global-public-procurement-ted-ocds-dataset

该数据集名为“全球公共采购通知与奖励（TED + OCDS）”，由DataForge开源数据计划提供。它整合了来自欧盟TED（Tenders Electronic Daily）官方月度批量数据包以及五个司法管辖区（英国、巴拉圭、澳大利亚、魁北克）的开放合同数据注册表（OCDS）的公共采购数据。数据集包含约630万条采购通知和880万条供应商-奖励边（supplier-award edges），覆盖2021年至2026年期间。数据以Parquet格式存储，提供五个子配置：buyer_profiles（买方档案）、monthly_stats（月度统计）、notices（通知）、supplier_award_edges（供应商-奖励边）和supplier_award_history（供应商-奖励历史）。数据集适用于文本分类任务，可用于跨境采购市场分析、供应商与买方情报、投标机会发现以及反腐败和开放合同研究。数据规模为10M到100M条记录。许可证为CC BY-NC 4.0，学术和个人使用免费，商业使用需获取DataForge商业许可证。The dataset is named Global Public Procurement Notices and Awards (TED + OCDS), provided by the DataForge Open Data Initiative. It integrates public procurement data from the official monthly bulk data packages of the EU Tenders Electronic Daily (TED) and the Open Contracting Data Standard (OCDS) registries of five jurisdictions (UK, Paraguay, Australia, Quebec). The dataset contains approximately 6.3 million procurement notices and 8.8 million supplier-award edges, covering the period from 2021 to 2026. Data is stored in Parquet format, with five sub-configurations: buyer_profiles, monthly_stats, notices, supplier_award_edges, and supplier_award_history. The dataset is suitable for text classification tasks and can be used for cross-border procurement market analysis, supplier and buyer intelligence, bid opportunity discovery, and anti-corruption and open contracting research. Data size ranges from 10M to 100M records. License is CC BY-NC 4.0, free for academic and personal use, commercial use requires a DataForge commercial license.

原始信息汇总

数据集概述

基本信息

• 数据集名称：Global Public Procurement Notices & Awards (TED + OCDS)
• 数据集大小：包含630万条采购公告和880万条供应商-中标关系数据
• 数据来源：欧盟TED官方月度批量包，以及来自英国、巴拉圭、澳大利亚、魁北克五个司法管辖区的开放合同数据注册表（Open Contracting Data Registry）
• 语言：英语
• 许可证：CC BY-NC 4.0（非商业使用），商业使用需获得DataForge商业许可

数据内容

数据集包含6个配置（configs），可通过Hugging Face加载：

1. buyer_profiles：采购方画像数据
2. monthly_stats：月度统计数据
3. notices：采购公告数据（分为2个分片）
4. supplier_award_edges：供应商-中标关系边数据
5. supplier_award_history：供应商中标历史数据

数据包及规模

数据包	级别	行数	大小
TED + OCDS 小型包（S）	S	16.4万行	23.4 MB
TED + OCDS 中型包（M）	M	534.5万行	987.1 MB
TED + OCDS 大型包（L）	L	1643万行	1.89 GB

适用场景

• 跨境采购市场分析
• 供应商与采购方情报分析
• 投标机会发现
• 反腐败与开放合约研究

数据作品引用

• 引用格式：DataForge (data.zalize.com)，数据来源包括TED（© European Union）和开放合约数据注册表
• DOI：10.5281/zenodo.21838183
• GitHub镜像：https://github.com/wookat/dataforge-pipelines/releases/tag/open-data-global-public-procurement

数据加载示例

python from datasets import load_dataset

ds = load_dataset("zalizedata/global-public-procurement-ted-ocds-dataset", "buyer_profiles", split="train") print(ds[0])

相关数据集

• US Federal Awards & Spending (USAspending)
• Government Tenders & Contract Awards (US Federal + Global Portals)
• US Research Grants (NIH + NSF)
• Global Development Aid Activities & Transactions (IATI)

搜集汇总

数据集介绍

构建方式

该数据集立足于全球公共采购透明度与反腐败研究的迫切需求，通过整合欧盟TED官方月度批量数据包与开放合同数据注册库中英国、巴拉圭、澳大利亚、魁北克五个司法管辖区的全量数据转储，构建了一个跨域统一的采购信息库。构建过程以OCDS标准为骨架，对原始异构数据进行清洗、映射与规范化，形成涵盖采购公告、供应商授标边、买家画像及月度统计等多维关系表，并配备数据字典、数据表说明与质量评估报告，确保来源可溯、结构严谨。

