P. 1
Elaboracion Modelo de Geonegocios

Elaboracion Modelo de Geonegocios

|Views: 2.562|Likes:

More info:

Published by: Sebastian Bastias Lagö on Oct 11, 2011
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

04/07/2015

pdf

text

original

Sections

  • 1.1.- ANTECEDENTES GENERALES
  • 1.2.- PLANTEAMIENTO DEL PROBLEMA
  • 1.3.- HIPÓTESIS DE LA INVESTIGACIÓN
  • 1.4.- OBJETIVOS DE LA INVESTIGACIÓN
  • 1.4.1.- OBJETIVO GENERAL
  • 1.3.2.- OBJETIVOS ESPECÍFICOS
  • 2.1.2.- CONTEXTO Y FUNCIONALIDADES DEL SIG
  • 2.2.- LOS GEONEGOCIOS
  • 2.2.1.- BASE DE DATOS Y SU TRATAMIENTO
  • 2.2.3.- TIPOS DE SEGMENTACIÓN DE MERCADOS (MARKETING)
  • 2.3.- LA BASE GEODÉSICA EN LA CARTOGRAFÍA DIGITAL
  • 2.3.1.- SISTEMAS DE REFERENCIA LOCALES
  • 2.3.2.- SISTEMAS GLOBALES DE REFERENCIA
  • 2.4.- TRANSFORMACIÓN ENTRE SISTEMAS DE REFERENCIA
  • 2.4.1.- TRANSFORMACION BIDIMENSIONAL ENTRE SISTEMAS
  • 2.4.4.- AJUSTE GEODÉSICO: PRINCIPIO MÍNIMOS CUADRADOS
  • 2.5.1.- TEORÍA DE LOS LUGARES CENTRALES
  • 2.7.- SIMILARIDAD CARTOGRÁFICA
  • 2.8.- EL ANÁLISIS Y LA ESTADÍSTICA ESPACIAL
  • 2.8.1.- EL ESPACIO VECTORIAL COMO UN SISTEMA CONTINUO
  • 2.8.2.- LA CORRESPONDENCIA ESPACIAL
  • 2.8.3.- LA HOMOGENIZACION DE ESCALAS CARTOGRAFICAS
  • 2.8.4.- STACK DE MAPAS
  • 2.8.5.- POLÍGONOS DE THIESSEN
  • 2.8.5.- LA AUTOCORRELACIÓN ESPACIAL (PRINCIPALES ÍNDICES)
  • 2.10.- EL ANÁLISIS DE CLUSTER Y SU TRATAMIENTO
  • 2.10.1.- CONCEPTO DE PROXIMIDAD
  • 2.10.2.- ANÁLISIS CLUSTER JERÁRQUICO
  • 2.10.3. - EL MÉTODO DE AVERAGE LINKAGE (BETWEEN GROUPS)
  • 3.1.- METODOLOGÍA DE TRABAJO
  • 3.2.1.- ESQUEMA DE PROCESOS Y RECURSOS GEOMATICOS
  • 3.3.- VALIDACIÓN DEL MODELO GEOMÉTRICO
  • 3.3.1.- REQUISITOS GENERALES DEL MATERIAL CARTOGRÁFICO
  • 3.3.2.- LA COBERTURA DE EJES SAF 2002
  • cobertura de ejes SAF 2002
  • 3.3.4.- LA CARTOGRAFÍA DE MANZANAS DEL INE
  • 3.3.5.- GEORREFERENCIACION DE LA CARTOGRAFÍA CENSAL INE
  • cobertura de manzanas INE
  • 3.3.7.- ACCIONES PARA MEJORAR LA UNIFICACIÓN CARTOGRÁFICA
  • 3.4.1.- CARACTERIZACIÓN DEL NICHO
  • 3.5.- TRATAMIENTO DE ANÁLISIS ESPACIAL
  • 3.5.1.- EL MODELO ESPACIAL DE CLONACIÓN DE NICHOS
  • DE LA MATRIZ DE UNIONES ESPACIALES
  • 3.5.4. Normalización de los datos geográficos (calculo - Zscores)
  • 3.5.3.- EL STACK DE MAPAS
  • 3.5.4.- AUTOCORRELACION ESPACIAL DE LOS CLUSTER CLONES
  • 3.7.- VALIDACIÓN DEL ENTORNO URBANO
  • 4.1.- ANÁLISIS DEL TRABAJO CARTOGRÁFICO
  • TRATAMIENTO DE ANÁLISIS ESPACIAL
  • CAPITULO V: CONCLUSIONES Y RECOMENDACIONES
  • BIBLIOGRAFIA

UNIVERSIDAD DE SANTIAGO DE CHILE FACULTAD DE INGENIERIA DEPARTAMENTO INGENIERIA GEOGRAFICA

“ELABORACION DE UN MODELO DE GEONEGOCIOS, MEDIANTE ANALISIS DE SIMILARIDAD DE DATOS CARTOGRAFICOS Y HERRAMIENTAS GEOMATICAS”

MARCELO ANDRES PEREZ CONTRERAS NELSON ANTONIO FABRES SEPULVEDA 2008

UNIVERSIDAD DE SANTIAGO DE CHILE FACULTAD DE INGENIERIA DEPARTAMENTO DE INGENIERIA GEOGRAFICA

“ELABORACION DE UN MODELO DE GEONEGOCIOS, MEDIANTE ANALISIS DE SIMILARIDAD DE DATOS CARTOGRAFICOS Y HERRAMIENTAS GEOMATICAS”

“TRABAJO DE TITULACION PRESENTADO EN CONFORMIDAD A LOS REQUISITOS PARA OBTENER EL TITULO DE INGENIERO DE EJECUCION EN GEOMENSURA”

Profesor Guía: Sr. Hugo Núñez Cancino

MARCELO ANDRES PEREZ CONTRERAS NELSON ANTONIO FABRES SEPULVEDA 2008

“Al desplazarse desde el centro hacia la periferia de una disciplina, al transgredir sus fronteras y penetrar en el dominio de otra especialidad, el científico dispone de mayores oportunidades para ser creativo”. Dogan y Pahre

En fin simplemente por estar siempre dispuesta a soñar junto a mí. amor. mis excepcionales hermanos. amistad y lealtad. A la mas linda del mundo Francisca Ruiz. Andrea Zúñiga. Mane. Gracias Agradezco a Pablo y Alejandra. Por confiar siempre en que soy y seré un excelente ingeniero para este país. escuchar mis lateras filosofadas sobre Geografía. Samuel Jara. Por acompañarme en mis tonteras. Agradezco a mis hermosos padres. Angie. paciencia. confianza y amistad hacia mi. Ramón y María. amarme. Gracias también a mis compañeros de travesías. Sin ustedes no podría haber sido tan bueno. Marcelo Pérez: En primer lugar agradezco a Dios por su infinito amor. estudios y locuras. Gonzalo Montealegre. por llegar en el momento adecuado para dar y recibir amor. cercanía y por permitirme vivir este momento. por su infinito esfuerzo. consentirme. por ser unidos y muy buenos amigos. Rock and Roll. Mis amigos: Julio Celis. por su confianza. . Todo lo que logre siempre será primero por ustedes. Jorge Parra. Javiera Celis. Y finalmente por estar siempre ahí para apoyarme en lo que sea. Pablo Lagos.AGRADECIMIENTOS. Por los principios y valores que me inculcaron día a día para ser un buen hombre y un buen profesional. Gina. Patricia Opazo. Por demostrar siempre su cariño. Por amarse durante tantos años. por cuidarme desde siempre. música. Buin.

por su responsabilidad. acercarme a la lectura. a la Geociencias y hacerme creer aun más en mi. escuchar y aconsejarme sobre variados temas. quien se dio el tiempo de conocerme.M.Un especial agradecimiento a mi compadre y excelente amigo Nelson Fabres que me acompaño y se arriesgo en esta entretenida y desafiante memoria. Por orientarme. A ambos por su amistad y confianza. motivación hacia los SIG y amistad. quien siempre confío en mí.S) por ser un Geógrafo con un increíble pensamiento territorial contemporáneo. Doy gracias también a los profesores que conocí y que me permitieron pasar desde el lugar de alumno al de amigo. Por aportar en esta innovadora memoria. Finalmente debo agradecer a dos profesionales y amigos quienes fueron fundamentales junto a los antes mencionados para mi madures y crecimiento profesional. escucharme y de confiar en las metodologías que le propuse siempre. Al profesor Rene Zepeda por su capacidad. Por compartirme tú genial forma de pensar. desde ser su ayudante hasta ser el profesor guía de esta memoria. por su tiempo en conversar. Y finalmente a los Profesores Herrera y Bambach. Y a Cesar Saldivia Gerente comercial de Montesur. El profesor Hugo Núñez. Al Profesor José Jara por amar y respetar su profesión y compartir con migo sus experiencias. Me refiero a Claudio Contreras Geógrafo (I. confianza y rigurosas críticas. para mejorar las acciones comerciales desde la perspectiva de las ciencias de la tierra. .

entre otras cosas. consejos y enseñanzas que me han hecho afrontar la vida con valentía. muchas gracias por todo. quien me enseño. eres una mujer muy valiente y me siento muy orgulloso de ser tu hijo. Muchas gracias por todo mamá. Los adoro… Agradezco a Paulina. También agradezco a mi hermano Omar por todo su amor. eres una persona excepcional hermano mío. por su honesta amistad. el amor por los libros. las cuales merecen mis más sinceros agradecimientos. Te quiero mucho compadre. . Gracias por estar siempre ahí. y valores que me ha brindado durante toda mi vida y que me convierten en la persona que soy. consejos. Muchas gracias por todo el amor que me han entregado y la felicidad que me hacen sentir al ser parte de sus vidas. Eres una muy linda persona hermano mío. consejos y enseñanzas que me ha entregado mi hermano Alejandro. A mi hermanita Danitza. Primeramente agradezco a mi madre por todo su amor. Agradezco todo el amor.Nelson Fabres: Son muchas las personas que han influido de manera directa o indirecta en el desarrollo de esta obra. apoyo. te quiero mucho compadre. sinceridad y apoyo incondicional en todo momento y por su infinito amor… Te amo. mí cuñada Pamela y a mis sobrinos Nicole y Vicente.

Jorge Hernández. . el cual nos incentivó a desarrollar una memoria de esta envergadura y que nos enseñó que ante todo. su gran apoyo y disponibilidad en todo momento. Muchas gracias Claudio. Siempre estaré agradecido por todo el apoyo. Daniel Orellana. Gonzalo Montealegre y Santiago Medina. incondicional apoyo y por creer en el proyecto y por sobre todo en nosotros. Christian Orellana. Gina Fulgeri. Eres una gran persona y un excelente profesional. gracias por cultivar nuestras mentes y muchas gracias por tu amistad. somos ingenieros. cariño y amor que me han dado durante toda mi vida. Luis Cabrales. Rodrigo Cáceres. Mauricio Riquelme. Francisco Baschmann. Andrea Zúñiga. Jaime Donoso. Agradezco al profesor César Saldivia. porque algún día se harán realidad… A mis amigas y amigos: Patricia Opazo. Son los mejores amigos que cualquier persona puede desear. Sigan soñando de la manera que lo hacen. Sin duda una de las personas más capaces e inteligentes que he conocido. por su sincera amistad. Muchas gracias profe… Quisiera agradecer de manera especial a Claudio Contreras. sin tu ayuda esta memoria no sería lo que es. por su valiosa ayuda. Carolina Monroy. Gracias por su amistad profesor. A mis grandes amigos Marcelo Pérez y Jorge Parra.Agradezco también a mi tía Mariana y a mi abuelita María. quien nos ayudó y apoyó en todo momento. Cristian Cáceres. Agradezco al profesor René Zepeda.

Quienes se acompañan en la eternidad. Quienes además me enseñaron el verdadero significado de ser Ingeniero. por todo su apoyo y valiosos consejos durante toda mi estancia en la Universidad. Finalmente agradezco a mi amado padre. Miguel Díaz. muchas gracias por hacer esto posible… . Nelson Fabres y a mi querido abuelo Arturo Fabres. Siempre los recordaré y amaré… A todos ustedes. Víctor Herrera y Hugo Núñez.Agradezco a los profesores José Jara.

para apoyar la elaboración de un modelo espacial de Geonegocios. Bajo esta perspectiva se enmarca el siguiente proyecto. La disciplina de los Geonegocios es de vital importancia en el proceso de elaboración de un proyecto de inversión de gran envergadura. Cartografía. el cual pretende utilizar a las ciencias Geomáticas. donde los riesgos y costos de tomar decisiones son altísimos. el retail. mediante el uso de una metodología teórica y técnica. fundados más en la inteligencia que en el azar. Sistemas de Información Geográfica (SIG) y las Técnicas del espacio. para un negocio determinado. La finalidad de este trabajo de memoria es elaborar un modelo de Geonegocios que permita determinar cluster de potenciales clientes. deja de ser satisfactoria para los inversionistas. en mercados altamente competitivos. y es entonces cuando se requieren métodos más sistemáticos. .RESUMEN La información geográfica puede ser una herramienta más que rentable si se le sabe sacar provecho a nivel comercial. que respondan al perfil actual de los demandantes del servicio de educación. Por lo que la pura intuición como “un juego de dados” sea quien decida las estrategias comerciales de la empresa. entre otras. Junto a la aproximación de potenciales zonas de localización. las cadenas de distribución. Los Geonegocios hoy se encuentran en pleno auge y atraviesan de manera transversal a la banca. las telecomunicaciones y las diferentes áreas de servicios. que permitan identificar los mejores segmentos de clientes y las más ventajosas potenciales áreas nuevas de mercado. De manera tal. tales como. Donde diversas son las herramientas y marcos conceptuales necesarios para abordar un proyecto de esta envergadura. de evitar la posibilidad de pérdida de rigor teórico de las automatizaciones. Geografía Económica. Centro de Formación Técnica (CFT) Magnos.

