Changes

              
    

          
          
        
        

            
f
1
{
f
1
{
            
2
  "SDGs": [],
2
  "SDGs": [],
            
3
  "author": null,
3
  "author": null,
            
4
  "author_email": null,
4
  "author_email": null,
            
5
  "creator_user_id": "2d6f4b88-ac2a-4d68-8d0f-7c6235b7b442",
5
  "creator_user_id": "2d6f4b88-ac2a-4d68-8d0f-7c6235b7b442",
            
6
  "extras": [
6
  "extras": [
            
7
    {
7
    {
            
8
      "key": "fields",
8
      "key": "fields",
            
9
      "value": "id, date, rtgs_vol, rtgs_val, neft_vol, neft_val, 
9
      "value": "id, date, rtgs_vol, rtgs_val, neft_vol, neft_val, 
            
10
aeps_vol, aeps_val, upi_vol, upi_val, imps_vol, imps_val, 
10
aeps_vol, aeps_val, upi_vol, upi_val, imps_vol, imps_val, 
            
11
nach_credit_vol, nach_credit_val, nach_debit_vol, nach_debit_val, 
11
nach_credit_vol, nach_credit_val, nach_debit_vol, nach_debit_val, 
            
12
netc_vol, netc_val, bbps_vol, bbps_val, cts_vol, cts_val, 
12
netc_vol, netc_val, bbps_vol, bbps_val, cts_vol, cts_val, 
            
13
credit_card_at_pos_and_e_commerce_vol, 
13
credit_card_at_pos_and_e_commerce_vol, 
            
14
credit_card_at_pos_and_e_commerce_val, 
14
credit_card_at_pos_and_e_commerce_val, 
            
15
debit_card_at_pos_and_e_commerce_vol, 
15
debit_card_at_pos_and_e_commerce_vol, 
            
16
debit_card_at_pos_and_e_commerce_val, 
16
debit_card_at_pos_and_e_commerce_val, 
            
17
ppis_card_at_pos_and_e_commerce_vol, 
17
ppis_card_at_pos_and_e_commerce_vol, 
            
18
ppis_card_at_pos_and_e_commerce_val, nfs_through_atms_vol, 
18
ppis_card_at_pos_and_e_commerce_val, nfs_through_atms_vol, 
            
19
nfs_through_atms_val, aeps_through_micro_atms_or_bcs_vol, 
19
nfs_through_atms_val, aeps_through_micro_atms_or_bcs_vol, 
            
20
aeps_through_micro_atms_or_bcs_val, credit_card_at_pos_vol, 
20
aeps_through_micro_atms_or_bcs_val, credit_card_at_pos_vol, 
            
21
credit_card_at_pos_val, credit_card_at_e_commerce_vol, 
21
credit_card_at_pos_val, credit_card_at_e_commerce_vol, 
            
22
credit_card_at_e_commerce_val, debit_card_at_pos_vol, 
22
credit_card_at_e_commerce_val, debit_card_at_pos_vol, 
            
23
debit_card_at_pos_val, debit_card_at_e_commerce_vol, 
23
debit_card_at_pos_val, debit_card_at_e_commerce_vol, 
            
24
debit_card_at_e_commerce_val, ppis_card_at_pos_vol, 
24
debit_card_at_e_commerce_val, ppis_card_at_pos_vol, 
            
25
ppis_card_at_pos_val, ppis_card_at_e_commerce_vol, 
25
ppis_card_at_pos_val, ppis_card_at_e_commerce_vol, 
            
26
ppis_card_at_e_commerce_val, government_securities_clearing_vol, 
26
ppis_card_at_e_commerce_val, government_securities_clearing_vol, 
            
27
government_securities_clearing_val, forex_clearing_vol, 
27
government_securities_clearing_val, forex_clearing_vol, 
            
28
forex_clearing_val, rupee_derivatives_vol, rupee_derivatives_val, id, 
28
forex_clearing_val, rupee_derivatives_vol, rupee_derivatives_val, id, 
            
29
date, m3, currency_with_public, demand_deposits_with_banks, 
29
date, m3, currency_with_public, demand_deposits_with_banks, 
            
30
time_deposits_with_banks, other_deposits_with_rbi, 
30
time_deposits_with_banks, other_deposits_with_rbi, 
            
31
reserve_bank_crd_to_gov_src, other_banks_crd_to_gov_src, 
31
reserve_bank_crd_to_gov_src, other_banks_crd_to_gov_src, 
            
32
reserve_bank_crd_to_comm_sctr_src, other_banks_crd_to_comm_sctr_src, 
32
reserve_bank_crd_to_comm_sctr_src, other_banks_crd_to_comm_sctr_src, 
            
33
net_foreign_exchange_assets_src, gov_currency_liab_to_public_src, 
33
net_foreign_exchange_assets_src, gov_currency_liab_to_public_src, 
            
34
net_non_monetary_liab_bnk_sctr_src, net_non_monetary_liab_rbi_src, id, 
34
net_non_monetary_liab_bnk_sctr_src, net_non_monetary_liab_rbi_src, id, 
            
35
year, state_name, state_code, district_name, district_code, region, 
35
year, state_name, state_code, district_name, district_code, region, 
            
36
population_group, no_of_offices, no_of_accounts, deposit_amount, id, 
36
population_group, no_of_offices, no_of_accounts, deposit_amount, id, 
            
37
year, state_name, state_code, district_name, district_code, 
37
year, state_name, state_code, district_name, district_code, 
            
38
bank_group, population_group, number_of_deposits, deposits, id, month, 
38
bank_group, population_group, number_of_deposits, deposits, id, month, 
            
39
bank_name, no_of_onsite_atms, no_of_offsite_atms, no_of_micro_atms, 
39
bank_name, no_of_onsite_atms, no_of_offsite_atms, no_of_micro_atms, 
            
40
no_of_pos_terminals, no_of_bharat_qr_codes, no_of_upi_qr_codes, 
40
no_of_pos_terminals, no_of_bharat_qr_codes, no_of_upi_qr_codes, 
            
41
no_of_credit_cards, no_of_debit_cards, 
41
no_of_credit_cards, no_of_debit_cards, 
            
42
credit_card_transactions_at_pos_volume, 
42
credit_card_transactions_at_pos_volume, 
            
43
credit_card_transactions_at_pos_value, 
43
credit_card_transactions_at_pos_value, 
            
44
credit_card_transactions_at_e_com_volume, 
44
credit_card_transactions_at_e_com_volume, 
            
45
credit_card_transactions_at_e_com_value, 
45
credit_card_transactions_at_e_com_value, 
            
46
credit_card_transactions_at_others_volume, 
46
credit_card_transactions_at_others_volume, 
            
47
credit_card_transactions_at_others_value, 
47
credit_card_transactions_at_others_value, 
            
48
debit_card_transactions_at_pos_volume, 
48
debit_card_transactions_at_pos_volume, 
            
49
debit_card_transactions_at_pos_value, 
49
debit_card_transactions_at_pos_value, 
            
50
debit_card_transactions_at_e_com_volume, 
50
debit_card_transactions_at_e_com_volume, 
            
51
debit_card_transactions_at_e_com_value, 
51
debit_card_transactions_at_e_com_value, 
            
52
debit_card_transactions_at_others_volume, 
52
debit_card_transactions_at_others_volume, 
            
53
debit_card_transactions_at_others_value, 
53
debit_card_transactions_at_others_value, 
            
54
cash_withdrawl_at_atm_using_credit_card_volume, 
54
cash_withdrawl_at_atm_using_credit_card_volume, 
            
55
cash_withdrawl_at_atm_using_credit_card_value, 
55
cash_withdrawl_at_atm_using_credit_card_value, 
            
56
cash_withdrawl_at_atm_using_debit_card_volume, 
56
cash_withdrawl_at_atm_using_debit_card_volume, 
            
57
cash_withdrawl_at_atm_using_debit_card_value, 
57
cash_withdrawl_at_atm_using_debit_card_value, 
            
58
cash_withdrawl_at_pos_using_debit_card_volume, 
58
cash_withdrawl_at_pos_using_debit_card_volume, 
            
59
cash_withdrawl_at_pos_using_debit_card_value, id, year, region, 
59
cash_withdrawl_at_pos_using_debit_card_value, id, year, region, 
            
60
state_name, state_code, district_name, district_code, 
60
state_name, state_code, district_name, district_code, 
            
61
population_group, bank_group, occupation_group, occupation_sub_group, 
61
population_group, bank_group, occupation_group, occupation_sub_group, 
            
62
no_of_accounts, credit_limit, amount_outstanding, id, month, 
62
no_of_accounts, credit_limit, amount_outstanding, id, month, 
            
63
center_name, bank_name, ecs_credit_users, ecs_credit_vol, 
63
center_name, bank_name, ecs_credit_users, ecs_credit_vol, 
            
64
ecs_credit_val, ecs_debit_users, ecs_debit_vol, ecs_debit_val, id, 
64
ecs_credit_val, ecs_debit_users, ecs_debit_vol, ecs_debit_val, id, 
            
65
month, bank_name, no_of_transactions, amt_of_transactions, 
65
month, bank_name, no_of_transactions, amt_of_transactions, 
            
66
active_users, id, month, bank_name, inward_interbank_volume, 
66
active_users, id, month, bank_name, inward_interbank_volume, 
            
67
inward_costumer_volume, inward_total_volume, inward_percentage_volume, 
67
inward_costumer_volume, inward_total_volume, inward_percentage_volume, 
            
68
inward_interbank_amt, inward_costumer_amt, inward_total_amt, 
68
inward_interbank_amt, inward_costumer_amt, inward_total_amt, 
            
69
inward_percentage_amt, outward_interbank_volume, 
69
inward_percentage_amt, outward_interbank_volume, 
            
70
outward_costumer_volume, outward_total_volume, 
70
outward_costumer_volume, outward_total_volume, 
            
71
outward_percentage_volume, outward_interbank_amt, 
71
outward_percentage_volume, outward_interbank_amt, 
            
72
outward_costumer_amt, outward_total_amt, outward_percentage_amt, id, 
72
outward_costumer_amt, outward_total_amt, outward_percentage_amt, id, 
            
73
month, bank_name, no_of_transactions, amt_of_transactions, 
73
month, bank_name, no_of_transactions, amt_of_transactions, 
            
74
no_of_active_costumers, id, month, bank_name, 
74
no_of_active_costumers, id, month, bank_name, 
            
75
no_of_debit_transactions, amt_of_debit_transactions, 
75
no_of_debit_transactions, amt_of_debit_transactions, 
            
76
no_of_credit_transactions, amt_of_credit_transactions"
76
no_of_credit_transactions, amt_of_credit_transactions"
            
77
    }
77
    }
            
78
  ],
78
  ],
            
79
  "groups": [],
79
  "groups": [],
            
80
  "id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
80
  "id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
            
81
  "isopen": true,
81
  "isopen": true,
            
82
  "license_id": "odc-by",
82
  "license_id": "odc-by",
            
83
  "license_title": "Open Data Commons Attribution License",
83
  "license_title": "Open Data Commons Attribution License",
            
84
  "license_url": "http://www.opendefinition.org/licenses/odc-by",
84
  "license_url": "http://www.opendefinition.org/licenses/odc-by",
            
85
  "maintainer": null,
85
  "maintainer": null,
            
86
  "maintainer_email": null,
86
  "maintainer_email": null,
            
87
  "metadata_created": "2023-10-06T09:18:23.619790",
87
  "metadata_created": "2023-10-06T09:18:23.619790",
            
n
88
  "metadata_modified": "2025-07-07T11:15:49.160052",
n
88
  "metadata_modified": "2025-07-07T11:15:54.867707",
            
89
  "name": "reserve-bank-of-india",
89
  "name": "reserve-bank-of-india",
            
90
  "notes": "The Reserve Bank of India (RBI) is the central banking 
90
  "notes": "The Reserve Bank of India (RBI) is the central banking 
            
91
institution of India, responsible for the issuance and supply of the 
91
institution of India, responsible for the issuance and supply of the 
            
92
Indian Rupee and the regulation of the money market. In the context of 
92
Indian Rupee and the regulation of the money market. In the context of 
            
93
data and information, RBI plays a pivotal role by regularly publishing 
93
data and information, RBI plays a pivotal role by regularly publishing 
            
94
a plethora of economic indicators, reports, and research. This 
94
a plethora of economic indicators, reports, and research. This 
            
95
includes data on interest rates, inflation, foreign exchange reserves, 
95
includes data on interest rates, inflation, foreign exchange reserves, 
            
96
banking statistics, monetary and credit policies, and more. 
96
banking statistics, monetary and credit policies, and more. 
            
