104286

Master Thesis ǀ Tesis de Maestría submitted within the UNIGIS MSc programme presentada para el Programa UNIGIS MSc at/en

Interfaculty Department of Geoinformatics- Z_GIS Departamento de Geomática – Z_GIS University of Salzburg ǀ Universidad de Salzburg

Análisis Espacial de Patrones de Consumo en la Canasta Familiar para Bogotá, Colombia Spatial Analysis of Consumption Patterns in the Family Basket for Bogotá, Colombia by/por

Rita Shirley González Molina 01522974 A thesis submitted in partial fulfilment of the requirements of the degree of Master of Science– MSc

Cali, 18 de marzo de 2019

Compromiso de ciencia Por medio del presente documento, incluyendo mi firma personal certifico y aseguro que mi tesis es completamente el resultado de mi propio trabajo. He citado todas las fuentes que he usado en mi tesis y en todos los casos he indicado su origen.

_________________________________________________________________________ Cali, 18 de marzo del 2019 Rita S. Gonzรกlez Molina

AGRADECIMIENTOS A Dios.

A mis amados mamá y papá.

A Fede, Jen y Richie.

Al profesor Karl.

A cada uno de los amigos que me acompañaron en esta tremenda aventura.

A todos, Gracias.

4

RESUMEN Las geo-tecnologías están siendo parte de todo tipo de procesos en el mundo, renovando la forma en como las empresas llegan a sus usuarios para ofrecerles mejores alternativas de consumo y de servicios. Para esto las empresas analizan desde las características de los usuarios, sus condiciones socioeconómicas hasta las zonas se encuentran localizados para así evaluar todos los servicios a los que tienen acceso y mejorarles la oferta de servicios.

La meta de esta investigación es establecer cómo son los patrones de consumo de la ciudad de Bogotá usando el Análisis Espacial y cómo el consumo de los productos de la canasta básica familiar está relacionado con el estrato socioeconómico de sus habitantes. La metodología que se usó en este estudio fue el Análisis Estadístico de Datos Espaciales (AEDE); en esta metodología se trabajó con información estadística y se relacionó con información geográfica. En los resultados obtenidos durante esta investigación se pudo observar que sus patrones de consumo no solo se encuentran relacionados con el ingreso sino también con el estrato socioeconómico, logrando así que esto influya en los tipos de productos que se pueden adquirir de la canasta básica familiar.

Una de las principales conclusiones de esta investigación es la ventaja que ofrecen el geomarketing y el SIG puesto que permiten analizar diferentes escenarios para la mejora de la oferta y demanda de bienes, puesto que el conocer cómo se desarrollan los patrones de consumo permite evaluar las posibilidades económicas de una población y así establecer el acceso a ciertos bienes de los habitantes de una ciudad o un país.

Palabras clave: Análisis Estadístico de Datos Espaciales (AEDE), Sistemas de Información Geográfica (SIG), Geomarketing, Productos Básicos Canasta Familiar

Rita S. González M.

UNIGIS América Latina

5

ABSTRACT Geotechnologies are a part of all kinds of processes in the world, renewing the way in which the companies reach their users to offer them better alternatives for consumption and services. To do this the companies analyze the characteristics of the users, their socioeconomic conditions, and where they are located, to evaluate the services which they have access to and improve services offers.

The research goal is (1) to establish consumption patterns in Bogota, Colombia, using Spatial Analysis, and (2) to determine how the consumption of basic family basket products are related with socioeconomic stratum. The methodology used was the statistical analysis of spatial data (AEDE, by its acronym in Spanish), it uses statistical information in relation with geographic information. The results obtained during this research showed that the consumption patterns are related, not only with the income, but also its socioeconomic stratum, affecting the products they can acquired from the basic family basket.

One of the conclusions of this research is the advantage offered by Geomarketing and GIS, since they allow for analysis of different scenarios, improving the supply and demand of goods and services. Knowing how the consumption patterns develop allows us to evaluate the economic possibilities of a population and thus establish how the residents of a city acquire certain services.

Keywords: AEDE, Geographic Information Systems (GIS), Geomarketing, Basic Products Family Basket

Rita S. GonzĂĄlez M.

UNIGIS AmĂŠrica Latina

6

Tabla de Contenido AGRADECIMIENTOS ............................................................................................................... 3 RESUMEN ............................................................................................................................... 4 ABSTRACT .............................................................................................................................. 5 1.

Introducción ................................................................................................................ 12

1.1. Antecedentes del problema. ....................................................................................... 12 1.2. Objetivos. ..................................................................................................................... 13 1.2.1.

Objetivo General. .................................................................................................. 13

1.2.2.

Objetivos específicos. ........................................................................................... 13

1.3. Preguntas de Investigación.......................................................................................... 13 1.4. Hipótesis. ..................................................................................................................... 14 1.5. Justificación. ................................................................................................................ 14 1.6. Alcance......................................................................................................................... 15 2.

Revisión de Literatura .................................................................................................. 16

2.1. Marco Teórico.............................................................................................................. 16 2.1.1.

Marketing .............................................................................................................. 16

2.1.2.

Geomarketing ....................................................................................................... 17

2.1.3.

Canasta Familiar, el Índice de Precios al Consumidor y las Necesidades Básicas 22

2.1.4.

Estrato Socioeconómico. ...................................................................................... 25

2.2. Marco Histórico ........................................................................................................... 26 2.3. Marco Metodológico ................................................................................................... 29 2.3.1.

Análisis Estadístico Descriptivo ............................................................................. 30

2.3.1.1.

Moda ................................................................................................................. 30

2.3.1.2.

Promedio ........................................................................................................... 30

2.3.2.

Análisis Exploratorio de Datos .............................................................................. 31

2.3.3.

Análisis Exploratorio de los Datos Espaciales (AEDE) ........................................... 31

2.3.4.

Clústeres Espaciales .............................................................................................. 33

2.3.5.

Autocorrelación Espacial....................................................................................... 34

2.3.6.

Índice de Moran .................................................................................................... 35

2.3.7.

LISA (Local Indicator of Spatial Association) ......................................................... 36

2.3.8.

Estadístico G general de Getis-Ord ....................................................................... 38

2.3.9.

Modelos de interacción espacial .......................................................................... 38

2.3.9.1.

Modelos determinísticos o normativos ............................................................ 39

2.3.9.2.

Modelos Causales .............................................................................................. 39

Rita S. González M.

UNIGIS América Latina

7

2.3.10.

Modelos gravitacionales de Consumo. ............................................................. 40

2.3.10.1.

Modelo de Reilly ................................................................................................ 40

2.3.10.2.

Modelo de Huff ................................................................................................. 41

2.3.11.

Modelos No Gravitacionales ............................................................................. 42

2.3.11.1.

Los Polígonos de Thiessen ................................................................................. 42

2.3.11.2.

El Modelo de Christaller .................................................................................... 43

3.

Metodología. ............................................................................................................... 44

3.1. Área de Estudio............................................................................................................ 44 3.2. Flujograma de Investigación ........................................................................................ 48 3.3. Datos ............................................................................................................................ 50 3.3.1.

Datos e Información Geográfica. .......................................................................... 50

3.3.1.1.

Encuesta de Calidad de Vida de Bogotá. ........................................................... 50

3.3.1.2.

Información Geográfica ..................................................................................... 54

3.3.2.

Software ................................................................................................................ 55

3.4. Metodología Aplicada.................................................................................................. 55 3.4.1.

Búsqueda Bibliográfica ......................................................................................... 55

3.4.2.

Conversión de Datos ............................................................................................. 56

3.4.3.

Estandarización de los datos................................................................................. 56

3.4.4.

Creación de Base de Datos Geográfica ................................................................. 68

3.4.5.

Evaluación de los métodos. .................................................................................. 68

3.4.5.1.

Identificación de los productos de menor y de mayor consumo de la canasta familiar en la ciudad de Bogotá según el estrato socioeconómico. ............................ 69 3.4.5.2.

Identificación y localización de las zonas con altos y bajos niveles de consumo de los productos de la canasta familiar en la ciudad de Bogotá. ................................ 70 3.4.5.3.

Identificación de las zonas que presentan mayor potencial de consumo de productos de la canasta familiar ................................................................................. 71 3.4.6.

4.

Generación de Mapas, evaluación y análisis de resultados. ................................ 72

Resultados y Discusión ................................................................................................ 72

4.1. Resultados ................................................................................................................... 72 i. Identificación de los productos de mayor y menor consumo de la canasta familiar en la ciudad de Bogotá por estrato socioeconómico. .......................................................... 76 ii. Identificación y localización de las zonas con altos y bajos niveles de consumo de los productos de la canasta familiar. ................................................................................ 82 iii. Identificación de zonas que presentan mayor potencial de consumo de productos. ... 86 4.2. Discusión de los resultados ......................................................................................... 93

Rita S. González M.

UNIGIS América Latina

8

i.

Análisis de la Identificación de los productos de menor y de mayor consumo de la canasta familiar en la ciudad de Bogotá por estrato socioeconómico. ...................... 93

ii.

Análisis de la Identificación y localización de las zonas con altos y bajos niveles de consumo de los productos de la canasta familiar. ...................................................... 95

iii.

Análisis de la identificación y localización de zonas que presentan mayor potencial de consumo de productos. ............................................................................................... 96

5.

Conclusiones ................................................................................................................ 97

5.1. Resumen de los resultados. ......................................................................................... 97 5.2. Recomendaciones ..................................................................................................... 100 6.

Anexos ....................................................................................................................... 102

A1. Análisis Estadístico Descriptivo Espacial. .................................................................... 102 A1.1. Estadísticos Descriptivos y Análisis Espacial. ........................................................... 102 7.

Referencias bibliográficas .......................................................................................... 142

Rita S. González M.

UNIGIS América Latina

9

Listado de Mapas Mapa 1 - Área de estudio seleccionada que corresponde a la ciudad de Bogotá. Fuente: (IDECA, 2017). .............................................................................................................. 45 Mapa 2 - Hogares Pobres por NBI - (Alcaldía Mayor de Bogotá D.C, 2007). ...................... 53 Mapa 3 - Distribución Estrato Moda de la Ciudad de Bogotá. ............................................ 65 Mapa 4 - Distribución Espacial del Pan, Arepa, Bollo y Almojábana ................................... 75 Mapa 5 - Distribución Espacial - Mayor y Menor Gasto Promedio por Vivienda por Localidad - Bogotá ....................................................................................................... 79 Mapa 6 - Distribución Espacial - Mayor y Menor Pago por Localidad - Bogotá .................. 80 Mapa 7 - Niveles de Consumo por Localidad. ..................................................................... 85 Mapa 8 - Análisis Puntos Calientes ...................................................................................... 88 Mapa 9 - Patrones de Consumo. ......................................................................................... 90 Mapa 10 - Comparativo de Patrones de Consumo con Consumo por Localidad ............... 92 Mapa 11 - Distribución Espacial de la Leche y Derivados ................................................. 105 Mapa 12 - Distribución Espacial de los Huevos. ................................................................ 109 Mapa 13 - Distribución Espacial de la Carne de Res, Cerdo o Cordero, Hueso y Vísceras 112 Mapa 14 - Distribución Espacial de la Carne de la gallina y pollo. .................................... 116 Mapa 15 - Distribución espacial de la Papa común, Papa criolla, Yuca, Arracacha, Ñame. ................................................................................................................................... 120 Mapa 16 - Distribución Espacial del Arroz, Pasta, Avena, Cuchuco, Harinas, Corn Flakes y otros Cereales. ........................................................................................................... 124 Mapa 17 - Distribución espacial del Frijol seco, Arveja seca, Lentejas, Garbanzos y otros Granos........................................................................................................................ 128 Mapa 18 - Distribución espacial del Aceite, manteca, margarita y otras grasas .............. 132 Mapa 19 - Distribución espacial de Azúcar, Sal, Condimentos y Salsas. ........................... 136 Mapa 20 - Distribución espacial de la Panela, Café, Chocolate y Té ................................. 140

Rita S. González M.

UNIGIS América Latina

10

Listado de Tablas Tabla 1 – Resultado de los negocios en función de la utilización de herramientas de geomarketing. .............................................................................................................. 21 Tabla 2 – Técnicas de Análisis Exploratorio de Datos Espaciales (AEDE) ............................ 32 Tabla 3 - Descripción de Encuesta de Calidad de Vida de Bogotá (ECVB) ........................... 51 Tabla 4 - Descripción de las variables del archivo Gastos de la Encuesta de Calidad de Vida de Bogotá (ECVB) ......................................................................................................... 51 Tabla 5 - Distribución nominal y porcentual del Estrato Socioeconómico por Localidad. .. 58 Tabla 6 - Agrupación del Estrato Socioeconómico moda y Estrato Cualitativo por Localidad de la Ciudad de Bogotá. ............................................................................................... 64 Tabla 7 - Análisis de los datos - Producto 1: Pan, arepas, bollos, almojábanas. ................. 73 Tabla 8 - Productos de Mayor Consumo ............................................................................. 77 Tabla 9 - Productos de Menor Consumo ............................................................................. 77 Tabla 10 – Análisis de los datos - Producto 2: Leche y Derivados ..................................... 103 Tabla 11 – Análisis de los datos - Producto 3: Huevos. ..................................................... 107 Tabla 12 – Análisis de los datos - Producto 4: Carne de res, cerdo o cordero, hueso y vísceras. ..................................................................................................................... 111 Tabla 13 - Análisis de los datos - Producto 5: Carne de gallina y pollo. ............................ 114 Tabla 14 – Análisis de los datos - Producto 6: Papa común, papa criolla, yuca, arracacha, ñame. ......................................................................................................................... 118 Tabla 15- Análisis de los datos - Producto 7: Arroz, pasta, avena, cuchuco, harinas, corn flakes, y otros cereales. ............................................................................................. 122 Tabla 16 – Análisis de los datos - Producto 8: Frijol seco, arveja seca, lentejas, garbanzos y otros granos. .............................................................................................................. 126 Tabla 17 – Análisis de los datos - Producto 9: Aceite, manteca, margarita y otras grasas. ................................................................................................................................... 130 Tabla 18 – Análisis de los datos - Producto 10: Azúcar, sal, condimentos y salsas. .......... 134 Tabla 19 – Análisis de los datos - Producto 11: Panela, café, chocolate y té. ................... 138

Rita S. González M.

UNIGIS América Latina

11

Listado de Figuras Figura 1 - Pirámide de Maslow. .......................................................................................... 22 Figura 2 - Creación de Polígonos de Thiessen .................................................................... 42 Figura 3 - Modelo de Christaller ......................................................................................... 43 Figura 4 - Flujograma general de metodología aplicada. ................................................... 48 Figura 5- Flujograma detallado de metodología aplicada. ................................................. 49

Rita S. González M.

UNIGIS América Latina

12

1. Introducción 1.1.

Antecedentes del problema.

La ciudad de Bogotá al ser la capital de Colombia logra atraer la atención de los mercados y los hace interesarlos en establecerse y desarrollarse comercialmente en la capital del país, diferentes artículos de tipo económico colocan a Bogotá en el “Top 5 de ciudades para hacer negocios” en Latinoamérica. Entre ellos el ranking del 2016 publicado por la revista American Económica, la Revista Portafolio, 2016 presenta a Bogotá como la tercera mejor en servicios a empresas y la cuarta en infraestructura y conectividad, también destacan el poder de marca de la ciudad.

Considerando lo anterior, Bogotá se vuelve una ciudad donde convergen diferentes mercados que pueden enfocarse en cualquier punto puesto que es una ciudad cuya demografía es muy variada y sus estratos socioeconómicos se encuentran distribuidos de manera focalizada permitiendo así que los estudios de mercado que se realicen puedan segmentarse en poblaciones específicas.

El propósito de esta investigación es dar respuesta a la siguiente pregunta: ¿Cómo se encuentran distribuidas geográficamente las tendencias de consumo de la canasta básica familiar de los habitantes de la ciudad de Bogotá? el querer conocer la respuesta a este tipo de interrogantes permitirá integrar estadística con datos geográficos para resolver y definir patrones de consumo de manera más eficiente y acertada para determinar cómo se encuentra segmentada Bogotá respecto al consumo básico permitiendo así definir lugares propicios para nuevos negocios o mejorar los existentes.

La meta de esta investigación está enfocada en la integración de herramientas espaciales usadas con estadística para determinar nuevos negocios para en este caso en particular donde sea la canasta familiar los productos de principal consumo. La importancia de estudiar esta temática es poder construir metodologías y observar como es el comportamiento de consumo en diferente grupo de personas, también brinda la oportunidad de mejorar la forma en como el mercado llega a los diferentes usuarios, Rita S. González M.

UNIGIS América Latina

13

aunque este tipo de análisis no solo aplica para productos de consumo, ya que puede ser aplicado a los servicios públicos, al turismo, a la educación y a todo bien o servicio que se ofrezca.

1.2.

Objetivos.

1.2.1. Objetivo General.

Determinar los patrones espaciales del consumo de los productos de la canasta familiar según el estrato socioeconómico de los consumidores en la ciudad de Bogotá, Colombia, identificando las zonas con el mayor potencial de consumo de productos de la canasta básica familiar.

1.2.2. Objetivos específicos. i.

Identificar los productos de la canasta básica familiar de mayor y menor consumo en la ciudad de Bogotá.

ii.

Identificar las zonas con altos y bajos niveles de consumo de productos de la canasta básica familiar en la ciudad de Bogotá generando indicadores de consumo para los productos y servicios de los que se disponga información.

iii.

Identificar las zonas que presentan mayor potencial de consumo de productos según el estrato socio-economico de la población en Bogotá.

1.3. i.

Preguntas de Investigación.

¿Cuáles son los productos de la canasta básica familiar de mayor y menor consumo en la ciudad de Bogotá según el estrato socioeconómico?

Rita S. González M.

UNIGIS América Latina

14

ii.

¿Dónde se localizan las zonas con altos y bajos niveles de consumo de los productos de la canasta básica familiar en la ciudad de Bogotá?

iii.

¿Qué zonas presentarían mayor potencial de consumo de adquirir productos diferentes a los ofrecidos por la canasta básica familiar según el estrato socioeconómico de la población?

1.4.

Hipótesis.

La aplicación de los métodos y conceptos del análisis espacial que permitan identificar las zonas con el mayor potencial de consumo de productos nuevos de la canasta familiar según el estrato socioeconómico de los consumidores en la ciudad de Bogotá, Colombia.

1.5.

Justificación.

La información geográfica se ha posicionado con el tiempo como un material de insumo en muchos sectores, es transversal a muchas áreas permitiendo que la toma de decisiones tenga un sustento geográfico que permita ver la realidad de una manera cercana.

Se escogió el tema de análisis espacial de patrones de consumo, puesto que en la actualidad no solo existe una necesidad de conocer la posición de un elemento en un mapa sino conocer cómo ese elemento afecta y de qué manera se encuentra distribuido en espacios determinados, qué información se puede obtener y cómo será su inferencia a futuro.

Actualmente conocer el consumo de las personas con anterioridad permite segmentar al tipo de personas a las cuáles se les quiere ofrecer un bien y/o servicio, por eso el combinar métodos y conceptos del análisis espacial permitiría que esta segmentación tenga un soporte más real de escenarios de mercado a futuro.

Este tema es importante para instituciones, para el sector público y privado, ya que el enfoque que se le ha dado a esta investigación permite que sea usada como fundamento Rita S. González M.

UNIGIS América Latina

15

para iniciativas y análisis de geomarketing que utilicen las empresas que tengan relación con el ofrecimiento de bienes que se encuentren dentro de la canasta básica familiar, ya que permitiría anticipar la forma de llegar a mercados específicos, determinar el comportamiento de posibles consumidores y cómo son las tendencias

actuales de

consumo en la ciudad de Bogotá.

1.6.

Alcance

La investigación será realizada utilizando la información de la Encuesta de Calidad de Vida de Bogotá ECVB – 2007, de la cual se dispone información de gastos, viviendas, personas, gastos y condiciones de vida a nivel de localidades, donde las localidades según Ley Colombiana 768 del 2002 (Congreso de Colombia, 2002), artículo 3 son: “divisiones administrativas con homogeneidad relativa desde el punto de vista geográfico, cultural, social y económico” principalmente cómo está distribuido el consumo de productos de la canasta familiar en la ciudad de Bogotá.

En esta investigación se plantea analizar la distribución de los diferentes consumos en la ciudad de Bogotá, determinando donde se encuentran localizados, las razones por las que se da la distribución, y qué productos podría ofrecerse considerando el estrato socioeconómico y cuáles suelen consumir.

Se generarán mapas que permitan visualizar estas distribuciones, pero también se realizará análisis y considerando el geomarketing se podrá determinar los sitios que son potencialmente rentables dadas las condiciones socioeconómicas a nivel de la división administrativa de las localidades de la ciudad de Bogotá.

Inicialmente se planteó hacer el análisis de patrones a nivel de barrios, pero la información disponible en el Departamento Administrativo Nacional de Estadística (DANE), solo se encontraba a nivel de localidades y del año 2007. Esto hizo que los alcances tuvieran que ser revaluados y que la información estadística que se generó sea propicia para el año 2007.

No hay evidencia de encuestas con las mismas características para años posteriores por

Rita S. González M.

UNIGIS América Latina

16

tanto no fue posible evaluar con información más reciente. Esta encuesta se ha realizado entre periodos de tiempo muy amplios; antes de la Encuesta de Calidad de Vida para la ciudad de Bogotá del año 2007, se realizó una en el año 2003, una situación que no permitió evaluar escenarios más recientes.

Respecto a los bienes que se analizaron, se escogieron los más comunes y relevantes ya que la canasta básica familiar colombiana está compuesto aproximadamente por 8 grupos que están compuesto por 176 gastos y de los cuales no toda la población tiene acceso, pensando en eso solo se evaluaron los productos de mayor relevancia en todos los hogares sin importar al estrato socioeconómico al cual pertenecen.

2. Revisión de Literatura 2.1.

Marco Teórico.

2.1.1. Marketing El marketing ha tenido una evolución importante a lo largo del tiempo, como disciplina empezó a considerarse desde principios del siglo XX, es aquí donde se empieza a conceptualizar como una práctica comercial y se asocia con actividades como el trueque o negocio (Monferrer Tirado, 2013).

Aunque es en 1960 que el comité de definiciones de la American Marketing Association (AMA) define el marketing ya como actividad económico-empresarial pero no considero en esa época su aplicación en las organizaciones no lucrativas y en el manejo que se tenían de los bienes y servicios u otro de tipo de intercambios (Talaya, 2008).

Pero fue hasta 1985 cuando AMA propuso una nueva definición del marketing considerando diferentes escuelas del pensamiento, estableciendo que el Marketing es un proceso de planificación y el establecimiento considerando que este se desarrolla en cuatro Rita S. González M.

UNIGIS América Latina

17

actividades que son la creación y diseño de productos, fijación del precio, promoción y distribución (Talaya, 2008, p. 22).

Después de esta definición, nuevos autores durante mucho tiempo han propuesto nuevas definiciones muy completas entre esos autores encontramos el caso de Philip Kotler y Gary Armstrong que definen el marketing como: “Un proceso social y administrativo mediante el cual individuos y grupos obtienen lo que necesitan y desean a través de la creación y el intercambio de productos y de valor con otros grupos e individuos” (Kotler & Armstrong, 2008, p. 5).

Revisando entonces las diferentes definiciones de marketing desde su concepción hasta ahora, este ha ido siendo incluido en diferentes procesos sociales, como administrativos que permiten no solo considerarlo como un intercambio sino como una serie de relaciones colaborativas que permiten establecer nuevos mercados y actividades que interrelacionan entre sí, como es la concentración en clientes, competencias, redes colaborativas, agrupación de funciones organizacionales y su interacción con otras áreas del conocimiento (Coca Carasila, 2008).

Teniendo claridad sobre qué es el marketing y su evolución, se inició un trabajo de definición sobre qué es geomarketing o marketing geográfico y su relación con las herramientas de información geográfica, sus diferentes aplicaciones y cómo se relaciona con los sistemas de información geográfica desde el análisis espacial, permitiendo así reunir las herramientas necesarias que respondan las preguntas propuesta en esta investigación.

2.1.2. Geomarketing Es innegable el hecho de que la globalización ha cambiado completamente nuestra forma de percibir el mundo haciendo que se pueda acceder a mejores bienes y servicios. En eso el marketing mejoró su forma de llegar al consumidor logrando conectar la parte geográfica con sus estrategias de negocio.

Rita S. González M.

UNIGIS América Latina

18

Considerando lo anterior es aquí cuando el “¿Dónde?” Adquiere importancia puesto que ya no se realizarían segmentaciones de clientes por tipo de clase social, sino que se considerarían comportamientos de consumidor e identificación objetivos de mercado. La información que se consideraría serían datos geográficos, datos demográficos, datos socio psicológicos y datos de comportamiento ante consumo, lo anterior nos permite identificar que la variable geográfica es fundamental puesto que permite caracterizar los grupos a los cuales están dirigidas las estrategias (Alcaide Juan Carlos, Calero Rocio, 2012).

Varios autores han presentado diferentes definiciones del geomarketing, una definición expuesta por Latour citado en (Baviera-Puig, Buitrago, Escriba, y Clemente, 2009) es que el geomarketing es

un sistema integrado por datos, programas informáticos de

tratamiento, métodos estadísticos y representaciones gráficas que esta destinados a producir información de utilidad para la toma de decisiones, a través de instrumentos que combinan la cartografía digital, gráficos y tablas.

Por otro lado (Chasco Yrigoyen, 2004a) define el geomarketing de una manera más sencilla, una de las definiciones que propone es: “el termino geomarketing, también conocido como marketing geográfico, nace de la confluencia entre marketing y geografía”(p. 7 ).

Se puede decir también que la definición de geomarketing (Alcaide Juan Carlos, Calero Rocio, 2012) que lo define como: “el área del marketing orientada hacia el conocimiento global del cliente, sus necesidad y comportamientos dentro de un entorno geográfico determinado que nos ayuda a tener una visión más completa del mismo y a identificar sus necesidades” (p.17), siendo esta definición muy clara y contiene el propósito al que se orienta el geomarketing.

Autores como (de Gesualdo et al., 2005) sugieren que el geomarketing se divide en cuatro elementos: -

Segmentación Geo demográfica

-

Formación de Tipologías de consumidores

-

Bases de datos e información geográfica

Rita S. González M.

UNIGIS América Latina

19

-

Sistemas de información geográfica.

La segmentación geográfica corresponde a la división de los mercados en segmentos por localización sean regiones, ciudades, barrios o lugares donde se vive y trabaja, esto para conocer las tendencias de consumo y relacionar productos con esas tendencias (Walker, Etzel, y Stanton, 2000).

La formación de tipología de consumidores trata de considerar a partir de análisis clúster o tipologías del consumidor segmentos de mercado considerando comportamientos y actitudes homogéneos que permitan identificar mercados potenciales, micro segmentos geográficos y establecer objetivos de mercado (de Gesualdo et al., 2005).

Las bases de datos y la información geográfica en el geomarketing son de mucha importancia ya que en ellos se encuentra la información de clientes, mercados, consumos, tipo de consumos, entorno geográfico entre otros (de Gesualdo et al., 2005).

Los sistemas de información geográfica (ESRI, 2017, párr. 1) lo define cómo: “Un sistema empleado para describir y categorizar la Tierra y otras geografías con el objetivo de mostrar y analizar la información a la que se hace referencia espacialmente”.

