Habilitaciones GCBA
pmorenofrers
6/8/2019
Introducción
La base de “Habilitaciones aprobadas” disponible en DATA BUENOS AIRES es producida por la Agencia de Control Gubernamental. Dicha base puede descargarse en dos archivos CSV: uno que contiene información de 2015 a 2018 y otro que contiene información de 2019. Las habilitaciones aprobadas podrían mostrarnos ciertos comportamientos económicos del territorio, por eso resulta interesante analizar las bases.
Exploración de la base de Habilitaciones
La base a explorar es un “listado de habilitaciones otorgadas por la Agencia Gubernamental de Control a establecimientos comerciales de la Ciudad de Buenos Aires a partir de 2015”.
Disponible en: https://data.buenosaires.gob.ar/dataset/habilitaciones-aprobadas
Para comenzar, vamos a cargar las librerías que vamos a utilizar:
library(tidyverse)library(ggplot2)library(sf)library(rgdal)Ahora vamos a cargar las bases a explorar. Hay una que contiene la información entre 2015 y 2018:
habilitaciones.20152018 <- read.csv("http://cdn.buenosaires.gob.ar/datosabiertos/datasets/habilitaciones-aprobadas/habilitaciones-2015-a-2018.csv", encoding = "UTF-8")Y otra que contiene la información de 2019:
habilitaciones.2019 <- read.csv("http://cdn.buenosaires.gob.ar/datosabiertos/datasets/habilitaciones-aprobadas/habilitaciones-2019.csv", encoding = "UTF-8")Veamos las dimensiones de cada una:
dim(habilitaciones.20152018)## [1] 137463 18dim(habilitaciones.2019)## [1] 14203 27Veamos un resumen de cada una:
summary(habilitaciones.20152018)## solicitud tipo_tramite tipo_expediente
## Min. : 6 Ampliación : 167 especial: 1037
## 1st Qu.:243587 Habilitación :135428 simple :136426
## Median :306080 Redistribución de uso: 17
## Mean :298590 Transferencia : 1851
## 3rd Qu.:353422
## Max. :377761
##
## subtipo_expediente fecha_habilitacion
## con planos :54493 : 1851
## Habilitación Previa: 909 2014-10-28: 1205
## Inspección Previa : 128 2014-12-31: 983
## sin planos :81933 2015-01-28: 982
## 2017-04-25: 952
## 2015-05-27: 860
## (Other) :130630
## numero_expediente codigo_rubro
## EX-2015-26799857- -MGEYA-DGHP: 47 Min. :102024
## EX-2017-26281531- -MGEYA-DGHP: 40 1st Qu.:601010
## EX-2017-24655388- -MGEYA-DGHP: 38 Median :603089
## EX-2015-27702111- -MGEYA-DGHP: 34 Mean :595589
## EX-2016-12452477- -MGEYA-DGHP: 34 3rd Qu.:603310
## EX-2017-21604901- -MGEYA-DGHP: 33 Max. :888888
## (Other) :137237
## descripcion_rubro
## COM.MIN.DE ARTIC. PERSONALES Y PARA REGALOS : 8519
## COM.MIN.DE ROPA CONFECCION., LENCERIA, BLANCO,MANTEL.TEXT. EN GRAL.Y PIELES: 7808
## COM.MIN.DE BEBIDAS