kupaca pune duplikata prije migracije CRM-a, javne cijene na tržištu koje želite pratiti ili otvoreni podaci za studiju.
Ne odgovara
Prikupljanje e-adresa ili telefonskih brojeva za hladne kampanje, kopiranje zaštićenog sadržaja radi ponovne objave ili izdvajanje podataka sa stranica koje to izričito zabranjuju. Ne odgovara ni ako trebate pravno mišljenje: to je posao odvjetnika.
Što uključuje svaka isporuka
Podaci i dokumentacija
- Čist skup podataka u dogovorenom formatu
- Rječnik podataka sa svakim poljem, njegovim izvorom i formatom
- Izvješće o kvaliteti: obrađeni zapisi, spojeni duplikati i sumnjivi slučajevi
- Dokumentirani skript ili n8n tijek rada za ponavljanje postupka
- Zapisnik izvora i datuma svakog izdvajanja
Ako se postupak ponavlja
Tijek rada radi na poslužitelju koji plaćate, n8n Cloud ili vlastitom VPS-u, a trošak je uključen u ponudu; ostaje na vaše ime.
7-dnevna proba sa stvarnim skupom podataka
Od uzorka do rezultata
Realna opcija je čišćenje i uklanjanje duplikata iz vaše baze kupaca ili kataloga ili automatizacija izdvajanja iz jednog konkretnog javnog izvora. Krećemo od uzorka, dogovaramo pravila i isporučujemo rezultat s izvješćem o kvaliteti. Prije nego što dotaknemo i jedan zapis, u pisanom obliku dogovaramo opseg, datume i uvjete.
FAQ
Česta pitanja
Je li zakonito izdvajati podatke s javne web stranice?
Ovisi o tome koji podaci, koja stranica i za što. U obzir dolaze uvjeti korištenja stranice, prava na njezin sadržaj i, ako su uključeni osobni podaci, GDPR. Primjenjujemo oprezne tehničke kriterije i upozoravamo na rizike koje vidimo, ali ne dajemo pravni savjet: u dvojbenim slučajevima odlučite s odvjetnikom.
Što se događa ako web stranica promijeni dizajn?
Izdvajanja s web stranica pucaju kada se struktura stranice promijeni. Zato radije koristimo službene API-je ili preuzimanja kada postoje, dodajemo provjere koje vas upozore ako podaci stignu prazni ili u neobičnom formatu i dokumentiramo kako prilagoditi postupak. Ako je potrebno, održavanje se dogovara zasebno.
Mogu li izdvojiti podatke iz skeniranih PDF-ova?
Da, pomoću OCR-a, a za složene dokumente kombiniramo ga s AI modelima koji izvlače određena polja, poput iznosa, datuma ili referenci. Kvaliteta ovisi o skenu, pa provjeravamo na uzorku, označavamo polja niske pouzdanosti i kontroliramo zbrojeve kada ih dokument sadrži.
Kako otkrivate duplikate?
Kombiniramo stroga pravila, poput istog OIB-a ili iste e-adrese, s približnim podudaranjem imena i adresa koje uzima u obzir kratice, dijakritike ili tipkarske pogreške. Jasni slučajevi se automatski spajaju, a sumnjivi idu na popis za odluku vašeg tima. Naša demonstracija automatizacije zahtjeva prikazuje tu ideju: to je simulacija u pregledniku, a ne stvaran tijek rada.
Kontakt
Koji podaci vam danas oduzimaju najviše vremena?
Pošaljite nam uzorak ili opišite izvor i njegovu namjenu. Reći ćemo vam je li izvedivo, s kojim ograničenjima i kako bi izgledala 7-dnevna proba.