Zmeny

              
    

          
          
        
        

            
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": "2024-12-15T00:30:42.539329",
n
88
  "metadata_modified": "2024-12-15T00:31:01.300059",
            
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": 12,
102
  "num_resources": 12,
            
103
  "num_tags": 3,
103
  "num_tags": 3,
            
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
RTGS data includes only Customer and Interbank transactions.AePS data 
124
RTGS data includes only Customer and Interbank transactions.AePS data 
            
125
under Payment transactions include AePS Fund Transfers and BHIM 
125
under Payment transactions include AePS Fund Transfers and BHIM 
            
126
Aadhaar Pay transactions.UPI data includes BHIM-UPI and USSD 
126
Aadhaar Pay transactions.UPI data includes BHIM-UPI and USSD 
            
127
transactions.NACH Credit data includes Aadhaar Payment Bridge System 
127
transactions.NACH Credit data includes Aadhaar Payment Bridge System 
            
128
(APBS) transactions.NETC figures are for FASTags linked with all 
128
(APBS) transactions.NETC 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 accountsBBPS data is not included in 
130
only includes NETC linked to bank accountsBBPS data is not included in 
            
131
the monthly bulletin as the data is captured under other systems. For 
131
the monthly bulletin as the data is captured under other systems. For 
            
132
complete data on Payment System Indicators, please refer to RBI 
132
complete data on Payment System Indicators, please refer to RBI 
            
133
Bulletin \u2013 Table 43 published on a monthly basis.Data on Prepaid 
133
Bulletin \u2013 Table 43 published on a monthly basis.Data on Prepaid 
            
134
cards are only those that are processed by card networks.",
134
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?Which payment systems are experiencing the 
142
is this changing over time?Which payment systems are experiencing the 
            
143
highest growth in transaction volume and value, and what factors are 
143
highest growth in transaction volume and value, and what factors are 
            
144
driving this growth?How are consumers using different payment systems, 
144
driving this growth?How are consumers using different payment systems, 
            
145
and what types of transactions are most commonly conducted through 
145
and what types of transactions are most commonly conducted through 
            
146
each system?What is the overall adoption rate of electronic payment 
146
each system?What is the overall adoption rate of electronic payment 
            
147
systems in India, and how does this compare to other countries in the 
147
systems in India, and how does this compare to other countries in the 
            
148
region?How are changes in government policies and regulations 
148
region?How are changes in government policies and regulations 
            
149
affecting the use of electronic payment systems in India, and what 
149
affecting the use of electronic payment systems in India, and what 
            
150
implications do these changes have for financial institutions and 
150
implications do these changes have for financial institutions and 
            
151
consumers?What are the key challenges facing the growth of electronic 
151
consumers?What are the key challenges facing the growth of electronic 
            
152
payment systems in India, and how can these be addressed to ensure 
152
payment systems in India, and how can these be addressed to ensure 
            
153
wider adoption and greater financial inclusion?",
153
wider adoption and greater financial inclusion?",
            
154
      "data_last_updated": "2024-11-30",
154
      "data_last_updated": "2024-11-30",
            
155
      "data_retreival_date": "2024-12-14",
155
      "data_retreival_date": "2024-12-14",
            
156
      "datastore_active": true,
156
      "datastore_active": true,
            
157
      "description": "The Reserve Bank of India (RBI) has made 
157
      "description": "The Reserve Bank of India (RBI) has made 
            
158
available settlement data for select payment systems, capturing the 
158
available settlement data for select payment systems, capturing the 
            
159
volume and value of transactions made through payment systems operated 
159
volume and value of transactions made through payment systems operated 
            
160
by the RBI and National Payments Corporation of India (NPCI). his 
160
by the RBI and National Payments Corporation of India (NPCI). his 
            
161
dataset provides insights into the electronic payment systems which 
161
dataset provides insights into the electronic payment systems which 
            
162
facilitate various financial transactions across India.\r\nThe dataset 
162
facilitate various financial transactions across India.\r\nThe dataset 
            
163
covers transactions made through various payment systems including 
163
covers transactions made through various payment systems including 
            
164
National Electronic Funds Transfer (NEFT), Real-Time Gross Settlement 
164
National Electronic Funds Transfer (NEFT), Real-Time Gross Settlement 
            
165
(RTGS), Aadhaar enabled Payment System (AePS), Cheque Truncation 
165
(RTGS), Aadhaar enabled Payment System (AePS), Cheque Truncation 
            
166
System (CTS), Immediate Payment Service (IMPS), National Automated 
166
System (CTS), Immediate Payment Service (IMPS), National Automated 
            
167
Clearing House (NACH) and Unified Payments Interface (UPI). 
167
Clearing House (NACH) and Unified Payments Interface (UPI). 
            
168
Additionally, it includes the position of cash withdrawal transactions 
168
Additionally, it includes the position of cash withdrawal transactions 
            
169
using Automated Teller Machines (ATMs) and Banking Correspondents 
169
using Automated Teller Machines (ATMs) and Banking Correspondents 
            
170
(BCs).\r\nThe settlement data of select payment systems is a valuable 
170
(BCs).\r\nThe settlement data of select payment systems is a valuable 
            
171
resource for financial analysts, researchers, policymakers, and 
171
resource for financial analysts, researchers, policymakers, and 
            
172
financial institutions to analyze trends and patterns in payment 
172
financial institutions to analyze trends and patterns in payment 
            
173
transactions. It provides insights into the adoption of electronic 
173
transactions. It provides insights into the adoption of electronic 
            
174
payment systems, the growth of digital payments, and the changing 
174
payment systems, the growth of digital payments, and the changing 
            
175
nature of financial transactions in India.",
175
nature of financial transactions in India.",
            
176
      "district_no": "",
176
      "district_no": "",
            
177
      "format": "CSV",
177
      "format": "CSV",
            
178
      "frequency": "Daily",
178
      "frequency": "Daily",
            
179
      "gp_no": "",
179
      "gp_no": "",
            
180
      "granularity": "India",
180
      "granularity": "India",
            
181
      "hash": "",
181
      "hash": "",
            
182
      "id": "1f9367ac-01b0-4c82-83a1-4069d4340667",
182
      "id": "1f9367ac-01b0-4c82-83a1-4069d4340667",
            
183
      "idp_ready": true,
183
      "idp_ready": true,
            
184
      "last_modified": "2024-12-14T21:30:46.327938",
184
      "last_modified": "2024-12-14T21:30:46.327938",
            
185
      "lgd_mapping": "na",
185
      "lgd_mapping": "na",
            
186
      "metadata_modified": "2024-12-14T21:30:55.748345",
186
      "metadata_modified": "2024-12-14T21:30:55.748345",
            
187
      "methodology": "The specific data collection methodology for the 
187
      "methodology": "The specific data collection methodology for the 
            
188
Reserve Bank published settlement data of select payment systems is 
188
Reserve Bank published settlement data of select payment systems is 
            
189
not provided by RBI. However, it is likely that the data is collected 
189
not provided by RBI. However, it is likely that the data is collected 
            
190
through a combination of automated processes and manual data entry.",
190
through a combination of automated processes and manual data entry.",
            
191
      "mimetype": "text/csv",
191
      "mimetype": "text/csv",
            
192
      "mimetype_inner": null,
192
      "mimetype_inner": null,
            
193
      "name": "RBI Daily Digital Payments",
193
      "name": "RBI Daily Digital Payments",
            
194
      "no_indicators": "48",
194
      "no_indicators": "48",
            
195
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
195
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
            
196
      "position": 0,
196
      "position": 0,
            
197
      "resource_type": null,
197
      "resource_type": null,
            
198
      "similar_resources": "",
198
      "similar_resources": "",
            
199
      "size": 452950,
199
      "size": 452950,
            
200
      "sku": "rbi-payment_systems_settlements-in-dl-zau",
200
      "sku": "rbi-payment_systems_settlements-in-dl-zau",
            
201
      "state": "active",
201
      "state": "active",
            
202
      "states_uts_no": "",
202
      "states_uts_no": "",
            
203
      "tehsil_no": "",
203
      "tehsil_no": "",
            
204
      "url": 
204
      "url": 
            
205
-01b0-4c82-83a1-4069d4340667/download/rbi_daily_digital_payments.csv",
205
-01b0-4c82-83a1-4069d4340667/download/rbi_daily_digital_payments.csv",
            
206
      "url_type": "upload",
206
      "url_type": "upload",
            
207
      "years_covered": "2014-2024"
207
      "years_covered": "2014-2024"
            
208
    },
208
    },
            
209
    {
209
    {
            
210
      "additional_info": "nan",
210
      "additional_info": "nan",
            
211
      "cache_last_updated": null,
211
      "cache_last_updated": null,
            
212
      "cache_url": null,
212
      "cache_url": null,
            
213
      "created": "2023-10-06T12:25:30.912384",
213
      "created": "2023-10-06T12:25:30.912384",
            
214
      "data_extraction_page": 
214
      "data_extraction_page": 
            
215
E/#/dbie/reports/Statistics/Financial%20Sector/Monetary%20Statistics",
215
E/#/dbie/reports/Statistics/Financial%20Sector/Monetary%20Statistics",
            
216
      "data_insights": "How do trends in M3 compare with other key 
216
      "data_insights": "How do trends in M3 compare with other key 
            
217
economic indicators such as inflation and GDP growth?\nHow has the 
217
economic indicators such as inflation and GDP growth?\nHow has the 
            
218
COVID-19 pandemic impacted the money supply in India, and have there 
218
COVID-19 pandemic impacted the money supply in India, and have there 
            
219
been any notable trends or fluctuations?\nHow does the money supply in 
219
been any notable trends or fluctuations?\nHow does the money supply in 
            
220
India compare to that of other countries in the region?\nWhat is the 
220
India compare to that of other countries in the region?\nWhat is the 
            
221
relationship between M3 and key policy decisions made by the Reserve 
221
relationship between M3 and key policy decisions made by the Reserve 
            
222
Bank of India, such as changes in interest rates or reserve 
222
Bank of India, such as changes in interest rates or reserve 
            
223
requirements?",
223
requirements?",
            
224
      "data_last_updated": "updated fortnightly",
224
      "data_last_updated": "updated fortnightly",
            
225
      "data_retreival_date": "2024-03-15 00:00:00",
225
      "data_retreival_date": "2024-03-15 00:00:00",
            
226
      "datastore_active": true,
226
      "datastore_active": true,
            
227
      "description": "The Money Supply (M3) dataset is published by 
227
      "description": "The Money Supply (M3) dataset is published by 
            
228
the Reserve Bank of India (RBI) on a fortnightly basis and provides 
228
the Reserve Bank of India (RBI) on a fortnightly basis and provides 
            
229
information on the amount of money circulating in the Indian economy. 
229
information on the amount of money circulating in the Indian economy. 
            
