加载中...
本数据基于沪深A股上市企业年报,通过结构化特征词图谱与文本分析构建企业数字化转型指数,涵盖2007-2020年指标统计及2016-2020年评级结果,为量化企业数字化水平提供科学依据。
  企业数字化转型是近年来中国社会各界重点关注的领域,但基础数据的不完善在很大程度上制约了相关科学研究的开展。构建合理、科学的数字化转型指标体系有利于学者定量地研究企业数字化的相关问题,也有利于衡量企业的数字化水平。**广东金融学院吴非老师及其团队归集整理了上海交易所、深圳交易所全部A股上市企业的年度报告,并展开结构化分类(即“底层技术运用”与“技术实践应用”两个层面),形成特征词图谱,进而分类归集关键技术方向的词频并形成最终加总词频,从而形成了企业数字化转型指标统计基础数据库。**   基于此,国家金融学学科创始人陈云贤博士,广东金融学院国家金融学学科负责人唐松教授领衔的研究团队积极响应国家政策和经济实践需求,在团队已有科研成果(吴非等,2021)的基础上,选取沪深A股上市企业(2016-2020 年)作为评价对象,**基于年报文本信息披露的独特视角,创新性运用大数据文本分析和因子分析的双重量化工具刻画各上市企业相应年度数字化转型强度**,为评价企业数字化转型提供更加全面客观且更具参考价值的经验借鉴。   为了打造良好的学术共享生态,《金融经济学研究》(国家金融学专栏)与广东金融学院国家金融学学科团队共同决定,将企业数字化转型指数数据与研究报告免费对外界公开,供各位专家、读者阅读和使用。经授权,CnOpenData将本数据收录于CnOpenData官方网站的公共数据版块,便于各位学者浏览。 完整数据下载可以关注《金融经济学研究》公众号,或在本页页末直接下载。 *** ## 数据说明 **A股上市企业数字化转型的结构化特征词图谱**: + **人工智能技术**:人工智能、商业智能、图像理解、投资决策辅助系统、智能数据分析、机器学习、深度学习、智能机器人、语义搜索、生物识别技术、人脸识别、语音识别、身份验证、自动驾驶、自然语言处理 + **大数据技术**:大数据、数据挖掘、文本挖掘、数据可视化、异构数据、征信、增强现实、混合现实、虚拟现实、数据科学 + **云计算技术**:云计算、流计算、图计算、内存计算、多方安全计算、类脑计算、绿色计算、认知计算、融合架构、亿级并发、 EB级存储、物联网、信息物理系统、虚拟化 + **区块链技术**:区块链、数字货币、分布式计算、差分隐私技术、智能金融合约 + **数字技术应用**:移动互联网、工业互联网、移动互联、互联网医疗、电子商务、移动支付、第三方支付、NFC支付、智能能源、B2B、B2C、C2B、C2C、O2O、网联、智能穿戴、智慧农业、智能交通、智能医疗、智能客服、智能家居、智能投顾、智能文旅、智能环保、智能电网、智能营销、数字营销、无人零售、互联网金融、数字金融、Fintech、金融科技、量化金融、开放银行、数字终端、数字营销、数字控制、产业互联网、互联网解决方案、互联网营销、工业智能、移动智能、智能控制、智能终端、智能移动、智能管理、智能工厂、智能物流、智能制造、智能仓储、智能设备、智能生产、智能网联、智能系统、自动控制、自动监测、自动监控、自动检测、自动生产、工业云、未来工厂、智能故障诊断、虚拟制造、云IT、云生态、云服务、云平台、信息集成、信息网络、信息终端、信息中心、信息系统、工业信息、工业通信、数据中心、数据平台、数据管理、数字技术、数字化、数字智能、互联网技术、互联网应用、互联网平台、互联网生态、电子商务、电商、智能技术、智能化、数控、生命周期管理、生产制造执行系统、信息化、网络化、集成控制、集成系统、信息管理、信息软件、数据网络、互联网思维、互联网行动、互联网业务、互联网移动、互联网战略、互联网模式、互联网商业模式、互联网生态、Internet、“互联网 + ”、线上线下、线上到线下、线上和线下、一体化、集成化、集成解决方案、信息共享 ***
| # | 字段名称 | 数据类型 | 字段说明 |
|---|---|---|---|
