Ändringar

              
    

          
          
        
        

            
f
1
{
f
1
{
            
2
  "SDGs": [],
2
  "SDGs": [],
            
3
  "author": null,
3
  "author": null,
            
4
  "author_email": null,
4
  "author_email": null,
            
5
  "creator_user_id": "2d6f4b88-ac2a-4d68-8d0f-7c6235b7b442",
5
  "creator_user_id": "2d6f4b88-ac2a-4d68-8d0f-7c6235b7b442",
            
6
  "extras": [
6
  "extras": [
            
7
    {
7
    {
            
8
      "key": "fields",
8
      "key": "fields",
            
9
      "value": "id, date, rtgs_vol, rtgs_val, neft_vol, neft_val, 
9
      "value": "id, date, rtgs_vol, rtgs_val, neft_vol, neft_val, 
            
10
aeps_vol, aeps_val, upi_vol, upi_val, imps_vol, imps_val, 
10
aeps_vol, aeps_val, upi_vol, upi_val, imps_vol, imps_val, 
            
11
nach_credit_vol, nach_credit_val, nach_debit_vol, nach_debit_val, 
11
nach_credit_vol, nach_credit_val, nach_debit_vol, nach_debit_val, 
            
12
netc_vol, netc_val, bbps_vol, bbps_val, cts_vol, cts_val, 
12
netc_vol, netc_val, bbps_vol, bbps_val, cts_vol, cts_val, 
            
13
credit_card_at_pos_and_e_commerce_vol, 
13
credit_card_at_pos_and_e_commerce_vol, 
            
14
credit_card_at_pos_and_e_commerce_val, 
14
credit_card_at_pos_and_e_commerce_val, 
            
15
debit_card_at_pos_and_e_commerce_vol, 
15
debit_card_at_pos_and_e_commerce_vol, 
            
16
debit_card_at_pos_and_e_commerce_val, 
16
debit_card_at_pos_and_e_commerce_val, 
            
17
ppis_card_at_pos_and_e_commerce_vol, 
17
ppis_card_at_pos_and_e_commerce_vol, 
            
18
ppis_card_at_pos_and_e_commerce_val, nfs_through_atms_vol, 
18
ppis_card_at_pos_and_e_commerce_val, nfs_through_atms_vol, 
            
19
nfs_through_atms_val, aeps_through_micro_atms_or_bcs_vol, 
19
nfs_through_atms_val, aeps_through_micro_atms_or_bcs_vol, 
            
20
aeps_through_micro_atms_or_bcs_val, credit_card_at_pos_vol, 
20
aeps_through_micro_atms_or_bcs_val, credit_card_at_pos_vol, 
            
21
credit_card_at_pos_val, credit_card_at_e_commerce_vol, 
21
credit_card_at_pos_val, credit_card_at_e_commerce_vol, 
            
22
credit_card_at_e_commerce_val, debit_card_at_pos_vol, 
22
credit_card_at_e_commerce_val, debit_card_at_pos_vol, 
            
23
debit_card_at_pos_val, debit_card_at_e_commerce_vol, 
23
debit_card_at_pos_val, debit_card_at_e_commerce_vol, 
            
24
debit_card_at_e_commerce_val, ppis_card_at_pos_vol, 
24
debit_card_at_e_commerce_val, ppis_card_at_pos_vol, 
            
25
ppis_card_at_pos_val, ppis_card_at_e_commerce_vol, 
25
ppis_card_at_pos_val, ppis_card_at_e_commerce_vol, 
            
26
ppis_card_at_e_commerce_val, government_securities_clearing_vol, 
26
ppis_card_at_e_commerce_val, government_securities_clearing_vol, 
            
27
government_securities_clearing_val, forex_clearing_vol, 
27
government_securities_clearing_val, forex_clearing_vol, 
            
28
forex_clearing_val, rupee_derivatives_vol, rupee_derivatives_val, id, 
28
forex_clearing_val, rupee_derivatives_vol, rupee_derivatives_val, id, 
            
29
date, m3, currency_with_public, demand_deposits_with_banks, 
29
date, m3, currency_with_public, demand_deposits_with_banks, 
            
30
time_deposits_with_banks, other_deposits_with_rbi, 
30
time_deposits_with_banks, other_deposits_with_rbi, 
            
31
reserve_bank_crd_to_gov_src, other_banks_crd_to_gov_src, 
31
reserve_bank_crd_to_gov_src, other_banks_crd_to_gov_src, 
            
32
reserve_bank_crd_to_comm_sctr_src, other_banks_crd_to_comm_sctr_src, 
32
reserve_bank_crd_to_comm_sctr_src, other_banks_crd_to_comm_sctr_src, 
            
33
net_foreign_exchange_assets_src, gov_currency_liab_to_public_src, 
33
net_foreign_exchange_assets_src, gov_currency_liab_to_public_src, 
            
34
net_non_monetary_liab_bnk_sctr_src, net_non_monetary_liab_rbi_src, id, 
34
net_non_monetary_liab_bnk_sctr_src, net_non_monetary_liab_rbi_src, id, 
            
35
year, state_name, state_code, district_name, district_code, region, 
35
year, state_name, state_code, district_name, district_code, region, 
            
36
population_group, no_of_offices, no_of_accounts, deposit_amount, id, 
36
population_group, no_of_offices, no_of_accounts, deposit_amount, id, 
            
37
year, state_name, state_code, district_name, district_code, 
37
year, state_name, state_code, district_name, district_code, 
            
38
bank_group, population_group, number_of_deposits, deposits, id, month, 
38
bank_group, population_group, number_of_deposits, deposits, id, month, 
            
39
bank_name, no_of_onsite_atms, no_of_offsite_atms, no_of_micro_atms, 
39
bank_name, no_of_onsite_atms, no_of_offsite_atms, no_of_micro_atms, 
            
40
no_of_pos_terminals, no_of_bharat_qr_codes, no_of_upi_qr_codes, 
40
no_of_pos_terminals, no_of_bharat_qr_codes, no_of_upi_qr_codes, 
            
41
no_of_credit_cards, no_of_debit_cards, 
41
no_of_credit_cards, no_of_debit_cards, 
            
42
credit_card_transactions_at_pos_volume, 
42
credit_card_transactions_at_pos_volume, 
            
43
credit_card_transactions_at_pos_value, 
43
credit_card_transactions_at_pos_value, 
            
44
credit_card_transactions_at_e_com_volume, 
44
credit_card_transactions_at_e_com_volume, 
            
45
credit_card_transactions_at_e_com_value, 
45
credit_card_transactions_at_e_com_value, 
            
46
credit_card_transactions_at_others_volume, 
46
credit_card_transactions_at_others_volume, 
            
47
credit_card_transactions_at_others_value, 
47
credit_card_transactions_at_others_value, 
            
48
debit_card_transactions_at_pos_volume, 
48
debit_card_transactions_at_pos_volume, 
            
49
debit_card_transactions_at_pos_value, 
49
debit_card_transactions_at_pos_value, 
            
50
debit_card_transactions_at_e_com_volume, 
50
debit_card_transactions_at_e_com_volume, 
            
51
debit_card_transactions_at_e_com_value, 
51
debit_card_transactions_at_e_com_value, 
            
52
debit_card_transactions_at_others_volume, 
52
debit_card_transactions_at_others_volume, 
            
53
debit_card_transactions_at_others_value, 
53
debit_card_transactions_at_others_value, 
            
54
cash_withdrawl_at_atm_using_credit_card_volume, 
54
cash_withdrawl_at_atm_using_credit_card_volume, 
            
55
cash_withdrawl_at_atm_using_credit_card_value, 
55
cash_withdrawl_at_atm_using_credit_card_value, 
            
56
cash_withdrawl_at_atm_using_debit_card_volume, 
56
cash_withdrawl_at_atm_using_debit_card_volume, 
            
57
cash_withdrawl_at_atm_using_debit_card_value, 
57
cash_withdrawl_at_atm_using_debit_card_value, 
            
58
cash_withdrawl_at_pos_using_debit_card_volume, 
58
cash_withdrawl_at_pos_using_debit_card_volume, 
            
59
cash_withdrawl_at_pos_using_debit_card_value, id, year, region, 
59
cash_withdrawl_at_pos_using_debit_card_value, id, year, region, 
            
60
state_name, state_code, district_name, district_code, 
60
state_name, state_code, district_name, district_code, 
            
61
population_group, bank_group, occupation_group, occupation_sub_group, 
61
population_group, bank_group, occupation_group, occupation_sub_group, 
            
62
no_of_accounts, credit_limit, amount_outstanding, id, month, 
62
no_of_accounts, credit_limit, amount_outstanding, id, month, 
            
63
center_name, bank_name, ecs_credit_users, ecs_credit_vol, 
63
center_name, bank_name, ecs_credit_users, ecs_credit_vol, 
            
64
ecs_credit_val, ecs_debit_users, ecs_debit_vol, ecs_debit_val, id, 
64
ecs_credit_val, ecs_debit_users, ecs_debit_vol, ecs_debit_val, id, 
            
65
month, bank_name, no_of_transactions, amt_of_transactions, 
65
month, bank_name, no_of_transactions, amt_of_transactions, 
            
66
active_users, id, month, bank_name, inward_interbank_volume, 
66
active_users, id, month, bank_name, inward_interbank_volume, 
            
67
inward_costumer_volume, inward_total_volume, inward_percentage_volume, 
67
inward_costumer_volume, inward_total_volume, inward_percentage_volume, 
            
68
inward_interbank_amt, inward_costumer_amt, inward_total_amt, 
68
inward_interbank_amt, inward_costumer_amt, inward_total_amt, 
            
69
inward_percentage_amt, outward_interbank_volume, 
69
inward_percentage_amt, outward_interbank_volume, 
            
70
outward_costumer_volume, outward_total_volume, 
70
outward_costumer_volume, outward_total_volume, 
            
71
outward_percentage_volume, outward_interbank_amt, 
71
outward_percentage_volume, outward_interbank_amt, 
            
72
outward_costumer_amt, outward_total_amt, outward_percentage_amt, id, 
72
outward_costumer_amt, outward_total_amt, outward_percentage_amt, id, 
            
73
month, bank_name, no_of_transactions, amt_of_transactions, 
73
month, bank_name, no_of_transactions, amt_of_transactions, 
            
74
no_of_active_costumers, id, month, bank_name, 
74
no_of_active_costumers, id, month, bank_name, 
            
75
no_of_debit_transactions, amt_of_debit_transactions, 
75
no_of_debit_transactions, amt_of_debit_transactions, 
            
76
no_of_credit_transactions, amt_of_credit_transactions"
76
no_of_credit_transactions, amt_of_credit_transactions"
            
77
    }
77
    }
            
78
  ],
78
  ],
            
79
  "groups": [],
79
  "groups": [],
            
80
  "id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
80
  "id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
            
81
  "isopen": true,
81
  "isopen": true,
            
82
  "license_id": "odc-by",
82
  "license_id": "odc-by",
            
83
  "license_title": "Open Data Commons Attribution License",
83
  "license_title": "Open Data Commons Attribution License",
            
84
  "license_url": "http://www.opendefinition.org/licenses/odc-by",
84
  "license_url": "http://www.opendefinition.org/licenses/odc-by",
            
85
  "maintainer": null,
85
  "maintainer": null,
            
86
  "maintainer_email": null,
86
  "maintainer_email": null,
            
87
  "metadata_created": "2023-10-06T09:18:23.619790",
87
  "metadata_created": "2023-10-06T09:18:23.619790",
            
n
88
  "metadata_modified": "2025-05-27T11:13:59.702527",
n
88
  "metadata_modified": "2025-05-27T11:15:52.547779",
            
89
  "name": "reserve-bank-of-india",
89
  "name": "reserve-bank-of-india",
            
90
  "notes": "The Reserve Bank of India (RBI) is the central banking 
90
  "notes": "The Reserve Bank of India (RBI) is the central banking 
            
91
institution of India, responsible for the issuance and supply of the 
91
institution of India, responsible for the issuance and supply of the 
            
92
Indian Rupee and the regulation of the money market. In the context of 
92
Indian Rupee and the regulation of the money market. In the context of 
            
93
data and information, RBI plays a pivotal role by regularly publishing 
93
data and information, RBI plays a pivotal role by regularly publishing 
            
94
a plethora of economic indicators, reports, and research. This 
94
a plethora of economic indicators, reports, and research. This 
            
95
includes data on interest rates, inflation, foreign exchange reserves, 
95
includes data on interest rates, inflation, foreign exchange reserves, 
            
96
banking statistics, monetary and credit policies, and more. 
96
banking statistics, monetary and credit policies, and more. 
            
