Kép alapú táblázatadatok feldolgozása és OCR megoldások fejlesztése

Képadat-elemző magánügyfeleknek

A Képadat-elemző olyan online szakember, aki képekből, fotókból, beszkennelt anyagokból vagy képernyőképekből használható adatot nyer ki. Ez akkor hasznos, ha nem elég csak megnézni a képet, hanem rendszerezett eredményre van szükség. Lehet ez táblázat, szöveges lista, címjegyzék, termékadat, számlaadat, felirat, mérési eredmény vagy más képi információ. Én azt látom, hogy sok magánügyfél azért keres ilyen segítséget, mert van egy nagyobb mappája képekkel, de nincs ideje kézzel átmásolni mindent.

Az online képelemzés nem csak egyszerű szövegfelismerés. A feladat gyakran arról szól, hogy a szakember megértse, mi van a képen, milyen mezőket kell kinyerni, milyen hibák lehetnek az anyagban, és milyen formátumban lesz később használható az eredmény. Egy képfeldolgozó szakember például nemcsak karaktereket másol ki, hanem ellenőrzi az oszlopokat, javítja a nyilvánvaló elírásokat, egységesíti a formátumot, és megjelöli a bizonytalan részeket.

A Qjob.hu felületén magánszemélyként is lehet olyan szabadúszót keresni, aki távolról vállal képadatok feldolgozását. Itt nem egy nagy céges rendszer bevezetéséről van szó, hanem konkrét online munkáról, amelynek van bemeneti anyaga, határideje és átadott eredménye. A megbízó elküldi a képeket vagy mintafájlokat, a szakember pedig egyeztetés után feldolgozza az adatokat.

Képadat-elemzés online feladatokhoz

A képadat-elemzés akkor működik jól, ha az ügyfél már az elején meg tudja mondani, milyen végeredményt szeretne. Nem baj, ha a technikai rész nem világos. Elég egy egyszerű példa. Például az ügyfél küld egy képet, és mellé leírja, hogy ebből a név, dátum, ár, cikkszám vagy cím kell. Ez sokkal jobb, mint az általános kérés, hogy valaki nyerje ki az adatokat a képekből.

Tapasztalatom szerint a legtöbb félreértés abból jön, hogy a megbízó és a szakember mást ért adat alatt. Az ügyfél néha csak a látható szöveget szeretné. Máskor a kép szerkezetét is meg kell érteni. Például egy termékfotónál nem csak a felirat számít, hanem a márka, a méret, a szín, a kategória vagy a csomagoláson lévő jelölés is. Egy jó adatelemző ezt tisztázza, mielőtt elkezdi a teljes anyagot.

Az online munka előnye, hogy a képek átadhatók felhőtárhelyen, tömörített fájlban vagy mappák szerint rendezve. A kommunikáció történhet üzenetben. A szakember kérhet próbamintát, majd visszaküldhet egy rövid részletet ellenőrzésre. Szerintem ez a legbiztonságosabb módszer, mert még a nagyobb feldolgozás előtt kiderül, hogy jó irányba halad-e a munka.

Képadat-elemző árak

A képadat-elemző ára főleg a képek számától, minőségétől és az elvárt pontosságtól függ. A túl olcsó munka ezen a területen gyakran gyengébb minőséget jelent, mert az ellenőrzés és a kézi javítás időt igényel. Ha a képek tiszták, jól olvashatók és az adatszerkezet ismétlődik, akkor az ár alacsonyabb lehet. Ha viszont sok a ferde, homályos, rosszul vágott vagy részben takart kép, akkor a feldolgozás lassabb.

Az árnál érdemes külön kezelni az automatikus felismerést és a kézi ellenőrzést. Egyes feladatoknál a program gyorsan előállít egy nyers eredményt, de abból még nem lesz használható adat. A szakember ideje sokszor az ellenőrzésre megy el. Ez különösen igaz neveknél, címeknél, cikkszámoknál és pénzügyi adatoknál, ahol egyetlen rossz karakter is gondot okozhat.

Képfeldolgozó szakember választása

A képfeldolgozó szakember kiválasztásánál nem elég azt nézni, hogy valaki gyorsan válaszol-e. Fontosabb, hogy értse a feladat logikáját. Kérjen mintát, tegyen fel pontos kérdéseket, és mondja meg, milyen formátumban tudja átadni az eredményt. Ha valaki azonnal vállal mindent, de nem kérdez rá a képek minőségére vagy az adatoszlopokra, az később problémát okozhat.

Sokan ott hibáznak, hogy csak a darabszám alapján választanak szabadúszót. Pedig két száz kép között nagy különbség lehet. Az egyik anyag lehet tiszta és egységes, a másik pedig vegyes forrásból származik, többféle mérettel, nyelvvel, elrendezéssel és hibával. Ilyenkor a jó szakember nemcsak árat ad, hanem jelzi a kockázatot is.

Érdemes megnézni, hogy a szabadúszó dolgozott-e már táblázatokkal, adatbevitellel, optikai szövegfelismeréssel vagy adatellenőrzéssel. A portfólió nem mindig látványos ennél a munkánál, mert az eredmény sokszor egy rendezett táblázat. De kérhető egy rövid próbamunka. Ez nem bizalmatlanság, hanem praktikus ellenőrzés.