En el geomarketing, los datos se dividen en primarios y secundarios, se les denomina primarios a los datos en los que una empresa privada es la dueña de los datos y los datos secundarios son de carácter público ya que deben garantizar la confiabilidad de datos sensibles (Amago, 2000).

El geomarketing o marketing geográfico permite al usuario planificar mediante procesos, como operar usando los datos que se basan en geografía con la finalidad de mejorar las decisiones de venta y de marketing, permitiendo así determinar tendencias de consumos, investigaciones de mercado, etc. Lo anterior permite así obtener mayores ventajas competitivas usando los datos geográficos y los demográficos como insumo (Amago, 2000).

Rita S. González M.

UNIGIS América Latina

20

Las ventajas que se obtiene de este sistema es que no se va enfocado solamente a grandes negocios, es aplicable a todos los negocios e incluso permite explorar mercados considerando la información estadística de una comunidad y así ofrecer nuevos bienes y servicios, entre los usuarios del geomarketing se puede encontrar Comercio, Industrias, Instituciones financiera, distribuidores y nuevos emprendedores que utilizan el geomarketing para la simulación de nuevas ideas de productos (Amago, 2000).

En la tabla 1 se presenta un ejercicio teórico de cómo utilizando herramientas de geomarketing respecto a herramientas del marketing convencional se tiene un resultado de negocio diferente:

Rita S. González M.

UNIGIS América Latina

Tabla 1 – Resultado de los negocios en función de la utilización de herramientas de geomarketing.

Resultados de los negocios en función de la utilización de herramientas de geomarketing.

Usando técnicas convencionales.

Usando técnicas de marketing geográfico La localización se realiza usando geomarketing e información obtenida sobre renta, hábitos de los

Primer año

En este primer año se define un lugar mediante una visita a diferentes zonas

compradores de la zona y una posible ubicación, luego de tener esta información se valida en campo

cual sería la más acorde al negocio que se desea establecer.

lo encontrado desde el análisis de los datos para comprobar que tan aproximado se está de la realidad comercial de la zona escogida.

Segundo año

Se detecta que el lugar eligió no es el correcto puesto que no se consideró

Se crea una base de datos de clientes donde se relaciona campos como la ubicación geográfica de

competencia, ni clientela, ni mercado potencial.

estos, procedencia del cliente para así establecer promociones o considerar la apertura de nuevos

Se establecen estrategias que permitan mantener el negocio, se realiza para

puntos de venta.

esto descuentos especiales e incentivos que permitan atraer nuevos clientes.

Tercer año

Se decidió no seguir haciendo mejoras al local.

Considerando la información obtenida del primer año se realiza apertura de un segundo punto de

Se decide buscar un nuevo sitio antes de perder más dinero.

venta, para beneficiar a los clientes que fueron identificados usando geomarketing.

Se mueve el punto de venta sin tener en cuenta consideraciones diferentes a costo del arriendo o valor del local y zona de ubicación.

Se mantiene un listado de correos con los clientes de los dos puntos de venta con la información de

Se quiebra el negocio, se retorna al empleo que se tenía antes de establecer el

geomarketing para hacerles llegar descuentos y beneficios según su ubicación.

negocio.

Se generan nuevos puntos de venta en todo el país usando modelos de franquicias.

Cuarto Año

El geomarketing permite seleccionar nuevas ubicaciones de los puntos de venta según los clientes potenciales de cada ciudad.

Quinto año y sucesivos Fuente: (Amago, 2000) – Adaptación del Autor.

Se realiza salida a mercados internacionales apoyados del geomarketing y los diferentes ajustes que se han realizado durante años para obtener un modelo exitoso de negocio que ha permitido dicha expansión.

2.1.3. Canasta Familiar, el Índice de Precios al Consumidor y las Necesidades Básicas Para definir las necesidades básicas, lo primero es remitirnos a una de las teorías más conocidas que se ha propuesto tanto a nivel psicológico como a nivel de marketing y es la teoría de la motivación humana propuesta por (Maslow, 1991), donde se establece una jerarquía de las necesidades básicas del ser humano.

Según (Maslow, 1991) hay una jerarquía de las necesidades básicas a satisfacer, estas son:

Figura 1 - Pirámide de Maslow.

Fuente: Elaboración Propia.

-

Las necesidades fisiológicas: Corresponden a los impulsos fisiológicos.

-

Las necesidades de Seguridad: Son las que corresponden a la estabilidad, dependencia, protección, ausencia de miedo, etc.

-

El sentido de pertenencia y las necesidades de amor: Corresponde a la necesidad de amor, afecto y sentido de pertenencia.

-

La necesidad de estima: Corresponde a la necesidad de una valoración alta de sí mismos, auto respeto y la estima de otros.

23

-

La necesidad de autorrealizaciones: Corresponde a la necesidad de ser auténticos con su propia naturaleza., lo que los humanos pueden ser, es lo que deben ser.

Lo propuesto por Maslow ha servido en las ciencias sociales, la gestión empresarial, el desarrollo organizacional, el estudio del comportamiento del consumidor y aunque plantea que a medida que se satisface una necesidad se avanza a la siguiente, en la actualidad se puede determinar que esto no siempre sucede puesto que en gran medida depende del origen social del individuo (Maslow, 1991).

Después de determinar la base teórica de las necesidades básicas del ser humano, corresponde conocer las necesidades básicas que se ven reflejadas en la canasta familiar, y determinar su relación.

La canasta familiar según (Spicker, Álvarez Leguizamón, & Gordon, 2009, p.9): “Es un conjunto de alimentos básicos que en ocasiones incluye otros bienes básicos no alimentarios y que están estandarizados de acuerdo a paramentos tales como el porcentaje de gasto en alimentos para un cierto tipo de hogar, con una cantidad determinada de integrantes.”

Considerando lo anterior la relación entre las necesidades básicas y la canasta familiar varían según las necesidades de cada país puesto que en la metodología para determinar de la canasta familiar se consideran elementos como: patrones alimentarios, dieta básica promedio, estructura energética de la dieta, canasta de bienes y servicios, canasta familiar de alimentos, canasta básica de alimentos (J. S. Hernández, 2002).

En el caso colombiano, el Índice de Precios al Consumidor conocido también como IPC es un instrumento estadístico que refleja las variaciones en precios a través del tiempo un conjunto de bienes y servicios que se adquieren normalmente en los hogares del país. Este conjunto de bienes y servicios se le conoce como Canasta Familiar (DANE, 2007d).

Rita S. González M.

UNIGIS América Latina

24

Según el (DANE, 2006) la canasta familiar se constituye considerando información de gasto de los hogares, criterios económicos y estadísticas, asegurando de esta manera que ingresen artículos con las siguientes características:

-

Artículos que pesen en el gasto del consumo del hogar.

-

Artículos de mayor demanda en la mayoría de los hogares del país.

-

Artículos que presenten una tendencia creciente en su demanda.

-

Artículos que proyecten crecimiento a mediano y largo plazo e incluso hayan adquirido una importancia.

La canasta familiar en Colombia está conformada en 8 grupos, 34 subgrupos, 79 clases, 176 gastos básicos. Los 8 grupos están conformados así (DANE, 2007d) :

1. Alimentos 2. Vivienda 3. Vestuario 4. Salud 5. Educación 6. Cultura, Diversión y Esparcimiento 7. Transporte y Telecomunicaciones 8. Otros gastos: En este grupo se encuentran artículos de aseo y cuidado persona, cigarrillos, bebidas alcohólicas y otros bienes y servicios.

Para el desarrollo de esta investigación se analizará el grupo de alimentos, ya que desde ese grupo se puede analizar los patrones de consumo de la ciudad de Bogotá.

Del total de productos básicos de la canasta básica familiar, evaluados en la ECVB (Encuesta de Calidad de Vida para Bogotá) se seleccionaron 11 productos que concuerdan con el grupo denominado alimentos de la canasta familiar propuesta por el DANE.

Los productos seleccionados son:

Rita S. González M.

UNIGIS América Latina

25

1. Pan, arepa, bollo y almojábana.

2. Leche y derivados (Quesos, cuajadas, kumis, yogurt, crema de leche, mantequilla).

3. Huevos.

4. Carne de res, cerdo o cordero, huesos y vísceras.

5. Carne de gallina y pollo.

6. Papa común, papa criolla, yuca, arracacha, ñame.

7. Arroz, pasta, avena, cuchuco, harinas, corn flakes, y otros cereales.

8. Aceite, manteca, margarina y otras grasas.

9. Azúcar, sal, condimentos y salsa.

10. Panela, café, chocolate, té.

11. Frijol seco, arveja seca, lentejas, garbanzos y otros granos.

2.1.4. Estrato Socioeconómico.

Según la Ley 142 de 1994 (Congreso de Colombia, 1994) se define la estratificación socioeconómica como: “la clasificación de los inmuebles residenciales de un municipio, que se hace en atención al Régimen de los Servicios Públicos Domiciliarios en Colombia”.

En el (DANE, 2018, párr. 1) la estratificación socioeconómica está definida como: “una clasificación en estratos de los inmuebles residenciales que deben recibir servicios públicos.

Se realiza principalmente para cobrar de manera diferencial por estratos, los servicios públicos domiciliarios permitiendo asignar subsidios y cobrar contribuciones en esta área”

En Colombia se aplica a medida que se identifican sectores geográficos con comportamientos socioeconómicos con distintas características permitiendo así planear la inversión pública, desarrollar programas sociales y el mejoramiento de la infraestructura de salud y servicios públicos y a su vez tomar decisiones para el desarrollo del ordenamiento territorial (DANE, 2018).

Rita S. González M.

UNIGIS América Latina

26

El estrato socioeconómico en Colombia está clasificado de la siguiente manera (Secretaria Distrital de Planeación, 2011): -

Estrato 1: Bajo-bajo

-

Estrato 2: Bajo

-

Estrato 3: Medio-bajo

-

Estrato 4: Medio

-

Estrato 5: Medio-alto

-

Estrato 6: Alto

-

No residencial: Uso diferente a vivienda (industria, comercio y dotacional).

2.2.

Marco Histórico

Para (Chasco Yrigoyen, 2009) el AEDE es una disciplina muy utilizada en el estudio del mercado, en su artículo “Análisis Exploratorio de Datos Espaciales Al Servicio del Geomarketing” presenta que cómo este análisis permite establecer las relaciones adecuadas para el estudio estadístico, gráfico y cartográfico de la información. El AEDE es usado como parte de los análisis fundamentales del geomarketing puesto que permite combinar el análisis estadístico con información geográfica con el fin de identificar las relaciones entre diferentes variables, sus distribuciones espaciales, autocorrelaciones espaciales, determinar puntos de calor y frio e incluso determinar valores atípicos. (Chasco Yrigoyen, 2009)

Es así como la unión de tecnologías como los GIS y los paquetes estadísticos son de mucha utilidad y propone el uso de una herramienta de uso libre que se denomina Geoda desarrollada por el profesor Luc Anselin, relacionando en su artículo no solo los beneficios de la herramienta sino también las técnicas utilizadas en el AEDE y cómo puede ser utilizadas desde la herramienta desarrollada para la investigación de mercados y los beneficios que esto tiene.

Rita S. González M.

UNIGIS América Latina

27

Una interesante aplicación del análisis exploratorio de datos espaciales se observa en el uso que se hace para estudiar el fracaso empresarial en España (García Marí, Tomaseti Solano, y Sánchez Vidal, 2013), el enfoque que se tuvo en esta aplicación fue el de mostrar la tendencia y los puntos atípicos para que este fenómeno se presentará apoyados en un programa de uso libre llamado Geoda.

En este artículo la metodología considerada estaba centrada en dos métodos de tendencia espacial: mapa de cuartiles y diagrama de caja para determinar los puntos atípicos y concluye con la obtención de los resultados finales usando autocorrelación espacial.

Los resultados obtenidos en el desarrollo de su análisis fueron para determinar cómo se encontraban distribuidos los acreedores en España y como se presentaba una mayor incidencia de este fenómeno en donde se encontraba concentrada la riqueza. Para estos resultados se utilizó el análisis de autocorrelación espacial, el índice de moran y los lisa maps que permitieron observar los valores atípicos del análisis. Estos métodos relacionados se explican con mayor detalle en los capítulos 2.3.5, 2.3.6 y 2.3.7 de este documento.

De este análisis se pudo concluir que los fenómenos económicos se pueden estudiar desde una visión geográfica para así analizar como estarían distribuidas las zonas donde se presentaba el fracaso empresarial en España y así establecer las posibles razones para que esto se presentara en esas zonas en específico.

En Colombia desde hace un tiempo se viene considerando la aplicación de geomarketing combinada con los Sistemas de Información Geográfica (SIG) como herramientas que mejoran el análisis de escenarios y la toma de decisiones. Entre las experiencias colombiana podemos encontrar: “El Geomarketing Analysis for Shopping Malls in Manizales (Colombia). Accessibility approach methodology” (Zuluaga y Escobar, 2017). En este trabajo se relacionó la red de transporte y el acceso desde cualquier punto de la ciudad a los diferentes centros comerciales de la ciudad incluyendo información de porcentajes de población y estrato.

Rita S. González M.

UNIGIS América Latina

28

El trabajo de (Zuluaga y Escobar, 2017) tenía el propósito de brindarle a las empresas, herramientas que les permitiera mejorar la forma en cómo interactuaban con los consumidores ya que esto les permitiría conocer mejor a dónde está dirigidos sus productos, cómo se encontraba el entorno de los centros comerciales para así definir las zonas óptimas para llegar e incluso se consideró como propósito mejorar la calidad de vida de los empleados del centro comercial con el fin de que tuvieran mejores rutas para llegar a sus lugares de trabajo.

Por otro lado (Moreno-Ortiz y Ruge-Caraballo, 2015) en su trabajo “Sistemas de Información Geográfica en la Investigación de mercados para exportaciones de papa criolla hacia Estados Unidos”, nos muestra cómo utilizar el geomarketing junto al SIG para mejorar la exportación de un producto.

Un producto tan poco común en el mercado de los Estados Unidos tiene que garantizar que al exportarle brinde a los productores buena rentabilidad y llegue a los mercados adecuados. Para esto se consideraron datos del censo de los Estados Unidos para identificar la población hispana dónde se ubicaba y las necesidades de la población americana. Se consideraron mapas digitales para identificar áreas geográficas, estadísticas, líneas férreas, carreteras, y que esta información fuera compatible con el desarrollo del Sistema de Información Geográfico.

La metodología que propone (Moreno-Ortiz y Ruge-Caraballo, 2015) es que con la información que se tiene, se identifiquen mercados potenciales permitiendo así a los exportadores explorar nuevos mercados y llegar a un mayor número de consumidores, esto permitiría que los productores mejoren su rentabilidad, sustentabilidad y la forma en que comercializan la papa criolla en Estados Unidos.

El geomarketing en Colombia también ha sido utilizado para analizar la segmentación de los mercados, para esto (Escobar-Moreno, Molina, y Palma, 2015) presentaron un trabajo donde muestran una prueba piloto para una microempresa colombiana usando el geomarketing para la segmentación de mercados. En esta prueba piloto se podía observar

Rita S. González M.

UNIGIS América Latina

29

las ventajas del análisis geográfico para conocer mejor los mercados potenciales, las zonas de influencia, competencia y donde se localizarían los puntos óptimos según la oferta y la demanda. También lograron evaluar rutas optimas tanto para distribución y analizar si un proyecto era viable o no, todo enfocado en consumo y siendo los comportamientos de los consumidores un insumo importante para el análisis espacial asociado a las herramientas estadísticas y así generar unos análisis más completos con análisis de geomarketing para lograr que la toma de decisiones tenga fundamentos reales de acuerdo con los comportamientos de los consumidores.

Es claro que en Colombia existen diferentes tipos de análisis, pruebas, estudios del geomarketing que están relacionadas con las herramientas del análisis espacial y SIG. Eso muestra que, aunque no sea un tema aun completamente en auge, poco a poco está tomando fuerza y mejorando la forma de trabajar el marketing y la información geográfica disponible.

Del tema tratado en esta investigación no se encontró artículos o publicaciones en específico, pero las diferentes experiencias encontradas tanto para Colombia como el mundo permiten retroalimentar el trabajo que se está desarrollando.

2.3.

Marco Metodológico

En el geomarketing existen diferentes métodos y metodologías que son utilizados para determinar el comportamiento espacial de las poblaciones respecto a diferentes escenarios. En el siguiente apartado se explican las diferentes metodologías y métodos que han sido investigados para el desarrollo de una metodología que permita el cumplimiento de los objetivos propuestos de esta investigación.

Rita S. González M.

UNIGIS América Latina

30

2.3.1. Análisis Estadístico Descriptivo La estadística es el arte de aprender de los datos y está relacionado con el conocimiento de lo datos, su descripción y el análisis que permita obtener resultados (Ross, 2007, p. 3).

El análisis estadístico descriptivo o estadística descriptiva es definida por (Gonzalez, 2013,parr. 2 ): “La descripción de características de un conjunto de datos”, esta definición se puede complementar con lo que plantea (Orellana, 2001, p. 2) indicando que este tipo de análisis permiten caracterizar los conjuntos de datos de tal forma que se tenga la menor perdida o distorsión de los datos.

En la estadística descriptiva las medidas de tendencia central son las que permiten obtener un valor representativo o atípico en un conjunto de datos. Las más utilizadas son el promedio o media aritmética, moda y mediana (G. J. P. Hernández, 2016).

2.3.1.1.

Moda

Según (G. J. P. Hernández, 2016), la moda corresponde a un grupo de datos donde uno de estos se presenta con mayor frecuencia, la ventaja que tiene esta medida de tendencia central es que se puede aplicar a variables cualitativas y cuantitativas.

2.3.1.2.

Promedio

El promedio o media aritmética es la medida más utilizada y corresponde al promedio de un conjunto de observaciones en una muestra donde el cálculo que se realiza corresponde a la suma de todos los valores y se divide en el número de datos que compone la muestra (Orellana, 2001).

Rita S. González M.

UNIGIS América Latina

31

2.3.2. Análisis Exploratorio de Datos El Análisis Exploratorio de Datos tiene por objetivo identificar las principales características de un conjunto de datos mediante un número reducido de gráficos y/o números (Berrendero, 2010). El Análisis Exploratorio de Datos permite organizar la información de tal manera que podamos observar patrones de comportamiento o que datos son más notorios que otro, el realizar un proceso exploratorio de los datos es la primera etapa de todo análisis de datos (Orellana Lilina, 2015).

Es así como el Análisis Exploratorio de Datos permite realizar una aproximación al comportamiento de un conjunto de datos para evaluar patrones diferenciales o datos que presenten cierta notoriedad y así definir metodologías y análisis a seguir con la información que se tiene.

2.3.3. Análisis Exploratorio de los Datos Espaciales (AEDE) El Análisis Exploratorio de Datos Espaciales surge desde el Análisis Exploratorio de Datos y posee características descriptivas y se da por la necesidad de encontrar técnicas que permitan la visualización e identificación de distribuciones espaciales atípicas pero de forma espacial. Esto se puede observar en la detección de clústeres, puntos calientes y asociaciones espaciales (Chasco Yrigoyen, 2003a). La utilidad de este conjunto de técnicas puede ser aplicado a diferentes análisis interdisciplinares puesto que permite interacción entre la información estadística con la información geográfica logrando de esta manera que los resultados que se obtengan puedan ser de utilidad y beneficio a todo tipo de institución o persona.

El Análisis Exploratorio de los Datos Espaciales es la etapa inicial de cualquier proyecto o investigación que involucre datos georreferenciados, ya que con esto se puede identificar excepciones locales o tendencias generales en los datos o las relaciones. (Acevedo Bohórquez y Velásquez Ceballos, 2008).

Rita S. González M.

UNIGIS América Latina

32

Según (Chasco Yrigoyen, 2009) el Análisis Exploratorio de los Datos Espaciales es un método muy utilizado en el geomarketing puesto que ofrece técnicas que permiten combinar el análisis estadístico con información espacial brindando así la posibilidad de estudiar fenómenos como las agrupaciones espaciales, los valores atípicos, puntos calientes/fríos de un negocio, análisis clúster y árboles de correlación, etc. (Anselin, 1993) relaciona las técnicas de análisis espacial con el AEDE exponiendo que los objetivos que tienen como el de identificar observaciones atípicas, distribución espacial y asociaciones espaciales permiten la generación de indicadores y cuando estos se identifican como una autocorrelación espacial se podría considerar un AEDE.

Es así como las técnicas AEDE generalmente se encuentran acompañadas por métodos de visualización gráfica que permiten visualizar e identificar conexiones o sesgos que se encuentran en las bases de datos, el ajuste y la representación gráfica de funciones, representación gráfica de intervalos, añadido de datos, etc. Es en esta exploración o fase previa donde se evidencia el modelo que se usará, verificando y contrastando la capacidad de predicción que ofrece. (Chasco Yrigoyen, 2003a) nos propone un listado de técnicas del Análisis exploratorio de datos espaciales (AEDE): Tabla 2 – Técnicas de Análisis Exploratorio de Datos Espaciales (AEDE)

Fuente: (Chasco Yrigoyen, 2003b)

Rita S. González M.

UNIGIS América Latina

33

Los métodos gráficos que se observan en la tabla 2 permiten analizar y representar dos características fundamentales en toda distribución espacial como lo son el alisado y la aspereza (Chasco Yrigoyen, 2003b). El método de distribución espacial permite el análisis y la representación de tendencias y puntos atípicos, en el método de asociación espacial se analiza el comportamiento espacial de los agrupamientos (clúster) y puntos calientes (Chasco Yrigoyen, 2009), el método de heterogeneidad espacial evalúa la diferenciación espacial donde no se presenta homogeneidad respecto al área de estudio. (Chasco Yrigoyen, 2004b)

Entre los métodos tradicionales que han sido utilizados en el AEDE que son de importancia para el Geomarketing encontramos el Estadístico I del Índice de Moran, diagrama de dispersión de Moran y los Indicadores Locales de Asociación Espacial (ILAE) 1 (García, 2011).

Estos métodos se explican con mayor profundidad desde el numeral 2.3.5. de este documento.

2.3.4. Clústeres Espaciales Los clústeres se definen como la agrupación de variables en un conjunto de datos con valores similares que generan una representación del comportamiento de un sistema (Arango González, Jaramillo Morales, y Jaramillo Escobar, 2016). Se obtienen con la aplicación de técnicas de estadística espacial que permitan identificar, cuantificar y localizar las aglomeraciones en la distribución espacial de algunos fenómenos. En la aplicación de estas técnicas se puede determinar si las variables tienen una distribución aleatoria o si su comportamiento corresponde a la existencia de autocorrelación espacial (Noreña, 2009).

Las técnicas de estadística espacial con los cuales se pueden identificar este tipo de agrupaciones son el Índice de Morán, LISA Maps y el Estadístico G de Getis – Ord. Este tipo

1

Este término es equivalente a los LISA MAPS mencionados en el desarrollo de este documento.

Rita S. González M.

UNIGIS América Latina

34

de técnicas están disponibles en softwares SIG para así comprender y estudiar los fenómenos geográficos.

2.3.5. Autocorrelación Espacial Para definir la autocorrelación espacial es necesario inicialmente explicar la primera ley geográfica de Waldo Tobler (Tobler, 1979) que dice: “Todo tiene que ver con todo, pero las cosas cercanas están más relacionadas entre sí que las cosas lejanas” (Citado por Chasco Yrigoyen, 2003a, p.9). Esto indica que en la autocorrelación espacial se analizan los diferentes patrones espaciales dándole más peso a los datos que tengan relación entre sí.

En el AEDE la autocorrelación espacial es uno de los conceptos fundamentales puesto que en él se concentra las técnicas que permiten analizar y visualizar diferentes fenómenos que están relacionados a las distribuciones espaciales, permitiendo así analizar tendencias y patrones de asociación espacial e identificar también los datos atípicos dentro de una distribución espacial (Bernardo De Corso Sicilia y Pinilla Rivera, 2018). La autocorrelación espacial es definida por (Goodchild, 1987) como la concentración o la dispersión de los valores de una variable en un área, mostrando el grado en que los objetos de una unidad espacial tienen semejanza con otros objetos de unidades espaciales cercanas. (Buzai, 2015) expone que en la autocorrelación espacial se pueden medir aspectos de la realidad territorial de los modelos urbanos basados en la fragmentación, refiriéndose a que no solo se hace medición de la correlación entre dos o más variables sino de una única variable en diferentes unidades espaciales.

La medición de la autocorrelación espacial evalúa que la distribución espacial que se obtenga con los valores de una variable no sea generada de manera aleatoria (Buzai, 2015).

Según (Celemín, 2009) existen tres posibilidades para medir una misma variable que tiene diferentes unidades espaciales contiguas:

Rita S. González M.

UNIGIS América Latina

35

-

Autocorrelación espacial positiva: Las unidades espaciales vecinas tienen valores cercanos y ese resultado lo que indica es que hay una propensión a la agrupación de las unidades espaciales.

-

Autocorrelación espacial negativa: Las unidades espaciales vecinas tienen valores muy diferentes y ese resultado lo que indica es una dispersión de las unidades espaciales.

-

Sin Autocorrelación espacial: En este índice se considera que en las unidades espaciales vecinas no ocurre autocorrelación espacial positiva o negativa lo que nos muestra que los valores producidos se encuentran en forma aleatoria.

En el geomarketing, la autocorrelación espacial es importante porque permite detallar los patrones de distribución en un espacio de variables puesto que este análisis es principalmente geográfico y uno de sus objetivos principales es demostrar que en las unidades espaciales todo se encuentra relacionado demostrando así que las unidades geográficas que están más cercanas tendrán mayor relación entre sí (Celemín, 2009).

Un interesante ejemplo de cómo se relaciona el geomarketing con la autocorrelación espacial es el que presenta (Navarrete Alvarez y Caballero Huamani, 2015) en su artículo “ Análisis de Clúster Turístico Sur Peruano con Herramientas del Geomarketing”. En este artículo se analiza el turismo del Sur de Perú apoyándose en el geomarketing y desarrollando todo el análisis con métodos del AEDE analizando mediante clúster la agrupación y las relaciones del sector turístico para aprovechar los atractivos de la zona estudiada.

2.3.6. Índice de Moran El índice de Moran es el más utilizado para medir la autocorrelación espacial y es el que más se utiliza en los SIG según lo indica (Anselin, 2003). Tiene como objetivo facilitar la comparación de valores por localización con los valores de las localizaciones vecinas y los valores de atributo mediante estadística.

Rita S. González M.

UNIGIS América Latina

36

El cĂĄlculo del Ă?ndice de Moran se realiza para medir de manera global la autocorrelaciĂłn espacial. De esta manera se puede determinar si existe o no la existencia de la ley de Tobler 2 que indica que todo estĂĄ relacionado con todo pero los elementos mĂĄs cercanos estĂĄn relacionados entre sĂ­ (Ramirez y FalcĂłn, 2015).

