# Analíticas Mercantiles Colombianas (AMC)

> El registro mercantil de Colombia (RUES), depurado y abierto: cada empresa del país, si sigue viva, su actividad, su cámara y su historia, con estados financieros, contratos con el Estado y otras fuentes públicas. Datos abiertos (CC BY-SA 4.0) en archivos Parquet que se consultan con SQL. Hecho por Clyx Consulting.
>
> In English: Colombia's business registry, cleaned and open. Every company in the country, whether it is still alive (renewed this year), its activity, chamber of commerce and history, plus financial statements, public contracts and other public sources. Open data (CC BY-SA 4.0), Parquet files queryable with SQL. The data and its notes are in Spanish; column names are in English or Spanish as they appear.

Esta guía es para asistentes y programas que respondan preguntas con estos datos. Si respondes con ellos, cita la fuente y respeta las advertencias de abajo: sin ellas, las cifras se leen mal.

## Dónde están los datos

- [Conjunto de datos en Hugging Face](https://huggingface.co/datasets/clyxconsultingdev/amc-rues): todas las tablas, en Parquet, con licencia CC BY-SA 4.0.
- [manifest.json](https://huggingface.co/datasets/clyxconsultingdev/amc-rues/resolve/main/manifest.json): la lista viva de tablas, con filas, tamaño, sha256 y **una nota por columna** (`columns`), el corte de la edición (`snapshot.logical_date`) y su fecha de publicación (`published_at`), la licencia y la regla de privacidad (`privacy`). Léelo primero.
- Cada tabla: `https://huggingface.co/datasets/clyxconsultingdev/amc-rues/resolve/main/data/<tabla>.parquet`
- [summary.json](https://huggingface.co/datasets/clyxconsultingdev/amc-rues/resolve/main/summary.json): las cifras principales de la edición, como las muestra el sitio.

## Cómo consultarlos

- **SQL con DuckDB** (lee solo lo que necesita, por rangos):
  `SELECT count(*) FROM 'hf://datasets/clyxconsultingdev/amc-rues/data/companies.parquet' WHERE is_live`
- **API de Hugging Face**, sin instalar nada (`config` es el nombre de la tabla, `split` siempre `train`). Es un servicio de Hugging Face, no de AMC: puede tardar decenas de segundos y a veces falla (en octubre de 2026, `search` falló varios días); si falla, usa DuckDB.
  - filtrar: `https://datasets-server.huggingface.co/filter?dataset=clyxconsultingdev/amc-rues&config=name_directory&split=train&where="nit"='860025900'`
  - buscar texto: `https://datasets-server.huggingface.co/search?dataset=clyxconsultingdev/amc-rues&config=name_directory&split=train&query=alpina`
  - filas: `https://datasets-server.huggingface.co/rows?dataset=clyxconsultingdev/amc-rues&config=activities&split=train&offset=0&length=10`
- **Una extensión para Claude Desktop** (un servidor MCP con búsqueda, perfiles, conteos y SQL): [Conecta AMC a tu asistente](https://amc.clyxconsulting.com/asistente/).
- **En el navegador**: la [consola SQL](https://amc.clyxconsulting.com/consulta/) corre DuckDB sobre las mismas tablas.

## Las tablas que más se usan

- `companies`: una fila por empresa (las matrículas de una misma empresa en varias cámaras, reunidas). `is_live`, `status`, `legal_form`, `org_type`, `sector_code` (CIIU), `section`, `codigo_camara`, `chamber`, `formation_year`, `last_renewal_year`. Para buscar por nombre o NIT, mejor `name_directory`, más liviana.
- `name_directory`: las empresas que se publican con nombre, con su NIT y su comparación con su sector (`*_pct`).
- `name_words`: cada palabra de cada razón social, para buscar por nombre.
- `activities`: los nombres de las clases CIIU (`clase` se une con `sector_code`).
- `explorer`: conteos de empresas creadas y vivas por actividad, cámara, año y tipo; suma lo mismo que `companies`.
- `registry_months`, `registry_events`: aperturas, cancelaciones y renovaciones por mes.
- `financials`: estados financieros (Supersociedades) por NIT y año, **en miles de pesos**.
- `contracts`, `contract_entities`: contratos con el Estado (SECOP I y II) de las empresas publicadas.
- `solidarity_entities`, `solidarity_finances` (cooperativas), `financial_entities`, `financial_statements` (Superfinanciera), `tourism` (Registro Nacional de Turismo), `large_taxpayers` (grandes contribuyentes de la DIAN).

