爬虫 | IT桔子互联网公司死亡名单

声明：本文首发于微信公众号，2019.06.27(数据截止日期)

 

数据来源于IT桔子提供的“死亡公司库”(主要覆盖的是互联网企业)。

 

爬虫主程序如下，headers部分请自行配置。

# 用于保存数据的list
comp_info = []
 
# 共有606个页面，每个页面返回的是json格式数据
for idx in range(1,607):
    # print(idx)
    url = 'https://www.itjuzi.com/api/closure?com_prov=&fund_status=&sort=&page='+str(idx)
    r = requests.get(url,headers=headers)
 
    if r.status_code == 200:
        # 编码信息
        r.encoding = 'utf-8'
        # string格式的json
        html_text = r.content
        # json格式转化
        html_json = json.loads(html_text)
        # 提取需要的数据部分
        tmp_data = html_json['data']['info']
        # 数据整合
        comp_info.append(tmp_data)
 
    # 百分比表示进度
    sys.stdout.write('\r当前进度第%d页 %s%% '%(idx, int(idx*100/606)+1))
    sys.stdout.flush()
    time.sleep(0.1)

 

 

其中，对“死亡原因标签”和“公司标签”进行单独处理。

最终得到的数据示例如下，总计6000多家公司(由于涉及版权，本文不提供原始数据)。

注：最后的两个字段是衍生出来的，closure_type -> tag_closure, com_tag -> tag_comp.

 

存续时长(天)的分布情况

大部分公司集中在3-5年内就挂掉了。

 

存活时长(天)Top10公司

上榜名单都是“10年以上的老店”，最长的竟然有21年。

注：“存活时间”中的3个数值分别对应年，月，日

 

烧钱(融资金额)最多的公司Top10

房产果然钱多，融资551亿人民币，不过最终还是挂掉了。80%的公司融资金额都不足5000万。

 

日均消耗资金Top10

此处定义 日均消耗资金 = 总融资金额/总存活天数，外卖、共享单车、视频直播都是常见的烧钱大户。

 

死亡原因Top10

大部分的公司都没有标注“死亡原因”，这个数据仅供参考。

注：细分原因截图如下

 

公司最容易死于什么融资阶段

答案是：还没融到资金的时候。

 

死亡公司行业分布Top10

 

行业和成立年份的分布情况(公司数量)

从表中可以看出追逐行业风口的迹象

注：只看最近10年数据

 

哪个行业最烧钱(融资金额)

搞钱(金融)最烧钱

注：表格中的年份是公司成立年份(非融资年份)，部分公司融资金额不详，因为标记为0

 

行业和死亡年份分布情况(公司数量)

2015-2017年的阵亡公司比较多，应该是前几年追风口然后被落下了(对应到前面成立时间集中在2011-2015年，基本上5年内就能挂掉大多数)。

 

文中数据仅供参考，作者不对数据的真实性负责。