<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0" xmlns:cc="http://cyber.law.harvard.edu/rss/creativeCommonsRssModule.html">
    <channel>
        <title><![CDATA[Stories by Federico Pousa on Medium]]></title>
        <description><![CDATA[Stories by Federico Pousa on Medium]]></description>
        <link>https://medium.com/@fedepousa?source=rss-302418c081c0------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/1*uif7DDhsvaxxvS38DiEzrA.png</url>
            <title>Stories by Federico Pousa on Medium</title>
            <link>https://medium.com/@fedepousa?source=rss-302418c081c0------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Fri, 20 Nov 2026 17:08:12 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@fedepousa/feed" rel="self" type="application/rss+xml"/>
        <webMaster><![CDATA[yourfriends@medium.com]]></webMaster>
        <atom:link href="http://medium.superfeedr.com/" rel="hub"/>
        <item>
            <title><![CDATA[Optimización, Big Data, Data Science y tantos otros términos…]]></title>
            <link>https://medium.com/eryxcoop/optimizaci%C3%B3n-big-data-data-science-y-tantos-otros-t%C3%A9rminos-312736ac4e2f?source=rss-302418c081c0------2</link>
            <guid isPermaLink="false">https://medium.com/p/312736ac4e2f</guid>
            <category><![CDATA[big-data]]></category>
            <category><![CDATA[machine-learning]]></category>
            <category><![CDATA[data-science]]></category>
            <category><![CDATA[data-analytics]]></category>
            <category><![CDATA[optimization]]></category>
            <dc:creator><![CDATA[Federico Pousa]]></dc:creator>
            <pubDate>Tue, 10 Nov 2020 16:08:06 GMT</pubDate>
            <atom:updated>2020-11-10T16:08:06.522Z</atom:updated>
            <content:encoded><![CDATA[<p>En estos tiempos es muy común encontrarse con muchos términos relacionados con “Analytics” que suenan en diversos lugares: Big Data, Data science, Machine Learning, Análisis de datos, Análisis predictivo, Análisis prescriptivo. Junto con estos términos surgen varias preguntas lógicas: ¿Todos estos términos se refieren a lo mismo? ¿Cada uno de estos términos es un mundo distinto? ¿Algo de todo esto realmente sirve o son simplemente una moda? ¿Me estoy perdiendo de algo importante por no usar ninguna de estas cosas?</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/493/1*YPZip56MT3t7jk5cSVNAUg.png" /></figure><p>Para responder un poco todas estas preguntas podemos empezar por las más fáciles. En primer lugar, tenemos las similitudes.</p><p>Sin pretender ahondar en una taxonomía estricta de los términos, la mayor similitud entre ellos es que se suele hablar de todos estos dentro del gran paraguas de “Data Analytics” para hacer referencia al uso de datos con fin de obtener algún tipo de información útil.</p><p>Esto nos ayuda rápidamente a responder otras de las preguntas. Sí, seguramente si no estamos usando nada de esto nos estamos perdiendo de algo importante. Si bien no es verdad que absolutamente toda empresa tiene un problema relacionado a Data Analytics, es mucho más común tener este tipo de problemas que no tenerlo. Lo que es más, la mayoría de las empresas tienen este tipo de problemas y ni siquiera tienen conocimiento sobre ello. En algunos casos, aún teniendo el conocimiento sobre el problema, no es una tarea simple saber a quién acudir para buscar una posible resolución. En líneas generales, utilizar algún tipo de solución relacionada a Data Analytics nos va a proveer una herramienta para mejorar los procesos operativos de nuestra empresa, reduciendo costos mediante la optimización de procesos, generando más ganancias al entender mejor el mercado que se maneja, entre otras opciones.</p><p>¿Es todo lo mismo o hay diferencias? Sí, hay diferencias, y notorias a veces. Hoy en día es muy común encontrar en auge al análisis predictivo. Este auge está fundamentado por diferentes lados. Por un lado, los avances científicos relacionados al área en los últimos años han hecho que se puedan resolver problemas que antes no se podían. Por otro lado, las preguntas que, a veces, puede responder el análisis predictivo resultan muy seductoras. “Si uso este esquema de precios, ¿cuántos clientes de determinado segmento van a seguir comprando?”. “Si ofrezco este determinado servicio, ¿cuál es la demanda que voy a tener en cierto momento?”. Sin embargo, este no es el único tipo de análisis de los datos que existe.</p><p>Resultaría realmente muy ambicioso poner un límite tajante que divida a las diferentes aplicaciones dentro del área de Data Analytics, pero en varias ocasiones se suele realizar la división entre Análisis Descriptivo, Análisis Predictivo y Análisis Prescriptivo.</p><p><strong>Análisis Descriptivo:</strong></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/778/1*qq4egHiF_xIHRIuvfKCS2g.png" /></figure><p>Una pauta que nos ayuda a definir cada una de estas subáreas es ver que preguntan intentan responder. En el caso del Análisis Descriptivo esa respuesta sería “¿Qué pasó?”. Es decir, dados los datos relacionados a una empresa, podemos describir qué fue lo que realmente pasó. Es un análisis que parece muy ingenuo dado que solamente describe lo que ya sucedió. Sin embargo, los problemas relacionados a un buen análisis descriptivo suelen no ser nada simples contrario a lo que su nombre sugiere. Muchos de estos problemas están relacionados a la visualización de la información. Un correcto análisis descriptivo asociado a una visualización correcta puede evidenciar conclusiones importantes sobre la operatoria de una empresa que podrían pasar desapercibidas en caso de hacerlo erróneamente.</p><p>En muchas ocasiones, este tipo de análisis es muy valorado por las empresas ya que dejan al descubierto propiedades de la operatoria que las mismas personas encargadas de dicho proceso no creían que fuese así en su percepción cotidiana. Además, el Análisis Descriptivo muchas veces resulta un importante punto de partida para las siguientes etapas.</p><p>Depende donde se consulte, a veces al Análisis Descriptivo se lo subdivide en una segunda etapa denominada Análisis de Diagnóstico. Una vez resuelta la pregunta “¿Qué pasó?”, queremos responder la pregunta “¿Por qué pasó?”.</p><p><strong>Análisis Predictivo:</strong></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/725/1*EOep4fd7HUanbM7lpegUEw.png" /></figure><p>El tipo de análisis que está en boca de todos en estos días. Busca responder la pregunta “¿Qué va a pasar?”. Como mencionamos antes, es un tipo de análisis muy seductor porque intenta responder preguntas que predicen eventos futuros como si fuese magia. “Si hago determinada campaña publicitaria, ¿qué nivel de retorno voy a tener?”. “Si tomo cierta decisión, ¿qué tan felices o tristes van a estar mis usuarios con el cambio?”.</p><p>Como es de imaginar, este análisis no es magia por más que intente predecir el futuro. Lo que se busca es, mediante los datos históricos de un cierto proceso, predecir lo que va a suceder en los diferentes escenarios posibles.</p><p>Lo interesante de los métodos utilizados para este tipo de análisis es que no dependen exclusivamente de reglas específicas diseñadas por los expertos de dominio del problema en cuestión. La idea es que los métodos son capaces de encontrar los patrones necesarios en los datos históricos para poder prever qué sucederá en un posible escenario futuro. De esta manera, este tipo de análisis agrega un valor “esclarecedor” en la misma línea que mencionamos para el Análisis Descriptivo, en el sentido de que descubren propiedades de la operatoria que pueden resultar no conocidas.</p><p><strong>Análisis Prescriptivo:</strong></p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*eHGVm-e-i6ilUKgYF6sx3w.jpeg" /></figure><p>Es el tipo de análisis que busca responder la pregunta “¿Qué tengo que hacer?”. Muchas veces encontramos en el auge del Análisis Predictivo que los clientes quieren de alguna manera utilizarlo para tomar ventaja con respecto a sus competidores. A veces sin realmente saber si hay algo interesante a predecir. Muchas veces sucede que en realidad esa ventaja se podría conseguir mediante el uso de Análisis Prescriptivo. Este análisis se basa en optimizar la operatoria actual relacionada a algún proceso de la empresa para hacerlo de la mejor manera. En estos casos se tiene una tarea para la cual existe una gran cantidad de opciones posibles para realizarla. Ejemplos de esto podría ser realizar la asignación de operarios a horarios, realizar la calendarización de la distribución de un producto, o buscar la forma de proponer descuentos a los clientes, entre muchos otros casos. Con los datos que se tienen para estas tareas, se pueden utilizar métodos de optimización para encontrar la manera óptima para realizar la tarea. La noción de óptimo no es siempre la misma y depende claramente de la tarea a realizar. A veces se busca minimizar los recursos desperdiciados u ociosos en un proceso. Otras veces se busca maximizar la ganancia. También existen muchos otros ejemplos de Análisis Prescriptivo con muy variadas componentes a optimizar.</p><p>El Análisis Prescriptivo es muy valorado por las empresas ya que genera un valor agregado que en muchos casos resulta tangible cuando se modifica un proceso que se encontraba diseñado a mano en base a la experiencia del encargado de la tarea, por una opción surgida en base a la sinergia entre los conocimientos del experto de dominio y un Análisis Prescriptivo robusto.</p><p>En resumen, el mundo de Data Analytics y la Optimización de Decisiones puede actuar desde diferentes ángulos para mejorar el funcionamiento de una empresa. Existen muchos ejemplos en donde los costos operativos son fuertemente reducidos o las ganancias aumentadas. En muchos casos esto se logra sin cambiar la visión de negocio o los objetivos principales de una empresa, sino mejorando ciertas decisiones de la operatoria que utilizan para hacer una utilización más eficiente de los recursos.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=312736ac4e2f" width="1" height="1" alt=""><hr><p><a href="https://medium.com/eryxcoop/optimizaci%C3%B3n-big-data-data-science-y-tantos-otros-t%C3%A9rminos-312736ac4e2f">Optimización, Big Data, Data Science y tantos otros términos…</a> was originally published in <a href="https://medium.com/eryxcoop">Eryx</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[La paradoja de Braess: cómo nos perdemos oportunidades de optimizar]]></title>
            <link>https://medium.com/eryxcoop/la-paradoja-de-braess-c%C3%B3mo-nos-perdemos-oportunidades-de-optimizar-846870bcc2e1?source=rss-302418c081c0------2</link>
            <guid isPermaLink="false">https://medium.com/p/846870bcc2e1</guid>
            <category><![CDATA[optimization]]></category>
            <category><![CDATA[operations-research]]></category>
            <category><![CDATA[data-science]]></category>
            <category><![CDATA[traffic-optimization]]></category>
            <category><![CDATA[artificial-intelligence]]></category>
            <dc:creator><![CDATA[Federico Pousa]]></dc:creator>
            <pubDate>Mon, 11 Mar 2019 14:03:09 GMT</pubDate>
            <atom:updated>2019-03-11T14:03:09.636Z</atom:updated>
            <content:encoded><![CDATA[<p>“Hace 30 años que estoy en esta industria, ya sé como hacer esto”. Una frase emblemática que hemos escuchado varias veces en diversas formas y con variaciones menores cuando charlamos con personas que día a día se enfrentan a un problema operativo que estaría bueno optimizar. La pregunta en estos casos es, ¿cómo le explicamos a esa persona que la optimización matemática de su proceso tiene sentido? ¿Cómo le decimos que no es su culpa que el proceso no se esté realizando de la mejor manera posible, sino que simplemente puede que sean demasiadas las opciones posibles para que una persona sea capaz de encontrar la mejor?</p><p>También puede pasar que no importa que la persona se las “sepa todas” sino que la mejor opción puede resultar anti-intuitiva y nunca hubiese sido considerada. Es acá donde la Paradoja de Braess nos puede dar una mano.</p><p>Durante mis estudios tuve la suerte de cursar más de una materia con el profesor Juan Pablo Pinasco. Pinasco no es solamente un excelente profesor de matemática, que logra explicar todo de la forma más intuitiva posible, sino que además aprovecha cada momento posible de sus clases para sumar algún dato interesante. En una de esas tantas veces, dijo algo parecido a “si tenemos una red de tráfico congestionada, podemos empeorarla si construimos una autopista más” y siguió con la clase. ¿Qué? No, pará, ¿no vas a seguir como si nada, no? Pero siguió, así que tuve que buscar después de qué estaba hablando. ¿Cómo puede ser que si uno quiere optimizar el tiempo de viaje en una red sea malo poner una autopista más? Pinasco estaba hablando de la Paradoja de Braess.</p><p>La llamada “Paradoja de Braess” fue presentada en 1968 por el propio Braess en el paper <em>Uber ein Paradoxon aus der Verkehrsplanung</em> o en criollo algo así como <em>Sobre una paradoja en la planificación de tráfico</em>.</p><p>El paper dice específicamente: <em>“Si cada conductor toma el camino que parece el más favorable, los tiempos de manejo pueden no necesariamente ser los mínimos. Lo que es más, se indica con un ejemplo que una extensión a la red de caminos puede causar una redistribución del tráfico que resulta en tiempos de manejo individuales más largos.”</em></p><p>O sea que es verdad que, bajo ciertas condiciones, agregar un camino puede empeorar la situación.</p><p>Veamos cómo puede suceder eso con un ejemplo</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*0AmT1B9B9FlF_Q2k2OLyIQ.png" /></figure><p>Supongamos que hay 200 autos que todos los días van de “Principio”(P) a “Fin”(F).</p><p>Para hacer ese camino hay dos alternativas, una que pasa por A y una que pasa por B. La que pasa por A primero tiene un camino en el que se tarda T/10 minutos, donde T es la cantidad de autos que lo usan. Luego hay un segundo tramo desde A hasta Fin que no depende de la carga del camino, sino que tiene un tiempo fijo de 25 minutos.</p><p>Yendo por B pasa algo parecido pero al revés. Primero hay un trayecto de tiempo fijo y luego uno de tiempo variable.</p><p>Si cada auto piensa de forma individual la mejor manera de viajar, se va a converger a una solución en donde 100 autos tomen el camino que va por A y 100 autos tomen el camino que va por B, y ambos caminos tomarían 25+100/10=35 minutos (si no estuviese balanceado, entonces hay un camino por el que se tarda un poco más y los autos de ese camino tendrían un incentivo para cambiar, por lo que no estaríamos en un equilibrio).</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*9W6pDu4snsOq4BRwiRGh8g.png" /><figcaption>Primera solución balanceada</figcaption></figure><p>De repente se construye un nuevo camino que nos puede llevar de A a B en tan solo un minuto. Los autos que tomaban el camino por A, ahora van a preferir llegar hasta A, luego cambiar a B y ahí seguir. No importa que el camino desde B hasta Fin ya esté cargado, aún con su carga total de 200 autos se recorre en 200/10=20 minutos que, sumado al minuto para ir de A hasta B, es mejor que los 25 que estaban usando antes para ir de A hasta fin.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*CZyjqvPPvF5RNjtl8Kz37w.png" /><figcaption>Se agregó un camino rápido de A a B</figcaption></figure><p>Ahora los autos que iban por la ruta que pasaba por B están furiosos. No solo no construyeron algo que les sirva, sino que ahora la segunda parte del camino está mucho más cargada y entonces tardan 25+200/10=45, cuando antes tardaban 35. Lo que es más, ahora sí tienen incentivo para cambiarse al camino Principio-A-B-Fin porque es mejor.</p><p>Después de que se cambian todos los autos de manera egoísta, ahora todos tardan 200/10+1+200/10=41 minutos. Es decir, luego de crear un camino super rápido nuevo, todos los autos tomaron sus decisiones de manera egoísta y el tiempo de viaje pasó de ser 35 minutos a ser 41 minutos para todos ellos. Esta solución de nuevo está en un equilibrio. Si bien todos empeoraron su tiempo de viaje, nadie tiene el incentivo individual de cambiar, ya que cambiar al camino Principio-B-Fin significaría tardar 45 minutos en total, perdiendo 4 minutos.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*F8r_JSYZ12sFbgl9KFXygQ.png" /><figcaption>Solución balanceada con la nueva autopista</figcaption></figure><p>Conclusión: Agregamos una autopista súper veloz de A a B. Todos los autos hicieron lo mejor posible para ellos mismos y todos terminaron perdiendo 6 minutos de viaje.</p><p>Lo que nos muestra esto es algo sobre lo que hablaba al principio. ¿Quién hubiera dicho que agregar una autopista a un red congestionada podía empeorar la situación? Es muy posible que el encargado de la planificación estratégica de la red nunca hubiese llegado ni a evaluar esta opción, menos que menos a elegirla como la mejor opción.</p><p>Esta paradoja de hecho llegó a tener su momento de fama con una aparición estelar en el New York Times. En 1990 se decidió clausurar una calle particular en Nueva York para una festividad y, para sorpresa de muchos, eso no solo no empeoró el flujo de tráfico en los alrededores, sino que lo mejoró.</p><p>Este salto a la fama se puede ver en <a href="https://www.nytimes.com/1990/12/25/health/what-if-they-closed-42d-street-and-nobody-noticed.html">https://www.nytimes.com/1990/12/25/health/what-if-they-closed-42d-street-and-nobody-noticed.html</a> en donde se puede visualizar una explicación parecida a la de más arriba sobre el fenómeno.</p><p>Otra cosa interesante de esta paradoja es que no solo aplica para cuestiones de tráfico, sino que tiene su contraparte en otros procesos y sistemas. No voy a dar una explicación de cómo funcionan los resortes en serie y en paralelo porque estoy lejos de ser el indicado. Pero en <a href="https://www.youtube.com/watch?v=nMrYlspifuo">https://www.youtube.com/watch?v=nMrYlspifuo</a> se puede ver una aplicación física de la paradoja. En ese video hay una masa colgando de un sistema de resortes unidos de diversas maneras. Al cortar una de esas uniones (que de hecho está tensada, por lo que está siendo responsable de sostener la masa), la masa se mueve hacia <em>arriba</em> (si, leíste bien, hacia arriba).