做金融研究或者县域经济分析的人，大概率都翻过各类数据平台的银行网点数据。其中“CnOpenData 中国邮政储蓄银行网点信息数据”这个名字，看着像一条普通的数据库目录，实际上背后信息量不小。我最早接触这份数据时，是想研究县域金融覆盖度，当时找遍了能找到的银行网点资料，最后发现邮储银行的网点数据反而是最值得细挖的一块：网点数量多、下沉深、层级复杂，字段里藏了很多可做的文章。这篇就把我对这类数据的理解、处理经验和踩坑心得都写出来，给同样在跟网点数据较劲的朋友做个参考。
1. 网点数据是什么：先拆穿标题里的信息量
1.1 一张按网点颗粒度整理的银行基础档案
很多人第一次看到“网点信息数据”这几个字，下意识会觉得这不就是个通讯录吗，网点名字加地址加电话，有什么好研究的。还真不是。银行网点信息数据不是业务流水，不是客户明细，它是按“物理网点”这个粒度组织的基础档案。每一条记录代表一个真实存在的营业机构，字段通常覆盖网点名称、机构编码、所属省市县、详细地址、经纬度坐标、网点类型、联系电话、营业状态等。
这类数据的本质，是银行的“物理存在”在空间上的投影。它不像交易数据那样高频变动，也不像财报数据那样高度结构化，它更像一张带地理位置标签的机构清单。正因为如此，它天然适合跟地理信息、人口数据、经济统计数据做关联分析。你在做普惠金融、金融地理、区域经济差异、网点选址这些问题时，少不了一张干净的网点底表。对很多研究来说，这张表不是终点，但绝对是绕不开的起点。
这里要特别强调一个容易被忽略的点：银行网点信息数据，和使用者自己从官网逐个页面抓下来的网点查询结果，看起来都是“网点列表”，质量差异却很大。平台整理的版本，一般做了字段规整、行政区划对应、坐标统一等预处理，省去了大量反复清洗的功夫。不过拿到手也并不意味着能直接用，后面我会展开讲清洗步骤，总而言之：这是一份“可用的原料”，不是“做好的菜”。
1.2 邮储银行的网点数据特殊在哪里
既然市面上有那么多银行的网点数据，为什么专门把“中国邮政储蓄银行”拿出来说？因为邮储银行在国内银行体系里的位置太特殊了，连带着它的网点数据也跟着特殊。
第一是覆盖面。邮储银行的网点数量长期位居全国前列，而且不是只集中在城市，县和乡镇一级的网点数量极其庞大。四大行这几年在县域不断撤并网点，邮储反而保留了大量的基层营业所。你想研究农村金融、县域信贷可得性、乡镇居民的基础金融服务，没有比邮储银行网点更适合的样本了。很多经济欠发达县，可能找不到某家股份制银行的一个网点，但几乎不可能找不到邮储银行。
第二是层级复杂。邮储银行的机构层级是“总行—一级分行—二级分行—一级支行—二级支行—营业所/储蓄所”这样的长链条。不同层级对应不同的业务权限，比如贷款审批权限可能只在支行及以上，营业所更多承担储蓄和汇兑功能。网点数据里的“类型”字段，如果利用得好，就能构造出“服务深度”这个维度的变量。这一点在做金融服务质量研究时特别有价值。
第三是“自营”和“代理”的区分。邮储银行很早就和邮政系统共用基层网络，一部分网点是银行自营，另一部分则是邮政企业代理。两种网点对外都挂着邮储的牌子，但业务范围、人员管理归属都存在差异。具体到数据里，不一定每次都会明确标出“代理”字样，往往需要结合网点名称、机构编码特征去判断。这个细节很多人没注意到，但它直接影响分析结论。比如你要测算邮储银行自身的服务供给能力，就不应该把代理网点一股脑算进去；你想测算邮政体系对农村金融的渗透作用，反而得把代理网点当作核心样本。
2. 为什么值得花时间整理：应用场景与研究价值拆解
2.1 学术研究视角：金融地理与普惠金融研究中的“基础设施数据”
做学术研究的人对这类数据的价值感知应该最直接。金融地理学里有个经典问题：金融资源在哪里聚集，在哪里缺位。要回答这个问题，网点数据是最朴素也最可信的证据。你不会用存款余额去度量“金融地理存在感”，因为余额会受经济规模影响；但你会用“每万人拥有网点数”、“每百平方公里网点数”、“最近网点距离”这类指标来度量金融基础设施的可触达性。