El Ă­ndice de Moran (Buzai y Baxendale, 2006) estĂĄ representado asĂ­:

đ??ź=

đ?‘›âˆ‘đ?‘– ∑đ?‘— đ?œ”đ?‘–đ?‘— (đ?œ’đ?‘–đ?‘— − đ?œ’Ě… )(đ?œ’đ?‘— − đ?œ’Ě… ) (∑đ?‘– ∑đ?‘— đ?œ”đ?‘–đ?‘— )∑(đ?œ’đ?‘– − đ?œ’Ě… )

Donde: đ?‘›: Representa el nĂşmero de unidades espaciales. đ?œ’đ?‘– : Representa el valor de la variable en la localizaciĂłn central. đ?œ’đ?‘— : Representa el valor de la variable en la localizaciĂłn central. đ?œ’Ě…: Representa la media de la variable. đ?œ”đ?‘–đ?‘— : Es una medida de ponderaciĂłn aplicada a la comparaciĂłn de đ?‘– − đ?‘—, donde đ?‘– − đ?‘— son contiguos toman valor de 1 y no de 0.

En este Ă­ndice los resultados que se obtienen varĂ­an entre -1 y 1 donde cada uno representa las mĂĄximas autocorrelaciones negativa y positiva (Buzai y Baxendale, 2006).

2.3.7. LISA (Local Indicator of Spatial Association) Del I de Moran se desprende una profundizaciĂłn con la cual se realiza un anĂĄlisis que permite identificar patrones de autocorrelaciones locales de asociaciĂłn espacial. Este mĂŠtodo que permite hacer un anĂĄlisis mĂĄs detallado se conoce como el mĂŠtodo de cĂĄlculo de LISA que evalĂşa cuĂĄnto contribuye un valor espacial en la formaciĂłn de un valor global (Buzai y Baxendale, 2006).

2

La ley de Tobler se definiĂł en el numeral 2.3.5 AutocorrelaciĂłn Espacial pĂĄgina 34 de este documento.

Rita S. GonzĂĄlez M.

UNIGIS AmĂŠrica Latina

37

Según (Anselin, 1995; Ord y Getis, 1995) el Local Indicator of Spatial Association (LISA) representa los emplazamientos con valores relevantes en indicadores estadísticos específicos de asociación espacial local. Se considera que el indicador LISA es una estadística que cumple con dos requerimientos; el primero es la cuantificación de la significativa agrupación de valores similares en una observación y el segundo requerimiento que cumple es que la sumatoria de los LISA´s para todo el conjunto de las observaciones es distributivo a indicadores globales de asociación espacial lo que permite calcular cuánto se contribuyó en cada observación al valor del contraste global (Anselin, 1995).

Los gráficos que se obtienen de este indicador se basan en el estadístico I de Moran de asociación local, y no se calcula de manera global para todas las observaciones de un mapa, sino que se obtiene un valor diferente para cada una de ellas. Esta estadística evalúa la concentración de los valores altos y bajos de una variable en cada uno de las distribuciones geográficas de cada observación de la muestra (Chasco Yrigoyen, 2009). Permitiendo encontrar las posibles localizaciones que tienen valores altos respecto a una media de otras observaciones vecinas, y para las variables de interés (Baronio, Alfredo; Vianco, Ana; Rabanal, 2012).

Una interesante aplicación del uso de I de Morán y los mapas de clúster basado en LISA lo muestra (Duque, 2013) en su artículo “ Localización espacial de la actividad económica en Medellín. 2005-2010. Un enfoque de economía urbana”, en él se realiza una localización e identificación de cómo están aglomerados espacialmente la actividad económica de la ciudad de Medellín. Este estudio considera el análisis espacial como parte fundamental para la generación de resultados en mapas de clúster. Este análisis se aplicó para la ciudad de Medellín, Colombia y se consideraron los sectores secundarios (Industria, Bodegas, Talleres y depósitos), el sector de servicios turísticos, servicios a las empresas, servicios educativos especializados, servicios de salud y servicios comerciales.

Rita S. González M.

UNIGIS América Latina

38

2.3.8. EstadĂ­stico G general de Getis-Ord Este Ă­ndice mide la concentraciĂłn de valores altos y bajos para un ĂĄrea determinada(RamĂ­rez & FalcĂłn, 2015).EstĂĄ representado asĂ­ (ESRI, 2018b):

Donde: đ?œ’đ?‘– y đ?œ’đ?‘— : Representa los valores de los atributos de las unidades espaciales đ?‘– y đ?‘— đ?œ”đ?‘– : Es la ponderaciĂłn espacial entre đ?‘– y đ?‘—. đ?‘›: Representa el nĂşmero de unidades espaciales que conforman el conjunto de datos. ∀đ?‘— ≠đ?‘– : Representa que las unidades đ?‘– y đ?‘— no pueden ser las mismas.

Este anĂĄlisis permite identificar en dĂłnde se producen los clĂşsteres espaciales mĂĄs significativos usando el cĂĄlculo de probabilidad estadĂ­stica y el resultado que se obtiene es una variaciĂłn de valores altos que se denominan puntos calientes a valores bajos que se denominan puntos frĂ­os. Estos valores cumplen con la caracterĂ­stica de que un punto de valor alto tiene a su alrededor uno con el mismo valor, este resultado brinda confianza respecto al resultado clĂşster que se obtenga.

2.3.9. Modelos de interacciĂłn espacial Los modelos de interacciĂłn espacial se utilizan para responder cuestionamientos como el cĂłmo y por quĂŠ un consumidor puede escoger un establecimiento especĂ­fico (Alcaide Juan Carlos, Calero Rocio, 2012). Este tipo de modelos permiten determinar los atributos que un establecimiento requiere para conseguir mĂĄs cantidad de clientes, examinar caracterĂ­sticas de un establecimiento existente, determinar la localizaciĂłn geogrĂĄfica para la localizaciĂłn de un nuevo local comercial y relacionar caracterĂ­sticas de una determinada marca comercial.

Rita S. GonzĂĄlez M.

UNIGIS AmĂŠrica Latina

39

Los modelos de interacción espacial se clasifican en: Modelos determinísticos o normativos de y modelos causales.

2.3.9.1.

Modelos determinísticos o normativos

Los modelos determinísticos o normativos propuestos por (Alcaide Juan Carlos, Calero Rocio, 2012) consideran que el consumidor tiene generalmente el mismo comportamiento espacial. Respecto a esto (Chasco Yrigoyen y García, 1997) también los define como un conjunto de técnicas y modelos que se caracterizan por apoyarse poco en lo estadístico – matemático y se apoya en parte en la observación empírica o hipótesis que se acerque al comportamiento de los consumidores.

Las técnicas y modelos que se utilizan según (Chasco Yrigoyen y García, 1997) son las técnicas de observación empírica que se fundamentan en la observación y cuantificación de las áreas comerciales y los enfoques de los supuestos normativos donde la conducta de los consumidores están influenciada por el tiempo de viaje. Dentro de estos enfoques se incluyen la teoría de los lugares centrales, el modelo de Reilly y los polígonos de Thiessen, estos dos últimos se explican en los numerales 2.3.7.1. y 2.3.8.1.

2.3.9.2.

Modelos Causales

Según (Alcaide Juan Carlos, Calero Rocio, 2012) en los modelos causales se considera que la venta de un establecimiento ocurre por la influencia de diferentes variables permitiendo así que los establecimientos se definan considerando un conjunto de atributos. En este modelo se encuentra los modelos que hacen referencia a lo espacial como es los modelos probabilísticos y lo que no hacen referencia a la dimensión espacial como son los modelos de regresión lineal.

Rita S. González M.

UNIGIS América Latina

40

2.3.10.

Modelos gravitacionales de Consumo.

(Alcaide Juan Carlos, Calero Rocio, 2012,p. 128) afirma que “los modelos gravitacionales surgen de la hipĂłtesis de que el consumidor se siente atraĂ­do por un establecimiento comercialâ€?.

Esto concuerda con lo propuesto por (Reilly, 1931) donde define que los modelos gravitacionales son modelos de atracciĂłn donde sus dos variables mĂĄs importantes son la distancia y la masa, esta definiciĂłn se relaciona con la ley de gravitaciĂłn universal.

Entre los modelos gravitacionales de consumo mĂĄs utilizados estĂĄn el modelo de Reilly y el modelo de Huff.

2.3.10.1. Modelo de Reilly La ley o modelo de Reilly segĂşn (Chasco Yrigoyen y GarcĂ­a, 1997) establece que las ventas de dos localidades ( a y b) atraen el comercio de una localidad menor, siendo directamente proporcional y en proporciĂłn inversa al cuadrado de las distancias desde las dos localidades (a y b) a la localidad intermedia.

La ley o modelo de Reilly (Reilly, 1931) estĂĄ representado de la siguiente manera :

đ?‘‰đ?‘Ž đ?‘ƒđ?‘Ž 1 đ??ˇđ?‘? 2 ( ) ∗( ) đ?‘‰đ?‘? đ?‘ƒđ?‘? đ??ˇđ?‘Ž Donde: Va: Representa el importe de las ventas que la localidad "a" atrae de una localidad intermedia "t".

Vb: Representa el importe de las ventas que la localidad "b" atrae de una localidad intermedia "t".

Pa: Representa la poblaciĂłn de la localidad "a".

Pb: Representa la poblaciĂłn de la localidad "b".

Rita S. GonzĂĄlez M.

UNIGIS AmĂŠrica Latina

41

Da: Representa la distancia de la localidad "a" a la localidad "t".

Db: Representa la distancia de la localidad "b" a la localidad "t".

2.3.10.2. Modelo de Huff El modelo de Huff segĂşn (Cliquet, 2013) es considerado un modelo gravitacional puesto que considera la distancia y la masa y es probabilĂ­stico puesto que brinda informaciĂłn sobre la probabilidad de que de un consumidor realice sus compras en una tienda determinada.

La fĂłrmula de este modelo estĂĄ definido de la siguiente manera por (Chasco Lafuente, 1988): đ?‘†đ?‘— â „ đ?œ† đ?‘‡đ?‘–đ?‘— đ?‘ƒ(đ??śđ?‘–đ?‘— ) = đ?‘† ∑đ?‘›đ?‘—=1 đ?‘—â „ đ?œ† đ?‘‡đ?‘–đ?‘— Donde: P (Cij) = Representa la probabilidad de que un consumidor en un punto de origen i se desplace a un centro comercial j determinado (de los n existentes).

S j = Representa los metros cuadrados de superficie de venta dedicados por el centro comercial j a un tipo particular de bienes.

Tij = Representa el tiempo empleado en el desplazamiento para llegar de la base i del consumidor al centro comercial j. Îť =Representa el parĂĄmetro que debe calcularse empĂ­ricamente para reflejar el efecto del tiempo de desplazamiento para varios tipos de centros detallistas o productos.

Este modelo integra el problema de los sistemas jerĂĄrquicos, la clasificaciĂłn de los productos y la superposiciĂłn de las ĂĄreas comerciales sin embargo existen limitaciones en la aplicaciĂłn de este modelo, una de sus limitaciones es que tiene restricciones en condiciones de homogeneidad de consumidores potenciales y tiendas por igual. (Cliquet, 2013).

Rita S. GonzĂĄlez M.

UNIGIS AmĂŠrica Latina

42

2.3.11.

Modelos No Gravitacionales

Los modelos no gravitacionales según (Alcaide Juan Carlos, Calero Rocio, 2012) son los más sencillos puesto que es el consumidor que elige el establecimiento más cercano al lugar donde se encuentra considerando el espacio como un plano uniforme y se realiza la suposición que las preferencias del consumidor siguen una conducta racional.

En este modelo se considera que los costos de desplazamiento son uniformes en una superficie, que la población y la demanda están uniformemente distribuidas y no existen barreras para el desplazamiento puesto que se considera que la superficie es plana el único obstáculo seria la distancia.

De los modelos no gravitacionales, los modelos más conocidos son: Los polígonos de Thiessen y el modelo de Christaller.

2.3.11.1. Los Polígonos de Thiessen Los polígonos de Thiessen son un método de interpolación que se basa en la distancia euclidiana y permite determinar las áreas de influencia de un dato y es usado principalmente en análisis meteorológicos (Calispa Aguilar, 2014). En la figura 2 que se relaciona a continuación se puede observar la muestra la creación de Polígonos de Thiessen:

Figura 2 - Creación de Polígonos de Thiessen Fuente: (ESRI, 2013)

Rita S. González M.

UNIGIS América Latina

43

Este modelo aplicado al consumo permite definir áreas de influencia de un establecimiento que establezca un umbral minino de demanda y así localizar de manera óptima un establecimiento comercial para así considerar que este tenga cobertura a un número alto de personas (Alcaide Juan Carlos, Calero Rocio, 2012).

2.3.11.2. El Modelo de Christaller Este modelo es también conocido como la Teoría de los Lugares Centrales. Es un método utilizado para estudiar la localización de las actividades comerciales, su análisis está definido en la concentración en un mismo lugar de comercios que tengan comercios comparables (Aragón, s. f.). En la figura 3 que se relaciona a continuación se observa el modelo de Christaller:

Figura 3 - Modelo de Christaller

Fuente: Christaller, 1966 citado en (Becerra Valbuena, 2013).

El modelo de Christaller se adapta bien dentro de un entorno donde para distancias muy pequeñas prime la proximidad sobre cualquier otra atracción para la adquisición de bienes y servicios. Este método tiene sus limitaciones entre las que se encuentra el considerar que los minoristas no generan impacto sobre el consumidor, puesto que considera solo el transporte como un factor y no ve inconvenientes en la aglomeración de establecimientos Rita S. González M.

UNIGIS América Latina

44

ya que considera que el consumidor puede dada esta situación hacer en un solo trayecto la compras de todos los bienes y servicios que requiere (Alcaide Juan Carlos, Calero Rocio, 2012).

3. Metodología.

3.1.

Área de Estudio

El área de estudio seleccionado para esta investigación es la ciudad de Bogotá, capital de Colombia. Se localiza en el centro del país y ocupa 33 km de sur a norte, y 16 km de oriente occidente. Su ubicación en coordenadas es Latitud Norte: 4° 35'56'' y Longitud Oeste: 74°04'51'' (Alcaldía Mayor de Bogotá, 2015).

La ciudad de Bogotá se encuentra organizada de mayor a menor escala en localidades, Unidades de Planeamientos Zonal (UPZ) y barrios. Para el desarrollo de esta esta investigación se seleccionaron las localidades como la escala a analizar. Las localidades según la ley 768 (Congreso de Colombia, 2002) son: Divisiones administrativas con homogeneidad relativa desde el punto de vista geográfico, cultural, social y económico”.

Las divisiones administrativas denominadas localidades se encuentran agrupada geográficamente de la siguiente manera:

Zona Norte: Suba, Usaquén, Chapinero, Teusaquillo, Barios Unidos y Engativá.

Zona Sur Occidental: Fontibón, Puente Aranda, Kennedy y Bosa.

Zona Centro Oriente: Santa Fe, Candelaria, San Cristóbal, Los Mártires, Antonio Nariño.

Zona Sur: Usme, Rafael Uribe Uribe, Tunjuelito, Ciudad Bolívar, Sumapaz.

En el mapa 1 que se relaciona a continuación se observa el área de estudio que corresponde a la ciudad de Bogotá y tiene contenida las localidades:

Rita S. González M.

UNIGIS América Latina

45

Mapa 1 - Área de estudio seleccionada que corresponde a la ciudad de Bogotá. Fuente: (IDECA, 2017).

Elaboración propia.

Rita S. González M.

UNIGIS América Latina

46

La región de Bogotá – Cundinamarca representa el 30 % del producto interno bruto del país y es uno de los principales ejes de crecimiento económico puesto que la región tiene un gran reconocimiento internacional lo que logra hacerla atractiva para negocios e inversión (Herrera, 2015b).

En el año 2016 el Observatorio de Desarrollo económico (Observatorio de Desarrollo Económico, 2016) de la ciudad de Bogotá muestra indicadores y estadísticas de cómo está ubicada la ciudad respecto al mundo y sus diferentes logros. Lo primero es que Bogotá es considerada una de las 30 ciudades con más trabajadores en el mundo. Según la Global Metro Monitor (Herrera, 2015a) Bogotá, es una de las ciudades con mayor desempeño económico desde el año 2000 al 2015. Esto se ve reflejado en los notorios cambios que han presentado sus indicadores de pobreza y desigualdad que muestran una reducción en este tiempo y una mejora en los indicadores de calidad de vida.

Para poder determinar las mejoras que han ocurrido en la ciudad de Bogotá, el Global Metro Monitor (GMM) tiene un índice que combina dos indicadores económicos que son el crecimiento del PIB real per-capital y la tasa de crecimiento del empleo sobre un tiempo determinado. Esto permitió establecer que la ciudad es eficiente en la generación de empleo y con un producto interno bruto que la ubica como una ciudad desarrollada en un país en desarrollo (Herrera, 2015a).

En un estudio realizado en el año 2016 por el Observatorio de Desarrollo Económico de Bogotá (Dimas Hoyos, 2016), se realizó el análisis de tres mediciones usadas en el país que son: la pobreza monetaria, la pobreza multidimensional y la desigualdad evaluado usando el coeficiente de Gini. Este análisis se hizo entre la información del país y la obtenida de la ciudad de Bogotá.

La pobreza monetaria mide el porcentaje de la población con los ingresos mínimos que les permitan cubrir sus necesidades básicas limitando así la adquisición de productos de la canasta básica familiar. La pobreza multidimensional se mide en el mundo y en Colombia con el Índice de Pobreza Multidimensional (IPM) que evalúa las múltiples carencias

Rita S. González M.

UNIGIS América Latina

47

diferentes a la carencia de ingresos (Departamento Nacional de Planeación - DPN, 2017).

Para el análisis de la desigualdad se utilizó el coeficiente de Gini que evalúa la distribución de ingresos en Bogotá (Dimas Hoyos, 2016).

A pesar de los resultados que se han obtenido en la aplicación de los indicadores mencionados, Bogotá es una ciudad que aún tiene brechas de desigualdad y pobreza y no solo las variables expuestas por Global Metro Monitor o las proyecciones del DANE para escenarios futuros son suficientes para determinar qué tan positiva es la situación socioeconómica de la ciudad. Para eso se requiere la revisión de variables como la inflación, el desempleo, la pobreza, el valor de precios al consumidor puesto que son ellas las que complementan y reflejan que tan útiles han sido las políticas públicas que se han desarrollado para mejorar la calidad de vida de la población.

Rita S. González M.

UNIGIS América Latina

48

3.2.

Flujograma de Investigación

El presente flujograma presenta los distintos pasos de la metodología aplicada en esta investigación:

Revisión de datos y bibliografia disponible.

Conversión de datos de formato SAV a DBF

Estandarización de los datos alfanumericos y geograficos.

Relación de tablas alfanumericas con información geográfica

Creación de Base de Datos Geográfica

Evaluación de metodos a utilizar para la obtención de resultados.

Determinar y localizar las zonas de consumo de los productos.

Identificación de zonas optimas y patrones de consumo de la canasta familiar.

Evaluación y comparación de los resultados obtenidos.

Analisis de resultados, conclusiones y recomendaciones.

Determinar productos de mayor y menor consumo

Generación de mapas de los resultados obtenidos considerando metodologías propuestas por el geomarketing.

Figura 4 - Flujograma general de metodología aplicada.

En la figura 5 que se relaciona a continuación se explica de forma detallada el flujograma propuesto:

Rita S. González M.

UNIGIS América Latina

49

Figura 5- Flujograma detallado de metodología aplicada.

Rita S. González M.

UNIGIS América Latina

50

3.3.

Datos

3.3.1. Datos e Información Geográfica.

3.3.1.1.

Encuesta de Calidad de Vida de Bogotá.

En 1996 se creó el programa de Mediciones de las Condiciones de Vida (MECOVI) con el propósito de realizar actividades de encuestas en los hogares y mediciones de las condiciones de vida en América Latina y el Caribe. Este programa fue creado por el Banco Mundial, el Banco Interamericano de Desarrollo (BID) y la Comisión Económica para América Latina y el Caribe (CEPAL) (DANE, 2009) y brinda apoyo a los países para generar información sobre las condiciones de vida de los habitantes. En la Metodología Encuesta Nacional de Calidad de Vida (DANE, 2009) definen la importancia de las encuestas de calidad de vida como una de las principales fuentes de datos socioeconómicos con el que cuentan los países.

En Colombia el responsable de elaborar esta encuesta es el DANE y se encarga de obtener información de los diferentes aspectos del bienestar de los hogares analizando aspectos como el acceso a bienes y servicios públicos, salud, gastos, educación y entre otros permitiendo así realizar el análisis de factores que expliquen cómo están distribuidos los diferentes niveles de calidad de vida en la sociedad (DANE, 2009).

La Encuesta de Calidad de Vida se realiza de manera general en las ciudades principales de Colombia. Se ha realizado una sola vez en la ciudad de Bogotá con el nombre de Encuesta de Calidad de Vida para Bogotá (ECVB). Esta encuesta se realizó con el objetivo de obtener y proveer información que determine los niveles de pobreza, la caracterización de las condiciones de vida de la población Urbana y Rural para así poder diseñar, controlar, evaluar planes y programas para el desarrollo socioeconómico de la población encuestada.

(DANE, 2007b).

Rita S. González M.

UNIGIS América Latina

51

Para el desarrollo de esta investigación se eligió la ECVB puesto que contenía información de gastos aplicados a una ciudad principal en este caso Bogotá. Los datos se obtuvieron de la página del DANE. En la opción de micro datos y metadatos, se encontró disponible la base de datos que recibe como nombre encuesta ECVB para el año 2007. Los datos socioeconómicos que componen la ECVB se relacionan a continuación:

Tabla 3 - Descripción de Encuesta de Calidad de Vida de Bogotá (ECVB)

Archivo Vivienda

Descripción Contiene información de los datos de vivienda.

Contiene información de los hogares como los servicios del hogar,

Hogar

tenencia y financiación de esta.

Contiene información de las personas s como características generales,

Persona

cuidado y labores de los niños, salud, educación y fuerza de trabajo.

Condiciones de Vida

Contiene información de las condiciones de vida y tenencias de bienes.

Gastos

Contiene la información de gasto del hogar.

Fuente:(DANE, 2007a). Elaboración Propia.

Se revisaron uno a uno los archivos y variables que componen la ECVB, de esta revisión se determinó que el grupo de variables del componente gastos contenía información que se iba a utilizar para elaborar y analizar los patrones de consumo de la ciudad de Bogotá.

Este archivo de gastos está compuesto con 13 variables y solo se usaron 9 que se relacionan a continuación: Tabla 4 - Descripción de las variables del archivo Gastos de la Encuesta de Calidad de Vida de Bogotá (ECVB)

Variable

Definición

Localidad Hogares vivienda Tipo de gasto Código del articulo Compra Valor pagado Lugar de compra Adquirido sin comprar

Corresponde al nombre de la localidad Numero de vivienda Corresponde a una lista de productos que fueron comprados Corresponde al código del producto comprado Lo compró el hogar Corresponde al valor pagado Corresponde al lugar donde se compró el producto Corresponde a conocer el origen del producto, si fue adquirido sin pagar por el Valor estimado En cuanto se estima el valor del producto obtenido Fuente:(DANE, 2014) . Elaboración Propia.

Rita S. González M.

UNIGIS América Latina

52

Se usaron estas variables puesto que en ellas se podía observar cuántos ingresos económicos tiene una familia, cuáles productos consumían, la forma de adquisición de estos productos y junto a este grupo de información se usó de apoyo uno de los productos cartográficos del DANE que se generaron en el análisis de la información obtenida en el desarrollo de la ECVB.

El producto que se utilizó para apoyar los análisis que se realizaron fue el Mapa de Hogares Pobres por NBI (Necesidades Básicas Insatisfechas) (Alcaldía Mayor de Bogota D.C, 2007) que hace parte de los productos generados por la Encuesta de Calidad de Vida de Bogotá 2007.

Las Necesidades Básicas Insatisfechas (NBI) según el reporte preliminar de la ECVB está definido como: “las carencias que tienen los hogares en ciertos bienes y servicios que se consideran básicos para su subsistencia” (DANE, 2007c, p.36 ). Los indicadores que se consideran para definir las NBI son (DANE, 2007c): a. Viviendas Inadecuadas b. Hacinamiento Critico c. Servicios inadecuados d. Alta dependencia económica e. Inasistencia Escolar.

Con estos indicadores simples se construyó el indicador compuesto que permitió realizar la estimación de la magnitud de la pobreza en una población para así clasificarlos como pobre o con NBI.

Considerando lo anterior en la ECVB – 2007 se observó que el 5% de las viviendas en Bogotá se consideran en pobreza por NBI y un 0.5 % viven en la miseria (DANE, 2007c). Los resultados de los diferentes análisis obtenidos con los indicadores mostrados se pueden observar en el mapa que se relaciona a continuación:

Rita S. González M.

UNIGIS América Latina

53

Mapa 2 - Hogares Pobres por NBI - (Alcaldía Mayor de Bogotá D.C, 2007).

Rita S. González M.

UNIGIS América Latina

54

3.3.1.2.

Información Geográfica

La información cartográfica que se utilizó corresponde a la que proporciona el IDECA (Infraestructura de Datos Espaciales Para el Distrito Capital). Estos datos para su mayor comprensión vienen acompañados de un documento que se llama Catalogo de Objetos Geográficos del Mapa de Referencia para el Distrito Capital en su versión 4.9.

La información geográfica que se utilizó no se encuentra en su totalidad a nivel de localidad, pero al encontrarse en su unidad más pequeña - que en este caso es lote - se escaló para llegar al nivel de dato que se requería que era localidad. Esta actividad se realizó debido a que la información suministrada por el DANE se encontraba en ese nivel.

El set de datos geográficos que se utilizó está en una geodatabase, los datos usados fueron los siguientes: -

Lotes

-

Localidades

-

Barrios

-

Municipio

Además, se usó en formato DBF suministrado por el IDECA, una tabla donde se encuentra relacionado los estratos socioeconómicos a nivel de barrios, esta información se utilizó para hacer la relación de las variables económicas con la información geográfica.

La información geográfica que se procesó en formato shape, se construyó usando el set de datos geográficos que ofrecía el IDECA esto para completar los análisis correspondientes.

Los datos usados cumplen con la normativa catastral vigente para Colombia ya que usaron en el sistema de referencia MAGNA SIRGAS y la cartografía se encontraba actualizada al año 2017.

Rita S. González M.

UNIGIS América Latina

55

3.3.2. Software La normalización de los datos se realizó utilizando el software GNU PSSP que es para el análisis estadístico de datos. Es libre y reemplaza el uso de SPSS puesto que cuenta con similitudes y muy pocas excepciones. (Free Software Foundation, s. f.). El mayor inconveniente que se presentó con este programa es el exportar archivos puesto que la lista de opciones de extensiones son muy pocas, en eso el SPSS es más flexible.

Para el análisis de información geográfica y la generación de cartografía se utilizó ArcGIS junto a su arctoolbox de Estadística Espacial.

3.4.

Metodología Aplicada

El propósito de esta metodología era darle respuesta a todos los objetivos propuestos que incluyen: (i) la identificación de los productos de la canasta básica familiar de mayor y menor consumo, (ii) la identificación de las zonas con altos y bajos niveles de consumo de los productos básicos de la canasta básica familiar y (iii) la identificación de las zonas que presentan mayor potencial de consumo de productos según el estrato socio-economico aplicado a la ciudad de Bogotá.

A continuación, se explica la metodología inicialmente expuesta de una manera más detallada:

3.4.1. Búsqueda Bibliográfica Inicialmente se realizó una búsqueda bibliográfica para definir los métodos y conocer lo que se ha realizado respecto al tema de geomarketing y análisis espacial de patrones de consumo se ha realizado. Esta revisión bibliográfica se mantuvo en el desarrollo de cada uno de los pasos que compone la metodología desde su inicio hasta los resultados.

