Çıkarma
- Herkese açık web siteleri; koşullarına saygı göstererek ve onları aşırı yüklemeden
- OCR ile PDF'ler, faturalar ve taranmış belgeler
- Excel, CSV ve diğer yazılımların dışa aktarımları
- Varsa resmi API'ler ve açık veri portalları
Nexura Digital hizmeti
Güvenilir bilgiyle çalışabilmeniz için veri çıkarma ve temizleme
Herkese açık web sitelerinden, belgelerden ve e-tablolardan veri topluyor, temizleyip tekrarlanabilir bir süreçle istikrarlı bir biçimde teslim ediyoruz.
Herkese açık web sitelerinden, PDF'lerden, Excel dosyalarından ve diğer kaynaklardan veri çıkarır, normalleştirir, yinelenenleri kaldırır ve CRM'iniz, mağazanız ya da analiziniz için hazır olarak teslim ederiz. Karışık listeleri, katalogları ya da kayıtları olan ve işin yasal biçimde ve belgelenmiş olarak yapılmasını isteyen şirketler içindir. Belirli bir veri kümesi üzerinde 7 günlük denemeyle başlayabilirsiniz.
Verilerinizle ne yapıyoruz
Temizleme ve normalleştirme
- Tarihler, telefon numaraları ve ülkeler ISO 8601 ya da E.164 gibi standart biçimlerde
- Farklı yazılmış olsa bile yakalanan yinelenen kayıtlar
- Bölünmüş alanlar ve birleştirilmiş birimler
- Şüpheli kayıtlar silinmez, incelenmek üzere işaretlenir
Yükleme ve tekrarlama
Teslimatı bir e-tabloda, bir CSV dosyasında ya da doğrudan veritabanınıza ya da CRM'inize yaparız. Kaynak güncellenmeye devam ederse, bir n8n iş akışı ya da zamanlanmış bir betik bırakırız.
Yasal ve düzenli: uyduğumuz sınırlar
Bu teknik destektir, hukuki danışmanlık değildir: bir proje hukuki sorular doğuruyorsa, başlamadan önce avukatınızın değerlendirmesi gerekir.
Kullanım koşulları ve robots.txt
Her sitenin kullanım koşullarını ve robots.txt dosyasını okuruz; bu, bir sitenin taranmasını istemediği şeyi belirtmek için kullandığı standarttır (RFC 9309). Giriş ekranlarını, ödeme duvarlarını ya da CAPTCHA'ları aşmayız ve istek hızlarını sınırlarız.
Kişisel veriler ve GDPR
Herkese açık olmak her amaç için kullanılabilir olmak anlamına gelmez: GDPR, yayımlanmış kişisel verileri de korur. Yalnızca gerekli alanları toplarız ve istenmeyen ticari mesajlar için listeler asla oluşturmayız.
İş nasıl yürür
Beş adım
- Verileri neyin için kullanacağınızı ve hangi alanlara ihtiyacınız olduğunu tanımlarız
- Kaynakları, koşulları ve kişisel veri varsa GDPR ile uyumunu inceleriz
- Çıkarmayı bir örnek üzerinde test eder ve kalitesini ölçeriz
- Temizleme ve tekilleştirme kurallarını sizinle birlikte kararlaştırırız
- Tüm veri kümesini işler ve bir kalite raporuyla teslim ederiz
Uyan ve uymayan projeler
İyi uyumlar
Mağazanıza girmesi gereken PDF biçimindeki tedarikçi katalogları, CRM geçişinden önce çok sayıda yinelenen içeren müşteri veritabanları, takip etmek istediğiniz bir pazardaki herkese açık fiyatlar ya da bir çalışma için açık veriler.
Uygun olmayan
Soğuk kampanyalar için e-posta adresleri ya da telefon numaraları toplamak, korumalı içeriği yeniden yayımlamak için kopyalamak ya da bunu açıkça yasaklayan sitelerden veri çıkarmak. Yasal görüş istiyorsanız da bu olmaz: bu bir avukatın işidir.
Her teslimat neleri içerir
Veri ve dokümantasyon
- Kararlaştırılmış biçimde temiz bir veri kümesi
- Her alanı, kaynağını ve biçimini içeren bir veri sözlüğü
- Bir kalite raporu: işlenen kayıtlar, birleştirilen yinelenenler ve şüpheli vakalar
- Süreci tekrarlamak için belgelenmiş bir betik ya da n8n iş akışı
- Kaynakların ve her çıkarmanın tarihinin kaydı
Süreç tekrarlanıyorsa
İş akışı, ücretini ödediğiniz bir sunucuda çalışır: n8n Cloud ya da kendi VPS'iniz. Maliyeti teklife dahildir ve adınıza kalır.
Gerçek bir veri kümesiyle 7 günlük deneme
Örnekten sonuca
Gerçekçi bir seçenek, müşteri tabanınızı ya da bir kataloğu temizlemek ve tekilleştirmek ya da belirli bir herkese açık kaynaktan çıkarmayı otomatikleştirmektir. Bir örnekten başlar, kuralları kararlaştırır ve sonucu kalite raporuyla teslim ederiz. Tek bir kayda dokunmadan önce kapsam, tarihler ve koşullar yazılı olarak kararlaştırılır.
SSS
Sık sorulan sorular
Herkese açık bir web sitesinden veri çıkarmak yasal mı?
Hangi veri, hangi site ve ne için olduğuna bağlıdır. Sitenin kullanım koşulları, içeriği üzerindeki haklar ve kişisel veri söz konusuysa GDPR rol oynar. Özenli teknik ölçütler uygularız ve gördüğümüz riskleri belirtiriz, ancak hukuki tavsiye vermeyiz: şüpheli durumlarda karar avukatınızla verilmelidir.
Web sitesi tasarımını değiştirirse ne olur?
Sayfa yapısı değiştiğinde web sitesinden çıkarmalar bozulur. Bu yüzden varsa resmi API'leri ya da indirmeleri tercih ederiz; veri boş ya da alışılmadık biçimlerde geldiğinde sizi uyaran kontroller ekleriz ve süreci nasıl ayarlayacağınızı belgeleriz. İhtiyacınız olursa bakım ayrıca kararlaştırılır.
Taranmış PDF'lerden veri çıkarabilir misiniz?
Evet, OCR ile; karmaşık belgeler için tutarlar, tarihler ya da referanslar gibi belirli alanları çıkaran yapay zeka modelleriyle birleştiririz. Kalite taramaya bağlıdır; bu yüzden bir örnek üzerinde doğrularız, güven düzeyi düşük alanları işaretleriz ve belge toplamları içeriyorsa onları kontrol ederiz.
Yinelenenleri nasıl tespit ediyorsunuz?
Aynı vergi numarası ya da e-posta gibi kesin kuralları; kısaltmaları, aksanları ve yazım hatalarını hesaba katan ad ve adreslerde bulanık eşleştirmeyle birleştiririz. Açık vakalar otomatik birleşir, şüpheli olanlar ekibinizin karar vermesi için bir listeye gider. Talep otomasyonu demomuz fikri gösterir: tarayıcıda çalışan bir simülasyondur, gerçek bir iş akışı değildir.
İletişim
Bugün en çok zamanınızı hangi veri alıyor?
Bir örnek gönderin ya da kaynağı ve kullanımını anlatın. Uygulanabilir olup olmadığını, hangi sınırlarla ve 7 günlük denemenin nasıl görüneceğini söyleyelim.