
上市公司人工智能采纳程度
一行代表一家上市公司在某一年的数据记录。
v2 生效中 · 2026/11/13 发布险种标签:企业财产险责任险时间跨度:2003–2021 年数据出处 出处待核实
- 记录
- 3.7 万
- 字段
- 11
- AI 扩增字段
- 0
- 平均非空率
- 100%
- 字段完整度
11 个字段,11 个没有空值
01字段
字段来源,逐一标明
共 11 个字段,其中 AI 扩增字段 0 个。非空率按当前版本的 36,550 行计算。
关于这个数据集
一行代表一家上市公司在某一年的数据记录。覆盖中国各省市的上市公司,包含机器账面价值、员工人数及人工智能采纳程度等指标。可用于评估企业技术升级风险、预测劳动力结构变化对保险业务的影响。
| 字段 | 类型 | 来源 | 非空率 | 可过滤 | 可返回 | 说明 |
|---|---|---|---|---|---|---|
| 股票代码stock_code含义:代码或编号键:股票代码。样本里格式符合 100%,100% 的行对上参照 listed-security-master、hk-security-master、stock-company-profile、neeq-company-info | 文本 | 原生 | 100% | — | ||
| 年份year含义:年份键:年份。样本里格式符合 100%,还没有参照 | 整数 | 原生 | 100% | — | ||
| 行业名称industry_name含义:类别键:行业名称。样本里格式符合 100%,还没有参照 | 文本 | 原生 | 100% | — | ||
| 行业代码industry_code含义:代码或编号键:大类证监会行业代码。样本里格式符合 100%,100% 的行对上参照 industry-classification | 文本 | 原生 | 100% | — | ||
| 所属省份province含义:地区键:省份名称。样本里格式符合 100%,还没有参照 | 文本 | 原生 | 100% | — | ||
| 所属城市city含义:地区 | 文本 | 原生 | 100% | — | ||
| 行政区划代码region_code含义:代码或编号键:省级区划代码(2025 年版)。样本里格式符合 100%,100% 的行对上参照 region-code-by-year | 文本 | 原生 | 100% | — | ||
| 机器账面价值machine_book_value_amount含义:金额(元) | 小数 | 原生 | 100% | 单位:元 | ||
| 员工人数employee_count含义:个数(个) | 整数 | 原生 | 100% | 单位:个。单位:人 原表列名:员工人数_个 | ||
| AI采纳程度ai_adoption_index | 小数 | 原生 | 100% | 测算指数 原表列名:人工智能的采纳程度 | ||
| AI采纳标准化ai_adoption_std | 小数 | 原生 | 100% | 标准化后的指数 原表列名:人工智能的采纳程度_标准化 |
02样本
先看样本,再做决定
这里显示当前版本的前 20 行。这个数据集没有敏感字段。
| # | 股票代码stock_code | 年份year | 行业名称industry_name | 行业代码industry_code | 所属省份province | 所属城市city | 行政区划代码region_code | 机器账面价值machine_book_value_amount | 员工人数employee_count | AI采纳程度ai_adoption_index | AI采纳标准化ai_adoption_std |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 000001 | 2003 | 货币金融服务 | J66 | 广东省 | 深圳市 | 440000 | 3564567692 | 6471 | 550852.67995673 | -0.0312710000685397 |
| 2 | 000001 | 2004 | 货币金融服务 | J66 | 广东省 | 深圳市 | 440000 | 4598460554 | 6999 | 657016.795827975 | -0.0269138095225 |
| 3 | 000001 | 2005 | 货币金融服务 | J66 | 广东省 | 深圳市 | 440000 | 4022065037 | 7142 | 563156.683982078 | -0.0307660187989485 |
| 4 | 000001 | 2007 | 货币金融服务 | J66 | 广东省 | 深圳市 | 440000 | 2958850000 | 8573 | 345135.891753179 | -0.0397140341141415 |
| 5 | 000001 | 2008 | 货币金融服务 | J66 | 广东省 | 深圳市 | 440000 | 3126192000 | 10381 | 301145.554378191 | -0.0415194867433505 |
| 6 | 000001 | 2009 | 货币金融服务 | J66 | 广东省 | 深圳市 | 440000 | 3356314000 | 11308 | 296808.807923594 | -0.0416974756099037 |