Rita S. González M.

UNIGIS América Latina

56

3.4.2. Conversión de Datos Se normalizaron los datos que pertenecen a la Encuesta de Calidad de Vida de Bogotá (ECVB) del año 2007. Los datos se encontraron a nivel de escala geográfica de localidades y la base de datos estaba estructurada en diferentes temáticas, en un formato denominado SAV. Por tanto, fue necesario realizar un proceso de conversión de estos datos a un formato que fuera compatible con software SIG.

3.4.3. Estandarización de los datos Los datos cuando se convirtieron en formato dbf, se normalizaron cambiando la estructura de los campos propuestos por el DANE con el propósito de que fuera compatibles con la información cartográfica existente. Los cambios que se realizaron fue el de convertir los datos que se encontraban como tipo texto y tipo numérico a tipo numérico puesto que para el desarrollo de los análisis de esta investigación se requería que toda la información fuera de tipo numérica.

La normalización de los datos no solo se realizó a nivel de atributos sino también de los campos que componen la base de datos de la Encuesta de Calidad de Vida de Bogotá (ECVB) del año 2007. Para esto se realizó una depuración de los campos que componen las tablas de la encuesta para dejar solo las que se iban a utilizar en el desarrollo para dar respuesta a los objetivos propuestos.

Cuando se definieron los campos de las tablas estandarizadas del DANE se procedió a caracterizar la información que se tenía, esto con la finalidad de estructurar las salidas gráficas e ir visualizando las tendencias que iban presentando los datos.

Se realizó una caracterización de la distribución de los estratos por localidades y se encontró que, debido a la densidad demográfica de la ciudad de Bogotá, las localidades se encontraban relacionadas a más de un estrato socioeconómico.

Rita S. González M.

UNIGIS América Latina

57

Dada esta situación fue necesario revisar la unidad geográfica en la que estaban los datos de estrato socioeconómico que para este caso era lotes, como se requería asignarle a las localidades un estrato moda puesto que esta era la unidad geográfica con la cual se iba a desarrollar los análisis de esta investigación, se realizó una obtención de la moda de estratos socioeconómicos en las localidades por lote para así determinar un estrato por localidad y evitar la variabilidad que se estaba presentado en la información.

También se determinó agrupar los estratos de manera cualitativa en tres grupos para incluir todos los existentes por localidad para complementar los cálculos que se requerían durante la investigación.

La agrupación se realizó así: -

Estratos socioeconómicos 1, 2 y 3: Residencial Bajo; esto se consideró dado que son los tres estratos que generalmente reciben subsidio en la tarifa de servicios públicos.

-

Estratos socioeconómicos 4 y 5: Residencial Medio.

-

Estrato socioeconómico 6: Residencial Alto.

Con los grupos establecidos se realizó una caracterización de los datos por estrato de la ciudad de Bogotá. Los resultados obtenidos por localidad se relacionaron a continuación con una descripción de la información de la moda del estrato y la agrupación acorde a la cantidad de predios existente en cada localidad. Este proceso se realizó para las 20 localidades existentes, la tabla que se relaciona a continuación tiene los siguientes campos (ver tabla 5): -

Nominal: Representa el total de lotes por estrato.

-

Porcentaje (%): Corresponde al porcentaje de lotes por estrato del total de lotes de la localidad.

-

Total: Corresponde al total de lotes de la localidad.

Rita S. González M.

UNIGIS América Latina

Tabla 5 - Distribución nominal y porcentual del Estrato Socioeconómico por Localidad.

ID

Nombre

Estrato por localidad

Localidad

1 Nominal

2 %

nominal

3 %

nominal

4 %

nominal

5 %

nominal

Total

6 %

nominal

%

1

Usaquén

3249

2%

3726

2%

20487

11%

78645

43%

44769

25%

31045

17%

181.921

2

Chapinero

1469

2%

554

1%

10304

11%

24793

27%

13026

14%

43260

46%

93406

3

Santa Fe

1188

4%

6907

24%

20160

71%

0

0%

0

0%

0

0%

28255

4

San Cristóbal

5215

9%

41563

73%

10388

18%

0

0%

0

0%

0

0%

57166

5

Usme

32369

62%

19826

38%

0

0%

2

0%

1

0%

2

0%

52200

6

Tunjuelito

0

0%

14478

54%

12090

46%

0

0%

0

0%

0

0%

26568

7

Bosa

13715

14%

80404

83%

3282

3%

0

0%

0

0%

0

0%

97401

8

Kennedy

2103

1%

89245

52%

80494

47%

0

0%

0

0%

0

0%

171842

9

Fontibón

2

0%

20626

29%

23119

33%

27010

38%

0

0%

0

0%

70757

10

Engativá

1451

1%

32181

21%

117836

76%

2802

2%

0

0%

0

0%

154270

11

Suba

403

0%

69237

33%

54376

26%

31887

15%

48596

23%

3448

2%

207947

12

Barrios Unidos

0

0%

2

0%

21353

82%

4841

18%

0

0%

0

0%

26196

13

Teusaquillo

0

0%

2

0%

6141

12%

43652

88%

0

0%

0

0%

49795

14

Los Mártires

0

0%

1990

10%

16517

83%

1284

6%

0

0%

0

0%

19791

15

Antonio Nariño

0

0%

747

4%

15939

96%

0

0%

0

0%

0

0%

16686

16

Puente Aranda

457

1%

61

0%

48466

99%

0

0%

0

0%

0

0%

48984

17

Candelaria

97

2%

3299

82%

645

16%

0

0%

0

0%

0

0%

4041

18

Rafael Uribe Uribe

5686

13%

20746

47%

17301

40%

0

0%

0

0%

0

0%

43733

19

Ciudad Bolívar

60246

71%

19319

23%

5706

7%

0

0%

0

0%

0

0%

85271

20

Sumapaz

416

100%

0

0%

2

0%

0

0%

0

0%

0

0%

418

Total

128066

424913

484606

214916

106392

77755

1436648

A continuaciรณn, se describe los resultados obtenidos por localidad:

1. La localidad de Usaquรฉn estรก compuesta por un total de 80 barrios o sectores catastrales. Al revisar el loteo se determinรณ que el estrato socioeconรณmico de mayor tendencia es el 4 con un total de 78.645 lotes. Esto corresponde solamente al 43.23 % del total de predios, el 56.74 % restante estรก distribuido en el resto de los estratos. Con el resultado obtenido, se agrupรณ y quedรณ de la siguiente manera: Residencial Bajo (1,2,3) = 27.462; Residencial Medio (4 y 5) = 123.414 y Residencial Alto (6) = 31.045. Con esta nueva agrupaciรณn se determinรณ que la localidad de Usaquรฉn es Residencial Medio.

2. La localidad de Chapinero estรก compuesta por un total de 53 barrios o sectores catastrales. Al revisar el loteo se determinรณ que el estrato socioeconรณmico de mayor tendencia es el 6 con un total de 43.260 lotes y esto corresponde solamente al 46.31% del total de predios, el 53.68 % restante estรก distribuido en el resto de los estratos. Con el resultado obtenido, se agrupรณ y quedรณ de la siguiente manera: Residencial Bajo (1,2,3) = 12.327 lotes; Residencial Medio (4 y 5) = 37.819 lotes y Residencial Alto (6) = 43.260 lotes. Con esta nueva agrupaciรณn se determinรณ que la localidad de Chapinero es Residencial Alto.

3. La localidad de Santa Fe estรก compuesta por un total de 27 barrios o sectores catastrales. Al revisar el loteo se determinรณ que el estrato socioeconรณmico de mayor tendencia es el 3 con un total de 20.160 lotes que corresponde al 71.35 %, y el 28.64% restante corresponde a los estratos 1 y 2. En general la localidad de Santa Fe corresponde al grupo Residencial Bajo.

4. La localidad de San Cristรณbal estรก compuesta por un total de 81 barrios o sectores catastrales. Al revisar el loteo se determinรณ que el estrato socioeconรณmico de mayor tendencia es el 2 con un total de 41.563 lotes que corresponde al 72.70 %, y el 27.29 % restante corresponde a los estratos 1 y 3. En general la localidad de San Cristรณbal corresponde al grupo Residencial Bajo.

60

5. La localidad de Usme está compuesta por un total de 120 barrios o sectores catastrales. Al revisar el loteo se determinó que el estrato socioeconómico de mayor tendencia es el 1 con un total de 32.369 lotes que corresponde al 62.00 % y el 37.99 % restante corresponde a los estratos 2, 4,5 y 6. Con el resultado obtenido, se agrupó y quedó de la siguiente manera: Residencial Bajo (1 y 2) = 52.195 Lotes; Residencial Medio (4 y 5) = 3 Lotes y Residencial Alto (6) = 2 Lotes. La localidad de Usme es principalmente Residencial Bajo.

6. La localidad de Tunjuelito está compuesta por un total de 17 barrios o sectores catastrales. Al revisar el loteo se determinó que el estrato socioeconómico de mayor tendencia es el 2 con un total de 14.478 lotes que corresponde al 54.49 % y el 45.51 % restante corresponde al estrato 3. En general la localidad de Tunjuelito es Residencial Bajo.

7. La localidad de Bosa está compuesta por un total de 73 barrios o sectores catastrales. Al revisar el loteo se determinó que el estrato socioeconómico de mayor tendencia es el 2 con un total de 80.404 lotes que corresponde al 82.55 % y 17.45% restante corresponde a los estratos 1 y 3. En general la localidad de Bosa es Residencial Bajo.

8. La localidad de Kennedy está compuesta por un total de 98 barrios o sectores catastrales. Al revisar el loteo se determinó que el estrato socioeconómico de mayor tendencia es el 2 con un total de 89.245 lotes que corresponde 51.93 % y el 48.06% restante corresponde a los estratos 1 y 3. En general, la localidad de Kennedy es Residencial Bajo.

9. La localidad de Fontibón está compuesta por un total de 98 barrios o sectores catastrales. Al revisar el loteo se determinó que el estrato socioeconómico de mayor tendencia es el 4 con un total de 27.010 lotes que corresponde al 38.17% y el 61.83 % restante corresponde a los estratos (1, 2,3). Con el resultado obtenido, se agrupó y quedó de la siguiente manera: Residencial Bajo (1, 2,3) = 43.747 Lotes

Rita S. González M.

UNIGIS América Latina

61

y Residencial Medio (4) = 27.010 Lotes. En general considerando esta agrupación, la tendencia en la localidad de Fontibón es Residencial Bajo.

10. La localidad de Engativá está compuesta por un total de 81 barrios o sectores catastrales. Al revisar el loteo se determinó que el estrato socioeconómico de mayor tendencia es el 3 con un total de 117.836 lotes que corresponde al 76.38% y el 23.62% restante corresponde a los estratos 1,2 y 4. Con el resultado obtenido, se agrupó y quedó de la siguiente manera: Residencial Bajo (1, 2,3) = 151.468 Lotes y Residencial Medio (4) = 2.802 Lotes. En general considerando esta agrupación la tendencia en la localidad de Engativá es Residencial Bajo.

11. La localidad de Suba está compuesta por un total de 119 barrios o sectores catastrales. Al revisar el loteo se determinó que el estrato socioeconómico de mayor tendencia es el 2 con un total de 69.237 lotes, esto corresponde al 33.30% de los lotes y el 66.70% restante está distribuido en el resto de los estratos. Con el resultado obtenido, se agrupó y quedó de la siguiente manera: Residencial Bajo (1,2,3) = 124.016; Residencial Medio (4 y 5) = 80.483 y Residencial Alto (6) = 3.448.

En general y considerando esta agrupación, la tendencia en la localidad de Suba es Residencial.

12. La localidad de Barrios Unidos está compuesta por un total de 38 barrios o sectores catastrales. Al revisar el loteo se determinó que el estrato socioeconómico de mayor tendencia es el 3 con un total de 21.353 lotes, esto corresponde al 81.51% y el 18.49 % está distribuido en los estratos restantes. Con el resultado obtenido, se agrupó y quedó de la siguiente manera: Residencial Bajo (2,3): 21.355y Residencial Medio (4): 4.841. En general y considerando la agrupación, la tendencia en la localidad de Barrios Unidos es Residencial Bajo.

13. La localidad de Teusaquillo está compuesta por un total de 33 barrios o sectores catastrales. Al revisar el loteo se determinó que el estrato socioeconómico de mayor tendencia es el 4 con un total de 43.652 lotes que corresponde al 87.66% y

Rita S. González M.

UNIGIS América Latina

62

el 12.33% restante está distribuido en los estratos restantes. Con el resultado obtenido, se agrupó y quedó de la siguiente manera: Residencial Bajo (2,3): 6.143 lotes y Residencial Medio (4): 43.652 lotes. En general y considerando la agrupación, la tendencia en la localidad de Teusaquillo es Residencial Medio.

La localidad de Los Mártires está compuesta por un total de 20 barrios o sectores catastrales. Al revisar el loteo se determinó que el estrato socioeconómico de mayor tendencia es el 3 con un total de 16.517 lotes esto corresponde al 83.45% y el 16.54 % restante está distribuido en los estratos restantes. Con el resultado obtenido, se agrupó y quedó de la siguiente manera: Residencial Bajo (2 y 3) = 18.507 lotes y Residencial Media (4) = 1.284 lotes. En general y considerando la agrupación, la tendencia en la localidad de Los Mártires es Residencial Bajo.

14. La localidad de Antonio Nariño está compuesta por un total de 16 barrios o sectores catastrales. Al revisar el loteo se determinó que el estrato socioeconómico de mayor tendencia es el 3 con un total de 15.939 lotes corresponde al 95.52 % y el 4.48% restante está distribuido en el estrato 2. En general y considerando la agrupación, la tendencia en la localidad Antonio Nariño es Residencial Bajo.

15. La localidad de Puente Aranda está compuesta por un total de 44 barrios o sectores catastrales. Al revisar el loteo se determinó que el estrato socioeconómico de mayor tendencia es el 3 con un total de 48.466 lotes esto corresponde al 98.94 % y el 1.06% restante está distribuido en los estratos 1 y 2. En general y considerando la agrupación, la tendencia en la localidad Puerto Aranda es Residencial Bajo.

16. La localidad de Candelaria está compuesta por un total de 9 barrios o sectores catastrales. Al revisar el loteo se determinó que el estrato socioeconómico de mayor tendencia es el 2 con un total de 3.299 lotes esto corresponde al 81.63 % y el 18.37% restante está distribuido en los estratos 1 y 2. En general y considerando la agrupación, la tendencia en la localidad de Candelaria es Residencial Bajo.

Rita S. González M.

UNIGIS América Latina

63

17. La localidad de Rafael Uribe Uribe está compuesta por un total de 45 barrios o sectores catastrales. Al revisar el loteo se determinó que el estrato socioeconómico de mayor tendencia es el 2 con un total de 20.746 lotes que corresponde al 47.44% y el 52.56% restante está distribuido en los estratos 1 y 3. Considerando la agrupación, la tendencia en la localidad Rafael Uribe Uribe es Residencial Bajo.

18. La localidad de Ciudad Bolívar está compuesta por un total de 120 barrios o sectores catastrales. Al revisar el loteo se determinó que el estrato socioeconómico de mayor tendencia es el 1 con un total de 60.246 lotes que corresponde al 70.65% y el 29.35% restante está distribuido en los estratos 2 y 3. Considerando la agrupación, la tendencia en la localidad de Ciudad Bolívar es Residencial Bajo.

19. La localidad de Sumapaz está compuesta por un total de 32 barrios o sectores catastrales. Al revisar el loteo se determinó que el estrato socioeconómico de mayor tendencia es el 1 con un total de 416 lotes que corresponde al 99.52 % y el 0.47 % restante está distribuido en el estrato3. Considerando la agrupación, la tendencia en la localidad de Sumapaz es Residencial Bajo.

De esta revisión de estrato socioeconómico, los resultados que se obtuvieron se exponen en la siguiente tabla (Ver tabla 6):

Rita S. González M.

UNIGIS América Latina

64

Tabla 6 - Agrupación del Estrato Socioeconómico moda y Estrato Cualitativo por Localidad de la Ciudad de Bogotá.

Identificador

Nombre Localidad

localidad

Estrato

Estrato Cualitativo

Moda

(Alto, Bajo o Medio)

1

Usaquén

4

Medio

2

Chapinero

6

Alto

3

Santa Fe

3

Bajo

4

San Cristóbal

2

Bajo

5

Usme

1

Bajo

6

Tunjuelito

2

Bajo

7

Bosa

2

Bajo

8

Kennedy

2

Bajo

9

Fontibón

4

Bajo

10

Engativá

3

Bajo

11

Suba

2

Bajo

12

Barrios Unidos

3

Bajo

13

Teusaquillo

4

Medio

14

Los Mártires

3

Bajo

15

Antonio Nariño

3

Bajo

16

Puente Aranda

3

Bajo

17

Candelaria

2

Bajo

18

Rafael Uribe Uribe

2

Bajo

19

Ciudad Bolívar

1

Bajo

20

Sumapaz

1

Bajo

El resultado que se obtuvo del análisis de estrato moda de la ciudad de Bogotá se mapeó para visualizar cómo se encuentra distribuido. El mapeo del análisis se visualizó en el mapa 3, relacionado a continuación:

Rita S. González M.

UNIGIS América Latina

65

Mapa 3 - Distribución Estrato Moda de la Ciudad de Bogotá.

Rita S. González M.

UNIGIS América Latina

66

Luego de revisar los resultados obtenidos en la tabla 6 del Estrato Socioeconómico moda por Localidad de la Ciudad de Bogotá, se hizo necesario conocer cuál fue el total de viviendas que fueron encuestadas por localidad para la Encuesta de Calidad de Vida de la ciudad de Bogotá 2007.

En la tabla Gastos, se pudo determinar que se encuestaron 26.871 viviendas, en esta tabla también cuenta con la información de la canasta básica. Según lo expuesto en el marco teórico sobre los componentes de la canasta familiar que corresponden a 8 grupos, 34 subgrupos y 79 clases que se dividen a su vez en 176 gastos básicos y dada la amplitud de los componentes de la canasta familiar. Se seleccionaron los productos de los que se tienen información en la Encuesta de Calidad de Vida de la ciudad de Bogotá 2007.

Los productos básicos de la canasta que se revisaron para hacer los análisis de los datos fueron: 1. Pan, arepas, bollos, almojábanas.

2. Leche y derivados (queso, cuajada, kumis, yogur, crema de leche, mantequilla.

3. Huevos.

4. Carne de res, cerdo o cordero, hueso y vísceras.

5. Carne de gallina y pollo.

6. Pescado de río o de mar u otros productos marinos frescos congelados.

7. Salchichas, jamón, mortadela, salchichón y otras carnes frías preparadas.

8. Papa común, papa criolla, yuca, arracacha, ñame.

9. Arroz, pastas, avena, cuchuco, harinas, corn flakes y otros cereales.

10. Frijol seco, arveja seca, lentejas, garbanzos y otros granos.

11. Plátano verde y maduro.

12. Arveja verde, frijol verde, habichuela, zanahoria, tomate, lechuga, pepino, cebolla larga y cabezona y otras verduras.

13. Banano, guayaba, naranja, limón, mango, papaya, manzana, piña y otras frutas.

14. Aceite, manteca, margarina y otras grasas.

15. Azúcar, sal, condimentos y salsas.

16. Panela, café, chocolate, té.

Rita S. González M.

UNIGIS América Latina

67

17. Dulces, chitos, patacones, polvo para fresco y otros pasabocas.

18. Enlatados (arvejas, atún, sardinas, salchichas).

19. Galletas de sal y de dulce.

20. Gaseosas, maltas y jugos procesados.

21. Compra y pago de agua, de fuentes diferentes al acueducto (carrotanque, aguatero, agua embotellada).

22. Alimentos varios.

23. Comidas fuera del hogar y alimentos preparados fuera para consumo en el hogar.

De este total de productos básicos de la canasta básica familiar se seleccionaron 11 que tuvieran coincidencia con el grupo denominado alimentos de la canasta familiar propuesta por el DANE. Esto se hace para identificar el comportamiento en el consumo de estos productos. Los productos seleccionados son: 1. Pan, arepa, bollo y almojábana.

2. Leche y derivados (Quesos, cuajadas, kumis, yogurt, crema de leche, mantequilla).

3. Huevos.

4. Carne de res, cerdo o cordero, huesos y vísceras.

5. Carne de gallina y pollo.

6. Papa común, papa criolla, yuca, arracacha, ñame.

7. Arroz, pasta, avena, cuchuco, harinas, corn flakes, y otros cereales.

8. Aceite, manteca, margarina y otras grasas.

9. Azúcar, sal, condimentos y salsa.

10. Panela, café, chocolate, té.

11. Frijol seco, arveja seca, lentejas, garbanzos y otros granos.

De la tabla Gastos se revisó la información alfanumérica y se observó que en cada temática existían dos valores que representaban que el hogar entrevistado no tenía claridad en la respuesta. Esos valores eran 98 y 99 y estaban ubicados en el campo que se denomina valor pagado que correspondía a lo que se pagó por cada producto y estos valores no brindaban ninguna información.

Rita S. González M.

UNIGIS América Latina

68

Considerando lo anterior estos dos valores se omitieron para los análisis posteriores puesto que como son respuestas que no brindaban información clara y lo que harían sería generar sesgo en los resultados que se llegaran a obtener del análisis de los datos.

Cuando se definieron los datos geográficos, alfanuméricos y los programas que se iban a utilizar, se procedió a procesar la información puesto que los datos alfanuméricos del DANE que se recibieron se encontraban a nivel de localidades y el grupo de datos geográficos que se utilizó se encontraba a nivel lotes. Por tanto, fue necesario realizar una serie de depuraciones y relaciones entre capas para lograr generar la información que se requería para desarrollar los objetivos propuestos de esta investigación.

3.4.4. Creación de Base de Datos Geográfica En esta parte de la metodología se realizó la creación de una base de datos geográfica utilizando la información obtenida y normalizada en la fase de conversión y estandarización de los datos. La base de datos geográfica que se construyó en ArcGIS fue de tipo File Geodatabase.

3.4.5. Evaluación de los métodos.

En este paso se analizó cuáles serían los métodos que permitirían dar respuesta a las preguntas propuestas. Con la información procesada y debidamente relacionada, se consideraron los métodos investigados y se utilizó los que permitirán dar a respuesta a las preguntas propuestas en esta investigación.

De los diferentes métodos revisados en la búsqueda bibliográfica, se definió inicialmente realizar un análisis estadístico descriptivo usando medidas de tendencia central como son la moda y el promedio con el fin de dar respuesta a la primera pregunta de la investigación que es la identificación de los productos de mayor consumo por localidad asociados a su gasto y determinar el estrato predominante por localidad.

Rita S. González M.

UNIGIS América Latina

69

Posteriormente se llevó a cabo un análisis exploratorio de datos espaciales (AEDE) que incluyó el uso de: (i)

Índice de moran global utilizado para detectar si el grupo de datos de gastos obtenidos del ECVB presentaba o no autocorrelación espacial. Si no tenía autocorrelación espacial significaba que su distribución era de tipo aleatoria por tanto no existía estructura de clúster. En este punto al no existir estructura de clúster lo que se hizo fue analizar cómo se encontraba distribuido espacialmente el consumo y realizar los análisis desde este escenario usando Estadístico G.

(ii)

Estadístico G para definir las zonas donde está localizado el grupo de datos de gastos que contaban con clúster alto y bajo de consumo.

(iii)

La utilización de Puntos Calientes (Hot Spot) se usó para determinar cómo se encontraban distribuidos los valores de clúster obtenidos en el desarrollo del Estadístico G.

(iv)

Los LISA Maps se utilizaron para determinar qué tipo de estructura de clúster se obtuvo y así determinar los patrones espaciales de consumo.

3.4.5.1.

Identificación de los productos de menor y de mayor consumo de la canasta familiar en la ciudad de Bogotá según el estrato socioeconómico.

Este método se desarrolló para dar respuesta a la primera pregunta de la investigación que corresponde a la identificación de los productos de la canasta básica familiar de mayor y menor consumo en la ciudad de Bogotá. Se utilizó la estadística descriptiva (moda y promedio); la moda se utilizó para determinar qué estrato socioeconómico moda estaba definido por localidad y se usó el promedio para determinar cuánto gastaba cada vivienda por localidad, este valor promedio se obtuvo dividiendo el total gastado por localidad sobre el total de viviendas donde se consumió el producto para así apoyar el análisis que determinaba los bienes que se consumían en mayor o menor cuantía en cada localidad y qué gasto se hacía en esa localidad por vivienda.

Rita S. González M.

UNIGIS América Latina

70

Se seleccionaron 11 productos a evaluar de la canasta familiar mencionados en el capítulo 3.3.6., inicialmente se calculó la moda del estrato por localidad y se relacionó a cada vector tipo polígono que correspondía a la localidad. A esta información de tipo polígono se le relacionó un valor total pagado por localidad y el promedio de gasto por vivienda por localidad. Este análisis de estadística descriptiva permitió obtener la distribución de cada bien “A” y el promedio de gasto de cada vivienda por localidad para cada bien “A” y así sucesivamente para cada bien, siendo esto el insumo para determinar y localizar las zonas de consumo de los productos.

3.4.5.2.

Identificación y localización de las zonas con altos y bajos niveles de consumo de los productos de la canasta familiar en la ciudad de Bogotá.

Se retomó los mapas que se obtuvieron en la fase anterior. Los mapas que se obtuvieron corresponden a cada bien por el promedio gastado por vivienda y total pagado por localidad para definir también cuáles son los bienes que presentan autocorrelación espacial.

El resultado que se obtuvo en el punto anterior permitió visualizar de manera preliminar si la información obtenida tenía estructura de clúster. Si tenía este tipo de estructura se podía definir qué bienes se consumían por zonas. Cuando el resultado que se obtenía no tenía estructura de clúster lo que se hacía era analizar cómo se encontraba distribuido espacialmente el consumo y se analizaba a qué se debía ese comportamiento.

Lo anterior se analizó utilizando Análisis Exploratorio de Datos Espaciales (AEDE) para cada bien y el Índice de Moran con la finalidad de estudiar si los consumos de los bienes seleccionados segregan a la población hacia un producto de la canasta familiar determinado o si no lo segregan. Esto se hizo para cada bien propuesto y permitió definir zonas preliminares que fueron insumo para la identificación de zonas óptimas de patrones de consumo de la canasta familiar.

Rita S. González M.

UNIGIS América Latina

71

3.4.5.3.

Identificación de las zonas que presentan mayor potencial de consumo de productos de la canasta familiar

El insumo que se obtuvo en el método anterior permitió que en este punto se analizara e identificara a detalle qué tipo de clúster se había obtenido, es decir definir si la estructura era clúster, dispersa o aleatoria. Según (Peters, 2009) esto se puede determinar considerando que cuando hay valores positivos se considera que se obtiene clúster, cuando el resultado da valores negativos quiere decir que no existe clúster lo que significaría que el resultado obtenido es aleatorio y si el resultado es cero significa que es disperso o nulo.