97
Researchers, policymakers, investors, and the general public rely on 
97
Researchers, policymakers, investors, and the general public rely on 
            
98
the RBI's data for insights into the health and direction of the 
98
the RBI's data for insights into the health and direction of the 
            
99
Indian economy. Additionally, its publications often serve as 
99
Indian economy. Additionally, its publications often serve as 
            
100
authoritative sources for financial analysis, economic forecasting, 
100
authoritative sources for financial analysis, economic forecasting, 
            
101
and policy formulation in India.",
101
and policy formulation in India.",
            
102
  "num_resources": 13,
102
  "num_resources": 13,
            
103
  "num_tags": 1,
103
  "num_tags": 1,
            
104
  "organization": {
104
  "organization": {
            
105
    "approval_status": "approved",
105
    "approval_status": "approved",
            
106
    "created": "2022-12-05T03:44:54.080358",
106
    "created": "2022-12-05T03:44:54.080358",
            
107
    "description": "",
107
    "description": "",
            
108
    "id": "94317457-d297-4549-9640-7865034682c5",
108
    "id": "94317457-d297-4549-9640-7865034682c5",
            
109
    "image_url": "2023-12-08-070530.691105iSB-IDP-Logo.png",
109
    "image_url": "2023-12-08-070530.691105iSB-IDP-Logo.png",
            
110
    "is_organization": true,
110
    "is_organization": true,
            
111
    "name": "idp-organization",
111
    "name": "idp-organization",
            
112
    "state": "active",
112
    "state": "active",
            
113
    "title": "IDP organization",
113
    "title": "IDP organization",
            
114
    "type": "organization"
114
    "type": "organization"
            
115
  },
115
  },
            
116
  "owner_org": "94317457-d297-4549-9640-7865034682c5",
116
  "owner_org": "94317457-d297-4549-9640-7865034682c5",
            
117
  "private": false,
117
  "private": false,
            
118
  "relationships_as_object": [],
118
  "relationships_as_object": [],
            
119
  "relationships_as_subject": [],
119
  "relationships_as_subject": [],
            
120
  "resources": [
120
  "resources": [
            
121
    {
121
    {
            
122
      "additional_info": "The data published is only for RBI, NPCI 
122
      "additional_info": "The data published is only for RBI, NPCI 
            
123
operated systems and Card Networks (domestic Off-Us transactions). 
123
operated systems and Card Networks (domestic Off-Us transactions). 
            
124
\nRTGS data includes only Customer and Interbank transactions.\nAePS 
124
\nRTGS data includes only Customer and Interbank transactions.\nAePS 
            
125
data under Payment transactions include AePS Fund Transfers and BHIM 
125
data under Payment transactions include AePS Fund Transfers and BHIM 
            
126
Aadhaar Pay transactions.\nUPI data includes BHIM-UPI and USSD 
126
Aadhaar Pay transactions.\nUPI data includes BHIM-UPI and USSD 
            
127
transactions.\nNACH Credit data includes Aadhaar Payment Bridge System 
127
transactions.\nNACH Credit data includes Aadhaar Payment Bridge System 
            
128
(APBS) transactions.\nNETC figures are for FASTags linked with all 
128
(APBS) transactions.\nNETC figures are for FASTags linked with all 
            
129
instruments and hence would be different from monthly bulletin which 
129
instruments and hence would be different from monthly bulletin which 
            
130
only includes NETC linked to bank accounts\nBBPS data is not included 
130
only includes NETC linked to bank accounts\nBBPS data is not included 
            
131
in the monthly bulletin as the data is captured under other systems. 
131
in the monthly bulletin as the data is captured under other systems. 
            
132
\nFor complete data on Payment System Indicators, please refer to RBI 
132
\nFor complete data on Payment System Indicators, please refer to RBI 
            
133
Bulletin \u2013 Table 43 published on a monthly basis.\nData on 
133
Bulletin \u2013 Table 43 published on a monthly basis.\nData on 
            
134
Prepaid cards are only those that are processed by card networks.",
134
Prepaid cards are only those that are processed by card networks.",
            
135
      "cache_last_updated": null,
135
      "cache_last_updated": null,
            
136
      "cache_url": null,
136
      "cache_url": null,
            
137
      "created": "2023-10-06T11:21:01.687843",
137
      "created": "2023-10-06T11:21:01.687843",
            
138
      "data_extraction_page": 
138
      "data_extraction_page": 
            
139
ttps://www.rbi.org.in/Scripts/BS_PressReleaseDisplay.aspx?prid=49901",
139
ttps://www.rbi.org.in/Scripts/BS_PressReleaseDisplay.aspx?prid=49901",
            
140
      "data_insights": "What is the trend in the volume and value of 
140
      "data_insights": "What is the trend in the volume and value of 
            
141
digital transactions across various payment systems in India, and how 
141
digital transactions across various payment systems in India, and how 
            
142
is this changing over time?\n\nWhich payment systems are experiencing 
142
is this changing over time?\n\nWhich payment systems are experiencing 
            
143
the highest growth in transaction volume and value, and what factors 
143
the highest growth in transaction volume and value, and what factors 
            
144
are driving this growth?\n\nHow are consumers using different payment 
144
are driving this growth?\n\nHow are consumers using different payment 
            
145
systems, and what types of transactions are most commonly conducted 
145
systems, and what types of transactions are most commonly conducted 
            
146
through each system?\n\nWhat is the overall adoption rate of 
146
through each system?\n\nWhat is the overall adoption rate of 
            
147
electronic payment systems in India, and how does this compare to 
147
electronic payment systems in India, and how does this compare to 
            
148
other countries in the region?\n\nHow are changes in government 
148
other countries in the region?\n\nHow are changes in government 
            
149
policies and regulations affecting the use of electronic payment 
149
policies and regulations affecting the use of electronic payment 
            
150
systems in India, and what implications do these changes have for 
150
systems in India, and what implications do these changes have for 
            
151
financial institutions and consumers?\n\nWhat are the key challenges 
151
financial institutions and consumers?\n\nWhat are the key challenges 
            
152
facing the growth of electronic payment systems in India, and how can 
152
facing the growth of electronic payment systems in India, and how can 
            
153
these be addressed to ensure wider adoption and greater financial 
153
these be addressed to ensure wider adoption and greater financial 
            
154
inclusion?",
154
inclusion?",
            
155
      "data_last_updated": "2025-05-31",
155
      "data_last_updated": "2025-05-31",
            
156
      "data_retreival_date": "2025-07-03",
156
      "data_retreival_date": "2025-07-03",
            
157
      "datastore_active": true,
157
      "datastore_active": true,
            
158
      "description": "The Reserve Bank of India (RBI) has made 
158
      "description": "The Reserve Bank of India (RBI) has made 
            
159
available settlement data for select payment systems, capturing the 
159
available settlement data for select payment systems, capturing the 
            
160
volume and value of transactions made through payment systems operated 
160
volume and value of transactions made through payment systems operated 
            
161
by the RBI and National Payments Corporation of India (NPCI). his 
161
by the RBI and National Payments Corporation of India (NPCI). his 
            
162
dataset provides insights into the electronic payment systems which 
162
dataset provides insights into the electronic payment systems which 
            
163
facilitate various financial transactions across India.\nThe dataset 
163
facilitate various financial transactions across India.\nThe dataset 
            
164
covers transactions made through various payment systems including 
164
covers transactions made through various payment systems including 
            
165
National Electronic Funds Transfer (NEFT), Real-Time Gross Settlement 
165
National Electronic Funds Transfer (NEFT), Real-Time Gross Settlement 
            
166
(RTGS), Aadhaar enabled Payment System (AePS), Cheque Truncation 
166
(RTGS), Aadhaar enabled Payment System (AePS), Cheque Truncation 
            
167
System (CTS), Immediate Payment Service (IMPS), National Automated 
167
System (CTS), Immediate Payment Service (IMPS), National Automated 
            
168
Clearing House (NACH) and Unified Payments Interface (UPI). 
168
Clearing House (NACH) and Unified Payments Interface (UPI). 
            
169
Additionally, it includes the position of cash withdrawal transactions 
169
Additionally, it includes the position of cash withdrawal transactions 
            
170
using Automated Teller Machines (ATMs) and Banking Correspondents 
170
using Automated Teller Machines (ATMs) and Banking Correspondents 
            
171
(BCs).\nThe settlement data of select payment systems is a valuable 
171
(BCs).\nThe settlement data of select payment systems is a valuable 
            
172
resource for financial analysts, researchers, policymakers, and 
172
resource for financial analysts, researchers, policymakers, and 
            
173
financial institutions to analyze trends and patterns in payment 
173
financial institutions to analyze trends and patterns in payment 
            
174
transactions. It provides insights into the adoption of electronic 
174
transactions. It provides insights into the adoption of electronic 
            
175
payment systems, the growth of digital payments, and the changing 
175
payment systems, the growth of digital payments, and the changing 
            
176
nature of financial transactions in India.",
176
nature of financial transactions in India.",
            
177
      "district_no": "",
177
      "district_no": "",
            
178
      "format": "CSV",
178
      "format": "CSV",
            
179
      "frequency": "Daily",
179
      "frequency": "Daily",
            
180
      "gp_no": "",
180
      "gp_no": "",
            
181
      "granularity": "India",
181
      "granularity": "India",
            
182
      "hash": "",
182
      "hash": "",
            
183
      "id": "1f9367ac-01b0-4c82-83a1-4069d4340667",
183
      "id": "1f9367ac-01b0-4c82-83a1-4069d4340667",
            
184
      "idp_ready": true,
184
      "idp_ready": true,
            
185
      "last_modified": "2025-07-03T11:14:07.525263",
185
      "last_modified": "2025-07-03T11:14:07.525263",
            
186
      "lgd_mapping": "na",
186
      "lgd_mapping": "na",
            
187
      "metadata_modified": "2025-07-03T11:14:07.580155",
187
      "metadata_modified": "2025-07-03T11:14:07.580155",
            
188
      "methodology": "The specific data collection methodology for the 
188
      "methodology": "The specific data collection methodology for the 
            
189
Reserve Bank published settlement data of select payment systems is 
189
Reserve Bank published settlement data of select payment systems is 
            
190
not provided by RBI. However, it is likely that the data is collected 
190
not provided by RBI. However, it is likely that the data is collected 
            
191
through a combination of automated processes and manual data entry.",
191
through a combination of automated processes and manual data entry.",
            
192
      "mimetype": "text/csv",
192
      "mimetype": "text/csv",
            
193
      "mimetype_inner": null,
193
      "mimetype_inner": null,
            
194
      "name": "RBI Daily Digital Payments",
194
      "name": "RBI Daily Digital Payments",
            
195
      "no_indicators": "48",
195
      "no_indicators": "48",
            
196
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
196
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
            
197
      "position": 0,
197
      "position": 0,
            
198
      "resource_type": null,
198
      "resource_type": null,
            
199
      "similar_datasets": [],
199
      "similar_datasets": [],
            
200
      "similar_resources": "",
200
      "similar_resources": "",
            
201
      "size": 507184,
201
      "size": 507184,
            
202
      "sku": "rbi-payment_systems_settlements-in-dl-zau",
202
      "sku": "rbi-payment_systems_settlements-in-dl-zau",
            
203
      "state": "active",
203
      "state": "active",
            
204
      "states_uts_no": "",
204
      "states_uts_no": "",
            
205
      "tags": [
205
      "tags": [
            
206
        "Reserve Bank of India",
206
        "Reserve Bank of India",
            
207
        "Payment Systems",
207
        "Payment Systems",
            
208
        "Digital Transactions",
208
        "Digital Transactions",
            
209
        "ATMs\n Financial Inclusion",
209
        "ATMs\n Financial Inclusion",
            
210
        "Financtial Institutions",
210
        "Financtial Institutions",
            
211
        "Consumers"
211
        "Consumers"
            
212
      ],
212
      ],
            
213
      "tehsil_no": "",
213
      "tehsil_no": "",
            
214
      "url": 
214
      "url": 
            
215
-01b0-4c82-83a1-4069d4340667/download/rbi_daily_digital_payments.csv",
215
-01b0-4c82-83a1-4069d4340667/download/rbi_daily_digital_payments.csv",
            
216
      "url_type": "upload",
216
      "url_type": "upload",
            
217
      "years_covered": "2020-2025"
217
      "years_covered": "2020-2025"
            
218
    },
218
    },
            
219
    {
219
    {
            
220
      "additional_info": "nan",
220
      "additional_info": "nan",
            
221
      "cache_last_updated": null,
221
      "cache_last_updated": null,
            
222
      "cache_url": null,
222
      "cache_url": null,
            
223
      "created": "2023-10-06T12:25:30.912384",
223
      "created": "2023-10-06T12:25:30.912384",
            
224
      "data_extraction_page": 
224
      "data_extraction_page": 
            
225
E/#/dbie/reports/Statistics/Financial%20Sector/Monetary%20Statistics",
225
E/#/dbie/reports/Statistics/Financial%20Sector/Monetary%20Statistics",
            
226
      "data_insights": "How do trends in M3 compare with other key 
226
      "data_insights": "How do trends in M3 compare with other key 
            
227
economic indicators such as inflation and GDP growth?\nHow has the 
227
economic indicators such as inflation and GDP growth?\nHow has the 
            
228
COVID-19 pandemic impacted the money supply in India, and have there 
228
COVID-19 pandemic impacted the money supply in India, and have there 
            
229
been any notable trends or fluctuations?\nHow does the money supply in 
229
been any notable trends or fluctuations?\nHow does the money supply in 
            
230
India compare to that of other countries in the region?\nWhat is the 
230
India compare to that of other countries in the region?\nWhat is the 
            
231
relationship between M3 and key policy decisions made by the Reserve 
231
relationship between M3 and key policy decisions made by the Reserve 
            
232
Bank of India, such as changes in interest rates or reserve 
232
Bank of India, such as changes in interest rates or reserve 
            
233
requirements?",
233
requirements?",
            
234
      "data_last_updated": "updated fortnightly",
234
      "data_last_updated": "updated fortnightly",
            
235
      "data_retreival_date": "2024-03-15 00:00:00",
235
      "data_retreival_date": "2024-03-15 00:00:00",
            
236
      "datastore_active": true,
236
      "datastore_active": true,
            
237
      "description": "The Money Supply (M3) dataset is published by 
237
      "description": "The Money Supply (M3) dataset is published by 
            
238
the Reserve Bank of India (RBI) on a fortnightly basis and provides 
238
the Reserve Bank of India (RBI) on a fortnightly basis and provides 
            
239
information on the amount of money circulating in the Indian economy. 
239
information on the amount of money circulating in the Indian economy. 
            