97
Researchers, policymakers, investors, and the general public rely on 
97
Researchers, policymakers, investors, and the general public rely on 
            
98
the RBI's data for insights into the health and direction of the 
98
the RBI's data for insights into the health and direction of the 
            
99
Indian economy. Additionally, its publications often serve as 
99
Indian economy. Additionally, its publications often serve as 
            
100
authoritative sources for financial analysis, economic forecasting, 
100
authoritative sources for financial analysis, economic forecasting, 
            
101
and policy formulation in India.",
101
and policy formulation in India.",
            
102
  "num_resources": 13,
102
  "num_resources": 13,
            
103
  "num_tags": 1,
103
  "num_tags": 1,
            
104
  "organization": {
104
  "organization": {
            
105
    "approval_status": "approved",
105
    "approval_status": "approved",
            
106
    "created": "2022-12-05T03:44:54.080358",
106
    "created": "2022-12-05T03:44:54.080358",
            
107
    "description": "",
107
    "description": "",
            
108
    "id": "94317457-d297-4549-9640-7865034682c5",
108
    "id": "94317457-d297-4549-9640-7865034682c5",
            
109
    "image_url": "2023-12-08-070530.691105iSB-IDP-Logo.png",
109
    "image_url": "2023-12-08-070530.691105iSB-IDP-Logo.png",
            
110
    "is_organization": true,
110
    "is_organization": true,
            
111
    "name": "idp-organization",
111
    "name": "idp-organization",
            
112
    "state": "active",
112
    "state": "active",
            
113
    "title": "IDP organization",
113
    "title": "IDP organization",
            
114
    "type": "organization"
114
    "type": "organization"
            
115
  },
115
  },
            
116
  "owner_org": "94317457-d297-4549-9640-7865034682c5",
116
  "owner_org": "94317457-d297-4549-9640-7865034682c5",
            
117
  "private": false,
117
  "private": false,
            
118
  "relationships_as_object": [],
118
  "relationships_as_object": [],
            
119
  "relationships_as_subject": [],
119
  "relationships_as_subject": [],
            
120
  "resources": [
120
  "resources": [
            
121
    {
121
    {
            
122
      "additional_info": "The data published is only for RBI, NPCI 
122
      "additional_info": "The data published is only for RBI, NPCI 
            
123
operated systems and Card Networks (domestic Off-Us transactions). 
123
operated systems and Card Networks (domestic Off-Us transactions). 
            
124
\nRTGS data includes only Customer and Interbank transactions.\nAePS 
124
\nRTGS data includes only Customer and Interbank transactions.\nAePS 
            
125
data under Payment transactions include AePS Fund Transfers and BHIM 
125
data under Payment transactions include AePS Fund Transfers and BHIM 
            
126
Aadhaar Pay transactions.\nUPI data includes BHIM-UPI and USSD 
126
Aadhaar Pay transactions.\nUPI data includes BHIM-UPI and USSD 
            
127
transactions.\nNACH Credit data includes Aadhaar Payment Bridge System 
127
transactions.\nNACH Credit data includes Aadhaar Payment Bridge System 
            
128
(APBS) transactions.\nNETC figures are for FASTags linked with all 
128
(APBS) transactions.\nNETC figures are for FASTags linked with all 
            
129
instruments and hence would be different from monthly bulletin which 
129
instruments and hence would be different from monthly bulletin which 
            
130
only includes NETC linked to bank accounts\nBBPS data is not included 
130
only includes NETC linked to bank accounts\nBBPS data is not included 
            
131
in the monthly bulletin as the data is captured under other systems. 
131
in the monthly bulletin as the data is captured under other systems. 
            
132
\nFor complete data on Payment System Indicators, please refer to RBI 
132
\nFor complete data on Payment System Indicators, please refer to RBI 
            
133
Bulletin \u2013 Table 43 published on a monthly basis.\nData on 
133
Bulletin \u2013 Table 43 published on a monthly basis.\nData on 
            
134
Prepaid cards are only those that are processed by card networks.",
134
Prepaid cards are only those that are processed by card networks.",
            
135
      "cache_last_updated": null,
135
      "cache_last_updated": null,
            
136
      "cache_url": null,
136
      "cache_url": null,
            
137
      "created": "2023-10-06T11:21:01.687843",
137
      "created": "2023-10-06T11:21:01.687843",
            
138
      "data_extraction_page": 
138
      "data_extraction_page": 
            
139
ttps://www.rbi.org.in/Scripts/BS_PressReleaseDisplay.aspx?prid=49901",
139
ttps://www.rbi.org.in/Scripts/BS_PressReleaseDisplay.aspx?prid=49901",
            
140
      "data_insights": "What is the trend in the volume and value of 
140
      "data_insights": "What is the trend in the volume and value of 
            
141
digital transactions across various payment systems in India, and how 
141
digital transactions across various payment systems in India, and how 
            
142
is this changing over time?\n\nWhich payment systems are experiencing 
142
is this changing over time?\n\nWhich payment systems are experiencing 
            
143
the highest growth in transaction volume and value, and what factors 
143
the highest growth in transaction volume and value, and what factors 
            
144
are driving this growth?\n\nHow are consumers using different payment 
144
are driving this growth?\n\nHow are consumers using different payment 
            
145
systems, and what types of transactions are most commonly conducted 
145
systems, and what types of transactions are most commonly conducted 
            
146
through each system?\n\nWhat is the overall adoption rate of 
146
through each system?\n\nWhat is the overall adoption rate of 
            
147
electronic payment systems in India, and how does this compare to 
147
electronic payment systems in India, and how does this compare to 
            
148
other countries in the region?\n\nHow are changes in government 
148
other countries in the region?\n\nHow are changes in government 
            
149
policies and regulations affecting the use of electronic payment 
149
policies and regulations affecting the use of electronic payment 
            
150
systems in India, and what implications do these changes have for 
150
systems in India, and what implications do these changes have for 
            
151
financial institutions and consumers?\n\nWhat are the key challenges 
151
financial institutions and consumers?\n\nWhat are the key challenges 
            
152
facing the growth of electronic payment systems in India, and how can 
152
facing the growth of electronic payment systems in India, and how can 
            
153
these be addressed to ensure wider adoption and greater financial 
153
these be addressed to ensure wider adoption and greater financial 
            
154
inclusion?",
154
inclusion?",
            
155
      "data_last_updated": "2025-04-30 00:00:00",
155
      "data_last_updated": "2025-04-30 00:00:00",
            
156
      "data_retreival_date": "2025-05-02 00:00:00",
156
      "data_retreival_date": "2025-05-02 00:00:00",
            
157
      "datastore_active": true,
157
      "datastore_active": true,
            
158
      "description": "The Reserve Bank of India (RBI) has made 
158
      "description": "The Reserve Bank of India (RBI) has made 
            
159
available settlement data for select payment systems, capturing the 
159
available settlement data for select payment systems, capturing the 
            
160
volume and value of transactions made through payment systems operated 
160
volume and value of transactions made through payment systems operated 
            
161
by the RBI and National Payments Corporation of India (NPCI). his 
161
by the RBI and National Payments Corporation of India (NPCI). his 
            
162
dataset provides insights into the electronic payment systems which 
162
dataset provides insights into the electronic payment systems which 
            
163
facilitate various financial transactions across India.\nThe dataset 
163
facilitate various financial transactions across India.\nThe dataset 
            
164
covers transactions made through various payment systems including 
164
covers transactions made through various payment systems including 
            
165
National Electronic Funds Transfer (NEFT), Real-Time Gross Settlement 
165
National Electronic Funds Transfer (NEFT), Real-Time Gross Settlement 
            
166
(RTGS), Aadhaar enabled Payment System (AePS), Cheque Truncation 
166
(RTGS), Aadhaar enabled Payment System (AePS), Cheque Truncation 
            
167
System (CTS), Immediate Payment Service (IMPS), National Automated 
167
System (CTS), Immediate Payment Service (IMPS), National Automated 
            
168
Clearing House (NACH) and Unified Payments Interface (UPI). 
168
Clearing House (NACH) and Unified Payments Interface (UPI). 
            
169
Additionally, it includes the position of cash withdrawal transactions 
169
Additionally, it includes the position of cash withdrawal transactions 
            
170
using Automated Teller Machines (ATMs) and Banking Correspondents 
170
using Automated Teller Machines (ATMs) and Banking Correspondents 
            
171
(BCs).\nThe settlement data of select payment systems is a valuable 
171
(BCs).\nThe settlement data of select payment systems is a valuable 
            
172
resource for financial analysts, researchers, policymakers, and 
172
resource for financial analysts, researchers, policymakers, and 
            
173
financial institutions to analyze trends and patterns in payment 
173
financial institutions to analyze trends and patterns in payment 
            
174
transactions. It provides insights into the adoption of electronic 
174
transactions. It provides insights into the adoption of electronic 
            
175
payment systems, the growth of digital payments, and the changing 
175
payment systems, the growth of digital payments, and the changing 
            
176
nature of financial transactions in India.",
176
nature of financial transactions in India.",
            
177
      "district_no": "",
177
      "district_no": "",
            
178
      "format": "CSV",
178
      "format": "CSV",
            
179
      "frequency": "Daily",
179
      "frequency": "Daily",
            
180
      "gp_no": "",
180
      "gp_no": "",
            
181
      "granularity": "India",
181
      "granularity": "India",
            
182
      "hash": "",
182
      "hash": "",
            
183
      "id": "1f9367ac-01b0-4c82-83a1-4069d4340667",
183
      "id": "1f9367ac-01b0-4c82-83a1-4069d4340667",
            
184
      "idp_ready": true,
184
      "idp_ready": true,
            
185
      "last_modified": "2025-05-02T09:36:43.647185",
185
      "last_modified": "2025-05-02T09:36:43.647185",
            
186
      "lgd_mapping": "na",
186
      "lgd_mapping": "na",
            
187
      "metadata_modified": "2025-05-02T09:36:54.843461",
187
      "metadata_modified": "2025-05-02T09:36:54.843461",
            
188
      "methodology": "The specific data collection methodology for the 
188
      "methodology": "The specific data collection methodology for the 
            
189
Reserve Bank published settlement data of select payment systems is 
189
Reserve Bank published settlement data of select payment systems is 
            
190
not provided by RBI. However, it is likely that the data is collected 
190
not provided by RBI. However, it is likely that the data is collected 
            
191
through a combination of automated processes and manual data entry.",
191
through a combination of automated processes and manual data entry.",
            
192
      "mimetype": "text/csv",
192
      "mimetype": "text/csv",
            
193
      "mimetype_inner": null,
193
      "mimetype_inner": null,
            
194
      "name": "RBI Daily Digital Payments",
194
      "name": "RBI Daily Digital Payments",
            
195
      "no_indicators": "48",
195
      "no_indicators": "48",
            
196
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
196
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
            
197
      "position": 0,
197
      "position": 0,
            
198
      "resource_type": null,
198
      "resource_type": null,
            
199
      "similar_datasets": [],
199
      "similar_datasets": [],
            
200
      "similar_resources": "",
200
      "similar_resources": "",
            
201
      "size": 543781,
201
      "size": 543781,
            
202
      "sku": "rbi-payment_systems_settlements-in-dl-zau",
202
      "sku": "rbi-payment_systems_settlements-in-dl-zau",
            
203
      "state": "active",
203
      "state": "active",
            
204
      "states_uts_no": "",
204
      "states_uts_no": "",
            
205
      "tags": [
205
      "tags": [
            
206
        "Reserve Bank of India",
206
        "Reserve Bank of India",
            
207
        "Payment Systems",
207
        "Payment Systems",
            
208
        "Digital Transactions",
208
        "Digital Transactions",
            
209
        "ATMs\n Financial Inclusion",
209
        "ATMs\n Financial Inclusion",
            
210
        "Financtial Institutions",
210
        "Financtial Institutions",
            
211
        "Consumers"
211
        "Consumers"
            
212
      ],
212
      ],
            
213
      "tehsil_no": "",
213
      "tehsil_no": "",
            
214
      "url": 
214
      "url": 
            
215
-01b0-4c82-83a1-4069d4340667/download/rbi-daily-digital-payments.csv",
215
-01b0-4c82-83a1-4069d4340667/download/rbi-daily-digital-payments.csv",
            
216
      "url_type": "upload",
216
      "url_type": "upload",
            
217
      "years_covered": "2020-2025"
217
      "years_covered": "2020-2025"
            
218
    },
218
    },
            
219
    {
219
    {
            
220
      "additional_info": "nan",
220
      "additional_info": "nan",
            
221
      "cache_last_updated": null,
221
      "cache_last_updated": null,
            
222
      "cache_url": null,
222
      "cache_url": null,
            
223
      "created": "2023-10-06T12:25:30.912384",
223
      "created": "2023-10-06T12:25:30.912384",
            
224
      "data_extraction_page": 
224
      "data_extraction_page": 
            
225
E/#/dbie/reports/Statistics/Financial%20Sector/Monetary%20Statistics",
225
E/#/dbie/reports/Statistics/Financial%20Sector/Monetary%20Statistics",
            
226
      "data_insights": "How do trends in M3 compare with other key 
226
      "data_insights": "How do trends in M3 compare with other key 
            
227
economic indicators such as inflation and GDP growth?\nHow has the 
227
economic indicators such as inflation and GDP growth?\nHow has the 
            
228
COVID-19 pandemic impacted the money supply in India, and have there 
228
COVID-19 pandemic impacted the money supply in India, and have there 
            
229
been any notable trends or fluctuations?\nHow does the money supply in 
229
been any notable trends or fluctuations?\nHow does the money supply in 
            
230
India compare to that of other countries in the region?\nWhat is the 
230
India compare to that of other countries in the region?\nWhat is the 
            
231
relationship between M3 and key policy decisions made by the Reserve 
231
relationship between M3 and key policy decisions made by the Reserve 
            
232
Bank of India, such as changes in interest rates or reserve 
232
Bank of India, such as changes in interest rates or reserve 
            
233
requirements?",
233
requirements?",
            
234
      "data_last_updated": "updated fortnightly",
234
      "data_last_updated": "updated fortnightly",
            
235
      "data_retreival_date": "2024-03-15 00:00:00",
235
      "data_retreival_date": "2024-03-15 00:00:00",
            
236
      "datastore_active": true,
236
      "datastore_active": true,
            
237
      "description": "The Money Supply (M3) dataset is published by 
237
      "description": "The Money Supply (M3) dataset is published by 
            
238
the Reserve Bank of India (RBI) on a fortnightly basis and provides 
238
the Reserve Bank of India (RBI) on a fortnightly basis and provides 
            
239
information on the amount of money circulating in the Indian economy. 
239
information on the amount of money circulating in the Indian economy. 
            
