趙捷 袁輝 鄧祥武 宮政 司琳華 金江

摘 要：在國民經(jīng)濟行業(yè)分析過程中，法人和其他組織的統(tǒng)一社會信用代碼數(shù)據(jù)起著至關(guān)重要的作用，其不僅是產(chǎn)業(yè)和統(tǒng)計分析工作的基礎(chǔ)，數(shù)據(jù)質(zhì)量的優(yōu)劣更會直接影響到分析結(jié)果的準確性。本文以提升數(shù)據(jù)質(zhì)量為出發(fā)點，首先對數(shù)據(jù)質(zhì)量問題進行精準鑒別，其次構(gòu)建混合型自動化行業(yè)分類模型，并提出了數(shù)據(jù)質(zhì)量持續(xù)提升的常態(tài)化標準化流程機制。這種策略在提供持續(xù)、迭代的改進機制的同時，也為國民經(jīng)濟行業(yè)的數(shù)據(jù)分析提供了更為堅實和可靠的數(shù)據(jù)保障。

關(guān)鍵詞：統(tǒng)一社會信用代碼，國民經(jīng)濟，自動化行業(yè)分類模型，數(shù)據(jù)質(zhì)量提升

DOI編碼：10.3969/j.issn.1002-5944.2024.05.009

0 引 言

法人和其他組織統(tǒng)一社會信用代碼數(shù)據(jù)是以統(tǒng)一社會信用代碼為唯一標識，整理校核各登記管理部門回傳的各類法人和其他組織信息后形成的基礎(chǔ)數(shù)據(jù)集，涵蓋機構(gòu)標識、名稱、成立日期、經(jīng)濟行業(yè)等數(shù)據(jù)字段。截至2023年10月，統(tǒng)一社會信用代碼庫中共有法人和其他組織約1.8億，其中法人機構(gòu)共6002萬，包括營利法人5267萬，非營利法人545萬，特別法人190萬；非法人組織818萬，個體工商戶約1.1億。

法人和其他組織統(tǒng)一社會信用代碼數(shù)據(jù)能有效避免業(yè)務(wù)庫面臨數(shù)據(jù)孤島問題[1]，在支撐政務(wù)管理[2]、信用監(jiān)管[3]、數(shù)字經(jīng)濟[4]、身份認證[5]等社會管理和經(jīng)濟活動各領(lǐng)域發(fā)揮了實名管理、分析決策的重要作用，其中國民經(jīng)濟行業(yè)數(shù)據(jù)是重要的統(tǒng)計維度數(shù)據(jù)，其質(zhì)量直接關(guān)系到產(chǎn)業(yè)分析等統(tǒng)計分析工作的準確性[6]。國民經(jīng)濟行業(yè)數(shù)據(jù)質(zhì)量提升方法的研究，對提高行業(yè)分類準確度，支撐我國經(jīng)濟普查等涉產(chǎn)業(yè)分類分析工作具有重要意義。隨著近幾年技術(shù)的快速發(fā)展以及國民經(jīng)濟行業(yè)標準[7]的新舊更替，研究國民經(jīng)濟行業(yè)數(shù)據(jù)質(zhì)量提升新理論新方法，促進統(tǒng)一社會信用代碼數(shù)據(jù)質(zhì)量更加完整[8]，進而引導(dǎo)國民經(jīng)濟行業(yè)分類質(zhì)量全面提升，支撐國家統(tǒng)計分析工作迫在眉睫。

1 國民經(jīng)濟行業(yè)數(shù)據(jù)質(zhì)量提升方法概述

國民經(jīng)濟行業(yè)數(shù)據(jù)質(zhì)量提升方法聚焦三個方面：第一準確識別數(shù)據(jù)質(zhì)量問題并進行原因鑒別；第二優(yōu)化自動化行業(yè)分類模型和算法；第三建立標準化工作機制與工作流程，將國民經(jīng)濟行業(yè)數(shù)據(jù)質(zhì)量提升作為一個常態(tài)化工作，動態(tài)無縫融合到每日的數(shù)據(jù)接收與處理過程中持續(xù)改進。

