Iniciativa de dades obertes del Govern d'Espanya

Imagen Fase
Capas de datos no estructurados que se procesan y analizan mediante tecnología avanzada para obtener información útil
Title
El iceberg de datos de las administraciones públicas: el valor escondido de los datos no estructurados

Analizamos la oportunidad que abre la inteligencia artificial para extraer valor de la información no estructurada. 

Imagen Fase
Una mano humana interactuando con una interfaz de inteligencia artificial luminosa en una pantalla digital futurista
Title
Datos abiertos preparados para la IA: buenas prácticas para publicadores en la era de los agentes autónomos

Analizamos qué aspectos conviene tener en cuenta para que un conjunto de datos esté preparado para la inteligencia artificial.  

Imagen Fase
Administrador público especializado en datos de administración electrónica y servicios del portal del ciudadano, administración estatal digital, infraestructura web del sector público y trámites cívicos electrónicos.
Title
Infografía: glosario de términos sobre reutilización de datos en el sector público

Recopilamos en una infografía los diez términos más habituales en este ámbito. 

Imagen Fase
Una mano que representa tecnología, IA generativa, IA gen, inteligencia artificial, ciberseguridad, transformación digital, finanzas, modelo de lenguaje a gran escala, LLM
Title
Vídeo: Analiza precios de carburantes con GenAI como copiloto

El autor del ejercicio de ciencia de datos explica qué recursos están disponibles para replicarlo y cómo desarrollarlo. 

Imagen Fase
Imagen con escudo de España sobre fondo que representa datos
Title
Novedades de la Dirección General del Dato

La Dirección General del Dato tiene la misión de dinamizar la gestión, compartición y el uso de los datos en los diferentes sectores de la economía y sociedad española.  Aquí encontrarás información sobre proyectos en los que participa.

Què fem i per què és important

 


Des dedatos.gob.es tenim la missió de potenciar l'economia digital espanyola basant-nos en dos pilars fonamentals, la publicació de dades obertes per a la seva reutilització i l'accés als recursos i eines necessaris per al seu aprofitament.

Actualment disposem de:

Conjunts de dades

117.459

Aplicacions

605

Empreses

118

Iniciatives

281

Continguts

Explora les temàtiques més populars 

 

Troba tots els conjunts de dades que necessitis en el nostre catàleg de dades

Donem accés a un catàleg extens que facilita l'accés als conjunts i serveis de dades obertes publicades principalment per organismes públics.

Explora el catálogo de datos.gob

Descobreix solucions desenvolupades a partir de dades obertes

Facilitem l'accés a un catàleg extens d'exemples d'aplicacions i solucions desenvolupades utilitzant, entre d'altres, dades ofertes per les administracions públiques.

Casos de uso datos.gob

Explora les empreses que aprofiten les dades

Proporcionem un catàleg d'empreses i organismes que han creat solucions noves basades en l'ús, entre d'altres, de dades posades a disposició per les administracions públiques.

Empresas reutilizadoras datos gob
281 iniciatives de dades obertes
Administració de l'Estat: 35
Administració Autonòmica: 22
Administració Local: 209
Universitats: 14
Altres Institucions: 1
Obrir mapa

Consulta notícies, notes d'expert i esdeveniments

 

