4、数据基础与来源：常用数据源与数据采集方法

职业卫生细分赛道景气度排序的可靠性，首先取决于数据基础的完整性与真实性。不同数据源在时效性、颗粒度、覆盖范围和获取成本上差异显著，单一数据源往往只能反映行业景气度的某个侧面。因此，构建一套多源交叉验证的数据采集体系，是开展景气度排序的前提性工作。本章将系统梳理政府统计、行业协会、招投标、上市公司财报、专利与招聘六大类常用数据源，并给出可落地的采集方法与质量校验策略。

4.1 六大核心数据源的特征与适用场景

职业卫生细分赛道涉及检测监测、防护用品、工程防护、职业健康监护、信息化平台等多个子领域，不同数据源对景气度的反映维度各不相同。下表从时效性、颗粒度、覆盖范围、获取成本和主要用途五个维度，对六大常用数据源进行横向对比。

4.2 各数据源的采集方法与操作流程

4.2.1 政府统计数据采集

核心原理：政府统计是景气度判断的“底座数据”，主要包括国家统计局发布的职业病报告病例数、卫生健康统计年鉴、应急管理部发布的安全生产与职业健康监管数据，以及各级卫健委的专项调查数据。这类数据权威性最高，但时效性偏弱，通常滞后6-12个月。

操作流程：

1. 确定目标数据口径：明确需要的是全国数据、省级数据还是地市级数据；
2. 定期访问国家统计局官网、国家卫生健康委官网、中国疾病预防控制中心职业卫生所官网；
3. 下载年度《中国卫生健康统计年鉴》和《中国职业卫生统计报告》；
4. 建立时间序列数据库，按季度/年度更新；
5. 对异常波动进行交叉验证（如某年职业病报告数骤降，需核实是否因统计口径调整）。

4.2.2 行业协会数据采集

核心原理：中国职业安全健康协会、中国安全生产协会、中国劳动保护用品行业协会等组织，定期发布行业运行报告、企业排名、技术白皮书。协会数据能反映细分领域的真实经营状态，但存在“幸存者偏差”——入会企业通常规模较大、经营较规范。

操作流程：

• 申请加入目标协会的普通会员或信息会员，获取内部统计简报；
• 参加年度行业大会、技术交流会，获取会议集和行业报告；
• 关注协会发布的团体标准、征求意见稿，判断技术方向；
• 与协会秘书处建立联系，进行定向调研访谈。

4.2.3 招投标数据采集

核心原理：招投标数据是反映职业卫生细分赛道短期需求景气度的最敏感指标。政府采购网、中国招标投标公共服务平台、各省市公共资源交易中心，以及第三方商业平台（如千里马、剑鱼标讯）汇聚了大量职业卫生技术服务、检测设备采购、防护用品采购等项目信息。

操作流程：

1. 确定关键词库：如“职业卫生检测”“职业病危害评价”“职业健康监护”“防尘口罩采购”“气体检测仪”等；
2. 配置爬虫或使用商业平台API，每日抓取新增招标/中标公告；
3. 结构化解析：提取项目名称、采购单位、预算金额、中标单位、中标金额、发布时间；
4. 按月统计各细分赛道的招标数量、金额总量、平均单价；
5. 跟踪重点采购单位的重复采购频率，判断需求稳定性。

4.2.4 上市公司财报数据采集

核心原理：职业卫生领域涉及多家A股上市公司（如华测检测、广电计量、国检集团、安车检测等）及部分新三板企业。财报数据能反映头部企业的营收增速、毛利率、研发投入、应收账款周转等经营质量指标，是判断行业景气度的“压舱石”。

操作流程：

• 通过巨潮资讯网、上交所/深交所官网获取定期报告原文；
• 使用Wind、Choice、同花顺iFinD等终端批量提取财务指标；
• 重点提取：营业收入及同比增速、归母净利润、毛利率、经营性现金流、合同负债（预收款项）；
• 将业务按“职业卫生检测”“职业健康监护”“防护产品”等口径拆分，计算细分业务增速；
• 对比同行业公司增速差异，识别景气度分化信号。

4.2.5 专利数据采集

核心原理：专利数据反映技术创新的活跃度与方向。职业卫生领域的专利主要集中在检测仪器、防护材料、监测算法、智能穿戴设备等方向。专利数量增长通常领先于产品商业化1-3年，可作为景气度的先行指标。

操作流程：

1. 使用国家知识产权局专利检索系统（CNIPA）、incoPat、智慧芽等平台；
2. 构建IPC分类号+关键词组合检索式，如“G01N 33/00（检测方法）”+“职业卫生”；
3. 按申请日（而非公开日）统计年度专利数量，避免公开滞后导致的偏差；
4. 区分“发明专利”与“实用新型专利”，发明专利占比高说明技术含金量高；
5. 跟踪主要申请人的专利布局变化，判断竞争格局演变。

