RUES: registry

Cobertura publicada

Registros

2,197,915

Última actualización

11 set. 2026

Frecuencia

monthly

Frescura

CURRENT

Identificador

nit

Búsqueda por nombre

Disponible

Conteo y frescura consultados desde api.latinfo.dev/sources durante el build del 2026-09-28.

Fuente primaria

• Dataset publisher: Cámara de Comercio de Santa Rosa de Cabal en datos.gov.co. La ficha oficial describe el recurso como una extracción nacional sincronizada en RUES a partir de los registros administrados por las cámaras de comercio.
• Data: Registro Único Empresarial y Social — padrón de empresas inscritas en Colombia, todos los estados (activa, cancelada, suspendida, etc.). Personas naturales excluidas por política juridical-only de Latinfo.
• Format: CSV UTF-8, ,-delimited, 36 columnas, 3,227,474,180 bytes (3.01 GiB) en el corte validado
• Registered: https://www.datos.gov.co/Industria-y-Comercio/Registro-nico-Empresarial-y-Social-RUES/c82u-588k

Cómo se procesa

1. Consultar el conteo oficial de Socrata y descargar el recurso en páginas ordenadas de 50,000 filas.
2. Exigir el número exacto de filas por página y reconciliar conteo y fingerprint antes y después de la descarga. El archivo solo se promueve desde .partial cuando coincide con las 9,324,004 filas oficiales.
3. Filtro: excluir registros donde organizacion_juridica contiene "PERSONA NATURAL".
4. Hacer un preflight completo de identidad: si el mismo cuerpo aparece con más de un DV oficial, excluir todas sus filas porque no es posible asignarlas de forma fiable a una entidad.
5. Filtro por NIT auditable: cuerpo de 6-9 dígitos y DV publicado válido cuando exista. Una fila compacta de 10 dígitos solo se acepta si el DV respalda el cuerpo. nit=0 nunca se publica.
6. Excluir el placeholder documentado 202020202, que agrupa 46 entidades distintas sin publicar DV.
7. numero_identificacion solo funciona como fallback cuando clase_identificacion=NIT y cumple la misma validación.
8. Extraer 22 campos por matrícula, incluyendo cámara, matrícula, fechas y procedencia del identificador.
9. Reemplazar tabs y saltos de línea embebidos en cada celda antes de serializar el TSV; exigir exactamente 28 columnas internas por fila para impedir desplazamientos silenciosos.
10. Ordenar por NIT y prioridad canónica: activa, fecha de actualización descendente, renovación descendente, cámara y matrícula.
11. buildBinaryFiles() → .bin + .idx (prefix 5).
12. buildSearchIndex() V3 sobre razon_social.
13. uploadWithManifest() a R2 y perfilar semánticamente el manifiesto publicado. El perfil exige que identificador_origen pertenezca al dominio cerrado nit | numero_identificacion.

Schedule monthly. El import conserva cada matrícula; la primera fila de cada NIT queda ordenada de manera determinista para compatibilidad con el endpoint legacy.

Campos publicados

Grano real: matrícula mercantil. Un NIT identifica la entidad y puede agrupar múltiples filas. El endpoint legacy mantiene un objeto canónico para no romper clientes; el perfil universal usa todas las filas contiguas y devuelve registrations[] con evidencia individual.

Limitaciones conocidas

• Tamaño: el CSV reconciliado pesó 3,227,474,180 bytes (3.01 GiB) el 2026-07-19. El importer conserva un cache con recibo URL + fingerprint upstream + bytes + conteo oficial + método; una descarga parcial o de otro corte nunca se reutiliza.
• Export masivo no confiable para completitud: rows.csv?accessType=DOWNLOAD entregó anteriormente un CSV bien formado pero truncado. El importer usa la API paginada, exige todas las filas y verifica que conteo y fingerprint no cambien durante la descarga.
• Fechas en YYYYMMDD sin separador: consistente, pero no es ISO.
• Estados raros: ~15 estados distintos. No filtramos por estado — devolvemos todos.
• Sentinelas de identidad: RUES contiene nit=0, NIT de 1-5 dígitos y registros SIN IDENTIFICACION. Se excluyen del índice tributario y permanecen medidos en los logs del import.
• Colisiones upstream: en el corte validado, 1,143 cuerpos fueron publicados con DV contradictorios y 3,191 filas quedaron excluidas. El preflight se recalcula en cada import; no se elige una empresa arbitrariamente.
• Placeholder sin DV: 202020202 agrupa 46 entidades de Barranquilla sin DV diferenciador y se excluye explícitamente. La excepción queda cubierta por pruebas y evidencia del corte completo.
• Múltiples matrículas: son observaciones esperadas, no duplicados accidentales. La prioridad canónica es explícita y el universal conserva todas.
• Caracteres de control en texto libre: la fuente contiene al menos una sigla con un tab literal. El valor se conserva como texto con espacio, sin permitir que cambie la posición de las columnas siguientes.
• Fechas sentinela o imposibles: el perfil universal conserva el valor oficial en evidencia y expone la fecha normalizada como null; una fecha inválida no invalida toda la empresa.