ABRAMS world trade wiki Logo
  • Ihre Vorteile
  • Lösungen
    • Free Search
    • Market Intelligence
    • Sourcing Intelligence
    • Selling Intelligence
    • Company Transparency
    • Competitive Intelligence
    • Supply Chain Intelligence
    • Logistics Insights
  • Referenzen
  • Preise
  • Über uns
    • Unternehmen
    • Karriere
  • Service
    • FAQ
    • Glossar
    • HS-Code
    • Blog
    • Kontakt
    • Chat
  • Zur Datenbank
  • Einloggen
  • DE
    • Deutsch
    • English
    • Français
ABRAMS world trade wiki Logo

Häufig gestellte Fragen

Ihre Frage ist nicht dabei?
Wir sind nur einen Klick entfernt.

ABRAMS world trade wiki – was ist das?

ABRAMS world trade wiki ist ein Wissensportal, welches auf Basis von Milliarden von Datensätzen aus den unterschiedlichsten Quellen, wie z.B. der World Trade Organization (http://wto.org), UN Comtrade (https://comtrade.un.org) sowie vielen nationalen Regierungen und regierungsnahen Institutionen, welche die Rohdaten auf Basis von Transparenzgesetzen (https://de.wikipedia.org/wiki/Informationsfreiheit) legal zur Verfügung stellen, entstanden ist. Im ABRAMS world trade wiki werden diese internationalen Daten systematisch aufbereitet, um mit Hilfe von Transparenz Sicherheit und Vertrauen im Welthandel zu unterstützen. Diesen Grundsatz teilen wir mit verschiedenen Weltorganisationen, die seit Jahrzehnten durch ihr internationales Engagement und Netzwerk eine große Hilfe bei der Entwicklung des Welthandels sind:

World Trade Organization WTO: https://www.wto.org/english/thewto_e/whatis_e/what_we_do_e.htm

United Nations Comtrade: https://comtrade.un.org

World Customs Organization WCO: http://www.wcoomd.org/en/about-us.aspx sowie http://www.wcoomd.org/en.aspx

Für wen ist das Wissensportal entwickelt worden?

Die Zielgruppen sind sehr weitreichend, grob unterteilen kann man sie in die Kategorien:

  • Regierungen
  • Journalisten
  • Logistiker
  • Unternehmen
  • Berater
  • Forscher
Sind die Daten legal und warum werden diese publiziert?

Ja, die Rohdaten stammen aus öffentlich zugänglichen Quellen, von denen diese legal erworben werden. Jeder andere Interessent könnte die bei ABRAMS world trade wiki als Grundlage verwendeten Rohdaten ebenso bei den zuständigen Institutionen erwerben.

Die Basis hierfür sind u.a. grundlegende Transparenzgesetze in vielen Ländern der Welt (https://de.wikipedia.org/wiki/Informationsfreiheit), welche teilweise seit den 1960er Jahren Zugriff auf viele Daten aus dem Welthandel gestatten und legal zur Verfügung stellen. Die Motivation zur Publikation ist vielfältig und reicht von der Stärkung der eigenen nationalen Wirtschaft (Exportierende Unternehmen können mit Ihrer Leistungsfähigkeit wie auf einer physischen Messe im Weltmarkt als potentielle Lieferanten identifiziert werden, importierende Firmen können mit ihren Produktbedürfnissen von Lieferanten im Weltmarkt besser identifiziert werden, und das Produktangebot im Wettbewerb verbessert auch hier die Position des nationalen Unternehmens) bis hin zur Identifikation nicht gesetzeskonformer Geschäftspraktiken (z.B. Feststellung von Korruption, illegalen Warenimporten und -exporten, Produktfälschungen).

Nicht in allen Ländern wird die Veröffentlichung von Unternehmensinformationen inhaltlich gleichermassen praktiziert, z.B. werden in Deutschland auf gesetzlicher Grundlage jährlich Bilanzen sowie Gewinn- und Verlustrechnungen von zehntausenden Unternehmen im elektronischen Bundesanzeiger (www.bundesanzeiger.de) legal und für Jedermann zugänglich im Internet publiziert. In anderen Ländern ist diese Offenlegung von Finanzinformationen hingegen völlig unbekannt und würde als undenkbar angesehen, da es sich, so die mögliche Wahrnehmung, um ureigene Finanzzahlen von oftmals privaten Unternehmen handelt (börsennotierte Unternehmen unterliegen ohnehin anderen Publikationspflichten). In Deutschland ist dies jedoch gesetzliche Grundlage und wird mit hohen Strafzahlungen geahndet, sofern die Daten von einem Unternehmen nicht jährlich und fristgerecht publiziert werden.