Al obtener una estructura de clúster, se definieron las zonas óptimas de patrones de consumo de la canasta familiar utilizando el estadístico G que según (ESRI, 2018, parr. 1) “permite medir la concentración de valores altos y bajos en un área de estudio determinada”. De esta manera y con esta herramienta aplicada en este punto de la investigación permitió analizar qué tan fuerte es el clúster que se obtuvo y permitió revisar las agrupaciones obtenidas y definir el clúster como alto y bajo.

Cuando ya se ha encontrado cómo se encuentran distribuidos los clústeres, se mapean los puntos calientes, eso se hizo usando la función estadística Gi* de Getis -Ord de la barra de herramientas de estadística disponible de ArcGIS y esta función permitió mostrar los valores altos (puntos calientes) hacia los valores bajos (puntos fríos) para así establecer donde se presentaba no solo el clúster de valores altos sino que se garantizara que los valores que rodeen ese punto también cumplieran con esa característica (Galacho Jiménez y Corredera, 2015).

Para la aplicación de esta función se consideró el estrato como insumo y se hizo para conocer cómo estaba distribuida la pobreza y la riqueza en la ciudad de Bogotá.

Luego se analizaron los patrones locales de asociación espacial usando como método de cálculo los LISA MAPS, esto para analizar detalladamente el Índice de Moran y así conocer cómo cada bien había aportado a la formación del valor global encontrado.

Rita S. González M.

UNIGIS América Latina

72

El resultado que se obtuvo con los LISA MAPS son clúster de tipo Alto, Alto-Bajo, Bajo-Bajo, Bajo y es a partir de estos resultados que se pudo determinar los índices que presentan estructura de clúster y que son las zonas optimas de consumo.

3.4.6. Generación de Mapas, evaluación y análisis de resultados.

Cuando se desarrolló la metodología y se aplicaron los diferentes métodos estudiados, se generaron diferentes mapas que cumplieran con el objetivo principal de la investigación considerando como insumo los principios del geomarketing y se realizaron los análisis comparativos de los resultados obtenidos para así dar respuesta a los interrogantes propuestos en el desarrollo de la investigación.

De los resultados obtenidos se realizó los análisis que permitieran no solo responder las preguntas de investigación sino brindar las recomendaciones y consideraciones enfocándose principalmente en la importancia que tiene el geomarketing en la toma de decisiones y en la generación de distintos proyectos que requieren analizar cómo influyen las relaciones espaciales en el desarrollo de los análisis y decisiones de una entidad gubernamental o un particular interesado en ofrecer cualquier tipo de bienes.

4. Resultados y Discusión 4.1.

Resultados

En este subcapítulo se exponen los resultados obtenidos que dan respuesta a las preguntas de investigación propuestas. Los resultados que se obtuvieron se exponen en tablas y mapas. Posteriormente en el subcapítulo 4.2 se analiza y se discute los resultados obtenidos.

A continuación, se presenta un resultado preliminar que fue insumo para obtener los resultados que daban respuesta a las preguntas propuestas en esta investigación.

Rita S. González M.

UNIGIS América Latina

73

Este resultado se presenta en tablas y mapas que permitieran observar cómo estaba distribuido el consumo y el valor por localidad de cada producto elegido. Este análisis previo como parte del análisis estadístico de datos espaciales permitió detectar dónde se focalizan cada grupo de consumidores específicos relacionados al estrato socioeconómico.

El primer producto analizado fue el compuesto por el pan, arepas, bollos, almojábanas productos comunes en la base de los desayunos en Colombia (Revista Portafolio, 2017).

Del análisis estadístico descriptivo que se realizó se obtuvo una tabla donde se observa el total de personas encuestadas por localidad, el total de consumidores del producto, cuánto pago cada localidad por ese producto y en promedio cuánto gasta cada vivienda para adquirirlo. El resultado de este primer análisis se relaciona a continuación en la tabla 7: Tabla 7 - Análisis de los datos - Producto 1: Pan, arepas, bollos, almojábanas.

Estrato moda

Localidad

Encuestados por

Consumidores

Total Pagado por

Promedio Gastado por

localidad

por Localidad

Localidad

Vivienda

1

Sumapaz

303

117

$

660.600

$

5.646

2

Kennedy

1075

995

$

7.646.006

$

6.957

1

Ciudad Bolívar

1329

1111

$

7.773.512

$

6.997

La Candelaria

1173

1027

$

7.894.326

$

7.135

2

Rafael Uribe Uribe

1305

1145

$

7.966.056

$

7.173

1

Usme

1233

1125

$

8.026.620

$

7.428

3

Antonio Nariño

1187

1030

$

8.990.607

$

7.684

3

Santa Fe

1527

1313

$

9.417.515

$

7.687

3

Los Mártires

1236

1094

$

9.517.956

$

7.734

2

Bosa

1413

1291

$

9.588.907

$

7.960

2

San Cristóbal

1368

1259

$

9.737.359

$

8.278

Fontibón

1288

1146

$

10.496.255

$

8.468

Tunjuelito

1445

1339

$

10.659.058

$

8.700

Engativá

1441

1326

$

10.976.405

$

8.729

Barrios Unidos

1425

1289

$

11.677.079

$

9.059

Puente Aranda

1385

1290

$

11.899.057

$

9.159

Suba

1680

1515

$

12.828.458

$

9.224

Usaquén

1551

1380

$

13.250.650

$

9.602

Chapinero

1905 1464

$

14.070.004

$

9.611

Teusaquillo

1602

1417

$

14.259.405

$

10.063

Total

26871

23673

$

197.333.440

2

4 2 3 3 3 2 4 6 4

Rita S. González M.

UNIGIS América Latina

74

En esta tabla se observó por localidad cómo está distribuido el consumo de pan, arepa, bollo y almojábana para el año 2007, definiéndose así que la localidad donde más se pagó por este producto fue Teusaquillo y que fue en Chapinero la localidad donde se presentó el mayor consumo de este producto. La localidad donde menos se pagó por estos productos fue en Kennedy y el menor consumo correspondió a la localidad de Sumapaz.

En el mapa 4 que se relaciona a continuación, se realizó una distribución espacial del total pagado y del promedio gastado por vivienda. Esto permitió observar las segmentaciones que se presentan respecto al consumo de este producto:

Rita S. González M.

UNIGIS América Latina

75

Mapa 4 - Distribución Espacial del Pan, Arepa, Bollo y Almojábana

Rita S. González M.

UNIGIS América Latina

76

En el mapa se pudo observar que la mayor concentración de total pagado por localidades se encuentra concentrada en la parte norte de Bogotá que corresponde a las localidades de Suba, Usaquén, Chapinero y Teusaquillo, que corresponde a la población cuyo ingreso económico está entre alto y medio alto (Alcaldía Mayor de Bogota D.C, 2007).

Respecto al promedio gastado por vivienda de cada localidad se observó que donde más se pagó los productos analizados fue Usaquén, Chapinero y Teusaquillo que sigue siendo la parte norte de la ciudad de Bogotá. Suba hace parte de las localidades donde se presentó un alto consumo, pero esta pertenece a un estrato bajo, lo que determinaría que el gasto que se presentó se relaciona directamente a los consumidores de la localidad.

Existe una concentración en la zona centro oriente y sur donde las localidades de Santa Fe, San Cristóbal, Usme, Ciudad Bolívar, Candelaria, Rafael Uribe Uribe, Kennedy, Bosa, presentan un bajo consumo de pan, arepa, bollo y almojábana. Lo anterior puede deberse a que esas localidades se encuentran localizadas según el mapa de necesidades básicas insatisfechas en zonas donde se presentan unos índices visibles de pobreza y de necesidades básicas insatisfechas.

Este análisis se realizó para los once productos de la canasta familiar seleccionados. Las tablas, mapas y análisis de los diez productos restantes se pueden observar en los anexos para darle mayor legibilidad al documento.

i. Identificación de los productos de mayor y menor consumo de la canasta familiar en la ciudad de Bogotá por estrato socioeconómico.

El primer resultado que se obtuvo para dar respuesta a la siguiente pregunta de investigación: i.

¿Cuáles son los productos de la canasta básica familiar de mayor y menor consumo en la ciudad de Bogotá según el estrato socioeconómico?

Rita S. González M.

UNIGIS América Latina

77

En la tabla 8 se observan los productos que tuvieron el mayor promedio gastado por vivienda por localidad en la ciudad de Bogotá, estos fueron la carne, el arroz y la leche y se encuentran localizados en los estratos 4, 6 y 1.

A continuación se observan las localidades, los estratos, los productos de mayor consumo y cuánto se gastó por cada uno: Tabla 8 - Productos de Mayor Consumo MAYOR PROMEDIO GASTADO POR VIVIENDA Nombre de Localidad

Estrato Moda

Promedio gastado por

Producto

vivienda

Teusaquillo

4

Leche

$

17.151

Sumapaz

1

Arroz

$

22.181

Chapinero

6

Carne

$

29.010

El segundo resultado que se obtuvo complementa la respuesta a la pregunta de investigación y se pudo determinar que los productos que tuvieron el menor promedio gastado por vivienda en la ciudad de Bogotá fueron el azúcar, el aceite, panela, pan y pollo y se encuentran localizados en los estratos moda 1 y 2.

En la tabla 9 que se relaciona a continuación se observan las localidades, los estratos, los productos de menor consumo y cuánto se gastó por cada uno:

Tabla 9 - Productos de Menor Consumo MENOR PROMEDIO GASTADO POR VIVIENDA Nombre de Localidad

Estrato Moda

Promedio gastado por

Producto

vivienda

Candelaria

2

Azúcar

$

3.388

Ciudad Bolívar

1

Aceite

$

5.315

Rafael Uribe Uribe

2

Panela

$

5.423

Sumapaz

1

Pan

$

5.646

Usme

1

Pollo

$

8.653

Rita S. González M.

UNIGIS América Latina

78

A continuación, se relaciona el resultado obtenido en los mapas 5 y 6, en ellos se observa cómo se relaciona y cómo están distribuidos los productos de mayor y menor consumo según los análisis exploratorios de datos espaciales inicialmente realizados a cada producto de la canasta familiar seleccionado. Los dos mapas se encuentran divididos en mayor y menor gasto promedio por vivienda y mayor y menor pago por localidad:

Rita S. González M.

UNIGIS América Latina

79

Mapa 5 - Distribución Espacial - Mayor y Menor Gasto Promedio por Vivienda por Localidad - Bogotá

Rita S. González M.

UNIGIS América Latina

80

Mapa 6 - Distribución Espacial - Mayor y Menor Pago por Localidad - Bogotá

Rita S. González M.

UNIGIS América Latina

81

Considerando los resultados obtenidos, se observó que Sumapaz es una localidad donde se pagó un precio alto en cada vivienda por productos como el arroz, la papa, el frijol y el huevo.

Con el apoyo del mapa de hogares pobres con necesidades básicas insatisfechas (NBI) (Alcaldía Mayor de Bogota D.C, 2007) y el mapa 3 de distribución del estrato moda en la ciudad de Bogotá, se observó que la localidad de Sumapaz presenta un ingreso económico y un estrato moda bajo. El resultado obtenido de la zona es muy particular puesto que el consumo alto de los productos se encuentra relacionado directamente al precio de los bienes y no a la cantidad de consumidores.

La localidad de Sumapaz aunque pertenece a una zona rural no produce arroz, papa, frijol y huevos, siendo estos bienes los que presentan el mayor costo al momento de adquirirlo por vivienda en esa localidad. Caso contrario se presenta cuando se adquieren productos como el pan y leche que son de consumo general y hacen parte de los bienes que presentan un menor costo al adquirirlos debido a que hacen parte del grupo de productos comunes en los desayunos de la mayoría de hogares de un país como Colombia (Revista Portafolio, 2017).

Al compararse este resultado respecto al gasto que se presentó por localidad se observó que, en la localidad de Sumapaz respecto al mayor y menor pago por localidad, los productos por los que menos se pagó fueron el pan, la leche, el huevo, carne, pollo, papa, arroz, frijol, aceite, azúcar y panela.

En el caso de los productos diferentes a la leche y el pan, se presentó un gasto menor debido a que su adquisición puede resultar elevada para un consumidor que está localizado en una zona que tiene como estrato moda 1 y donde se presentan necesidades básicas insatisfechas puesto que el consumo de algunos productos requiere de un ingreso determinado por vivienda con el que posiblemente los habitantes de la localidad no cuentan.

Rita S. González M.

UNIGIS América Latina

82

De los análisis realizados también se encontró que productos como la carne y el pollo no hacen parte del grupo de productos de consumo masivo de todas las localidades y de los habitantes de la ciudad de Bogotá. Tanto en el promedio gastado por vivienda y en el gasto por localidad se observó que estos dos productos hacen parte del consumo mayoritario de una zona donde el ingreso de sus habitantes está por encima de una media y no se encuentran relacionados en las estadísticas de las necesidades básicas insatisfechas por localidad.

También se observó en la localidad de Usme con estrato moda 1, que el pollo es un producto que se adquiere a un valor bajo logrando así que se tenga un alto consumo por la cantidad de consumidores que tiene en esa localidad. Esto también permitió observar que el precio al que se adquiere es casi la mitad de lo que puede costar en la localidad de Chapinero que está ubicada en un estrato moda 6.

El frijol, la papa, el arroz, el azúcar y la panela son productos que presentan un menor promedio gastado por vivienda y por localidad puesto que son productos que no son de costo elevado por tanto son accesible a la gran mayoría de habitantes. También sucede que, aunque son productos básicos de la canasta familiar colombiana pueden ser sustituidos por otros o no son consumidos de manera frecuente.

ii. Identificación y localización de las zonas con altos y bajos niveles de consumo de los productos de la canasta familiar.

En este subcapítulo se dio respuesta a la siguiente pregunta de investigación propuesta: ii.

¿Dónde se localizan las zonas con altos y bajos niveles de consumo de los productos de la canasta básica familiar en la ciudad de Bogotá?

Se usó el índice de Moran Global junto a los resultados obtenidos en el subcapítulo anterior para dar respuesta al interrogante propuesto.

En la imagen 1 se relaciona el resultado obtenido usando el Índice de Moran Global: Rita S. González M.

UNIGIS América Latina

83

Imagen 1 - Resultado aplicación Índice de Moran Global.

El resultado que se obtuvo es que existía clúster o autocorrelación espacial entre los sectores catastrales existentes en Bogotá. Esto se observó en el gráfico teniendo en cuenta que el reporte Z es un valor muy alto, en este caso es 169,883863 y el P Valor corresponde a 0.

Aplicando este resultado a los datos significó que los sectores catastrales estaban agrupados en sus valores similares que para el caso de esta investigación es el estrato socioeconómico de cada sector catastral.

Las zonas preliminares se determinaron considerando la información de localidades puesto que no se contaba con la información de la encuesta de calidad de vida de Bogotá año 2007 por unidad geográfica de barrios. El determinar una zona preliminar de esta manera permitió identificar posibles zonas donde el ingreso es mayor e incluso permitió evaluar que productos tenían mayor afinidad con los habitantes de zonas determinadas.

Rita S. González M.

UNIGIS América Latina

84

En el mapa 7, que se relaciona a continuación se observa las zonas con los diferentes niveles de consumo que se identificó por localidad:

Rita S. González M.

UNIGIS América Latina

85

Mapa 7 - Niveles de Consumo por Localidad.

Rita S. González M.

UNIGIS América Latina

86

En el mapa 7 se identificaron con altos niveles de consumo las siguientes localidades: Usaquén, Chapinero, Fontibón, Teusaquillo, Barrios Unidos y Suba. Estas localidades presentaron los mayores gastos por vivienda y pagos por localidad coincidiendo con la estratificación moda relacionada como media - alta ya que están ubicadas en los estratos 4 y 6.

En este grupo existe una singularidad y es la localidad Suba, corresponde al estrato moda 2 y se observó en los resultados obtenidos que hace parte del grupo que más gasta por localidad y por vivienda, esta situación estaría presentándose porque es una de las zonas más pobladas de Bogotá (Alcaldía de Bogotá, 2015) por lo tanto el consumo de productos es alto.

Las localidades con un consumo medio fueron Engativá, Puente Aranda, Antonio Nariño, Los Mártires, San Cristóbal, Tunjuelito y Kennedy. Son localidades cuyo estrato moda esta entre 2 y 3 y al compararse con los diferentes consumos de cada producto analizado no muestran un comportamiento homogéneo, sino que varía dependiendo del producto que se está evaluando.

Las localidades que se identificaron con bajos niveles de consumo son Usme, Ciudad Bolívar, La Candelaria, Rafael Uribe Uribe, Santa Fe, Bosa y Sumapaz y hacen parte de los estratos moda 2 y 1. Estas localidades se encuentran localizadas según el mapa de necesidades básicas insatisfechas para la ciudad de Bogotá (Alcaldía Mayor de Bogota D.C, 2007) en la zona donde se observa que los índices de pobreza son alto y medio alto

iii. Identificación de zonas que presentan mayor potencial de consumo de productos.

En este subcapítulo se da respuesta a la siguiente pregunta de investigación:

Rita S. González M.

UNIGIS América Latina

87

iii.

¿Qué zonas presentarían mayor potencial de consumo de adquirir productos diferentes a los ofrecidos por la canasta básica familiar según el estrato socioeconómico de la población?

Para determinar la concentración que se tiene de valores altos y bajos de consumo dentro de la ciudad de Bogotá, se utilizó el Estadístico G o G general de Getis-Ord. El resultado que se obtuvo se relaciona a continuación en la imagen 2:

Imagen 2- Resultado Estadístico G

Este análisis permitió identificar que en la ciudad de Bogotá efectivamente existe un clúster de valores altos de consumo. Esto se observó en el grafico anterior denominado como imagen 2 y revisando la puntuación que se obtuvo en Z, que correspondió a 12.209.

Como existía una correlación espacial, se elaboró un mapa donde se observan los puntos calientes por estrato moda para así visualizar en donde se está concentrando los valores de consumo altos y bajos de la ciudad de Bogotá. El resultado se observa en el mapa 8 que se relaciona a continuación: Rita S. González M.

UNIGIS América Latina

88

Mapa 8 - Análisis Puntos Calientes

Rita S. González M.

UNIGIS América Latina

89

En él también se observó una concentración más fuerte de consumo en el norte y en el occidente de la ciudad, caso contrario al sur donde se presentan puntos fríos que nos da un indicio de que esa zona el consumo es diferente debido a su estrato socioeconómico moda. Este resultado también permitió relacionar la pobreza y la riqueza en la ciudad de Bogotá, puesto que el análisis esta originado usando el estrato socioeconómico para así observar que donde se presenta un mayor consumo es en los estratos altos y donde se presenta un menor consumo es en los estratos bajos.

Cuando se ha definido como se encuentran las concentraciones, se generaron los índices que permitieron identificar los patrones y zonas óptimas de consumo. Esto se identificó usando los patrones locales de identificación espacial – LISA MAPS. Se usó el I Anselin Local de Moran, ya que con esta herramienta se identificó las concentraciones de valores bajos y los atípicos para determinar donde se concentraba la riqueza y la pobreza en la ciudad de Bogotá. El conocer esto permitió la comparación con los resultados obtenidos en análisis anteriores cómo mayor y menor consumo y gasto para así cumplir con el objetivo de determinar qué zonas presentan mayor potencial para adquirir productos diferentes a los ofrecidos en la canasta básica familiar según el estrato socioeconómico de la población. El mapa 9 que se generó se relaciona a continuación:

Rita S. González M.

UNIGIS América Latina

90

Mapa 9 - Patrones de Consumo por Estrato Moda.

Rita S. González M.

UNIGIS América Latina

91

El resultado que se obtuvo se define como clúster alto – alto a las localidades donde más se encuentra concentrada la riqueza y por lo tanto la mayor cantidad de consumidores de la canasta familiar. En el clúster alto – bajo se concentra un grupo de consumidores que, a pesar de sus ingresos, sus consumos de la canasta familiar pueden presentar ciertas limitaciones. En el clúster bajo – alto ya se concentran los consumidores con ingresos menores y el consumo de los productos de la canasta familiar se ve muy determinado por el costo del producto. El clúster bajo – bajo presenta al grupo donde se concentra la pobreza de la ciudad de Bogotá puesto que sus ingresos son menores por lo tanto la adquisición de ciertos productos de la canasta familiar puede ser limitada o nula.

De esta manera se observa de una manera más detallada los patrones de consumo considerando el estrato socioeconómico moda al cual pertenecen. Este resultado también se comparó con los mapas de consumo generados para así determinar las zonas potenciales de mayor consumo.

A continuación en el mapa 10 se relaciona el resultado del consumo por localidad y los patrones de consumo para identificar las zonas optimas de consumo:

Rita S. González M.

UNIGIS América Latina

92

Mapa 10 - Comparativo de Patrones de Consumo con Consumo por Localidad

Rita S. GonzĂĄlez M.

UNIGIS AmĂŠrica Latina

93

Las zonas óptimas donde se presentó mayor potencial de consumo para la adquisición de bienes diferentes a los ofrecidos por la canasta básica familiar son: Chapinero, Barrios Unidos y Teusaquillo; también se consideraron Usaquén, Engativá, Fontibón y Los Mártires.

4.2.

Discusión de los resultados

i.

Análisis de la Identificación de los productos de menor y de mayor consumo de la canasta familiar en la ciudad de Bogotá por estrato socioeconómico.

Del conjunto de resultados obtenidos y los diferentes análisis realizados en el desarrollo de esta investigación se observó que los productos de la canasta básica familiar con mayor consumo según su estrato socioeconómico son inicialmente el pan y la leche. Estos dos productos son de consumo masivo en todos los estratos socioeconómicos moda del 1 al 6 encontrados en el desarrollo de esta investigación y son comunes en el desayuno de los colombianos. Es por eso por lo que estos productos cuentan con una oferta amplia y de diferentes precios para los consumidores presentes en todos los estratos socioeconómicos de una ciudad, en este caso como Bogotá.

También se observó un alto consumo de la papa, el arroz, el azúcar, el pollo y el aceite.

Estos productos son más consumidos en unas localidades que otras, pero hacen parte de los productos de mayor consumo de la canasta básica familiar de los bogotanos.

La papa y el arroz son productos consumidos en su mayoría en la zona de estrato socioeconómico moda definido como 1. Esto se pudo determinar realizando una comparación entre los resultados obtenidos en el promedio gastado por vivienda y el pago total por localidad puesto que presentaba coincidencias.

Rita S. González M.

UNIGIS América Latina

94

Productos como el azúcar, el pollo y el aceite presentan un consumo alto principalmente en los estratos socioeconómicos moda entre 4 y 6, mostrando así que hacen parte del consumo básico de canasta familiar de esos estratos.

En el caso del aceite que es un producto de alto consumo en la canasta familiar (Periódico Vanguardia, 2010), se observó que hace parte del grupo de los productos por los que menos pagan en algunas localidades pero que en otras se paga un precio alto. Esto se debe a la oferta que cada localidad tiene de este bien, en las localidades de estrato moda 3 o superior la oferta del tipo de aceites es variada, se puede encontrar de diferentes marcas, variedad de semillas y con más beneficios. En cambio, en las localidades estrato moda 1 y 2 los aceites que se ofrecen no tienen mucha variedad limitando así al consumidor a adquirir lo disponible y eso permite ofrecer aceites que no son de costo elevado. Al no contar estos con características muy especiales o específicas logran que el producto tenga un valor accesible a los consumidores de las localidades donde el ingreso per cápita es menor respecto a otras.

Los productos de menor consumo que se encontraron fueron el frijol, la panela, la carne y el huevo. Estos productos presentaron un consumo menor por su costo, puesto que algunas localidades no tienen la capacidad de ingresos para adquirirlos o porque son productos que no son consumidos por un grupo amplio de habitantes independiente de su condición social.

Respecto a la carne se observó una particularidad, es un producto que es consumido en dos localidades cuyo estrato moda es 1 y 6, en este escenario el producto en el estrato 1 es consumido porque tiene un costo bajo y sus consumidores corresponden al 54% respecto del total de encuestados de la localidad. En el estrato 6 considerando el alto valor de ese producto para esa zona es consumido por el 50% respecto al total de personas encuestadas. Lo anterior puede deberse a dos situaciones, la primera es que al tener mayor posibilidad económica se adquiere el producto en lugares donde hay variedad y su precio aumenta puesto que para llegar al usuario final pasa por intermediarios aumentando de esta manera el precio, un ejemplo de esto es el adquirir la carne en los supermercados.

Rita S. González M.

UNIGIS América Latina

95

En el caso de la localidad de estrato 1, el producto que se distribuye no cuenta con intermediarios haciendo que este producto se adquiera a un bajo costo y así se hace accesible al consumidor.

También se observó de manera particular que en la localidad de Sumapaz se pagó un precio alto por productos como el arroz, la papa, el frijol y el huevo. Esta situación se pudo presentar debido a que el grupo encuestado fue pequeño y que es una zona que aunque está considerada como parte de la ciudad de Bogotá es de tipo rural, es recomendable para análisis en escenarios futuros contar con un grupo encuestado más amplio para así obtener mejores resultados.

Los análisis realizados también permitieron observar que los productos de mayor y menor consumo están ligados al ingreso económico de los habitantes de la localidad y esto hace que, aunque exista una canasta básica no todos pueden consumir los mismos productos al mismo precio.

ii.

Análisis de la Identificación y localización de las zonas con altos y bajos niveles de consumo de los productos de la canasta familiar.

El identificar y localizar las zonas con altos y bajos niveles de consumo permitió establecer de manera preliminar cómo se encuentra agrupado el consumo para así determinar unas zonas preliminares donde se podía presentar un mayor consumo de productos.

Las zonas donde se presentó un alto consumo fue Usaquén, Chapinero, Fontibón, Teusaquillo, Barrios Unidos y Suba, el consumo medio se presentó en Engativá, Puente Aranda, Antonio Nariño, Los Mártires, San Cristóbal, Tunjuelito y Kennedy y las de bajo nivel de consumo fueron Usme, Ciudad Bolívar, La Candelaria, Rafael Uribe Uribe, Santa Fe, Bosa y Sumapaz.

Las localidades que se identificaron con bajos niveles de consumo hacen parte del estrato moda 2 y 1, están localizadas según el mapa de necesidades básicas insatisfechas para la Rita S. González M.

UNIGIS América Latina

96

ciudad de Bogotá (Alcaldía Mayor de Bogota D.C, 2007) en la zona donde se observa que los índices de pobreza son alto y medio alto. Lo anterior permitió determinar que estas localidades presentan un bajo consumo porque no cuentan con el recurso económico suficiente para acceder de una manera continua a todos los productos básicos de la canasta familiar analizados. También se encontró que hay ciertos productos donde el gasto que se hizo por localidad es muy poco eso podría deberse a que algunos de estos no se consideran de primera necesidad en su dieta alimentaria.

La localidad de Sumapaz por ejemplo presenta un comportamiento interesante respecto a todas las otras localidades puesto que es rural y el consumo que se hace de los productos por vivienda es menor respecto a todas las localidades, pero también se pudo encontrar que se pagó un precio muy alto para acceder a los productos analizados.

Se identificó que la ciudad de Bogotá ofrece una segmentación muy marcada, ya que se relacionan los valores altos con valores aún más altos permitiendo identificar concentraciones preliminares de consumidores. Este análisis reforzó el concepto de que el consumo está muy relacionado al estrato socioeconómico de la ciudad puesto que estas concentraciones presentan diferencias muy notorias

iii.

Análisis de la identificación y localización de zonas que presentan mayor potencial de consumo de productos.

