1 Introducción

Este informe describe la evolución de las importaciones y exportaciones de productos asociados al rubro forestal en Paraguay. La unidad de análisis disponible es el ítem declarado en Aduanas; por ello, el número de filas no equivale al número de despachos.

1.1 Fuente y período

Los datos se obtuvieron del portal de datos abiertos de la Dirección Nacional de Ingresos Tributarios (DNIT), a partir de archivos mensuales de la Dirección Nacional de Aduanas. El período efectivo depende de los archivos presentes en la carpeta indicada en el código.

Fuente: Datos abiertos de la DNIT.

1.2 Objetivos

1.2.1 Objetivo general

Analizar el comportamiento del comercio exterior de productos del rubro forestal en Paraguay, considerando operaciones, volumen, valor FOB, productos, mercados, aduanas y medios de transporte.

1.2.2 Objetivos específicos

Caracterizar las operaciones según tipo y categoría forestal.
Describir el volumen físico mediante peso neto y cantidad estadística.
Analizar la evolución anual y mensual del comercio forestal.
Identificar los principales productos comercializados.
Identificar los principales países de origen y procedencia/destino.
Describir las aduanas y los medios de transporte utilizados.

1.3 Metodología y alcance del filtro

La clasificación se basa en el campo RUBRO publicado por Aduanas y se limita a seis categorías: Madera, Carbón vegetal, Capítulo 45 (corcho), Capítulo 47 (pasta de madera/celulosa), Papel y cartón, y Capítulo 46 (manufacturas de espartería/cestería). Se toleran diferencias de tildes, espacios y puntuación en las etiquetas de capítulos. El catálogo detectado se imprime para revisar las etiquetas efectivamente incluidas.

Este criterio es una aproximación temática, no una clasificación oficial exhaustiva del sector forestal. Antes de presentar resultados definitivos, conviene revisar la tabla de categorías detectadas y ajustar el patrón si el estudio considera otros productos o excluye alguno de ellos.

Las métricas monetarias y físicas se convierten usando coma decimal y punto de miles cuando la fuente las entrega como texto. Los despachos se cuentan mediante identificadores distintos de DESPACHO CIFRADO; el peso y FOB se suman a nivel de ítem.

2 Inventario de archivos

inventario <- tibble::tibble(archivo = basename(archivos)) |>
  dplyr::mutate(
    anio = as.integer(substr(archivo, 1, 4)),
    mes = sub("^[0-9]{4}_", "", sub("\\.parquet$", "", archivo))
  ) |>
  dplyr::count(anio, name = "archivos_mensuales") |>
  dplyr::arrange(anio)

knitr::kable(inventario, caption = "Archivos mensuales disponibles por año")

Archivos mensuales disponibles por año
anio	archivos_mensuales
2016	12
2017	12
2018	12
2019	12
2020	12
2021	12
2022	12
2023	12
2024	12
2025	12
2026	8

cat("\nTotal de archivos mensuales:", length(archivos), "\n")

## 
## Total de archivos mensuales: 128

cat("Período cubierto:", min(inventario$anio), "-", max(inventario$anio), "\n")

## Período cubierto: 2016 - 2026

3 Preparación y filtrado

3.1 Identificación de categorías forestales

Primero se inspecciona únicamente la columna RUBRO de cada archivo. Así se obtiene el catálogo sin cargar todas las columnas ni todas las filas en memoria.

rubros_catalogo <- unique(unlist(lapply(archivos, function(archivo) {
  arrow::open_dataset(archivo, format = "parquet") |>
    dplyr::select(RUBRO) |>
    dplyr::distinct() |>
    dplyr::collect() |>
    dplyr::pull(RUBRO)
}), use.names = FALSE))

rubros_normalizados <- normalizar_texto(rubros_catalogo)
patrones_forestales <- c(
  "^MADERA$",
  "^CARBON VEGETAL$",
  "^CAPITULO\\s*45\\s*[-:]*\\s*CORCHO",
  "^CAPITULO\\s*47.*(PASTA DE MADERA|MATERIAS FIBROSAS CELULOSICAS)",
  "^PAPEL Y CARTON$",
  "^CAPITULO\\s*46.*(ESPARTERIA|CESTERIA)"
)
coincide_forestal <- Reduce(
  `|`,
  lapply(patrones_forestales, grepl, x = rubros_normalizados)
)
rubros_forestales <- rubros_catalogo[coincide_forestal]
rubros_forestales <- sort(unique(rubros_forestales[!is.na(rubros_forestales)]))

