Análisis de Reclamos en la Ciudad de Buenos Aires
Pujó, Juan
24/08/2020
Introducción
¿De qué hablamos cuando decimos reclamos? El Gobierno de la Ciudad de Buenos Aires posee un sistema de registro de solicitudes vecinales para solucionar distintos aspectos, necesidades, quejas y denuncias de la Ciudad. En sí, el Sistema Único de Atención Ciudadana (SUACI), donde se registran estos reclamos, funciona como un libro de quejas y/o solicitudes por parte de la población que la habita y circula diariamente.
Por ejemplo, cuando un habitante (¿o deberíamos decir vecino?) sale de su casa hacia el supermercado y se encuentra con que su vereda está rota, puede levantar el reclamo por varias vías: por la web, por la aplicación móvil del 147 y por las redes sociales.
Anualmente se registran entre 700 y más de 900 mil reclamos, los cuales tienen un gran peso en la gestión que cada equipo dentro del GCBA hace de su área
En el presente proyecto, analizaremos las características del universo de los más de 900 mil reclamos que la Ciudad de Buenos Aires registró durante el 2019, año de elecciones de Jefe de Gobierno, diputados y legisladores y representantes comunales.
Se intentará evidenciar y analizar la relación entre distintos niveles de resolución de reclamos con aquellas donde la alianza de juntos por el cambio, el oficialismo en la Ciudad, obtuvo mayor cantidad de votos.
Para eso se utilizarán los datasets del repositorio de Datos Abiertos del Gobierno de la Ciudad de Buenos Aires https://data.buenosaires.gob.ar, los cuales están en formato CSV y shapefile.
En cuanto a la razón de la elección del tema, como parte del equipo de datos del Ministerio de Espacio Público e Higiene Urbana, nos solicitan constantemente no sólo comprender mejor el mundo de los reclamos sino pensar alternativas para llevarlo a un nuevo y mejor nivel. Se me ocurrió que este trabajo podía ser solo el principio de una serie de análisis de mundo de los reclamos en la Ciudad de Buenos Aires.
Las librerías
Para realizar el análisis, utilizaremos las siguientes librerías:
library(tidyverse)
library(sf)
library(readr)
library(lubridate)
library(scales)
library(ggmap)
library(ggplot2)
library(highcharter)
library(viridis)
library(paletteer)Las tablas
Las tablas son:
Sistema Único de Atención Ciudadana (SUACI) 2019. Link: https://data.buenosaires.gob.ar/dataset/sistema-unico-atencion-ciudadana Resultados electorales 2019 CABA. Link: https://data.buenosaires.gob.ar/dataset/elecciones-2019 Comunas. Link: https://data.buenosaires.gob.ar/dataset/comunas Población por comuna. Link: https://data.buenosaires.gob.ar/dataset/estructura-demografica
reclamos2019 <- read_csv("suaci2019.csv")
comunas <- st_read("comunas.shp")## Reading layer `comunas' from data source `C:\Users\juanj\Desktop\Big Data e Inteligencia Territorial\1. Cursos\3. Geo R\TP R\comunas.shp' using driver `ESRI Shapefile'
## Simple feature collection with 15 features and 6 fields
## geometry type: MULTIPOLYGON
## dimension: XY
## bbox: xmin: 93743.42 ymin: 91566.42 xmax: 111751.4 ymax: 111401.7
## projected CRS: Argentina_GKBsAselecciones2019 <- read_csv("resultados-definitivos-elecciones-jefeyvicejefegobierno-2019.csv")
radios <- st_read("informacion_censal_por_radio_2010.shp")## Reading layer `informacion_censal_por_radio_2010' from data source `C:\Users\juanj\Desktop\Big Data e Inteligencia Territorial\1. Cursos\3. Geo R\TP R\informacion_censal_por_radio_2010.shp' using driver `ESRI Shapefile'
## Simple feature collection with 3554 features and 8 fields
## geometry type: MULTIPOLYGON
## dimension: XY
## bbox: xmin: -58.53092 ymin: -34.70574 xmax: -58.33455 ymax: -34.528
## geographic CRS: WGS 84pob_comuna <- st_read("gcba_pob_comunas_17.csv")## Reading layer `gcba_pob_comunas_17' from data source `C:\Users\juanj\Desktop\Big Data e Inteligencia Territorial\1. Cursos\3. Geo R\TP R\gcba_pob_comunas_17.csv' using driver `CSV'Reclamos
General
Investigamos un poco la tabla de reclamos 2019:
## contacto periodo categoria subcategoria
## Length:989629 Min. :201901 Length:989629 Length:989629
## Class :character 1st Qu.:201904 Class :character Class :character
## Mode :character Median :201906 Mode :character Mode :character
## Mean :201906
## 3rd Qu.:201909
## Max. :201912
##
## concepto tipo_prestacion fecha_ingreso hora_ingreso
## Length:989629 Length:989629 Min. :2019-01-01 Length:989629
## Class :character Class :character 1st Qu.:2019-04-03 Class :character
## Mode :character Mode :character Median :2019-06-21 Mode :character
## Mean :2019-06-26
## 3rd Qu.:2019-09-22
## Max. :2019-12-31
##
## domicilio_cgpc domicilio_barrio domicilio_calle domicilio_altura
## Length:989629 Length:989629 Length:989629 Min. : 1
## Class :character Class :character Class :character 1st Qu.: 1040
## Mode :character Mode :character Mode :character Median : 2200
## Mean : 2457
## 3rd Qu.: 3483
## Max. :17700
## NA's :123503
## domicilio_esquina_proxima lat long canal
## Length:989629 Min. :-34.70 Min. :-58.53 Length:989629
## Class :character 1st Qu.:-34.63 1st Qu.:-58.48 Class :character
## Mode :character Median :-34.61 Median :-58.45 Mode :character
## Mean :-34.61 Mean :-58.45
## 3rd Qu.:-34.58 3rd Qu.:-58.42
## Max. :-34.53 Max. :-58.34
## NA's :2659 NA's :2659
## genero estado_del_contacto fecha_cierre_contacto
## Length:989629 Length:989629 Min. :2019-01-01
## Class :character Class :character 1st Qu.:2019-04-16
## Mode :character Mode :character Median :2019-07-11
## Mean :2019-07-10
## 3rd Qu.:2019-10-07
## Max. :2020-03-03
## NA's :107140Las columnas y algunos datos:
## # A tibble: 6 x 19
## contacto periodo categoria subcategoria concepto tipo_prestacion fecha_ingreso
## <chr> <dbl> <chr> <chr> <chr> <chr> <date>
## 1 0000000~ 201901 TRÁNSITO DENUNCIA VI~ VEHÍCUL~ DENUNCIA 2019-01-01
## 2 0000000~ 201901 TRÁNSITO DENUNCIA VI~ VEHÍCUL~ DENUNCIA 2019-01-01
## 3 0000000~ 201901 ARBOLADO~ PLANTACIÓN ~ PLANTAC~ SOLICITUD 2019-01-01
## 4 0000000~ 201901 TRÁNSITO DENUNCIA VI~ VEHÍCUL~ DENUNCIA 2019-01-01
## 5 0000000~ 201901 TRÁNSITO DENUNCIA VI~ VEHÍCUL~ DENUNCIA 2019-01-01
## 6 0000000~ 201901 TRÁNSITO DENUNCIA VI~ VEHÍCUL~ DENUNCIA 2019-01-01
## # ... with 12 more variables: hora_ingreso <chr>, domicilio_cgpc <chr>,
## # domicilio_barrio <chr>, domicilio_calle <chr>, domicilio_altura <dbl>,
## # domicilio_esquina_proxima <chr>, lat <dbl>, long <dbl>, canal <chr>,
## # genero <chr>, estado_del_contacto <chr>, fecha_cierre_contacto <date>La tabla posee 989.629 registros y 19 columnas, entre ellas el mes, el día y la hora en que ingresó, la categoría y subcategoría a la que pertenece, la descripción del reclamo, la comuna, barrio, la dirección, la latitud, longitud, entre otros.
