内含两个版本的上市公司数字化文本指标，一个是GTA，另一个是私人用爬虫爬的。2020年数据GTA的有。

数据来源：上市公司年报

时间跨度：2009-2019年

指标说明：

通过文本挖掘的方法爬取上市公式年报中关于数字化转型的关键词，就和词频进行表征。a是红色的那些表头列词频的加总，b是绿色的，c是黄色的，d是棕色的。那个字母是类别的加总。字母列的词频数加总起来就是总词频数。

通过Python爬虫功能归集整理了巨潮网的上交所、深交所全部A股上市企业的年度报告，并通过 Java PDFbox 库提取所有文本内容，并以此作为数据池供后续的特征词筛选。本文根据人工智能技术、区块链技术、云计算技术、大数据技术和数字技术应用特征词进行搜索、匹配和词频计数，进而分类归集关键技术方向的词频并形成最终加总词频，从而构建企业数字化转型的指标体系。