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": "2026-02-19T09:06:03.145895",
n
88
  "metadata_modified": "2026-02-19T09:24:42.656118",
            
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.\n",
101
and policy formulation in India.\n",
            
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": "2025-07-31",
155
      "data_last_updated": "2025-07-31",
            
156
      "data_retreival_date": "2025-08-21",
156
      "data_retreival_date": "2025-08-21",
            
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
      "geo_columns": [],
180
      "geo_columns": [],
            
181
      "gp_no": "",
181
      "gp_no": "",
            
182
      "granularity": "India",
182
      "granularity": "India",
            
183
      "hash": "",
183
      "hash": "",
            
184
      "id": "1f9367ac-01b0-4c82-83a1-4069d4340667",
184
      "id": "1f9367ac-01b0-4c82-83a1-4069d4340667",
            
185
      "idp_ready": true,
185
      "idp_ready": true,
            
186
      "last_modified": "2025-08-21T06:42:29.367282",
186
      "last_modified": "2025-08-21T06:42:29.367282",
            
187
      "lgd_mapping": "na",
187
      "lgd_mapping": "na",
            
188
      "metadata_modified": "2025-12-19T10:21:05.802904",
188
      "metadata_modified": "2025-12-19T10:21:05.802904",
            
189
      "methodology": "The specific data collection methodology for the 
189
      "methodology": "The specific data collection methodology for the 
            
190
Reserve Bank published settlement data of select payment systems is 
190
Reserve Bank published settlement data of select payment systems is 
            
191
not provided by RBI. However, it is likely that the data is collected 
191
not provided by RBI. However, it is likely that the data is collected 
            
192
through a combination of automated processes and manual data entry.",
192
through a combination of automated processes and manual data entry.",
            
193
      "mimetype": "text/csv",
193
      "mimetype": "text/csv",
            
194
      "mimetype_inner": null,
194
      "mimetype_inner": null,
            
195
      "name": "RBI Daily Digital Payments",
195
      "name": "RBI Daily Digital Payments",
            
196
      "no_indicators": "48",
196
      "no_indicators": "48",
            
197
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
197
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
            
198
      "position": 0,
198
      "position": 0,
            
199
      "resource_type": null,
199
      "resource_type": null,
            
200
      "similar_datasets": [],
200
      "similar_datasets": [],
            
201
      "similar_resources": "",
201
      "similar_resources": "",
            
202
      "size": 516487,
202
      "size": 516487,
            
203
      "sku": "rbi-payment_systems_settlements-in-dl-zau",
203
      "sku": "rbi-payment_systems_settlements-in-dl-zau",
            
204
      "state": "active",
204
      "state": "active",
            
205
      "states_uts_no": "",
205
      "states_uts_no": "",
            
206
      "tags": [
206
      "tags": [
            
207
        "Reserve Bank of India",
207
        "Reserve Bank of India",
            
208
        "Payment Systems",
208
        "Payment Systems",
            
209
        "Digital Transactions",
209
        "Digital Transactions",
            
210
        "ATMs\n Financial Inclusion",
210
        "ATMs\n Financial Inclusion",
            
211
        "Financtial Institutions",
211
        "Financtial Institutions",
            
212
        "Consumers"
212
        "Consumers"
            
213
      ],
213
      ],
            
214
      "tehsil_no": "",
214
      "tehsil_no": "",
            
215
      "url": 
215
      "url": 
            
216
-01b0-4c82-83a1-4069d4340667/download/rbi_daily_digital_payments.csv",
216
-01b0-4c82-83a1-4069d4340667/download/rbi_daily_digital_payments.csv",
            
217
      "url_type": "upload",
217
      "url_type": "upload",
            
218
      "years_covered": "2020-2025"
218
      "years_covered": "2020-2025"
            
219
    },
219
    },
            
220
    {
220
    {
            
221
      "additional_info": "nan",
221
      "additional_info": "nan",
            
222
      "cache_last_updated": null,
222
      "cache_last_updated": null,
            
223
      "cache_url": null,
223
      "cache_url": null,
            
224
      "created": "2023-10-06T12:25:30.912384",
224
      "created": "2023-10-06T12:25:30.912384",
            
225
      "data_extraction_page": 
225
      "data_extraction_page": 
            
226
E/#/dbie/reports/Statistics/Financial%20Sector/Monetary%20Statistics",
226
E/#/dbie/reports/Statistics/Financial%20Sector/Monetary%20Statistics",
            
227
      "data_insights": "How do trends in M3 compare with other key 
227
      "data_insights": "How do trends in M3 compare with other key 
            
228
economic indicators such as inflation and GDP growth?\nHow has the 
228
economic indicators such as inflation and GDP growth?\nHow has the 
            
229
COVID-19 pandemic impacted the money supply in India, and have there 
229
COVID-19 pandemic impacted the money supply in India, and have there 
            
230
been any notable trends or fluctuations?\nHow does the money supply in 
230
been any notable trends or fluctuations?\nHow does the money supply in 
            
231
India compare to that of other countries in the region?\nWhat is the 
231
India compare to that of other countries in the region?\nWhat is the 
            
232
relationship between M3 and key policy decisions made by the Reserve 
232
relationship between M3 and key policy decisions made by the Reserve 
            
233
Bank of India, such as changes in interest rates or reserve 
233
Bank of India, such as changes in interest rates or reserve 
            
234
requirements?",
234
requirements?",
            
235
      "data_last_updated": "updated fortnightly",
235
      "data_last_updated": "updated fortnightly",
            
236
      "data_retreival_date": "2024-03-15 00:00:00",
236
      "data_retreival_date": "2024-03-15 00:00:00",
            
237
      "datastore_active": true,
237
      "datastore_active": true,
            
238
      "description": "The Money Supply (M3) dataset is published by 
238
      "description": "The Money Supply (M3) dataset is published by 
            
239
the Reserve Bank of India (RBI) on a fortnightly basis and provides 
239
the Reserve Bank of India (RBI) on a fortnightly basis and provides 
            
240
information on the amount of money circulating in the Indian economy. 
240
information on the amount of money circulating in the Indian economy. 
            
241
This dataset covers the period from 2001 onwards and contains data on 
241
This dataset covers the period from 2001 onwards and contains data on 
            
242
the total money supply and its components and sources such as currency 
242
the total money supply and its components and sources such as currency 
            
243
with the public, demand deposits, time deposits, other deposits 
243
with the public, demand deposits, time deposits, other deposits 
            
244
etc.\n\nThe M3 dataset is an essential tool for policymakers, 
244
etc.\n\nThe M3 dataset is an essential tool for policymakers, 
            
245
economists, and researchers to understand the state of the Indian 
245
economists, and researchers to understand the state of the Indian 
            
246
economy and make informed decisions. ",
246
economy and make informed decisions. ",
            
247
      "district_no": "",
247
      "district_no": "",
            
248
      "format": "CSV",
248
      "format": "CSV",
            
249
      "frequency": "Fortnightly",
249
      "frequency": "Fortnightly",
            
250
      "geo_columns": [],
250
      "geo_columns": [],
            
251
      "gp_no": "",
251
      "gp_no": "",
            
252
      "granularity": "India",
252
      "granularity": "India",
            
253
      "hash": "",
253
      "hash": "",
            
254
      "id": "487f5d4e-4ac9-4015-9ed5-ee9066893982",
254
      "id": "487f5d4e-4ac9-4015-9ed5-ee9066893982",
            
255
      "idp_ready": true,
255
      "idp_ready": true,
            
256
      "last_modified": "2024-03-19T08:17:19.204175",
256
      "last_modified": "2024-03-19T08:17:19.204175",
            
257
      "lgd_mapping": "na",
257
      "lgd_mapping": "na",
            
258
      "metadata_modified": "2025-12-19T10:21:07.370613",
258
      "metadata_modified": "2025-12-19T10:21:07.370613",
            
259
      "methodology": "The Reserve Bank of India (RBI) collects the 
259
      "methodology": "The Reserve Bank of India (RBI) collects the 
            
260
Money Supply (M3) data through surveys and reports from various 
260
Money Supply (M3) data through surveys and reports from various 
            
261
financial institutions, including commercial banks, cooperative banks, 
261
financial institutions, including commercial banks, cooperative banks, 
            
262
regional rural banks, and other financial institutions.",
262
regional rural banks, and other financial institutions.",
            
263
      "mimetype": "text/csv",
263
      "mimetype": "text/csv",
            
264
      "mimetype_inner": null,
264
      "mimetype_inner": null,
            
265
      "name": "Money Stock M3",
265
      "name": "Money Stock M3",
            
266
      "no_indicators": "13",
266
      "no_indicators": "13",
            
267
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
267
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
            
268
      "position": 1,
268
      "position": 1,
            
269
      "resource_type": null,
269
      "resource_type": null,
            
270
      "similar_datasets": [],
270
      "similar_datasets": [],
            
271
      "size": 76919,
271
      "size": 76919,
            
272
      "sku": "rbi-money_stock-in-wk-sne",
272
      "sku": "rbi-money_stock-in-wk-sne",
            
273
      "state": "active",
273
      "state": "active",
            
274
      "states_uts_no": "",
274
      "states_uts_no": "",
            
275
      "tags": [
275
      "tags": [
            
276
        "Money Supply",
276
        "Money Supply",
            
277
        "Currency",
277
        "Currency",
            
278
        "Demand Deposits",
278
        "Demand Deposits",
            
279
        "Time Deposits",
279
        "Time Deposits",
            
280
        "Liabilities",
280
        "Liabilities",
            
281
        "Assets",
281
        "Assets",
            
282
        "Sources",
282
        "Sources",
            
283
        "Economic Indicators",
283
        "Economic Indicators",
            
284
        "Inflation"
284
        "Inflation"
            
285
      ],
285
      ],
            
286
      "tehsil_no": "",
286
      "tehsil_no": "",
            
287
      "url": 
287
      "url": 
            
288
rce/487f5d4e-4ac9-4015-9ed5-ee9066893982/download/money-stock-m3.csv",
288
rce/487f5d4e-4ac9-4015-9ed5-ee9066893982/download/money-stock-m3.csv",
            
289
      "url_type": "upload",
289
      "url_type": "upload",
            
290
      "village_no": "",
290
      "village_no": "",
            
291
      "years_covered": "2001-2024"
291
      "years_covered": "2001-2024"
            
292
    },
292
    },
            
293
    {
293
    {
            
294
      "additional_info": "",
294
      "additional_info": "",
            
295
      "cache_last_updated": null,
295
      "cache_last_updated": null,
            
296
      "cache_url": null,
296
      "cache_url": null,
            
297
      "created": "2023-10-07T05:56:50.564020",
297
      "created": "2023-10-07T05:56:50.564020",
            
298
      "data_extraction_page": 
298
      "data_extraction_page": 
            
299
enDocument/opendoc/openDocument.faces?logonSuccessful=true&shareId=1",
299
enDocument/opendoc/openDocument.faces?logonSuccessful=true&shareId=1",
            
300
      "data_insights": "Understanding the distribution of deposits 
300
      "data_insights": "Understanding the distribution of deposits 
            
301
across different population groups and regions in India.Identifying 
301
across different population groups and regions in India.Identifying 
            
302
areas where additional investment may be needed to improve access to 
302
areas where additional investment may be needed to improve access to 
            