230
This dataset covers the period from 2001 onwards and contains data on 
230
This dataset covers the period from 2001 onwards and contains data on 
            
231
the total money supply and its components and sources such as currency 
231
the total money supply and its components and sources such as currency 
            
232
with the public, demand deposits, time deposits, other deposits 
232
with the public, demand deposits, time deposits, other deposits 
            
233
etc.\n\nThe M3 dataset is an essential tool for policymakers, 
233
etc.\n\nThe M3 dataset is an essential tool for policymakers, 
            
234
economists, and researchers to understand the state of the Indian 
234
economists, and researchers to understand the state of the Indian 
            
235
economy and make informed decisions. ",
235
economy and make informed decisions. ",
            
236
      "district_no": "",
236
      "district_no": "",
            
237
      "format": "CSV",
237
      "format": "CSV",
            
238
      "frequency": "Fortnightly",
238
      "frequency": "Fortnightly",
            
239
      "gp_no": "",
239
      "gp_no": "",
            
240
      "granularity": "India",
240
      "granularity": "India",
            
241
      "hash": "",
241
      "hash": "",
            
242
      "id": "487f5d4e-4ac9-4015-9ed5-ee9066893982",
242
      "id": "487f5d4e-4ac9-4015-9ed5-ee9066893982",
            
243
      "idp_ready": true,
243
      "idp_ready": true,
            
244
      "last_modified": "2024-03-19T08:17:19.204175",
244
      "last_modified": "2024-03-19T08:17:19.204175",
            
245
      "lgd_mapping": "na",
245
      "lgd_mapping": "na",
            
246
      "metadata_modified": "2024-08-22T10:10:44.362499",
246
      "metadata_modified": "2024-08-22T10:10:44.362499",
            
247
      "methodology": "The Reserve Bank of India (RBI) collects the 
247
      "methodology": "The Reserve Bank of India (RBI) collects the 
            
248
Money Supply (M3) data through surveys and reports from various 
248
Money Supply (M3) data through surveys and reports from various 
            
249
financial institutions, including commercial banks, cooperative banks, 
249
financial institutions, including commercial banks, cooperative banks, 
            
250
regional rural banks, and other financial institutions.",
250
regional rural banks, and other financial institutions.",
            
251
      "mimetype": "text/csv",
251
      "mimetype": "text/csv",
            
252
      "mimetype_inner": null,
252
      "mimetype_inner": null,
            
253
      "name": "Money Stock M3",
253
      "name": "Money Stock M3",
            
254
      "no_indicators": "13",
254
      "no_indicators": "13",
            
255
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
255
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
            
256
      "position": 1,
256
      "position": 1,
            
257
      "resource_type": null,
257
      "resource_type": null,
            
258
      "similar_datasets": [],
258
      "similar_datasets": [],
            
259
      "size": 76919,
259
      "size": 76919,
            
260
      "sku": "rbi-money_stock-in-wk-sne",
260
      "sku": "rbi-money_stock-in-wk-sne",
            
261
      "state": "active",
261
      "state": "active",
            
262
      "states_uts_no": "",
262
      "states_uts_no": "",
            
263
      "tags": [
263
      "tags": [
            
264
        "Money Supply",
264
        "Money Supply",
            
265
        "Currency",
265
        "Currency",
            
266
        "Demand Deposits",
266
        "Demand Deposits",
            
267
        "Time Deposits",
267
        "Time Deposits",
            
268
        "Liabilities",
268
        "Liabilities",
            
269
        "Assets",
269
        "Assets",
            
270
        "Sources",
270
        "Sources",
            
271
        "Economic Indicators",
271
        "Economic Indicators",
            
272
        "Inflation"
272
        "Inflation"
            
273
      ],
273
      ],
            
274
      "tehsil_no": "",
274
      "tehsil_no": "",
            
275
      "url": 
275
      "url": 
            
276
rce/487f5d4e-4ac9-4015-9ed5-ee9066893982/download/money-stock-m3.csv",
276
rce/487f5d4e-4ac9-4015-9ed5-ee9066893982/download/money-stock-m3.csv",
            
277
      "url_type": "upload",
277
      "url_type": "upload",
            
278
      "village_no": "",
278
      "village_no": "",
            
279
      "years_covered": "2001-2024"
279
      "years_covered": "2001-2024"
            
280
    },
280
    },
            
281
    {
281
    {
            
282
      "additional_info": "",
282
      "additional_info": "",
            
283
      "cache_last_updated": null,
283
      "cache_last_updated": null,
            
284
      "cache_url": null,
284
      "cache_url": null,
            
285
      "created": "2023-10-07T05:56:50.564020",
285
      "created": "2023-10-07T05:56:50.564020",
            
286
      "data_extraction_page": 
286
      "data_extraction_page": 
            
287
enDocument/opendoc/openDocument.faces?logonSuccessful=true&shareId=1",
287
enDocument/opendoc/openDocument.faces?logonSuccessful=true&shareId=1",
            
288
      "data_insights": "Understanding the distribution of deposits 
288
      "data_insights": "Understanding the distribution of deposits 
            
289
across different population groups and regions in India.Identifying 
289
across different population groups and regions in India.Identifying 
            
290
areas where additional investment may be needed to improve access to 
290
areas where additional investment may be needed to improve access to 
            
291
banking services.Analyzing the impact of government policies and 
291
banking services.Analyzing the impact of government policies and 
            
292
economic trends on the banking sector.Identifying opportunities for 
292
economic trends on the banking sector.Identifying opportunities for 
            
293
banks to expand their operations in underserved areas.",
293
banks to expand their operations in underserved areas.",
            
294
      "data_last_updated": "2022",
294
      "data_last_updated": "2022",
            
295
      "data_retreival_date": "2022-09-04 00:00:00",
295
      "data_retreival_date": "2022-09-04 00:00:00",
            
296
      "datastore_active": true,
296
      "datastore_active": true,
            
297
      "description": "The Reserve Bank of India (RBI) provides data on 
297
      "description": "The Reserve Bank of India (RBI) provides data on 
            
298
the deposits of scheduled commercial banks as part of its database of 
298
the deposits of scheduled commercial banks as part of its database of 
            
299
the Indian economy. Scheduled commercial banks include public sector 
299
the Indian economy. Scheduled commercial banks include public sector 
            
300
banks, private sector banks, foreign banks, regional rural banks, and 
300
banks, private sector banks, foreign banks, regional rural banks, and 
            
301
other types of banks.\r\n\r\nThe dataset includes information on 
301
other types of banks.\r\n\r\nThe dataset includes information on 
            
302
various types of deposits such as savings deposits, term deposits, and 
302
various types of deposits such as savings deposits, term deposits, and 
            
303
demand deposits. It provides detailed information on the amount of 
303
demand deposits. It provides detailed information on the amount of 
            
304
deposits held by the banks, and number of accounts.",
304
deposits held by the banks, and number of accounts.",
            
305
      "district_no": "717",
305
      "district_no": "717",
            
306
      "format": "CSV",
306
      "format": "CSV",
            
307
      "frequency": "Yearly",
307
      "frequency": "Yearly",
            
308
      "gp_no": "",
308
      "gp_no": "",
            
309
      "granularity": "District",
309
      "granularity": "District",
            
310
      "hash": "",
310
      "hash": "",
            
311
      "id": "991a33ab-67c0-4748-9ded-012f449497be",
311
      "id": "991a33ab-67c0-4748-9ded-012f449497be",
            
312
      "idp_ready": true,
312
      "idp_ready": true,
            
313
      "last_modified": "2023-10-07T05:56:50.539958",
313
      "last_modified": "2023-10-07T05:56:50.539958",
            
314
      "lgd_mapping": "yes",
314
      "lgd_mapping": "yes",
            
315
      "metadata_modified": "2024-08-22T10:10:44.920464",
315
      "metadata_modified": "2024-08-22T10:10:44.920464",
            
316
      "methodology": "The District and Population Group-wise Deposits 
316
      "methodology": "The District and Population Group-wise Deposits 
            
317
of Scheduled Commercial Banks dataset is sourced from the Reserve Bank 
317
of Scheduled Commercial Banks dataset is sourced from the Reserve Bank 
            
318
of India (RBI) and is updated annually. The data is collected through 
318
of India (RBI) and is updated annually. The data is collected through 
            
319
the submission of monthly and quarterly returns by scheduled 
319
the submission of monthly and quarterly returns by scheduled 
            
320
commercial banks to the RBI. The data is then aggregated at the 
320
commercial banks to the RBI. The data is then aggregated at the 
            
321
district and population group level to produce the final dataset.",
321
district and population group level to produce the final dataset.",
            
322
      "mimetype": "",
322
      "mimetype": "",
            
323
      "mimetype_inner": null,
323
      "mimetype_inner": null,
            
324
      "name": "Population-group  Wise Deposits",
324
      "name": "Population-group  Wise Deposits",
            
325
      "no_indicators": "3",
325
      "no_indicators": "3",
            
326
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
326
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
            
327
      "position": 2,
327
      "position": 2,
            
328
      "resource_type": null,
328
      "resource_type": null,
            
329
      "similar_datasets": "",
329
      "similar_datasets": "",
            
330
      "size": 1114004,
330
      "size": 1114004,
            
331
      "sku": "rbi-groupwise_deposits_with_scbs-dt-yr-pop",
331
      "sku": "rbi-groupwise_deposits_with_scbs-dt-yr-pop",
            
332
      "state": "active",
332
      "state": "active",
            
333
      "states_uts_no": "36",
333
      "states_uts_no": "36",
            
334
      "tags": "",
334
      "tags": "",
            
335
      "tehsil_no": "",
335
      "tehsil_no": "",
            
336
      "url": 
336
      "url": 
            
337
c0-4748-9ded-012f449497be/download/populationgroup-wise-deposits.csv",
337
c0-4748-9ded-012f449497be/download/populationgroup-wise-deposits.csv",
            
338
      "url_type": "upload",
338
      "url_type": "upload",
            
339
      "village_no": "",
339
      "village_no": "",
            
340
      "years_covered": "2019-2022"
340
      "years_covered": "2019-2022"
            
341
    },
341
    },
            
342
    {
342
    {
            
343
      "additional_info": "",
343
      "additional_info": "",
            
344
      "cache_last_updated": null,
344
      "cache_last_updated": null,
            
345
      "cache_url": null,
345
      "cache_url": null,
            
346
      "created": "2023-10-07T05:57:30.367092",
346
      "created": "2023-10-07T05:57:30.367092",
            
347
      "data_extraction_page": "nan",
347
      "data_extraction_page": "nan",
            
348
      "data_insights": "The dataset provides information on the number 
348
      "data_insights": "The dataset provides information on the number 
            
349
of deposits and deposit amounts for different population groups in 
349
of deposits and deposit amounts for different population groups in 
            
350
each district for various categories of SCBs. The data can be used to 
350
each district for various categories of SCBs. The data can be used to 
            
351
analyze the financial behavior of different demographic groups, as 
351
analyze the financial behavior of different demographic groups, as 
            