Sabiendo que la tabla tiene coordenadas geográficas (latitud y longitud), procedemos a convertirla en un objeto geográfico:
reclamos2019 <- reclamos2019 %>%
filter(!is.na(lat), !is.na(long)) %>%
st_as_sf(coords = c("long", "lat"), crs = 4326)Para trabajar con tablas geográficas y sus propiedades, debemos cerciorarnos que las mismas se encuentren en el mismo sistema de coordenadas. Para eso, chequearemos en qué sistema se encuentra comunas
## Coordinate Reference System:
## User input: Argentina_GKBsAs
## wkt:
## PROJCRS["Argentina_GKBsAs",
## BASEGEOGCRS["Campo Inchauspe",
## DATUM["Campo Inchauspe",
## ELLIPSOID["International 1924",6378388,297,
## LENGTHUNIT["metre",1]],
## ID["EPSG",6221]],
## PRIMEM["Greenwich",0,
## ANGLEUNIT["Degree",0.0174532925199433]]],
## CONVERSION["unnamed",
## METHOD["Transverse Mercator",
## ID["EPSG",9807]],
## PARAMETER["Latitude of natural origin",-34.6297166,
## ANGLEUNIT["Degree",0.0174532925199433],
## ID["EPSG",8801]],
## PARAMETER["Longitude of natural origin",-58.4627,
## ANGLEUNIT["Degree",0.0174532925199433],
## ID["EPSG",8802]],
## PARAMETER["Scale factor at natural origin",0.999998,
## SCALEUNIT["unity",1],
## ID["EPSG",8805]],
## PARAMETER["False easting",100000,
## LENGTHUNIT["metre",1],
## ID["EPSG",8806]],
## PARAMETER["False northing",100000,
## LENGTHUNIT["metre",1],
## ID["EPSG",8807]]],
## CS[Cartesian,2],
## AXIS["(E)",east,
## ORDER[1],
## LENGTHUNIT["metre",1,
## ID["EPSG",9001]]],
## AXIS["(N)",north,
## ORDER[2],
## LENGTHUNIT["metre",1,
## ID["EPSG",9001]]]]El dataset Comunas está en Gauss Kruger Buenos Aires (GKBA), un sistema de coordenadas creado por el GCBA ya que los otros existentes presentan diversas distorsiones del área y las distancias de la Ciudad. Por eso mismo, dado que reclamos2019 se encuentra en WGS84, haremos lo mismo con comunas:
comunas <- st_transform(comunas, 4326)
st_crs(comunas)## Coordinate Reference System:
## User input: EPSG:4326
## wkt:
## GEOGCRS["WGS 84",
## DATUM["World Geodetic System 1984",
## ELLIPSOID["WGS 84",6378137,298.257223563,
## LENGTHUNIT["metre",1]]],
## PRIMEM["Greenwich",0,
## ANGLEUNIT["degree",0.0174532925199433]],
## CS[ellipsoidal,2],
## AXIS["geodetic latitude (Lat)",north,
## ORDER[1],
## ANGLEUNIT["degree",0.0174532925199433]],
## AXIS["geodetic longitude (Lon)",east,
## ORDER[2],
## ANGLEUNIT["degree",0.0174532925199433]],
## USAGE[
## SCOPE["unknown"],
## AREA["World"],
## BBOX[-90,-180,90,180]],
## ID["EPSG",4326]]Ahora si, mapeamos brevemente los reclamos
Análisis
En este apartado analizaremos en mayor profundidad algunas de las diferentes características de los reclamos registrados por el Gobierno de la Ciudad de Buenos Aires durante 2019. Se intentará exponer algunos rasgos característicos y otros datos que el grosor común de los vecinos de la Ciudad desconocen sobre sus quejas, reclamos y solicitudes.
Tipos de reclamos
Como se ha dicho anteriormente, el sistema de reclamos de la Ciudad funciona como un libro de quejas que poseen los vecinos de la misma para registrar reclamos en general. De acuerdo a su tipología, cada uno de éstos posee un flujo de trabajo diferente: algunos son solucionados por el GCBA, otros por empresas prestadoras de servicios, otros no necesitan solución.
En este apartado, analizaremos como están compuestos los reclamos registrados durante todo el 2019. Para eso, nos guiaremos por el campo tipo_prestacion de la tabla reclamos2019 que cargamos al principio.
## [1] "DENUNCIA" "SOLICITUD" "SERVICIO" "QUEJA"De acá en adelante, se hará referencia específicamente a los reclamos de tipo “Solicitud”, dado que éstos son los reclamos levantados por los vecinos y que el GCBA debe solucionar.
reclamos_tipoprest <- reclamos2019 %>%
group_by(tipo_prestacion) %>%
summarise(cant = n()) %>%
ungroup()Ahora bien, como vemos a continuación, la distribución por tipos en el universo de los 900 mil reclamos sería la siguiente:
Categorías y subcategorías
Imaginemos que una persona está paseando por la vía pública y desafortunadamente trastabilla con una baldosa levantada y cae al piso. Enojada se levanta y mirá como fue que sucedió, se da cuenta que la baldosa está levantada por la raíz del árbol y decide denunciar el hecho por la aplicación móvil.
La queja que está registrando el vecino seguramente vaya primero a vías peatonales ya que es la vereda la que se encuentra rota. No obstante, lo más probable es que dicho reclamo sea transferido a la gestión comunal ya que el mantenimiento del arbolado de la Ciudad es competencia de la misma.
Cada reclamo tiene asignada una categoría y una subcategoría que corresponde al área que tiene que darle solución al mismo.
Las categorías son:
## [1] "TRÁNSITO"
## [2] "ARBOLADO Y ESPACIOS VERDES"
## [3] "ALUMBRADO"
## [4] NA
## [5] "LIMPIEZA Y RECOLECCIÓN"
## [6] "FISCALIZACIÓN ACTIVIDADES COMERCIALES"
## [7] "CALLES Y VEREDAS"
## [8] "RECICLADO Y PROTECCIÓN AMBIENTAL"
## [9] "PLUVIALES"
## [10] "TRÁMITES Y SERVICIOS"
## [11] "ORDENAMIENTO DEL ESPACIO PÚBLICO"
## [12] "CONTROL EDILICIO, OBRAS Y CATASTRO"
## [13] "SEGURIDAD"
## [14] "MEDIOS DE TRANSPORTE"
## [15] "SALUD Y SERVICIOS SOCIALES"
## [16] "OTRAS"Mientras que las subcategorías:
## [1] "DENUNCIA VIAL"
## [2] "PLANTACIÓN DE ÁRBOL"
## [3] "REPARACIÓN DE LUMINARIA"
## [4] "VEHÍCULOS ABANDONADOS"
## [5] "EXTRACCIÓN DE ÁRBOL"
## [6] NA
## [7] "CESTOS Y CONTENEDORES"
## [8] "HABILITACIONES Y PERMISOS"
## [9] "INCONVENIENTES CON EMPRESAS DE RECOLECCIÓN"
## [10] "PODA DE ÁRBOL Y DESPEJE DE LUMINARIA"
## [11] "LIMPIEZA DE VÍA PÚBLICA"
## [12] "REPARACIÓN DE BACHES"
## [13] "RECUPERADOR URBANO Y CAMIONES DE RECICLADO"
## [14] "PROBLEMA CON INTERVENCIONES DE ARBOLADO"
## [15] "REPARACIÓN DE VEREDA"
## [16] "OTROS"
## [17] "ALCANTARILLAS / SUMIDEROS"
## [18] "MARCAS VIALES Y SEÑALES EN CALLE"
## [19] "ACCESO A LA INFORMACIÓN PÚBLICA"
## [20] "SEMÁFOROS"
## [21] "INUNDACIÓN"
## [22] "POSTE DE CABLEADO CON RIESGO DE CAÍDA"
## [23] "MAYOR ILUMINACIÓN EN CALLE"
