TenderDataHub × RAGData

Закупочные данные и документация для RAG‑систем

API для поиска и обновлений, готовые исторические массивы для собственного хранилища и распознанные документы для полнотекстового поиска, ML и RAG.

Данные TenderDataHub для RAG

Два способа поставки

ПодходКогда подходитЧто получает RAG‑команда
APIпоиск, новые записи, обновление отдельных карточек, интеграция с приложениемоблачный программный доступ по сущностям
Готовая базамноголетняя история, BI/DWH, ML, массовое индексирование, собственное хранилищеJSONL, Parquet, CSV, JSON или XML; разовая выгрузка и регулярная дельта

Какие данные доступны

Тендеры РФ

44‑ФЗ, 223‑ФЗ, корпоративные, коммерческие и малые закупки.

Иностранные тендеры и RFQ

Закупочные объявления и запросы предложений из стран мира.

Контракты и продукция

Суммы, поставщики, сроки исполнения, товарные позиции и цены.

Организации

Реквизиты, роли, активность, контакты, продукция и риск‑события.

Победители и участники

Протоколы, предложения, цены и связи с организациями.

Торги и банкротство

Имущество, земля, недвижимость, транспорт, оборудование и права.

ФАС, РНП и жалобы

Данные для комплаенса, проверки поставщиков и риск‑моделей.

Документация для ИИ

Тексты, метаданные и подготовленные фрагменты для поиска и RAG.

Архитектура RAG на закупочных данных

API / ParquetНормализацияChunk + metadataHybrid indexОтвет + источник

Структурированные поля не следует превращать только в текст. ИНН, регион, закон, сроки, статус, ОКПД2 и суммы полезно хранить как metadata для фильтрации. Документацию индексируют отдельно, сохраняя связь с карточкой закупки и версией файла.

Примеры продуктов

  • ассистент по требованиям закупочной документации
  • поиск похожих тендеров и контрактов
  • анализ рисков и проверка поставщиков
  • формирование черновика ответа на запрос
  • поиск цен и аналогичных товарных позиций
  • корпоративная база знаний тендерного отдела
  • SaaS для отраслевого мониторинга спроса

Что указать в запросе на данные

Опишите сущности, период, страны или регионы, формат, частоту обновления, пример пользовательского вопроса, предполагаемый объём и способ использования. Для RAG отдельно укажите, нужны ли исходные документы, распознанный текст, готовые фрагменты и связи между сущностями.

Следующий шаг: запросите небольшой репрезентативный пример, соберите evaluation set и измерьте качество retrieval до массовой индексации.