303
banking services.Analyzing the impact of government policies and 
303
banking services.Analyzing the impact of government policies and 
            
304
economic trends on the banking sector.Identifying opportunities for 
304
economic trends on the banking sector.Identifying opportunities for 
            
305
banks to expand their operations in underserved areas.",
305
banks to expand their operations in underserved areas.",
            
306
      "data_last_updated": "2022",
306
      "data_last_updated": "2022",
            
307
      "data_retreival_date": "2022-09-04 00:00:00",
307
      "data_retreival_date": "2022-09-04 00:00:00",
            
308
      "datastore_active": true,
308
      "datastore_active": true,
            
309
      "description": "The Reserve Bank of India (RBI) provides data on 
309
      "description": "The Reserve Bank of India (RBI) provides data on 
            
310
the deposits of scheduled commercial banks as part of its database of 
310
the deposits of scheduled commercial banks as part of its database of 
            
311
the Indian economy. Scheduled commercial banks include public sector 
311
the Indian economy. Scheduled commercial banks include public sector 
            
312
banks, private sector banks, foreign banks, regional rural banks, and 
312
banks, private sector banks, foreign banks, regional rural banks, and 
            
313
other types of banks.\r\n\r\nThe dataset includes information on 
313
other types of banks.\r\n\r\nThe dataset includes information on 
            
314
various types of deposits such as savings deposits, term deposits, and 
314
various types of deposits such as savings deposits, term deposits, and 
            
315
demand deposits. It provides detailed information on the amount of 
315
demand deposits. It provides detailed information on the amount of 
            
316
deposits held by the banks, and number of accounts.",
316
deposits held by the banks, and number of accounts.",
            
317
      "district_no": "717",
317
      "district_no": "717",
            
318
      "format": "CSV",
318
      "format": "CSV",
            
319
      "frequency": "Yearly",
319
      "frequency": "Yearly",
            
320
      "geo_columns": [
320
      "geo_columns": [
            
321
        "state_code",
321
        "state_code",
            
322
        "district_code"
322
        "district_code"
            
323
      ],
323
      ],
            
324
      "gp_no": "",
324
      "gp_no": "",
            
325
      "granularity": "District",
325
      "granularity": "District",
            
326
      "hash": "",
326
      "hash": "",
            
327
      "id": "991a33ab-67c0-4748-9ded-012f449497be",
327
      "id": "991a33ab-67c0-4748-9ded-012f449497be",
            
328
      "idp_ready": true,
328
      "idp_ready": true,
            
329
      "last_modified": "2023-10-07T05:56:50.539958",
329
      "last_modified": "2023-10-07T05:56:50.539958",
            
330
      "lgd_mapping": "yes",
330
      "lgd_mapping": "yes",
            
331
      "metadata_modified": "2025-12-19T08:05:40.900378",
331
      "metadata_modified": "2025-12-19T08:05:40.900378",
            
332
      "methodology": "The District and Population Group-wise Deposits 
332
      "methodology": "The District and Population Group-wise Deposits 
            
333
of Scheduled Commercial Banks dataset is sourced from the Reserve Bank 
333
of Scheduled Commercial Banks dataset is sourced from the Reserve Bank 
            
334
of India (RBI) and is updated annually. The data is collected through 
334
of India (RBI) and is updated annually. The data is collected through 
            
335
the submission of monthly and quarterly returns by scheduled 
335
the submission of monthly and quarterly returns by scheduled 
            
336
commercial banks to the RBI. The data is then aggregated at the 
336
commercial banks to the RBI. The data is then aggregated at the 
            
337
district and population group level to produce the final dataset.",
337
district and population group level to produce the final dataset.",
            
338
      "mimetype": "",
338
      "mimetype": "",
            
339
      "mimetype_inner": null,
339
      "mimetype_inner": null,
            
340
      "name": "Population-group  Wise Deposits",
340
      "name": "Population-group  Wise Deposits",
            
341
      "no_indicators": "3",
341
      "no_indicators": "3",
            
342
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
342
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
            
343
      "position": 2,
343
      "position": 2,
            
344
      "resource_type": null,
344
      "resource_type": null,
            
345
      "similar_datasets": "",
345
      "similar_datasets": "",
            
346
      "size": 1114004,
346
      "size": 1114004,
            
347
      "sku": "rbi-groupwise_deposits_with_scbs-dt-yr-pop",
347
      "sku": "rbi-groupwise_deposits_with_scbs-dt-yr-pop",
            
348
      "state": "active",
348
      "state": "active",
            
349
      "states_uts_no": "36",
349
      "states_uts_no": "36",
            
350
      "tags": "",
350
      "tags": "",
            
351
      "tehsil_no": "",
351
      "tehsil_no": "",
            
352
      "url": 
352
      "url": 
            
353
c0-4748-9ded-012f449497be/download/populationgroup-wise-deposits.csv",
353
c0-4748-9ded-012f449497be/download/populationgroup-wise-deposits.csv",
            
354
      "url_type": "upload",
354
      "url_type": "upload",
            
355
      "village_no": "",
355
      "village_no": "",
            
356
      "years_covered": "2019-2022"
356
      "years_covered": "2019-2022"
            
357
    },
357
    },
            
358
    {
358
    {
            
359
      "additional_info": "",
359
      "additional_info": "",
            
360
      "cache_last_updated": null,
360
      "cache_last_updated": null,
            
361
      "cache_url": null,
361
      "cache_url": null,
            
362
      "created": "2023-10-07T05:57:30.367092",
362
      "created": "2023-10-07T05:57:30.367092",
            
363
      "data_extraction_page": "nan",
363
      "data_extraction_page": "nan",
            
364
      "data_insights": "The dataset provides information on the number 
364
      "data_insights": "The dataset provides information on the number 
            
365
of deposits and deposit amounts for different population groups in 
365
of deposits and deposit amounts for different population groups in 
            
366
each district for various categories of SCBs. The data can be used to 
366
each district for various categories of SCBs. The data can be used to 
            
367
analyze the financial behavior of different demographic groups, as 
367
analyze the financial behavior of different demographic groups, as 
            
368
well as the performance of different banks in different districts. For 
368
well as the performance of different banks in different districts. For 
            
369
example, one could analyze which demographic groups are saving the 
369
example, one could analyze which demographic groups are saving the 
            
370
most and which banks are attracting the most deposits in different 
370
most and which banks are attracting the most deposits in different 
            
371
districts.",
371
districts.",
            
372
      "data_last_updated": "2022",
372
      "data_last_updated": "2022",
            
373
      "data_retreival_date": "2022-09-04 00:00:00",
373
      "data_retreival_date": "2022-09-04 00:00:00",
            
374
      "datastore_active": true,
374
      "datastore_active": true,
            
375
      "description": "This dataset gives district-wise information on 
375
      "description": "This dataset gives district-wise information on 
            
376
the number of deposits and deposit amounts for every population group 
376
the number of deposits and deposit amounts for every population group 
            
377
in each category of Scheduled Commercial Banks",
377
in each category of Scheduled Commercial Banks",
            
378
      "district_no": "717",
378
      "district_no": "717",
            
379
      "format": "CSV",
379
      "format": "CSV",
            
380
      "frequency": "Yearly",
380
      "frequency": "Yearly",
            
381
      "geo_columns": [
381
      "geo_columns": [
            
382
        "state_code",
382
        "state_code",
            
383
        "district_code"
383
        "district_code"
            
384
      ],
384
      ],
            
385
      "gp_no": "",
385
      "gp_no": "",
            
386
      "granularity": "District",
386
      "granularity": "District",
            
387
      "hash": "",
387
      "hash": "",
            
388
      "id": "3d6dc991-9a60-47d6-b107-2e2536688e5e",
388
      "id": "3d6dc991-9a60-47d6-b107-2e2536688e5e",
            
389
      "idp_ready": true,
389
      "idp_ready": true,
            
390
      "last_modified": "2023-10-07T05:57:30.337929",
390
      "last_modified": "2023-10-07T05:57:30.337929",
            
391
      "lgd_mapping": "yes",
391
      "lgd_mapping": "yes",
            
392
      "metadata_modified": "2025-12-19T08:05:42.210707",
392
      "metadata_modified": "2025-12-19T08:05:42.210707",
            
393
      "methodology": "Reserve Bank of India collected the data from 
393
      "methodology": "Reserve Bank of India collected the data from 
            
394
SCBs and compiled it into a dataset.",
394
SCBs and compiled it into a dataset.",
            
395
      "mimetype": "",
395
      "mimetype": "",
            
396
      "mimetype_inner": null,
396
      "mimetype_inner": null,
            
397
      "name": "Bank-group Wise Deposits",
397
      "name": "Bank-group Wise Deposits",
            
398
      "no_indicators": "2",
398
      "no_indicators": "2",
            
399
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
399
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
            
400
      "position": 3,
400
      "position": 3,
            
401
      "resource_type": null,
401
      "resource_type": null,
            
402
      "similar_datasets": "",
402
      "similar_datasets": "",
            
403
      "size": 4699652,
403
      "size": 4699652,
            
404
      "sku": "rbi-bankgroup_wise_deposit_statistics-dt-yr-pth",
404
      "sku": "rbi-bankgroup_wise_deposit_statistics-dt-yr-pth",
            
405
      "state": "active",
405
      "state": "active",
            
406
      "states_uts_no": "36",
406
      "states_uts_no": "36",
            
407
      "tags": "",
407
      "tags": "",
            
408
      "tehsil_no": "",
408
      "tehsil_no": "",
            
409
      "url": 
409
      "url": 
            
410
991-9a60-47d6-b107-2e2536688e5e/download/bankgroup-wise-deposits.csv",
410
991-9a60-47d6-b107-2e2536688e5e/download/bankgroup-wise-deposits.csv",
            
411
      "url_type": "upload",
411
      "url_type": "upload",
            
412
      "village_no": "",
412
      "village_no": "",
            
413
      "years_covered": "2009-10 to 2017-18"
413
      "years_covered": "2009-10 to 2017-18"
            
414
    },
414
    },
            
415
    {
415
    {
            
416
      "additional_info": "nan",
416
      "additional_info": "nan",
            
417
      "cache_last_updated": null,
417
      "cache_last_updated": null,
            
418
      "cache_url": null,
418
      "cache_url": null,
            
419
      "created": "2023-10-07T06:53:04.021727",
419
      "created": "2023-10-07T06:53:04.021727",
            
420
      "data_extraction_page": 
420
      "data_extraction_page": 
            
421
"https://rbi.org.in/Scripts/ATMView.aspx",
421
"https://rbi.org.in/Scripts/ATMView.aspx",
            
422
      "data_insights": "This dataset enables detailed analyses of 
422
      "data_insights": "This dataset enables detailed analyses of 
            
423
India\u2019s evolving digital payment landscape, highlighting trends 
423
India\u2019s evolving digital payment landscape, highlighting trends 
            
424
in infrastructure deployment and consumer behavior across credit and 
424
in infrastructure deployment and consumer behavior across credit and 
            
425
debit card platforms. It supports policy assessments on financial 
425
debit card platforms. It supports policy assessments on financial 
            
426
inclusion by tracking the penetration of ATMs and digital acceptance 
426
inclusion by tracking the penetration of ATMs and digital acceptance 
            
