首页 / 解决方案 / 专题数据 2023 版 · 数据使用手册

专题数据 2023 版 · 数据使用手册

按主题板块组织的结构化数据目录，逐条给出时间区间、表结构与字段清单，面向需要可复现、字段明确的研究与统计场景。

适用场景	高校与科研机构的学术研究、产业与政策研究、专利与创新计量、上市公司与工商主体研究、区域与行业统计
交付形式	按主题板块组织的数据表与数据包（基本信息表、事务表、引用表、被引用表等），-OPEN 数据集提供展示区与数据索引
数据来源	专利申请与授权公开数据、工商注册信息、交易所与政府部门公开数据，以及经原作者或机构授权收录的学术数据集（手册逐条标注授权方）
覆盖体量	工商注册企业全信息超 2 亿条、40+ 张表、覆盖 1950 年起 34 个行政区；专利数据自 1985 年起；高校专利覆盖 31 省 2740 所高校
核心能力	24 个主题板块、数百个编号数据集的字段级说明；专利引用与被引用、绿色专利、分地区月度统计、主体名单匹配扩展
原版文档	《专题数据-2023年》数据使用手册共 35 页 · 11.6 MB

一、手册的定位与组织方式

先分板块，再列数据集：手册按专利与创新、中国工商注册、文本、房产与土地、A股上市公司、公共数据、全球、政府、中国分地区、中国工业企业和税收调查、ESG、三农、地理与交通、人物、海关与国际贸易、生态与环境、银行保险与债券、新冠疫情、美国、教育劳动与就业、年鉴、历史文化、医疗与食品、吃喝玩乐等主题划分板块，每个板块内对数据集逐条编号。
每条数据集写三件事：数据的时间区间（如「1985 年至最新年份」）、包含哪几张表（基本信息表、事务表、引用表、被引用表等）、以及字段清单（如「专利名称、申请公布日／号、授权公告日／号、申请人、发明人、地址、IPC 分类号」）。
表结构而非单表：多数数据集拆成「基本信息表 + 事务表 + 引用表 + 被引用表」，再据此统计出数量统计表与质量统计表，便于研究者自行做引文与法律状态分析。
-OPEN 标记：数据集名后缀为 -OPEN 的，是经原作者或机构授权收录、建立了展示区与数据索引的开放数据，例如中文金融情感词典、CHFS 中国家庭金融调查、1:100 万全国基础地理数据。

二、专利与创新数据

1. 专利主干数据

提供 1985 年至最新年份的专利申请与授权数据及专利事务数据，分为发明公布、发明授权、实用新型、外观设计四类，可详细追溯专利的各个事务状态。中国专利引用数据分中国版与世界版，世界版包含中国专利被本国申请引用、被其他国家引用的情况，以及各专利在每个国家截至目前的法律状态。

2. 衍生口径

绿色专利：按最新 WIPO 标准与 IPC 分类号划定，形成发明公布、发明授权、实用新型三类基础信息表及绿色专利类别表。
分地区统计：依据最新行政区域代码划分到省、市，以月份为最小统计单位，统计发明、实用新型、外观设计的申请量与授权量；绿色专利另按主分类与一级分类分别统计。
文本数据：1985 年至最新年份的专利描述文本与权利要求文本，为大样本量非结构化数据。
地址与权利人：专利申请人的地址解析至区县一级并附经纬度；专利权人名单与工商注册信息匹配，补充统一社会信用代码、注册地址、行业分类等字段。
无效宣告：专利无效决定公告信息汇总后与专利申请授权数据匹配，含决定号、专利号、无效宣告请求人、发文日等。

3. 主体与国别维度

A股上市公司（1990 年至最新年份）、工业企业、高校（覆盖全国 31 个省份 2740 所高校）、高新技术企业（31 个省区市及 5 个计划单列市）、新三板公司、税收调查企业均配有各自的专利及引用被引用数据。国别维度包含欧洲专利局、美国、英国、欧洲、日本、韩国、WIPO 与欧盟的专利基本信息、引用被引与文本数据。

三、工商注册与企业数据

全信息主库：涵盖企业基本信息、重点关注、知识产权、企业发展、经营状况五个方面，合计超过 40 张表格，数据量超 2 亿条，覆盖 1950 年至最新年份全国 34 个行政区的企业信息。
进入退出统计：按年份、地区、行业、企业性质分类统计注册、注销、存续企业数量，提供二维、三维、四维的统计数据。
名单扩展匹配：税收调查企业、工业企业、失信企业、高新技术企业、线上招聘公司、核酸检测机构等名单，通过精确匹配与模糊匹配补上工商注册时间、组织机构代码、纳税人识别号、经营期限、地址等字段。
专题名录：专精特新「小巨人」企业（2019—2022 年合计四批）、各行业工商注册企业、北上广深四城、各省份与珠三角长三角样本。
商标与软著：涵盖工商注册企业持有的商标及软件著作权信息。