Palabras Claves: Cluster. Geomerketing. para poder acercar el entendimiento global de la Geografía en los negocios y sustentar los procedimientos realizados. El capítulo III explica los procedimientos involucrados para la elaboración del modelo par Negocio – Clientes. Geomática. En el capítulo IV se abordan los análisis y discusiones más significativos de los resultados del estudio. para obtener un buen desarrollo en un trabajo similar. epistemológicos. Y finalmente el capítulo V expresa las conclusiones de la metodología empleada y del producto final. matemáticos y sistemáticos necesarios. Junto a ciertas recomendaciones.El capítulo I es de tipo introductorio hacia la problemática. estipulándose la hipótesis y los objetivos de la investigación. . El capítulo II expone una amplia gama de fundamentos teóricos. Localización.

besides the approach of potential zones of location. the distribution networks. Economic Geography. The purpose of this project is to elaborate a Geobusiness model which allows to determine cluster of potential clients. The following project is framed under this perspective and tries to use the Geomatic sciences to support the creation of a spatial model of Geobusiness. Therefore. Geographical Information Systems (GIS) and space techniques. There are certain diverse tools and conceptual frames necessary to carry a project of this importance out. The Geobusiness discipline performs vital significance in the process of making a project of investment of great importance. As long as avoid the possibility of losing the theoretical rigour of the automations. the retail. Nowadays. such as. Geobusiness is in full heyday and influencing the banking. who answer to the current profile of the claimants of the education service. the telecommunications and the different areas of services. which allow to identify the best segments of clients and the most profitable potential new areas of market. . methods based more on intelligence than on the hazard. by means of using a theoretical and technical methodology. in which the risks and costs of taking decisions are quite high. Cartography. for a certain business. in a transverse way. the fact that pure intuition as “a dice game” is what decides the commercial strategies of the company is not being satisfactory for the investors any more. Centro de Formación Técnica (C. here it is when systematic methods are more required. Thus. among others.F.ABSTRACT Geographical information can be a very profitable tool if we take advantage of it at commercial level.T) Magnos. on highly competitive markets.

Chapter III explains the procedures involved in the making of the Business pair model – Clients. And finally Chapter V is about the conclusions of the methodology used in the project and the final product. mathematical and systematic fundamentals necessary to be able to explain the global understanding of the Geography in the business and to support the made procedures. Key words: Cluster. Geomatic. besides certain recommendations to obtain a good development in a similar work. . Location. Chapter II presents a wide scale of theoretical. Chapter IV states the most significant analyses and discussions about the results of the study. stipulating the hypothesis and the objectives of the research. Geomarketing.Chapter I is a kind of introduction to the problems.

........................................................ 14 2..................... 19 2.4....Objetivos Específicos............2... 1 1...............Ajuste Geodésico: principio mínimos cuadrados...4............ 22 2........4.....................Teoría de los lugares centrales..2........................ 5 1.....................................Transformación Bidimensional entre sistemas ..............4..............................1.......1..Sistemas Globales de Referencia ........................ 3 1.INDICE GENERAL CAPITULO I: INTRODUCCION 1............................................Bases de datos y su tratamiento....1...................................5...............2. 23 2.....3..... 11 2......2.........................4..........1... 25 2.................................3.......................1.....................Tipos de segmentación de mercados (Marketing) ......Objetivos de la Investigación ..............1.......................Los Geonegocios ..........4.............2......1............................................................Contexto y funcionalidades del SIG ....SIG – En el Núcleo de la Geomática ......Antecedentes Generales ..................................................Modelo de cuatro parámetros con centroide......2............................4...... 24 2.............Hipótesis de la Investigación ..... 15 2......1..........1................................................ 7 2... 5 CAPITULO II: FUNDAMENTOS TEORICOS PARA ELABORACION DE UN MODELO DE GEONEGOCIOS 2.....................................La Base geodésica en la cartografía digital ... 5 1....................................Objetivo General ........3....................... 5 1...........Estimación de Parámetros ........ 24 2.................2......Planteamiento del problema ............................4.. 29 2............................... 17 2..5..Geografía Económica .........................4.......................2....... 26 2..... 27 2................................1 La Geomática (Orígenes – Componentes) ..... 12 2........... 33 .....3....................................3....2......La función del Geomarketing ...........Sistemas de referencia locales ............2................Transformación entre sistemas de referencia..........3................................. 25 2.........

..............Georreferenciación WGS84 de la cartografía censal INE ............Stack de mapas ...2.......3..Teoría de los núcleos Múltiples......1...........................1.....................................................3....................3..................El análisis estadístico de datos (Multivariante) ................ 57 3...............2.....Análisis Cluster Jerárquico .. 46 2............... 62 3.10..........El Análisis y La estadística Espacial .. 53 2... 51 2......................................................Georreferenciación WGS84 de la Cartografía de ejes SAF 2002 ....3..........2..............4......La Homogenización de escalas cartográficas............8...... 47 2...........1..2...8..........................8...1.................2....................................Concepto de proximidad ......6. 44 2..El Análisis cluster y su tratamiento ... 38 2..Esquema de procesos y recursos Geomáticos...............4.......Validación del modelo geométrico .... 64 3.............................10.................... 49 2.........El espacio vectorial como un sistema continuo ............3....... 62 3....................................Teorías sobre la estructuración del espacio Urbano.7............ 65 3........................3....................Primer resultado de superposición cartográfica en .....2..... 61 3...........8...........................................................Polígonos de Thiessen.........................10.................... 70 3..10..........8......Metodología de trabajo . 39 2..8..................................6........... 42 2..................................... 49 2......... 36 2........La correspondencia espacial ............Requisitos generales del material cartográfico........5...............................Marco conceptual teórico de la elaboración del modelo ...........La cartografía de Manzanas del INE .........8.......................................La autocorrelación espacial (principales índices)...............1... 56 3...... .........La cobertura de ejes SAF.......................... 40 2...6............ 54 2..........5.........................6.............9......3..3...................3....3.. 50 2..................1................. 70 3.........Similaridad cartográfica ...El método de average linkage (between Groups) ...... 54 CAPITULO III: ELABORACION DEL MODELO DE GEONEGOCIOS PAR NEGOCIO – CLIENTES 3..................

... 96 3.108 4..8 2..................4.6...... 88 3........1.......5..........109 CAPITULO V: CONCLUSIONES Y RECOMENDACIONES..El Stack de mapas .........Caracterización del nicho ........................................4..................... 86 3...........................Análisis del trabajo Cartográfico ................................................. 76 3..............118 FIGURAS 2............................Nuevas áreas de mercado y la aproximación de áreas para localización .....4............ 75 3...................... 82 3..7.......115 BIBLIOGRAFIA ........8.........5.................. 79 3...................7.............Normalización de los datos geográficos (Zscores) ............Autocorrelación Espacial de los cluster clones ..........................................3.........Análisis estadístico de cluster de variables97 3... 90 3..................Validación del entorno Urbano………………………………………………103 3................................................ ......................... 94 3..........4......106 CAPITULO IV: ANALISIS Y DISCUSIONES 4.........5...Medición de la correspondencia espacial y la creación de la Matriz de uniones Espaciales ..................2............................................5.Acciones para mejorar la unificación cartográfica .....3.........................................Análisis y selección de las variables clones ..........1..........WGS84 entre SAF e INE......Acciones y tratamiento de la información alfanumérica .....................................2: Etapa de convergencia (Geomática) y evolución tecnológica..........4...................5........ a un espacio continúo ... 10 ..........1.....2..5....................... 90 3.....1: Aplicaciones integrantes de la geografía automatizada visón de Dobson 1983.Transformación del espacio discreto.............Análisis del producto final obtenido mediante el tratamiento de análisis espacial ..............El modelo espacial de clonación de nichos............................Tratamiento de Análisis Espacial................................ 93 3. 88 3.......3.......................2..................................................................................................5..1.

................3: Análisis espacial de concentración de la oferta educacional ...1: Tasa de retorno a la educación por tipo de educación ................. Post georreferenciación ...........15: Relación conceptual entre el espacio de datos y el espacio geográfico ............................2: Reducción máxima 0...................8: Modelo de transformación por 4 parámetros con centroide ................... 38 2........7: Relación de modelos de transformación y coordenadas ............ 40 2... 18 2........ 67 3........................................5: Diferencia máxima entre Cartografías SAF2002 y Base WGS84 ..............20 Esquema general del análisis de cluster..............7...........................4: Fuentes de información de datos – Estructuras catastrales .... 27 2......................... 60 3..................11: Superposición de áreas de mercado ........................................................................................13: Modelos Clásicos de estructura Urbana ............... 58 3.......... 52 2..........19: El Stack de mapas Geográficos.........16: El espacio vectorial como un sistema continuo...14: Modelo de núcleos múltiples de Harris y Ullman .................................................17: Aproximaciones por Lattices (Retícula) y los Grid (Rejilla) ....................... Post georrefereciación.............. 55 3.3: Componentes Esenciales de los Geonegocios.......18: Campana de Gauss para valores Zscore ............... 43 2.......................... 36 2........9: Factores explicativos de la organización del territorio.......10: Influencia del territorio en el funcionamiento de la actividad económica.2........7............................. 19 2. 64 3.... 37 2.... 35 2......4: Superposición cartografía SAF en Google Earth ...... 31 2............6: Distribución de vértices sobre el área de estudio............. 48 2.............21: Constantes de la formula Lance – Williams para cluster jerárquicos.................2: Crecimiento desbalanceado. 59 3.......................... 69 3....................... 66 3.....1: Reducción mínima 5m.................................. 14 2.........................................................6: Temas críticos de distribución comercial ................ 69 ....... 29 2....................5: Procesos de integración de datos para realizar Geomerketing..........................................5m........ 26 2................... 16 2.....................................12: Distribución óptima de centros de servicios (Lugares Centrales) ... 44 2. 47 2.................

.........10a: Resultado georreferenciación (comuna periferia Norte Conchalí) .............. No georreferenciado ................................................ 83 3................ 92 3................................................16b: Uniones espaciales intrafactor demográfico .........15: Georreferenciación de variables alfanuméricas ..13i: Gráfico de GSE ......13b: Gráfico años de ingreso al CFT .18: Resultado autocorrelación espacial I Moran ................ 78 3.. 84 3........ comuna La Florida ............................. 91 3..13h: Gráfico comunas de desempeño laboral .......................19: Resultado dendograma................................. 72 3.......................................... 93 3................ 87 3...........................................................................14: Listado de variables por nivel de análisis............................................................................... 86 3.........12: Extracto de la plataforma del diccionario Redatam CENSO2002 ..................................................... 85 3......13a: Gráfico de edades.............................8: Distribución de vértices entre SAF 2002 e INE.................. 84 3... 75 3.....16c: Uniones espaciales intrafactor educacional ..........13c: Gráfico de parentesco con el Jefe de Hogar ................................................... 71 3.......100 ............T Magnos ........................................... 83 3...........................................16d: Uniones espaciales intrafactor territorial ......................... 85 3...... 81 3.....11: Resultado validación geométrica WGS84 en Google Earth (Alameda – Norte Sur) ........................................................ 76 3..... 97 3...........3........................................ entre SAF2002 WGS84 e INE no georreferenciado ..........................................................................................................................F.....................................................10b: Resultado georreferenciación (Comuna Santiago) .16a: Uniones espaciales intrafactor mercado ......................................................................................................... 96 3...........13f: Gráfico de notas de enseñanza media .....9: Diferencias máximas de ± 80 m............................. 83 3......................................13d: Gráfico de estado civil.................13e: Gráfico de puntajes PSU.................13g: Gráfico medios de transporte utilizado.................................................................. 83 3.................... 85 3......17: Cluster clones del nicho C...................... 92 3................................

......................69 3...............101 3........9: Matriz de proximidad.........104 3.........73 3....................105 3..4: Estimación de parámetros entre sistemas 2D con centroide para cobertura de manzanas INE…………………………………………………74 3...............107 TABLAS 3.................10: Esquema de aglomeración............1: Coordenadas vértices en transformación entre sistemas 2D para cobertura de ejes SAF 2002…………………………………………………......... comuna de La Florida……………………………….............................7: Matriz de proximidad................... comuna de Pudahuel .6: Esquema de aglomeración....... para cobertura de manzanas INE………………………………………………….................. comuna Maipú ......99 3...23: Entorno urbano comuna Maipú.................... comuna de Pudahuel.......................24: Entorno urbano cluster La Florida....5: Matriz de proximidad........ comuna de Maipú . comuna de Maipú .....102 ........... nuevas áreas de mercado y aproximación potenciales localizaciones .22: Entorno urbano cluster Pudahuel.103 3..102 3.............100 3.......................... comuna de La Florida…………………………99 3...20: Resultado dendograma....21: Resultado dendograma...........................3.............. comuna Pudahuel .........................101 3........................68 3.3: Coordenadas vértices en transformación entre sistemas 2D...................2: Estimación de parámetros entre sistemas 2D con centroide para cobertura de ejes SAF 2002………………………………………………………............8: Esquema de aglomeración.........25: Resultado final clones de clientes....105 3...............................................