EN GENERAL ENVASADAS : 7763
## COM.MIN.DE CALZADOS EN GRAL., ART.DE CUERO. TALABARTERIA, MARROQUINERIA : 5603
## COM.MIN. DE PRODUCTOS ALIMENTICIOS EN GENERAL : 4971
## COM.MIN. DE PRODUCTOS ALIMENTICIOS ENVASADOS : 4702
## (Other) :98097
## superficie seccion manzana parcela
## Min. : 0.00 9 :15643 006 : 2000 001 : 5308
## 1st Qu.: 45.41 77 : 6360 001 : 1863 011 : 3023
## Median : 94.22 65 : 5995 004 : 1761 002 : 2968
## Mean : 163.85 19 : 4593 013 : 1727 010 : 2927
## 3rd Qu.: 198.75 5 : 3382 012 : 1726 013 : 2866
## Max. :230369.21 15 : 3329 002 : 1635 007 : 2815
## (Other):98161 (Other):126751 (Other):117556
## partida_matriz partida_horizontal
## 191188 : 268 :59561
## 433699 : 234 ; : 416
## 448299 : 196 1963088: 87
## 223955 : 190 1262095: 68
## 300241 : 189 1003617: 67
## 207907 : 188 1860745: 67
## (Other):136198 (Other):77197
## calles
## SALGUERO, JERONIMO 3212;SALGUERO, JERONIMO 3216;CAVIA 3297;SALGUERO, JERONIMO 3312;SALGUERO, JERONIMO 3360: 100
## FERNANDEZ DE LA CRUZ, F., GRAL. AV. 4602 : 98
## : 95
## CORRIENTES AV. 2314 : 92
## PASTEUR 261 : 92
## MITRE, BARTOLOME 2757 : 87
## (Other) :136899
## unidad_funcional titulares
## :59434 DIA ARGENTINA S.A. : 1217
## 0001 :29594 INC S.A. : 301
## 0002 :15322 DIA ARGENTINA S A : 187
## 0003 : 6616 Farmcity S.A. : 180
## 0004 : 4074 VISION 101 S.A. : 136
## 0005 : 2556 PAN AMERICAN ENERGY LLC SUCURSAL ARGENTINA: 112
## (Other):19867 (Other) :135330
## cuits
## 30685849751: 1501
## 30692138747: 317
## 30687310434: 301
## 30708648414: 165
## 30695542476: 112
## 27946233582: 102
## (Other) :134965summary(habilitaciones.2019)## solicitud tipo_tramite tipo_expediente
## Min. :222986 Habilitación:14203 especial: 111
## 1st Qu.:342292 simple :14092
## Median :366292
## Mean :344608
## 3rd Qu.:375987
## Max. :379691
##
## subtipo_expediente superficie fecha_habilitacion
## con planos :8398 Min. : 2.25 2019-03-25: 412
## Habilitación Previa: 109 1st Qu.: 50.00 2019-04-05: 394
## Inspección Previa : 2 Median : 108.25 2019-06-30: 359
## sin planos :5694 Mean : 210.85 2019-06-11: 282
## 3rd Qu.: 243.51 2019-04-04: 241
## Max. :34233.20 2019-01-10: 228
## (Other) :12287
## hora_habilitacion numero_expediente
## 10:30:00 a.m.: 41 : 378
## 11:40:20 a.m.: 38 EX-2019-03316906- -MGEYA-DGHP: 52
## 10:00:12 a.m.: 33 EX-2019-00663864- -MGEYA-DGHP: 41
## 03:36:29 p.m.: 32 EX-2019-03650531- -MGEYA-DGHP: 40
## 08:19:41 a.m.: 32 EX-2019-03979638- -MGEYA-DGHP: 40
## 04:58:33 p.m.: 30 EX-2018-08361263- -MGEYA-DGHP: 33
## (Other) :13997 (Other) :13619
## codigo_rubro
## Min. :500028
## 1st Qu.:601010
## Median :602070
## Mean :599720
## 3rd Qu.:603310
## Max. :801060
##
## descripcion_rubro
## COM.MIN.DE BEBIDAS EN GENERAL ENVASADAS : 951
## COM.MIN.DE ARTIC. PERSONALES Y PARA REGALOS : 641
## COM.MIN. DE PRODUCTOS ALIMENTICIOS ENVASADOS : 613
## COM.MIN. DE PRODUCTOS ALIMENTICIOS EN GENERAL : 582
## COM.MIN.DE ROPA CONFECCION., LENCERIA, BLANCO,MANTEL.TEXT. EN GRAL.Y PIELES: 559
## CAFÉ BAR : 469
## (Other) :10388
## unidad_funcional seccion manzana parcela
## :6328 9 : 1212 34 : 230 1 : 608
## 1 :3154 19 : 589 60 : 215 11 : 390
## 2 :1761 77 : 527 12 : 179 15 : 343
## 3 : 737 65 : 421 13 : 177 12 : 325
## 4 : 309 1 : 401 1 : 169 2 : 321
## 5 : 192 15 : 393 19 : 169 8 : 317
## (Other):1722 (Other):10660 (Other):13064 (Other):11899
## partida_matriz partida_horizontal
## 207907 : 84 :6344
## 300241 : 53 ; : 132
## 191188 : 52 1114291: 52
## 206714 : 52 1758265: 40
## : 50 1896743: 40
## 433800 : 48 1935493: 33
## (Other):13864 (Other):7562
## direccion
## LARREA 387 : 52
## PASO 260;CASTELLI 265;PASO 270;CASTELLI 279;PASO 266;CASTELLI 269;CASTELLI 273;CASTELLI 277: 44
## MITRE, BARTOLOME 2279 : 41
## AZCUENAGA 223 : 40
## CASTELLI 196 : 40
## MITRE, BARTOLOME 2673 : 33
## (Other) :13953
## titulares cuits calle_nombre
## DIA ARGENTINA S.A.: 239 30685849751: 271 :2955
## FARMCITY S.A. : 94 30692138747: 142 RIVADAVIA AV. : 421
## INNOQ S.R.L. : 52 30716239965: 52 CORRIENTES AV. : 360
## NOBS S.A. : 43 30661041486: 46 CABILDO AV. : 207
## CD TIGRE S.R.L. : 41 30712215689: 43 SANTA FE AV. : 190
## LIU, JING : 40 30712481486: 41 MITRE, BARTOLOME: 175
## (Other) :13694 (Other) :13608 (Other) :9895
## calle_altura long lat barrio
## Min. : 1 Min. :-58.53 Min. :-34.69 :3075
## 1st Qu.: 779 1st Qu.:-58.47 1st Qu.:-34.62 Balvanera :1469
## Median : 1970 Median :-58.43 Median :-34.61 Palermo :1120
## Mean : 2289 Mean :-58.44 Mean :-34.61 Flores : 595
## 3rd Qu.: 3328 3rd Qu.:-58.40 3rd Qu.:-34.59 San Nicolas: 587
## Max. :12280 Max. :-58.36 Max. :-34.54 Belgrano : 581
## NA's :2955 NA's :2955 NA's :2955 (Other) :6776
## comuna codigo_postal codigo_postal_argentino
## :3075 Min. :1001 : 3115
## Comuna 3 :1581 1st Qu.:1120 C1030AAG: 52
## Comuna 1 :1463 Median :1407 C1046AAO: 42
## Comuna 14:1120 Mean :1297 C1039AAI: 41
## Comuna 13: 865 3rd Qu.:1425 C1029AAE: 40
## Comuna 10: 805 Max. :1440 C1031AAD: 40
## (Other) :5294 NA's :3088 (Other) :10873La base de 2019 tiene más información que la de 2015 a 2018.
Contiene información de: * barrio/comuna * lat/long * CP/CPA
Todos estos datos, nos permiten realizar rápidamente una serie de cruces y visualizaciones.