240
This dataset covers the period from 2001 onwards and contains data on 
240
This dataset covers the period from 2001 onwards and contains data on 
            
241
the total money supply and its components and sources such as currency 
241
the total money supply and its components and sources such as currency 
            
242
with the public, demand deposits, time deposits, other deposits 
242
with the public, demand deposits, time deposits, other deposits 
            
243
etc.\n\nThe M3 dataset is an essential tool for policymakers, 
243
etc.\n\nThe M3 dataset is an essential tool for policymakers, 
            
244
economists, and researchers to understand the state of the Indian 
244
economists, and researchers to understand the state of the Indian 
            
245
economy and make informed decisions. ",
245
economy and make informed decisions. ",
            
246
      "district_no": "",
246
      "district_no": "",
            
247
      "format": "CSV",
247
      "format": "CSV",
            
248
      "frequency": "Fortnightly",
248
      "frequency": "Fortnightly",
            
249
      "gp_no": "",
249
      "gp_no": "",
            
250
      "granularity": "India",
250
      "granularity": "India",
            
251
      "hash": "",
251
      "hash": "",
            
252
      "id": "487f5d4e-4ac9-4015-9ed5-ee9066893982",
252
      "id": "487f5d4e-4ac9-4015-9ed5-ee9066893982",
            
253
      "idp_ready": true,
253
      "idp_ready": true,
            
254
      "last_modified": "2024-03-19T08:17:19.204175",
254
      "last_modified": "2024-03-19T08:17:19.204175",
            
255
      "lgd_mapping": "na",
255
      "lgd_mapping": "na",
            
256
      "metadata_modified": "2024-08-22T10:10:44.362499",
256
      "metadata_modified": "2024-08-22T10:10:44.362499",
            
257
      "methodology": "The Reserve Bank of India (RBI) collects the 
257
      "methodology": "The Reserve Bank of India (RBI) collects the 
            
258
Money Supply (M3) data through surveys and reports from various 
258
Money Supply (M3) data through surveys and reports from various 
            
259
financial institutions, including commercial banks, cooperative banks, 
259
financial institutions, including commercial banks, cooperative banks, 
            
260
regional rural banks, and other financial institutions.",
260
regional rural banks, and other financial institutions.",
            
261
      "mimetype": "text/csv",
261
      "mimetype": "text/csv",
            
262
      "mimetype_inner": null,
262
      "mimetype_inner": null,
            
263
      "name": "Money Stock M3",
263
      "name": "Money Stock M3",
            
264
      "no_indicators": "13",
264
      "no_indicators": "13",
            
265
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
265
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
            
266
      "position": 1,
266
      "position": 1,
            
267
      "resource_type": null,
267
      "resource_type": null,
            
268
      "similar_datasets": [],
268
      "similar_datasets": [],
            
269
      "size": 76919,
269
      "size": 76919,
            
270
      "sku": "rbi-money_stock-in-wk-sne",
270
      "sku": "rbi-money_stock-in-wk-sne",
            
271
      "state": "active",
271
      "state": "active",
            
272
      "states_uts_no": "",
272
      "states_uts_no": "",
            
273
      "tags": [
273
      "tags": [
            
274
        "Money Supply",
274
        "Money Supply",
            
275
        "Currency",
275
        "Currency",
            
276
        "Demand Deposits",
276
        "Demand Deposits",
            
277
        "Time Deposits",
277
        "Time Deposits",
            
278
        "Liabilities",
278
        "Liabilities",
            
279
        "Assets",
279
        "Assets",
            
280
        "Sources",
280
        "Sources",
            
281
        "Economic Indicators",
281
        "Economic Indicators",
            
282
        "Inflation"
282
        "Inflation"
            
283
      ],
283
      ],
            
284
      "tehsil_no": "",
284
      "tehsil_no": "",
            
285
      "url": 
285
      "url": 
            
286
rce/487f5d4e-4ac9-4015-9ed5-ee9066893982/download/money-stock-m3.csv",
286
rce/487f5d4e-4ac9-4015-9ed5-ee9066893982/download/money-stock-m3.csv",
            
287
      "url_type": "upload",
287
      "url_type": "upload",
            
288
      "village_no": "",
288
      "village_no": "",
            
289
      "years_covered": "2001-2024"
289
      "years_covered": "2001-2024"
            
290
    },
290
    },
            
291
    {
291
    {
            
292
      "additional_info": "",
292
      "additional_info": "",
            
293
      "cache_last_updated": null,
293
      "cache_last_updated": null,
            
294
      "cache_url": null,
294
      "cache_url": null,
            
295
      "created": "2023-10-07T05:56:50.564020",
295
      "created": "2023-10-07T05:56:50.564020",
            
296
      "data_extraction_page": 
296
      "data_extraction_page": 
            
297
enDocument/opendoc/openDocument.faces?logonSuccessful=true&shareId=1",
297
enDocument/opendoc/openDocument.faces?logonSuccessful=true&shareId=1",
            
298
      "data_insights": "Understanding the distribution of deposits 
298
      "data_insights": "Understanding the distribution of deposits 
            
299
across different population groups and regions in India.Identifying 
299
across different population groups and regions in India.Identifying 
            
300
areas where additional investment may be needed to improve access to 
300
areas where additional investment may be needed to improve access to 
            
301
banking services.Analyzing the impact of government policies and 
301
banking services.Analyzing the impact of government policies and 
            
302
economic trends on the banking sector.Identifying opportunities for 
302
economic trends on the banking sector.Identifying opportunities for 
            
303
banks to expand their operations in underserved areas.",
303
banks to expand their operations in underserved areas.",
            
304
      "data_last_updated": "2022",
304
      "data_last_updated": "2022",
            
305
      "data_retreival_date": "2022-09-04 00:00:00",
305
      "data_retreival_date": "2022-09-04 00:00:00",
            
306
      "datastore_active": true,
306
      "datastore_active": true,
            
307
      "description": "The Reserve Bank of India (RBI) provides data on 
307
      "description": "The Reserve Bank of India (RBI) provides data on 
            
308
the deposits of scheduled commercial banks as part of its database of 
308
the deposits of scheduled commercial banks as part of its database of 
            
309
the Indian economy. Scheduled commercial banks include public sector 
309
the Indian economy. Scheduled commercial banks include public sector 
            
310
banks, private sector banks, foreign banks, regional rural banks, and 
310
banks, private sector banks, foreign banks, regional rural banks, and 
            
311
other types of banks.\r\n\r\nThe dataset includes information on 
311
other types of banks.\r\n\r\nThe dataset includes information on 
            
312
various types of deposits such as savings deposits, term deposits, and 
312
various types of deposits such as savings deposits, term deposits, and 
            
313
demand deposits. It provides detailed information on the amount of 
313
demand deposits. It provides detailed information on the amount of 
            
314
deposits held by the banks, and number of accounts.",
314
deposits held by the banks, and number of accounts.",
            
315
      "district_no": "717",
315
      "district_no": "717",
            
316
      "format": "CSV",
316
      "format": "CSV",
            
317
      "frequency": "Yearly",
317
      "frequency": "Yearly",
            
318
      "gp_no": "",
318
      "gp_no": "",
            
319
      "granularity": "District",
319
      "granularity": "District",
            
320
      "hash": "",
320
      "hash": "",
            
321
      "id": "991a33ab-67c0-4748-9ded-012f449497be",
321
      "id": "991a33ab-67c0-4748-9ded-012f449497be",
            
322
      "idp_ready": true,
322
      "idp_ready": true,
            
323
      "last_modified": "2023-10-07T05:56:50.539958",
323
      "last_modified": "2023-10-07T05:56:50.539958",
            
324
      "lgd_mapping": "yes",
324
      "lgd_mapping": "yes",
            
325
      "metadata_modified": "2024-08-22T10:10:44.920464",
325
      "metadata_modified": "2024-08-22T10:10:44.920464",
            
326
      "methodology": "The District and Population Group-wise Deposits 
326
      "methodology": "The District and Population Group-wise Deposits 
            
327
of Scheduled Commercial Banks dataset is sourced from the Reserve Bank 
327
of Scheduled Commercial Banks dataset is sourced from the Reserve Bank 
            
328
of India (RBI) and is updated annually. The data is collected through 
328
of India (RBI) and is updated annually. The data is collected through 
            
329
the submission of monthly and quarterly returns by scheduled 
329
the submission of monthly and quarterly returns by scheduled 
            
330
commercial banks to the RBI. The data is then aggregated at the 
330
commercial banks to the RBI. The data is then aggregated at the 
            
331
district and population group level to produce the final dataset.",
331
district and population group level to produce the final dataset.",
            
332
      "mimetype": "",
332
      "mimetype": "",
            
333
      "mimetype_inner": null,
333
      "mimetype_inner": null,
            
334
      "name": "Population-group  Wise Deposits",
334
      "name": "Population-group  Wise Deposits",
            
335
      "no_indicators": "3",
335
      "no_indicators": "3",
            
336
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
336
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
            
337
      "position": 2,
337
      "position": 2,
            
338
      "resource_type": null,
338
      "resource_type": null,
            
339
      "similar_datasets": "",
339
      "similar_datasets": "",
            
340
      "size": 1114004,
340
      "size": 1114004,
            
341
      "sku": "rbi-groupwise_deposits_with_scbs-dt-yr-pop",
341
      "sku": "rbi-groupwise_deposits_with_scbs-dt-yr-pop",
            
342
      "state": "active",
342
      "state": "active",
            
343
      "states_uts_no": "36",
343
      "states_uts_no": "36",
            
344
      "tags": "",
344
      "tags": "",
            
345
      "tehsil_no": "",
345
      "tehsil_no": "",
            
346
      "url": 
346
      "url": 
            
347
c0-4748-9ded-012f449497be/download/populationgroup-wise-deposits.csv",
347
c0-4748-9ded-012f449497be/download/populationgroup-wise-deposits.csv",
            
348
      "url_type": "upload",
348
      "url_type": "upload",
            
349
      "village_no": "",
349
      "village_no": "",
            
350
      "years_covered": "2019-2022"
350
      "years_covered": "2019-2022"
            
351
    },
351
    },
            
352
    {
352
    {
            
353
      "additional_info": "",
353
      "additional_info": "",
            
354
      "cache_last_updated": null,
354
      "cache_last_updated": null,
            
355
      "cache_url": null,
355
      "cache_url": null,
            
356
      "created": "2023-10-07T05:57:30.367092",
356
      "created": "2023-10-07T05:57:30.367092",
            
357
      "data_extraction_page": "nan",
357
      "data_extraction_page": "nan",
            
358
      "data_insights": "The dataset provides information on the number 
358
      "data_insights": "The dataset provides information on the number 
            
359
of deposits and deposit amounts for different population groups in 
359
of deposits and deposit amounts for different population groups in 
            
360
each district for various categories of SCBs. The data can be used to 
360
each district for various categories of SCBs. The data can be used to 
            
361
analyze the financial behavior of different demographic groups, as 
361
analyze the financial behavior of different demographic groups, as 
            
362
well as the performance of different banks in different districts. For 
362
well as the performance of different banks in different districts. For 
            
363
example, one could analyze which demographic groups are saving the 
363
example, one could analyze which demographic groups are saving the 
            
364
most and which banks are attracting the most deposits in different 
364
most and which banks are attracting the most deposits in different 
            
365
districts.",
365
districts.",
            
366
      "data_last_updated": "2022",
366
      "data_last_updated": "2022",
            
367
      "data_retreival_date": "2022-09-04 00:00:00",
367
      "data_retreival_date": "2022-09-04 00:00:00",
            
368
      "datastore_active": true,
368
      "datastore_active": true,
            
369
      "description": "This dataset gives district-wise information on 
369
      "description": "This dataset gives district-wise information on 
            
370
the number of deposits and deposit amounts for every population group 
370
the number of deposits and deposit amounts for every population group 
            
371
in each category of Scheduled Commercial Banks",
371
in each category of Scheduled Commercial Banks",
            
372
      "district_no": "717",
372
      "district_no": "717",
            
373
      "format": "CSV",
373
      "format": "CSV",
            
374
      "frequency": "Yearly",
374
      "frequency": "Yearly",
            
375
      "gp_no": "",
375
      "gp_no": "",
            
376
      "granularity": "District",
376
      "granularity": "District",
            
377
      "hash": "",
377
      "hash": "",
            
378
      "id": "3d6dc991-9a60-47d6-b107-2e2536688e5e",
378
      "id": "3d6dc991-9a60-47d6-b107-2e2536688e5e",
            
379
      "idp_ready": true,
379
      "idp_ready": true,
            
380
      "last_modified": "2023-10-07T05:57:30.337929",
380
      "last_modified": "2023-10-07T05:57:30.337929",
            
381
      "lgd_mapping": "yes",
381
      "lgd_mapping": "yes",
            
382
      "metadata_modified": "2024-08-22T10:10:45.495583",
382
      "metadata_modified": "2024-08-22T10:10:45.495583",
            
383
      "methodology": "Reserve Bank of India collected the data from 
383
      "methodology": "Reserve Bank of India collected the data from 
            
384
SCBs and compiled it into a dataset.",
384
SCBs and compiled it into a dataset.",
            
385
      "mimetype": "",
385
      "mimetype": "",
            
386
      "mimetype_inner": null,
386
      "mimetype_inner": null,
            
387
      "name": "Bank-group Wise Deposits",
387
      "name": "Bank-group Wise Deposits",
            
388
      "no_indicators": "2",
388
      "no_indicators": "2",
            
389
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
389
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
            