“La segmentación de mercado es el arte y la ciencia de separar a los clientes o empresas en distintos grupos. Dadas las condiciones sociales y económicas. durante los primeros 50 años de este siglo. utilizando procedimientos de variadas disciplinas. sino que los grupos serán idealmente excluyentes” (Paúl E. la mayoría de las empresas. Abba M. en función de determinadas características. 1993). pues un solo producto estandarizado no satisface a la mayoría que lo necesita. 1999). Cada grupo no sólo será distinto. aunado a la irrupción de la información ha producido clientes con más y variadas necesidades. Walker.1 CAPITULO I: INTRODUCCION 1. genero y sexualidad se relacionan con la denominada espacialidad de la vida social (Edward Soja). Ante esta postura de la demanda. en conjunto con los cambios sociológicos producidos por el aumento del nivel de ingreso disponible. los niveles de educación y el crecimiento masivo de los medios de comunicación. persiguiendo una estrategia de mercado agregado. psicología. . Considerando que dichas diferencias de gustos. raza.. Esto conduce a la necesidad de segmentar los mercados. Krieger.1.ANTECEDENTES GENERALES. clase. trataron de maximizar la eficiencia de producción y esfuerzos de marketing para fabricar uno o unos pocos productos estandarizados y venderlos a un gran mercado concentrado (Boyd. esto. En la actualidad sólo pocos mercados de productos se desarrollan bajo estas condiciones. Green. Su principal estrategia de marketing era apelar a tantos clientes potenciales como fuera posible. demografía. gustos sofisticados y estilos de vida diferentes. tales como: sociología. estadística y elementos de la geografía como las técnicas del estudio del espacio y la localización. contaron sólo con su eficiencia de costos para ofrecer los precios más bajos. Para ello. Es por esto que las empresas. han tomado acciones en dirección de conocer mejor el perfil de sus clientes.

¿Cuántas localizaciones se deberían mantener en un mercado concreto? – ¿Están los negocios actuales demasiado cerca o demasiado lejos unos de otros? .pensamiento estratégico empresarial y la Geomática -. el retail.¿Es óptima la actual localización del negocio? ¿De qué forma afecta al valor estratégico de la localización del negocio. como son las geociencias. más precisamente la Geomática. comunicación. las condiciones cambiantes del mercado? 2) Estrategia Multiunitaria: . se podrá dar respuesta a cuatro conjunto de preguntas 1) Selección y análisis de la localización: .2 Los medios y metodologías que permiten la realización de dichas operaciones se sustentan en el nacimiento de nuevas disciplinas científico – tecnológicas. ya se puede ver todos los lugares en donde se podría vender. Con el análisis visual de superponer las variables de información importante para los negocios sobre el mapa. Sustentado en la potente herramienta SIG. Dicha evolución se encuentra presente en el marco conceptual de esta obra con el nacimiento de los Geonegocios . Las cuales a la vez se enmarcan fuertemente en la actualidad por un pensamiento urbano y territorial contemporáneo. pero altamente epistemológicas. las cadenas de distribución. tiene como función abordar cuatro elementos del marketing – mix (producto.¿Cuál es la mejor combinación de localización de los negocios para obtener los mayores beneficios al menor costo? 3) Estrategia de expansión/racionalización: . permite situar toda la información relevante de la actividad económica encima de un mapa y ver como se relaciona la información georreferencial de distribución espacial con la del mercado. Los Geonegocios hoy se encuentran en pleno auge y atraviesan de manera transversal a la banca. distribución y precio).¿Cuál es la mejor localización para el negocio ? . que según Coro Chasco Yrigoyen. Añadiendo a esto el uso de la técnica del Geomerketing.¿Dónde se pueden encontrar nuevos mercados para el negocio? – ¿Cómo se . las telecomunicaciones y las diferentes áreas de servicios. qué lugares no están cubiertos y en qué lugares podría fracasar.

ampliando el margen de centralización de estos servicios. Los cuales tienden a ubicar sus nuevas sucursales en lugares ya probados anteriormente.. para el crecimiento futuro de la empresa. potencial cliente de la educación. 1. las cuales no lo ven? En gran medida la solución a estas interrogantes pasa por un tema de localización geográfica de los establecimientos que ofrecen este servicio. ó simplemente ¿Los establecimientos existentes en sus cercanías no cubren sus intereses vocacionales? ¿Cuánto joven. Sin embargo. marketing y otras gestiones en mercados extensos para capturar clientes y alcanzar un grado de competencia perfecta. ó ¿La educación que él desea no está a su alcance económico?. Considerando que un mercado es perfectamente competitivo cuando hay muchos vendedores pequeños en . se pierde en estas y otras simples interrogantes y se transforma en un nicho demandante para las empresas que venden este servicio. se podrá tomar decisiones acertadas.3 pueden abastecer más eficazmente los mercados en los que se encuentra el negocio actualmente? 4) Análisis de la localización de la competencia: ¿Dónde están los competidores? – ¿Cómo afecta al negocio propio su estrategia de localización? . para no correr riesgos. Eliminando costos a través de la variable espacial y dejando a un lado la competencia directa.2. ¿Será que cerca de su localidad no está la educación que él busca?. deben destinar grandes inversiones en publicidad. ¿Por qué un estudiante debe recorrer grandes distancias para obtener una mejor educación?.PLANTEAMIENTO DEL PROBLEMA.¿Cómo puede afectarles a ellos la estrategia de localización propia? Si a esto sumamos el uso de técnicas de estadística espacial que permiten analizar las características inherentes del territorio.

de amenidades urbanas. sucursales de la competencia. debido a su excesiva rigidez y geometrización. Basándose en la ubicación exacta de clientes y potenciales. tales como los de Christaller.cliente) para la educación. son insuficientes en la actualidad para analizar el comportamiento que dirigen las acciones comerciales.en el Centro de formación Técnica (CFT) de la Universidad Mayor de la empresa Montesur Consultores-. permitiendo el perfeccionamiento de estos modelos. los compradores están bien informados. Losch. teléfonos asociados a cada dirección. tanto de los oferentes como de los demandantes (Andrés Popritkin. En este marco se sustenta el presente proyecto de memoria. Son diversos los modelos clásicos de organización espacial de la actividad económica. Permitiéndoles conocer mejor a su público objetivo. Weber. entre otros cientos de atributos. el cual pretende con un modelo de Geonegocios par (negocio . Bajo esta perspectiva la Geomática permite conjugar dichas teorías con la alta tecnología de hoy en día. población por sexo y edad. aminorar los riesgos antes mencionados. Sin embargo. Las cuales no permiten considerar los temas de mejora de transporte. accediendo además a la información de grupo socioeconómico. bienes que posee cada hogar. Los cuales han abierto una veta hacia estos temas. 1 Técnica multivariante de datos que tiene por finalidad dividir un conjunto de objetos en grupos de forma que los perfiles de los objetos en un mismo grupo sean muy similares entre sí (cohesión interna del grupo) y los de los objetos de clusters diferentes sean distintos (aislamiento externo del grupo). el producto es homogéneo. 1999).4 relación con el mercado. permitiendo tomar decisiones en otras potenciales áreas geográficas con la certeza absoluta de la existencia de clusters1 clones de su actual perfil de estudiantes. . motivaciones de la población y la alta competitividad de mercados. Thunen. existe libre entrada y salida de empresas y decisiones independientes. eliminando costos a través de la variable espacial y dejando a un lado la competencia directa que provoca dicha centralización.

dentro del límite urbanizado de la Región Metropolitana.1.3.OBJETIVOS DE LA INVESTIGACIÓN.HIPÓTESIS DE LA INVESTIGACIÓN. Localizando los nichos demandantes del perfil del CFT MAGNOS de la Universidad Mayor. 1..OBJETIVOS ESPECÍFICOS. A través de un análisis espacial y estadístico de similaridad y clusterización de datos cartográficos integrados en un SIG (técnica de clonación de nichos).. potenciando las desventajas iniciales de este.2. diferentes o alternativas al centro educacional de la Región Metropolitana establecido en el “barrio República” de la comuna de Santiago.5 1. necesarios para sustentar los procedimientos. 1.OBJETIVO GENERAL.. Al considerar los aspectos esenciales en los comportamientos que dirigen la actuación de comerciantes.3. • Entregar los fundamentos teóricos y epistemológicos.4. . técnicas y metodologías de las automatizaciones utilizadas para la elaboración del modelo. empresas de servicios y usuarios en la actualidad. • Utilizar la teoría del modelo de Walter Christaller. determinando las zonas de potenciales clientes de la Educación Superior. 1. El modelo de Geonegocios para la educación encontrará los grupos de potenciales nuevos clientes y aproximará nuevas zonas de mercado..4. Elaborar un Modelo de Geonegocios.

• Crear una matriz de uniones. • Utilizar el Índice de Moran. • Cambiar el Datum de la cartografía de manzana del INE SAD-69 a WGS -84.6 • Realizar un proceso de normalización y unificación cartográfica que responda a una precisión y exactitud. para medir la autocorrelación espacial de los nichos clones. por desviaciones estándar. • Validar el entorno urbano. para ver la correlación de las variables que componen los nichos clones. Para visualizar las áreas de conglomerados espaciales. Analizando la correspondencia de patrones espaciales. . • Aplicar la técnica de análisis cluster en SPSS. que comprende a los cluster clones. mediante el uso de software geomático y programación de los parámetros preestablecidos por el equipo memorista. Y aplicar un stack de mapas. a través de un re-ajuste de parámetros geodésicos a la cartografía de ejes de la Región Metropolitana del SAF 2002. mediante metodología de análisis espacial.

Naveh y Lieberman. 1983) basada en la Geotecnología. mediante el uso de medios computacionales. en los notables desarrollos tecnológicos digitales que han impactado en nuestra ciencia. La Geomática es un término científico moderno que resulta de la unión entre las Ciencias de la Tierra y la Informática. integra todos los medios para adquirir y manejar datos espaciales requeridos como parte de actividades científicas. Es en 1980 donde aparecen las primeras reflexiones de la nueva revolución tecnológica.LA GEOMÁTICA. 2000).1. que presenta la Geografía a finales del siglo XX.7 CAPITULO II: FUNDAMENTOS TEORICOS PARA ELABORACION DE UN MODELO DE GEONEGOCIOS 2. 1984) • la segunda que toma aspectos socio-culturales de la actualidad y se denomina “Geografía Postmoderna” (Soja. La Geomática es el producto de las diluciones disciplinarias. donde esta comienza a tener tres visiones para el análisis de la realidad: • La primera basada en la noción de “Ecología del Paisaje” (Naveh. derivadas de la evolución de perspectivas. legales y técnicas que se preocupan de la producción y manejo de información espacial (Instituto Canadiense de Geomática. Permitiendo automatizar la mayoría de los métodos . la cual mediante las TIG – Tecnologías de Información Geográfica – comienzan a posibilitar la visión digital del mundo real. administrativas. usando una aproximación sistémica. 1982. Canadá. 1989) • y la tercera corresponde a la “Geografía Automatizada” (Dobson. es decir.. Se puede definir como un campo de actividades que.

Fig. a través de la fuerza innovadora de los sistemas de información geográfica. 1999) como una geografía global2 la cual desarrolla un movimiento centrífugo que surge del núcleo he impacta en ámbitos extradiciplinarios. la cual logra integrar definitivamente a la informática con las ciencias geográficas. Con este argumento Dobson (1983) presenta el surgimiento de la Geografía Automatizada.Argentina). 2. La ratificación de la postura de Dobson sobre la integración computacional se comienza a gestar diez años mas tarde. Esta Geografía es basada en las aplicaciones computacionales y en los avances digitales. Según Buzai (1998. Y vislumbra una integración computacional a futuro. Y se consolida finalmente en los inicios del siglo XXI con el desarrollo de la Geomática como disciplina.8 utilizados para la resolución de problemas geográficos. “Ya que las aplicaciones integrantes de la Geografía Automatizada al realizar tareas de alta especificidad como componentes rígidos presentan límites muy precisos entre ellas”. Fuente: Dr. Gustavo Buzai (Consejo nacional de investigaciones científicas .1 Aplicaciones integrantes de la geografía automatizada visón de Dobson 1983. 2 Línea de dilución disciplinaria que surge de la Geografía Cuantitativa y la Geografía Automatizada. Bibliográficamente se encasilla según la Organización GEOMATICS (2001) del Reino Unido como geografía aplicada. .

empresarial. una localización precisa en el espacio absoluto (x-y o geográficas). números. agricultura. Administradores de Bases de Datos (ABD). Cartografía Asistida por . y los software que se utilizan para su tratamiento. Programas de Análisis Estadístico (PAE) y Sistemas de Posicionamiento Global (GPS). en ciertos estudios. todo objeto geográfico puede definirse digitalmente a través de una geometría particular (punto. La realización de estos aspectos por medios informáticos se logra mediante la creación de bases de datos alfanuméricas y gráficas. La transformación del mundo real en un modelo digital. necesitan incorporar la variable espacial a sus análisis. urbanismo. Planillas de Cálculo (PLC). Las segundas se encuentran asociadas al almacenamiento de los aspectos geométricos. (Buzai. una serie de atributos (campos de información-variables o capas temáticaslayers) y su existencia en un momento histórico (instante de realización de las mediciones). con posibilidades de ser trabajado mediante procedimientos computacionales. ambiental. entre otras. exige una serie de transformaciones conceptuales que finalizan al nivel de byte. Mediante esta fragmentación y estandarización. 1999). Tales como: minería. forestal. línea. polígono. Las primeras corresponden a letras. raster o x-tree). que representan los atributos de cada entidad ubicada en el espacio y los software que se utilizan para su tratamiento son los Editores De Textos (EDT).9 La Geomática da las posibilidades de lograr modelados más reales en diferentes escalas permitiendo llegar a conseguir avances atractivos para muchas disciplinas. Que. son los programas de Diseño Asistido por Computadora (CAD).

lo que se ha descrito es la etapa de convergencia en la era geodigital. por su mayor amplitud. 2004). una realidad aumentada. y presentando a los SIG como la herramienta núcleo de esta. Definiendo las plataformas computacionales que asisten a la Geomática. que presenta Buzai.Argentina). Toudert Buzai. aspectos psicológicos y estructuración del lenguaje en el marco de la mejores capacidades de comunicación espacial (Winter.10 Computadora (CAC).2. 2. 2004). Software de conversión Gráfica (SCG) y Modelado digital de Terreno (MDE). Procesamiento Digital de Imágenes (PDI). 2000. . dando la posibilidad de incluir aspectos de la realidad virtual en un conjunto de conocimientos que ha dado lugar a la conformación del campo de estudio de la Cibergeografía (Buzai. entre otros.2 Etapa de convergencia (Geomática) y evolución tecnológica Fuente: Dr. En la cual las futuras líneas de estudio contemplan una conjunción entre capacidades técnicas. Gustavo Buzai (Consejo nacional de investigaciones científicas CONICET. Además Incorporando en un avance posterior el concepto de Ciberespacio. Como puede verse en la Figura 2. Fig.

