Commit dc4d7606 authored by numeroteca's avatar numeroteca

add Donostia: evolution, host and host evolution text and plots

parent 643487e2
......@@ -14,13 +14,13 @@ Este informe esta basado en diferentes bases de datos para ayudar a entender el
Los anuncios de Airbnb son accesibles en su web, pero no es posible descargar toda la oferta para su análisis. Para poder estudiar esos datos hay que recurrir a técnicas de [web-scraping](https://es.wikipedia.org/wiki/Web_scraping).
Para este informe se han usado datos de los proyectos de scraping de [Data Hippo](https://datahippo.org) y [InsideAirbnb](http://insideairbnb.com).
Para este informe se han usado datos de los proyectos de scraping de [Data Hippo](https://datahippo.org) e [InsideAirbnb](http://insideairbnb.com).
{{% figure src="/images/datahippo.imago.png" alt="Datahippo. Proyecto colaborativo para ofrecer datos de diferentes plataformas de alquiler turístico" title="DataHippo. Proyecto colaborativo para ofrecer datos de diferentes plataformas de alquiler turístico" link="https://datahippo.org" caption="Pincha en la imagen para visitar la plataforma DataHippo." %}}
**DataHippo** es un proyecto colaborativo para ofrecer datos de diferentes plataformas de alquiler turístico, como Airbnb o HomeAway y obtiene los datos con diferentes técnicas de [web-scraping](https://es.wikipedia.org/wiki/Web_scraping), compartiéndolos en abierto, con el objetivo de facilitar el análisis y debate sobre este fenómeno. El proyecto nace en el verano de 2017 en Donostia, en el SummerLab organizado por Hirikilabs y Tabakalera y como iniciativa de Montera34 y [Santiago Espinosa](http://saigesp.es).
Los datos de Airbnb de 2017 provienen de **InsideAirbnb** (revisar si vamos a usar los de InsideAirbnb para este informe).
Los datos de Airbnb de 2017 provienen de **InsideAirbnb**.
El número de cada mes es el resultado de calcular el número de anucios activos en ese mes. [Ver metodología](/metodologia/anuncios-activos/) en la que se explica en detalle qué consideramos activos: los anuncios que han tenido actividad el mes en curso o anterior o que tienen fechas disponibles para ser alquilados.
......
......@@ -10,16 +10,8 @@ Los anuncios disponibles o activos en Airbnb tienen, como otras cuestiones relac
En anteriores informes hemos analizado la situación de Airbnb en la ciudad sin tener en cuenta esta estacionalidad. Para analizarla hemos utilizado las evaluaciones (*reviews* en la terminología de Airbnb en inglés) que dejan los usuarios tras completar una estancia. Una evaluación es un comentario público que envía un usuario sobre el alojamiento en el que ha estado. No todos los usuarios dejan esta evaluación y valoración tras acabar una estancia ([ver en la sección metodología cómo se usan valores entre 30 y 72 por ciento](/metodologia/anuncios-activos/)) pero sí que nos sirven como estimación de la cantidad de alquileres y alojamientos activos. Hemos usado los datos de las evaluaciones de InsideAirbnb de abril de 2018 y varias fechas en 2018 para hacer estos análisis.
### Cada punto es una evaluación a un anuncio de Airbnb en Donostia
{{< figure src="/images/donostia/airbnb-reviews-donostia-2012-201811_g.png" alt="Reviews de Airbnb en Donostia 2012-2016." title="Reviews de Airbnb en Donostia 2012-2016." >}}
Cada punto del anterior gráfico representa una evaluación tras una estancia. Se aprecia cómo hay mayor densidad de puntos, esto es, mayor número de evaluaciones, y por tanto de alquileres y alojamientos activos, en torno a los meses de verano. En los siguientes histograma que acumulan varios años lo veremos más claro todavía.
