Ir al contenido
VIDAMA · Curso

Tema 11 — CARTO. Location Intelligence Software

🎧 Narración del Tema 11 (ElevenLabs Matilda)

Voz generada por IA (ElevenLabs Matilda) basada en la guía de estudio narrada. Tu celular puede reproducir este audio mientras lees, o mientras haces otras cosas.

TL;DR: CARTO convierte datos geográficos en mapas interactivos, filtros, estilos y análisis espaciales para descubrir patrones y apoyar decisiones.

Puntos clave:

  • La inteligencia de ubicación parte de una idea simple: todo ocurre en algún lugar. Al visualizar datos espaciales, es posible detectar patrones, tendencias y relaciones que en una tabla pueden pasar desapercibidas.
  • CARTO es una plataforma de Location Intelligence orientada a transformar datos geolocalizados en insights de negocio. Se aplica, por ejemplo, a rutas de entrega, marketing conductual o elección de ubicaciones comerciales.
  • La evolución del GIS tradicional hacia soluciones en la nube hizo más accesible el análisis espacial. Google Maps, los mashups y las herramientas SaaS ayudaron a democratizar el uso de datos de ubicación.
  • CARTO puede usarse en la nube o instalarse en infraestructura propia. En el curso se trabaja con la versión online, que permite cargar datos, crear mapas y explorar información mediante una interfaz visual.
  • Los datasets se gestionan como tablas y CARTO añade campos como cartodb_id y the_geom. En el ejemplo del tema, cada fila representa una parada de un viajero camino a París.
  • Las capas permiten superponer distintas fuentes de información en un mismo mapa. Los widgets, en cambio, sirven para filtrar y explorar los datos sin modificarlos.
  • Los estilos ayudan a hacer legibles los patrones espaciales mediante colores, tamaños, agregaciones o hexágonos. No son decoración: son parte del análisis visual.
  • CARTO también incorpora análisis espaciales como enriquecimiento de datos, agrupaciones, detección de outliers, intersecciones, áreas de influencia y creación de líneas a partir de puntos.

Términos técnicos clave: GIS, CARTO, Location Intelligence, GPS, BI, mashups, Big data, SaaS, IoT, Data, Maps, Layers, Widgets, BaseMap, Style, Create Lines from Points

Fórmulas, procesos o ejemplos relevantes:

  • Proceso básico en CARTO: crear cuenta, cargar dataset, revisar tabla, previsualizar datos, crear mapa, ajustar BaseMap, añadir layers y widgets, modificar estilos, aplicar análisis.
  • Ejemplo de dataset: carto-tutorial.data.csv, con puntos de ubicación de tres personas que realizan siete paradas hasta llegar a París.
  • Campos añadidos por CARTO: cartodb_id como clave primaria única y the_geom como campo geométrico construido a partir de latitud y longitud.
  • Tipos de widgets: categoría, histograma, fórmula y series de tiempo.
  • Operaciones del widget de fórmula: AVG, MAX, MIN, SUM y COUNT.
  • Ejemplo de filtro: al seleccionar China, se observa que solo Ami Han pasó por ese país, concretamente por Shanghái.
  • Ejemplo de análisis: usar Create Lines from Points en modo secuencial para unir las paradas de cada viajero según su orden de recorrido.

Resumen narrativo

Sección titulada «Resumen narrativo»

El Tema 11 introduce la visualización geográfica como una extensión natural del análisis de datos: si todo ocurre en algún lugar, entonces el “dónde” puede convertirse en una variable decisiva. Los sistemas de información geográfica permiten visualizar, analizar e interpretar datos espaciales para comprender patrones y tendencias. En este contexto aparece CARTO, una herramienta de rápido crecimiento que busca reducir la distancia entre los datos geolocalizados y los insights útiles.

La inteligencia de ubicación, o Location Intelligence, consiste en convertir datos de ubicación en resultados mediante enriquecimiento, visualización y análisis iterativo. Su valor no está solo en poner puntos sobre un mapa, sino en revelar relaciones espaciales: por dónde se mueven las personas, qué zonas concentran actividad, qué rutas son más eficientes o dónde conviene abrir una tienda. El tema subraya que smartphones, sensores, satélites, drones, coches conectados e incluso las propias acciones humanas generan datos que pueden interpretarse espacialmente.

Históricamente, el análisis geográfico empezó muy ligado a gobiernos y recursos físicos, como centros de transporte o reservas de petróleo. Con Internet y la computación en la nube, estos datos se volvieron más accesibles. Herramientas como Google Maps facilitaron la democratización del mapa digital, mientras que los proveedores de inteligencia empresarial empezaron a combinar datasets mediante mashups, por ejemplo superponiendo datos demográficos sobre información geoespacial.

CARTO se presenta como una plataforma que permite trabajar con estos datos de manera práctica. Puede desplegarse en la nube o en infraestructura propia, aunque el curso se centra en la versión online. Desde su interfaz se pueden cargar datasets, crear mapas, gestionar capas, configurar widgets, cambiar estilos y aplicar análisis. La lógica de trabajo se apoya en una interfaz de arrastrar y soltar, pensada para que analistas y usuarios de negocio puedan explorar datos sin depender siempre de software GIS especializado.

El ejemplo central utiliza un archivo CSV con ubicaciones de tres personas que viajan desde distintos puntos hasta París. Cada fila representa una parada, y las columnas permiten identificar la persona, la ciudad, el país, la latitud, la longitud y la secuencia del recorrido. CARTO almacena estos datos como una tabla y añade campos propios, como cartodb_id y the_geom, que permiten identificar cada registro y representar su geometría en el mapa.

Una vez creado el mapa, el análisis visual se enriquece con capas, widgets y estilos. Las capas permiten superponer información, mientras que los widgets filtran los datos por categorías, rangos numéricos, fórmulas o tiempo. Así, por ejemplo, al seleccionar China se observa que solo Ami Han pasó por Shanghái. Los estilos, por su parte, permiten cambiar colores, tamaños, etiquetas o agregaciones, como el uso de hexágonos con operación count.

Finalmente, el tema introduce las capacidades analíticas de CARTO. Estas se organizan en bloques como crear y limpiar datos, analizar y predecir, o transformar geometrías. Entre las operaciones posibles están enriquecer datos con variables económicas o demográficas, agrupar puntos por proximidad, detectar outliers, crear áreas de influencia o unir puntos mediante líneas. En el caso trabajado, el análisis Create Lines from Points permite reconstruir las rutas de cada viajero conectando sus paradas en orden secuencial.

Para profundizar

Sección titulada «Para profundizar»