Dokument-AI, datateknik og BI

Databaser, dataudtræk, pipelines og rapporter, bygget af et hold, der selv driver dataprodukter.

De fleste af vores egne produkter er dataprodukter. uahub.dk rummer alle 873.347 danske virksomheder fra CVR, danadresse.dk leverer det danske adresseregister via et API, og soge.dk søger i millioner af køretøjer og virksomheder. Vi har bygget dem selv og driver dem selv, så når vi designer en database eller en pipeline til jer, sker det med erfaringer, vi har betalt for på egne systemer.

Denne side handler om dataarbejde: at få data ud af dokumenter og hjemmesider, gemme dem i en database, der svarer hurtigt, flytte dem efter en fast plan og gøre dem til rapporter. Når forretningssystemer skal holdes synkroniseret med hinanden, for eksempel webshop og lager eller CRM og regnskab, er det integrationsarbejde, og det finder I under automatisering og integrationer.

Det bygger vi med data

OCR og dataudtræk fra dokumenter

Fakturaer, følgesedler, underskrevne blanketter og indscannede breve kommer stadig som PDF'er og mobilfotos. Vi gør dem til rækker i en database: først tekstgenkendelse, så udtræk af felter og til sidst regler, der fanger det, OCR tager fejl af, for eksempel totaler, der ikke stemmer, et CVR-nummer, der ikke findes i registret, eller en dato ude i fremtiden. Felter, som reglerne ikke kan bekræfte, sendes til en medarbejder i stedet for at blive gættet. Det betaler sig, når nogen på kontoret taster samme slags dokument ind hver uge. Et lille eksempel fra egen praksis: en kunde besvarede vores 35 projektspørgsmål på papir, og seks indscannede sider blev til et struktureret resumé i projektets repository.

Databasedesign, der kan klare vækst

En database, der fungerer med tusind rækker, kan gå i stå ved en million. uahub rummer alle aktive danske virksomheder, og det, vi lærte der, præger vores kundeløsninger: PostgreSQL tillader højst 32.767 parametre pr. forespørgsel, så batchstørrelsen beregnes ud fra rækkens bredde; visse register-id'er er for store til 32-bit-heltal; historiske værdier som ejerandele skal have en gyldighedsperiode, ellers summer de til 200 %. På soge.dk blev browsing i 12,6 millioner køretøjer først hurtig, da vi fjernede en dyr sortering og validerede filtre, før de nåede MariaDB. Vi vælger PostgreSQL eller MySQL/MariaDB, versionerer hver ændring med Alembic-migrationer og tilføjer et søgeindeks, hvor brugerne skriver.

ETL-pipelines til en rapporteringsdatabase

ETL betyder her et planlagt job, der henter data fra en kilde, renser dem og lægger dem i en database bygget til rapportering og analyse. danadresse.dk er vores tydeligste eksempel: den holder omkring 3,96 millioner danske adresser synkroniseret med de officielle adressedata og genopbygger sit søgeindeks hver nat. En omskrivning bragte genopbygningen ned fra cirka 7,7 timer til omkring 12 minutter, og hver nat sammenligner jobbet antallet i databasen med antallet i indekset. uahub henter på samme måde et dagligt delta fra CVR. Vi bygger pipelines, der kan køres igen uden skade, logger hvad de ændrede og stopper ved en overraskelse i stedet for at indlæse en halv fil.

BI-dashboards og KPI-overblik

Et dashboard er aldrig bedre end optællingen bag det. Vi bygger KPI-visninger oven på jeres egen database: bookinger, omsætning, udeblivelser, trafik delt i mennesker og bots, synlighed i søgning. Vores bookingplatform bkg.dk har belægnings- og kilderapporter bygget på den måde. Den fulde side forklarer metode og pris.

Læs mere →

Web scraping og dataindsamling

Når de data, I har brug for, ligger på offentlige hjemmesider, henter vi dem efter en fast plan: først et officielt API eller feed, så almindelig HTTP og kun en rigtig browser, hvor siden kræver det. Vi holder lav hastighed, afklarer det juridiske først og overvåger hver kilde for stille fejl. Priser fra 2.000 kr.