Para poder tener un ID vinculable con otras bases, le agregaremos el dato de smp normalizado en un solo campo:
habilitaciones.2019 <- habilitaciones.2019%>%
mutate(smp = paste(seccion, manzana, parcela, sep = "-"),
smp = toupper(smp))Veamos cómo quedó:
summary(habilitaciones.2019)## solicitud tipo_tramite tipo_expediente
## Min. :222986 Habilitación:14203 especial: 111
## 1st Qu.:342292 simple :14092
## Median :366292
## Mean :344608
## 3rd Qu.:375987
## Max. :379691
##
## subtipo_expediente superficie fecha_habilitacion
## con planos :8398 Min. : 2.25 2019-03-25: 412
## Habilitación Previa: 109 1st Qu.: 50.00 2019-04-05: 394
## Inspección Previa : 2 Median : 108.25 2019-06-30: 359
## sin planos :5694 Mean : 210.85 2019-06-11: 282
## 3rd Qu.: 243.51 2019-04-04: 241
## Max. :34233.20 2019-01-10: 228
## (Other) :12287
## hora_habilitacion numero_expediente
## 10:30:00 a.m.: 41 : 378
## 11:40:20 a.m.: 38 EX-2019-03316906- -MGEYA-DGHP: 52
## 10:00:12 a.m.: 33 EX-2019-00663864- -MGEYA-DGHP: 41
## 03:36:29 p.m.: 32 EX-2019-03650531- -MGEYA-DGHP: 40
## 08:19:41 a.m.: 32 EX-2019-03979638- -MGEYA-DGHP: 40
## 04:58:33 p.m.: 30 EX-2018-08361263- -MGEYA-DGHP: 33
## (Other) :13997 (Other) :13619
## codigo_rubro
## Min. :500028
## 1st Qu.:601010
## Median :602070
## Mean :599720
## 3rd Qu.:603310
## Max. :801060
##
## descripcion_rubro
## COM.MIN.DE BEBIDAS EN GENERAL ENVASADAS : 951
## COM.MIN.DE ARTIC. PERSONALES Y PARA REGALOS : 641
## COM.MIN. DE PRODUCTOS ALIMENTICIOS ENVASADOS : 613
## COM.MIN. DE PRODUCTOS ALIMENTICIOS EN GENERAL : 582
## COM.MIN.DE ROPA CONFECCION., LENCERIA, BLANCO,MANTEL.TEXT. EN GRAL.Y PIELES: 559
## CAFÉ BAR : 469
## (Other) :10388
## unidad_funcional seccion manzana parcela
## :6328 9 : 1212 34 : 230 1 : 608
## 1 :3154 19 : 589 60 : 215 11 : 390
## 2 :1761 77 : 527 12 : 179 15 : 343
## 3 : 737 65 : 421 13 : 177 12 : 325
## 4 : 309 1 : 401 1 : 169 2 : 321
## 5 : 192 15 : 393 19 : 169 8 : 317
## (Other):1722 (Other):10660 (Other):13064 (Other):11899
## partida_matriz partida_horizontal
## 207907 : 84 :6344
## 300241 : 53 ; : 132
## 191188 : 52 1114291: 52
## 206714 : 52 1758265: 40
## : 50 1896743: 40
## 433800 : 48 1935493: 33
## (Other):13864 (Other):7562
## direccion
## LARREA 387 : 52
## PASO 260;CASTELLI 265;PASO 270;CASTELLI 279;PASO 266;CASTELLI 269;CASTELLI 273;CASTELLI 277: 44
## MITRE, BARTOLOME 2279 : 41
## AZCUENAGA 223 : 40
## CASTELLI 196 : 40
## MITRE, BARTOLOME 2673 : 33
## (Other) :13953
## titulares cuits calle_nombre
## DIA ARGENTINA S.A.: 239 30685849751: 271 :2955
## FARMCITY S.A. : 94 30692138747: 142 RIVADAVIA AV. : 421
## INNOQ S.R.L. : 52 30716239965: 52 CORRIENTES AV. : 360
## NOBS S.A. : 43 30661041486: 46 CABILDO AV. : 207
## CD TIGRE S.R.L. : 41 30712215689: 43 SANTA FE AV. : 190
## LIU, JING : 40 30712481486: 41 MITRE, BARTOLOME: 175
## (Other) :13694 (Other) :13608 (Other) :9895
## calle_altura long lat barrio
## Min. : 1 Min. :-58.53 Min. :-34.69 :3075
## 1st Qu.: 779 1st Qu.:-58.47 1st Qu.:-34.62 Balvanera :1469
## Median : 1970 Median :-58.43 Median :-34.61 Palermo :1120
## Mean : 2289 Mean :-58.44 Mean :-34.61 Flores : 595
## 3rd Qu.: 3328 3rd Qu.:-58.40 3rd Qu.:-34.59 San Nicolas: 587
## Max. :12280 Max. :-58.36 Max. :-34.54 Belgrano : 581
## NA's :2955 NA's :2955 NA's :2955 (Other) :6776
## comuna codigo_postal codigo_postal_argentino
## :3075 Min. :1001 : 3115
## Comuna 3 :1581 1st Qu.:1120 C1030AAG: 52
## Comuna 1 :1463 Median :1407 C1046AAO: 42
## Comuna 14:1120 Mean :1297 C1039AAI: 41
## Comuna 13: 865 3rd Qu.:1425 C1029AAE: 40
## Comuna 10: 805 Max. :1440 C1031AAD: 40
## (Other) :5294 NA's :3088 (Other) :10873
## smp
## Length:14203
## Class :character
## Mode :character
##
##
##
## Agrupemos por barrio las habilitaciones efectuadas:
habilitaciones_2019_barrio <- habilitaciones.2019 %>%
select(smp,barrio) %>%
group_by (barrio) %>%
summarise(n_smp = n ())Veamos qué tal queda esta base:
habilitaciones_2019_barrio## # A tibble: 49 x 2
## barrio n_smp
## <fct> <int>
## 1 "" 3075
## 2 Agronomia 14
## 3 Almagro 370
## 4 Balvanera 1469
## 5 Barracas 159
## 6 Belgrano 581
## 7 Boca 102
## 8 Boedo 109
## 9 Caballito 458
## 10 Chacarita 165
## # ... with 39 more rowsVemos que Nuñez aparece escrito como “Nu\u00f1ez” lo cual posteriormente nos va a dificultar el trabajo de join, por lo que intenté corregirlo, pero no pude.