if (length(rubros_forestales) == 0) {
  stop("No se encontraron las seis categorías forestales esperadas en RUBRO.")
}

knitr::kable(
  tibble::tibble(rubro_detectado = rubros_forestales),
  caption = "Categorías incluidas por el filtro forestal"
)

Categorías incluidas por el filtro forestal
rubro_detectado
CAPITULO 45CORCHO Y MANUFACTURAS DE CORCHO
CAPITULO 46 MANUFACTURAS DE ESPARTERIA O DE CESTERIA
CAPITULO 47 PASTA DE MADERA O DE OTRAS MATERIAS FIBROSAS CELULOSICAS ,DESPERDICIOS Y DESECHOS DE PA
CARBON VEGETAL
MADERA
PAPEL Y CARTON

3.2 Normalización mensual

Se filtra cada mes antes de leerlo en memoria. La caché contiene solo las columnas necesarias para el análisis y emplea tipos homogéneos; de esta forma se pueden combinar años en los que los importes fueron almacenados como texto con otros en los que fueron almacenados como números.

if (reprocesar_cache && dir.exists(dir_cache)) {
  unlink(dir_cache, recursive = TRUE, force = TRUE)
}
dir.create(dir_cache, recursive = TRUE, showWarnings = FALSE)

columnas_necesarias <- c(
  "DESPACHO CIFRADO", "OPERACION", "AÑO", "MES", "ADUANA",
  "MEDIO TRANSPORTE", "PAIS ORIGEN", "PAIS PROCEDENCIA/DESTINO",
  "UNIDAD MEDIDA ESTADISTICA", "CANTIDAD ESTADISTICA", "KILO NETO",
  "KILO BRUTO", "FOB DOLAR", "RUBRO", "MERCADERIA"
)

normalizar_texto_local <- function(x) {
  x <- toupper(trimws(as.character(x)))
  iconv(x, from = "", to = "ASCII//TRANSLIT")
}

parsear_numero_local <- function(x) {
  if (is.numeric(x)) return(as.double(x))

  readr::parse_number(
    as.character(x),
    locale = readr::locale(decimal_mark = ",", grouping_mark = ".")
  )
}

for (archivo in archivos) {
  salida <- file.path(dir_cache, basename(archivo))

  if (!reprocesar_cache && file.exists(salida) && file.info(salida)$size > 0) {
    next
  }

  tryCatch({
    mensual <- arrow::open_dataset(archivo, format = "parquet") |>
      dplyr::filter(RUBRO %in% rubros_forestales) |>
      dplyr::collect()

    names(mensual) <- trimws(names(mensual))

    faltantes <- setdiff(columnas_necesarias, names(mensual))
    if (length(faltantes) > 0) {
      stop("Faltan columnas: ", paste(faltantes, collapse = ", "))
    }

    # Selección en R después del filtro Arrow; evita problemas con any_of().
    mensual <- mensual[, columnas_necesarias, drop = FALSE]

    mensual_limpio <- data.frame(
      despacho = as.character(mensual[["DESPACHO CIFRADO"]]),
      operacion = normalizar_texto_local(mensual[["OPERACION"]]),
      anio = suppressWarnings(as.integer(as.character(mensual[["AÑO"]]))),
      mes = normalizar_texto_local(mensual[["MES"]]),
      aduana = as.character(mensual[["ADUANA"]]),
      medio_transporte = as.character(mensual[["MEDIO TRANSPORTE"]]),
      pais_origen = as.character(mensual[["PAIS ORIGEN"]]),
      pais_procedencia_destino = as.character(mensual[["PAIS PROCEDENCIA/DESTINO"]]),
      unidad_estadistica = as.character(mensual[["UNIDAD MEDIDA ESTADISTICA"]]),
      cantidad_estadistica = parsear_numero_local(mensual[["CANTIDAD ESTADISTICA"]]),
      kilo_neto = parsear_numero_local(mensual[["KILO NETO"]]),
      kilo_bruto = parsear_numero_local(mensual[["KILO BRUTO"]]),
      fob_dolar = parsear_numero_local(mensual[["FOB DOLAR"]]),
      rubro = as.character(mensual[["RUBRO"]]),
      mercaderia = as.character(mensual[["MERCADERIA"]]),
      stringsAsFactors = FALSE
    )