In anderen Ländern ist es hingegen üblich, Handelsdaten von Unternehmen zu publizieren, um mit maximaler Transparenz den Welthandel (sicher auch im Sinne der jeweiligen nationalen Wirtschaft) zu verbessern:

Beispiele für den Nutzen von Transparenz im Welthandel:

Einhaltung von Gesetzen und Abkommen, z.B. Anti-Dumping-Regelungen, die seitens der World Trade Organization (WTO) strukturiert erfasst werden: https://www.wto.org/english/tratop_e/adp_e/adp_e.htm

Unterbindung von Kartellen und Förderung des Wettbewerbes, z.B. durch nationale und internationale Wettbewerbsbehörden (siehe https://de.wikipedia.org/wiki/Wettbewerbsbehörde):

Eine Wettbewerbsbehörde, auch Kartellbehörde, Kartellamt oder Wettbewerbshüter genannt, ist ein regulierend tätiges Organ mit der Aufgabe, negative Auswirkungen von Machtkonzentrationen auf Märkten zu bekämpfen. Rechtliche Grundlage der Tätigkeit der Wettbewerbsbehörde bildet das Kartellrecht. Entsprechende Institutionen existieren in nahezu allen Ländern mit marktwirtschaftlicher Wirtschaftsweise.

Wettbewerbsbehörden zahlreicher Länder tauschen ihre Erfahrungen in Organisationen wie der Europäischen Wettbewerbsbehörde, dem Europäischen Wettbewerbsnetz, dem International Competition Network oder der OECD aus.

Auf nationaler Ebene kümmert sich z.B. in Deutschland das Bundeskartellamt um ein funktionierendes, wettbewerbliches Ordnungsprinzip. Dieses basiert explizit auf dem Gesetz gegen Wettbewerbsbeschränkungen GWB (sowie https://www.gesetze-im-internet.de/gwb/), wonach Handlungen, die einen erwünschten Wettbewerb gezielt verhindern, verboten sind.

Schutz von Markeninhabern vor Produktfälschungen (Counterfeit Products): z.B. organisierte Ermittlung von Produktfälschungen durch die World Customs Organization (WCO): http://www.wcoomd.org/en.aspx

Die positiven Argumente für Transparenz im Welthandel liegen auf der Hand und werden durch die Grundintentionen der WTO, der WCO und von UN Comtrade sehr gut zusammengefasst:

World Trade Organization WTO: https://www.wto.org/english/thewto_e/whatis_e/10thi_e/10thi00_e.htm

World Customs Organization WCO: http://www.wcoomd.org/en/about-us.aspx

UN Comtrade: http://unstats.un.org/unsd/tradekb/Knowledgebase/What-is-UN-COMTRADE

Wie ist der zeitliche Rahmen der Daten und wie aktuell sind die Daten?

Aus vielen Quellen haben wir Daten seit 2007 in der Datenbank. Aus Gründen der Übersichtlichkeit und Performance haben wir jedoch eine grundlegende Segmentierung vorgenommen:

In „Market Intelligence“ haben wir primär die statistischen Daten ab 2010 aufbereitet. Das Hinzufügen der Daten eines Kalenderjahres erfolgt in der Regel zur Mitte des Folgejahres durch Zusammenfassen der Meldungen der berichtenden Länder. Die meisten Länder der Erde berichten seit Jahrzehnten jede Warengruppenklasse mittels HS-Codes an UN Comtrade, mit deren Datenbanken wir per Datenschnittstelle elektronisch verbunden sind. Die daraus gewonnenen Daten werden von uns fortlaufend vereinheitlicht und anschließend aufbereitet.

Um Ihnen die Daten im zeitlichen Verlauf möglichst vollständig zu präsentieren, haben wir mittels Algorithmen fehlende Landesmeldungen interpoliert sowie noch ausstehende Meldungen als Trendberechnung extrapoliert. Die entsprechenden Werte sind entsprechend gekennzeichnet.

