vehiq v3 FINAL: 37 648 fordonsbransch-bolag (45xx-fraser), vehiq-db marknadsintegration (10 511 prisposter + bestånd)

This commit is contained in:
Simon Axelsson
2026-09-07 21:42:33 +02:00
parent 6d0e59de10
commit 6b3d4fb45d
2 changed files with 227 additions and 0 deletions
@@ -19,3 +19,14 @@ Två pass över korpuset:
## Efterlevnad
Företagskopplade personposter endast (styrelse/undertecknare ur iXBRL, revisorer exkluderade). Inga privatpersonregister.
## v3 (FINAL) — 37 648 fordonsbransch-bolag
`vehiq_v3.py` ersätter v2: expanderade 45xx-fraser (handel med personbilar, åkerier,
entreprenadmaskiner, bildäck, begagnade personbilar ...) → **bilhandlare 5 526 · verkstäder 4 625 ·
transportörer 17 530 · entreprenad 3 465 · uthyrning/leasing 3 033 · reservdelar/däck 728**.
VehIQ-marknadsdata från vehiq-db (server10, 98M-fordonstabellen):
- `market_value_se.jsonl` — 10 511 märke×modell×år-prisposter (median/p10-p90/annonser) → `vehiq_market_context.json`
- `fleet_composition_se.jsonl` — bestånd per märke (Volvo 1,62M) och topp 1 500 modeller
- Fordonsägare per bolag kräver fortfarande Transportstyrelsen-prenumeration (ägaruppgifter ingår inte i registerkällan)
+216
View File
@@ -0,0 +1,216 @@
#!/usr/bin/env python3
"""VehIQ Company Analysis v3 FINAL: expanderade 45xx-fraser + VehIQ-marknadsdata."""
import json
from collections import defaultdict
IN = "/data/0pt/output/marketmute_intelligence.jsonl"
SCB = "/data/0pt/output/scb_fdb.jsonl"
KP = "/data/0pt/output/kontaktpersoner_v2.jsonl"
LEI = "/data/0pt/output/gleif_se.jsonl"
MKT = "/data/0pt/output/vehiq_market_summary.json"
MV = "/data/0pt/landing/vehiq/market_value_se.jsonl"
FLEET = "/data/0pt/landing/vehiq/fleet_composition_se.jsonl"
OUT = "/data/0pt/output/vehiq_company_analysis.jsonl"
OUT_SEG = "/data/0pt/output/vehiq_bilbransch.jsonl"
SNI_VEH = {
"77110": "Biluthyrning", "77120": "Billeasing personbilar", "77190": "Övrig fordonsummering",
"49310": "Busstransport", "49320": "Taxi", "49390": "Övrig personbefordran",
"49410": "Godstransport väg", "49420": "Flyttgods", "52100": "Lager", "52210": "Terminaler",
"96010": "Biltvätt", "33120": "ReparationMaskiner",
}
def mangle(w):
try: return w.encode("utf-8").decode("latin-1")
except Exception: return w
KW_STRONG = [
# verkstad (hint: bilverkstad)
"bilverkstadsrörelse", "bilverkstad", "bilverkstadsverksamhet", "fordonsverkstad",
"fordonsreparation", "reparation av bilar", "reparation av personbilar",
"reparation av personbilar", "service av bilar", "service av fordon", "service av fordon",
"billackering", "bilplåt", "bilglass", "bilglas", "besiktning av fordon",
"bensinstation och bilverkstad", "reparation av lastbilar", "reparation av lastbilar",
# handel (hint: bilhandlare)
"bilhandlare", "bilhandel", "personbilshandel", "fordonshandel",
"handel med begagnade bilar", "handel med nya och begagnade bilar",
"handel med bilar", "handel med personbilar", "försäljning av begagnade bilar",
"försäljning av nya och begagnade bilar", "försäljning av bilar",
"försäljning av personbilar", "försäljning av nya och begagnade personbilar",
"begagnade personbilar", "nya personbilar", "begagnade bilar", "begagnade bilar.",
"import av bilar", "export av bilar",
# reservdelar (hint: reservdelar_dack)
"handel med bildelar", "handel med bildelar", "bildelar", "biltillbehör",
"import och export av bildelar", "import och försäljning av bildelar",
"handel med begagnade bildelar", "bilar och bildelar", "bildelar och tillbehör",