Læs mere →

Prædiktiv analyse med ærlige rammer

Prognoser kræver historik, og mange mindre virksomheder har i bedste fald en eller to sæsoner med rene data. Derfor starter vi med baselines og ændringsdetektion, før vi bygger en model. På vores egne servere sammenligner vi belastningen de seneste to timer med hver maskines median for det seneste døgn; testet på rigtige data fra 12 servere ville den regel have opdaget en trafikbølge fire timer før vores faste grænseværdier. Vi sammenligner lige med lige, samme time på samme type dag, fordi en sammenligning af en lørdag med en fredag engang gav os falsk alarm. Kan jeres data bære en prognose, bygger vi den og viser fejlmarginen på tidligere perioder; kan de ikke, siger vi det.

Dokumentflow: import, eksport og PDF

Dokumenter skal også ud, ikke kun ind: eksporter, som revisoren kan åbne, PDF'er til print og importer, der tager imod det, danske banker og Excel faktisk leverer. I JaRyk, vores produkt til betalingspåmindelser, skulle CSV-importen forstå beløb som 1.234,50 kr., datoer som 1.10.2026 og Windows-1252-filer gemt fra Excel, og importen af kontoudtog læser eksporter fra Danske Bank, Nordea, Jyske Bank og Lunar. For en dansk byggevirksomhed gjorde vi en lang arbejdschat med fotos til et søgbart webarkiv og printklare PDF'er på 199 og 33 sider. Vi bygger skabelonen, valideringen og flowet, så filerne åbner rigtigt første gang.

Automatiseret rapportering

En rapport, som ingen skal huske at lave. Hver morgen skriver vores eget system en KPI-fil pr. hjemmeside med data fra Google Search Console for over 30 af vores sites og betalingstal fra Stripe, og et sammendrag lander i Telegram, før arbejdsdagen begynder. bkg.dk kan sende en salonejer en daglig aftenrapport med bookinger og omsætning, formateret som 4.350,00 kr. på dansk og DKK 4,350.00 på engelsk. JaKonto eksporterer fakturaer, moms og resultatopgørelse som CSV-filer med det byte-order mark, dansk Excel forventer. Vi aftaler med jer, hvad rapporten indeholder, hvornår den sendes og til hvem; intet går til jeres kunder uden jeres godkendelse.

Datasystemer, vi har bygget og driver

uahub.dk

Et dansk virksomhedskatalog med 873.347 virksomheder fra CVR, gemt i PostgreSQL og søgbart via Meilisearch. Krav om ejerskab tjekkes mod det offentlige ejerregister. Et dagligt job henter ændringer fra CVR; vi lærte at planlægge og samle indeksopdateringerne i batches, efter at de havde gjort søgningen langsom tidligt om morgenen.

danadresse.dk

Vores eget DAWA-kompatible adresse-API, bygget da den offentlige DAWA-tjeneste lukkede. FastAPI, MySQL og Meilisearch bag 56 endpoints, datavask af filer op til 50 MB som baggrundsjob og en gratis kvote på 1.000 opslag om dagen. Den natlige genopbygning af indekset tager nu omkring 12 minutter.

soge.dk

Søgning i danske køretøjer og virksomheder med et API. Køretøjstabellen rummer 12,6 millioner poster, og virksomhedssiderne viser nøgletal som soliditetsgrad, afkastningsgrad og bruttomargin, beregnet ud fra virksomhedernes offentliggjorte regnskaber. Vores egen jobportal jajob.dk slår arbejdsgivere op via det samme virksomheds-API, så data kun vedligeholdes ét sted.

KPI-rapportering på tværs af vores sites

En KPI-fil pr. domæne hver morgen med tal fra Search Console og Stripe, læst af en driftsrutine for hvert produkt og samlet i ét Telegram-sammendrag. Hver ændring på et site registreres som en satsning med en måling og en frist; på lynbro.dk løftede en guide til nummeropslag de ugentlige klik fra søgning fra 16 til 37.