準確識別數(shù)據(jù)質(zhì)量問題、定位問題并進行問題分類是聚焦質(zhì)量提升關(guān)注重點以及確定優(yōu)質(zhì)樣本集、評估提升效果首要的一步，需要以專家經(jīng)驗視角建立和維護相關(guān)方法模型。自動化行業(yè)分類模型是經(jīng)濟行業(yè)數(shù)據(jù)質(zhì)量提升的技術(shù)內(nèi)核，隨著人工智能技術(shù)的發(fā)展，相關(guān)模型方法需要進行優(yōu)化升級。標準化的工作機制與工作流程是確保數(shù)據(jù)質(zhì)量持續(xù)提升的核心關(guān)鍵，建立形成融合技術(shù)、方法與團隊的工作程序體現(xiàn)了數(shù)據(jù)質(zhì)量管理的綜合能力。

2 數(shù)據(jù)質(zhì)量問題識別與分析方法

數(shù)據(jù)質(zhì)量問題識別與分析方法研究旨在發(fā)現(xiàn)影響數(shù)據(jù)質(zhì)量的各類問題，并分析原因，進而找到解決方法。

2.1 問題分類

從20年工作經(jīng)驗中總結(jié)規(guī)律并查閱相關(guān)文獻[9]，建立經(jīng)濟行業(yè)數(shù)據(jù)質(zhì)量問題識別與分析模型，用以輔助人工對大體量數(shù)據(jù)實現(xiàn)自動問題發(fā)現(xiàn)與分析工作，模型包括對五個大類問題的識別：

（1）數(shù)據(jù)完整性問題識別：主要是對字段項內(nèi)容中的空值、亂值問題進行識別標記。

（2）數(shù)據(jù)標準不一致問題識別：主要是對經(jīng)濟行業(yè)版本不一致的數(shù)據(jù)進行識別標記。國民經(jīng)濟行業(yè)數(shù)據(jù)基本已經(jīng)完成了2011向2017版本的過渡，但由于全國各地情況多樣，少數(shù)地區(qū)、領(lǐng)域數(shù)據(jù)仍存在使用舊版情況。

（3）數(shù)據(jù)原始上報不準確問題識別：經(jīng)濟行業(yè)數(shù)據(jù)在注冊端由機構(gòu)辦理注冊人員填報，因此摻雜人為主觀因素造成不準確情況。需要借助自動化行業(yè)分類模型實現(xiàn)對此類問題的識別標注。

（4）行業(yè)分類細分不足問題識別：國民經(jīng)濟行業(yè)分類分為四個層次，即門類、大類、中類、小類。其中小類代表經(jīng)濟活動可供觀察和度量的最小類別，分到小類意義最大。對僅分到門類、大類、中類數(shù)據(jù)進行識別標記。

（5）跨行業(yè)情況問題識別：目前企業(yè)跨行業(yè)、跨產(chǎn)業(yè)、橫向發(fā)展的情況日益突出，較大規(guī)模企業(yè)很少有聚焦在垂直細分一個行業(yè)的情況。需要借助自動化行業(yè)分類模型實現(xiàn)對此類問題的識別標注。

2.2 原因分析

近2億組織機構(gòu)國民經(jīng)濟行業(yè)數(shù)據(jù)經(jīng)過數(shù)據(jù)質(zhì)量問題識別與分析模型的計算甄別，形成無問題以及各類問題標記的聚類集合。針對每個集合再人工抽樣分析原因確定具體的處理邏輯，主要包括三種情況：

（1）經(jīng)原因分析，由標準不一致、機構(gòu)名稱規(guī)則識別缺陷導(dǎo)致，可通過規(guī)則處理對應(yīng)到準確行業(yè)分類，進入規(guī)則處理過程，進行經(jīng)濟行業(yè)數(shù)據(jù)糾偏完善。

（2）經(jīng)原因分析，由完整性、上報不準、細分不足、缺乏跨行業(yè)分類導(dǎo)致，可通過自動化行業(yè)分類模型細化或糾正行業(yè)分類，進入自動化行業(yè)分類模型處理過程，進行經(jīng)濟行業(yè)數(shù)據(jù)糾偏完善。