240
This dataset covers the period from 2001 onwards and contains data on 
240
This dataset covers the period from 2001 onwards and contains data on 
            
241
the total money supply and its components and sources such as currency 
241
the total money supply and its components and sources such as currency 
            
242
with the public, demand deposits, time deposits, other deposits 
242
with the public, demand deposits, time deposits, other deposits 
            
243
etc.\n\nThe M3 dataset is an essential tool for policymakers, 
243
etc.\n\nThe M3 dataset is an essential tool for policymakers, 
            
244
economists, and researchers to understand the state of the Indian 
244
economists, and researchers to understand the state of the Indian 
            
245
economy and make informed decisions. ",
245
economy and make informed decisions. ",
            
246
      "district_no": "",
246
      "district_no": "",
            
247
      "format": "CSV",
247
      "format": "CSV",
            
248
      "frequency": "Fortnightly",
248
      "frequency": "Fortnightly",
            
249
      "gp_no": "",
249
      "gp_no": "",
            
250
      "granularity": "India",
250
      "granularity": "India",
            
251
      "hash": "",
251
      "hash": "",
            
252
      "id": "487f5d4e-4ac9-4015-9ed5-ee9066893982",
252
      "id": "487f5d4e-4ac9-4015-9ed5-ee9066893982",
            
253
      "idp_ready": true,
253
      "idp_ready": true,
            
254
      "last_modified": "2024-03-19T08:17:19.204175",
254
      "last_modified": "2024-03-19T08:17:19.204175",
            
255
      "lgd_mapping": "na",
255
      "lgd_mapping": "na",
            
256
      "metadata_modified": "2024-08-22T10:10:44.362499",
256
      "metadata_modified": "2024-08-22T10:10:44.362499",
            
257
      "methodology": "The Reserve Bank of India (RBI) collects the 
257
      "methodology": "The Reserve Bank of India (RBI) collects the 
            
258
Money Supply (M3) data through surveys and reports from various 
258
Money Supply (M3) data through surveys and reports from various 
            
259
financial institutions, including commercial banks, cooperative banks, 
259
financial institutions, including commercial banks, cooperative banks, 
            
260
regional rural banks, and other financial institutions.",
260
regional rural banks, and other financial institutions.",
            
261
      "mimetype": "text/csv",
261
      "mimetype": "text/csv",
            
262
      "mimetype_inner": null,
262
      "mimetype_inner": null,
            
263
      "name": "Money Stock M3",
263
      "name": "Money Stock M3",
            
264
      "no_indicators": "13",
264
      "no_indicators": "13",
            
265
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
265
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
            
266
      "position": 1,
266
      "position": 1,
            
267
      "resource_type": null,
267
      "resource_type": null,
            
268
      "similar_datasets": [],
268
      "similar_datasets": [],
            
269
      "size": 76919,
269
      "size": 76919,
            
270
      "sku": "rbi-money_stock-in-wk-sne",
270
      "sku": "rbi-money_stock-in-wk-sne",
            
271
      "state": "active",
271
      "state": "active",
            
272
      "states_uts_no": "",
272
      "states_uts_no": "",
            
273
      "tags": [
273
      "tags": [
            
274
        "Money Supply",
274
        "Money Supply",
            
275
        "Currency",
275
        "Currency",
            
276
        "Demand Deposits",
276
        "Demand Deposits",
            
277
        "Time Deposits",
277
        "Time Deposits",
            
278
        "Liabilities",
278
        "Liabilities",
            
279
        "Assets",
279
        "Assets",
            
280
        "Sources",
280
        "Sources",
            
281
        "Economic Indicators",
281
        "Economic Indicators",
            
282
        "Inflation"
282
        "Inflation"
            
283
      ],
283
      ],
            
284
      "tehsil_no": "",
284
      "tehsil_no": "",
            
285
      "url": 
285
      "url": 
            
286
rce/487f5d4e-4ac9-4015-9ed5-ee9066893982/download/money-stock-m3.csv",
286
rce/487f5d4e-4ac9-4015-9ed5-ee9066893982/download/money-stock-m3.csv",
            
287
      "url_type": "upload",
287
      "url_type": "upload",
            
288
      "village_no": "",
288
      "village_no": "",
            
289
      "years_covered": "2001-2024"
289
      "years_covered": "2001-2024"
            
290
    },
290
    },
            
291
    {
291
    {
            
292
      "additional_info": "",
292
      "additional_info": "",
            
293
      "cache_last_updated": null,
293
      "cache_last_updated": null,
            
294
      "cache_url": null,
294
      "cache_url": null,
            
295
      "created": "2023-10-07T05:56:50.564020",
295
      "created": "2023-10-07T05:56:50.564020",
            
296
      "data_extraction_page": 
296
      "data_extraction_page": 
            
297
enDocument/opendoc/openDocument.faces?logonSuccessful=true&shareId=1",
297
enDocument/opendoc/openDocument.faces?logonSuccessful=true&shareId=1",
            
298
      "data_insights": "Understanding the distribution of deposits 
298
      "data_insights": "Understanding the distribution of deposits 
            
299
across different population groups and regions in India.Identifying 
299
across different population groups and regions in India.Identifying 
            
300
areas where additional investment may be needed to improve access to 
300
areas where additional investment may be needed to improve access to 
            
301
banking services.Analyzing the impact of government policies and 
301
banking services.Analyzing the impact of government policies and 
            
302
economic trends on the banking sector.Identifying opportunities for 
302
economic trends on the banking sector.Identifying opportunities for 
            
303
banks to expand their operations in underserved areas.",
303
banks to expand their operations in underserved areas.",
            
304
      "data_last_updated": "2022",
304
      "data_last_updated": "2022",
            
305
      "data_retreival_date": "2022-09-04 00:00:00",
305
      "data_retreival_date": "2022-09-04 00:00:00",
            
306
      "datastore_active": true,
306
      "datastore_active": true,
            
307
      "description": "The Reserve Bank of India (RBI) provides data on 
307
      "description": "The Reserve Bank of India (RBI) provides data on 
            
308
the deposits of scheduled commercial banks as part of its database of 
308
the deposits of scheduled commercial banks as part of its database of 
            
309
the Indian economy. Scheduled commercial banks include public sector 
309
the Indian economy. Scheduled commercial banks include public sector 
            
310
banks, private sector banks, foreign banks, regional rural banks, and 
310
banks, private sector banks, foreign banks, regional rural banks, and 
            
311
other types of banks.\r\n\r\nThe dataset includes information on 
311
other types of banks.\r\n\r\nThe dataset includes information on 
            
312
various types of deposits such as savings deposits, term deposits, and 
312
various types of deposits such as savings deposits, term deposits, and 
            
313
demand deposits. It provides detailed information on the amount of 
313
demand deposits. It provides detailed information on the amount of 
            
314
deposits held by the banks, and number of accounts.",
314
deposits held by the banks, and number of accounts.",
            
315
      "district_no": "717",
315
      "district_no": "717",
            
316
      "format": "CSV",
316
      "format": "CSV",
            
317
      "frequency": "Yearly",
317
      "frequency": "Yearly",
            
318
      "gp_no": "",
318
      "gp_no": "",
            
319
      "granularity": "District",
319
      "granularity": "District",
            
320
      "hash": "",
320
      "hash": "",
            
321
      "id": "991a33ab-67c0-4748-9ded-012f449497be",
321
      "id": "991a33ab-67c0-4748-9ded-012f449497be",
            
322
      "idp_ready": true,
322
      "idp_ready": true,
            
323
      "last_modified": "2023-10-07T05:56:50.539958",
323
      "last_modified": "2023-10-07T05:56:50.539958",
            
324
      "lgd_mapping": "yes",
324
      "lgd_mapping": "yes",
            
325
      "metadata_modified": "2024-08-22T10:10:44.920464",
325
      "metadata_modified": "2024-08-22T10:10:44.920464",
            
326
      "methodology": "The District and Population Group-wise Deposits 
326
      "methodology": "The District and Population Group-wise Deposits 
            
327
of Scheduled Commercial Banks dataset is sourced from the Reserve Bank 
327
of Scheduled Commercial Banks dataset is sourced from the Reserve Bank 
            
328
of India (RBI) and is updated annually. The data is collected through 
328
of India (RBI) and is updated annually. The data is collected through 
            
329
the submission of monthly and quarterly returns by scheduled 
329
the submission of monthly and quarterly returns by scheduled 
            
330
commercial banks to the RBI. The data is then aggregated at the 
330
commercial banks to the RBI. The data is then aggregated at the 
            
331
district and population group level to produce the final dataset.",
331
district and population group level to produce the final dataset.",
            
332
      "mimetype": "",
332
      "mimetype": "",
            
333
      "mimetype_inner": null,
333
      "mimetype_inner": null,
            
334
      "name": "Population-group  Wise Deposits",
334
      "name": "Population-group  Wise Deposits",
            
335
      "no_indicators": "3",
335
      "no_indicators": "3",
            
336
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
336
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
            
337
      "position": 2,
337
      "position": 2,
            
338
      "resource_type": null,
338
      "resource_type": null,
            
339
      "similar_datasets": "",
339
      "similar_datasets": "",
            
340
      "size": 1114004,
340
      "size": 1114004,
            
341
      "sku": "rbi-groupwise_deposits_with_scbs-dt-yr-pop",
341
      "sku": "rbi-groupwise_deposits_with_scbs-dt-yr-pop",
            
342
      "state": "active",
342
      "state": "active",
            
343
      "states_uts_no": "36",
343
      "states_uts_no": "36",
            
344
      "tags": "",
344
      "tags": "",
            
345
      "tehsil_no": "",
345
      "tehsil_no": "",
            
346
      "url": 
346
      "url": 
            
347
c0-4748-9ded-012f449497be/download/populationgroup-wise-deposits.csv",
347
c0-4748-9ded-012f449497be/download/populationgroup-wise-deposits.csv",
            
348
      "url_type": "upload",
348
      "url_type": "upload",
            
349
      "village_no": "",
349
      "village_no": "",
            
350
      "years_covered": "2019-2022"
350
      "years_covered": "2019-2022"
            
351
    },
351
    },
            
352
    {
352
    {
            
353
      "additional_info": "",
353
      "additional_info": "",
            
354
      "cache_last_updated": null,
354
      "cache_last_updated": null,
            
355
      "cache_url": null,
355
      "cache_url": null,
            
356
      "created": "2023-10-07T05:57:30.367092",
356
      "created": "2023-10-07T05:57:30.367092",
            
357
      "data_extraction_page": "nan",
357
      "data_extraction_page": "nan",
            
358
      "data_insights": "The dataset provides information on the number 
358
      "data_insights": "The dataset provides information on the number 
            
359
of deposits and deposit amounts for different population groups in 
359
of deposits and deposit amounts for different population groups in 
            
360
each district for various categories of SCBs. The data can be used to 
360
each district for various categories of SCBs. The data can be used to 
            
361
analyze the financial behavior of different demographic groups, as 
361
analyze the financial behavior of different demographic groups, as 
            
362
well as the performance of different banks in different districts. For 
362
well as the performance of different banks in different districts. For 
            
363
example, one could analyze which demographic groups are saving the 
363
example, one could analyze which demographic groups are saving the 
            
364
most and which banks are attracting the most deposits in different 
364
most and which banks are attracting the most deposits in different 
            
365
districts.",
365
districts.",
            
366
      "data_last_updated": "2022",
366
      "data_last_updated": "2022",
            
367
      "data_retreival_date": "2022-09-04 00:00:00",
367
      "data_retreival_date": "2022-09-04 00:00:00",
            
368
      "datastore_active": true,
368
      "datastore_active": true,
            
369
      "description": "This dataset gives district-wise information on 
369
      "description": "This dataset gives district-wise information on 
            
370
the number of deposits and deposit amounts for every population group 
370
the number of deposits and deposit amounts for every population group 
            
371
in each category of Scheduled Commercial Banks",
371
in each category of Scheduled Commercial Banks",
            
372
      "district_no": "717",
372
      "district_no": "717",
            
373
      "format": "CSV",
373
      "format": "CSV",
            
374
      "frequency": "Yearly",
374
      "frequency": "Yearly",
            
375
      "gp_no": "",
375
      "gp_no": "",
            
376
      "granularity": "District",
376
      "granularity": "District",
            
377
      "hash": "",
377
      "hash": "",
            
378
      "id": "3d6dc991-9a60-47d6-b107-2e2536688e5e",
378
      "id": "3d6dc991-9a60-47d6-b107-2e2536688e5e",
            
379
      "idp_ready": true,
379
      "idp_ready": true,
            
380
      "last_modified": "2023-10-07T05:57:30.337929",
380
      "last_modified": "2023-10-07T05:57:30.337929",
            
381
      "lgd_mapping": "yes",
381
      "lgd_mapping": "yes",
            
382
      "metadata_modified": "2024-08-22T10:10:45.495583",
382
      "metadata_modified": "2024-08-22T10:10:45.495583",
            
383
      "methodology": "Reserve Bank of India collected the data from 
383
      "methodology": "Reserve Bank of India collected the data from 
            
384
SCBs and compiled it into a dataset.",
384
SCBs and compiled it into a dataset.",
            
385
      "mimetype": "",
385
      "mimetype": "",
            
386
      "mimetype_inner": null,
386
      "mimetype_inner": null,
            
387
      "name": "Bank-group Wise Deposits",
387
      "name": "Bank-group Wise Deposits",
            
388
      "no_indicators": "2",
388
      "no_indicators": "2",
            
389
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
389
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
            
390
      "position": 3,
390
      "position": 3,
            
391
      "resource_type": null,
391
      "resource_type": null,
            
392
      "similar_datasets": "",
392
      "similar_datasets": "",
            
393
      "size": 4699652,
393
      "size": 4699652,
            
394
      "sku": "rbi-bankgroup_wise_deposit_statistics-dt-yr-pth",
394
      "sku": "rbi-bankgroup_wise_deposit_statistics-dt-yr-pth",
            
