为什么榜单网站要写字段字典 · companies.json:一家公司一行 · funding-events.json:一条报道一行,不是一轮融资一行 · 金额字段,以及 ~ 到底是什么意思 · 来源标记:autoCollected、reviewed 与发布闸门 · 派生文件,以及它们不是什么 · 把一条记录完整读一遍
为什么榜单网站要写字段字典
多数融资追踪站只发布一张表和一个头条数字,剩下怎么算的全靠读者猜。而「融资」这个词在量子科技新闻里同时被用来指私募定价轮、政府意向书、ATM 增发计划,甚至营收预测。这四类都出现在公开报道中,自动采集程序很容易把它们混为一谈。
所以我们把字段定义视为编辑产品的一部分。下面每个字段都由构建脚本强制单一含义,而不是写在风格指南里靠自觉。凡是无法在该含义下如实填写的值,一律留空或显式标注,绝不用估算补齐。目的不是让数据看起来完整,而是让每一处缺口都可见、可查。
本页描述的是当前随站发布的文件,不是理想化的未来版本。字段含义一旦变更,会在扫描与变更日志里连同生效日期一起记录,因此半年前被引用的数字今天仍能被正确解读。
companies.json:一家公司一行
公司库里每个对象对应一家公司。id 是 URL、文件名与交叉引用共用的稳定标识;name 是显示名;aliases 收录来源可能使用的其他写法。country、countryCode、region、hq 分别描述不同粒度的地理信息,因为一家公司可能总部在一座城市、注册地在另一地,而地区汇总又同时覆盖两者。tech 与 subTech 只是本站三大技术分类下的浏览标签,不是技术认证。
totalFundingUsd 是人工整理、以美元计的公司层面累计额。totalPrecision 说明这个累计额是精确值、近似值还是明确的下限。confidence 描述整条记录的来源强度。status 与(如适用)ticker 用来区分非上市公司与已上市公司。founded 只记年份;没有可靠依据时整个字段留空,页面也不会为了卡片好看而编一个成立年份出来。
description 是一句编辑性简述,website 是能拿到时的一手官网链接。较新的可选对象 dossier 存放站方直接提供并逐条核实的双语公司档案。这些档案放在公司库内部,而不是另开一张表,这样同一家公司不会以两套事实出现两次。档案里的金额沿用提供方原来的单位与措辞,也不会第二次计入榜单总额。
funding-events.json:一条报道一行,不是一轮融资一行
这是原始账本,刻意比发布出去的表格更「脏」。每条对象描述我们遇到的一篇报道:id、companyId 与 company 标识主体;date 与 datePrecision 说明发生时间,以及我们精确到日还是只精确到月。round 是报道中的工具标签,amountUsd 是披露的现金金额(有则填),amountOriginal 保留原始措辞与币种,便于核对换算。
valuationUsd 只在来源明确给出估值时出现,单独成列,绝不并入披露资本。investors 是可能为空的数组。summary 是来源的标题或简述,sources 与 sourceUrl 保留出处。同一笔融资的多篇报道都会留在这里。我们不会悄悄删掉重复项,因为原始账本正是「发布层确实做了去重」的证据。
对读者来说结论很简单:数 funding-events.json 的行数,得不到站内显示的融资笔数。把报道合并成事件的是去重专栏所述的那一步,把事件变成已发布行的是下述发布闸门。两步都是构建时确定性执行的,同样的输入必然得到同样的输出。
金额字段,以及 ~ 到底是什么意思
amountUsd 是某一天、某一项工具上披露的现金金额。它不是公司累计额,不是估值,不是营收,也不是一笔可能提取也可能不提取的承诺。当报道给出区间、「约五亿」这样的取整说法,或需要换算的外币金额时,amountPrecision 置为 approx,页面在数字前加 ~;amountOriginal 保留来源措辞,让换算过程可被检查。