"handel med däck", "försäljning av däck", "däckverkstad", "däckhotell",
"däck och fälgar", "handel med bildäck", "försäljning och montering av däck",
"bilverkstad och bilförsäljning", "bilverkstad samt handel med bilar",
# uthyrning (hint: uthyrning_leasing)
"biluthyrning", "billeasing", "uthyrning av personbilar", "uthyrning av bilar",
"leasing av personbilar", "uthyrning av lastbilar", "uthyrning av lastbilar",
"uthyrning av släpvagnar", "uthyrning av släpvagnar",
# transportör (hint: transportor)
"taxiverksamhet", "taxiförmedling", "taxi", "bussverksamhet", "busslinjer",
"åkeri", "lastbilsåkeri", "lastbilsåkeri och", "godstransporter", "godstransporter med lastbil",
"transporter med lastbil", "personbefordran", "personbilstrafik",
# entreprenad (hint: entreprenad)
"uthyrning av entreprenadmaskiner", "handel med entreprenadmaskiner",
"reparation av entreprenadmaskiner", "service av entreprenadmaskiner",
"entreprenadmaskiner", "entreprenadmaskiner",
# motorcykel
"motorcykelhandel", "motorcykelverkstad", "handelsbod med motorcyklar", "motorcyklar",
]
KW_MED = ["personbilar", "personbilar", "personbilar.", "lastbilar", "bussar", "släpvagn",
"fordon", "transportbilar", "verkstadsverksamhet", "maskinreparation"]
KW_STRONG += [mangle(w) for w in list(KW_STRONG)]
KW_MED += [mangle(w) for w in list(KW_MED)]
def fix_enc(t):
if not t or "Ã" not in t: return t
try: return t.encode("latin-1").decode("utf-8")
except Exception: return t
print("[1/4] Sidotabeller...", flush=True)
scb_map = {}
for line in open(SCB):
r = json.loads(line)
scb_map[r["orgnr_digits"]] = r
contacts = {}
for line in open(KP):
r = json.loads(line)
contacts[r["orgnr_digits"]] = r
lei_map = {}
for line in open(LEI):
r = json.loads(line)
o = (r.get("orgnr") or "").replace("-", "").strip()
if o: lei_map[o] = r
vies = {}
for path in ("/data/0pt/output/vies_targets.jsonl", "/data/0pt/output/vies_extra.jsonl"):
try:
for line in open(path):
r = json.loads(line)
vies[r["orgnr_fmt"]] = r
except FileNotFoundError: pass
mkt_summary = json.load(open(MKT))
print(f" SCB {len(scb_map):,} · KP {len(contacts):,} · LEI {len(lei_map):,} · VIES {len(vies):,}", flush=True)
print("[2/4] VehIQ-marknadsdata (priser + bestånd)...", flush=True)
market_value = []
for line in open(MV):
market_value.append(json.loads(line))
fleet = []
for line in open(FLEET):
fleet.append(json.loads(line))
mv_summary = {
"antal_makemodell_ar": len(market_value),
"top_prisade": sorted(market_value, key=lambda x: -(x.get("ad_count") or 0))[:25],
}
fleet_summary = {
"antal_marke": sum(1 for f in fleet if "modeller" in f),
"top_marke": sorted([f for f in fleet if "modeller" in f], key=lambda x: -x["antal"])[:15],
"top_modell": sorted([f for f in fleet if "modeller" not in f], key=lambda x: -x["antal"])[:50],
}
print(f" {len(market_value):,} prisposter · {len(fleet):,} beståndsposter", flush=True)
def classify(scb, verksamhet_l, r):
score = 0; reasons = []; seg = "ovrig"
sni1 = (scb.get("sni1") or "") if scb else ""
sni_all = (scb.get("sni") or []) if scb else []
if sni1 in SNI_VEH:
score += 60; reasons.append(f"SNI {sni1}: {SNI_VEH[sni1]}")
seg = "transportor" if sni1.startswith("49") else ("uthyrning_leasing" if sni1.startswith("77") else ("bilverkstad" if sni1 == "96010" else seg))
for s in sni_all:
if s[:3] in ("451", "452", "453", "454"):
score += 60; reasons.append(f"SNI {s} (sekundär): bilbransch")
seg = seg if seg != "ovrig" else "bilhandlare"
break
for w in KW_STRONG:
if w in verksamhet_l:
score += 40; reasons.append(f"Nyckelord: '{fix_enc(w)}'")