（3）經(jīng)原因分析，由機構(gòu)名稱、經(jīng)營范圍等字段質(zhì)量問題引起行業(yè)分類錯誤，進入人工應(yīng)急補充處理過程，先進行整體數(shù)據(jù)質(zhì)量提升，再重新進入國民經(jīng)濟行業(yè)數(shù)據(jù)質(zhì)量提升工作流程。

數(shù)據(jù)質(zhì)量問題識別與分析方法過程如圖1所示，通過方法可以形成相對無問題的數(shù)據(jù)集合，作為優(yōu)質(zhì)樣本集合用于訓(xùn)練分類模型。存在問題的數(shù)據(jù)將多次通過模型去進行反復(fù)的問題識別與分析，直到進入無問題數(shù)據(jù)集合。模型產(chǎn)生的標記可以宏觀分析監(jiān)控到數(shù)據(jù)問題解決程度與質(zhì)量提升情況。

3 構(gòu)建混合型自動化行業(yè)分類模型

人工智能深度學(xué)習科學(xué)的進步，打破傳統(tǒng)基于自然語言處理技術(shù)與規(guī)則匹配的行業(yè)分類方法，通過神經(jīng)網(wǎng)絡(luò)的應(yīng)用能更加快速地進行文本特征分析與學(xué)習[10]，消除關(guān)鍵詞相似度匹配造成的語義歧義，從而進一步提高分類的效率和精確度。本文融合規(guī)則匹配模型與神經(jīng)網(wǎng)絡(luò)的優(yōu)勢，構(gòu)建混合型自動化行業(yè)分類模型，針對機構(gòu)名稱和經(jīng)營范圍文本各自的特點，綜合使用不同分類算法，得到最佳的分類結(jié)果。

3.1 數(shù)據(jù)樣本準備

剔除經(jīng)濟行業(yè)數(shù)據(jù)質(zhì)量問題識別與分析模型標記的部分問題數(shù)據(jù)并通過人工選擇確立包含幾十萬數(shù)據(jù)的樣本庫，數(shù)據(jù)應(yīng)符合以下要求：

（1）涵蓋全部經(jīng)濟行業(yè)分類。

（2）數(shù)據(jù)機構(gòu)名稱完整，符合構(gòu)成結(jié)構(gòu)：[行政區(qū)劃][機構(gòu)標識][機構(gòu)行業(yè)][機構(gòu)類型]，不包含錯別字、縮略語。

（3）數(shù)據(jù)經(jīng)營范圍完整，內(nèi)容描述完整，不包括大量錯別字或僅包括單字、單詞。

（4）經(jīng)濟行業(yè)分類準確。

高質(zhì)量數(shù)據(jù)樣本決定了訓(xùn)練模型的效果，機構(gòu)名稱和經(jīng)營范圍字段內(nèi)容是分類經(jīng)濟行業(yè)的基礎(chǔ)文本。同時需要準備標準特征樣本庫，將國民經(jīng)濟行業(yè)標準文本轉(zhuǎn)成標準特征樣本。

3.2 基于機構(gòu)名稱的規(guī)則匹配訓(xùn)練方法

機構(gòu)名稱的構(gòu)成中包含有機構(gòu)行業(yè)屬性，如果能準確地將其剝離，與標準特征樣本匹配一致，即可確定得到基于機構(gòu)名稱規(guī)則識別的經(jīng)濟行業(yè)分類。例如：北京美極鮮食品有限公司，其中“北京”是行政區(qū)劃關(guān)鍵字，“美極鮮”是機構(gòu)標識，也是俗稱的商號，“有限公司”是機構(gòu)類型，“食品”則能直接反映該機構(gòu)所在經(jīng)濟行業(yè)是食品行業(yè)。這里需要用到j(luò)ieba、LTP等中文分詞技術(shù)實現(xiàn)對機構(gòu)名稱的分詞。由于機構(gòu)名稱是規(guī)則型文本，因此通過分詞解析出特征詞并匹配得到對應(yīng)經(jīng)濟行業(yè)的精準度非常高，但由于這種方法不一定能具體到經(jīng)濟行業(yè)小類或者三產(chǎn)分類（比如是制造業(yè)還是零售業(yè)），因此需要與經(jīng)營范圍分類識別算法共同使用。

