国家企业信用查询网 是所有工商数据的来源。所有注册的企业都可以在这个上面查询到，如果你应聘的公司查不到，那有可能是黑公司。
通过采集里面的基本信息 和 年报信息，就形成了一份基础库，但是采集难度非常大，主要在验证码这块，动态的验证码确实是一道难关。
在这个基本信息库的基础上，可以采集企业多维度数据，比如说 专利数据、招聘数据、商标数据、失信数据、公司新闻数据等等，围绕着工商企业为中心，逐渐的完善整个企业库，从而可以在这个企业库的基础做非常多的应用。
企查查、天眼查 等众多企业查询网站，都是在这个基础上做起来的，而且做的非常不错。当然如果想要合作，一个城市的企业数据就可以达到数十万的盈利，哎，谁叫人家后台有这么多人在维护，在采集。基本上可以一个人负责一个采集方向就可以了。但是对于人少的公司，一个人需要采集的信息那是非常多的，导致的一个结果就是因为网站更新速度比较快，程序是需要进行修改的，从而有点力不从心。
设计基础库的重点在于 数据结构，尤其是企业主键的设计方式。因为涉及到排重 以及 更新的问题，在这里有一个非常好的思路，那就是企业分为 公司 和 个体户两类。对于公司而言直接使用公司名称的md5即可，对于个体户 就是 md5(公司名+信用号/注册号) 这样就可以使整个库的ID不存在重复。对于年报 的ID来说，直接使用md5（企业ID+年份） 就可以了。
依次类推，得到每张表的ID 设计模式。
数据存储的话 就直接使用ES就可以了，这里面 涉及到 搜索 和 统计 都可以非常好的得到满足。
当然有的还需要进行解析，比如进行行业划分，使用自定义的行业分类算法就可以。整个企业库的数据量是非常大的，所以服务器也必须是多台分布式的。尤其是要做好备份。
在这里附件一份整理好的工商基础库结构信息，可以参考来进行建立。
结构文件：https://qianjieyun.com/netshare_upload/attach/2018-05-26/29dcd2b691a74632b3fa35a9a2fd0a04.xlsx