if seg == "ovrig":
if any(x in w for x in ("verkstad", "reparation", "lackering", "plåt", "glass", "glas", "besiktning", "service av")):
seg = "bilverkstad"
elif any(x in w for x in ("bildelar", "biltillbehör", "däck", "bildäck")):
seg = "reservdelar_dack"
elif any(x in w for x in ("uthyrning", "leasing")):
seg = "uthyrning_leasing"
elif any(x in w for x in ("taxi", "buss", "åkeri", "godstransport", "transporter med lastbil", "befordran")):
seg = "transportor"
elif any(x in w for x in ("entreprenadmaskin",)):
seg = "entreprenad"
elif any(x in w for x in ("motorcykel",)):
seg = "motorcykel"
else:
seg = "bilhandlare"
break
if seg == "ovrig":
for w in KW_MED:
if w in verksamhet_l:
score += 20; reasons.append(f"Nyckelord: '{fix_enc(w)}'"); break
if r.get("fordon_bokfort"):
score += 10; reasons.append("Fordonsbokföring i balansräkningen")
return min(score, 100), sni1, reasons, seg
print("[3/4] Per-bolagsanalys...", flush=True)
n = 0; core_n = 0; vd_n = 0
seg_count = defaultdict(int)
out = open(OUT, "w")
out_seg = open(OUT_SEG, "w")
for line in open(IN):
rec = json.loads(line)
n += 1
orgnr = rec.get("orgnr")
if not orgnr: continue
digits = orgnr.replace("-", "")
scb = scb_map.get(digits)
r = rec.get("finansiella_ratios", {})
mm = rec.get("marketmute", {})
verksamhet_raw = (rec.get("bolagsverket") or {}).get("verksamhet") or mm.get("verksamhet") or ""
verksamhet_l = (verksamhet_raw or "").lower()
v_score, sni1, v_reasons, seg = classify(scb, verksamhet_l, r)
seg_count[seg] += 1
kommun = (scb.get("postort") or "").strip().upper() if scb else None
oms = r.get("omsattning")
mkt = mkt_summary.get(kommun) if kommun else None
position = round(oms / mkt["oms_median"], 2) if (mkt and oms and mkt.get("oms_median") and mkt["n"] > 3) else None
contact = contacts.get(digits)
lei = lei_map.get(digits)
vies_rec = vies.get(orgnr)
rec_out = {
"orgnr": orgnr,
"namn": fix_enc((scb or {}).get("namn") or mm.get("namn", "")),
"fordonssrelevans_score": v_score,
"fordonssrelevans_reasons": v_reasons,
"segment": seg,
"sni": (scb or {}).get("sni"), "sni1": sni1,
"jurform": (scb or {}).get("jurform"),
"gatuadress": (scb or {}).get("gatuadress"),
"postnr": (scb or {}).get("postnr"), "postort": (scb or {}).get("postort"),
"marknad": {"kommun": kommun, "n_bolag": (mkt or {}).get("n"),
"oms_sum": (mkt or {}).get("oms_sum"),
"oms_median": (mkt or {}).get("oms_median"),
"oms_vs_median": position},
"finansiella_ratios": r,
"kreditrisk_klass": r.get("kreditrisk_klass"),
"kreditrisk_score": r.get("kreditrisk_score"),
"kontaktpersoner": (contact or {}).get("personer", []),
"har_vd": bool(contact and contact.get("har_vd")),
"lei": (lei or {}).get("lei"),
"moms_valid": (vies_rec or {}).get("moms_valid"),
"momsnr": f"SE{digits}01",
"cold_call_score": mm.get("cold_call_score"),
"verksamhet": fix_enc(verksamhet_raw or ""),
}
out.write(json.dumps(rec_out, ensure_ascii=False) + "\n")
if seg != "ovrig" or v_score >= 60:
core_n += 1
if rec_out["har_vd"]: vd_n += 1
out_seg.write(json.dumps(rec_out, ensure_ascii=False) + "\n")
if n % 200000 == 0: print(f" {n:,} (fordonsbransch: {core_n:,})", flush=True)
out.close(); out_seg.close()
json.dump({"market_value_summary": mv_summary, "fleet_summary": fleet_summary},
open("/data/0pt/output/vehiq_market_context.json", "w"), ensure_ascii=False, indent=1)
print(f"[KLAR] {n:,} analyserade -> {OUT}")
print(f" Fordonsbransch: {core_n:,} (med VD: {vd_n:,}) -> {OUT_SEG}")
print(" Segment:", dict(sorted(seg_count.items(), key=lambda x: -x[1])))