SUNAT: ciiu

Cobertura publicada

Registros

904,451

Última actualización

20 set. 2026

Frecuencia

monthly

Frescura

CURRENT

Identificador

ruc

Búsqueda por nombre

Disponible

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

Fuente primaria

• Institution: SUNAT — Superintendencia Nacional de Aduanas y de Administración Tributaria (publicado vía Plataforma Nacional de Datos Abiertos, PCM)
• Data: Padrón RUC completo — a diferencia del padrón reducido (pe-sunat-padron), trae la actividad económica (CIIU) principal y secundaria, nº de trabajadores, condición de comercio exterior, tipo de contribuyente y sistema de contabilidad.
• Format: CSV ,-delimitado, latin1, dentro de un ZIP (~255 MB comprimido, ~3.5 GB expandido), 16 columnas con header.
• Registered: sí — datosabiertos.gob.pe, dataset "Padrón RUC SUNAT". Descarga oficial diseñada para distribución (sin auth, sin CAPTCHA).

Cómo se procesa

• Pipeline: script custom (src/imports/pe-sunat-ciiu.ts), patrón pe-oefa-sanctions + helpers de easypipe.
• Auto-discovery de URL mensual: resolveLatestUrl() consulta el endpoint CKAN, recorre result.resources[], matchea PadronRUC_(\d{6}) y elige el YYYYMM mayor. No hay URL hardcodeada → cuando SUNAT publica el mes nuevo, el import lo toma solo.
• Descarga: downloadVerified con User-Agent de browser (datosabiertos está tras CloudWAF y rechaza UAs no-browser).
• Parse: lee el CSV como latin1 directo vía readline stream (evita iconv sobre 3.5 GB). Descarta header y filas con <16 columnas.
• Filtro jurídicas: ^20\d{9}$. Se excluyen además los RUC en NATURAL_PERSON_20_DENYLIST (src/compliance.ts) — 11 personas naturales con RUC 20\* legacy (cola de los 90s) verificadas por razón social.
• ⚠ NO se filtra por la columna Tipo del CSV (col 3): es no confiable, mal-etiqueta como "PERSONA NATURAL CON NEGOCIO" a 23 empresas reales (S.A.C./E.I.R.L. con RUC nuevo 204-206xx). Filtrar por Tipo bloqueó esas 23 empresas (bug 2026-06-03, ej. ALTEC S.A.C., MERCADO PET). La señal confiable es la razón social del padrón reducido.
• Transformaciones: clean() colapsa whitespace y mapea NO DISPONIBLE → ''. ciiu_principal usa rev4 con fallback a rev3 (clean(c[6]) || clean(c[4])).
• Build: sort por RUC → buildBinaryFiles (sharded) → buildSearchIndex sobre ciiu_principal (searchFieldIndex 1 = posición en el array de fields servidos) → MPHF → uploadWithManifest.
• Prefijo de índice: prefix_length: 5. Debe mantenerse alineado con el .idx publicado; subirlo a 6 requiere reimportar la fuente completa antes de desplegar runtime.
• Lake: el mismo TSV canónico produce pe_company_activity en Parquet, con raw ZIP content-addressed y manifest atómico.
• Single-record por RUC. Lookup en /pe/sunat/ciiu/ruc/:id.
• Universal profile: /v1/companies/PE/:ruc consulta esta fuente en paralelo

con el padrón reducido. El texto principal se resuelve contra pe-inei-ciiu para entregar el código CIIU Rev. 4 y el label oficial ISIC en inglés cuando existe un match verificable. Una falla de este enriquecimiento no bloquea la identidad.

Campos publicados

Columnas del CSV upstream (0-indexed, con header) y su mapeo al binario:

13 campos servidos + ruc. Columnas CSV no servidas: 8 (TipoFacturacion), 15 (PERIODO_PUBLICACION).

Solapamiento con pe-sunat-padron

estado, condicion, ubigeo y ruc se solapan con pe-sunat-padron (mismo origen SUNAT). Se sirven igual para que el record sea auto-contenido en una sola llamada API. La card de /lookup los oculta para no duplicarlos visualmente — muestra solo lo exclusivo de esta fuente (CIIU, nº trabajadores, comercio exterior, tipo, contabilidad, nombres de depto/prov/distrito). Lo único de pe-sunat-padron: razón social + dirección de calle (tipo vía, número, etc.).

Limitaciones conocidas

• Columna Tipo no confiable: mal-etiqueta 23 empresas reales como "PERSONA NATURAL CON NEGOCIO". No usarla como señal de filtro (ver How it works). La denylist se mantiene a mano (11 RUC verificados por razón social); regenerarla requiere cruzar Tipo=PERSONA NATURAL contra la razón social del padrón reducido y quedarse con los sin sufijo societario.
• CIIU rev3 vs rev4: SUNAT está migrando de la revisión 3 a la 4 del CIIU. ciiu_principal prefiere rev4 y cae a rev3 si rev4 está vacío. Se conserva ciiu_r3_principal crudo para trazabilidad.
• ciiu_secundaria frecuentemente vacío: muchas empresas declaran solo actividad principal.
• Campos vacíos: NO DISPONIBLE del upstream se normaliza a string vacío. Una empresa puede traer CIIU vacío si SUNAT no lo registró.
• Estados no-ACTIVO incluidos: política Latinfo = devolver todo (no filtrar por estado). Cliente filtra si quiere.