Integración con data warehouse

Documentos a tablas de Amazon Redshift

Holofin lee PDF y escaneos y escribe cada campo en Redshift, aprovisionado o Serverless, en la región de AWS en la que opere.

Harbourline Insurance plc
CERTIFICATE OF EMPLOYERS' LIABILITY INSURANCE
Policy No. HL-EL-0048213
Name of policy holderFenwick & Shaw Builders Ltd
Date of commencement01 November 2026
Date of expiry31 October 2027
Limit of indemnity£10,000,000
Signed on behalf of the insurerR. Okafor

✓7 campos cargados

!1 marcados para revisión

Documento leído por Holofin y cargado en Amazon Redshift: certificado de seguro. Es un ejemplo: todos los nombres y cifras son inventados.

Cómo funciona

  1. 1

    Conecte Amazon Redshift una sola vez

    Cree un rol con permisos de inserción en un único esquema y pegue sus credenciales en Holofin. Holofin crea la tabla en la primera carga; nada más en Amazon Redshift le resulta visible.

  2. 2

    Envíe los documentos como ya lo hace

    Súbalos en la aplicación, reenvíelos por correo electrónico o envíelos a la API. Holofin clasifica cada archivo, separa los lotes en documentos y lee los campos de cada tipo.

  3. 3

    Consulte las filas

    Cada campo llega como una fila con su confianza, la página de la que procede y un indicador needs_review. Crúcelo con sus propias tablas en Amazon Redshift como cualquier otra fuente.

Cómo escribe el conector de Amazon Redshift

Holofin escribe a través de la Redshift Data API, por lo que no hace falta ningún acceso de red entrante a su clúster o workgroup. Asume un rol de IAM creado en su cuenta, asociado a un usuario de base de datos que puede insertar en un único esquema.

El único permiso que necesita Holofin:

-- IAM role for the Redshift Data API: holofin-loader
CREATE USER "IAMR:holofin-loader" PASSWORD DISABLE;
GRANT USAGE ON SCHEMA extracted TO "IAMR:holofin-loader";
GRANT INSERT, SELECT ON ALL TABLES IN SCHEMA extracted TO "IAMR:holofin-loader";

La tabla que escribe Holofin

Una fila por campo, de modo que un nuevo tipo de documento nunca cambia la tabla. Las columnas son las mismas en todas las plataformas; los tipos siguen la nomenclatura de Amazon Redshift.

holofin.extracted.document_fields
document_idSTRINGIdentificador del documento en Holofin, estable entre recargas.
document_typeSTRINGLa clase que Holofin asignó al documento: supplier_invoice, payslip, bank_statement, etc.
fieldSTRINGEl nombre del campo, en snake_case, tal como se define en su esquema de extracción.
valueSTRINGEl valor como texto normalizado: fechas ISO, punto decimal, IBAN sin espacios.
confidenceFLOATEntre 0 y 1. El grado de certeza de Holofin sobre el valor.
pageINTEGERLa página del archivo de origen en la que se leyó el valor.
bboxARRAY<FLOAT>La posición en esa página: x, y, ancho, alto, como fracciones de la página.
needs_reviewBOOLEANTrue cuando la confianza es baja o falla una regla, como un saldo que no cuadra.
reviewed_bySTRINGQuién confirmó o corrigió el valor en Holofin, una vez revisado.
loaded_atTIMESTAMPCuándo se escribió la fila. Las correcciones escriben una fila nueva; prevalece la más reciente.

Consultar en Amazon Redshift

Los certificados de seguro que vencen en los próximos 30 días, con DATEADD:

-- Insurance certificates that expire in the next 30 days
SELECT document_id, value::date AS period_end
FROM holofin.extracted.document_fields
WHERE document_type = 'insurance_certificate'
  AND field = 'period_end'
  AND NOT needs_review
  AND value::date BETWEEN CURRENT_DATE
                      AND DATEADD(day, 30, CURRENT_DATE)
ORDER BY period_end;

Seguridad

  • Los documentos se procesan en Europa, en servidores de OVHcloud en Francia con certificación ISO 27001.
  • Holofin solo escribe en el esquema que usted autoriza. No puede leer el resto de sus tablas.
  • La conservación de los archivos de origen en Holofin se configura por organización, desde cero retención de datos hasta conservación indefinida. Las filas de su data warehouse siguen sus propias políticas.
  • RGPD: Holofin actúa como encargado del tratamiento. Ningún documento sale de la Unión Europea.

Preguntas frecuentes

¿Funciona con Redshift Serverless?

Sí. Holofin puede apuntar a un workgroup Serverless o a un clúster aprovisionado; la Data API funciona igual con ambos.

¿Hay que abrir la VPC?

No. La Data API se llama a través del endpoint HTTPS de AWS con el rol de IAM que usted concede. Su clúster puede seguir siendo privado.

¿Cuánto tardan los campos en aparecer en Amazon Redshift?

Unos segundos desde que se lee el documento. La mayoría de los documentos se leen en menos de un minuto, así que un archivo enviado por correo suele poder consultarse en Amazon Redshift un minuto después.

¿Qué ocurre cuando un revisor corrige un valor?

Holofin escribe una fila nueva para ese campo con el valor corregido, needs_review a false y reviewed_by informado. Conserve la última fila por documento y campo para obtener el estado actual, o todas las filas para disponer de una pista de auditoría completa.

¿Se puede elegir qué campos se cargan?

Sí. Cada tipo de documento tiene un esquema de extracción en Holofin. Añada, renombre o elimine campos ahí y los siguientes documentos se cargarán con los nuevos nombres. La estructura de la tabla no cambia.

¿Qué documentos lee Holofin?

Cualquier documento empresarial enviado en PDF, escaneado o como foto: facturas, nóminas, extractos bancarios, notificaciones tributarias, extractos registrales, documentos de identidad, certificados. Holofin también comprueba si cada archivo ha sido manipulado y puede señalar un documento sospechoso antes de dar por buenos sus campos.

Pruebe Holofin con sus propios documentos.

Cada valor vinculado a la página de la que procede, cada PDF revisado contra manipulaciones, reglas comprobadas en todo el expediente.

Holofin