3.3 基于經(jīng)營范圍的卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練方法

經(jīng)營范圍的構(gòu)成包括多個文本描述語句，語句之前的間隔符號。文本描述語句中經(jīng)常包括多個特征詞，指向多種經(jīng)營活動，涉及多個行業(yè)甚至多個產(chǎn)業(yè)，因此通過經(jīng)營范圍分類一般都會有多個分類結(jié)果，常規(guī)以第一個描述語句產(chǎn)出的分類結(jié)果作為主營經(jīng)濟行業(yè)。

通過卷積神經(jīng)網(wǎng)絡(luò)實現(xiàn)通過經(jīng)營范圍識別經(jīng)濟行業(yè)類別，首先要將經(jīng)營范圍文本轉(zhuǎn)化為卷積神經(jīng)網(wǎng)絡(luò)模型輸入層接收的自然語言序列向量，形成神經(jīng)網(wǎng)絡(luò)可以理解的語言模式。文本中的句號、逗號、分號等可以作為文本的分隔符，形成單獨處理的文本語句，通過分詞技術(shù)對文本語句進行分詞處理與特征抽取。構(gòu)造詞典映射表，將詞語映射為詞向量，再根據(jù)神經(jīng)網(wǎng)絡(luò)要求對詞向量進行序列化、填充處理，最后形成向量數(shù)據(jù)并逐一輸入網(wǎng)絡(luò)模型。之后卷積神經(jīng)網(wǎng)絡(luò)的卷積層通過卷積操作捕捉輸入向量中的局部特征，通過學(xué)習連接權(quán)重將學(xué)到的特征映射到多個不同的的經(jīng)濟行業(yè)類別，并計算出最相關(guān)的經(jīng)濟行業(yè)類別。在訓(xùn)練過程中，模型通過與正確樣本的比較，利用損失函數(shù)來調(diào)整權(quán)重，以最小化分類錯誤。卷積神經(jīng)網(wǎng)絡(luò)成功分類的關(guān)鍵在于模型通過學(xué)習權(quán)重和偏置來發(fā)現(xiàn)經(jīng)營范圍文本中與經(jīng)濟行業(yè)相關(guān)的抽象特征，通過學(xué)習大量已知的、準確的樣本數(shù)據(jù)，進而泛化到未知數(shù)據(jù)，對新輸入的經(jīng)營范圍文本進行經(jīng)濟行業(yè)分類。

3.4 合并形成混合型自動化行業(yè)分類結(jié)果

將基于機構(gòu)名稱的規(guī)則匹配方法與基于經(jīng)營范圍的卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練方法得到的經(jīng)濟行業(yè)分類結(jié)果合并分析，可以發(fā)現(xiàn)，樣本準確度高的情況下一致性較高，如果出現(xiàn)不一致，由于經(jīng)營范圍數(shù)據(jù)質(zhì)量低于機構(gòu)名稱數(shù)據(jù)質(zhì)量可能性較大，可以優(yōu)先使用機構(gòu)名稱產(chǎn)生的分類。

4 數(shù)據(jù)質(zhì)量持續(xù)提升標準化流程機制

國民經(jīng)濟行業(yè)數(shù)據(jù)質(zhì)量提升工作是一項常態(tài)化工作。在日常工作中建立促使數(shù)據(jù)質(zhì)量持續(xù)提升的標準化流程機制，才能確保國民經(jīng)濟行業(yè)數(shù)據(jù)質(zhì)量實現(xiàn)長效優(yōu)化。具體包括三個方面的工作流程機制：數(shù)據(jù)日常處理工作流程機制、數(shù)據(jù)質(zhì)量監(jiān)測工作流程機制以及數(shù)據(jù)模型優(yōu)化工作流程機制，如圖2所示。