352
well as the performance of different banks in different districts. For 
352
well as the performance of different banks in different districts. For 
            
353
example, one could analyze which demographic groups are saving the 
353
example, one could analyze which demographic groups are saving the 
            
354
most and which banks are attracting the most deposits in different 
354
most and which banks are attracting the most deposits in different 
            
355
districts.",
355
districts.",
            
356
      "data_last_updated": "2022",
356
      "data_last_updated": "2022",
            
357
      "data_retreival_date": "2022-09-04 00:00:00",
357
      "data_retreival_date": "2022-09-04 00:00:00",
            
358
      "datastore_active": true,
358
      "datastore_active": true,
            
359
      "description": "This dataset gives district-wise information on 
359
      "description": "This dataset gives district-wise information on 
            
360
the number of deposits and deposit amounts for every population group 
360
the number of deposits and deposit amounts for every population group 
            
361
in each category of Scheduled Commercial Banks",
361
in each category of Scheduled Commercial Banks",
            
362
      "district_no": "717",
362
      "district_no": "717",
            
363
      "format": "CSV",
363
      "format": "CSV",
            
364
      "frequency": "Yearly",
364
      "frequency": "Yearly",
            
365
      "gp_no": "",
365
      "gp_no": "",
            
366
      "granularity": "District",
366
      "granularity": "District",
            
367
      "hash": "",
367
      "hash": "",
            
368
      "id": "3d6dc991-9a60-47d6-b107-2e2536688e5e",
368
      "id": "3d6dc991-9a60-47d6-b107-2e2536688e5e",
            
369
      "idp_ready": true,
369
      "idp_ready": true,
            
370
      "last_modified": "2023-10-07T05:57:30.337929",
370
      "last_modified": "2023-10-07T05:57:30.337929",
            
371
      "lgd_mapping": "yes",
371
      "lgd_mapping": "yes",
            
372
      "metadata_modified": "2024-08-22T10:10:45.495583",
372
      "metadata_modified": "2024-08-22T10:10:45.495583",
            
373
      "methodology": "Reserve Bank of India collected the data from 
373
      "methodology": "Reserve Bank of India collected the data from 
            
374
SCBs and compiled it into a dataset.",
374
SCBs and compiled it into a dataset.",
            
375
      "mimetype": "",
375
      "mimetype": "",
            
376
      "mimetype_inner": null,
376
      "mimetype_inner": null,
            
377
      "name": "Bank-group Wise Deposits",
377
      "name": "Bank-group Wise Deposits",
            
378
      "no_indicators": "2",
378
      "no_indicators": "2",
            
379
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
379
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
            
380
      "position": 3,
380
      "position": 3,
            
381
      "resource_type": null,
381
      "resource_type": null,
            
382
      "similar_datasets": "",
382
      "similar_datasets": "",
            
383
      "size": 4699652,
383
      "size": 4699652,
            
384
      "sku": "rbi-bankgroup_wise_deposit_statistics-dt-yr-pth",
384
      "sku": "rbi-bankgroup_wise_deposit_statistics-dt-yr-pth",
            
385
      "state": "active",
385
      "state": "active",
            
386
      "states_uts_no": "36",
386
      "states_uts_no": "36",
            
387
      "tags": "",
387
      "tags": "",
            
388
      "tehsil_no": "",
388
      "tehsil_no": "",
            
389
      "url": 
389
      "url": 
            
390
991-9a60-47d6-b107-2e2536688e5e/download/bankgroup-wise-deposits.csv",
390
991-9a60-47d6-b107-2e2536688e5e/download/bankgroup-wise-deposits.csv",
            
391
      "url_type": "upload",
391
      "url_type": "upload",
            
392
      "village_no": "",
392
      "village_no": "",
            
393
      "years_covered": "2009-10 to 2017-18"
393
      "years_covered": "2009-10 to 2017-18"
            
394
    },
394
    },
            
395
    {
395
    {
            
396
      "additional_info": "Number of Banks : 85",
396
      "additional_info": "Number of Banks : 85",
            
397
      "cache_last_updated": null,
397
      "cache_last_updated": null,
            
398
      "cache_url": null,
398
      "cache_url": null,
            
399
      "created": "2023-10-07T06:53:04.021727",
399
      "created": "2023-10-07T06:53:04.021727",
            
400
      "data_extraction_page": 
400
      "data_extraction_page": 
            
401
"https://rbi.org.in/Scripts/ATMView.aspx",
401
"https://rbi.org.in/Scripts/ATMView.aspx",
            
402
      "data_insights": "Some Insights can be drawn from the dataset: 
402
      "data_insights": "Some Insights can be drawn from the dataset: 
            
403
Which banks have the most significant number of ATMs and POS 
403
Which banks have the most significant number of ATMs and POS 
            
404
terminals, and how has this changed over time? What is the overall 
404
terminals, and how has this changed over time? What is the overall 
            
405
trend in the number of transactions using ATMs and POS terminals, and 
405
trend in the number of transactions using ATMs and POS terminals, and 
            
406
how has this varied across different banks? What is the total value of 
406
how has this varied across different banks? What is the total value of 
            
407
debit and credit card transactions, and how has this changed over 
407
debit and credit card transactions, and how has this changed over 
            
408
time? How has the number of debit and credit cards issued by each bank 
408
time? How has the number of debit and credit cards issued by each bank 
            
409
changed over time, and which banks have seen the most growth in their 
409
changed over time, and which banks have seen the most growth in their 
            
410
card issuance? What is the average transaction value for ATM and POS 
410
card issuance? What is the average transaction value for ATM and POS 
            
411
transactions, and how does this vary across different banks and 
411
transactions, and how does this vary across different banks and 
            
412
regions? Are there any seasonal trends in ATM and POS usage, such as 
412
regions? Are there any seasonal trends in ATM and POS usage, such as 
            
413
higher usage during certain months or holidays? How does the usage of 
413
higher usage during certain months or holidays? How does the usage of 
            
414
electronic payment methods compare to cash-based transactions, and how 
414
electronic payment methods compare to cash-based transactions, and how 
            
415
has this trend continued?",
415
has this trend continued?",
            
n
416
      "data_last_updated": "2024-08-01",
n
416
      "data_last_updated": "2024-09-01",
            
417
      "data_retreival_date": "2024-11-15",
417
      "data_retreival_date": "2024-12-15",
            
418
      "datastore_active": true,
418
      "datastore_active": true,
            
419
      "description": "The Bankwise ATM/POS/Card Statistics dataset is 
419
      "description": "The Bankwise ATM/POS/Card Statistics dataset is 
            
420
published monthly by the Reserve Bank of India (RBI). It provides 
420
published monthly by the Reserve Bank of India (RBI). It provides 
            
421
information on the usage of automated teller machines (ATMs), point of 
421
information on the usage of automated teller machines (ATMs), point of 
            
422
sale (POS) terminals, and payment cards across various banks in India. 
422
sale (POS) terminals, and payment cards across various banks in India. 
            
423
This dataset contains information on the number of ATMs and POS 
423
This dataset contains information on the number of ATMs and POS 
            
424
terminals installed by each bank, the number of transactions carried 
424
terminals installed by each bank, the number of transactions carried 
            
425
out using these machines, and the total value of transactions. 
425
out using these machines, and the total value of transactions. 
            
426
Additionally, it provides data on the number of debit and credit cards 
426
Additionally, it provides data on the number of debit and credit cards 
            
427
issued by each bank and the total value of transactions made using 
427
issued by each bank and the total value of transactions made using 
            
428
these cards. The Bankwise ATM/POS/Card Statistics dataset can be used 
428
these cards. The Bankwise ATM/POS/Card Statistics dataset can be used 
            
429
to analyze the growth of electronic payments in India, monitor the 
429
to analyze the growth of electronic payments in India, monitor the 
            
430
performance of individual banks, and identify trends in ATM and POS 
430
performance of individual banks, and identify trends in ATM and POS 
            
431
usage. Researchers, policy-makers, and financial institutions can 
431
usage. Researchers, policy-makers, and financial institutions can 
            
432
leverage this data to make informed decisions related to expanding 
432
leverage this data to make informed decisions related to expanding 
            
433
banking infrastructure, developing payment systems, and promoting 
433
banking infrastructure, developing payment systems, and promoting 
            
434
cashless transactions.",
434
cashless transactions.",
            
435
      "district_no": "",
435
      "district_no": "",
            
436
      "format": "CSV",
436
      "format": "CSV",
            
437
      "frequency": "Monthly",
437
      "frequency": "Monthly",
            
438
      "gp_no": "",
438
      "gp_no": "",
            
439
      "granularity": "India",
439
      "granularity": "India",
            
440
      "hash": "",
440
      "hash": "",
            
441
      "id": "1bb59cb1-6965-4c02-88ab-82333f101f5b",
441
      "id": "1bb59cb1-6965-4c02-88ab-82333f101f5b",
            
442
      "idp_ready": true,
442
      "idp_ready": true,
            
443
      "last_modified": "2024-12-15T00:30:42.484098",
443
      "last_modified": "2024-12-15T00:30:42.484098",
            
444
      "lgd_mapping": "na",
444
      "lgd_mapping": "na",
            
t
445
      "metadata_modified": "2024-12-15T00:30:42.546290",
t
445
      "metadata_modified": "2024-12-15T00:31:01.307029",
            
446
      "methodology": "The exact data collection methodology used by 
446
      "methodology": "The exact data collection methodology used by 
            
447
the RBI to gather information for the Bankwise ATM/POS/Card Statistics 
447
the RBI to gather information for the Bankwise ATM/POS/Card Statistics 
            
448
dataset is not publicly disclosed. However, it is likely that the data 
448
dataset is not publicly disclosed. However, it is likely that the data 
            
449
is collected through a combination of surveys, reports, and data 
449
is collected through a combination of surveys, reports, and data 
            
450
sharing agreements with the participating banks.\nThe RBI may require 
450
sharing agreements with the participating banks.\nThe RBI may require 
            
451
banks to report their ATM and POS transactions data on a regular 
451
banks to report their ATM and POS transactions data on a regular 
            
452
basis, either electronically or through manual reporting. This data 
452
basis, either electronically or through manual reporting. This data 
            
453
may be submitted directly to the RBI or through a third-party data 
453
may be submitted directly to the RBI or through a third-party data 
            
454
aggregator. The RBI may also use data from other sources, such as 
454
aggregator. The RBI may also use data from other sources, such as 
            
455
payment processors or card networks, to supplement the data provided 
455
payment processors or card networks, to supplement the data provided 
            
456
by the banks.",
456
by the banks.",
            
457
      "mimetype": "text/csv",
457
      "mimetype": "text/csv",
            
458
      "mimetype_inner": null,
458
      "mimetype_inner": null,
            
459
      "name": "Bankwise ATM POS Card Statistics",
459
      "name": "Bankwise ATM POS Card Statistics",
            
