地级市数字普惠金融指数
一行代表一个地级市在某一年的数字普惠金融指数及其细分维度。
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：2011–2024 年数据出处 北京大学数字金融研究中心
- 记录
- 4,706
- 字段
- 18
- AI 扩增字段
- 2
- 平均非空率
- 91.6%
- 字段完整度
18 个字段，14 个没有空值，2 个 AI 扩增
01字段
字段来源，逐一标明
共 18 个字段，其中 AI 扩增字段 2 个。非空率按当前版本的 4,706 行计算。
关于这个数据集
一行代表一个地级市在某一年的数字普惠金融指数及其细分维度。覆盖全国地级市，包含总指数、覆盖广度、使用深度及支付、保险、信贷等具体业务指标。可用于评估区域金融发展水平、识别下沉市场潜力及进行区域风险评估。
| 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：year | ||
| 城市名称city规律 1：城市名称的字段规律字段规律：city_code由城市名称扩增得出。含义：地区键：城市名称。样本里格式符合 99%，还没有参照 | 文本 | 原生 | 100% | 2018年行政区划口径 原表列名：pref_name_year18 | ||
| 城市英文名city_eng含义：名称 | 文本 | 原生 | 100% | 原表列名：pref_name_year18_eng | ||
| 城市代码region_code含义：代码或编号 | 文本 | 原生 | 100% | 2018年行政区划口径 原表列名：pref_code_year18 | ||
| 旧城市名称city_old规律 1：旧城市名称的字段规律字段规律：city_old_code由旧城市名称扩增得出。含义：地区键：城市名称。样本里格式符合 99%，还没有参照 | 文本 | 原生 | 100% | 2014年行政区划口径 原表列名：pref_name_year14 | ||
| 旧城市代码region_code_old含义：代码或编号 | 文本 | 原生 | 100% | 2014年行政区划口径 原表列名：pref_code_year14 | ||
| 总指数index_aggregate | 小数 | 原生 | 100% | 原表列名：index_aggregate | ||
| 覆盖广度coverage_breadth | 小数 | 原生 | 100% | 原表列名：coverage_breadth | ||
| 使用深度usage_depth | 小数 | 原生 | 100% | 原表列名：usage_depth | ||
| 支付业务payment | 小数 | 原生 | 100% | 原表列名：payment | ||
| 保险业务insurance | 小数 | 原生 | 100% | 原表列名：insurance | ||
| 货币基金monetary_fund | 小数 | 原生 | 43% | 原表列名：monetary_fund | ||
| 投资业务investment | 小数 | 原生 | 79% | 原表列名：investment | ||
| 信贷业务credit | 小数 | 原生 | 99% | 原表列名：credit | ||
| 信用业务credit_investigation | 小数 | 原生 | 29% | 原表列名：credit_investigation | ||
| 数字化程度digitization_level | 小数 | 原生 | 100% | 原表列名：digitization_level | ||
| 城市区划代码city_code规律 1：城市区划代码的字段规律字段规律：city_code由城市名称扩增得出。含义：代码或编号键：市级区划代码。样本里格式符合 100%，100% 的行对上参照 region-name-alias | 文本 | 规则扩增第 2 级扩增查看溯源：城市区划代码 | 100%平均置信度 1.00校验少：不建议单独作为决策依据 | 由城市名称查行政区划参照得出的现行地级区划代码。程序查表，不用模型。对不上或置信度低的为空 | ||
| 旧城市区划代码city_old_code规律 1：旧城市区划代码的字段规律字段规律：city_old_code由旧城市名称扩增得出。含义：代码或编号键：市级区划代码。样本里格式符合 100%，100% 的行对上参照 region-name-alias | 文本 | 规则扩增第 2 级扩增查看溯源：旧城市区划代码 | 100%平均置信度 1.00校验少：不建议单独作为决策依据 | 由旧城市名称查行政区划参照得出的现行地级区划代码。程序查表，不用模型。对不上或置信度低的为空 |
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 | 城市名称city | 城市英文名city_eng | 城市代码region_code | 旧城市名称city_old | 旧城市代码region_code_old | 总指数index_aggregate | 覆盖广度coverage_breadth | 使用深度usage_depth | 支付业务payment | 保险业务insurance | 货币基金monetary_fund | 投资业务investment | 信贷业务credit | 信用业务credit_investigation | 数字化程度digitization_level | 城市区划代码city_code | 旧城市区划代码city_old_code |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 2011 | 北京市 | Beijing | 1100 | 北京市 | 1100 | 80.78 | 96.44 | 76.53 | 87.56 | 65.81 | — | — | 79.77 | — | 36.81 | 110000 | 110000 |
| 2 | 2012 | 北京市 | Beijing | 1100 | 北京市 | 1100 | 135.73 | 153.48 | 126.63 | 127.88 | 166.32 | — | — | 109.93 | — | 93.65 | 110000 | 110000 |
| 3 | 2013 | 北京市 | Beijing | 1100 | 北京市 | 1100 | 178.97 | 180.91 | 183.31 | 147.86 | 404.84 | 100 | — | 108.81 | — | 164.67 | 110000 | 110000 |
| 4 | 2014 | 北京市 | Beijing | 1100 | 北京市 | 1100 | 190.68 | 214.08 | 172.16 | 199.74 | 436.54 | 231.74 | 88 | 103.9 | — | 147.06 | 110000 | 110000 |