427
points across bank categories. Additionally, the transaction-level 
427
points across bank categories. Additionally, the transaction-level 
            
428
data allows for monitoring shifts in consumer spending patterns, the 
428
data allows for monitoring shifts in consumer spending patterns, the 
            
429
effectiveness of QR-based payments, and the relative usage of cash 
429
effectiveness of QR-based payments, and the relative usage of cash 
            
430
versus digital modes. These insights are crucial for formulating 
430
versus digital modes. These insights are crucial for formulating 
            
431
strategies in digital finance, regulatory oversight, and 
431
strategies in digital finance, regulatory oversight, and 
            
432
infrastructure investment.",
432
infrastructure investment.",
            
433
      "data_last_updated": "2025-12-01",
433
      "data_last_updated": "2025-12-01",
            
434
      "data_retreival_date": "2026-02-09",
434
      "data_retreival_date": "2026-02-09",
            
435
      "datastore_active": true,
435
      "datastore_active": true,
            
436
      "description": "This dataset offers comprehensive statistics on 
436
      "description": "This dataset offers comprehensive statistics on 
            
437
banking infrastructure and card-based transactions in India from 2022 
437
banking infrastructure and card-based transactions in India from 2022 
            
438
onwards. It includes bank-level data on ATMs, PoS terminals, QR code 
438
onwards. It includes bank-level data on ATMs, PoS terminals, QR code 
            
439
adoption, and transaction volumes and values for both credit and debit 
439
adoption, and transaction volumes and values for both credit and debit 
            
440
cards. Sourced from the Reserve Bank of India, the data is valuable 
440
cards. Sourced from the Reserve Bank of India, the data is valuable 
            
441
for researchers, financial analysts, and policymakers interested in 
441
for researchers, financial analysts, and policymakers interested in 
            
442
digital payments, banking access, and consumer financial behavior.",
442
digital payments, banking access, and consumer financial behavior.",
            
443
      "district_no": "0",
443
      "district_no": "0",
            
444
      "format": "CSV",
444
      "format": "CSV",
            
445
      "frequency": "Monthly",
445
      "frequency": "Monthly",
            
446
      "geo_columns": [],
446
      "geo_columns": [],
            
447
      "gp_no": "0",
447
      "gp_no": "0",
            
448
      "granularity": "All India",
448
      "granularity": "All India",
            
449
      "hash": "",
449
      "hash": "",
            
450
      "id": "1bb59cb1-6965-4c02-88ab-82333f101f5b",
450
      "id": "1bb59cb1-6965-4c02-88ab-82333f101f5b",
            
451
      "idp_ready": true,
451
      "idp_ready": true,
            
452
      "last_modified": "2026-02-09T18:31:15.352669",
452
      "last_modified": "2026-02-09T18:31:15.352669",
            
453
      "lgd_mapping": "na",
453
      "lgd_mapping": "na",
            
454
      "metadata_modified": "2026-02-09T18:31:35.125148",
454
      "metadata_modified": "2026-02-09T18:31:35.125148",
            
455
      "methodology": "The exact data collection methodology used by 
455
      "methodology": "The exact data collection methodology used by 
            
456
the RBI to gather information for the Bankwise ATM/POS/Card Statistics 
456
the RBI to gather information for the Bankwise ATM/POS/Card Statistics 
            
457
dataset is not publicly disclosed. However, it is likely that the data 
457
dataset is not publicly disclosed. However, it is likely that the data 
            
458
is collected through a combination of surveys, reports, and data 
458
is collected through a combination of surveys, reports, and data 
            
459
sharing agreements with the participating banks. The RBI may require 
459
sharing agreements with the participating banks. The RBI may require 
            
460
banks to report their ATM and POS transactions data on a regular 
460
banks to report their ATM and POS transactions data on a regular 
            
461
basis, either electronically or through manual reporting. This data 
461
basis, either electronically or through manual reporting. This data 
            
462
may be submitted directly to the RBI or through a third-party data 
462
may be submitted directly to the RBI or through a third-party data 
            
463
aggregator. The RBI may also use data from other sources, such as 
463
aggregator. The RBI may also use data from other sources, such as 
            
464
payment processors or card networks, to supplement the data provided 
464
payment processors or card networks, to supplement the data provided 
            
465
by the banks.",
465
by the banks.",
            
466
      "mimetype": "text/csv",
466
      "mimetype": "text/csv",
            
467
      "mimetype_inner": null,
467
      "mimetype_inner": null,
            
468
      "name": "Bankwise ATM POS Card Statistics 2022 onwards",
468
      "name": "Bankwise ATM POS Card Statistics 2022 onwards",
            
469
      "no_indicators": "26",
469
      "no_indicators": "26",
            
470
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
470
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
            
471
      "position": 4,
471
      "position": 4,
            
472
      "resource_type": null,
472
      "resource_type": null,
            
473
      "similar_datasets": [],
473
      "similar_datasets": [],
            
474
      "size": 603716,
474
      "size": 603716,
            
475
      "sku": "rbi-bankwise_atm_pos-in-mn-bxi",
475
      "sku": "rbi-bankwise_atm_pos-in-mn-bxi",
            
476
      "state": "active",
476
      "state": "active",
            
477
      "states_uts_no": "0",
477
      "states_uts_no": "0",
            
478
      "tags": [
478
      "tags": [
            
479
        "Banking Infrastructure",
479
        "Banking Infrastructure",
            
480
        "Digital Payments",
480
        "Digital Payments",
            
481
        "Credit Cards",
481
        "Credit Cards",
            
482
        "Debit Cards",
482
        "Debit Cards",
            
483
        "ATMs",
483
        "ATMs",
            
484
        "PoS Terminals",
484
        "PoS Terminals",
            
485
        "UPI",
485
        "UPI",
            
486
        "Bharat QR",
486
        "Bharat QR",
            
487
        "Financial Inclusion",
487
        "Financial Inclusion",
            
488
        "Transaction Analytics",
488
        "Transaction Analytics",
            
489
        "India",
489
        "India",
            
490
        "RBI Data"
490
        "RBI Data"
            
491
      ],
491
      ],
            
492
      "tehsil_no": "0",
492
      "tehsil_no": "0",
            
493
      "url": 
493
      "url": 
            
494
33f101f5b/download/bankwise_atm_pos_card_statistics_2022_onwards.csv",
494
33f101f5b/download/bankwise_atm_pos_card_statistics_2022_onwards.csv",
            
495
      "url_type": "upload",
495
      "url_type": "upload",
            
496
      "village_no": "0",
496
      "village_no": "0",
            
497
      "years_covered": "2022-2025"
497
      "years_covered": "2022-2025"
            
498
    },
498
    },
            
499
    {
499
    {
            
500
      "additional_info": "To get to the exact table from the source 
500
      "additional_info": "To get to the exact table from the source 
            
501
link, Under the Time Series Tab -> \"Time Series Detailed Data\" -> 
501
link, Under the Time Series Tab -> \"Time Series Detailed Data\" -> 
            
502
\"Bank Credit of SCBs - Bank Group, Population Group, Occupation 
502
\"Bank Credit of SCBs - Bank Group, Population Group, Occupation 
            
503
(Sector), District Wise - Annual\"",
503
(Sector), District Wise - Annual\"",
            
504
      "cache_last_updated": null,
504
      "cache_last_updated": null,
            
505
      "cache_url": null,
505
      "cache_url": null,
            
506
      "created": "2023-10-08T02:40:47.113768",
506
      "created": "2023-10-08T02:40:47.113768",
            
507
      "data_extraction_page": 
507
      "data_extraction_page": 
            
508
"https://dbie.rbi.org.in/DBIE/dbie.rbi?site=publications#!19",
508
"https://dbie.rbi.org.in/DBIE/dbie.rbi?site=publications#!19",
            
509
      "data_insights": "The dataset provides information on the credit 
509
      "data_insights": "The dataset provides information on the credit 
            
510
extended by different bank groups, with nationalized banks having the 
510
extended by different bank groups, with nationalized banks having the 
            
511
highest share of credit followed by SBI and its associates, private 
511
highest share of credit followed by SBI and its associates, private 
            
512
sector banks, and foreign banks.\n\nThe majority of the credit is 
512
sector banks, and foreign banks.\n\nThe majority of the credit is 
            
513
extended to the industry sector, followed by the services sector and 
513
extended to the industry sector, followed by the services sector and 
            
514
agriculture sector. Personal loans and other priority sectors account 
514
agriculture sector. Personal loans and other priority sectors account 
            
515
for a smaller share of credit.\n\nThe dataset shows that credit growth 
515
for a smaller share of credit.\n\nThe dataset shows that credit growth 
            
516
is higher in urban and metropolitan areas compared to rural and 
516
is higher in urban and metropolitan areas compared to rural and 
            
517
semi-urban areas.\n\nThe district-wise data shows that the credit 
517
semi-urban areas.\n\nThe district-wise data shows that the credit 
            
518
patterns vary across different regions, with some districts having 
518
patterns vary across different regions, with some districts having 
            
519
higher credit growth compared to others.",
519
higher credit growth compared to others.",
            
520
      "data_last_updated": "2024-02-01 00:00:00",
520
      "data_last_updated": "2024-02-01 00:00:00",
            
521
      "data_retreival_date": "2023-09-15 00:00:00",
521
      "data_retreival_date": "2023-09-15 00:00:00",
            
522
      "datastore_active": true,
522
      "datastore_active": true,
            
523
      "description": "The \"Credit by Scheduled Commercial Banks\" 
523
      "description": "The \"Credit by Scheduled Commercial Banks\" 
            
524
dataset provided by the Reserve Bank of India (RBI) captures 
524
dataset provided by the Reserve Bank of India (RBI) captures 
            
525
information on the credit extended by scheduled commercial banks in 
525
information on the credit extended by scheduled commercial banks in 
            
526
India to various population groups, bank groups, occupation groups, 
526
India to various population groups, bank groups, occupation groups, 
            
527
and occupation subgroups. The dataset covers various types of credit, 
527
and occupation subgroups. The dataset covers various types of credit, 
            
528
such as agricultural credit, personal loans, housing loans, and loans 
528
such as agricultural credit, personal loans, housing loans, and loans 
            
529
to the industrial sector, among others.\n\nThe dataset is organized 
529
to the industrial sector, among others.\n\nThe dataset is organized 
            
530
across four dimensions, including population group, bank group, 
530
across four dimensions, including population group, bank group, 
            
531
occupation group, and occupation subgroup. The population group 
531
occupation group, and occupation subgroup. The population group 
            
532
dimension includes categories such as rural, semi-urban, urban, and 
532
dimension includes categories such as rural, semi-urban, urban, and 
            
533
metropolitan, while the bank group dimension includes categories such 
533
metropolitan, while the bank group dimension includes categories such 
            
534
as nationalized banks, private sector banks, foreign banks, and 
534
as nationalized banks, private sector banks, foreign banks, and 
            
535
regional rural banks, among others. The occupation group dimension 
535
regional rural banks, among others. The occupation group dimension 
            
536
includes categories such as agriculture and allied activities, 
536
includes categories such as agriculture and allied activities, 
            
537
industry, and services, while the occupation subgroup dimension 
537
industry, and services, while the occupation subgroup dimension 
            