### El verano es la temporada alta
{{< figure src="/images/donostia/airbnb-reviews-por-mes-stacked-donostia-2011-2018.png" alt="Reviews de Airbnb en Donostia 2013-2018." title="Reviews de Airbnb en Donostia 2013-2018." >}}
{{< figure src="/images/donostia/airbnb-reviews-mes-2013-2018_faceted-year.png" alt="Reviews de Airbnb por mes en Donostia 2013-2018." title="Reviews de Airbnb por mes en Donostia 2013-2018." >}}
En todos ellos se repite el mismo patrón: agosto es el mes con más evaluaciones seguidos de julio y luego de septiembre.
......
---
title: "Estacionalidad y evolución"
menuTitle: "Extra"
date: 2018-12-05T13:37:01
weight: 3
draft: true
---
Los anuncios disponibles o activos en Airbnb tienen, como otras cuestiones relacionadas con el turismo, una estacionalidad muy marcada en muchas ciudades. En Donostia es conocida esta cuestión desde el siglo pasado, cuando los veraneantes se instalaban allí para pasar los meses de estío. Parece que sigue siendo práctica habitual que los pisos alquilados a estudiantes sean "desalojados" en verano por quincenas o meses para los veraneantes.
En anteriores informes hemos analizado la situación de Airbnb en la ciudad sin tener en cuenta esta estacionalidad. Para analizarla hemos utilizado las evaluaciones (*reviews* en la terminología de Airbnb en inglés) que dejan los usuarios tras completar una estancia. Una evaluación es un comentario público que envía un usuario sobre el alojamiento en el que ha estado. No todos los usuarios dejan esta evaluación y valoración tras acabar una estancia ([ver en la sección metodología cómo se usan valores entre 30 y 72 por ciento](/metodologia/anuncios-activos/)) pero sí que nos sirven como estimación de la cantidad de alquileres y alojamientos activos. Hemos usado los datos de las evaluaciones de InsideAirbnb de abril de 2018 y varias fechas en 2018 para hacer estos análisis.
### Cada punto es una evaluación a un anuncio de Airbnb en Donostia
{{< figure src="/images/donostia/airbnb-reviews-donostia-2012-201811_g.png" alt="Reviews de Airbnb en Donostia 2012-2016." title="Reviews de Airbnb en Donostia 2012-2016." >}}
Cada punto del anterior gráfico representa una evaluación tras una estancia. Se aprecia cómo hay mayor densidad de puntos, esto es, mayor número de evaluaciones, y por tanto de alquileres y alojamientos activos, en torno a los meses de verano. En los siguientes histograma que acumulan varios años lo veremos más claro todavía.
### El verano es la temporada alta
{{< figure src="/images/donostia/airbnb-reviews-por-mes-stacked-donostia-2011-2018.png" alt="Reviews de Airbnb en Donostia 2013-2018." title="Reviews de Airbnb en Donostia 2013-2018." >}}
{{< figure src="/images/donostia/airbnb-reviews-mes-2013-2018_faceted-year.png" alt="Reviews de Airbnb por mes en Donostia 2013-2018." title="Reviews de Airbnb por mes en Donostia 2013-2018." >}}
En todos ellos se repite el mismo patrón: agosto es el mes con más evaluaciones seguidos de julio y luego de septiembre.
Nota: los datos de las reviews de InsideAirbnb están sesgados en el sentido de que solamente contienen datos de las evaluaciones de los anuncios que en el momento del *scraping* estaban existente. La captura de las evaluaciones se hace a partir de los anuncios encontrados en ese momento, esto es, no se guardan las evaluaciones que sí han existido pero que pertecen a pisos no están en la plataforma. Por eso usamos para este análisis los 7 archivos de 7 fechas diferentes de InsideAirbnb (2018-11-26, 2018-10-20, 2018-09-27, 2018-08-28, 2018-07-31, 2018-04-21 y 2017-03-00), eliminando convenientemente las *reviews* duplicadas, para reducir el sesgo que supone la pérdida de datos de los pisos no encontrados.