    arrow::write_parquet(mensual_limpio, salida, compression = "zstd")
    cat("Procesado:", basename(archivo), "\n")
  }, error = function(e) {
    stop(
      "Error procesando ", basename(archivo), ": ",
      conditionMessage(e),
      call. = FALSE
    )
  })
}

archivos_forestales <- list.files(
  dir_cache,
  pattern = "\\.parquet$",
  full.names = TRUE
)

if (length(archivos_forestales) == 0) {
  stop("No se generaron archivos filtrados; compruebe las categorías y columnas.")
}

forestal <- arrow::open_dataset(archivos_forestales, format = "parquet")

filas_forestales <- forestal |>
  dplyr::summarise(total = dplyr::n()) |>
  dplyr::collect() |>
  dplyr::pull(total)

cat("Archivos forestales normalizados:", length(archivos_forestales), "\n")
cat("Registros forestales:", base::format(filas_forestales, big.mark = "."), "\n")

3.3 Validación del subconjunto

resumen_rubros <- forestal |>
  dplyr::count(rubro, sort = TRUE) |>
  dplyr::collect()
knitr::kable(resumen_rubros, caption = "Registros por categoría forestal")

Registros por categoría forestal
rubro	n
PAPEL Y CARTON	747201
MADERA	140295
CARBON VEGETAL	48645
CAPITULO 47 PASTA DE MADERA O DE OTRAS MATERIAS FIBROSAS CELULOSICAS ,DESPERDICIOS Y DESECHOS DE PA	9511
CAPITULO 46 MANUFACTURAS DE ESPARTERIA O DE CESTERIA	6568
CAPITULO 13GOMAS, RESINAS Y DEMAS JUGOS Y EXTRACTOS VEGETALES	5995
CAPITULO 45CORCHO Y MANUFACTURAS DE CORCHO	1079
CAPITULO 55 FIBRAS SINTETICAS O ARTIFICIALES DISCONTINUAS	10

resumen_operaciones <- forestal |>
  dplyr::group_by(operacion) |>
  dplyr::summarise(
    despachos = dplyr::n_distinct(despacho),
    registros = dplyr::n(),
    .groups = "drop"
  ) |>
  dplyr::collect()
knitr::kable(resumen_operaciones, caption = "Validación por tipo de operación")

Validación por tipo de operación
operacion	despachos	registros
IMPORTACION	187874	809833
EXPORTACION	101975	149471

4 Caracterización del comercio

4.1 Operaciones por tipo y categoría

operaciones_tipo <- forestal |>
  dplyr::group_by(operacion) |>
  dplyr::summarise(
    operaciones = dplyr::n_distinct(despacho),
    registros = dplyr::n(),
    toneladas = sum(kilo_neto, na.rm = TRUE) / 1000,
    valor_fob_usd = sum(fob_dolar, na.rm = TRUE),
    .groups = "drop"
  ) |>
  dplyr::collect() |>
  dplyr::arrange(dplyr::desc(operaciones))

knitr::kable(operaciones_tipo, digits = 2, caption = "Comercio forestal por operación")