De esta manera, podemos ver que lo que en un principio eran 14203 observaciones correspondientes a las habilitaciones de 2019, representan un total de 3075 parcelas habilitadas.
Veamos cómo se distribuyen entonces estas habilitaciones en la CABA.
Para esto, podemos cargar la capa de barrios disponible en Buenos Aires Data:
barrios <- st_read("http://cdn.buenosaires.gob.ar/datosabiertos/datasets/barrios/barrios.geojson")## Reading layer `barrios_badata' from data source `http://cdn.buenosaires.gob.ar/datosabiertos/datasets/barrios/barrios.geojson' using driver `GeoJSON'
## Simple feature collection with 48 features and 4 fields
## geometry type: POLYGON
## dimension: XY
## bbox: xmin: -58.53152 ymin: -34.70529 xmax: -58.33515 ymax: -34.52649
## epsg (SRID): 4326
## proj4string: +proj=longlat +datum=WGS84 +no_defsCrucemos la data:
Antes de generar el cruce, vemos ambas bases:
barrios## Simple feature collection with 48 features and 4 fields
## geometry type: POLYGON
## dimension: XY
## bbox: xmin: -58.53152 ymin: -34.70529 xmax: -58.33515 ymax: -34.52649
## epsg (SRID): 4326
## proj4string: +proj=longlat +datum=WGS84 +no_defs
## First 10 features:
## barrio comuna perimetro area
## 1 CHACARITA 15 7724.853 3115707
## 2 PATERNAL 15 7087.513 2229829
## 3 VILLA CRESPO 15 8131.857 3615978
## 4 VILLA DEL PARQUE 11 7705.390 3399596
## 5 ALMAGRO 5 8537.901 4050752
## 6 CABALLITO 6 10990.964 6851029
## 7 VILLA SANTA RITA 11 5757.752 2153691
## 8 MONTE CASTRO 10 7361.036 2627481
## 9 VILLA REAL 10 5070.966 1334146
## 10 FLORES 7 15772.440 8590784
## geometry
## 1 POLYGON ((-58.45282 -34.595...
## 2 POLYGON ((-58.46558 -34.596...
## 3 POLYGON ((-58.42375 -34.597...
## 4 POLYGON ((-58.49461 -34.614...
## 5 POLYGON ((-58.41287 -34.614...
## 6 POLYGON ((-58.43061 -34.607...
## 7 POLYGON ((-58.48192 -34.624...
## 8 POLYGON ((-58.50349 -34.624...
## 9 POLYGON ((-58.52512 -34.614...
## 10 POLYGON ((-58.46041 -34.656...habilitaciones_2019_barrio## # A tibble: 49 x 2
## barrio n_smp
## <fct> <int>
## 1 "" 3075
## 2 Agronomia 14
## 3 Almagro 370
## 4 Balvanera 1469
## 5 Barracas 159
## 6 Belgrano 581
## 7 Boca 102
## 8 Boedo 109
## 9 Caballito 458
## 10 Chacarita 165
## # ... with 39 more rowsComo vemos que en un caso está en mayúsculas y en otro en minúsculas, normalizamos:
habilitaciones_2019_barrio <- habilitaciones_2019_barrio%>%
mutate(barrio = toupper(barrio))Veamos cómo quedó:
habilitaciones_2019_barrio## # A tibble: 49 x 2