</p><iframe src="https://cdn.embedly.com/widgets/media.html?url=https%3A%2F%2Fimgur.com%2FbD5S3Gd&amp;src=https%3A%2F%2Fimgur.com%2FbD5S3Gd%2Fembed%3Fpub%3Dtrue%26ref%3Dhttps%253A%252F%252Fembed.ly%26w%3D540&amp;type=text%2Fhtml&amp;key=a19fcc184b9711e1b4764040d3dc5c07&amp;schema=imgur" width="540" height="500" frameborder="0" scrolling="no"><a href="https://medium.com/media/f613af45d1ef37f1bddedd1d23ae3e9f/href">https://medium.com/media/f613af45d1ef37f1bddedd1d23ae3e9f/href</a></iframe><p>La paradoja de Braess no tiene nada de paradójico sino que, como pasa con muchas otras llamadas paradojas, simplemente está conceptualizando un hecho que no es intuitivo. Son estos hechos los que son muy fáciles de pasar de largo por una persona que está a cargo de optimizar un proceso simplemente porque es “<em>obvio” </em>que esa opción no puede servir.</p><p>Hay muchos casos de situaciones anti-intuitivas cuando se quiere optimizar alguna cuestión. Un caso de juguete, pero que resulta muy ilustrativo, es el que se puede encontrar en <a href="https://blog.openai.com/faulty-reward-functions/">https://blog.openai.com/faulty-reward-functions</a>. En dicho experimento lo que se busca es hacer que la computadora aprenda a jugar un juego de carreras de lanchas. El objetivo, uno creería, es ganar la carrera porque esa es la forma de conseguir más puntos. Es lo que toda persona razonable hubiese hecho si se la hubiese puesto a jugar.</p><p>La cuestión es que en este juego se pueden sumar puntos también agarrando ciertos items en la pista. Los puntos que se agarran por esos items son muy pocos en comparación con ganar la carrera, pero si de repente agarro muuuchos items…</p><p>Después de un rato aprendiendo a jugar a la supuesta carrera de lanchas, la computadora se dio cuenta que existe un pequeño ciclo repetible en el medio de la pista en el que se pueden sumar muchos más puntos que ganando la carrera. No importa que se la dé contra la pared. No importa que se choque contra un barco y la lancha se prenda fuego. En ese ciclo cortito la lancha agarra 3 items. Ese ciclo se puede repetir muchísimas veces mientras otras ilusas lanchas buscan ganar la carrera. Cuando se termina la carrera, la lancha que cruzó primero la línea festeja alocadamente, solo para darse cuenta que una lancha que nunca llegó y que se prendió fuego reiteradas veces sumó en el orden de 20% más de puntos.</p><iframe src="https://cdn.embedly.com/widgets/media.html?url=https%3A%2F%2Fimgur.com%2FALjAjad&amp;src=https%3A%2F%2Fimgur.com%2FALjAjad%2Fembed%3Fpub%3Dtrue%26ref%3Dhttps%253A%252F%252Fembed.ly%26w%3D540&amp;type=text%2Fhtml&amp;key=a19fcc184b9711e1b4764040d3dc5c07&amp;schema=imgur" width="540" height="500" frameborder="0" scrolling="no"><a href="https://medium.com/media/86aaac30f03c49669efb916996e15f09/href">https://medium.com/media/86aaac30f03c49669efb916996e15f09/href</a></iframe><p>Este es otro ejemplo claro en donde la solución vencedora posiblemente nunca hubiese sido considerada por un experto de dominio.</p><p>En resumen:</p><ul><li>Optimizar no es fácil: más allá de la cantidad de soluciones posibles a considerar, es posible que el sesgo humano para buscar la solución a un problema sea demasiado fuerte.</li><li>Esto no quiere decir que el sesgo no sirva para resolver problemas (de hecho sirve y mucho). Sumar un camino a una red congestionada puede no ser bueno, pero esto solo sucede en algunos casos puntuales. No vale usar estas paradojas para sentarse y no hacer nada y seguir teniendo solamente la General Paz como única opción para circundar toda la Ciudad de Buenos Aires.</li><li>Sumar un camino siempre es bueno en realidad, solo que hay que tomar la decisión centralizada. Tal vez lo que había que cambiar era el enfoque de cómo se están tomando las decisiones.</li></ul><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=846870bcc2e1" width="1" height="1" alt=""><hr><p><a href="https://medium.com/eryxcoop/la-paradoja-de-braess-c%C3%B3mo-nos-perdemos-oportunidades-de-optimizar-846870bcc2e1">La paradoja de Braess: cómo nos perdemos oportunidades de optimizar</a> was originally published in <a href="https://medium.com/eryxcoop">Eryx</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Aumentos del subte y usuarios racionales]]></title>
            <link>https://medium.com/eryxcoop/aumentos-del-subte-y-usuarios-racionales-8c20e4dac850?source=rss-302418c081c0------2</link>
            <guid isPermaLink="false">https://medium.com/p/8c20e4dac850</guid>
            <category><![CDATA[business-intelligence]]></category>
            <category><![CDATA[data-visualization]]></category>
            <category><![CDATA[traffic-optimization]]></category>
            <category><![CDATA[public-transit]]></category>
            <category><![CDATA[data-science]]></category>