Brief és anyagátadás képadat-elemzéshez

A brief akkor jó, ha rövid, de egyértelmű. Tartalmazza, hogy milyen képek vannak, mit kell belőlük kinyerni, milyen mezőkre van szükség, milyen fájlformátumban kell visszakapni az eredményt, és van-e határidő. Nem kell hosszú dokumentumot írni. Egy minta sokszor többet ér, mint egy oldal magyarázat.

Volt olyan eset, amikor egy ügyfél több száz képernyőképet küldött, és csak annyit írt, hogy ki kell szedni belőlük az adatokat. A munka elején úgy tűnt, egyszerű lesz. Később derült ki, hogy az ügyfél külön mezőbe kérte a dátumot, a nevet, az azonosítót, a státuszt és a megjegyzést. A szakember újra kellett rendezze a fájlt. Ez plusz idő lett, pedig egy mintatáblázat az elején megoldotta volna.

Az anyagátadásnál fontos a rendezettség. Ha a képek mappákban vannak, legyen beszédes a mappanév. Ha a fájlok sorrendje számít, ezt külön jelezni kell. Ha vannak rossz minőségű képek, jobb az elején megmutatni őket. Így a szakember reálisabban látja a feladatot, és nem a munka közepén derül ki, hogy a képek egy része nem használható.

Határidők és online kommunikáció

A képadat-elemző munka ideje nemcsak a mennyiségtől függ. Számít az is, hogy mennyi egyeztetés kell, van-e próbakör, és szükség van-e javításra. Egy kisebb online feladat akár egy napon belül elkészülhet. Egy nagyobb képanyag feldolgozása több napot is igénybe vehet, főleg akkor, ha az eredményt kézzel kell ellenőrizni.

Szerintem a legjobb munkamenet három részből áll. Először jön a minta és a pontosítás. Utána a szakember elkészít egy rövid próbarészt. Végül jön a teljes feldolgozás és az átadás. Ez egyszerű folyamat, mégis sok hibát megelőz. És az ügyfél is látja, mire számíthat.

Az online kommunikáció legyen rövid és követhető. Nem kell minden apró lépésről hosszú üzenet. De a fontos döntéseket érdemes írásban rögzíteni. Például milyen oszlopnevek legyenek, milyen formátumú legyen a dátum, mi történjen az olvashatatlan képekkel, és hogyan jelölje a szakember a bizonytalan adatokat. Ezek apróságnak tűnnek, de a végső táblázat használhatóságát erősen befolyásolják.

Minőség és tipikus hibák

A minőség ennél a szolgáltatásnál nem abban látszik, hogy a fájl szép-e, hanem abban, hogy az adat használható-e. Egy rendezett táblázat akkor jó, ha nincs benne felesleges keveredés, egységesek a mezők, és a bizonytalan részek külön jelölve vannak. A hibátlan eredmény sokszor nem reális ígéret, de a tiszta ellenőrzési módszer elvárható.

A leggyakoribb ügyfélhiba az, hogy minden képet egyben küld el, és csak a végén nézi meg az eredményt. Ez nagyobb munkánál kockázatos. Jobb először tíz vagy húsz képen tesztelni a feldolgozást. Ha a minta jó, akkor lehet folytatni. Ha nem jó, még kevés veszteséggel lehet javítani az irányon.

Másik gyakori gond, hogy a megbízó nem különíti el a kötelező és a csak hasznos adatokat. Pedig a kettő között árban és időben is különbség lehet. Ha minden apró részletet ki kell nyerni a képből, az lassítja a munkát. Ha csak néhány mező fontos, a szakember gyorsabban tud haladni, és kisebb a hibalehetőség.

Én azt látom, hogy jó eredmény akkor születik, ha a megbízó nem csak olcsó adatkinyerést keres, hanem érthető folyamatot. A képadat-feldolgozás bizalmi munka, mert a szakember gyakran nem látványos dolgot készít, hanem csendben rendet rak egy rendezetlen képanyagban. Ez nem mindig látványos, de nagyon hasznos, amikor az ügyfél végre kereshető, szűrhető és tovább használható adatot kap.

Képadat-feldolgozás eredményének átadása

Az átadás formája legyen előre megbeszélve. A legtöbb esetben táblázat, vesszővel tagolt fájl vagy egyszerű szöveges lista készül. Néha külön mappa is kell a képekkel, ahol az eredeti fájl neve össze van kötve a kinyert adatokkal. Ez akkor fontos, ha később vissza kell keresni, melyik adat melyik képről származik.

Az eredmény mellé hasznos lehet rövid megjegyzés is. Nem hosszú jelentésre kell gondolni. Elég, ha a szakember jelzi, hány képet dolgozott fel, hány volt bizonytalan, milyen mezőket javított kézzel, és maradt-e olyan rész, amelyet az ügyfélnek kell ellenőriznie. Ez főleg akkor fontos, ha az adatok később döntéshez, rendeléshez, elszámoláshoz vagy feltöltéshez kellenek.

A jó képadat-elemző nem bonyolítja túl az átadást. Olyan fájlt ad, amit az ügyfél meg tud nyitni, érteni tud, és tovább tud használni. Ez a lényeg. Nem az számít, hogy milyen eszközzel dolgozott, hanem az, hogy a képekből kinyert információ pontos, átlátható és ellenőrizhető legyen.