460
      "no_indicators": "26",
460
      "no_indicators": "26",
            
461
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
461
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
            
462
      "position": 4,
462
      "position": 4,
            
463
      "resource_type": null,
463
      "resource_type": null,
            
464
      "similar_datasets": [],
464
      "similar_datasets": [],
            
465
      "size": 1390139,
465
      "size": 1390139,
            
466
      "sku": "rbi-bankwise_atm_pos-in-mn-bxi",
466
      "sku": "rbi-bankwise_atm_pos-in-mn-bxi",
            
467
      "state": "active",
467
      "state": "active",
            
468
      "states_uts_no": "",
468
      "states_uts_no": "",
            
469
      "tags": [
469
      "tags": [
            
470
        "Payment Systems",
470
        "Payment Systems",
            
471
        "Banking",
471
        "Banking",
            
472
        "Finance",
472
        "Finance",
            
473
        "Electronic Payments\n Financial Institutions"
473
        "Electronic Payments\n Financial Institutions"
            
474
      ],
474
      ],
            
475
      "tehsil_no": "",
475
      "tehsil_no": "",
            
476
      "url": 
476
      "url": 
            
477
4c02-88ab-82333f101f5b/download/bankwise_atm_pos_card_statistics.csv",
477
4c02-88ab-82333f101f5b/download/bankwise_atm_pos_card_statistics.csv",
            
478
      "url_type": "upload",
478
      "url_type": "upload",
            
479
      "village_no": "",
479
      "village_no": "",
            
480
      "years_covered": "2014-2024"
480
      "years_covered": "2014-2024"
            
481
    },
481
    },
            
482
    {
482
    {
            
483
      "additional_info": "To get to the exact table from the source 
483
      "additional_info": "To get to the exact table from the source 
            
484
link, Under the Time Series Tab -> \"Time Series Detailed Data\" -> 
484
link, Under the Time Series Tab -> \"Time Series Detailed Data\" -> 
            
485
\"Bank Credit of SCBs - Bank Group, Population Group, Occupation 
485
\"Bank Credit of SCBs - Bank Group, Population Group, Occupation 
            
486
(Sector), District Wise - Annual\"",
486
(Sector), District Wise - Annual\"",
            
487
      "cache_last_updated": null,
487
      "cache_last_updated": null,
            
488
      "cache_url": null,
488
      "cache_url": null,
            
489
      "created": "2023-10-08T02:40:47.113768",
489
      "created": "2023-10-08T02:40:47.113768",
            
490
      "data_extraction_page": 
490
      "data_extraction_page": 
            
491
"https://dbie.rbi.org.in/DBIE/dbie.rbi?site=publications#!19",
491
"https://dbie.rbi.org.in/DBIE/dbie.rbi?site=publications#!19",
            
492
      "data_insights": "The dataset provides information on the credit 
492
      "data_insights": "The dataset provides information on the credit 
            
493
extended by different bank groups, with nationalized banks having the 
493
extended by different bank groups, with nationalized banks having the 
            
494
highest share of credit followed by SBI and its associates, private 
494
highest share of credit followed by SBI and its associates, private 
            
495
sector banks, and foreign banks.\n\nThe majority of the credit is 
495
sector banks, and foreign banks.\n\nThe majority of the credit is 
            
496
extended to the industry sector, followed by the services sector and 
496
extended to the industry sector, followed by the services sector and 
            
497
agriculture sector. Personal loans and other priority sectors account 
497
agriculture sector. Personal loans and other priority sectors account 
            
498
for a smaller share of credit.\n\nThe dataset shows that credit growth 
498
for a smaller share of credit.\n\nThe dataset shows that credit growth 
            
499
is higher in urban and metropolitan areas compared to rural and 
499
is higher in urban and metropolitan areas compared to rural and 
            
500
semi-urban areas.\n\nThe district-wise data shows that the credit 
500
semi-urban areas.\n\nThe district-wise data shows that the credit 
            
501
patterns vary across different regions, with some districts having 
501
patterns vary across different regions, with some districts having 
            
502
higher credit growth compared to others.",
502
higher credit growth compared to others.",
            
503
      "data_last_updated": "2024-02-01 00:00:00",
503
      "data_last_updated": "2024-02-01 00:00:00",
            
504
      "data_retreival_date": "2023-09-15 00:00:00",
504
      "data_retreival_date": "2023-09-15 00:00:00",
            
505
      "datastore_active": true,
505
      "datastore_active": true,
            
506
      "description": "The \"Credit by Scheduled Commercial Banks\" 
506
      "description": "The \"Credit by Scheduled Commercial Banks\" 
            
507
dataset provided by the Reserve Bank of India (RBI) captures 
507
dataset provided by the Reserve Bank of India (RBI) captures 
            
508
information on the credit extended by scheduled commercial banks in 
508
information on the credit extended by scheduled commercial banks in 
            
509
India to various population groups, bank groups, occupation groups, 
509
India to various population groups, bank groups, occupation groups, 
            
510
and occupation subgroups. The dataset covers various types of credit, 
510
and occupation subgroups. The dataset covers various types of credit, 
            
511
such as agricultural credit, personal loans, housing loans, and loans 
511
such as agricultural credit, personal loans, housing loans, and loans 
            
512
to the industrial sector, among others.\n\nThe dataset is organized 
512
to the industrial sector, among others.\n\nThe dataset is organized 
            
513
across four dimensions, including population group, bank group, 
513
across four dimensions, including population group, bank group, 
            
514
occupation group, and occupation subgroup. The population group 
514
occupation group, and occupation subgroup. The population group 
            
515
dimension includes categories such as rural, semi-urban, urban, and 
515
dimension includes categories such as rural, semi-urban, urban, and 
            
516
metropolitan, while the bank group dimension includes categories such 
516
metropolitan, while the bank group dimension includes categories such 
            
517
as nationalized banks, private sector banks, foreign banks, and 
517
as nationalized banks, private sector banks, foreign banks, and 
            
518
regional rural banks, among others. The occupation group dimension 
518
regional rural banks, among others. The occupation group dimension 
            
519
includes categories such as agriculture and allied activities, 
519
includes categories such as agriculture and allied activities, 
            
520
industry, and services, while the occupation subgroup dimension 
520
industry, and services, while the occupation subgroup dimension 
            
521
includes categories such as self-employed individuals, salaried 
521
includes categories such as self-employed individuals, salaried 
            
522
individuals, and others.\n\nThis dataset is useful for researchers, 
522
individuals, and others.\n\nThis dataset is useful for researchers, 
            
523
policymakers, and financial analysts who are interested in 
523
policymakers, and financial analysts who are interested in 
            
524
understanding the credit flow in the Indian economy, analyzing the 
524
understanding the credit flow in the Indian economy, analyzing the 
            
525
distribution of credit across different population groups and sectors, 
525
distribution of credit across different population groups and sectors, 
            
526
and identifying trends in credit disbursement by scheduled commercial 
526
and identifying trends in credit disbursement by scheduled commercial 
            
527
banks.",
527
banks.",
            
528
      "district_no": "764",
528
      "district_no": "764",
            
529
      "format": "CSV",
529
      "format": "CSV",
            
530
      "frequency": "Yearly",
530
      "frequency": "Yearly",
            
531
      "gp_no": "",
531
      "gp_no": "",
            
532
      "granularity": "District",
532
      "granularity": "District",
            
533
      "hash": "",
533
      "hash": "",
            
534
      "id": "733d27c5-e6a7-4cbf-a03e-b7cda032b608",
534
      "id": "733d27c5-e6a7-4cbf-a03e-b7cda032b608",
            
535
      "idp_ready": true,
535
      "idp_ready": true,
            
536
      "last_modified": "2024-03-14T23:24:11.404596",
536
      "last_modified": "2024-03-14T23:24:11.404596",
            
537
      "lgd_mapping": "yes",
537
      "lgd_mapping": "yes",
            
538
      "metadata_modified": "2024-08-22T10:10:47.053273",
538
      "metadata_modified": "2024-08-22T10:10:47.053273",
            
539
      "methodology": "Reserve Bank of India releases information about 
539
      "methodology": "Reserve Bank of India releases information about 
            
540
the number of accounts, credit limit and amount outstanding 
540
the number of accounts, credit limit and amount outstanding 
            
541
categorised as per population group, bank group and occupation under 
541
categorised as per population group, bank group and occupation under 
            
542
each district yearly.",
542
each district yearly.",
            
543
      "mimetype": "text/csv",
543
      "mimetype": "text/csv",
            
544
      "mimetype_inner": null,
544
      "mimetype_inner": null,
            
545
      "name": "Credit by Scheduled Commercial Banks",
545
      "name": "Credit by Scheduled Commercial Banks",
            
546
      "no_indicators": "3",
546
      "no_indicators": "3",
            
547
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
547
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
            
548
      "position": 5,
548
      "position": 5,
            
549
      "resource_type": null,
549
      "resource_type": null,
            
550
      "similar_datasets": [],
550
      "similar_datasets": [],
            
551
      "size": 262735959,
551
      "size": 262735959,
            
552
      "sku": "rbi-groupwise_credit_by_scbs-dt-yr-vvi",
552
      "sku": "rbi-groupwise_credit_by_scbs-dt-yr-vvi",
            
553
      "state": "active",
553
      "state": "active",
            
554
      "states_uts_no": "36",
554
      "states_uts_no": "36",
            
555
      "tags": [
555
      "tags": [
            
556
        "Banking",
556
        "Banking",
            
557
        "Credit",
557
        "Credit",
            
558
        "Scheduled Commercial Banks",
558
        "Scheduled Commercial Banks",
            
559
        "Bank Group\n Population Group",
559
        "Bank Group\n Population Group",
            
560
        "Occupation",
560
        "Occupation",
            
561
        "Sector",
561
        "Sector",
            
562
        "District-Wise",
562
        "District-Wise",
            
563
        "India\n Finance."
563
        "India\n Finance."
            
564
      ],
564
      ],
            
565
      "tehsil_no": "",
565
      "tehsil_no": "",
            
566
      "url": 
566
      "url": 
            
567
-a03e-b7cda032b608/download/credit-by-scheduled-commercial-banks.csv",
567
-a03e-b7cda032b608/download/credit-by-scheduled-commercial-banks.csv",
            
568
      "url_type": "upload",
568
      "url_type": "upload",
            
569
      "village_no": "",
569
      "village_no": "",
            
570
      "years_covered": "2010-2023"
570
      "years_covered": "2010-2023"
            
571
    },
571
    },
            
572
    {
572
    {
            
573
      "additional_info": "",
573
      "additional_info": "",
            
574
      "cache_last_updated": null,
574
      "cache_last_updated": null,
            
575
      "cache_url": null,
575
      "cache_url": null,
            
576
      "created": "2023-10-09T09:38:06.588133",
576
      "created": "2023-10-09T09:38:06.588133",
            
577
      "data_extraction_page": 
577
      "data_extraction_page": 
            
578
"https://rbi.org.in/Scripts/NEFTView.aspx",
578
"https://rbi.org.in/Scripts/NEFTView.aspx",
            
579
      "data_insights": "Through this dataset, one can observe 
579
      "data_insights": "Through this dataset, one can observe 
            
580
variations in ECS transaction volumes, values, and user counts across 
580
variations in ECS transaction volumes, values, and user counts across 
            
581
different months. When segmented by banks, the data allows for a 
581
different months. When segmented by banks, the data allows for a 
            
582
comparison of ECS transaction activity across various banking 
582
comparison of ECS transaction activity across various banking 
            
583
institutions. Additionally, the distinction between ECS credit and 
583
institutions. Additionally, the distinction between ECS credit and 
            
584
debit transactions provides information on user transactional choices. 
584
debit transactions provides information on user transactional choices. 
            