Værktøjer til dataarbejde

Python med FastAPI, SQLAlchemy og Alembic; PostgreSQL, MySQL og MariaDB; Meilisearch, hvor brugerne søger ved at skrive; Redis til cache og jobkøer; httpx til indsamling over HTTP og Playwright kun, hvor en browser ikke kan undgås; reportlab til genererede PDF'er. Alt er open source, så I er hverken bundet til en licens eller til os.

Priser på dataarbejde

Oprettelse af database
fra 3.000 kr.
Dokumentbehandling (PDF/Excel)
fra 1.000 kr.
Dataindsamling og scraping
fra 2.000 kr.
Tilkobling af én datakilde
fra 1.000 kr.
Analyse og opbygning af rapporter
500 kr./time

Prisen afhænger af antallet af kilder, hvor rodede data er, og hvor ofte de skal opdateres. Efter en gratis afklarende samtale får I et fast tilbud; send jeres forespørgsel via kontaktformularen.

Sådan forløber et dataprojekt

1

Vi ser på de rigtige data

Før vi designer noget, indlæser vi et udsnit af jeres faktiske filer eller eksporter og tæller rækker, tomme felter, dubletter og mærkelige formater. Decimalkommaer og to datoformater i samme kolonne dukker op her og ikke i drift.

2

Tabeller og kontroller designes

Vi skriver skemaet sammen med de regler, der beskytter det: unikke nøgler, gyldige CVR-numre og postnumre, summer der skal stemme. I ser det som et kort dokument med eksempelrækker, før vi bygger.

3

Lille pilot, så bevidst opskalering

Første kørsel rører omkring 20 poster, som sammenlignes manuelt med kilden, derefter en større batch og til sidst det hele. En pilot afslører ikke alle grænser: hos uahub ramte en batch på 400 en grænse, som 20 aldrig nåede.

4

Planlægning, overvågning og overdragelse

Jobbene logger, hvad de ændrede, og giver alarm, når en kørsel returnerer nul eller mister et felt. I får koden, databasen og en driftsvejledning, og vi kan fortsætte driften via projektsupport.

Ofte stillede spørgsmål

Kan I tage udgangspunkt i de data, vi allerede har i Excel?

Ja, det er det typiske udgangspunkt. Vi læser arkene, som de er, inklusive danske decimalkommaer og datoer, mapper kolonnerne til rigtige tabeller og viser jer de rækker, vi ikke kunne placere. Når data ligger i en database, kan kolleger, der foretrækker Excel, stadig koble sig på og arbejde som før.

PostgreSQL eller MySQL, betyder det noget?

For de fleste mindre virksomheder fungerer begge fint. Vi vælger PostgreSQL til tungere analyse og stramme datatyper og MySQL eller MariaDB, når jeres eksisterende system eller hosting allerede bruger det. Skemaet, indeksene og backupperne betyder mere end mærket. Begge er gratis og open source.

Hvor præcis er OCR på vores dokumenter?

Det afhænger af scanningskvalitet og layout, så vi måler det på et udsnit af jeres egne dokumenter, før vi lover noget. Hvert udtrukket felt kontrolleres af regler, og felter, der fejler, går til en medarbejder. Vi beder hellere jer bekræfte fem dokumenter om dagen end at lægge forkerte beløb ind i bogholderiet.

Hvem ejer databasen og koden?

Det gør I. Databasen kører på jeres server eller på en, vi driver for jer, og koden overdrages med en driftsvejledning. Intet er låst til en betalt platform hos os, og I kan til enhver tid flytte det til en anden udvikler.

Kan I lave en prognose for vores salg?

Måske. Først undersøger vi, hvor meget ren historik I har, og om en simpel baseline allerede besvarer spørgsmålet. Giver en model bedre præcision, bygger vi den og viser fejlen på måneder, den ikke har set. Er data for tynde, siger vi det og foreslår, hvad I bør begynde at registrere nu.

⚡

Få et prisoverslag med det samme

Brug vores interaktive beregner og få en omtrentlig pris på dit projekt på 2 minutter.

⚡ Beregn pris

Klar til at krydse broen?

Lad os bygge din lynbro til digital transformation. Fra første konsultation til live deployment — vi bevæger os hurtigt.

Kom i gang i dag