我在实际项目中用过这套思路。当时做一个省域内的金融可得性分析，核心做法是：先把邮储网点按县域聚合，算出每个县的网点总量，再结合各县人口和面积，构造出人均密度和地理密度两个指标。接下来用空间统计里的核密度分析，观察网点是不是集中在某个核心区，还是均匀铺开。最后把网点数据和乡镇人口数据做最近邻匹配，算出每个乡镇到最近邮储网点的车行距离。这套组合打下来，县域金融资源分布的全貌就出来了。网点数据在整个链条里是唯一的空间数据来源，少了它，后面所有分析都无从谈起。
学术研究还特别看重“可比性”和“可复现性”。邮储网点数据覆盖面广、口径相对稳定，用同一套标准去处理不同年份的数据，就能做出面板数据，观察网点进入退出和区域金融服务的动态变化。对于发表在期刊上的论文来说，这种可复现性很重要。审稿人问你“网点数据怎么来的、口径是什么”，你只要能讲清楚来源和处理逻辑，数据层面就比较扎实。
2.2 商业决策视角：网点选址、渠道评估与竞品分析
学术之外，商业场景对这个数据的需求同样旺盛。银行做网点布局优化时，需要知道现有网点的空间分布与业务辐射范围；非银行金融机构想跟邮储谈渠道合作，最关心的就是对方网点在你目标区域有没有覆盖；做快消、家电、保险代理的公司，也会把银行网点当作一个“渠道密度”的参照系。
我有一次帮某消费品企业做过一个区域渠道评估项目，客户想在县域市场铺服务网点，但内部对“哪些县值得优先进入”争议很大。最后我们引入了几家银行的网点数据作为“区域金融活跃度”的代理指标，其中邮储网点就是最重要的变量。原因很简单：邮储网点在县和乡镇的有无，基本能代表这个区域的基础金融服务底盘；有底盘的地方，消费能力和商业环境通常也相对可靠。把邮储网点密度和人口数据叠加后，客户很快就锁定了几个之前被忽视的潜力县。
商业分析里的优势在于，网点数据可以和外部数据无限叠加。叠加路网数据可以算交通便利度；叠加夜间灯光数据可以判断区域经济活跃度；叠加周边小区和写字楼的POI数据可以评估客群潜力。数据是死的，应用场景是活的。而邮储网点因为下沉深、覆盖广，在做低线城市和县域市场分析时，是其他银行数据替代不了的。
2.3 多源数据融合：从一张表变成一个指数
单独看网点数据，它只是一张机构清单；但一旦和其他数据源融合，它的价值会呈指数级放大。
常见的做法是构建“金融服务可得性指数”。基本思路是：把网点数据作为分子端，把人口数据、面积数据作为分母端，得到密度指标；再把道路网络、地形起伏作为阻抗因子，计算可达性指标；最后把多个指标做标准化合成，得到一个区域金融覆盖的综合评分。这个指数做成之后，往上可以跟区域经济增长数据做相关性分析，往下可以细分到乡镇街道作为精细化运营的依据。
空间分析里还有几个经典操作值得一提。比如用Voronoi图给每个网点划分服务区，再统计每个服务区内的人口总量；或者以网点为圆心做1公里、3公里、5公里缓冲区，计算缓冲区内的居住人口和商户数量。这些操作本质上都在回答同一个问题：一个网点到底辐射了多少人。只有网点数据精度足够高，坐标足够准，算出来的辐射范围才有意义。
3. 实操：从原始数据到可分析样本
3.1 第一步：字段盘点与数据体检
拿到数据之后，第一件事不是做图，不是跑模型，而是老老实实做字段盘点。我一般用pandas直接读进DataFrame，先看形状、列名、数据类型和缺失情况。数据集的来源平台不同，字段命名方式也有差异，但核心信息逃不开那几个：网点名称、所属区域、详细地址、经度纬度、网点类型、营业状态。先把底数摸清楚，后面才能少走弯路。