            <dc:creator><![CDATA[Federico Pousa]]></dc:creator>
            <pubDate>Tue, 11 Sep 2018 12:22:13 GMT</pubDate>
            <atom:updated>2018-09-11T15:07:23.434Z</atom:updated>
            <content:encoded><![CDATA[<p>Siempre me interesó la información relacionada con el transporte y en particular me interesan los problemas de optimización sobre el transporte público. Cuando descubrí las plataformas de datos abiertos como <a href="http://estadisticas.produccion.gob.ar/">http://estadisticas.produccion.gob.ar/</a>, encontré muchos datos relacionados al transporte que me podían ayudar a responder preguntas que siempre tuve. Muchas veces escuché personas haciendo comparaciones sobre diferentes medios de transporte “mejor me tomo el bondi, a esta hora va super directo”, “tomate el subte, vas a llegar mucho más rápido”, “¿viste lo que aumentó el subte? mejor voy en colectivo”. De todas esas frases, se puede ver que existen personas que cuando tienen alternativas para ir a un lugar no les da lo mismo, sino que analizan qué prefieren de uno u otro medio de transporte para hacer la elección. En particular me interesó la última observación, la cual la escuché varias veces y por eso me generó esta duda. Si una persona tiene la chance de elegir entre dos o más medios de transporte público, ¿Cuánto influye el precio de los mismos? ¿Puede el precio del transporte hacer que una persona elija utilizar un medio “peor” (por ejemplo, más lento)?</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*YZunucuPsYU9ofQgCG1DhQ.png" /><figcaption>¿Subte o Colectivo?</figcaption></figure><p>La respuesta es muy simple, hay gente a la que sí le influye y hay gente a la que no. Hay gente que depende del transporte para llegar a su trabajo a diario y el gasto le representa un esfuerzo importante, así como existen personas que toman un colectivo y no saben cuánto sale un viaje. Sin embargo, lo que estaría bueno saber, es que pasa a nivel general. ¿Es considerable la cantidad de <em>usuarios racionales </em>sobre el total?</p><p>Con el siguiente análisis no pretendo dar una respuesta cerrada a este tema. El flujo de usuarios en una red de transporte es un tema por demás complejo y son muchísimos los factores que influyen, pero tal vez se pueda echar un poco de luz sobre la cuestión.</p><p>En particular poniendo el foco de la pregunta en la Ciudad de Autónoma de Buenos Aires, lo que me interesó ver es si los aumentos de precio en el subte impactan en la cantidad de gente que lo usa. En general, en CABA, el subte es un medio de transporte más rápido que el colectivo. Por lo cual sería interesante ver si una buena porción de usuarios están dispuestos a utilizar un medio de transporte más lento para contrarrestar un aumento en la tarifa de subtes.</p><p>Para eso, empecemos por ver un poco como son los “números del subte”. En primer lugar, veamos como es el flujo de usuarios. Si bien los datos obtenidos en <a href="http://estadisticas.produccion.gob.ar/">http://estadisticas.produccion.gob.ar/</a> tienen información desde el año 1993, voy a utilizar la información de los últimos 10 años (2008 al 2017) por una cuestión de visualización y porque son los años donde mayor impacto hubo en la tarifa del subte.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/918/0*2Buaz-fDpYTZFq6r" /></figure><p>Este gráfico sólo muestra datos crudos y, sin embargo, ya muestra información que puede resultar de interés para entender el funcionamiento del subte.</p><p>En primer lugar, visualizar la información de una manera adecuada nos puede ayudar a detectar algún tipo de problema. En este caso, si miramos el gráfico, podemos ir viendo diferentes patrones que se cumplen, cosas que se parecen entre sí, otras que no se parecen tanto y algunas <em>cosas raras. </em>Por ejemplo, muchas personas al ver este gráfico ven que pasó algo raro al comenzar el 2013 con la línea A. La línea A pasa de tener un comportamiento controlado y parecido al de la línea C, a tener 0 usuarios. Es simple encontrar la razón para este hecho puntual, y es que la línea A estuvo cerrada por reparaciones durante ese período (<a href="https://www.lanacion.com.ar/1543084-viene-de-tapacierran-desde-el-12-la-linea-a-de-subtes">https://www.lanacion.com.ar/1543084-viene-de-tapacierran-desde-el-12-la-linea-a-de-subtes</a>). En este caso lo interesante no es la explicación en sí, sino el hecho de que visualizar los datos de un proceso ayudan a encontrar un problema que de otra manera podría haber sido más difícil.