## [24] "HIGIENE Y SEGURIDAD ALIMENTARIA"
## [25] "DEFENSA AL CONSUMIDOR"
## [26] "OCUPACIÓN INDEBIDA"
## [27] "RUIDOS MOLESTOS, EMANACIONES O DERRAMES"
## [28] "OBRAS EN VEREDA"
## [29] "CONTROL DE OBRAS"
## [30] "PARQUES Y PLAZAS"
## [31] "EDIFICIOS"
## [32] "COLECTIVOS"
## [33] "TAXIS"
## [34] "RAMPAS DE ACCESIBILIDAD"
## [35] "BACHES"
## [36] "CONDICIONES DE SEGURIDAD"
## [37] "SUBTES"
## [38] "ENFERMEDADES TRANSMITIDAS POR MOSQUITOS"
## [39] "REPARACIÓN DE EQUIPAMIENTO DE ALUMBRADO"
## [40] "ELEMENTOS CON IMPACTO AMBIENTAL"
## [41] "BICICLETAS"
## [42] "ASCENSORES"
## [43] "FERIAS"
## [44] "IMPACTO AMBIENTAL"
## [45] "PUBLICIDAD EN VÍA PÚBLICA"
## [46] "PUESTOS DE DIARIOS O FLORES"
## [47] "INCONVENIENTES CON OBRAS REALIZADAS POR EL GOBIERNO DE LA CIUDAD DE BUENOS AIRES"
## [48] "LIMPIEZA DE EQUIPAMIENTO DE ALUMBRADO"
## [49] "MOBILIARIO URBANO"
## [50] "OTROS MEDIOS DE TRANSPORTE"La combinación entre categorías y subcategorías no es infinita, sino más bien que cada categoría está conformada por una serie de subcategorías
reclamos_catysubcat <- reclamos2019 %>%
group_by(subcategoria, categoria) %>%
summarise(cant_rec = n()) %>%
ungroup()ggplot(reclamos_catysubcat, aes(categoria)) +
geom_bar(aes(fill = subcategoria), width = 0.5, show.legend = FALSE) +
theme(axis.text.x = element_text(angle = 65, vjust = 0.6)) +
labs(title = "Categorías y cantidad de subcategorías de reclamos",
x = "Categorías",
y = "Cantidad de subcategorias",
caption = "Fuente: BA DATA")
Por ejemplo, la categoría “Limpieza y Recolección”, perteneciente al área de Higiene Urbana, posee las siguientes subcategorías:
reclamos_cat_hu <- reclamos_catysubcat %>%
filter(categoria == "LIMPIEZA Y RECOLECCIÓN") %>%
group_by(subcategoria) %>%
summarise(cant_hu = sum(cant_rec))
ggplot() +
geom_col(data = reclamos_cat_hu, aes(x = subcategoria, y = cant_hu)) +
theme(legend.position = "none") +
ggtitle("Reclamos por subcategoria de Higiene Urbana") +
xlab("Subcategorías") +
ylab("Cant") +
theme_classic() +
theme(axis.text.x = element_text(size=6, angle = 0, vjust = 0.6))
Como bonus track de esta sección, los reclamos cuentan con un campo de “Observaciones” donde el vecino puede describir en qué consiste el reclamo. Esta observación es analizada por cada equipo del GCBA y se lo encasilla en un “concepto”. El universo de conceptos es extenso, siendo 267 las opciones para 2019:
## [1] "VEHÍCULO MAL ESTACIONADO"
## [2] "PLANTACIÓN DE ÁRBOL"
## [3] "REPARACIÓN DE LUMINARIA APAGADA DURANTE LA NOCHE"
## [4] "REMOCIÓN DE VEHÍCULO / AUTO ABANDONADO"
## [5] "EXTRACCIÓN DE ÁRBOL"
## [6] "RETIRO DE RESIDUOS VOLUMINOSOS (MUEBLES Y ELECTRODOMÉSTICOS)"
## [7] "REUBICACIÓN DE CONTENEDOR"
## [8] "VENTA / EXHIBICIÓN NO PERMITIDA DE BEBIDAS ALCOHÓLICAS"
## [9] "ACTIVIDAD DE BAILE EFECTUADA SIN PERMISO"
## [10] "PERSONAL DE EMPRESA DE RECOLECCIÓN CON CONDUCTAS INDEBIDAS"
## [11] "ESTABLECIMIENTO SIN HABILITACIÓN"
## [12] "PODA DE ÁRBOL/DESPEJE DE LUMINARIA O SEMÁFORO"
## [13] "LIMPIEZA DE CALZADA EN TÚNELES Y VÍADUCTOS"
## [14] "RETIRO DE RESTOS DE JARDINERÍA DOMICILIARIA"
## [15] "REPARACIÓN DE BACHE"
## [16] "LIMPIEZA/HIGIENIZACIÓN DE ESPACIOS PÚBLICOS POR ASENTAMIENTOS PRECARIOS"
## [17] "FALTA DE RECOLECCIÓN DE RESTOS DE PODA DE ARBOLADO PÚBLICO"
## [18] "RETIRO DE ESCOMBROS / RESTOS DE OBRA"
## [19] "VACIADO DE CONTENEDOR"
## [20] "REPARACIÓN DE VEREDA"
## [21] "PUNTO VERDE CERRADO EN HORARIO DE ATENCIÓN"
## [22] "RECOLECCIÓN DE RESIDUOS FUERA DEL CONTENEDOR"
## [23] "INSTALACIÓN DE POSTAS AERÓBICAS/ ÁREAS DEPORTIVAS"
## [24] "INSTALACIÓN/REPARACIÓN DE CONTENEDOR"
## [25] "REPARACIÓN DE CONTENEDOR"
## [26] "REPARACIÓN DE LOMO DE BURRO"
## [27] "MEJORA DE BARRIDO"
## [28] "ASENTAMIENTO DE RECUPERADORES URBANOS EN ESPACIO PÚBLICO"
## [29] "HIGIENIZACIÓN, DESRATIZACIÓN, SANEAMIENTO DE TERRENO BALDÍO/CASA ABANDONADA"
## [30] "DESTAPE DE SUMIDERO/ALCANTARILLA O BOCA DE REGISTRO PLUVIAL"
## [31] "REPINTADO / REPARACIÓN DE MARCA VIAL EN CALLE O CORDÓN"
## [32] "ACCESO A LA INFORMACIÓN PÚBLICA"
## [33] "REPARACIÓN DE SEMÁFORO"
## [34] "INTERVENCIÓN POR CALLE ANEGADA/INUNDADA"
## [35] "REPARACIÓN DE POSTE DE CABLEADO CON RIESGO DE CAÍDA"
## [36] "CONSULTA TÉCNICA SOBRE TRÁMITE DE REGISTRO DE EMISIONES DE FUENTES FIJAS (REF) - PERMISOS DE VUELCOS DE EFLUENTES LÍQUIDOS"
## [37] "MAYOR ILUMINACIÓN EN CALLE / PLAZA"
## [38] "VACIADO DE CAMPANA VERDE"
## [39] "PROBLEMAS CON INTERVENCIONES DE ARBOLADO"
## [40] "ALIMENTOS EN MALAS CONDICIONES"
## [41] "REPARACIÓN DE CESTO PAPELERO"
## [42] "ESTACIÓN DE BA ECOBICI POR TEMBICI ROTA O NO DISPONIBLE"
## [43] "REPARACIÓN DE LUMINARIA POR ARTEFACTO ROTO"
## [44] "INCUMPLIMIENTOS A LOS DERECHOS DEL CONSUMIDOR"
## [45] "REPARACIÓN DE BICICLETA DE BA ECOBICI POR TEMBICI"
## [46] "DESRATIZAR, DESINSECTAR Y DESINFECTAR EN VÍA PÚBLICA"
## [47] "HIGIENE DEFICIENTE EN ESTABLECIMIENTOS"
## [48] "OCUPACIÓN INDEBIDA POR LOCAL COMERCIAL"
## [49] "INSTALACIÓN DE CESTO PAPELERO"
## [50] "RUIDOS MOLESTOS Y VIBRACIONES"
## [51] "REPARACIÓN DE LUMINARIA ENCENDIDA DURANTE EL DÍA"
## [52] "VACIADO DE CESTO PAPELERO"
## [53] "LAVADO DE CONTENEDOR"
## [54] "INSTALACIÓN DE CONTENEDOR"
## [55] "INCONVENIENTES CON EL RETIRO/DEVOLUCIÓN DE LA BICICLETA DE BA ECOBICI POR TEMBICI"
## [56] "VEHÍCULO OBSTRUYENDO GARAJE"
## [57] "RESTOS DE OBRA EN VEREDA QUE IMPIDEN EL PASO"
## [58] "OBRA/CONSTRUCCIÓN SIN PROTECCIÓN A EDIFICIOS LINDEROS/VÍA PÚBLICA"
## [59] "MANTENIMIENTO DE PARQUE / PLAZA"
## [60] "FALTA DE CONSERVACIÓN DE FACHADA/BALCÓN"
## [61] "PROPUESTAS PARA LA MEJORA EN TRÁMITES"
## [62] "LIMPIEZA DE CAMPANA VERDE"
## [63] "REPARACIÓN DE SEÑAL DE TRÁNSITO"
## [64] "INCONVENIENTES CON INTEGRANTES DE LA POLICÍA DE LA CIUDAD"
## [65] "REPARACIÓN DE PARADA DE COLECTIVO"
## [66] "TAXI: PROBLEMAS DURANTE EL VIAJE"
## [67] "FELICITACIÓN / AGRADECIMIENTO"
## [68] "CONSTRUCCIÓN SIN PERMISO"
## [69] "REPARACIÓN DE CAMPANA VERDE"
## [70] "INSTALACIONES IRREGULARES O ANTIRREGLAMENTARIAS"
## [71] "INCONVENIENTES