In den Bereichen zur Detailanalyse von Handelsdaten wie z.B. „Company Transparency“ haben wir die Daten aus Gründen der einheitlichen Normierung unterschiedlichster Datenbanken ab dem Jahr 2013 vorgesehen, weil hier die Aktualität und vor allem die Vergleichbarkeit der Daten deutlich mehr im Vordergrund stehen. Der jeweils voreingestellte zeitliche Rahmen ist links oben in den Tools sichtbar und kann auf Wunsch von Ihnen angepasst werden.

Im Bereich „Free Search“ ermöglichen wir Ihnen einen generellen Gesamtzugriff auf alle Daten, so dass Sie hier bei Bedarf je nach Datenbankquelle auch auf ältere Daten bis 2007 zurückgreifen können. Bitte beachten Sie, dass einige Landesdatenbanken erst ab 2013 aufbereitet wurden.

Die Handelsdaten werden je nach Quelle regelmäßig aktualisiert. Diese Aktualisierung erfolgt teilweise täglich, oft monatlich und teilweise quartalsweise. In Einzelfällen ist nicht auszuschließen, dass Daten situativ auch verzögert geliefert werden. Generell gilt, dass wir für Sie die Daten so schnell und so vollständig wie möglich aufbereiten und zur Verfügung stellen, einen Anspruch auf Vollständigkeit aller Handelsdaten können wir selbstredend nicht erfüllen. Alle sich ergebenden Statistiken, Berechnungen und Visualisierungen erfolgen somit immer auf der Basis der uns zur Verfügung gestellten Daten und bilden selbstverständlich nicht alle Zusammenhänge des Welthandels ab.

Wie wird aus Daten Wissen?

Der Zweck unserer Plattform ist es, große Mengen an Handelsdaten (mehr als 6 Milliarden Datensätze) in einen Mehrwert für unsere Kunden zu verwandeln, so dass sie als Nutzer aus diesen Informationen gezielt Wissen gewinnen können. Durch die Kombination von verschiedenen Werkzeugen unserer Plattform sind die Kunden in der Lage, bessere strategische Entscheidungen oder Vorhersagen zu treffen und ihren Wettbewerbsvorteil zu sichern. Bevor wir diese Informationen veröffentlichen oder visualisieren können, müssen die Daten verarbeitet und analysiert werden, um eine hohe Qualität und Zugänglichkeit zu garantieren.

Um ein besseres Verständnis für diesen Transformationsprozess zu erhalten, haben wir jeden Schritt im Detail für Sie beschrieben:

1. Sammeln und Extrahieren

Unsere Daten kommen aus einer Vielzahl von Quellen, die im Allgemeinen eher schlecht strukturiert sind. Diese Rohdaten sind normalerweise nicht selbsterklärend, verschiedenartig, nicht hierarchisch abgespeichert und in keinem bestimmten Format vorhanden. Sie werden aus unterschiedlichen operativen Systemen mit Dateneingabe-Anwendungen generiert und uns übermittelt. Diese Anwendungen erzeugen ihre Daten zum Teil aus Tag-zu-Tag-Transaktionen (Sendungen). Oft werden aber auch per OCR-Software (Optical Character Recognition) gescannte Dokumente und Text-Dateien mit einer unvermeidlichen Fehlerrate übermittelt. Auch verfügen wir über statistische Daten, die von verschiedenen Ländern gemeldet werden, meist strukturiert, aber nicht immer validiert.

2. Transformieren

Bevor die Daten in unsere Plattform importiert / geladen werden können, müssen wir die Daten in ein von uns definiertes Standardformat umwandeln, indem wir die Daten analysieren, dekodieren, umbenennen, transponieren und abbilden, so dass sie in unser Data-Warehouse passen.

3. Verifizieren

Wir überprüfen unsere Daten durch quantitative und qualititive Analysen mithilfe von statistischen Modellen und Stichproben. Unser System überwacht den Gesamtprozess, vom Sammeln bis zur Veröffentlichung / Visualisierung der Daten auf unserer Plattform. Auf diese Weise können wir die Vollständigkeit und Richtigkeit unserer Daten fundiert und objektiv bewerten.

