Metodología

De dónde vienen los datos

Toda empresa, comerciante y entidad sin ánimo de lucro de Colombia se registra en una cámara de comercio. Las cámaras consolidan esos registros en el RUES, que Confecámaras publica como dato abierto en datos.gov.co (conjunto c82u-588k): una fila por matrícula, unos 9,4 millones, con 36 columnas.

El sistema revisa la fuente cada día y descarga una copia nueva solo cuando cambia, lo que ocurre aproximadamente una vez al mes. Cada copia se verifica contra un conteo independiente de filas antes de usarse. La fuente se publica con un rezago de unos diez días: el corte actual contiene hechos registrados hasta la fecha que indica la ficha técnica, no hasta el día de la descarga.

Una segunda fuente, para el tamaño. El registro no distingue una empresa grande de una pequeña. Las empresas obligadas a reportar a la Superintendencia de Sociedades, unas 30.000 al año, le envían sus estados financieros NIIF de fin de ejercicio, que la Superintendencia publica en datos.gov.co (conjuntos prwj-nzxa y pfdp-zks5). De ellos se toman cinco cifras por empresa y año: ingresos, ganancia, activos, pasivos y patrimonio, en miles de pesos. Se unen al registro por el NIT, y más del 99,9 % encuentra su empresa. Se revisan cada semana y se publican en la tabla financials.

Quiénes no están. Los bancos, las aseguradoras y las demás entidades financieras, y las sociedades que emiten acciones o bonos en la bolsa, reportan a la Superintendencia Financiera, no a la de Sociedades, y no aparecen en estos datos. Entre ellas están algunas de las empresas más grandes del país, como Ecopetrol, Bancolombia o Almacenes Éxito. Por eso, cuando una página ordena o suma ingresos, habla de las empresas que reportan a la Superintendencia de Sociedades, no de las más grandes de Colombia.

Un año incompleto en la fuente, completado con el siguiente. Para 2017 la Superintendencia publicó el balance de muy pocas empresas: unas 200 de 19.600. Pero cada reporte trae también el año anterior para comparar, así que el balance de 2017 se toma del reporte de 2018 cuando la empresa lo presentó y cuadra exactamente: unas 16.500 empresas. Lo mismo se hace con las unas 850 de 2020 a las que les faltaba. La columna balance_origen dice de dónde viene cada balance, porque una empresa puede corregir el año anterior al reportarlo. Los ingresos y la ganancia son siempre los del reporte de ese mismo año.

De cada empresa se toma su reporte propio, individual o separado, nunca el consolidado, que suma las cifras de sus subordinadas. Si presentó más de uno para el mismo año, se toma el más reciente, y si cierra cuentas cada seis meses, los ingresos y la ganancia del año suman los dos semestres. Cada estado trae también las cifras del año anterior para comparar, y las comprobaciones verifican que coincidan con las que la empresa reportó ese año.

Qué se hizo con ellos

La fuente es útil pero difícil de usar: todo llega como texto, hay fechas imposibles usadas como relleno, valores vacíos codificados de varias maneras y una misma empresa repartida en varias matrículas. El proceso, en seis pasos:

1. Descargar y comprobar. Cada copia se compara con un conteo de filas pedido por separado a la fuente, porque el servidor no indica el tamaño del archivo. Si no coinciden, la copia se descarta.
2. Limpiar sin borrar. Cada columna se convierte a su tipo real: fechas, números, códigos. Un valor que no se puede interpretar no se adivina ni se descarta en silencio: queda vacío y se registra con su motivo. En el corte del 14 de septiembre de 2026 fueron 3.541.461 valores.
3. Reunir matrículas en empresas. Una misma persona jurídica puede tener matrículas en varias cámaras. Se agrupan por su número de identificación tributaria, y cada agrupación se contrasta con los nombres registrados: si ningún nombre la respalda, se marca y se excluye de las cifras. Cuando el identificador no es confiable —ceros, un dígito repetido, un consecutivo interno de la cámara— no se agrupa nada con él.
4. Medir cuánto puede fallar esa unión. No hay forma de saber con certeza que dos matrículas son la misma empresa, así que se mide el margen: las uniones sin un nombre que las respalde podrían esconder empresas distintas, y las empresas sin un identificador confiable podrían ser la misma que otra. Cada página que cuenta empresas dice cuánto cambiarían sus cifras si todos esos casos estuvieran mal.
5. Clasificar. A cada empresa se le asigna su vigencia (si renovó en el año), su sector económico (CIIU), su tipo de organización y el término de duración de sus estatutos, con reglas escritas y comprobables.
6. Verificar y publicar. Cada noche, un conjunto de comprobaciones automáticas revisa el resultado completo. Solo se publica una edición que las pasa todas.