Actualidad

La Dirección General del Dato abre una consulta para ampliar la lista nacional de conjuntos de datos de alto valor
Los datos que generan y custodian las administraciones públicas son una materia prima de gran valor para crear servicios, investigar, innovar o tomar mejores decisiones. Para impulsar su aprovechamiento, la Directiva (UE) 2019/1024, relativa a los datos abiertos, introdujo la figura de los conjuntos de datos de alto valor (HVD, por sus siglas en inglés). El Reglamento de Ejecución (UE) 2023/138 fijó una primera lista de HVD para toda la Unión Europea, organizada en seis categorías: geoespacial, observación de la Tierra y medio ambiente, meteorología, estadísticas, sociedades y propiedad de sociedades, y movilidad. La normativa española va un paso más allá. El artículo 3 ter de la Ley 37/2007, sobre reutilización de la información del sector público, permite añadir a nivel nacional otros conjuntos de datos de alto valor, con la colaboración de actores públicos y privados. Con ese fin, la Dirección General del Dato ha abierto una consulta pública, que ya está disponible en el portal web del Ministerio para la Transformación Digital y de la Función Pública. Se puede participar hasta el 12 de noviembre de 2026. ¿Qué son los conjuntos de datos de alto valor? Son datos del sector público cuya reutilización aporta beneficios considerables a la sociedad, el medio ambiente y la economía, tanto por su capacidad para generar servicios, aplicaciones y empleo como por el número de personas y organizaciones que pueden beneficiarse de ellos. Además, deben ofrecerse en condiciones que faciliten su uso. Con carácter general, se ponen a disposición: De forma gratuita. En formatos legibles por máquina. A través de interfaces de programación de aplicaciones (API). Mediante descarga masiva, cuando proceda. ¿Por qué ampliar la lista? Ampliar la lista nacional significa que más datos públicos relevantes se publiquen en las mejores condiciones técnicas y jurídicas. Entre sus ventajas destacan: Impulso a la innovación y a la economía del dato: los datos de calidad y accesibles mediante API reducen barreras de entrada, sobre todo para pymes y startups. Más valor al combinar datos: los conjuntos que comparten estándares e identificadores pueden cruzarse entre sí, lo que multiplica su utilidad para la investigación, el análisis o la inteligencia artificial. Beneficios sociales y medioambientales: mejores servicios públicos, más transparencia y decisiones mejor informadas. Un marco común y previsible: una lista nacional da certidumbre a quienes publican y reutilizan datos, respetando la diversidad de administraciones titulares y de ámbitos territoriales El debate también está abierto en Europa: en 2023, un estudio encargado por la Comisión Europea identificó posibles nuevos ámbitos de alto valor, como la pérdida climática, la energía, las finanzas, la administración pública, la salud, la justicia o los datos lingüísticos. ¿Quién puede participar y qué se pide? La consulta está abierta a cualquier persona o entidad, pública o privada: empresas, pymes y startups; organizaciones profesionales y sectoriales; universidades y centros de investigación; organizaciones no gubernamentales, entidades del tercer sector y asociaciones de consumidores; administraciones públicas de todos los niveles, como titulares o como reutilizadoras de datos; y particulares. Se pide proponer uno o varios conjuntos de datos de alto valor indicando, como mínimo, su nombre, el organismo responsable (si se conoce) y sus posibles usos. Conviene comprobar antes que no estén ya incluidos en la lista europea del Reglamento de Ejecución (UE) 2023/138. Cuanta más información, más útil será la propuesta. Son especialmente valiosos los casos de uso concretos, así como los datos sobre beneficiarios potenciales, posibilidades de combinación con otros datos, disponibilidad y calidad actuales, y posibles limitaciones jurídicas (por ejemplo, la presencia de datos personales). Además de nuevos conjuntos, pueden proponerse ampliaciones, mayor granularidad, mejoras de calidad o la integración de conjuntos ya existentes. Cómo y cuándo participar Dónde consultar: toda la información está disponible en el portal web del Ministerio para la Transformación Digital y de la Función Pública, en el apartado de proyectos no normativos. Cómo participar: enviando las aportaciones a la Dirección General del Dato en dgdato@digital.gob.es. En esta misma dirección se pueden plantear dudas sobre la consulta. Hasta cuándo: hasta el 12 de noviembre de 2026. Documentación adicional: se pueden adjuntar estudios, informes, casos de uso o documentación técnica que respalden la propuesta. La consulta tiene carácter informativo y no vinculante: proponer un conjunto de datos no implica su incorporación automática. La eventual ampliación se aprobaría mediante resolución de la Secretaría de Estado de Digitalización e Inteligencia Artificial. Una oportunidad para dar forma a los datos del futuro Quienes reutilizan datos públicos saben mejor que nadie cuáles faltan, en qué formato los necesitan y qué podrían construir con ellos. Las administraciones que los gestionan, por su parte, conocen las oportunidades y los retos de abrirlos. Esta consulta es el cauce para poner en común ese conocimiento. Se anima a participar y a difundir la consulta entre empresas, equipos de investigación, organizaciones y administraciones. Cuantas más y más variadas sean las aportaciones, más representativa y útil será la lista nacional de conjuntos de datos de alto valor.
calendar icon 27/10/2026

Altres recursos

De las secciones censales a los códigos postales: análisis de instalaciones deportivas de Sevilla
Introducción El Instituto Nacional de Estadística (INE) pone a disposición de la ciudadanía datos geográficos de interés social distribuidos por secciones censales. El uso de estas unidades territoriales es, sin embargo, poco frecuente fuera del ámbito estadístico. En cambio, es habitual asociar datos y variables geográficas a códigos postales, ya que la ciudadanía está más familiarizada con su localización y extensión en sus respectivos municipios o provincias. Por esta razón, varios organismos públicos, así como iniciativas privadas, recopilan y publican datos asociados a códigos postales atendiendo a esta familiaridad.   En este ejercicio se detalla un método para establecer una correspondencia y extrapolar los datos asociados de las secciones censales a sus códigos postales correspondientes. Esta relación no es directa, ya que los límites de ambas unidades territoriales no coinciden exactamente, esto es, dentro del área de un código postal encontramos varias secciones censales completas, e igualmente, un mismo código postal puede extenderse por más de un código postal. La falta de plena coincidencia entre ambos conceptos requiere de métodos para poder extrapolar la información contenida de uno a otro con rigor y precisión.   Para este ejercicio utilizaremos los datos del INE de renta neta media por persona, originalmente disponible por sección censal, para estimar su valor por código postal. Posteriormente, estos resultados se relacionarán con la distribución de instalaciones deportivas en la provincia de Sevilla, distinguiendo entre Sevilla capital y el resto de la provincia.   A partir de estos datos se realizará un análisis exploratorio dirigido a identificar posibles patrones en relación con: Las diferencias en la distribución de instalaciones por renta entre Sevilla capital y el resto de la provincia de Sevilla. Las diferencias en la distribución de pistas de baloncesto y gimnasios por renta. Los resultados servirán para identificar diferencias territoriales y formular hipótesis que puedan contribuir a orientar análisis posteriores sobre la cobertura y distribución de estas instalaciones, sin establecer relaciones causales entre el nivel de renta y su localización. Se utilizará para ellos datos abiertos geográficos y estadísticos de diferentes organismos públicos. Definiciones   En este ejercicio manejaremos los conceptos de sección censal y código postal, que se definen a continuación para facilitar la comprensión del análisis. Sección censal: es una unidad territorial que se utiliza para la recopilación de información estadística y la organización de procesos electorales. Generalmente, cada sección censal tiene un tamaño de entre 500 y 2000 habitantes para facilitar la operatividad de encuestadores y votantes. Sus límites están definidos por elementos fácilmente identificables, como ríos o calles, lo que permite una clara identificación geográfica.   Figura 1: Secciones censales correspondientes a la provincia de Sevilla y de Sevilla capital. Fuente: elaboración propia a partir de datos del Instituto Nacional de Estadística (INE)  Código postal: es un código que en España está formado por cinco cifras que se asigna a una zona o región geográfica específica para agilizar la clasificación, el acceso y la entrega de envíos postales. Los dos primeros dígitos indican la provincia en orden alfabético. Los tres últimos dígitos identifican el municipio, zona postal o ruta de reparto. Figura 2: Códigos postales correspondientes a la provincial de Sevilla. Fuente: elaboración propia a partir de datos del Instituto Geográfico Nacional (IGN). A partir de las definiciones anteriores, la Figura 3 muestra la superposición de las secciones censales y los códigos postales de Sevilla capital y su entorno, así como las zonas de intersección que se utilizarán posteriormente en el análisis. Figura 3: Superposición de las secciones censales y los códigos postales de Sevilla capital y su entorno. Fuente: elaboración propia a partir de datos del INE e IGN. Datos para el ejercicio   Una vez definidas las unidades geográficas en las que se enmarca el estudio, recurrimos a datos abiertos de organismos públicos para realizar el ejercicio. En concreto utilizaremos los siguientes conjuntos de datos:   Geometría de las secciones censales del Instituto Nacional de estadística para el año 2023. Geometría de los códigos postales en la provincia de Sevilla. Relación de tramos de vía de secciones censales por código postal, del Instituto Nacional de Estadística. Renta neta media por persona por sección censal del Instituto Nacional de Estadística. Censo de instalaciones deportivas de Andalucía, que incluye información sobre su localización -localización por calle, municipio, provincia y código postal – y tipo de instalación deportiva. Proceso de desarrollo   En esta sección detallaremos los pasos a seguir de cara a asociar la renta neta media por persona de cada sección censal con la localización de las instalaciones deportivas de Sevilla capital y del resto de la provincia. Una vez que obtengamos la distribución de las instalaciones por renta, se profundiza en el análisis para estudiar las diferencias entre ambos territorios, así como entre los tipos de instalaciones dependiendo del deporte practicado.   El análisis se ha desarrollado en Python. Además, se ha utilizado el software de visualización cartográfico Kepler.gl, de uso fácil e intuitivo, y ya descrito en el ejercicio de visualización de datos sobre los terremotos en la isla de la Palma. El código en Python así como los conjuntos de datos ya descargados para su procesamiento se encuentran en el repositorio en Github:   Accede al repositorio del laboratorio de datos en GitHub El notebook de Google Colab con todos los comandos necesarios para ejecutar el análisis en Python se puede encontrar en:   Accede al notebook de Google Colab 1. Peso de las secciones censales en cada código postal El primer paso dentro de este ejercicio es calcular el peso de cada sección censal en cada código postal. Para ello realizamos la lectura del fichero de entrada que contiene los tramos de vía de cada sección censal. En la lectura identificamos primeramente los códigos de: provincia, municipio, distrito y sección Con esos códigos creamos el código de sección censal mediante la concatenación. Un primer ejemplo lo encontramos en la primera entrada del fichero "Relación de tramos de vía", en la que observamos los siguientes valores para los campos anteriormente descritos: provincia: 41; municipio: 001; distrito: 01; sección: 001 La sección censal resultante para ese tramo de vía es el 4100101001, obtenida de la concatenación de esos campos de acuerdo con el orden descrito.   Una vez tenemos definida la sección censal, calculamos cuántas veces aparece la combinación única sección censal y código postal. A continuación, calculamos el número total de tramos de vía que tiene cada sección censal y, por último, la proporción de esos tramos que corresponden a cada código postal. De esta forma, obtenemos la llamada matriz de pesos, donde cada combinación de sección censal y código postal tiene asociada una fracción o peso. La mayoría de las secciones censales tienen un peso de 1 o fracción unidad, lo que quiere decir que todos sus tramos de vía están asociados a un único código postal. Otras secciones censales están repartidas en dos o más códigos postales.   En total, de las 1.595 secciones censales de la provincia de Sevilla, obtenemos 1.207 secciones censales cuyos tramos están asociados íntegramente a un código postal, mientras que 388 presentan tramos asociados a más de un código postal.   En la Figura 4 se muestra la distribución geográfica de las secciones censales según el peso de sus tramos de vía en los códigos postales, tanto en la provincia de Sevilla como en Sevilla capital. Se observa que las secciones cuyos tramos están asociados a más de un código postal se localizan tanto en ámbitos urbanos como rurales.   Figura 4: Secciones censales de la provincia de Sevilla y de Sevilla capital según el peso de sus tramos de vía en los códigos postales. Fuente: elaboración propia. Focalizando sobre la ciudad de Sevilla, se comprueba cómo, de nuevo, la disparidad de pesos se reparte por toda la geografía de la ciudad. Los resultados ponen de manifiesto la necesidad de aplicar estos pesos y para estimar los valores correspondientes a cada código postal a partir de los datos disponibles por sección censal. 2. Asociación de renta a cada código postal   El siguiente paso en este ejercicio es asociar a los códigos postales los valores de renta neta media por persona.   A continuación podemos observar cómo están estructurados los datos del INE respecto a las rentas netas medias por persona y la sección censal asignada. En concreto, en la Tabla 1 se muestran dos secciones censales, pertenecientes a distritos censales distintos del municipio de Aguadulce, con diferentes valores de renta. Ambas secciones están asociadas a un único código postal, y por lo tanto, la renta estimada para ese código postal resultará de la media ponderada de los valores de renta de las secciones censales asociadas, utilizando los pesos calculados en el apartado anterior. Tabla 1: Datos de muestra de renta neta media por persona y sección censal para el municipio de Aguadulce. Fuente: INE.   El resultado de ponderar las contribuciones de las distintas secciones censales para estimar la renta neta media por persona de un código postal se puede ver en la Tabla 2, siguiendo el ejemplo anterior del municipio de Aguadulce. El valor obtenido se sitúa entre los valores de renta mostrados en la Tabla 1.   Variable Valor Municipio 41001   Código postal 41550   Renta neta media por persona 10.539 Tabla 2: Estimación de la renta neta media por persona para el código postal 41550 correspondiente al Municpio con código censal 41001. Fuente: elaboración propia. La distribución geográfica de la renta media por persona estimada para cada código postal de la provincia de Sevilla se puede observar en la Figura 5. En ella se observa una tendencia según la cual las rentas más elevadas se concentran principalmente en los núcleos urbanos, en particular en Sevilla capital, mientras que los valores más bajos aparecen con mayor frecuencia en zonas periféricas de la provincia Figura 5: Distribución de la renta neta media por persona estimada para cada código postal de la provincia de Sevilla y de Sevilla capital. Fuente: elaboración propia. 3. Asociación de instalaciones deportivas al nivel de renta El siguiente paso es establecer la asociación de la localización de las instalaciones deportivas con el nivel de renta estimado para cada código postal.   En la Tabla 3 tenemos la estructura del conjunto de datos de instalaciones deportivas en Andalucía. En ella se detalla la localización de la instalación, el municipio, el nombre de la vía y el código postal. También se incluye el tipo de instalación, determinada por el deporte que se practica. Variable Valor Código IDA 2 Nombre de instalación PABELLON DEPORTIVO CUBIERTO Provincia Sevilla Municipio Castilblanco de los Arroyos Nombre vía CAMINO DEL TOLEDILLO Código postal 41230 Espacio deportivo (texto libre) PISTA POLIDEPORTIVA Tabla 3: Estructura del conjunto de datos de los centros deportivos en Andalucía. Fuente: Junta de Andalucía. Gracias a la correspondencia obtenida entre los valores estimados de renta y los códigos postales en el paso anterior, podemos ampliar la información asociada a cada instalación deportiva mediante la incorporación de un nuevo campo: la renta neta media por persona estimada para su código postal. En la Tabla 4 se puede ver el nuevo campo incluido.   Variable Valor Código IDA 2 Nombre de instalación PABELLON DEPORTIVO CUBIERTO Provincia Sevilla Municipio Castilblanco de los Arroyos Nombre vía CAMINO DEL TOLEDILLO Código postal 41230 Espacio deportivo (texto libre) PISTA POLIDEPORTIVA Renta por persona 10.620 Tabla 4: Estructura del conjunto de datos de los centros deportivos en Andalucía complementada con el valor estimado de la renta neta media por persona. Fuente: elaboración propia. De esta forma, hemos conseguido relacionar la información del nivel de renta neta media por persona estimada para cada código postal con las instalaciones deportivas de Sevilla provincia o capital.   