| 1 | 证券代码 | string | - |
| 2 | 年份 | number | - |
| 3 | 高科技与否 | number | - |
| 4 | 国企与否 | number | - |
| 5 | 股票简称 | string | - |
| 6 | 行业名称 | string | - |
| 7 | 大类行业 | string | - |
| 8 | 其他行业大类制造业中类行业 | string | - |
| 9 | 其他行业大类制造业小类行业 | string | - |
| 10 | 小类行业 | string | - |
| 11 | 省份 | string | - |
| 12 | 城市 | string | - |
| 13 | 人工智能技术 | number | - |
| 14 | 大数据技术 | number | - |
| 15 | 云计算技术 | number | - |
| 16 | 区块链技术 | number | - |
| 17 | 数字技术运用 | number | - |
| 18 | 数字化转型 | number | - |
| 19 | 年报文件大小 | string | - |
| 20 | 年报总字数 | number | - |
| 21 | 年报总词数 | number | - |
| 22 | 年报总句数 | number | - |
| # | 字段名称 | 数据类型 | 字段说明 |
|---|---|---|---|
| 1 | 证券代码 | string | - |
| 2 | 股票简称 | string | - |
| 3 | 年份 | number | - |
| 4 | 行业门类名称 | string | - |
| 5 | 行业门类代码 | string | - |
| 6 | 地理位置 | string | - |
| 7 | 所属省份 | string | - |
| 8 | 数字化转型评级结果 | string | - |
[数据集]来自CnOpenData数据平台(https://www.cnopendata.com)
面向企业与商业研究机构的完整授权方案。
面向高校教师与科研人员的学术研究方案。
面向大型机构的整体定制与部署方案。
添加销售经理微信,获取数据详情与报价;电话、邮箱、微信号点击即可复制,二维码点击可放大扫码。
手机版仅提供数据浏览。数据订阅、完整数据下载与 API 服务,请用电脑访问 CnOpenData 官方网站(cnopendata.com)办理。
企业数字化转型是近年来中国社会各界重点关注的领域,但基础数据的不完善在很大程度上制约了相关科学研究的开展。构建合理、科学的数字化转型指标体系有利于学者定量地研究企业数字化的相关问题,也有利于衡量企业的数字化水平。广东金融学院吴非老师及其团队归集整理了上海交易所、深圳交易所全部A股上市企业的年度报告,并展开结构化分类(即“底层技术运用”与“技术实践应用”两个层面),形成特征词图谱,进而分类归集关键技术方向的词频并形成最终加总词频,从而形成了企业数字化转型指标统计基础数据库。
基于此,国家金融学学科创始人陈云贤博士,广东金融学院国家金融学学科负责人唐松教授领衔的研究团队积极响应国家政策和经济实践需求,在团队已有科研成果(吴非等,2021)的基础上,选取沪深A股上市企业(2016-2020 年)作为评价对象,基于年报文本信息披露的独特视角,创新性运用大数据文本分析和因子分析的双重量化工具刻画各上市企业相应年度数字化转型强度,为评价企业数字化转型提供更加全面客观且更具参考价值的经验借鉴。
为了打造良好的学术共享生态,《金融经济学研究》(国家金融学专栏)与广东金融学院国家金融学学科团队共同决定,将企业数字化转型指数数据与研究报告免费对外界公开,供各位专家、读者阅读和使用。经授权,CnOpenData将本数据收录于CnOpenData官方网站的公共数据版块,便于各位学者浏览。 完整数据下载可以关注《金融经济学研究》公众号,或在本页页末直接下载。
A股上市企业数字化转型的结构化特征词图谱: