01
Invita a la autocomplacencia
Un sobresaliente provincial transmite que todo funciona y que no hace falta actuar
BiznagaFest
El detector
de verdades
Turismo, territorio, Google Cloud e IA en Málaga
0 / 5 ★
Laura Morillo-Velarde
GDE Google Cloud
laura.morillovelarde@gmail.com
BiznagaFest
2 / 34
Bloque 01 · El problema y enfoque global
La ilusión de
la nota media
4,46 / 5
NOTA MEDIA GLOBAL EN LA PROVINCIA DE MÁLAGA
02
Los extremos se anulan
Mezcla la cala tranquila por la mañana con la calle saturada de madrugada
03
Ceguera para gestionar
Una media global no indica dónde reforzar limpieza, movilidad o descanso
4,87 M
RESEÑAS ANALIZADAS
103 mun.
9 COMARCAS + 11 DIST.
4 fuentes
GMAPS · BOOKING · TRIP · AIRBNB
BiznagaFest
3 / 34
Bloque 01 · El problema y enfoque global
Un «mar de 4,4»
que no discrimina nada
Escala de estrellas (1 ★ a 5 ★)Franja real: 4,17 ★ – 4,61 ★
Los 11 distritos y las 9 comarcas quedan concentrados en la misma banda de color verde.
01
Compresión entre 4,2 y 4,6 ★
Al bajar a los 11 distritos y 103 municipios, casi todos empatan en la misma franja
02
Barrios opuestos, misma nota
El Centro (4,50 ★), Málaga Este (4,47 ★), Ctra. Cádiz (4,44 ★) o Teatinos (4,43 ★) parecen iguales
03
Un mapa teñido del mismo verde
Si todos los barrios salen en verde, no sabes dónde hay ruido, dónde faltan aparcamientos o dónde todo va bien
BiznagaFest
4 / 34
Bloque 01 · El problema y enfoque global
¿Por qué todo
sale en 4,5 ★?
38,2% con «PERO»
RESEÑAS POSITIVAS CON QUEJA OPERATIVA REAL
01
La cortesía con el negocio
Nos da apuro bajarle la nota a un camarero amable y dejamos 4 o 5 estrellas
02
Elogio antes, queja después
Antes del «pero» se aplaude el trato; detrás aparece la incomodidad real
03
Lo que las estrellas no ven
El calor por falta de sombra o la saturación del local quedan ocultos en el texto
5 / 5
Dashboard: «Todo perfecto»
1 · Elogio de cortesía al negocio (lo que da las 5 ★)
«El espeto estaba muy bueno y el camarero fue un encanto...»
PERO · BUT · MAIS · ABER
2 · Lo que queda oculto en el texto (invisible para las estrellas)
«... en la terraza hacía mucho calor porque no había sombrillas y el interior estaba un poco abarrotado.»
Calor · Sin sombrillas
Interior abarrotado
BiznagaFest
5 / 34
Bloque 01 · El problema y enfoque global
Cuatro preguntas que vamos a responder hoy
PREGUNTA 01
¿Qué esconden las estrellas tras el «PERO»?
Separar el halago cortés de la queja real (aparcamiento, colas, precios o ruido) en 4,87 M de reseñas
PREGUNTA 02
¿Dónde se concentra la presión y quién sufre más la fricción?
Medir el peso de la costa y del Centro frente al interior, y comparar al visitante extranjero con el vecino local
PREGUNTA 03
¿Qué barrios y negocios permiten desconcentrar los flujos?
Localizar zonas cercanas con identidad sin agobios y descubrir grandes locales fuera de las rutas saturadas
PREGUNTA 04
¿Cómo ha evolucionado la situación con los años?
Seguir la evolución 2019–2026 en cada sector afectado sin que la media provincial esconda qué mejora y qué se deteriora
BiznagaFest
6 / 34
Bloque 01 · El problema y enfoque globalHOJA DE RUTA · 7 ETAPAS (01 → 07)
El viaje del dato: las 7 etapas de nuestro recorrido
BiznagaFest
7 / 34
ETAPAS 01–03 · REALIDAD, INGESTA Y DATOS
De la señal en
la calle al dato gobernado
1 / 5 ★
BiznagaFest
8 / 34
ETAPA 01 DE 07 · REALIDAD
Una reseña no
vive en el vacío
1 · FUENTES ORIGINALES→2 · BRONZE (PARQUET)→3 · SILVER (LIMPIEZA)
4 Fuentes de Realidad
VOZ DEL VISITANTE + ALOJAMIENTO + CLIMA AEMET + MOVILIDAD MITMA
01
El texto cuenta el síntoma
Nos dice que hubo ruido, colas o calor, pero no qué ocurría alrededor en esa calle
02
El entorno explica el contexto
No es igual una queja a 24 °C que con terral a 38 °C, ni en zona de hoteles que de pisos turísticos
03
Mismo barrio y ventana temporal
Cruzamos el entorno del local con el clima de la temporada, los flujos de paso y la franja citada en el texto
Las 4 Señales del Territorio
Mismo lugar y hora
1 · Voz del Visitante
4,87 M reseñas
Opiniones en 10.402 POIs activos en Google Maps y 45.733 establecimientos unificados (8.706 POIs públicos y 37.027 alojamientos).
2 · Oferta de Alojamiento
11.158 VUT vs 649 hoteles
Censo oficial de pisos turísticos (agregados por celda H3) frente a hoteles reglados en cada barrio.
3 · Clima a Pie de Calle (AEMET)
Picos > 35 °C
Episodios de terral por ventana temporal para distinguir calor climático de falta de sombra.
4 · Movilidad y Flujos (MITMA)
103 municipios
Flujos de paso agregados entre la Costa del Sol, el interior y los distritos de la capital.
BiznagaFest
9 / 34
ETAPA 02 DE 07 · INGESTA
Conservar el dato en
bruto antes de transformarlo
1 · FUENTES ORIGINALES→2 · BRONZE (PARQUET)→3 · SILVER (LIMPIEZA)
✕ Transformar al descargar: si hay un bug o necesitas otro campo, pierdes el JSON/CSV original.
✓ Bronze en Parquet + SHA-256: conserva el dato en bruto y salta lotes repetidos (
return 0). Python · simple_extractor.py · Guardar en Parquet local solo si cambia el hashParquet + SQLite (0 €)
# 1. Calcula SHA-256 y compara contra SQLite (sync_manifest.db)
df_sha256 = compute_dataframe_sha256(df)
existing_sha = get_local_content_hash(self.SOURCE_NAME, table_name)
if hashes_match(existing_sha, df_sha256):
return 0 # Sin cambios: omite escritura Parquet
# 2. Si cambió, persiste en bronze/<source>/<table>.parquet
return write_local_bronze_parquet(
df, source=self.SOURCE_NAME, table_name=table_name,
content_sha256=df_sha256,
)01 · PASO COMÚN
Descarga en formato original
Recibimos el JSON, CSV o Excel en memoria con sus columnas intactas.
→
02 · PASO COMÚN
Cálculo del hash SHA-256
Calculamos el hash sobre los datos reales y lo cruzamos con sync_manifest.db.
SI HASH IGUALSin escritura (
return 0)No escribe en disco ni dispara el pipeline aguas abajo.
SI HASH DIFERENTEGeneración del Parquet
Guarda el lote en bruto en bronze/<fuente>.parquet.
BiznagaFest
10 / 34
ETAPA 03 DE 07 · DATOS
Un esquema para
unificarlos a todos
1 · FUENTES ORIGINALES→2 · BRONZE (PARQUET)→3 · SILVER (LIMPIEZA)
4,87 M → 1 Esquema Silver
DE FUENTES Y ESCALAS DISPARES A UNA TABLA ÚNICA, VALIDADA Y SIN PII
01
4 plataformas en un mismo formato
Pasamos todas las notas a escala 1–5 ★ (Booking va de 0 a 10), unimos sus textos y eliminamos duplicados
02
Score de calidad ISO 8000 y cuarentena
Puntuamos completitud (ID, nota, texto, fecha, municipio INE) y desviamos lotes corruptos a quarantine/
03
Seudonimización SHA-256 y escudo PII
Convertimos el autor en anon:sha256 (name = NULL) y limpiamos [EMAIL], [PHONE] y [URL]
BiznagaFest
11 / 34
ETAPA 04 DE 07 · CONOCIMIENTO
De tablas aisladas
al contexto del territorio
2 / 5 ★
BiznagaFest
12 / 34
ETAPA 04 DE 07 · CONOCIMIENTO
El problema de las fronteras:
el panal Uber H3 a 170 metros
1 · ESPACIO (H3)→2 · TIEMPO (DIM_PERIODS)→3 · SEMÁNTICA (YAML)
170 m de lado (2 manzanas)
NIVEL 9 DE UBER H3 (ESCALA 0–15): DEL DISTRITO A LA CALLE
01
Por qué no bastan los 11 distritos
Son polígonos enormes y desiguales cuyas fronteras parten calles por la mitad y diluyen el problema en la media
02
16 niveles de zoom en Uber H3 (0 a 15)
Elegimos el nivel 9 (170 m de lado) porque equivale a dos manzanas a pie (~0,1 km²)
03
Cómo afecta una zona a las de alrededor
Cada celda está rodeada por 6 zonas vecinas a igual distancia, permitiendo medir cómo el ruido o el gentío se extienden a las calles de al lado
MapLibre GL · 11 Distritos vs Panal H3 (170 m)
Celda 170 m
6 vecinos (k-ring=1)
Malla H3
11 Distritos (D01–D11)
BiznagaFest
13 / 34
ETAPA 04 DE 07 · CONOCIMIENTO
Unificar cada local a 20 metros:
de múltiples chinchetas a 1 POI único
1 · ESPACIO (H3)→2 · TIEMPO (DIM_PERIODS)→3 · SEMÁNTICA (YAML)
1
36.72189, -4.41822
TRIPADVISOR · Entrada C/ Granada, 62
«El Pimpi»
2
36.72176, -4.41803
GOOGLE MAPS · Terraza C/ Alcazabilla (a 18,6 m · ✓ Ancla elegida)
«Bodega Bar El Pimpi»
Cómo decide el algoritmo (master.dim_pois)
1. Misma vertical UNE 178104: Si en el mismo edificio a
2. Qué coordenada gana al unir: Sin medias ciegas (caerían en la calle); gana la chincheta dentro del edificio (
6,3 m conviven Only YOU Hotel y su Restaurante Sonora Sky & Bites, detecta distinto segmento y los mantiene como 2 POIs separados.2. Qué coordenada gana al unir: Sin medias ciegas (caerían en la calle); gana la chincheta dentro del edificio (
ST_Contains) con más reseñas verificadas.
FUSIÓN ≤ 20 M + NOMBRE
10.402 POIs GMaps (45.733 ent.)
Consolida las 4 plataformas en un solo poi_id y celda h3_r9.
RESCATE DE COSTA
14.200 reseñas
Asigna distrito a chiringuitos en la arena, Muelle Uno y calles frontera.
OpenStreetMap · PostGIS ≤ 20 m
✓ POI Maestro Unificado (master.dim_pois · ST_Contains edificio + mayor soporte)
Bodega Bar El Pimpi · 36.72176, -4.41803 (Google Maps)
H3: 893919584d3ffff
D01 · Centro
BiznagaFest
14 / 34
ETAPA 04 DE 07 · CONOCIMIENTO
Relaciones temporales:
un solo calendario oficial
1 · ESPACIO (H3)→2 · TIEMPO (DIM_PERIODS)→3 · SEMÁNTICA (YAML)
01
Desfase al publicar
Se opina semanas después del viaje; por eso anclamos por mes de estancia (stay_date)
02
Formato único ISO 8601
Unificamos "ago 2025" o "2025-3T" en claves enteras period_key (202508 y '2025-Q3')
03
Cruce mensual y trimestral
Unimos el mes (Reseñas, AEMET, MITMA) con censos trimestrales (11.158 VUT) y el año previo
Nota: En ocasiones las reseñas nos darán una información más detallada; lo veremos en la Etapa 05 (Comprensión).
202508
MES DE ESTANCIA
'2025-Q3'
CENSO TRIMESTRAL
202408
AÑO PREVIO (YOY)
BiznagaFest
15 / 34
ETAPA 04 DE 07 · CONOCIMIENTO
Semántica gobernada:
qué añade cada métrica (YAML v2.5)
1 · ESPACIO (H3)→2 · TIEMPO (DIM_PERIODS)→3 · SEMÁNTICA (YAML)
✕ Columna desnuda en SQL: la tabla guarda solo un número mudo y cada equipo escribe su propia fórmula o interpretación.
✓ Conocimiento añadido en YAML: concentra en un único punto qué significa, su regla de agregación, privacidad y contexto IA.
YAML · SOST_DENS_001_densidad_oferta_turistica.yaml
schema v2.5
Ir a bloque:
15px
code: SOST_DENS_001 # Densidad hotelera: plazas de hotel / km²
business_meaning: # 1. Significado de negocio y qué NO incluye
phenomenon: 'concentración espacial de plazas hoteleras por km²'
interpretation: 'valores altos indican mayor presión sobre servicios'
limitations: ['solo hoteles (no incluye pisos turísticos VUT ni camping)']
aggregation: # 2. Regla matemática de agregación
is_additive: false
weight_metric: TERR_SUP_001 # Ponderar siempre por superficie (km²)
invalid_aggregations: [sum, avg_unweighted]
ai_context: # 3. Contexto para la IA y errores habituales
common_misuses: ['sumar densidades entre zonas', 'comparar sin km²']
lineage: # Fuente oficial del dato
survey: 'INE Encuesta de Ocupación Hotelera (EOH) + Superficie INE'
# ... (+310 líneas en el YAML v2.5: quality, statistical_disclosure, bq_integration, analytics_profile... clic para ver entero)328 líneas reales · Haz clic en cualquier columna para hacer zoom
01
Significado de negocio y límites
Documenta qué fenómeno mide, cómo se interpreta y qué deja fuera (ej. solo plazas de hotel INE, sin VUT ni campings)
02
Regla matemática y privacidad
Declara si se puede sumar o no (is_additive: false), su variable de ponderación (km²) y el umbral de secreto estadístico
03
Contexto IA, linaje y columna SQL
Registra qué errores de lectura existen sobre esa métrica (common_misuses), su fuente oficial y su tabla en BigQuery
BiznagaFest
16 / 34
ETAPA 05 DE 07 · COMPRENSIÓN
Leer 4,87 millones
de voces tras la estrella
3 / 5 ★
BiznagaFest
17 / 34
ETAPA 05 DE 07 · COMPRENSIÓN
Paso 1 · El contrato Pydantic único: SinglePassAspectExtraction
1 · IA HÍBRIDA→2 · CRUCE Y PERFILADO→3 · 3 HALLAZGOS CLAVE
Python · Contrato Pydantic único (Local Ollama + Cloud Gemini)
1 sola pasada JSON · temperature = 0.0
class SinglePassAspectExtraction(BaseModel):
# 1. Los 6 ejes operativos (-1.0 muy negativo a +1.0 muy positivo, o None si no se menciona)
service: float | None = Field(None, ge=-1, le=1, description="Trato, camareros y calidad de la comida")
noise: float | None = Field(None, ge=-1, le=1, description="Ruido nocturno, música o jaleo en la calle")
cleanliness: float | None = Field(None, ge=-1, le=1, description="Limpieza del local o basura en la calle")
pricing: float | None = Field(None, ge=-1, le=1, description="Relación calidad-precio, cuenta o cobros")
queues: float | None = Field(None, ge=-1, le=1, description="Colas, esperas de mesa o aparcamiento")
weather_heat: float | None = Field(None, ge=-1, le=1, description="Calor extremo al sol, terraza o lluvia")
# 2. Giro del «PERO», franja horaria vivida en el texto y alerta de ironía / sarcasmo
has_adversative_pivot: bool = Field(False, description="True si contrapone ideas con 'pero' o 'aunque'")
sentiment_before_but: float | None = Field(None, ge=-1, le=1, description="Sentimiento antes del 'pero'")
sentiment_after_but: float | None = Field(None, ge=-1, le=1, description="Sentimiento real tras el 'pero'")
lived_time_slot: TimeSlot = Field("no_especificado", description="Franja inferida ('14:30h', '2 AM')")
suspected_irony: bool = Field(False, description="True si hay sarcasmo o choque estrellas vs texto") BiznagaFest
18 / 34
ETAPA 05 DE 07 · COMPRENSIÓN
Paso 2 · GPU local
con Ollama (92 % a 0 €)
1 · IA HÍBRIDA→2 · CRUCE Y PERFILADO→3 · 3 HALLAZGOS CLAVE
01
12 idiomas sin traducir
Vectorizamos con bge-m3 reseñas en alemán, inglés, francés, neerlandés o español en el mismo espacio
02
92 % resuelto en Ollama
Si estrellas y texto coinciden o tratan 1–2 temas claros, Qwen rellena en local el contrato Pydantic
03
8 % con alerta hacia Gemini
Cuando chocan las estrellas con las palabras o un «PERO» mezcla ≥ 3 temas, salta la alarma a la nube
Semáforo en GPU Local · ¿Qué resuelve Ollama y qué escala?
Contrato Pydantic único
✓ VÍA VERDE EN GPU LOCAL (92 % · OLLAMA BGE-M3 + QWEN)
Estrellas = Texto
Reseñas sin texto, directas o de 1–2 temas sin contradicción (ej.
5 ★ «Espeto increíble y servicio rápido a las 14h») → se puntúan los 6 ejes y la hora en local.
⚠ ALARMA DE COMPLEJIDAD → GEMINI 3.8 FLASH (8 %)
3 disparadores
1. Choque Estrellas vs Palabras (ironía): pone
1 ★ con palabras de elogio («¡Qué maravilla 1h de cola al sol!») o 5 ★ con léxico de ruido/abuso.
2. Conector «PERO» (however / aber) con ≥ 3 ejes: al mezclar elogio y varios problemas en una frase, un modelo de 9B contamina unas notas con otras.
3. Hora o contexto implícito: frases como «cuando cierran los pubs no se pega ojo» que requieren inferir la franja
00:00–06:00.
BiznagaFest
19 / 34
ETAPA 05 DE 07 · COMPRENSIÓN
Paso 3 · Gemini 3.8 Flash
(8 % complejo por < 14 €)
1 · IA HÍBRIDA→2 · CRUCE Y PERFILADO→3 · 3 HALLAZGOS CLAVE
01
Desenreda cláusulas sin contaminar ejes
Separa el elogio antes del «PERO» (+0,95 al trato y al pescaíto) de las 3 quejas posteriores en la misma frase
02
Los 6 ejes + la franja horaria vivida
Puntúa cada eje mencionado (-1 a +1), deja el resto en null e infiere la hora («a partir de las 12 de la noche»)
03
Batch API (-50 %) + Context Caching (-75 %)
Enviamos las ~390.000 reseñas complejas en lotes con el prompt cacheado y el mismo contrato Pydantic
Anatomía de una reseña del 8 % complejo
response_schema = Pydantic
RESEÑA EN TERRAZA · 4 ★ (4 TEMAS + HORA)
Alerta semáforo
«El pescaíto espectacular y los camareros súper atentos, PERO a partir de las 12 de la noche en la terraza no se podía ni hablar del jaleo en la calle, tardaron casi una hora en traernos la cuenta y encima nos clavaron el pan.»
✕ MODELO PEQUEÑO (3B–9B)
Contamina ejes
Al ver tres quejas seguidas tras el «PERO», arrastra el enfado al primer bloque (baja
service a -0.20 a pesar del elogio inicial) o pierde la última queja del pan.
✓ SALIDA GEMINI 3.8 FLASH
1 pasada · Batch + Caché
service: +0.95
Pescaíto y trato
noise: -0.90
Jaleo en la calle
queues: -0.75
1h por la cuenta
pricing: -0.60
Cobro del pan
giro: +0.95 / -0.75
Antes / tras PERO
slot: 00:00–06:00
«12 de la noche»
BiznagaFest
20 / 34
ETAPA 05 DE 07 · COMPRENSIÓN
El ahorro de los 3 pasos: de 1.450 € a menos de 14 €
1 · IA HÍBRIDA→2 · CRUCE Y PERFILADO→3 · 3 HALLAZGOS CLAVE
COMPARATIVA SOBRE EL MISMO MODELO (GEMINI 3.8 FLASH) · 4,87 MILLONES DE RESEÑAS
Ahorro total: -99,0 %
| Dimensión / Paso aplicado | A lo bruto (100 % Nube individual) | Con los 3 pasos (Motor híbrido) | Impacto |
|---|---|---|---|
| Paso 1 · Pasadas por reseña | 5 llamadas separadas por reseña | 1 sola pasada JSON (contrato Pydantic) | 5x menos llamadas |
| Paso 2 · Reseñas directas (92 % · 4,48 M) | API en la nube (pago por token) | GPU local con Ollama (bge-m3 + Qwen · 0 €) | 0 € en el 92 % |
| Paso 3 · Envío del 8 % complejo (~390k) | Peticiones sueltas sin caché | Batch API (-50 %) + Context Caching (-75 %) | -75 % en prompt |
| Tiempo total de ejecución | 38 horas | 2,4 horas | -93,7 % tiempo |
| Coste total (en Gemini 3.8 Flash) | 1.450 € / ejecución | < 14 € / ejecución | -99,0 % coste |
BiznagaFest
21 / 34
ETAPA 05 DE 07 · COMPRENSIÓN
Huella de los 6 ejes
por distrito tras el «4,5 ★»
1 · IA HÍBRIDA→2 · CRUCE Y PERFILADO→3 · 3 HALLAZGOS CLAVE
01
La media de estrellas aplana la ciudad
Centro (4,50 ★), Málaga Este (4,47 ★) y Teatinos (4,43 ★) parecen idénticos si solo miras su nota global
02
Telaraña de los 6 ejes (anillo neutro 0,0)
Fuera del anillo ámbar están las fortalezas (+0,88 en trato); dentro del anillo, las fricciones reales (-0,64 en ruido)
03
Una receta distinta para cada distrito
Actuar en convivencia nocturna en el Centro, movilidad al mediodía en el Este y proteger las joyas de barrio
Huella ABSA (6 ejes) · Selecciona un distrito
Nota media: 4,50 ★ · 1,05 M reseñas
Diagnóstico D01 Centro: Hostelería sobresaliente (+0,88), pero fuerte fricción en ruido nocturno (-0,64) y esperas (-0,55).
Pico: 00:00–06:00
BiznagaFest
22 / 34
ETAPA 05 DE 07 · COMPRENSIÓN
Suavizado bayesiano:
por qué cambia la media de tantos sitios
1 · IA HÍBRIDA→2 · CRUCE Y PERFILADO→3 · 3 HALLAZGOS CLAVE
✕ El espejismo de la media simple: distorsiona la nota de miles de locales, celdas
H3 y pueblos pequeños (con 3 amigos suben a 5,0 ★ o con 2 quejas caen a 3,50 ★).✓ Corrección bayesiana relevante: pondera la nota del sitio (
n) con un colchón comarcal (m = 50) tanto en estrellas (1–5 ★) como en los 6 ejes.
Balanza Bayesiana (Estrellas 1–5 ★ y 6 ejes)
m = 50 reseñas de colchón
Nota Justa =
(n · Nota Local)
+
(m · Media Comarca)
n (reseñas reales) + m (50 de colchón comarcal)
Pueblo pequeño
n = 12 reseñas
(12 × 3,50 ★) + (50 × 4,45 ★)
12 + 50 = 62 (19% local · 81% com.)
Ciudad / Distrito
n = 50.000
(50.000 × 4,47 ★) + (50 × 4,45 ★)
50.000 + 50 = 50.050 (99,9% local · 0,1% com.)
4,47 ★ (bruta)
→
4,47 ★
01
La trampa de las muestras pequeñas (n = 12)
En un pueblo con 12 reseñas, dos malas notas por lluvia hunden su media bruta a 3,50 ★
02
Balanza con paracaídas comarcal (m = 50)
Sumamos un colchón de 50 reseñas con la media de su comarca (4,45 ★) que estabiliza la nota en 4,26 ★
03
En la nota media y en los 6 ejes
Con > 50.000 reseñas manda el dato local (99,9 %); en pueblos o celdas H3 evita falsas alarmas
BiznagaFest
23 / 34
ETAPA 05 DE 07 · COMPRENSIÓN
Cruzar quejas con el territorio:
la matriz de correlación en cada hexágono
1 · IA HÍBRIDA→2 · CRUCE Y PERFILADO→3 · 3 HALLAZGOS CLAVE
01 · CÁLCULO EN BIGQUERY (FUNCIÓN CORR)
Los 6 ejes de reseñas × las 4 fuentes físicas
Unimos por hexágono H3 y periodo los 6 ejes extraídos del texto (filas) con los datos oficiales del territorio (columnas) y calculamos CORR(queja, dato).
02 · QUÉ NOS DESCUBREN EL ROJO Y EL GRIS
Separar problemas del entorno y problemas del local
El rojo (≥ 0,70) revela con qué factor de la calle sube cada queja. En cambio, al ver «Trato y comida» siempre en gris (< 0,15), deducimos que no depende del barrio sino del propio local.
03 · FILA 1: PISOS VUT (+0,82) VS. HOTELES (+0,14)
Por qué el ruido nocturno no es «turismo en general»
Al separar el alojamiento reglado en dos columnas, vemos que el ruido nocturno se dispara con los pisos VUT (+0,82, rojo) pero no con los hoteles (+0,14, gris).
