Ekstraksi
- Situs web publik, dengan menghormati ketentuan mereka dan tanpa membebani server mereka
- PDF, faktur, dan dokumen hasil pindai dengan OCR
- Excel, CSV, dan ekspor dari perangkat lunak lain
- API resmi dan portal data terbuka, jika tersedia
Layanan Nexura Digital
Ekstraksi dan pembersihan data agar Anda bisa bekerja dengan informasi yang andal
Kami mengumpulkan data dari situs web publik, dokumen, dan spreadsheet, membersihkannya, lalu menyerahkannya dalam format yang stabil dengan proses yang bisa diulang.
Kami mengekstrak data dari situs web publik, PDF, file Excel, dan sumber lain, menormalkannya, menghapus duplikat, dan menyerahkannya siap untuk CRM, toko, atau analisis Anda. Layanan ini untuk perusahaan dengan daftar, katalog, atau catatan yang berantakan dan ingin pekerjaannya dilakukan secara legal dan terdokumentasi. Anda bisa memulai uji coba 7 hari dengan satu kumpulan data yang spesifik.
Yang kami lakukan dengan data Anda
Pembersihan dan normalisasi
- Tanggal, nomor telepon, dan negara dalam format standar seperti ISO 8601 atau E.164
- Duplikat yang terdeteksi meskipun penulisannya berbeda
- Bidang yang dipisah dan satuan yang diseragamkan
- Catatan yang meragukan ditandai untuk ditinjau, bukan dihapus
Pemuatan dan pengulangan
Kami menyerahkan dalam spreadsheet, file CSV, atau langsung ke basis data atau CRM Anda. Jika sumbernya terus diperbarui, kami meninggalkan alur kerja n8n atau skrip terjadwal.
Legal dan tertib: batasan yang kami hormati
Ini bantuan teknis, bukan nasihat hukum: jika sebuah proyek menimbulkan pertanyaan hukum, pengacara Anda sebaiknya menilainya sebelum kami mulai.
Ketentuan penggunaan dan robots.txt
Kami membaca ketentuan penggunaan setiap situs dan robots.txt-nya, standar (RFC 9309) yang digunakan situs untuk menyatakan apa yang tidak boleh di-crawl. Kami tidak melewati login, paywall, atau CAPTCHA, dan kami membatasi laju permintaan.
Data pribadi dan GDPR
Bersifat publik tidak berarti bisa digunakan untuk tujuan apa pun: GDPR juga melindungi data pribadi yang telah dipublikasikan. Kami hanya mengumpulkan bidang yang dibutuhkan dan tidak pernah membuat daftar untuk pesan komersial yang tidak diminta.
Cara pekerjaan berjalan
Lima langkah
- Kami menentukan untuk apa Anda akan menggunakan data dan bidang apa yang Anda butuhkan
- Kami meninjau sumber, ketentuan, dan, jika ada data pribadi, kesesuaiannya dengan GDPR
- Kami menguji ekstraksi pada sampel dan mengukur kualitasnya
- Kami menyepakati aturan pembersihan dan deduplikasi bersama Anda
- Kami memproses seluruh kumpulan data dan menyerahkannya dengan laporan kualitas
Proyek yang cocok dan yang tidak
Kecocokan yang baik
Katalog pemasok dalam PDF yang perlu masuk ke toko Anda, basis data pelanggan yang penuh duplikat sebelum migrasi CRM, harga publik di pasar yang ingin Anda pantau, atau data terbuka untuk sebuah studi.
Tidak cocok
Mengumpulkan email atau nomor telepon untuk kampanye dingin, menyalin konten yang dilindungi untuk diterbitkan ulang, atau mengekstrak data dari situs yang secara tegas melarangnya. Juga tidak cocok jika Anda membutuhkan opini hukum: itu tugas pengacara.
Yang disertakan dalam setiap penyerahan
Data dan dokumentasi
- Kumpulan data bersih dalam format yang disepakati
- Kamus data dengan setiap bidang, asal, dan formatnya
- Laporan kualitas: jumlah catatan yang diproses, duplikat yang digabungkan, dan kasus yang meragukan
- Skrip atau alur kerja n8n yang terdokumentasi untuk mengulang proses
- Log sumber dan tanggal setiap ekstraksi
Jika prosesnya berulang
Alur kerja berjalan di server yang Anda bayar, n8n Cloud atau VPS Anda sendiri, dengan biayanya sudah termasuk dalam penawaran, dan tetap atas nama Anda.
Uji coba 7 hari dengan kumpulan data nyata
Dari sampel hingga hasil
Pilihan yang realistis adalah membersihkan dan menghapus duplikat basis pelanggan atau katalog Anda, atau mengotomatisasi ekstraksi dari satu sumber publik tertentu. Kami mulai dari sampel, menyepakati aturannya, dan menyerahkan hasilnya beserta laporan kualitasnya. Sebelum kami menyentuh satu catatan pun, kami menyepakati secara tertulis cakupan, tanggal, dan syarat.
FAQ
Pertanyaan yang Sering Diajukan
Apakah legal mengekstrak data dari situs web publik?
Tergantung data apa, situs mana, dan untuk apa. Ketentuan penggunaan situs, hak atas kontennya, dan, jika menyangkut data pribadi, GDPR, semuanya berperan. Kami menerapkan kriteria teknis yang hati-hati dan menunjukkan risiko yang kami lihat, tetapi kami tidak memberikan nasihat hukum: dalam kasus yang meragukan, putuskan bersama pengacara Anda.
Apa yang terjadi jika situs web mengubah desainnya?
Ekstraksi dari situs web rusak ketika struktur halaman berubah. Itulah sebabnya kami lebih memilih API resmi atau unduhan bila tersedia, menambahkan pemeriksaan yang memberi tahu Anda jika data datang kosong atau dengan format yang janggal, dan mendokumentasikan cara menyesuaikan proses. Jika Anda membutuhkannya, pemeliharaan disepakati secara terpisah.
Bisakah Anda mengekstrak data dari PDF hasil pindai?
Bisa, dengan OCR, dan untuk dokumen yang kompleks kami menggabungkannya dengan model AI yang mengambil bidang tertentu seperti jumlah, tanggal, atau referensi. Kualitasnya bergantung pada hasil pindai, jadi kami memvalidasi pada sampel, menandai bidang dengan tingkat keyakinan rendah, dan memeriksa total bila dokumen menyertakannya.
Bagaimana Anda mendeteksi duplikat?
Kami menggabungkan aturan pasti, misalnya NPWP atau nomor pajak atau email yang sama, dengan pencocokan kabur pada nama dan alamat yang memperhitungkan singkatan, aksen, atau salah ketik. Kasus yang jelas digabung otomatis, dan yang meragukan masuk ke daftar untuk diputuskan tim Anda. Demo otomatisasi permintaan kami menunjukkan gagasannya: itu simulasi di browser, bukan alur kerja nyata.
Kontak
Data mana yang paling banyak menyita waktu Anda saat ini?
Kirimkan sampel atau jelaskan sumber dan penggunaannya. Kami akan memberi tahu apakah ini layak, dengan batasan apa, dan seperti apa uji coba 7 harinya.