Comercio forestal por operación
operacion	operaciones	registros	toneladas	valor_fob_usd
IMPORTACION	187874	809833	7967486	17893145164
EXPORTACION	101975	149471	4603494	3206978994

ggplot(operaciones_tipo, aes(x = reorder(operacion, operaciones), y = operaciones, fill = operacion)) +
  geom_col(show.legend = FALSE) +
  coord_flip() +
  scale_y_continuous(labels = scales::label_comma(big.mark = ".", decimal.mark = ",")) +
  labs(title = "Despachos por tipo de operación", x = NULL, y = "Despachos distintos") +
  theme_minimal(base_size = 12)

operaciones_rubro <- forestal |>
  dplyr::group_by(rubro, operacion) |>
  dplyr::summarise(
    operaciones = dplyr::n_distinct(despacho),
    toneladas = sum(kilo_neto, na.rm = TRUE) / 1000,
    .groups = "drop"
  ) |>
  dplyr::collect()

ggplot(operaciones_rubro, aes(x = reorder(rubro, operaciones), y = operaciones, fill = operacion)) +
  geom_col(position = "dodge") +
  coord_flip() +
  scale_y_continuous(labels = scales::label_comma(big.mark = ".", decimal.mark = ",")) +
  labs(title = "Despachos por categoría y operación", x = NULL, y = "Despachos distintos", fill = "Operación") +
  theme_minimal(base_size = 11)

4.2 Volumen físico y valor FOB

volumen_valor <- forestal |>
  dplyr::group_by(operacion) |>
  dplyr::summarise(
    toneladas = sum(kilo_neto, na.rm = TRUE) / 1000,
    valor_fob_usd = sum(fob_dolar, na.rm = TRUE),
    .groups = "drop"
  ) |>
  dplyr::collect()

knitr::kable(volumen_valor, digits = 2, caption = "Peso neto y valor FOB por operación")

Peso neto y valor FOB por operación
operacion	toneladas	valor_fob_usd
IMPORTACION	7967486	17893145164
EXPORTACION	4603494	3206978994

ggplot(volumen_valor, aes(x = reorder(operacion, toneladas), y = toneladas, fill = operacion)) +
  geom_col(show.legend = FALSE) +
  coord_flip() +
  scale_y_continuous(labels = scales::label_number(big.mark = ".", decimal.mark = ",")) +
  labs(title = "Volumen físico por tipo de operación", x = NULL, y = "Toneladas netas") +
  theme_minimal(base_size = 12)

4.3 Evolución temporal

evolucion_anual <- forestal |>
  dplyr::group_by(anio, operacion) |>
  dplyr::summarise(
    operaciones = dplyr::n_distinct(despacho),
    toneladas = sum(kilo_neto, na.rm = TRUE) / 1000,
    valor_fob_usd = sum(fob_dolar, na.rm = TRUE),
    .groups = "drop"
  ) |>
  dplyr::collect()

ggplot(evolucion_anual, aes(x = anio, y = toneladas, color = operacion, group = operacion)) +
  geom_line(linewidth = 0.9) +
  geom_point(size = 2) +
  scale_x_continuous(breaks = sort(unique(evolucion_anual$anio))) +
  scale_y_continuous(labels = scales::label_number(big.mark = ".", decimal.mark = ",")) +
  labs(title = "Evolución anual del volumen forestal", x = "Año", y = "Toneladas netas", color = "Operación") +
  theme_minimal(base_size = 11) +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))

mensual_anual <- forestal |>
  dplyr::group_by(anio, mes, operacion) |>
  dplyr::summarise(
    operaciones = dplyr::n_distinct(despacho),
    toneladas = sum(kilo_neto, na.rm = TRUE) / 1000,
    .groups = "drop"
  ) |>
  dplyr::collect() |>
  dplyr::mutate(mes_num = match(normalizar_texto(mes), meses_es)) |>
  dplyr::filter(!is.na(mes_num))

estacionalidad <- mensual_anual |>
  dplyr::group_by(mes_num, operacion) |>
  dplyr::summarise(
    toneladas_promedio = mean(toneladas, na.rm = TRUE),
    operaciones_promedio = mean(operaciones, na.rm = TRUE),
    .groups = "drop"
  ) |>
  dplyr::mutate(mes = factor(meses_es[mes_num], levels = meses_es))

ggplot(estacionalidad, aes(x = mes, y = toneladas_promedio, color = operacion, group = operacion)) +
  geom_line(linewidth = 0.9) +
  geom_point(size = 2) +
  scale_y_continuous(labels = scales::label_number(big.mark = ".", decimal.mark = ",")) +
  labs(title = "Volumen mensual promedio por operación", x = "Mes", y = "Toneladas promedio", color = "Operación") +
  theme_minimal(base_size = 11) +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))