585
The inclusion of center names in the dataset also enables a regional 
585
The inclusion of center names in the dataset also enables a regional 
            
586
assessment, giving insights into the distribution and prevalence of 
586
assessment, giving insights into the distribution and prevalence of 
            
587
these transactions in different regions. ",
587
these transactions in different regions. ",
            
588
      "data_last_updated": "discontinued",
588
      "data_last_updated": "discontinued",
            
589
      "data_retreival_date": "2023-08-03 00:00:00",
589
      "data_retreival_date": "2023-08-03 00:00:00",
            
590
      "datastore_active": true,
590
      "datastore_active": true,
            
591
      "description": "ECS Transactions (Volume, Value, Users) provides 
591
      "description": "ECS Transactions (Volume, Value, Users) provides 
            
592
detailed monthly data on Electronic Clearing Service (ECS) 
592
detailed monthly data on Electronic Clearing Service (ECS) 
            
593
transactions. The dataset encompasses specific metrics like the volume 
593
transactions. The dataset encompasses specific metrics like the volume 
            
594
and value of transactions, and the number of users engaging in ECS 
594
and value of transactions, and the number of users engaging in ECS 
            
595
credit and debit transactions. The data is organized by month and is 
595
credit and debit transactions. The data is organized by month and is 
            
596
broken down by different centers and banks, offering granular insights 
596
broken down by different centers and banks, offering granular insights 
            
597
into the dynamics of electronic transactions across various regions 
597
into the dynamics of electronic transactions across various regions 
            
598
and banking institutions.",
598
and banking institutions.",
            
599
      "district_no": "",
599
      "district_no": "",
            
600
      "format": "CSV",
600
      "format": "CSV",
            
601
      "frequency": "Monthly",
601
      "frequency": "Monthly",
            
602
      "gp_no": "",
602
      "gp_no": "",
            
603
      "granularity": "Bank",
603
      "granularity": "Bank",
            
604
      "hash": "",
604
      "hash": "",
            
605
      "id": "961f1a87-5701-41e6-b124-896b33867e30",
605
      "id": "961f1a87-5701-41e6-b124-896b33867e30",
            
606
      "idp_ready": true,
606
      "idp_ready": true,
            
607
      "last_modified": "2023-10-09T09:38:06.525046",
607
      "last_modified": "2023-10-09T09:38:06.525046",
            
608
      "lgd_mapping": "na",
608
      "lgd_mapping": "na",
            
609
      "metadata_modified": "2024-08-22T10:10:47.579882",
609
      "metadata_modified": "2024-08-22T10:10:47.579882",
            
610
      "methodology": "The dataset is compiled from data reported by 
610
      "methodology": "The dataset is compiled from data reported by 
            
611
different banks to the Reserve Bank of India. It is updated monthly 
611
different banks to the Reserve Bank of India. It is updated monthly 
            
612
and is made available on the RBI\u2019s official website. ",
612
and is made available on the RBI\u2019s official website. ",
            
613
      "mimetype": "",
613
      "mimetype": "",
            
614
      "mimetype_inner": null,
614
      "mimetype_inner": null,
            
615
      "name": "ECS Transaction Metrics",
615
      "name": "ECS Transaction Metrics",
            
616
      "no_indicators": "6",
616
      "no_indicators": "6",
            
617
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
617
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
            
618
      "position": 6,
618
      "position": 6,
            
619
      "resource_type": null,
619
      "resource_type": null,
            
620
      "similar_datasets": "",
620
      "similar_datasets": "",
            
621
      "size": 627222,
621
      "size": 627222,
            
622
      "sku": "rbi-bankwise_ecs_transactions-in-mn-aaa",
622
      "sku": "rbi-bankwise_ecs_transactions-in-mn-aaa",
            
623
      "state": "active",
623
      "state": "active",
            
624
      "states_uts_no": "",
624
      "states_uts_no": "",
            
625
      "tags": "",
625
      "tags": "",
            
626
      "tehsil_no": "",
626
      "tehsil_no": "",
            
627
      "url": 
627
      "url": 
            
628
a87-5701-41e6-b124-896b33867e30/download/ecs-transaction-metrics.csv",
628
a87-5701-41e6-b124-896b33867e30/download/ecs-transaction-metrics.csv",
            
629
      "url_type": "upload",
629
      "url_type": "upload",
            
630
      "village_no": "",
630
      "village_no": "",
            
631
      "years_covered": "2013 to 2020"
631
      "years_covered": "2013 to 2020"
            
632
    },
632
    },
            
633
    {
633
    {
            
634
      "additional_info": "nan",
634
      "additional_info": "nan",
            
635
      "cache_last_updated": null,
635
      "cache_last_updated": null,
            
636
      "cache_url": null,
636
      "cache_url": null,
            
637
      "created": "2023-10-09T10:59:49.951988",
637
      "created": "2023-10-09T10:59:49.951988",
            
638
      "data_extraction_page": 
638
      "data_extraction_page": 
            
639
"https://rbi.org.in/Scripts/NEFTView.aspx",
639
"https://rbi.org.in/Scripts/NEFTView.aspx",
            
640
      "data_insights": "The dataset allows stakeholders to comprehend 
640
      "data_insights": "The dataset allows stakeholders to comprehend 
            
641
the adoption and utilization trends of internet banking across 
641
the adoption and utilization trends of internet banking across 
            
642
different banks in India. By analyzing the transaction volume and 
642
different banks in India. By analyzing the transaction volume and 
            
643
aggregate transaction value, one can discern patterns related to the 
643
aggregate transaction value, one can discern patterns related to the 
            
644
frequency and size of transactions carried out through internet 
644
frequency and size of transactions carried out through internet 
            
645
banking. It provides a perspective on how reliant and comfortable 
645
banking. It provides a perspective on how reliant and comfortable 
            
646
consumers are in transacting significant amounts online.\n\nBanks with 
646
consumers are in transacting significant amounts online.\n\nBanks with 
            
647
higher active users indicate a more substantial customer base that 
647
higher active users indicate a more substantial customer base that 
            
648
prefers internet banking, which can be indicative of user-friendly 
648
prefers internet banking, which can be indicative of user-friendly 
            
649
interfaces, better online banking features, or effective online 
649
interfaces, better online banking features, or effective online 
            
650
security measures of these banks. By monitoring these numbers over 
650
security measures of these banks. By monitoring these numbers over 
            
651
time, one can infer the growth rate or decline of internet banking 
651
time, one can infer the growth rate or decline of internet banking 
            
652
usage for individual banks.\n\nComparing the 'Active Users' metric 
652
usage for individual banks.\n\nComparing the 'Active Users' metric 
            
653
with 'Transaction Volume' can offer insights into user behavior. For 
653
with 'Transaction Volume' can offer insights into user behavior. For 
            
654
instance, a bank with a high number of active users but a relatively 
654
instance, a bank with a high number of active users but a relatively 
            
655
low transaction volume might indicate that while many users have 
655
low transaction volume might indicate that while many users have 
            
656
adopted online banking, they might be using it for limited purposes or 
656
adopted online banking, they might be using it for limited purposes or 
            
657
with less frequency.",
657
with less frequency.",
            
658
      "data_last_updated": "2024-09-01",
658
      "data_last_updated": "2024-09-01",
            
659
      "data_retreival_date": "2024-11-15",
659
      "data_retreival_date": "2024-11-15",
            
660
      "datastore_active": true,
660
      "datastore_active": true,
            
661
      "description": "The Internet Banking Statistics dataset, sourced 
661
      "description": "The Internet Banking Statistics dataset, sourced 
            
662
from the Reserve Bank of India, provides detailed information on 
662
from the Reserve Bank of India, provides detailed information on 
            
663
internet banking activities across various banks. This dataset 
663
internet banking activities across various banks. This dataset 
            
664
outlines the performance metrics and adoption rate of internet banking 
664
outlines the performance metrics and adoption rate of internet banking 
            
665
for specific banks, capturing data on monthly transaction volumes, 
665
for specific banks, capturing data on monthly transaction volumes, 
            
666
aggregate transaction values, and the number of active users.",
666
aggregate transaction values, and the number of active users.",
            
667
      "district_no": "",
667
      "district_no": "",
            
668
      "format": "CSV",
668
      "format": "CSV",
            
669
      "frequency": "Monthly",
669
      "frequency": "Monthly",
            
670
      "gp_no": "",
670
      "gp_no": "",
            
671
      "granularity": "Bank",
671
      "granularity": "Bank",
            
672
      "hash": "",
672
      "hash": "",
            
673
      "id": "41184d46-105d-49dc-89d6-8b52185ee6ee",
673
      "id": "41184d46-105d-49dc-89d6-8b52185ee6ee",
            
674
      "idp_ready": true,
674
      "idp_ready": true,
            
675
      "last_modified": "2024-11-15T02:00:30.886684",
675
      "last_modified": "2024-11-15T02:00:30.886684",
            
676
      "lgd_mapping": "na",
676
      "lgd_mapping": "na",
            
677
      "metadata_modified": "2024-11-15T02:00:51.188778",
677
      "metadata_modified": "2024-11-15T02:00:51.188778",
            
678
      "methodology": "Data for the Internet Banking Statistics is 
678
      "methodology": "Data for the Internet Banking Statistics is 
            
679
collated by the Reserve Bank of India from the reporting of individual 
679
collated by the Reserve Bank of India from the reporting of individual 
            
680
banks. ",
680
banks. ",
            
681
      "mimetype": "text/csv",
681
      "mimetype": "text/csv",
            
682
      "mimetype_inner": null,
682
      "mimetype_inner": null,
            
683
      "name": "Internet Banking Statistics",
683
      "name": "Internet Banking Statistics",
            
684
      "no_indicators": "6",
684
      "no_indicators": "6",
            
685
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
685
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
            
686
      "position": 7,
686
      "position": 7,
            
687
      "resource_type": null,
687
      "resource_type": null,
            
688
      "similar_datasets": [],
688
      "similar_datasets": [],
            
689
      "size": 154845,
689
      "size": 154845,
            
690
      "sku": "rbi-bankwise_internet_banking_transactions-in-mn-aaa",
690
      "sku": "rbi-bankwise_internet_banking_transactions-in-mn-aaa",
            
691
      "state": "active",
691
      "state": "active",
            
692
      "states_uts_no": "",
692
      "states_uts_no": "",
            
693
      "tags": [
693
      "tags": [
            
694
        "Internet Banking",
694
        "Internet Banking",
            
695
        "Banking Trends",
695
        "Banking Trends",
            
696
        "Transactions"
696
        "Transactions"
            
697
      ],
697
      ],
            
698
      "tehsil_no": "",
698
      "tehsil_no": "",
            
699
      "url": 
699
      "url": 
            
700
105d-49dc-89d6-8b52185ee6ee/download/internet_banking_statistics.csv",
700
105d-49dc-89d6-8b52185ee6ee/download/internet_banking_statistics.csv",
            
701
      "url_type": "upload",
701
      "url_type": "upload",
            
702
      "village_no": "",
702
      "village_no": "",
            
703
      "years_covered": "2022-2024"
703
      "years_covered": "2022-2024"
            
704
    },
704
    },
            
705
    {
705
    {
            
706
      "additional_info": "nan",
706
      "additional_info": "nan",
            
707
      "cache_last_updated": null,
707
      "cache_last_updated": null,
            
708
      "cache_url": null,
708
      "cache_url": null,
            
709
      "created": "2023-10-09T11:39:20.083060",
709
      "created": "2023-10-09T11:39:20.083060",
            
710
      "data_extraction_page": 
710
      "data_extraction_page": 
            
711
"https://rbi.org.in/Scripts/NEFTView.aspx",
711
"https://rbi.org.in/Scripts/NEFTView.aspx",
            
712
      "data_insights": "From the dataset, several insightful 
712
      "data_insights": "From the dataset, several insightful 
            
713
narratives can be pieced together about the RTGS transaction landscape 
713
narratives can be pieced together about the RTGS transaction landscape 
            
714
in India. One of the most pivotal points to consider is the 
714
in India. One of the most pivotal points to consider is the 
            
715
transactional trend portrayed by individual banks. Observing the 
715
transactional trend portrayed by individual banks. Observing the 
            
716
'INWARD Total Volume' and 'OUTWARD Total Volume' provides a snapshot 
716
'INWARD Total Volume' and 'OUTWARD Total Volume' provides a snapshot 
            
717
of which banks might be at the forefront of RTGS transactions. Those 
717
of which banks might be at the forefront of RTGS transactions. Those 
            
718
with consistently high volumes might be perceived as the more dominant 
718
with consistently high volumes might be perceived as the more dominant 
            
719
or trusted entities in this sphere.\n\nDiving deeper, the dataset does 
719
or trusted entities in this sphere.\n\nDiving deeper, the dataset does 
            
720
a commendable job differentiating between interbank and customer 
720
a commendable job differentiating between interbank and customer 
            
721
transactions. Banks showing a substantial 'INWARD Volume Interbank' 
721
transactions. Banks showing a substantial 'INWARD Volume Interbank' 
            
722
could be inferred as playing a more influential role in interbank 
722
could be inferred as playing a more influential role in interbank 
            
723
settlements. This demarcation between interbank and customer-driven 
723
settlements. This demarcation between interbank and customer-driven 
            
724
transactions offers a nuanced understanding of a bank's RTGS 
724
transactions offers a nuanced understanding of a bank's RTGS 
            
725
transactional ecosystem.\n\nHowever, the true depth of this dataset is 
725
transactional ecosystem.\n\nHowever, the true depth of this dataset is 
            
726
realized when delving into the monetary values associated with these 
726
realized when delving into the monetary values associated with these 
            
727
transactions. By juxtaposing 'INWARD Total Value' with 'INWARD Total 
727
transactions. By juxtaposing 'INWARD Total Value' with 'INWARD Total 
            
728
Volume', one can decipher the average transaction size for each bank. 
728
Volume', one can decipher the average transaction size for each bank. 
            
729
This might unravel whether certain banks are more favored for 
729
This might unravel whether certain banks are more favored for 
            
730
large-scale corporate transactions or for smaller, perhaps 
730
large-scale corporate transactions or for smaller, perhaps 
            
731
retail-based transfers.\n",
731
retail-based transfers.\n",
            
732
      "data_last_updated": "2024-09-01",
732
      "data_last_updated": "2024-09-01",
            
733
      "data_retreival_date": "2024-12-14",
733
      "data_retreival_date": "2024-12-14",
            
734
      "datastore_active": true,
734
      "datastore_active": true,
            
735
      "description": "The dataset \"Bank Wise RTGS Inward and 
735
      "description": "The dataset \"Bank Wise RTGS Inward and 
            
736
Outward\" sourced from the Reserve Bank of India provides a 
736
Outward\" sourced from the Reserve Bank of India provides a 
            
737
comprehensive breakdown of RTGS (Real-Time Gross Settlement) 
737
comprehensive breakdown of RTGS (Real-Time Gross Settlement) 
            
738
transactions conducted by different banks. The data spans both inward 
738
transactions conducted by different banks. The data spans both inward 
            
739
(incoming) and outward (outgoing) transactions and segregates them 
739
(incoming) and outward (outgoing) transactions and segregates them 
            
740
further based on interbank and customer-driven transactions.",
740
further based on interbank and customer-driven transactions.",
            
741
      "district_no": "",
741
      "district_no": "",
            
742
      "format": "CSV",
742
      "format": "CSV",
            
743
      "frequency": "Monthly",
743
      "frequency": "Monthly",
            
744
      "gp_no": "",
744
      "gp_no": "",
            
745
      "granularity": "Bank",
745
      "granularity": "Bank",
            
746
      "hash": "",
746
      "hash": "",
            
747
      "id": "e9cef902-3a0f-4bc2-96e7-f9735e1ebffb",
747
      "id": "e9cef902-3a0f-4bc2-96e7-f9735e1ebffb",
            
748
      "idp_ready": true,
748
      "idp_ready": true,
            
749
      "last_modified": "2024-12-14T22:30:42.828740",
749
      "last_modified": "2024-12-14T22:30:42.828740",
            
750
      "lgd_mapping": "na",
750
      "lgd_mapping": "na",
            
751
      "metadata_modified": "2024-12-14T22:30:51.540913",
751
      "metadata_modified": "2024-12-14T22:30:51.540913",
            
752
      "methodology": "The data is compiled by the Reserve Bank of 
752
      "methodology": "The data is compiled by the Reserve Bank of 
            
753
India from the transaction reports submitted by individual banks on a 
753
India from the transaction reports submitted by individual banks on a 
            
754
regular basis",
754
regular basis",
            
755
      "mimetype": "text/csv",
755
      "mimetype": "text/csv",
            
756
      "mimetype_inner": null,
756
      "mimetype_inner": null,
            
757
      "name": "Bank Wise RTGS Inward and Outward",
757
      "name": "Bank Wise RTGS Inward and Outward",
            
758
      "no_indicators": "16",
758
      "no_indicators": "16",
            
759
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
759
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
            
760
      "position": 8,
760
      "position": 8,
            
761
      "resource_type": null,
761
      "resource_type": null,
            
762
      "similar_datasets": [],
762
      "similar_datasets": [],
            
763
      "size": 5123535,
763
      "size": 5123535,
            
764
      "sku": "rbi-bankwise_rtgs_transactions-in-mn-aaa",
764
      "sku": "rbi-bankwise_rtgs_transactions-in-mn-aaa",
            
765
      "state": "active",
765
      "state": "active",
            
766
      "states_uts_no": "",
766
      "states_uts_no": "",
            
767
      "tags": [
767
      "tags": [
            
768
        "RTGS",
768
        "RTGS",
            
769
        "Interbank Transactions",
769
        "Interbank Transactions",
            
770
        "Customer Transaction",
770
        "Customer Transaction",
            
771
        "Banking Data Analysis"
771
        "Banking Data Analysis"
            
772
      ],
772
      ],
            
773
      "tehsil_no": "",
773
      "tehsil_no": "",
            
774
      "url": 
774
      "url": 
            
775
bc2-96e7-f9735e1ebffb/download/bank_wise_rtgs_inward_and_outward.csv",
775
bc2-96e7-f9735e1ebffb/download/bank_wise_rtgs_inward_and_outward.csv",
            
776
      "url_type": "upload",
776
      "url_type": "upload",
            
777
      "village_no": "",
777
      "village_no": "",
            
778
      "years_covered": "2008 to 2024"
778
      "years_covered": "2008 to 2024"
            
779
    },
779
    },
            
780
    {
780
    {
            
781
      "additional_info": "nan",
781
      "additional_info": "nan",
            
782
      "cache_last_updated": null,
782
      "cache_last_updated": null,
            
783
      "cache_url": null,
783
      "cache_url": null,
            
784
      "created": "2023-10-09T11:53:08.037450",
784
      "created": "2023-10-09T11:53:08.037450",
            
785
      "data_extraction_page": 
785
      "data_extraction_page": 
            
786
"https://rbi.org.in/Scripts/NEFTView.aspx",
786
"https://rbi.org.in/Scripts/NEFTView.aspx",
            
787
      "data_insights": "The \"Mobile Banking Statistics\" dataset 
787
      "data_insights": "The \"Mobile Banking Statistics\" dataset 
            
788
provides a rich tapestry of insights into the evolving landscape of 
788
provides a rich tapestry of insights into the evolving landscape of 
            
789
mobile banking in India. By undertaking a month-to-month trend 
789
mobile banking in India. By undertaking a month-to-month trend 
            
790
analysis, it becomes feasible to chart the trajectory of mobile 
790
analysis, it becomes feasible to chart the trajectory of mobile 
            
791
banking's growth or decline. This continuous tracking could be 
791
banking's growth or decline. This continuous tracking could be 
            
792
instrumental in correlating fluctuations with external events, 
792
instrumental in correlating fluctuations with external events, 
            
793
marketing campaigns, or regulatory changes that might have impacted 
793
marketing campaigns, or regulatory changes that might have impacted 
            
794
user behavior.\n\nBank-specific insights stand out prominently. By 
794
user behavior.\n\nBank-specific insights stand out prominently. By 
            
795
diving deep into the dataset, stakeholders can determine which banking 
795
diving deep into the dataset, stakeholders can determine which banking 
            
796
institutions are trailblazers in the mobile banking arena. Such 
796
institutions are trailblazers in the mobile banking arena. Such 
            
797
insights are gauged both in terms of transaction volume and the 
797
insights are gauged both in terms of transaction volume and the 
            
798
aggregate value of transactions. This distinction enables a nuanced 
798
aggregate value of transactions. This distinction enables a nuanced 
            
799
understanding, differentiating banks that handle a larger number of 
799
understanding, differentiating banks that handle a larger number of 
            