</p><p>Otra cosa que podemos ver del gráfico es que la línea parecen tener un comportamiento <em>parecido</em>, excepto por la H. Parecido no en la cantidad de usuarios, sino en cómo crece o decrece su utilización en cada uno de los meses. Para ver qué tan parecidas son realmente podemos ver la <em>correlación</em> entre dos líneas. La correlación entre dos conjuntos de datos es una medida de qué tan predecible es un conjunto de datos con respecto al otro. Si la correlación es positiva entonces cuando los datos de un conjunto crecen, en el otro también. Si la correlación es negativa entonces cuando los datos de un conjunto crecen, en el otro decrecen. Si la correlación es cercana a 0, eso significa que los comportamientos de los conjuntos de datos parecen ser más independientes. Lo importante para ver si dos conjuntos de datos correlacionan bien, es ver la magnitud de esta medida sin importar el signo. La correlación es una medida que puede tomar valores entre -1 y 1. En general, si el valor absoluto es mayor a 0.5 se habla de una correlación fuerte.</p><p>Para ver entonces cómo es la correlación entre las líneas de subte podemos utilizar lo que se conoce como matriz de correlación, que no es más que una tablita que condensa todas las correlaciones entre cada par de líneas de subte.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/349/0*aqU42MsPRYrAqGQz" /></figure><p>Esta matriz de correlación nos confirma lo que se percibía visualmente en el primer gráfico. La línea H no correlaciona bien con el resto. Esto tiene mucho sentido, la línea H es la más nueva de todas las líneas y en los últimos 10 años es la que mayor crecimiento porcentual de vías tuvo, por lo cual es lógico que su cantidad de usuarios no esté estabilizada sino que esté en continuo crecimiento a medida que crece la extensión de la línea. Sacando la H, todas las demás líneas correlacionan fuertemente entre sí, confirmando que la variación de usuarios en las diferentes líneas tienen comportamientos muy parecidos. Esto, en cierta manera, significa que si obtenemos conclusiones sobre el funcionamiento de una línea, podríamos de alguna manera traducir esa conclusión al resto.</p><p>Un último punto a remarcar sobre el primer gráfico, es que cada una de las líneas parece tener un comportamiento anual bien marcado. Nuevamente es una conclusión no demasiado sesuda, en Enero y Febrero hay mucha gente que se toma sus vacaciones, junto con los estudiantes. En Marzo vuelven todos a la vez. Después hay otros eventos como semana santa, vacaciones de invierno, etc. Sin embargo, es un comportamiento a chequear por dos motivos. Primero porque nuevamente es interesante poder ver como los datos certifican una noción intuitiva o una sensación que tenemos sobre un cierto proceso. Por otro lado, chequear un comportamiento anual de los usuarios nos ayuda a después hacer comparaciones más razonables. Si los meses tienen un comportamiento particular y se repite anualmente, no tiene sentido ver por ejemplo el crecimiento de la cantidad de usuarios mes a mes, sino que tiene sentido ver esto por cada mes, en función del mismo mes del año anterior.</p><p>Para ver esto podemos utilizar nuevamente la medida de correlación. En este caso lo que hago es tomar los usuarios de la línea D, y ver cómo correlacionan los años entre sí.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/385/0*2jQTeN75eh-urz_D" /></figure><p>De esta matriz podemos ver dos cosas. Por un lado, dado que todos los valores son altos, se confirma que los usuarios tienen un comportamiento cíclico anual, por lo cual tendrá sentido analizar cómo varían los usuarios en cada mes del año. Por otro lado, si bien todos los valores son altos, los valores correspondientes al año 2012 son notoriamente diferentes, indicando que algún comportamiento distinto sucedió ese año.</p><p>Con esto nos vamos acercando a la pregunta original sobre los precios. No parece ser casualidad que el quiebre en el funcionamiento del subte se da en el año 2012. Año en el que el subte sufrió su mayor aumento porcentual. En enero de 2012, un viaje en subte pasó de valer 1.1 a valer 2.5, totalizando un 127% de aumento. Si volvemos sobre el gráfico original, solo a ojo se ve que en el año 2012 todos las lineas tienen un fuerte decaimiento en sus usuarios, y que luego tardan varios años en volver a tener la cantidad de usuarios que tenían previo al 2012.</p><p>Para ver más en detalle cómo afectaron los aumentos del subte, voy a graficar los usuarios de la línea D, marcando cuando fueron los aumentos. Para esto no voy a graficar los usuarios de manera total, sino que lo que voy a mostrar es el crecimiento porcentual mes a mes, tomando como referencia los meses del 2008. Es decir, en el gráfico vamos a ver porcentualmente cuánto creció o decreció la cantidad de usuarios en Enero de 2009 con respecto de Enero del 2008, Enero de 2010 con respecto a Enero del 2008, 2011 con respecto a 2008 y así para cada año y para cada mes del año.