import pandas as pd df = pd.read_csv("postal_savings_branches.csv", encoding="utf-8") print("行数：", df.shape[0]) print("列数：", df.shape[1]) print("列名：", df.columns.tolist()) missing = df.isnull().sum() print(missing[missing > 0])这段代码跑完之后，我主要看三个地方。一看数据量是否符合预期，比如某个省应该有几百个网点，结果只有几十条，那大概率是数据源本身有截断。二看缺失集中的字段，比如经纬度缺失比例超过10%，后续就得预留地理编码的时间。三看“网点类型”这个字段的取值分布，如果全是同一个值，说明字段没有区分度，后面做网点分级就得想别的办法。这个体检过程看起来简单，却能提前暴露大部分问题。
还有一个细节：中文数据文件经常遇到编码问题。读取时指定encoding="utf-8"仍然报错的话，可以换encoding="gbk"。不同平台导出的文件编码习惯不一样，多试两次就能解决。
3.2 第二步：地址清洗与行政区划规整
地址字段是所有网点数据里最让人头疼的部分，没有之一。这份数据的地址写法通常还比较规整，但依然逃不过几个典型的毛病：省市区层级重复、括号里的补充说明、门牌号缺失、村级地址用简称。“北京市北京市朝阳区某某街道某某路1号”这种层级重复是常见问题；地址末尾带着“（营业厅）”“（支行）”这样的用途标注也很常见；还有地址写“某某乡政府旁”这种相对位置描述，精确地理编码基本没戏。
我的清洗流程一般分三步。第一步是去除明显冗余信息，把括号内容、连续空白、语气助词都清掉；第二步是标准化行政区划前缀，确保“省、市、区/县、乡镇/街道”的层级结构完整；第三步是提取关键地名词典，把常见路名、镇名、村名识别出来，为后续地理编码提供候选关键词。
import re def clean_address(addr): if not isinstance(addr, str): return "" addr = re.sub(r"[（(].*?[)）]", "", addr) # 去掉括号注释 addr = re.sub(r"\s+", "", addr) # 去掉空白字符 addr = addr.replace("省省", "省").replace("市市", "市") return addr.strip() df["addr_clean"] = df["地址"].apply(clean_address)行政区划规整是另一个容易被忽略的环节。中国行政区划一直在调整，撤县设区、乡镇合并、村改居这些变动都会导致同一地址在不同年份归属不同。如果你拿到的数据是历史年份的，一定要先确认当时的行政区划代码表，不能直接用现在的代码去匹配。否则做面板分析时，同一个乡镇在前后两个年份可能对应两个不同的代码，数据对不上还找不到原因。
3.3 第三步：坐标校验与空间匹配
坐标是整个数据里最值钱的字段，也是最需要小心对待的字段。拿到经纬度后，我建议先做一个粗筛，看看坐标点是不是都落在目标范围内。比如分析单位是中国大陆，那经度应该在73到135之间，纬度在18到54之间；如果出现经度大于180或者纬度接近0的点，说明坐标已经错位了。
另一个经典问题是坐标系不统一。国内公开数据里常见WGS-84和GCJ-02两种坐标系，两者相差几百米到一千米不等。地图显示和空间分析如果混用了两套坐标系，结果会出现肉眼可见的偏移。我遇到过一份数据，网点坐标在地图上整体偏移了大概500米，排查半天发现是坐标系混用导致。解决办法是拿到坐标时先确认坐标系来源，如果拿不准，可以抽样网点地址跟地图影像上的实际位置做交叉验证。几个点对应不上，就先别急着往下分析。
如果原始数据里只有地址没有经纬度，那就需要做地理编码。批量地理编码经常遇到失败率高的问题，尤其是村级地址和偏远乡镇地址。我一般会先按省份分包，用高德或百度这类地理编码服务商逐个请求，同时设置失败重试机制。地址解析不到精确点位时，退而求其次，匹配到乡镇街道级别的坐标，用坐标所属的乡镇区域参与后续分析，精度虽然低一点，但总比丢掉样本强。