395
      "state": "active",
395
      "state": "active",
            
396
      "states_uts_no": "36",
396
      "states_uts_no": "36",
            
397
      "tags": "",
397
      "tags": "",
            
398
      "tehsil_no": "",
398
      "tehsil_no": "",
            
399
      "url": 
399
      "url": 
            
400
991-9a60-47d6-b107-2e2536688e5e/download/bankgroup-wise-deposits.csv",
400
991-9a60-47d6-b107-2e2536688e5e/download/bankgroup-wise-deposits.csv",
            
401
      "url_type": "upload",
401
      "url_type": "upload",
            
402
      "village_no": "",
402
      "village_no": "",
            
403
      "years_covered": "2009-10 to 2017-18"
403
      "years_covered": "2009-10 to 2017-18"
            
404
    },
404
    },
            
405
    {
405
    {
            
n
406
      "additional_info": "Number of Banks : 85",
n
406
      "additional_info": "nan",
            
407
      "cache_last_updated": null,
407
      "cache_last_updated": null,
            
408
      "cache_url": null,
408
      "cache_url": null,
            
409
      "created": "2023-10-07T06:53:04.021727",
409
      "created": "2023-10-07T06:53:04.021727",
            
410
      "data_extraction_page": 
410
      "data_extraction_page": 
            
411
"https://rbi.org.in/Scripts/ATMView.aspx",
411
"https://rbi.org.in/Scripts/ATMView.aspx",
            
n
412
      "data_insights": "Some Insights can be drawn from the dataset: 
n
412
      "data_insights": "This dataset enables detailed analyses of 
            
413
Which banks have the most significant number of ATMs and POS 
413
India\u2019s evolving digital payment landscape, highlighting trends 
            
414
terminals, and how has this changed over time? What is the overall 
414
in infrastructure deployment and consumer behavior across credit and 
            
415
trend in the number of transactions using ATMs and POS terminals, and 
415
debit card platforms. It supports policy assessments on financial 
            
416
how has this varied across different banks? What is the total value of 
416
inclusion by tracking the penetration of ATMs and digital acceptance 
            
417
debit and credit card transactions, and how has this changed over 
417
points across bank categories. Additionally, the transaction-level 
            
418
time? How has the number of debit and credit cards issued by each bank 
418
data allows for monitoring shifts in consumer spending patterns, the 
            
419
changed over time, and which banks have seen the most growth in their 
419
effectiveness of QR-based payments, and the relative usage of cash 
            
420
card issuance? What is the average transaction value for ATM and POS 
420
versus digital modes. These insights are crucial for formulating 
            
421
transactions, and how does this vary across different banks and 
421
strategies in digital finance, regulatory oversight, and 
            
422
regions? Are there any seasonal trends in ATM and POS usage, such as 
422
infrastructure investment.",
            
423
higher usage during certain months or holidays? How does the usage of 

            
424
electronic payment methods compare to cash-based transactions, and how 

            
425
has this trend continued?",

            
426
      "data_last_updated": "2024-11-01",
423
      "data_last_updated": "13-05-2025",
            
427
      "data_retreival_date": "2025-04-15",
424
      "data_retreival_date": "13-05-2025",
            
428
      "datastore_active": true,
425
      "datastore_active": true,
            
n
429
      "description": "The Bankwise ATM/POS/Card Statistics dataset is 
n
426
      "description": "This dataset offers comprehensive statistics on 
            
430
published monthly by the Reserve Bank of India (RBI). It provides 
427
banking infrastructure and card-based transactions in India from 2022 
            
431
information on the usage of automated teller machines (ATMs), point of 
428
onwards. It includes bank-level data on ATMs, PoS terminals, QR code 
            
432
sale (POS) terminals, and payment cards across various banks in India. 
429
adoption, and transaction volumes and values for both credit and debit 
            
433
This dataset contains information on the number of ATMs and POS 
430
cards. Sourced from the Reserve Bank of India, the data is valuable 
            
434
terminals installed by each bank, the number of transactions carried 
431
for researchers, financial analysts, and policymakers interested in 
            
435
out using these machines, and the total value of transactions. 
432
digital payments, banking access, and consumer financial behavior.",
            
436
Additionally, it provides data on the number of debit and credit cards 

            
437
issued by each bank and the total value of transactions made using 

            
438
these cards. The Bankwise ATM/POS/Card Statistics dataset can be used 

            
439
to analyze the growth of electronic payments in India, monitor the 

            
440
performance of individual banks, and identify trends in ATM and POS 

            
441
usage. Researchers, policy-makers, and financial institutions can 

            
442
leverage this data to make informed decisions related to expanding 

            
443
banking infrastructure, developing payment systems, and promoting 

            
444
cashless transactions.",

            
445
      "district_no": "",
433
      "district_no": "0",
            
446
      "format": "CSV",
434
      "format": "CSV",
            
447
      "frequency": "Monthly",
435
      "frequency": "Monthly",
            
n
448
      "gp_no": "",
n
436
      "gp_no": "0",
            
449
      "granularity": "India",
437
      "granularity": "All India",
            
450
      "hash": "",
438
      "hash": "",
            
451
      "id": "1bb59cb1-6965-4c02-88ab-82333f101f5b",
439
      "id": "1bb59cb1-6965-4c02-88ab-82333f101f5b",
            
452
      "idp_ready": true,
440
      "idp_ready": true,
            
n
453
      "last_modified": "2025-04-30T06:01:56.393627",
n
441
      "last_modified": "2025-05-27T11:15:52.512590",
            
454
      "lgd_mapping": "na",
442
      "lgd_mapping": "na",
            
n
455
      "metadata_modified": "2025-04-30T06:02:12.568387",
n
443
      "metadata_modified": "2025-05-27T11:15:52.553958",
            
456
      "methodology": "The exact data collection methodology used by 
444
      "methodology": "The exact data collection methodology used by 
            
457
the RBI to gather information for the Bankwise ATM/POS/Card Statistics 
445
the RBI to gather information for the Bankwise ATM/POS/Card Statistics 
            
458
dataset is not publicly disclosed. However, it is likely that the data 
446
dataset is not publicly disclosed. However, it is likely that the data 
            
459
is collected through a combination of surveys, reports, and data 
447
is collected through a combination of surveys, reports, and data 
            
n
460
sharing agreements with the participating banks.\nThe RBI may require 
n
448
sharing agreements with the participating banks. The RBI may require 
            
461
banks to report their ATM and POS transactions data on a regular 
449
banks to report their ATM and POS transactions data on a regular 
            
462
basis, either electronically or through manual reporting. This data 
450
basis, either electronically or through manual reporting. This data 
            
463
may be submitted directly to the RBI or through a third-party data 
451
may be submitted directly to the RBI or through a third-party data 
            
464
aggregator. The RBI may also use data from other sources, such as 
452
aggregator. The RBI may also use data from other sources, such as 
            
465
payment processors or card networks, to supplement the data provided 
453
payment processors or card networks, to supplement the data provided 
            
466
by the banks.",
454
by the banks.",
            
467
      "mimetype": "text/csv",
455
      "mimetype": "text/csv",
            
468
      "mimetype_inner": null,
456
      "mimetype_inner": null,
            
n
469
      "name": "Bankwise ATM POS Card Statistics",
n
457
      "name": "Bankwise ATM POS Card Statistics 2022 onwards",
            
470
      "no_indicators": "26",
458
      "no_indicators": "26",
            
471
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
459
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
            
472
      "position": 4,
460
      "position": 4,
            
473
      "resource_type": null,
461
      "resource_type": null,
            
474
      "similar_datasets": [],
462
      "similar_datasets": [],
            
n
475
      "size": 1416439,
n
463
      "size": 535965,
            
476
      "sku": "rbi-bankwise_atm_pos-in-mn-bxi",
464
      "sku": "rbi-bankwise_atm_pos-in-mn-bxi",
            
477
      "state": "active",
465
      "state": "active",
            
n
478
      "states_uts_no": "",
n
466
      "states_uts_no": "0",
            
479
      "tags": [
467
      "tags": [
            
480
        "Payment Systems",
468
        "Payment Systems",
            
481
        "Banking",
469
        "Banking",
            
482
        "Finance",
470
        "Finance",
            
483
        "Electronic Payments\n Financial Institutions"
471
        "Electronic Payments\n Financial Institutions"
            
484
      ],
472
      ],
            
n
485
      "tehsil_no": "",
n
473
      "tehsil_no": "0",
            
486
      "url": 
474
      "url": 
            
n
487
4c02-88ab-82333f101f5b/download/bankwise_atm_pos_card_statistics.csv",
n
475
33f101f5b/download/bankwise-atm-pos-card-statistics-2022-onwards.csv",
            
488
      "url_type": "upload",
476
      "url_type": "upload",
            
n
489
      "village_no": "",
n
477
      "village_no": "0",
            
490
      "years_covered": "2014-2024"
478
      "years_covered": "2022-2025"
            
491
    },
479
    },
            
492
    {
480
    {
            
493
      "additional_info": "To get to the exact table from the source 
481
      "additional_info": "To get to the exact table from the source 
            
494
link, Under the Time Series Tab -> \"Time Series Detailed Data\" -> 
482
link, Under the Time Series Tab -> \"Time Series Detailed Data\" -> 
            
495
\"Bank Credit of SCBs - Bank Group, Population Group, Occupation 
483
\"Bank Credit of SCBs - Bank Group, Population Group, Occupation 
            
496
(Sector), District Wise - Annual\"",
484
(Sector), District Wise - Annual\"",
            
497
      "cache_last_updated": null,
485
      "cache_last_updated": null,
            
498
      "cache_url": null,
486
      "cache_url": null,
            
499
      "created": "2023-10-08T02:40:47.113768",
487
      "created": "2023-10-08T02:40:47.113768",
            
500
      "data_extraction_page": 
488
      "data_extraction_page": 
            
501
"https://dbie.rbi.org.in/DBIE/dbie.rbi?site=publications#!19",
489
"https://dbie.rbi.org.in/DBIE/dbie.rbi?site=publications#!19",
            
502
      "data_insights": "The dataset provides information on the credit 
490
      "data_insights": "The dataset provides information on the credit 
            
503
extended by different bank groups, with nationalized banks having the 
491
extended by different bank groups, with nationalized banks having the 
            
504
highest share of credit followed by SBI and its associates, private 
492
highest share of credit followed by SBI and its associates, private 
            
505
sector banks, and foreign banks.\n\nThe majority of the credit is 
493
sector banks, and foreign banks.\n\nThe majority of the credit is 
            
506
extended to the industry sector, followed by the services sector and 
494
extended to the industry sector, followed by the services sector and 
            
507
agriculture sector. Personal loans and other priority sectors account 
495
agriculture sector. Personal loans and other priority sectors account 
            
508
for a smaller share of credit.\n\nThe dataset shows that credit growth 
496
for a smaller share of credit.\n\nThe dataset shows that credit growth 
            
509
is higher in urban and metropolitan areas compared to rural and 
497
is higher in urban and metropolitan areas compared to rural and 
            
510
semi-urban areas.\n\nThe district-wise data shows that the credit 
498
semi-urban areas.\n\nThe district-wise data shows that the credit 
            
511
patterns vary across different regions, with some districts having 
499
patterns vary across different regions, with some districts having 
            
512
higher credit growth compared to others.",
500
higher credit growth compared to others.",
            
513
      "data_last_updated": "2024-02-01 00:00:00",
501
      "data_last_updated": "2024-02-01 00:00:00",
            
514
      "data_retreival_date": "2023-09-15 00:00:00",
502
      "data_retreival_date": "2023-09-15 00:00:00",
            
515
      "datastore_active": true,
503
      "datastore_active": true,
            
516
      "description": "The \"Credit by Scheduled Commercial Banks\" 
504
      "description": "The \"Credit by Scheduled Commercial Banks\" 
            
517
dataset provided by the Reserve Bank of India (RBI) captures 
505
dataset provided by the Reserve Bank of India (RBI) captures 
            
518
information on the credit extended by scheduled commercial banks in 
506
information on the credit extended by scheduled commercial banks in 
            
519
India to various population groups, bank groups, occupation groups, 
507
India to various population groups, bank groups, occupation groups, 
            
520
and occupation subgroups. The dataset covers various types of credit, 
508
and occupation subgroups. The dataset covers various types of credit, 
            
521
such as agricultural credit, personal loans, housing loans, and loans 
509
such as agricultural credit, personal loans, housing loans, and loans 
            
522
to the industrial sector, among others.\n\nThe dataset is organized 
510
to the industrial sector, among others.\n\nThe dataset is organized 
            
523
across four dimensions, including population group, bank group, 
511
across four dimensions, including population group, bank group, 
            
524
occupation group, and occupation subgroup. The population group 
512
occupation group, and occupation subgroup. The population group 
            
525
dimension includes categories such as rural, semi-urban, urban, and 
513
dimension includes categories such as rural, semi-urban, urban, and 
            
526
metropolitan, while the bank group dimension includes categories such 
514
metropolitan, while the bank group dimension includes categories such 
            
527
as nationalized banks, private sector banks, foreign banks, and 
515
as nationalized banks, private sector banks, foreign banks, and 
            
528
regional rural banks, among others. The occupation group dimension 
516
regional rural banks, among others. The occupation group dimension 
            
529
includes categories such as agriculture and allied activities, 
517
includes categories such as agriculture and allied activities, 
            
530
industry, and services, while the occupation subgroup dimension 
518
industry, and services, while the occupation subgroup dimension 
            
531
includes categories such as self-employed individuals, salaried 
519
includes categories such as self-employed individuals, salaried 
            