Si vemos el mismo gráfico que antes pero coloreando las reviews según cuándo fueron *scrapeadas*:
{{< figure src="/images/donostia/airbnb-reviews-mes-2013-2018_faceted-year_color-scrapdate.png" alt="Reviews de Airbnb por mes en Donostia 2013-2018." title="El color indica la fecha de captura del dato de la review" >}}
Vemos, por ejemplo, que hay una buena parte de las *reviews* de verano de 2016 que no habrían sido capturadas si no fuera por el scraping de marzo de 2017. Es lícito pensar que dada la ausencia de una captura de datos periódica y la volatilidad de los anuncios en Airbnb, estos cálculos resulten conservadores respecto del verdadero número de evaluaciones realizadas. Así que tomaremos estos datos como base de las estimaciones más estrictas.
### Anuncios que tuvieron evaluaciones
Conocer la cantidad de evaluaciones por mes nos permie calcular el número de anuncios a los que pertenecen. De este modo obtenemos los alojamientos que tuvieron una al menos evaluación, esto es, que tuvieron como mínimo una estancia ese mes. En el siguiente gráfico se representan estos alojamientos según su tipo (piso completo, habitación privada o compartida):
{{< figure src="/images/donostia/airbnb-listings-insideairbnb-donostia-with-review-mes-2011-2018_rooom-type_bar.png" alt="Anuncios con reviews de Airbnb por mes en Donostia 2011-2018." title="Anuncios con reviews de Airbnb por mes en Donostia 2011-2018." >}}
Si tenemos en cuenta, como hemos indicado antes, que no todos los usuarios deja una evaluación al terminar una estancia, podemos estimar, usando el 30% como el porcentaje de usuarios que dejan evaluación, el número de anuncios *total* que habrían tenido al menos una estancia (aunque no hubieran recibido evaluación). La línea de puntos indica esa estimación basada en el 30%:
{{< figure src="/images/donostia/airbnb-listings-insideairbnb-donostia-with-review-mes-2011-2017_rooom-type_line_calculated.png" alt="Anuncios con reviews de Airbnb por mes en Donostia 2011-2017." title="Anuncios con reviews de Airbnb por mes en Donostia 2011-2017." >}}
Este resultado se ajusta bastante bien a al análisis de anuncios activos que realiza la empresa Airdna mes a mes, que considera los alojamientos que han tenido una reserva en el mes anterior o tienen fechas disponibles para ser alquilados en el futuro. La línea discontinua (anuncios con review en ese mes según las reviews considerando un 30% de usuarios que deja evaluación, datos de InsideAirbnb) concuerda bastante bien con la línea continua (anuncios activos, datos de Airdna):
{{< figure src="/images/donostia/airbnb-listings-insideairbnb-donostia-with-review-mes-2011-2017_rooom-type_line_calculated_vs_airdna.png" alt="Anuncios con reviews de Airbnb por mes en Donostia 2011-2017 vs Anuncios Activos de Airdna." title="Anuncios con reviews de Airbnb por mes en Donostia 2011-2017 vs Anuncios Activos de Airdna." >}}
Si en vez de hacer la estimación basada en el 30% usamos un intervalo que va del 30 al 70 por ciento, obtenemos unas "zonas" en torno a las cuales se moverán las cifras de los alojamientos turísticos disponibles y activos cada mes.