Este análisis nos permite entonces concluir que en Bogotá la segmentación está bien marcada evidenciando una brecha amplia entre pobreza y riqueza. Esto se observa en la forma en cómo se encuentra estratificada la ciudad y cómo es el consumo de productos básicos de la canasta familiar. Este consumo no solo vario por localidad sino por sector catastral mostrando que en una misma zona donde el estrato moda es 4 se pueden presentar sectores catastrales de estrato 2 y eso hace que los clústeres presenten anomalías.

Rita S. González M.

UNIGIS América Latina

97

Aunque también se observó dentro de los sectores catastrales con estratos moda 3 y 1 una marcada zonificación, permitiendo determinar que es una zona de óptimo consumo de productos, aunque presente un estrato moda bajo.

Se puede concluir también con los análisis realizados que en una ciudad como Bogotá el acceso a mejores y variedad de productos depende del ingreso per cápita que tenga cada familia para acceder a una oferta más amplia de productos.

5. Conclusiones

5.1.

Resumen de los resultados.

Como resultado del análisis realizado sobre los patrones de consumo en la canasta familiar para Bogotá y los resultados que se obtuvieron se pueden plantear diferentes conclusiones a nivel de metodología, resultados obtenidos y sobre el desarrollo de la ciudad:

Inicialmente es importante reconocer que la hipótesis planteada al inicio de esta investigación se pudo comprobar puesto que el desarrollo de los métodos y los conceptos del geomarketing permitieron identificar las zonas con mayor potencia de consumo. El conocer las zonas donde se presenta este fenómeno permite que se ofrezcan nuevos productos ya que cuenta con un grupo de potenciales consumidores que podrían adquirirlos.

Para el desarrollo de este tipo de investigación donde se requiere identificar cómo está distribuido el consumo, qué productos son los que presentan mayor y menor consumo, en dónde se presentan y cuáles serían las zonas óptimas para ofrecer productos, es necesario utilizar los conceptos y el análisis espacial como el AEDE que son las bases para el análisis del geomarketing integradas al uso de herramientas SIG para lograr que los resultados obtenidos reflejen la realidad socioeconómica y el comportamiento del consumo del área de estudio escogida.

Rita S. González M.

UNIGIS América Latina

98

La ciudad de Bogotá presenta un consumo sectorizado donde tiene mucha incidencia el estrato socioeconómico. En la zona norte y occidente se encuentran las zonas donde se presenta un mayor gasto promedio por vivienda de varios de los producto analizados, en la zona centro y oriente se encuentran las zonas donde se presenta un consumo medio y está relacionado a un consumo y un gasto muy relacionado y la zona sur presenta un alto consumo de algunos productos pero un pago menor. Esto se debe a diferentes factores entre ellos la oferta y que pueden adquirir los productos sin una cadena de intermediarios.

En estos análisis cabe agregar que el considerar el estrato socioeconómico como uno de los ejes para determinar que productos se consumen en mayor y menor cantidad permitió establecer que productos que son considerados de primera necesidad no son consumidos en todos los estratos socioeconómicos moda. Esto implicaría que los ingresos de una familia no siempre permiten satisfacer las necesidades básicas de un hogar, lo que se pudo contrastar con el mapa de necesidades básicas que elaboro la alcaldía de Bogotá en el año 2007, que es el año al que corresponde la información de los datos estadísticos utilizados en el desarrollo de esta investigación.

Al determinar cómo se encuentra la distribución espacial de las localidades para cada uno de los productos de la canasta básica familiar seleccionados en la ciudad de Bogotá, se pudo inferir que la ciudad presenta una separación marcada entre sus localidades según el estrato moda. Esta situación se pudo visualizar mejor al analizar cómo es el consumo, cuánto invierte cada vivienda y cada localidad para adquirir estos productos y de este análisis se concluyó que la ciudad tiene muy marcadas las zonas donde se concentra la pobreza y la riqueza.

En cuanto a los patrones de consumo se empezó a visualizar como estaban agrupados pero se requirió la aplicación de metodologías y herramientas de la estadística espacial para definir cómo estaban realmente concentrados estos clústeres y la distribución de los valores altos y bajos de consumo por estrato moda. Al tener los resultados de concentración se pudo definir las zonas potenciales para la adquisición de bienes.

Rita S. González M.

UNIGIS América Latina

99

Los análisis expuestos anteriormente se desarrollan mejor en una escala más detallada de la información, por tanto fue necesario utilizar la información de sectores catastrales que son una escala detallada de información respecto a las localidades para así garantizar a nivel de los métodos que los resultados obtenidos cumplieran con los estándares requeridos.

De los resultados de los análisis expuestos se observó que Bogotá es una ciudad donde la pobreza y la riqueza tienen una separación muy marcada, es así que los clústeres y la distribución espacial en los consumos permitió determinar que esto no solo se presenta por los productos que se consumen sino que influye también la localización dentro de la ciudad. Actualmente esta brecha no se reduce, la ciudad de Bogotá sigue presentando un clúster fuerte de riqueza y pobreza, lo que incide en cómo se presenta el consumo en la ciudad.

En el desarrollo de esta investigación los métodos y conceptos de los análisis espaciales aplicados, permitieron que no solo se resolviera los cuestionamientos propuestos sino que se analizara como una ciudad puede establecer sus líneas de consumo según sus estratos socioeconómicos para así determinar dónde se encuentra localizada la población donde se presenta potenciales zonas de consumo.

Estas metodologías aplicadas a la parte económica y social brindan conocimiento de los habitantes y permiten que se tomen decisiones que mejoren las condiciones de calidad de vida para reducir brechas sociales con el fin de que todos los habitantes tengan acceso a mejores productos al realizarse una mayor oferta de productos de acuerdo con su capacidad económica.

En el desarrollo de una disciplina como el geomarketing establecer cómo se encuentra distribuido el consumo y su proporción permite identificar en que zonas hay que concentrarse para el desarrollo de actividades económicas y sociales, puesto que conocer donde se presenta zonas de bajo consumo nos permite evaluar que situaciones se presenta

Rita S. González M.

UNIGIS América Latina

100

para que este fenómeno se presente y cómo podría contrarrestar esta situación si afecta la calidad de vida de sus habitantes.

Donde se presenta mayores consumos permite que se evalué de una manera más asertiva la posibilidad de presentar más productos y comercios puesto que el enfoque sería completamente diferente a una comunidad donde se presentan menores consumos.

Finalmente, las empresas privadas pueden verse beneficiadas de este tipo de investigaciones, ya que se analiza el componente geográfico y el social para así conocer con certeza cómo es el comportamiento del consumidor en zonas determinadas. Este tipo de análisis también permite segmentar mejor los posibles clientes a quienes se desea llegar para así ofrecer productos más personalizados y más acorde al ingreso de la población en la cual se establezcan.

5.2.

Recomendaciones

Realizar este tipo de investigaciones requiere considerar y evaluar los datos que se van a utilizar y que métodos se ajustan mejor al tipo de información disponible. Esta situación generó retrasos puesto que homogenizar los datos y no contar con ellos en escalas ideales dificulto para el cumplimiento de los objetivos propuestos. Una de las fases donde se presentó inconvenientes a nivel de tiempo fue en el proceso de la generación de los clústeres de consumo, debido a la necesidad de pasar toda la información disponible de sector catastral a nivel de barrios, puesto que este tipo de análisis requiere que la información que se utilice cuente con grupos de datos superiores a 30 registros.

Lo que se recomienda para tener mejores resultados es tener la información en escala a nivel de predios, puesto que esto permitiría analizar de una manera más detallada como es el consumo de los habitantes de la ciudad de Bogotá y así generar patrones más eficientes que permitan brindar una oferta más acertada a los consumidores.

Rita S. González M.

UNIGIS América Latina

101

Con los resultados obtenidos y las metodologías aplicadas se puede concluir que este tipo de análisis no solo beneficia a particulares sino también que facilita a que entidades públicas y privadas vean en el geomarketing una herramienta que les permita conocer mejor el comportamiento de consumo y gasto de una ciudad o de un país logrando de esta manera mejoras para ofrecer productos, servicios e inclusos programas sociales que lleguen de manera más acertada a las comunidades.

En la actualidad la oferta y la demanda de bienes están en constante cambio y es en este dinamismo que las entidades y empresas deben enfocarse para diseñar mejores estrategias utilizando las ventajas de los métodos como el AEDE que son base para el desarrollo del geomarketing y las herramientas SIG. Las ventajas más representativas de considerar este tipo de análisis son la gestión de la información sin ayuda de terceros, la posibilidad de segmentar mejor los consumidores y usuarios logrando que esto se vea reflejado en mejores ingresos y una reducción en costos operacionales, puesto que se cambia la forma de ofrecer los productos y de llegar al consumidor.

Los análisis desarrollados en el proceso de esta investigación tienen otras aplicaciones, entre las que se encuentra el estudio de la actividad económica de la ciudad de Medellín (Vélez Villegas et al., 2013), esta investigación plantea el conocer y comprender los patrones de localización de un grupo de actividades económicas específicas, determinar los factores que inciden en la localización de las empresas y las asociaciones espaciales que se desarrollan según sus actividades.

En esta investigación el AEDE y el análisis de clúster combinado con herramientas de estadística y econometría permiten conocer la distribución espacial de las industrias y los nodos de desarrollo que presenta la ciudad. Este es solo un ejemplo de las actividades que se pueden analizar, otro enfoque sobre esto lo presenta José Tapias en su artículo sobre pobreza y violencia en la Región Caribe Colombiana: un enfoque espacial (Tapias Ortega, 2017).

Rita S. González M.

UNIGIS América Latina

102

En este estudio el presenta el AEDE para el estudio de clúster, observaciones atípicas y el análisis de vecindad para estudiar las relaciones con el espacio y la dependencia entre los lugares y sus territorios, este es un enfoque social de algunos conceptos del AEDE, lo que permite observar que estos métodos planteados durante el desarrollo de esta investigación pueden ser utilizados en el estudio de diferentes fenómenos porque su aplicación no se concentra solo en el geomarketing.

6. Anexos En este capítulo se presenta como anexo los datos que fueron necesarios construir para desarrollar los análisis que dieran respuesta a las preguntas de investigación. A continuación, se presenta el análisis de diez de los once productos de la canasta familiar:

A1. Análisis Estadístico Descriptivo Espacial.

A1.1. Estadísticos Descriptivos y Análisis Espacial.

En la tabla 10 se observa el análisis del producto compuesto por Leche y Derivados (quesos, cuajadas, kumis, yogurt, crema de leche, mantequilla), los campos que componen este resultado contienen información del total encuestados por localidad, los consumidores de la localidad, el total pagado por localidad y el promedio gastado por vivienda, adicionalmente se encuentra relacionado el nombre de la localidad y la información del estrato. El resultado obtenido en los análisis realizados se relaciona a continuación en la tabla 10:

Rita S. González M.

UNIGIS América Latina

103

Tabla 10 – Análisis de los datos - Producto 2: Leche y Derivados

Estrato moda

Localidad

Encuestados por

Consumidores por

Total Pagado por

Localidad

Localidad

Localidad

Promedio Gastado por Vivienda

1

Sumapaz

303

25

$

155.500

$

6.220

2

Rafael Uribe Uribe

1305

1036

$

8.433.050

$

8.140

1

Ciudad Bolívar

1329

976

$

8.447.400

$

8.655

1

Usme

1233

1026

$

9.090.250

$

8.860

2

Bosa

1413

1170

$

11.023.000

$

9.421

2

La Candelaria

1173

968

$

11.034.090

$

11.399

2

San Cristóbal

1368

1139

$

11.385.900

$

9.996

2

Kennedy

1075

949

$

11.959.500

$

12.602

3

Santa Fe

1527

1229

$

11.998.975

$

9.763

3

Antonio Nariño

1187

990

$

12.772.073

$

12.901

2

Tunjuelito

1445

1273

$

13.180.900

$

10.354

3

Los Mártires

1236

1060

$

14.253.590

$

13.447

3

Engativá

1441

1275

$

16.354.030

$

12.827

3

Puente Aranda

1385

1250

$

16.409.390

$

13.128

4

Fontibón

1288

1140

$

16.804.580

$

14.741

3

Barrios Unidos

1425

1267

$

19.794.690

$

15.623

2

Suba

1680

1445

$

20.546.980

$

14.219

4

Usaquén

1551

1335

$

21.303.050

$

15.957

6

Chapinero

1905

1435

$

22.326.760

$

15.559

4

Teusaquillo

1602

1369

$

23.479.600

$

17.151

Total

26871

22357

$

280.753.308

$

6.220

Según el resultado obtenido en la tabla 10, la localidad donde se presentó el mayor total pagado por localidad fue Teusaquillo, este resultado contrasta con la localidad donde se presentó el mayor número de consumidores que para este caso fue la localidad de Suba con un total de 1.445 consumidores de 1.680 encuestados respecto a Teusaquillo que contó con un total de 1.609 encuestados pero solo consumieron estos productos 1.369 personas.

La localidad de Chapinero presentó un alto nivel de consumo y un alto valor pagado por localidad, es así como se observó que en las dos localidades donde más se pagó fue Teusaquillo y Chapinero, pero donde se agrupo el mayor número de consumidores fue en Suba.

Rita S. González M.

UNIGIS América Latina

104

Donde se presentó el menor consumo por localidad fue en Sumapaz y se presentó un menor pagado por localidad, esto está directamente relacionado a la cantidad de consumidores. Este resultado es irregular respecto al universo de los resultados obtenidos.

Teniendo en cuenta lo mencionado en el párrafo anterior, se observó que la localidad Rafael Uribe Uribe fue donde se presentó el menor total pagado por localidad, esto realizando el análisis del menor y mayor consumo por localidad.

En el mapa 11 que se relaciona a continuación se visualiza la distribución espacial del total pagado y el promedio gastado por vivienda de la leche y derivados en las localidades de la ciudad de Bogotá:

Rita S. González M.

UNIGIS América Latina

105

Mapa 11 - Distribución Espacial de la Leche y Derivados

Rita S. González M.

UNIGIS América Latina

106

En el mapa se pudo observar que donde se presenta la mayor concentración de las localidades es donde se presentó el promedio con más alto de gasto por vivienda de los productos analizados, esto fue en las localidades de Usaquén, Chapinero, Barrios Unidos y Teusaquillo donde se obtuvo una relación de $ 17.751 a $ 14.742 pesos colombianos.

Este resultado comparado con el total pagado por localidad permitió observar una diferencia entre el promedio gastado por vivienda y el total pagado por localidad. En la localidad de Suba se presentó un alto pago por localidad, pero un promedio de gasto menor por vivienda. Lo anterior permitió determinar que su gasto estaba más relacionado al consumo que al precio que se pagaba por los productos consumidos. Caso contrario a lo que ocurre con las localidades de Usaquén, Chapinero Barrios Unidos y Teusaquillo donde el pago por vivienda por los productos analizados es un valor monetario más alto pero con un consumo menor a lo que se presenta en la localidad de Suba.

En el mapa también se observó que la mayor concentración del total pagado se localiza en la parte norte de Bogotá ( Suba, Usaquén, Barrios Unidos, Chapinero), donde la población cuenta con ingresos económicos en rangos entre alto y medio alto usando como referencia el mapa de hogares pobres por Necesidad Básicas Insatisfechas (NBI) (Alcaldía Mayor de Bogota D.C, 2007).

En el resultado que se obtuvo del promedio gastado por vivienda de cada localidad, se pudo definir que al compararse con la información del estrato moda de la ciudad de Bogotá y el mapa de hogares pobres por Necesidad Básicas Insatisfechas (NBI) (Alcaldía Mayor de Bogota D.C, 2007), el estrato moda 1 contaba con un promedio de gasto bajo por vivienda y que los estratos moda entre 3 y 6 fueron los que presentaron un mayor gasto por vivienda. Lo anterior corresponde a la zona compuesta por las localidades de Usaquén, Chapinero, Barrios Unidos y Teusaquillo.

El menor gasto por vivienda se presentó en la localidad de Sumapaz, esto está relacionado con la cantidad de consumidores y habitantes encuestados de esta localidad.

Rita S. González M.

UNIGIS América Latina

107

Se observó una concentración en la zona centro oriente, sur occidente y sur correspondiente a las localidades de Usme, Santa Fe, San Cristóbal, Ciudad Bolívar, Tunjuelito, Bosa, Antonio Nariño y Rafael Uribe Uribe donde el promedio gastado por vivienda es bajo, este resultado podría deberse a que las localidades se encuentran entre los estratos moda 1 y 2, y corresponden a las zonas de índices visibles de pobreza según el mapa de necesidades básicas insatisfechas (NBI).

El siguiente producto que se analizó del grupo de la canasta básica familiar está compuesto por los huevos. El resultado de los análisis que se realizaron se relaciona a continuación en la tabla 11:

Tabla 11 – Análisis de los datos - Producto 3: Huevos.

Estrato moda

Localidad

Encuestados por

Consumidores por

Total Pagado por

Promedio Gastado

Localidad

Localidad

Localidad

por Vivienda

1

Sumapaz

303

55

$ 359.200

$ 6.531

2

La Candelaria

1173

895

$ 3.734.610

$ 4.173

1

Ciudad Bolívar

1329

927

$ 4.132.300

$ 4.458

2

Kennedy

1075

880

$ 4.221.750

$ 4.797

1

Usme

1233

983

$ 4.627.600

$ 4.708

2

Rafael Uribe Uribe

1305

1029

$ 4.696.800

$ 4.564

3

Antonio Nariño

1187

908

$ 4.807.200

$ 5.294

3

Los Mártires

1236

1003

$ 5.106.280

$ 5.091

3

Santa Fe

1527

1119

$ 5.226.150

$ 4.670

2

Bosa

1413

1115

$ 5.227.850

$ 4.689

2

San Cristóbal

1368

1118

$ 5.336.250

$ 4.773

4

Fontibón

1288

1009

$ 5.378.930

$ 5.331

2

Tunjuelito

1445

1168

$ 5.677.650

$ 4.861

3

Engativá

1441

1182

$ 5.905.850

$ 4.996

3

Puente Aranda

1385

1149

$ 5.983.920

$ 5.208

3

Barrios Unidos

1425

1127

$ 6.002.030

$ 5.326

4

Usaquén

1551

1219

$ 6.522.840

$ 5.351

6

Chapinero

1905

1163

$ 6.629.620

$ 5.700

2

Suba

1680

1352

$ 7.021.270

$ 5.193

4

Teusaquillo

1602

1197

$ 7.274.710

$ 6.077

Total

26871

20598

$ 103.872.810

Rita S. González M.

UNIGIS América Latina

108

En esta tabla se pudo observar que donde más se pago fue en Teusaquillo con un total de 1.197 personas que corresponde al total de habitantes que consumieron huevos de las 1.602 personas que fueron encuestadas en esa localidad.

En Suba se presentó la mayor cantidad de consumidores de este producto, un total de 1.352 de consumidores de 1.680 encuestados y se obtuvo el segundo valor más alto del total pagado por localidad. En donde menos se pago fue en Sumapaz siendo este un resultado que está relacionado a la cantidad de consumidores de la localidad, esta situación se presentó comúnmente en el análisis de todos los productos escogidos porque está relacionado directamente al total de encuestados. En esta localidad los consumidores se encuentran por debajo de la media lo que hizo que los resultados que se obtuvieron presentaran diferencias significativas respecto a las demás.

En lo que respecta al gasto por vivienda de cada localidad, se pudo observar en el mapa de distribución espacial que donde más se pagó por el producto analizado fue en el norte de la ciudad (Usaquén, Chapinero y Teusaquillo), también se incluyó Sumapaz, pero esta localidad pertenece al sur de la ciudad.

La concentración en la parte norte corresponde a la población cuyo ingreso económico está entre alto y medio alto, se usó de referencia el mapa de hogares pobres por Necesidad Básicas Insatisfechas (NBI) (Alcaldía Mayor de Bogota D.C, 2007) y el mapa de estrato moda de la ciudad de Bogotá. En el caso de Sumapaz que es una localidad donde se tuvo un promedio gastado por vivienda alto del producto estudiado, se pudo concluir que se pagó un valor alto por el producto analizado puesto que la localidad presento muy pocos consumidores.

En el mapa 12 que se relaciona a continuación se visualiza la distribución espacial del total pagado y el promedio gastado por vivienda de los huevos por localidades en la ciudad de Bogotá:

Rita S. González M.

UNIGIS América Latina

109

Mapa 12 - Distribución Espacial de los Huevos.

Rita S. González M.

UNIGIS América Latina

110

En el mapa se observó que en Sumapaz el promedio gastado por vivienda se encontraba localizado en el rango donde más se pagó por vivienda. Respecto al total pagado por localidad se observó que esta fue la localidad donde menos se pagó, esto permitió concluir que en este caso por su costo tan alto no todos los encuestados podrían pagar el precio del producto en esa localidad, mostrando así que la zona correspondía a un ingreso bajo.

En relación con el total pagado por localidad se pudo observar que las localidades donde menos se pago fue en Sumapaz, Ciudad Bolívar, La Candelaria y Kennedy que corresponden al centro oriente, sur occidente y el sur de la ciudad de Bogotá. Estas localidades según el estrato moda y usando como apoyo el mapa de hogares pobres por necesidades básicas insatisfechas (NBI) del año 2007 se pudo definir que presentan posibilidades económicas limitadas entonces su consumo se ve reducido por localidad y por vivienda generando una relación entre los dos resultados obtenidos y el consumo es reducido respecto al de otros productos analizados.

En el mapa también se observó que el promedio gastado por vivienda de cada localidad presentó un resultado consistente entre el estrato moda y el mapa de necesidades básicas insatisfechas, ya que las localidades de Usaquén, Chapinero, Teusaquillo y Sumapaz correspondieron a las que presentaron un mayor promedio gastado por vivienda y el menor promedio gastado por vivienda se presentó en Ciudad Bolívar, Tunjuelito Santa Fe y la Candelaria. El bajo consumo de estas localidades pudo deberse a que se encuentran en una zona donde los estratos socioeconómicos se distribuyen entre 1 y 3 ubicándose en zonas donde hay unos índices visibles de pobreza y de necesidades básicas insatisfechas.

El siguiente producto que se analizó del grupo de la canasta básica familiar está compuesto por carne de res, cerdo o cordero, hueso y vísceras. El resultado de los análisis que se realizaron se relaciona a continuación en la tabla 12:

Rita S. González M.

UNIGIS América Latina

111

Tabla 12 – Análisis de los datos - Producto 4: Carne de res, cerdo o cordero, hueso y vísceras.

Estrato moda

Localidad

Encuestados por

Consumidores por

Localidad

Localidad

Total Pagado por

Promedio Gastado

Localidad

por Vivienda

1

Sumapaz

303

107

$ 1.770.600

$

16.548

1

Ciudad Bolívar

1329

722

$ 8.523.600

$

11.806

1

Usme

1233

699

$ 8.600.100

$

12.303

2

La Candelaria

1173

655

$ 10.326.200

$

15.765

2

Rafael Uribe Uribe

1305

799

$ 10.804.300

$

13.522

2

San Cristóbal

1368

806

$ 11.261.450

$

13.972

2

Kennedy

1075

767

$ 12.008.800

$

15.657

3

Santa Fe

1527

819

$ 12.987.350

$

15.858

2

Bosa

1413

938

$ 13.107.900

$

13.974

3

Los Mártires

1236

809

$ 14.521.500

$

17.950

3

Antonio Nariño

1187

759

$ 15.062.200

$

19.845

2

Tunjuelito

1445

999

$ 15.951.000

$

15.967

3

Engativá

1441

956

$ 16.096.900

$

16.838

4

Fontibón

1288

860

$ 16.858.300

$

19.603

3

Puente Aranda

1385

1005

$ 19.066.300

$

18.971

3

Barrios Unidos

1425

935

$ 19.928.572

$

21.314

2

Suba

1680

1097

$ 20.862.385

$

19.018

4

Teusaquillo

1602

950

$ 23.066.650

$

24.281

4

Usaquén

1551

957

$ 23.564.333

$

24.623

6

Chapinero

1905

944

$ 27.385.350

$

29.010

Total

26871

16583

$ 301.753.790

En la tabla se observa que las localidades donde más se pagó por estos productos analizados fue en Chapinero y Usaquén. En la localidad donde se presentó un menor total pagado de estos productos fue en Chapinero.

En el mapa 13 que se relaciona a continuación se encuentra la distribución espacial del total pagado y el promedio gastado por vivienda de cada localidad de la ciudad de Bogotá respecto a los productos analizados:

Rita S. González M.

UNIGIS América Latina

112

Mapa 13 - Distribución Espacial de la Carne de Res, Cerdo o Cordero, Hueso y Vísceras

Rita S. González M.

UNIGIS América Latina

113

En el mapa se observó que la mayor concentración del mayor total pagado por localidad se encuentra localizado en la zona norte de Bogotá (Suba Usaquén, Chapinero y Teusaquillo), que corresponde a la población cuyo ingreso económico está entre alto y medio alto usando como referencia el mapa de hogares pobres por Necesidades Básicas Insatisfechas (NBI) (Alcaldía Mayor de Bogota D.C, 2007).

Respecto al total menor pagado por localidad se observó que esto se presenta en las localidades de Sumapaz, Ciudad Bolívar y esto sucede puesto que hacen parte del estrato moda 1 donde el ingreso económico es bajo. La localidad de La Candelaria hace parte de este grupo y se encuentra geográficamente localizada en el centro de la ciudad de Bogotá donde el estrato moda es 2 y presenta mejores posibilidades económicas que Usme, Ciudad Bolívar y Sumapaz pero presenta poco consumo por localidad.

El resultado que se obtuvo por el promedio gastado por vivienda de cada localidad es consistente al compararse la información espacial del estrato moda de la ciudad con el mapa de hogares pobres por Necesidades Básicas Insatisfechas (NBI), se observó que Usaquén, Barrios Unidos, Teusaquillo y Chapinero fueron las localidades que más gastaron por vivienda y el menor gasto por vivienda se presentó en San Cristóbal, Ciudad Bolívar y Usme.

Hay una concentración en la zona sur de la ciudad de Bogotá donde se encuentran localizadas las localidades donde se presenta el menor promedio de gasto por vivienda de los productos analizados, esto mostró un consumo bajo de los productos debido a que el estrato moda es principalmente 1, esto indicaría que es una zona con índice visible de pobreza y de necesidades básicas insatisfechas.

El siguiente producto que se analizó del grupo de la canasta básica familiar está compuesto por carne de gallina y pollo. El resultado de los análisis que se realizaron se relaciona a continuación en la tabla 13:

Rita S. González M.

UNIGIS América Latina

114

Tabla 13 - Análisis de los datos - Producto 5: Carne de gallina y pollo.