538
includes categories such as self-employed individuals, salaried 
538
includes categories such as self-employed individuals, salaried 
            
539
individuals, and others.\n\nThis dataset is useful for researchers, 
539
individuals, and others.\n\nThis dataset is useful for researchers, 
            
540
policymakers, and financial analysts who are interested in 
540
policymakers, and financial analysts who are interested in 
            
541
understanding the credit flow in the Indian economy, analyzing the 
541
understanding the credit flow in the Indian economy, analyzing the 
            
542
distribution of credit across different population groups and sectors, 
542
distribution of credit across different population groups and sectors, 
            
543
and identifying trends in credit disbursement by scheduled commercial 
543
and identifying trends in credit disbursement by scheduled commercial 
            
544
banks.",
544
banks.",
            
545
      "district_no": "764",
545
      "district_no": "764",
            
546
      "format": "CSV",
546
      "format": "CSV",
            
547
      "frequency": "Yearly",
547
      "frequency": "Yearly",
            
548
      "geo_columns": [
548
      "geo_columns": [
            
549
        "state_code",
549
        "state_code",
            
550
        "district_code"
550
        "district_code"
            
551
      ],
551
      ],
            
552
      "gp_no": "",
552
      "gp_no": "",
            
553
      "granularity": "District",
553
      "granularity": "District",
            
554
      "hash": "",
554
      "hash": "",
            
555
      "id": "733d27c5-e6a7-4cbf-a03e-b7cda032b608",
555
      "id": "733d27c5-e6a7-4cbf-a03e-b7cda032b608",
            
556
      "idp_ready": true,
556
      "idp_ready": true,
            
557
      "last_modified": "2024-03-14T23:24:11.404596",
557
      "last_modified": "2024-03-14T23:24:11.404596",
            
558
      "lgd_mapping": "yes",
558
      "lgd_mapping": "yes",
            
559
      "metadata_modified": "2025-12-19T08:05:44.537606",
559
      "metadata_modified": "2025-12-19T08:05:44.537606",
            
560
      "methodology": "Reserve Bank of India releases information about 
560
      "methodology": "Reserve Bank of India releases information about 
            
561
the number of accounts, credit limit and amount outstanding 
561
the number of accounts, credit limit and amount outstanding 
            
562
categorised as per population group, bank group and occupation under 
562
categorised as per population group, bank group and occupation under 
            
563
each district yearly.",
563
each district yearly.",
            
564
      "mimetype": "text/csv",
564
      "mimetype": "text/csv",
            
565
      "mimetype_inner": null,
565
      "mimetype_inner": null,
            
566
      "name": "Credit by Scheduled Commercial Banks",
566
      "name": "Credit by Scheduled Commercial Banks",
            
567
      "no_indicators": "3",
567
      "no_indicators": "3",
            
568
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
568
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
            
569
      "position": 5,
569
      "position": 5,
            
570
      "resource_type": null,
570
      "resource_type": null,
            
571
      "similar_datasets": [],
571
      "similar_datasets": [],
            
572
      "size": 262735959,
572
      "size": 262735959,
            
573
      "sku": "rbi-groupwise_credit_by_scbs-dt-yr-vvi",
573
      "sku": "rbi-groupwise_credit_by_scbs-dt-yr-vvi",
            
574
      "state": "active",
574
      "state": "active",
            
575
      "states_uts_no": "36",
575
      "states_uts_no": "36",
            
576
      "tags": [
576
      "tags": [
            
577
        "Banking",
577
        "Banking",
            
578
        "Credit",
578
        "Credit",
            
579
        "Scheduled Commercial Banks",
579
        "Scheduled Commercial Banks",
            
580
        "Bank Group\n Population Group",
580
        "Bank Group\n Population Group",
            
581
        "Occupation",
581
        "Occupation",
            
582
        "Sector",
582
        "Sector",
            
583
        "District-Wise",
583
        "District-Wise",
            
584
        "India\n Finance."
584
        "India\n Finance."
            
585
      ],
585
      ],
            
586
      "tehsil_no": "",
586
      "tehsil_no": "",
            
587
      "url": 
587
      "url": 
            
588
-a03e-b7cda032b608/download/credit-by-scheduled-commercial-banks.csv",
588
-a03e-b7cda032b608/download/credit-by-scheduled-commercial-banks.csv",
            
589
      "url_type": "upload",
589
      "url_type": "upload",
            
590
      "village_no": "",
590
      "village_no": "",
            
591
      "years_covered": "2010-2023"
591
      "years_covered": "2010-2023"
            
592
    },
592
    },
            
593
    {
593
    {
            
594
      "additional_info": "",
594
      "additional_info": "",
            
595
      "cache_last_updated": null,
595
      "cache_last_updated": null,
            
596
      "cache_url": null,
596
      "cache_url": null,
            
597
      "created": "2023-10-09T09:38:06.588133",
597
      "created": "2023-10-09T09:38:06.588133",
            
598
      "data_extraction_page": 
598
      "data_extraction_page": 
            
599
"https://rbi.org.in/Scripts/NEFTView.aspx",
599
"https://rbi.org.in/Scripts/NEFTView.aspx",
            
600
      "data_insights": "Through this dataset, one can observe 
600
      "data_insights": "Through this dataset, one can observe 
            
601
variations in ECS transaction volumes, values, and user counts across 
601
variations in ECS transaction volumes, values, and user counts across 
            
602
different months. When segmented by banks, the data allows for a 
602
different months. When segmented by banks, the data allows for a 
            
603
comparison of ECS transaction activity across various banking 
603
comparison of ECS transaction activity across various banking 
            
604
institutions. Additionally, the distinction between ECS credit and 
604
institutions. Additionally, the distinction between ECS credit and 
            
605
debit transactions provides information on user transactional choices. 
605
debit transactions provides information on user transactional choices. 
            
606
The inclusion of center names in the dataset also enables a regional 
606
The inclusion of center names in the dataset also enables a regional 
            
607
assessment, giving insights into the distribution and prevalence of 
607
assessment, giving insights into the distribution and prevalence of 
            
608
these transactions in different regions. ",
608
these transactions in different regions. ",
            
609
      "data_last_updated": "discontinued",
609
      "data_last_updated": "discontinued",
            
610
      "data_retreival_date": "2023-08-03 00:00:00",
610
      "data_retreival_date": "2023-08-03 00:00:00",
            
611
      "datastore_active": true,
611
      "datastore_active": true,
            
612
      "description": "ECS Transactions (Volume, Value, Users) provides 
612
      "description": "ECS Transactions (Volume, Value, Users) provides 
            
613
detailed monthly data on Electronic Clearing Service (ECS) 
613
detailed monthly data on Electronic Clearing Service (ECS) 
            
614
transactions. The dataset encompasses specific metrics like the volume 
614
transactions. The dataset encompasses specific metrics like the volume 
            
615
and value of transactions, and the number of users engaging in ECS 
615
and value of transactions, and the number of users engaging in ECS 
            
616
credit and debit transactions. The data is organized by month and is 
616
credit and debit transactions. The data is organized by month and is 
            
617
broken down by different centers and banks, offering granular insights 
617
broken down by different centers and banks, offering granular insights 
            
618
into the dynamics of electronic transactions across various regions 
618
into the dynamics of electronic transactions across various regions 
            
619
and banking institutions.",
619
and banking institutions.",
            
620
      "district_no": "",
620
      "district_no": "",
            
621
      "format": "CSV",
621
      "format": "CSV",
            
622
      "frequency": "Monthly",
622
      "frequency": "Monthly",
            
623
      "geo_columns": [],
623
      "geo_columns": [],
            
624
      "gp_no": "",
624
      "gp_no": "",
            
625
      "granularity": "Bank",
625
      "granularity": "Bank",
            
626
      "hash": "",
626
      "hash": "",
            
627
      "id": "961f1a87-5701-41e6-b124-896b33867e30",
627
      "id": "961f1a87-5701-41e6-b124-896b33867e30",
            
628
      "idp_ready": true,
628
      "idp_ready": true,
            
629
      "last_modified": "2023-10-09T09:38:06.525046",
629
      "last_modified": "2023-10-09T09:38:06.525046",
            
630
      "lgd_mapping": "na",
630
      "lgd_mapping": "na",
            
631
      "metadata_modified": "2025-12-19T10:21:14.243238",
631
      "metadata_modified": "2025-12-19T10:21:14.243238",
            
632
      "methodology": "The dataset is compiled from data reported by 
632
      "methodology": "The dataset is compiled from data reported by 
            
633
different banks to the Reserve Bank of India. It is updated monthly 
633
different banks to the Reserve Bank of India. It is updated monthly 
            
634
and is made available on the RBI\u2019s official website. ",
634
and is made available on the RBI\u2019s official website. ",
            
635
      "mimetype": "",
635
      "mimetype": "",
            
636
      "mimetype_inner": null,
636
      "mimetype_inner": null,
            
637
      "name": "ECS Transaction Metrics",
637
      "name": "ECS Transaction Metrics",
            
638
      "no_indicators": "6",
638
      "no_indicators": "6",
            
639
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
639
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
            
640
      "position": 6,
640
      "position": 6,
            
641
      "resource_type": null,
641
      "resource_type": null,
            
642
      "similar_datasets": "",
642
      "similar_datasets": "",
            
643
      "size": 627222,
643
      "size": 627222,
            
644
      "sku": "rbi-bankwise_ecs_transactions-in-mn-aaa",
644
      "sku": "rbi-bankwise_ecs_transactions-in-mn-aaa",
            
645
      "state": "active",
645
      "state": "active",
            
646
      "states_uts_no": "",
646
      "states_uts_no": "",
            
647
      "tags": "",
647
      "tags": "",
            
648
      "tehsil_no": "",
648
      "tehsil_no": "",
            
649
      "url": 
649
      "url": 
            
650
a87-5701-41e6-b124-896b33867e30/download/ecs-transaction-metrics.csv",
650
a87-5701-41e6-b124-896b33867e30/download/ecs-transaction-metrics.csv",
            
651
      "url_type": "upload",
651
      "url_type": "upload",
            
652
      "village_no": "",
652
      "village_no": "",
            
653
      "years_covered": "2013 to 2020"
653
      "years_covered": "2013 to 2020"
            
654
    },
654
    },
            
655
    {
655
    {
            
656
      "additional_info": "nan",
656
      "additional_info": "nan",
            
657
      "cache_last_updated": null,
657
      "cache_last_updated": null,
            
658
      "cache_url": null,
658
      "cache_url": null,
            
659
      "created": "2023-10-09T10:59:49.951988",
659
      "created": "2023-10-09T10:59:49.951988",
            
660
      "data_extraction_page": 
660
      "data_extraction_page": 
            
661
"https://rbi.org.in/Scripts/NEFTView.aspx",
661
"https://rbi.org.in/Scripts/NEFTView.aspx",
            
662
      "data_insights": "The dataset allows stakeholders to comprehend 
662
      "data_insights": "The dataset allows stakeholders to comprehend 
            
663
the adoption and utilization trends of internet banking across 
663
the adoption and utilization trends of internet banking across 
            
664
different banks in India. By analyzing the transaction volume and 
664
different banks in India. By analyzing the transaction volume and 
            
665
aggregate transaction value, one can discern patterns related to the 
665
aggregate transaction value, one can discern patterns related to the 
            