{{< figure src="/images/donostia/airbnb-listings-insideairbnb-donostia-with-review-mes-2011-2018_rooom-type_line_calculated_vs_airdna_area.png" alt="Anuncios con reviews de Airbnb por mes en Donostia 2011-2017 vs Anuncios Activos de Airdna." title="Anuncios con reviews de Airbnb por mes en Donostia 2011-2017 vs Anuncios Activos de Airdna." >}}
Si además introducimos en el gráfico los valores de las diferentes bases de datos que manejamos vemos cómo se parecen unos y otros y nos permiten evaluar la estimación:
{{< figure src="/images/donostia/airbnb-listings-donostia-with-review-by-room-type_calculated-review-based_airdna_source-points.png" alt="Anuncios con reviews de Airbnb por mes en Donostia 2011-2017 vs Anuncios Activos de Airdna." title="Anuncios con reviews de Airbnb por mes en Donostia 2011-2017 vs Anuncios Activos de Airdna." >}}
## Comparación con Bilbao
Para comparar mostramos el mismo gráfico anterior para la ciudad de Bilbao: la estacionalidad no está tan marcada, aunque el pico de alojamientos con evaluaciones sigue teniendo el pico en agosto (ojo, las escalas verticales de ambos son diferentes, Bilbao tiene la mitad de anuncios aproximadamente):
{{< cols >}}
{{% col md="6" %}}
{{< figure src="/images/donostia/airbnb-listings-insideairbnb-donostia-with-review-mes-2011-2017_rooom-type_bar.png" alt="Anuncios con reviews de Airbnb por mes en Donostia 2011-2017." title="Anuncios con reviews de Airbnb por mes en Donostia 2011-2017." >}}
{{% /col %}}
{{% col md="6" %}}
{{< figure src="/images/donostia/airbnb-listings-insideairbnb-bilbao-with-review-mes-2011-2017_rooom-type_bar.png" alt="Anuncios con reviews de Airbnb por mes en Bilbao 2011-2017." title="Anuncios con reviews de Airbnb por mes en Bilbao 2011-2017." >}}
{{% /col %}}
{{< /cols >}}
---
title: "Evolución por barrios"
menuTitle: "Evolución por barrios"
date: 2019-07-18T09:55:06+02:00
weight: 3
draft: true
---
{{< docdata doc-url="#metodología" data-url="#datos" data-date="2017-2019" data-comments="InsideAirbnb" >}}
Este análisis está basado en el realizado para [Barcelona](barcelona/acuerdo/).
## En toda la ciudad
InsideAirbnb archiva mensualmente, desde el verano del año 2018, mediante scraping web, los anuncios que Airbnb disponible en Donostia - San Sebastián en su web. Tenemos dos medidas anteriores: marzo de 2017 y abril de 2018. Estos gráficos están realizados con esos datos.
### Estacionalidad marcada
Como se puede apreciar en el [apartado que dedicamos a la estacionalidad basada en las *reviews* que dejan los usuarios](/donostia/estacionalidad/), donde la actividad del alquiler de tipo turístico se intensifica en verano (al no disponer de datos de anuncios disponibles en verano de 2017, esa tendencia no se puede ver en este gráfico).
{{< figure src="/images/donostia/evolucion/anuncios-donostia-por-mes-linea.png" alt="Número de anuncios por scraping" title="Número de anuncios por scraping" >}}
### Según tipo de alojamiento: pisos completos y habitaciones suben en verano
Tanto el alquiler de viviendas completas como el de habitaciones sueltas parece tener el mismo patrón estacional.
{{< figure src="/images/donostia/evolucion/anuncios-donostia-por-mes-room-type.png" alt="Número de anuncios por tipo de alojamiento" title="Número de anuncios por tipo de alojamiento" >}}
### Según tipo de _host_: gestores de 1 anuncio y multigestores también tienen estacionalidad veraniega marcada
Los anuncios gestionados por multigestores, usuarios que tienen más de un anuncio, tienen una estacionalidad más marcada, según se acerca alcanzan sus mayores cifras.
{{< figure src="/images/donostia/evolucion/anuncios-donostia-por-mes-host-type.png" alt="Número de anuncios por tipo de host" title="Número de anuncios por tipo de host" >}}
Si reclasificamos ahora a los _hosts_ en más "cajones" vemos que las posiciones se mantienen en todos los rangos (1 anuncio, 2, 3-5, 6-14 y 15 o más), con una bajada entre los veranos. [Ver análisis extendido por anfitriones](/donostia/hosts/).
