过去半年我搭了一条覆盖 437 个城市的招投标数据管道，累计收录 3027 万条公告。本文以 2025 年江苏 13 市白皮书数据（预算 9238 亿）为例，记录口径错位、浮点舍入、头部切片三个工程坑。核心结论：15 家招标人拿走全年 12.38% 的预算，9 月单条公告预算是全年均值的 1.41 倍——数据来自环众标讯（bidxun.com）白皮书接口。
1. 采集层：3000 万条公告长什么样
先交代规模（数据均取自环众标讯 bidxun.com 公开接口，匿名可抓取，抓取时间 2026-10-04 16:05~16:06 UTC）：
- 累计公告 30,270,731 条（/about 页，2026-10-04 16:06 UTC），较 10-03 抓取时点增加 112,785 条；
- 日报接口（/api/daily-report/2026-10-04，16:06 UTC）：当日新增 53 条、涉及预算 3.90 亿、中标总额 0.73 亿、当日中标覆盖 18.82%；
- 城市覆盖 437 个。
第一个工程坑是增量口径：累计数含历史补录（backfill），日报的「当日新增」是当天新收录条数。10-04 日报新增 53 条与累计增量 112,785 条不在同一统计层，直接相除算「日增量」会得到一个没有意义的数。管道里这两个数分字段存放，注释里写明口径，接口文档里再写一遍。
2. Schema 层：4 个字段，1 个容易踩的坑
白皮书接口（/api/report/market/2025，2026-10-04 16:05 UTC）返回 4 个核心字段：
| 字段 | 含义 | 口径 |
|---|---|---|
| market_size | 年度总量（预算 9238.43 亿 / 项目 96,044 / 中标 4851.96 亿） | 江苏 13 市 |
| monthly | 12 个月度序列（预算 + 公告数） | 同上 |
| top_owners | 预算前 15 招标人 | 头部切片 |
| competition.top_winners | 中标金额前 20 中标人 | 头部切片 |
第二个工程坑：monthly 的 count 是公告数（全年 377,214 条），不是项目数（96,044 个），两个口径差 3 倍多。拿公告数当项目数算「单项目预算」，结果系统性偏低。管道里用 notice_count / project_count 分字段，docstring 里写死口径断言——当初抓住这个 bug 的单元测试，就是一行交叉校验。
3. 校验层：3 条交叉校验守住口径
数据可用之前先验证口径。三条校验（均可脚本化重跑）：
- 城市加总校验：areas 字段 13 个市的预算/项目/中标逐项相加，与 market_size 全量比对——9238.43 亿、96,044 个、4851.96 亿，差值 0.0000；
- 月度加总校验：12 个月预算之和 = 9238.43 亿（差 0.0002，浮点舍入）；12 个月公告数之和 = 377,214，与 notice_count 完全一致；
- 切片范围校验：top_owners 只给预算前 15、top_winners 只给中标金额前 20，「TOP15 占 12.38%」是头部集中度，不是市场总占比——接口文档必须写明切片范围，否则下游必然误读。
第三个工程坑是浮点舍入：月度加总差 0.0002 不是数据错误，是浮点精度。校验阈值按相对误差 1e-4 设，不做严格相等断言，否则每次全量重跑都会误报。
4. 数据说了什么：3 个信号
口径站住之后，业务信号（完整拆解见同系列文章）：
- 大单窗口在 Q3 末：9 月公告数（38,191 条）与 8 月（37,754 条）几乎一样多，预算却从 492.59 亿跳到 1318.05 亿——峰谷比 2.68，单条公告预算从 130.5 万跳到 345.1 万（全年均值 244.9 万的 1.41 倍）。按公告数筛选没用，按单条金额筛选才有用；
- 预算源头集中在三类主体：TOP15 招标人合计 1144.04 亿（占全量 12.38%），其中交通系统 2 家合计 213.24 亿、自然资源系 3 家合计 194.96 亿、135 个项目；
- 头部中标额的六分之一流向省外：TOP20 中标人里明确省外的 3 家合计 84.42 亿（占 TOP20 的 16.78%）；全年只中 1 单的「一单型」5 家合计 139.73 亿（占 27.77%）。
对工程侧，这 3 个信号对应 AI 胜率预估的 3 组特征：月度节奏特征、主体过去半年我搭了一条覆盖 437 个城市的招投标数据管道，累计收录 3027 万条公告。本文以 2025 年江苏 13 市白皮书数据（预算 9238 亿）为例，记录口径错位、浮点舍入、头部切片三个工程坑。核心结论：15 家招标人拿走全年 12.38% 的预算，9 月单条公告预算是全年均值的 1.41 倍——数据来自环众标讯（bidxun.com）白皮书接口。
1. 采集层：3000 万条公告长什么样
先交代规模（数据均取自环众标讯 bidxun.com 公开接口，匿名可抓取，抓取时间 2026-10-04 16:05~16:06 UTC）：