4. Validieren

Um zu garantieren, dass unser System unsere Anforderungen und Spezifikationen von Genauigkeit, Wiederholbarkeit, Reproduzierbarkeit, Stabilität und Sicherheit erfüllt, validieren wir unsere Daten und Programme nach Datentyp-, Konstanten- und Querverweiskonsistenz. Ein paar Beispiele unserer Validierungsmethoden sind:

  • Plausibilitätsprüfungen: Überprüft die Felder, um sicherzustellen, dass Daten in diesen Feldern dem erwarteten Wert entsprechen
  • Systemübergreifende Plausibilitätsprüfungen: Vergleicht Daten in verschiedenen Systemen, um sicherzustellen, dass diese plausibel sind
  • Prüfsummen: Dies geschieht mittels numerischer Werte unterschiedlicher Art, die in jedem Datensatz erscheinen
  • Kardinalitätsprüfung: Überprüft, ob der Datensatz eine gültige Anzahl in Beziehung stehender Datensätze hat

5. Bereinigung

Vor dem Prozess der Organisation von Informationen in einem Data Warehouse ist die Datenbereinigung und -verbesserung entscheidend. Wichtige Aufgaben in der Datenbereinigung sind:

  • Deduplizieren / Zusammenführen von Datensätzen
  • Fehlerhafte oder fehlende Datenwerte aufgrund von Dateneingabefehlern erkennen
  • Inkonsistente Namenskonventionen, aufgrund unterschiedlicher Quellformate, vereinheitlichen (Abkürzungen wie "ONE" vs. "1" oder "Ltd." vs. "Limited")
  • Firmennamen und -adressen sind falsch geschrieben, in verschiedenen Variationen oder beinhalten zusätzliche deplatzierte Informationen

6. Ordnen und Standardisieren

Bevor Informationen aus den Daten extrahiert werden können, müssen sie organisiert, strukturiert und standardisiert werden. Um eine Vergleichbarkeit untereinander zu ermöglichen, werden die Strukturen und Elemente der Datensätze unter Zuhilfenahme einer einheitlichen Definition angepasst. So kann die später implementierte Geschäftslogik Analysen und Interpretationen aller Daten für die Plattform zur Verfügung stellen. Dazu verwenden wir mehr als 20 verschiedene Softwarekomponenten, die in verschiedenen, für den Einsatzzweck optimalen Programmiersprachen, geschrieben sind.

7. Anreicherung

Durch die Datenanreicherung können wir eine signifikante Verbesserung des Geschäftswertes unserer integrierten Daten bieten. Einige Beispiele für die Anreicherung sind:

  • Zusammenstellung eingehender Datensätze mit vorhandenen Daten zur Identifizierung neuer Sendungen, Produkte, Kunden oder Lieferanten
  • Korrektur von ungültigen Daten auf der Grundlage anderer Daten im Datensatz oder in der Datenbank
  • Interpolierung von fehlenden Werten basierend auf anderen verfügbaren Daten

8. Analyse

Einer der wichtigsten Schritte in der Transformation zum Wissen ist die Analyse der Daten. Neben Datenforschung, Datenmodellierung, Data Mining und Datenkorrelation durch Algorithmen sind quantitative und qualitative Statistiken ein wesentlicher Bestandteil unserer Datenanalyse. Erst nach der richtigen Analyse werden die Daten in Informationen umgewandelt, die wir nutzen können, um unser Wissen auszubauen. Für Ihr Verständnis:

  • Datenforschung: ein Ansatz zur Analyse von Datensätzen, um ihre Hauptmerkmale, oft mit visuellen Methoden zusammenzufassen.
  • Data Mining: der rechnergestützte Prozess der Entdeckung von Mustern in großen Datensätzen mit Methoden aus Gebieten wie der künstlichen Intelligenz, maschinelles Lernen, Statistik und Datenbank-Systeme.

Data Mining umfasst 6 Aufgabenstellungen:

  • Anomalieerkennung - (Ausreißer- / Abweichungserkennung) Die Identifizierung von ungewöhnlichen Datensätzen, die interessant sein könnten oder Datenfehler, die weitere Untersuchungen erfordern.
  • Abhängigkeitsmodellierung (Assoziationsregel erkennen) - Sucht nach Beziehungen zwischen einzelnen Variablen in den Daten
  • Clustering - ist die Aufgabe, Gruppen und Strukturen in den Daten zu erkennen, die in irgendeiner Weise ähnlich sind, ohne bekannte Strukturen in den Daten zu verwenden.
  • Klassifizierung - ist die Aufgabe, Daten zu klassifizieren und sie auf die neuen Daten anzuwenden.
  • Regression - versucht, eine Struktur zu finden, die die Rohdaten mit dem kleinsten Fehler modelliert
  • Verdichtung - Bereitstellung einer kompakteren Darstellung des Datensatzes, einschließlich Visualisierung und Reportgenerierung.