Mapa de calor · BigQuery
CORR(queja_h3, dato_h3)
Cruce por celda H3 (170 m) · FDR q < 0,05
< 0,20 · Nula
0,20–0,39 · Baja
0,40–0,69 · Media
≥ 0,70 · Fuerte
6 ejes reseñas ↓
Fuentes físicas →
Pisos VUT
11.158 VUT
Hoteles
649 hoteles
MITMA
Movilidad
AEMET
Calor °C
1. Ruido nocturno
+0,82
+0,14
+0,18
+0,12
2. Colas y parking
+0,31
+0,16
+0,79
+0,08
3. Clima / sombra
+0,05
+0,07
+0,14
+0,76
4. Limpieza / calle
+0,48
+0,11
+0,56
+0,15
5. Calidad-precio
+0,58
+0,34
+0,22
+0,04
6. Trato y comida
+0,09
+0,11
+0,08
+0,06
Motor SQL (BigQuery):
SELECT CORR(a.value, b.value) AS pearson_r FROM panel a JOIN panel b USING (region_id, period_key)
0,00 = independiente · +1,00 = suben juntos
BiznagaFest
24 / 34
ETAPA 05 DE 07 · COMPRENSIÓN · DE SILVER A GOLD (1,13 M DE AUTORES PERFILADOS)
De Silver a Gold: datos cruzados y clasificación de cada usuario
1 · IA HÍBRIDA→2 · CRUCE Y PERFILADO→3 · 3 HALLAZGOS CLAVE
① QUÉ DICE (CONTENIDO IA)
6 ejes (
-1..+1) + «PERO»② DÓNDE OCURRE (TERRITORIO)
POI + celda
H3 r9 + VUT③ CUÁNDO SE VIVE (TIEMPO)
Mes + hora + clima AEMET
④ QUIÉN HABLA (AUTORES)
1,13 M hashes
anon:sha256 ↓
01 · VÍNCULO CON MÁLAGA
Huella anual del hash
Turista vs. vecino
1. Turista (puntual)
60,0 % · 4,49 ★
2. Vecino (todo el año)
40,0 % · 4,51 ★
Señal: Meses y barrios donde opina el hash + frases como «vivo en el barrio».
02 · EXPERIENCIA DEL AUTOR
65,4 % Local Guides
Experto vs. casual
1. Experto (>50 res.)
41,2 % · 4,43 ★
2. Intermedio (5–50 res.)
24,2 % · 4,47 ★
3. Casual (1–4 res.)
34,6 % · 4,49 ★
Sensor temprano: El Experto es más exigente (-0,06 ★) y detecta antes las caídas.
03 · IDIOMA DE LA RESEÑA
25 idiomas detectados
Español vs. idioma extranjero
1. En Español (nacional)
76,0 % · 4,49 ★
2. Extranjero (25 lenguas)
24,0 % · 4,49 ★
Rigurosidad: Clasificamos el idioma del texto, sin inventar nacionalidades.
BiznagaFest
25 / 34
ETAPA 05 DE 07 · COMPRENSIÓN · HALLAZGO 1 DE 3
Hallazgo 1: la paradoja de la
fama detrás del «pero»
1 · IA HÍBRIDA→2 · CRUCE Y PERFILADO→3 · 3 HALLAZGOS CLAVE
01
Qué sostiene el 4,46 ★ en Málaga
Al analizar los temas del texto, la gente aplaude el trato amable (+0,76) y la comida (+0,71)
02
Qué esconde esa nota tras el «PERO»
Esas mismas reseñas de 4 y 5 ★ se quejan de aparcar (-0,52), de las colas (-0,48) y de los precios (-0,41)
03
Dónde más ocurre: iconos y pueblos joya
En los bares más famosos del Centro (1 de cada 4 reseñas con queja de colas) y en Nerja, Frigiliana o Ronda
1 · Media provincial por tema
Escala -1 a +1
Antes del «PERO» (4,46 ★)
Trato y hospitalidad+0,76
Comida y autenticidad+0,71
Detrás del «PERO» (oculto)
Aparcar y moverse-0,52
Colas y masificación-0,48
Subida de precios-0,41
2 · Ejemplos reales donde más ocurre
Nota ★ vs. queja
Zona o Destino (Nota)
Lo que enamora (Antes)
La queja tras el «PERO»
Bares icono del Centro
4,3 ★ a 4,7 ★ (≥ 500 res.)
Tapas y trato de 10
La Tranca 4,68 ★ · Casa Lola 4,31 ★
25,65 % se queja de colas
1 de cada 4 reseñas
Nerja y Frigiliana
4,45–4,62 ★ (3.158 POIs)
Calas y pueblo blanco
Balcón de Europa 4,71 ★
9,3 % quejas de saturación
Atascos y parking
Ronda
4,48 ★ (1.371 POIs)
15,77 % elogia su encanto
Tajo y casco antiguo
7,5 % quejas de saturación
Accesos y Puente Nuevo
BiznagaFest
26 / 34
ETAPA 05 DE 07 · COMPRENSIÓN · HALLAZGO 2 DE 3
Hallazgo 2: dos Málagas por territorio, idioma y vecino
1 · IA HÍBRIDA→2 · CRUCE Y PERFILADO→3 · 3 HALLAZGOS CLAVE
01 · CONCENTRACIÓN
87,7 % en la costa
Costa y Centro vs. Interior
3 comarcas de costa suman el 87,7 %; el interior lidera en ★.
Costa (3): 87,7 %
Interior (6): 12,3 % (4,5 ★)
Zoom Capital (Centro: 80,8 %)
4.380 VUT · 4.420 €/m²
El Centro concentra 4 de cada 5 reseñas y desplaza presión hacia Humilladero y Ctra. Cádiz.
02 · IDIOMA (24 % EXTRANJERO)
Misma ★ · +24,5 % quejas
Turista extranjero vs. español
Misma nota ★, pero el extranjero sufre +24,5 % de colas.
Nota media en estrellas (empatados)
4,49 ★ = 4,49 ★
Español (76%)
4,49 ★
Extranjero (24%)
4,49 ★
Reseñas con queja de colas y esperas
+24,5 % en extranjero
Español
8,2 %
Extranjero
10,2 %
Últimos 3 años (+3,0 pp)
23,3 % (2023) → 26,3 % (2026)
Supera 1 de cada 4 reseñas y acude a los mismos iconos.
