RFSD
קוד פתוחirlspbrucc-by-4.02025-01-10
מאגר פתוח שמכיל דוחות כספיים שנתיים לא מאוחדים של כלל החברות הפעילות ברוסיה בשנים 2011 עד 2025. הוא נותן כיסוי חריג בגודלו שכולל גם חברות שלא הגישו דוחות בפועל.
- 2,696הורדות בחודש
- 18לייקים
מה זה
המאגר מציג רשומות כספיות של חברות ברוסיה, בהיקף של עשרות מיליוני שורות לאורך השנים 2011 עד 2025. הנתונים נאספו משני מקורות ממשלתיים רשמיים, שירות הסטטיסטיקה הפדרלי רוססטאט ושירות המסים הפדרלי. המבנה מבוסס על קובצי Parquet המחולקים לפי שנים, ומכיל דוחות מאזן, רווח והפסד ותזרימי מזומנים לפי התקינה הרוסית המקומית.
בסינון הנתונים, החוקרים הסירו גופים שאינם מחויבים בדיווח על פי חוק כמו מוסדות דת, סוכנויות ממשלתיות ומוסדות פיננסיים, וכן דוחות של חברות שלא היו פעילות באותה שנה לפי מרשם החברות. מנגד, הם שחזרו מידע לחברות שלא הגישו דוחות באמצעות הצלבת דיווחים משנים עוקבות, תיקנו בעיות סימנים וסכימה חשבונאיות, והוסיפו נתוני מיקום גיאוגרפיים לפי כתובת ההתאגדות.
מתאים ל
- סיווג סיכון אשראי ופשיטת רגל
אימון מודלים לחיזוי חדלות פירעון וסיכון פיננסי על פני מיליוני חברות לאורך עשור וחצי.
- חיזוי ביצועים בסדרות עתיות
מודלים של חיזוי הכנסות ורווחיות לחברות פרטיות בהתבסס על רצף שנתי של מאזנים.
- מחקר מאקרו כלכלי ופריון
אמידת פריון גורמי ייצור כולל והערכת השפעות של מדיניות מוניטרית על חברות לא נסחרות.
איפה זה נופל
הנתונים משקפים תקינה חשבונאית רוסית בלבד ולא דוחות מאוחדים לפי IFRS, כך שאינם מתאימים לניתוח של קבוצות עסקיות גדולות שמחזיקות מאות חברות בנות. שמות המשתנים המקוריים נשענים על רוסית וטפסים ממשלתיים, ובשנת 2025 חל שינוי מהותי במבנה הטפסים עצמם שלא עבר הרמוניזציה מלאה עם העבר. בנוסף, המיקום הגיאוגרפי משקף כתובת רישום משפטית שלעיתים נכשלת ברמת הרחוב, ולא את מיקום המפעלים או הסניפים בפועל. קיימות חברות עם נתונים חריגים קיצוניים שסומנו בדגלים אך לא נמחקו, ודוחות מסוימים שוחזרו בהערכה ולא בדיווח ישיר.
שאלות
נפוצות
האם מותר להשתמש במאגר לפיתוח מוצר מסחרי?
הרישיון הרשמי בכרטיס המאגר הוא CC-BY 4.0, שמאפשר שימוש מסחרי עם מתן קרדיט מתאים. יחד עם זאת, בגוף התיעוד מופיע תג סותר של CC BY-NC-SA 4.0 שאוסר על שימוש מסחרי. לפני שמשלבים את הנתונים במוצר מסחרי, חובה לוודא את הסטטוס המשפטי ישירות מול היוצרים.
כמה נפח אחסון וזיכרון נדרשים לעבודה עם הדאטה?
ההורדה המלאה תופסת מעל 7.7 גיגה בייט בדיסק בפורמט Parquet דחוס. אם טוענים שנה בודדת, הקובץ שוקל כ־534 מגה בייט אך דורש כ־8 גיגה בייט זיכרון עבודה ב־Polars. מומלץ לסנן עמודות ספציפיות בעת הטעינה כדי לא לחנוק את הזיכרון.
האם יש במאגר שדות בעברית או תמיכה בינלאומית?
אין במאגר שום תוכן בעברית. הנתונים מתעדים חברות ברוסיה ומבוססים על טפסים ברוסית, כאשר התיעוד והשמות המנורמלים זמינים באנגלית וברוסית בלבד.
איך המאגר שונה ממאגרים עסקיים מסחריים כמו SPARK?
הוא פתוח לשימוש חופשי וכולל אלגוריתמים לתיקון שגיאות חשבונאיות ושחזור דוחות שאינם קיימים במאגרים מסחריים. מצד שני, ספקים מסחריים מחזיקים בגישה ישירה למאגרי המסים ויכולים להשיג דוחות של חברות ענק שבחרו לא לחשוף אותם לציבור.
איך טוענים
טוענים את המידע ישירות באמצעות הספרייה datasets של Hugging Face, או בקריאת קובצי Parquet ספציפיים דרך Polars או חבילת arrow ב־R. אין צורך באישור גישה מוקדם, המאגר פתוח לחלוטין להורדה. כלל הנתונים שוקלים מעל 7.7 גיגה בייט, כאשר קובץ של שנת דיווח בודדת, למשל 2025, תופס כ־534 מגה בייט ודורש סביב 8 גיגה בייט זיכרון עבודה. השמות המקוריים של העמודות מגיעים כמספרי שורות של טופסי המס, ולכן מומלץ למפות אותם לשמות קריאים באמצעות קובץ המילון שפורסם בריפו הגיטהאב של הפרויקט.
from datasets import load_dataset
ds = load_dataset("irlspbru/RFSD")הרישיון
המאגר מוגדר בכרטיס תחת רישיון Creative Commons Attribution 4.0. הרישיון מתיר שימוש מסחרי, מחקרי ושינוי של הנתונים, כל עוד מקפידים על מתן קרדיט ברור למחברים לפי הציטוט שסופק. אין חובה לשתף תוצרים או מודלים באותו רישיון. עם זאת, יש לשים לב שבתוך הטקסט מופיע גם תג של גרסת CC BY-NC-SA, כך שמומלץ לבדוק את הרישיון המדויק מול קובץ היוצרים אם מייעדים את המודל למוצר מסחרי סגור.
- שימוש מסחרי
- שינוי הקוד
- חובת ייחוס