Przejdź do treści
Możliwości

Dawid Bartczak / Współpraca

Automatyzacja procesów i integracje systemów

Łączę narzędzia i automatyzuję powtarzalną pracę z danymi. Sprawdź podejście, przykłady z BILO i InVault oraz eksperymenty z OCR paragonów.

Porozmawiajmy o projekcie

Kiedy to ma sens

Jeśli te same dane trzeba przepisywać między programami, sprawdzać statusy albo uruchamiać zadania według harmonogramu, warto opisać ten proces krok po kroku. Automatyzacja jest użyteczna wtedy, gdy wiadomo, co ma się wydarzyć, skąd pochodzą dane i kto powinien zareagować na wyjątek.

Możliwy zakres

Przepływ danych

Pobranie informacji, sprawdzenie formatu i przekazanie do drugiego systemu. Możliwości zależą od udostępnionego API, plików eksportu oraz uprawnień.

Zadania i zdarzenia

Działanie po zmianie statusu lub według harmonogramu. Ważne są ponowienia, unikanie podwójnego wykonania i widoczna historia błędów.

Dokumenty i dane wejściowe

Dla OCR i ekstrakcji informacji najpierw trzeba sprawdzić próbkę dokumentów. Niepewne wyniki mogą wymagać potwierdzenia przez człowieka; model nie powinien bez kontroli zatwierdzać danych.

Od czego zaczynamy

Zaczynamy od przykładowych danych oraz określenia źródła i miejsca docelowego. Sprawdzamy dostęp techniczny, reguły procesu i sytuacje błędne. Dopiero po tym wybieramy sposób integracji. Wynik oceniamy na uzgodnionych przykładach, w tym przerwanym połączeniu i ponownym wysłaniu tego samego zdarzenia.

Przykłady mojej pracy

BILO łączy sprzedaż z płatnościami i obsługą biletów. InVault wykonuje kopie według harmonogramu i po podłączeniu dysku. Paragon Pipeline to osobny, eksperymentalny projekt OCR/NLP: pokazuje badanie ekstrakcji danych z paragonów, a nie gotowy system produkcyjny ani potwierdzoną skuteczność na dokumentach klienta.

Przed rozpoczęciem

Czy każdy program da się zintegrować?

Nie. Trzeba sprawdzić API, możliwość eksportu, ograniczenia dostawcy i dostęp do danych. Bez tych informacji nie można rzetelnie określić zakresu ani utrzymania połączenia.

Czy automatyzacja wymaga AI?

Nie. Dla jednoznacznych reguł wystarcza zwykły kod. Model może pomóc z nieustrukturyzowaną treścią, ale wymaga osobnego sprawdzenia jakości i obsługi niepewnych wyników.

Opisz swój projekt

Podaj nazwy narzędzi, między którymi przenosisz dane, oraz jeden przykład zadania. Jak często je wykonujesz i co powinno się stać, jeśli dane są niepoprawne?

Napisz do Dawida