amountUsd 为空不是零,而是报道没有公布我们愿意记录的现金数字。其中有些是政策公告或公开市场工具,本来就没有定价金额;它们留在时间线上,因为对公司的资本沿革确实重要,但不能贡献披露现金合计。若来源给的是估值而不是融资额,就写进 valuationUsd 并明确标成估值,绝不写成融资。
本站还刻意区分公司库累计额与逐笔事件金额之和。两者不要求相等:累计额是公司层面的人工汇总,可能覆盖已发布事件窗口之外的轮次;事件表则是我们发布了什么的逐行记录。公司档案会把两个数字和差额同时列出,而不是挑一个更好看的用。
来源标记:autoCollected、reviewed 与发布闸门
autoCollected 标记由新闻监测自动首次发现的行,reviewed 标记编辑直接查看过的行。这些是来源标记,不是质量评分:自动发现的行不代表自动可信,手工录入的行也不代表天然正确。站内可见的徽章告诉读者这一行是怎么进账本的,让区别可以被核对,而不是被猜测。
更强的保证是发布闸门。只有编辑为这一笔融资写下了专门、具体的按语,事件才会被发布。没有按语的行留在原始账本里,构建时打印「暂缓复核、不予发布」,不进榜单、总额、时间线、RSS 或公司档案。这就把「有人审过」的承诺变成了机械约束。
按语不是事实核查证书。它是一张收据:有人打开过来源,并对这一笔融资形成了判断;写法上也要能与其他按语区分开。来源薄弱就在按语里说明;标题看似融资、实为营收预测的行会被暂缓。confidence 专栏与扫描日志则解释如何复核这些判断。
派生文件,以及它们不是什么
stats.json 存放驱动首屏数字、快照与图表的聚合值;rankings.json 是表格使用的去重渲染视图;company-intel.json 是公司库里站方核实档案在构建时生成的导出,两者不会各自漂移;feed.xml 只带与页面相同的编辑按语,绝不带抓取来的原始标题。这些文件都不是独立的事实来源。
想质疑某个数字,请从两个源文件开始,而不是从派生文件开始。派生文件与原始账本存在差异是合理的,因为它体现的是发布层;差异本身在方法论页与扫描日志里有解释。不合理的是派生文件悄悄造出一个在原始账本里没有对应行的值。
字段结构通过仓库变更历史来版本化。每个文件都是无需鉴权、无速率限制、除 CC BY 4.0 署名外无使用限制的纯 UTF-8 JSON。这是有意为之:容易下载的数据也容易被反驳,而这是我们目前知道的、发现自身错误最可靠的办法。
把一条记录完整读一遍
假设一行写着某公司以约数完成一轮 Reported raise,investors 为空,并附了来源链接。正确读法是:存在一篇报道,它没有点明具体轮次或投资方,金额是近似值,原始措辞已保留供核对。在通过去重与发布闸门之前,这是一条报道,不是一笔已确认的融资。
再假设同一家公司在十天窗口内有三行、来自三家媒体、金额近似相同。正确读法是一笔融资加三篇佐证报道,而不是三轮融资。发布表格里只会出现一行并标注合并报道数,原始账本里三行仍在。两种视图互不矛盾,它们回答的是不同问题。
现在可以下载的文件
| 文件 | 内容 |
|---|---|
| companies.json | 公司名录、站方核实资料与累计披露金额 |
| company-intel.json | 从公司库导出的中国公司核实资料 |
| funding-events.json | 原始报道账本,含重复项与待撰写按语的候选行 |
| stats.json | 驱动首屏数字与快照的聚合值 |
| rankings.json | 表格使用的去重渲染视图 |
实用结论
最有用的习惯,是把数字连同它的标记一起读。没有精度标记、工具标签和来源标记的披露金额,只是一个数字;有了这些,它才成为一条读者可以核对的断言。如果你在站内发现某种解释并不被字段定义支持,每页都有更正邮箱。