EN HOSPITAL PÚBLICO"
## [72] "TAXI: TARIFA MAL COBRADA"
## [73] "FALTA DE CARTEL DE PERMISO/AVISO DE OBRA/CONSTRUCCIÓN"
## [74] "INSTALACIÓN / REPARACIÓN CARTEL INDICADOR DE NOMBRE DE CALLE"
## [75] "INCONVENIENTES OCASIONADOS DURANTE LA OBRA DE ARROYO VEGA/CILDÁÑEZ/MALDONADO"
## [76] "CONSULTA DE ESTADO DE EXPEDIENTE ANTE LA AGENCIA DE PROTECCIÓN AMBIENTAL"
## [77] "REPARACIÓN / CONSTRUCCIÓN DE CORDÓN"
## [78] "FUNCIONAMIENTO / MANTENIMIENTO DE ESCALERAS MECÁNICAS - SUBTE"
## [79] "RETIRO DE ANIMALES MUERTOS EN VÍA PÚBLICA"
## [80] "CONSTRUCCIÓN DE SUMIDERO/ALCANTARILLA O BOCA DE REGISTRO PLUVIAL"
## [81] "MANTENIMIENTO DE SENDEROS DE PARQUE/PLAZA"
## [82] "CONSTRUCCIÓN DE RAMPA DE ACCESIBILIDAD"
## [83] "REPARACIÓN/NIVELACIÓN DE TAPA DE EMPRESA DE SERVICIO PÚBLICO EN CALLE"
## [84] "INTOXICACIÓN / ENFERMEDAD POR ALIMENTOS / BEBIDAS EN MAL ESTADO"
## [85] "FALTA DE RAMPAS DE ACCESO PARA PERSONAS CON DISCAPACIDAD MOTRIZ"
## [86] "REPARACIÓN/NIVELACIÓN DE TAPA DE EMPRESA DE SERVICIO PÚBLICO EN VEREDA"
## [87] "DEMORAS - SUBTE"
## [88] "INCONVENIENTES EN CENTRO DE SALUD NIVEL 1"
## [89] "REPARACIÓN DE SUMIDERO/ALCANTARILLA O BOCA DE REGISTRO PLUVIAL ROTA"
## [90] "VENTA AMBULANTE - SUBTE"
## [91] "DESEMPEÑO DE EFECTIVOS DE SEGURIDAD - SUBTE"
## [92] "FUNCIONAMIENTO / MANTENIMIENTO DE COCHES - SUBTE"
## [93] "INCONVENIENTES CON LOS HORARIOS DE APERTURA Y CIERRE PARQUE/PLAZA"
## [94] "MAPAS Y CARTELES DE ORIENTACIÓN EN ESTACIONES Y/O ACCESOS - SUBTE"
## [95] "INCONVENIENTES CON EL PERSONAL - SUBTE"
## [96] "INFRAESTRUCTURA DE ESTACIONES - SUBTE"
## [97] "MANTENIMIENTO DE REJAS EN PARQUE/PLAZA"
## [98] "CRIADEROS DE MOSQUITOS"
## [99] "REPARACIÓN DE TOMA DE ENERGÍA DE ALUMBRADO PÚBLICO"
## [100] "IRREGULARIDADES EN LA MANIPULACIÓN DE RESIDUOS PELIGROSOS"
## [101] "INSTALACIÓN DE PARADA DE COLECTIVO"
## [102] "IRREGULARIDADES EN EL MANTENIMIENTO DE TANQUES DE AGUA"
## [103] "INSTALACIÓN DE PATIO DE JUEGOS EN PARQUE/PLAZA"
## [104] "MANTENIMIENTO DE PATIO DE JUEGOS EN PARQUE/PLAZA"
## [105] "MANTENIMIENTO DE CESPED Y/O RIEGO EN PARQUE/PLAZA"
## [106] "FELICITACIONES - INSTALACIONES - SERVICIOS Y PERSONAL - SUBTE"
## [107] "OBSTRUCCIÓN PEATONAL POR PUESTO DE DIARIOS / FLORES"
## [108] "MANTENIMIENTO DE CESTOS DE BASURA EN PARQUE/PLAZA"
## [109] "TERMINALES DE AUTOCONSULTA -SUBTE"
## [110] "IRREGULARIDADES EN LA MANIPULACIÓN DE ALIMENTOS"
## [111] "FUNCIONAMIENTO Y MANTENIMIENTO DE ASCENSORES - SUBTE"
## [112] "MALOS OLORES / HUMOS / GASES TÓXICOS"
## [113] "ALTAS - BAJAS TEMPERATURAS - SUBTE"
## [114] "OCUPACIÓN INDEBIDA POR MANTERO / VENDEDOR AMBULANTE"
## [115] "DONACIÓN DE BIENES DEL HOGAR EN DESUSO"
## [116] "RETIRO DE AFICHES Y/O PASACALLES"
## [117] "REPARACIÓN DE VEREDA POR RAÍCES DE ÁRBOL QUE PRODUCEN ROTURAS"
## [118] "IRREGULARIDADES EN EL MANTENIMIENTO Y SEGURIDAD DE ASCENSORES/ESCALERAS MECÁNICAS/MONTACARGAS"
## [119] "ESTABLECIMIENTO QUE INCUMPLE CON LAS NORMAS DE RESIDUOS"
## [120] "IRREGULARIDADES EN FERIA ITINERANTE DE ABASTECIMIENTO BARRIAL"
## [121] "REPARACIÓN DE TAPA FALTANTE / DETERIORADA EN COLUMNA DE ALUMBRADO"
## [122] "CASA / TERRENO ABANDONADO"
## [123] "REPARACIÓN DE CABLE DE ALUMBRADO CORTADO / CAÍDO"
## [124] "DESAGOTE DE POZO CIEGO (ATMOSFÉRICO)"
## [125] "INSTALACIÓN DE BEBEDEROS EN PARQUE/PLAZA"
## [126] "REGISTRO DE OBRAS Y CATASTRO"
## [127] "DESOBSTRUCCIÓN (VACTOR)"
## [128] "ALTURA ANTIRREGLAMENTARIA EN OBRAS Y CONSTRUCCIONES"
## [129] "LIMPIEZA - SUBTE"
## [130] "FUNCIONAMIENTO/ MANTENIMIENTO DE MOLINETES - SUBTE"
## [131] "ACCESOS CERRADOS - SUBTE"
## [132] "ROBOS O ILÍCITOS - SUBTE"
## [133] "TAXI: MAL FUNCIONAMIENTO DE LA APP BA TAXI"
## [134] "RADIACIONES NO IONIZANTES Y ANTENAS DE TELEFONÍA CELULAR"
## [135] "REMOCIÓN DE VOLQUETE ABANDONADO O MAL DISPUESTO"
## [136] "CERRAMIENTO CLANDESTINO DE PATIO Y BALCÓN"
## [137] "CONSULTA TÉCNICA SOBRE TRÁMITE DE REGISTRO DE RESIDUOS PELIGROSOS, PATOGÉNICOS, ASBESTOS Y ACEITES VEGETALES USADOS COMERCIALES"
## [138] "REPARACIÓN DE RAMPA DE ACCESIBILIDAD"
## [139] "NIVELACIÓN DE TAPA DE EMPRESA DE SERVICIO PÚBLICO EN VEREDA"
## [140] "REUBICACIÓN DE CESTO PAPELERO"
## [141] "REPARACIÓN DE SUMIDERO/ALCANTARILLA O BOCA DE REGISTRO PLUVIAL FALTANTE"
## [142] "FALTA DE ELEMENTOS DE SEGURIDAD ESTRUCTURAL EN OBRA/CONSTRUCCIÓN"
## [143] "MARQUESINA / TOLDO / ANUNCIO PUBLICITARIO EN MAL ESTADO"
## [144] "PERSONAL DE EMPRESA DE RECOLECCIÓN REALIZA PEDIDO DE DÁDIVAS"
## [145] "INSTALACIÓN DE BANCOS, MESAS Y SILLAS EN PARQUE/PLAZA"
## [146] "REPARACIÓN DE VEREDA ROTA POR EMPRESA DE SERVICIO"
## [147] "INCUMPLIMIENTO DE LA LEY ANTITABACO"
## [148] "LAVADO DE CESTO PAPELERO"
## [149] "MANTENIMIENTO DE BEBEDEROS EN PARQUE/PLAZA"
## [150] "IRREGULARIDADES EN ESTABLECIMIENTOS DE TINTORERÍAS / LAVADEROS INDUSTRIALES"
## [151] "OCUPACIÓN INDEBIDA POR FERIAS"
## [152] "FALTA U OBSTRUCCIÓN DE SALIDAS DE EMERGENCIA"
## [153] "PANTALLA PUBLICITARIA EN VÍA PÚBLICA"
## [154] "AJUSTE DE CHAPA METÁLICA POR RUIDOS MOLESTOS EN CALLE"
## [155] "RECITAL/SHOW EN VIVO SIN PERMISO"
## [156] "TAXI: VERIFICACIÓN DE HABILITACIÓN"
## [157] "OBSTRUCCIÓN PEATONAL POR ANCLAJES EN VEREDA"
## [158] "INCONVENIENTES OCASIONADOS DURANTE LA CONSTRUCCIÓN DE NUEVOS PASOS BAJO NIVEL"
## [159] "DERRAME DE LÍQUIDOS PELIGROSOS / INDUSTRIALES"
## [160] "INSTALACIÓN DE CESTOS DE BASURA EN PARQUE / PLAZA"
## [161] "TRASCENDENCIA DE CALOR DESDE INSTALACIONES FIJAS COMERCIALES / INDUSTRIALES HACIA INMUEBLES LINDEROS"
## [162] "SISTEMA DE AUDIO EN COCHES Y ESTACIONES - SUBTE"
## [163] "DISTURBIOS - SUBTE"
## [164] "MEDIOS DE PAGO - SUBTE"
## [165] "REPARACIÓN/REPOSICIÓN DE TAPA DE EMPRESA DE SERVICIO PÚBLICO EN VEREDA"
## [166] "REPARACIÓN DE CUNETA"
## [167] "INSTALACIÓN DE REJAS EN PARQUE/PLAZA"
## [168] "INCONVENIENTES EN EL PAGO DE PREMIOS EN AGENCIA DE LOTERÍA"
## [169] "RECOLECCIÓN DE RESIDUOS SECOS EN GRAN GENERADOR"
## [170] "ANOMALÍAS EN PUESTO DE DIARIOS"
## [171] "MANTENIMIENTO DE FUENTES EN PARQUE / PLAZA"
## [172] "FALTA DE CHAPA MURAL CON INFORMACIÓN DEL ESTABLECIMIENTO"
## [173] "PROBLEMAS CON OBRAS DE BACHEO"
## [174] "REPARACIÓN DE BICISENDA"
## [175] "MANTENIMIENTO DE CANILES EN PARQUE/PLAZA"
## [176] "PASES Y ABONOS - SUBTE"
## [177] "INCONVENIENTES PARA EL ESTACIONAMIENTO DE BICICLETAS EN GARAJES"
## [178] "SERVICIO DE ELECTRICIDAD"
## [179] "CONSULTA TÉCNICA SOBRE TRÁMITE DE CERTIFICADO DE APTITUD AMBIENTAL - LAVADEROS - ANTENAS"
## [180] "REPARACIÓN DE CALLE ROTA POR EMPRESA DE SERVICIO"
## [181] "MANTENIMIENTO DE BANCOS, MESAS Y SILLAS EN PARQUE/PLAZA"
## [182] "INSTALACIÓN DE CANILES EN PARQUE/PLAZA"
## [183] "REPARACIÓN DE ELEMENTOS EN TÚNELES / PUENTES"
## [184] "CAMIÓN DE RECOLECCIÓN QUE DESPIDE MALOS OLORES / LÍQUIDO"
## [185] "INCONVENIENTE CON EL SISTEMA PARA LA INSCRIPCIÓN DE DEFUNCIONES (CARGA HOSPITALES)"
## [186] "CAMIÓN DE RECOLECCIÓN QUE INCUMPLE NORMAS DE TRÁNSITO"
## [187] "INCONVENIENTES CON LAS TAREAS DE GUARDIÁN DE PLAZA"
## [188] "RECUPERADOR URBANO ACOPIANDO RESIDUOS EN ZONA NO PREVISTA"
## [189] "IRREGULARIDADES EN LOS MEDIOS DE PREVENCIÓN CONTRA INCENDIOS/ACCIDENTES"
## [190] "CONSTRUCCIÓN / REPARACIÓN DE DÁRSENA PARA ASCENSO/DESCENSO DE COLECTIVOS"
## [191] "INTERRUPCIONES - SUBTE"
## [192] "WIFI - SUBTE"
## [193] "RESIDUOS ACUMULADOS O DISEMINADOS FUERA DE PUNTO VERDE"
## [194] "CONSULTA TÉCNICA SOBRE TRAMITES DE INSCRIPCIÓN EN EL REGISTRO DE ACTIVIDADES CATALOGADAS COMO POTENCIALMENTE CONTAMINANTES POR RUIDOS Y VIBRACIONES (RAC)"
## [195] "MANTENIMIENTO DE POSTAS AERÓBICAS/ ÁREAS DEPORTIVAS"
## [196] "REPARACIÓN DE VEREDA POR OBRA MAL TERMINADA"
## [197] "LIMPIEZA DE ARTEFACTO DE ALUMBRADO"
## [198] "MANTENIMIENTO DE BAÑOS PÚBLICOS EN PARQUE/PLAZA"
## [199] "CONSULTA TÉCNICA SOBRE TRÁMITES POR SITIOS CONTAMINADOS"
## [200] "REPAVIMENTACIÓN DE CALLE"
## [201] "FILTRACIONES - SUBTE"
## [202] "REPARACIÓN DE REJAS EN ESQUINA"
## [203] "TAXI: OBJETOS PERDIDOS EN VIAJE"
## [204] "IRREGULARIDADES EN LA CALIDAD DE AGUA DE NATATORIOS"
## [205] "MANTENIMIENTO DE MONUMENTO / OBRA DE ARTE EN PARQUE / PLAZA"
## [206] "INCONVENIENTES CON EL SERVICIO EN CENTRO DE ATENCIÓN AL PASAJERO / CENTROS SUBTEPASS - SUBTE"
## [207] "INFORMACIÓN SOBRE ENFERMEDADES TRANSMITIDAS POR MOSQUITOS"
## [208] "INSTALACIÓN DE BAÑOS PÚBLICOS EN PARQUE/PLAZA"
## [209] "ELEMENTOS PARA URGENCIAS Y/O EMERGENCIAS - SUBTE"
## [210] "ESTABLECIMIENTO QUE EXCEDE CAPACIDAD PERMITIDA"
## [211] "ESTABLECIMIENTO QUE NO CUMPLE CON LA SEPARACIÓN DE RESIDUOS RECICLABLES"
## [212] "REPARACIÓN DE RELOJ PÚBLICO"
## [213] "TAXI: IMPOSIBILIDAD DE PAGO A TRAVÉS DE LA APP BA TAXI"
## [214] "REPARACIÓN DE BACHE - GRANITO HUNDIDO"
## [215] "INCONVENIENTES OCASIONADOS DURANTE LA CONSTRUCCIÓN DE OBRAS HIDRÁULICAS"
## [216] "DISPONIBILIDAD DE CAMBIO EN BOLETERÍAS - SUBTE"
## [217] "EMANACIONES / HUMO NEGRO PRODUCIDOS POR COLECTIVOS"
## [218] "INCONVENIENTES OCASIONADOS DURANTE OBRAS DEL SUBTE EN ZONA OBELISCO"
## [219] "IRREGULARIDADES VINCULADAS AL RÉGIMEN DE ACEITES VEGETALES USADOS"
## [220] "USO INDEBIDO DEL PLÁSTICO (BOLSAS NO REUTILIZABLES Y SORBETES)"
## [221] "IRREGULARIDADES VINCULADAS AL USO DEL COMBUSTIBLE"
## [222] "NIVELACIÓN POR HUNDIMIENTO DEL PAVIMENTO"
## [223] "PUBLICIDAD / LOCALES COMERCIALES - SUBTE"
## [224] "INCONVENIENTES CON MASCOTAS EN EL SUBTE"
## [225] "REPARACIÓN DE CALLE DE ADOQUINES O GRANITO"
## [226] "TAXI: IRREGULARIDADES EN CARTELERÍA"
## [227] "AGENCIA DE LOTERÍA CON FALTA DE HIGIENE O MANTENIMIENTO"
## [228] "CAMIÓN RECUPERADOR QUE INTERRUMPE EL TRÁNSITO"
## [229] "REPARACIÓN DE BACHE - APERTURA HUNDIDA"
## [230] "DESINFECCIÓN/DESINSECTACIÓN/DESRATIZACIÓN EN ESTABLECIMIENTO EDUCATIVO ESTATAL"
## [231] "INCONVENIENTES CON LA SEGURIDAD O PRIVACIDAD EN INTERNET"
## [232] "FALTA DE SERVICIO DE ASISTENCIA MÉDICA EN LOCALES BAILABLES Y EVENTOS MASIVOS"
## [233] "IRREGULARIDADES EN LA VENTA/ALMACENAMIENTO DE PIROTECNIA"
## [234] "INCONVENIENTES OCASIONADOS POR OBRAS DE NIVELACIÓN EN MACRO CENTRO - CASCO HISTORICO"
## [235] "FALTA DE SEÑALIZACIÓN DE SALIDAS DE EMERGENCIA"
## [236] "IRREGULARIDADES EN EL USO DEL CERTIFICADO DE DISCAPACIDAD PARA ESTACIONAMIENTO"
## [237] "ESTABLECIMIENTO SIN HABILITACIÓN CON VENTA / ELABORACIÓN DE ALIMENTOS"
## [238] "USO INDEBIDO DEL AGUA PARA LIMPIAR LAS VEREDAS"
## [239] "IRREGULARIDADES CON RESERVAS DE ESPACIOS PARA ESTACIONAMIENTO DE VEHÍCULOS DE PERSONAS CON DISCAPACIDAD"
## [240] "AGENCIA DE LOTERÍA/LOCALES COMERCIALES QUE COMERCIALIZAN JUEGO NO OFICIAL"
## [241] "MANTENIMIENTO DE INSTALACIONES ELÉCTRICAS/A GAS EN ESTABLECIMIENTO EDUCATIVO ESTATAL"
## [242] "MANTENIMIENTO DE PATIO O JARDÍN EN ESTABLECIMIENTO EDUCATIVO ESTATAL"
## [243] "MANTENIMIENTO DE SANITARIOS EN ESTABLECIMIENTO EDUCATIVO ESTATAL"
## [244] "MANTENIMIENTO DE FILTRACIONES EN ESTABLECIMIENTO EDUCATIVO ESTATAL"
## [245] "MANTENIMIENTO DE ASCENSORES O ELEVADORES EN ESTABLECIMIENTO EDUCATIVO ESTATAL"
## [246] "INSTALACIÓN DE FUENTES EN PARQUE / PLAZA"
## [247] "MANTENIMIENTO DE CLIMATIZACIÓN (FRÍO/CALOR) EN ESTABLECIMIENTO EDUCATIVO ESTATAL"
## [248] "ASFALTADO DE CALLE CON ADOQUINES"
## [249] "RECLAMO ANTE EL ÓRGANO GARANTE POR LEY 104"
## [250] "IRREGULARIDADES CON LOS TICKETS DE APUESTAS"
## [251] "IRREGULARIDADES EN ACTIVIDADES COMPLEMENTARIAS DE AGENCIAS DE LOTERÍA"
## [252] "FALTA DE SERVICIO DE BOMBEROS EN LOCALES BAILABLES Y EVENTOS MASIVOS"
## [253] "FALTA DE FILTROS PARA MENORES EN COMPUTADORAS DE ACCESO PÚBLICO"
## [254] "INCONVENIENTES EN LA ATENCIÓN PERSONAL EN AGENCIA DE LOTERÍA"
## [255] "REPARACIÓN DE TAPA DE EMPRESA DE SERVICIOS PÚBLICOS - CONTORNO"
## [256] "INSCRIPCIÓN COMO MULTIPLICADOR VOLUNTARIO DE SALUD"
## [257] "REPARACIÓN DE BACHE - SOCAVAMIENTO PELIGROSO"
## [258] "VEREDA ROTA POR ALUMBRADO PÚBLICO"
## [259] "USO DE APARATOS QUE PUEDAN CONTENER PCB"
## [260] "REPARACIÓN/REPOSICIÓN DE TAPA DE EMPRESA DE SERVICIO PÚBLICO EN CALLE"
## [261] "DESTAPE DE SUMIDEROS"
## [262] "INCONVENIENTES CON INSTALACIONES CONTRA INCENDIO EN ESTABLECIMIENTO EDUCATIVO ESTATAL"
## [263] "FALTA DE HIGIENE EN LOCAL CON VENTA / ELABORACIÓN DE ALIMENTOS"
## [264] "INCONVENIENTES CON TRÁMITES"
## [265] "LUMINARIA ENCENDIDA INTERMITENTEMENTE"
## [266] "INCUMPLIMIENTO DE NORMAS ANTITABACO EN LOCAL CON VENTA / ELABORACIÓN DE ALIMENTOS"
## [267] "MANTENIMIENTO DE AGUA EN ESTABLECIMIENTO EDUCATIVO ESTATAL"No obstante, los conceptos con más reclamos durante el año de análisis son:
reclamos_concepto <- reclamos2019 %>%
