上市公司研发与数字化
一行代表一家上市公司在某一年的研发投入与数字化转型指标。
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：2007–2020 年数据出处 出处待核实
- 记录
- 1.7 万
- 字段
- 17
- AI 扩增字段
- 0
- 平均非空率
- 83.0%
- 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 17,341 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研发投入与数字化转型指标。数据覆盖多年度面板数据，包含人工智能、区块链等技术应用标记及研发人员、投入金额等详细指标。可用于评估企业技术风险、创新能力及数字化转型对保险费率的影响。
| 字段 | 类型 | 来源 | 非空率 | 可过滤 | 可返回 | 说明 |
|---|---|---|---|---|---|---|
| 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% | 原表列名：SgnYear | ||
| 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% | 原表列名：Symbol | ||
| 人工智能技术ai_technology含义：类别 | 整数 | 原生 | 100% | 0/1标记 原表列名：AITechnology | ||
| 区块链技术blockchain_technology含义：类别 | 整数 | 原生 | 100% | 0/1标记 原表列名：BlockChainTechnology | ||
| 云计算技术cloud_computing_tech含义：类别 | 整数 | 原生 | 100% | 0/1标记 原表列名：CloudComputingTech | ||
| 大数据技术big_data_technology含义：类别 | 整数 | 原生 | 100% | 0/1标记 原表列名：BigDataTechnology | ||
| 数字技术应用digital_tech_application含义：类别 | 整数 | 原生 | 100% | 0/1标记 原表列名：DigitalTechApplication | ||
| 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% | 原表列名：IndustryCode | ||
| 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% | 原表列名：IndustryName | ||
| 研发人员数量rd_staff_count含义：人数（人） | 整数 | 原生 | 67% | 人 | ||
| 研发人员占比rd_staff_ratio含义：比率（%） | 小数 | 原生 | 66% | % 原表列名：研发人员数量占比(%) | ||
| 研发投入金额rd_investment_amount含义：金额（元） | 小数 | 原生 | 85% | 单位待核实，通常为万元或元 | ||
| 研发营收占比rd_revenue_ratio含义：比率（%） | 小数 | 原生 | 82% | % 原表列名：研发投入占营业收入比例(%) | ||
| 费用化研发金额rd_expense_amount含义：金额（元） | 小数 | 原生 | 27% | 单位待核实 原表列名：研发投入(支出)费用化的金额 | ||
| 资本化研发金额rd_capitalized_amount含义：金额（元） | 小数 | 原生 | 64% | 单位待核实 原表列名：研发投入(支出)资本化的金额 | ||
| 资本化研发占比rd_capitalized_ratio含义：比率（%） | 小数 | 原生 | 62% | % 原表列名：资本化研发投入(支出)占研发投入的比例(%) | ||
| 制造业工作内容manufacturing_content含义：文字说明 | 文本 | 原生 | 58% | 原表列名：制造业具体工作内容 |
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。
| # | 年份year | 股票代码stock_code | 人工智能技术ai_technology | 区块链技术blockchain_technology | 云计算技术cloud_computing_tech | 大数据技术big_data_technology | 数字技术应用digital_tech_application | 行业代码industry_code | 行业名称industry_name | 研发人员数量rd_staff_count | 研发人员占比rd_staff_ratio | 研发投入金额rd_investment_amount | 研发营收占比rd_revenue_ratio | 费用化研发金额rd_expense_amount | 资本化研发金额rd_capitalized_amount | 资本化研发占比rd_capitalized_ratio | 制造业工作内容manufacturing_content |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 2009 | 000001 | 0 | 0 | 0 | 0 | 2 | J66 | 货币金融服务 | — | — | — | — | — | — | — | — |
| 2 | 2010 | 000001 | 0 | 0 | 0 | 0 | 1 | J66 | 货币金融服务 | — | — | — | — | — | — | — | — |
| 3 | 2011 | 000001 | 0 | 0 | 0 | 1 | 2 | J66 | 货币金融服务 | — | — | — | — | — | — | — | — |
| 4 | 2012 | 000001 | 0 | 0 | 0 | 0 | 1 | J66 | 货币金融服务 | — | — | — | — | — | — | — | — |
| 5 | 2013 | 000001 | 1 | 0 | 0 | 0 | 15 | J66 | 货币金融服务 | — | — | — | — | — | — | — | — |
| 6 | 2014 | 000001 | 0 | 0 | 0 | 2 | 23 | J66 | 货币金融服务 | — | — | — | — | — | — | — | — |
| 7 | 2015 | 000001 | 1 | 0 | 9 | 0 | 12 | J66 | 货币金融服务 | — | — | — | — | — | — | — | — |
| 8 | 2016 | 000001 | 0 | 0 | 1 | 0 | 14 | J66 | 货币金融服务 | — | — | — | — | — | — | — | — |
| 9 | 2017 | 000001 | 9 | 0 | 1 | 5 | 7 | J66 | 货币金融服务 | — | — | — | — | — | — | — | — |
| 10 | 2018 | 000001 | 22 | 0 | 15 | 2 | 37 | J66 | 货币金融服务 | — | — | — | — | — | — | — | — |
| 11 | 2019 | 000001 | 21 | 0 | 15 | 3 | 48 | J66 | 货币金融服务 | — | — | — | — | — | — | — | — |
| 12 | 2020 | 000001 | 13 | 2 | 20 | 6 | 55 | J66 | 货币金融服务 | — | — | — | — | — | — | — | — |
| 13 | 2008 | 000002 | 0 | 0 | 0 | 0 | 3 | K70 | 房地产业 | — | — | — | — | — | — | — | — |
| 14 | 2013 | 000002 | 0 | 0 | 0 | 0 | 2 | K70 | 房地产业 | — | — | — | — | — | — | — | — |
