统一社会信用代码的校验位，能帮你筛掉一批假数据

做企业数据清洗的人都知道，名称可以重、地址可以改，只有统一社会信用代码是唯一且稳定的。但代码本身也有真伪：18位里最后一位是校验位，用固定算法可以验证。这一招能筛掉相当比例的脏数据，成本却几乎为零。

统一社会信用代码结构

代码的五个组成部分

登记管理部门代码、机构类别代码、登记管理机关行政区划码、主体标识码、校验码。前两部分各一位，行政区划码六位，主体标识码九位，最后一位是校验码，结构固定。

校验位怎么算

按国家标准规定的加权因子逐位相乘求和，再取模映射到字符集。算法是公开的，写几行代码就能批量校验，不需要依赖任何商业服务。

为什么校验有用

人工录入时错一位、爬虫抓取时截断、表格合并时错行，都会导致代码不合法。校验能把这些错误在入库前拦下来，避免后续分析建立在错行数据上。

代码与名称的对应关系

企业名称变更后代码不变，这是代码最大的价值。做历史数据合并时，以代码为主键，能避免同一家企业被拆成多条记录，也能串起被改名打断的历史。

常见误区

把组织机构代码、纳税人识别号与统一社会信用代码混用。三者有历史沿革关系，但并不等同，跨系统比对时要先做映射，否则会大量匹配失败。

实操建议

用工商名录检索导出数据后，先跑一遍代码校验，再按代码去重，最后与官方系统抽样比对。三步走完，数据质量会有明显提升，后续评分模型也更可信。

一行代码，胜过十个字段的猜测。用工商名录检索做数据处理，先把代码校验加上，后面的分析才站得住。

常见问答

想按地区、行业查全国工商名录，可登录 soso.zggsml.com 免费检索。