Definiciones

Matrícula

El registro de una empresa o comerciante en una cámara de comercio. Es la unidad de la fuente: una fila del RUES.

Empresa

Una persona jurídica o un comerciante persona natural, con todas sus matrículas reunidas. Es la unidad de este panorama: una empresa con matrículas en tres cámaras cuenta una vez.

Empresa nueva

La que se matricula por primera vez, en cualquier cámara. Su año de creación es el de su primera matrícula. Por eso un comerciante que cerró un negocio y abre otro con su misma cédula no cuenta como empresa nueva: es la misma empresa, que vuelve.

Empresa activa

La que renovó su matrícula mercantil en el año en curso. Es la única señal de actividad que la fuente registra de forma verificable. No es lo mismo que el estado “ACTIVA” de la matrícula (ver los matices).

Persona jurídica y persona natural

Una sociedad, una entidad sin ánimo de lucro, una cooperativa o una entidad pública es una persona jurídica: existe por sus estatutos. Un comerciante persona natural es una persona que ejerce el comercio a título propio. El panorama separa los dos grupos porque se comportan distinto.

Sector

La actividad económica principal según la Clasificación Industrial Internacional Uniforme, revisión 4 adaptada para Colombia (CIIU Rev. 4 A.C.), agrupada en 21 secciones de la A a la U.

Cámara de comercio

La cámara donde está la matrícula. Indica la jurisdicción del registro, no necesariamente dónde opera la empresa.

Lista objetivo

Para quien usa la consulta SQL: las personas jurídicas activas cuya agrupación de matrículas no fue contradicha por los nombres. Es la población más confiable para análisis de mercado.

Cómo leer las cifras

Cinco matices que cambian las conclusiones si se pasan por alto.

Cómo se hacen las historias

Cada historia hace una pregunta, la responde con los datos y dice qué no se puede concluir de ellos. Estas son sus reglas.

Las cifras salen de los archivos públicos. Cada gráfico se calcula con SQL sobre los mismos archivos que cualquiera puede descargar, y trae ese SQL: el botón «Ver el SQL» lo muestra y lo abre en la consulta, donde da la misma cifra. Ningún número de una historia se escribe a mano: se recalculan en cada edición y se verifican antes de publicarse, igual que los datos.

Los gobiernos se comparan con la misma vara. Las mismas medidas para todos los periodos, el ritmo por día en lugar del total (los periodos no duran lo mismo, y el actual lleva semanas) y ningún adjetivo. Un periodo describe lo que pasó mientras gobernaba alguien, nunca por qué: el ciclo económico, las leyes anteriores, la pandemia o el calendario de depuraciones empujan a la vez.

«Seguía renovando tres años después» no es supervivencia. El registro guarda solo el último año renovado de cada matrícula, así que no permite una curva de supervivencia honesta. Sí permite saber si una empresa renovó al menos tres años después de crearse; las de renovación desconocida se excluyen en lugar de contarse como cerradas, y las cohortes que aún no han tenido tres años para renovar no se califican. Por qué.

Fuentes de referencia. Los periodos presidenciales van de posesión a posesión (7 de agosto). Los hitos son normas y hechos con su fuente oficial. Los nombres de las actividades económicas son los de la CIIU Rev. 4 adaptada para Colombia del DANE, edición 2022, y la de 2012 para las clases que esa actualización retiró. Las tres tablas se publican con los datos (periods, milestones, activities).

Lo que no hacemos. No inferimos el género ni ningún otro rasgo de las personas a partir de sus nombres, no clasificamos ni señalamos a personas, y no decimos que un gobierno causó una cifra.

Lo que estos datos no pueden decir

Cuánto dura una empresa. La fuente guarda solo el último año en que cada empresa renovó, no la historia de sus renovaciones. Se puede saber cuántas empresas creadas en un año siguen renovando hoy, pero no calcular con rigor cuánto tiempo sobreviven (por qué).

Dónde está o cómo contactarla. El RUES abierto no publica direcciones, municipios, teléfonos ni correos. La ubicación disponible es la cámara de comercio.