## barrio n_smp
## <chr> <int>
## 1 "" 3075
## 2 AGRONOMIA 14
## 3 ALMAGRO 370
## 4 BALVANERA 1469
## 5 BARRACAS 159
## 6 BELGRANO 581
## 7 BOCA 102
## 8 BOEDO 109
## 9 CABALLITO 458
## 10 CHACARITA 165
## # ... with 39 more rowsAhora sí, crucemos la data:
barrios_habilitaciones <- left_join(barrios, habilitaciones_2019_barrio)Veamos cómo quedó:
barrios_habilitaciones## Simple feature collection with 48 features and 5 fields
## geometry type: POLYGON
## dimension: XY
## bbox: xmin: -58.53152 ymin: -34.70529 xmax: -58.33515 ymax: -34.52649
## epsg (SRID): 4326
## proj4string: +proj=longlat +datum=WGS84 +no_defs
## First 10 features:
## barrio comuna perimetro area n_smp
## 1 CHACARITA 15 7724.853 3115707 165
## 2 PATERNAL 15 7087.513 2229829 77
## 3 VILLA CRESPO 15 8131.857 3615978 397
## 4 VILLA DEL PARQUE 11 7705.390 3399596 163
## 5 ALMAGRO 5 8537.901 4050752 370
## 6 CABALLITO 6 10990.964 6851029 458
## 7 VILLA SANTA RITA 11 5757.752 2153691 91
## 8 MONTE CASTRO 10 7361.036 2627481 87
## 9 VILLA REAL 10 5070.966 1334146 42
## 10 FLORES 7 15772.440 8590784 595
## geometry
## 1 POLYGON ((-58.45282 -34.595...
## 2 POLYGON ((-58.46558 -34.596...
## 3 POLYGON ((-58.42375 -34.597...
## 4 POLYGON ((-58.49461 -34.614...
## 5 POLYGON ((-58.41287 -34.614...
## 6 POLYGON ((-58.43061 -34.607...
## 7 POLYGON ((-58.48192 -34.624...
## 8 POLYGON ((-58.50349 -34.624...
## 9 POLYGON ((-58.52512 -34.614...
## 10 POLYGON ((-58.46041 -34.656...Veamos cómo se distribuyen espacialmente las habilitaciones realizadas durante este año:
ggplot()+
geom_sf(data = barrios_habilitaciones, aes(fill=n_smp), color=NA) +
scale_fill_viridis_c() +
labs(title = "Habilitaciones x Barrio",
subtitle = "Ciudad Autónoma de Buenos Aires",
fill = "# habilitaciones")
Podemos ver que los barrios de Palermo y Balvanera poseen un número de habilitaciones notablemente mayor.
Veamos si esta tendencia se mantiene ponderando los datos de habilitaciones por los de superficie de los barrios, es decir creando una especie de “densidad de habilitaciones”:
ggplot()+
geom_sf(data = barrios_habilitaciones, aes(fill=n_smp/area), color=NA) +
scale_fill_viridis_c() +
labs(title = "Densidad de Habilitaciones x Barrio",
subtitle = "Ciudad Autónoma de Buenos Aires",
fill = "Habilitaciones/m2")
Ponderando la información por la superficie de cada barrio, vemos que además del barrio de Balvanera, que sigue siendo el primero en la clasificación, toman protagonismo los barrios de San Nicolás, Montserrat y Floresta.
Entiendo que esto nos puede dar un indicio de cierta celeridad de recambio de negocios en estos barrios que poseen importantes zonas comerciales.