filter(!is.na(concepto)) %>%
group_by(concepto) %>%
summarise(cantidad = n()) %>%
top_n(10, cantidad)
# Gráfico
ggplot(reclamos_concepto, aes(concepto, cantidad)) +
geom_bar(stat="identity", width=0.5, fill="brown") +
labs(title="Top 10 Conceptos más recurrentes",
x = "Tipo",
y = "Cantidad",
caption = "Fuente: BA DATA") +
scale_y_discrete() +
theme_classic() +
theme(axis.text.x = element_text(size = 6, angle = 90, vjust = 0.6))
Los conceptos más recurrentes son vehículos mal estacionados y el retiro de jardinería domiciliaria (raro) y de escombros o restos de obra.
Ahora bien, ¿cuáles serían los conceptos si reducimos el universo a aquellos reclamos cuyo tipo de prestación es “Solicitud”?
reclamos_concepto_solic <- reclamos2019 %>%
filter(tipo_prestacion == "SOLICITUD") %>%
filter(!is.na(concepto)) %>%
group_by(concepto) %>%
summarise(cantidad = n()) %>%
top_n(10, cantidad)
# Gráfico top 10 conceptos de reclamos == "SOLICITUD"
ggplot(reclamos_concepto_solic, aes(concepto, cantidad)) +
geom_bar(stat="identity", width=0.5, fill="brown") +
labs(title="Top 10 conceptos más recurrentes de Solicitudes",
x = "Tipo",
y = "Cantidad",
caption = "Fuente: BA DATA") +
theme_classic() +
theme(axis.text.x = element_text(size = 6, angle = 90, vjust = 0.6))
En este caso, las solicitudes sobre reparación de veredas, la poda de árboles y la desobstrucción son las más recurrentes.
Ubicación
¿Existe la posibilidad de asegurar que el sistema de reclamos es más utilizado en un barrio o una comuna en especial? Sería ideal y muy interesante analizar si la composición demográfica de las comunas determina la cantidad de reclamos que registra cada una de éstas en el sistema.
¿Puede decirse/afirmarse que las comunas con más reclamos se debe a la compoisición demográfica de sus habitantes? Nos hemos de quedar con la duda, ya que debido a la información del dataset, lo único que podemos calcular, sin sumar más datasets, es la composición del género, pero esto se verá más adelante.
El análisis del aspecto geográfico de los reclamos nos obliga a procesar, limpiar y agregarle información a los datasets que estamos usando. En primer lugar, para futuros joins, le sumamos al dataset de reclamos2019 un campo de “comuna” de tipo numérico:
reclamos2019 <- reclamos2019 %>%
mutate(comuna = case_when(
domicilio_cgpc == "COMUNA 1" ~ 1,
domicilio_cgpc == "COMUNA 2" ~ 2,
domicilio_cgpc == "COMUNA 3" ~ 3,
domicilio_cgpc == "COMUNA 4" ~ 4,
domicilio_cgpc == "COMUNA 5" ~ 5,
domicilio_cgpc == "COMUNA 6" ~ 6,
domicilio_cgpc == "COMUNA 7" ~ 7,
domicilio_cgpc == "COMUNA 8" ~ 8,
domicilio_cgpc == "COMUNA 9" ~ 9,
domicilio_cgpc == "COMUNA 10" ~ 10,
domicilio_cgpc == "COMUNA 11" ~ 11,
domicilio_cgpc == "COMUNA 12" ~ 12,
domicilio_cgpc == "COMUNA 13" ~ 13,
domicilio_cgpc == "COMUNA 14" ~ 14,
domicilio_cgpc == "COMUNA 15" ~ 15))En pos de buscar que tantos los gráficos como los posibles mapas que serán producidos para analizar sean de más fácil lectura, crearemos un dataframe que solo considere a aquellos reclamos cuyo tipo de prestación es Solicitud y que posean Comuna:
reclamos_comuna <- reclamos2019 %>%
filter(tipo_prestacion == "SOLICITUD") %>%
filter(!is.na(comuna)) %>%
group_by(comuna) %>%
summarise(cant = n())Lo ploteamos:
Las comunas con mayor cantidad de reclamos registrados serían la 4, 8, 11, 12 y 15. Para mapearlo, haremos un join espacial, dado que los dos dataframe son sf, para que nuestro shapefile de comunas tenga el dato de cantidad de reclamos:
## although coordinates are longitude/latitude, st_intersects assumes that they are planar
Barrios
La división de la Ciudad de Buenos Aires fue producto de la Ley Orgánica de Comunas (Nro. 1777), la cual no solo subdivide el territorio en 15 comunas sino que también le entrega las facultades de gestión y mantenimiento. Pese a la organización territorial a partir de la ley, la división de la Ciudad en barrios sigue vigente, por lo menos en cuanto a la cuestión identitaria de cada lugar.
Para buscar similitudes y diferencias en torno al tema de análisis, se emulará lo anteriormente hecho con las comunas pero por barrios. Puede suceder que la Comuna 4, la que registra mayor cantidad de reclamos según dos gráficos atrás y conformada por La Boca, Barracas, Pompeya y Parque Patricios a su vez se caracterice por tener barrios con mayor y menor cantidad de reclamos que otros de la Ciudad.
reclamos_barrio <- reclamos2019 %>%
filter(!is.na(domicilio_barrio)) %>%
filter(!is.na(comuna)) %>%
filter(tipo_prestacion == "SOLICITUD") %>%
group_by(domicilio_barrio) %>%
summarise(cant_rec = n())Es posible que si intentamos plotear las cantidad de reclamos por barrio, nos suceda algo similar a lo ocurrido en la sección de categoría, subcategoría y concepto: son 55 barrios con nombres y cantidades variadas. Por eso mismo, solo nos fijaremos en el top diez de barrios con más reclamos:
reclamos_barrio <- reclamos_barrio %>%
st_set_geometry(NULL)
reclamos_barrio_10 <- reclamos_barrio %>%
rename(BARRIO = domicilio_barrio) %>%
top_n(10, cant_rec)Sucede que si intentamos hacer una selección del top diez en una tabla geográfica, R interpreta que debe hacerlo por la columna de geometría. Para evitar eso, convertimos la tabla reclamos_barrio_10 en un dataframe plano.
Como se dijo anteriormente, para llevar a cabo el misma análisis realizado con comunas, vamos crear a partir de la tabla de radios, el dataframe pob_barrio con los datos de la población por barrio de la Ciudad. Una vez generado, haremos el join entre ésta y reclamos_barrio_10.