666
frequency and size of transactions carried out through internet 
666
frequency and size of transactions carried out through internet 
            
667
banking. It provides a perspective on how reliant and comfortable 
667
banking. It provides a perspective on how reliant and comfortable 
            
668
consumers are in transacting significant amounts online.\n\nBanks with 
668
consumers are in transacting significant amounts online.\n\nBanks with 
            
669
higher active users indicate a more substantial customer base that 
669
higher active users indicate a more substantial customer base that 
            
670
prefers internet banking, which can be indicative of user-friendly 
670
prefers internet banking, which can be indicative of user-friendly 
            
671
interfaces, better online banking features, or effective online 
671
interfaces, better online banking features, or effective online 
            
672
security measures of these banks. By monitoring these numbers over 
672
security measures of these banks. By monitoring these numbers over 
            
673
time, one can infer the growth rate or decline of internet banking 
673
time, one can infer the growth rate or decline of internet banking 
            
674
usage for individual banks.\n\nComparing the 'Active Users' metric 
674
usage for individual banks.\n\nComparing the 'Active Users' metric 
            
675
with 'Transaction Volume' can offer insights into user behavior. For 
675
with 'Transaction Volume' can offer insights into user behavior. For 
            
676
instance, a bank with a high number of active users but a relatively 
676
instance, a bank with a high number of active users but a relatively 
            
677
low transaction volume might indicate that while many users have 
677
low transaction volume might indicate that while many users have 
            
678
adopted online banking, they might be using it for limited purposes or 
678
adopted online banking, they might be using it for limited purposes or 
            
679
with less frequency.",
679
with less frequency.",
            
680
      "data_last_updated": "2025-06-01",
680
      "data_last_updated": "2025-06-01",
            
681
      "data_retreival_date": "2025-08-21",
681
      "data_retreival_date": "2025-08-21",
            
682
      "datastore_active": true,
682
      "datastore_active": true,
            
683
      "description": "The Internet Banking Statistics dataset, sourced 
683
      "description": "The Internet Banking Statistics dataset, sourced 
            
684
from the Reserve Bank of India, provides detailed information on 
684
from the Reserve Bank of India, provides detailed information on 
            
685
internet banking activities across various banks. This dataset 
685
internet banking activities across various banks. This dataset 
            
686
outlines the performance metrics and adoption rate of internet banking 
686
outlines the performance metrics and adoption rate of internet banking 
            
687
for specific banks, capturing data on monthly transaction volumes, 
687
for specific banks, capturing data on monthly transaction volumes, 
            
688
aggregate transaction values, and the number of active users.",
688
aggregate transaction values, and the number of active users.",
            
689
      "format": "CSV",
689
      "format": "CSV",
            
690
      "frequency": "Monthly",
690
      "frequency": "Monthly",
            
691
      "geo_columns": [],
691
      "geo_columns": [],
            
692
      "granularity": "Bank",
692
      "granularity": "Bank",
            
693
      "hash": "",
693
      "hash": "",
            
694
      "id": "41184d46-105d-49dc-89d6-8b52185ee6ee",
694
      "id": "41184d46-105d-49dc-89d6-8b52185ee6ee",
            
695
      "idp_ready": true,
695
      "idp_ready": true,
            
696
      "last_modified": "2025-08-21T07:14:10.561263",
696
      "last_modified": "2025-08-21T07:14:10.561263",
            
697
      "lgd_mapping": "na",
697
      "lgd_mapping": "na",
            
698
      "metadata_modified": "2025-12-19T10:21:15.483919",
698
      "metadata_modified": "2025-12-19T10:21:15.483919",
            
699
      "methodology": "Data for the Internet Banking Statistics is 
699
      "methodology": "Data for the Internet Banking Statistics is 
            
700
collated by the Reserve Bank of India from the reporting of individual 
700
collated by the Reserve Bank of India from the reporting of individual 
            
701
banks. ",
701
banks. ",
            
702
      "mimetype": "text/csv",
702
      "mimetype": "text/csv",
            
703
      "mimetype_inner": null,
703
      "mimetype_inner": null,
            
704
      "name": "Internet Banking Statistics",
704
      "name": "Internet Banking Statistics",
            
705
      "no_indicators": 3,
705
      "no_indicators": 3,
            
706
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
706
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
            
707
      "position": 7,
707
      "position": 7,
            
708
      "resource_type": null,
708
      "resource_type": null,
            
709
      "similar_datasets": [],
709
      "similar_datasets": [],
            
710
      "size": 263005,
710
      "size": 263005,
            
711
      "sku": "rbi-bankwise_internet_banking_transactions-in-mn-aaa",
711
      "sku": "rbi-bankwise_internet_banking_transactions-in-mn-aaa",
            
712
      "state": "active",
712
      "state": "active",
            
713
      "tags": [
713
      "tags": [
            
714
        "Internet Banking",
714
        "Internet Banking",
            
715
        "Banking Trends",
715
        "Banking Trends",
            
716
        "Transactions"
716
        "Transactions"
            
717
      ],
717
      ],
            
718
      "url": 
718
      "url": 
            
719
105d-49dc-89d6-8b52185ee6ee/download/internet_banking_statistics.csv",
719
105d-49dc-89d6-8b52185ee6ee/download/internet_banking_statistics.csv",
            
720
      "url_type": "upload",
720
      "url_type": "upload",
            
721
      "village_no": null,
721
      "village_no": null,
            
722
      "years_covered": "2022-2025"
722
      "years_covered": "2022-2025"
            
723
    },
723
    },
            
724
    {
724
    {
            
725
      "additional_info": "nan",
725
      "additional_info": "nan",
            
726
      "cache_last_updated": null,
726
      "cache_last_updated": null,
            
727
      "cache_url": null,
727
      "cache_url": null,
            
728
      "created": "2023-10-09T11:39:20.083060",
728
      "created": "2023-10-09T11:39:20.083060",
            
729
      "data_extraction_page": 
729
      "data_extraction_page": 
            
730
"https://rbi.org.in/Scripts/NEFTView.aspx",
730
"https://rbi.org.in/Scripts/NEFTView.aspx",
            
731
      "data_insights": "From the dataset, several insightful 
731
      "data_insights": "From the dataset, several insightful 
            
732
narratives can be pieced together about the RTGS transaction landscape 
732
narratives can be pieced together about the RTGS transaction landscape 
            
733
in India. One of the most pivotal points to consider is the 
733
in India. One of the most pivotal points to consider is the 
            
734
transactional trend portrayed by individual banks. Observing the 
734
transactional trend portrayed by individual banks. Observing the 
            
735
'INWARD Total Volume' and 'OUTWARD Total Volume' provides a snapshot 
735
'INWARD Total Volume' and 'OUTWARD Total Volume' provides a snapshot 
            
736
of which banks might be at the forefront of RTGS transactions. Those 
736
of which banks might be at the forefront of RTGS transactions. Those 
            
737
with consistently high volumes might be perceived as the more dominant 
737
with consistently high volumes might be perceived as the more dominant 
            
738
or trusted entities in this sphere.\n\nDiving deeper, the dataset does 
738
or trusted entities in this sphere.\n\nDiving deeper, the dataset does 
            
739
a commendable job differentiating between interbank and customer 
739
a commendable job differentiating between interbank and customer 
            
740
transactions. Banks showing a substantial 'INWARD Volume Interbank' 
740
transactions. Banks showing a substantial 'INWARD Volume Interbank' 
            
741
could be inferred as playing a more influential role in interbank 
741
could be inferred as playing a more influential role in interbank 
            
742
settlements. This demarcation between interbank and customer-driven 
742
settlements. This demarcation between interbank and customer-driven 
            
743
transactions offers a nuanced understanding of a bank's RTGS 
743
transactions offers a nuanced understanding of a bank's RTGS 
            
744
transactional ecosystem.\n\nHowever, the true depth of this dataset is 
744
transactional ecosystem.\n\nHowever, the true depth of this dataset is 
            
745
realized when delving into the monetary values associated with these 
745
realized when delving into the monetary values associated with these 
            
746
transactions. By juxtaposing 'INWARD Total Value' with 'INWARD Total 
746
transactions. By juxtaposing 'INWARD Total Value' with 'INWARD Total 
            
747
Volume', one can decipher the average transaction size for each bank. 
747
Volume', one can decipher the average transaction size for each bank. 
            
748
This might unravel whether certain banks are more favored for 
748
This might unravel whether certain banks are more favored for 
            
749
large-scale corporate transactions or for smaller, perhaps 
749
large-scale corporate transactions or for smaller, perhaps 
            
750
retail-based transfers.\n",
750
retail-based transfers.\n",
            
751
      "data_last_updated": "2026-02-19 00:00:00",
751
      "data_last_updated": "2026-02-19 00:00:00",
            
752
      "data_retreival_date": "2026-02-19 00:00:00",
752
      "data_retreival_date": "2026-02-19 00:00:00",
            
753
      "datastore_active": true,
753
      "datastore_active": true,
            
754
      "description": "The dataset \"Bank Wise RTGS Inward and 
754
      "description": "The dataset \"Bank Wise RTGS Inward and 
            
755
Outward\" sourced from the Reserve Bank of India provides a 
755
Outward\" sourced from the Reserve Bank of India provides a 
            
756
comprehensive breakdown of RTGS (Real-Time Gross Settlement) 
756
comprehensive breakdown of RTGS (Real-Time Gross Settlement) 
            
757
transactions conducted by different banks. The data spans both inward 
757
transactions conducted by different banks. The data spans both inward 
            
758
(incoming) and outward (outgoing) transactions and segregates them 
758
(incoming) and outward (outgoing) transactions and segregates them 
            
759
further based on interbank and customer-driven transactions.",
759
further based on interbank and customer-driven transactions.",
            
760
      "district_no": "",
760
      "district_no": "",
            
761
      "format": "CSV",
761
      "format": "CSV",
            
762
      "frequency": "Monthly",
762
      "frequency": "Monthly",
            
763
      "geo_columns": [],
763
      "geo_columns": [],
            
764
      "gp_no": "",
764
      "gp_no": "",
            
765
      "granularity": "Bank",
765
      "granularity": "Bank",
            
766
      "hash": "",
766
      "hash": "",
            
767
      "id": "e9cef902-3a0f-4bc2-96e7-f9735e1ebffb",
767
      "id": "e9cef902-3a0f-4bc2-96e7-f9735e1ebffb",
            
768
      "idp_ready": true,
768
      "idp_ready": true,
            
n
769
      "last_modified": "2026-02-19T09:06:03.109888",
n
769
      "last_modified": "2026-02-19T09:24:42.619141",
            
770
      "lgd_mapping": "na",
770
      "lgd_mapping": "na",
            
t
771
      "metadata_modified": "2026-02-19T09:06:03.152981",
t
771
      "metadata_modified": "2026-02-19T09:24:42.666137",
            
772
      "methodology": "The data is compiled by the Reserve Bank of 
772
      "methodology": "The data is compiled by the Reserve Bank of 
            
773
India from the transaction reports submitted by individual banks on a 
773
India from the transaction reports submitted by individual banks on a 
            
