Smartup: Agencia de Marketing Digital y Big Data

City Analytics: decisiones en la gestión de una ciudad basada en datos

18/06/2020 | Big Data & Analytics

En los últimos años, la irrupción del Big Data y su análisis han traído consigo, además de una alta capacidad de obtención de información valiosa para apoyar la toma de decisiones y automatización de tareas de gran importancia operacional, multitud de nuevas soluciones analíticas que es posible desplegar en los diferentes sectores de la sociedad. Un sector en continuo auge debido al nuevo contexto, es el de las “Smart Cities” o Ciudades Inteligentes, centrado en el objetivo de lograr una ciudad más sostenible y adecuada a las necesidades integrales de sus diversos ciudadanos, mediante el desarrollo urbano apoyado en el uso de Tecnologías de Información y Comunicación y la analítica de datos. Como resultado, la aplicación de analíticas de datos está permitiendo a las Smart Cities, como nunca antes, llegar a información precisa y completa sobre los diferentes aspectos que acontecen a la ciudadanía y adaptar sus políticas públicas a sus necesidades globales.

¿Cómo puede contribuir una Agencia de Big Data como Smartup, en la definición de  soluciones integrales de analítica de datos en el ámbito de la ciudad? Veamos a continuación varios ejemplos según la tipología de datos que se disponga:

Fuentes de datos propios

La analítica de los datos recopilados por el ayuntamiento (entre otros, mediante fuentes de datos como el censo, catastro, impuesto de actividades económicas, encuestas, sensores, reconocimiento de imágenes, etc.) puede utilizarse para caracterizar las diferentes zonas de la ciudad y detectar desequilibrios significativos según diferentes ejes (actividades económicas, educación, movilidad, seguridad, socio-demografía, trabajo, etc.), apoyando de manera detallada y profunda la configuración de las políticas urbanísticas de la ciudad. Este análisis se puede realizar mediante diferentes espacios de agregación, teniendo en cuenta que habrá que integrar las diferentes fuentes de información en ese determinado espacio, por ejemplo, a nivel de distritos, barrios, calles, portales, conjuntos de portales o polígonos.

Entre los diferentes casos de uso que se pueden dar a estos datos, destacan los siguientes: 

  • En primer lugar, es fundamental la creación de herramientas descriptivas o analíticas, que capaciten el análisis de la información relevante de forma simple e intuitiva. Esto se consigue a través de los Cuadros de Mando o “Dashboards”.
  • Por otro lado, también podría plantearse la realización de modelos de “Machine Learning” capacitando, entre otras cosas, la segmentación de las zonas de la ciudad en función de sus diferentes características (mediante técnicas de clustering) o la creación de modelos predictivos capaces de identificar las zonas más propensas a que se produzcan delitos y faltas en un día determinado.

City Analytics: Fuentes de datos públicos/abiertos

Existen gran cantidad de datos abiertos accesibles a lo largo de internet que pueden ser un aliado clave a la hora de complementar las analíticas realizadas sobre datos de la ciudad. A continuación se muestran varios ejemplos de ellos.

  • Por ejemplo, mediante Google Trends, es posible analizar tanto la estacionalidad como la tendencia de las búsquedas en Google sobre la ciudad, pudiéndose especificar el país objetivo, el rango temporal, la categoría de búsqueda, y el ámbito de búsqueda; asimismo, se podrían realizar comparaciones contra otras ciudades con las que se rivalice. Conviene subrayar la posibilidad de extraer datos a través de la API pública de Google Trends mediante lenguajes de programación como R o Python, proporcionando una potente capacidad de integrar los datos, analizarlos detalladamente y realizarlo de manera constante a través del tiempo. En el ejemplo que se muestra a continuación, se ha realizado la comparación de la tendencia de búsquedas vía web del último año desde Alemania sobre las ciudades de Sevilla, Valencia y Málaga en el ámbito turístico; se puede observar como han estado muy reñidas las búsquedas de Sevilla y Valencia durante el último año y la fuerte caída del interés que se ha producido debido al impacto de la “Covid-19”.

Google Trends City Analytics

  • Por otra parte, también es posible analizar los datos abiertos de web de reservas de alojamientos turísticos como por ejemplo, AirBnb capacitando a las ciudades detectar los principales focos de alojamientos turísticos en la ciudad, la fluctuación de la tendencia y estacionalidad de consumo de apartamentos, hasta las opiniones, valoraciones y precios de zonas específicas de la ciudad. Esto capacitará a las ciudades no sólo a analizar los principales patrones turísticos en la ciudad, sino también ayudaría a la detección de alojamientos ilegales y sin licencia turística. En el ejemplo a continuación se visualiza la localización de alojamientos AirBnb en la ciudad de Donostia-San Sebastián y las principales tendencias y estacionalidad de su consumo a lo largo del tiempo. Como se aprecia, el cúmulo mayoritario de los alojamientos se aglutinan en el área subyacente al Casco Viejo y la playa de la Zurriola; asimismo, la tendencia de consumo de apartamentos en Donostia no ha crecido a lo largo de los 5 años analizados; por otra parte, el consumo es estacional durante el año, creciendo principalmente en los meses más cálidos del año (concretamente julio y agosto y, en menor medida, mayo, junio y septiembre).

AirBnb City Analytics

  • Igualmente, también se da la posibilidad de analizar opiniones y contenidos virales en redes sociales como Twitter mediante técnicas de “text mining” y “sentiment analysis”. El análisis de datos de tweets, daría la posibilidad de detectar de qué se está hablando actualmente, cómo se habla (negativa o positivamente, con qué palabras o temáticas, etc) y desde dónde se habla (analizando las ubicacione principales desde donde se escriben los comentarios). Hay que tener en cuenta que este mismo proceso podría llevarse a cabo para diversas fuentes de información, como por ejemplo para opiniones de TripAdvisor o buzones de comentarios de la ciudadanía. En el ejemplo inferior, se han analizado comentarios publicados en Twitter sobre Donostia-San Sebastián a lo largo de una semana. Como se observa en la imagen, la mayoría de los comentarios se sitúan en la misma ciudad de Donostia-San Sebastián y se detectan gran cantidad de tweets sobre noticias relacionadas con la ciudad y el tiempo meteorológico, debido al alto volumen de tweets detectado desde cuentas oficiales sobre estas temáticas; asimismo, el sentimiento general de los tweets durante el periodo analizado es neutro según la métrica “Afinn” y levemente negativo según la métrica de palabras positivas y negativas, principalmente debido a la alta cantidad de tweets en ese periodo sobre la “Covid 19”.

Twitter City Analytics

Fuentes de datos de pago

Finalmente, también se pueden añadir fuentes de información que actualmente son de pago, como suplemento de gran valor a la analíticas de datos de la ciudad y con un esfuerzo relativamente bajo requerido para su extracción, limpieza y mantenimiento. Existen cantidad de fuentes de datos de empresas especializadas, a continuación se exponen ejemplos que son aplicables sobre el “City Analytics”.

  • API’s de pago como la de BBVA, proporcionan la capacidad de explotar datos agregados por zonas para la realización de analíticas sobre consumo de tarjetas de crédito. Esta es una herramienta potentísima que capacita la caracterización de las zonas de la ciudad según su tipología y cantidad de consumo a lo largo del tiempo. 
  • Por últimos, un recurso de gran valor es el uso de la API de Google Maps, capacitando, entre otros, la caracterización comercial de las diferentes zonas de la ciudad (mediante la consulta de los datos geolocalizados de comercios) y el análisis de distancias o tiempos de desplazamiento entre diferentes zonas de la ciudad o hasta la parada de transporte público más cercana.

Julen Montes

Data Scientist en Smartup

Equipo Smartup

Equipo Smartup

Marketing

Ver más artículos de Smartup

  Otros artículos que te interesarán

VIRSHOW: Innovadora Plataforma Cloud

Tiempo de lectura: 6 minutos Las empresas ABANTAIL, XUPERA XXI, ARTEMAN y SMART INTERNET INTERNATIONAL junto al centro de investigación ISEA, están desarrollando un innovador proyecto de investigación denominado VIRSHOW, relativo al Desarrollo de una innovadora Plataforma Cloud que permita a las empresas del sector industrial, de una manera costoeficiente, la generación de espacios virtuales de EXPOSICIÓN y VENTA.

Customer Lifetime Value en las Telcos

Tiempo de lectura: 5 minutos Vivimos tiempos revueltos para las operadoras de telecomunicaciones. En un mercado cada vez más competitivo, los clientes sienten menor fidelidad a la marca, probablemente debido a las agresivas políticas de captación que practican. ¡Averigua qué factores afectan al Customer Lifetime Value en el sector de las Telcos para progresar en un mercado altamente competitivo!

Smartup 2019 © Todos los derechos reservados.