Este resultado nos permite a continuación desarrollar toda una serie de análisis estadísticos para identificar posibles patrones y describir la distribución de las instalaciones deportivas, como se expone en el siguiente apartado.   4. Localización de instalaciones deportivas respecto a la renta media Tomando la media de la renta por persona tanto en la provincia de Sevilla como en Sevilla capital, es posible identificar cómo se distribuyen las instalaciones deportivas respecto de esa media. De este modo, podemos observar si las instalaciones se sitúan en códigos postales con una renta estimada inferior o superior a la media de cada ámbito territorial. En este punto hacemos una separación entre la provincia de Sevilla sin capital y Sevilla capital, al tratarse de dos entornos muy diferentes. A nivel provincial encontramos población más dispersa, códigos postales abarcando una mayor extensión y una concentración de servicios en los núcleos de población.   Por el contrario, en Sevilla capital encontramos, en general, áreas de códigos postales de menor extensión y una mayor concentración de instalaciones deportivas fuera del centro de la ciudad, comúnmente asociadas a deportes como el fútbol, pistas de pádel o piscinas.   En la Figura 6 se representa el número de instalaciones deportivas por renta media por persona estimada para su código postal en tres áreas: la provincia de Sevilla en su totalidad, la provincia sin la capital y la propia capital. En estas tres regiones observamos:   En el conjunto de la provincia, el máximo de concentración de instalaciones se localiza en códigos postales con valores de renta por debajo de la media provincial, aunque la distribución presenta igualmente una alta densidad en intervalos muy definidos situados por encima de ella. Respecto a la provincia de Sevilla sin la capital, la mayor concentración de instalaciones también se sitúa en códigos postales con valores de renta por debajo de la media de este ámbito. Asimismo, se observa un número destacado de instalaciones en códigos postales para rentas superiores a la media pero un orden de magnitud por debajo de las observadas para rentas inferiores a la media. En el caso de Sevilla capital, la distribución presenta una mayor dispersión entre los distintos intervalos de renta. Las instalaciones se distribuyen a lo largo de un intervalo más amplio de valores y no se aprecia una concentración tan acusada en un único intervalo de renta como en el resto de la provincia. Figura 6: Número de instalaciones deportivas por renta por persona estimada para su código postal en la provincia de Sevilla, la provincia sin capital y Sevilla capital. Las líneas verticales indican la renta media estimada en cada ámbito territorial. Fuente: elaboración propia Atendiendo a la dispersión en los valores de renta observamos en la Figura 6 cómo, a pesar de compartir casi el mismo espectro de rentas posibles, a nivel provincial la concentración es mucho mayor en torno a un reducido en torno a la renta media, mientras que en el caso de Sevilla capital las instalaciones deportivas cubren un intervalo más amplio que en el caso de la provincia, sobre todo hacia rentas más altas. Esto nos lleva a la reflexión del efecto homogeneizador de las ciudades, donde un espacio más reducido convive un espectro de rentas más amplio que en la provincia.   5. Distribución de instalaciones deportivas por tipo de deporte El último análisis realizado aborda la variabilidad asociada al tipo de deporte practicado y, por lo tanto, al tipo de instalación deportiva. Deportes diferentes tienen diferentes necesidades de espacio, y pueden estar asociados a perfiles de usuarios diferentes. En este análisis preliminar distinguimos entre dos tipos de instalaciones, pistas de baloncesto y gimnasios, para realizar el mismo cálculo que en la sección anterior. Filtrando los datos mediante las palabras clave “baloncesto” y “gimnasio” en el campo de texto libre correspondiente al espacio deportivo, podemos generar un histograma para el caso de Sevilla capital y analizar la distribución de instalaciones deportivas respecto de la renta media por persona para cada código postal. En la Figura 7 y Figura 8 se muestran los resultados por deporte, donde encontramos: En el caso de pistas de