数据洞察

这一页只放能算出来的东西。四张图，四句结论，每个数字都能回到主库复核 —— 做不出来的（融资时间轴、融资额分布、资质矩阵）在页尾逐条写了为什么不做。

36,113池内境内企业

1,183,097撮合关系

326覆盖过 500 家的机构

1,564暂无机构匹配的企业

一、匹配分不是「全都 0.9」

1,291,745 条撮合关系的分数分布

结论：峰值在 0.65，0.90 以上只有 15,876 条（占 1.2%）。这条曲线是模型有区分度的自证 —— 如果它贴着 0.9 是一条垂线，说明打分只是在给所有人发同一张证书。分布偏左（0.45–0.60 占 25%）才是正常的：大多数「可能合作」本来就该不及格。

二、判定尺度不一致：有的 100%，有的一条都不给

覆盖广度 × S 占比 · 326 家覆盖过 500 家的机构

这张图暴露的是我们的问题，不是机构的特征。横轴是「被判定可对接的企业数」，纵轴是「其中达到 S 档的比例」。
326 家里有 131 家 S 占比为 0 —— 覆盖几百到七千家企业， 一家都没判成 S 档，全部落在底部那条线上；另一端有 5 家接近 100% （覆盖几百家、全都判 S）。
真相是：当前六维打分对不同机构的判定尺度没有校准 —— 同样一个企业，落在 A 机构口径里是 S、落在 B 机构口径里可能连 A 都不到。这不是「谁更挑剔」的画像差异，是模型的缺陷，已列为下一版必修项。在此之前，榜单与短名单只能做横向参考，不能跨机构比较「严格程度」。

三、赛道之间，匹配质量几乎没差别

按撮合均分排序 · 只列撮合量 ≥5,000 条的赛道

诚实结论：没有显著差异。最高与最低只差 0.098 （0.667–0.765）。这说明当前模型对不同赛道的判定标准是一致的，不存在「某条赛道更容易撮合」。
反过来说 —— 如果你的直觉是「生物医药比企业服务好撮合」，数据不支持这个直觉，差异来自企业自身资质与阶段，不是赛道本身。这张图好看不了，但它是真的。

四、1,564 家企业一家机构都接不上

每家企业有多少家 S 级机构

1,564 家（10.7%）为 0 —— 它们进了池子，但没有一家机构被判定适配。原因通常不是「企业差」，而是赛道标签缺失（上海回迁的 13,784 家还没有 track）或机构侧没有对应偏好。
另一头 244 家有 20 家以上 S 级机构，这些是「名单一拉就有一长串」的，反而需要人工收敛。两头都要处理，中间那批才是撮合的甜区。

五、这三张图我们没做，因为做不出来

想做	卡在哪	数据实况（可复核）
融资时间趋势	缺日期	`investment_event` 共 1,247 行，`event_date` 非空仅 116 行（9.3%）、`amount` 143 行。画出来是一条断线，不是趋势
融资额分布	推断产物	`ent_need_band` 的档位里「亿元级」占 93.9% —— 那是区间推断的结果，不是企业申报事实。画成饼图会让人误以为「九成企业在融一个亿」
资质结构矩阵	字段近乎空	`quality` 里「高新技术企业」全库仅 2 条；实际只有「专精特新省级」19,687、「小巨人」2,629、「无」10,284 三类

为什么要把「不做什么」写出来：一个数据站的可信度，不在于它能画多少图，而在于它拒绝画哪几张。上面任何一张我们都能在半小时内做得很好看 —— 但那是把空的当有的卖，投资人一眼就能看穿。

数据边界：本页全部统计限于池内境内 36,113 家企业与 1,183,097 条撮合关系，不含 185 家已隔离的海外主体；撮合分是结构匹配度，不代表机构投资意愿； 本页不构成投资建议。