Автоматический сбор неструктурированной информации с рабочих станций 

Самая ценная информация в организации, как правило, находится на рабочих станциях пользователей. Там накоплена информация, представляющая собой бесценный опыт сотрудников по решению своих професcиональных задач. В то же время, большая часть информации представляет собой модифицированные копии одних и тех же документов, часто бесконечно пересылаемые друг другу в сети. Для сбора информации с сотрудников и исключения дублирования используются различные базы данных, CRM системы, информацию в которые сотрудники обязаны помещать в приказном порядке. К сожалению, такие приказы редко выполняются сотрудниками, а если и выполняются, то не в полной мере. Мы предлагаем другой подход к решению данной проблемы.

На рисунке показана схема автоматического сбора неструктурированной информации с рабочих станций сотрудников, ее организация в соответствии с тематическим рубрикатором и загрузка в централизованное хранилище с помощью информационно-поисковой платформы Exalead. На представленном рисунке в качестве хранилища используется Documentum. Кроме Documentum могут быть использованы такие как NotesExange, E-Room, Sharepoint, для которых у Exalead есть стандартные коннекторы. Также предоставляется возможность написания коннекторов для любых нестандартных хранилищ информации.

Информационно-поисковая платформа Exalead предназначена для интеграции структурированных и неструктурированных данных различных форматов, располагающихся в разнородных хранилищах в единое информационное пространство с обеспечением эффективного поиска и доступа к содержащейся в них информации через унифицированный web-интерфейс.

В состав Exalead входит набор модулей-коннекторов, обеспечивающих автоматический сбор данных из различных хранилищ, в том числе сетевых ресурсов. Модули-коннекторы в автоматическом режиме будут отслеживать изменения файлов в сетевых директориях и передавать оригинальные документы на обработку в Exalead. Для каждой сетевой директории может быть определен уникальный перечень отбираемых типов файлов, извлекаемых метаданных, поддиректорий и паролей для доступа. На одной и той же клиентской рабочей станции может быть несколько сетевых директорий.

Обработка поступающих файлов в Exalead заключается в определении формата документа (все версии MS Office, PDF, html и т.д.), выделении из него текстовой составляющей и метаданных (атрибутов), полнотекстовой индексации, тематической рубрикации, выделению упомянутых сущностей (персон, организаций, географии и т.д.) и формирования эскиза первой страницы, представляющего собой уменьшенную копию ее графического образа. В результате обработки формируется поисковый индекс Exalead, содержащий многомерную структуру ссылок на документы, располагающиеся на клиентских рабочих станциях в соответствии с их метаданными, тематическими рубриками и текстовым содержимым. В зависимости от настроек, объем поискового индекса составляет от 25% до 100% от объема текстовой составляющей исходных документов. В процессе обработки документов с рабочих станций не производится их сохранение на сервере Exalead.

Через сервисы поиска Exalead для отдельной группы сотрудников может быть открыт доступ к собранной информации, который включает в себя:

• Возможность сквозного поиска по информации, собранной со всех клиентских рабочих станций с возможностью фильтрации списка найденных документов по их источниками, значениям метаданных (датам, форматам, объемам, авторам и т.д.), выделенным сущностям и тематическим рубрикам.

• Просмотр метаданных и эскизов найденных документов (даже если клиентская рабочая станция, на которой располагается документ не в сети).

• Просмотр текстовой составляющей и оригиналов найденных документов (если клиентская рабочая станция, на которой располагается документ, находится в сети). Дополнительно можно использовать специальную утилиту, позволяющую в автоматическом режиме выгружать собранную с клиентских рабочих станций информацию в централизованное хранилище.

Это решение позволит:

• Обеспечить доступ к текстам и оригиналам собранных документов при отключении от сети рабочих станций, на которых они располагаются;

• Отслеживать версии собранных документов, выявлять и устранять дубли;

• Включить хранящиеся на клиентских рабочих станциях документы в документооборот организации;

• Осуществлять централизованное резервное копирование собранной информации, что устранит риск потери накопленной информации. При необходимости, в сформированное информационно-поисковое пространство могут быть добавлены данные, содержащиеся в специализированных информационных системах, например, в таблицах Oracle. Для соблюдения целей безопасности обеспечивается наследование имеющихся правил разграничения доступа к собранным данным за счет включения оригинальных ACL в поисковый индекс Exalead и интеграции с существующими методами авторизации пользователей.