532
individuals, and others.\n\nThis dataset is useful for researchers, 
520
individuals, and others.\n\nThis dataset is useful for researchers, 
            
533
policymakers, and financial analysts who are interested in 
521
policymakers, and financial analysts who are interested in 
            
534
understanding the credit flow in the Indian economy, analyzing the 
522
understanding the credit flow in the Indian economy, analyzing the 
            
535
distribution of credit across different population groups and sectors, 
523
distribution of credit across different population groups and sectors, 
            
536
and identifying trends in credit disbursement by scheduled commercial 
524
and identifying trends in credit disbursement by scheduled commercial 
            
537
banks.",
525
banks.",
            
538
      "district_no": "764",
526
      "district_no": "764",
            
539
      "format": "CSV",
527
      "format": "CSV",
            
540
      "frequency": "Yearly",
528
      "frequency": "Yearly",
            
541
      "gp_no": "",
529
      "gp_no": "",
            
542
      "granularity": "District",
530
      "granularity": "District",
            
543
      "hash": "",
531
      "hash": "",
            
544
      "id": "733d27c5-e6a7-4cbf-a03e-b7cda032b608",
532
      "id": "733d27c5-e6a7-4cbf-a03e-b7cda032b608",
            
545
      "idp_ready": true,
533
      "idp_ready": true,
            
546
      "last_modified": "2024-03-14T23:24:11.404596",
534
      "last_modified": "2024-03-14T23:24:11.404596",
            
547
      "lgd_mapping": "yes",
535
      "lgd_mapping": "yes",
            
548
      "metadata_modified": "2024-08-22T10:10:47.053273",
536
      "metadata_modified": "2024-08-22T10:10:47.053273",
            
549
      "methodology": "Reserve Bank of India releases information about 
537
      "methodology": "Reserve Bank of India releases information about 
            
550
the number of accounts, credit limit and amount outstanding 
538
the number of accounts, credit limit and amount outstanding 
            
551
categorised as per population group, bank group and occupation under 
539
categorised as per population group, bank group and occupation under 
            
552
each district yearly.",
540
each district yearly.",
            
553
      "mimetype": "text/csv",
541
      "mimetype": "text/csv",
            
554
      "mimetype_inner": null,
542
      "mimetype_inner": null,
            
555
      "name": "Credit by Scheduled Commercial Banks",
543
      "name": "Credit by Scheduled Commercial Banks",
            
556
      "no_indicators": "3",
544
      "no_indicators": "3",
            
557
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
545
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
            
558
      "position": 5,
546
      "position": 5,
            
559
      "resource_type": null,
547
      "resource_type": null,
            
560
      "similar_datasets": [],
548
      "similar_datasets": [],
            
561
      "size": 262735959,
549
      "size": 262735959,
            
562
      "sku": "rbi-groupwise_credit_by_scbs-dt-yr-vvi",
550
      "sku": "rbi-groupwise_credit_by_scbs-dt-yr-vvi",
            
563
      "state": "active",
551
      "state": "active",
            
564
      "states_uts_no": "36",
552
      "states_uts_no": "36",
            
565
      "tags": [
553
      "tags": [
            
566
        "Banking",
554
        "Banking",
            
567
        "Credit",
555
        "Credit",
            
568
        "Scheduled Commercial Banks",
556
        "Scheduled Commercial Banks",
            
569
        "Bank Group\n Population Group",
557
        "Bank Group\n Population Group",
            
570
        "Occupation",
558
        "Occupation",
            
571
        "Sector",
559
        "Sector",
            
572
        "District-Wise",
560
        "District-Wise",
            
573
        "India\n Finance."
561
        "India\n Finance."
            
574
      ],
562
      ],
            
575
      "tehsil_no": "",
563
      "tehsil_no": "",
            
576
      "url": 
564
      "url": 
            
577
-a03e-b7cda032b608/download/credit-by-scheduled-commercial-banks.csv",
565
-a03e-b7cda032b608/download/credit-by-scheduled-commercial-banks.csv",
            
578
      "url_type": "upload",
566
      "url_type": "upload",
            
579
      "village_no": "",
567
      "village_no": "",
            
580
      "years_covered": "2010-2023"
568
      "years_covered": "2010-2023"
            
581
    },
569
    },
            
582
    {
570
    {
            
583
      "additional_info": "",
571
      "additional_info": "",
            
584
      "cache_last_updated": null,
572
      "cache_last_updated": null,
            
585
      "cache_url": null,
573
      "cache_url": null,
            
586
      "created": "2023-10-09T09:38:06.588133",
574
      "created": "2023-10-09T09:38:06.588133",
            
587
      "data_extraction_page": 
575
      "data_extraction_page": 
            
588
"https://rbi.org.in/Scripts/NEFTView.aspx",
576
"https://rbi.org.in/Scripts/NEFTView.aspx",
            
589
      "data_insights": "Through this dataset, one can observe 
577
      "data_insights": "Through this dataset, one can observe 
            
590
variations in ECS transaction volumes, values, and user counts across 
578
variations in ECS transaction volumes, values, and user counts across 
            
591
different months. When segmented by banks, the data allows for a 
579
different months. When segmented by banks, the data allows for a 
            
592
comparison of ECS transaction activity across various banking 
580
comparison of ECS transaction activity across various banking 
            
593
institutions. Additionally, the distinction between ECS credit and 
581
institutions. Additionally, the distinction between ECS credit and 
            
594
debit transactions provides information on user transactional choices. 
582
debit transactions provides information on user transactional choices. 
            
595
The inclusion of center names in the dataset also enables a regional 
583
The inclusion of center names in the dataset also enables a regional 
            
596
assessment, giving insights into the distribution and prevalence of 
584
assessment, giving insights into the distribution and prevalence of 
            
597
these transactions in different regions. ",
585
these transactions in different regions. ",
            
598
      "data_last_updated": "discontinued",
586
      "data_last_updated": "discontinued",
            
599
      "data_retreival_date": "2023-08-03 00:00:00",
587
      "data_retreival_date": "2023-08-03 00:00:00",
            
600
      "datastore_active": true,
588
      "datastore_active": true,
            
601
      "description": "ECS Transactions (Volume, Value, Users) provides 
589
      "description": "ECS Transactions (Volume, Value, Users) provides 
            
602
detailed monthly data on Electronic Clearing Service (ECS) 
590
detailed monthly data on Electronic Clearing Service (ECS) 
            
603
transactions. The dataset encompasses specific metrics like the volume 
591
transactions. The dataset encompasses specific metrics like the volume 
            
604
and value of transactions, and the number of users engaging in ECS 
592
and value of transactions, and the number of users engaging in ECS 
            
605
credit and debit transactions. The data is organized by month and is 
593
credit and debit transactions. The data is organized by month and is 
            
606
broken down by different centers and banks, offering granular insights 
594
broken down by different centers and banks, offering granular insights 
            
607
into the dynamics of electronic transactions across various regions 
595
into the dynamics of electronic transactions across various regions 
            
608
and banking institutions.",
596
and banking institutions.",
            
609
      "district_no": "",
597
      "district_no": "",
            
610
      "format": "CSV",
598
      "format": "CSV",
            
611
      "frequency": "Monthly",
599
      "frequency": "Monthly",
            
612
      "gp_no": "",
600
      "gp_no": "",
            
613
      "granularity": "Bank",
601
      "granularity": "Bank",
            
614
      "hash": "",
602
      "hash": "",
            
615
      "id": "961f1a87-5701-41e6-b124-896b33867e30",
603
      "id": "961f1a87-5701-41e6-b124-896b33867e30",
            
616
      "idp_ready": true,
604
      "idp_ready": true,
            
617
      "last_modified": "2023-10-09T09:38:06.525046",
605
      "last_modified": "2023-10-09T09:38:06.525046",
            
618
      "lgd_mapping": "na",
606
      "lgd_mapping": "na",
            
619
      "metadata_modified": "2024-08-22T10:10:47.579882",
607
      "metadata_modified": "2024-08-22T10:10:47.579882",
            
620
      "methodology": "The dataset is compiled from data reported by 
608
      "methodology": "The dataset is compiled from data reported by 
            
621
different banks to the Reserve Bank of India. It is updated monthly 
609
different banks to the Reserve Bank of India. It is updated monthly 
            
622
and is made available on the RBI\u2019s official website. ",
610
and is made available on the RBI\u2019s official website. ",
            
623
      "mimetype": "",
611
      "mimetype": "",
            
624
      "mimetype_inner": null,
612
      "mimetype_inner": null,
            
625
      "name": "ECS Transaction Metrics",
613
      "name": "ECS Transaction Metrics",
            
626
      "no_indicators": "6",
614
      "no_indicators": "6",
            
627
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
615
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
            
628
      "position": 6,
616
      "position": 6,
            
629
      "resource_type": null,
617
      "resource_type": null,
            
630
      "similar_datasets": "",
618
      "similar_datasets": "",
            
631
      "size": 627222,
619
      "size": 627222,
            
632
      "sku": "rbi-bankwise_ecs_transactions-in-mn-aaa",
620
      "sku": "rbi-bankwise_ecs_transactions-in-mn-aaa",
            
633
      "state": "active",
621
      "state": "active",
            
634
      "states_uts_no": "",
622
      "states_uts_no": "",
            
635
      "tags": "",
623
      "tags": "",
            
636
      "tehsil_no": "",
624
      "tehsil_no": "",
            
637
      "url": 
625
      "url": 
            
638
a87-5701-41e6-b124-896b33867e30/download/ecs-transaction-metrics.csv",
626
a87-5701-41e6-b124-896b33867e30/download/ecs-transaction-metrics.csv",
            
639
      "url_type": "upload",
627
      "url_type": "upload",
            
640
      "village_no": "",
628
      "village_no": "",
            
641
      "years_covered": "2013 to 2020"
629
      "years_covered": "2013 to 2020"
            
642
    },
630
    },
            
643
    {
631
    {
            
644
      "additional_info": "nan",
632
      "additional_info": "nan",
            
645
      "cache_last_updated": null,
633
      "cache_last_updated": null,
            
646
      "cache_url": null,
634
      "cache_url": null,
            
647
      "created": "2023-10-09T10:59:49.951988",
635
      "created": "2023-10-09T10:59:49.951988",
            
648
      "data_extraction_page": 
636
      "data_extraction_page": 
            
649
"https://rbi.org.in/Scripts/NEFTView.aspx",
637
"https://rbi.org.in/Scripts/NEFTView.aspx",
            
650
      "data_insights": "The dataset allows stakeholders to comprehend 
638
      "data_insights": "The dataset allows stakeholders to comprehend 
            
651
the adoption and utilization trends of internet banking across 
639
the adoption and utilization trends of internet banking across 
            
652
different banks in India. By analyzing the transaction volume and 
640
different banks in India. By analyzing the transaction volume and 
            
653
aggregate transaction value, one can discern patterns related to the 
641
aggregate transaction value, one can discern patterns related to the 
            
654
frequency and size of transactions carried out through internet 
642
frequency and size of transactions carried out through internet 
            
655
banking. It provides a perspective on how reliant and comfortable 
643
banking. It provides a perspective on how reliant and comfortable 
            
656
consumers are in transacting significant amounts online.\n\nBanks with 
644
consumers are in transacting significant amounts online.\n\nBanks with 
            
657
higher active users indicate a more substantial customer base that 
645
higher active users indicate a more substantial customer base that 
            
658
prefers internet banking, which can be indicative of user-friendly 
646
prefers internet banking, which can be indicative of user-friendly 
            
659
interfaces, better online banking features, or effective online 
647
interfaces, better online banking features, or effective online 
            
660
security measures of these banks. By monitoring these numbers over 
648
security measures of these banks. By monitoring these numbers over 
            
661
time, one can infer the growth rate or decline of internet banking 
649
time, one can infer the growth rate or decline of internet banking 
            
662
usage for individual banks.\n\nComparing the 'Active Users' metric 
650
usage for individual banks.\n\nComparing the 'Active Users' metric 
            
663
with 'Transaction Volume' can offer insights into user behavior. For 
651
with 'Transaction Volume' can offer insights into user behavior. For 
            
664
instance, a bank with a high number of active users but a relatively 
652
instance, a bank with a high number of active users but a relatively 
            
665
low transaction volume might indicate that while many users have 
653
low transaction volume might indicate that while many users have 
            
666
adopted online banking, they might be using it for limited purposes or 
654
adopted online banking, they might be using it for limited purposes or 
            
667
with less frequency.",
655
with less frequency.",
            
668
      "data_last_updated": "2025-03-01 00:00:00",
656
      "data_last_updated": "2025-03-01 00:00:00",
            
669
      "data_retreival_date": "2025-04-15",
657
      "data_retreival_date": "2025-04-15",
            
670
      "datastore_active": true,
658
      "datastore_active": true,
            
671
      "description": "The Internet Banking Statistics dataset, sourced 
659
      "description": "The Internet Banking Statistics dataset, sourced 
            
672
from the Reserve Bank of India, provides detailed information on 
660
from the Reserve Bank of India, provides detailed information on 
            
673
internet banking activities across various banks. This dataset 
661
internet banking activities across various banks. This dataset 
            
674
outlines the performance metrics and adoption rate of internet banking 
662
outlines the performance metrics and adoption rate of internet banking 
            
675
for specific banks, capturing data on monthly transaction volumes, 
663
for specific banks, capturing data on monthly transaction volumes, 
            
676
aggregate transaction values, and the number of active users.",
664
aggregate transaction values, and the number of active users.",
            
677
      "format": "CSV",
665
      "format": "CSV",
            
678
      "frequency": "Monthly",
666
      "frequency": "Monthly",
            
679
      "granularity": "Bank",
667
      "granularity": "Bank",
            
680
      "hash": "",
668
      "hash": "",
            
681
      "id": "41184d46-105d-49dc-89d6-8b52185ee6ee",
669
      "id": "41184d46-105d-49dc-89d6-8b52185ee6ee",
            