390
      "position": 3,
390
      "position": 3,
            
391
      "resource_type": null,
391
      "resource_type": null,
            
392
      "similar_datasets": "",
392
      "similar_datasets": "",
            
393
      "size": 4699652,
393
      "size": 4699652,
            
394
      "sku": "rbi-bankgroup_wise_deposit_statistics-dt-yr-pth",
394
      "sku": "rbi-bankgroup_wise_deposit_statistics-dt-yr-pth",
            
395
      "state": "active",
395
      "state": "active",
            
396
      "states_uts_no": "36",
396
      "states_uts_no": "36",
            
397
      "tags": "",
397
      "tags": "",
            
398
      "tehsil_no": "",
398
      "tehsil_no": "",
            
399
      "url": 
399
      "url": 
            
400
991-9a60-47d6-b107-2e2536688e5e/download/bankgroup-wise-deposits.csv",
400
991-9a60-47d6-b107-2e2536688e5e/download/bankgroup-wise-deposits.csv",
            
401
      "url_type": "upload",
401
      "url_type": "upload",
            
402
      "village_no": "",
402
      "village_no": "",
            
403
      "years_covered": "2009-10 to 2017-18"
403
      "years_covered": "2009-10 to 2017-18"
            
404
    },
404
    },
            
405
    {
405
    {
            
406
      "additional_info": "nan",
406
      "additional_info": "nan",
            
407
      "cache_last_updated": null,
407
      "cache_last_updated": null,
            
408
      "cache_url": null,
408
      "cache_url": null,
            
409
      "created": "2023-10-07T06:53:04.021727",
409
      "created": "2023-10-07T06:53:04.021727",
            
410
      "data_extraction_page": 
410
      "data_extraction_page": 
            
411
"https://rbi.org.in/Scripts/ATMView.aspx",
411
"https://rbi.org.in/Scripts/ATMView.aspx",
            
412
      "data_insights": "This dataset enables detailed analyses of 
412
      "data_insights": "This dataset enables detailed analyses of 
            
413
India\u2019s evolving digital payment landscape, highlighting trends 
413
India\u2019s evolving digital payment landscape, highlighting trends 
            
414
in infrastructure deployment and consumer behavior across credit and 
414
in infrastructure deployment and consumer behavior across credit and 
            
415
debit card platforms. It supports policy assessments on financial 
415
debit card platforms. It supports policy assessments on financial 
            
416
inclusion by tracking the penetration of ATMs and digital acceptance 
416
inclusion by tracking the penetration of ATMs and digital acceptance 
            
417
points across bank categories. Additionally, the transaction-level 
417
points across bank categories. Additionally, the transaction-level 
            
418
data allows for monitoring shifts in consumer spending patterns, the 
418
data allows for monitoring shifts in consumer spending patterns, the 
            
419
effectiveness of QR-based payments, and the relative usage of cash 
419
effectiveness of QR-based payments, and the relative usage of cash 
            
420
versus digital modes. These insights are crucial for formulating 
420
versus digital modes. These insights are crucial for formulating 
            
421
strategies in digital finance, regulatory oversight, and 
421
strategies in digital finance, regulatory oversight, and 
            
422
infrastructure investment.",
422
infrastructure investment.",
            
423
      "data_last_updated": "2025-03-01",
423
      "data_last_updated": "2025-03-01",
            
424
      "data_retreival_date": "2025-07-07",
424
      "data_retreival_date": "2025-07-07",
            
n
425
      "datastore_active": false,
n
425
      "datastore_active": true,
            
426
      "description": "This dataset offers comprehensive statistics on 
426
      "description": "This dataset offers comprehensive statistics on 
            
427
banking infrastructure and card-based transactions in India from 2022 
427
banking infrastructure and card-based transactions in India from 2022 
            
428
onwards. It includes bank-level data on ATMs, PoS terminals, QR code 
428
onwards. It includes bank-level data on ATMs, PoS terminals, QR code 
            
429
adoption, and transaction volumes and values for both credit and debit 
429
adoption, and transaction volumes and values for both credit and debit 
            
430
cards. Sourced from the Reserve Bank of India, the data is valuable 
430
cards. Sourced from the Reserve Bank of India, the data is valuable 
            
431
for researchers, financial analysts, and policymakers interested in 
431
for researchers, financial analysts, and policymakers interested in 
            
432
digital payments, banking access, and consumer financial behavior.",
432
digital payments, banking access, and consumer financial behavior.",
            
433
      "district_no": "0",
433
      "district_no": "0",
            
434
      "format": "CSV",
434
      "format": "CSV",
            
435
      "frequency": "Monthly",
435
      "frequency": "Monthly",
            
436
      "gp_no": "0",
436
      "gp_no": "0",
            
437
      "granularity": "All India",
437
      "granularity": "All India",
            
438
      "hash": "",
438
      "hash": "",
            
439
      "id": "1bb59cb1-6965-4c02-88ab-82333f101f5b",
439
      "id": "1bb59cb1-6965-4c02-88ab-82333f101f5b",
            
440
      "idp_ready": true,
440
      "idp_ready": true,
            
441
      "last_modified": "2025-07-07T11:15:49.122821",
441
      "last_modified": "2025-07-07T11:15:49.122821",
            
442
      "lgd_mapping": "na",
442
      "lgd_mapping": "na",
            
n
443
      "metadata_modified": "2025-07-07T11:15:49.170292",
n
443
      "metadata_modified": "2025-07-07T11:15:54.873811",
            
444
      "methodology": "The exact data collection methodology used by 
444
      "methodology": "The exact data collection methodology used by 
            
445
the RBI to gather information for the Bankwise ATM/POS/Card Statistics 
445
the RBI to gather information for the Bankwise ATM/POS/Card Statistics 
            
446
dataset is not publicly disclosed. However, it is likely that the data 
446
dataset is not publicly disclosed. However, it is likely that the data 
            
447
is collected through a combination of surveys, reports, and data 
447
is collected through a combination of surveys, reports, and data 
            
448
sharing agreements with the participating banks. The RBI may require 
448
sharing agreements with the participating banks. The RBI may require 
            
449
banks to report their ATM and POS transactions data on a regular 
449
banks to report their ATM and POS transactions data on a regular 
            
450
basis, either electronically or through manual reporting. This data 
450
basis, either electronically or through manual reporting. This data 
            
451
may be submitted directly to the RBI or through a third-party data 
451
may be submitted directly to the RBI or through a third-party data 
            
452
aggregator. The RBI may also use data from other sources, such as 
452
aggregator. The RBI may also use data from other sources, such as 
            
453
payment processors or card networks, to supplement the data provided 
453
payment processors or card networks, to supplement the data provided 
            
454
by the banks.",
454
by the banks.",
            
455
      "mimetype": "text/csv",
455
      "mimetype": "text/csv",
            
456
      "mimetype_inner": null,
456
      "mimetype_inner": null,
            
457
      "name": "Bankwise ATM POS Card Statistics 2022 onwards",
457
      "name": "Bankwise ATM POS Card Statistics 2022 onwards",
            
458
      "no_indicators": "26",
458
      "no_indicators": "26",
            
459
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
459
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
            
460
      "position": 4,
460
      "position": 4,
            
461
      "resource_type": null,
461
      "resource_type": null,
            
462
      "similar_datasets": [],
462
      "similar_datasets": [],
            
463
      "size": 535500,
463
      "size": 535500,
            
464
      "sku": "rbi-bankwise_atm_pos-in-mn-bxi",
464
      "sku": "rbi-bankwise_atm_pos-in-mn-bxi",
            
465
      "state": "active",
465
      "state": "active",
            
466
      "states_uts_no": "0",
466
      "states_uts_no": "0",
            
467
      "tags": [
467
      "tags": [
            
t
468
        "Payment Systems",
t
468
        "Banking Infrastructure",
            
469
        "Banking",
469
        "Digital Payments",
            
470
        "Credit Cards",
            
471
        "Debit Cards",
            
472
        "ATMs",
            
473
        "PoS Terminals",
            
474
        "UPI",
            
475
        "Bharat QR",
            
476
        "Financial Inclusion",
            
477
        "Transaction Analytics",
            
470
        "Finance",
478
        "India",
            
471
        "Electronic Payments\n Financial Institutions"
479
        "RBI Data"
            
472
      ],
480
      ],
            
473
      "tehsil_no": "0",
481
      "tehsil_no": "0",
            
474
      "url": 
482
      "url": 
            
475
33f101f5b/download/bankwise-atm-pos-card-statistics-2022-onwards.csv",
483
33f101f5b/download/bankwise-atm-pos-card-statistics-2022-onwards.csv",
            
476
      "url_type": "upload",
484
      "url_type": "upload",
            
477
      "village_no": "0",
485
      "village_no": "0",
            
478
      "years_covered": "2022-2025"
486
      "years_covered": "2022-2025"
            
479
    },
487
    },
            
480
    {
488
    {
            
481
      "additional_info": "To get to the exact table from the source 
489
      "additional_info": "To get to the exact table from the source 
            
482
link, Under the Time Series Tab -> \"Time Series Detailed Data\" -> 
490
link, Under the Time Series Tab -> \"Time Series Detailed Data\" -> 
            
483
\"Bank Credit of SCBs - Bank Group, Population Group, Occupation 
491
\"Bank Credit of SCBs - Bank Group, Population Group, Occupation 
            
484
(Sector), District Wise - Annual\"",
492
(Sector), District Wise - Annual\"",
            
485
      "cache_last_updated": null,
493
      "cache_last_updated": null,
            
486
      "cache_url": null,
494
      "cache_url": null,
            
487
      "created": "2023-10-08T02:40:47.113768",
495
      "created": "2023-10-08T02:40:47.113768",
            
488
      "data_extraction_page": 
496
      "data_extraction_page": 
            
489
"https://dbie.rbi.org.in/DBIE/dbie.rbi?site=publications#!19",
497
"https://dbie.rbi.org.in/DBIE/dbie.rbi?site=publications#!19",
            
490
      "data_insights": "The dataset provides information on the credit 
498
      "data_insights": "The dataset provides information on the credit 
            
491
extended by different bank groups, with nationalized banks having the 
499
extended by different bank groups, with nationalized banks having the 
            
492
highest share of credit followed by SBI and its associates, private 
500
highest share of credit followed by SBI and its associates, private 
            
493
sector banks, and foreign banks.\n\nThe majority of the credit is 
501
sector banks, and foreign banks.\n\nThe majority of the credit is 
            
494
extended to the industry sector, followed by the services sector and 
502
extended to the industry sector, followed by the services sector and 
            
495
agriculture sector. Personal loans and other priority sectors account 
503
agriculture sector. Personal loans and other priority sectors account 
            
496
for a smaller share of credit.\n\nThe dataset shows that credit growth 
504
for a smaller share of credit.\n\nThe dataset shows that credit growth 
            
497
is higher in urban and metropolitan areas compared to rural and 
505
is higher in urban and metropolitan areas compared to rural and 
            
498
semi-urban areas.\n\nThe district-wise data shows that the credit 
506
semi-urban areas.\n\nThe district-wise data shows that the credit 
            
499
patterns vary across different regions, with some districts having 
507
patterns vary across different regions, with some districts having 
            
500
higher credit growth compared to others.",
508
higher credit growth compared to others.",
            
501
      "data_last_updated": "2024-02-01 00:00:00",
509
      "data_last_updated": "2024-02-01 00:00:00",
            
502
      "data_retreival_date": "2023-09-15 00:00:00",
510
      "data_retreival_date": "2023-09-15 00:00:00",
            
503
      "datastore_active": true,
511
      "datastore_active": true,
            
504
      "description": "The \"Credit by Scheduled Commercial Banks\" 
512
      "description": "The \"Credit by Scheduled Commercial Banks\" 
            
505
dataset provided by the Reserve Bank of India (RBI) captures 
513
dataset provided by the Reserve Bank of India (RBI) captures 
            
506
information on the credit extended by scheduled commercial banks in 
514
information on the credit extended by scheduled commercial banks in 
            
507
India to various population groups, bank groups, occupation groups, 
515
India to various population groups, bank groups, occupation groups, 
            
508
and occupation subgroups. The dataset covers various types of credit, 
516
and occupation subgroups. The dataset covers various types of credit, 
            
509
such as agricultural credit, personal loans, housing loans, and loans 
517
such as agricultural credit, personal loans, housing loans, and loans 
            
510
to the industrial sector, among others.\n\nThe dataset is organized 
518
to the industrial sector, among others.\n\nThe dataset is organized 
            
511
across four dimensions, including population group, bank group, 
519
across four dimensions, including population group, bank group, 
            
512
occupation group, and occupation subgroup. The population group 
520
occupation group, and occupation subgroup. The population group 
            
513
dimension includes categories such as rural, semi-urban, urban, and 
521
dimension includes categories such as rural, semi-urban, urban, and 
            
514
metropolitan, while the bank group dimension includes categories such 
522
metropolitan, while the bank group dimension includes categories such 
            
515
as nationalized banks, private sector banks, foreign banks, and 
523
as nationalized banks, private sector banks, foreign banks, and 
            
516
regional rural banks, among others. The occupation group dimension 
524
regional rural banks, among others. The occupation group dimension 
            
517
includes categories such as agriculture and allied activities, 
525
includes categories such as agriculture and allied activities, 
            
518
industry, and services, while the occupation subgroup dimension 
526
industry, and services, while the occupation subgroup dimension 
            
519
includes categories such as self-employed individuals, salaried 
527
includes categories such as self-employed individuals, salaried 
            
520
individuals, and others.\n\nThis dataset is useful for researchers, 
528
individuals, and others.\n\nThis dataset is useful for researchers, 
            
521
policymakers, and financial analysts who are interested in 
529
policymakers, and financial analysts who are interested in 
            