使用方法

使用者可通过HuggingFace datasets库便捷加载该数据集，在Python环境中指定配置名称如buyer_profiles、monthly_stats、notices、supplier_award_edges或supplier_award_history，并选取train划分即可获取对应数据。每个配置返回结构化数据表，便于直接开展跨境采购市场分析、供应商与买家行为洞察、投标机会发现以及反腐败与开放合同研究。所有包内嵌数据字典与数据表文档，为字段理解和合规使用提供明确指引。

背景与挑战

背景概述

公共采购作为全球财政支出的关键构成，其透明度与效率直接关乎市场公平与公共资源配置。2026年，DataForge团队整合欧盟TED官方月度批量数据与英国、巴拉圭、澳大利亚、魁北克五个司法管辖区的OCDS全量转储，构建了涵盖630万条采购公告与880万条供应商中标关系的大规模数据集，旨在为跨境采购市场分析、供应商情报与反腐败研究提供统一的数据基座。该数据集通过分层发布策略兼顾了可及性与研究深度，其开放数据计划对推动全球采购治理的量化研究具有显著的支撑意义。

当前挑战

本数据集所应对的核心领域问题在于，公共采购数据长期呈现高度碎片化与异质性，跨司法管辖区的法律框架、披露标准及数据格式差异，使得系统性比较与腐败风险识别极为困难。构建过程中的主要挑战包括：多源TED与OCDS数据的字段映射与实体消歧，尤其是供应商名称与买方标识的跨库对齐；不同司法管辖区许可条款的兼容性处理；以及海量公告与中标记录中缺失值、重复项与时间口径不一致所引发的质量管控问题。这些挑战共同构成了开放采购数据整合与可信分析的关键障碍。

常用场景

经典使用场景

在公共采购研究与开放政府数据领域，该数据集凭借其融合TED官方月度批量数据与OCDS注册库的跨辖区档案，构成了跨国采购市场分析的核心基础设施。经典使用场景涵盖跨境采购市场的比较研究、供应商与采购方情报画像、投标机会的自动发现以及反腐败与开放合同治理等方向。研究者可借助其中630万条采购公告与880万条供应商—中标关系边，系统追踪欧盟及英国、巴拉圭、澳大利亚、魁北克等司法管辖区的采购流向，进而识别市场集中度、竞争格局与价格形成机制。

解决学术问题

长期以来，公共采购研究受制于数据孤岛与口径不一，跨辖区比较难以在统一框架下展开。该数据集通过整合TED与多国OCDS官方发布，提供了标准化的公告、中标与供应商历史信息，有效回应了采购透明度测量、腐败风险识别、中小企业参与度评估及采购绩效比较等学术议题。其意义在于将分散的官方记录转化为可计算、可复现的研究资源，为公共经济学、政治学与信息科学交叉领域提供了实证基础，并推动了开放合同数据标准的落地验证。

实际应用

在实际操作层面，该数据集服务于多元主体的决策需求。企业可依托供应商与采购方画像进行市场进入评估和投标策略制定，咨询机构能借此开展采购市场情报与合规尽职调查，监管部门和反腐机构则可用于异常合同模式监测与风险预警。记者和公民社会组织亦可利用公告与中标关系追踪公共资金流向，提升问责力度。数据覆盖2021至2026年，配合月度统计与买方档案，能够支撑动态监测和跨年度趋势比较，兼顾学术与商业情报的双重用途。

数据集最近研究

最新研究方向

在全球公共采购透明度与反腐败治理议题持续升温的背景下，该数据集凭借TED官方月度批量数据与OCDS登记库的深度融合，正推动跨境采购网络分析、供应商行为画像与投标机会发现等前沿方向的发展。当前研究热点聚焦于利用供应商-授标边关系构建采购图谱，识别围标串标与利益输送等异常模式，并借助多司法辖区（英国、巴拉圭、澳大利亚、魁北克）的异构数据开展比较制度研究。该数据集的大规模结构化特征为机器学习驱动的采购风险预测与政策评估提供了实证基础，对提升公共资金配置效率、强化问责机制具有显著的学术价值与现实意义。