Esta información también podemos visualizarla con un gráfico:
ggplot(barrios_habilitaciones) +
geom_bar(aes(barrio, weight=n_smp))+
coord_flip()+
labs(title = "Habilitaciones x Barrio",
subtitle = "Ciudad Autónoma de Buenos Aires",
x = "Barrio",
y = "Habilitaciones")
Rubros
Otra cuestión que me resulta interesante indagar, es la clasificación de las habilitaciones. Para cada negocio se otorgan múltiples habilitaciones, veamos esto:
ggplot(habilitaciones.2019) + geom_point(aes(x = descripcion_rubro, y = barrio))+
labs(title = "Rubros x Barrio",
subtitle = "Ciudad Autónoma de Buenos Aires",
x = "Rubro",
y = "Barrio")
Si bien este gráfico es prácticamente ilegible, resulta interesante porque muestra la dificultad que contiene la base para poder clasificar y estructurar la información.
Veamos cuántos códigos de rubros distintos hay en la base:
unique(habilitaciones.2019$codigo_rubro) %>% length()## [1] 423Y veamos cuántos entre 2015 y 2018:
unique(habilitaciones.20152018$codigo_rubro) %>% length()## [1] 843Titulares
Un dato que llama la atención en la primera exploración de la base de 2015 a 2018 es cómo se posiciona DIA ARGENTINA S.A. por encima de los demás titulares de las habilitaciones aprobadas. DIA ARGENTINA S.A. posee 1217 habilitaciones, mientras que INC S.A. le sigue con 301 También podemos ver que en el “tercer puesto”, se encuentro “DIA ARGENTINA S A”, y esto nos da un indicio de que probablemente hayan habilitaciones registradas a nombre del mismo titular con diferentes formas de nombrarlo.
Es por eso que vamos a rastrear las distintas denominaciones de dicho titular y cuántas veces se repite cada uno en el data frame:
habilitaciones.20152018 %>%
filter(str_detect(toupper(titulares), "DIA AR")) %>%
group_by(titulares) %>%
summarise(freq = n())## # A tibble: 6 x 2
## titulares freq
## <fct> <int>
## 1 DIA ARGENTINA S A 11
## 2 DIA ARGENTINA S A 187
## 3 DIA ARGENTINA S.A 54
## 4 Dia Argentina S.A. 23
## 5 DIA ARGENTINA S.A. 1217
## 6 EXPEDIA ARGENTINA S.R.L. 1Sabiendo cuáles son dichas denominaciones, podemos agregar un valor que los contenga a todos para realizar distintas operaciones:
nombres_dia <- c("DIA ARGENTINA S A", "DIA ARGENTINA S A ",
"DIA ARGENTINA S.A", "Dia Argentina S.A.",
"DIA ARGENTINA S.A.")Ahora, vamos a transformar la base para obtener todos los Supermercados DIA (en todas sus denominaciones) y agregarle una columna que contenga de manera concatenada los datos de sección, manzana y parcela (ID):
dia <- habilitaciones.20152018%>%
filter(titulares %in% nombres_dia) %>%
mutate(smp = paste(seccion, manzana, parcela, sep = "-"),
smp = toupper(smp))Veamos un resumen rápido de la base:
summary(dia)## solicitud tipo_tramite tipo_expediente
## Min. :235994 Ampliación : 0 especial: 18
## 1st Qu.:300351 Habilitación :1481 simple :1463
## Median :348694 Redistribución de uso: 0
## Mean :325838 Transferencia : 0
## 3rd Qu.:361525
## Max. :375941
##
## subtipo_expediente fecha_habilitacion
## con planos :1463 2018-01-22: 94
## Habilitación Previa: 18 2018-08-31: 93
## Inspección Previa : 0 2018-11-07: 85
## sin planos : 0 2017-12-27: 52
## 2018-06-08: 48
## 2016-07-06: 47
## (Other) :1062
## numero_expediente codigo_rubro
## EX-2018-29639406- -MGEYA-DGHP: 12 Min. :600000
## EX-2018-29928281- -MGEYA-DGHP: 12 1st Qu.:600030
## EX-2018-31603408- -MGEYA-DGHP: 