522
understanding the credit flow in the Indian economy, analyzing the 
530
understanding the credit flow in the Indian economy, analyzing the 
            
523
distribution of credit across different population groups and sectors, 
531
distribution of credit across different population groups and sectors, 
            
524
and identifying trends in credit disbursement by scheduled commercial 
532
and identifying trends in credit disbursement by scheduled commercial 
            
525
banks.",
533
banks.",
            
526
      "district_no": "764",
534
      "district_no": "764",
            
527
      "format": "CSV",
535
      "format": "CSV",
            
528
      "frequency": "Yearly",
536
      "frequency": "Yearly",
            
529
      "gp_no": "",
537
      "gp_no": "",
            
530
      "granularity": "District",
538
      "granularity": "District",
            
531
      "hash": "",
539
      "hash": "",
            
532
      "id": "733d27c5-e6a7-4cbf-a03e-b7cda032b608",
540
      "id": "733d27c5-e6a7-4cbf-a03e-b7cda032b608",
            
533
      "idp_ready": true,
541
      "idp_ready": true,
            
534
      "last_modified": "2024-03-14T23:24:11.404596",
542
      "last_modified": "2024-03-14T23:24:11.404596",
            
535
      "lgd_mapping": "yes",
543
      "lgd_mapping": "yes",
            
536
      "metadata_modified": "2024-08-22T10:10:47.053273",
544
      "metadata_modified": "2024-08-22T10:10:47.053273",
            
537
      "methodology": "Reserve Bank of India releases information about 
545
      "methodology": "Reserve Bank of India releases information about 
            
538
the number of accounts, credit limit and amount outstanding 
546
the number of accounts, credit limit and amount outstanding 
            
539
categorised as per population group, bank group and occupation under 
547
categorised as per population group, bank group and occupation under 
            
540
each district yearly.",
548
each district yearly.",
            
541
      "mimetype": "text/csv",
549
      "mimetype": "text/csv",
            
542
      "mimetype_inner": null,
550
      "mimetype_inner": null,
            
543
      "name": "Credit by Scheduled Commercial Banks",
551
      "name": "Credit by Scheduled Commercial Banks",
            
544
      "no_indicators": "3",
552
      "no_indicators": "3",
            
545
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
553
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
            
546
      "position": 5,
554
      "position": 5,
            
547
      "resource_type": null,
555
      "resource_type": null,
            
548
      "similar_datasets": [],
556
      "similar_datasets": [],
            
549
      "size": 262735959,
557
      "size": 262735959,
            
550
      "sku": "rbi-groupwise_credit_by_scbs-dt-yr-vvi",
558
      "sku": "rbi-groupwise_credit_by_scbs-dt-yr-vvi",
            
551
      "state": "active",
559
      "state": "active",
            
552
      "states_uts_no": "36",
560
      "states_uts_no": "36",
            
553
      "tags": [
561
      "tags": [
            
554
        "Banking",
562
        "Banking",
            
555
        "Credit",
563
        "Credit",
            
556
        "Scheduled Commercial Banks",
564
        "Scheduled Commercial Banks",
            
557
        "Bank Group\n Population Group",
565
        "Bank Group\n Population Group",
            
558
        "Occupation",
566
        "Occupation",
            
559
        "Sector",
567
        "Sector",
            
560
        "District-Wise",
568
        "District-Wise",
            
561
        "India\n Finance."
569
        "India\n Finance."
            
562
      ],
570
      ],
            
563
      "tehsil_no": "",
571
      "tehsil_no": "",
            
564
      "url": 
572
      "url": 
            
565
-a03e-b7cda032b608/download/credit-by-scheduled-commercial-banks.csv",
573
-a03e-b7cda032b608/download/credit-by-scheduled-commercial-banks.csv",
            
566
      "url_type": "upload",
574
      "url_type": "upload",
            
567
      "village_no": "",
575
      "village_no": "",
            
568
      "years_covered": "2010-2023"
576
      "years_covered": "2010-2023"
            
569
    },
577
    },
            
570
    {
578
    {
            
571
      "additional_info": "",
579
      "additional_info": "",
            
572
      "cache_last_updated": null,
580
      "cache_last_updated": null,
            
573
      "cache_url": null,
581
      "cache_url": null,
            
574
      "created": "2023-10-09T09:38:06.588133",
582
      "created": "2023-10-09T09:38:06.588133",
            
575
      "data_extraction_page": 
583
      "data_extraction_page": 
            
576
"https://rbi.org.in/Scripts/NEFTView.aspx",
584
"https://rbi.org.in/Scripts/NEFTView.aspx",
            
577
      "data_insights": "Through this dataset, one can observe 
585
      "data_insights": "Through this dataset, one can observe 
            
578
variations in ECS transaction volumes, values, and user counts across 
586
variations in ECS transaction volumes, values, and user counts across 
            
579
different months. When segmented by banks, the data allows for a 
587
different months. When segmented by banks, the data allows for a 
            
580
comparison of ECS transaction activity across various banking 
588
comparison of ECS transaction activity across various banking 
            
581
institutions. Additionally, the distinction between ECS credit and 
589
institutions. Additionally, the distinction between ECS credit and 
            
582
debit transactions provides information on user transactional choices. 
590
debit transactions provides information on user transactional choices. 
            
583
The inclusion of center names in the dataset also enables a regional 
591
The inclusion of center names in the dataset also enables a regional 
            
584
assessment, giving insights into the distribution and prevalence of 
592
assessment, giving insights into the distribution and prevalence of 
            
585
these transactions in different regions. ",
593
these transactions in different regions. ",
            
586
      "data_last_updated": "discontinued",
594
      "data_last_updated": "discontinued",
            
587
      "data_retreival_date": "2023-08-03 00:00:00",
595
      "data_retreival_date": "2023-08-03 00:00:00",
            
588
      "datastore_active": true,
596
      "datastore_active": true,
            
589
      "description": "ECS Transactions (Volume, Value, Users) provides 
597
      "description": "ECS Transactions (Volume, Value, Users) provides 
            
590
detailed monthly data on Electronic Clearing Service (ECS) 
598
detailed monthly data on Electronic Clearing Service (ECS) 
            
591
transactions. The dataset encompasses specific metrics like the volume 
599
transactions. The dataset encompasses specific metrics like the volume 
            
592
and value of transactions, and the number of users engaging in ECS 
600
and value of transactions, and the number of users engaging in ECS 
            
593
credit and debit transactions. The data is organized by month and is 
601
credit and debit transactions. The data is organized by month and is 
            
594
broken down by different centers and banks, offering granular insights 
602
broken down by different centers and banks, offering granular insights 
            
595
into the dynamics of electronic transactions across various regions 
603
into the dynamics of electronic transactions across various regions 
            
596
and banking institutions.",
604
and banking institutions.",
            
597
      "district_no": "",
605
      "district_no": "",
            
598
      "format": "CSV",
606
      "format": "CSV",
            
599
      "frequency": "Monthly",
607
      "frequency": "Monthly",
            
600
      "gp_no": "",
608
      "gp_no": "",
            
601
      "granularity": "Bank",
609
      "granularity": "Bank",
            
602
      "hash": "",
610
      "hash": "",
            
603
      "id": "961f1a87-5701-41e6-b124-896b33867e30",
611
      "id": "961f1a87-5701-41e6-b124-896b33867e30",
            
604
      "idp_ready": true,
612
      "idp_ready": true,
            
605
      "last_modified": "2023-10-09T09:38:06.525046",
613
      "last_modified": "2023-10-09T09:38:06.525046",
            
606
      "lgd_mapping": "na",
614
      "lgd_mapping": "na",
            
607
      "metadata_modified": "2024-08-22T10:10:47.579882",
615
      "metadata_modified": "2024-08-22T10:10:47.579882",
            
608
      "methodology": "The dataset is compiled from data reported by 
616
      "methodology": "The dataset is compiled from data reported by 
            
609
different banks to the Reserve Bank of India. It is updated monthly 
617
different banks to the Reserve Bank of India. It is updated monthly 
            
610
and is made available on the RBI\u2019s official website. ",
618
and is made available on the RBI\u2019s official website. ",
            
611
      "mimetype": "",
619
      "mimetype": "",
            
612
      "mimetype_inner": null,
620
      "mimetype_inner": null,
            
613
      "name": "ECS Transaction Metrics",
621
      "name": "ECS Transaction Metrics",
            
614
      "no_indicators": "6",
622
      "no_indicators": "6",
            
615
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
623
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
            
616
      "position": 6,
624
      "position": 6,
            
617
      "resource_type": null,
625
      "resource_type": null,
            
618
      "similar_datasets": "",
626
      "similar_datasets": "",
            
619
      "size": 627222,
627
      "size": 627222,
            
620
      "sku": "rbi-bankwise_ecs_transactions-in-mn-aaa",
628
      "sku": "rbi-bankwise_ecs_transactions-in-mn-aaa",
            
621
      "state": "active",
629
      "state": "active",
            
622
      "states_uts_no": "",
630
      "states_uts_no": "",
            
623
      "tags": "",
631
      "tags": "",
            
624
      "tehsil_no": "",
632
      "tehsil_no": "",
            
625
      "url": 
633
      "url": 
            
626
a87-5701-41e6-b124-896b33867e30/download/ecs-transaction-metrics.csv",
634
a87-5701-41e6-b124-896b33867e30/download/ecs-transaction-metrics.csv",
            
627
      "url_type": "upload",
635
      "url_type": "upload",
            
628
      "village_no": "",
636
      "village_no": "",
            
629
      "years_covered": "2013 to 2020"
637
      "years_covered": "2013 to 2020"
            
630
    },
638
    },
            
631
    {
639
    {
            
632
      "additional_info": "nan",
640
      "additional_info": "nan",
            
633
      "cache_last_updated": null,
641
      "cache_last_updated": null,
            
634
      "cache_url": null,
642
      "cache_url": null,
            
635
      "created": "2023-10-09T10:59:49.951988",
643
      "created": "2023-10-09T10:59:49.951988",
            
636
      "data_extraction_page": 
644
      "data_extraction_page": 
            
637
"https://rbi.org.in/Scripts/NEFTView.aspx",
645
"https://rbi.org.in/Scripts/NEFTView.aspx",
            
638
      "data_insights": "The dataset allows stakeholders to comprehend 
646
      "data_insights": "The dataset allows stakeholders to comprehend 
            
639
the adoption and utilization trends of internet banking across 
647
the adoption and utilization trends of internet banking across 
            
640
different banks in India. By analyzing the transaction volume and 
648
different banks in India. By analyzing the transaction volume and 
            
641
aggregate transaction value, one can discern patterns related to the 
649
aggregate transaction value, one can discern patterns related to the 
            
642
frequency and size of transactions carried out through internet 
650
frequency and size of transactions carried out through internet 
            
643
banking. It provides a perspective on how reliant and comfortable 
651
banking. It provides a perspective on how reliant and comfortable 
            
644
consumers are in transacting significant amounts online.\n\nBanks with 
652
consumers are in transacting significant amounts online.\n\nBanks with 
            
645
higher active users indicate a more substantial customer base that 
653
higher active users indicate a more substantial customer base that 
            
646
prefers internet banking, which can be indicative of user-friendly 
654
prefers internet banking, which can be indicative of user-friendly 
            
647
interfaces, better online banking features, or effective online 
655
interfaces, better online banking features, or effective online 
            
648
security measures of these banks. By monitoring these numbers over 
656
security measures of these banks. By monitoring these numbers over 
            
649
time, one can infer the growth rate or decline of internet banking 
657
time, one can infer the growth rate or decline of internet banking 
            
650
usage for individual banks.\n\nComparing the 'Active Users' metric 
658
usage for individual banks.\n\nComparing the 'Active Users' metric 
            
651
with 'Transaction Volume' can offer insights into user behavior. For 
659
with 'Transaction Volume' can offer insights into user behavior. For 
            
652
instance, a bank with a high number of active users but a relatively 
660
instance, a bank with a high number of active users but a relatively 
            
653
low transaction volume might indicate that while many users have 
661
low transaction volume might indicate that while many users have 
            
654
adopted online banking, they might be using it for limited purposes or 
662
adopted online banking, they might be using it for limited purposes or 
            
655
with less frequency.",
663
with less frequency.",
            
656
      "data_last_updated": "2025-05-01",
664
      "data_last_updated": "2025-05-01",
            
657
      "data_retreival_date": "2025-07-02",
665
      "data_retreival_date": "2025-07-02",
            
658
      "datastore_active": true,
666
      "datastore_active": true,
            
659
      "description": "The Internet Banking Statistics dataset, sourced 
667
      "description": "The Internet Banking Statistics dataset, sourced 
            
660
from the Reserve Bank of India, provides detailed information on 
668
from the Reserve Bank of India, provides detailed information on 
            
661
internet banking activities across various banks. This dataset 
669
internet banking activities across various banks. This dataset 
            
662
outlines the performance metrics and adoption rate of internet banking 
670
outlines the performance metrics and adoption rate of internet banking 
            
663
for specific banks, capturing data on monthly transaction volumes, 
671
for specific banks, capturing data on monthly transaction volumes, 
            
664
aggregate transaction values, and the number of active users.",
672
aggregate transaction values, and the number of active users.",
            
665
      "format": "CSV",
673
      "format": "CSV",
            
666
      "frequency": "Monthly",
674
      "frequency": "Monthly",
            
667
      "granularity": "Bank",
675
      "granularity": "Bank",
            
668
      "hash": "",
676
      "hash": "",
            
669
      "id": "41184d46-105d-49dc-89d6-8b52185ee6ee",
677
      "id": "41184d46-105d-49dc-89d6-8b52185ee6ee",
            