| 5 | 2015 | 北京市 | Beijing | 1100 | 北京市 | 1100 | 222.21 | 235.6 | 193.18 | 243.45 | 332.25 | 261.56 | 189.25 | 145.88 | 97.24 | 230.75 | 110000 | 110000 |
| 6 | 2016 | 北京市 | Beijing | 1100 | 北京市 | 1100 | 243.14345818335 | 246.724175285203 | 234.014419079997 | 285.599788954681 | 401.75410290643 | 285.093471789141 | 184.065885644523 | 175.598017768344 | 259.89957342471 | 247.923779633497 | 110000 | 110000 |
| 7 | 2017 | 北京市 | Beijing | 1100 | 北京市 | 1100 | 269.903254191677 | 260.838952833737 | 290.406817038969 | 301.767211056376 | 509.379970984901 | 292.436076199172 | 281.143902949848 | 180.340129124406 | 378.479527706121 | 262.591717446897 | 110000 | 110000 |
| 8 | 2018 | 北京市 | Beijing | 1100 | 北京市 | 1100 | 285.413992399475 | 277.896410070827 | 286.158586941991 | 315.205270625129 | 551.110748213687 | 256.889716791477 | 271.258278354003 | 167.7830617027 | 359.330000503168 | 308.901337552703 | 110000 | 110000 |
| 9 | 2019 | 北京市 | Beijing | 1100 | 北京市 | 1100 | 301.327113679127 | 297.460061859621 | 297.680680066903 | 325.372489384802 | 577.862555564416 | — | 296.744883886092 | 179.895082453138 | — | 320.740637292801 | 110000 | 110000 |
| 10 | 2020 | 北京市 | Beijing | 1100 | 北京市 | 1100 | 311.95750482778 | 308.126629997881 | 312.771077534019 | 333.761711416228 | 579.613388984389 | — | 366.611118879403 | 184.631149281264 | — | 323.147685902097 | 110000 | 110000 |
| 11 | 2021 | 北京市 | Beijing | 1100 | 北京市 | 1100 | 342.027362633141 | 357.24199390433 | 325.310366799485 | 339.155589167779 | 566.281461404619 | — | 424.478153597331 | 201.286810731614 | — | 322.187270699121 | 110000 | 110000 |
| 12 | 2022 | 北京市 | Beijing | 1100 | 北京市 | 1100 | 344.810640968172 | 375.873066318738 | 300.962006176974 | 295.403527073065 | 510.382928851363 | — | 383.147923676897 | 196.815264289602 | — | 321.9440600759 | 110000 | 110000 |
| 13 | 2023 | 北京市 | Beijing | 1100 | 北京市 | 1100 | 355.962901702281 | 389.22284468515 | 312.296766892202 | 297.484962186828 | 558.010512983363 | — | 379.178040502818 | 204.062072473418 | — | 325.509206862191 | 110000 | 110000 |
| 14 | 2024 | 北京市 | Beijing | 1100 | 北京市 | 1100 | 384.439933838464 | 420.360672259962 | 337.280508243578 | 321.283759161774 | 602.651354022032 | 0 | 409.512283743043 | 220.387038271291 | 0 | 351.549943411166 | 110000 | 110000 |
| 15 | 2011 | 天津市 | Tianjin | 1200 | 天津市 | 1200 | 73.7 | 86.3 | 66.72 | 71.02 | 77.06 | — | — | 61.92 | — | 44.79 | 120000 | 120000 |
| 16 | 2012 | 天津市 | Tianjin | 1200 | 天津市 | 1200 | 114.74 | 118.62 | 112.32 | 87.5 | 165.66 | — | — | 92.84 | — | 106.3 | 120000 | 120000 |
| 17 | 2013 | 天津市 | Tianjin | 1200 | 天津市 | 1200 | 151.01 | 144.61 | 155.83 | 122.43 | 347.43 | 82.01 | — | 92 | — | 163.41 | 120000 | 120000 |
| 18 | 2014 | 天津市 | Tianjin | 1200 | 天津市 | 1200 | 165.33 | 176.25 | 149.53 | 172.76 | 389.48 | 190.79 | 72.36 | 90.43 | — | 158 | 120000 | 120000 |
| 19 | 2015 | 天津市 | Tianjin | 1200 | 天津市 | 1200 | 193.66 | 192.46 | 169.11 | 210.9 | 309.43 | 219.8 | 158.95 | 128.64 | 75.63 | 242.21 | 120000 | 120000 |
