Data-Gouv-FR/base-de-commerce

该数据集包含类别、地理定位、区域和部门的名称和代码、商业机构所在市镇的名称和邮政编码、开业状态、SIREN、SIRET、NIC以及创建日期。

This dataset includes categories, geolocation, name and code of the region and department, name and postal code of the municipality of the business establishment, opening status, SIREN, SIRET, NIC, and creation date.

搜集汇总

数据集介绍

构建方式

Base de commerce数据集源自法国政府开放数据平台data.gouv.fr，其官方标识符为`619f6bfe29fe5b9adbdeb515`，遵循lov2许可证发布。在HuggingFace平台上的构建遵循“一个data.gouv.fr数据集对应一个HuggingFace仓库”的原则，每个原始表格资源被映射为一个子集或配置，且每个子集均包含一个名为`train`的分割。该数据集以Parquet格式存储于`data/base-de-commerce.parquet`文件中，便于高效加载与处理。

特点

本数据集整合了法国商业机构的多元信息，涵盖商业类别、地理坐标、所在大区及省份的名称与代码、市镇名称及邮政编码、开业状态、SIREN与SIRET企业识别号、NIC内部编号以及成立日期。其结构简洁明了，通过单一配置`base-de-commerce`即可访问全部数据，适合用于商业地理分析、区域经济研究及政务数据开放应用等场景。

使用方法

用户可通过HuggingFace的`datasets`库便捷调用该数据集，示例代码为：`from datasets import load_dataset` 后执行 `ds = load_dataset("Data-Gouv-ML/base-de-commerce", "base-de-commerce")`，即可加载训练分割并打印其内容。该设计降低了使用门槛，便于研究人员与开发者直接集成到数据分析或机器学习工作流中。

背景与挑战

背景概述

在法国公共数据开放运动的浪潮中，数据治理与商业分析领域日益依赖于结构化的地理商业信息。Base de commerce数据集由法国官方开放数据平台data.gouv.fr于2021年发布，旨在系统整合全国商业机构的注册与运营信息。该数据集的核心研究问题聚焦于商业分布的时空动态、区域经济特征及商业生态的监管效率，通过提供涵盖分类、地理坐标、行政区划代码、开业状态及法人标识（SIREN/SIRET）等字段，为区域经济学、城市规划和公共政策评估提供了基础数据支撑。其影响力体现在推动了法国本土商业数据的标准化与可复用性，成为政府数字化转型与私营部门市场分析的关键资源。

当前挑战

数据集面临的领域问题挑战在于，法国商业登记数据体量庞大且来源分散，传统统计方法难以实时捕捉商业分布的动态变化与空间异质性。此外，缺乏统一的地理编码标准导致跨区域比较时存在偏差。在构建过程中，主要挑战包括：从分散的政府数据库中清洗并统一异质字段（如多源地址格式的匹配）；解决数据更新延迟问题（部分记录的创建日期与当前状态不一致）；以及确保隐私合规性（如脱敏处理敏感商业标识符的同时保留分析价值）。这些技术障碍要求设计鲁棒的ETL流程与数据质量校验机制。

常用场景

经典使用场景

在商业地理与区域经济分析领域，Base de Commerce 数据集凭借其涵盖法国商业机构类别、地理位置、行政区划编码、开业状态及成立日期等多维信息，成为研究商业布局与空间分布的经典数据基石。研究者常利用该数据集构建商业网点分布图谱，结合地理信息系统进行聚类分析，以揭示不同区域商业密度的差异与演变趋势。

衍生相关工作

基于该数据集，衍生了一系列经典研究工作，涵盖商业地理特征的可视化分析工具开发、商业机构时空动态演化建模，以及结合社会经济指标的多因素回归分析。此外，该数据还被整合至法国开放数据生态中，促进了公共数据在社会科学、城市规划与数据科学领域的交叉应用与创新。

数据集最近研究

最新研究方向

该数据集聚焦于法国商业场所的精细化分析，涵盖类别、地理位置、行政区划、开业状态及企业识别码等核心字段。当前前沿研究围绕公共开放数据在区域经济监测与城市规划中的应用展开，例如利用SIREN/SIRET编码与地理坐标进行商业密度评估、业态分布演化追踪。结合法国数据开放运动（如data.gouv.fr平台），该数据集为研究疫情后商业复苏、社区商业可达性及行政区划经济差异提供了量化基础，推动了透明化政策制定与精准化公共服务优化。