データと方法
このサイトは、国の機関が公開しているデータと各社の公式サイトを組み合わせて、Gビズインフォ(gBizINFO)に登記以上の記録がある、2016年以降設立の会社 84,074 社を対象に、業種・規模・出口・沿革を可視化しています。企業検索機能は持たず、事前に集計した結果とカテゴリ別の一覧を提供します。
対象(母集団)
国税庁の法人番号データで2016年以降に法人番号が指定された会社のうち、gBizINFO に次のいずれかの記録がある会社です:基本情報の届出(従業員数・資本金・業種など)、補助金、届出・認定、表彰、国の調達、特許・意匠・商標、職場情報、財務情報。gBizINFO の基本情報は全法人の行を持つため「行がある」ことは条件にせず、企業の活動を示す記録があることを条件にしています。登記が閉鎖された会社(3,016社)も含みます。
使っているデータ
| データ | 発行元 | 使い方 | 利用条件 |
|---|---|---|---|
| 法人番号公表サイト 全件データ | 国税庁 | 法人の誕生(法人番号指定日)、商号・所在地、登記記録の閉鎖日と事由、合併の承継先法人番号 | PDL1.0(CC BY 4.0互換) |
| Gビズインフォ 一括ダウンロード | 経済産業省 | 基本情報(業種、事業概要、従業員数、資本金、設立年月日、企業規模)、補助金、届出・認定、表彰、調達、特許・意匠・商標、職場情報、財務情報の有無。代表者名は取り込んでいません | 政府標準利用規約(第2.0版)・データダウンロード利用規約 |
| EDINET コードリスト・API書類一覧 | 金融庁 | 上場区分、新規公開時の有価証券届出書、証券コード付きの有価証券報告書、公開買付届出書、企業結合注記 | PDL1.0(API利用規約) |
| 大学発ベンチャーデータベース | 経済産業省 | 大学発ベンチャーの企業名・法人番号・関連大学・公式サイト | PDL1.0 |
| Wikidata | Wikimedia | 法人番号(P3225)に結びついた公式サイトURL | CC0 |
| Common Crawl 経由のM&Aニュース見出し | 各社(民間) | 見出しから「買い手・対象・種別・日付」の事実だけを抽出し、出典URLとともに保存 | Common Crawl利用規約。引用の範囲(見出しとリンク)に留めている |
| 各社の公式サイト | 各社 | 会社概要・沿革・役員・お知らせのページから、事業内容、業種、従業員数、資本金、設立日、代表者・役員、親会社・グループ、沿革の出来事(M&A、上場、資金調達、商号変更、移転、受賞・認証)を抽出 | 各社の著作物。抽出した事実とURLのみを掲載し、本文・HTMLは再配布しない |
公式サイトの特定と抽出の方法
- URLの特定:gBizINFO、大学発ベンチャーDB、Wikidata にURLがない会社について、Web検索で候補を探し、候補ページの社名と所在地(都道府県か市区町村)を照合して特定しました(LLMエージェントによる自動判定)。見つかったURLは実際に開いて、社名か所在地が本文にあることを再確認しています。母集団の65%で公式サイトが分かりました。
- 内容の抽出:トップページと会社概要・沿革・役員・グループ・IR・お知らせ・事業・採用のページ(最大8ページ)を取得し、LLMに構造化データとして抽出させました。各社について「サイトが登記上のその会社のものか」を判定し、完全一致・屋号のみ一致・所在地相違(移転の可能性)の3段階を採用、別会社と判定したものは除外しています。母集団の57%で抽出できました。
- 値の優先順位:業種・従業員数・資本金・設立日は gBizINFO の届出を優先し、無い場合だけ公式サイトの値を使います。従業員数は単体の値のみ採用し、連結値は使いません。代表者名・役員・沿革・親会社は公式サイトのみが出典です。
- 精度の目安:gBizINFO に値がある会社で照合したところ、資本金は9割、設立年は9割、業種大分類は7割が一致しました。従業員数は時点差と数え方の違いで半分程度しか一致しないため、参考値としてください。沿革から抽出した出来事(M&Aなど)は候補段階の情報で、買収の向き(買った側か買われた側か)を取り違えることがあります。必ず出典の公式サイトで確認してください。