800
smaller transactions from those facilitating fewer, high-value 
800
smaller transactions from those facilitating fewer, high-value 
            
801
transactions.\n\nA critical component of the dataset is the data on 
801
transactions.\n\nA critical component of the dataset is the data on 
            
802
'Active Users'. This metric serves as a barometer for user engagement 
802
'Active Users'. This metric serves as a barometer for user engagement 
            
803
and the overall penetration of mobile banking solutions among specific 
803
and the overall penetration of mobile banking solutions among specific 
            
804
banks' clientele. A rise or fall in active users can signal shifts in 
804
banks' clientele. A rise or fall in active users can signal shifts in 
            
805
user preferences, the effectiveness of user engagement strategies, or 
805
user preferences, the effectiveness of user engagement strategies, or 
            
806
the emergence of newer, more competitive mobile banking platforms.",
806
the emergence of newer, more competitive mobile banking platforms.",
            
807
      "data_last_updated": "2024-09-01",
807
      "data_last_updated": "2024-09-01",
            
808
      "data_retreival_date": "2024-11-15",
808
      "data_retreival_date": "2024-11-15",
            
809
      "datastore_active": true,
809
      "datastore_active": true,
            
810
      "description": "The \"Mobile Banking Statistics\" dataset is 
810
      "description": "The \"Mobile Banking Statistics\" dataset is 
            
811
sourced from the Reserve Bank of India, the country's central banking 
811
sourced from the Reserve Bank of India, the country's central banking 
            
812
institution. This dataset offers monthly insights into the usage 
812
institution. This dataset offers monthly insights into the usage 
            
813
patterns, preferences, and transaction volumes for various banks in 
813
patterns, preferences, and transaction volumes for various banks in 
            
814
the mobile banking domain. It sheds light on the increasing trend of 
814
the mobile banking domain. It sheds light on the increasing trend of 
            
815
mobile banking in India and provides a granular view by showcasing 
815
mobile banking in India and provides a granular view by showcasing 
            
816
data from individual banking institutions.",
816
data from individual banking institutions.",
            
817
      "district_no": "",
817
      "district_no": "",
            
818
      "format": "CSV",
818
      "format": "CSV",
            
819
      "frequency": "Monthly",
819
      "frequency": "Monthly",
            
820
      "gp_no": "",
820
      "gp_no": "",
            
821
      "granularity": "Bank",
821
      "granularity": "Bank",
            
822
      "hash": "",
822
      "hash": "",
            
823
      "id": "7db4c888-ac0c-4820-9982-c4ea04307f4b",
823
      "id": "7db4c888-ac0c-4820-9982-c4ea04307f4b",
            
824
      "idp_ready": true,
824
      "idp_ready": true,
            
825
      "last_modified": "2024-11-15T02:30:33.174271",
825
      "last_modified": "2024-11-15T02:30:33.174271",
            
826
      "lgd_mapping": "na",
826
      "lgd_mapping": "na",
            
827
      "metadata_modified": "2024-11-15T02:30:52.895375",
827
      "metadata_modified": "2024-11-15T02:30:52.895375",
            
828
      "methodology": "The data has been compiled by the Reserve Bank 
828
      "methodology": "The data has been compiled by the Reserve Bank 
            
829
of India, which likely collates this information from periodic reports 
829
of India, which likely collates this information from periodic reports 
            
830
submitted by the banks operating within the country. ",
830
submitted by the banks operating within the country. ",
            
831
      "mimetype": "text/csv",
831
      "mimetype": "text/csv",
            
832
      "mimetype_inner": null,
832
      "mimetype_inner": null,
            
833
      "name": "Mobile Banking Statistics",
833
      "name": "Mobile Banking Statistics",
            
834
      "no_indicators": "3",
834
      "no_indicators": "3",
            
835
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
835
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
            
836
      "position": 9,
836
      "position": 9,
            
837
      "resource_type": null,
837
      "resource_type": null,
            
838
      "similar_datasets": [],
838
      "similar_datasets": [],
            
839
      "size": 2565985,
839
      "size": 2565985,
            
840
      "sku": "rbi-bankwise_mobile_banking_transactions-in-mn-aaa",
840
      "sku": "rbi-bankwise_mobile_banking_transactions-in-mn-aaa",
            
841
      "state": "active",
841
      "state": "active",
            
842
      "states_uts_no": "",
842
      "states_uts_no": "",
            
843
      "tags": [
843
      "tags": [
            
844
        "Digital Transactions",
844
        "Digital Transactions",
            
845
        "Mobile Banking",
845
        "Mobile Banking",
            
846
        "Banking Trends"
846
        "Banking Trends"
            
847
      ],
847
      ],
            
848
      "tehsil_no": "",
848
      "tehsil_no": "",
            
849
      "url": 
849
      "url": 
            
850
8-ac0c-4820-9982-c4ea04307f4b/download/mobile_banking_statistics.csv",
850
8-ac0c-4820-9982-c4ea04307f4b/download/mobile_banking_statistics.csv",
            
851
      "url_type": "upload",
851
      "url_type": "upload",
            
852
      "village_no": "",
852
      "village_no": "",
            
853
      "years_covered": "2009 to 2024"
853
      "years_covered": "2009 to 2024"
            
854
    },
854
    },
            
855
    {
855
    {
            
856
      "additional_info": "nan",
856
      "additional_info": "nan",
            
857
      "cache_last_updated": null,
857
      "cache_last_updated": null,
            
858
      "cache_url": null,
858
      "cache_url": null,
            
859
      "created": "2024-04-17T12:51:16.505698",
859
      "created": "2024-04-17T12:51:16.505698",
            
860
      "data_extraction_page": 
860
      "data_extraction_page": 
            
861
"https://rbi.org.in/Scripts/NEFTView.aspx",
861
"https://rbi.org.in/Scripts/NEFTView.aspx",
            
862
      "data_insights": "The \"NEFT Transaction Metrics\" dataset, with 
862
      "data_insights": "The \"NEFT Transaction Metrics\" dataset, with 
            
863
its granularity, offers invaluable insights into the digital 
863
its granularity, offers invaluable insights into the digital 
            
864
transactional behaviors and trends in India. Through a monthly trend 
864
transactional behaviors and trends in India. Through a monthly trend 
            
865
analysis, stakeholders can ascertain the rhythm and pace of NEFT 
865
analysis, stakeholders can ascertain the rhythm and pace of NEFT 
            
866
transactions, pinpointing any anomalies, surge periods, or slow 
866
transactions, pinpointing any anomalies, surge periods, or slow 
            
867
phases. These trends can be essential indicators of the broader 
867
phases. These trends can be essential indicators of the broader 
            
868
economic landscape, signaling growth phases or potential economic 
868
economic landscape, signaling growth phases or potential economic 
            
869
slowdowns.\n\nBy examining bank-specific data, a clear picture of each 
869
slowdowns.\n\nBy examining bank-specific data, a clear picture of each 
            
870
institution's stance in the NEFT landscape emerges. Which banks are 
870
institution's stance in the NEFT landscape emerges. Which banks are 
            
871
the most active in facilitating NEFT transfers? Do certain banks have 
871
the most active in facilitating NEFT transfers? Do certain banks have 
            
872
a higher debit transaction rate compared to credits or vice versa? 
872
a higher debit transaction rate compared to credits or vice versa? 
            
873
This type of insight can provide a lens into the financial health and 
873
This type of insight can provide a lens into the financial health and 
            
874
customer engagement strategies of individual banks.\n\nAn intriguing 
874
customer engagement strategies of individual banks.\n\nAn intriguing 
            
875
facet of the dataset is the distinct data on 'Debit Transactions' and 
875
facet of the dataset is the distinct data on 'Debit Transactions' and 
            
876
'Credit Transactions'. By scrutinizing these columns, one can discern 
876
'Credit Transactions'. By scrutinizing these columns, one can discern 
            
877
the balance of funds outflow and inflow for each bank. If a bank 
877
the balance of funds outflow and inflow for each bank. If a bank 
            
878
consistently has higher debit values compared to credit values, it 
878
consistently has higher debit values compared to credit values, it 
            
879
might indicate more outward transfers than incoming ones. On the other 
879
might indicate more outward transfers than incoming ones. On the other 
            
880
hand, banks with a dominant credit value might be the recipients of a 
880
hand, banks with a dominant credit value might be the recipients of a 
            
881
more significant number of inward funds, indicating trust or 
881
more significant number of inward funds, indicating trust or 
            
882
preference by customers or businesses.",
882
preference by customers or businesses.",
            
883
      "data_last_updated": "2024-09-01",
883
      "data_last_updated": "2024-09-01",
            
884
      "data_retreival_date": "2024-11-15",
884
      "data_retreival_date": "2024-11-15",
            
885
      "datastore_active": true,
885
      "datastore_active": true,
            
886
      "description": "The \"NEFT Transaction Metrics\" dataset is 
886
      "description": "The \"NEFT Transaction Metrics\" dataset is 
            
887
procured from the Reserve Bank of India, the apex monetary authority 
887
procured from the Reserve Bank of India, the apex monetary authority 
            
888
of the country. This dataset delineates the monthly details concerning 
888
of the country. This dataset delineates the monthly details concerning 
            
889
the National Electronic Funds Transfer (NEFT) system, which 
889
the National Electronic Funds Transfer (NEFT) system, which 
            
890
facilitates one-to-one funds transfer. By providing data on both debit 
890
facilitates one-to-one funds transfer. By providing data on both debit 
            
891
and credit transactions for various banks, this dataset offers an 
891
and credit transactions for various banks, this dataset offers an 
            
892
encompassing view of the NEFT transaction landscape across India.",
892
encompassing view of the NEFT transaction landscape across India.",
            
893
      "district_no": "",
893
      "district_no": "",
            
894
      "format": "CSV",
894
      "format": "CSV",
            
895
      "frequency": "Monthly",
895
      "frequency": "Monthly",
            
896
      "gp_no": "",
896
      "gp_no": "",
            
897
      "granularity": "Bank",
897
      "granularity": "Bank",
            
898
      "hash": "",
898
      "hash": "",
            
899
      "id": "10a39a51-20d1-441a-9e92-64ca0c5c6f36",
899
      "id": "10a39a51-20d1-441a-9e92-64ca0c5c6f36",
            
900
      "idp_ready": true,
900
      "idp_ready": true,
            
901
      "last_modified": "2024-11-15T01:30:39.648177",
901
      "last_modified": "2024-11-15T01:30:39.648177",
            
902
      "lgd_mapping": "na",
902
      "lgd_mapping": "na",
            
903
      "metadata_modified": "2024-11-15T01:30:58.521825",
903
      "metadata_modified": "2024-11-15T01:30:58.521825",
            
904
      "methodology": "This data is collated by the Reserve Bank of 
904
      "methodology": "This data is collated by the Reserve Bank of 
            
905
India, leveraging the periodic submissions and transactional reports 
905
India, leveraging the periodic submissions and transactional reports 
            