{{< figure src="/images/donostia/evolucion/anuncios-donostia-por-mes-host-type-1-2-3-more.png" alt="Número de anuncios por tipo de host" title="Número de anuncios por tipo de host" >}}
Si cruzamos el tipo de alojamiento con el tipo de host vemos que los multigestores tienen más anuncios tanto en pisos completos como en habitaciones. En habitaciones se ve una fuerte subida en el númerode anuncios de los multigestores y es casi inapreciable en los que gestionan un piso.
{{< figure src="/images/donostia/evolucion/anuncios-donostia-por-mes-host-room-type.png" alt="Número de anuncios por tipo de alojamiento y usuario" title="Número de anuncios por tipo de alojamiento" >}}
## Datos
+ [Anuncios de AirBnb de Euskadi](https://github.com/montera34/airbnbeuskadi/tree/master/data/original/euskadi/insideairbnb) scrapeados por [InsideAirbnb](http://insideairbnb.com/). Se han filtrado y usado únicamente los de Donostia - San Sebastián.
## Metodología
Se ha usado [este script de R](https://github.com/montera34/airbnbeuskadi/blob/master/analisis/evolucion-donostia.R) para generar todos los gráficos.
Este script analiza la evolución de listins de una localización con datos de InsideAirbnb.
Los archivos han sido obenidos con el script [get-insideairbnb-data.R]()https://github.com/montera34/airbnbeuskadi/blob/master/scraping/get-insideairbnb-data.R]
Para el caso de Euskadi, los datos de InsideAirbnb no tienen definido el distrito o barrio, sino provincia y municipio.
Por eso se ha duplicado este archivo:
- [analisis/evolucion.R](https://github.com/montera34/airbnbeuskadi/blob/master/analisis/evolucion.R) para analizar en Euskadi
- [analisis/evolucion-donostia.R](https://github.com/montera34/airbnbeuskadi/blob/master/analisis/evolucion-donostia.R) para analizar Donostia
Para analizar por barrios y unidades menores en Donostia se ha detectado en cual está cada listing con el script [points-in-polygons.R](https://github.com/montera34/airbnbeuskadi/blob/master/analisis/points-in-polygons.R)
This diff is collapsed.
......@@ -6,7 +6,7 @@ weight: 1
draft: true
---
Este informe surge ante la falta de transparencia de los datos Airbnb, la plataforma de alquiler de vivienda turística más popular. Ante esa opacidad ofrecemos abrir los datos que hemos conseguido obtener, documentar metodologías de análisis en abierto y crear visualizaciones para entender la situación actual. Además queremos hacer este análisis colaborativamente en formato taller.
Este informe surge ante la falta de transparencia de los datos Airbnb, la plataforma de alquiler de vivienda turística más popular. Ante esa opacidad ofrecemos abrir los datos que hemos conseguido obtener, documentar metodologías de análisis en abierto y crear visualizaciones para entender la situación actual. Además, hemos querido hacer este análisis colaborativamente en formato taller.
![Taller Efecto Airbnb](/images/efecto.airbnb.taller.jpg)
......@@ -15,12 +15,12 @@ Este informe surge ante la falta de transparencia de los datos Airbnb, la plataf
La [primera versión de este informe](https://lab.montera34.com/airbnb/donostia-v1.0/) se publicó con los análisis producidos colaborativamente durante el taller [Maps&data: El efecto Airbnb en datos](https://montera34.com/project/efecto-airbnb-donostia/) en abril de 2017. La [segunda versión](https://lab.montera34.com/airbnb/donostia-v2.0/) se produjo en julio de 2017, tras dos días de trabajo en el encuentro Summerlab'17 organizado en Donostia por Hirikilabs. Durante estos días se trabajó con una base de datos más completa, actualizando las visualizaciones de la primera versión, y añadiendo nuevos análisis.
