Szakértői megoldások a szkennelt dokumentumok táblázatos adatainak kinyerésére

Skenált táblázatok feldolgozása online szakemberrel

A Skenált táblázatok feldolgozása akkor hasznos, amikor papírról, képből vagy nem szerkeszthető PDF-ből kell pontos, rendezett és tovább használható adatot készíteni. A legtöbb magánügyfél nem programot keres, hanem valakit, aki érti a táblázat szerkezetét, és nem hagy benne elcsúszott sorokat, rosszul felismert számokat vagy hiányzó oszlopokat. Én azt látom, hogy ennél a munkánál a technikai felismerés csak az első rész. A valódi érték a javítás, az ellenőrzés és az átadható eredmény.

Az ilyen online munka távolról is jól kezelhető. Az ügyfél elküldi a fájlokat, röviden leírja, milyen formátumban kéri az eredményt, majd a szabadúszó szakember átnézi a mintát. Ez lehet Excel, Google Táblázatok, CSV vagy más rendezett állomány. A lényeg nem az, hogy a képről gyorsan legyen valamilyen szöveg, hanem az, hogy a táblázatos adat használható legyen. Ha a végén kézzel kell újra javítani a sorok felét, akkor a munka nem érte el a célját.

Sokan ott hibáznak, hogy egy automatikus felismerő eszköztől várnak teljesen tiszta eredményt. Tiszta, jól beolvasott dokumentumnál ez néha működik. De gyűrött papír, ferde szken, halvány nyomtatás, kézzel javított sor vagy összetett fejlécek esetén már emberi ellenőrzés kell. Szerintem a jó megoldás az, amikor a felismerés, a kézi javítás és az adattisztítás együtt történik.

Táblázatok kinyerése szkennelt dokumentumból

A szkennelt táblázatokból történő adatkinyerés fő célja, hogy a látványból szerkeszthető szerkezet legyen. Egy beszkennelt oldal emberi szemmel olvasható, de a számítógép számára gyakran csak kép. Ebből kell cellákat, sorokat, oszlopokat és összetartozó adatokat készíteni. Ez különösen fontos számlalistáknál, kimutatásoknál, régi nyilvántartásoknál, leltáraknál, árlistáknál és kézzel kitöltött táblázatoknál.

A folyamat általában mintafájl vizsgálatával kezdődik. A szakember megnézi a felbontást, a táblázat sűrűségét, a betűk olvashatóságát és azt, hogy mennyi kézi javítás várható. Ezután lehet eldönteni, hogy egyszerű táblázatfelismerés elég, vagy részletesebb adatellenőrzésre is szükség van. Tapasztalatom szerint már egyetlen mintaoldal sokat elárul a várható árról és határidőről.

Volt olyan eset, amikor egy ügyfél régi, beszkennelt árjegyzéket küldött. Elsőre egyszerűnek tűnt, mert a sorok rendezettek voltak. A gond az volt, hogy több árnál a pont és a vessző rosszul látszott, néhány termékkód pedig hasonlított egymásra. Az automatikus felismerés gyorsan elkészült, de a hasznos eredményt csak a soronkénti ellenőrzés adta meg. Ebből látszik, hogy a sebesség önmagában kevés.

Skenált táblázatok ára

Az ár főleg a dokumentum minőségétől, a táblázat bonyolultságától és az ellenőrzés mélységétől függ. A túl olcsó munka ezen a területen gyakran gyengébb minőséget jelent, mert valaki csak lefuttat egy felismerést, majd elküldi a nyers fájlt. Ez akkor lehet elég, ha az ügyfél csak gyors betekintést akar. De ha az adatokat számoláshoz, importáláshoz vagy további feldolgozáshoz használja, akkor a javított és egységesített eredmény sokkal fontosabb.

Az ár akkor lesz reális, ha a szabadúszó előre lát egy mintát. Kép alapján nem mindig lehet pontos összeget mondani, mert két hasonló hosszú dokumentum között nagy különbség lehet. Egy tiszta, nyomtatott táblázat gyorsan halad. Egy homályos, vegyes szerkezetű dokumentum viszont lassú. Én ilyenkor mindig azt tartom korrektnek, ha a szakember előbb próbaoldalt néz, és utána ad véglegesebb árat.

Online táblázat digitalizálás menete

Az online táblázat digitalizálás nem igényel személyes találkozót. Az ügyfél elküldi a beszkennelt fájlokat, képeket vagy PDF-eket, majd megadja az elvárt kimenetet. Fontos tisztázni, hogy az eredmény csak olvasható táblázat legyen, vagy számolható, szűrhető és importálható adatállomány. Ez két eltérő szint.

A munka első lépése a fájlok átnézése. Ezután jön a felismerés, majd a szerkezet ellenőrzése. A szabadúszó szakember ilyenkor figyeli a sorok törését, a több sorba eső cellákat, az üres mezőket, a dátumokat és a számformátumokat. Külön figyelmet érdemelnek a tizedesjegyek, a cikkszámok és a vezető nullák. Ezek gyakran sérülnek, ha a rendszer automatikusan számként értelmezi őket.