9. Visualisierung

Das primäre Ziel unserer Datenvisualisierung ist es, Informationen über statistische Grafiken, Tabellen und Informationsgrafiken klar und effizient zu kommunizieren. Bei numerischen Daten kann die Verwendung von Diagrammen quantitative Verhältnisse visuell kommunizieren. Eine effektive Visualisierung hilft unseren Anwendern, Daten schnell und einfach zu analysieren und zu begründen. Es macht komplexe Daten zugänglicher, verständlicher und nutzbar. Benutzer haben Interesse an bestimmten analytischen Aufgaben, wie Vergleiche zu machen oder ein Verständnis von Kausalitäten zu gewinnen. Das Designkonzept unserer Oberfläche folgt dieser Kundenanforderung.

In diesen 9 Schritten verwandelt ABRAMS World Trade Wiki internationale Handelsdaten in kostbares Wissen. Wir sind davon überzeugt, dass unsere Plattform Wettbewerbsvorteile für Sie bereithält!

Werden personenbezogene Daten geschützt?

Das Wissensportal ABRAMS world trade wiki eint mit anderen Weltorganisationen das Ziel, mittels Transparenz den Welthandel zu stärken sowie effizienter und sicherer zu machen.

Zum Schutz von Privatpersonen filtern wir jedoch mit Hilfe von Algorithmen Warensendungen mit erkennbaren personenbezogenen Daten heraus, z.B. Warensendungen von Umzugsunternehmen. Sollten Sie neben den gefilterten Daten dennoch personenbezogene Daten identifizieren, die Sie persönlich betreffen, so können Sie diese selbstverständlich melden. Diese werden dann umgehend herausgefiltert: privacy@abrams.wiki

Wie gut ist die Datenqualität und können Fehler auftreten?

Wir haben über Jahre viele Millionen Datensätze mit Algorithmen bearbeitet, optimiert, normiert und an der Logikgrenze der Algorithmen ergänzend einen sehr hohen Aufwand in das manuelle Bearbeiten von Daten investiert, um Ihnen diese in einer ungewöhnlich hohen Datenqualität präsentieren zu können.

Sollten Sie in einzelnen Fällen Verbesserungen an der Datenqualität wünschen (z.B. das nachweislich sinnvolle Zusammenfassen von Firmen), oder sollten Ihnen Inhalte nicht plausibel oder erkennbar falsch erscheinen, dann bitten wir gerne um schriftliche Mitteilung an: quality@abrams.wiki

Was sollte ich generell über den Datenumfang und die Datenqualität wissen?

Jeder Nutzer des Wissenportals ABRAMS world trade wiki sollte zur qualitativen und quantitativen Einschätzung aller Informationen unbedingt die Abdeckung und die Einschränkungen der Daten kennen:

Abdeckung

Das Wissensportal ABRAMS world trade wiki enthält detaillierte Einfuhr- und Ausfuhrdaten, die, differenziert nach statistischen Daten und Handelsdaten, von verschiedensten Behörden und Einrichtungen aus 193 Ländern der Welt gemeldet werden.

Statistische Daten: Hierbei handelt es sich um monatliche und jährliche statistische Daten, die wir ab dem Jahr 2010 bis zum letzten Jahr auf Basis der Originalformate aufbereiten und publizieren. Bei fehlenden Daten stellen wir Berechnungen an, um interpolierte Werte zu Näherungszwecken zu erhalten. Das Gleiche gilt für jüngere Daten, welche als Annahmewerte durch Extrapolation errechnet werden. In jedem Fall werden berechnete Werte separat kenntlich gemacht und dienen ausschliesslich als Näherungswerte ohne Anspruch auf Abbildung der realen Werte.

Sofern wir darüber hinaus mittels statistischer Verfahren signifikante Abweichungen in gemeldeten Zahlen feststellen, die deutlich von sonst publizierten Zahlen abweichen und somit als fehlerhaft eingeschätzt werden können, werden derartige Daten mittels RANSAC-Algorithmus auf zeitlich zuvor und danach gemeldete Werte angepasst. Auch bei diesen Werten erfolgt ein expliziter Hinweis bei den von uns veröffentlichten Werten.