| 20 | 2016 | 天津市 | Tianjin | 1200 | 天津市 | 1200 | 213.299821439405 | 200.96362838631 | 211.097691020374 | 249.150551002473 | 386.316275313677 | 251.836238105331 | 153.196793383693 | 165.774167170724 | 207.482469799409 | 258.048388204978 | 120000 | 120000 |
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4,706 行 · 18 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，能和不少于 24 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 城市 + 年份 能连
252 个数据集 · 本数据集 4,706 行有城市- 地级市分行业创新指数区域底数 · 574.7 万 行 · 连接字段 year、region_code按城市对上本数据集 4,706 行（100%）
- 县级逐月风速自然灾害 · 293.5 万 行 · 连接字段 city_code、year按城市对上本数据集 4,706 行（100%）
- 地级市日度夜间灯光区域底数 · 172.6 万 行 · 连接字段 date、region_code按城市对上本数据集 4,706 行（100%）
- 地级市社会经济指标区域底数 · 93.2 万 行 · 连接字段 year、region_code按城市对上本数据集 4,706 行（100%）
- 全国城市每日人口迁徙区域底数 · 65.1 万 行 · 连接字段 region_code、date按城市对上本数据集 4,706 行（100%）
- 地级市逐月降水量自然灾害 · 55.4 万 行 · 连接字段 region_code、year按城市对上本数据集 4,706 行（100%）
- 区县金融网点数量区域底数 · 39 万 行 · 连接字段 year、city_code按城市对上本数据集 4,706 行（100%）
- 地级市逐月风速自然灾害 · 37.8 万 行 · 连接字段 year、region_code按城市对上本数据集 4,706 行（100%）
- 金融机构网点明细保险市场 · 27.5 万 行 · 连接字段 approve_date、city_code按城市对上本数据集 4,706 行（100%）
- 中国新冠病例统计人口健康 · 12.5 万 行 · 连接字段 date、city_code按城市对上本数据集 4,706 行（100%）
- 县级矫正夜间灯光区域底数 · 8.9 万 行 · 连接字段 year、region_code按城市对上本数据集 4,706 行（100%）
- 地级市逐月闪电自然灾害 · 4.5 万 行 · 连接字段 region_code、year按城市对上本数据集 4,706 行（100%）
按 城市 能连
39 个数据集 · 本数据集 4,706 行有城市- 区县相邻关系明细区域底数 · 841 万 行 · 连接字段 city_code按城市对上本数据集 4,706 行（100%）
- 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 city_code按城市对上本数据集 4,706 行（100%）
- 地级市河流长度与密度自然灾害 · 368 行 · 连接字段 region_code按城市对上本数据集 4,706 行（100%）
- 全国养老机构点位医疗药械 · 5.8 万 行 · 连接字段 address_city_code按城市对上本数据集 4,693 行（99%）
- 全国A级景区点位建筑设施 · 1.5 万 行 · 连接字段 city_code按城市对上本数据集 4,693 行（99%）
- 统筹区异地就医开通状态保险市场 · 425 行 · 连接字段 region_code按城市对上本数据集 4,693 行（99%）
- 全国县级常住人口区域底数 · 3,052 行 · 连接字段 city_code按城市对上本数据集 4,692 行（99%）
- 全国行政区划代码参照区域底数 · 4,299 行 · 连接字段 parent_code按城市对上本数据集 4,689 行（99%）
- 地级市地形起伏度自然灾害 · 360 行 · 连接字段 region_code按城市对上本数据集 4,665 行（99%）
- 地级市宗族文化占比区域底数 · 338 行 · 连接字段 city_code按城市对上本数据集 4,653 行（98%）
- 全国五级统计用区划代码区域底数 · 62 万 行 · 连接字段 city_code按城市对上本数据集 4,650 行（98%）
- 地级市距港口距离区域底数 · 335 行 · 连接字段 city_code按城市对上本数据集 4,646 行（98%）
只按年份能连：833 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
833 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
- 上市公司专利被引统计企业主体 · 1432.1 万 行 · 连接字段 cited_apply_date
- 县级日度夜间灯光区域底数 · 1313 万 行 · 连接字段 date
- A股上市公司日交易行情企业主体 · 1239.1 万 行 · 连接字段 trade_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
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。
本数据集内2
- 扩增得出
city_code由城市名称扩增得出。
来自字段扩增地级市数字普惠金融指数地级市数字普惠金融指数 - 扩增得出
city_old_code由旧城市名称扩增得出。
来自字段扩增地级市数字普惠金融指数地级市数字普惠金融指数
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/region-digital-inclusive-finance-city/query' \ -H "Authorization: Bearer $WI_API_KEY" \ -H 'Content-Type: application/json' \ -d '{"filters":[{"field":"city","op":"eq","value":"北京市"}],"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。