774
regular basis",
774
regular basis",
            
775
      "mimetype": "text/csv",
775
      "mimetype": "text/csv",
            
776
      "mimetype_inner": null,
776
      "mimetype_inner": null,
            
777
      "name": "Bank Wise RTGS Inward and Outward",
777
      "name": "Bank Wise RTGS Inward and Outward",
            
778
      "no_indicators": "16",
778
      "no_indicators": "16",
            
779
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
779
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
            
780
      "position": 8,
780
      "position": 8,
            
781
      "resource_type": null,
781
      "resource_type": null,
            
782
      "similar_datasets": [],
782
      "similar_datasets": [],
            
783
      "size": 6226823,
783
      "size": 6226823,
            
784
      "sku": "rbi-bankwise_rtgs_transactions-in-mn-aaa",
784
      "sku": "rbi-bankwise_rtgs_transactions-in-mn-aaa",
            
785
      "state": "active",
785
      "state": "active",
            
786
      "states_uts_no": "",
786
      "states_uts_no": "",
            
787
      "tags": [
787
      "tags": [
            
788
        "RTGS",
788
        "RTGS",
            
789
        "Interbank Transactions",
789
        "Interbank Transactions",
            
790
        "Customer Transaction",
790
        "Customer Transaction",
            
791
        "Banking Data Analysis"
791
        "Banking Data Analysis"
            
792
      ],
792
      ],
            
793
      "tehsil_no": "",
793
      "tehsil_no": "",
            
794
      "url": 
794
      "url": 
            
795
bc2-96e7-f9735e1ebffb/download/bank-wise-rtgs-inward-and-outward.csv",
795
bc2-96e7-f9735e1ebffb/download/bank-wise-rtgs-inward-and-outward.csv",
            
796
      "url_type": "upload",
796
      "url_type": "upload",
            
797
      "village_no": "",
797
      "village_no": "",
            
798
      "years_covered": "2008-2025"
798
      "years_covered": "2008-2025"
            
799
    },
799
    },
            
800
    {
800
    {
            
801
      "additional_info": "nan",
801
      "additional_info": "nan",
            
802
      "cache_last_updated": null,
802
      "cache_last_updated": null,
            
803
      "cache_url": null,
803
      "cache_url": null,
            
804
      "created": "2023-10-09T11:53:08.037450",
804
      "created": "2023-10-09T11:53:08.037450",
            
805
      "data_extraction_page": 
805
      "data_extraction_page": 
            
806
"https://rbi.org.in/Scripts/NEFTView.aspx",
806
"https://rbi.org.in/Scripts/NEFTView.aspx",
            
807
      "data_insights": "The \"Mobile Banking Statistics\" dataset 
807
      "data_insights": "The \"Mobile Banking Statistics\" dataset 
            
808
provides a rich tapestry of insights into the evolving landscape of 
808
provides a rich tapestry of insights into the evolving landscape of 
            
809
mobile banking in India. By undertaking a month-to-month trend 
809
mobile banking in India. By undertaking a month-to-month trend 
            
810
analysis, it becomes feasible to chart the trajectory of mobile 
810
analysis, it becomes feasible to chart the trajectory of mobile 
            
811
banking's growth or decline. This continuous tracking could be 
811
banking's growth or decline. This continuous tracking could be 
            
812
instrumental in correlating fluctuations with external events, 
812
instrumental in correlating fluctuations with external events, 
            
813
marketing campaigns, or regulatory changes that might have impacted 
813
marketing campaigns, or regulatory changes that might have impacted 
            
814
user behavior.\n\nBank-specific insights stand out prominently. By 
814
user behavior.\n\nBank-specific insights stand out prominently. By 
            
815
diving deep into the dataset, stakeholders can determine which banking 
815
diving deep into the dataset, stakeholders can determine which banking 
            
816
institutions are trailblazers in the mobile banking arena. Such 
816
institutions are trailblazers in the mobile banking arena. Such 
            
817
insights are gauged both in terms of transaction volume and the 
817
insights are gauged both in terms of transaction volume and the 
            
818
aggregate value of transactions. This distinction enables a nuanced 
818
aggregate value of transactions. This distinction enables a nuanced 
            
819
understanding, differentiating banks that handle a larger number of 
819
understanding, differentiating banks that handle a larger number of 
            
820
smaller transactions from those facilitating fewer, high-value 
820
smaller transactions from those facilitating fewer, high-value 
            
821
transactions.\n\nA critical component of the dataset is the data on 
821
transactions.\n\nA critical component of the dataset is the data on 
            
822
'Active Users'. This metric serves as a barometer for user engagement 
822
'Active Users'. This metric serves as a barometer for user engagement 
            
823
and the overall penetration of mobile banking solutions among specific 
823
and the overall penetration of mobile banking solutions among specific 
            
824
banks' clientele. A rise or fall in active users can signal shifts in 
824
banks' clientele. A rise or fall in active users can signal shifts in 
            
825
user preferences, the effectiveness of user engagement strategies, or 
825
user preferences, the effectiveness of user engagement strategies, or 
            
826
the emergence of newer, more competitive mobile banking platforms.",
826
the emergence of newer, more competitive mobile banking platforms.",
            
827
      "data_last_updated": "2025-06-01",
827
      "data_last_updated": "2025-06-01",
            
828
      "data_retreival_date": "2025-08-21",
828
      "data_retreival_date": "2025-08-21",
            
829
      "datastore_active": true,
829
      "datastore_active": true,
            
830
      "description": "The \"Mobile Banking Statistics\" dataset is 
830
      "description": "The \"Mobile Banking Statistics\" dataset is 
            
831
sourced from the Reserve Bank of India, the country's central banking 
831
sourced from the Reserve Bank of India, the country's central banking 
            
832
institution. This dataset offers monthly insights into the usage 
832
institution. This dataset offers monthly insights into the usage 
            
833
patterns, preferences, and transaction volumes for various banks in 
833
patterns, preferences, and transaction volumes for various banks in 
            
834
the mobile banking domain. It sheds light on the increasing trend of 
834
the mobile banking domain. It sheds light on the increasing trend of 
            
835
mobile banking in India and provides a granular view by showcasing 
835
mobile banking in India and provides a granular view by showcasing 
            
836
data from individual banking institutions.",
836
data from individual banking institutions.",
            
837
      "format": "CSV",
837
      "format": "CSV",
            
838
      "frequency": "Monthly",
838
      "frequency": "Monthly",
            
839
      "geo_columns": [],
839
      "geo_columns": [],
            
840
      "granularity": "Bank",
840
      "granularity": "Bank",
            
841
      "hash": "",
841
      "hash": "",
            
842
      "id": "7db4c888-ac0c-4820-9982-c4ea04307f4b",
842
      "id": "7db4c888-ac0c-4820-9982-c4ea04307f4b",
            
843
      "idp_ready": true,
843
      "idp_ready": true,
            
844
      "last_modified": "2025-08-21T07:14:13.331771",
844
      "last_modified": "2025-08-21T07:14:13.331771",
            
845
      "lgd_mapping": "na",
845
      "lgd_mapping": "na",
            
846
      "metadata_modified": "2025-12-19T10:21:18.025628",
846
      "metadata_modified": "2025-12-19T10:21:18.025628",
            
847
      "methodology": "The data has been compiled by the Reserve Bank 
847
      "methodology": "The data has been compiled by the Reserve Bank 
            
848
of India, which likely collates this information from periodic reports 
848
of India, which likely collates this information from periodic reports 
            
849
submitted by the banks operating within the country. ",
849
submitted by the banks operating within the country. ",
            
850
      "mimetype": "text/csv",
850
      "mimetype": "text/csv",
            
851
      "mimetype_inner": null,
851
      "mimetype_inner": null,
            
852
      "name": "Mobile Banking Statistics",
852
      "name": "Mobile Banking Statistics",
            
853
      "no_indicators": "3",
853
      "no_indicators": "3",
            
854
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
854
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
            
855
      "position": 9,
855
      "position": 9,
            
856
      "resource_type": null,
856
      "resource_type": null,
            
857
      "similar_datasets": [],
857
      "similar_datasets": [],
            
858
      "size": 3013299,
858
      "size": 3013299,
            
859
      "sku": "rbi-bankwise_mobile_banking_transactions-in-mn-aaa",
859
      "sku": "rbi-bankwise_mobile_banking_transactions-in-mn-aaa",
            
860
      "state": "active",
860
      "state": "active",
            
861
      "tags": [
861
      "tags": [
            
862
        "Digital Transactions",
862
        "Digital Transactions",
            
863
        "Mobile Banking",
863
        "Mobile Banking",
            
864
        "Banking Trends"
864
        "Banking Trends"
            
865
      ],
865
      ],
            
866
      "url": 
866
      "url": 
            
867
8-ac0c-4820-9982-c4ea04307f4b/download/mobile_banking_statistics.csv",
867
8-ac0c-4820-9982-c4ea04307f4b/download/mobile_banking_statistics.csv",
            
868
      "url_type": "upload",
868
      "url_type": "upload",
            
869
      "village_no": null,
869
      "village_no": null,
            
870
      "years_covered": "2013-2025"
870
      "years_covered": "2013-2025"
            
871
    },
871
    },
            
872
    {
872
    {
            
873
      "additional_info": "nan",
873
      "additional_info": "nan",
            
874
      "cache_last_updated": null,
874
      "cache_last_updated": null,
            
875
      "cache_url": null,
875
      "cache_url": null,
            
876
      "created": "2024-04-17T12:51:16.505698",
876
      "created": "2024-04-17T12:51:16.505698",
            
877
      "data_extraction_page": 
877
      "data_extraction_page": 
            
878
"https://rbi.org.in/Scripts/NEFTView.aspx",
878
"https://rbi.org.in/Scripts/NEFTView.aspx",
            
879
      "data_insights": "The \"NEFT Transaction Metrics\" dataset, with 
879
      "data_insights": "The \"NEFT Transaction Metrics\" dataset, with 
            
880
its granularity, offers invaluable insights into the digital 
880
its granularity, offers invaluable insights into the digital 
            
881
transactional behaviors and trends in India. Through a monthly trend 
881
transactional behaviors and trends in India. Through a monthly trend 
            
882
analysis, stakeholders can ascertain the rhythm and pace of NEFT 
882
analysis, stakeholders can ascertain the rhythm and pace of NEFT 
            
883
transactions, pinpointing any anomalies, surge periods, or slow 
883
transactions, pinpointing any anomalies, surge periods, or slow 
            
884
phases. These trends can be essential indicators of the broader 
884
phases. These trends can be essential indicators of the broader 
            
885
economic landscape, signaling growth phases or potential economic 
885
economic landscape, signaling growth phases or potential economic 
            
886
slowdowns.\n\nBy examining bank-specific data, a clear picture of each 
886
slowdowns.\n\nBy examining bank-specific data, a clear picture of each 
            
887
institution's stance in the NEFT landscape emerges. Which banks are 
887
institution's stance in the NEFT landscape emerges. Which banks are 
            
888
the most active in facilitating NEFT transfers? Do certain banks have 
888
the most active in facilitating NEFT transfers? Do certain banks have 
            
889
a higher debit transaction rate compared to credits or vice versa? 
889
a higher debit transaction rate compared to credits or vice versa? 
            