670
      "idp_ready": true,
678
      "idp_ready": true,
            
671
      "last_modified": "2025-07-02T11:18:24.224953",
679
      "last_modified": "2025-07-02T11:18:24.224953",
            
672
      "lgd_mapping": "na",
680
      "lgd_mapping": "na",
            
673
      "metadata_modified": "2025-07-02T11:18:43.539281",
681
      "metadata_modified": "2025-07-02T11:18:43.539281",
            
674
      "methodology": "Data for the Internet Banking Statistics is 
682
      "methodology": "Data for the Internet Banking Statistics is 
            
675
collated by the Reserve Bank of India from the reporting of individual 
683
collated by the Reserve Bank of India from the reporting of individual 
            
676
banks. ",
684
banks. ",
            
677
      "mimetype": "text/csv",
685
      "mimetype": "text/csv",
            
678
      "mimetype_inner": null,
686
      "mimetype_inner": null,
            
679
      "name": "Internet Banking Statistics",
687
      "name": "Internet Banking Statistics",
            
680
      "no_indicators": 3,
688
      "no_indicators": 3,
            
681
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
689
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
            
682
      "position": 7,
690
      "position": 7,
            
683
      "resource_type": null,
691
      "resource_type": null,
            
684
      "similar_datasets": [],
692
      "similar_datasets": [],
            
685
      "size": 254746,
693
      "size": 254746,
            
686
      "sku": "rbi-bankwise_internet_banking_transactions-in-mn-aaa",
694
      "sku": "rbi-bankwise_internet_banking_transactions-in-mn-aaa",
            
687
      "state": "active",
695
      "state": "active",
            
688
      "tags": [
696
      "tags": [
            
689
        "Internet Banking",
697
        "Internet Banking",
            
690
        "Banking Trends",
698
        "Banking Trends",
            
691
        "Transactions"
699
        "Transactions"
            
692
      ],
700
      ],
            
693
      "url": 
701
      "url": 
            
694
105d-49dc-89d6-8b52185ee6ee/download/internet_banking_statistics.csv",
702
105d-49dc-89d6-8b52185ee6ee/download/internet_banking_statistics.csv",
            
695
      "url_type": "upload",
703
      "url_type": "upload",
            
696
      "village_no": null,
704
      "village_no": null,
            
697
      "years_covered": "2022-2025"
705
      "years_covered": "2022-2025"
            
698
    },
706
    },
            
699
    {
707
    {
            
700
      "additional_info": "nan",
708
      "additional_info": "nan",
            
701
      "cache_last_updated": null,
709
      "cache_last_updated": null,
            
702
      "cache_url": null,
710
      "cache_url": null,
            
703
      "created": "2023-10-09T11:39:20.083060",
711
      "created": "2023-10-09T11:39:20.083060",
            
704
      "data_extraction_page": 
712
      "data_extraction_page": 
            
705
"https://rbi.org.in/Scripts/NEFTView.aspx",
713
"https://rbi.org.in/Scripts/NEFTView.aspx",
            
706
      "data_insights": "From the dataset, several insightful 
714
      "data_insights": "From the dataset, several insightful 
            
707
narratives can be pieced together about the RTGS transaction landscape 
715
narratives can be pieced together about the RTGS transaction landscape 
            
708
in India. One of the most pivotal points to consider is the 
716
in India. One of the most pivotal points to consider is the 
            
709
transactional trend portrayed by individual banks. Observing the 
717
transactional trend portrayed by individual banks. Observing the 
            
710
'INWARD Total Volume' and 'OUTWARD Total Volume' provides a snapshot 
718
'INWARD Total Volume' and 'OUTWARD Total Volume' provides a snapshot 
            
711
of which banks might be at the forefront of RTGS transactions. Those 
719
of which banks might be at the forefront of RTGS transactions. Those 
            
712
with consistently high volumes might be perceived as the more dominant 
720
with consistently high volumes might be perceived as the more dominant 
            
713
or trusted entities in this sphere.\n\nDiving deeper, the dataset does 
721
or trusted entities in this sphere.\n\nDiving deeper, the dataset does 
            
714
a commendable job differentiating between interbank and customer 
722
a commendable job differentiating between interbank and customer 
            
715
transactions. Banks showing a substantial 'INWARD Volume Interbank' 
723
transactions. Banks showing a substantial 'INWARD Volume Interbank' 
            
716
could be inferred as playing a more influential role in interbank 
724
could be inferred as playing a more influential role in interbank 
            
717
settlements. This demarcation between interbank and customer-driven 
725
settlements. This demarcation between interbank and customer-driven 
            
718
transactions offers a nuanced understanding of a bank's RTGS 
726
transactions offers a nuanced understanding of a bank's RTGS 
            
719
transactional ecosystem.\n\nHowever, the true depth of this dataset is 
727
transactional ecosystem.\n\nHowever, the true depth of this dataset is 
            
720
realized when delving into the monetary values associated with these 
728
realized when delving into the monetary values associated with these 
            
721
transactions. By juxtaposing 'INWARD Total Value' with 'INWARD Total 
729
transactions. By juxtaposing 'INWARD Total Value' with 'INWARD Total 
            
722
Volume', one can decipher the average transaction size for each bank. 
730
Volume', one can decipher the average transaction size for each bank. 
            
723
This might unravel whether certain banks are more favored for 
731
This might unravel whether certain banks are more favored for 
            
724
large-scale corporate transactions or for smaller, perhaps 
732
large-scale corporate transactions or for smaller, perhaps 
            
725
retail-based transfers.\n",
733
retail-based transfers.\n",
            
726
      "data_last_updated": "2025-04-01",
734
      "data_last_updated": "2025-04-01",
            
727
      "data_retreival_date": "2025-07-02",
735
      "data_retreival_date": "2025-07-02",
            
728
      "datastore_active": true,
736
      "datastore_active": true,
            
729
      "description": "The dataset \"Bank Wise RTGS Inward and 
737
      "description": "The dataset \"Bank Wise RTGS Inward and 
            
730
Outward\" sourced from the Reserve Bank of India provides a 
738
Outward\" sourced from the Reserve Bank of India provides a 
            
731
comprehensive breakdown of RTGS (Real-Time Gross Settlement) 
739
comprehensive breakdown of RTGS (Real-Time Gross Settlement) 
            
732
transactions conducted by different banks. The data spans both inward 
740
transactions conducted by different banks. The data spans both inward 
            
733
(incoming) and outward (outgoing) transactions and segregates them 
741
(incoming) and outward (outgoing) transactions and segregates them 
            
734
further based on interbank and customer-driven transactions.",
742
further based on interbank and customer-driven transactions.",
            
735
      "district_no": "",
743
      "district_no": "",
            
736
      "format": "CSV",
744
      "format": "CSV",
            
737
      "frequency": "Monthly",
745
      "frequency": "Monthly",
            
738
      "gp_no": "",
746
      "gp_no": "",
            
739
      "granularity": "Bank",
747
      "granularity": "Bank",
            
740
      "hash": "",
748
      "hash": "",
            
741
      "id": "e9cef902-3a0f-4bc2-96e7-f9735e1ebffb",
749
      "id": "e9cef902-3a0f-4bc2-96e7-f9735e1ebffb",
            
742
      "idp_ready": true,
750
      "idp_ready": true,
            
743
      "last_modified": "2025-07-02T11:18:27.972771",
751
      "last_modified": "2025-07-02T11:18:27.972771",
            
744
      "lgd_mapping": "na",
752
      "lgd_mapping": "na",
            
745
      "metadata_modified": "2025-07-02T11:18:28.011596",
753
      "metadata_modified": "2025-07-02T11:18:28.011596",
            
746
      "methodology": "The data is compiled by the Reserve Bank of 
754
      "methodology": "The data is compiled by the Reserve Bank of 
            
747
India from the transaction reports submitted by individual banks on a 
755
India from the transaction reports submitted by individual banks on a 
            
748
regular basis",
756
regular basis",
            
749
      "mimetype": "text/csv",
757
      "mimetype": "text/csv",
            
750
      "mimetype_inner": null,
758
      "mimetype_inner": null,
            
751
      "name": "Bank Wise RTGS Inward and Outward",
759
      "name": "Bank Wise RTGS Inward and Outward",
            
752
      "no_indicators": "16",
760
      "no_indicators": "16",
            
753
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
761
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
            
754
      "position": 8,
762
      "position": 8,
            
755
      "resource_type": null,
763
      "resource_type": null,
            
756
      "similar_datasets": [],
764
      "similar_datasets": [],
            
757
      "size": 5442346,
765
      "size": 5442346,
            
758
      "sku": "rbi-bankwise_rtgs_transactions-in-mn-aaa",
766
      "sku": "rbi-bankwise_rtgs_transactions-in-mn-aaa",
            
759
      "state": "active",
767
      "state": "active",
            
760
      "states_uts_no": "",
768
      "states_uts_no": "",
            
761
      "tags": [
769
      "tags": [
            
762
        "RTGS",
770
        "RTGS",
            
763
        "Interbank Transactions",
771
        "Interbank Transactions",
            
764
        "Customer Transaction",
772
        "Customer Transaction",
            
765
        "Banking Data Analysis"
773
        "Banking Data Analysis"
            
766
      ],
774
      ],
            
767
      "tehsil_no": "",
775
      "tehsil_no": "",
            
768
      "url": 
776
      "url": 
            
769
bc2-96e7-f9735e1ebffb/download/bank_wise_rtgs_inward_and_outward.csv",
777
bc2-96e7-f9735e1ebffb/download/bank_wise_rtgs_inward_and_outward.csv",
            
770
      "url_type": "upload",
778
      "url_type": "upload",
            
771
      "village_no": "",
779
      "village_no": "",
            
772
      "years_covered": "2008-2025"
780
      "years_covered": "2008-2025"
            
773
    },
781
    },
            
774
    {
782
    {
            
775
      "additional_info": "nan",
783
      "additional_info": "nan",
            
776
      "cache_last_updated": null,
784
      "cache_last_updated": null,
            
777
      "cache_url": null,
785
      "cache_url": null,
            
778
      "created": "2023-10-09T11:53:08.037450",
786
      "created": "2023-10-09T11:53:08.037450",
            
779
      "data_extraction_page": 
787
      "data_extraction_page": 
            
780
"https://rbi.org.in/Scripts/NEFTView.aspx",
788
"https://rbi.org.in/Scripts/NEFTView.aspx",
            
781
      "data_insights": "The \"Mobile Banking Statistics\" dataset 
789
      "data_insights": "The \"Mobile Banking Statistics\" dataset 
            
782
provides a rich tapestry of insights into the evolving landscape of 
790
provides a rich tapestry of insights into the evolving landscape of 
            
783
mobile banking in India. By undertaking a month-to-month trend 
791
mobile banking in India. By undertaking a month-to-month trend 
            
784
analysis, it becomes feasible to chart the trajectory of mobile 
792
analysis, it becomes feasible to chart the trajectory of mobile 
            
785
banking's growth or decline. This continuous tracking could be 
793
banking's growth or decline. This continuous tracking could be 
            
786
instrumental in correlating fluctuations with external events, 
794
instrumental in correlating fluctuations with external events, 
            
787
marketing campaigns, or regulatory changes that might have impacted 
795
marketing campaigns, or regulatory changes that might have impacted 
            
788
user behavior.\n\nBank-specific insights stand out prominently. By 
796
user behavior.\n\nBank-specific insights stand out prominently. By 
            
789
diving deep into the dataset, stakeholders can determine which banking 
797
diving deep into the dataset, stakeholders can determine which banking 
            
790
institutions are trailblazers in the mobile banking arena. Such 
798
institutions are trailblazers in the mobile banking arena. Such 
            
791
insights are gauged both in terms of transaction volume and the 
799
insights are gauged both in terms of transaction volume and the 
            
792
aggregate value of transactions. This distinction enables a nuanced 
800
aggregate value of transactions. This distinction enables a nuanced 
            
793
understanding, differentiating banks that handle a larger number of 
801
understanding, differentiating banks that handle a larger number of 
            
794
smaller transactions from those facilitating fewer, high-value 
802
smaller transactions from those facilitating fewer, high-value 
            
795
transactions.\n\nA critical component of the dataset is the data on 
803
transactions.\n\nA critical component of the dataset is the data on 
            
796
'Active Users'. This metric serves as a barometer for user engagement 
804
'Active Users'. This metric serves as a barometer for user engagement 
            
797
and the overall penetration of mobile banking solutions among specific 
805
and the overall penetration of mobile banking solutions among specific 
            
798
banks' clientele. A rise or fall in active users can signal shifts in 
806
banks' clientele. A rise or fall in active users can signal shifts in 
            
799
user preferences, the effectiveness of user engagement strategies, or 
807
user preferences, the effectiveness of user engagement strategies, or 
            
800
the emergence of newer, more competitive mobile banking platforms.",
808
the emergence of newer, more competitive mobile banking platforms.",
            
801
      "data_last_updated": "2025-05-01",
809
      "data_last_updated": "2025-05-01",
            
802
      "data_retreival_date": "2025-07-02",
810
      "data_retreival_date": "2025-07-02",
            
803
      "datastore_active": true,
811
      "datastore_active": true,
            
804
      "description": "The \"Mobile Banking Statistics\" dataset is 
812
      "description": "The \"Mobile Banking Statistics\" dataset is 
            
805
sourced from the Reserve Bank of India, the country's central banking 
813
sourced from the Reserve Bank of India, the country's central banking 
            
806
institution. This dataset offers monthly insights into the usage 
814
institution. This dataset offers monthly insights into the usage 
            
