各位读者朋友大家好！今天聊一聊“大数据“这一热点概念。大家面临的共同问题可能是大数据如何发挥作用、助力企业经营发展。
就拿我司所处的基础设施和城市建设领域而言，举一些我们自己遇到的或客户提出的问题，比如：广东省过去三年公开招标的项目成交规模是多少？主要的中标人是哪些公司？央企、国企、民企各自的中标规模和占比是多少？各行业竞争力较强的公司是谁？新建长度不低于200公里的高速公路项目都是哪些公司中的标？未来的项目机会在哪里？等等。
以上这些问题，反映出了大家想要对自己所处的当前环境有所感知或深度了解，想要对未来的发展做出更准确的判断。但是这些问题可能受限于多方面的因素而无法得知，比如信息的公开程度、信息获取的技术障碍、数据量过大而难以处理、缺少分析的思路或方法等等。
因此，面对海量的数据，我们往往所处的状态是知道自己存在很多认知的空白，但现实却又无从下手。纵然我们觉得大数据会对行业带来改变，并且从别的领域看到了实际效果，然而到了自身具体业务却一片茫然。
很多同行都在或多或少的开展行业大数据相关领域的探索，目前也看到了一些行业数据相关的产品和服务，以及一些着手较早的企业进行了数据服务的采购。
在我司的数据服务经验看来，实践中存在两个主要的难点，一个是数据生产环节，另一个是数据应用环节。数据的生产环节所需的技术方法目前较为成熟，更准确的说应该是目前的数据生产环节所需的技术要求不高，既有技术方法可以满足。
行业数据核心的难点是数据应用环节，回顾过往，在最开始的数据服务初期，我们与客户的对接虽近在咫尺，但客户真实的需求和我们给出的服务产品却相距甚远，更有甚者双方各自一套话术，难以契合。
随着沟通的深入，我们逐渐意识到搞清楚客户真正的问题和需求，并以最切中要害的方式规划产品，才能从根本上实现数据有用、好用。数据的生产组织、技术研发，都应该围绕有用的产品开展。
举个例子，为了搞清楚各行业各企业的竞争格局，我们针对2025年全国公开招标的项目进行了数据清洗和分析，具体做了以下工作：
1.首先我们通过技术手段获取了全国公共资源、政府采购、中介超市以及其他网站的中标成交项目数据。
2.针对中标数据进行信息提取。比如项目所属省、市、区县、招标人、中标人、中标金额。
3.针对中标数据进行打标处理。比如标定所属行业（我们建立了三级行业分类体系，在最基础的行业类别尽可能细分出更多的行业类别，以满足不同客户的行业分析要求）、招标事项、中标人企业性质、中标金额分级等。
4.筛选出中标金额不低于1亿元的中标项目，并通过我司自研的数据比对算法进行项目去重。至此完成了项目的获取和清洗，可以用于数据分析了。
5.研究针对大家关心的问题有哪些？将数据以怎样的方式进行组织和呈现能够读起来更友好。
针对2025年的中标数据，下面我们通过一张表格呈现出不同行业不同企业的优势所在，具体见表1。
在表1的首列我们列出了细分的66个行业（这是我们的行业分类体系的行业中类），接着我们列出了八大建筑央企、国企、民企、其他央企等企业的两类比例指标，一类是“自身占比”，即纵向来看每一类企业自身中标的项目金额占自身中标总金额的比例，另一类是“同行占比”，即横向来看每一类企业在特定行业的中标金额占该行业总中标金额的占比。
通过对比分析以上两个指标，我们希望能从中看到每类企业在特定行业的业务定位和市场竞争力。比如以行业中的铁路工程为例，我们可以通过指标大小看到，铁路工程是中国中铁中标自身中标金额最大的行业（占中国中铁自身中标金额的29%），同时相比其他企业，中国中铁也是铁路工程行业中标金额占比最高的企业（占铁路工程行业中标金额的45%）。铁路工程占中国铁建自身的中标金额占比相比于中国中铁高出5个百分点，但是中国铁建只拿到了36%的市场份额，这就说明虽然铁路工程行业是中国铁建最大头的业绩来源，但是中标规模不及中国中铁。
其他行业和企业的分析同理，为了便于大家了解到各行业各企业的中标金额绝对值，我们在表2中展示了基础数据。
写在最后，以上分享我们在行业大数据领域的一些探索和思考，希望在大数据赋能行业发展方面有所助益，期待同行更多的交流和探讨。
表1：各行业不同类型企业自身中标金额占比、同行业占比
更多数据内容，可扫二维码或点击下方阅读原文进入荣邦瑞明大数据平台：
网址：https://data.rbrmcn.com