Los SIG son una herramienta multifinalitaria y utilizada por muchos sectores del país.1 SIG EN EL NÚLEO DE LA GEOMÁTICA. Por lo tanto. como pilar relacionador de información y plataformas computacionales. comenzamos encontrar diferentes tipos de software que le sirven de apoyo y que en su totalidad forman el campo de la Geomática. La Geomática se convierte en un campo de gran amplitud. Si de éste núcleo se sale hacia los bordes. sino a través de la clase de información que maneja: información geográfica o geoinformación. Cuando se combinan las bases de datos alfanuméricas y gráficas – y estas últimas se encuentran referenciadas espacialmente a través de un sistema de coordenadas (georreferenciación) -. desde las más generales hasta las más específicas. todo tipo de aplicación computacional pude ser incluida. en el cual se puede incluir todo tipo de software de aplicación y del cual la tecnología SIG es el núcleo (al tomar el lugar central).1. Ciertamente la característica más relevante de estas herramientas es que son capaces de integrar gran cantidad de datos existentes en otros programas o provenientes de otras fuentes alfanuméricas y gráficas. estamos en presencia del concepto SIG. El cual se centra en el núcleo. Esto es posible porque la Geomática no se define a través del tipo de software que la integra. logrando la descripción del espacio geográfico de forma tan detallada y ajustada cuanto los datos existentes lo permitan. pues todas se relacionarán en un enlace .11 2.

Hagerstrand (1952) se interesó por el análisis de las superficies. los aspectos del software y del hardware) – Etapa de convergencia: Geodigital. Un Sistema de Información Geográfica (SIG). Otros autores como Ullman (1956). que han sido la base sobre el cual se desarrolló la tecnología SIG. son identificados como aplicativos que contienen herramientas que permiten hacer mapas a medida e interactuar con ellos a través de consultas sobre un determinado lugar. analizar. manejar. software y procedimientos para capturar. manipular.12 de sucesivas transformaciones que posibilitan. con el objetivo de resolver problemas de gestión y planificación. modelizar y representar datos georreferenciados. (NCGIA .1. es un sistema de información compuesto por hardware.EE.. y Berry (1964) al tratamiento estadístico de la información Geográfica. 2. la creación de un modelo digital de la realidad.Del punto de vista epistemológico. facilitando la solución de múltiples problemas en las diferentes áreas del desarrollo territorial. del punto de vista científico tecnológico. Se puede afirmar que el inicio de los SIGs. Bunge (1961) en su libro “Theoretical Geography” los identificó como elementos geométricos fundamentales en la Geografía y son con los que trabajan los softwares SIG vectoriales actuales. que constituye en un antecedente del software GIS raster.UU)..National Center for Geographic Information and Analysis. estos nacen y se sustentan bajo una serie de conceptos y métodos. en sus modelos de difusión de innovaciones basado en la compartimentación del espacio por medio de una retícula. .2. En general.CONTEXTO Y FUNCIONALIDADES DEL SIG. se produjo con el cambio del formato analógico de la cartografía convencional a la digital y al avance de la informática (en especial. Garrinson (1960). Nystuen (1961) y Kansky (1963) introdujeron los elementos topológicos en el análisis espacial.

transformar y presentar datos espaciales procedentes del mundo real".13 En definitivas la definición exacta de los SIGs recae en la orientación que se les dé. (Goodchild 1985). (Burrough 1986). .1. al comunicar geográficamente la información solicitada por los usuarios del sistema” Ahora siendo más específicos. Contenido: • "Un sistema que utiliza una base de datos espacial para generar respuestas ante preguntas de naturaleza geográfica." (Cowen 1988).formulada por Dacey (1970) y que considera que un Sistema de Información Geográfica puede ser “cualquier cosa que funcione como un mapa. Las citas empleadas en el capitulo 2. Se puede tomar entonces una definición que sirve para justificar la era pregeodigital . los SIGs pueden ser vistos en base a tres aspectos diferentes: Funcionalidad: • "Un potente conjunto de herramientas para recolectar. Lincoln Institute. fueron extraídas del programa para America Latina y el Caribe Aplicaciones del catastro multifinalitario.propuesta por Buzai . almacenar. recuperar a voluntad. Institucional: • "Un sistema de ayuda a la decisión que integra datos referenciados espacialmente en un contexto de resolución de problemas.2. Un SIG general puede ser visto como un conjunto de rutinas espaciales especializadas que descansan sobre una base de datos relacional estándar". y en la importancia que le dan diferentes autores a estas tecnologías.

14 2.2.. siempre bajo una visión económica espacial. Fig. Tiene por objetivo el potenciar y mejorar la toma de decisiones empresariales. gerente general de Dmapas. Atiende a las interrogantes que se relacionan directamente con la localización del negocio: el ¿Dónde? y ¿Por qué? Invertir. 2007).3 “Componentes Esenciales de los Geonegocios” Fuente: Elaboración propia. En Chile las grandes compañías ya cuentan con departamentos a nivel de gerencia o al menos de subgerencia dedicados a estudiar la rama de los Geonegocios.LOS GEONEGOCIOS. como el marketing estratégico y relacional . son la disciplina que aporta soluciones. La consideración principal que . desde dentro de las empresas. Los Geonegocios. Específicamente decisiones relacionadas a la inversión. (Alfredo Escobar. con el objeto de conocer a fondo la problemática. sociología y las relacionadas con la gestión comercial.y mezclarlas con Geografía. al ocupar diferentes disciplinas – como la estadística. plantea estrategias y elabora modelos de acción.2. Se les puede comprender como la aplicación de la Geomática a los negocios. Además por usar un grupo de herramientas computacionales de distintas plataformas. de una nueva o futura localización (física – inmobiliaria) de un servicio o negocio cualquiera.

Esto queda de manifiesto en Chile y el mundo. Las cuales pueden ser parte de las bases de datos internas. Dichas bases de datos tienen como fuente de elaboración a las estructuras catastrales. considerando a la teoría de los lugares centrales fundamental para el tema de medir las áreas de mercado.BASE DE DATOS Y SU TRATAMIENTO. centrándose en la actualidad en la extensión y no en la forma geométrica. correspondientes a las propias de la empresa o a las externas correspondientes los datos proceden de instituciones (públicas o privadas) especialmente dedicadas a la elaboración y difusión de grandes bases de datos de tipo social y económico. al ver como las grandes cadenas de supermercados y el mundo del retail. De ahí que los Geonegocios son una disciplina activa dentro de una política de país. es que haya suficientes clientes potenciales en el área para alcanzar la cantidad mínima o umbral de ventas requerido para que el negocio sea rentable. una compañía debe tener en cuenta no sólo el número de habitantes. 2. Por esta razón los Geonegocios comprenden en su estructura de planificación decidora.. . de tipo alfanumérica y cartográfica. de las áreas de mercado que propone la teoría.15 sostiene.1. Para la realización de estudios de Geonegocios se debe contar con información base.2. A fin de cumplir este requisito. a los modelos y teorías clásicas de localización espacial y de estructuración urbana. se han posesionado sobre el territorio. sino también la intención de esa población de desplazarse al centro en el que se encuentra el comercio.

16 Fig. de polarización. de elección espacial y de territorialidad. especialmente diseñado para identificar formas en grandes bases de datos (análisis cluster. escalas multidimensionales. por un lado se realizan procedimientos de estadística clásica univariante o multivariante de datos AED (Análisis de Datos). que comprenden a la combinación de herramientas de la estadística básica (descriptivos. a través de conceptos como los de distancia. análisis logit. entre otras. de interacción espacial. para estudiar los procesos que se encuentran en el origen de esas estructuras. Para lo cual se utilizan técnicas del análisis espacial. 2. En relación al tratamiento de la información. de alcance espacial. . correlación canónica. esta debe poner en manifiesto las relaciones existentes en las bases almacenadas (cartográficas y alfanuméricas). tablas de frecuencias o de correlación cruzada) con análisis multivariante avanzado. correlaciones. de centralidad.4 “fuentes de información de datos – Estructuras catastrales” Fuente: Elaboración propia. Los métodos que se emplean son complementarios entre sí.

se trata de una disciplina que podría definirse como el conjunto de técnicas que permiten analizar la realidad económico-social desde un punto de vista geográfico. junto a los elementos importantes para los negocios (clientes.LA FUNCIÓN DEL GEOMARKETING.).2. En relación a las herramientas y técnicas. Nacida de la confluencia del marketing y la geografía. con el procesamiento y tratamiento de las bases de datos. Es de una gran potencialidad. estos cuentan con los SIG como principal herramienta georreferenciadora de información y con el geomarketing como técnica fundamental.). conectividad. a través de instrumentos cartográficos y herramientas de la estadística espacial (Coro Chasco). competencia.2. transporte. datos censales. es en Europa y fundamentalmente en España donde se ha desarrollado como tal. etc. 2.17 análisis de correspondencias. árboles de clasificación. etc. analizan directamente las informaciones geocodificadas. potenciales clientes. métodos estadísticos y representaciones gráficas destinadas a producir una .. agrupados en la estadística espacial. permite a los decisores visualizar las estrategias de marketing y poner al descubierto aquellas localizaciones de mayor potencialidad en un negocio. Del punto de vista operacional se define como un sistema integrado por datos. el cual aporta entre otras. programas informáticos de tratamiento. aunado a la generación de productos cartográficos que visualicen las acciones comerciales realizadas. Los cuales a su vez deben ser complementados por un análisis confirmatorio de modelación espacial donde las técnicas de la geoestadística y de la morfología matemática. inmuebles. Paralelamente se emplean los denominados AEDE (Análisis Exploratorio de Datos Espaciales). aún poco conocida a nivel mundial. El Geomerketing es una disciplina reciente.

que tiene como función operativa. El Geomerketing dentro de los Geonegocios actúa como una técnica. con la misión de tomar cuatro elementos del marketing – mix (producto. lo que hacen. Que es en definitiva lo que determina el nombre de la disciplina. 2. distribución y precio) desde la perspectiva espacial que subyace a todos ellos. la dimensión espacial se pone de manifiesto en este proceso en el que un «producto» (bien o servicio) debe ser «comunicado» al público a . Siempre manteniendo este análisis en relación a la localización o entorno espacial del cliente o a lo que se definió como espacialidad de la vida social (Soja). a través de instrumentos que combinan la cartografía digital.6). ¿Cómo son? y ¿Dónde están? Contribuyendo a las decisiones empresariales. su cultura. su educación y sus necesidades. con productos que permitan conocer mejor el perfil de los clientes. Fuente: Universidad técnica de Loja. El segundo aspecto corresponde a lo que propone Coro Chasco. Así. Figura 2. que es abordar cuestiones críticas y habituales de la distribución comercial (véase Fig. que características.18 información útil para la toma de decisiones. 2001). gráficos y tablas (Latour y Floc’h. dos aspectos fundamentales. El primero corresponde al análisis del comportamiento de los clientes y potenciales clientes (segmentación). entre otras. comunicación. que gustos tienen. Con el objetivo de dar solución a las interrogantes que les atañen: ¿Quiénes son?.5 Procesos de integración de datos para realizar Geomerketing. saber lo que necesitan.

2. El desafío para los negocios es segmentar en la forma más útil.TIPOS DE SEGMENTACIÓN DE MERCADOS (MARKETING). Para lograr esto. tener segmentos rentables y contar con segmentos reactivos.. tener segmentos accesibles. 2. Si bien toda segmentación para ser efectiva. Fig. Fuente: El Geomerketing y la distribución comercial (Coro Chasco). ya sean de personas o cosas. Etzel.19 través de medios promocionales (por ejemplo.3. promoción y distribución.). un centro comercial. etc. Michael J. Stanton. 1996): Tener segmentos identificables y medibles. deben responder de forma diferente a las distintas acciones desplegadas por las empresas tanto en diseño. que suele estar condicionado muchas veces por cuestiones locacionales (una calle.2. Walker. así como «distribuido» en un medio de transporte para su comercialización en un punto de venta. deberá poseer las características que a continuación se enuncian (William J. un panel publicitario en una calle). con un «precio». Bruce J. una ciudad. precio. . los grupos.6: Temas críticos de distribución comercial.