baloncesto, la distribución del histograma en Sevilla capital se desplaza ligeramente hacia valores de rentas inferiores a la media. En total, un 67% de las pistas de baloncesto están en códigos postales con renta media por persona estimada por debajo de la media de Sevilla capital. La distribución de gimnasios en Sevilla capital, por el contrario, presenta un reparto más equilibrado respecto al nivel de renta. El 55% de los gimnasios se encuentra en códigos postales cuya renta media por persona estimada se sitúa por debajo de la renta media de la ciudad. a { text-decoration: none; color: #464feb; } tr th, tr td { border: 1px solid #e6e6e6; } tr th { background-color: #f5f5f5; }   Figura 7: Distribución de pistas de baloncesto según la renta neta media por persona estimada para su código postal en Sevilla capital. Fuente: elaboración propia. Figura 8: Distribución de gimnasios según la renta neta media por persona estimada para su código postal en Sevilla capital. Fuente: elaboración propia. Estos resultados ponen de manifiesto diferencias en la distribución territorial de ambas tipologías de instalaciones respecto a la renta estimada de los códigos postales donde se localizan. No obstante, serían necesarias variables adicionales para analizar las causas que pueden explicar estas diferencias. Lecciones aprendidas A lo largo de este ejercicio de análisis hemos aprendido a manejar datos del INE por secciones censales, a estimar por código postal valores originalmente disponibles por sección censal, a aplicar este procedimiento a un caso real vinculado a un conjunto de datos del Catálogo y a realizar un breve análisis estadístico exploratorio que permite identificar patrones y formular hipótesis para análisis posteriores. En concreto, hemos aprendido a:   Diferenciar entre sección censal y código postal, desde su definición más básica hasta ejemplos reales de ambas unidades en una provincia concreta.   Lectura de ficheros del INE con información agrupada por secciones censales y detallada por provincias, municipios y distritos, así cómo crear el código de sección censal.   Calcular el peso relativo de cada sección censal en distintos códigos postales,  profundizando en su complejidad y teniendo en cuenta las diferencias correspondencias entre ambas unidades territoriales Aplicar filtros en Python para seleccionar datos por código postal o campos de texto concretos, como los deportes seleccionados, y focalizar así el análisis en casos determinados.   Crear visualizaciones en Python para realizar un análisis estadístico básico, como el histograma. Utilizar de Kepler.gl para crear mapas de forma fácil e intuitiva que acompañen a los ejercicios de datos georreferenciados.   Conclusiones Este ejercicio nos ha permitido familiarizarnos con el concepto de sección censal, desde el acceso, lectura y manipulación de los ficheros originales del INE hasta una aplicación real con datos de la Junta de Andalucía.   Igualmente, nos ha permitido comprobar cómo un script sencillo y relativamente corto de Python es suficiente para la lectura y análisis de datos del INE, así como para un análisis estadístico exploratorio de ese y de otros conjuntos de datos relacionados, demostrando el potencial de la programación.   Por último, este ejercicio invita a la formulación de toda una serie de hipótesis sobre la distribución de instalaciones deportivas por el nivel de renta, así como sobre los posibles factores territoriales, sociales o urbanísticos que pueden influir en dicha distribución, que van más allá del foco de este sencillo ejercicio.   Siguientes pasos A partir de este ejercicio, el análisis podría ampliarse incorporando nuevas variables, como la población de cada código postal, la titularidad y capacidad de las instalaciones o su grado de utilización. Esto permitiría calcular indicadores comparables, como el número de instalaciones por cada 10.000 habitantes, y profundizar en el estudio de su distribución territorial. El mismo procedimiento también podría aplicarse a otros servicios y equipamientos, como centros educativos, sanitarios o culturales.
calendar icon 18/11/2026

Descobreix els darrers conjunts i serveis de dades publicats