A股数字化与ESG
一行是一家上市公司一年的数字化转型程度、ESG评级及财务治理指标。覆盖中国A股上市公司。
v1 生效中 · 2026/11/13 发布险种标签：企业财产险责任险时间跨度：2010–2021 年数据出处 出处待核实
- 记录
- 3.9 万
- 字段
- 17
- AI 扩增字段
- 0
- 平均非空率
- 97.7%
- 字段完整度
17 个字段，9 个没有空值
01字段
字段来源，逐一标明
共 17 个字段，其中 AI 扩增字段 0 个。非空率按当前版本的 38,674 行计算。
关于这个数据集
一行是一家上市公司一年的数字化转型程度、ESG评级及财务治理指标。覆盖中国A股上市公司。可用于评估企业ESG风险及数字化对保险定价的影响。
| 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：多级区划代码（2020 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% | — | ||
| ESG评级esg_rating | 整数 | 原生 | 93% | 华证评级分值 原表列名：华证ESG评级 | ||
| 数字化转型程度digital_transformation_degree | 小数 | 原生 | 98% | 指标B 原表列名：数字化转型程度_B | ||
| 年末总资产total_assets_amount含义：金额（元） | 小数 | 原生 | 100% | 单位：元 原表列名：年末总资产_元 | ||
| 企业年龄company_age含义：时长（年） | 整数 | 原生 | 100% | 单位：年 | ||
| 营收增长率revenue_growth_ratio含义：比率（%） | 小数 | 原生 | 97% | 本期/上期 原表列名：营业收入与上期营业收入比 | ||
| 资产负债率debt_to_asset_ratio含义：比率（小数） | 小数 | 原生 | 82% | — | ||
| 独董占比independent_director_ratio含义：比率（小数） | 小数 | 原生 | 99% | 原表列名：独立董事占比 | ||
| 两职合一ceo_chairman_duality含义：是否 | 是非 | 原生 | 97% | 1是0否 | ||
| 第一大股东持股largest_shareholder_ratio含义：比率（%） | 小数 | 原生 | 96% | 原表列名：第一大股东持股比率 | ||
| 董事人数board_size含义：人数（人） | 整数 | 原生 | 99% | 单位：人 原表列名：董事人数_人 |
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 | ESG评级esg_rating | 数字化转型程度digital_transformation_degree | 年末总资产total_assets_amount | 企业年龄company_age | 营收增长率revenue_growth_ratio | 资产负债率debt_to_asset_ratio | 独董占比independent_director_ratio | 两职合一ceo_chairman_duality | 第一大股东持股largest_shareholder_ratio | 董事人数board_size |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 000001 | 2010 | 货币金融服务 | J66 | 广东省 | 深圳市 | 440300 | 8 | 7 | 727207076000 | 20 | 1.081548 | — | 0.3125 | 否 | 14.96 | 16 |
| 2 | 000001 | 2011 | 货币金融服务 | J66 | 广东省 | 深圳市 | 440300 | 8 | 14 | 1258176944000 | 21 | 1.037614 | — | 0.4444444444444444 | 否 | 42.16 | 18 |
| 3 | 000001 | 2012 | 货币金融服务 | J66 | 广东省 | 深圳市 | 440300 | 8 | 13 | 1606536760000 | 22 | 1.032993 | — | 0.4 | 否 | 42.16 | 20 |
| 4 | 000001 | 2013 | 货币金融服务 | J66 | 广东省 | 深圳市 | 440300 | 8 | 31 | 1891741000000 | 23 | 1.083487 | — | 0.4444444444444444 | 否 | 50.2 | 18 |
| 5 | 000001 | 2014 | 货币金融服务 | J66 | 广东省 | 深圳市 | 440300 | 8 | 65 | 2186459000000 | 24 | 1.016086 | — | 0.4583333333333333 | 否 | 50.2 | 24 |
| 6 | 000001 | 2015 | 货币金融服务 | J66 | 广东省 | 深圳市 | 440300 | 8 | 69 | 2507149000000 | 25 | 1.021824 | — | 0.35714285714285715 | 否 | 49.56 | 14 |
| 7 | 000001 | 2016 | 货币金融服务 | J66 | 广东省 | 深圳市 | 440300 | 8 | 62 | 2953434000000 | 26 | 0.980311 | — | 0.3636363636363637 | 否 | 49.56 | 11 |
| 8 | 000001 | 2017 | 货币金融服务 | J66 | 广东省 | 深圳市 | 440300 | 8 | 67 | 3248474000000 | 27 | 1.020611 | — | 0.3333333333333333 | 否 | 49.56 | 15 |
| 9 | 000001 | 2018 | 货币金融服务 | J66 | 广东省 | 深圳市 | 440300 | 8 | 178 | 3418592000000 | 28 | 1.215777 | — | 0.35714285714285715 | 否 | 49.56 | 14 |
| 10 | 000001 | 2019 | 货币金融服务 | J66 | 广东省 | 深圳市 | 440300 | 6 | 181 | 3939070000000 | 29 | 1.017167 | — | 0.38461538461538464 | 否 | 49.56 | 13 |
