Data-Gouv-FR/jointure-boamp-siren-cote-acheteurs-2024-2025-et-2026

这是一个连接BOAMP（法国官方公告数据库）与SIREN（法国企业识别号数据库）的数据集，专注于采购方（acheteurs）信息，涵盖2024、2025和2026年。数据集为每个公告实现了采购方的SIREN号码（列名为SN_30_Siren），基于INSEE发布的最新数据。为便于数据挖掘，添加了多个列，原始列名已重新前缀化、编号并按字母顺序排序。数据集包含Parquet格式的BSA（公告数据）以及CSV格式的表结构。数据来源包括INSEE的SIREN/SIRET企业数据库和BOAMP的API。注意：这些数据仅供参考，以官方BOAMP为准。This is a dataset that joins the BOAMP (French official announcements database) with the SIREN (French business identification database), focusing on the buyers side (côté acheteurs) for the years 2024, 2025, and 2026. The dataset includes the SIREN number of the buyer (column SN_30_Siren) for each announcement, based on the latest data published by INSEE. Several columns have been added to facilitate data mining, and the original column names have been prefixed, numbered, and sorted alphabetically. The dataset contains BSA (announcement data) in Parquet format and the table schema in CSV format. Data sources include INSEEs SIREN/SIRET business database and the BOAMP API. Note: This data is indicative; only the official BOAMP is authoritative.

搜集汇总

数据集介绍

构建方式

该数据集源自法国公共采购领域的两大权威数据源：由法国公共采购公告官方公报（BOAMP）提供的公共采购公告数据，以及法国国家统计与经济研究所（INSEE）维护的企业 SIRENE 数据库（涵盖 SIREN 代码）。构建过程通过将 BOAMP 数据中采购方（Acheteur）的 SIREN 字段与 INSEE 最新发布的企业名录进行精准匹配，完成了对 2024、2025 及 2026 三个连续年份采购公告的采购方身份信息填充。数据以 Parquet 格式存储，共包含三个按年份划分的子集，每个子集内含一个统一的训练集（train）分割，便于高效加载与处理。

特点

该数据集的核心特色在于其跨年度的采购方信息整合能力，通过引入 SIREN 识别码，极大地提升了原始 BOAMP 数据的可关联性与分析价值。数据集中额外加入了若干便于数据挖掘的辅助列，并对原始字段名进行了系统性改造：通过前缀、编号与字母排序，使得数据结构更为清晰、规范，降低了用户理解成本。同时，以 Parquet 列式存储格式呈现，在压缩率与查询性能上具备显著优势，尤其适合大规模数据场景下的高效读取与分布式计算。

使用方法

用户可通过 Hugging Face 的 datasets 库便捷地调用该数据集。使用加载函数 load_dataset() 并指定数据集名称及具体的子集配置（如 boamp-avec-siren-acheteurs-2026.parquet），即可将对应年份的数据加载为 Dataset 对象。每个子集均提供 train 分割，用户可直接通过 ds["train"] 访问全部数据实例。此外，数据集中还附带了 CSV 格式的字段模式描述文件，有助于用户快速理解列含义并制定后续的数据清洗、特征工程或机器学习建模方案。

背景与挑战

背景概述

该数据集构建于2024至2026年间，由法国数据开放平台data.gouv.fr上的社区贡献者整理发布，核心研究问题聚焦于将法国公共采购公告（BOAMP）与INSEE的企业注册数据库（Sirene）进行关联，以揭示采购方（即买方）的SIREN标识信息。通过将BOAMP公告中的买方字段与Sirene库进行联结，该数据集填补了公共采购数据中企业身份识别缺失的空白，极大地提升了采购透明度与数据挖掘的可行性。作为法国开放数据生态的重要补充，该数据集为经济分析、腐败监测及公共支出审计等领域提供了高质量的结构化基础，推动了公共采购数据从文本公告向可分析结构的转化。

当前挑战

该数据集面临的挑战首先在于领域层面的数据异构性：BOAMP公告以非结构化文本为主，而Sirene数据库为结构化企业登记信息，两者的字段命名、数据格式及编码标准差异显著，增大了精确匹配的难度。其次，构建过程中需应对时间跨度一致性，需确保2024至2026年三个年份的数据在更新频率、版本兼容性及INSEE企业信息变更（如并购、注销）下保持逻辑连贯。此外，大规模数据清洗与去重工作、买方实体名称的多样化表达（如缩写与全称并存）以及隐私合规性（如仅公开SIREN而非完整SIRET）均为技术实现中的关键瓶颈。

常用场景

经典使用场景

该数据集的核心应用在于将法国官方公共采购公告（BOAMP）与企业注册信息（SIREN）进行精准关联，为2024至2026年期间所有采购方（即买方一侧）的每一条招标公告，自动补全其对应的SIREN企业识别码。这一过程不仅消除了手动匹配的繁琐与误差，还在数据结构上进行了优化——原始列名被统一前缀与编号，并额外添加了便于数据挖掘的辅助字段。研究者或分析师可以通过该数据集，一键获取采购公告背后参与机构的企业身份信息，为后续的统计建模、网络分析与市场洞察奠定坚实的数据基础。可以说，该数据集天然服务于那些需要从海量公共采购记录中提取组织实体身份并开展聚合分析的场景。

衍生相关工作

围绕该数据集的结构化特征与研究便利性，学术界与工业界已衍生出若干具有重要价值的后续工作。一方面，研究者可以基于此构建「公共采购实体知识图谱」，将采购方SIREN与供应商、项目类别、地理区域等信息交叉链接，形成动态的企业行为网络；这类图谱在产业经济学与城市治理研究中极具潜力。另一方面，该数据集的时序属性（跨2024至2026年）支持开展采购需求的季节性预测与宏观经济指标联合分析。值得注意的是，该数据集的设计理念——即对原始公告进行关键实体填充与列名重构——已在Data.gouv.fr社区内被借鉴，催生了其他类似的SIREN增强型数据集，形成了一套可复制的公共数据预处理范式。这些衍生工作共同推动了法国开放数据生态从「原始数据发布」向「可直接分析的数据产品」的演进。

数据集最近研究

最新研究方向

该数据集将法国公共采购公告（BOAMP）与INSEE的企业注册数据库（SIRENE）进行关联，为2024至2026年间买方侧的采购行为提供了结构化、可挖掘的高质量数据。基于此，前沿研究方向聚焦于公共采购领域的透明化治理与经济学分析，例如利用SIREN编码追溯采购主体的企业特征，揭示政府采购中的市场集中度、中小企业参与度及供应商网络演化规律。同时，该数据集可服务于热点事件如“法国公共数据开放运动”，通过增量年份的关联设计支持时间序列分析，以评估采购政策对区域经济与商业活力的影响。其意义在于打破了行政公告与商业注册之间的数据孤岛，为监督腐败、优化采购流程及构建基于实证的公共支出决策模型奠定了关键基石。