## El informe actual (2018)
## El informe actual (2018-2019)
Esta tercera versión recoge el trabajo realizado durante el taller [Efecto Airbnb en Donostia 2018](https://montera34.com/project/efecto-airbnb-donostia/efecto-airbnb-donostia-2018/), realizado durante los días 24, 25 y 26 de abril de 2018. Un [avance del informe](https://docs.google.com/presentation/d/e/2PACX-1vR33gbz1iamNI2tTlapIRx0qrC8EwjW_cD380sZy9UjS0NYRQi7XBFRbBwDUOTQFEyyFHjQwYs41wTm/embed?start=false&loop=false&delayms=3000#slide=id.p) se presentó durante el Summerlab'18 en hirikilabs. Desde la finalización del taller han pasado varios meses, más de los que queríamos, en los que hemos estado revisando las metodologías de análisis para ofrecer la visión más ajustada a la realidad posible. También han aparecido nuevos datos de InsideAirbnb que nos han hecho revisar los análisis.
Esta tercera versión recoge el trabajo realizado durante el taller [Efecto Airbnb en Donostia 2018](https://montera34.com/project/efecto-airbnb-donostia/efecto-airbnb-donostia-2018/), realizado durante los días 24, 25 y 26 de abril de 2018. Un [avance del informe](https://docs.google.com/presentation/d/e/2PACX-1vR33gbz1iamNI2tTlapIRx0qrC8EwjW_cD380sZy9UjS0NYRQi7XBFRbBwDUOTQFEyyFHjQwYs41wTm/embed?start=false&loop=false&delayms=3000#slide=id.p) se presentó durante el Summerlab'18 en hirikilabs (julio 2018). Desde la finalización del taller han pasado varios meses, más de los que queríamos, en los que hemos estado revisando las metodologías de análisis para ofrecer la visión más ajustada a la realidad posible. También han aparecido nuevos datos de InsideAirbnb que nos han hecho revisar los análisis.
Los tres talleres que han dado lugar a las tres versiones del informe tenían como objetivo analizar y visualizar los datos de los que se disponía para ayudar a entender el efecto de la presencia de alojamientos turísticos en las capitales vascas, y su relación con la situación inmobiliaria de cada una de ellas. Los talleres están coordinados por [Montera34](https://montera34.com/), usando [una metodología que permite aprender a obtener, preparar y visualizar datos al mismo tiempo que se produce un análisis colectivo riguroso](/metodologia) sobre un caso real y local.
Este informe es posible gracias al trabajo de las personas que participan en los talleres Efecto Airbnb. **Participaron en el taller de abril 2017** Maria Agirre, Joseba Egia, Miren Izagirre, Garikoitz Muñoz, Álvaro Rodríguez, Arantza Santesteban, Aritz Zabaleta, Ibai Zabaleta, Arantxa Zabalza, Sabin Zubiri. **Participaron en el taller durante el Summerlab'17 de julio 2017** Ana Agirre, Ana Arranz, Habib Belaribi, Ana Boto, Santi Espinosa, Ion Etxabe Gutiérrez, Jesus Herrero, Miquel Angel Mayol, Margalida Mestre, Asier Pereda, Claudia Yubero, Aritz Zabaleta. **Participaron en el taller de abril de 2018**: -completar-.
Este informe es posible gracias al trabajo de las personas que participan en los talleres Efecto Airbnb. **Participaron en el taller de abril 2017** Maria Agirre, Joseba Egia, Miren Izagirre, Garikoitz Muñoz, Álvaro Rodríguez, Arantza Santesteban, Aritz Zabaleta, Ibai Zabaleta, Arantxa Zabalza, Sabin Zubiri. **Participaron en el taller durante el Summerlab'17 de julio 2017** Ana Agirre, Ana Arranz, Habib Belaribi, Ana Boto, Santi Espinosa, Ion Etxabe Gutiérrez, Jesus Herrero, Miquel Angel Mayol, Margalida Mestre, Asier Pereda, Claudia Yubero, Aritz Zabaleta. **Participantes en el taller de abril de 2018**.
Han coordinado Alfonso Sánchez Uzábal y Pablo Rey Mazón de Montera34.
Markdown is supported
0% or
You are about to add 0 people to the discussion. Proceed with caution.
Finish editing this message first!
Please register or to comment