Renta personal y familiar en geomarketing

La renta es un indicador clave en cualquier estudio de geomarketing, ya que, sea cual sea el producto analizado, es seguro que su demanda se relaciona con la capacidad de compra de los potenciales clientes. Pero, ¿cómo calcular un estimador de renta por micromercados?

¿Renta o riqueza? ¿Renta bruta o disponible?

Tendemos a hablar indistintamente de renta, riqueza, capacidad de gasto, estatus, nivel económico, clase social… porque pueden servir al mismo propósito, pero son indicadores diferentes. Defino muy brevemente los más frecuentes, por su utilidad y por la disponibilidad de datos para su estimación.

• Renta bruta: Ingresos totales antes de impuestos y cotizaciones a la seguridad social por cuenta del trabajador.
• Renta disponible: Renta después de impuestos y cotizaciones, constituye mejor indicador de capacidad de gasto, lo que en inglés llaman purchasing power.
• Riqueza: valor total de los activos (reales y financieros) menos deudas. Es decir, se relaciona más con el patrimonio que con los ingresos.
• Renta personal vs renta por hogar: ambas pueden tener sentido. La renta personal es más claramente entendible, y neutraliza la variable «tamaño de hogar» en comparaciones, pero la renta por hogar se adecúa mejor a muchos sectores de consumo: un hogar es una nevera, unas vacaciones, un mobiliario.

Por otro lado, una renta personal «per cápita» incluye los ingresos -nulos o casi- de segmentos inactivos -niños, sobre todo-. Por ello, en ocasiones tiene sentido recurrir a indicadores como renta por declarante -fiscal-, que «descuenta» dicha población no productiva.

Renta por sección censal y macroencuestas públicas

La estimación de renta por sección censal ha sido el único enfoque posible durante muchos años. La manera de estimar la renta de una sección censal sería:

1. Elaborar modelos predictivos de la renta en función de variables de clasificación, principalmente sociodemográficas
2. Aplicar estos modelos a las secciones censales, usando para este cruce las variables sociodemográficas de censos y padrones

A partir de fuentes como la Encuesta de Presupuestos Familiares (INE) y la Encuesta Financiera de las Familias (Banco de España, INE) se puede predecir la renta de una sección censal con notable precisión.

Renta por sección censal, código postal y municipio en open data de administraciones

Las diferentes administraciones liberan datos agregados y anónimos de alto valor para los análisis sociales, económicos, urbanísticos, así como para location intelligence.

Son casos de open data para geomarketing : Catastro, callejeros del INE o el nomenclátor y centro de descargas de la CAM. Por ejemplo, catastro o el análisis de fotografía aérea, permitirían extraer indicadores secundarios para enriquecer un modelo de renta: superficie de la vivienda, jardín o disponibilidad de piscina.

A ellos se ha sumado recientemente la publicación por parte de la AEAT de las estadísticas de declarantes por código postal y municipio, lo que constituye una fuente de enorme riqueza para modelizar la renta de personas u hogares. Eso sí, las limitaciones de tamaño de código postal y municipio aplicadas hacen que solo se informen datos para unos 500 códigos postales y 3.000 municipios.

Renta por sección censal publicada por el INE

Desde fecha reciente el INE publica una interesante explotación de datos de Agencia tributaria que se traduce en renta personal y familiar por sección censal, pero presenta algunas importantes limitaciones:

1. El INE «recorta» valores extremos, que realmente, en esta distribución, no son anomalías ni errores, sino que esta fuerte asimetría está en la naturaleza de la distribución de renta -unos pocos ingresan rentas muy por encima de la media-
2. En la explotación del INE se excluyen datos de las comunidades autónomas de Euskadi y Navarra, con sus propias haciendas forales
3. Finalmente, la renta por sección censal es una buena primera aproximación, pero en muchos análisis de location intelligence se requiere una mayor granularidad espacial -por ejemplo, el grid de 100 metros que usamos-

Otros organismos, como el propio INE o Eurostat, divulgan información de gran valor para estimar la renta de microzonas espaciales, en el contexto de análisis demográficos y urbanísticos.

Renta por barrios, la dificultad de sistematizar

Diversas administraciones locales difunden datos abiertos sobre rentas medias a nivel de barrio. La dificultad en este caso está en recopilar todas estas fuentes, homogeneizar indicadores y unificar tanto indicadores como geometrías de barrios. Nuestra solución ha sido generar, a partir de estas fuentes públicas, una capa única de barrios para todos los municipios de más de 200.000 habitantes -unos 20 en la actualidad-, y extrapolar a esta capa los indicadores de renta descritos anteriormente. La fina granularidad con la que habitualmente trabajamos -grid de 100m y portal- permite una gran precisión en estos procresos de cruce y extrapolación espacial.

Renta e indicadores indirectos, datos online

Además, hoy en día son muchas las fuentes de información que pueden agregar valor a un modelo de renta: precios medios de vivienda publicados en portales inmobiliarios, comercios de lujo en la zona, datos agregados de transacciones con medios de pago electrónicos…

Renta por grid, más allá de la sección censal

Un modelo de renta para geomarketing es más preciso cuanto más fina es su granularidad, esto es, cuanto menor es la unidad espacial en la que se agrupa la información.

Por este motivo, y aprovechando las diferentes granularidades espaciales de los orígenes de datos descritos, lo ideal es «romper» la sección censal y «bajar» a una agregación más fina. Un buen nivel de agregación, entre la sección y el portal, es el grid, cuadrícula de 100m de lado que se muestra en la imagen.

Esta granularidad tan fina es óptima cuando cruzamos y analizamos conjuntamente con otras variables con componente espacial, como pueda ser la velocidad de conexión a internet fija o móvil.

También aporta muy alta precisión si lo que buscamos, más que mapificar y analizar espacialmente, es enriquecer con este estimador de renta la información que tenemos de los clientes, en un proyecto de segmentación o como manera de conocer mejor al cliente online.