03 · VECINO LOCAL (40 %)
Nota Vecino vs. Turista
Vecino de Málaga vs. turista
Nota del vecino frente al turista por sector.
Turista ocasional
Vecino (40 %)
1. Mercados
Brecha: -1,26 ★
Turista
4,50 ★
Vecino
3,24 ★
2. Hostelería
Brecha: -1,12 ★
Turista
4,52 ★
Vecino
3,40 ★
3. Museos y cultura
Brecha: -0,39 ★
Turista
4,63 ★
Vecino
4,24 ★
¿Por qué cae en mercados y bares?
Subida de precios y pérdida de comercio de barrio.
BiznagaFest
27 / 34
ETAPA 05 DE 07 · COMPRENSIÓN · HALLAZGO 3 DE 3
Hallazgo 3: barrios con identidad
y «Joyas Invisibles» sin agobios
1 · IA HÍBRIDA→2 · CRUCE Y PERFILADO→3 · 3 HALLAZGOS CLAVE
01
Barrios con identidad y sin agobios
Al restar las quejas de saturación a los elogios de autenticidad, Puerto de la Torre (+4,75 pp) y Bailén-Miraflores (+4,64 pp) lideran frente al Centro (-2,69 pp)
02
135 «Joyas Invisibles» consolidadas (4,73 ★)
Entre los 1.538 locales consolidados de cara al público (sin alojamientos), afloran 135 sitios con 15,2 % de autenticidad y sin colas ocultos tras los rankings
03
176 «Bastiones Locales» de referencia (4,46 ★)
Negocios tradicionales consolidados donde come el vecino sin sobreprecio (15,9 % autenticidad), frente a 47 locales en trampa turística (3,51 ★) y 115 en declive
1 · Barrios: Autenticidad vs. Saturación
← Saturación | Autenticidad →
Pto. de la Torre (13,3%)
+4,75 pp
Bailén-Miraflores (8,4%)
+4,64 pp
C. Cádiz / Málaga Este
-2,36 pp
Centro Histórico (11,1%)
-2,69 pp
2 · Ejemplos detectados
Restaurante
Bodega
Mercado
Cultura
Joyas Invisibles · 135 consolidadas
4,73 ★ · 15,2 % autenticidad
tapeArte
·
Bailén-Miraflores
4,61 ★
Esquina Padilla
·
Bailén-Miraflores
4,76 ★
La Caja Blanca
·
Teatinos
4,65 ★
Dólmenes de Antequera
·
Antequera
4,54 ★
Bastiones Locales · 176 consolidados
4,46 ★ · 0 % sobreprecio
Venta El Túnel
·
Puerto de la Torre
4,50 ★
Mercado de Huelin
·
Carretera de Cádiz
4,40 ★
Antigua Casa de Guardia
·
Centro (1840)
4,59 ★
Teatro Cervantes
·
Centro
4,62 ★
BiznagaFest
28 / 34
ETAPAS 06 Y 07 · ACCIÓN Y APRENDIZAJE
Del diagnóstico en el cajón
a decidir y medir en la calle
4 / 5 ★
BiznagaFest
29 / 34
ETAPA 06 DE 07 · ACCIÓN
Agentes MCP
con cero alucinaciones
1 · ACCESO MCP→2 · FLUJOS Y GEMELOS→3 · EVOLUCIÓN REAL
01 · PUERTA DE ACCESO
Consultar en lenguaje natural sin inventar
Cualquier usuario o agente pregunta en español sin escribir SQL libre ni inventar fórmulas o decimales
02 · @MCP.TOOL
El LLM traduce; el catálogo calcula
Solo invoca funciones tipadas (get_metric_definition y get_metric_value) con guardrails e InfoHint ⓘ
03 · CASO REAL HOY
Esta presentación se ha auditado vía MCP
Las cifras de estas 34 diapositivas se han consultado y verificado contra los 18 Parquets Gold usando este MCP
Flujo real · Servidor MCP semantic-catalog
0 % alucinación
1 · USUARIO PREGUNTA EN LENGUAJE NATURAL
Sin escribir SQL
«¿Qué saturación tiene el Centro (D01) frente a Bailén-Miraflores (D04) y cómo se interpreta?»
2A · get_metric_definition
YAML v2.5
code = "REP_SAT_001"
Cómo se interpreta (
ⓘ): % de reseñas con texto que citan colas o masificación. Equilibrio local: < 0,20 %.
2B · get_metric_value
Guardrail I5 ✓
code = "REP_SAT_001" (D01, D04)
Valores oficiales:
•
•
•
D01 Centro: 0,89 % (1,05 M res.)•
D04 Bailén: 0,14 % (6.865 res.)
3 · RESPUESTA CERTIFICADA (DATO + INTERPRETACIÓN)
Dato + Sentido ⓘ
«El Centro sufre 6,4 veces más saturación (
0,89 %) que Bailén-Miraflores (0,14 %). Según la definición oficial de REP_SAT_001, Bailén está en equilibrio local (< 0,20 %), mientras el Centro supera el umbral crítico por colas en hora punta.»
Caso real: Esta presentación se ha auditado contra los 18 Parquets Gold vía
MCP.
18/18 Parquets ✓
BiznagaFest
30 / 34
ETAPA 06 DE 07 · ACCIÓN
Ningún barrio es una isla:
flujos reales entre la costa y el Centro
1 · ACCESO MCP→2 · FLUJOS Y GEMELOS→3 · EVOLUCIÓN REAL
01 · RESEÑAS
Identificar saturación y Joyas
Señalan la zona en rojo con quejas de colas y aparcamiento (D01 Centro, -0,55) y los POIs de Joyas Ocultas (★ 4,8 sin esperas)
02 · MITMA
Conocer los flujos hacia la zona saturada
Las flechas azules (➤) muestran que el 36 % de esa saturación viene de desplazamientos desde la costa en horas punta
03 · VALHALLA
Alternativas dentro de un tiempo máximo
La isócrona verde (≤ 15 min reales) muestra qué Joyas Ocultas recomendar para comer o visitar sin sufrir la saturación
Capas del mapa:
1 · RESEÑAS (ROJO + ★)
Zona saturada (
D01) y Joyas (★ 4,8).2 · MITMA (FLUJO 36 %)
36 % del flujo sube desde la costa.
3 · VALHALLA (≤ 15 MIN)
Isócrona ≤ 15 min con Joyas sin colas.