890
This type of insight can provide a lens into the financial health and 
890
This type of insight can provide a lens into the financial health and 
            
891
customer engagement strategies of individual banks.\n\nAn intriguing 
891
customer engagement strategies of individual banks.\n\nAn intriguing 
            
892
facet of the dataset is the distinct data on 'Debit Transactions' and 
892
facet of the dataset is the distinct data on 'Debit Transactions' and 
            
893
'Credit Transactions'. By scrutinizing these columns, one can discern 
893
'Credit Transactions'. By scrutinizing these columns, one can discern 
            
894
the balance of funds outflow and inflow for each bank. If a bank 
894
the balance of funds outflow and inflow for each bank. If a bank 
            
895
consistently has higher debit values compared to credit values, it 
895
consistently has higher debit values compared to credit values, it 
            
896
might indicate more outward transfers than incoming ones. On the other 
896
might indicate more outward transfers than incoming ones. On the other 
            
897
hand, banks with a dominant credit value might be the recipients of a 
897
hand, banks with a dominant credit value might be the recipients of a 
            
898
more significant number of inward funds, indicating trust or 
898
more significant number of inward funds, indicating trust or 
            
899
preference by customers or businesses.",
899
preference by customers or businesses.",
            
900
      "data_last_updated": "2025-06-01",
900
      "data_last_updated": "2025-06-01",
            
901
      "data_retreival_date": "2025-08-21",
901
      "data_retreival_date": "2025-08-21",
            
902
      "datastore_active": true,
902
      "datastore_active": true,
            
903
      "description": "The \"NEFT Transaction Metrics\" dataset is 
903
      "description": "The \"NEFT Transaction Metrics\" dataset is 
            
904
procured from the Reserve Bank of India, the apex monetary authority 
904
procured from the Reserve Bank of India, the apex monetary authority 
            
905
of the country. This dataset delineates the monthly details concerning 
905
of the country. This dataset delineates the monthly details concerning 
            
906
the National Electronic Funds Transfer (NEFT) system, which 
906
the National Electronic Funds Transfer (NEFT) system, which 
            
907
facilitates one-to-one funds transfer. By providing data on both debit 
907
facilitates one-to-one funds transfer. By providing data on both debit 
            
908
and credit transactions for various banks, this dataset offers an 
908
and credit transactions for various banks, this dataset offers an 
            
909
encompassing view of the NEFT transaction landscape across India.",
909
encompassing view of the NEFT transaction landscape across India.",
            
910
      "format": "CSV",
910
      "format": "CSV",
            
911
      "frequency": "Monthly",
911
      "frequency": "Monthly",
            
912
      "geo_columns": [],
912
      "geo_columns": [],
            
913
      "granularity": "Bank",
913
      "granularity": "Bank",
            
914
      "hash": "",
914
      "hash": "",
            
915
      "id": "10a39a51-20d1-441a-9e92-64ca0c5c6f36",
915
      "id": "10a39a51-20d1-441a-9e92-64ca0c5c6f36",
            
916
      "idp_ready": true,
916
      "idp_ready": true,
            
917
      "last_modified": "2025-08-21T07:14:12.140854",
917
      "last_modified": "2025-08-21T07:14:12.140854",
            
918
      "lgd_mapping": "na",
918
      "lgd_mapping": "na",
            
919
      "metadata_modified": "2025-12-19T10:21:19.236809",
919
      "metadata_modified": "2025-12-19T10:21:19.236809",
            
920
      "methodology": "This data is collated by the Reserve Bank of 
920
      "methodology": "This data is collated by the Reserve Bank of 
            
921
India, leveraging the periodic submissions and transactional reports 
921
India, leveraging the periodic submissions and transactional reports 
            
922
from the different banks functioning within India's borders.",
922
from the different banks functioning within India's borders.",
            
923
      "mimetype": "text/csv",
923
      "mimetype": "text/csv",
            
924
      "mimetype_inner": null,
924
      "mimetype_inner": null,
            
925
      "name": "NEFT Transaction Metrics",
925
      "name": "NEFT Transaction Metrics",
            
926
      "no_indicators": 4,
926
      "no_indicators": 4,
            
927
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
927
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
            
928
      "position": 10,
928
      "position": 10,
            
929
      "resource_type": null,
929
      "resource_type": null,
            
930
      "similar_datasets": [],
930
      "similar_datasets": [],
            
931
      "similar_resources": "",
931
      "similar_resources": "",
            
932
      "size": 2461423,
932
      "size": 2461423,
            
933
      "sku": "rbi-bankwise_neft_transactions-in-mn-aaa",
933
      "sku": "rbi-bankwise_neft_transactions-in-mn-aaa",
            
934
      "state": "active",
934
      "state": "active",
            
935
      "tags": [
935
      "tags": [
            
936
        "NEFT Transations",
936
        "NEFT Transations",
            
937
        "Funds Transfer Analysis",
937
        "Funds Transfer Analysis",
            
938
        "Bankwise Data"
938
        "Bankwise Data"
            
939
      ],
939
      ],
            
940
      "url": 
940
      "url": 
            
941
51-20d1-441a-9e92-64ca0c5c6f36/download/neft_transaction_metrics.csv",
941
51-20d1-441a-9e92-64ca0c5c6f36/download/neft_transaction_metrics.csv",
            
942
      "url_type": "upload",
942
      "url_type": "upload",
            
943
      "village_no": null,
943
      "village_no": null,
            
944
      "years_covered": "2008-2025"
944
      "years_covered": "2008-2025"
            
945
    },
945
    },
            
946
    {
946
    {
            
947
      "additional_info": "nan",
947
      "additional_info": "nan",
            
948
      "cache_last_updated": null,
948
      "cache_last_updated": null,
            
949
      "cache_url": null,
949
      "cache_url": null,
            
950
      "created": "2024-10-23T06:59:17.635220",
950
      "created": "2024-10-23T06:59:17.635220",
            
951
      "data_extraction_page": 
951
      "data_extraction_page": 
            
952
"https://data.rbi.org.in/DBIE/#/banking-outlet",
952
"https://data.rbi.org.in/DBIE/#/banking-outlet",
            
953
      "data_insights": "Data Insights that can be drawn from dataset 
953
      "data_insights": "Data Insights that can be drawn from dataset 
            
954
:Geographical Distribution: The dataset allows for analysis of the 
954
:Geographical Distribution: The dataset allows for analysis of the 
            
955
geographical distribution of bank outlets and ATMs, highlighting areas 
955
geographical distribution of bank outlets and ATMs, highlighting areas 
            
956
with high or low banking service penetration.Operational Status: By 
956
with high or low banking service penetration.Operational Status: By 
            
957
examining the status of branches and ATMs, one can identify trends in 
957
examining the status of branches and ATMs, one can identify trends in 
            
958
banking infrastructure development and closures.Bank Group Analysis: 
958
banking infrastructure development and closures.Bank Group Analysis: 
            
959
The data enables comparison between different bank groups (e.g., 
959
The data enables comparison between different bank groups (e.g., 
            
960
public sector vs. private sector) in terms of their reach and 
960
public sector vs. private sector) in terms of their reach and 
            
961
presence.Service Availability: Insights into the types of services 
961
presence.Service Availability: Insights into the types of services 
            
962
provided (e.g., full-service branches vs. ATMs) and their distribution 
962
provided (e.g., full-service branches vs. ATMs) and their distribution 
            
963
across different regions.Demographic Correlation: Analysis of the 
963
across different regions.Demographic Correlation: Analysis of the 
            
964
dataset in conjunction with population data can reveal how well 
964
dataset in conjunction with population data can reveal how well 
            
965
banking services are aligned with population density and 
965
banking services are aligned with population density and 
            
966
distribution.Infrastructure Growth: Tracking the license and open 
966
distribution.Infrastructure Growth: Tracking the license and open 
            
967
dates provides insights into the growth and expansion of banking 
967
dates provides insights into the growth and expansion of banking 
            
968
infrastructure over time.",
968
infrastructure over time.",
            
969
      "data_last_updated": "12-10-2023",
969
      "data_last_updated": "12-10-2023",
            
970
      "data_retreival_date": "01-12-2023",
970
      "data_retreival_date": "01-12-2023",
            
971
      "datastore_active": true,
971
      "datastore_active": true,
            
972
      "description": "The dataset provides a snapshot of the banking 
972
      "description": "The dataset provides a snapshot of the banking 
            
973
infrastructure in India, including both active and inactive branches 
973
infrastructure in India, including both active and inactive branches 
            
974
and ATMs. It provides comprehensive details about bank outlets and 
974
and ATMs. It provides comprehensive details about bank outlets and 
            
975
ATMs across different regions in India. It includes location 
975
ATMs across different regions in India. It includes location 
            
976
information, bank details, and operational status, helping to 
976
information, bank details, and operational status, helping to 
            
977
understand the spread and accessibility of banking services in the 
977
understand the spread and accessibility of banking services in the 
            
978
country. This dataset is essential for researchers, policymakers, and 
978
country. This dataset is essential for researchers, policymakers, and 
            
979
financial analysts interested in understanding the landscape of 
979
financial analysts interested in understanding the landscape of 
            
980
banking services in India. It provides valuable insights into the 
980
banking services in India. It provides valuable insights into the 
            
981
reach and operational status of banking facilities, contributing to 
981
reach and operational status of banking facilities, contributing to 
            
982
studies on financial inclusion and economic development.",
982
studies on financial inclusion and economic development.",
            
983
      "district_no": "753",
983
      "district_no": "753",
            
984
      "format": "CSV",
984
      "format": "CSV",
            
985
      "frequency": "Other",
985
      "frequency": "Other",
            
986
      "geo_columns": [
986
      "geo_columns": [
            
987
        "state_code",
987
        "state_code",
            
988
        "district_code",
988
        "district_code",
            
989
        "subdistrict_code"
989
        "subdistrict_code"
            
990
      ],
990
      ],
            
991
      "gp_no": "0",
991
      "gp_no": "0",
            
992
      "granularity": "Point",
992
      "granularity": "Point",
            
993
      "hash": "",
993
      "hash": "",
            
994
      "id": "8a4bb25b-3281-4aa5-9d3c-e4a5a7dd8e71",
994
      "id": "8a4bb25b-3281-4aa5-9d3c-e4a5a7dd8e71",
            
995
      "idp_ready": true,
995
      "idp_ready": true,
            
996
      "indicators": [],
996
      "indicators": [],
            
997
      "last_modified": "2024-10-23T07:21:05.181050",
997
      "last_modified": "2024-10-23T07:21:05.181050",
            
998
      "lgd_mapping": "",
998
      "lgd_mapping": "",
            
999
      "metadata_modified": "2025-12-19T08:05:51.004832",
999
      "metadata_modified": "2025-12-19T08:05:51.004832",
            
1000
      "methodology": "The dataset is compiled by the Reserve Bank of 
1000
      "methodology": "The dataset is compiled by the Reserve Bank of 
            
1001
India (RBI) from its extensive network of regulated banks and 
1001
India (RBI) from its extensive network of regulated banks and 
            
1002
financial institutions. It includes data on the geographical location, 
1002
financial institutions. It includes data on the geographical location, 
            
1003
operational status, and other relevant details of bank outlets and 
1003
operational status, and other relevant details of bank outlets and 
            
1004
ATMs. The information is gathered through regulatory filings, surveys, 
1004
ATMs. The information is gathered through regulatory filings, surveys, 
            