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*O5XTjX4b6IG6GMu0T5A8Dg.png" /></figure><p>Como podemos ver en el gráfico, las etiquetas rojas nos marcan los aumentos del subte y se ve que tuvieron un impacto notorio en la cantidad de usuarios. A partir del aumento más fuerte del 2012, y con ayuda de los aumentos de 2013 y 2014, la cantidad de usuarios decreció con respecto al año 2008 y se mantuvo consistentemente por debajo del 2008 por un buen período. Recién por el 2016 pudo retomar los niveles del 2008. Esto parece indicar que la respuesta a la pregunta original es que sí, que realmente hay una cantidad interesante de usuarios racionales que migran de un transporte a otro según la tarifa. Sin embargo, este gráfico me deja otras preguntas. ¿Por qué el primer y el último aumento no parecen impactar mucho? ¿Donde va la gente que se va del subte?</p><p>Bueno, dónde va la gente es una pregunta muy compleja y, como dije al principio, no pretendo en esta cantidad de palabras buscar una explicación final al flujo de usuarios de una red de transporte. Mi poco conocimiento de CABA me hace pensar que la alternativa natural al subte D son los colectivos que van por Avenida Cabildo y por Avenida Santa Fe. Sin embargo podría haber otros lugares donde la gente migre: Tren Mitre, Autos, Caminatas, Bicis. También podrían suceder otro tipo de hechos en vez de migraciones como que se reduzca la capacidad de carga del subte porque se reducen la cantidad de servicios o que directamente se reduzca la demanda de usuarios por algún factor externo como podría ser el aumento del desempleo.</p><p>Teniendo en mente estas dos últimas preguntas y la intuición de que el competidor natural del subte D son los colectivos, el siguiente gráfico muestra nuevamente la información de usuarios del subte D, pero ahora marco también los períodos en que es más barato uno u otro servicio.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*mZTfYNdBrTlmSE4NZbY6sQ.png" /></figure><p>Este último gráfico ya parece bastante más concluyente. Los períodos de crecimiento y decrecimiento de usuarios en el subte muestra una clara relación con los períodos en donde el subte es más barato o más caro que el colectivo dado los aumentos que van sufriendo ambos servicios. El período prolongado en donde el colectivo es más barato que el subte engloba a casi todas las muestras negativas (es decir cuando hubo un decrecimiento de los pasajeros con respecto al año 2008).</p><p>Esto no significa que el precio sea la única explicación para ver por qué migran los usuarios. De hecho el crecimiento de los años 2016 y 2017 del subte bien podrían ser influenciados por otros factores. Durante el 2016 la Avenida Cabildo era un caos por las obras del metrobus (<a href="https://www.clarin.com/ciudades/metrobus-norte-gba-plaza-italia_0_Bk9HFPXGl.html">https://www.clarin.com/ciudades/metrobus-norte-gba-plaza-italia_0_Bk9HFPXGl.html</a>) por lo que eso también podría incentivar a migrar hacia el subte. Desde noviembre de 2016 existe el boleto estudiantil gratuito en el subte (<a href="http://www.telam.com.ar/notas/201609/164047-boleto-estudiantil-gratuito-ciudad-rodriguez-larreta.html">http://www.telam.com.ar/notas/201609/164047-boleto-estudiantil-gratuito-ciudad-rodriguez-larreta.html</a>), lo cual seguramente se ve fuertemente reflejado en Marzo del 2017.</p><p>De todas maneras, aunque puedan haber muchos otros factores para explicar un proceso tan complejo, parece bastante evidente la relación entre la tarifa y la cantidad de usuarios. De hecho, esto dispara algunas preguntas finales: ¿Los aumentos son acompañados por algún estudio que indique el impacto en la cantidad de usuarios?. ¿Podemos proyectar la cantidad de usuarios en los próximos meses en función de los aumentos que se vienen?. Si podemos proyectar, ¿Tiene sentido aumentar un cierto porcentaje el subte si después eso se traduce en perder una buena parte de los usuarios?</p><p>Los datos están, seguramente un buen análisis nos puede a ayudar a responder estas y otras preguntas.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=8c20e4dac850" width="1" height="1" alt=""><hr><p><a href="https://medium.com/eryxcoop/aumentos-del-subte-y-usuarios-racionales-8c20e4dac850">Aumentos del subte y usuarios racionales</a> was originally published in <a href="https://medium.com/eryxcoop">Eryx</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
    </channel>
</rss>