Utmaningen
Offentlig data bakom betalvägg och säljsamtal
Grunddatan om svenska företag är offentlig och avgiftsfri. Bolagsverket och SCB publicerar den öppet. Ändå möts den som vill använda den nästan alltid av samma sak: registrera dig, prata med en säljare, teckna ett avtal.
Det drabbar fyra grupper med samma behov men olika ärenden — journalisten som granskar, säljaren som prospekterar, utvecklaren som bygger något ovanpå, och privatpersonen som vill kolla upp en motpart innan en affär.
Anledningen att ingen bara "laddar ner datan" är att den är obekväm. Den kommer i stora bulkfiler, i flera olika format, med olika teckenkodning — och årsredovisningarna ligger som iXBRL, ett maskinläsbart men otympligt format där varje bolags bokslut ligger i en egen fil, paketerad i tusentals zip-arkiv.
Vad vi byggde
En sökmotor och ett API ovanpå öppna data
Importpipeline som tål verkligheten
Vi byggde en pipeline som streamar bulkfilerna rakt ur zip-arkiven utan att packa upp dem till disk, och som hanterar XML, CSV, TSV och NDJSON genom samma kodväg. Den upptäcker avgränsare automatiskt och hanterar att Bolagsverket levererar UTF-8 medan SCB levererar Latin-1.
Importerna är idempotenta och återupptagbara: de skriver i batchar med exponentiell backoff, och efter ett avbrott spolar de förbi det som redan är inläst i stället för att börja om. För årsredovisningarna bokförs varje färdig bulkfil, så att en import som kraschar vid fil 600 av 787 fortsätter där den slutade.
- Streamande parser som hanterar fyra filformat och två teckenkodningar
- 360 000+ årsredovisningar tolkade ur iXBRL, med 32 taxonomibegrepp mappade till nyckeltal
- Idempotenta batchskrivningar med backoff — importen tål avbrott och kan återupptas
- Postnummer berikade till län och kommun via öppna geodata
Sökningen — där arbetet faktiskt låg
Att söka i 3,5 miljoner rader är lätt att göra långsamt. Den naiva lösningen fungerar fint i utveckling och kollapsar i produktion: en sökning på ett vanligt ord som "bygg" matchar över 200 000 bolag, och databasen lägger all tid på att ranka träffar ingen kommer att titta på.
Vi byggde sökningen som en trappa i fyra steg. Ser frågan ut som ett organisationsnummer görs en direktträff. Annars filtrering på indexerade kolumner, därefter fulltextsökning med svensk språkstämning — och först om den ger för få träffar kopplas en långsammare fuzzy-matchning in, och bara på första sidan.
Effekten var dramatisk. Tunga frågor gick från 50 sekunder till 1 sekund, branschsidor från 69 sekunder till 0,2, och startsidans svarstid från 31 sekunder till 0,06.
- Fyrstegssökning: organisationsnummer → filter → fulltext → fuzzy som sista utväg
- Tak på antal kandidater vid rankning, så breda sökord inte fäller databasen
- Tidsbudget mot databasen på startsidan — hellre en tom kolumn än en sida som hänger
Ett API som är gratis på riktigt
API:et har tre endpoints: sök, hämta enskilt bolag, och bulkexport med keyset-paginering för den som vill synka hela registret. Nycklar skapas självbetjänat och ger 500 anrop per dygn.
Kvoten räknas ner atomiskt i databasen — i en enda operation som både läser och skriver. Det låter som en detalj, men det är skillnaden mellan en kvot som håller och en som går att kringgå genom att skicka många anrop samtidigt.
- Tre endpoints: sök, enskilt bolag och bulkexport med keyset-paginering
- 500 anrop per dygn och nyckel, med kvotinformation i svarsheaders
- Atomisk kvotmätning som inte går att kringgå med parallella anrop
Integritet i ett register med personuppgifter
Här finns en fälla som är lätt att missa: för enskilda näringsidkare är organisationsnumret ett personnummer. Ett register över svenska företag är därmed också ett register över drygt en miljon personnummer.
Vi maskerar personnumren i alla publika svar, och länkar till enskilda firmor via en slumpad token i stället för numret — så att en URL går att dela utan att exponera en personuppgift. Åtkomsten är dessutom begränsad på kolumnnivå i databasen, inte bara i applikationskoden.
- Personnummer maskeras i samtliga publika svar och i API:et
- Opaka tokens i URL:er och sitemaps i stället för organisationsnummer
- Behörighet på kolumnnivå i databasen — inte enbart i applikationslagret
Tekniska val
Allt på edge, logiken i databasen
Sajten är byggd i Next.js 15 med React 19 och körs i sin helhet på Cloudflare Pages edge-runtime — varje sida och varje API-route. Data ligger i Supabase/PostgreSQL.
Vi valde medvetet bort ORM. Sökningen, kvothanteringen och sitemap-genereringen är skrivna som databasfunktioner i ren SQL, eftersom det är där prestandan avgörs — och för att en sökning i miljontals rader inte är något man vill att ett abstraktionslager ska formulera åt en.
Att indexera miljontals bolagssidor krävde en egen lösning: sitemapen genereras i databasen och radantalet uppskattas ur Postgres statistik i stället för att räknas, eftersom en exakt räkning över 3,5 miljoner rader tar längre tid än vad en sökmotor väntar.
Resultatet
Ett öppet register i produktion
Bolagsdata API är live med 3,5 miljoner företag och 360 000+ årsredovisningar med nyckeltal. Sök och API är gratis, utan betalvägg och utan säljsamtal — tjänsten finansieras av annonsering och företag som väljer att uppgradera sin profil. Sökningar som tidigare tog nästan en minut svarar i dag på under en sekund.