20

Los mercados cambian, son dinámicos, evolucionan. Las respuestas que se obtienen de los segmentos representan opiniones sostenidas en un punto específico en el tiempo y hoy en día esas opiniones están destinadas a cambiar.

No existe un sólo tipo de segmentación de mercados, puesto que éstos estarán en función de las variables que se elijan como descriptores de los segmentos. Los métodos se pueden clasificar en dos grandes grupos: los descriptores de segmentación genéricos y los descriptores de segmentación específicos. (Boyd, Walker; 1993)

Los

descriptores

de

segmentación

genéricos

corresponderían

a

las

necesidades del consumidor, comportamiento relacionado con el producto y comportamiento relacionado con la persona (Boyd, Walker 1993).

a) Necesidades del Consumidor. Es preciso identificar los beneficios específicos que buscan los consumidores ante un producto, ya que el consumidor comprará finalmente el producto.

b) Comportamiento relacionado con el producto. Una segmentación de mercado basada en el conocimiento del producto o predisposición a comprar puede identificar a los no usuarios que sean los más probables en llegar a ser futuros compradores.

c) Comportamiento relacionado con la persona. El identificar y comprender las distintas características de innovación por parte de los clientes puede ser vital para implementar medidas en las distintas etapas del ciclo de vida de un producto.

21

Los descriptores de segmentación específicos corresponden a los descriptores de comportamiento y descriptores demográficos. (Boyd, Walker 1993).

a) Descriptores de comportamiento. Con respecto al estilo de vida, se busca agrupar a los consumidores sobre la base de sus actividades, intereses y opiniones. El estilo de vida provee una de las descripciones más informativa de la conducta de los consumidores. b) Descriptores Demográficos. Estas variables, tales como edad, ingreso, tamaño del hogar o sexo, dan otra base para particionar a los consumidores en grupos. La Segmentación por Grupo Socioeconómico es una medida integrada por un conjunto de características demográficas, elegidas y definidas sobre la base de criterios y experiencia. El indicador más común de la clase social incluye el nivel de ingreso, el nivel de escolaridad, tipo de ocupación y tipo de vecindario en que vive una persona, es por tanto, una medida demográfica compuesta.

La variable edad puede utilizarse como herramienta predictiva. El sexo es un descriptor que tiene implicaciones no solamente por razones biológicas sino también por la asignación de roles de hombres y mujeres en nuestra sociedad. El concepto de ciclo de vida familiar está dirigido a predecir el comportamiento de compra por una combinación de edad, estado civil y la presencia de niños. En lo que se refiere al Ingreso, la disponibilidad de dinero para afrontar las necesidades es, por supuesto, un pre-requisito de la demanda. La ocupación puede relacionarse directamente con la necesidad de productos específicos. La educación está relacionada cercanamente con el ingreso. El nivel educacional de los consumidores tiene un alto impacto en productos tales como viajes, libros, revistas, seguros y equipos fotográficos.

22

2.3.- LA BASE GEODÉSICA EN LA CARTOGRAFÍA DIGITAL.

En la actualidad el desarrollo tecnológico y la revolución técnica asociada a éste, afecta al desarrollo de todas ciencias, entre ellas las sociales y las relacionadas con el territorio. La Cartografía es, tal vez, una de las ciencias que más se ha visto influida por esta revolución. La aparición de herramientas informáticas cada vez más potentes, la utilización de nuevos medios de comunicación, como vías para reorganizar el proceso de comunicación, todo ello aunado a la incorporación de los Ambientes Virtuales, permite vislumbrar cambios significativos en el desarrollo de los paradigmas que hasta ahora han marcado el trabajo cartográfico (Bosque Sendra, J. - Zamora Ludovic, H., 2002).

Kolácný (Keates, 1996) fue uno de los primeros en plantear que la construcción y el uso del mapa deben tratarse como un todo, no sólo como un soporte de datos, sino también como un medio de comunicación de información territorial. Partiendo de esta premisa, se puede decir que la Cartografía, como ciencia, basa su objeto de estudio en la descripción y representación de los fenómenos espaciales, a partir de modelos (representaciones simplificadas de los hechos estudiados) que permitan una mejor comprensión de estos; es decir, a partir de la construcción de una serie de elementos espaciales, se modela la realidad, a fin de lograr una representación simbólica de la misma y de esta manera permitir la toma de decisiones bajo una visión total del espacio.

Dentro de los mencionados cambios tecnológicos producidos en las últimas décadas, en el campo de las geociencias, cabe destacar el masivo uso de los SIG y los GPS, ya que la combinación de ambos sistemas, permiten conformar un medio de comunicación de información territorial más preciso y actualizado. Donde el nexo que permite relacionar la información territorial con diferentes bases de datos almacenadas en los SIG es la denominada georreferenciación.

la base geodésica es primordial en la confección de una cartografía digital implementada en un SIG. El organismo oficial encargado de la definición y . Datum y modelo geoidal. una operación sencilla y de bajo costo relativo. denominada elipsoide de referencia. WGS – 84.1. Sin embargo. Además por un punto de origen (Datum). la georreferenciación es la asignación de coordenadas ligadas a la Tierra a objetos de interés. Pero la condición más relevante es que dichas coordenadas estén vinculadas al mismo sistema de referencia geodésico. ya sean naturales o artificiales. Hito XVIII. en gran medida. el aprovechamiento que pueda hacerse del SIG y multiplica su valor de mercado por cuanto lo hace útil a un mayor número de usuarios. 2. Permitiendo definir la ubicación de un objeto espacial mediante el registro de su longitud y latitud en un sistema de coordenadas específico. si se piensa que las coordenadas son el vehículo que permite que distintos usuarios superpongan en el SIG la capa de información de su interés. En Chile los sistemas de referencia adoptados son: PSAD – 56. El cual está asociado a un determinado elipsoide.. SAD – 69. Por ende. Adquirir la información que integrará la base de datos es la operación más laboriosa y costosa involucrada en el desarrollo de un SIG. Un sistema geodésico local queda definido por la elección de una superficie matemática que intenta recrear de la manera más exacta posible a la Tierra.3. por el contrario. Georreferenciar dicha base de datos es. donde se establece su ubicación en relación con la forma física real de la Tierra (geoide).23 En estricto rigor.SISTEMAS DE REFERENCIA LOCALES. se advierte que de una georreferenciación correcta depende.

Estos sistemas están basados en el sistema cartesiano geocéntrico. Z centrado en el centro de masas de la Tierra (Tierra y atmósfera). este último queda definido como aquel sistema que especifica una terna de ejes ortogonales cartesianos X. Este último es el sistema geocéntrico adoptado en el funcionamiento del Sistema de Posicionamiento Global GPS.3. de manera que exista una Para lograr el relacionamiento unívoco entre dos sistemas de referencia es menester conocer las relaciones entre los sistemas. Ejemplos de sistemas globales de referencia son el WGS – 72 y el WGS . 2. la posición del centro geométrico de cada elipsoide con respecto al centro de gravedad de la Tierra. las dimensiones de cada elipsoide y las relaciones matemáticas entre ambos sistemas.24 materialización de los sistemas de referencia geodésicos nacionales es el Instituto Geográfico Militar IGM. 2. . entre otros factores.SISTEMAS GLOBALES DE REFERENCIA.84.. a otro. Y..4.TRANSFORMACIÓN ENTRE SISTEMAS DE REFERENCIA.2. Los sistemas globales de referencia fueron desarrollados con el objetivo de establecer controles geodésicos tridimensionales en cualquier punto de la Tierra. Las transformaciones geodésicas se refieren al conjunto de operaciones analíticas que permiten transformar las coordenadas de un punto de un determinado sistema referencial compatibilización entre estos. es decir.

Las transformaciones bidimensionales son utilizadas en planimetría.1. por ejemplo sistemas proyectivos cartográficos UTM (Universal Transversal Mercator). requiere de una muestra de vértices con coordenadas referidas a ambos sistemas.TRANSFORMACION BIDIMENSIONAL ENTRE SISTEMAS. y de esa forma posibilitar la estimación mediante mínimos cuadrados. 1980. sistemas bidimensionales (2D).4.. en el caso más simplificado. ya que no se considera el factor altura.25 2. 1 rotación y 1 factor de escala) (Rapp. La estimación de parámetros de transformación. 2. y los modelos quedan definidos por (X e Y). Por otro lado. ángulo de rotación (ω) y factor de escala (k).4.ESTIMACIÓN DE PARÁMETROS. pueden ser modelados por 4 parámetros (2 traslaciones. de tal forma que permitan tener suficientes grados de libertad. Estas transformaciones varían desde transformaciones simples de similaridad a transformaciones más complejas.. Blachut. . 3 traslaciones y 1 factor de escala) o por solamente 3 traslaciones.2.Ty). Cuando no se consideran sistemas de referencia paralelos se formula el modelo con cuatro parámetros: traslación en ambos ejes (Tx . La relación espacial entre sistemas de referencia tridimensionales (3D) puede ser modelada por 7 parámetros (3 rotaciones. 1979).

un ángulo de rotación entre ellos (ω) y un factor de escala (k). Fuente: Parámetros de transformación entre sistemas de referencia geodésicos y cartográficos.26 El siguiente esquema ilustra la relación entre la naturaleza de las coordenadas y los modelos de transformación asociados. permitiendo interpretar más realistamente la relación entre las precisiones de los parámetros y los residuos de las observaciones. 2. 2. Ortiz. Modelo de transformación que relaciona dos sistemas bidimensionales mediante 4 parámetros. R. Ty). Zepeda . dos traslaciones (Tx.D.6 Relación de modelos de transformación y coordenadas.. según los ejes coordenados.MODELO DE 4 PARÁMETROS CON CENTROIDE.C.4. Ocares. .3. La adopción de un centroide provoca la disminución de la fuerte correlación entre los parámetros estimados. Fig.

la expresión lineal quedará representada de la siguiente manera: n Au • u X 1 = n L1 Siendo en esta expresión n el número de ecuaciones. X la matriz de parámetros o incógnitas y L la matriz de observaciones. Si las observaciones se expresan mediante ecuaciones lineales.D.4. el valor más probable para una magnitud es aquella cantidad tal que la suma de los cuadrados de los residuos entre las distintas observaciones sea mínima.. se utiliza el Álgebra matricial. Según el principio del método de mínimos cuadrados.AJUSTE GEODÉSICO: PRINCIPIO MÍNIMOS CUADRADOS.27 Fig. u el número de incógnitas. R. A una matriz cualquiera. Ocares. es decir: 2 2 2 v12 + v2 + v3 + . Zepeda . se tiene por solución del sistema: . Fuente: Parámetros de transformación entre sistemas de referencia geodésicos y cartográficos. 2. Ortiz. 2. El sistema de compensación de mínimos cuadrados tiene como finalidad encontrar una solución única al ajuste de un modelo.. + vn → mínimo Para facilitar el cálculo de los valores residuales de un determinado conjunto de observaciones.8 Modelo de transformación por 4 parámetros con centroide.4... si el número de ecuaciones es igual al número de parámetros.. Luego.C.

se obtiene mediante sucesivos procesos de derivación de matrices... r0 + r1 (l1 + v1 ) + r2 (l 2 + v2 ) + r3 (l3 + v3 ) + ...... y de esta forma se conforma el modelo A • X = L .. + rn (l n + vn ) = 0 Finalmente..... + an (l n + vn ) = 0 b0 + b1 (l1 + v1 ) + b2 (l 2 + v2 ) + b3 (l3 + v3 ) + . ... r0 + r1 x1 + r2 x2 + r3 x3 + . + bn xn = 0 ………... Donde A está conformada por los coeficientes del modelo lineal. por lo que las ecuaciones toman la forma: a0 + a1 (l1 + v1 ) + a2 (l2 + v2 ) + a3 (l3 + v3 ) + . + an xn = 0 b0 + b1 x1 + b2 x2 + b3 x3 + . + bn (l n + vn ) = 0 ………..... lo que se expresa en forma de ecuaciones: a0 + a1 x1 + a2 x2 + a3 x3 + . tomando estas ecuaciones se adaptan al modelo matricial.. llegando a la siguiente expresión: X = ( AT A) −1 AT L Uno de los casos más comunes consiste en ajustar una serie de observaciones a una condición preestablecida..28 X = A −1 • L La solución del sistema expresado anteriormente. + rn xn = 0 Donde xi representa un error o residuo de la forma xi = li + vi ... X corresponde a los valores de corrección y L a las constantes del valor de corrección.

ya sea un área metropolitana. las pautas culturales dominantes. Estructura Económica Estructura Económica Fig. un país. resulta de particular importancia el efecto ejercido por las condiciones económicas sobre la estructura y el dinamismo de los territorios. que actúan de forma interactiva. Cabe destacar aquel que atañe a las condiciones de vida que . Para asignar una definición al estudio de la geografía económica.. 2. 2.5.GEOGRAFÍA ECONÓMICA. exige incorporar la acción ejercida por múltiples factores. tangibles e intangibles. o la organización política institucional serán las principales razones explicativas de la organización del territorio.. Esta convergencia nace de una serie de factores explicativos de la organización del territorio. Entre todo ese conjunto de condicionamientos naturales y sociales. etc. Fuente: Geografía económica – La lógica espacial del capitalismo global – Ricardo Méndez. ya que cualquier análisis de una realidad espacial. una región.9). el sistema de relaciones sociales. es necesario comprender la convergencia existente entre economía y geografía.29 2. pasados y presentes. reforzándose o compensándose mutuamente (Fig.9 Factores explicativos de la organización del territorio. las herencias derivadas de un pasado que aun se hacen presente en ocasiones. el volumen y características de la población. Junto a la influencia de las condiciones naturales o ecológicas.