BiznagaFest
31 / 34
ETAPA 06 DE 07 · ACCIÓN
Gemelos territoriales con
distancia de Gower
1 · ACCESO MCP→2 · FLUJOS Y GEMELOS→3 · EVOLUCIÓN REAL
01 · UTILIDAD REAL
Compararte con tu misma especie (no con la costa)
Comparar Ronda con Marbella no sirve: buscamos en España otro casco histórico encajonado que viva exactamente la misma presión
02 · MÉTODO GOWER
Cruzar nuestras 4 fuentes en escala 0–1
Normaliza las fuentes de la charla: reseñas (★ y «PERO»), movilidad MITMA, planta hotelera/VUT y clima AEMET
03 · ESPEJO RONDA ↔ ALBARRACÍN
95 % de similitud estructural (S = 0,95)
Permite compartir diagnóstico entre ciudades hermanas y comprobar qué medidas reducen de verdad las quejas frente a su gemelo
Espejo · Ronda ↔ Albarracín
Similitud Gower: 95 %
RONDA · 4,53 ★ (202.360 res.)
Ronda · Puente Nuevo y Tajo
Casco histórico sobre el cañón
ALBARRACÍN · GEMELO AL 95 %
Albarracín · Muralla y Turia
Misma morfología sin ensanche
Radiografía compartida al 95 %
S = 0,95
1 · RESEÑAS (ENCANTO Y «PERO»)
4,53 ★ (15,8 % encanto), pero parking (-0,52) y colas (-0,48).
2 · MOVILIDAD MITMA (EXCURSIÓN)
+128,7 % población flotante en 6 h centrales.
3 · ALOJAMIENTO (HOTEL Y RURAL)
Menor presencia de pisos turísticos que en la costa.
4 · CLIMA AEMET (VERANO)
Veranos de 37,8 °C que impactan en la nota por cuestas al sol.
Utilidad: evaluar aparcamientos previos al cañón e impulso de pernocta frente a su gemelo.
BiznagaFest
32 / 34
ETAPA 07 DE 07 · APRENDIZAJE
De la foto fija a la película (2019–2026):
cuando suben las ★ pero cambian los barrios
1 · ACCESO MCP→2 · FLUJOS Y GEMELOS→3 · EVOLUCIÓN REAL
01 · ETAPA 05 VS ETAPA 07
De la radiografía hoy a la película por sector
La Etapa 05 fotografiaba dónde duele hoy; la Etapa 07 sigue la evolución (2019–2026) por sector para que la media provincial no diluya las alertas
02 · EN ATRACTIVOS Y BARES
Más oferta (+53 % zonas) y -30 % colas por local
Al abrirse locales en nuevas zonas (246 → 377), sube la nota media (4,38 → 4,62 ★) y se reparte mejor la espera por establecimiento
03 · POR SECTOR (2019–2026)
Clásicos en declive, precios y ruido
Entre los 1.538 locales consolidados afloran 115 clásicos en declive (≤ -0,25 ★ en 24m y 19,4 % disonancia), +127 % en sobreprecio (47 en trampa a 3,51 ★) y ×6 en ruido del Centro (61/100)
Evolución 2019 → 2026 · Por Sector
Sin diluir en la media
✓ OFERTA GENERAL
-30 % colas · +53 % zonas
2019: 246 zonas (4,38 ★)
2026: 377 zonas (4,62 ★)
⚠ Qué vigilamos en cada sector (2019 → 2026)
1 · CLÁSICOS EN DECLIVE (24M)
115 locales · ≤ -0,25 ★
Nota: 4,29 → 4,16 ★
19,4 % queja tras «PERO»
2 · HOSTELERÍA Y MERCADOS
+127 % queja sobreprecio
Vecino: -1,26 ★ mercados
Hoy: 9,9 % · 47 trampa (3,51 ★)
3 · HOTELES Y VUT CENTRO
×6 ruido · 61/100 en D01
Este (D02): 14/100
Centro (4.380 VUT): 61/100
BiznagaFest
40 / 51
CAPÍTULO 06 · APERTURA DE BLOQUEDemo en vivo
Apertura bloque 6:
el workbench interactivo en vivo
5 / 5 ★
De la arquitectura a la pantalla real: Recorremos en vivo las etapas de Conocimiento, Comprensión, Acción y Aprendizaje
Cinco pestañas sincronizadas: 1. Mapa H3, 2. Motor «PERO», 3. Gemelos Gower, 4. Simulador CQR y 5. Copiloto MCP
Integrado dentro de las slides: Exploramos los 103 municipios y 11 distritos sin salir de pantalla completa
Málaga · 103 mun · H3
BiznagaFest
41 / 51
DEMO EN VIVO · SLIDE 40
Mapa H3 en 103 municipios y 11 distritos
Navegación en vivo entre los 103 municipios, 9 comarcas y 11 distritos de Málaga
Abrir pestaña completa ↗
BiznagaFest
42 / 51
DEMO EN VIVO · SLIDE 41
VUT (11.158) vs ruido en Centro y Este
Vemos cómo coinciden en la misma celda la densidad de VUT y el ruido (61/100)
Abrir pestaña completa ↗
BiznagaFest
43 / 51
DEMO EN VIVO · SLIDE 42
El caza-«PEROs» y las 6 dimensiones ABSA
El motor subraya en verde el elogio al servicio y en rojo la queja tras el «PERO»
Abrir pestaña completa ↗
BiznagaFest
44 / 51
DEMO EN VIVO · SLIDE 43
La paradoja de Nerja, Ronda y Frigiliana
En Nerja, Ronda y Frigiliana contrastamos el 4,75 ★ emocional con el pico horario
Abrir pestaña completa ↗
BiznagaFest
45 / 51
DEMO EN VIVO · SLIDE 44
Gemelos territoriales con Gower
Elegimos cualquier distrito o municipio para calcular sus gemelos en 12 dimensiones
Abrir pestaña completa ↗
BiznagaFest
46 / 51
DEMO EN VIVO · SLIDE 45
Simulador CQR al 90% antes de actuar
Simulamos desvío de flujo del Centro D01, toldos de sombra o regulación nocturna
Abrir pestaña completa ↗
BiznagaFest
47 / 51
DEMO EN VIVO · SLIDE 46
Auditoría causal DiD (Centro vs Humilladero)
Contrastamos la banda simulada con el efecto medido por Difference-in-Differences
Abrir pestaña completa ↗
BiznagaFest
48 / 51
DEMO EN VIVO · SLIDE 47
Copiloto RAG y MCP sobre 709 métricas
Consultamos en vivo cualquier municipio, distrito o hexágono sin escribir SQL
Abrir pestaña completa ↗
BiznagaFest
34 / 41
ETAPA 06 DE 07 · ACCIÓN
Simular sin mentir:
horquilla CQR al 90%
1 · FLUJOS Y CONSULTA→2 · SIMULAR ANTES DE ACTUAR→3 · AUDITAR A POSTERIORI
01
Prohibido el punto único («-8,37 %»)
Prometer un decimal exacto en una calle viva engaña y oculta el riesgo.