El tamaño de la mayoría de las empresas. Los ingresos y activos solo existen para las empresas que reportan a la Superintendencia de Sociedades, que no son una muestra: son las obligadas a reportar, en su mayoría grandes y medianas. Una empresa sin estados financieros no es pequeña: no se sabe. Las más grandes del sector financiero y de la bolsa reportan a otra superintendencia y tampoco están (quiénes). Y ninguna fuente aquí mide empleados.

Quién es cada comerciante persona natural. Por decisión deliberada: ver privacidad.

Privacidad

El registro mercantil es público, pero republicar datos de personas en una forma que se puede consultar y cruzar es otra cosa, que regula la Ley 1581 de 2012. Por eso:

• Las personas jurídicas se publican con su razón social, NIT y matrícula: son datos de empresas.
• Los comerciantes personas naturales, y cualquier tipo de organización que no sea claramente una persona jurídica, se cuentan pero nunca se nombran: sin nombre, sin número de identificación, sin matrícula.
• El nombre del representante legal no se publica nunca.

La regla funciona como una lista de lo permitido: si el registro agrega un tipo de organización nuevo, queda oculto hasta que una persona decida lo contrario. Y se comprueba sobre los archivos ya generados, antes de cada publicación.

Verificación

Cada noche, una serie de comprobaciones automáticas revisa la base de datos completa: que los conteos cuadren entre etapas, que cada empresa reúna exactamente sus matrículas, que las clasificaciones coincidan con sus reglas y que nada se haya perdido en el camino.

Las comprobaciones mismas se ponen a prueba: casi todas se rompen a propósito, en un entorno controlado, para demostrar que detectan el error que deben detectar; las pocas que no se pueden romper así están declaradas, con su motivo. Y todo el proceso se reconstruye desde los datos de origen cada semana, para demostrar que el resultado se puede reproducir. El código del proceso no es público por ahora: lo que cualquiera puede reproducir es cada cifra, con los datos abiertos y la consulta SQL que se publica a su lado.

Una edición solo se publica después de pasar todas las comprobaciones de la noche, y la ficha técnica de arriba dice cuál.

Y las cifras se ponen al lado de las oficiales: cómo se compara AMC con Confecámaras, cifra por cifra, con el informe y la página de cada una.

Datos abiertos

Los mismos datos del panorama y de la consulta SQL, para usarlos con tus propias herramientas. Son archivos Parquet: un formato comprimido que leen Power BI, Python, R, DuckDB y la mayoría de herramientas de análisis.

En Excel

La forma más simple: en la consulta SQL, filtra lo que necesitas y descarga el resultado como CSV, que Excel abre directamente.

En Power BI

Descarga el archivo y usa Obtener datos → Parquet.

En Python

import duckdb  # pip install duckdb
url = "https://huggingface.co/datasets/clyxconsultingdev/amc-rues/resolve/main/data/companies.parquet"
duckdb.sql(f"SELECT chamber, count(*) AS activas FROM '{url}' WHERE is_live GROUP BY 1 ORDER BY 2 DESC").show()

En R

library(duckdb)  # install.packages("duckdb")
con <- dbConnect(duckdb())
url <- "https://huggingface.co/datasets/clyxconsultingdev/amc-rues/resolve/main/data/companies.parquet"
dbGetQuery(con, sprintf("SELECT section, count(*) AS activas FROM '%s' WHERE is_live GROUP BY 1", url))

DuckDB lee solo las partes del archivo que la consulta necesita, así que no hace falta descargar los 8,3 millones de filas para contar unas pocas.

La ficha técnica completa describe cada columna y guarda el historial: cada publicación queda etiquetada con su corte, para que un análisis se pueda repetir con exactamente los mismos datos.

Licencia y cómo citar

Los datos se publican bajo CC BY-SA 4.0, la misma licencia de la fuente: puedes usarlos, compartirlos y transformarlos, también con fines comerciales, siempre que atribuyas la fuente y compartas lo que derives bajo la misma licencia.

Analíticas Mercantiles Colombianas (AMC), a partir del Registro Único Empresarial y Social (RUES), Confecámaras, datos.gov.co.

Si usas la tabla financials, atribuye también su fuente: estados financieros NIIF, Superintendencia de Sociedades, datos.gov.co. Se publica bajo la misma licencia.