1005
and administrative records maintained by the RBI. ",
1005
and administrative records maintained by the RBI. ",
            
1006
      "mimetype": null,
1006
      "mimetype": null,
            
1007
      "mimetype_inner": null,
1007
      "mimetype_inner": null,
            
1008
      "name": "Bank Outlets and ATM's",
1008
      "name": "Bank Outlets and ATM's",
            
1009
      "no_indicators": "0",
1009
      "no_indicators": "0",
            
1010
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
1010
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
            
1011
      "position": 11,
1011
      "position": 11,
            
1012
      "resource_type": null,
1012
      "resource_type": null,
            
1013
      "similar_resources": "",
1013
      "similar_resources": "",
            
1014
      "size": 516258283,
1014
      "size": 516258283,
            
1015
      "sku": "rbi-bank_outlets_and_atms-pl-ot-aaa",
1015
      "sku": "rbi-bank_outlets_and_atms-pl-ot-aaa",
            
1016
      "state": "active",
1016
      "state": "active",
            
1017
      "states_uts_no": "34",
1017
      "states_uts_no": "34",
            
1018
      "tehsil_no": "5989",
1018
      "tehsil_no": "5989",
            
1019
      "url": 
1019
      "url": 
            
1020
bb25b-3281-4aa5-9d3c-e4a5a7dd8e71/download/bank-outlets-and-atms.csv",
1020
bb25b-3281-4aa5-9d3c-e4a5a7dd8e71/download/bank-outlets-and-atms.csv",
            
1021
      "url_type": "upload",
1021
      "url_type": "upload",
            
1022
      "years_covered": "1900-2023"
1022
      "years_covered": "1900-2023"
            
1023
    },
1023
    },
            
1024
    {
1024
    {
            
1025
      "additional_info": "Data structure changed after Feb-2022",
1025
      "additional_info": "Data structure changed after Feb-2022",
            
1026
      "cache_last_updated": null,
1026
      "cache_last_updated": null,
            
1027
      "cache_url": null,
1027
      "cache_url": null,
            
1028
      "created": "2025-05-27T11:13:00.326095",
1028
      "created": "2025-05-27T11:13:00.326095",
            
1029
      "data_extraction_page": 
1029
      "data_extraction_page": 
            
1030
"https://rbi.org.in/Scripts/ATMView.aspx",
1030
"https://rbi.org.in/Scripts/ATMView.aspx",
            
1031
      "data_insights": "Some Insights can be drawn from the dataset: 
1031
      "data_insights": "Some Insights can be drawn from the dataset: 
            
1032
Which banks have the most significant number of ATMs and POS 
1032
Which banks have the most significant number of ATMs and POS 
            
1033
terminals, and how has this changed over time? What is the overall 
1033
terminals, and how has this changed over time? What is the overall 
            
1034
trend in the number of transactions using ATMs and POS terminals, and 
1034
trend in the number of transactions using ATMs and POS terminals, and 
            
1035
how has this varied across different banks? What is the total value of 
1035
how has this varied across different banks? What is the total value of 
            
1036
debit and credit card transactions, and how has this changed over 
1036
debit and credit card transactions, and how has this changed over 
            
1037
time? How has the number of debit and credit cards issued by each bank 
1037
time? How has the number of debit and credit cards issued by each bank 
            
1038
changed over time, and which banks have seen the most growth in their 
1038
changed over time, and which banks have seen the most growth in their 
            
1039
card issuance? What is the average transaction value for ATM and POS 
1039
card issuance? What is the average transaction value for ATM and POS 
            
1040
transactions, and how does this vary across different banks and 
1040
transactions, and how does this vary across different banks and 
            
1041
regions? Are there any seasonal trends in ATM and POS usage, such as 
1041
regions? Are there any seasonal trends in ATM and POS usage, such as 
            
1042
higher usage during certain months or holidays? How does the usage of 
1042
higher usage during certain months or holidays? How does the usage of 
            
1043
electronic payment methods compare to cash-based transactions, and how 
1043
electronic payment methods compare to cash-based transactions, and how 
            
1044
has this trend continued?",
1044
has this trend continued?",
            
1045
      "data_last_updated": "13-05-2025",
1045
      "data_last_updated": "13-05-2025",
            
1046
      "data_retreival_date": "13-05-2025",
1046
      "data_retreival_date": "13-05-2025",
            
1047
      "datastore_active": true,
1047
      "datastore_active": true,
            
1048
      "description": "The Bankwise ATM/POS/Card Statistics dataset is 
1048
      "description": "The Bankwise ATM/POS/Card Statistics dataset is 
            
1049
published monthly by the Reserve Bank of India (RBI). It provides 
1049
published monthly by the Reserve Bank of India (RBI). It provides 
            
1050
information on the usage of automated teller machines (ATMs), point of 
1050
information on the usage of automated teller machines (ATMs), point of 
            
1051
sale (POS) terminals, and payment cards across various banks in India. 
1051
sale (POS) terminals, and payment cards across various banks in India. 
            
1052
This dataset contains information on the number of ATMs and POS 
1052
This dataset contains information on the number of ATMs and POS 
            
1053
terminals installed by each bank, the number of transactions carried 
1053
terminals installed by each bank, the number of transactions carried 
            
1054
out using these machines, and the total value of transactions. 
1054
out using these machines, and the total value of transactions. 
            
1055
Additionally, it provides data on the number of debit and credit cards 
1055
Additionally, it provides data on the number of debit and credit cards 
            
1056
issued by each bank and the total value of transactions made using 
1056
issued by each bank and the total value of transactions made using 
            
1057
these cards. The Bankwise ATM/POS/Card Statistics dataset can be used 
1057
these cards. The Bankwise ATM/POS/Card Statistics dataset can be used 
            
1058
to analyze the growth of electronic payments in India, monitor the 
1058
to analyze the growth of electronic payments in India, monitor the 
            
1059
performance of individual banks, and identify trends in ATM and POS 
1059
performance of individual banks, and identify trends in ATM and POS 
            
1060
usage. Researchers, policy-makers, and financial institutions can 
1060
usage. Researchers, policy-makers, and financial institutions can 
            
1061
leverage this data to make informed decisions related to expanding 
1061
leverage this data to make informed decisions related to expanding 
            
1062
banking infrastructure, developing payment systems, and promoting 
1062
banking infrastructure, developing payment systems, and promoting 
            
1063
cashless transactions.\r\n",
1063
cashless transactions.\r\n",
            
1064
      "district_no": "0",
1064
      "district_no": "0",
            
1065
      "format": "CSV",
1065
      "format": "CSV",
            
1066
      "frequency": "Monthly",
1066
      "frequency": "Monthly",
            
1067
      "geo_columns": [],
1067
      "geo_columns": [],
            
1068
      "gp_no": "0",
1068
      "gp_no": "0",
            
1069
      "granularity": "All India",
1069
      "granularity": "All India",
            
1070
      "hash": "",
1070
      "hash": "",
            
1071
      "id": "7f303693-2dd0-42e7-9a70-d7a9cd917f66",
1071
      "id": "7f303693-2dd0-42e7-9a70-d7a9cd917f66",
            
1072
      "idp_ready": true,
1072
      "idp_ready": true,
            
1073
      "indicators": [],
1073
      "indicators": [],
            
1074
      "last_modified": "2025-05-27T11:13:00.219024",
1074
      "last_modified": "2025-05-27T11:13:00.219024",
            
1075
      "lgd_mapping": "na",
1075
      "lgd_mapping": "na",
            
1076
      "metadata_modified": "2025-12-19T10:21:22.011246",
1076
      "metadata_modified": "2025-12-19T10:21:22.011246",
            
1077
      "methodology": "The exact data collection methodology used by 
1077
      "methodology": "The exact data collection methodology used by 
            
1078
the RBI to gather information for the Bankwise ATM/POS/Card Statistics 
1078
the RBI to gather information for the Bankwise ATM/POS/Card Statistics 
            
1079
dataset is not publicly disclosed. However, it is likely that the data 
1079
dataset is not publicly disclosed. However, it is likely that the data 
            
1080
is collected through a combination of surveys, reports, and data 
1080
is collected through a combination of surveys, reports, and data 
            
1081
sharing agreements with the participating banks. The RBI may require 
1081
sharing agreements with the participating banks. The RBI may require 
            
1082
banks to report their ATM and POS transactions data on a regular 
1082
banks to report their ATM and POS transactions data on a regular 
            
1083
basis, either electronically or through manual reporting. This data 
1083
basis, either electronically or through manual reporting. This data 
            
1084
may be submitted directly to the RBI or through a third-party data 
1084
may be submitted directly to the RBI or through a third-party data 
            
1085
aggregator. The RBI may also use data from other sources, such as 
1085
aggregator. The RBI may also use data from other sources, such as 
            
1086
payment processors or card networks, to supplement the data provided 
1086
payment processors or card networks, to supplement the data provided 
            
1087
by the banks.",
1087
by the banks.",
            
1088
      "mimetype": null,
1088
      "mimetype": null,
            
1089
      "mimetype_inner": null,
1089
      "mimetype_inner": null,
            
1090
      "name": "Bankwise ATM POS Card Statistics 2011-2022",
1090
      "name": "Bankwise ATM POS Card Statistics 2011-2022",
            
1091
      "no_indicators": "16",
1091
      "no_indicators": "16",
            
1092
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
1092
      "package_id": "eb565ca6-aa06-47fd-9c81-05c7ed6c538b",
            
1093
      "position": 12,
1093
      "position": 12,
            
1094
      "resource_type": null,
1094
      "resource_type": null,
            
1095
      "similar_resources": "",
1095
      "similar_resources": "",
            
1096
      "size": 1037280,
1096
      "size": 1037280,
            
1097
      "sku": "rbi-bankwise_atm_pos_old-in-mn-kod",
1097
      "sku": "rbi-bankwise_atm_pos_old-in-mn-kod",
            
1098
      "state": "active",
1098
      "state": "active",
            
1099
      "states_uts_no": "0",
1099
      "states_uts_no": "0",
            
1100
      "tehsil_no": "0",
1100
      "tehsil_no": "0",
            
1101
      "url": 
1101
      "url": 
            
1102
-d7a9cd917f66/download/bankwise-atm-pos-card-statistics-20112022.csv",
1102
-d7a9cd917f66/download/bankwise-atm-pos-card-statistics-20112022.csv",
            
1103
      "url_type": "upload",
1103
      "url_type": "upload",
            
1104
      "years_covered": "2011-2022"
1104
      "years_covered": "2011-2022"
            
1105
    }
1105
    }
            
1106
  ],
1106
  ],
            
1107
  "sector": [
1107
  "sector": [
            
1108
    "Financial Inclusion"
1108
    "Financial Inclusion"
            
1109
  ],
1109
  ],
            
1110
  "source_name": "Reserve Bank of India",
1110
  "source_name": "Reserve Bank of India",
            
1111
  "state": "active",
1111
  "state": "active",
            
1112
  "title": "Reserve Bank of India",
1112
  "title": "Reserve Bank of India",
            
1113
  "type": "dataset",
1113
  "type": "dataset",
            
1114
  "url": "https://rbi.org.in/",
1114
  "url": "https://rbi.org.in/",
            
1115
  "version": null
1115
  "version": null
            
1116
}
1116
}