02
Regresión Cuantílica Conformalizada (CQR)
Predice suelo y techo (LightGBM) y calibra la anchura con errores reales pasados.
03
Peor escenario garantizado ([-12%, -4%])
En 9 de cada 10 casos acierta la banda: sabes que como mínimo reduces un -4 %.
Simulador What-If · CQR al 90%
Garantía ≥ 90%
✕ PUNTO ÚNICO (PROHIBIDO)
«Bajará un -8,37 %»
Finge certeza total y oculta si la calle tiene poca muestra.
✓ HORQUILLA HONESTA CQR
Banda [-12,0 %, -4,0 %]
En 9 de cada 10 casos cae dentro: mínimo mejoras
-4 %.ESCENARIO WHAT-IF: DESVÍO DE FLUJO DESDE CENTRO (D01)
Mejor: -12,0%
Mediana -8,1%
Mínimo: -4,0%
1 · CUANTILES (LIGHTGBM)
Predice suelo (
q₀.₀₅) y techo (q₀.₉₅) en vez de la media.2 · AJUSTE CONFORMAL
Corrige el ancho con los fallos reales del pasado (sin Gauss).
BiznagaFest
35 / 41
ETAPA 07 DE 07 · APRENDIZAJE
Cerrar el bucle
6 meses después
1 · FLUJOS Y CONSULTA→2 · SIMULAR ANTES DE ACTUAR→3 · AUDITAR A POSTERIORI
Málaga
103 mun · 9 comarcas · 11 dist · H3 170 m
07 Aprendizaje · Memoria + Mejora
1,00RAG + MCP SSOT
RealityOpsCQR
01
El paso que casi nadie ejecuta
Se inauguran muchos planes, pero casi nunca se audita medio año después si funcionaron
02
Comparar «antes vs después» engaña
Si cambia el clima o la temporada, una bajada bruta no demuestra que fuera mérito tuyo
03
Motor de auditoría RealityOps
Confrontamos automáticamente la banda que predijo CQR con el impacto real en la calle
BiznagaFest
36 / 41
ETAPA 07 DE 07 · APRENDIZAJE
Inferencia
causal Difference-in-Differences
1 · FLUJOS Y CONSULTA→2 · SIMULAR ANTES DE ACTUAR→3 · AUDITAR A POSTERIORI
✕ Comparar solo antes vs después: confunde el efecto de tu medida con cambios de clima o temporada.
✓ Difference-in-Differences (DiD): descuenta la tendencia general usando gemelos Gower como control (
k-ring ≥ 3). Python · RealityOps · Evaluación causal diferencias en diferenciasDiD + controles Gower
# Etapa 07 Aprendizaje: Y_it = α + γ·D_i + λ·T_t + τ_DiD·(D_i × T_t) + ε_it
did_result = realityops.evaluate_intervention(
treated_h3=centro_d01_high_vut_cells,
control_h3=gower_matched_controls_k_ring_gt_3,
pre_window='2025-Q1..Q2', post_window='2025-Q3..Q4'
)
# Estrellas: +0,24★ (4,38→4,62★) | Rebote: 8x brunch, +127% precio, 6x ruido01
Aislar el efecto neto de la medida
Descontamos la tendencia general de Málaga para medir solo el impacto real ($\tau_{DiD}$)
02
Celdas tratadas vs gemelos Gower
Comparamos los hexágonos intervenidos frente a sus gemelos de control sin intervención
03
Tests de tendencias paralelas
Verificamos matemáticamente que ambos grupos evolucionaban igual antes del cambio
BiznagaFest
38 / 41
ETAPA 07 DE 07 · APRENDIZAJE
Memoria institucional
con W3C PROV-O
1 · FLUJOS Y CONSULTA→2 · SIMULAR ANTES DE ACTUAR→3 · AUDITAR A POSTERIORI
Málaga
103 mun · 9 comarcas · 11 dist · H3 170 m
07 Aprendizaje · Memoria + Mejora
1,00RAG + MCP SSOT
W3C PROV-OSHA-256
01
Que la ciudad no olvide lo aprendido
Cuando cambian los equipos, suele perderse qué se probó y qué resultado dio
02
Ledger W3C PROV-O + SHA-256
Sellamos cada extracción, modelo dbt, simulación CQR y auditoría DiD
03
Un ciclo que vuelve más inteligente
Los errores corregidos recalibran los pesos para la siguiente vuelta por las 7 etapas
BiznagaFest
33 / 34
CAPÍTULO 07 · APERTURA DE BLOQUEConclusiones en 2 diapositivas
Respuestas a las
cuatro preguntas iniciales
5 / 5 ★
1 · ¿Qué esconden las estrellas tras el «PERO»?: El trato (+0,76) y la comida (+0,71) sostienen el 4,46 ★, pero tapan parking (-0,52), colas (-0,48; 25,65 % en iconos) y precios (-0,41)
2 · ¿Dónde se concentra la presión y quién sufre más la fricción?: La costa concentra el 87,7 % y el Centro el 80,8 % de la capital (4.380 VUT); el idioma extranjero sufre +24,5 % más colas y el vecino da -1,26 ★ en mercados
3 · ¿Qué barrios y negocios permiten desconcentrar los flujos?: Puerto de la Torre (+4,75 pp) y Bailén-Miraflores (+4,64 pp) lideran en identidad, con 135 Joyas (4,73 ★) y 176 Bastiones consolidados a ≤ 15 min para desviar el 36 % del flujo costa→Centro
4 · ¿Cómo ha evolucionado la situación con los años?: De 2019 a 2026 sube la oferta general (4,38 → 4,62 ★ y -30 % colas/local), pero por sector afloran 115 clásicos en declive (-0,25 ★), +127 % queja de precio y ×6 ruido VUT en el Centro (61/100)
BiznagaFest · Q&A
¡Muchas gracias,
BiznagaFest!
Turno de preguntas · Turismo, territorio, Google Cloud e IA en Málaga
5 / 5 ★
Laura Morillo-Velarde
GDE Google Cloud
laura.morillovelarde@gmail.com