From 6b3d4fb45db3801f72e7977301b636e5e41d715e Mon Sep 17 00:00:00 2001 From: Simon Axelsson Date: Mon, 7 Sep 2026 21:42:33 +0200 Subject: [PATCH] =?UTF-8?q?vehiq=20v3=20FINAL:=2037=20648=20fordonsbransch?= =?UTF-8?q?-bolag=20(45xx-fraser),=20vehiq-db=20marknadsintegration=20(10?= =?UTF-8?q?=20511=20prisposter=20+=20best=C3=A5nd)?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- .../api/workers/marketmute/README-VEHIQ.md | 11 + services/api/workers/marketmute/vehiq_v3.py | 216 ++++++++++++++++++ 2 files changed, 227 insertions(+) create mode 100644 services/api/workers/marketmute/vehiq_v3.py diff --git a/services/api/workers/marketmute/README-VEHIQ.md b/services/api/workers/marketmute/README-VEHIQ.md index 08629eb..df49a58 100644 --- a/services/api/workers/marketmute/README-VEHIQ.md +++ b/services/api/workers/marketmute/README-VEHIQ.md @@ -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) diff --git a/services/api/workers/marketmute/vehiq_v3.py b/services/api/workers/marketmute/vehiq_v3.py new file mode 100644 index 0000000..1b6fd26 --- /dev/null +++ b/services/api/workers/marketmute/vehiq_v3.py @@ -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])))