| 11 | 000001 | 2020 | 货币金融服务 | J66 | 广东省 | 深圳市 | 440300 | 6 | 184 | 4468514000000 | 30 | 0.957281 | — | 0.3333333333333333 | 否 | 49.56 | 15 |
| 12 | 000001 | 2021 | 货币金融服务 | J66 | 广东省 | 深圳市 | 440300 | 6 | 191 | 4921380000000 | 31 | 1.003188 | — | 0.3333333333333333 | 否 | 49.56 | 15 |
| 13 | 000002 | 2010 | 房地产业 | K70 | 广东省 | 深圳市 | 440300 | 9 | 15 | 215637551741.83 | 20 | 5.046833 | 0.746861 | 0.3636363636363637 | 否 | 14.73 | 11 |
| 14 | 000002 | 2011 | 房地产业 | K70 | 广东省 | 深圳市 | 440300 | 9 | 15 | 296208440030.05 | 21 | 4.557566 | 0.770997 | 0.3636363636363637 | 否 | 14.73 | 11 |
| 15 | 000002 | 2012 | 房地产业 | K70 | 广东省 | 深圳市 | 440300 | 9 | 19 | 378801615075.37 | 22 | 3.699265 | 0.783163 | 0.3636363636363637 | 否 | 14.72 | 11 |
| 16 | 000002 | 2013 | 房地产业 | K70 | 广东省 | 深圳市 | 440300 | 9 | 31 | 479205323490.54 | 23 | 3.269174 | 0.77997 | 0.3076923076923077 | 否 | 14.7 | 13 |
| 17 | 000002 | 2014 | 房地产业 | K70 | 广东省 | 深圳市 | 440300 | 9 | 51 | 508408755415.65 | 24 | 3.753701 | 0.772046 | 0.38461538461538464 | 否 | 14.91 | 13 |
| 18 | 000002 | 2015 | 房地产业 | K70 | 广东省 | 深圳市 | 440300 | 9 | 38 | 611295567689.29 | 25 | 3.953469 | 0.777015 | 0.3636363636363637 | 否 | 15.23 | 11 |
| 19 | 000002 | 2016 | 房地产业 | K70 | 广东省 | 深圳市 | 440300 | 9 | 37 | 830674213924.14 | 26 | 2.920584 | 0.805367 | 0.3636363636363637 | 否 | 15.24 | 11 |
| 20 | 000002 | 2017 | 房地产业 | K70 | 广东省 | 深圳市 | 440300 | 9 | 35 | 1165346917804.55 | 27 | 2.6601090000000003 | 0.839813 | 0.4 | 是 | 29.38 | 20 |
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 v12026/11/13 发布
生效中38,674 行 · 17 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 115 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 + 地区 + 省份 + 股票代码 + 年份 能连
15 个数据集 · 本数据集 38,673 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 year、stock_code、industry_code、province、city_code按证监会行业大类对上本数据集 38,673 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、province、city_code、industry_code按证监会行业大类对上本数据集 38,673 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、region_code按证监会行业大类对上本数据集 38,673 行（99%）
- 上市公司年报AI词频企业主体 · 6.2 万 行 · 连接字段 city_code、stock_code、year、industry_code、province按证监会行业大类对上本数据集 38,673 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、industry_code、stock_code、year、city_code按证监会行业大类对上本数据集 38,673 行（99%）
- 上市公司对外开放程度企业主体 · 5.8 万 行 · 连接字段 province、industry_code、stock_code、city_code、year按证监会行业大类对上本数据集 38,673 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 region_code、industry_code、province、stock_code、year按证监会行业大类对上本数据集 38,673 行（99%）
- 上市公司年报语气指标企业主体 · 4.7 万 行 · 连接字段 stock_code、year、industry_code、province、city_code按证监会行业大类对上本数据集 38,673 行（99%）
- 上市公司ESG与创新指标企业主体 · 3.7 万 行 · 连接字段 year、industry_code、province、city_code、stock_code按证监会行业大类对上本数据集 38,673 行（99%）
- 上市公司百度指数企业主体 · 3.5 万 行 · 连接字段 stock_code、industry_code、year、province、city_code按证监会行业大类对上本数据集 38,673 行（99%）
- 上市公司档案参照企业主体 · 5,704 行 · 连接字段 province、establish_date、stkcd、industry_code_c、city_code按证监会行业大类对上本数据集 38,650 行（99%）