| 7 | 000001 | 2010 | 货币金融服务 | J66 | 广东省 | 深圳市 | 440000 | 4340394000 | 12203 | 355682.537081046 | -0.0392811784082574 |
| 8 | 000001 | 2011 | 货币金融服务 | J66 | 广东省 | 深圳市 | 440000 | 6269562000 | 13778 | 455041.515459428 | -0.0352032845012475 |
| 9 | 000001 | 2012 | 货币金融服务 | J66 | 广东省 | 深圳市 | 440000 | 6673818000 | 24251 | 275197.641334378 | -0.0425844416998923 |
| 10 | 000001 | 2013 | 货币金融服务 | J66 | 广东省 | 深圳市 | 440000 | 7312000000 | 34724 | 210574.818569289 | -0.0452366933585594 |
| 11 | 000001 | 2014 | 货币金融服务 | J66 | 广东省 | 深圳市 | 440000 | 7887000000 | 35069 | 224899.483874647 | -0.0446487800534707 |
| 12 | 000001 | 2015 | 货币金融服务 | J66 | 广东省 | 深圳市 | 440000 | 9303000000 | 37937 | 245222.342304347 | -0.0438146887421864 |
| 13 | 000001 | 2016 | 货币金融服务 | J66 | 广东省 | 深圳市 | 440000 | 13446000000 | 36885 | 364538.430256202 | -0.0389177145984488 |
| 14 | 000001 | 2017 | 货币金融服务 | J66 | 广东省 | 深圳市 | 440000 | 13812000000 | 32502 | 424958.464094517 | -0.0364379539178156 |
| 15 | 000001 | 2018 | 货币金融服务 | J66 | 广东省 | 深圳市 | 440000 | 17487000000 | 34626 | 505025.125628141 | -0.0331518558061866 |
| 16 | 000001 | 2019 | 货币金融服务 | J66 | 广东省 | 深圳市 | 440000 | 18584000000 | 34253 | 542551.01742913 | -0.031611717128959 |
| 17 | 000001 | 2020 | 货币金融服务 | J66 | 广东省 | 深圳市 | 440000 | 19059000000 | 38097 | 500275.612252933 | -0.0333467854639802 |
| 18 | 000002 | 2003 | 房地产业 | K70 | 广东省 | 深圳市 | 440000 | 406542374.42 | 7025 | 57870.8006291815 | -0.0515039758376774 |
| 19 | 000002 | 2004 | 房地产业 | K70 | 广东省 | 深圳市 | 440000 | 382583082.01 | 9627 | 39740.6338433572 | -0.0522480746385671 |
| 20 | 000002 | 2005 | 房地产业 | K70 | 广东省 | 深圳市 | 440000 | 388447010.18 | 10961 | 35439.0119678861 | -0.0524246219211835 |
03版本
每次发布,都留记录
发布后的数据版本不能修改。更正时发布新版本,旧版本保留。
版本 v22026/11/13 发布
生效中36,550 行 · 11 个字段 · 初始导入
版本 v12026/11/13 发布
历史版本36,550 行 · 11 个字段 · 初始导入
04关联
和其他数据集,按键连起来
按键连到地区、企业、行业,能和不少于 79 个数据集连接。另外,它带年份或日期,能和其他数据集按时间对齐。共享同一种键的数据集能连接。按共享的键分组,对上的行多的在前。
按 证监会行业大类 + 省份 + 股票代码 + 年份 能连
34 个数据集 · 本数据集 36,546 行有证监会行业大类- 上市公司行业地域信息企业主体 · 7 万 行 · 连接字段 stock_code、industry_code、year、province按证监会行业大类对上本数据集 36,546 行(99%)
- 上市公司跨境电商DID企业主体 · 6.9 万 行 · 连接字段 year、stock_code、industry_code、province按证监会行业大类对上本数据集 36,546 行(99%)
- 上市公司气候风险指数企业主体 · 6.7 万 行 · 连接字段 stock_code、year、province、industry_code按证监会行业大类对上本数据集 36,546 行(99%)