from math import radians, sin, cos, sqrt, atan2 def haversine(lat1, lon1, lat2, lon2): r_lat1, r_lon1, r_lat2, r_lon2 = map(radians, [lat1, lon1, lat2, lon2]) dlat = r_lat2 - r_lat1 dlon = r_lon2 - r_lon1 a = sin(dlat / 2) ** 2 + cos(r_lat1) * cos(r_lat2) * sin(dlon / 2) ** 2 return 6371.01 * 2 * atan2(sqrt(a), sqrt(1 - a))坐标匹配阶段，还可以计算每个网点距最近城市的距离、距最近铁路站点的距离，这些派生距离变量后续都能用作解释变量。但前提是坐标本身得可靠，坐标一偏，所有距离计算都跟着偏。
3.4 第四步：网点类型分桶与指标派生
清洗完地址、校验完坐标，数据仍然只是“能用”，还谈不上好用。真正让这份数据产生分析价值的是派生指标。我通常会先对网点类型做分桶处理，再结合外部数据计算密度类和可达性类指标。
网点类型分桶的逻辑很简单：根据原始数据里的类型字段，把它归并成三到四类。比如“营业所”“储蓄所”归为“基础储蓄类”，“支行”“分行”归为“综合服务类”，“代理营业所”单独成一类“代理类”。这么做的目的，是为了以后在分析里可以进行“全部门店统计”和“自有门店统计”两组口径的对比。需要严谨结论时，两组口径分别跑一遍，往往能发现不少有意思的差异。
指标派生这块，常用组合有这么几组：网点数据加上人口数据，做“每万人网点数”；加上面积数据，做“每百平方公里网点数”；加上乡镇中心坐标，做“各乡镇到最近网点的平均距离”。这些都是普惠金融研究里的经典指标，也是很多论文被引最多的结果。
# 按县域聚合网点数量 county_stats = df.groupby("县代码").agg( 网点数=("网点名称", "count"), 综合网点数=("类型桶", lambda x: (x == "综合服务类").sum()), 经度均值=("经度", "mean"), 纬度均值=("纬度", "mean") ).reset_index()这段代码处理完后，你就拥有了一张县域级别的网点统计表，可以跟统计年鉴里的经济数据直接做匹配。整个处理链路走下来，这份网点数据才真正具备了进入模型和报告的条件。
4. 常见问题与排查技巧实录
4.1 网点更名、迁址与机构合并导致的对不齐问题
做面板数据或者多年度对比分析时，最头疼的事情就是同一个网点在不同年份的“长相”完全对不上。邮储银行这些年经历了多次机构改制，很多原来的储蓄所升级成了支行，名称变了；有些网点因为城市规划搬了地址；还有网点在邮政和银行体系之间划转，数据记录里的机构编码都变了。
我处理这类问题时用的方法是“名称匹配+地址模糊匹配+人工抽检”三层验证。先按网点名称精确匹配，找出连续年份可以对应上的样本；再将匹配不上的记录，用地址关键字段做模糊匹配，比如镇名和路名完全一致但门牌号不同，就认为大概率是同一个网点；最后再对模糊匹配结果做人工抽检，逐个确认。
做面板数据时还有一个建议：不要只盯着网点名称做唯一键。名称会改，地址会动，但比较稳定的往往是“区域+方位+类型”这个组合。我在实际项目里经常构造一个“乡镇名+路名关键词+网点类型”的组合键，匹配效果比单一字段强很多。
4.2 地址口径混乱与地理编码失败
地址口径混乱在网点数据里太常见了。同一个镇，有的记录写成“某某镇”，有的写成“某某乡”，实际上行政区划已经调整过；同一栋楼，一个记录写“某某路1号”，另一个写“某某路1号某某大厦一层”。这些细节不处理，地理编码的准确率就上不去。
