数据来源与口径说明
本文件是认证要求的"数据"证据的一部分：逐个字段说明来源、口径定义与置信度。
重要声明（务必先读）
本项目数据集分为两部分：招投标部分（S4/S6）是真实公告原文； 宏观部分（S1/S2/S3）是基于公开统计口径整理的示意数据。 两者共同用于完整演示「AI 辅助取数 → 清洗 → 分析 → 洞察 → 口径校对」的方法与流程。
其中：
- S1 类（福建 9 地市宏观经济）来源于福建省及各地市统计公报的公开口径， 数值为整理值，量级可靠，但须以官方最新公报为准。
- S2 类（分运营商市场指标）分省口径在公开渠道披露有限，为整理估算值， 仅用于演示分析框架，置信度低。
- 各地市移动电话用户数为按人口与普及率推算的估算值，非官方分地市披露值。
- S4/S6 类（招投标）已是真实公告：共 234 份，来自中国移动采购与招标网公开接口
（抓取脚本
src/fetch_cmcc_notices.py），按 12 个业务关键词检索并集，覆盖 2023-03 至 2026-10。 原始公告全文留存于data/raw/tender_notices/，逐条含来源 URL 与 SHA-256 校验值， 清单见outputs/cmcc_fetch_manifest.json。
宏观部分（S1/S2）仍为整理示意数据；招投标部分已成为真实公告。 正式提交前仍应把 S1/S2 替换为你实际下载的公开数据。
来源登记
| source_id | 来源类型 | 说明 | 置信度 |
|---|---|---|---|
| S1 | 公开统计公报口径 | 福建省及 9 设区市常住人口、GDP、城镇化率 | 中（量级可靠，需替换） |
| S2 | 公开渠道整理估算 | 分运营商移动/5G/宽带用户与电信业务收入 | 低（估算，需替换） |
| S3 | 公开渠道文本摘录 | fujian_comm_bulletin_excerpt.txt，供 AI 抽取 |
中 |
| S4 | 招投标公告原文 | data/raw/tender_notices/，福建安全类公告全文，已存真实公告 234 份 |
高（原文，含 URL 与哈希校验） |
| S5 | 示例公告 | tender_notices_example/，虚构数据，仅用于跑通流程 |
—（不得对外引用） |
| S6 | 公开接口抓取 | 中国移动采购与招标网公开接口，按 src/fetch_cmcc_notices.py 的 KEYWORDS（安全/等级保护/测评/渗透/态势感知/漏洞/防护/密码/审计/大模型/人工智能/信息安全，均 AND「福建」）检索，并集 234 份 |
高（官方发布原文） |
| S7 | 第三方聚合平台摘要 | data/raw/aggregator/*.txt，人工从第三方招投标聚合 SaaS 粘贴的公告摘要，用于补电信/联通。由 src/parse_aggregator.py 确定性解析 |
低（无原文，有采集延迟与摘要错误，需回官网复核） |
字段级口径
data/raw/fujian_cities.csv
| 字段 | 含义 | 单位 | 口径 | 来源 |
|---|---|---|---|---|
| city | 设区市名称 | — | 福建省 9 个设区市 | S1 |
| population_wan | 常住人口 | 万人 | 年末常住人口 | S1 |
| gdp_yi | 地区生产总值 | 亿元 | 当年价，地区口径 | S1 |
| urban_rate_pct | 常住人口城镇化率 | % | 城镇常住人口/常住人口 | S1 |
| mobile_users_wan | 移动电话用户数 | 万户 | 按人口×普及率推算（估算） | S2 |
data/raw/fujian_operator_market.csv
| 字段 | 含义 | 单位 | 口径 | 来源 |
|---|---|---|---|---|
| operator | 运营商 | — | 移动/电信/联通/广电 | S2 |
| mobile_users_wan | 移动电话用户数 | 万户 | 全省口径，按运营商拆分 | S2 |
| five_g_users_wan | 5G 用户数 | 万户 | 5G 套餐/终端在网口径 | S2 |
| broadband_users_wan | 固定宽带接入用户 | 万户 | 全省口径，按运营商拆分 | S2 |