5 Productos

productos_base <- forestal |>
  dplyr::select(operacion, mercaderia, despacho, kilo_neto, fob_dolar) |>
  dplyr::collect() |>
  as.data.frame()

top_productos <- productos_base |>
  dplyr::filter(
    !is.na(mercaderia),
    trimws(as.character(mercaderia)) != ""
  ) |>
  dplyr::group_by(operacion, mercaderia) |>
  dplyr::summarise(
    operaciones = dplyr::n_distinct(despacho),
    toneladas = sum(kilo_neto, na.rm = TRUE) / 1000,
    valor_fob_usd = sum(fob_dolar, na.rm = TRUE),
    .groups = "drop"
  ) |>
  dplyr::group_by(operacion) |>
  dplyr::slice_max(
    order_by = operaciones,
    n = 10,
    with_ties = FALSE
  ) |>
  dplyr::ungroup()

knitr::kable(
  top_productos,
  digits = 2,
  caption = "Diez principales mercaderías por operación"
)

Diez principales mercaderías por operación
operacion	mercaderia	operaciones	toneladas	valor_fob_usd
EXPORTACION	LOS DEMAS PAPELES Y CARTONES DE GRAMAJE SUPERIOR A 150 G/M2	19172	763497.75	738553699.88
EXPORTACION	LATERAL DE CARTON	1344	332.43	19688.24
EXPORTACION	CARBON VEGETAL EN BOLSAS	1063	102294.12	37894237.49
EXPORTACION	CARBON VEGETAL EN BOLSAS.	647	66693.15	21615351.91
EXPORTACION	CARBON VEGETAL	580	34728.74	11136789.79
EXPORTACION	PBL-CARTON YESO	559	71068.00	40545964.98
EXPORTACION	FORRO DE CARTON	486	19.94	2969.14
EXPORTACION	MADERA TERCIADA Y/O MULTILAMINADA	411	13514.51	8281144.11
EXPORTACION	LOS DEMAS PAPELES Y CARTONES DE GRAMAJE INFERIOR O IGUAL A 150 G/M2	401	12909.64	12595468.99
EXPORTACION	CAJAS	377	52.18	661298.78
IMPORTACION	CAJAS DE PAPEL ONDULADO DE DIFERENTES MEDIDAS	667	4903.18	3978943.61
IMPORTACION	CAJAS DE CARTON CORRUGADO, DE DISTINTAS MEDIDAS, PARA CARNE, SEGUN DESCRIPCION EN SUB-ITEM:	650	9079.81	7757984.23
IMPORTACION	ALMOHADILLAS(PAD) PAD FOR AUTOMOTIVE HARNES PRODUCTION	541	431.49	5517135.91
IMPORTACION	LOS DEMAS, (66) UNI MDF DETALLADO EN LA SUBITEM	541	3863.91	1741413.43
IMPORTACION	FONDOS DE CARTON CORRUGADO.	540	4631.34	5417819.85
IMPORTACION	PAPEL HIGIENICO,EN:	528	25512.83	46516319.38
IMPORTACION	ETIQUETA .	517	1111.57	5106898.75
IMPORTACION	LOS DEMAS, (66) UNI MDF DETALLADO SEGUN SUBITEM	515	3727.12	1866901.97
IMPORTACION	ETIQUETAS (LABEL) IDENTIFICATION LABELS FOR AUTOMOTIVE HARNESS PRODUCTION	447	63.82	1143038.23
IMPORTACION	JUNTA	441	4.56	225486.72

ggplot(
  top_productos,
  aes(x = reorder(mercaderia, operaciones), y = operaciones, fill = operacion)
) +
  geom_col(show.legend = FALSE) +
  coord_flip() +
  facet_wrap(~ operacion, scales = "free_y") +
  labs(
    title = "Principales mercaderías forestales",
    x = NULL,
    y = "Despachos distintos"
  ) +
  theme_minimal(base_size = 10)

