Ik haal tabellen uit je PDF in een overzichtelijke Excel-spreadsheet

De meeste "PDF naar Excel"-resultaten zijn een screenshot in een cel, of een tabel met drie samengevoegde rijen rommel in het midden. Je krijgt een spreadsheet die je daadwerkelijk kunt gebruiken.

Wat ik anders doe, en waarom dat belangrijk is

Voetnoten reizen mee met de data. Statistiektabellen bevatten notities die de betekenis van de cijfers veranderen, zoals andere noemers, herziene definities, "gegevens vanaf 2019 opnieuw gewogen". De meeste extracties laten die notities achterwege. Het resultaat is een spreadsheet die er goed uitziet maar in feite verkeerd is. Ik neem ze mee in de sheet.

Tarieven en niveaus krijgen aparte, benoemde kolommen. Waar een tabel duizenden en percentages door elkaar haalt, krijgt elke kolom een naam die aangeeft wat het is. Je ontdekt niet dat "21.0" een tarief was door het te sorteren en je af te vragen waarom de totalen onzin zijn.

Niets wordt geraden. Als een pagina onleesbaar is, een cel dubbelzinnig, of een cijfer ontbreekt, krijg je een lege cel plus een regel in mijn notities die dat aangeeft. Ik vul geen gat op met een plausibel ogend getal.

Voorbeeld van een werkstuk is te zien in de gig-galerij: een 37 pagina's tellend arbeidsmarktrapport van het UK Office for National Statistics, vier tabellen uitgevinkt in een vierbladige werkmap met voetnoten intact en totalen gecontroleerd in 15 gebieden, 4 datasets.