La lista completa y la nota de cada columna están en `manifest.json`.

## Recetas

- Empresas vivas (la cifra principal del sitio): `SELECT count(*) FROM companies WHERE is_live`
- Las que el registro marca «ACTIVA» (más del doble): `WHERE status = 'ACTIVA'`
- Personas jurídicas vivas: `WHERE in_target_list`
- Una empresa por NIT (sin dígito de verificación): `SELECT * FROM name_directory WHERE nit = '860025900'`
- Por actividad: `sector_code` es la clase CIIU rev. 4 solo si `sector_status = 'rev4'`; su nombre, en `activities`.

## Advertencias (léelas antes de responder)

1. **«Viva» no es «activa».** `is_live` es haber renovado la matrícula este año, y es un mínimo: las renovaciones llegan todo el año. El estado del registro (`status = 'ACTIVA'`) cuenta más del doble, porque muchas empresas llevan años sin renovar sin estar canceladas.
2. **Las personas naturales se cuentan, nunca se nombran** (Ley 1581 de 2012). En sus filas, `display_name`, `nit`, `ident_base` y `matricula` vienen vacíos. No intentes identificarlas.
3. **`company_id` cambia en cada edición.** Para seguir a una empresa entre ediciones, usa `nit`.
4. **La geografía es la cámara de comercio**, no el municipio: el registro abierto no trae municipio. Una cámara cubre varios municipios (Bogotá, por ejemplo, 59).
5. **Las cancelaciones masivas son depuraciones**, no cierres: en `registry_months`, `en_dia_masivo` las marca.
6. **Estados financieros**: solo de las empresas que reportan a Supersociedades; en miles de pesos; `unidad_dudosa` marca los años reportados en otra unidad.
7. **Contratos**: para sumar valores usa `valor / partes`; `valor_dudoso` marca valores imposibles.
8. Cada edición tiene un corte (`snapshot.logical_date` en `manifest.json`): di de cuándo es la cifra.

## Para citar

Analíticas Mercantiles Colombianas (AMC), a partir del Registro Único Empresarial y Social (RUES), Confecámaras, datos.gov.co. Corte del <`snapshot.logical_date`>. https://huggingface.co/datasets/clyxconsultingdev/amc-rues

Si usas tablas de otras fuentes (estados financieros, contratos, cooperativas, turismo, DANE), atribuye también la suya: la lista está en [Licencia y cómo citar](https://amc.clyxconsulting.com/metodologia/#citar). Todo se publica bajo CC BY-SA 4.0: lo que derives, bajo la misma licencia.

Para enlazar a una empresa: `https://amc.clyxconsulting.com/historias/tu-empresa/#nit=<NIT>`. A una actividad en el explorador: `https://amc.clyxconsulting.com/explorar/#clase=<CIIU>&camara=<código>`.

## Más

- [Datos abiertos y acceso para IA](https://amc.clyxconsulting.com/datos/): esta guía, para personas, con las tablas y sus columnas.
- [Metodología](https://amc.clyxconsulting.com/metodologia/): cómo se depura el registro, qué es una empresa viva, los márgenes de error.
- [Busca tu empresa](https://amc.clyxconsulting.com/historias/tu-empresa/), [Explorador](https://amc.clyxconsulting.com/explorar/), [Historias](https://amc.clyxconsulting.com/historias/), [Boletín](https://amc.clyxconsulting.com/boletin/).
- Errores en un dato: clyx.consulting@gmail.com