在深入研究《中国工业经济》中何瑛（2024）的研究方法后，笔者精心统计了上市公司年报中涉及数据资产的多个相关词频。我们以“信息”“网络”“数字”“数据”这四个核心词汇作为出发点，构建了一个包含相似词汇的词集。进一步地，我们根据数据资产的具体应用场景和用途，将其细致划分为自用型数据资产和交易型数据资产两大类。

一、数据资产化构建与统计概览

我们专注于企业数据资产化的词频统计，共涉及上百个关键词。通过对这些词频的深入分析，我们可以洞察到企业数据资产化的整体趋势和发展状况。此外，我们还提供了数据资产化词频均值的趋势分析，以便用户能够更直观地了解数据资产化的动态变化。

二、数据详细介绍

• 数据名称：上市公司-数据资产化上百个词频统计
• 数据范围：覆盖了全国范围内的5630家上市公司
• 数据年份：时间跨度从2001年至2023年，提供了长达23年的数据支持
• 样本数量：共计63051条记录，涉及多个变量，数据丰富且全面
• 数据来源：所有数据均来源于上市公司的年度报告，确保了数据的权威性和准确性
• 数据整理：由作者进行专业整理，提供了便捷的数据访问和分析平台
• 数据说明：数据集包含了数据资产化词频的明细数据以及文本统计面板，方便用户进行深入研究和分析
• 更新时间：数据于2024年11月进行了最新更新，确保了数据的时效性和准确性
  

三、数据整理与预处理

在数据整理过程中，我们执行了以下关键步骤：

• 爬取了1999年至2023年的上市公司年报原文数据。
• 将原始报告文本整理为面板数据格式，便于后续分析。
• 统计了年报全文的文本长度，包括中英文部分的文本长度。
• 构建了一个数字化术语词典，并将其扩充到了Python的jieba库中，以提高文本分词的准确性。
• 去除了停顿词，并统计了各个明细词汇的数目。
• 计算了数据资产化相关词频的总和，并保留了这些词频数据以及明细词频数据。
  

四、核心指标与详细分类

我们的数据集提供了丰富的核心指标和详细分类，包括但不限于：

• 公司基本信息：如年份、股票代码、公司简称、行业名称和行业代码等。
• 年报文本信息：如年报标题、全文文本总长度以及仅中英文部分的文本总长度等。
• 数据资产化词频：包括数据资产总词频、自用型数据资产总词频和交易型数据资产总词频等。
• 数字化与数据相关指标：涵盖了数字基础设施、数字设备、数字经济、数字技术创新等多个方面，以及数据采集、数据开发、数据存储、数据计算等数据处理流程中的各个环节。
• 信息与网络相关指标：涉及信息基础设施、信息设备、信息披露以及网络基础设施、网络数据中心等多个领域。
  

此外，我们还提供了与数据安全、数据交易、数据服务等相关的详细分类和指标，以满足用户在不同应用场景下的需求。

企业数据资产化文本分析数据 （mda和年报两种方法）

五、数据概览

综上所述，我们的数据集提供了一个全面、详细且权威的企业数据资产化分析平台。通过深入挖掘这些数据，用户可以洞察到企业数据资产化的整体趋势、发展特点以及潜在机遇和挑战。无论是对于企业自身还是对于研究机构而言，这些数据都具有极高的价值和意义。