批量地理编码失败时，我常用的一个兜底方案是“逐级降精度匹配”。先尝试精确解析详细地址，失败了就改用“省+市+区县+乡镇”这个组合去请求解析服务；再失败就只保留区县级别坐标。这样虽然部分网点只能匹配到县域中心，但分析时可以用“该网点位于某县”这个二元变量，总比直接丢弃样本好。这个方案看起来简单，在实际项目里能救回百分之二三十的记录。
4.3 坐标精度不足与位置漂移
坐标精度不足的问题，在处理一些历史版本数据时格外突出。有些网点坐标实际上并不是网点的精确位置，而是所在乡镇或街道的中心点。用这种数据做缓冲区分析和最近邻计算，结果会系统性偏差。
我一般的做法是抽样验证。随机抽取几十个网点，把坐标落在高精度地图影像上，逐个看是不是在建筑物轮廓内。如果大量样本点落在道路中间、农田里或者远离居民区的位置，那就要怀疑坐标精度了。对于明显偏移的点，可以用地址反查修正，或者干脆剔除后做鲁棒性检验，确保主要结论不会因为坐标问题而改变。
4.4 营业状态与网点性质过滤
网点数据的“营业状态”字段很容易被忽略。有些网点已经暂停营业了，但名单还留在数据里，分析时如果不做过滤，就会高估该区域的金融服务供给水平。我在处理时都会先看一眼状态字段的取值分布，把“暂停营业”“注销”“迁址中”这类状态单独标记出来，默认情况下只分析“正常营业”的网点。
还有一个前面提到的性质过滤问题：自营网点和代理网点要不要一起统计。这个完全取决于研究问题，没有标准答案。但我的建议是永远跑两套口径，一套含代理，一套不含代理，在论文或者报告里明确说明用的是哪一套。如果两组口径的结论方向一致，说明结论比较稳健；如果差异明显，那这个差异本身就是一个值得写进报告里的发现。
5. 再往前走一步：从“网点表”到“研究对象”
5.1 时间维度：构建网点进入退出的动态面板
如果你的手头有多个年份的网点数据，不要只做静态截面分析，完全可以做出动态视角。把各年份的网点名单放在一起做集合运算，就能得到哪年新开了多少网点、哪年关闭了多少网点。再把这些事件和区域人口增长、经济发展数据放在一起做关联分析，就能回答类似“网点扩张是跟着人口走还是跟着产业结构走”的问题。
5.2 空间维度：计算服务半径与人口覆盖
空间维度的玩法更多。之前提到过Voronoi图划分服务区和缓冲区分析，这两个方法都能估算单网点的潜在服务人口规模。叠加人口栅格数据后，还可以进一步计算“金融服务空白区”的面积和人口，这个指标对县域规划和商业选址都有参考价值。做这类分析时，需要用到GIS工具和空间计算库，但思路并不复杂：每个网点都有一个辐射范围，范围里人口的多少就是它潜在价值的大小。
5.3 业务维度：结合网点属性做功能分层
最后一个扩展方向是根据网点属性做功能分层。不是所有网点都能办理贷款和理财，综合型支行和基础储蓄所的客户服务能力差别很大。如果把网点类型、营业面积、人员配置（如果有的话）这些字段组合起来，就能给每个网点打一个“服务能力分”，再把这个分数作为加权值去做区域金融服务的综合评价。相比简单数网点个数，这种加权分析能揭示更细的问题：某个区域虽然网点不少，但高服务能力的网点占比很低，居民想办复杂业务还得跑很远。
我自己做这类数据最大的体会是：真正花时间的不是跑模型，而是把地址搞清楚、把坐标弄准确、把口径想明白。很多人拿到的数据源差不多，最后分析水平却差出一大截，差的就是这些不太起眼的基础工作。
最后分享一个小技巧。做网点数据可视化时，别一上来就画全量散点图，那只会看到一团密密麻麻的点。先按地市或者区县做聚合，用聚合值画分级统计图，整体格局一目了然；再对重点区域做局部放大，落点看细节。这样由面到点地看数据，很容易在汇报里讲出故事感。这份邮储网点数据后续还可以继续叠加工商企业数据、土地交易数据、人口流动数据，做空间上的交叉验证，扩展空间还很大。基础数据就摆在那里，能挖出什么，很大程度上取决于愿意花多少心思在预处理上。
