Uwolnij się od potworów IT

Niefajne, powtarzające się zadania IT, które nie chcą same odejść.

Nie karm potworów czasem Twojego zespołu.

Nie przepłacaj na stawkach deweloperskich

Fixkit po prostu wie jak okiełznać tę bestię.

Co oferujemy:

Doświadczenie
Mix automatyzacji i pracy ludzi
Kompetencje zespołu
Konkurencyjne ceny
Sprawdzone metody

Audioteka.pl

Porządki w audiobookach

6 tysięcy audiobooków od niemieckich wydawców w formacie mp3. Pliki nie posiadają metadanych (brak nazw zgodnych z tytułami, isbn-ów, nazwisk autorów itd). Świetne pozycje ale w takiej formie nie nadają się do dostarczenia klientom.

Jak się rozprawić z takim potworem w mniej niż 3 tygodnie? Możemy wymagać od wydawców uzupełnienia danych. Realny czas to od 2 do 4 miesięcy i pewnie dalej nie będzie dobrze. Stworzenie czteroosobowego zespołu na miesiąc lub dwa i ręczne zabijanie potwora też nie jest opcją.

Co zrobiliśmy z tym potworem?

ujednoliciliśmy dane od wydawców z różnych formatów (DOC, XLS ok. 60.000 linii),
zweryfikowaliśmy kompletność danych (informacje o brakach i błędach przekazane do wydawców)
wprowadziliśmy prawidłowe dane do pól metadanych plikach mp3 (ok. 55.000 plików),
zweryfikowaliśmy poprawność wprowadzonych danych w plikach,
umieściliśmy wszystkie poprawione pliki na Audioteka.pl.

Potwór okiełznany.

Porozmawiajmy

Agora S.A.

Konwersja i kontrola jakości ebooków

Kilka tysięcy nowych ebooków do platformy sprzedażowej Publio. Od wielu wydawców. Niesprawdzone, różnej jakości. Muszą z nich wyjść dobre ebooki (w formacie epub/mobi). Niby mały potwór ale…

Pierwszy krok to ocena możliwości konwertowania poszczególnych tytułów:

przygotowanie skryptu konwertującego PDF do TXT,
przygotowanie skryptu oceniającego różnice między plikami PDF a plikami TXT (braki np pochyleń i wygrubień tekstu, zbędne akapity, błędne kodowanie znaków itp),
segregacja plików ze względu na błędy, ocena pracochłonności przygotowania plików docelowych,
przygotowanie raportu końcowego.

W ciągu 4 dni roboczych wyrwaliśmy potworowi największe zęby. Wiedzieliśmy w jakich plikach występują dane typy błędów i które pliki PDF nadają się do dalszej obróbki w celu otrzymania pełnowartościowych epubów. Manualny proces to zbyt potworna alternatywa, żeby nawet ją rozważać.

Porozmawiajmy

Connective

Szablony dokumentów bankowych

Szablony i dokumenty w Twoim banku nie tworzą się same. Jak pewnie się domyślasz nie są proste i krótkie. Czasami mogą być potwornie skomplikowane i niewdzięczne - szczególnie, kiedy muszą być automatycznie personalizowane. Doskonale znamy ten temat.

Dokumenty, które podpisuje klient muszą zawierać odpowiednie formy gramatyczne, informacje o właścicielach, współwłaścicielach kont bankowych itp. Dla nas przekłada się to na konkretną pracę, która polega na:

definicji pól ulegających zmianie w formacie xsd (opracowanie logiki dokumentu),
przygotowaniu plików XML zgodnych z plikami XSD,
opracowanie szablonów w MS Office z wykorzystaniem elementów zmiennych zawartych w plikach XSD.

Kilkadziesiąt typów dokumentów oznacza, że to ostatnia rzecz, którą Twój zespół chce robić sam.

Porozmawiajmy

Różni wydawcy

Weryfikacja i zgłaszanie pirackich kopii

Zgłaszanie do usunięcia plików objętych prawami autorskimi w kilkudziesięciu serwisach to więcej niż potworna robota Manualnie? Prawie niewykonalne.

Stworzyliśmy skrypt, który przeszukuje treści pod kątem występowania znaczników (autor, tytuł, isbn itp.). Doskonale wiedzieliśmy, że “Tolkien” może być zapisany jako “To1kien”. Nasz skrypt też o tym wiedział. Znaki numeryczne zamiast liter to jedynie wierzchołek góry lodowej.

Skryptem generujemy raport na, którego podstawie możemy odseparować z dużą dokładnością pirackie kopie bez względu na ich nazwę lub inne potworne sposoby ich ukrycia. Oczywiście od razu identyfikujemy osoby udostępniające chronione treści.

Dzięki automatyzacji znaczącej części pracy nie musieliśmy budować zespołu, który musiałby ręcznie przekopywać kilkadziesiąt serwisów i ręcznie zweryfikować treść plików. Zbyt potworna alternatywa.

Porozmawiajmy

TPSA & MON

Uspójnienie danych billingowych

Wystawienie zaległych faktur z danych z wielu różnych systemów billingowych? Czy rekordy z różnych okresów rozliczeniowych i różnych systemów dotyczą tego samego klienta? Wszystko na przestrzeni kilku lat? Uspójnianie tych wszystkich danych? Potworna robota.

Pierwszy etap to półautomatyczne ujednolicenie sposobu zakodowanie osobowych oraz teleadresowych i identyfikacja z wykorzystaniem różnych identyfikatorów (nr tel., NIP, imię i nazwisko itd.).

Później cykliczne automatyczne przetwarzanie bazy danych. Rekordy dzielone na zidentyfikowane oraz wątpliwe. Po przejrzeniu rekordów wątpliwych, reguły klasyfikacji były rozbudowywane i procedura przetwarzania powtarzana do momentu kiedy kolejne powtórzenie nie powodowało znaczącego zwiększenie liczby poprawnie zidentyfikowanych rekordów.

Na koniec - zbiór przetworzonych i zidentyfikowanych danych abonentów wraz z ich należnościami był wykorzystany do wygenerowania korespondencji seryjnej: faktur oraz ugód związanych z rozłożeniem na raty łącznego zadłużenia. W zależności od rodzaju kontrahenta i wysokości jego zadłużenia każdy przypadek był obsługiwany przez jeden ze zdefiniowanych rodzajów ugód.

Porozmawiajmy