4.2.6 招聘数据采集

核心原理：招聘数据是反映企业扩张意愿和人才需求的实时指标。职业卫生工程师、检测员、评价师等岗位的招聘数量变化，能提前1-2个季度反映企业经营预期。

操作流程：

• 使用Python爬虫采集智联招聘、前程无忧、BOSS直聘、猎聘等平台数据；
• 设定关键词：“职业卫生”“职业病危害”“卫生评价师”“职业卫生检测”等；
• 提取字段：岗位名称、公司名称、薪资范围、学历要求、工作地点、发布时间；
• 按月统计新增岗位数量、平均薪资、招聘企业数量；
• 计算“招聘扩散指数”：当月有招聘需求的企业数/上月有招聘需求的企业数。

4.3 数据采集方法体系与质量校验

数据采集不是简单的“抓取”，而是一套包含采集策略、清洗规则、存储结构和质量校验的完整工程体系。以下给出推荐的数据采集方法组合与质量校验流程。

4.3.1 数据质量校验五步法

1. 完整性校验：检查关键字段缺失率，如招投标数据中的“中标金额”缺失率超过20%时需考虑替代数据源；
2. 一致性校验：同一指标在不同数据源间交叉比对，如政府统计的“职业病新发病例数”与协会报告的“会员单位接诊病例数”应呈同向变化；
3. 时效性校验：检查数据发布时间与数据所属期的间隔，招聘数据超过7天未更新视为异常；
4. 异常值检测：使用3σ原则或箱线图识别极端值，如某月招标金额环比暴增300%需核实是否存在大型项目集中释放；
5. 趋势合理性校验：将数据趋势与行业重大事件对照，如新法规出台后检测需求应上升，若数据未反映则需排查采集链路。

4.4 案例拆解：职业卫生检测赛道景气度数据采集实战

背景与目标：某投资研究机构需要评估“职业卫生检测服务”这一细分赛道2024年的景气度，为基金配置决策提供依据。要求构建一套可复用的数据采集与监测体系，覆盖需求端、供给端和技术端三个维度。

初始现象与约束：团队仅有2名分析师，预算有限，无法购买高价商业数据库；需要在4周内完成数据基础搭建，并形成月度更新机制。

关键输入数据与采集过程：

• 需求端（招投标数据）：从中国政府采购网和各省公共资源交易中心抓取2023年1月至2024年6月的“职业卫生检测”“职业病危害因素检测”相关招标公告，共获取有效项目1,284个，中标金额合计3.2亿元；
• 供给端（上市公司财报）：提取华测检测、广电计量、国检集团三家上市公司2023年年报中“职业卫生”相关业务收入，合计约8.7亿元，同比增速18.5%；
• 技术端（专利数据）：在incoPat平台检索“职业卫生检测”相关专利，2023年公开专利数量为342件，其中发明专利占比41%；
• 人才端（招聘数据）：爬取BOSS直聘和智联招聘2024年上半年“职业卫生检测员”“职业卫生评价师”岗位，去重后共2,156个有效岗位，平均薪资8,500元/月。

分析判断过程：

1. 招投标数据显示2024年上半年招标金额同比增长32%，且华东地区占比达45%，显示区域需求集中释放；
2. 上市公司财报显示头部企业职业卫生业务毛利率维持在42%-48%之间，高于公司整体毛利率，说明该业务盈利能力较强；
3. 专利数据中“智能化检测设备”相关专利占比从2022年的18%提升至2023年的27%，技术升级趋势明显；
4. 招聘数据中“具备CMA/CNAS资质”要求的岗位占比达63%，说明行业对合规资质要求持续提高。

实际操作步骤：

• 第1周：完成招投标爬虫开发和历史数据回补；
• 第2周：完成上市公司财报数据提取和专利数据下载；
• 第3周：完成招聘数据采集和清洗；
• 第4周：建立数据仓库，编写月度自动更新脚本，输出首期《职业卫生检测景气度月报》。

结果对比与复盘：通过多源数据交叉验证，最终判断2024年职业卫生检测赛道景气度为“中高景气”，综合评分7.8/10。后续月度跟踪显示，该判断与实际市场表现吻合度较高。复盘发现，招投标数据对短期波动的敏感度最高，但需结合财报数据过滤“低价中标”带来的虚假繁荣信号。

4.5 常见误区与应对策略

数据采集是景气度排序工程的“地基工程”。只有建立多源、稳定、可校验的数据采集体系，后续的指标计算、权重分配和排序模型才有可靠输入。建议在实际操作中，先以2-3个核心数据源跑通流程，再逐步扩展数据源范围，最终形成覆盖“宏观-中观-微观”三层的数据矩阵。