我们很高兴地宣布推出我们的最新创新产品——多源公司数据。这款新的旗舰数据产品代表了我们在提供网络数据方面迈出的一大步，首次引入了多源、经过清理且富含 AI 的数据集。我们首先将来自多个公共网络源的公司数据汇总为一个全面且有凝聚力的数据集。
什么是多源公司数据？
多源公司数据是汇总来自各种领先业务平台和其他来源的信息的数据集，为超过 3500 万家公司创建详细而全面的资料。数据集中的每个公司资料都包含多个标识符，便于处理和集成。
该数据集包含 300 多个数据点，可以 JSONL、CSV 或 Parquet 格 Instagram 数据 式传送给客户端。
以下是该数据集中数据集合的概述：
主要公司信息（公司统计）
基于历史数据的增长洞察
在线状态和评论
财务和融资
技术图表和产品
更多内容
我们如何处理这个数据集中的数据？
多源公司数据集的处理分为几个关键步骤：
过滤。我们对核心数据集进行过滤，删除空记录或低价值记录。
清理。标准化日期格式、删除 HTML 标签等操作使数据集更具可读性、一致性和可操作性。
丰富。我们使用专有方法添加附加字段，包括专门指导的大型语言模型 (LLM)，它使我们能够提取更准确的公司描述、类别和关键字。
映射。我们将清理后的数据映射到其他来源，并将所有内容统一为单一输出。
主要优势
减少数据集大小。通过汇总和优化来自多个来源的数据，我们显著减少了您需要处理的数据集的大小。这意味着更快的数据处理和更轻松的数据管理。
节省数据工程资源。我们代表客户处理耗时的数据收集和处理步骤，这意味着节省宝贵的数据工程资源。处理数据清理的所有细节意味着您的数据工程师可以专注于战略任务，而不是常规数据处理。
缩短价值实现时间。删除低价值记录并简化数据结构，仅保留相关且干净的字段，这意味着我们的客户将有更多时间致力于从数据中提取价值，而不是解决原始数据有时带来的挑战。
增强数据质量。我们对该数据集进行了广泛的处理，包括清理、聚合和丰富的附加值，消除了冗余并确保了数据的全面性和高质量。
从历史数据中获取见解。对于此数据集，我们还汇总了历史数据，标记了某些公司指标随时间变化的百分比，这些指标表明了增长趋势，例如员工人数、社交关注者、活跃职位发布数量和评论。通过我们的任何其他数据产品都无法轻松获取此类细粒度数据。