Данные и компьютерное зрение

Обработка данных и IDP

ETL, OCR, извлечение сущностей из договоров, актов, медкарт. Big Data-пайплайны на Spark и Flink. От сырых PDF до структурированного warehouse.

OCRIDPSpark · Flinkготов к обезличиванию

idp · документ

scan · act_007.pdf

АКТ
приёма-передачи
№ 007 от 23.04.2026

Исполнитель: ООО «Альфа»
Заказчик: ООО «Бета»
Сумма: 1 240 000 ₽
НДС: 20%

извлечено · json

doc_type: "act"
number: "007"
date: "2026-04-23"
parties: [...]
amount: 1240000
vat_pct: 20
conf: 0.96

Что делаем

Пайплайн данных end-to-end

От источников до хранилища. С обезличиванием на входе, валидацией схем и готовыми табличными витринами для BI и ML.

01 · приём

Подключение источников

SAP, 1С, МИС, АБС, SCADA, S3, SFTP, Kafka. Инкрементальная и полная загрузка.

12+ коннекторов

02 · ocr

OCR и layout-анализ

Русский, английский, рукопись. Многостраничные документы с таблицами и штампами.

>98% accuracy

03 · извлечение

Извлечение сущностей

Структурирование: реквизиты, суммы, даты, позиции, участники. Через JSON schema.

schema-driven

04 · обогащение

Обогащение и нормализация

Справочники ОКПО, ИНН, ОКВЭД, МКБ-10. Дедупликация и matching.

rule + ml

05 · хранилище

Хранилище данных / Data Lakehouse

Delta Lake, Iceberg, ClickHouse, Greenplum. Row- и column-level security.

dbt-compatible