西藏工商企业名录
工商企业名录的全量口径,是把所有登记主体都收进来:企业法人、个体工商户、农牧民专业合作社、分支机构,还包括存续、在业、迁出、注销各种状态。西藏的清洗比内地多一道工序——地址和商号的汉字写法不统一,同一个地方可能有三种写法。一份没清洗过的西藏工商名录,直接拿去做统计,误差可能比不用还大。
本文要点:一、全量与精选的差别;二、重复的三类来源;三、地址标准化是最大工作量。
全量工商名录的主体构成与清洗链路
一、全量与精选的差别
全量版条目数通常是精选版的三到五倍,多出来的主要是个体户、合作社和注销记录。做行业总量研究要用全量,做客户名单要用精选。买数据前先问清是哪一版。
二、重复的三类来源
一是总公司与分公司被当成两家;二是企业更名后新旧记录并存;三是同一地址的集中注册企业被多次采集。第一类用信用代码前缀识别(91 为分支机构、93 为合作社),第二类靠成立日期和地址比对,第三类看地址重复度。
三、地址标准化是最大工作量
西藏的地名汉字写法不统一:有的写「日喀则市桑珠孜区」,有的只写「桑珠孜区」,还有用旧称「日喀则地区」;乡镇名音译差异更大,比如「当雄」与「当雄县」、「安多」与「安多县」。标准化要做三件事:补全地市名、统一行政区划后缀、把旧称映射到现行区划。
四、藏文名称要不要保留
建议保留一列原始名称,另设一列规范汉字名。原因是检索时用户可能用任一写法,保留原文能提高召回;做统计和去重时用规范列,避免同一主体被算成两家。
五、行业字段的补全
很多名录只有经营范围没有行业码。补全办法是按经营范围首项匹配国民经济行业分类四位码,再用名称里的行业词校正。西藏的农牧加工、民族手工艺、藏药三类误判率最高,需要人工抽检。
六、清洗后的验收标准
三个指标:信用代码唯一率 100%、地址标准化率 95% 以上、行业码填充率 90% 以上。达不到就别急着用,返工成本远高于多花半天清洗。清洗脚本要留版本,下次更新复用。
全量名录像原矿,值钱但要用得先炼。清洗规则写进脚本,每次更新跑一遍,比人工挑错可靠。跨省对照可以先看新疆经营企业名单,库表设计也能接着看西藏小微企业名录。
常见问答
全量名录里为什么有注销企业
采集时按历史库导出,注销记录也在其中。对研究行业变迁有用,对做客户名单无用,使用前按登记状态过滤即可。
合作社要单独保留吗
建议单独标注类型并保留。合作社在西藏是重要的原料供应和初加工主体,混在企业里排序会被注册资本掩盖。
地名写法不统一怎么处理
建一张对照表:旧称—现行区划、音译异体—标准写法,清洗时逐条映射。这张表本身是有价值的资产,后续所有数据都能用。
多久更新一次合适
客户名单半年一次,边境口岸和园区类季度一次。更新时保留历史版本,用信用代码做增量比对,只处理新增和状态变化。
需要免费的西藏工商名录,登录 soso.zggsml.com。
