SPAB — Bases de la primera sesión (consolidado)
Fecha: 2026-09-14 · Proyecto: ~/nef/estado_turismo/spab-retrieval
Todo lo que quedó armado y reproducible esta sesión.
1. Base numérica (el “almacén”)
data/base/observaciones.csv— tabla larga consolidada: 3,160 filas, 10 destinos, 7 fuentes (destino,periodo,metrica,valor,fuente,modo,n,capturado).- Fuente de verdad:
data/obs/<fuente>.ndjson(append-only, con historial). - Fuentes y volumen: datatur 2,678 · wikipedia 220 · compendio 180 · googleplaces 60 · booking 10 · insideairbnb 6 · opensky 6.
2. Cobertura por métrica (11 métricas)
| métrica | destinos | fuente |
|---|---|---|
llegadas_turistas | 7 | datatur (UPM, extranjeros por aeropuerto) |
ocupacion_hotelera | 8 | datatur (Monitoreo) + insideairbnb (CDMX) |
precio_hospedaje | 10 (+CDMX) | booking (navegador local) + insideairbnb |
rating, reviews_conteo, menciones_caro | 10 | googleplaces |
vistas_wikipedia | 10 | wikipedia |
cuartos_oferta, establecimientos_oferta | 10 (estatal) | compendio |
llegadas_vuelo | 3 hubs | opensky |
anfitriones_multi | 1 (CDMX) | insideairbnb |
3. Corpus de texto (para tópicos/sentimiento)
data/corpus/<slug>.jsonl— social: 430 docs (Twitter + prensa).data/corpus/youtube_<slug>.jsonl— 2,886 comentarios (YouTube, free tier).- Airbnb CDMX: 1.7M reseñas (no se guarda;
scripts/reviews_airbnb.pyrecalcula).
4. Archivos crudos generados (modo file)
data/raw/: datatur.csv (UPM) · booking.csv (Playwright) · oferta.csv (Compendio).
5. Scripts reproducibles (scripts/)
| script | genera |
|---|---|
datatur_desde_upm.py | llegadas extranjeras (SECTUR/UPM) |
ocupacion_desde_monitoreo.py | ocupación por centro turístico (ZIP Monitoreo) |
precio_booking.mjs | precios Booking (Playwright local) |
oferta_compendio.py | oferta estatal (Compendio Cap. 10) |
corpus_social.py | Twitter (twitterapi.io) + prensa (NewsAPI) |
corpus_youtube.py | comentarios YouTube (free tier) |
reviews_airbnb.py | corpus Airbnb (CDMX) |
sentimiento_corpus.py | sentimiento/tópicos (léxico) |
6. Conectores (TS, contrato único, CONECTORES)
datatur, insideairbnb, googleplaces, aero, sesnsp, trends, sargazo, wikipedia, opensky, booking, compendio — 11 fuentes; typecheck + build limpios.
7. Burbuja_Index
Ya se calcula (precio desbloqueado). Primer corte real: CDMX 1.46 (tensión), Pto Escondido 1.36, Acapulco 1.31, San Miguel 1.16; resto estable.
8. Huecos / decisiones abiertas
- Ocupación canónica: fijar DataTur como fuente del panel (evitar el Airbnb 0.18 vs DataTur 0.52 en CDMX).
- Tulum/Bacalar sin ocupación → proxy “Riviera Maya” y decisión para Bacalar.
- Alineación de periodos (precio/rating 2026-09 vs ocupación 2026-06).
- SESNSP (delitos) y sargazo (NOAA): plantillas listas, falta el CSV.
- TripAdvisor Terra (1,000 gratis) para reseñas nativo + Hotel Pricing.
Decisiones de la sesión (en ~/nef/decisions/)
datatur-upm · ocupacion-monitoreo · corpus-resenas-airbnb · corpus-social · corpus-youtube · precio-booking-e-indice · campanas-patrocinados · resenas-precio-terra · huecos-datos · powerbi-datatur · opensky-evaluacion.