Continuity of the business in next 12 months

包含2,401,055条记录，27个特征，是一个二分类问题。

This dataset comprises 2,401,055 records with 27 features, presenting a binary classification problem.

原始信息汇总

CEIDG Datasets 概述

数据集 #1: Continuity of the business in next 12 months

• 记录数: 2,401,055
• 特征数: 27
• 问题类型: 二元分类问题
• 主要特征:
  • RandomDate: 随机选择的日期，范围在2017-11-01至2018-11-01之间，或业务连续性在此期间停止的日期。
  • Target: 二元响应变量，指示业务在随机日期后的12个月内是否中断。
  • MonthOfStartingOfTheBusiness: 在CEIDG注册业务的月份。
  • QuarterOfStartingOfTheBusiness: 在CEIDG注册业务的季度。
  • MainAddressVoivodeship: 主要营业地点的省。
  • MainAddressCounty: 主要营业地点的县。
  • MainAddressTERC: 辅助列，TERC代码，用于从其他数据源增强数据。
  • CorrespondenceAddressVoivodeship: 通信地址的省。
  • CorrespondenceAddressCounty: 通信地址的县。
  • CorrespondenceAddressTERC: 辅助列，TERC代码，用于从其他数据源增强数据。
  • MainAndCorrespondenceAreTheSame: 检查通信地址和主要地址是否相同。
  • DurationOfExistenceInMonths: 从注册业务到随机日期的月数。
  • NoOfAdditionalPlaceOfTheBusiness: 额外的营业地点数量。
  • IsPhoneNo: 检查注册中是否填写了电话号码。
  • IsEmail: 检查注册中是否填写了电子邮件。
  • IsWWW: 检查注册中是否填写了网址。
  • CommunityProperty: 社区财产状态。
  • HasLicences: 检查业务是否在特殊许可下运营。
  • NoOfLicences: 许可证数量。
  • Sex: 通过检查名字的最后一个字母来确定性别。
  • HasPolishCitizenship: 是否有波兰公民身份。
  • ShareholderInOtherCompanies: 是否为其他公司的股东。
  • PKDMainSection 至 NoOfUniquePKDClasses: 基于波兰业务分类的特征。

数据集 #2: Survival of the businesses registered in 2011

• 记录数: 287,019
• 特征数: 26
• 问题类型: 生存分析问题
• 主要特征:
  • Status: 状态。
  • StartingDateOfTheBusiness: 业务开始日期。
  • DateOfTermination: 终止日期。
  • Terminated: 二元变量，指示公司是否存活。
  • DurationOfExistenceInMonths: 从注册业务到2020-03-01的月数。
  • MainAddressVoivodeship 至 ShareholderInOtherCompanies: 与数据集 #1 相同。
  • PKDMainSection 至 NoOfUniquePKDClasses: 基于波兰业务分类的特征。

搜集汇总

数据集介绍

构建方式

该数据集基于波兰中央经济活动注册中心（CEIDG）的公开数据构建，涵盖了超过240万条记录。数据预处理过程中，原始数据经过清洗和转换，生成了27个特征变量。每个记录包含企业的基本信息、联系方式、地址信息以及经营活动的详细数据。数据集的构建重点在于提取与企业在未来12个月内是否继续经营相关的关键信息，并通过随机日期生成目标变量，确保数据的多样性和代表性。

使用方法

该数据集适用于二元分类问题的研究，特别是企业生存预测领域。研究人员可以使用该数据集进行机器学习模型的训练和验证，预测企业在未来12个月内是否继续经营。数据集中的特征变量可以用于特征工程，结合其他外部数据源（如GUS BDL）进行数据增强。此外，数据集还可用于探索企业生存率与地理位置、经营时长、许可证数量等因素之间的关系，为政策制定和商业决策提供数据支持。

背景与挑战

背景概述

Continuity of the business in next 12 months 数据集源自波兰中央经济活动登记处（CEIDG）的公开数据，旨在研究企业在未来12个月内持续经营的可能性。该数据集由波兰相关研究机构于近年创建，主要研究人员通过对CEIDG注册的企业数据进行深度挖掘与分析，构建了这一包含240万条记录的数据集。其核心研究问题在于通过企业的历史经营数据、注册信息、地理位置等多维度特征，预测企业在未来一年内的经营持续性。该数据集为经济学、商业分析及企业生存预测等领域提供了重要的数据支持，推动了相关领域的研究进展。

当前挑战

该数据集面临的挑战主要体现在两个方面。首先，在领域问题方面，尽管数据集提供了丰富的企业特征，但如何准确预测企业在未来12个月内的经营持续性仍是一个复杂的问题。企业的生存受多种因素影响，包括经济环境、行业竞争、政策变化等，这些因素难以完全通过历史数据进行量化。其次，在数据构建过程中，研究人员面临数据清洗、特征提取和缺失值处理等挑战。例如，部分字段如电话号码、电子邮件等为可选填写项，导致数据稀疏性较高；此外，性别分类基于姓名最后一个字母的简单规则，可能导致对外籍人士的分类不准确。这些挑战为数据集的构建和应用带来了复杂性。

常用场景

经典使用场景

该数据集主要用于预测企业在未来12个月内是否能够持续经营。通过对企业注册信息、经营地址、联系方式、许可证情况等多维度特征的分析，研究人员可以构建分类模型，预测企业的经营连续性。这一场景在商业分析和风险管理领域具有重要价值，尤其是在评估企业生存能力和制定相关政策时。

解决学术问题

该数据集解决了企业生存分析中的关键问题，尤其是如何通过历史数据预测企业的未来经营状况。通过提供丰富的特征变量，如企业经营时间、地址信息、许可证数量等，研究人员能够深入探讨影响企业生存的关键因素。这不仅为学术界提供了宝贵的研究素材，还为政策制定者提供了数据支持，帮助他们更好地理解企业生存的驱动因素。

实际应用

在实际应用中，该数据集被广泛用于金融机构、政府部门和咨询公司的风险评估和决策支持系统中。例如，银行可以利用该数据集评估贷款申请企业的生存概率，从而降低信贷风险。政府部门则可以通过分析企业的生存趋势，制定更加精准的扶持政策，促进区域经济发展。此外，咨询公司也可以利用该数据集为客户提供企业健康度评估服务。

数据集最近研究

最新研究方向

近年来，基于CEIDG注册数据的商业连续性预测研究逐渐成为企业生存分析领域的热点。该数据集通过分析企业在未来12个月内的经营连续性，结合企业的注册信息、地理位置、经营许可等多维度特征，为研究者提供了丰富的预测模型构建基础。特别是在经济波动和疫情等外部冲击下，如何利用机器学习算法准确预测企业的生存状态，成为学术界和产业界共同关注的焦点。该数据集的应用不仅有助于提升企业风险管理能力，还为政策制定者提供了数据支持，以优化营商环境并促进经济稳定发展。