出口の統合
出口は出典ごとに別の項目にせず、次の優先順位で1社につき1つに解決しています。どの出典で判定したかと根拠は、企業一覧の「出口の根拠」列で確認できます。
- 登記記録の閉鎖(清算結了、合併による解散、登記官による閉鎖)— 国税庁
- 上場している — EDINETコードリスト
- 買収・子会社化された — 上場企業の有価証券報告書の企業結合注記、公開買付届出書、M&Aニュースの見出し、公式サイトの沿革(「買収された・子会社になった」と読めるもの)の順
- 上場したが現在は非上場 — EDINETの書類履歴
- 事業を譲渡した、持株会社化・分社・再編、合併の記載 — 公式サイトの沿革(登記が閉鎖されていない場合)。買収・譲渡の向き(した側か、された側か)は沿革の本文の語(譲受・承継・取得/譲渡・売却・子会社化された)で判定し、譲り受けた側・買収した側は出口ではなく「イベント」に分類
- 存続(出口なし・休眠含む)
探索ボードの「この条件の企業一覧」は、置いたノードをすべてフィルターとして使い、どのノードを最後に選んでも同じ列構成(名称・都道府県・設立年・状態・業種・代表者・公式サイト・従業員・資本金・出口・出口の根拠・法人番号)で表示します。分からない項目は「−」です。
出口ごとの一覧では、各社の「出口の根拠」を根拠元のURLと根拠となる文章の形で掲載しています。登記の閉鎖は法人番号公表サイトの変更履歴(閉鎖日と事由)、上場・買収・公開買付はEDINETの書類(有価証券報告書の企業結合注記、公開買付届出書、新規公開の届出)、M&Aニュースは記事の見出しとURL、公式サイト由来の出口は抽出に使った沿革・会社概要ページのURLと該当する記載です。
資金調達・商号変更・本社移転・新規事業・受賞認証は出口ではなく「イベント」として扱い、gBizINFO(表彰・届出認定)と公式サイトの記載を合算しています。公式サイト由来の項目は候補段階の情報です。
公開していない項目
各社の公式サイトのURL(および公式サイト由来の根拠のページURL)は、このサイトでは公開していません。サイトの有無と、公式サイトから抽出した内容(業種、規模、代表者、沿革の記載)のみを掲載しています。
定義と限界
- 「設立」は法人番号の指定日です。gBizINFO や公式サイトにある創業年・設立年月日は別の項目として扱っています。
- 「閉鎖」は登記記録の閉鎖です。休眠したまま登記が残っている会社は「存続(休眠含む)」に含まれます。倒産(破産・民事再生)の種別は追えません。
- 株式譲渡によるM&Aは登記に残りません。上場企業の有価証券報告書の注記、M&Aニュース、各社の公式サイトの沿革から補っていますが、網羅的ではありません。
- 「上場している」はEDINETコードリストの取得日時点、「上場した」はEDINETの書類履歴から判定しています。
- 業種は gBizINFO の業種(届出)と公式サイトの事業内容からの推定を、日本標準産業分類の大分類に揃えています。母集団の約68%に付いています。
- 公式サイトがない会社が母集団の35%あります。小規模な会社や、屋号だけでサイトを運営している会社は見つけられていない可能性があります。
使っていないデータと理由
- 日本取引所グループ(JPX)の新規上場・上場廃止一覧、TDnet、J-Quants:利用規約で二次利用・再配信が禁止されているため。
- 官報:クローラによる取得が禁止され、破産公告は90日で非公開になるため。
- 民間のスタートアップデータベース、企業情報サイト:無料で再配布できる一次データではないため。
再現方法
集計に使ったスクリプトとスキーマは非公開のリポジトリで管理しています。法人番号の全件データと gBizINFO の一括ダウンロード(要アクセストークン)を取得し、pipeline/run_all.sh を実行すると site/data/ が再生成されます。公式サイトの探索と抽出は pipeline/codex_url_runner.py と pipeline/web_profile_driver.py で行い、結果は company_profile(1社1行)にまとめています。