A következő rész a javítás. Itt dől el, hogy az eredmény mennyire lesz használható. Egy jó adatfeldolgozó nemcsak átmásolja a tartalmat, hanem észreveszi a gyanús sorokat is. Például ha egy ár hirtelen tízszer nagyobb, mint a többi, vagy egy oszlopban vegyesen szerepel dátum és szöveg. Nem minden hibát lehet biztosan javítani forrás nélkül, de a kérdéses pontokat jelölni lehet.

A végső átadásnál érdemes kérni egy rövid összefoglalót arról, hogy milyen bizonytalan részek maradtak. Ez különösen akkor fontos, ha a táblázat pénzügyi, jogi vagy adminisztratív döntés alapja lesz. Nem kell hosszú jelentés. Elég egy külön lap vagy megjegyzéslista.

Szakember választása szkennelt táblázatokhoz

A megfelelő szakember kiválasztásánál nem elég azt nézni, hogy valaki gyorsan tud gépelni. Ennél a feladatnál adatérzék kell. A jó jelölt érti, mi a különbség a sima szövegfelismerés és a strukturált táblázat között. Tudja, hogy az oszlopok sorrendje, a fejlécek következetessége és a cellák típusa legalább olyan fontos, mint maga a felismerés.

Érdemes rákérdezni, milyen formátumban tud dolgozni. Hasznos, ha kezeli az Excel és a Google Táblázatok alapvető funkcióit, tud CSV-t készíteni, és nem ijed meg a vegyes PDF-ektől. A portfólió itt nem mindig látványos, mert sok adat bizalmas. De egy rövid próbamunka vagy néhány leírt példa sokat segít.

A Qjob.hu felületén a magánügyfél olyan szabadúszót kereshet, aki vállal online adatfeldolgozást, dokumentum digitalizálást vagy táblázatos adatkinyerést. Ezután itt már a feladat pontos leírása számít. Minél világosabb az elvárás, annál kevesebb lesz a félreértés.

Szerintem a legjobb választás az a szakember, aki nem ígér azonnal tökéletes eredményt minden fájlra. Inkább kér mintát, rákérdez a célra, és megmondja, hol lehetnek kockázatok. Ez kevésbé hangzik látványosan, de megbízhatóbb hozzáállás.

Minőség, hibák és ellenőrzés

A szkennelt dokumentumok táblázatai gyakran rejtett hibákat tartalmaznak. Nem mindig az a gond, hogy egy betű rosszul ismerődik fel. Sokkal veszélyesebb, amikor egy szám helyesnek látszik, de valójában egy karakter hiányzik belőle. Egy nulla, egy vessző vagy egy elcsúszott oszlop később komoly hibát okozhat.

Sokan ott hibáznak, hogy nem mondják meg, mire fogják használni az adatokat. Ha csak kereshető archívum kell, akkor más ellenőrzési szint elég. Ha az eredményt könyvelési, leltározási vagy összehasonlítási célra használják, akkor sokkal pontosabb munka szükséges. Ezt már az elején jelezni kell.

A jó minőség egyik jele az egységes forma. A dátumok ugyanúgy néznek ki, az összegek azonos szabály szerint szerepelnek, az üres mezők következetesen vannak kezelve, és a fejléc nem keveredik az adatsorokkal. Ezek apróságnak tűnnek, de ettől lesz a táblázat később jól szűrhető és feldolgozható.

Én azt látom, hogy az ügyfelek sokszor csak a végső fájlt nézik meg, nem a folyamatot. Pedig egy rövid ellenőrzési kör sok hibát megfoghat. Elég lehet néhány véletlenszerű oldal vagy sor összevetése az eredeti szkennel. Ha ott nincs gond, nagyobb bizalommal lehet használni az egész állományt.

Átadás, javítások és határidő

A határidő a mennyiségtől és a dokumentum minőségétől függ. Egy kisebb, tiszta fájl akár egy napon belül is elkészülhet. Egy nagyobb archívum vagy rossz minőségű szkennelés több napot is igényelhet. Nem érdemes túl rövid határidőt kérni, ha az adat pontossága fontos. A gyors munka és a pontos ellenőrzés között gyakran választani kell.

Az átadásnál jó, ha az ügyfél megkapja az eredeti logikát követő táblázatot, valamint szükség esetén egy tisztított változatot is. Az első segít az ellenőrzésben, a második a további használatban. Ha a fájl importáláshoz kell, akkor előre meg kell adni az oszlopneveket és a kívánt sorrendet.

A javításoknál fontos különbséget tenni hiba és új kérés között. Ha egy cella rosszul lett felismerve, az javítás. Ha az ügyfél közben új oszlopokat, új csoportosítást vagy más formátumot kér, az már plusz munka lehet. Ez nem vita kérdése, hanem tiszta feltételek kérdése. Tapasztalatom szerint akkor működik jól az együttműködés, ha a felek ezt előre megbeszélik.

A Skenált táblázatok feldolgozása akkor ad jó eredményt, ha a feladat nem csak átalakításként van kezelve. Ez adatmunka. Kell hozzá figyelem, következetesség és jó kommunikáció. Aki ezt megérti, sok időt spórolhat, és nem kap vissza olyan fájlt, amelyet utána újra rendbe kell tenni.