兄弟连”破产“：疫情下的互联网公司寒冬加剧，十年倒闭超6千家

CDA数据分析师 出品

2月6日夜，北京下了一场大雪。

成立已13年的IT职业教育机构——兄弟连教育创始人李超发布《致兄弟连全体学员、员工、股东的一封信》，正式宣告品牌“破产”。

兄弟连教育成立于2007年，曾是国内最大的PHP培训学校。但即使是营收破亿，挂牌新三板，这家教育企业最后还是没能抵抗住2020年疫情带来的资金链断裂，倒下了。

而近年来，不仅是像兄弟连这样曾经的培训巨头，王思聪的熊猫直播，昔日的“宅男神器”快播，成立23年的韦博英语… 像这样曾经有过高光时刻，最终黯然倒下的企业还有很多很多。

今天就给大家盘一盘，近年来在风口起落的背后，那些倒下的公司们。

IT桔子出了个“死亡公司数据库”，统计了2000-2020年之间，中国新经济领域这些年倒闭的创新创业公司。

截止 2020 年 2 月 29 日，共有6286家倒闭公司在 IT 桔子数据库中被标注为“已关闭”。这些公司中不乏被“风口”吹起来的“猪”，也不乏运营多年已然成长为估值超过 10 亿元的“千里马”、甚至 10 亿美金估值的“独角兽”。

我们用Python爬取并选取了近十年（2010-2020）5789家公司的数据，企图一窥这十年来创业公司的消亡史。

爬虫流程如下：使用requests库发起网页请求，得到的数据通过json进行解析，存入列表中，利用循环得到630页的信息，代码如下：

# 导入所需库
import numpy as np
import pandas as pd
import requests
import time
import json
import random
from fake_useragent import UserAgent

# 创建空列表
com_name = # 公司名
close_date = # 关闭时间
born_date = # 成立时间
cat_name = # 行业
se_cat_name = # 子行业
com_prov = # 地点
status_name = # 获投状态
live_time = # 存活时间
total_money = # 融资金额
closure_type = # 死亡原因

# 循环获取
for i in range(1, 631):
# 获取URL
url = 'https://www.itjuzi.com/api/closure?com_prov=&sort=&page={}&keyword=&cat_id='.format(i)
# 添加headers
headers = {'user-agent': UserAgent.random}

# 发起请求并解析数据
try:
r_json = requests.get(url, headers=headers, timeout=5).json
except Exception:
time.sleep(3)
r_json = requests.get(url, headers=headers, timeout=5).json

# 获取数据
for data in r_json['data']['info']:
com_name.append(data['com_name'])
close_date.append(data['com_change_close_date'])
born_date.append(data['born'])
cat_name.append(data['cat_name'])
se_cat_name.append(data['se_cat_name'])
com_prov.append(data['com_prov'])
status_name.append(data['com_fund_status_name'])
live_time.append(data['live_time'])
total_money.append(data['total_money'])
closure_type.append([i.get('name') for i in data['closure_type']])

# 打印进度
print('我正在获取第{}页的信息'.format(i), end='\r')
# 休眠
time.sleep(random.uniform(2,3))

最后使用dataframe保存数据，结果展示如下：

# 保存数据
df = pd.DataFrame
df['com_name'] = com_name
df['close_date'] = close_date
df['born_date'] = born_date
df['cat_name'] = cat_name
df['se_cat_name'] = se_cat_name
df['com_prov'] = com_prov
df['status_name'] = status_name
df['live_time'] = live_time
df['total_money'] = total_money
df['closure_type'] = closure_type

df.head

以下是具体分析结果：

01