682
      "idp_ready": true,
670
      "idp_ready": true,
            
683
      "last_modified": "2025-05-02T09:43:59.946327",
671
      "last_modified": "2025-05-02T09:43:59.946327",
            
684
      "lgd_mapping": "na",
672
      "lgd_mapping": "na",
            
685
      "metadata_modified": "2025-05-02T09:50:09.043381",
673
      "metadata_modified": "2025-05-02T09:50:09.043381",
            
686
      "methodology": "Data for the Internet Banking Statistics is 
674
      "methodology": "Data for the Internet Banking Statistics is 
            
687
collated by the Reserve Bank of India from the reporting of individual 
675
collated by the Reserve Bank of India from the reporting of individual 
            
688
banks. ",
676
banks. ",
            
689
      "mimetype": "text/csv",
677
      "mimetype": "text/csv",
            
690
      "mimetype_inner": null,
678
      "mimetype_inner": null,
            
691
      "name": "Internet Banking Statistics",
679
      "name": "Internet Banking Statistics",
            
692
      "no_indicators": 3,
680
      "no_indicators": 3,
            
693
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
681
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
            
694
      "position": 7,
682
      "position": 7,
            
695
      "resource_type": null,
683
      "resource_type": null,
            
696
      "similar_datasets": [],
684
      "similar_datasets": [],
            
697
      "size": 256296,
685
      "size": 256296,
            
698
      "sku": "rbi-bankwise_internet_banking_transactions-in-mn-aaa",
686
      "sku": "rbi-bankwise_internet_banking_transactions-in-mn-aaa",
            
699
      "state": "active",
687
      "state": "active",
            
700
      "tags": [
688
      "tags": [
            
701
        "Internet Banking",
689
        "Internet Banking",
            
702
        "Banking Trends",
690
        "Banking Trends",
            
703
        "Transactions"
691
        "Transactions"
            
704
      ],
692
      ],
            
705
      "url": 
693
      "url": 
            
706
105d-49dc-89d6-8b52185ee6ee/download/internet-banking-statistics.csv",
694
105d-49dc-89d6-8b52185ee6ee/download/internet-banking-statistics.csv",
            
707
      "url_type": "upload",
695
      "url_type": "upload",
            
708
      "village_no": null,
696
      "village_no": null,
            
709
      "years_covered": "2022-2025"
697
      "years_covered": "2022-2025"
            
710
    },
698
    },
            
711
    {
699
    {
            
712
      "additional_info": "nan",
700
      "additional_info": "nan",
            
713
      "cache_last_updated": null,
701
      "cache_last_updated": null,
            
714
      "cache_url": null,
702
      "cache_url": null,
            
715
      "created": "2023-10-09T11:39:20.083060",
703
      "created": "2023-10-09T11:39:20.083060",
            
716
      "data_extraction_page": 
704
      "data_extraction_page": 
            
717
"https://rbi.org.in/Scripts/NEFTView.aspx",
705
"https://rbi.org.in/Scripts/NEFTView.aspx",
            
718
      "data_insights": "From the dataset, several insightful 
706
      "data_insights": "From the dataset, several insightful 
            
719
narratives can be pieced together about the RTGS transaction landscape 
707
narratives can be pieced together about the RTGS transaction landscape 
            
720
in India. One of the most pivotal points to consider is the 
708
in India. One of the most pivotal points to consider is the 
            
721
transactional trend portrayed by individual banks. Observing the 
709
transactional trend portrayed by individual banks. Observing the 
            
722
'INWARD Total Volume' and 'OUTWARD Total Volume' provides a snapshot 
710
'INWARD Total Volume' and 'OUTWARD Total Volume' provides a snapshot 
            
723
of which banks might be at the forefront of RTGS transactions. Those 
711
of which banks might be at the forefront of RTGS transactions. Those 
            
724
with consistently high volumes might be perceived as the more dominant 
712
with consistently high volumes might be perceived as the more dominant 
            
725
or trusted entities in this sphere.\n\nDiving deeper, the dataset does 
713
or trusted entities in this sphere.\n\nDiving deeper, the dataset does 
            
726
a commendable job differentiating between interbank and customer 
714
a commendable job differentiating between interbank and customer 
            
727
transactions. Banks showing a substantial 'INWARD Volume Interbank' 
715
transactions. Banks showing a substantial 'INWARD Volume Interbank' 
            
728
could be inferred as playing a more influential role in interbank 
716
could be inferred as playing a more influential role in interbank 
            
729
settlements. This demarcation between interbank and customer-driven 
717
settlements. This demarcation between interbank and customer-driven 
            
730
transactions offers a nuanced understanding of a bank's RTGS 
718
transactions offers a nuanced understanding of a bank's RTGS 
            
731
transactional ecosystem.\n\nHowever, the true depth of this dataset is 
719
transactional ecosystem.\n\nHowever, the true depth of this dataset is 
            
732
realized when delving into the monetary values associated with these 
720
realized when delving into the monetary values associated with these 
            
733
transactions. By juxtaposing 'INWARD Total Value' with 'INWARD Total 
721
transactions. By juxtaposing 'INWARD Total Value' with 'INWARD Total 
            
734
Volume', one can decipher the average transaction size for each bank. 
722
Volume', one can decipher the average transaction size for each bank. 
            
735
This might unravel whether certain banks are more favored for 
723
This might unravel whether certain banks are more favored for 
            
736
large-scale corporate transactions or for smaller, perhaps 
724
large-scale corporate transactions or for smaller, perhaps 
            
737
retail-based transfers.\n",
725
retail-based transfers.\n",
            
738
      "data_last_updated": "2025-03-01 00:00:00",
726
      "data_last_updated": "2025-03-01 00:00:00",
            
739
      "data_retreival_date": "2025-04-30 00:00:00",
727
      "data_retreival_date": "2025-04-30 00:00:00",
            
740
      "datastore_active": true,
728
      "datastore_active": true,
            
741
      "description": "The dataset \"Bank Wise RTGS Inward and 
729
      "description": "The dataset \"Bank Wise RTGS Inward and 
            
742
Outward\" sourced from the Reserve Bank of India provides a 
730
Outward\" sourced from the Reserve Bank of India provides a 
            
743
comprehensive breakdown of RTGS (Real-Time Gross Settlement) 
731
comprehensive breakdown of RTGS (Real-Time Gross Settlement) 
            
744
transactions conducted by different banks. The data spans both inward 
732
transactions conducted by different banks. The data spans both inward 
            
745
(incoming) and outward (outgoing) transactions and segregates them 
733
(incoming) and outward (outgoing) transactions and segregates them 
            
746
further based on interbank and customer-driven transactions.",
734
further based on interbank and customer-driven transactions.",
            
747
      "district_no": "",
735
      "district_no": "",
            
748
      "format": "CSV",
736
      "format": "CSV",
            
749
      "frequency": "Monthly",
737
      "frequency": "Monthly",
            
750
      "gp_no": "",
738
      "gp_no": "",
            
751
      "granularity": "Bank",
739
      "granularity": "Bank",
            
752
      "hash": "",
740
      "hash": "",
            
753
      "id": "e9cef902-3a0f-4bc2-96e7-f9735e1ebffb",
741
      "id": "e9cef902-3a0f-4bc2-96e7-f9735e1ebffb",
            
754
      "idp_ready": true,
742
      "idp_ready": true,
            
755
      "last_modified": "2025-05-02T09:40:47.805231",
743
      "last_modified": "2025-05-02T09:40:47.805231",
            
756
      "lgd_mapping": "na",
744
      "lgd_mapping": "na",
            
757
      "metadata_modified": "2025-05-02T09:40:47.842169",
745
      "metadata_modified": "2025-05-02T09:40:47.842169",
            
758
      "methodology": "The data is compiled by the Reserve Bank of 
746
      "methodology": "The data is compiled by the Reserve Bank of 
            
759
India from the transaction reports submitted by individual banks on a 
747
India from the transaction reports submitted by individual banks on a 
            
760
regular basis",
748
regular basis",
            
761
      "mimetype": "text/csv",
749
      "mimetype": "text/csv",
            
762
      "mimetype_inner": null,
750
      "mimetype_inner": null,
            
763
      "name": "Bank Wise RTGS Inward and Outward",
751
      "name": "Bank Wise RTGS Inward and Outward",
            
764
      "no_indicators": "16",
752
      "no_indicators": "16",
            
765
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
753
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
            
766
      "position": 8,
754
      "position": 8,
            
767
      "resource_type": null,
755
      "resource_type": null,
            
768
      "similar_datasets": [],
756
      "similar_datasets": [],
            
769
      "size": 6070537,
757
      "size": 6070537,
            
770
      "sku": "rbi-bankwise_rtgs_transactions-in-mn-aaa",
758
      "sku": "rbi-bankwise_rtgs_transactions-in-mn-aaa",
            
771
      "state": "active",
759
      "state": "active",
            
772
      "states_uts_no": "",
760
      "states_uts_no": "",
            
773
      "tags": [
761
      "tags": [
            
774
        "RTGS",
762
        "RTGS",
            
775
        "Interbank Transactions",
763
        "Interbank Transactions",
            
776
        "Customer Transaction",
764
        "Customer Transaction",
            
777
        "Banking Data Analysis"
765
        "Banking Data Analysis"
            
778
      ],
766
      ],
            
779
      "tehsil_no": "",
767
      "tehsil_no": "",
            
780
      "url": 
768
      "url": 
            
781
bc2-96e7-f9735e1ebffb/download/bank-wise-rtgs-inward-and-outward.csv",
769
bc2-96e7-f9735e1ebffb/download/bank-wise-rtgs-inward-and-outward.csv",
            
782
      "url_type": "upload",
770
      "url_type": "upload",
            
783
      "village_no": "",
771
      "village_no": "",
            
784
      "years_covered": "2008-2025"
772
      "years_covered": "2008-2025"
            
785
    },
773
    },
            
786
    {
774
    {
            
787
      "additional_info": "nan",
775
      "additional_info": "nan",
            
788
      "cache_last_updated": null,
776
      "cache_last_updated": null,
            
789
      "cache_url": null,
777
      "cache_url": null,
            
790
      "created": "2023-10-09T11:53:08.037450",
778
      "created": "2023-10-09T11:53:08.037450",
            
791
      "data_extraction_page": 
779
      "data_extraction_page": 
            
792
"https://rbi.org.in/Scripts/NEFTView.aspx",
780
"https://rbi.org.in/Scripts/NEFTView.aspx",
            
793
      "data_insights": "The \"Mobile Banking Statistics\" dataset 
781
      "data_insights": "The \"Mobile Banking Statistics\" dataset 
            
794
provides a rich tapestry of insights into the evolving landscape of 
782
provides a rich tapestry of insights into the evolving landscape of 
            
795
mobile banking in India. By undertaking a month-to-month trend 
783
mobile banking in India. By undertaking a month-to-month trend 
            
796
analysis, it becomes feasible to chart the trajectory of mobile 
784
analysis, it becomes feasible to chart the trajectory of mobile 
            
797
banking's growth or decline. This continuous tracking could be 
785
banking's growth or decline. This continuous tracking could be 
            
798
instrumental in correlating fluctuations with external events, 
786
instrumental in correlating fluctuations with external events, 
            
799
marketing campaigns, or regulatory changes that might have impacted 
787
marketing campaigns, or regulatory changes that might have impacted 
            
800
user behavior.\n\nBank-specific insights stand out prominently. By 
788
user behavior.\n\nBank-specific insights stand out prominently. By 
            
801
diving deep into the dataset, stakeholders can determine which banking 
789
diving deep into the dataset, stakeholders can determine which banking 
            
802
institutions are trailblazers in the mobile banking arena. Such 
790
institutions are trailblazers in the mobile banking arena. Such 
            
803
insights are gauged both in terms of transaction volume and the 
791
insights are gauged both in terms of transaction volume and the 
            
804
aggregate value of transactions. This distinction enables a nuanced 
792
aggregate value of transactions. This distinction enables a nuanced 
            
805
understanding, differentiating banks that handle a larger number of 
793
understanding, differentiating banks that handle a larger number of 
            
806
smaller transactions from those facilitating fewer, high-value 
794
smaller transactions from those facilitating fewer, high-value 
            
807
transactions.\n\nA critical component of the dataset is the data on 
795
transactions.\n\nA critical component of the dataset is the data on 
            
808
'Active Users'. This metric serves as a barometer for user engagement 
796
'Active Users'. This metric serves as a barometer for user engagement 
            
809
and the overall penetration of mobile banking solutions among specific 
797
and the overall penetration of mobile banking solutions among specific 
            
810
banks' clientele. A rise or fall in active users can signal shifts in 
798
banks' clientele. A rise or fall in active users can signal shifts in 
            
811
user preferences, the effectiveness of user engagement strategies, or 
799
user preferences, the effectiveness of user engagement strategies, or 
            
812
the emergence of newer, more competitive mobile banking platforms.",
800
the emergence of newer, more competitive mobile banking platforms.",
            
813
      "data_last_updated": "2025-03-01 00:00:00",
801
      "data_last_updated": "2025-03-01 00:00:00",
            
814
      "data_retreival_date": "2025-04-15",
802
      "data_retreival_date": "2025-04-15",
            
815
      "datastore_active": true,
803
      "datastore_active": true,
            
816
      "description": "The \"Mobile Banking Statistics\" dataset is 
804
      "description": "The \"Mobile Banking Statistics\" dataset is 
            
817
sourced from the Reserve Bank of India, the country's central banking 
805
sourced from the Reserve Bank of India, the country's central banking 
            