6 Países de origen y destino

paises_base <- forestal |>
  dplyr::select(
    operacion,
    pais_origen,
    pais_procedencia_destino,
    despacho,
    kilo_neto
  ) |>
  dplyr::collect() |>
  as.data.frame()

paises <- paises_base |>
  dplyr::mutate(
    pais = ifelse(
      operacion == "IMPORTACION",
      pais_origen,
      pais_procedencia_destino
    )
  ) |>
  dplyr::filter(
    !is.na(pais),
    trimws(as.character(pais)) != ""
  ) |>
  dplyr::group_by(operacion, pais) |>
  dplyr::summarise(
    operaciones = dplyr::n_distinct(despacho),
    toneladas = sum(kilo_neto, na.rm = TRUE) / 1000,
    .groups = "drop"
  ) |>
  dplyr::group_by(operacion) |>
  dplyr::slice_max(
    order_by = operaciones,
    n = 10,
    with_ties = FALSE
  ) |>
  dplyr::ungroup()

knitr::kable(
  paises,
  digits = 2,
  caption = "Principales países por operación"
)

Principales países por operación
operacion	pais	operaciones	toneladas
EXPORTACION	BRASIL	14108	542157.57
EXPORTACION	CHILE	8460	359335.34
EXPORTACION	ESTADOS UNIDOS DE AMERICA	7179	207371.57
EXPORTACION	BR - BRASIL	6540	236701.58
EXPORTACION	ARGENTINA	6481	346027.11
EXPORTACION	URUGUAY	5723	174225.44
EXPORTACION	REINO UNIDO	4758	415717.15
EXPORTACION	CL - CHILE	4501	195897.57
EXPORTACION	US - ESTADOS UNIDOS DE AMERICA	3340	123875.82
EXPORTACION	AR - ARGENTINA	3113	123247.60
IMPORTACION	BRASIL	66188	3004663.30
IMPORTACION	BR - BRASIL	31044	1639877.49
IMPORTACION	CHINA	20496	336984.08
IMPORTACION	ARGENTINA	12677	554007.82
IMPORTACION	CN - CHINA	9411	182596.04
IMPORTACION	ESTADOS UNIDOS DE AMERICA	6526	132710.19
IMPORTACION	AR - ARGENTINA	4992	306839.79
IMPORTACION	ALEMANIA	3509	77230.18
IMPORTACION	CHILE	2665	58757.35
IMPORTACION	US - ESTADOS UNIDOS DE AMERICA	2658	59988.44

ggplot(
  paises,
  aes(x = reorder(pais, operaciones), y = operaciones, fill = operacion)
) +
  geom_col(show.legend = FALSE) +
  coord_flip() +
  facet_wrap(~ operacion, scales = "free_y") +
  labs(
    title = "Principales países de origen y destino",
    x = NULL,
    y = "Despachos distintos"
  ) +
  theme_minimal(base_size = 10)

7 Aduanas y transporte

logistica_base <- forestal |>
  dplyr::select(
    operacion,
    aduana,
    medio_transporte,
    despacho,
    kilo_neto
  ) |>
  dplyr::collect() |>
  as.data.frame()

resumen_aduanas <- logistica_base |>
  dplyr::filter(!is.na(aduana), trimws(as.character(aduana)) != "") |>
  dplyr::group_by(operacion, aduana) |>
  dplyr::summarise(
    operaciones = dplyr::n_distinct(despacho),
    toneladas = sum(kilo_neto, na.rm = TRUE) / 1000,
    .groups = "drop"
  ) |>
  dplyr::group_by(operacion) |>
  dplyr::slice_max(
    order_by = operaciones,
    n = 10,
    with_ties = FALSE
  ) |>
  dplyr::ungroup()

resumen_transporte <- logistica_base |>
  dplyr::filter(
    !is.na(medio_transporte),
    trimws(as.character(medio_transporte)) != ""
  ) |>
  dplyr::group_by(operacion, medio_transporte) |>
  dplyr::summarise(
    operaciones = dplyr::n_distinct(despacho),
    toneladas = sum(kilo_neto, na.rm = TRUE) / 1000,
    .groups = "drop"
  ) |>
  dplyr::group_by(operacion) |>
  dplyr::slice_max(
    order_by = operaciones,
    n = 10,
    with_ties = FALSE
  ) |>
  dplyr::ungroup()

knitr::kable(resumen_aduanas, digits = 2, caption = "Principales aduanas")