807
patterns, preferences, and transaction volumes for various banks in 
815
patterns, preferences, and transaction volumes for various banks in 
            
808
the mobile banking domain. It sheds light on the increasing trend of 
816
the mobile banking domain. It sheds light on the increasing trend of 
            
809
mobile banking in India and provides a granular view by showcasing 
817
mobile banking in India and provides a granular view by showcasing 
            
810
data from individual banking institutions.",
818
data from individual banking institutions.",
            
811
      "format": "CSV",
819
      "format": "CSV",
            
812
      "frequency": "Monthly",
820
      "frequency": "Monthly",
            
813
      "granularity": "Bank",
821
      "granularity": "Bank",
            
814
      "hash": "",
822
      "hash": "",
            
815
      "id": "7db4c888-ac0c-4820-9982-c4ea04307f4b",
823
      "id": "7db4c888-ac0c-4820-9982-c4ea04307f4b",
            
816
      "idp_ready": true,
824
      "idp_ready": true,
            
817
      "last_modified": "2025-07-02T11:18:26.669189",
825
      "last_modified": "2025-07-02T11:18:26.669189",
            
818
      "lgd_mapping": "na",
826
      "lgd_mapping": "na",
            
819
      "metadata_modified": "2025-07-02T11:18:44.591809",
827
      "metadata_modified": "2025-07-02T11:18:44.591809",
            
820
      "methodology": "The data has been compiled by the Reserve Bank 
828
      "methodology": "The data has been compiled by the Reserve Bank 
            
821
of India, which likely collates this information from periodic reports 
829
of India, which likely collates this information from periodic reports 
            
822
submitted by the banks operating within the country. ",
830
submitted by the banks operating within the country. ",
            
823
      "mimetype": "text/csv",
831
      "mimetype": "text/csv",
            
824
      "mimetype_inner": null,
832
      "mimetype_inner": null,
            
825
      "name": "Mobile Banking Statistics",
833
      "name": "Mobile Banking Statistics",
            
826
      "no_indicators": "3",
834
      "no_indicators": "3",
            
827
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
835
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
            
828
      "position": 9,
836
      "position": 9,
            
829
      "resource_type": null,
837
      "resource_type": null,
            
830
      "similar_datasets": [],
838
      "similar_datasets": [],
            
831
      "size": 2966773,
839
      "size": 2966773,
            
832
      "sku": "rbi-bankwise_mobile_banking_transactions-in-mn-aaa",
840
      "sku": "rbi-bankwise_mobile_banking_transactions-in-mn-aaa",
            
833
      "state": "active",
841
      "state": "active",
            
834
      "tags": [
842
      "tags": [
            
835
        "Digital Transactions",
843
        "Digital Transactions",
            
836
        "Mobile Banking",
844
        "Mobile Banking",
            
837
        "Banking Trends"
845
        "Banking Trends"
            
838
      ],
846
      ],
            
839
      "url": 
847
      "url": 
            
840
8-ac0c-4820-9982-c4ea04307f4b/download/mobile_banking_statistics.csv",
848
8-ac0c-4820-9982-c4ea04307f4b/download/mobile_banking_statistics.csv",
            
841
      "url_type": "upload",
849
      "url_type": "upload",
            
842
      "village_no": null,
850
      "village_no": null,
            
843
      "years_covered": "2013-2025"
851
      "years_covered": "2013-2025"
            
844
    },
852
    },
            
845
    {
853
    {
            
846
      "additional_info": "nan",
854
      "additional_info": "nan",
            
847
      "cache_last_updated": null,
855
      "cache_last_updated": null,
            
848
      "cache_url": null,
856
      "cache_url": null,
            
849
      "created": "2024-04-17T12:51:16.505698",
857
      "created": "2024-04-17T12:51:16.505698",
            
850
      "data_extraction_page": 
858
      "data_extraction_page": 
            
851
"https://rbi.org.in/Scripts/NEFTView.aspx",
859
"https://rbi.org.in/Scripts/NEFTView.aspx",
            
852
      "data_insights": "The \"NEFT Transaction Metrics\" dataset, with 
860
      "data_insights": "The \"NEFT Transaction Metrics\" dataset, with 
            
853
its granularity, offers invaluable insights into the digital 
861
its granularity, offers invaluable insights into the digital 
            
854
transactional behaviors and trends in India. Through a monthly trend 
862
transactional behaviors and trends in India. Through a monthly trend 
            
855
analysis, stakeholders can ascertain the rhythm and pace of NEFT 
863
analysis, stakeholders can ascertain the rhythm and pace of NEFT 
            
856
transactions, pinpointing any anomalies, surge periods, or slow 
864
transactions, pinpointing any anomalies, surge periods, or slow 
            
857
phases. These trends can be essential indicators of the broader 
865
phases. These trends can be essential indicators of the broader 
            
858
economic landscape, signaling growth phases or potential economic 
866
economic landscape, signaling growth phases or potential economic 
            
859
slowdowns.\n\nBy examining bank-specific data, a clear picture of each 
867
slowdowns.\n\nBy examining bank-specific data, a clear picture of each 
            
860
institution's stance in the NEFT landscape emerges. Which banks are 
868
institution's stance in the NEFT landscape emerges. Which banks are 
            
861
the most active in facilitating NEFT transfers? Do certain banks have 
869
the most active in facilitating NEFT transfers? Do certain banks have 
            
862
a higher debit transaction rate compared to credits or vice versa? 
870
a higher debit transaction rate compared to credits or vice versa? 
            
863
This type of insight can provide a lens into the financial health and 
871
This type of insight can provide a lens into the financial health and 
            
864
customer engagement strategies of individual banks.\n\nAn intriguing 
872
customer engagement strategies of individual banks.\n\nAn intriguing 
            
865
facet of the dataset is the distinct data on 'Debit Transactions' and 
873
facet of the dataset is the distinct data on 'Debit Transactions' and 
            
866
'Credit Transactions'. By scrutinizing these columns, one can discern 
874
'Credit Transactions'. By scrutinizing these columns, one can discern 
            
867
the balance of funds outflow and inflow for each bank. If a bank 
875
the balance of funds outflow and inflow for each bank. If a bank 
            
868
consistently has higher debit values compared to credit values, it 
876
consistently has higher debit values compared to credit values, it 
            
869
might indicate more outward transfers than incoming ones. On the other 
877
might indicate more outward transfers than incoming ones. On the other 
            
870
hand, banks with a dominant credit value might be the recipients of a 
878
hand, banks with a dominant credit value might be the recipients of a 
            
871
more significant number of inward funds, indicating trust or 
879
more significant number of inward funds, indicating trust or 
            
872
preference by customers or businesses.",
880
preference by customers or businesses.",
            
873
      "data_last_updated": "2025-04-01",
881
      "data_last_updated": "2025-04-01",
            
874
      "data_retreival_date": "2025-07-02",
882
      "data_retreival_date": "2025-07-02",
            
875
      "datastore_active": true,
883
      "datastore_active": true,
            
876
      "description": "The \"NEFT Transaction Metrics\" dataset is 
884
      "description": "The \"NEFT Transaction Metrics\" dataset is 
            
877
procured from the Reserve Bank of India, the apex monetary authority 
885
procured from the Reserve Bank of India, the apex monetary authority 
            
878
of the country. This dataset delineates the monthly details concerning 
886
of the country. This dataset delineates the monthly details concerning 
            
879
the National Electronic Funds Transfer (NEFT) system, which 
887
the National Electronic Funds Transfer (NEFT) system, which 
            
880
facilitates one-to-one funds transfer. By providing data on both debit 
888
facilitates one-to-one funds transfer. By providing data on both debit 
            
881
and credit transactions for various banks, this dataset offers an 
889
and credit transactions for various banks, this dataset offers an 
            
882
encompassing view of the NEFT transaction landscape across India.",
890
encompassing view of the NEFT transaction landscape across India.",
            
883
      "format": "CSV",
891
      "format": "CSV",
            
884
      "frequency": "Monthly",
892
      "frequency": "Monthly",
            
885
      "granularity": "Bank",
893
      "granularity": "Bank",
            
886
      "hash": "",
894
      "hash": "",
            
887
      "id": "10a39a51-20d1-441a-9e92-64ca0c5c6f36",
895
      "id": "10a39a51-20d1-441a-9e92-64ca0c5c6f36",
            
888
      "idp_ready": true,
896
      "idp_ready": true,
            
889
      "last_modified": "2025-07-02T11:18:25.511627",
897
      "last_modified": "2025-07-02T11:18:25.511627",
            
890
      "lgd_mapping": "na",
898
      "lgd_mapping": "na",
            
891
      "metadata_modified": "2025-07-02T11:18:25.552355",
899
      "metadata_modified": "2025-07-02T11:18:25.552355",
            
892
      "methodology": "This data is collated by the Reserve Bank of 
900
      "methodology": "This data is collated by the Reserve Bank of 
            
893
India, leveraging the periodic submissions and transactional reports 
901
India, leveraging the periodic submissions and transactional reports 
            
894
from the different banks functioning within India's borders.",
902
from the different banks functioning within India's borders.",
            
895
      "mimetype": "text/csv",
903
      "mimetype": "text/csv",
            
896
      "mimetype_inner": null,
904
      "mimetype_inner": null,
            
897
      "name": "NEFT Transaction Metrics",
905
      "name": "NEFT Transaction Metrics",
            
898
      "no_indicators": 4,
906
      "no_indicators": 4,
            
899
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
907
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
            
900
      "position": 10,
908
      "position": 10,
            
901
      "resource_type": null,
909
      "resource_type": null,
            
902
      "similar_datasets": [],
910
      "similar_datasets": [],
            
903
      "similar_resources": "",
911
      "similar_resources": "",
            
904
      "size": 2443949,
912
      "size": 2443949,
            
905
      "sku": "rbi-bankwise_neft_transactions-in-mn-aaa",
913
      "sku": "rbi-bankwise_neft_transactions-in-mn-aaa",
            
906
      "state": "active",
914
      "state": "active",
            
907
      "tags": [
915
      "tags": [
            
908
        "NEFT Transations",
916
        "NEFT Transations",
            
909
        "Funds Transfer Analysis",
917
        "Funds Transfer Analysis",
            
910
        "Bankwise Data"
918
        "Bankwise Data"
            
911
      ],
919
      ],
            
912
      "url": 
920
      "url": 
            
913
51-20d1-441a-9e92-64ca0c5c6f36/download/neft_transaction_metrics.csv",
921
51-20d1-441a-9e92-64ca0c5c6f36/download/neft_transaction_metrics.csv",
            
914
      "url_type": "upload",
922
      "url_type": "upload",
            
915
      "village_no": null,
923
      "village_no": null,
            
916
      "years_covered": "2008-2025"
924
      "years_covered": "2008-2025"
            
917
    },
925
    },
            
918
    {
926
    {
            
919
      "additional_info": "nan",
927
      "additional_info": "nan",
            
920
      "cache_last_updated": null,
928
      "cache_last_updated": null,
            
921
      "cache_url": null,
929
      "cache_url": null,
            
922
      "created": "2024-10-23T06:59:17.635220",
930
      "created": "2024-10-23T06:59:17.635220",
            
923
      "data_extraction_page": 
931
      "data_extraction_page": 
            
924
"https://data.rbi.org.in/DBIE/#/banking-outlet",
932
"https://data.rbi.org.in/DBIE/#/banking-outlet",
            
925
      "data_insights": "Data Insights that can be drawn from dataset 
933
      "data_insights": "Data Insights that can be drawn from dataset 
            
926
:Geographical Distribution: The dataset allows for analysis of the 
934
:Geographical Distribution: The dataset allows for analysis of the 
            
927
geographical distribution of bank outlets and ATMs, highlighting areas 
935
geographical distribution of bank outlets and ATMs, highlighting areas 
            
928
with high or low banking service penetration.Operational Status: By 
936
with high or low banking service penetration.Operational Status: By 
            
929
examining the status of branches and ATMs, one can identify trends in 
937
examining the status of branches and ATMs, one can identify trends in 
            
930
banking infrastructure development and closures.Bank Group Analysis: 
938
banking infrastructure development and closures.Bank Group Analysis: 
            
931
The data enables comparison between different bank groups (e.g., 
939
The data enables comparison between different bank groups (e.g., 
            
932
public sector vs. private sector) in terms of their reach and 
940
public sector vs. private sector) in terms of their reach and 
            
933
presence.Service Availability: Insights into the types of services 
941
presence.Service Availability: Insights into the types of services 
            
934
provided (e.g., full-service branches vs. ATMs) and their distribution 
942
provided (e.g., full-service branches vs. ATMs) and their distribution 
            
935
across different regions.Demographic Correlation: Analysis of the 
943
across different regions.Demographic Correlation: Analysis of the 
            
936
dataset in conjunction with population data can reveal how well 
944
dataset in conjunction with population data can reveal how well 
            
937
banking services are aligned with population density and 
945
banking services are aligned with population density and 
            
938
distribution.Infrastructure Growth: Tracking the license and open 
946
distribution.Infrastructure Growth: Tracking the license and open 
            
939
dates provides insights into the growth and expansion of banking 
947
dates provides insights into the growth and expansion of banking 
            
940
infrastructure over time.",
948
infrastructure over time.",
            
941
      "data_last_updated": "12-10-2023",
949
      "data_last_updated": "12-10-2023",
            
942
      "data_retreival_date": "01-12-2023",
950
      "data_retreival_date": "01-12-2023",
            
943
      "datastore_active": true,
951
      "datastore_active": true,
            
944
      "description": "The dataset provides a snapshot of the banking 
952
      "description": "The dataset provides a snapshot of the banking 
            