ciudades. al convertir el territorio en un simple escenario inerte sobre el que se instalan múltiples elementos. tienen mucho que ver con su diversa estructura u organización económica. “es el punto de vista espacial el que distingue a la geografía económica como ámbito de estudio de la economía. ).. etc. aunque ambas estén implicadas en el estudio de los sistemas económicos” (Lloyd.. etc. precisando la manera como el espacio los modela o los modifica” (Claval. distribución y consumo. y Dicken. En otras . 7). 1977. el territorio debe entenderse también como agente activo que influye de forma directa. en este caso de índole económica. 1991). Para mejor captarlos. y tienen lugar acontecimientos o procesos. la cual fue planteada por Lloyd y Dicken... que también influye sobre el uso que del espacio y el tiempo hacen los diversos grupos humanos residentes en cada una de esas áreas. Por el contrario. al señalar que “la geografía económica se interesa en la construcción de principios generales y teorías que explican el funcionamiento del sistema económico en el espacio” y. 1980.30 disfrutan o padecen los habitantes de las diferentes regiones del mundo. al afirmar que “la geografía económica intenta explicar la distribución de los hechos de producción. E. su decisión de implantarse en determinados lugares. delimitar sus áreas de actuación. utiliza las categorías propuestas por los economistas. 14). De esta manera se puede citar una de las definiciones más sintéticas y precisas de la geografía económica. E. tanto sobre las desiguales posibilidades para que surjan iniciativas empresariales en determinado tipo de actividades. en tal sentido. como favoreciendo o dificultando su desarrollo posterior. (Sánchez. P. J. Pero limitar la vinculación entre la economía y el espacio a esa simple relación causa-efecto supone un sesgo reduccionista que ignora una parte sustantiva de la realidad. P. pueblos. Una definición alternativa es la planteada por Claval. P.

. abordadas desde una doble perspectiva (véase fig. S. 1981)..10 Influencia del territorio en el funcionamiento de la actividad económica Fuente: Geografía económica – La lógica espacial del capitalismo global – Ricardo Méndez.. En resumen. parece existir un acuerdo generalizado en identificar la geografía económica con el estudio de las interrelaciones dialécticas existente entre la actividad económica y el espacio. 2. et al. o de las “estructuras territoriales” derivadas de la actividad económica (Conti. R. H.31 publicaciones. su identificación con el estudio de los “sistemas económicos espaciales” (Butler.. 1997). .10) (Méndez. 2. 1991). Fig. J. no hace sino insistir en esa misma dirección.

como fuente de recursos. los estudios sobre localización de actividades y empleos. o las condiciones medioambientales y la calidad de vida. la delimitación de áreas dinámicas y en declive. . las actividades económicas ejercen una fuerte influencia sobre la organización del territorio a través de una serie de consecuencias o impactos visibles. a la vez. como obstáculo a los desplazamientos y como soporte de la actividad. Por ello las características inherentes del territorio influyen sobre la eficiencia. sobre los efectos derivados de la actividad económica en la organización espacial. 1975). las líneas principales de investigación en geografía económica (Méndez. definen. la composición y problemas de sus mercados de trabajo. M. el espacio ejerce una influencia multiforme sobre el funcionamiento económico. al comportarse.. R. Finalmente. 1997). el establecimiento de relaciones de dominación o dependencia con el exterior. junto al estudio de las políticas públicas relacionadas y una participación activa en la planificación y gestión de actividades en el territorio. sobre la estructura y el dinamismo económico de los territorios a distintas escalas. con especial atención a los desequilibrios generados.. el crecimiento y las características de su población. que ocupa un suelo de características y precio determinados (Rochefort. económicas existentes que constituyen su sistema • Pero. que afectan la movilidad. rentabilidad y organización de las empresas y actividades económico. una vez implantadas. pues.32 • De una parte. los procesos de urbanización y la estructura interna de las ciudades.

por lo que pueden ser clasificados como bienes y servicios centrales. Las explicaciones sobre la localización de las actividades comerciales y los servicios a la población tienen como origen la obra del geógrafo alemán Walter Christaller. por lo que serán numerosas y ubicuas. los cuales suelen presentar bienes/servicios de carácter básico o de primera necesidad. pues el desplazamiento a larga distancia encarece mucho su coste y reduce su demanda. pues intentó demostrar la hipótesis de que “de igual forma que existen leyes económicas que determinan la vida de la economía. que en 1933 presentó su tesis doctoral sobre “Los lugares centrales del sur de Alemania”. La categoría o centralidad de un núcleo de la población dependerá de la cantidad y el rango de los bienes y servicios que ofrezca. Por el contrario. generalmente relacionada con su precio.5.33 2. las cuales exigen un volumen mínimo de consumidores potenciales para poder ser rentables. por ofrecer bienes/servicios generalmente poco costosos y de uso frecuente. Según Christaller. por lo que actúan como lugares centrales respecto a un área de influencia que se dispone alrededor. necesitan estar próximas al consumidor (menor alcance).TEORÍA DE LOS LUGARES CENTRALES. Fue también uno de los primeros trabajos geográficos que utilizó el método deductivo. Las de menor rango.. número y localización. como las áreas rurales más o menos extensas. Tanto los comercios. en cuanto a tamaño. aspectos representativos de aldeas o pueblos. como numerosos servicios privados y públicos cumplen esa función.1. Esas actividades comerciales y de servicios pueden jerarquizarse según la frecuencia que exija su uso. las ciudades se definen por su función como centro de intercambio desde el que se abastece de bienes y servicios tanto su propia población. que aumenta con su rango y al que se denomina umbral de demanda. los . así existen también leyes geográfico-económicas que rigen la distribución de los núcleos urbanos”.

resumidas en tres principales. Christaller intentó explicar la localización territorial de los lugares centrales en una hipotética llanura isotrópica (distribución homogénea de una población que cuenta con igual poder adquisitivo y libre movilidad en todas direcciones). pues la población estará dispuesta a realizar desplazamientos más largos para poder acceder a ellos. o tenderán a solaparse en caso contrario (véase fig. las cuales suelen presentar una oferta cuantitativa y cualitativa.34 bienes y servicios de mayor calidad y precio. • No obstante. Tal como señalo Lösch (1941). dejando áreas intermedias de . A partir de tales restricciones. por lo que se ampliará su área de mercado (o región complementaria) hasta donde se sobrepase el nivel de rentabilidad mínima. esas áreas de mercado circulares dejarán espacios sin abastecer si están demasiado alejadas entre sí. dedujo las regularidades principales que identifican la localización territorial de los centros comerciales y de servicios. en condiciones de competencia perfecta y con una estricta racionalidad en el comportamiento de vendedores y consumidores. la cantidad demandada de cada bien y servicio central disminuirá con la distancia hasta llegar a ser nula. según Méndez (1997): • Lugares centrales de una misma categoría tenderán a distribuirse de forma regular en el territorio para organizar áreas de mercado de forma aproximadamente circular y radio igual al alcance de los bienes de mayor rango que ofrezcan. que suelen ser de uso poco frecuente y. 2. aspecto representativo de las ciudades. alrededor de cada lugar central se formará un cono de demanda en el que. desde una perspectiva tridimensional. exigen un mayor umbral de demanda. por esa razón. serán de rango superior y las empresas que los ofrecen resultarán menos numerosas y localizadas en pocos lugares.11).

Fig. Por esa razón. las áreas de mercado hexagonales de las diferentes categorías de lugares centrales tenderán a encajarse unas dentro de otras según su diferente alcance. • Siguiendo ese criterio. pues el número de centros de orden inferior tiende a reducirse en un tercio al ascender un nivel de la jerarquía.5. al tiempo que la superficie y población de sus áreas de mercado se multiplica por tres y la distancia entre ellos por la raíz cuadrada de tres (principio del mercado). Las citas empleadas en el capitulo 2. fueron extraídas desde Méndez Ricardo (1997) Geografía económica. que mantienen una relación jerárquica regular.11 Superposición de áreas de mercado.12). desde las páginas 32 -38. la lógica espacial del capitalismo global . 2.35 indiferencia. formando redes de centros dispuestos de forma regular en el territorio (véase fig. la forma más eficiente de abastecer a toda la población con el menor número de lugares centrales será mediante áreas de formas hexagonales. 2. Fuente: Geografía económica – La lógica espacial del capitalismo global – Ricardo Méndez.

2) Los consumidores que viven cerca de la planta están en mejores condiciones que los que viven alejados de esta. Por otro lado. 2002). . Su modelo presentaba dos características: 1) Las economías a escala hacen que el productor cargue un precio por arriba del costo promedio en un intento de extraer mayores ganancias. Lösch al desarrollar el modelo del área de mercado. (Carrillo. sólo tomó en cuenta los factores económicos que determinan la región económica y dejó de lado a todas las demás variables expuestas por Christaller. porque obtienen los productos más baratos.12 Distribución óptima de centros de servicios (Lugares Centrales). A raíz de esto algunos de los determinantes económicos sirvieron para la concentración (ventajas de especialización y producción a escala) y otros para la dispersión (reducción de costos y diversificación de la producción). 2. A partir de esto Lösch afirma que se puede esperar que los consumidores compitan entre sí por los sitios más cercanos a la planta. Fuente: Elaboración propia.36 Fig.

Central Business District). analizó su crecimiento en sucesivos procesos de invasión-sucesión que ampliaban los límites de la ciudad y realizaban un corrimiento de las áreas sociales. El primer modelo sobre la estructuración del espacio urbano fue propuesto por el sociólogo Ernest W.TEORÍAS SOBRE LA ESTRUCTURACIÓN DEL ESPACIO URBANO..13A) Fig. tales como : la mejora de transporte. características inherentes a una ciudad o a una estructura urbana ya consolidada. 2.13 Modelos Clásicos de estructura Urbana Fuente: La evolución de los factores de localización de actividades pag.37 2. empresas de servicios y usuarios. Burgess en 1925 al conceptualizar el desarrollo de la ciudad en anillos concéntricos a partir del centro (CBD. (90 -95) . amenidades urbanas y las relaciones de competencia entre núcleos de población. que iban desde un deterioro central hasta una periferia favorecida.6. Importante es considerar . (Figura 2.en la aplicación de un modelo de localización de bienes o servicios. la estructuración del espacio urbano sobre la cual se va a planificar una nueva o futura localización. tomando en cuenta que los modelos clásicos de localización responden a una visión geométrica espacial utópica que no considera los comportamientos que dirigen la actuación de comerciantes.

2.38 El economista Homer Hoyt en 1939 estudiando la distribución residencial de más de veinte ciudades de los países occidentales basa su explicación en un crecimiento por sectores (figura 2. sino que tienen muchos “minicentros. Fig. la unión de diferentes aglomeraciones que llevaría a la generación de grandes áreas urbanas con múltiples centros. la cual fue una base para que posteriormente Brian J. Fuente: Perspectivas teóricas en Sociologías Urbana pag. es decir. Las ciudades no tienen un solo centro. la “teoría de lugares centrales” a nivel intraurbano. (Teoría de los núcleos múltiples.9).Berry y William Garrison pudieran aplicar.. Finalmente. los geógrafos Chauncy Harris y Edward Ullman en 1945 analizan el tema privilegiando el proceso de conurbación.L. tendencia que las clases altas aprovecharían ubicándose en las áreas más accesibles al centro (principales vías de circulación) y buenas desde un punto de vista paisajístico (frentes costeros).1. figura 2. a finales de la década del cincuenta.” Las actividades similares se localizan en la misma área y crean “miniciudades” dentro de la ciudad mayor.13B).TEORÍA DE LOS NÚCLEOS MÚLTIPLES. (8 . 2.14 Modelo de Núcleos Múltiples de Harris y Ullman.13C).6. .

7. suponiendo el espacio de datos como si fuera una caja de cristal tridimensional. por su parte. las ciudades se desarrollan alrededor de una serie de centroides o núcleos. se utilizan los valores cartográficos verdaderos existentes en el interior de los mapas. tratando de hacer una valoración de la distribución de colores en cada zona. potasio (K) y nitrógeno (N). la cual esta comprendida por un montón de bolas flotando en su interior.. . Las bolas flotantes. longitud).SIMILARIDAD CARTOGRÁFICA. 2. para entender el espacio de datos se puede recurrir a una conceptualización del mismo. La mayoría de las ciudades tienen aspectos visibles de los tres modelos (Burgess – Hoyt – Ullman) y son. Ninguna ciudad sigue la forma pura de algún modelo. en los suburbios. sobre todo. por lo tanto. Los usos del suelo más conocidos se identifican en áreas que corresponden a distintos núcleos alrededor del centro histórico y comercial (CBD) y. un mapa con respecto a otro.18 se muetra a modo de ejemplo. En el análisis visual y subjetivo inconscientemente se compara. las magnitudes que definirían las dimensiones de la caja de cristal están definidas por los ejes de las mediciones de fósforo (P). Mientras que. compuestas. pero con la diferencia de que en vez de usar los colores y sus variaciones visuales. La dificultad de este tipo de aproximaciones tiene una doble vertiente: a la vez hay que recordar las tramas de colores y además calcular las diferencias. En la figura 2. representan tramas de datos para cada localización. El espacio geográfico utiliza coordenadas (latitud. Para comprender este tipo de análisis es fundamental tener claro la unión conceptual entre el espacio de datos geográfico y el espacio de datos. Con un análisis cartográfico cuantitativo se realiza lo mismo.39 Según el modelo de núcleos múltiples de Harris y Ullman.