818
institution. This dataset offers monthly insights into the usage 
806
institution. This dataset offers monthly insights into the usage 
            
819
patterns, preferences, and transaction volumes for various banks in 
807
patterns, preferences, and transaction volumes for various banks in 
            
820
the mobile banking domain. It sheds light on the increasing trend of 
808
the mobile banking domain. It sheds light on the increasing trend of 
            
821
mobile banking in India and provides a granular view by showcasing 
809
mobile banking in India and provides a granular view by showcasing 
            
822
data from individual banking institutions.",
810
data from individual banking institutions.",
            
823
      "format": "CSV",
811
      "format": "CSV",
            
824
      "frequency": "Monthly",
812
      "frequency": "Monthly",
            
825
      "granularity": "Bank",
813
      "granularity": "Bank",
            
826
      "hash": "",
814
      "hash": "",
            
827
      "id": "7db4c888-ac0c-4820-9982-c4ea04307f4b",
815
      "id": "7db4c888-ac0c-4820-9982-c4ea04307f4b",
            
828
      "idp_ready": true,
816
      "idp_ready": true,
            
829
      "last_modified": "2025-05-02T10:00:45.509530",
817
      "last_modified": "2025-05-02T10:00:45.509530",
            
830
      "lgd_mapping": "na",
818
      "lgd_mapping": "na",
            
831
      "metadata_modified": "2025-05-02T10:00:45.545357",
819
      "metadata_modified": "2025-05-02T10:00:45.545357",
            
832
      "methodology": "The data has been compiled by the Reserve Bank 
820
      "methodology": "The data has been compiled by the Reserve Bank 
            
833
of India, which likely collates this information from periodic reports 
821
of India, which likely collates this information from periodic reports 
            
834
submitted by the banks operating within the country. ",
822
submitted by the banks operating within the country. ",
            
835
      "mimetype": "text/csv",
823
      "mimetype": "text/csv",
            
836
      "mimetype_inner": null,
824
      "mimetype_inner": null,
            
837
      "name": "Mobile Banking Statistics",
825
      "name": "Mobile Banking Statistics",
            
838
      "no_indicators": "3",
826
      "no_indicators": "3",
            
839
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
827
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
            
840
      "position": 9,
828
      "position": 9,
            
841
      "resource_type": null,
829
      "resource_type": null,
            
842
      "similar_datasets": [],
830
      "similar_datasets": [],
            
843
      "size": 3115336,
831
      "size": 3115336,
            
844
      "sku": "rbi-bankwise_mobile_banking_transactions-in-mn-aaa",
832
      "sku": "rbi-bankwise_mobile_banking_transactions-in-mn-aaa",
            
845
      "state": "active",
833
      "state": "active",
            
846
      "tags": [
834
      "tags": [
            
847
        "Digital Transactions",
835
        "Digital Transactions",
            
848
        "Mobile Banking",
836
        "Mobile Banking",
            
849
        "Banking Trends"
837
        "Banking Trends"
            
850
      ],
838
      ],
            
851
      "url": 
839
      "url": 
            
852
8-ac0c-4820-9982-c4ea04307f4b/download/mobile-banking-statistics.csv",
840
8-ac0c-4820-9982-c4ea04307f4b/download/mobile-banking-statistics.csv",
            
853
      "url_type": "upload",
841
      "url_type": "upload",
            
854
      "village_no": null,
842
      "village_no": null,
            
855
      "years_covered": "2013-2025"
843
      "years_covered": "2013-2025"
            
856
    },
844
    },
            
857
    {
845
    {
            
858
      "additional_info": "nan",
846
      "additional_info": "nan",
            
859
      "cache_last_updated": null,
847
      "cache_last_updated": null,
            
860
      "cache_url": null,
848
      "cache_url": null,
            
861
      "created": "2024-04-17T12:51:16.505698",
849
      "created": "2024-04-17T12:51:16.505698",
            
862
      "data_extraction_page": 
850
      "data_extraction_page": 
            
863
"https://rbi.org.in/Scripts/NEFTView.aspx",
851
"https://rbi.org.in/Scripts/NEFTView.aspx",
            
864
      "data_insights": "The \"NEFT Transaction Metrics\" dataset, with 
852
      "data_insights": "The \"NEFT Transaction Metrics\" dataset, with 
            
865
its granularity, offers invaluable insights into the digital 
853
its granularity, offers invaluable insights into the digital 
            
866
transactional behaviors and trends in India. Through a monthly trend 
854
transactional behaviors and trends in India. Through a monthly trend 
            
867
analysis, stakeholders can ascertain the rhythm and pace of NEFT 
855
analysis, stakeholders can ascertain the rhythm and pace of NEFT 
            
868
transactions, pinpointing any anomalies, surge periods, or slow 
856
transactions, pinpointing any anomalies, surge periods, or slow 
            
869
phases. These trends can be essential indicators of the broader 
857
phases. These trends can be essential indicators of the broader 
            
870
economic landscape, signaling growth phases or potential economic 
858
economic landscape, signaling growth phases or potential economic 
            
871
slowdowns.\n\nBy examining bank-specific data, a clear picture of each 
859
slowdowns.\n\nBy examining bank-specific data, a clear picture of each 
            
872
institution's stance in the NEFT landscape emerges. Which banks are 
860
institution's stance in the NEFT landscape emerges. Which banks are 
            
873
the most active in facilitating NEFT transfers? Do certain banks have 
861
the most active in facilitating NEFT transfers? Do certain banks have 
            
874
a higher debit transaction rate compared to credits or vice versa? 
862
a higher debit transaction rate compared to credits or vice versa? 
            
875
This type of insight can provide a lens into the financial health and 
863
This type of insight can provide a lens into the financial health and 
            
876
customer engagement strategies of individual banks.\n\nAn intriguing 
864
customer engagement strategies of individual banks.\n\nAn intriguing 
            
877
facet of the dataset is the distinct data on 'Debit Transactions' and 
865
facet of the dataset is the distinct data on 'Debit Transactions' and 
            
878
'Credit Transactions'. By scrutinizing these columns, one can discern 
866
'Credit Transactions'. By scrutinizing these columns, one can discern 
            
879
the balance of funds outflow and inflow for each bank. If a bank 
867
the balance of funds outflow and inflow for each bank. If a bank 
            
880
consistently has higher debit values compared to credit values, it 
868
consistently has higher debit values compared to credit values, it 
            
881
might indicate more outward transfers than incoming ones. On the other 
869
might indicate more outward transfers than incoming ones. On the other 
            
882
hand, banks with a dominant credit value might be the recipients of a 
870
hand, banks with a dominant credit value might be the recipients of a 
            
883
more significant number of inward funds, indicating trust or 
871
more significant number of inward funds, indicating trust or 
            
884
preference by customers or businesses.",
872
preference by customers or businesses.",
            
885
      "data_last_updated": "2025-03-01 00:00:00",
873
      "data_last_updated": "2025-03-01 00:00:00",
            
886
      "data_retreival_date": "2025-04-15",
874
      "data_retreival_date": "2025-04-15",
            
887
      "datastore_active": true,
875
      "datastore_active": true,
            
888
      "description": "The \"NEFT Transaction Metrics\" dataset is 
876
      "description": "The \"NEFT Transaction Metrics\" dataset is 
            
889
procured from the Reserve Bank of India, the apex monetary authority 
877
procured from the Reserve Bank of India, the apex monetary authority 
            
890
of the country. This dataset delineates the monthly details concerning 
878
of the country. This dataset delineates the monthly details concerning 
            
891
the National Electronic Funds Transfer (NEFT) system, which 
879
the National Electronic Funds Transfer (NEFT) system, which 
            
892
facilitates one-to-one funds transfer. By providing data on both debit 
880
facilitates one-to-one funds transfer. By providing data on both debit 
            
893
and credit transactions for various banks, this dataset offers an 
881
and credit transactions for various banks, this dataset offers an 
            
894
encompassing view of the NEFT transaction landscape across India.",
882
encompassing view of the NEFT transaction landscape across India.",
            
895
      "format": "CSV",
883
      "format": "CSV",
            
896
      "frequency": "Monthly",
884
      "frequency": "Monthly",
            
897
      "granularity": "Bank",
885
      "granularity": "Bank",
            
898
      "hash": "",
886
      "hash": "",
            
899
      "id": "10a39a51-20d1-441a-9e92-64ca0c5c6f36",
887
      "id": "10a39a51-20d1-441a-9e92-64ca0c5c6f36",
            
900
      "idp_ready": true,
888
      "idp_ready": true,
            
901
      "last_modified": "2025-05-02T09:39:01.477603",
889
      "last_modified": "2025-05-02T09:39:01.477603",
            
902
      "lgd_mapping": "na",
890
      "lgd_mapping": "na",
            
903
      "metadata_modified": "2025-05-02T09:47:04.141799",
891
      "metadata_modified": "2025-05-02T09:47:04.141799",
            
904
      "methodology": "This data is collated by the Reserve Bank of 
892
      "methodology": "This data is collated by the Reserve Bank of 
            
905
India, leveraging the periodic submissions and transactional reports 
893
India, leveraging the periodic submissions and transactional reports 
            
906
from the different banks functioning within India's borders.",
894
from the different banks functioning within India's borders.",
            
907
      "mimetype": "text/csv",
895
      "mimetype": "text/csv",
            
908
      "mimetype_inner": null,
896
      "mimetype_inner": null,
            
909
      "name": "NEFT Transaction Metrics",
897
      "name": "NEFT Transaction Metrics",
            
910
      "no_indicators": 4,
898
      "no_indicators": 4,
            
911
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
899
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
            
912
      "position": 10,
900
      "position": 10,
            
913
      "resource_type": null,
901
      "resource_type": null,
            
914
      "similar_datasets": [],
902
      "similar_datasets": [],
            
915
      "similar_resources": "",
903
      "similar_resources": "",
            
916
      "size": 2735728,
904
      "size": 2735728,
            
917
      "sku": "rbi-bankwise_neft_transactions-in-mn-aaa",
905
      "sku": "rbi-bankwise_neft_transactions-in-mn-aaa",
            
918
      "state": "active",
906
      "state": "active",
            
919
      "tags": [
907
      "tags": [
            
920
        "NEFT Transations",
908
        "NEFT Transations",
            
921
        "Funds Transfer Analysis",
909
        "Funds Transfer Analysis",
            
922
        "Bankwise Data"
910
        "Bankwise Data"
            
923
      ],
911
      ],
            
924
      "url": 
912
      "url": 
            
925
51-20d1-441a-9e92-64ca0c5c6f36/download/neft-transaction-metrics.csv",
913
51-20d1-441a-9e92-64ca0c5c6f36/download/neft-transaction-metrics.csv",
            
926
      "url_type": "upload",
914
      "url_type": "upload",
            
927
      "village_no": null,
915
      "village_no": null,
            
928
      "years_covered": "2008-2025"
916
      "years_covered": "2008-2025"
            
929
    },
917
    },
            
930
    {
918
    {
            
931
      "additional_info": "nan",
919
      "additional_info": "nan",
            
932
      "cache_last_updated": null,
920
      "cache_last_updated": null,
            
933
      "cache_url": null,
921
      "cache_url": null,
            
934
      "created": "2024-10-23T06:59:17.635220",
922
      "created": "2024-10-23T06:59:17.635220",
            
935
      "data_extraction_page": 
923
      "data_extraction_page": 
            
936
"https://data.rbi.org.in/DBIE/#/banking-outlet",
924
"https://data.rbi.org.in/DBIE/#/banking-outlet",
            
937
      "data_insights": "Data Insights that can be drawn from dataset 
925
      "data_insights": "Data Insights that can be drawn from dataset 
            
938
:Geographical Distribution: The dataset allows for analysis of the 
926
:Geographical Distribution: The dataset allows for analysis of the 
            
939
geographical distribution of bank outlets and ATMs, highlighting areas 
927
geographical distribution of bank outlets and ATMs, highlighting areas 
            
940
with high or low banking service penetration.Operational Status: By 
928
with high or low banking service penetration.Operational Status: By 
            
941
examining the status of branches and ATMs, one can identify trends in 
929
examining the status of branches and ATMs, one can identify trends in 
            
942
banking infrastructure development and closures.Bank Group Analysis: 
930
banking infrastructure development and closures.Bank Group Analysis: 
            
943
The data enables comparison between different bank groups (e.g., 
931
The data enables comparison between different bank groups (e.g., 
            
944
public sector vs. private sector) in terms of their reach and 
932
public sector vs. private sector) in terms of their reach and 
            
945
presence.Service Availability: Insights into the types of services 
933
presence.Service Availability: Insights into the types of services 
            
946
provided (e.g., full-service branches vs. ATMs) and their distribution 
934
provided (e.g., full-service branches vs. ATMs) and their distribution 
            
947
across different regions.Demographic Correlation: Analysis of the 
935
across different regions.Demographic Correlation: Analysis of the 
            
948
dataset in conjunction with population data can reveal how well 
936
dataset in conjunction with population data can reveal how well 
            
949
banking services are aligned with population density and 
937
banking services are aligned with population density and 
            
950
distribution.Infrastructure Growth: Tracking the license and open 
938
distribution.Infrastructure Growth: Tracking the license and open 
            
951
dates provides insights into the growth and expansion of banking 
939
dates provides insights into the growth and expansion of banking 
            
952
infrastructure over time.",
940
infrastructure over time.",
            
953
      "data_last_updated": "12-10-2023",
941
      "data_last_updated": "12-10-2023",
            
954
      "data_retreival_date": "01-12-2023",
942
      "data_retreival_date": "01-12-2023",
            
955
      "datastore_active": true,
943
      "datastore_active": true,
            
956
      "description": "The dataset provides a snapshot of the banking 
944
      "description": "The dataset provides a snapshot of the banking 
            