| revenue_yi | 电信业务收入 | 亿元 | 全省口径，按运营商拆分 | S2 |
data/raw/aggregator/*.txt（电信/联通·第三方聚合摘要，S7）
与 S4/S6 不是同一层证据，不得混用。 S4/S6 是运营商官方平台的公告原文， 可做 AI 抽取、正则交叉复核与 SHA-256 溯源；S7 是聚合平台二次加工的摘要， 没有原文，因此：
- 不参与「AI 抽取 vs 正则」交叉复核（无原文可比）；
- 不并入移动口径的任何合计（两者可靠性等级不同，合并即口径混用）；
- 业务类别由
parse_aggregator.py的关键词规则判定，非 AI 判定； - 正式商机研判必须用
url字段回运营商官网开原文复核（逐条标原文已复核）。
| 字段 | 含义 | 单位 | 口径 |
|---|---|---|---|
| operator | 所属运营商 | — | 电信/联通/移动/广电；由采购人名称判（非全段扫描） |
| city | 项目实施地 | — | 福建省 9 设区市之一；否则「省级」 |
| notice_type | 公告类型 | — | 标签优先，缺失时按正文关键词兑底 |
| budget_wan | 金额/预算 | 万元 | 按单位换算（亿元×10000，元÷10000） |
| category | 业务类别 | — | 关键词规则判定（与 clean_tenders.py 口径一致） |
| url | 原文链接 | — | 缺链接的条目只能作存在性参考 |
| 原文已复核 | 是否已回官网核对 | — | 初值为 false，须人工逐条确认 |
清理规则：只保留运营商自己采购的条目。聚合平台会把「某某局项目，中国电信中标」 这类条目一并返回，它们是运营商承接的外部项目，不是采购需求，一律剔除 （判定：有采购人时以采购人为准，无采购人时看运营商名附近是否出现中标类词）。
边界（必须写进报告）：聚合平台只收录已对外公开的招标/询比/中标公示， 内网定向采购、单一来源小额项目不会出现，故本层是下界而非全量； 且存在采集延迟与摘要错误。
data/raw/fujian_comm_bulletin_excerpt.txt
非结构化公开文本摘录，字段值由 AI 抽取，见
data/processed/province_totals_from_text.json。
data/raw/tender_notices/*.txt（招投标公告，S4 / S5）
一份公告一个 .txt，文件名为 日期_采购单位_项目简称.txt。
程序优先读 tender_notices/；该目录为空时回退到 tender_notices_example/，
并在报告顶部强制插入数据来源警示。
| 字段 | 含义 | 单位 | 口径 | 来源 |
|---|---|---|---|---|
| tender_no | 招标/采购编号 | — | 原文原样；缺失时为 null。招标与中标公告靠此字段配对 | S4/S5 |
| notice_type | 公告类型 | — | 招标公告/候选人公示/结果公示/意见征求公告/招募甄选合作公告等，按标题关键词判定 | S4/S6 |
| project_name | 项目名称 | — | 原文原样 | S4/S5 |
| purchaser | 采购人/招标人 | — | 原文全称 | S4/S5 |
| operator | 所属运营商 | — | 移动/电信/联通/广电；由采购人名称归并（如「福建有限公司宁德分公司」→ 中国移动） | S4/S5 |
| city | 项目实施地 | — | 福建省 9 设区市之一；跨地市或省本部归为「省级」 | S4/S5 |
| category | 业务类别 | — | 长亭四条业务线之一，判定规则见下 | S4/S5 |
| announce_date | 公告发布日期 | 日期 | 原公告落款日期，YYYY-MM-DD | S4/S5 |
| budget_wan | 预算金额 | 万元 | 一律优先取含税（原文常同时给出不含税与含税，如「235.89万元（不含税），250.04万元（含税）」应取 250.04）；原文若为「元」需换算；未见则 null | S4/S6 |
| budget_incl_tax | 预算税别 | — | true=取到含税；false=原文只给不含税；null=原文未说明税别 | S4/S6 |