12 Median :601005
## EX-2016-13581511- -MGEYA-DGHP: 11 Mean :601327
## EX-2016-15563759- -MGEYA-DGHP: 11 3rd Qu.:603120
## EX-2016-15563914- -MGEYA-DGHP: 11 Max. :603400
## (Other) :1412
## descripcion_rubro
## COM.MIN. DE PRODUCTOS ALIMENTICIOS ENVASADOS :160
## COM.MIN.DE BEBIDAS EN GENERAL ENVASADAS :160
## COM.MIN.DE VERDURAS, FRUTAS, CARBON (EN BOLSA) :159
## COM.MIN. DE ARTICULOS DE PERFUMERIA Y TOCADOR :158
## COM.MIN.DE ARTICUL.DE LIMPIEZA :158
## COM.MIN.AVES MUERTAS Y PELADAS,CHIVITOS,PROD.GRANJA,HUEVOS h/ 60 DOCENAS:156
## (Other) :530
## superficie seccion manzana parcela
## Min. :139.1 40 : 61 052 : 47 014 : 65
## 1st Qu.:215.9 47 : 56 047 : 41 019 : 65
## Median :281.0 37 : 48 014 : 36 004 : 60
## Mean :290.6 48 : 47 010 : 31 007 : 60
## 3rd Qu.:349.5 31 : 46 086 : 26 008 : 57
## Max. :964.9 36 : 45 116 : 22 013 : 57
## (Other):1178 (Other):1278 (Other):1117
## partida_matriz partida_horizontal calles
## 147551 : 19 :1115 ALBERDI, JUAN BAUTISTA AV. 2859: 19
## 410129 : 19 1037993: 19 AMENABAR 1145 : 19
## 450711 : 19 3168843: 19 SANTA FE AV. 927 : 19
## 155740 : 12 ; : 18 GUAYAQUIL 264 : 12
## 225455 : 12 1037743: 11 GURRUCHAGA 431 : 12
## 430091 : 12 3991247: 11 SCALABRINI ORTIZ, RAUL 3170 : 12
## (Other):1388 (Other): 288 (Other) :1388
## unidad_funcional titulares cuits
## :1115 DIA ARGENTINA S.A. :1217 30685849751:1481
## 0001 : 249 DIA ARGENTINA S A : 187 20040204386: 0
## 0002 : 25 DIA ARGENTINA S.A : 54 20040427490: 0
## ; : 18 Dia Argentina S.A. : 23 20040498088: 0
## 0038 : 11 " RETAIL ARGENTINA S.A.U. ": 0 20040977490: 0
## 0003 : 10 " VFAN S.A. " : 0 20041112493: 0
## (Other): 53 (Other) : 0 (Other) : 0
## smp
## Length:1481
## Class :character
## Mode :character
##
##
##
## Ahora que cada registro tiene asociado un ID en una misma columna, podemos chequear la cantidad real de supermercados habilitados, ya que para cada supermercado se da más de una habilitación:
unique(dia$smp) %>% length()## [1] 164Es así que vemos que las 1481 observaciones que figuran en la base de habilitaciones asignadas al mismo CUIT se corresponden con 164 supermercados en la realidad.
Conclusiones
En cuanto al análisis de la información contenida en las bases de habilitaciones es interesante una primera observación al respecto de la estructura de las bases: son diferentes. La base de 2019 contiene más información que la de 2015-2018 (lat, long, barrio, comuna, CP, CPA).
Por otro lado, es difícil clasificar la información de las bases de habilitaciones: entre 2015 y 2018 se manejaban 843 códigos de rubros y a partir de 2019 423. Estos números complican las visualizaciones de la información y no he encontrado aún manera de agruparlos, creo que este será el próximo paso del trabajo para poder extraer información más valiosa de las bases. Existen resoluciones y anexos recientes donde aparecen algunas categorías y subcategorías pero en un formato poco amigable para procesar. Además de la cantidad de rubros, cada parcela es habilitada por más de un rubro y no hay aparente jerarquización de los mismos.
Creo que los datos más relevantes obtenidos en la exploración son los barrios que demuestran un mayor dinamismo comercial: Balvanera, Palermo, San Nicolás, Montserrat y Floresta; y los titulares con mayor cantidad de habilitaciones aprobadas: DIA ARGENTINA S.A.