## # A tibble: 10 x 3
## BARRIO cant_rec POB
## <chr> <int> <dbl>
## 1 BARRACAS 16433 89452
## 2 BELGRANO 10526 126267
## 3 CABALLITO 13234 176076
## 4 FLORES 16567 164310
## 5 MATADEROS 10968 64436
## 6 PALERMO 14943 226534
## 7 VILLA DEVOTO 11286 66521
## 8 VILLA LUGANO 18614 126374
## 9 VILLA SOLDATI 9874 46779
## 10 VILLA URQUIZA 11992 91563Y lo ploteamos. Uno general:
ggplot() +
geom_col(data = reclamos_barrio, aes(x = domicilio_barrio, y = cant_rec)) +
theme(legend.position = "none") +
ggtitle("Reclamos por barrios") +
xlab("Barrio") +
ylab("Cant") +
theme_classic() +
theme(axis.text.x = element_text(angle = 90, vjust = 0.6))
El otro específico del top 10:
ggplot() +
geom_col(data = reclamos_barrio_10, aes(x = BARRIO, y = cant_rec)) +
theme(legend.position = "none") +
ggtitle("Top de Barrios con más reclamos") +
xlab("Barrio") +
ylab("Cant.") +
theme_classic() +
theme(axis.text.x = element_text(angle = 90, vjust = 0.6))
Finalmente, puede observarse que los barrios de Villa Lugano, Barracas y Flores son aquellos que más cantidad de reclamos poseen. En comparación con el gráfico por comuna, la 8 y la 4, de las cuales participan los dos primeros barrios son las que mayor cantidad de reclamos poseen. Por otro lado, Flores, comuna 7 es una más de la media.
Calles
Para finalizar con este apartado, la ubicación en la que se registra un reclamo tiene una gran importancia: desde el momento en que se inicia el registro, el vecino tiene que ubicarlo en una calle y altura establecida, por ejemplo, Av. Rivadavia 4534.
Un aspecto más que puede resultar interesante es fijarse si hay calles donde se levantan más reclamos que en otras. ¿Qué tipo de características tendría que poseer una calle para ser más proclive a que se le registren reclamos? A simple vista, quizá deberíamos pensar en una avenida, doble mano, ya que asegura circulación de transporte público y privado y por ende más población, mayor posibilidad de vecinos atentos a la condición del espacio público y usuarios del sistema de reclamos de la Ciudad, estar en una zona más transitada, comercial, central quizá, entre otros.
Como ya se hizo anteriormente y para evitar las más de mil calles en cuestión, aplicaremos el filtro de tipo_prestacion == “SOLICITUD” y jugaremos solo con el top 15 de calles con más reclamos.
reclamos_calles <- reclamos2019 %>%
filter(tipo_prestacion == "SOLICITUD") %>%
filter(!is.na(domicilio_calle)) %>%
group_by(domicilio_calle) %>%
summarise(q = n()) %>%
top_n(15, q)Y lo graficamos:
ggplot() +
geom_col(data = reclamos_calles, aes(x = domicilio_calle, y = q, fill = q)) +
theme(legend.position = "none") +
ggtitle("Top 15 calles con más reclamos de la Ciudad") +
xlab("Calles") +
ylab("Cantidad") +
coord_flip()
La Avenida Gral. Hornos nace en Constitución y termina en el Riachuelo, además corre paralela a la Autopista Sur Arturo Frondizi, también conocida por conectar provincia de Buenos Aires con la Ciudad mediante el Puente Pueyrredón, y se encuentra cerca de distintos centros de trasbordo y zonas de alta transitabilidad de personas y transporte público.
En respuesta a la pregunta inicial, de las 15 calles enlistadas, 10 son avenidas, 4 son calles y la restante es una autopista. El 50% de las avenidas son doble mano de principio a fin y conectan áreas residenciales con comerciales y zonas centricas.
Estado y tiempos de resolución
Los equipos y áreas dentro del Gobierno de la Ciudad de Buenos Aires son las encargadas de darle solución a cada uno de los reclamos registrados. De hecho, la solución de los mismos constituye una parte importante de la administración y una de las variables que impacta sobre ésta consiste en si fue o no solucionado y el tiempo que tomó.
Algunas áreas, como Higiene Urbana, deben cumplir con tiempos de resolución muy acotados: reposición de cestos de basura, recolección de residuos o vaciamiento de contenedores deben ser cerrados en menos de 24 hs; otras, como Vias Peatonales, responden a los mismos en tiempos más prolongados ya que las soluciones involucran obras en la vía pública.
En este apartado, veremos no solo los plazos de solución de los reclamos sino también que como es de esperarse, varios reclamos registrados durante el 2019 no hayan sido solucionados al momento de haberse publicado la información.
reclamos_resolucion <- reclamos2019 %>%
filter(tipo_prestacion == "SOLICITUD") %>%
mutate(plazo_resolucion = fecha_cierre_contacto - fecha_ingreso)Para visuaizar rápidamente el estado general de los reclamos, haremos una breve tabla y gráfico:
reclamos_status <- reclamos2019 %>%
group_by(estado_del_contacto) %>%
summarise(cantidad = n()) %>%
mutate(porcentaje = cantidad / sum(cantidad) * 100)
reclamos_status <- reclamos_status %>%
st_set_geometry(NULL)
ggplot(data = reclamos_status, aes(x = estado_del_contacto, y = porcentaje)) +
geom_bar(stat = "identity", fill = "navy") +
theme_minimal() +
labs(title = "Status general de los reclamos",
x = "Estado", y = "Porcentaje") +
coord_flip()
Más allá del estado de los reclamos, una cuestión interesante radica en los tiempos o plazos de resolución de los mismos. Como ya se dijo al principio del apartado, los tiempos de resolución varían de acuerdo al área dentro del Gobierno que debe darle solución.
No obstante, la gran mayoría de los reclamos de tipo solicitud fueron solucionados en el plazo de 24 hs y el resto entre los primeros 100 días:
ggplot(reclamos_resolucion)+
geom_histogram(aes(x = plazo_resolucion)) +
labs(title="Plazo de Resolución de los Reclamos",
x="Días",
y="Cant. Reclamos")## Don't know how to automatically pick scale for object of type difftime. Defaulting to continuous.## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
El histograma nos arroja un warning acerca de que fueron removidas más de 64 mil filas debido a la inexistencia de datos en la columna de plazo de solución. Esto se debe a que no tienen fecha de cierre dado que su estado es “abierto”.
Ahora bien, la distribución de los reclamos solucionados en poco tiempo es equitativa en la Ciudad de Buenos Aires: 
Fechas
Si tuviésemos que pensar qué día de la semana es el que mayor cantidad de reclamos se registraron en el 2019, algunos hubiesen dicho que seguramente durante el fin de semana porque es el momento en el que los vecinos (no todos por supuesto) disfrutan de la ciudad con actividades de ocio. En este apartado, jugaremos con el paquete de lubridate para intentar analizar datos en torno a la fechas.
Para comenzar, la tabla de reclamos2019 posee dos campos con fechas: Fecha_ingreso: fecha en la que se registró el reclamo Fecha_cierre_contacto: fecha de cierre del reclamo A partir de estos dos columnas, creamos dos nuevas: mes y día de ingreso.
# Creamos los campos
reclamos_fecha <- reclamos2019 %>%
mutate(mes = month(fecha_ingreso, label = TRUE), dia = wday(fecha_ingreso, label = TRUE))No hay una explicación fácil para deducir por qué mayo registró la mayor cantidad de reclamos durante el año: 
En cuanto a los días, el análisis preliminar de acumulado de reclamos levantados por día de semana rompe con lo supuesto al principio de este apartado. Es clara la diferencia entre los días hábiles y el fin de semana: a simple vista, durante cualquier día de la semana se levanta el doble o más reclamos que durante un día del fin de semana. 
Ahora bien, cabe preguntarse si el comportamiento de días con mayor cantidad de reclamos registrados es el mismo cuando se filtra por el tipo de prestación. Si bien sigue habiendo una marcada diferencia entre los días hábiles y el fin de semana, para algunos tipos las diferencias no son tan abruptas como en otros.
Podría intentarse ver si por tipo de reclamo hay alguna diferencia en cuanto al general, pero en términos generales, la tendencia sigue siendo la misma:
Sin embargo, no puede suponerse que durante las más de cincuenta semanas que posee un año el comportamiento es el mismo semana a semana. Con solo pensar en la existencia de fechas donde gran parte de la población de la Ciudad se encuentra fuera de la misma por las vacaciones escolares o semanas de frío polar que no llaman a circular mucho, sería comprensible que haya alteraciones semana a semana durante los meses:
Plataforma de registro
Los reclamos pueden registrarse de distintos modos. Según la tabla, éstos oueden ser:
## [1] "Comunas" "App" NA "147" "Web"Un vecino puede levantar un reclamo por: Comunas: presencialmente en el centro de gestión y participación de la comuna 147: llamando por teléfono al 147 App: desde la aplicación móvil Web: desde [https://gestioncolaborativa.buenosaires.gob.ar/prestaciones]
Siendo las tecnólogías móviles un aspecto ya establecido en 2019, llama sorpresivamente la atención como más del 50% de los reclamos son registrados mediante llamados telefónicos al 147 y que los centros de gestión y participación comunales sean los siguientes. Este patrón se mantiene igual si analizamos los canales de registro por tipo de prestación.