906
from the different banks functioning within India's borders.",
906
from the different banks functioning within India's borders.",
            
907
      "mimetype": "text/csv",
907
      "mimetype": "text/csv",
            
908
      "mimetype_inner": null,
908
      "mimetype_inner": null,
            
909
      "name": "NEFT Transaction Metrics",
909
      "name": "NEFT Transaction Metrics",
            
910
      "no_indicators": "4",
910
      "no_indicators": "4",
            
911
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
911
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
            
912
      "position": 10,
912
      "position": 10,
            
913
      "resource_type": null,
913
      "resource_type": null,
            
914
      "similar_datasets": [],
914
      "similar_datasets": [],
            
915
      "similar_resources": "",
915
      "similar_resources": "",
            
916
      "size": 2304932,
916
      "size": 2304932,
            
917
      "sku": "rbi-bankwise_neft_transactions-in-mn-aaa",
917
      "sku": "rbi-bankwise_neft_transactions-in-mn-aaa",
            
918
      "state": "active",
918
      "state": "active",
            
919
      "states_uts_no": "",
919
      "states_uts_no": "",
            
920
      "tags": [
920
      "tags": [
            
921
        "NEFT Transations",
921
        "NEFT Transations",
            
922
        "Funds Transfer Analysis",
922
        "Funds Transfer Analysis",
            
923
        "Bankwise Data"
923
        "Bankwise Data"
            
924
      ],
924
      ],
            
925
      "tehsil_no": "",
925
      "tehsil_no": "",
            
926
      "url": 
926
      "url": 
            
927
51-20d1-441a-9e92-64ca0c5c6f36/download/neft_transaction_metrics.csv",
927
51-20d1-441a-9e92-64ca0c5c6f36/download/neft_transaction_metrics.csv",
            
928
      "url_type": "upload",
928
      "url_type": "upload",
            
929
      "years_covered": "2008 to 2024"
929
      "years_covered": "2008 to 2024"
            
930
    },
930
    },
            
931
    {
931
    {
            
932
      "additional_info": "nan",
932
      "additional_info": "nan",
            
933
      "cache_last_updated": null,
933
      "cache_last_updated": null,
            
934
      "cache_url": null,
934
      "cache_url": null,
            
935
      "created": "2024-10-23T06:59:17.635220",
935
      "created": "2024-10-23T06:59:17.635220",
            
936
      "data_extraction_page": 
936
      "data_extraction_page": 
            
937
"https://data.rbi.org.in/DBIE/#/banking-outlet",
937
"https://data.rbi.org.in/DBIE/#/banking-outlet",
            
938
      "data_insights": "Data Insights that can be drawn from dataset 
938
      "data_insights": "Data Insights that can be drawn from dataset 
            
939
:\nGeographical Distribution: The dataset allows for analysis of the 
939
:\nGeographical Distribution: The dataset allows for analysis of the 
            
940
geographical distribution of bank outlets and ATMs, highlighting areas 
940
geographical distribution of bank outlets and ATMs, highlighting areas 
            
941
with high or low banking service penetration.\nOperational Status: By 
941
with high or low banking service penetration.\nOperational Status: By 
            
942
examining the status of branches and ATMs, one can identify trends in 
942
examining the status of branches and ATMs, one can identify trends in 
            
943
banking infrastructure development and closures.\nBank Group Analysis: 
943
banking infrastructure development and closures.\nBank Group Analysis: 
            
944
The data enables comparison between different bank groups (e.g., 
944
The data enables comparison between different bank groups (e.g., 
            
945
public sector vs. private sector) in terms of their reach and 
945
public sector vs. private sector) in terms of their reach and 
            
946
presence.\nService Availability: Insights into the types of services 
946
presence.\nService Availability: Insights into the types of services 
            
947
provided (e.g., full-service branches vs. ATMs) and their distribution 
947
provided (e.g., full-service branches vs. ATMs) and their distribution 
            
948
across different regions.\nDemographic Correlation: Analysis of the 
948
across different regions.\nDemographic Correlation: Analysis of the 
            
949
dataset in conjunction with population data can reveal how well 
949
dataset in conjunction with population data can reveal how well 
            
950
banking services are aligned with population density and 
950
banking services are aligned with population density and 
            
951
distribution.\nInfrastructure Growth: Tracking the license and open 
951
distribution.\nInfrastructure Growth: Tracking the license and open 
            
952
dates provides insights into the growth and expansion of banking 
952
dates provides insights into the growth and expansion of banking 
            
953
infrastructure over time.",
953
infrastructure over time.",
            
954
      "data_last_updated": "12-10-2023",
954
      "data_last_updated": "12-10-2023",
            
955
      "data_retreival_date": "01-12-2023",
955
      "data_retreival_date": "01-12-2023",
            
956
      "datastore_active": true,
956
      "datastore_active": true,
            
957
      "description": "The dataset provides a snapshot of the banking 
957
      "description": "The dataset provides a snapshot of the banking 
            
958
infrastructure in India, including both active and inactive branches 
958
infrastructure in India, including both active and inactive branches 
            
959
and ATMs. It provides comprehensive details about bank outlets and 
959
and ATMs. It provides comprehensive details about bank outlets and 
            
960
ATMs across different regions in India. It includes location 
960
ATMs across different regions in India. It includes location 
            
961
information, bank details, and operational status, helping to 
961
information, bank details, and operational status, helping to 
            
962
understand the spread and accessibility of banking services in the 
962
understand the spread and accessibility of banking services in the 
            
963
country. This dataset is essential for researchers, policymakers, and 
963
country. This dataset is essential for researchers, policymakers, and 
            
964
financial analysts interested in understanding the landscape of 
964
financial analysts interested in understanding the landscape of 
            
965
banking services in India. It provides valuable insights into the 
965
banking services in India. It provides valuable insights into the 
            
966
reach and operational status of banking facilities, contributing to 
966
reach and operational status of banking facilities, contributing to 
            
967
studies on financial inclusion and economic development.",
967
studies on financial inclusion and economic development.",
            
968
      "district_no": "753",
968
      "district_no": "753",
            
969
      "format": "CSV",
969
      "format": "CSV",
            
970
      "frequency": "Other",
970
      "frequency": "Other",
            
971
      "gp_no": "0",
971
      "gp_no": "0",
            
972
      "granularity": "Point",
972
      "granularity": "Point",
            
973
      "hash": "",
973
      "hash": "",
            
974
      "id": "8a4bb25b-3281-4aa5-9d3c-e4a5a7dd8e71",
974
      "id": "8a4bb25b-3281-4aa5-9d3c-e4a5a7dd8e71",
            
975
      "idp_ready": false,
975
      "idp_ready": false,
            
976
      "last_modified": "2024-10-23T07:21:05.181050",
976
      "last_modified": "2024-10-23T07:21:05.181050",
            
977
      "metadata_modified": "2024-10-23T07:56:46.530259",
977
      "metadata_modified": "2024-10-23T07:56:46.530259",
            
978
      "methodology": "The dataset is compiled by the Reserve Bank of 
978
      "methodology": "The dataset is compiled by the Reserve Bank of 
            
979
India (RBI) from its extensive network of regulated banks and 
979
India (RBI) from its extensive network of regulated banks and 
            
980
financial institutions. It includes data on the geographical location, 
980
financial institutions. It includes data on the geographical location, 
            
981
operational status, and other relevant details of bank outlets and 
981
operational status, and other relevant details of bank outlets and 
            
982
ATMs. The information is gathered through regulatory filings, surveys, 
982
ATMs. The information is gathered through regulatory filings, surveys, 
            
983
and administrative records maintained by the RBI. ",
983
and administrative records maintained by the RBI. ",
            
984
      "mimetype": "text/csv",
984
      "mimetype": "text/csv",
            
985
      "mimetype_inner": null,
985
      "mimetype_inner": null,
            
986
      "name": "Bank Outlets and ATM's",
986
      "name": "Bank Outlets and ATM's",
            
987
      "no_indicators": "0",
987
      "no_indicators": "0",
            
988
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
988
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
            
989
      "position": 11,
989
      "position": 11,
            
990
      "resource_type": null,
990
      "resource_type": null,
            
991
      "similar_datasets": [],
991
      "similar_datasets": [],
            
992
      "size": 516258283,
992
      "size": 516258283,
            
993
      "sku": "rbi-bank_outlets_and_atms-pl-ot-aaa",
993
      "sku": "rbi-bank_outlets_and_atms-pl-ot-aaa",
            
994
      "state": "active",
994
      "state": "active",
            
995
      "states_uts_no": "34",
995
      "states_uts_no": "34",
            
996
      "tags": [
996
      "tags": [
            
997
        "Reserve Bank of India",
997
        "Reserve Bank of India",
            
998
        "Bank Outlets ATMs",
998
        "Bank Outlets ATMs",
            
999
        "Banking Infrastructure",
999
        "Banking Infrastructure",
            
1000
        "Financial Services",
1000
        "Financial Services",
            
1001
        "Geographic Information",
1001
        "Geographic Information",
            
1002
        "Operational Status",
1002
        "Operational Status",
            
1003
        "Banking Accessibility India",
1003
        "Banking Accessibility India",
            
1004
        "Financial Inclusion",
1004
        "Financial Inclusion",
            
1005
        "Banking Network"
1005
        "Banking Network"
            
1006
      ],
1006
      ],
            
1007
      "tehsil_no": "5989",
1007
      "tehsil_no": "5989",
            
1008
      "url": 
1008
      "url": 
            
1009
bb25b-3281-4aa5-9d3c-e4a5a7dd8e71/download/bank-outlets-and-atms.csv",
1009
bb25b-3281-4aa5-9d3c-e4a5a7dd8e71/download/bank-outlets-and-atms.csv",
            
1010
      "url_type": "upload",
1010
      "url_type": "upload",
            
1011
      "village_no": "0",
1011
      "village_no": "0",
            
1012
      "years_covered": "1900-2023"
1012
      "years_covered": "1900-2023"
            
1013
    }
1013
    }
            
1014
  ],
1014
  ],
            
1015
  "sector": [
1015
  "sector": [
            
1016
    "Banking",
1016
    "Banking",
            
1017
    "Economy",
1017
    "Economy",
            
1018
    "Financial Inclusion"
1018
    "Financial Inclusion"
            
1019
  ],
1019
  ],
            
1020
  "source_name": "Database on Indian Economy",
1020
  "source_name": "Database on Indian Economy",
            
1021
  "state": "active",
1021
  "state": "active",
            
1022
  "title": "Reserve Bank of India",
1022
  "title": "Reserve Bank of India",
            
1023
  "type": "dataset",
1023
  "type": "dataset",
            
1024
  "url": "https://data.rbi.org.in/DBIE/#/dbie/home",
1024
  "url": "https://data.rbi.org.in/DBIE/#/dbie/home",
            
1025
  "version": null
1025
  "version": null
            
1026
}
1026
}