4.1 數(shù)據(jù)日常處理工作流程機制

統(tǒng)一社會信用代碼數(shù)據(jù)是由每日注冊業(yè)務(wù)產(chǎn)生的數(shù)據(jù)，從數(shù)據(jù)回傳到數(shù)據(jù)應(yīng)用具有很高的時效性要求，因此經(jīng)濟行業(yè)數(shù)據(jù)質(zhì)量提升工作是一項內(nèi)嵌于代碼數(shù)據(jù)工作流中的子任務(wù)，作為代碼數(shù)據(jù)整體質(zhì)量提升工作中的一個并行分支，在數(shù)據(jù)應(yīng)用前通過經(jīng)濟行業(yè)質(zhì)量提升子系統(tǒng)完成質(zhì)量提升工作。

數(shù)據(jù)回傳進入中心統(tǒng)一社會信用代碼數(shù)據(jù)庫，經(jīng)濟行業(yè)數(shù)據(jù)輸入進入經(jīng)濟行業(yè)質(zhì)量提升子系統(tǒng)，首先進入問題識別與分析模塊，針對每一條機構(gòu)數(shù)據(jù)對經(jīng)濟行業(yè)存在的問題進行標記，無問題標記數(shù)據(jù)進入后續(xù)數(shù)據(jù)加工處理環(huán)節(jié)，有問題數(shù)據(jù)進入質(zhì)量修復(fù)模塊，針對質(zhì)量問題進行修復(fù)，然后重復(fù)進入問題識別與分析模塊，查看問題修復(fù)情況，如果再次存在問題，拋出進入人工協(xié)同工作站，由數(shù)據(jù)人員對問題原因進行深層次分析與處理。

4.2 數(shù)據(jù)質(zhì)量檢測流程機制

數(shù)據(jù)質(zhì)量檢測流程機制用于人工監(jiān)督數(shù)據(jù)整體質(zhì)量情況，包括通過合理抽樣數(shù)據(jù)實施質(zhì)量檢測、通過質(zhì)量評價標準判斷整體數(shù)據(jù)質(zhì)量以及挖掘發(fā)現(xiàn)質(zhì)量問題三個方面。

（1）數(shù)據(jù)質(zhì)量抽樣

數(shù)據(jù)質(zhì)量抽樣需要選擇能夠代表整體數(shù)據(jù)集的樣本。這可能涉及到隨機抽樣、分層抽樣或者特定規(guī)則下的樣本選擇。樣本應(yīng)該在各個維度上具有代表性，以確保抽樣結(jié)果對整體數(shù)據(jù)的反映具有可靠性和有效性。抽樣的規(guī)模很關(guān)鍵，要考慮到樣本數(shù)量對于數(shù)據(jù)集的代表性以及評估人工成本的可操作性。

經(jīng)濟行業(yè)數(shù)據(jù)量級與機構(gòu)量級相統(tǒng)一達到近2億條，因此在質(zhì)量檢測工作中，需要選擇合理抽樣方法獲取小樣本的方式，集中評價發(fā)現(xiàn)質(zhì)量問題。首先結(jié)合經(jīng)濟行業(yè)數(shù)據(jù)特點確定抽樣方案，一般包括三種：

第一是按照經(jīng)濟行業(yè)分類層級進行分層抽樣，按照經(jīng)濟行業(yè)門類20個，大類97個，中類473個和小類1380個，每類抽取一定樣本，這樣可以實現(xiàn)各類經(jīng)濟行業(yè)情況的全覆蓋，但由于分類較多，考慮人工成本，只能減少每個分類的抽樣數(shù)量，一般單個分類樣本數(shù)量只能在個位數(shù)。第二按照地域進行特定規(guī)則抽樣，全國各省、市、自治區(qū)（不包括港澳臺），每個抽取一定樣本，這樣可以看到各地上報數(shù)據(jù)質(zhì)量情況，對質(zhì)量狀況不好的地域集中發(fā)現(xiàn)問題、治理問題。第三個是按照機構(gòu)類型進行特定規(guī)則抽樣，可以強化對某個類型機構(gòu)的經(jīng)濟行業(yè)數(shù)據(jù)關(guān)注與治理。