Se observa como, salvo en el caso de las denuncias, el resto de los tipos de prestaciones son mayoritariamente levantados por teléfono llamando al 147.
¿Quiénes registran más reclamos por comuna?
Una de las ideas principales de este análisis era poder caracterizar a la comunidad de “reclamadores”. A simple vista, podría decirse que es una comunidad atenta, evaluadora y pendiente del espacio público de la Ciudad. Pero ¿Qué más?
La tabla analizada reclamos2019 no posee más información sobre la composición de la comunidad que el género de quienes levantaron un registro en un día y hora exacta. En este caso, los reclamos son principalmente levantados por el género femenino. Este dato podría ser más rico en caso de saber la composición etaria de la comunidad, como también la situación laboral, el nivel educativo, entre otros. 
La situación se mantiene si el análisis lo específicamente por comuna, aunque se acrecentan los porcentajes en algunas comunas específicas. Por ejemplo, en comunas como la 4, la 8 y la 9 la población femenina concentra más del 80% de los reclamos registrados, mientras que en comunas como la 1, la 2 y la 14 las diferencias entre género femenino y masculino no son tan marcadas.
Reclamos y elecciones 2019
La selección de los reclamos del 2019 se basó, desde un principio, en la posibilidad de, posterior a la caracterización general del universo, abordar la (posible) relación entre los reclamos, la comunidad de vecinos, el Gobierno de la Ciudad de Buenos Aires y las elecciones.
No caben dudas que existen muchas relaciones entre estos cuatro. Los reclamos son un canal de comunicación entre las denuncias, quejas, solicitudes y servicios que la comunidad de vecinos de la Ciudad le reclama (valga la redundancia) al Estado de la Ciudad de Buenos Aires. Dichos reclamos, desde el momento de su registro inicial hasta que son solucionados y/o cerrados, atraviesan toda la estructura gubernamental, es decir, el flujo de trabajo de cada área del GCBA, desde el registro, pasando por el análisis, la verificación en calle, la vuelta, el post-análisis, la planificación, las obras, la contraverificación y el aviso al vecino.
Como ya fue dicho a lo largo del presente, los reclamos tienen un gran peso en el balance mensual y anual de cada equipo del GCBA. Por supuesto que esto varía de acuerdo al área, no es lo mismo un reclamo sobre el espacio público como la reposición de un contenedor que uno sobre inclusión del colectivo LGBT en la estructura gubernamental, debido principalmente a los tiempos y facilidad que supone darle solución a cada uno.
No es ninguna sorpresa el hecho que el seguimiento y resolución de los reclamos en un año electoral tenga aún más importancia. El solo hecho de haber registrado un 90% de casi un millón de reclamos cerrados puede responder a la necesidad de mostrar presencia y respuesta del oficialismo en la Ciudad.
Si bien a este tema le corresponde un análisis más profundo, en este apartado final se constrastarán el nivel de resolución de reclamos con los resultados electorales por comuna, centrándonos en la elección a Jefe y Vicejefe de Gobierno, específicamente en el porcentaje de votos obtenidos por la Alianza de Juntos por el Cambio.
Para esta parte se hará uso de la tabla de resultados definitivos de las elecciones generales de 2019.
Para la otra parte, el porcentaje de reclamos resueltos por comuna:
names(comunas_elecciones)## [1] "COMUNAS" "votos" "totales" "porcentaje2" "geometry"# Solicitudes cerradas por comuna
solic_cerradas_comuna <- reclamos2019 %>%
filter(tipo_prestacion == "SOLICITUD") %>%
filter(estado_del_contacto == "Cerrado") %>%
filter(!is.na(comuna)) %>%
group_by(comuna) %>%
summarise(rec_cerrados = n()) %>%
rename(COMUNAS = comuna)
# Solicitudes totales por comuna
solic_totales_comuna <- reclamos2019 %>%
filter(tipo_prestacion == "SOLICITUD") %>%
filter(!is.na(comuna)) %>%
group_by(comuna) %>%
summarise(solicit_tot = n()) %>%
rename(COMUNAS = comuna)
solic_cerradas_comuna <- solic_cerradas_comuna %>%
st_join(solic_totales_comuna)## although coordinates are longitude/latitude, st_intersects assumes that they are planarsolic_cerradas_comuna <- solic_cerradas_comuna %>%
mutate(porcentaje_rec = rec_cerrados / solicit_tot * 100)
comunas_reclamos_cerrados <- comunas_elecciones %>%
st_join(solic_cerradas_comuna)## although coordinates are longitude/latitude, st_intersects assumes that they are planar# mapeo por comuna / % de solicitudes cerradas
ggplot() +
geom_sf(data = comunas_reclamos_cerrados, aes(fill = porcentaje_rec)) +
scale_fill_gradient(low = "darkseagreen1", high = "darkseagreen4") +
theme_void() +
ggtitle("Porcentaje de reclamos cerrados por Comuna")
Y la comparativa entre porcentaje de votos obtenidos por la Alianza de Juntos por el Cambio y las solicitudes resueltas:
#pasar shp a data frame para join y borrar columnas inutiles
solic_cerradas_comuna_df <- as.data.frame(solic_cerradas_comuna)
names(solic_cerradas_comuna_df)## [1] "COMUNAS.x" "rec_cerrados" "geometry" "COMUNAS.y"
## [5] "solicit_tot" "porcentaje_rec"#solicitudes_cerradas_comuna_df[3] <- NULL # borra columna geometry
#solicitudes_cerradas_comuna_df[4] <- NULL # borra columna de reclamos tot
comunas_elecciones_df <- as.data.frame(comunas_elecciones)
names(comunas_elecciones_df)## [1] "COMUNAS" "votos" "totales" "porcentaje2" "geometry"#left join por comuna manteniendo todas las de la izquierda
join_solic_cerradas_comuna_df <- solic_cerradas_comuna_df %>%
left_join(comunas_elecciones_df, by=c("COMUNAS.x"="COMUNAS"), all.x =TRUE)
# Menos columnas - df nuevo
join_solic_cerradas_comuna_df2 <- join_solic_cerradas_comuna_df %>%
select(COMUNAS.x, porcentaje_rec, porcentaje2)
#MELT, armar la tabla para graficar
join_plot <- reshape2::melt(join_solic_cerradas_comuna_df2, id.vars = "COMUNAS.x")
# Gráfico
ggplot(join_plot, aes(COMUNAS.x, value, fill=variable)) +
geom_col(position = "dodge") +
scale_x_continuous(breaks=c(1:15), labels=c(1:15)) +
theme(axis.text.x=element_text(size=10, angle=0,hjust=0.95,vjust=0.2)) +
labs(title = "Comparación entre votos de JxC y reclamos resueltos por Comuna",
x = "Comunas",
y = "Porcentaje") +
scale_fill_discrete(name = "", labels = c("Reclamos resueltos", "Votos")) +
theme_classic()
Conclusiones
A modo de conclusión, el universo de los reclamos registrados por el Gobierno de la Ciudad de Buenos Aires durante el 2019 no sólo es inmenso sino también complejo de analizar. Desde el registro de una solicitud hasta su resolución, entran en juego diferentes variables sociales, económicas y políticas, las cuales influyen en la prioridad y en el plazo de resolución.
En el análisis realizado a lo largo de este trabajo, se ha intentado caracterizar este basto universo en el que confluyen tipos, categorías y subcategorías, estado, canal, fechas y ubicación mediante gráficos y mapas. Éste solo consiste en un primer acercamiento, un primer paso en la serie de análisis de mayor profundidad que como parte del GCBA está pensado hacerse.
No obstante, se intentó demostrar, brevemente, una supuesta correlación entre el porcentaje de reclamos solucionados y los porcentajes de votos que la Alianza Juntos por el Cambio, oficialismo de la Ciudad, obtuvo durante las elecciones del mismo año.
Para sorpresa propia, se observa que la relación entre porcentajes de votos obtenidos y reclamos solucionados es tan marcada. Las comunas 3, 4 y 8 son en las que la Alianza de Juntos por el Cambio registró menor cantidad de votos pero donde a su vez, el porcentaje de reclamos resueltos (entendidos como reclamos solucionados sobre reclamos totales) fue de los más altos de la Ciudad. Al mismo tiempo puede observarse como en la Comuna 2, 6, 13 y 14, las comunas donde el oficialismo registró los mayores porcentajes en cuanto a votos también coinciden con altos valores de resolución de reclamos.
Para finalizar, sería pertinente que para seguir ahondando aún más en el universo de los reclamos y su complejidad, el Gobierno no sólo sume más cantidad de datos sino también de atributos que permitan caracterizar a la comunidad que registra dichos reclamos. Sería interesante poder ver la composición social y económica de la misma, desde la edad y el género hasta su condición laboral por ejemplo, como también como de distribuyen en el territorio, como se mueven, en qué lo hacen, entre otras cosas. En fin, como ya fue dicho a lo largo de todo el trabajo, el universo de los reclamos es infinito pero más que interesante, puede ser una imagen muy cercana a una comunidad de vecinos que, estado mediante, se encarga de mantener la ciudad en la que habita.