- 上市公司年报AI词频企业主体 · 6.2 万 行 · 连接字段 stock_code、province、industry_code、year按证监会行业大类对上本数据集 36,546 行(99%)
- 上市公司所在城市低碳试点标记企业主体 · 5.8 万 行 · 连接字段 province_code、stock_code、industry_code、year按证监会行业大类对上本数据集 36,546 行(99%)
- 上市公司对外开放程度企业主体 · 5.8 万 行 · 连接字段 stock_code、industry_code、province、year按证监会行业大类对上本数据集 36,546 行(99%)
- 上市公司行业异质性企业主体 · 5.4 万 行 · 连接字段 province、industry_code、year、stock_code按证监会行业大类对上本数据集 36,546 行(99%)
- 上市公司劳动力与资产指标企业主体 · 5.3 万 行 · 连接字段 industry_code、province、stock_code、year按证监会行业大类对上本数据集 36,546 行(99%)
- 上市公司融资约束企业主体 · 5.2 万 行 · 连接字段 year、stock_code、province、industry_code按证监会行业大类对上本数据集 36,546 行(99%)
- 上市公司省级政策匹配企业主体 · 4.9 万 行 · 连接字段 stock_code、province、industry_code_c、year按证监会行业大类对上本数据集 36,546 行(99%)
- 上市公司年报语气指标企业主体 · 4.7 万 行 · 连接字段 province、industry_code、year、stock_code按证监会行业大类对上本数据集 36,546 行(99%)
- 上市公司社会责任报告信息企业主体 · 4 万 行 · 连接字段 province、industry_code、stock_code、date按证监会行业大类对上本数据集 36,546 行(99%)
按 证监会行业大类 + 股票代码 + 年份 能连
44 个数据集 · 本数据集 36,546 行有证监会行业大类- 上市公司年报数字化词频企业主体 · 969 万 行 · 连接字段 industry_code、stock_code、year按证监会行业大类对上本数据集 36,546 行(99%)
- 上市公司基础财务企业主体 · 7.7 万 行 · 连接字段 industry_code、stock_code、year按证监会行业大类对上本数据集 36,546 行(99%)
- 上市公司盈利能力企业主体 · 7.4 万 行 · 连接字段 industry_code、stock_code、year按证监会行业大类对上本数据集 36,546 行(99%)
- 上市公司发展能力企业主体 · 7.4 万 行 · 连接字段 industry_code、stock_code、year按证监会行业大类对上本数据集 36,546 行(99%)
- 上市公司财务基础企业主体 · 6.7 万 行 · 连接字段 industry_code、year、stock_code按证监会行业大类对上本数据集 36,546 行(99%)
- 上市公司勒纳指数企业主体 · 6.6 万 行 · 连接字段 year、stock_code、industry_code按证监会行业大类对上本数据集 36,546 行(99%)
- 上市公司资产专用性指标企业主体 · 5.8 万 行 · 连接字段 stock_code、year、industry_code按证监会行业大类对上本数据集 36,546 行(99%)
- 上市公司融资约束SA指数企业主体 · 5.7 万 行 · 连接字段 industry_code、listed_date、stock_code按证监会行业大类对上本数据集 36,546 行(99%)
- 上市公司WW融资约束指数企业主体 · 5.7 万 行 · 连接字段 stock_code、industry_code、report_date按证监会行业大类对上本数据集 36,546 行(99%)
- 上市公司绿色投资者企业主体 · 5.7 万 行 · 连接字段 stock_code、year、industry_code_2按证监会行业大类对上本数据集 36,546 行(99%)
- 上市公司高管党员统计企业主体 · 5.7 万 行 · 连接字段 year、industry_code_1、stock_code按证监会行业大类对上本数据集 36,546 行(99%)
- 上市公司党组织设立企业主体 · 5.7 万 行 · 连接字段 year、industry_code、stock_code按证监会行业大类对上本数据集 36,546 行(99%)
按 省份 + 股票代码 + 年份 能连
30 个数据集 · 本数据集 36,542 行有省份- 新三板公司基本信息参照企业主体 · 1.3 万 行 · 连接字段 province、stock_code、establish_date按省份对上本数据集 36,542 行(99%)
- 沪深京上市证券参照企业主体 · 6,057 行 · 连接字段 province、ts_code、list_date按省份对上本数据集 36,542 行(99%)
- 上市公司政府采购合同工程项目 · 19 万 行 · 连接字段 contract_date、buyer_province、stock_code按省份对上本数据集 36,542 行(99%)