957
infrastructure in India, including both active and inactive branches 
945
infrastructure in India, including both active and inactive branches 
            
958
and ATMs. It provides comprehensive details about bank outlets and 
946
and ATMs. It provides comprehensive details about bank outlets and 
            
959
ATMs across different regions in India. It includes location 
947
ATMs across different regions in India. It includes location 
            
960
information, bank details, and operational status, helping to 
948
information, bank details, and operational status, helping to 
            
961
understand the spread and accessibility of banking services in the 
949
understand the spread and accessibility of banking services in the 
            
962
country. This dataset is essential for researchers, policymakers, and 
950
country. This dataset is essential for researchers, policymakers, and 
            
963
financial analysts interested in understanding the landscape of 
951
financial analysts interested in understanding the landscape of 
            
964
banking services in India. It provides valuable insights into the 
952
banking services in India. It provides valuable insights into the 
            
965
reach and operational status of banking facilities, contributing to 
953
reach and operational status of banking facilities, contributing to 
            
966
studies on financial inclusion and economic development.",
954
studies on financial inclusion and economic development.",
            
967
      "district_no": "753",
955
      "district_no": "753",
            
968
      "format": "CSV",
956
      "format": "CSV",
            
969
      "frequency": "Other",
957
      "frequency": "Other",
            
970
      "gp_no": "0",
958
      "gp_no": "0",
            
971
      "granularity": "Point",
959
      "granularity": "Point",
            
972
      "hash": "",
960
      "hash": "",
            
973
      "id": "8a4bb25b-3281-4aa5-9d3c-e4a5a7dd8e71",
961
      "id": "8a4bb25b-3281-4aa5-9d3c-e4a5a7dd8e71",
            
974
      "idp_ready": true,
962
      "idp_ready": true,
            
975
      "indicators": [],
963
      "indicators": [],
            
976
      "last_modified": "2024-10-23T07:21:05.181050",
964
      "last_modified": "2024-10-23T07:21:05.181050",
            
977
      "lgd_mapping": "",
965
      "lgd_mapping": "",
            
978
      "metadata_modified": "2025-02-19T06:35:33.246352",
966
      "metadata_modified": "2025-02-19T06:35:33.246352",
            
979
      "methodology": "The dataset is compiled by the Reserve Bank of 
967
      "methodology": "The dataset is compiled by the Reserve Bank of 
            
980
India (RBI) from its extensive network of regulated banks and 
968
India (RBI) from its extensive network of regulated banks and 
            
981
financial institutions. It includes data on the geographical location, 
969
financial institutions. It includes data on the geographical location, 
            
982
operational status, and other relevant details of bank outlets and 
970
operational status, and other relevant details of bank outlets and 
            
983
ATMs. The information is gathered through regulatory filings, surveys, 
971
ATMs. The information is gathered through regulatory filings, surveys, 
            
984
and administrative records maintained by the RBI. ",
972
and administrative records maintained by the RBI. ",
            
985
      "mimetype": null,
973
      "mimetype": null,
            
986
      "mimetype_inner": null,
974
      "mimetype_inner": null,
            
987
      "name": "Bank Outlets and ATM's",
975
      "name": "Bank Outlets and ATM's",
            
988
      "no_indicators": "0",
976
      "no_indicators": "0",
            
989
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
977
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
            
990
      "position": 11,
978
      "position": 11,
            
991
      "resource_type": null,
979
      "resource_type": null,
            
992
      "similar_resources": "",
980
      "similar_resources": "",
            
993
      "size": 516258283,
981
      "size": 516258283,
            
994
      "sku": "rbi-bank_outlets_and_atms-pl-ot-aaa",
982
      "sku": "rbi-bank_outlets_and_atms-pl-ot-aaa",
            
995
      "state": "active",
983
      "state": "active",
            
996
      "states_uts_no": "34",
984
      "states_uts_no": "34",
            
997
      "tehsil_no": "5989",
985
      "tehsil_no": "5989",
            
998
      "url": 
986
      "url": 
            
999
bb25b-3281-4aa5-9d3c-e4a5a7dd8e71/download/bank-outlets-and-atms.csv",
987
bb25b-3281-4aa5-9d3c-e4a5a7dd8e71/download/bank-outlets-and-atms.csv",
            
1000
      "url_type": "upload",
988
      "url_type": "upload",
            
1001
      "years_covered": "1900-2023"
989
      "years_covered": "1900-2023"
            
1002
    },
990
    },
            
1003
    {
991
    {
            
1004
      "additional_info": "Data structure changed after Feb-2022",
992
      "additional_info": "Data structure changed after Feb-2022",
            
1005
      "cache_last_updated": null,
993
      "cache_last_updated": null,
            
1006
      "cache_url": null,
994
      "cache_url": null,
            
1007
      "created": "2025-05-27T11:13:00.326095",
995
      "created": "2025-05-27T11:13:00.326095",
            
1008
      "data_extraction_page": 
996
      "data_extraction_page": 
            
1009
"https://rbi.org.in/Scripts/ATMView.aspx",
997
"https://rbi.org.in/Scripts/ATMView.aspx",
            
1010
      "data_insights": "Some Insights can be drawn from the dataset: 
998
      "data_insights": "Some Insights can be drawn from the dataset: 
            
1011
Which banks have the most significant number of ATMs and POS 
999
Which banks have the most significant number of ATMs and POS 
            
1012
terminals, and how has this changed over time? What is the overall 
1000
terminals, and how has this changed over time? What is the overall 
            
1013
trend in the number of transactions using ATMs and POS terminals, and 
1001
trend in the number of transactions using ATMs and POS terminals, and 
            
1014
how has this varied across different banks? What is the total value of 
1002
how has this varied across different banks? What is the total value of 
            
1015
debit and credit card transactions, and how has this changed over 
1003
debit and credit card transactions, and how has this changed over 
            
1016
time? How has the number of debit and credit cards issued by each bank 
1004
time? How has the number of debit and credit cards issued by each bank 
            
1017
changed over time, and which banks have seen the most growth in their 
1005
changed over time, and which banks have seen the most growth in their 
            
1018
card issuance? What is the average transaction value for ATM and POS 
1006
card issuance? What is the average transaction value for ATM and POS 
            
1019
transactions, and how does this vary across different banks and 
1007
transactions, and how does this vary across different banks and 
            
1020
regions? Are there any seasonal trends in ATM and POS usage, such as 
1008
regions? Are there any seasonal trends in ATM and POS usage, such as 
            
1021
higher usage during certain months or holidays? How does the usage of 
1009
higher usage during certain months or holidays? How does the usage of 
            
1022
electronic payment methods compare to cash-based transactions, and how 
1010
electronic payment methods compare to cash-based transactions, and how 
            
1023
has this trend continued?",
1011
has this trend continued?",
            
1024
      "data_last_updated": "13-05-2025",
1012
      "data_last_updated": "13-05-2025",
            
1025
      "data_retreival_date": "13-05-2025",
1013
      "data_retreival_date": "13-05-2025",
            
1026
      "datastore_active": true,
1014
      "datastore_active": true,
            
1027
      "description": "The Bankwise ATM/POS/Card Statistics dataset is 
1015
      "description": "The Bankwise ATM/POS/Card Statistics dataset is 
            
1028
published monthly by the Reserve Bank of India (RBI). It provides 
1016
published monthly by the Reserve Bank of India (RBI). It provides 
            
1029
information on the usage of automated teller machines (ATMs), point of 
1017
information on the usage of automated teller machines (ATMs), point of 
            
1030
sale (POS) terminals, and payment cards across various banks in India. 
1018
sale (POS) terminals, and payment cards across various banks in India. 
            
1031
This dataset contains information on the number of ATMs and POS 
1019
This dataset contains information on the number of ATMs and POS 
            
1032
terminals installed by each bank, the number of transactions carried 
1020
terminals installed by each bank, the number of transactions carried 
            
1033
out using these machines, and the total value of transactions. 
1021
out using these machines, and the total value of transactions. 
            
1034
Additionally, it provides data on the number of debit and credit cards 
1022
Additionally, it provides data on the number of debit and credit cards 
            
1035
issued by each bank and the total value of transactions made using 
1023
issued by each bank and the total value of transactions made using 
            
1036
these cards. The Bankwise ATM/POS/Card Statistics dataset can be used 
1024
these cards. The Bankwise ATM/POS/Card Statistics dataset can be used 
            
1037
to analyze the growth of electronic payments in India, monitor the 
1025
to analyze the growth of electronic payments in India, monitor the 
            
1038
performance of individual banks, and identify trends in ATM and POS 
1026
performance of individual banks, and identify trends in ATM and POS 
            
1039
usage. Researchers, policy-makers, and financial institutions can 
1027
usage. Researchers, policy-makers, and financial institutions can 
            
1040
leverage this data to make informed decisions related to expanding 
1028
leverage this data to make informed decisions related to expanding 
            
1041
banking infrastructure, developing payment systems, and promoting 
1029
banking infrastructure, developing payment systems, and promoting 
            
1042
cashless transactions.\r\n",
1030
cashless transactions.\r\n",
            
1043
      "district_no": "0",
1031
      "district_no": "0",
            
1044
      "format": "CSV",
1032
      "format": "CSV",
            
1045
      "frequency": "Monthly",
1033
      "frequency": "Monthly",
            
1046
      "gp_no": "0",
1034
      "gp_no": "0",
            
1047
      "granularity": "All India",
1035
      "granularity": "All India",
            
1048
      "hash": "",
1036
      "hash": "",
            
1049
      "id": "7f303693-2dd0-42e7-9a70-d7a9cd917f66",
1037
      "id": "7f303693-2dd0-42e7-9a70-d7a9cd917f66",
            
1050
      "idp_ready": true,
1038
      "idp_ready": true,
            
1051
      "indicators": [],
1039
      "indicators": [],
            
1052
      "last_modified": "2025-05-27T11:13:00.219024",
1040
      "last_modified": "2025-05-27T11:13:00.219024",
            
1053
      "lgd_mapping": "na",
1041
      "lgd_mapping": "na",
            
t
1054
      "metadata_modified": "2025-05-27T11:13:59.714475",
t
1042
      "metadata_modified": "2025-05-27T11:15:52.554532",
            
1055
      "methodology": "The exact data collection methodology used by 
1043
      "methodology": "The exact data collection methodology used by 
            
1056
the RBI to gather information for the Bankwise ATM/POS/Card Statistics 
1044
the RBI to gather information for the Bankwise ATM/POS/Card Statistics 
            
1057
dataset is not publicly disclosed. However, it is likely that the data 
1045
dataset is not publicly disclosed. However, it is likely that the data 
            
1058
is collected through a combination of surveys, reports, and data 
1046
is collected through a combination of surveys, reports, and data 
            
1059
sharing agreements with the participating banks. The RBI may require 
1047
sharing agreements with the participating banks. The RBI may require 
            
1060
banks to report their ATM and POS transactions data on a regular 
1048
banks to report their ATM and POS transactions data on a regular 
            
1061
basis, either electronically or through manual reporting. This data 
1049
basis, either electronically or through manual reporting. This data 
            
1062
may be submitted directly to the RBI or through a third-party data 
1050
may be submitted directly to the RBI or through a third-party data 
            
1063
aggregator. The RBI may also use data from other sources, such as 
1051
aggregator. The RBI may also use data from other sources, such as 
            
1064
payment processors or card networks, to supplement the data provided 
1052
payment processors or card networks, to supplement the data provided 
            
1065
by the banks.",
1053
by the banks.",
            
1066
      "mimetype": null,
1054
      "mimetype": null,
            
1067
      "mimetype_inner": null,
1055
      "mimetype_inner": null,
            
1068
      "name": "Bankwise ATM POS Card Statistics 2011-2022",
1056
      "name": "Bankwise ATM POS Card Statistics 2011-2022",
            
1069
      "no_indicators": "16",
1057
      "no_indicators": "16",
            
1070
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
1058
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
            
1071
      "position": 12,
1059
      "position": 12,
            
1072
      "resource_type": null,
1060
      "resource_type": null,
            
1073
      "similar_resources": "",
1061
      "similar_resources": "",
            
1074
      "size": 1037280,
1062
      "size": 1037280,
            
1075
      "sku": "rbi-bankwise_atm_pos_old-in-mn-kod",
1063
      "sku": "rbi-bankwise_atm_pos_old-in-mn-kod",
            
1076
      "state": "active",
1064
      "state": "active",
            
1077
      "states_uts_no": "0",
1065
      "states_uts_no": "0",
            
1078
      "tehsil_no": "0",
1066
      "tehsil_no": "0",
            
1079
      "url": 
1067
      "url": 
            
1080
-d7a9cd917f66/download/bankwise-atm-pos-card-statistics-20112022.csv",
1068
-d7a9cd917f66/download/bankwise-atm-pos-card-statistics-20112022.csv",
            
1081
      "url_type": "upload",
1069
      "url_type": "upload",
            
1082
      "years_covered": "2011-2022"
1070
      "years_covered": "2011-2022"
            
1083
    }
1071
    }
            
1084
  ],
1072
  ],
            
1085
  "sector": [
1073
  "sector": [
            
1086
    "Economy"
1074
    "Economy"
            
1087
  ],
1075
  ],
            
1088
  "source_name": "Reserve Bank of India",
1076
  "source_name": "Reserve Bank of India",
            
1089
  "state": "active",
1077
  "state": "active",
            
1090
  "title": "Reserve Bank of India",
1078
  "title": "Reserve Bank of India",
            
1091
  "type": "dataset",
1079
  "type": "dataset",
            
1092
  "url": "https://rbi.org.in",
1080
  "url": "https://rbi.org.in",
            
1093
  "version": null
1081
  "version": null
            
1094
}
1082
}