（2）質(zhì)量評價標準

質(zhì)量評價標準[11]是用于衡量數(shù)據(jù)質(zhì)量的指標和標準，它們用于度量數(shù)據(jù)的各個方面，確保數(shù)據(jù)符合預(yù)期的質(zhì)量標準。經(jīng)濟行業(yè)數(shù)據(jù)質(zhì)量評價標準包括以下三種：

第一完整性（Completeness）：衡量數(shù)據(jù)的完整程度，即經(jīng)濟行業(yè)數(shù)據(jù)是否缺失或者不可解讀。第二準確性（Accuracy）：衡量數(shù)據(jù)的準確性，即經(jīng)濟行業(yè)數(shù)據(jù)是否與機構(gòu)名稱、經(jīng)營范圍描述相符。第三有效性（Validity）：衡量數(shù)據(jù)是否符合預(yù)定的規(guī)范和業(yè)務(wù)規(guī)則，即經(jīng)濟行業(yè)數(shù)據(jù)是否符合標準的定義和具有完整的分類編碼。

評價可以針對全量數(shù)據(jù)產(chǎn)生宏觀評價，也可以對小樣本數(shù)據(jù)或單一數(shù)據(jù)進行評價。

（3）質(zhì)量問題發(fā)現(xiàn)

質(zhì)量問題發(fā)現(xiàn)是通過一系列的檢測和分析步驟，識別和定位數(shù)據(jù)質(zhì)量問題的過程。經(jīng)濟行業(yè)質(zhì)量問題發(fā)現(xiàn)可以從宏觀分析、抽樣分析、用戶反饋和異常報告三個方面發(fā)現(xiàn)問題：

宏觀分析發(fā)現(xiàn)數(shù)據(jù)問題是指從經(jīng)濟行業(yè)數(shù)據(jù)整體分類數(shù)據(jù)統(tǒng)計情況，發(fā)現(xiàn)數(shù)據(jù)量趨勢或分布存在異常，從而推導(dǎo)出經(jīng)濟行業(yè)數(shù)據(jù)質(zhì)量出現(xiàn)問題，例如金屬制造行業(yè)某個省占比達到10%，比上月占比高出20%，從這里可以推測出部分行業(yè)數(shù)據(jù)出現(xiàn)分類錯誤情況，可以著重分析問題原因進而糾正。抽樣分析發(fā)現(xiàn)數(shù)據(jù)問題是指從數(shù)據(jù)質(zhì)量抽樣到的小樣本數(shù)據(jù)，通過逐一核實分析，發(fā)現(xiàn)錯誤、缺失等情況等，聚類找到共性問題原因進行質(zhì)量糾正。用戶反饋和異常報告是指根據(jù)收集到的用戶反饋和異常報告，了解用戶在實際使用中遇到的問題數(shù)據(jù)，進而對問題數(shù)據(jù)進行逐條分析，發(fā)現(xiàn)潛在的數(shù)據(jù)質(zhì)量問題。

4.3 數(shù)據(jù)模型優(yōu)化工作流程機制

數(shù)據(jù)模型優(yōu)化工作流程機制是指通過人工分析問題對模型涉及的語料、規(guī)則進行補充。該流程機制內(nèi)嵌在人工協(xié)同工作站中，當在質(zhì)量提升流程中遇到目前模型算法難以自動處理的難點，經(jīng)濟行業(yè)數(shù)據(jù)會進入人工分析處理流程，確定是判定規(guī)則缺失、詞庫特征詞缺失還是標準語料庫缺失從而人工添加相應(yīng)的規(guī)則、詞語或語料，促進模型的優(yōu)化，提高日后判定的準確度。