- 上市公司周边宗教场所统计企业主体 · 17.4 万 行 · 连接字段 province、stock_code、year按省份对上本数据集 36,542 行(99%)
- 上市公司绿色信贷匹配企业主体 · 5.8 万 行 · 连接字段 year、stock_code、province按省份对上本数据集 36,542 行(99%)
- 上市公司供应链试点匹配企业主体 · 5.8 万 行 · 连接字段 province、stock_code、year按省份对上本数据集 36,542 行(99%)
- 上市公司供应链城市试点匹配企业主体 · 5.8 万 行 · 连接字段 stock_code、province、year按省份对上本数据集 36,542 行(99%)
- 上市公司高铁开通匹配企业主体 · 5.7 万 行 · 连接字段 stock_code、year、province按省份对上本数据集 36,542 行(99%)
- 上市公司绿色专利占比企业主体 · 5.6 万 行 · 连接字段 stock_code、year、province按省份对上本数据集 36,542 行(99%)
- 上市公司专利创新绩效企业主体 · 5.6 万 行 · 连接字段 province、stock_code、year按省份对上本数据集 36,542 行(99%)
- 上市公司托宾Q值企业主体 · 5.1 万 行 · 连接字段 year、province、stock_code按省份对上本数据集 36,542 行(99%)
- 上市公司数字化与绿色创新企业主体 · 5 万 行 · 连接字段 stock_code、province、year按省份对上本数据集 36,542 行(99%)
按 省份 + 年份 能连
510 个数据集 · 本数据集 36,542 行有省份- 历年县级以上行政区划代码参照区域底数 · 14.3 万 行 · 连接字段 year、province_code按省份对上本数据集 36,542 行(99%)
- 海关进出口商品统计区域底数 · 2639.9 万 行 · 连接字段 year、province_name按省份对上本数据集 36,542 行(99%)
- 全国兴趣点高德地图建筑设施 · 2200 万 行 · 连接字段 page_publish_time、pname按省份对上本数据集 36,542 行(99%)
- 县市逐日天气自然灾害 · 1509.2 万 行 · 连接字段 province、date按省份对上本数据集 36,542 行(99%)
- 县级日度夜间灯光区域底数 · 1313 万 行 · 连接字段 province、date按省份对上本数据集 36,542 行(99%)
- 全国行政村淘宝村DID面板区域底数 · 1056.8 万 行 · 连接字段 province_code、taobao_village_year按省份对上本数据集 36,542 行(99%)
- 地级市间月度人口迁徙区域底数 · 616.7 万 行 · 连接字段 origin_province、month按省份对上本数据集 36,542 行(99%)
- 全国工商企业注册信息企业主体 · 588.9 万 行 · 连接字段 province、reg_date按省份对上本数据集 36,542 行(99%)
- 地级市分行业创新指数区域底数 · 574.7 万 行 · 连接字段 province、year按省份对上本数据集 36,542 行(99%)
- 县级逐月降水量自然灾害 · 421.1 万 行 · 连接字段 province、year按省份对上本数据集 36,542 行(99%)
- 全国土地出让记录工程项目 · 351.2 万 行 · 连接字段 province、year按省份对上本数据集 36,542 行(99%)
- 县级逐月风速自然灾害 · 293.5 万 行 · 连接字段 year、province按省份对上本数据集 36,542 行(99%)
按 股票代码 + 年份 能连
188 个数据集 · 本数据集 36,550 行有股票代码- 上市公司月度ST状态企业主体 · 73.5 万 行 · 连接字段 stock_code、month按股票代码对上本数据集 36,550 行(100%)
- 上市公司现金流量表企业主体 · 52.9 万 行 · 连接字段 stock_code、date按股票代码对上本数据集 36,550 行(100%)
- 上市公司绿色专利面板企业主体 · 7.8 万 行 · 连接字段 stock_code、year按股票代码对上本数据集 36,550 行(100%)
- A股商誉治理财务企业主体 · 7.8 万 行 · 连接字段 year、stock_code按股票代码对上本数据集 36,550 行(100%)
- 沪深北全市场Z值企业主体 · 5.7 万 行 · 连接字段 stock_code、year按股票代码对上本数据集 36,550 行(100%)
- 上市公司审计与披露企业主体 · 5 万 行 · 连接字段 stock_code、year按股票代码对上本数据集 36,547 行(99%)
- A股全品类能耗折标企业主体 · 4.6 万 行 · 连接字段 year、stock_code按股票代码对上本数据集 36,515 行(99%)
- 上市公司绿色全要素生产率企业主体 · 4.6 万 行 · 连接字段 year、stock_code按股票代码对上本数据集 36,515 行(99%)
