Extraktion
- Offentliga webbplatser, med respekt för deras villkor och utan att överbelasta dem
- PDF-filer, fakturor och skannade dokument med OCR
- Excel, CSV och exporter från annan programvara
- Officiella API:er och öppna dataportaler, när sådana finns
Nexura Digital-tjänst
Dataextraktion och rensning så att du kan arbeta med tillförlitlig information
Vi samlar in data från offentliga webbplatser, dokument och kalkylblad, rensar den och levererar den i ett stabilt format med en upprepbar process.
Vi extraherar data från offentliga webbplatser, PDF-filer, Excel-filer och andra källor, normaliserar den, tar bort dubbletter och levererar den redo för ditt CRM, din butik eller din analys. Det är för företag med röriga listor, kataloger eller register som vill att arbetet görs lagligt och dokumenterat. Du kan börja med ett 7-dagarstest kring ett specifikt dataset.
Vad vi gör med din data
Rensning och normalisering
- Datum, telefonnummer och länder i standardformat som ISO 8601 eller E.164
- Dubbletter identifieras även när de är skrivna på olika sätt
- Uppdelade fält och enhetliga enheter
- Tvivelaktiga poster flaggas för granskning i stället för att raderas
Inläsning och upprepning
Vi levererar i ett kalkylblad, en CSV-fil eller direkt till din databas eller ditt CRM. Om källan fortsätter att uppdateras lämnar vi kvar ett n8n-flöde eller ett schemalagt skript.
Lagligt och ordnat: gränserna vi respekterar
Detta är tekniskt bistånd, inte juridisk rådgivning: om ett projekt väcker juridiska frågor bör din jurist bedöma det innan vi börjar.
Användarvillkor och robots.txt
Vi läser varje webbplats användarvillkor och dess robots.txt, standarden (RFC 9309) som en webbplats använder för att ange vad den inte vill ska crawlas. Vi kringgår inte inloggningar, betalväggar eller CAPTCHA:er, och vi begränsar hur ofta vi skickar förfrågningar.
Personuppgifter och GDPR
Offentlig betyder inte användbar för vilket syfte som helst: GDPR skyddar även personuppgifter som har publicerats. Vi samlar bara in de fält som behövs och bygger aldrig listor för oönskade kommersiella meddelanden.
Så går arbetet till
Fem steg
- Vi definierar vad du ska använda datan till och vilka fält du behöver
- Vi granskar källor, villkor och, om det finns personuppgifter, hur det förhåller sig till GDPR
- Vi testar extraktionen på ett urval och mäter dess kvalitet
- Vi kommer överens med dig om regler för rensning och dubblettborttagning
- Vi bearbetar hela datasetet och levererar det med en kvalitetsrapport
Projekt som passar och projekt som inte passar
Bra passform
Leverantörskataloger i PDF som ska in i din butik, kunddatabaser fulla av dubbletter före en CRM-migrering, offentliga priser på en marknad du vill följa, eller öppen data till en studie.
Passar inte
Att samla in e-postadresser eller telefonnummer till kalla kampanjer, att kopiera skyddat innehåll för att publicera det igen, eller att extrahera data från webbplatser som uttryckligen förbjuder det. Inte heller om du behöver ett juridiskt yttrande: det är en jurists uppgift.
Vad varje leverans innehåller
Data och dokumentation
- Ett rent dataset i överenskommet format
- En datakatalog med varje fält, dess ursprung och format
- En kvalitetsrapport: bearbetade poster, sammanslagna dubbletter och tvivelaktiga fall
- Ett dokumenterat skript eller n8n-flöde för att upprepa processen
- En logg över källor och datum för varje extraktion
Om processen upprepas
Flödet körs på en server du betalar för, n8n Cloud eller din egen VPS, med kostnaden inräknad i offerten, och det står i ditt namn.
7-dagarstest med ett verkligt dataset
Från urval till resultat
Ett realistiskt alternativ är att rensa och deduplicera din kundbas eller en katalog, eller att automatisera extraktionen från en specifik offentlig källa. Vi börjar med ett urval, kommer överens om reglerna och levererar resultatet med dess kvalitetsrapport. Innan vi rör en enda post kommer vi överens skriftligt om omfattning, datum och villkor.
FAQ
Vanliga frågor
Är det lagligt att extrahera data från en offentlig webbplats?
Det beror på vilka data, vilken webbplats och vad de ska användas till. Webbplatsens användarvillkor, rättigheterna till dess innehåll och, om personuppgifter är inblandade, GDPR spelar alla in. Vi tillämpar försiktiga tekniska kriterier och pekar ut de risker vi ser, men vi ger inte juridisk rådgivning: i tveksamma fall bör du besluta tillsammans med din jurist.
Vad händer om webbplatsen ändrar sin design?
Extraktioner från webbplatser går sönder när sidstrukturen ändras. Därför föredrar vi officiella API:er eller nedladdningar när de finns, lägger till kontroller som larmar om data kommer tom eller i konstiga format, och dokumenterar hur processen justeras. Vid behov avtalas underhållet separat.
Kan ni extrahera data från skannade PDF-filer?
Ja, med OCR, och för komplexa dokument kombinerar vi det med AI-modeller som plockar ut specifika fält, till exempel belopp, datum eller referenser. Kvaliteten beror på skanningen, så vi validerar på ett urval, flaggar fält med låg säkerhet och kontrollerar summorna när dokumentet innehåller dem.
Hur hittar ni dubbletter?
Vi kombinerar exakta regler, till exempel samma organisationsnummer eller e-postadress, med fuzzy matching på namn och adresser som tar hänsyn till förkortningar, accenter och stavfel. Tydliga fall slås samman automatiskt och tvivelaktiga hamnar på en lista som ditt team beslutar om. Vår demo för automatisering av förfrågningar visar idén: det är en simulering i webbläsaren, inte ett riktigt flöde.
Kontakt
Vilken data tar mest tid från dig idag?
Skicka ett urval eller beskriv källan och dess användning. Vi säger om det är genomförbart, med vilka begränsningar, och hur 7-dagarstestet skulle se ut.