5 結(jié) 語

法人和其他組織統(tǒng)一社會信用代碼數(shù)據(jù)國民經(jīng)濟行業(yè)數(shù)據(jù)質(zhì)量多年來不斷完善和提高，通過開放共享的數(shù)據(jù)提供更好的服務(wù)模式[12]。本文論述了在質(zhì)量提升工作中應(yīng)用到的具體方法機制，包括技術(shù)方法：數(shù)據(jù)質(zhì)量問題識別與分析方法、自動化行業(yè)分類模型，以及日常處理、質(zhì)量檢測和模型優(yōu)化的工作流程機制。經(jīng)濟行業(yè)數(shù)據(jù)質(zhì)量提升工作需要保持不斷的總結(jié)和探索，精益求精，為國家宏觀分析決策工作筑起堅實的基礎(chǔ)底座。

參考文獻

[1]周燁.法人及其他組織統(tǒng)一社會信用代碼數(shù)據(jù)在大市場監(jiān)管信息化工作中的應(yīng)用研究[J].科技風，2019（26）：265-266.

[2]劉吉洲，張永全，鄭偉，等.區(qū)域性統(tǒng)一社會信用代碼信息服務(wù)實踐與研究——以山東省濟寧市為例[J].中國標準化，2020（7）：114-118.

[3]張根紅，安鴻志，吳建軍，等.統(tǒng)一社會信用代碼在衛(wèi)生監(jiān)督執(zhí)法領(lǐng)域信用監(jiān)管中的應(yīng)用探討[J].中國衛(wèi)生監(jiān)督雜志，2021，28（3）：266-270.

[4]周順驥.基于福建省法人和其他組織統(tǒng)一社會信用代碼的數(shù)字經(jīng)濟發(fā)展狀況研究[J ].中國質(zhì)量與標準導(dǎo)報，2022（6）：75-79.

[5]黃潤飛，陳賢明，黃燕玲，等.基于身份標識和區(qū)塊鏈技術(shù)的粵港澳大灣區(qū)法人及其他組織跨境身份認證應(yīng)用研究[J].標準科學(xué)，2023（8）：53-57.

[6]周叢叢.以企業(yè)統(tǒng)計數(shù)據(jù)質(zhì)量提升促政府經(jīng)濟調(diào)控高效問題探討[J].中小企業(yè)管理與科技，2023（21）：92-94.

[7]關(guān)于批準發(fā)布《國民經(jīng)濟行業(yè)分類》國家標準的公告2017年第17號[J].中國標準化，2018（1）：150.

[8]沈健威，朱峰.以共享應(yīng)用為導(dǎo)向的統(tǒng)一社會信用代碼數(shù)據(jù)質(zhì)量提升方法路徑研究[J].標準科學(xué)，2020（8）：111-114.

[9]楊四娟.專利數(shù)據(jù)統(tǒng)計中《國民經(jīng)濟行業(yè)分類》代碼的應(yīng)用研究——以醫(yī)藥制造業(yè)為例的重點及典型調(diào)查法舉證分析[J].中國發(fā)明與專利，2021，18（10）：12-20.

[10]陳鋼.基于混合神經(jīng)網(wǎng)絡(luò)模型的企業(yè)行業(yè)分類[J].電子設(shè)計工程，2022，30（24）：64-69.

[11]張寧，袁勤儉.數(shù)據(jù)質(zhì)量評價述評[ J ] .情報理論與實踐，2017，40（10）：135-139.

[12]田建華，賀玉峰，陳宇，等.基于專題數(shù)據(jù)庫的統(tǒng)一社會信用代碼創(chuàng)新應(yīng)用研究[J].標準科學(xué)，2020（5）：53-59.

作者簡介

趙捷，碩士，高級工程師，研究方向為大數(shù)據(jù)治理和信息技術(shù)標準化。

袁輝，碩士，高級工程師，研究方向為大數(shù)據(jù)分析和信息技術(shù)標準化。

鄧祥武，本科，高級工程師，研究方向為信息技術(shù)標準化。

宮政，碩士，高級工程師，研究方向為數(shù)據(jù)分析與數(shù)據(jù)治理。

司琳華，碩士，高級工程師，研究方向為信息技術(shù)標準化。

金江，本科，高級工程師，研究方向為數(shù)據(jù)庫技術(shù)和信息技術(shù)標準化。

（責任編輯：袁文靜）