| win_amount_wan | 中标/中选金额 | 万元 | 取含税总价；未见则 null | S4/S6 |
| winner | 中标人/中选供应商 | — | 取排名第 1 的候选人 | S4/S6 |
| candidates | 候选人报价表 | — | 候选人公示常给出完整排名与报价，是含落败对手的关键情报，保留原始列表 | S4/S6 |
业务类别判定口径
这是本项目最依赖人工判断的一步，故把规则显式写死在提示词里（见 src/fetch_tenders.py）：
| 类别 | 判定关键词 |
|---|---|
| 网络安全产品 | 采购软硬件设备：防火墙、IPS、WAF、态势感知、终端安全、密码设备 |
| 网络安全服务 | 渗透测试、安全巡检、应急响应、安全运营/SOC、等保咨询、驻场服务 |
| 网络攻防培训 | 攻防演练、红蓝对抗、CTF、安全培训、安全人才认证 |
| AI能力开发 | AI 能力开发、大模型安全、智能分析平台、算法开发。仅限与安全挂钩的项目，通用 AI 平台建设归入「其他」并剔出本案，详见下节 |
| 其他 | 以上都不是 |
类别整体归属原则：按公告的主要标的归类。一个项目若同时包含设备与服务， 以预算占比最高的部分为准；无法判断时归入「其他」，并由人工复核。
「与长亭业务有关」的范围口径
本案只统计运营商客户采购 × 长亭四条业务线的标。清洗环节（src/clean_tenders.py）会剔除两类：
- 实体安全项目（机场安防、通信管线迁改、水库大坝监测、校园安全等）：检索词「安全」 会一并捞入，但它们是物理安全，不是网络安全；
- 通用 AI 平台建设（政务人工智能公共服务平台、产教融合平台、物联接入平台、 算力运营管理平台等）：与「用 AI 做安全」无关，且单体金额极大——实测一个政务 AI 平台 达 1.17 亿元，若计入将独占全盘 48%，彻底歪曲市场结构。
AI 类项目的保留判据是项目名是否含安全类关键词（AI_SECURITY_KEYWORDS：
安全/等保/等级保护/渗透/攻防/态势感知/漏洞/密码/防护）。注意不含「审计」——
「大数据智慧审计」属于内审数据分析，不是安全审计。
剔除的项目数与原因在清洗报告中逐项登记，口径校验 T1 会核对 「项目数 =（招标公告 ∪ 结果公告去重）− 剔除的项目数」。
招标/中标配对口径
同一采购项目的招标公告与中标公告拥有相同的 tender_no，程序以此为主键配对；
tender_no 缺失时退回以项目名称配对。配对后：
- 一个项目 = 一条记录，同时携带预算与中标信息；
- 只有招标公告、未见中标公告的项目，视为在途商机；
- 配对完整性由口径校验的 T1、T2 项把关。
口径的关键约定
- 用户数口径：均指在网用户数，非独立客户数；同一客户可能持有多张卡。
- 收入口径：电信业务收入为运营商主营业务收入口径，不含终端销售等。
- 地市口径：地市数据为行政区划口径，与运营商"分公司"辖区不完全一致。
- 时间口径：本项目各表数据时点应保持一致；当前示意数据为同一统计期。
已知局限
- 分运营商分省数据非官方完整披露，S2 为估算值。
- 地市移动电话用户数为推算值，用于演示，不能作为对外引用数字。
- 未纳入政企专线、IDC、云业务等与安全产品更相关的收入结构数据。
- 招投标样本仅覆盖中国移动：数据来自中国移动采购与招标网，不含电信、联通、广电。 因此所有市场格局结论不能外推为「福建全部运营商市场」，只能表述为「福建移动口径」。
- 中标金额披露率低：110 个项目中仅 15 个披露了中标结果。 竞争格局与金额类结论只能作方向性判断（由口径校验 T2 项标注）。
- AI 对边界模糊项目的分类不稳定：如「某安全设施改造提升项目」在两次独立抽取中 分别被判为「其他」与「网络安全产品」。这类项目的类别须人工确认； 类别占比与趋势因此存在小幅不确定性。
- 未纳入投标可行性字段：缺少项目联系人、投标窗口期、资质要求、保证金等， 这些直接影响「能否参与投标」，是当前分析与可执行动作之间的主要缺口。
- 预算含税口径未完全统一：抽取已按「优先取含税」执行，但仍有 15 个项目原文 只给出不含税金额、无法换算，另有 65 个项目未标注税别。 跨项目加总时存在少量不可比性（由口径校验 T8 项标注）。
- 「其他」类项目不构成本案市场：检索词「福建 安全」会捞入实体安全项目 （机场安防、通信管线迁改、水库大坝监测等），它们不是长亭四条业务线， 已在报告摘要中单列并排除出网络安全口径。