Principales aduanas
operacion	aduana	operaciones	toneladas
EXPORTACION	PUERTO SECO BOREAL	19516	679410.78
EXPORTACION	PTO SEGURO FLUVIAL	15895	954341.02
EXPORTACION	TER. DE CARGAS KM.12	13621	523421.61
EXPORTACION	CAACUPEMI	12198	563421.80
EXPORTACION	CHACOI	11484	554251.28
EXPORTACION	TERPORT - VILLETA	10437	560380.57
EXPORTACION	CAMPESTRE S.A.	5618	98398.79
EXPORTACION	PEDRO JUAN CABALLERO	3891	213025.54
EXPORTACION	MCAL.ESTIGARRIBIA	2136	60053.13
EXPORTACION	ENCARNACION	1587	101205.80
IMPORTACION	CIUDAD DEL ESTE	63591	3197051.61
IMPORTACION	AEROP. PETTIROSSI	19668	27021.27
IMPORTACION	SOLUCION LOGISTICA	12878	350722.40
IMPORTACION	PAKSA	11312	534634.40
IMPORTACION	CAACUPEMI	9775	840793.22
IMPORTACION	PUERTOS Y ESTIBAJES	9489	455650.90
IMPORTACION	PTO SEGURO FLUVIAL	8395	533990.20
IMPORTACION	JOSE FALCON	6050	471443.01
IMPORTACION	TERPORT - VILLETA	5240	387587.07
IMPORTACION	EMPEDRIL S.A.	5221	246615.41

knitr::kable(
  resumen_transporte,
  digits = 2,
  caption = "Principales medios de transporte"
)

Principales medios de transporte
operacion	medio_transporte	operaciones	toneladas
EXPORTACION	CAMION	59559	2284247.94
EXPORTACION	ACUATICO	41636	2309536.32
EXPORTACION	AVION	703	5549.89
EXPORTACION	PROPIOS MEDIOS	3	290.22
IMPORTACION	CAMION	112380	5855595.85
IMPORTACION	ACUATICO	22788	1919095.57
IMPORTACION	AVION	20395	25898.62
IMPORTACION	PROPIOS MEDIOS	281	449.47

ggplot(resumen_aduanas, aes(x = reorder(aduana, operaciones), y = operaciones, fill = operacion)) +
  geom_col(show.legend = FALSE) +
  coord_flip() +
  facet_wrap(~ operacion, scales = "free_y") +
  labs(title = "Principales aduanas forestales", x = NULL, y = "Despachos distintos") +
  theme_minimal(base_size = 10)

ggplot(resumen_transporte, aes(x = reorder(medio_transporte, operaciones), y = operaciones, fill = operacion)) +
  geom_col(show.legend = FALSE) +
  coord_flip() +
  facet_wrap(~ operacion, scales = "free_y") +
  labs(title = "Medios de transporte utilizados", x = NULL, y = "Despachos distintos") +
  theme_minimal(base_size = 10)

8 Consideraciones para interpretar los resultados

La clasificación depende del texto del campo RUBRO; revise las categorías listadas antes de interpretar el filtro como una definición oficial del sector.
El peso y el valor FOB se suman por ítem. No deben sumarse a la vez los registros de ítems y los totales por despacho, pues eso puede duplicar valores.
Los archivos originales pueden contener diferencias de formato y tipo entre años. El informe crea una caché normalizada en _forestal_normalizado_v1 y la reutiliza en ejecuciones posteriores. Si cambia el patrón forestal, establezca reprocesar_cache <- TRUE en el bloque de configuración y vuelva a tejer el documento.
Enero de 2026 tuvo una fila malformada que el proceso de conversión omitió; téngalo presente al documentar limitaciones del conjunto.

9 Referencias

Dirección Nacional de Ingresos Tributarios. Datos abiertos.

Análisis del comercio exterior del rubro forestal en Paraguay

Erika Peralta

25/09/2026