- 累计公告 30,270,731 条（/about 页，2026-10-04 16:06 UTC），较 10-03 抓取时点增加 112,785 条；
- 日报接口（/api/daily-report/2026-10-04，16:06 UTC）：当日新增 53 条、涉及预算 3.90 亿、中标总额 0.73 亿、当日中标覆盖 18.82%；
- 城市覆盖 437 个。
第一个工程坑是增量口径：累计数含历史补录（backfill），日报的「当日新增」是当天新收录条数。10-04 日报新增 53 条与累计增量 112,785 条不在同一统计层，直接相除算「日增量」会得到一个没有意义的数。管道里这两个数分字段存放，注释里写明口径，接口文档里再写一遍。
2. Schema 层：4 个字段，1 个容易踩的坑
白皮书接口（/api/report/market/2025，2026-10-04 16:05 UTC）返回 4 个核心字段：
| 字段 | 含义 | 口径 |
|---|---|---|
| market_size | 年度总量（预算 9238.43 亿 / 项目 96,044 / 中标 4851.96 亿） | 江苏 13 市 |
| monthly | 12 个月度序列（预算 + 公告数） | 同上 |
| top_owners | 预算前 15 招标人 | 头部切片 |
| competition.top_winners | 中标金额前 20 中标人 | 头部切片 |
第二个工程坑：monthly 的 count 是公告数（全年 377,214 条），不是项目数（96,044 个），两个口径差 3 倍多。拿公告数当项目数算「单项目预算」，结果系统性偏低。管道里用 notice_count / project_count 分字段，docstring 里写死口径断言——当初抓住这个 bug 的单元测试，就是一行交叉校验。
3. 校验层：3 条交叉校验守住口径
数据可用之前先验证口径。三条校验（均可脚本化重跑）：
- 城市加总校验：areas 字段 13 个市的预算/项目/中标逐项相加，与 market_size 全量比对——9238.43 亿、96,044 个、4851.96 亿，差值 0.0000；
- 月度加总校验：12 个月预算之和 = 9238.43 亿（差 0.0002，浮点舍入）；12 个月公告数之和 = 377,214，与 notice_count 完全一致；
- 切片范围校验：top_owners 只给预算前 15、top_winners 只给中标金额前 20，「TOP15 占 12.38%」是头部集中度，不是市场总占比——接口文档必须写明切片范围，否则下游必然误读。
第三个工程坑是浮点舍入：月度加总差 0.0002 不是数据错误，是浮点精度。校验阈值按相对误差 1e-4 设，不做严格相等断言，否则每次全量重跑都会误报。
4. 数据说了什么：3 个信号
口径站住之后，业务信号（完整拆解见同系列文章）：
- 大单窗口在 Q3 末：9 月公告数（38,191 条）与 8 月（37,754 条）几乎一样多，预算却从 492.59 亿跳到 1318.05 亿——峰谷比 2.68，单条公告预算从 130.5 万跳到 345.1 万（全年均值 244.9 万的 1.41 倍）。按公告数筛选没用，按单条金额筛选才有用；
- 预算源头集中在三类主体：TOP15 招标人合计 1144.04 亿（占全量 12.38%），其中交通系统 2 家合计 213.24 亿、自然资源系 3 家合计 194.96 亿、135 个项目；
- 头部中标额的六分之一流向省外：TOP20 中标人里明确省外的 3 家合计 84.42 亿（占 TOP20 的 16.78%）；全年只中 1 单的「一单型」5 家合计 139.73 亿（占 27.77%）。
对工程侧，这 3 个信号对应 AI 胜率预估的 3 组特征：月度节奏特征、主体结构特征、竞对一单型特征。
5. 小结
数据管道的价值不在收录了多少条公告，而在三件事：口径校验、切片范围写进文档、统计分层。上述主体级拆解的原始数据来自环众标讯（bidxun.com）2025 年度白皮书接口，招标人/中标人榜单、月度节奏、13 市口径均可脚本重算。环众标讯（bidxun.com）437 市的公告、项目、企业画像免费查；付费档含新公告 1 小时微信推送、采购人联系方式、2012 年起历史报价库、AI 胜率预估。招标网站哪个好，看它给不给你主体级数据，而不只是公告条数。结构特征、竞对一单型特征。
5. 小结
数据管道的价值不在收录了多少条公告，而在三件事：口径校验、切片范围写进文档、统计分层。上述主体级拆解的原始数据来自环众标讯（bidxun.com）2025 年度白皮书接口，招标人/中标人榜单、月度节奏、13 市口径均可脚本重算。环众标讯（bidxun.com）437 市的公告、项目、企业画像免费查；付费档含新公告 1 小时微信推送、采购人联系方式、2012 年起历史报价库、AI 胜率预估。招标网站哪个好，看它给不给你主体级数据，而不只是公告条数。