EL ANÁLISIS Y LA ESTADÍSTICA ESPACIAL. Esta distancia existente entre los puntos más alejados se toma como referencia para establecer el criterio de “más diferente” en toda la serie de datos. .8. un punto con una trama de datos idéntica tendría una representación exactamente en el mismo punto del espacio de datos.. es también el punto menos similar a dicho punto de comparación. los campos de interacción de tipo gravitatorio. la bola que está más cercana (la de mayor tamaño). se ve en la Figura 2.15. El análisis espacial pone en evidencia estructuras y formas de organización espacial recurrentes. Fuente: Artículos de la serie Beyond Mapping: Más allá de la cartografía – Joseph Berry. En consecuencia.15 Relación conceptual entre el espacio de datos y el espacio geográfico. 2. Volviendo al ejemplo. las tramas urbanas jerarquizadas. que resumen por ejemplo los modelos centro-periferia. 2. Por contra. se aprecia que es a su vez la más alejada en el espacio de datos al punto tomado como comparación.40 Fig. y se iguala al valor mínimo de 0% en una escala virtual de similaridad. lo que daría lugar a una distancia 0 de nuestro punto de comparación y por tanto al valor mínimo de la escala virtual de similaridad (100%).

encuentra luego. El empleo de la estadística clásica conduce a olvidar en un primer momento la localización de los objetos y. empleada para simular los efectos de interacciones espaciales sobre la evolución de entidades geográficas definidas a priori. los efectos espaciales. del nivel de observación. analizan directamente las informaciones geocodificadas. agrupados en la estadística espacial. los métodos de la geoestadística y de la morfología matemática. de alcance espacial. de polarización. Analiza los procesos que se encuentran en el origen de esas estructuras. de interacción espacial. en análisis espacial.41 los diversos tipos de redes o de territorios. Los métodos utilizados para el análisis espacial son muy diversos. Una atención particular merece. Las teorías de la autoorganización han subrayado el interés por observar las interacciones que se producen en un nivel de organización de los sistemas. de territorialidad. y están integradas en las teorías y los modelos del funcionamiento y la evolución de los sistemas espaciales. y una modelización "del espacio" que identifica las propiedades y las estructuras a partir de la información contenida en matrices de interacción. Asimismo. de centralidad. la definición de la escala geográfica considerada. a través de conceptos como los de distancia. Por el contrario. en un análisis en términos de residuos. la emergencia cualitativa de las . completada por la cartografía. Leyes de la espacialidad vinculan a esas formas y esos procesos. ya se trate del nivel "microscópico" de los actores individuales o de agregados espaciales definidos en los niveles meso o macrogeográficos. El análisis de los procesos por los cuales se efectúa el paso de un nivel al otro. para comprender la dinámica de esos sistemas en un nivel de organización superior. de estrategia o elección espacial. etc. se podría distinguir una modelización "en el espacio".

EL ESPACIO VECTORIAL COMO UN SISTEMA CONTINUO. dado que tratan el espacio . entre otras. Sin embargo. utilizando los mapas.1.) y diversos útiles de simulación. grids raster y pseudogrids). tales como la geocodificación de eventos. Aunque la historia de las preocupaciones que expresa pueda ser jalonada de nombres de ilustres precursores. arqueología. tratan el espacio de una manera totalmente diferente. el análisis espacial es una rama de la investigación cuyo desarrollo es relativamente reciente. integrando también los resultados de encuestas sobre los comportamientos en el espacio y sus representaciones. Los pseudo-grids y los grids raster son similares a las propias imágenes raster.. la construcción de rutas optimas. Los datos de tipo vectorial son la base para el procedimiento de gestión de datos que suelen utilizarse en el Geomerketing.42 estructuras. otros tipos de datos (imágenes raster.8. 2. historia. que hace pertinente el cambio de escala. es uno de los grandes problemas que se plantean actualmente en la reflexión teórica y en la modelización en geografía. los sistemas de información geográfica (SIG. Las entidades gráficas contenidas dentro de un mapa vectorial identifican objetos espaciales discretos e irregulares. agronomía. el análisis espacial es empleado por muchas otras disciplinas además de la geografía: en economía espacial (o ciencia regional). De esta manera conforman la perspectiva geométrica del espacio cartográfico. utilizando para ello una estructura regular espacialmente continua. Por otra parte los datos con estructura de malla son una forma relativamente nueva de describir el espacio geográfico y sus relaciones. Apoyándose sobre los métodos estadísticos y los modelos matemáticos. etc (Denise Pumain). ciencias del medio ambiente. con contornos nítidamente definidos.

Sin embargo. En la práctica. eso sí. En consecuencia. con sus correspondientes características espaciales y temáticas. pero sin embargo sus entidades gráficas son vectoriales. Fig. la organización y naturaleza de los datos son radicalmente diferentes.43 geográfico como un continuo. entre ellas destacan las Lattices (Retícula) y los Grid (Rejilla). Fuente: Artículos de la serie Beyond Mapping: Más allá de la cartografía – Joseph Berry.16). Para desarrollar la transformación desde un espacio discreto a uno continuo. los pseudo-grids almacenan datos totalmente numéricos en sus tablas de atributos (como los grids normales). se crea una organización explícita de la información que es tan ineficiente como limitada de cara al análisis espacial. Al tratar cada celda como un polígono vectorial independiente. todos los polígonos tienen la misma forma y el mismo tamaño.16 El espacio vectorial como un sistema continuo. cada elemento contenido en estos pseudo-grids es tratado como un polígono independiente. los lattices utilizan líneas para graficar la configuración de la superficie. Las curvas de nivel en la versión 2D . Por su parte. se puede trabajar con distintas aproximaciones. 2. 2. Un pseudo-grid está formado por una serie de polígonos cuadrados de tamaño constante que cubren el área de análisis (Fig.

2.17 Aproximaciones por Lattices (Retícula) por los Grid (Rejilla). En ambos casos el criterio que agrupa unidades espaciales para la formación . corresponden a los análisis de densidad y proximidad (Joseph Berry). Las herramientas más conocidas que desarrollan esta teoría dentro de los SIG. por su parte. Fig. utilizan celdas para representar la configuración de la superficie. al momento de regionalizar mediante el empleo de técnicas cuantitativas se pueden buscar resultados a través de dos variantes. Fuente: Más allá de la cartografía – Joseph Berry / Trans-espacialidad urbana – Claudio Contreras.LA CORRESPONDENCIA ESPACIAL..44 identifican puntos de ruptura entre intervalos de valores iguales y los Grid. Las primeras tienen relación con una forma de pensar la realidad en la cual se privilegia un punto de vista paisajístico o la obtención de áreas de gestión. la delimitación de regiones contiguas o fragmentadas. Su versión 2D consiste en un simple relleno de cada celda con el color correspondiente a su intervalo de valores. 2.8. mientras que la segunda es un paso más cercano a la captación de la funcionalidad del sistema espacial. 2. Según Gustavo Buzai.

tiene que ver con la alta probabilidad de elegir un individuo al azar y que sus datos se acerquen a los datos que caracteriza el área. Cuando la intersección V1 ∩ V2 = 0 → CE = 0 y cuando V1 ∩ V2 = V1 U V2 = 1 → CE = 1. . De esta manera se minimizaría la denominada falacia ecológica. utilizado por la perspectiva regionalista. en el cual. Primero. Desde el punto de vista de la teoría de conjuntos en combinaciones de regiones sistemáticas o compuestas por una sola categoría de la variable se pueden ver los niveles de correspondencia espacial (CE) de la siguiente forma: Donde V1 y V2 representan las superficies ocupadas por las variables 1 y 2 respectivamente. que consiste en atribuirle erróneamente a un individuo el comportamiento medio de la población del área que habita. el método intuitivo basado en la percepción. el cual no significa que los valores medidos en su población deban ser similares al de la unidad espacial. mientras que para una perspectiva racionalista las regiones se construían mediante procedimientos intelectuales que apelan a una importante dosis de subjetividad. luego de realizar una serie de observaciones el cientista debía delimitar una región que tenía existencia de forma independiente.45 de áreas es el de homogeneidad. De esta manera: 0 ≤ CE ≤ 1. Los métodos propuestos por la geografía tradicional que tienden hacia la determinación de regiones homogéneas tienen que ver con dos formas de ver la realidad. sino como afirma Timms (1974). Este método descrito corresponde a la superposición de regiones sistemáticas.

para saber como se comportan y se relacionan en el espacio. que se realiza con frecuencia en la investigación. mediante el cálculo de los Zscore. . De esta manera se pueden realizar operaciones estadísticas cuantitativas entre las diferentes capas temáticas. µ es la media de la población. Es muy importante saber que ambas relaciones. Los que quedan en función de la siguiente expresión: Donde: x es un puntaje bruto de ser normalizados. Un proceso determinante para hacer comparaciones cartográficas.LA HOMOGENIZACION DE ESCALAS CARTOGRAFICAS.3.46 2. la normalización simplemente cambia la escala de los valores.. como se cambiara de unidades de medida. comprende a la estandarización de las variables. que conforman la matriz de especificidad Matriz que se genera en función de las uniones espaciales entre capas temáticas –. La norma Resultado (Z) indica el número de desviaciones estándar que una observación está por encima o por debajo de la media. En efecto. Permite la comparación de observaciones de diferentes distribuciones normales. numéricas y espaciales (geográficas). Consiste en ajustar los valores cartográficos.8. son conservadas en el proceso de normalización. σ es la desviación estándar de la población.

Wikipedia 2. Fuente: Tipificación de valores . mismo tamaño de celda y mismo punto de referencia). 2.STACK DE MAPAS.18 Campana de Gauss para valores Zscore. Igualmente.47 A continuación se observa la comparación de las diversas medidas de la distribución normal: las desviaciones estándar. mismo número de columnas. las matrices que contienen los valores cartográficos coinciden exactamente unos encima de otros en su posición justa porque todas las capas se refieren al mismo marco de referencia (mismo número de filas.. los puntos vecinos presentes en el entorno de un determinado punto pueden ser leídos también a partir de la . Fig. porcentajes acumulados.8. y T resultados.4. las puntuaciones Z. Este tipo de organización de la información permite al ordenador identificar los valores de cualquier celda en el mapa mediante el acceso a los datos de las distintas matrices a partir de un número dado de fila/columna (el tipo de funciones que se utilizan en operaciones espaciales de superposición punto-sobre-punto). En un conjunto de datos con estructura grid.

En cuanto a la proximidad relativa de una celda con respecto a otra. ésta se calcula a partir de la comparación de dos o más ubicaciones documentadas a partir de sus respectivas posiciones fila/columna (son el tipo de funciones que se utilizan en operaciones de análisis de distancia y conectividad).19 El Stack de Mapas Geográficos. Fuente: Artículos de la serie Beyond Mapping: Más allá de la cartografía – Joseph Berry. 2. Un paquete de mapas ('Stack') puede ser almacenado como una serie de grids individuales o bajo la forma de una tabla multi-grid que contiene los valores de todas las capas juntas (Joseph Berry). . Fig.48 selección de los valores vecinos correspondientes a una posición fila/columna determinada (el tipo de funciones que se utilizan en operaciones de superposición regional).

. La autocorrelación espacial es una medida de la similitud temática de los objetos geográficos en un área determinada.5. la delincuencia suele ser menor en las cercanías de las comisarías de policía. etc. Los Polígonos de Thiessen (también Polígonos de Voronoi o Teselación de Dirichlet) son una construcción geométrica que permite construir una partición del plano euclídeo. basado en la distancia euclidiana. de manera que el perímetro de los polígonos generados sea equidistante a los puntos vecinos y designando su área de influencia.5.. denotando una . si por el contrario. si los objetos cercanos se parecen mucho entre sí. un tipo de uso del suelo. Se crean al unir los puntos entre sí.POLÍGONOS DE THIESSEN. trazando las mediatrices de los segmento de unión. 2. En general.) y coordenadas espaciales (coordenadas x e y del punto de ubicación del fenómeno).8. por el hecho de estar juntos. siendo especialmente apropiada cuando los datos son cualitativos. Las intersecciones de estas mediatrices determinan una serie de polígonos en un espacio bidimensional alrededor de un conjunto de puntos de control.LA AUTOCORRELACIÓN ESPACIAL (PRINCIPALES ÍNDICES).8. la autocorrelación espacial es negativa (por ejemplo. se dice que existe una autocorrelación espacial positiva. tipo de vegetación. La autocorrelación espacial viene a poner en relación las diferencias temáticas de los objetos en relación con la distancia que presentan entre sí. difieren mucho entre sí. Los polígonos de Thiessen son uno de los métodos de interpolación más simples.49 2. los objetos cercanos. Cada objeto geográfico tiene valores-atributos descriptivos de sus características (por ejemplo.