- 上市公司供应链效率企业主体 · 7.1 万 行 · 连接字段 province、year、stock_code、city_code、industry_code按证监会行业大类对上本数据集 38,372 行（99%）
按 证监会行业大类 + 省份 + 股票代码 + 年份 能连
19 个数据集 · 本数据集 38,673 行有证监会行业大类- 上市公司行业异质性企业主体 · 5.4 万 行 · 连接字段 province、industry_code、stock_code、year按证监会行业大类对上本数据集 38,673 行（99%）
- 上市公司融资约束企业主体 · 5.2 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 38,673 行（99%）
- 上市公司省级政策匹配企业主体 · 4.9 万 行 · 连接字段 industry_code_c、province、stock_code、year按证监会行业大类对上本数据集 38,673 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、date、industry_code、stock_code按证监会行业大类对上本数据集 38,673 行（99%）
- A股ESG与财务企业主体 · 3.8 万 行 · 连接字段 industry_code、stock_code、province、year按证监会行业大类对上本数据集 38,673 行（99%）
- 上市公司人工智能采纳程度企业主体 · 3.7 万 行 · 连接字段 year、industry_code、stock_code、province按证监会行业大类对上本数据集 38,673 行（99%）
- 上市公司数字经济城市企业主体 · 1.2 万 行 · 连接字段 industry_code、stock_code、year、province按证监会行业大类对上本数据集 38,665 行（99%）
- 上市公司Wind ESG评级企业主体 · 14 万 行 · 连接字段 province、stock_code、year、industry_code按证监会行业大类对上本数据集 38,650 行（99%）
- 上市公司绿色创新与财务企业主体 · 2.3 万 行 · 连接字段 stock_code、year、industry_code、province按证监会行业大类对上本数据集 38,650 行（99%）
- 上市公司创新与地区数字金融企业主体 · 2.1 万 行 · 连接字段 province、industry_code、stock_code、accounting_period按证监会行业大类对上本数据集 38,650 行（99%）
- 上市公司富时罗素ESG评分企业主体 · 2 万 行 · 连接字段 province、stock_code、year、industry_code按证监会行业大类对上本数据集 38,650 行（99%）
- 全国上市公司注册发行企业主体 · 5,499 行 · 连接字段 province、stock_code、industry_code_c、listing_date按证监会行业大类对上本数据集 38,650 行（99%）
按 地区 + 省份 + 股票代码 + 年份 能连
11 个数据集 · 本数据集 38,663 行有地区- 上市公司绿色专利占比企业主体 · 5.6 万 行 · 连接字段 city_code、year、stock_code、province按地区对上本数据集 38,593 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、year、stock_code、city_code按地区对上本数据集 38,593 行（99%）
- 上市公司托宾Q值企业主体 · 5.1 万 行 · 连接字段 city_code、province、year、stock_code按地区对上本数据集 38,593 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、city_code按地区对上本数据集 38,593 行（99%）
- 上市公司数字化转型与企业创新面板企业主体 · 4.7 万 行 · 连接字段 year、stock_code、city_code、province按地区对上本数据集 38,593 行（99%）
- 上市公司商道融绿ESG评级面板企业主体 · 4.6 万 行 · 连接字段 year、stock_code、province、city_code按地区对上本数据集 38,593 行（99%）
- 上市公司ESG同群效应企业主体 · 4.2 万 行 · 连接字段 year、stock_code、province、city_code按地区对上本数据集 38,593 行（99%）
- 上市公司ESG与就业指标企业主体 · 4.2 万 行 · 连接字段 city_code、year、stock_code、province按地区对上本数据集 38,564 行（99%）
- 上市公司ESG与财务企业主体 · 3.9 万 行 · 连接字段 year、stock_code、city_code、province按地区对上本数据集 38,564 行（99%）
- 上市公司环保处罚累计次数企业主体 · 5,633 行 · 连接字段 cutoff_date、stock_code、province、city_code按地区对上本数据集 38,515 行（99%）
- 上市公司政府采购合同工程项目 · 19 万 行 · 连接字段 buyer_province、contract_date、company_city_code、stock_code按地区对上本数据集 36,570 行（94%）
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 38,673 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 stock_code、industry_code、year按证监会行业大类对上本数据集 38,673 行（99%）
- 上市公司基础财务企业主体 · 7.7 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 38,673 行（99%）
- 上市公司盈利能力企业主体 · 7.4 万 行 · 连接字段 stock_code、industry_code、year按证监会行业大类对上本数据集 38,673 行（99%）
- 上市公司发展能力企业主体 · 7.4 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 38,673 行（99%）