Die statistischen Daten werden kontinuierlich aktualisiert. Die Grundlage hierfür ist die Verfügbarkeit der nationalen Daten, welche von UN Comtrade erfasst werden. Handelsdaten: Hierbei handelt es sich um Daten, welche z.B. von Regierungen und regierungsnahen Einrichtungen auf Basis von internationalen Transparenzgesetzen publiziert werden. Sofern ein Land derartige Daten publiziert, gibt es primär drei unterschiedliche Varianten:

a) Es werden ausschliesslich Firmen mit Adressen des eigenen Landes gezeigt, sowohl bei Import- als auch bei Exportdaten, die ausländischen Firmen werden nicht publiziert, nur das relevante Land des Handelspartners. Wir bezeichnen derartige Daten als „halboffen“. b) Es werden jegliche Firmen mit Adressen der Geschäftsbeziehungen (internationale Lieferanten und Kunden) publiziert. Somit ist z.B. bei einer Importdatenbank einer starken Importnation nicht nur das publizierende (Ziel-)Land vorhanden, sondern auch die Daten von z.B. über 100 Exportländern weltweit. Wir bezeichnen derartige Daten als „volloffen“. c) In manchen Ländern werden auch Transitinformationen erfasst und publiziert. Hierbei handelt es sich genau genommen weder um einen Import noch um einen Export des publizierenden Landes, dies sind jeweils andere Nationen. Je nach Datenbank können diese Daten wiederum vom Typ a) oder b) sein.

Die Handelsdaten werden als Rohinformation erfasst, mittels vielfältiger Prozesse, Software und Algorithmen aufbereitet und einheitlich in einer normierten Datenbank zur Verfügung gestellt. Insgesamt beinhaltet die Datenbank somit über Informationen von über 10 Millionen Firmen weltweit, die im Zusammenhang mit über 400 Millionen Warensendungen stehen.

Die Handelsdaten werden kontinuierlich aktualisiert. Die Grundlage ist auch hier die Verfügbarkeit der nationalen Daten, welche uns zur Verfügung gestellt werden.

Einschränkungen

Nutzer des ABRAMS world trade wiki sollten über eine klare Vorstellung von den Grenzen des Portals verfügen, weshalb wir uns ausschließlich an Vertreter von professionellen Einrichtungen wie z.B. Behörden und Unternehmen wenden. Die nachfolgenden Punkte sollten Sie sorgfältig gelesen haben, bevor Sie mit den Tools und den Daten des Wissensportals arbeiten:

Wichtige Feststellung: Wird der gesamte Welthandel aufgezeigt? Klares Nein!

Sowohl die statistischen als auch die Handelsdaten bilden stets nur einen Teil der realen Handelswelt ab. Es geht nicht darum, wie viel Prozent verfügbar sind, sondern was generell an Wissen generiert werden kann, welches für Entscheider hilfreich sein kann. Somit muss klar sein, dass es hier um reine internationale, also über Ländergrenzen hinweg betrachtete Handelsbeziehungen geht. Rein nationale Aktivitäten von Unternehmen sind z.B. in den seltensten Fällen vorhanden. Demzufolge sind alle generierten Statistiken mit Prozentsätzen etc. generell und ausschließlich nur so zu verstehen, dass diese auf Basis der IDENTIFIZIERTEN Informationen beruhen.

Bezogen auf die statistischen Daten auf Basis von UN Comtrade verweisen wir ausdrücklich auf deren Disclaimer, der die Rahmenbedingungen für die Interpretation unserer darüber hinaus aufbereiteten Daten setzt. Der Disclaimer ist hier einsehbar: https://comtrade.un.org/db/help/uReadMeFirst.aspx

Die Kernpunkte sollen hier exemplarisch hervorgehoben werden, sind aber ausdrücklich nur ein Auszug aus dem offiziellen Disclaimer: Die Werte der publizierten detaillierten statistischen Daten sind nicht zwangsläufig identisch mit dem gesamten Handelswert eines bestimmten Landes. Aufgrund der Vertraulichkeit von speziellen Produktbereichen (z.B. Waffen) berichten manche Länder nur auf einem aggregierten Niveau und nicht auf Basis von Produktdetails. Beispielsweise werden Handelsdaten, die nicht für einen spezifischen 6-stelligen HS-Code gemeldet wurden, in den Handel für die 2-stellige HS-Code-Klasse aufgenommen.