Estrato moda

Localidad

Encuestados por

Consumidores por

Localidad

Localidad

Total Pagado por Localidad

Promedio Gastado por Vivienda

1

Sumapaz

303

38

$ 486.200

$ 12.795

1

Usme

1233

737

$ 6.377.450

$ 8.653

1

Ciudad Bolívar

1329

729

$ 6.390.900

$ 8.767

2

Rafael Uribe Uribe

1305

783

$ 7.367.700

$ 9.410

2

La Candelaria

1173

682

$ 7.595.848

$ 11.138

2

Kennedy

1075

767

$ 8.727.600

$ 11.379

3

Santa Fe

1527

838

$ 8.900.570

$ 10.621

2

San Cristóbal

1368

868

$ 8.909.350

$ 10.264

2

Bosa

1413

950

$ 9.071.900

$ 9.549

3

Antonio Nariño

1187

742

$ 9.696.650

$ 13.068

3

Los Mártires

1236

837

$ 10.330.550

$ 12.342

2

Tunjuelito

1445

1022

$ 10.844.200

$ 10.611

3

Engativá

1441

972

$ 11.038.192

$ 11.356

4

Fontibón

1288

879

$ 11.829.250

$ 13.458

3

Puente Aranda

1385

973

$ 12.543.208

$ 12.891

3

Barrios Unidos

1425

947

$ 13.697.600

$ 14.464

2

Suba

1680

1142

$ 14.616.925

$ 12.799

6

Chapinero

1905

897

$ 15.198.650

$ 16.944

4

Usaquén

1551

958

$ 15.322.818

$ 15.995

4

Teusaquillo

1602

987

$ 15.475.750

$ 15.680

Total

26871

16748

$ 204.421.311

En esta tabla se observó que donde más se pagó por localidad fue en Teusaquillo con un total pagado de $ 15.475.750 pesos colombianos y un consumo realizado por 987 personas de las 1.602 encuestadas en esa localidad.

En Suba se presentó un mayor consumo respecto a todas las localidades analizadas, esto correspondió a 1.142 consumidores del total de 1.680 encuestados con un total pagado de $ 14.616.925 pesos colombianos pero el total pagado no alcanzó a ser representativo para ser el mayor pagado por todas las localidades.

El menor consumidor de este producto se presentó en las localidades de Sumapaz y en la localidad de Ciudad Bolívar, en esta última se presentó un menor total pagado que correspondía a $ 6.390.900 pesos colombianos, esto analizándose por localidades de menor y mayor consumo.

Rita S. González M.

UNIGIS América Latina

115

Respecto al promedio gastado por vivienda de cada localidad se observó en el mapa de distribución espacial que donde más se pago fue en Usaquén, Teusaquillo y Chapinero donde se obtuvo una relación de $ 14.465 a $ 16.944 pesos colombianos, este resultado que se obtuvo comparado con el total pagado por localidad mostró una diferencia, ya que analizando los resultandos se observó que Suba aunque hace parte del grupo junto a Usaquén, Teusaquillo y Chapinero que presentó mayor total pagado por localidad, no hace parte de las localidades donde se presentó el mayor promedio gastado por vivienda de los productos analizados.

En el mapa 14 que se relaciona a continuación se visualiza con mayor claridad lo expuesto en el párrafo anterior y se observa la distribución espacial de total pagado y el promedio gastado por vivienda, esto permitió observar las segmentaciones que se presenta respecto al consumo de estos productos en la ciudad de Bogotá:

Rita S. González M.

UNIGIS América Latina

116

Mapa 14 - Distribución Espacial de la Carne de la gallina y pollo.

Rita S. González M.

UNIGIS América Latina

117

En el mapa se puede observar que la mayor concentración del total pagado se encuentra en la parte norte de Bogotá (Suba, Usaquén, Teusaquillo y Chapinero) que corresponden a la población cuyos ingresos económicos están entre alto y medio alto usando como referencia el mapa de hogares pobres por necesidad básicas insatisfechas (NBI) (Alcaldía Mayor de Bogota D.C, 2007).

En el caso del menor total pagado por localidad según el mapa de distribución espacial se observó que Sumapaz con un total de $486.200 pesos colombianos es la localidad donde menos se pagó y de este resultado se determinó que el comportamiento socioeconómico de la zona influyó en el resultado obtenido, puesto que Sumapaz se encuentra localizada en el sur geográfico de la ciudad con un estrato moda correspondiente a 1.

En el caso del promedio gastado por vivienda de cada localidad se observaron las siguientes situaciones, la primera que se identificó es que en Sumapaz siendo estrato 1 y aunque en la distribución espacial del total pagado se agrupa en la zona donde menos se pagó, en el análisis del promedio gastado por vivienda se observó que fue una de las localidades donde se pagó un valor alto por consumir los productos estudiados.

Las otras localidades que hacen parte de las que gastaron un promedio alto por esto productos fueron Suba, Fontibón, Barrios Unidos, Los Mártires y Puente Aranda que se encuentran en un estrato moda entre 2 y 4, lo anterior permitió determinar que en Sumapaz el consumo de la carne de gallina y pollo es un producto costoso y por eso solo es posible adquirirlo pagando un precio alto por él.

Una situación diferente es la que se presentó en Bosa, Usme y Ciudad Bolívar ya que estas localidades presentaron el menor promedio gastado por vivienda y también tuvieron un total menor pagado por localidad conservando así relación entre los análisis expuestos.

Se observó una concentración de mayor pagado en la zona geográfica norte de la ciudad de Bogotá correspondiente a Usaquén, Teusaquillo, y Chapinero que corresponden a las

Rita S. González M.

UNIGIS América Latina

118

localidades donde se presentó mayor promedio gastado por vivienda y mayor total pagado por localidad conservando así relación entre sí.

El siguiente producto que se analiza de grupo de la canasta básica familiar está compuesto por papa común, papa criolla, yuca, arracacha, ñame. El resultado de los análisis que se realizaron se relaciona a continuación en la tabla 14:

Tabla 14 – Análisis de los datos - Producto 6: Papa común, papa criolla, yuca, arracacha, ñame.

Estrato

Localidad

moda

Encuesta por

Consumidores

Total Pagado por

Promedio Gastado

Localidad

por Localidad

Localidad

por Vivienda

1

Sumapaz

303

70

$

1.102.750

$ 15.754

2

La Candelaria

1173

834

$

4.746.600

$ 5.691

1

Ciudad Bolívar

1329

953

$

5.239.800

$ 5.498

1

Usme

1233

918

$

5.816.850

$ 6.336

3

Antonio Nariño

1187

884

$

5.831.150

$ 6.596

2

Kennedy

1075

886

$

5.898.450

$ 6.657

3

Engativá

1441

1101

$

6.229.480

$ 5.658

6

Chapinero

1905

835

$

6.233.010

$ 7.465

3

Santa Fe

1527

1081

$

6.326.680

$ 5.853

4

Usaquén

1551

947

$

6.565.800

$ 6.933

3

Los Mártires

1236

970

$

6.580.300

$ 6.784

2

Rafael Uribe Uribe

1305

1049

$

6.600.650

$ 6.292

4

Fontibón

1288

938

$

6.622.400

$ 7.060

3

Barrios Unidos

1425

1001

$

6.665.300

$ 6.659

2

Tunjuelito

1445

1194

$

6.687.100

$ 5.601

4

Teusaquillo

1602

916

$

6.785.070

$ 7.407

3

Puente Aranda

1385

1068

$

6.926.300

$ 6.485

2

San Cristóbal

1368

1081

$

7.376.750

$ 6.824

2

Bosa

1413

1171

$

7.857.100

$ 6.710

2

Suba

1680

1234

$

7.938.450

$ 6.433

Total

26871

19131

$ 124.029.990

En esta tabla se pudo observar por localidad cómo está distribuido el consumo de papa común, papa criolla, yuca, arracacha, ñame para el año 2007, definiéndose que donde más se pagó por los productos analizados fue en Suba con un total pagado de $ 7.938.450 pesos colombianos con consumo realizado por 1.234 personas de las 1.680 encuestadas en esa localidad.

Rita S. González M.

UNIGIS América Latina

119

En Bosa se presentó un mayor consumo, este fue realizado por 1.171 personas de 1.413 personas encuestadas y un total pagado de $ 7.857.100 pesos colombianos y donde menos se pagó fue en Sumapaz siendo este resultado relacionado directamente a la cantidad de consumidores de la localidad esto hace que este dato sea irregular respecto a los resultados obtenidos.

En la localidad de La Candelaria se presentó un menor total pagado por localidad que correspondió a $ 4.746.600 pesos colombianos con un total de 834 consumidores respecto a 1.173 encuestados, esto analizándose desde las localidades de mayor y menor total pagado.

En el mapa 15 que se relaciona a continuación se visualiza la distribución espacial de total pagado y el promedio gastado por vivienda de la papa común, papa criolla, yuca, arracacha, ñame por localidad en la ciudad de Bogotá:

Rita S. González M.

UNIGIS América Latina

120

Mapa 15 - Distribución espacial de la Papa común, Papa criolla, Yuca, Arracacha, Ñame.

Rita S. González M.

UNIGIS América Latina

121

En el mapa se pudo observar que no hay para este producto una concentración notoria en el análisis de total pagado por localidad, lo que permitió determinar que para el caso de estos productos, su consumo fue moderado y que es de fácil acceso puesto que se puede encontrar y consumir en cualquiera de las localidades de la ciudad independiente del estrato socioeconómico al que se pertenezca. La anterior situación también se presenta en el gasto por vivienda por localidad puesto que no se observó una concentración significativa del consumo de este producto.

Respecto al promedio gastado por vivienda de cada localidad se observó en el mapa de distribución espacial que donde más se pagó por los productos analizados fue en las localidades de Sumapaz, Chapinero y Teusaquillo, este resultado que se obtuvo respecto a lo obtenido en el total pagado por localidad no tiene comportamiento similar y se diferenció en no existir una concentración de mayor consumo de este producto analizado.

En el total pagado por localidad se observó que donde más se pago fue en Suba, Bosa y San Cristóbal y donde menos se pagó fue Sumapaz, Usaquén, Fontibón, Rafael Uribe Uribe, Tunjuelito, Barrios Unidos, Teusaquillo, Puente Aranda, Los Mártires, de este resultado se observó que no existe una concentración en un lugar específico.

El siguiente producto que se analizó del grupo de la canasta básica está compuesto por arroz, pasta, avena, cuchuco, harinas, corn flakes, y otros cereales. El resultado de los análisis que se realizaron se relaciona a continuación en la tabla 15:

Rita S. González M.

UNIGIS América Latina

122

Tabla 15- Análisis de los datos - Producto 7: Arroz, pasta, avena, cuchuco, harinas, corn flakes, y otros cereales.

Estrato moda

Localidad

Encuestados por

Consumidores

Total Pagado por

Localidad

por Localidad

Localidad

Promedio Gastado por Vivienda

1

Sumapaz

303

158

$ 3.504.600

$ 22.181

2

La Candelaria

1173

829

$ 7.803.900

$ 9.414

1

Ciudad Bolívar

1329

762

$ 7.857.400

$ 10.312

2

Kennedy

1075

740

$ 8.437.750

$ 11.402

3

Antonio Nariño

1187

751

$ 8.921.550

$ 11.880

1

Usme

1233

754

$ 8.998.990

$ 11.935

2

Rafael Uribe Uribe

1305

986

$ 10.303.008

$ 10.449

3

Puente Aranda

1385

978

$ 10.556.430

$ 10.794

3

Santa Fe

1527

1064

$ 10.786.430

$ 10.138

2

Bosa

1413

910

$ 10.967.500

$ 12.052

4

Usaquén

1551

925

$ 11.163.250

$ 12.068

3

Los Mártires

1236

964

$ 11.284.950

$ 11.706

3

Engativá

1441

913

$ 11.370.010

$ 12.453

2

San Cristóbal

1368

902

$ 11.640.700

$ 12.905

4

Fontibón

1288

905

$ 11.678.200

$ 12.904

6

Chapinero

1905

917

$ 11.711.280

$ 12.771

2

Tunjuelito

1445

1059

$ 11.716.520

$ 11.064

3

Barrios Unidos

1425

976

$ 12.263.010

$ 12.565

4

Teusaquillo

1602

940

$ 13.549.020

$ 14.414

2

Suba

1680

1031

$ 14.442.705

$ 14.008

Total

26871

17464

$ 208.957.203

En esta tabla se pudo observar por localidad cómo está distribuido el consumo de arroz, pasta, avena, cuchuco, harinas, corn flakes, y otros cereales para el año 2007. Se observó que en la localidad donde más se pago fue en Suba con un total pagado de $ 14.442.705 pesos colombianos con un consumo realizado por 1.031 personas de las 1.680 entrevistadas.

En Santa Fe se presentó el mayor consumo por localidad, un total de 1.064 consumidores de 1.527 encuestados pero el valor pagado por localidad no se encuentra entre los más altos con un valor de $ 10.786.430 pesos colombianos. Donde menos se pagó por localidad fue en las localidades de Sumapaz y La Candelaria.

Rita S. González M.

UNIGIS América Latina

123

En el mapa 16 que se relaciona a continuación se visualiza la distribución espacial del total pagado y el gasto por vivienda del arroz, pasta, avena, cuchuco, harinas, corn flakes y otros cereales por localidades en la ciudad de Bogotá:

Rita S. González M.

UNIGIS América Latina

124

Mapa 16 - Distribución Espacial del Arroz, Pasta, Avena, Cuchuco, Harinas, Corn Flakes y otros Cereales.

Rita S. González M.

UNIGIS América Latina

125

En el mapa se puede observar cómo se encuentra distribuidas el consumo y el gasto por localidad de los productos estudiados, la mayor concentración del mayor total pagado por localidad está concentrada en la parte norte de la ciudad con las localidades de Suba y Teusaquillo donde el ingreso económico de estas localidades se encuentran entre el estrato moda 2 y 3.

El menor total pagado por localidad se observó en las localidades de Sumapaz, Usme, Ciudad Bolívar, Kennedy, Antonio Nariño y La Candelaria, donde el estrato moda según lo evaluado se encuentra entre 1 y 3. El resultado obtenido es coincidente con lo obtenido en el promedio gastado por vivienda donde Ciudad Bolívar y La Candelaria hacen parte de ese grupo donde se hizo el menor gasto promedio por vivienda, las otras localidades se encuentran en una media de consumo de estos productos analizados.

En las localidades donde se obtuvo un menor promedio gastado por vivienda, aunque tienen un grupo de consumidores alto respecto a la media se observa que es el factor económico lo que más afecta el consumo. Apoyándome en el mapa de hogares pobres por NBI (Alcaldía Mayor de Bogota D.C, 2007) se pudo observar que esas dos localidades no hacen parte del grupo de localidades donde hay un ingreso alto o medio y en el caso de Ciudad Bolívar se pudo observar en las estadísticas del mapa de hogares pobres por NBI que es una localidad donde se ha incrementado la pobreza en los últimos años.

El siguiente producto que se analiza de grupo de la canasta básica familiar está compuesto por frijol seco, arveja seca, lentejas, garbanzos y otros granos. El resultado de los análisis que se realizaron se relaciona a continuación en la tabla 16:

Rita S. González M.

UNIGIS América Latina

126

Tabla 16 – Análisis de los datos - Producto 8: Frijol seco, arveja seca, lentejas, garbanzos y otros granos.

Estrato moda

Localidad

Encuestados por

Consumidores por

Total Pagado por

Localidad

Localidad

Localidad

Promedio Gastado por Vivienda

1

Sumapaz

303

73

$

862.100,00

$

11.810

2

La Candelaria

1173

561

$

3.836.550,00

$

6.839

1

Ciudad Bolívar

1329

497

$

3.926.150,00

$

7.900

6

Chapinero

1905

462

$

4.243.400,00

$

9.185

1

Usme

1233

513

$

4.293.950,00

$

8.370

3

Engativá

1441

581

$

4.416.900,00

$

7.602

2

Kennedy

1075

529

$

4.589.900,00

$

8.677

4

Usaquén

1551

604

$

4.774.800,00

$

7.905

3

Antonio Nariño

1187

517

$

4.954.000,00

$

9.582

3

Santa Fe

1527

729

$

5.005.430,00

$

6.866

2

Rafael Uribe Uribe

1305

711

$

5.469.300,00

$

7.692

3

Puente Aranda

1385

728

$

5.514.850,00

$

7.575

2

Tunjuelito

1445

721

$

5.524.350,00

$

7.662

2

Bosa

1413

656

$

5.573.400,00

$

8.496

3

Los Mártires

1236

708

$

5.803.250,00

$

8.197

2

San Cristóbal

1368

612

$

5.827.300,00

$

9.522

4

Teusaquillo

1602

582

$

6.124.822,00

$

10.524

2

Suba

1680

684

$

6.670.100,00

$

9.752

4

Fontibón

1288

666

$

6.906.326,00

$

10.370

3

Barrios Unidos

1425

704

$

7.471.880,00

$

10.613

Total

26871

11838

$

101.788.758,00

En esta tabla se observó por localidad cómo está distribuido el consumo de frijol seco, arveja seca, lentejas, garbanzos y otros granos para el año 2007, se encontró que dónde más se pago fue en la localidad de Barrios Unidos con un total pagado de $ 7.471.880 pesos colombianos y un consumo realizado por 704 personas de las 1.425 encuestadas, aunque ese total de personas no fue la localidad con mayor número de consumidores, pero si la de mayor total pagado por localidad.

La localidad de Santa Fe presentó el mayor consumo por localidad con un total de 729 personas de 1.527 encuestadas y donde menos se pago fue en Sumapaz siendo este resultado relacionado directamente a la cantidad de consumidores de la localidad que es un total de 73 de los 303 encuestados y un total pagado de $ 862.100 pesos colombianos, esto hace que este dato sea irregular respecto al resto de los resultados obtenidos.

Rita S. González M.

UNIGIS América Latina

127

Considerando lo anterior se observó que la localidad de La Candelaria presentó un menor total pagado por localidad con un total de consumidores de 561 respecto a 1.173 que fueron encuestados, esto analizándose por localidades de menor y mayor consumo.

Respecto al promedio gastado por vivienda de cada localidad se observó en el mapa de distribución espacial que en las localidades donde más se pagó por los productos analizados fueron Sumapaz, Barrios Unidos, Teusaquillo y Fontibón este resultado que se obtuvo respecto al total pagado por localidad solo presentó coincidencia con Barrios Unidos y Fontibón. Estas dos localidades tienen un estrato moda entre 3 y 4 mostrando que en esta situación el gasto promedio por vivienda y el total pagado por localidad no está relacionado al consumo sino al costo de los productos analizados para esas dos localidades.

En el mapa 17 que se relaciona a continuación se realizó la distribución espacial del total pagado y el promedio gastado por vivienda por localidad en la ciudad de Bogotá:

Rita S. González M.

UNIGIS América Latina

128

Mapa 17 - Distribución espacial del Frijol seco, Arveja seca, Lentejas, Garbanzos y otros Granos.

Rita S. González M.

UNIGIS América Latina

129

En el mapa se observó que no se presenta una concentración homogénea de localidades para el total pagado por localidad, las tres localidades donde más se pago fue Suba, Barrios Unidos y Fontibón, estas tres localidades corresponden a diferentes estratos socioeconómicos y a la zona geográfica norte y suroccidental de la ciudad de Bogotá. Lo anterior permitió concluir que el total pagado corresponde más a lo que se pagó que a los consumidores que se tuvieron, puesto que ninguna de las tres localidades cuentan con el mayor grupo de consumidores por localidad.

Respecto al total menor pagado por localidad se observó que en las localidades de Ciudad Bolívar, Engativá, Chapinero, Usme y la Candelaria que no hay una concentración de localidades en una zona específica y que todos presentan diferente estrato moda, lo que indicaría que ese valor menor pagado está relacionado al consumo mostrando así que en esas localidades es muy poco el consumo de los productos analizados.

Respecto al resultado que se obtuvo del promedio gastado por vivienda, se observó que el mayor gasto promedio por vivienda correspondió a Sumapaz, Barrios Unidos, Teusaquillo y Fontibón, este resultado no coincidió con las localidades que tienen la concentración como mayor pagado por localidad.

Respecto al menor gasto promedio por vivienda, las localidades con este comportamiento fueron Santa Fe y La Candelaria pero solo La Candelaria fue la localidad que coincidió con el menor total pagado por localidad permitiendo identificar que este resultado está relacionado a que se tuvo poco consumo de los productos en esta localidad, esto puede deberse a es una zona donde se presenta según el mapa de hogares pobres índices de pobreza con necesidades básicas insatisfechas.

El siguiente producto que se analizó del grupo de la canasta básica está compuesto por aceite, manteca, margarita y otras grasas. El resultado de los análisis que se realizaron se relaciona a continuación en la tabla 17:

Rita S. González M.

UNIGIS América Latina

130

Tabla 17 – Análisis de los datos - Producto 9: Aceite, manteca, margarita y otras grasas.

Estrato moda

Localidad

Encuestados por

Consumidores por

Total Pagado por

Promedio Gastado

Localidad

Localidad

Localidad

por Vivienda

1

Sumapaz

303

133

$

1.107.050

$

8.324

1

Ciudad Bolívar

1329

637

$

3.385.900

$

5.315

2

Kennedy

1075

623

$

3.541.610

$

5.685

1

Usme

1233

669

$

3.877.550

$

5.796

2

La Candelaria

1173

745

$

4.087.740

$

5.487

3

Antonio Nariño

1187

614

$

4.540.250

$

7.395

3

Los Mártires

1236

847

$

5.060.100

$

5.974

3

Engativá

1441

809

$

5.156.210

$

6.374

2

San Cristóbal

1368

798

$

5.181.266

$

6.493

2

Bosa

1413

841

$

5.390.950

$

6.410

4

Fontibón

1288

753

$

5.431.040

$

7.213

2

Tunjuelito

1445

947

$

5.469.150

$

5.775

4

Usaquén

1551

744

$

5.561.252

$

7.475

2

Rafael Uribe Uribe

1305

889

$

5.671.730

$

6.380

3

Santa Fe

1527

921

$

5.688.050

$

6.176

3

Barrios Unidos

1425

853

$

5.758.642

$

6.751

3

Puente Aranda

1385

876

$

5.872.100

$

6.703

2

Suba

1680

857

$

6.364.208

$

7.426

4

Teusaquillo

1602

707

$

6.654.110

$

9.412

6

Chapinero

1905

729

$

6.693.600

$

9.182

Total

26871

14992

$

100.492.508

En esta tabla se encuentra relacionado cómo está distribuido por localidad el consumo de aceite, manteca, margarita y otras grasas para el año 2007, de esta tabla se puede determinar que en la localidad donde más se pagó por estos productos fue en Chapinero con un total pagado de $ 6.693. 600 pesos colombianos y un consumo realizado por 729 de 1.905 encuestados en esa localidad.

En Tunjuelito se presentó el mayor consumo por localidad realizado por 947 personas de 1.445 encuestadas y donde menos se consumió fue en la localidad de Kennedy con un total de 623 personas de 1.075. La localidad donde menos se pago fue Sumapaz y esta situación está relacionada por la cantidad de consumidores y el mayor pago fue en la localidad de Chapinero que está relacionado directamente a que es una localidad donde se presenta una mejor condición económica respecto a otras, esto se puede inferir apoyándose en el

Rita S. González M.

UNIGIS América Latina

131

mapa de hogares pobres por necesidades básicas insatisfechas (NBI) (Alcaldía Mayor de Bogota D.C, 2007).

En el mapa 18 que se relaciona a continuación se observa la distribución espacial del total pagado y el promedio gastado por vivienda del aceite, manteca, margarita y otras grasas por localidad en la ciudad de Bogotá:

Rita S. González M.

UNIGIS América Latina

132

Mapa 18 - Distribución espacial del Aceite, manteca, margarita y otras grasas

Rita S. González M.

UNIGIS América Latina

133

En el mapa se observa cómo se concentra la distribución espacial comparando los datos del total pagado y el promedio gastado por vivienda de cada localidad. Se observó que la concentración de las localidades donde se presenta el mayor total pagado es en el norte de la ciudad donde los ingresos económicos de la población se encuentran entre alto y medio alto.

Respecto al menor total pagado por localidad se observó que esto se presenta en las localidades de Ciudad Bolívar, Usme y Kennedy que corresponden al sur y suroccidente de la ciudad de Bogotá donde el estrato moda es 1 y 2. Estas localidades se encuentran en diferentes situaciones económicas ya que mientras Ciudad Bolívar cuenta con un estrato moda 1, los índices de pobreza para el año 2007 presentaron un aumento; en cambio Kennedy y Usme presentaron una situación mejor respecto a la evolución de la pobreza, esto se pudo determinar usando como referencia el mapa de hogares pobres por necesidades básicas insatisfechas elaborado en el año 2007.

Al analizar el promedio gastado gasto por vivienda de cada localidad se observó en el mapa de distribución espacial que donde más se pagó por los productos analizados fue en las localidades de Sumapaz, Chapinero y Teusaquillo, donde se obtuvo una relación de $7.476 a $9.412 pesos colombianos, este resultado que se obtuvo respecto al total pagado por localidad muestra solo una diferencia, ya que en mayor total pagado no está en el grupo Sumapaz sino Suba, pero si Chapinero y Teusaquillo. La situación anterior se presentó puesto que Sumapaz es una localidad de tipo rural y está directamente relacionada a los consumidores de la zona permitiendo concluir que en esa localidad se gastó más por vivienda, pero menos por localidad.

El menor promedio gastado por vivienda por localidad se presentó con una concentración en la zona sur y suroccidente siendo consistente con el resultado obtenido en la distribución espacial del total pagado por localidad. El menor promedio gastado se observó en Ciudad Bolívar, Usme, Tunjuelito, Kennedy y La Candelaria con un consumo entre $ 5.315 a $5.796 pesos colombianos, esta situación se presentó por ser una zona donde hay índices visibles de pobreza y de necesidades básicas insatisfechas permitiendo así

Rita S. González M.

UNIGIS América Latina

134

determinar que esta situación que se presenta le reduce a los habitantes de esas localidades la posibilidad de adquirir dichos productos de manera frecuente.

El siguiente producto que se analizó del grupo de la canasta básica familiar está compuesto por azúcar, sal, condimentos y salsas. El resultado de los análisis que se realizaron se relaciona a continuación en la tabla 18: Tabla 18 – Análisis de los datos - Producto 10: Azúcar, sal, condimentos y salsas.

Estrato moda

Localidad

Encuestados por

Consumidores por

Total Pagado por

Promedio Gastado

Localidad

Localidad

Localidad

por Vivienda

1

Sumapaz

303

132

$

699.050

$

5.296

1

Ciudad Bolívar

1329

624

$

2.225.400

$

3.566

1

Usme

1233

615

$

2.388.500

$

3.884

2

La Candelaria

1173

745

$

2.523.950

$

3.388

2

Kennedy

1075

634

$

2.802.500

$

4.420

3

Antonio Nariño

1187

643

$

3.071.030

$

4.776

6

Chapinero

1905

661

$

3.187.580

$

4.822

2

San Cristóbal

1368

795

$

3.196.820

$

4.021

3

Santa Fe

1527

888

$

3.202.130

$

3.606

3

Engativá

1441

784

$

3.208.050

$

4.092

2

Tunjuelito

1445

932

$

3.210.350

$

3.445

4

Fontibón

1288

746

$

3.349.150

$

4.489

3

Los Mártires

1236

886

$

3.475.050

$

3.922

4

Usaquén

1551

753

$

3.605.560

$

4.788

2

Rafael Uribe Uribe

1305

886

$

3.615.690

$

4.081

2

Bosa

1413

828

$

3.618.300

$

4.370

3

Barrios Unidos

1425

859

$

3.728.910

$

4.341

3

Puente Aranda

1385

898

$

3.805.620

$

4.238

4

Teusaquillo

1602

715

$

3.943.450

$

5.515

2

Suba

1680

841

$

4.057.158

$

4.824

Total

26871

14865

$

62.914.248

En esta tabla se observó por localidad cómo está distribuido el consumo de azúcar, sal, condimentos y salsas para el año 2007, lo primero que se identifico fue que dónde más se pagó por localidad fue en Suba con un total pagado de $ 4.057.158 pesos colombianos y un consumo realizado por 841 personas de 1.680 personas que fueron encuestadas en esa localidad.