- 上市公司财务基础企业主体 · 6.7 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 38,673 行（99%）
- 上市公司勒纳指数企业主体 · 6.6 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 38,673 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 industry_code、year、stock_code按证监会行业大类对上本数据集 38,673 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 38,673 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、report_date、industry_code按证监会行业大类对上本数据集 38,673 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 38,673 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 38,673 行（99%）
- 上市公司党组织设立企业主体 · 5.7 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 38,673 行（99%）
按 省份 + 股票代码 + 年份 能连
19 个数据集 · 本数据集 38,664 行有省份- 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 38,664 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、province、stock_code按省份对上本数据集 38,664 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 year、stock_code、province按省份对上本数据集 38,664 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 year、province、stock_code按省份对上本数据集 38,664 行（99%）
- 上市公司高铁开通匹配企业主体 · 5.7 万 行 · 连接字段 province、year、stock_code按省份对上本数据集 38,664 行（99%）
- 上市公司ESG得分和同群均值企业主体 · 4.4 万 行 · 连接字段 year、stock_code、region_code按省份对上本数据集 38,664 行（99%）
- 上市公司低碳试点匹配企业主体 · 4.4 万 行 · 连接字段 stock_code、year、province按省份对上本数据集 38,664 行（99%）
- 新三板公司基本信息参照企业主体 · 1.3 万 行 · 连接字段 province、establish_date、stock_code按省份对上本数据集 38,663 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、year、stock_code按省份对上本数据集 38,663 行（99%）
- 上市公司市场化指数企业主体 · 4.3 万 行 · 连接字段 listing_date、stock_code、province按省份对上本数据集 38,663 行（99%）
- 上市公司供应链地理距离企业主体 · 4.2 万 行 · 连接字段 year、province、stock_code按省份对上本数据集 38,663 行（99%）
- 上市公司数字普惠金融企业主体 · 4.2 万 行 · 连接字段 stock_code、province、year按省份对上本数据集 38,663 行（99%）
按 地区 + 省份 + 年份 能连
7 个数据集 · 本数据集 38,663 行有地区- 城市建设统计指标区域底数 · 237.2 万 行 · 连接字段 year、region_code、province按地区对上本数据集 38,328 行（99%）
- 地区高新技术企业认定统计区域底数 · 4,737 行 · 连接字段 year、province、city_code按地区对上本数据集 37,564 行（97%）
- 城市二手房月度均价区域底数 · 4.3 万 行 · 连接字段 province、region_code、year按地区对上本数据集 37,034 行（95%）
- 城市二手房年度指标区域底数 · 4,119 行 · 连接字段 year、province、region_code按地区对上本数据集 37,034 行（95%）
- 全国机构养老服务机构建筑设施 · 3.9 万 行 · 连接字段 create_date、region_code、province按地区对上本数据集 28,870 行（74%）
- 全国社区养老设施建筑设施 · 19.7 万 行 · 连接字段 create_date、province、region_code按地区对上本数据集 17,277 行（44%）
- 全国台风登陆记录自然灾害 · 839 行 · 连接字段 region_code、province_code、landfall_date按地区对上本数据集 10,731 行（27%）
按 省份 + 年份 能连
503 个数据集 · 本数据集 38,664 行有省份- 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 38,664 行（99%）
- 县市逐日天气自然灾害 · 1509.2 万 行 · 连接字段 date、province按省份对上本数据集 38,664 行（99%）
- 县级逐月降水量自然灾害 · 421.1 万 行 · 连接字段 year、province按省份对上本数据集 38,664 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 38,664 行（99%）
- 中国手机基站地理信息建筑设施 · 186.8 万 行 · 连接字段 create_date、province按省份对上本数据集 38,664 行（99%）
- 工业企业出口技术复杂度企业主体 · 75.2 万 行 · 连接字段 year、customs_province按省份对上本数据集 38,664 行（99%）
- 金融机构许可证企业主体 · 59 万 行 · 连接字段 issue_date、province按省份对上本数据集 38,664 行（99%）
- 地级市逐月降水量自然灾害 · 55.4 万 行 · 连接字段 year、province按省份对上本数据集 38,664 行（99%）