Daten werden in über 20.000 möglichen HS-Code-Klassen gemeldet (i.d.R. 6-stellig international normiert). Grundlage hierfür ist eine identische HS-Nomenklatur, welche ca. alle 5 Jahre den aktuellen Markt- und Produktbedingungen angepasst wird. Leider verwenden diverse Länder nicht automatisch und vollumfänglich dieselbe und jüngste Nomenklatur, somit kann es auch hier Unschärfen bei der Beurteilung von Ländern untereinander oder bei der Betrachtung einer einzelnen Landesentwicklung selbst geben. Die Anpassungen sind nicht zu 100 Prozent aufwärts- und abwärtskompatibel (hier ist leider keine eineindeutige Zuordnung von einer jüngeren zu einer älteren Nomenklatur und umgekehrt möglich, da hier neben 1:n und n:1 auch n:n Beziehungen vorkommen können). Wenn somit Daten von einer neueren zu einer älteren Klassifikation konvertiert werden, kann es vorkommen, dass einige der umgewandelten HS-Codes mehr (oder weniger) Produkte enthalten, als dies in der offiziellen HS-Position vorgesehen ist. Für diese Fälle werden keine Anpassungen vorgenommen.

Exportdaten eines Landes sind unter Umständen nicht deckungsgleich mit den Importdaten des Partnerlandes. Die Unterschiede beruhen auf verschiedenen Faktoren wie der Bewertung (Exporte FOB, Importe CIF), Unterschiede in den Einschlüssen / Ausschlüssen bestimmter Rohstoffe, Zeitpunkt usw. Die Empfehlungen für die internationale Warenhandelsstatistik sind im "International Merchandise Trade Statistics Compiler Manual" zu finden. Weitere methodische Informationen finden Sie auf der gleichen Webseite.

Auf Basis der aufgezeigten Grenzen der statistischen Daten sei für Handelsdaten ergänzend aufgezeigt, dass diese je nach Quelle und Umfang der publizierten Daten auch nur einen Teil der internationalen Geschäfte aufzeigen. Hierbei kann es sich bei einer volloffenen Datenbank z.B. um umfassende Warensendungen auf dem Seeweg handeln, weil diese weitestgehend erfasst und publiziert werden, aber z.B. keinerlei Luftfracht und Fracht auf dem Landweg (Zug oder LKW) umfasst.

Weiterhin ist es möglich, dass einzelne Warensendungen aufgrund der Vereinheitlichung aller Datenbanken mehrfach vorkommen können, z.B. könnte die Warenlieferung eines chilenischen Unternehmens an einen Kunden in den USA in der chilenischen Exportdatenbank erfasst worden sein, ebenfalls aber auch in der Importdatenbank der USA. Soweit es uns möglich ist, versuchen wir derartige Warensendungen miteinander in Beziehung zu setzen, es können jedoch statistische Unschärfen im Rahmen von Auswertungen entstehen, welche z.B. im Bereich „Free Search“ oder in den Warensendungstabellen der „Company Transparency“ bei expliziter Analyse identifizierbar sind.

Wie auch bei statistischen Daten von Ländern möglich, kann es in eher seltenen Fällen auch vorkommen, dass aus einzelnen Ländern keine Handelsdaten mehr verfügbar sind. Dies kann temporär sein (technische Probleme) oder auch uneinschätzbar vom Zeitraum sein, z.B. im Falle von Kriegssituationen, Embargopolitik oder Gesetzesänderungen. In derartigen Fällen weisen alle betroffenen statistischen Auswertungen selbstredend Unschärfen auf.

Gelten spezielle Nutzungsbedingungen für das Wissensportal?

Ja, bevor Sie das Wissensportal ABRAMS world trade wiki nutzen, müssen Sie die Nutzungsbedingungen lesen und diesen zustimmen. Diese werden im Rahmen Ihrer persönlichen Registrierung aufgezeigt und sind jederzeit für Sie hier abrufbar.

  • Ihre Vorteile
  • Referenzen
  • Preise
  • Unternehmen
  • Karriere
    • Lösungen
      • Free Search
      • Market Intelligence
      • Sourcing Intelligence
      • Selling Intelligence
      • Company Transparency
      • Competitive Intelligence
      • Supply Chain Intelligence
      • Logistics Insights
    • Zur Datenbank
    • Service
      • FAQ
      • Glossar
      • HS-Code
      • Blog
      • Kontakt
      • Chat
    • ABRAMS world trade wiki Logo
      LinkedInFacebookYouTubeInstagram
    ABRAMS world trade wiki Logo
    • Datenschutzrichtlinie
    • AGB & Nutzungsbestimmungen
    • Sitemap
    • Impressum
    • © 2023