945
infrastructure in India, including both active and inactive branches 
953
infrastructure in India, including both active and inactive branches 
            
946
and ATMs. It provides comprehensive details about bank outlets and 
954
and ATMs. It provides comprehensive details about bank outlets and 
            
947
ATMs across different regions in India. It includes location 
955
ATMs across different regions in India. It includes location 
            
948
information, bank details, and operational status, helping to 
956
information, bank details, and operational status, helping to 
            
949
understand the spread and accessibility of banking services in the 
957
understand the spread and accessibility of banking services in the 
            
950
country. This dataset is essential for researchers, policymakers, and 
958
country. This dataset is essential for researchers, policymakers, and 
            
951
financial analysts interested in understanding the landscape of 
959
financial analysts interested in understanding the landscape of 
            
952
banking services in India. It provides valuable insights into the 
960
banking services in India. It provides valuable insights into the 
            
953
reach and operational status of banking facilities, contributing to 
961
reach and operational status of banking facilities, contributing to 
            
954
studies on financial inclusion and economic development.",
962
studies on financial inclusion and economic development.",
            
955
      "district_no": "753",
963
      "district_no": "753",
            
956
      "format": "CSV",
964
      "format": "CSV",
            
957
      "frequency": "Other",
965
      "frequency": "Other",
            
958
      "gp_no": "0",
966
      "gp_no": "0",
            
959
      "granularity": "Point",
967
      "granularity": "Point",
            
960
      "hash": "",
968
      "hash": "",
            
961
      "id": "8a4bb25b-3281-4aa5-9d3c-e4a5a7dd8e71",
969
      "id": "8a4bb25b-3281-4aa5-9d3c-e4a5a7dd8e71",
            
962
      "idp_ready": true,
970
      "idp_ready": true,
            
963
      "indicators": [],
971
      "indicators": [],
            
964
      "last_modified": "2024-10-23T07:21:05.181050",
972
      "last_modified": "2024-10-23T07:21:05.181050",
            
965
      "lgd_mapping": "",
973
      "lgd_mapping": "",
            
966
      "metadata_modified": "2025-02-19T06:35:33.246352",
974
      "metadata_modified": "2025-02-19T06:35:33.246352",
            
967
      "methodology": "The dataset is compiled by the Reserve Bank of 
975
      "methodology": "The dataset is compiled by the Reserve Bank of 
            
968
India (RBI) from its extensive network of regulated banks and 
976
India (RBI) from its extensive network of regulated banks and 
            
969
financial institutions. It includes data on the geographical location, 
977
financial institutions. It includes data on the geographical location, 
            
970
operational status, and other relevant details of bank outlets and 
978
operational status, and other relevant details of bank outlets and 
            
971
ATMs. The information is gathered through regulatory filings, surveys, 
979
ATMs. The information is gathered through regulatory filings, surveys, 
            
972
and administrative records maintained by the RBI. ",
980
and administrative records maintained by the RBI. ",
            
973
      "mimetype": null,
981
      "mimetype": null,
            
974
      "mimetype_inner": null,
982
      "mimetype_inner": null,
            
975
      "name": "Bank Outlets and ATM's",
983
      "name": "Bank Outlets and ATM's",
            
976
      "no_indicators": "0",
984
      "no_indicators": "0",
            
977
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
985
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
            
978
      "position": 11,
986
      "position": 11,
            
979
      "resource_type": null,
987
      "resource_type": null,
            
980
      "similar_resources": "",
988
      "similar_resources": "",
            
981
      "size": 516258283,
989
      "size": 516258283,
            
982
      "sku": "rbi-bank_outlets_and_atms-pl-ot-aaa",
990
      "sku": "rbi-bank_outlets_and_atms-pl-ot-aaa",
            
983
      "state": "active",
991
      "state": "active",
            
984
      "states_uts_no": "34",
992
      "states_uts_no": "34",
            
985
      "tehsil_no": "5989",
993
      "tehsil_no": "5989",
            
986
      "url": 
994
      "url": 
            
987
bb25b-3281-4aa5-9d3c-e4a5a7dd8e71/download/bank-outlets-and-atms.csv",
995
bb25b-3281-4aa5-9d3c-e4a5a7dd8e71/download/bank-outlets-and-atms.csv",
            
988
      "url_type": "upload",
996
      "url_type": "upload",
            
989
      "years_covered": "1900-2023"
997
      "years_covered": "1900-2023"
            
990
    },
998
    },
            
991
    {
999
    {
            
992
      "additional_info": "Data structure changed after Feb-2022",
1000
      "additional_info": "Data structure changed after Feb-2022",
            
993
      "cache_last_updated": null,
1001
      "cache_last_updated": null,
            
994
      "cache_url": null,
1002
      "cache_url": null,
            
995
      "created": "2025-05-27T11:13:00.326095",
1003
      "created": "2025-05-27T11:13:00.326095",
            
996
      "data_extraction_page": 
1004
      "data_extraction_page": 
            
997
"https://rbi.org.in/Scripts/ATMView.aspx",
1005
"https://rbi.org.in/Scripts/ATMView.aspx",
            
998
      "data_insights": "Some Insights can be drawn from the dataset: 
1006
      "data_insights": "Some Insights can be drawn from the dataset: 
            
999
Which banks have the most significant number of ATMs and POS 
1007
Which banks have the most significant number of ATMs and POS 
            
1000
terminals, and how has this changed over time? What is the overall 
1008
terminals, and how has this changed over time? What is the overall 
            
1001
trend in the number of transactions using ATMs and POS terminals, and 
1009
trend in the number of transactions using ATMs and POS terminals, and 
            
1002
how has this varied across different banks? What is the total value of 
1010
how has this varied across different banks? What is the total value of 
            
1003
debit and credit card transactions, and how has this changed over 
1011
debit and credit card transactions, and how has this changed over 
            
1004
time? How has the number of debit and credit cards issued by each bank 
1012
time? How has the number of debit and credit cards issued by each bank 
            
1005
changed over time, and which banks have seen the most growth in their 
1013
changed over time, and which banks have seen the most growth in their 
            
1006
card issuance? What is the average transaction value for ATM and POS 
1014
card issuance? What is the average transaction value for ATM and POS 
            
1007
transactions, and how does this vary across different banks and 
1015
transactions, and how does this vary across different banks and 
            
1008
regions? Are there any seasonal trends in ATM and POS usage, such as 
1016
regions? Are there any seasonal trends in ATM and POS usage, such as 
            
1009
higher usage during certain months or holidays? How does the usage of 
1017
higher usage during certain months or holidays? How does the usage of 
            
1010
electronic payment methods compare to cash-based transactions, and how 
1018
electronic payment methods compare to cash-based transactions, and how 
            
1011
has this trend continued?",
1019
has this trend continued?",
            
1012
      "data_last_updated": "13-05-2025",
1020
      "data_last_updated": "13-05-2025",
            
1013
      "data_retreival_date": "13-05-2025",
1021
      "data_retreival_date": "13-05-2025",
            
1014
      "datastore_active": true,
1022
      "datastore_active": true,
            
1015
      "description": "The Bankwise ATM/POS/Card Statistics dataset is 
1023
      "description": "The Bankwise ATM/POS/Card Statistics dataset is 
            
1016
published monthly by the Reserve Bank of India (RBI). It provides 
1024
published monthly by the Reserve Bank of India (RBI). It provides 
            
1017
information on the usage of automated teller machines (ATMs), point of 
1025
information on the usage of automated teller machines (ATMs), point of 
            
1018
sale (POS) terminals, and payment cards across various banks in India. 
1026
sale (POS) terminals, and payment cards across various banks in India. 
            
1019
This dataset contains information on the number of ATMs and POS 
1027
This dataset contains information on the number of ATMs and POS 
            
1020
terminals installed by each bank, the number of transactions carried 
1028
terminals installed by each bank, the number of transactions carried 
            
1021
out using these machines, and the total value of transactions. 
1029
out using these machines, and the total value of transactions. 
            
1022
Additionally, it provides data on the number of debit and credit cards 
1030
Additionally, it provides data on the number of debit and credit cards 
            
1023
issued by each bank and the total value of transactions made using 
1031
issued by each bank and the total value of transactions made using 
            
1024
these cards. The Bankwise ATM/POS/Card Statistics dataset can be used 
1032
these cards. The Bankwise ATM/POS/Card Statistics dataset can be used 
            
1025
to analyze the growth of electronic payments in India, monitor the 
1033
to analyze the growth of electronic payments in India, monitor the 
            
1026
performance of individual banks, and identify trends in ATM and POS 
1034
performance of individual banks, and identify trends in ATM and POS 
            
1027
usage. Researchers, policy-makers, and financial institutions can 
1035
usage. Researchers, policy-makers, and financial institutions can 
            
1028
leverage this data to make informed decisions related to expanding 
1036
leverage this data to make informed decisions related to expanding 
            
1029
banking infrastructure, developing payment systems, and promoting 
1037
banking infrastructure, developing payment systems, and promoting 
            
1030
cashless transactions.\r\n",
1038
cashless transactions.\r\n",
            
1031
      "district_no": "0",
1039
      "district_no": "0",
            
1032
      "format": "CSV",
1040
      "format": "CSV",
            
1033
      "frequency": "Monthly",
1041
      "frequency": "Monthly",
            
1034
      "gp_no": "0",
1042
      "gp_no": "0",
            
1035
      "granularity": "All India",
1043
      "granularity": "All India",
            
1036
      "hash": "",
1044
      "hash": "",
            
1037
      "id": "7f303693-2dd0-42e7-9a70-d7a9cd917f66",
1045
      "id": "7f303693-2dd0-42e7-9a70-d7a9cd917f66",
            
1038
      "idp_ready": true,
1046
      "idp_ready": true,
            
1039
      "indicators": [],
1047
      "indicators": [],
            
1040
      "last_modified": "2025-05-27T11:13:00.219024",
1048
      "last_modified": "2025-05-27T11:13:00.219024",
            
1041
      "lgd_mapping": "na",
1049
      "lgd_mapping": "na",
            
1042
      "metadata_modified": "2025-05-27T11:15:52.554532",
1050
      "metadata_modified": "2025-05-27T11:15:52.554532",
            
1043
      "methodology": "The exact data collection methodology used by 
1051
      "methodology": "The exact data collection methodology used by 
            
1044
the RBI to gather information for the Bankwise ATM/POS/Card Statistics 
1052
the RBI to gather information for the Bankwise ATM/POS/Card Statistics 
            
1045
dataset is not publicly disclosed. However, it is likely that the data 
1053
dataset is not publicly disclosed. However, it is likely that the data 
            
1046
is collected through a combination of surveys, reports, and data 
1054
is collected through a combination of surveys, reports, and data 
            
1047
sharing agreements with the participating banks. The RBI may require 
1055
sharing agreements with the participating banks. The RBI may require 
            
1048
banks to report their ATM and POS transactions data on a regular 
1056
banks to report their ATM and POS transactions data on a regular 
            
1049
basis, either electronically or through manual reporting. This data 
1057
basis, either electronically or through manual reporting. This data 
            
1050
may be submitted directly to the RBI or through a third-party data 
1058
may be submitted directly to the RBI or through a third-party data 
            
1051
aggregator. The RBI may also use data from other sources, such as 
1059
aggregator. The RBI may also use data from other sources, such as 
            
1052
payment processors or card networks, to supplement the data provided 
1060
payment processors or card networks, to supplement the data provided 
            
1053
by the banks.",
1061
by the banks.",
            
1054
      "mimetype": null,
1062
      "mimetype": null,
            
1055
      "mimetype_inner": null,
1063
      "mimetype_inner": null,
            
1056
      "name": "Bankwise ATM POS Card Statistics 2011-2022",
1064
      "name": "Bankwise ATM POS Card Statistics 2011-2022",
            
1057
      "no_indicators": "16",
1065
      "no_indicators": "16",
            
1058
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
1066
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
            
1059
      "position": 12,
1067
      "position": 12,
            
1060
      "resource_type": null,
1068
      "resource_type": null,
            
1061
      "similar_resources": "",
1069
      "similar_resources": "",
            
1062
      "size": 1037280,
1070
      "size": 1037280,
            
1063
      "sku": "rbi-bankwise_atm_pos_old-in-mn-kod",
1071
      "sku": "rbi-bankwise_atm_pos_old-in-mn-kod",
            
1064
      "state": "active",
1072
      "state": "active",
            
1065
      "states_uts_no": "0",
1073
      "states_uts_no": "0",
            
1066
      "tehsil_no": "0",
1074
      "tehsil_no": "0",
            
1067
      "url": 
1075
      "url": 
            
1068
-d7a9cd917f66/download/bankwise-atm-pos-card-statistics-20112022.csv",
1076
-d7a9cd917f66/download/bankwise-atm-pos-card-statistics-20112022.csv",
            
1069
      "url_type": "upload",
1077
      "url_type": "upload",
            
1070
      "years_covered": "2011-2022"
1078
      "years_covered": "2011-2022"
            
1071
    }
1079
    }
            
1072
  ],
1080
  ],
            
1073
  "sector": [
1081
  "sector": [
            
1074
    "Economy"
1082
    "Economy"
            
1075
  ],
1083
  ],
            
1076
  "source_name": "Reserve Bank of India",
1084
  "source_name": "Reserve Bank of India",
            
1077
  "state": "active",
1085
  "state": "active",
            
1078
  "title": "Reserve Bank of India",
1086
  "title": "Reserve Bank of India",
            
1079
  "type": "dataset",
1087
  "type": "dataset",
            
1080
  "url": "https://rbi.org.in",
1088
  "url": "https://rbi.org.in",
            
1081
  "version": null
1089
  "version": null
            
1082
}
1090
}