| 15 | 2014 | 000002 | 0 | 0 | 0 | 0 | 12 | K70 | 房地产业 | — | — | — | — | — | — | — | — |
| 16 | 2015 | 000002 | 0 | 0 | 0 | 0 | 2 | K70 | 房地产业 | — | — | — | — | — | — | — | — |
| 17 | 2016 | 000002 | 0 | 0 | 1 | 0 | 1 | K70 | 房地产业 | — | — | — | — | — | — | — | — |
| 18 | 2017 | 000002 | 1 | 0 | 2 | 0 | 0 | K70 | 房地产业 | — | — | — | — | — | — | — | — |
| 19 | 2018 | 000002 | 1 | 0 | 3 | 0 | 2 | K70 | 房地产业 | — | — | 946064361.26 | — | 946064361.26 | — | — | — |
| 20 | 2019 | 000002 | 0 | 0 | 1 | 0 | 2 | K70 | 房地产业 | — | — | 1066676028.92 | — | 1066676028.92 | — | — | — |
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17,341 行 · 17 个字段 · 初始导入
版本 v12026/11/13 发布
历史版本17,341 行 · 17 个字段 · 初始导入
04关联
和其他数据集，按键连起来
按键连到企业、行业，能和不少于 31 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 + 股票代码 + 年份 能连
78 个数据集 · 本数据集 17,339 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、year、industry_code按证监会行业大类对上本数据集 17,339 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 17,339 行（99%）
- 上市公司盈利能力企业主体 · 7.4 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 17,339 行（99%）
- 上市公司发展能力企业主体 · 7.4 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 17,339 行（99%）
- 上市公司行业地域信息企业主体 · 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 17,339 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按证监会行业大类对上本数据集 17,339 行（99%）
- 上市公司财务基础企业主体 · 6.7 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 17,339 行（99%）
- 上市公司气候风险指数企业主体 · 6.7 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 17,339 行（99%）
- 上市公司勒纳指数企业主体 · 6.6 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 17,339 行（99%）
- 上市公司年报AI词频企业主体 · 6.2 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 17,339 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 year、stock_code、industry_code按证监会行业大类对上本数据集 17,339 行（99%）
- 上市公司对外开放程度企业主体 · 5.8 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 17,339 行（99%）
按 股票代码 + 年份 能连
218 个数据集 · 本数据集 17,341 行有股票代码- 沪深京上市证券参照企业主体 · 6,057 行 · 连接字段 list_date、ts_code按股票代码对上本数据集 17,341 行（100%）
- 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 17,341 行（100%）
- 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 17,341 行（100%）
- 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 17,341 行（100%）
- 上市公司绿色专利面板企业主体 · 7.8 万 行 · 连接字段 year、stock_code按股票代码对上本数据集 17,341 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 17,341 行（100%）
- 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按股票代码对上本数据集 17,341 行（100%）
- 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按股票代码对上本数据集 17,341 行（100%）
- 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、year按股票代码对上本数据集 17,341 行（100%）
- 沪深北全市场Z值企业主体 · 5.7 万 行 · 连接字段 year、stock_code按股票代码对上本数据集 17,341 行（100%）
- 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按股票代码对上本数据集 17,341 行（100%）
- 上市公司竞争对手DID面板企业主体 · 5.7 万 行 · 连接字段 year、stock_code按股票代码对上本数据集 17,341 行（100%）
按 证监会行业大类 + 年份 能连
3 个数据集 · 本数据集 17,339 行有证监会行业大类按 股票代码 能连
3 个数据集 · 本数据集 17,341 行有股票代码按 证监会行业大类 能连
1 个数据集 · 本数据集 17,339 行有证监会行业大类只按年份能连：786 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
786 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
- 海关进出口商品统计区域底数 · 2639.9 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
- 全国兴趣点高德地图建筑设施 · 2200 万 行 · 连接字段 page_publish_time
- 县市逐日天气自然灾害 · 1509.2 万 行 · 连接字段 date
- 县级日度夜间灯光区域底数 · 1313 万 行 · 连接字段 date
- 全国行政村淘宝村DID面板区域底数 · 1056.8 万 行 · 连接字段 taobao_village_year
- 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
- 地级市间月度人口迁徙区域底数 · 616.7 万 行 · 连接字段 month
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-rd-digital/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。