Rita S. González M.

UNIGIS América Latina

135

En Tunjuelito se presentó un mayor consumo por localidad realizado por 932 persona de un total de 1.527 personas encuestadas con un total de $3.210.350 pesos colombianos, este valor corresponde a un gasto medio entre la localidad que más pago y la que menos pagó. Donde menos se consumió fue en Sumapaz lo cual está relacionado con la cantidad de personas encuestadas, la segunda localidad donde se presentó menor consumo fue Usme con un total de 615 consumidores de un total de 1.233 encuestados y un total pagado de $ 2.388.500 pesos colombianos, esto analizando la cantidad de encuestados por localidad.

Considerando el promedio gastado por vivienda de cada localidad, se observó que dónde más se pagaron por los productos analizados fue Sumapaz y Teusaquillo donde se obtuvo una relación de $4.825 a $ 5.515 pesos colombianos, este resultado que se obtuvo respecto al total pagado por localidad muestra solo diferencia respecto a Sumapaz, ya que esta localidad fue la que menos pago y esto se debe a la cantidad de habitantes encuestados que consumen los productos. En cambio, Teusaquillo corresponde a los que más pagaron en el grupo del total pagado por localidad.

En el mapa 19 que se relaciona a continuación, se visualiza la distribución espacial de los productos analizados respecto al total pagado y el promedio gastado por vivienda en las localidades de la ciudad de Bogotá:

Rita S. González M.

UNIGIS América Latina

136

Mapa 19 - Distribución espacial de Azúcar, Sal, Condimentos y Salsas.

Rita S. González M.

UNIGIS América Latina

137

En el mapa se observa la relación que se hizo entre el total pagado y el promedio gastado por vivienda por localidad de los productos de la canasta familiar correspondiente al azúcar, sal, condimentos, y salsas. Al analizarlo se encontró una concentración entre algunas localidades del norte, estas localidades son Usaquén y Suba, estas zonas corresponde a un ingreso entre alto y medio y se pudo determinar lo anterior usando como referencia el mapa de hogares pobres por necesidades básicas insatisfechas (NBI) año 2007 (Alcaldía Mayor de Bogota D.C, 2007).

Respecto al menor total pagado por localidad se observó que, aunque por su comportamiento socioeconómico son Ciudad Bolívar y Usme, también están Kennedy y La Candelaria que tiene un nivel socioeconómico no tan bajo, esto nos muestra que hay sectorizaciones respecto a las localidades donde se ha pagado poco por estos productos y que puede estar relacionado con la capacidad económica que se tiene en esas localidades.

El resultado que se obtuvo del promedio gastado por vivienda de cada localidad de los productos analizados se encuentra sectorizado, aunque es consistente en que el promedio menos gastado por vivienda se presenta en Ciudad Bolívar, Santa Fe La Candelaria, y hay una concentración por zonas, esta situación permite concluir que el gasto por vivienda se encuentra relacionado con la cantidad de consumidores de estos productos.

El siguiente producto que se analiza de grupo de la canasta básica familiar está compuesto por Panela, café, chocolate y té. El resultado de los análisis que se realizaron se relaciona a continuación en la tabla 19:

Rita S. González M.

UNIGIS América Latina

138

Tabla 19 – Análisis de los datos - Producto 11: Panela, café, chocolate y té.

Estrato moda

Localidad

Encuestados por

Consumidores por

Total Pagado por

Localidad

Localidad

Localidad

Promedio Gastado por Vivienda

1

Sumapaz

303

165

$

2.207.400

$

13.378

2

Kennedy

1075

653

$

3.966.450

$

6.074

1

Ciudad Bolívar

1329

699

$

3.989.800

$

5.708

1

Usme

1233

664

$

4.049.930

$

6.099

3

Antonio Nariño

1187

674

$

4.500.100

$

6.677

2

Rafael Uribe Uribe

1305

869

$

4.712.330

$

5.423

2

La Candelaria

1173

820

$

4.888.700

$

5.962

3

Engativá

1441

847

$

5.202.394

$

6.142

2

Bosa

1413

876

$

5.263.900

$

6.009

3

Los Mártires

1236

936

$

5.451.950

$

5.825

2

San Cristóbal

1368

839

$

5.533.392

$

6.595

6

Chapinero

1905

746

$

5.569.680

$

7.466

3

Puente Aranda

1385

918

$

5.570.800

$

6.068

2

Tunjuelito

1445

988

$

5.640.350

$

5.709

4

Fontibón

1288

822

$

5.663.420

$

6.890

4

Usaquén

1551

825

$

5.667.500

$

6.870

3

Santa Fe

1527

1005

$

6.099.710

$

6.069

3

Barrios Unidos

1425

921

$

6.283.600

$

6.823

2

Suba

1680

910

$

6.353.690

$

6.982

4

Teusaquillo

1602

833

$

6.479.800

$

7.779

Total

26871

16010

$

103.094.896

En esta tabla se observó por localidad cómo está distribuido el consumo de panela, café, chocolate y té para el año 2007, uno de los resultados que se obtuvo indica que dónde más se pagó fue en Teusaquillo con un total pagado de $ 6.479.800 pesos colombianos y un consumo realizado por 833 personas de un total de 1602 que fueron encuestadas en esa localidad.

En la localidad de Santa Fe también se presentó un mayor consumo realizado por 1.005 personas de 1.527 encuestadas y un total pagado de $ 6. 099.710 pesos colombianos y donde menos se pago fue en Sumapaz siendo este resultado relacionado directamente a la cantidad de consumidores de la localidad.

Rita S. González M.

UNIGIS América Latina

139

En el mapa 20 que se relaciona a continuación se visualiza la distribución espacial del total pagado y el promedio gastado por vivienda de la panela, café, chocolate y té por localidades en la ciudad de Bogotá:

Rita S. González M.

UNIGIS América Latina

140

Mapa 20 - Distribución espacial de la Panela, Café, Chocolate y Té

Rita S. González M.

UNIGIS América Latina

141

En el resultado que se obtuvo del promedio gastado por vivienda de cada localidad del grupo de productos analizados se encontraron diferencias puesto que algunas localidades presentan un promedio gastado por vivienda bajo respecto al total pagado por localidad, esto pudo presentarse ya que pagaron un valor intermedio entre el mayor y menor pagado, lo que indicaría que hay una relación entre la cantidad de habitantes que consumieron los productos y cómo los precios variaron de una localidad a otra.

Se encontró una concentración en la zona sur, centro oriente y sur occidente donde se obtuvo un gasto por vivienda bajo, alrededor de $5.423 a $ 6.142 pesos colombianos, esto se definió como un gasto bajo de los productos analizados. Lo anterior no está relacionado directamente con los consumidores de las localidades puesto que en algunas localidades hay un número importante de personas que dijeron que consumieron estos productos pero que al revisar el gasto por vivienda por localidad el resultado que se obtuvo fue bajo respecto a otras localidades donde hubo menos consumidores pero el valor pagado fue más alto.

Esto se pudo presentar porque los productos analizados hacen parte de la alimentación primaria de la mayoría de los hogares, lo que podría ocurrir es que en algunas zonas su precio es mucho menor para que haya más consumidores considerando el ingreso socioeconómico de la comunidad.

Rita S. González M.

UNIGIS América Latina

142

7. Referencias bibliográficas

Acevedo Bohórquez, I., & Velásquez Ceballos, H. (2008). Algunos conceptos de la econometría espacial y el análisis exploratorio de datos espaciales. Ecos de Economía: A Latin American Journal of Applied Economics, 12(27), 9-34. Recuperado de http://publicaciones.eafit.edu.co/index.php/ecos-economia/article/view/705 Alcaide Juan Carlos, Calero Rocio, H. R. (2012). Geomarketing - Marketing Territorial para vender y fidelizar más. España: ESIC EDITORIAL. Alcaldía de Bogotá. (2015). El occidente, la zona más poblada de Bogotá. Bogotá.

Recuperado de http://www.sdp.gov.co/sites/default/files/bol_017_15-0512_occidente_lazonamaspoblada.pdf Alcaldía Mayor de Bogotá. (2015). Alcaldía Mayor de Bogotá. Recuperado de http://www.bogota.gov.co/ciudad/ubicación Alcaldía Mayor de Bogota D.C. (2007). Hogares pobres por N.B.I. Bogotá. Recuperado de https://www.dane.gov.co/files/investigaciones/condiciones_vida/ecvb/MAPA_1.pdf Amago, F. S. (2000). Logística y marketing geográfico.

Anselin, L. (1993). The Moran scatterplot as an ESDA tool to assess local instability in spatial association. Regional Research Institute, West Virginia University Morgantown, WV. Anselin, L. (1995). Local indicators of spatial association—LISA. Geographical analysis, 27(2), 93-115.

Anselin, L. (2003). An introduction to EDA with GeoDa. Spatial Analysis Laboratory (SAL).

Department of Agricultural and Consumer Economics, University of Illinois, UrbanaChampaign, IL. Aragón, J. H. (s. f.). La localización de las actividades de los servicios superiores en el centro de la ciudad. Juan Carlos Martínez Coll.

Arango González, M. A., Jaramillo Morales, J. D., & Jaramillo Escobar, L. (2016). Técnicas de clustering para detectar patrones espaciales de criminalidad en jóvenes y adultos en Medellín. Octubre del 2013 a noviembre del 2014. Revista Criminalidad (Vol. 58).

Policía Nacional de Colombia.

Recuperado de http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S179431082016000100003 Rita S. González M.

UNIGIS América Latina

143

Baronio, Alfredo; Vianco, Ana; Rabanal, C. (2012). Una introducción a la Econometría Espacial Dependencia y Heterogeneidad.

Recuperado de http://www.econometricos.com.ar/wp-content/uploads/2012/11/Espacial.pdf Baviera-Puig, A., Buitrago, J. M., Escriba, C., & Clemente, J. S. (2009). Geomarketing: Aplicación de los sistemas de información geográfica al marketing. En Octava Conferencia Iberoamericana en Sistemas, Cibernética e Informática, Orlando, FL. Recuperado de http://www.iiis.org/cds2008/cd2009csc/cisci2009/paperspdf/c485sj.pdf Becerra Valbuena, L. G. (2013). Aproximaciones microeconómicas en la Teoría de los Lugares Centrales de Christaller. Ensayos sobre política económica., 31(spe70), 67120.

Recuperado de http://www.scielo.org.co/scielo.php?script=sci_abstract&pid=S012044832013000100003&lng=es&nrm=iso&tlng=es Bernardo De Corso Sicilia, G., & Pinilla Rivera, M. (2018). Métodos gráficos de análisis exploratorio de datos espaciales con variables espacialmente distribuidas. Cuadernos Latinoamericanos de Administración, 13, 92. https://doi.org/10.18270/cuaderlam.v13i25.2417 Berrendero, J. R. (2010). Tema 1 Análisis exploratorio de datos. Recuperado de http://www.uam.es/personal_pdi/ciencias/joser/docencia/estap/estap-tr1-1011.pdf Buzai, G. D. (2015). Análisis Espacial en Geografía de la Salud (1ra Edició).

Buzai, G. D., & Baxendale, C. (2006). Análisis socioespacial con Sistemas de Información Geográfica.

Calispa Aguilar, M. F. (2014). Análisis Espacial. Ecuador. Recuperado https://sigmcalispa.files.wordpress.com/2013/01/10-4-anc3a1lisisespacial_interpolacic3b3n_metodos1.pdf

de

Celemín, J. P. (2009). Autocorrelación espacial e indicadores locales de asociación espacial.

Importancia, estructura y aplicación. Revista Universitaria de Geografía, 18(1), 11-31.

Recuperado de http://www.scielo.org.ar/scielo.php?script=sci_arttext&pid=S185242652009000100002

Rita S. González M.

UNIGIS América Latina

144

Chasco Lafuente, P. (1988). Modelos de localización de centros comerciales. Recuperado de https://repositorio.uam.es/bitstream/handle/10486/4074/28042_chasco_lafuente_ pedro.pdf?sequence=1 Chasco Yrigoyen, C. (2003a). Econometría Espacial Aplicada a la Predicción-Extrapolación de Datos Microterritoriales. Comunidad de Madrid. CONSEJERÍA DE ECONOMÍA E INNOVACIÓN TECNOLÓGICA Comunidad de Madrid. Recuperado de http://www.madrid.org/bvirtual/BVCM005618.pdf Chasco Yrigoyen, C. (2003b). Econometría Espacial Aplicada a la Predicción - Extrapolación de datos Microterritoriales. Comunidad de Madrid. Madrid. Recuperado de http://www.madrid.org/bvirtual/BVCM005618.pdf Chasco Yrigoyen, C. (2004a). El Geomarketing y la distribución comercial. Investigación y Marketing, 79, 6-13.

Recuperado de https://www.researchgate.net/publication/23749590_El_Geomarketing_y_la_distrib ucion_comercial Chasco Yrigoyen, C. (2004b). Modelos de Heterogeneidad Espacial. Recuperado de https://econwpa.ub.uni-muenchen.de/econ-wp/em/papers/0411/0411004.pdf Chasco Yrigoyen, C. (2009). Análisis exploratorio de datos espaciales al servicio del geomarketing.

Chasco Yrigoyen, C., & García, G. (1997). Modelos de determinación de áreas de mercado del comercio al por menor. Tesina, facultad de CC. Económicas y EE. Universidad autónoma de Madrid.

Recuperado de https://www.uam.es/otroscentros/klein/doctras/doctra9703.pdf Christaller, W. (1966). Central places in southern Germany. Prentice Hall.

Cliquet, G. (2013). Geomarketing: Methods and strategies in spatial marketing. John Wiley & Sons.

Coca Carasila, A. M. (2008). El concepto de Marketing: pasado y presente. Revista de Ciencias Sociales, XIV(2), 341-412.

Recuperado de http://www.redalyc.org/html/280/28011672014/

Rita S. González M.

UNIGIS América Latina

145

Congreso de Colombia. (1994). Ley 142 de 1994. Recuperado http://www.alcaldiabogota.gov.co/sisjur/normas/Norma1.jsp?i=2752

de

Congreso de Colombia. (2002). Ley 768 de 2002. Recuperado de http://www.minambiente.gov.co/images/normativa/leyes/2002/ley_0768_2002.pdf DANE. (2006). Preguntas Frecuentes - Índice de Precios al Consumidor. Recuperado de https://www.dane.gov.co/files/faqs/faq_ipc.pdf DANE. (2007a). COLOMBIA- Encuesta de Calidad de Vida de Bogotá - ECVB 2007. Bogotá.

Recuperado de http://microdatos.dane.gov.co/index.php/catalog/188/get_microdata DANE. (2007b). COLOMBIA - Encuesta de Calidad de Vida de Bogotá - ECVB 2007 Información general.

Recuperado 2 de agosto de 2017, de http://formularios.dane.gov.co/Anda_4_1/index.php/catalog/188/study-description DANE. (2007c). Encuesta Calidad de Vida Bogota 2007 - Resultados Preliminares .

Recuperado de https://www.dane.gov.co/files/investigaciones/condiciones_vida/ecvb/ECVB_07.pdf DANE. (2007d). Indice de Precios al Consumidor - Procesos de Autoformación. Recuperado de https://www.dane.gov.co/files/investigaciones/boletines/ipc/ipc_autocapacita.pdf DANE. (2009). Metodología Encuesta Nacional de Calidad de Vida. Recuperado de https://www.dane.gov.co/files/investigaciones/fichas/ECV.pdf DANE. (2014). COLOMBIA - Encuesta Nacional de Calidad de Vida de Bogotá - ENCVB 2007 - Descripción de Variables. Recuperado 3 de noviembre de 2018, de http://microdatos.dane.gov.co/index.php/catalog/188/datafile/F3 DANE. (2018). Estratificación socioeconómica. Recuperado 3 de marzo de 2018, de http://www.dane.gov.co/index.php/servicios-al-ciudadano/servicios-deinformacion/estratificacion-socioeconomica de Gesualdo, G. K., Rossi, M. R. S., Alesandria, H., Etcheverría, M. B., Chiovetta, C., Modesto, M. F., … Mantovani, G. (2005). La utilización del Geomarketing en la toma de decisiones empresariales y la planificación comercial. Ciencias Económicas, 1(3), 6571.

Rita S. González M.

UNIGIS América Latina

146

Departamento Nacional de Planeación - DPN. (2017). Pobreza Monetaria y Multidimensional Departamental: Necesidad de Políticas Públicas Diferenciadas (No. 3).

Bogotá.

Recuperado de https://colaboracion.dnp.gov.co/CDT/Prensa/Publicaciones/Publicación Ipm deptal.pdf Dimas Hoyos, D. (2016). Observatorio de Desarrollo Económico - Pobreza y desigualdad en Bogotá: resultados en los últimos años. Recuperado 27 de febrero de 2018, de http://observatorio.desarrolloeconomico.gov.co/base/lectorpublic.php?id=838#stha sh.FY4Amhkn.dpbs Duque, V. G. (2013). Localización espacial de la actividad económica en Medellín, 2005– 2010 Un enfoque de economía urbana. Ensayos sobre Política Económica, 31(70), 215266. https://doi.org/10.1016/S0120-4483(13)70033-2 Escobar-Moreno, N. R., Molina, J. M. J., & Palma, G. L. G. (2015). El geomarketing como instrumento para la toma de decisiones de mercado en la organización: una caracterización preliminar de su utilidad. Revista ESPACIOS | Vol. 36 (No 18) Año 2015.

Recuperado de http://www.revistaespacios.com/a15v36n18/15361808.html ESRI. (2013). Cómo funciona Thiessen (cobertura)—Ayuda | ArcGIS for Desktop.

Recuperado 12 de noviembre de 2018, de http://desktop.arcgis.com/es/arcmap/10.3/tools/coverage-toolbox/how-thiessenworks.htm ESRI. (2017). Introducción a SIG | ArcGIS Resource Center. Recuperado 18 de enero de 2018, de http://resources.arcgis.com/es/help/gettingstarted/articles/026n0000000t000000.htm ESRI. (2018a). Cómo funciona Clustering alto/bajo (G general de Getis-Ord)—ArcGIS Pro | ArcGIS Desktop.

Recuperado 28 de octubre de 2018, de https://pro.arcgis.com/es/pro-app/tool-reference/spatial-statistics/h-how-high-lowclustering-getis-ord-general-g-spat.htm ESRI. (2018b). Cómo funciona Clustering alto/bajo (G general de Getis-Ord). Recuperado 4 de noviembre de 2018, de https://pro.arcgis.com/es/pro-app/tool-reference/spatialstatistics/h-how-high-low-clustering-getis-ord-general-g-spat.htm Free Software Foundation. (s. f.). GNU PSPP. Recuperado 24 de agosto de 2017, de https://www.gnu.org/software/pspp/

Rita S. González M.

UNIGIS América Latina

147

Galacho Jiménez, F. B., & Corredera, S. R. (2015). Estimación de pautas de asociación y patrones de distribución de edificaciones aisladas en espacios rurales mediante SIG y técnicas basadas en procesos puntuales. Análisis espacial y representación geográfica: innovación y aplicación, 10.

Recuperado de http://congresoage.unizar.es/eBook/trabajos/063_Galacho Jimenez.pdf García, J. (2011). Análisis exploratorio de datos espaciales de la segregación urbana en Ciudad Juárez. Economía, Población y Desarrollo, 1-40. Recuperado de http://erevistas.uacj.mx/ojs/index.php/estudiosregionales/article/view/1532/1351 García Marí, J. H., Tomaseti Solano, E., & Sánchez Vidal, F. J. (2013). Una aplicación del análisis exploratorio de datos espaciales (AEDE) con GeoDa en el fracaso empresarial en España.

Gonzalez, L. (2013). Estadística Descriptiva y Probabilidad. (U. T. Lozano, Ed.). Bogotá.

Goodchild, M. F. (1987). A spatial analytical perspective on geographical information systems. International Journal of Geographical Information Systems. https://doi.org/10.1080/02693798708927820 Hernández, G. J. P. (2016). Elementos Básicos de Estadística Descriptiva. Medellín: Antioquia: Fundación Universitaria Luis Amigó.

Recuperado de http://www.funlam.edu.co/uploads/fondoeditorial/120_Ebookelementos_basicos.pdf Hernández, J. S. (2002). Aspectos metodológicos sobre la determinación de la dieta básica promedio-DBP-y la Canasta Basica Alimentaria–CBA. Dirección General de Estadística y Censos, El Salvador, 24.

Recuperado de https://www.cepal.org/deype/mecovi/docs/TALLER13/13.pdf Herrera, J. A. (2015a). Observatorio de Desarrollo Económico- Bogotá una de las ciudades donde más creció empleo y economía en Latinoamérica. Bogotá. Recuperado de http://www.brookings.edu/research/reports2/2015/01/22-global-metro-monitor Herrera, J. A. (2015b). Observatorio de Desarrollo Económico- La región BogotáCundinamarca: dinámica económica y potencialidades. Bogotá. Recuperado de http://observatorio.desarrolloeconomico.gov.co/base/lectorpublic.php?id=553#stha sh.oxsXaIqA.dpbs

Rita S. González M.

UNIGIS América Latina

148

Kotler, P., & Armstrong, G. (2008). Fundamentos de Marketing. (P. Educación, Ed.) (Octava Edi). México. Recuperado de https://utecno.files.wordpress.com/2016/09/kottlerphillip-armstrong-gary-fundamentos-de-marketing.pdf Maslow, A. H. (1991). Motivación y personalidad. Ediciones Díaz de Santos.

Monferrer Tirado, D. (2013). Fundamentos de marketing. Universitat Jaume I. Moreno-Ortiz, C. A., & Ruge-Caraballo, J. C. (2015). Sistema de Información Geográfica (SIG) en la investigación de Mercado para Exportaciones de Papa Criolla Colombiana hacia Estados Unidos. Revista U.D.C.A Actualidad & Divulgación Científica, 18(1), 261270.

Recuperado de http://www.scielo.org.co/scielo.php?pid=S012342262015000100030&script=sci_arttext&tlng=pt Navarrete Alvarez, M., & Caballero Huamani, G. (2015). Análisis del Cluster Turistico Sur Peruano con Herramientas de Geomarketing. Neumann Business Review, 1. https://doi.org/10.2241/3002 Noreña, M. (2009). Detección y caracterización de zonas marginales en la ciudad de Medell´ın mediante el análisis exploratorio de datos espaciales. EAFIT. Recuperado de http://www.banrep.gov.co/sites/default/files/eventos/archivos/TesisMiguelNorena_ 0.pdf Observatorio de Desarrollo Económico. (2016). La economía bogotana a través del Observatorio.

Recuperado 25 de febrero de 2018, de https://www.youtube.com/watch?list=PLEmTif9J3TfQ3qta5jRclwGCojtNNQLX1&v=C pwUpZ5oC84 Ord, J. K., & Getis, A. (1995). Local spatial autocorrelation statistics: distributional issues and an application. Geographical analysis, 27(4), 286-306.

Orellana, L. (2001). Estadística descriptiva. Argentina. Recuperado de http://www. dm. uba. ar/materias/estadistica_Q/2011/1/modulo% 20descriptiva. pdf.

Argentina.

Recuperado de http://www.dm.uba.ar/materias/estadistica_Q/2011/1/modulo descriptiva.pdf Orellana Lilina. (2015). Estadística Descriptiva o Análisis Exploratorio de Datos. Buenos Aires.

Recuperado de http://cms.dm.uba.ar/academico/materias/verano2015/estadisticaQ/descriptiva.pdf

Rita S. González M.

UNIGIS América Latina

149

Periódico Vanguardia. (2010, julio). Consumo de aceites vegetales tienen asiento en la canasta familiar | Noticias de santander, colombia y el Mundo | Vanguardia.com.

Recuperado de http://www.vanguardia.com/historico/67963-consumo-de-aceitesvegetales-tienen-asiento-en-la-canasta-familiar Peters, P. A. (2009). Spatial segregation in complex urban systems: housing and public policy in Santiago, Chile. The University of Texas at Austin. Recuperado de http://ccp.ucr.ac.cr/psm/14-1/14-1-15/14-1-15.html Ramirez, L., & Falcón, V. (2015). Autocorrelación Espacial: Analogías y diferencias entre el índice de Moran y el índice de Getis y Ord. Aplicaciones con indicadores de acceso al agua en el norte argentino. https://doi.org/10.13140/RG.2.2.23036.85126 Reilly, W. J. (1931). The law of retail gravitation. WJ Reilly.

Revista Portafolio. (2016). Ciudades latinoamericanas las mejores para hacer negocios Colombia se destaca | Internacional | Portafolio. Marzo 08 del 2016. Recuperado de http://www.portafolio.co/internacional/ciudades-latinoamericanas-mejoresnegocios-colombia-destaca-492109 Revista Portafolio. (2017, abril 7). El desayuno sigue siendo el hábito de consumo más importante para los colombianos.

Recuperado de http://www.portafolio.co/tendencias/desayuno-de-los-colombianos-504798 Secretaria Distrital de Planeación. (2011). 21 Monografías de las localidades - Distrito Capital 2011.

Bogotá.

Recuperado de http://www.sdp.gov.co/portal/page/portal/PortalSDP/InformacionTomaDecisiones/ Estadisticas/Documentos/An%E1lisis/DICE062-MonografiaBogota-31122011.pdf Spicker, P., Álvarez Leguizamón, S., & Gordon, D. (2009). Pobreza: un glosario internacional. e-libro, Corp.

Recuperado de http://biblioteca.clacso.edu.ar/ar/libros/clacso/crop/glosario/c.pdf Talaya, Á. E. (2008). Principios de marketing. Esic Editorial.

Tapias Ortega, J. M. (2017). Pobreza y violencia en la Región Caribe colombiana: un enfoque espacial.

Ensayos sobre Política Económica, 35(83), 139-153. https://doi.org/10.1016/J.ESPE.2016.12.002

Rita S. González M.

UNIGIS América Latina

150

Tobler, W. R. (1979). Cellular geography. En Philosophy in geography (pp. 379-386).

Springer.

Vélez Villegas, E., Lotero Contreras, J., Andrés Polanco, J., Acosta Ordoñez, K., Moncada Mesa, J., Editorial Board of ESPE Also to Yeison Torres Ardila, the, & Manuel Perilla López, J. (2013). Localización espacial de la actividad económica en Medellín, 20052010 Un enfoque de economía urbana. Ensayos sobre POLÍTICA ECONÓMICA - Edición especial sobre economía de las ciudades, 31, 52. Recuperado de http://www.banrep.gov.co/sites/default/files/publicaciones/archivos/espe_art5_70. pdf Walker, S. E., Etzel, M., & Stanton, W. (2000). Fundamentos de marketing. Editorial Mc Graw Hill año. Recuperado de http://e-uic.com/documentos/william166.pdf Zuluaga, J. D., & Escobar, D. A. (2017). Geomarketing Analysis for Shopping Malls in Manizales (Colombia). Accessibility approach methodology. Revista ESPACIOS, 38(21).

Recuperado de http://www.revistaespacios.com/a17v38n21/17382120.html

Rita S. González M.

UNIGIS América Latina