- 上市公司绿色化转型指数企业主体 · 4.6 万 行 · 连接字段 year、stock_code按股票代码对上本数据集 36,515 行(99%)
- 上市公司机器人渗透度企业主体 · 4.6 万 行 · 连接字段 year、stock_code按股票代码对上本数据集 36,515 行(99%)
- 上市公司污染排放企业主体 · 4.6 万 行 · 连接字段 stock_code、year按股票代码对上本数据集 36,515 行(99%)
- 上市公司存货净额企业主体 · 48.1 万 行 · 连接字段 date、stock_code按股票代码对上本数据集 36,462 行(99%)
按 证监会行业大类 + 年份 能连
3 个数据集 · 本数据集 36,546 行有证监会行业大类按 证监会行业大类 + 省份 能连
1 个数据集 · 本数据集 36,546 行有证监会行业大类按 省份 + 股票代码 能连
1 个数据集 · 本数据集 36,542 行有省份按 省份 能连
45 个数据集 · 本数据集 36,542 行有省份- 区县相邻关系明细区域底数 · 841 万 行 · 连接字段 province_code按省份对上本数据集 36,542 行(99%)
- 全国五级统计用区划代码区域底数 · 62 万 行 · 连接字段 province_code按省份对上本数据集 36,542 行(99%)
- 地级市空间权重关系区域底数 · 38.4 万 行 · 连接字段 province_code按省份对上本数据集 36,542 行(99%)
- 全国银行网点明细企业主体 · 12 万 行 · 连接字段 province按省份对上本数据集 36,542 行(99%)
- 各级别产业园区信息建筑设施 · 10.4 万 行 · 连接字段 province按省份对上本数据集 36,542 行(99%)
- 全国养老机构明细医疗药械 · 5.8 万 行 · 连接字段 region_code按省份对上本数据集 36,542 行(99%)
- 七普分省分行业就业人口区域底数 · 4.4 万 行 · 连接字段 region按省份对上本数据集 36,542 行(99%)
- 全国A级景区点位建筑设施 · 1.5 万 行 · 连接字段 province按省份对上本数据集 36,542 行(99%)
- 全国传统村落点位建筑设施 · 8,155 行 · 连接字段 province按省份对上本数据集 36,542 行(99%)
- 全国行政区划经纬度区域底数 · 3,445 行 · 连接字段 province按省份对上本数据集 36,542 行(99%)
- 区县和城市到港口和海岸线的距离区域底数 · 3,270 行 · 连接字段 province_code按省份对上本数据集 36,542 行(99%)
- 全国县级常住人口区域底数 · 3,052 行 · 连接字段 province按省份对上本数据集 36,542 行(99%)
按 股票代码 能连
2 个数据集 · 本数据集 36,550 行有股票代码只按年份能连:276 个数据集单独按年份连接多半没有意义,先看上面的组
按 年份 能连
276 个数据集- 全球双边贸易流量区域底数 · 2.2 亿 行 · 连接字段 year
- 出口企业产品质量企业主体 · 9912.4 万 行 · 连接字段 year
- 工企海关匹配对照企业主体 · 3137.8 万 行 · 连接字段 year
- 全球兴趣点建筑设施 · 2299.6 万 行 · 连接字段 created_date
- 全国气象站逐日观测自然灾害 · 993.2 万 行 · 连接字段 date
- 世行WDI国家指标区域底数 · 844.5 万 行 · 连接字段 year
- 全国格点逐年极端降水自然灾害 · 602.3 万 行 · 连接字段 year
- 主要城市兴趣点建筑设施 · 592 万 行 · 连接字段 date
- 美日韩港澳台传染病监测人口健康 · 502.5 万 行 · 连接字段 period_start
- 世界银行健康营养与人口统计人口健康 · 353.8 万 行 · 连接字段 year
- 城市环境关注度日度明细区域底数 · 313.8 万 行 · 连接字段 date
- 地级市城乡建设统计区域底数 · 208.6 万 行 · 连接字段 year
05字段规律
字段之间的规律
比如一一对应、谁先谁后。只帮你读懂数据,不用来连接。
还没有发现这个数据集的字段规律。
06授权与接入
申请授权,一次调用就能用上
试用立即生效,并送 500 点试用点数。授权后用 API Key 调用 REST 接口,按返回的行数扣点。
REST 调用示例
# 先把 API Key 放进环境变量:export WI_API_KEY=你的 API Keycurl -X POST 'https://wi.insightworld.cn/api/v1/datasets/listed-company-ai-adoption/query' \ -H "Authorization: Bearer $WI_API_KEY" \ -H 'Content-Type: application/json' \ -d '{"filters":[{"field":"stock_code","op":"eq","value":"000001"}],"limit":10}'
交给 Agent
- 以后开放
MCP
仍在使用 MCP 的 Agent 客户端,用 OAuth 连接后通过工具查询。