- 地级市逐月风速自然灾害 · 37.8 万 行 · 连接字段 year、province按省份对上本数据集 38,664 行（99%）
- 县级逐月闪电自然灾害 · 34.2 万 行 · 连接字段 province、year按省份对上本数据集 38,664 行（99%）
- 省级环境关注度日度指数区域底数 · 27.5 万 行 · 连接字段 date、region_code按省份对上本数据集 38,664 行（99%）
- 县级逐年降水量自然灾害 · 20.4 万 行 · 连接字段 year、province按省份对上本数据集 38,664 行（99%）
按 股票代码 + 年份 能连
188 个数据集 · 本数据集 38,673 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 month、stock_code按股票代码对上本数据集 38,673 行（99%）
- 上市公司现金流量表企业主体 · 52.9 万 行 · 连接字段 date、stock_code按股票代码对上本数据集 38,673 行（99%）
- 上市公司存货净额企业主体 · 48.1 万 行 · 连接字段 stock_code、date按股票代码对上本数据集 38,673 行（99%）
- 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 38,673 行（99%）
- A股商誉治理财务企业主体 · 7.8 万 行 · 连接字段 stock_code、year按股票代码对上本数据集 38,673 行（99%）
- 上市公司年度违规次数企业主体 · 5 万 行 · 连接字段 stock_code、year按股票代码对上本数据集 38,673 行（99%）
- 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 38,663 行（99%）
- 上市公司竞争对手DID面板企业主体 · 5.7 万 行 · 连接字段 stock_code、year按股票代码对上本数据集 38,663 行（99%）
- 上市公司数字化转型指数（吴非）企业主体 · 4.8 万 行 · 连接字段 stock_code、year按股票代码对上本数据集 38,663 行（99%）
- 上市公司环境披露指数企业主体 · 4.7 万 行 · 连接字段 stock_code、year按股票代码对上本数据集 38,663 行（99%）
- 上市公司年报管理层讨论词频企业主体 · 5.4 万 行 · 连接字段 stock_code、year按股票代码对上本数据集 38,562 行（99%）
- 上市公司数字技术应用广度企业主体 · 6.1 万 行 · 连接字段 year、stock_code按股票代码对上本数据集 38,500 行（99%）
按 地区 + 年份 能连
5 个数据集 · 本数据集 38,663 行有地区- 地级市城乡建设统计区域底数 · 208.6 万 行 · 连接字段 region_code、year按地区对上本数据集 38,493 行（99%）
- 地级市土地出让金区域底数 · 1.2 万 行 · 连接字段 region_code、year按地区对上本数据集 38,485 行（99%）
- 各地区新能源汽车产量区域底数 · 240 行 · 连接字段 year、region_code按地区对上本数据集 18,862 行（48%）
- 各省专利受理授权统计区域底数 · 1.7 万 行 · 连接字段 year、region_code按地区对上本数据集 18,661 行（48%）
- 各省医疗服务项目代码医疗药械 · 32.5 万 行 · 连接字段 begin_date、regn按地区对上本数据集 14,410 行（37%）
按 证监会行业大类 + 年份 能连
3 个数据集 · 本数据集 38,673 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 38,673 行有证监会行业大类按 地区 + 省份 能连
1 个数据集 · 本数据集 38,663 行有地区按 省份 + 股票代码 能连
1 个数据集 · 本数据集 38,664 行有省份按 省份 能连
44 个数据集 · 本数据集 38,664 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 38,664 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 38,664 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 38,664 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 38,664 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 38,664 行（99%）
- 区县农业区划归属区域底数 · 2,877 行 · 连接字段 province按省份对上本数据集 38,664 行（99%）
- 省会城市间距离区域底数 · 1,089 行 · 连接字段 origin_province按省份对上本数据集 38,664 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 38,663 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 38,663 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 38,663 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 38,663 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 38,663 行（99%）
按 股票代码 能连
2 个数据集 · 本数据集 38,673 行有股票代码只按年份能连：271 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
271 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
- 上市公司数字词频企业主体 · 191.6 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-digital-esg/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。