四、A股上市公司数据

该板块按 40 个数据集编号，覆盖上市公司从基础信息到交易、治理、供应链的全链条：

公司与治理：基本信息与股票曾用名、收入结构（主要客户与供应商）、及子公司与关联公司、股东信息与十大流通股东、董监高历届人员、股东大会投票（含中小股东现场与网络表决比例）。
交易与财务：股票高频逐笔成交（上交所、深交所、科创板）、停复牌、业绩预告与快报、财务报表（资产负债表、利润表、现金流量表、财务指标表、披露时间表）、融资融券、重大事项（分红送股、增发、内部交易、限售解禁、回购）。
监管与中介：交易所监管措施、问询函、信息披露评分、财务审计意见与关键审计事项、机构调研、现场检查随机抽查、投服中心行权。
文本与外部信息：全部公告（26 个类型）、新闻文本（近百家媒体近千万条）、财经报纸文本、股吧评论、投资者关系管理问答、IPO 申报发行文件。
经营侧：招聘、招投标、供应链（主要客户与供应商表）、主营业务详情、员工评价、裁判文书、社会责任评价、数字化转型指数。

五、文本、政府与公共数据

文本数据：各省份官方报纸报道、地方政府留言板问答（2011 年以来）、CCTV 新闻联播文本（2006 年中旬至今）、政府工作报告文本（29 个省份及 304 个地级市、近 20 年）、电影评论、CNN 新闻文本等。
政府数据：政府采购合同（2015 年以来）、PPP 项目全阶段数据、政府招投标（百余个网站、总规模 4000 万+）、彩票销售、游戏审批、产品质量监督抽查、食品安全抽检、学科评估、地方政府债券、税务与环保行政处罚。
公共数据（-OPEN）：ESIEC 中国企业创新创业调查、CHFS 中国家庭金融调查、1:100 万与 1:25 万全国基础地理数据、30 米全球地表覆盖数据、90 座城市建筑物屋顶矢量数据集、企业经济政策不确定性感知指数、省际铁路通行时间数据。
分地区数据：行政区划、各区县最低工资、全国 POI（两个来源，分别含 15 与 17 个大类）、全国 1A—5A 景区、方言分布。

六、房产土地、行业与其他板块

房产与土地板块覆盖 28 个省级行政区与 91 个重点城市的小区、二手房成交与挂牌、写字楼租赁与买卖、商铺租赁与买卖、新房、土地交易与法拍房；行业板块包含三农（农产品批发价格覆盖 31 个省、45 种主要农产品）、地理与交通（铁路时刻、全球四千多个港口、200 多个城市公交、34 个省快递网点、人口迁徙）、生态与环境（台风、空气质量、历史天气、地震、观鸟）、银行保险与债券、海关与国际贸易、医疗与食品、历史文化、教育劳动与就业、ESG（含中诚信绿金评级、八个碳排放交易所数据）。

七、字段与使用约定

字段为示例：手册在多数数据集末尾标注「以上为部分数据字段展示」，实际字段以具体数据表为准。
引用要求：使用中文金融情感词典需引用姜富伟、孟令超、唐国豪《媒体文本情绪与股票回报预测》（《经济学（季刊）》2021 年第 4 期，第 1323—1344 页）。
授权来源：标明 -OPEN 的数据集均在手册中写明了授权方，例如国家基础地理信息中心许可、北京大学企业大数据研究中心合作、上海财经大学会计学院与南京大学长江产业经济研究院的授权。
时间区间差异：不同数据集截止时间不同（工业企业数据截至 2013 年、税收调查 2008—2015 年、CHFS 第五轮为 2019 年），使用时需逐条核对。

八、常见问题

这份专题数据手册一共包含哪些主题板块？

按手册目录分为专利与创新、中国工商注册、文本、房产与土地、A股上市公司、公共数据、全球、政府、中国分地区、中国工业企业和税收调查、ESG、三农、地理与交通、人物、海关与国际贸易、生态与环境、银行保险与债券、新冠疫情、美国、教育劳动与就业、年鉴、历史文化、医疗与食品、吃喝玩乐等板块，每个板块内数据集逐条编号并给出字段。

专利数据的时间范围和数据构成是什么？

中国专利数据自 1985 年至最新年份，分发明公布、发明授权、实用新型、外观设计四类，含基本信息表与事务表；引用数据分中国版与世界版，另配绿色专利、分地区月度统计、专利文本、无效宣告、地址解析等衍生数据集。

工商注册企业数据有多少条、覆盖哪些年份？

手册标注中国工商注册企业全信息数据量超 2 亿条，合计超过 40 张表格，覆盖 1950 年至最新年份全国 34 个行政区的企业信息，涵盖基本信息、重点关注、知识产权、企业发展、经营状况五个方面。

数据集名称后面的 -OPEN 是什么意思？

-OPEN 表示该数据集是经原作者或机构授权收录的开放数据，手册为其建立了展示区与数据索引以便浏览，例如中文金融情感词典、CHFS 中国家庭金融调查、1:100 万全国基础地理数据、企业经济政策不确定性感知指数。使用时需遵守原作者的引用与授权要求。

不同数据集的时间区间一致吗？

不一致。手册逐条标注各自区间，例如工业企业数据截至 2013 年、税收调查企业为 2008—2015 年、CHFS 最新公开为 2019 年第五轮、国家基金项目社科数据截至 2019 年 7 月 15 日。使用前需按数据集核对。

数据以什么结构提供？

多数数据集按「基本信息表 + 事务表 + 引用表 + 被引用表」拆表，并据此统计出数量统计表与质量统计表；手册逐条列出表名与字段清单，例如分地区统计的字段为省份代码、省、城市编码、市、申请年月、授权年月与三类专利申请授权数量。

查看原版方案

《专题数据-2023年》 · PDF · 35 页 · 11.6 MB

点击下方按钮在页面内预览（按需加载，不影响本页阅读）。

在页面内预览新窗口打开