Muunna skannatut PDF-taulukot Exceliin.

Käytännössä

Luotettavia lukuja paperiarkistoista

Skannatut PDF:t ovat yleensä asiakirjoja, joita kenelläkään ei enää ole digitaalisena: allekirjoitettuja sopimuksia hintataulukoineen, arkistoituja lähetysluetteloita, vanhoja tilinpäätöksiä, faksattuja tilausvahvistuksia ja vuosikymmenten arkistoituja papereita. OCR tekee niistä käyttökelpoisia, ja skannauksen laatu asettaa poiminnan laadulle kovan katon — ohjelmisto voi kompensoida hieman kohinaa, mutta ei tietoa, jota ei koskaan tallennettu.

Jos hallitset skanneria, 300 DPI harmaasävyinä tai mustavalkoisena on painetuille taulukoille paras valinta; alle 200 DPI:n pienet numerot alkavat menettää viivoja, jotka erottavat ne toisistaan. Aseta sivu tasaisesti ja suoraan lasia vasten, ja suosi tasoskanneria arkinsyöttäjän sijaan sidotuille tai rypistyneille alkuperäisille. Taulukon päälle osuvat leimat, allekirjoitukset ja vesileimat kannattaa huomioida: musteleiman alla olevat solut tarvitsevat todennäköisimmin manuaalisen korjauksen.

Käsittele vientiä luonnoksena, kun tiedot ovat arkaluonteisia. Nopea tarkistusrutiini — tarkista sarakkeiden summat ja käy sitten päivämääräsarake läpi mahdottomien arvojen varalta — nappaa valtaosan OCR-virheistä murto-osassa siitä ajasta, jonka koko aineiston uudelleenluku veisi.

Skannauksen muuntaminen Exceliin on kaksivaiheinen pulma: OCR lukee merkit, ja sitten taulukontunnistus rakentaa rivit ja sarakkeet niiden ympärille. Skannauksen laatu ruokkii molempia vaiheita, ja siksi muutama minuutti skannerin ääressä säästää yleensä enemmän tarkistusaikaa kuin mikään jälkikäteinen siivoustemppu.