行政區/商圈
行政區與商圈洞察、產業分佈、市場 analytics
105 個地理單元：行政區 70、產業園區 25、商圈 10。每一筆都帶那一區的企業家數、成長率、產業佔比和商辦等級數量，所以它不只是索引層，本身就能回答「這一區長什麼樣」。只涵蓋台北、新北、台中。
areas
- 工具數
- 3
- 欄位
- 24
- 更新頻率
- 每週更新
- 資料來源
- FUNRAISE
資料 lag：區域 metadata 一年回顧一次。
實際時效以系統實況為準，可在控制台 /admin/usage 看每次呼叫的回應時間。
業內怎麼用這個資料？
區域分析
一次拿到某區的企業家數與產業結構
商辦選址
比較各商圈的 A／B 級商辦存量
跨資料源串接
商圈名稱是 key-enterprise、public-infras 的共同 join key
常見查詢示範
點開任一題看 AI 模擬回答 — 完整資料需登入控制台後在 AI 客戶端實際使用。
Q1 台北市信義區的企業結構與商辦存量長什麼樣？
（呼叫 get_area）
這一組數字直接可用來做區間比較，不需要再去跨其他資料源聚合。
Q2 涵蓋範圍到哪裡？有哪些商圈和產業園區？
105 筆：行政區 70（台中 29、新北 29、台北 12）、產業園區 25、商圈 10。縣市只有三個：新北 54、台中 29、台北 22。中南部與其他縣市都不在裡面。
商圈 10 個：台北的中山北路、信義基隆、南京光復、台北車站、敦化南路、松江南京、民生敦北，新北的府中、新板特區、新莊副都心。
產業園區含台北市北投士林科技園區、南港經貿園區、大內湖科技園區，新北市三俊、中正、中正北路等工業區。
每一筆內部都存了 polygon 邊界，但三個工具都刻意把 polygon 排除在回傳之外，避免一次吐出幾十 KB 的座標。要邊界請改用 industrial-parks 或 land-info。
上面是接好 FUNRAISE MCP 後實際可問的 prompt 範例。複製貼進 Claude.ai／ChatGPT／Notion 後，AI 會自動呼叫對應工具回答。 看接入步驟 →
資料樣本
範例性質的資料結構展示。實際資料可在登入後透過 MCP 工具查詢。
台北市信義區（`get_area`）
- id
- arb05110d
- type / 縣市
- district / A（台北市）
- 企業家數
- 11,340（年成長 7%）
- 產業佔比
- 批發零售 28%、專業顧問 17%、金融保險 14%
- 商辦等級
- A 20、B 111、P 4、F 4
怎麼開始用？
- 1. 註冊 FUNRAISE MCP — Google 或 Microsoft 帳號即可，不需審核。
- 2. 登入控制台，把這個資料源（與其他你需要的）勾進你的資料組合。
- 3. 複製網址，貼進 Claude.ai／ChatGPT／Notion／Claude Code／Gemini CLI／Codex CLI 任一介面。
- 4. 開始問問題 — AI 自動透過 MCP 拉這個資料源的工具與資料回答你。
同類別其他資料源
縣市 metadata
捷運站 + 路線
學校、公園、醫院、政府機關等
全國 19 縣市地籍圖資（1,553 萬餘筆地號 polygon）：座標 → 地號反查、地號 → 座標/邊界/面積/周長、條件檢索（段名、權屬、管理機關、所有權人、面積與登記日期範圍）。全台縣市 → 行政區 → 地段清單；門牌或地段+地號 → 經緯度。台北市另支援：點/地號 → 使用分區 (住三/商三特/公園用地等 240 個 zone_code) + FAR/BCR 法規對照、點/建照 → 建築執照套繪 polygon、地號 → 公告土地現值／公告地價（附公告日期）、公有地權屬與管理機關、使用分區文字（42 萬餘筆）。一條鏈走完都更／危老／估價試算的前置動作。