con la correspondiente distancia geométrica que les separa. Los valores cercanos a -1 interpretan una dependencia negativa y para n-1 muestran una distribución aleatoria (Gabriel Ortiz).siempre responde al mismo principio: poner en relación las diferencias en los valores temáticos entre dos ubicaciones o casos.9. unido a la . el de Geary y Moran. El análisis estadístico de datos incluye un conjunto de métodos y técnicas uní variante y multivariantes que permiten estudiar y tratar en bloque o una o varias variables medidas u observadas en una colección de individuos. A partir de esta idea básica. 2. Por ello.Índices de Autocorrelación Espacial. La autocorrelación espacial -medida con el índice que sea. existe un armazón común a todo índice de autocorrelación espacial del tipo: Donde Wij es la distancia geográfica entre los dos sucesos o casos y Cij es la distancia en el espacio de datos o diferencia entre datos temáticos. Un tratamiento tan completo.50 autocorrelación espacial negativa entre casos de delincuencia y presencia policial).. solo cualitativas o simultáneamente de ambos tipos. i. I MORAN: La interpretación del I de Moran es que si los valores son cercanos a 1 existe una fuerte dependencia espacial y son valores similares entre si tendiendo a estar juntos en el espacio.. existen dos índices de autocorrelación.EL ANÁLISIS ESTADÍSTICO DE DATOS (ANÁLISIS MULTIVARIADO). Existe la posibilidad de que esas variables sean solo cuantitativas.

por fuerza. Es decisiva la selección de las variables que realmente sean relevantes para identificar a los grupos. mientras que individuos diferentes (disimilares) se localicen en cluster distintos (César Pérez). de manera que individuos que puedan ser considerados similares sean asignados a un mismo cluster. que se pueden agrupar casos como variables. Puesto que . de acuerdo con el objetivo que se pretenda con el estudio. Elección de la medida de proximidad entre los individuos.. conglomerados o clusters. el análisis carecerá de sentido.EL ANÁLISIS DE CLUSTER Y SU TRATAMIENTO. Elección del criterio de asociación de individuos en conglomerados. no conocidos de antemano pero sugeridos por la propia esencia de los datos. trata de situar los casos (individuos) en grupos homogéneos. En relación a su tratamiento es muy importante tener presente. es necesario conocer básicamente las principales medidas de similitud y distancia. A partir de una tabla de casos-variables. 2. De lo contrario. explica la dificultad matemática de un proceso que. Además tener tres consideraciones previas a su realización: • • • Selección de las variables relevantes para identificar a los grupos. ha de apoyarse en el cálculo matricial y en técnicas no básicas (Cesar Pérez.10. El análisis cluster es un método estadístico multivariante de clasificación automática de datos. 2004).51 diversidad de enfoques teóricos y prácticos que puede darse a un estudio multidimensional. ya que los conglomerados que se forman se hacen en relación a la proximidad entre las variables o individuos. Para la selección de la medida de proximidad.

ya sean para los métodos Jerárquicos.Cesar Pérez . Fuente: Técnicas de Análisis Multivariante de datos. Aplicación en SPSS . distintas medidas de proximidad pueden dar resultados distintos para mismos datos. . como para los No jerárquicos. 2. para cada uno de sus tipos. como mínimo los principales métodos y algoritmos de cluster.20 Esquema general del análisis de cluster. Para elegir el criterio de agrupación conviene conocer. Fig.52 los grupos que se forman en cada paso dependen de la proximidad.

. Ya sea cualitativa. Las proximidades pueden medir la distancia o la similitud (similaridad) entre individuos o variables. cuantitativa.10. La proximidad expresa la semejanza que existe entre individuos o variables.1.. En las similitudes.CONCEPTO DE PROXIMIDAD. 1) Coeficiente de congruencia: CRS = 2) Coeficiente de correlación Pearson: 3) Distancia euclídea y Manhattan . Es decir es el grado de asociación que existe entre ellos.53 2. dependerá del tipo de variable utilizada.Principales medidas matemáticas de proximidad. i. El valor que se obtiene en una medida de distancia es tanto mayor cuanto mas alejados están los individuos o puntos entre los que se mide. Cabe destacar que el uso adecuado de las medidas. binaria u otra. al contrario de las distancias. el valor que se obtiene es tanto mayor cuanto mas próximos están los elementos considerados.

los que suelen emplearse para evaluar la cohesión de los conglomerados que se han formado y proporcionar información sobre el numero adecuado de conglomerados que deben conservarse. se trata de conseguir agrupaciones sucesivas entre ellos de forma progresivamente se vayan integrando en clusters los cuales. se unieran entre si en un nivel superior formando grupos mayores que mas tarde se juntaran hasta llegar al cluster final que contiene todos los casos analizados.10. Lance y Williams desarrollaron una formula que puede ser utilizada para describir los distintos tipos de enlace de los métodos jerárquicos aglomerativos. La forma de representación de las etapas de formación de grupos se denomina dendograma. Este método es parte del grupo de algoritmos de enlace jerárquico. .EL MÉTODO DE AVERAGE LINKAGE (BETWEEN GROUPS). es muy frecuente en varias áreas de investigación. sino la distancia media entre todos los pares posibles de casos (uno de cada cluster).2. La formula de Lance y Williams para la distancia entre grupos es la siguiente: ..ANÁLISIS CLUSTER JERÁRQUICO. Considera como distancia entre dos cluster.54 2. Tiende a producir clusters compactos.10. Tiene como particularidad en su funcionamiento partir de tantos grupos iniciales como individuos se estudian. Una variante de este método es el método de la media ponderada (average linkage between groups). 2. a su vez. en el cual se combinan los grupos de tal forma que la distancia promedio entre todos los casos en el cluster resultante sea lo más pequeña posible.3. Matemáticamente. no la de los individuos mas próximos un mas lejanos de ambos grupos. por lo que es muy utilizado y suele ser el método por defecto en los paquetes de software. Este tipo de análisis.

Fuente: Tesis Doctorales en Xarxa. .21 Constantes de la formula Lance – Williams para cluster jerárquicos. 2.55 Fig.

Denise Pumain) GEOMARKETING (Coro Chasco) Generando Segmentación de mercados Mediante Métodos estadísticos multivariantes (Análisis Cluster) Identificando LOCALIZACION ESPACIAL (Cluster Potenciales Clientes) POTENCIALES AREAS DE MERCADO VALIDACION DEL ENTORNO URBANO (Existencia de Subcentro – Políticas de aglomeración) ..1. Berry) Basado en GEOMATICA (Gustavo Buzai) Aplicado a GEONEGOCIOS Teoría de los Núcleos Múltiples Teoría de los Lugares Centrales Compuesto por MARKETING ESTRATEGICO EMPRESARIAL (Boyd.METODOLOGÍA TEÓRICA DE ELABORACIÓN DEL MODELO.56 CAPITULO III: ELABORACION DEL MODELO DE GEONEGOCIOS PAR NEGOCIO – CLIENTES 3. MODELO GEONEGOCIO PAR NEGOCIO – CLIENTE Es sustentado ESTRUCTURA ECONÓMICA ESPACIAL (Christaller – Ullman – B. Walker) TECNOLOGIA GEOESPACIAL (Joseph Berry.

. existe un bajo interés de la población estudiantil por entrar a un CFT. 2002) ingresan a un CFT. 2004). con lo cual su rentabilidad es más prolongada. Comportamiento que tiene directa relación con que los jóvenes de Chile desean obtener un título profesional en vez de un título de nivel técnico. Dichas cifras reflejan un comportamiento desbalanceado entre las instituciones que en Chile ofrecen educación. y un 3% a nivel nacional (INE.Baja demanda . de las matrículas del sector.Financiamiento . a diferencia de los institutos y universidades. por la simple razón que los primeros tienen una mejor taza de retorno (ver figura 3. Derivando en una rentabilidad de corto plazo para el mantenimiento de estos.5 veces mayores remuneraciones en comparación con los técnicos (Expansiva. Para iniciar la elaboración del modelo es necesario considerar algunos aspectos problemáticos. los cuales ofrecen carreras profesionales entre cuatro y ocho años.1). . los cuales captan el mayor número de estudiantes alcanzando un 70% y un 19% respectivamente. determinan una corta estancia de los estudiantes.57 3.1. 2004).METODOLOGÍA DE TRABAJO. 2004). Además cabe considerar que el financiamiento de los CFT ha dependido casi exclusivamente de la demanda que ejercen los estudiantes con capacidad de pago y que no acceden a las Universidades del Consejo de Rectores (Expansiva. (Expansiva.Los Centros de Formación Técnica (CFT) al ofrecer carreras de nivel técnico entre dos a tres años de duración.Aunado a lo anterior. En contraste con universidades e institutos profesionales. claves del rubro (CFT): . Esto queda reflejado en que solo un 11% de los estudiantes de la educación superior de pre-grado (Expansiva. 2004). alcanzando hasta 2..

2). . 3. Costos y beneficios de estudiar en Centros de Formación Técnica: ¿Neutralidad de la política pública? En Foco. desde un nivel inicial de 78. Fuente: Encuesta CASEN (2003). Por su parte. El número total de estudiantes en los CFT cayó en términos absolutos.7% en el 2004).58 Fig.) . la matrícula en las universidades ha crecido desde 127. 1-18.700 alumnos en el año 1990 a cerca de 400. 71. para recuperarse levemente en los años siguientes y alcanzar los 62.000 en el año 1990 hasta un mínimo de 50. 2006.1 Tasa de retorno a la educación por tipo de educación.000 casos en el año 2004. 18.800 en 1999.7% del total de estudiantes de pregrado del nivel superior.La brecha entre la matrícula de las universidades y los CFT se ha ampliado considerablemente en los últimos quince años (ver Fig. mientras que los Institutos Profesionales han mantenido relativamente constante su participación relativa en el total (16. (Osvaldo Larrañaga. En 1990 la matrícula de los CFT representaba el 31.3% en 1990. 3.Crecimiento desbalanceado .000 en el año 2004.

1-18. Costos y beneficios de estudiar en Centros de Formación Técnica: ¿Neutralidad de la política pública? En Foco. que genera amenidades y por consecuencia aglomeraciones urbanas.59 Fig. 71. Incentivándolos a instalarse en un lugar ya probado. . 3. a una competencia desproporcionada con instituciones de mayor marca en el mercado. Por el solo hecho de creer que existe un único centro.2 Crecimiento desbalanceado. 3 corresponde a la visión geográfica analizada a priori por el equipo memorista. para comenzar el estudio y decidir que solución espacial se podía ofrecer al CFT. 2006. Fuente: Osvaldo Larrañaga. como los CFT. Sometiéndose de esta manera. -Viciada localización espacial 3 – Corresponde a la excesiva centralización que presenta el mercado de la educación superior privada en el conocido barrio república del centro de Santiago. Lo que genera una visión errada de lo que significa una buena localización en los centros de educación de menor envergadura.

junto a la problemática definida como “viciada localización espacial”. Fuente: Elaboración Propia Distribucion de instituciones Educacionales privadas por comuna en el limite Urbanizado de Santiago 6% 6% 3% 18% Santiago Providncia Ñuñoa La Condes La Reina Otras 19% 48% Considerando los aspectos problemáticos sin directa correspondencia geográfica (financiamiento. baja demanda.3 Análisis espacial de concentración de la oferta educacional. crecimiento desbalanceado). se determino .60 Fig. 3.

. como cluster ideales6 de potenciales clientes.7 validación del entorno). 4 determina que el negocio frente a la alta y variada oferta del mercado. no importando su número ni su locacion. Dentro del espacio urbanizado de la Región Metropolitana. 5 Todo cluster que cumpla las características de ser un clon del CFT. Y permita aproximar en gran escala.2. debe desplazarse ya sea física o comunicacionalmente hacia el cliente objetivo. Siempre y cuando dichas zonas. . 3. cumplan con estar próximas a un sub.1. un lugar central que aporte aglomeraciones urbanas. 6 Es aquel que en su entorno cercano.que ayude a detectar tanto cluster genéricos5. presente un lugar central y su numerosidad alcance el umbral necesario para dar proyección a un nuevo cft.61 necesaria la creación de un modelo de geonegocios par negocio-clientes4.-centro urbano en desarrollo.3. potenciales zonas territoriales para la creación de nuevas sucursales del CFT Magnos. con la certeza que son clones de los actuales. o ya presenten en su estructura. (Véase Cáp.ESQUEMA DE PROCESOS Y RECURSOS GEOMATICOS.

1. deben responder a las siguientes características técnicas: . La generación de una base cartográfica unificada y georreferenciada tiene por objetivo permitir que los análisis que confluyen a un resultado final -sobre el cual se basarán decisiones de inversión ..necesarias para el desarrollo del modelo geométrico del estudio. Las cuales presentan diferentes Datum de referencia entre sí. con lo cual se conforma la unificación geométrica ideal para trabajar un modelo espacial de geonegocios. geométrica y social.62 3. De lo anterior nace la necesidad de contar con parámetros de transformación entre sistemas. el modelo geométrico requiere para su unificación migrar coberturas cartográficas incorporadas en los Sistemas de Información Geográfica (SIG) a SIRGAS (WGS84).Elementos lineales (Ejes) y polígonos (Manzanas) .3.3. Tanto física. El propósito de este proceso es exponer la metodología.. con precisión aplicable a cartografías digitales. Las coberturas cartográficas base. en ambiente SIG .REQUISITOS GENERALES DEL MATERIAL CARTOGRÁFICO. 3. A partir de la adopción oficial del Sistema SIRGAS (equivalente en la práctica a WGS84). Las coberturas cartográficas. como sistema de referencia geodésico oficial para Chile. precisos y se ajusten a una representación lo más cercana posible a la realidad de la tierra.VALIDACIÓN DEL MODELO GEOMÉTRICO.sean fidedignos. aplicación y resultados obtenidos de la estimación de Parámetros de Transformación (PT). a tratar corresponden a instituciones públicas encargadas de generar base de datos territoriales y sociales (SAF – INE). mediante técnica de Mínimos Cuadrados.

Y su superposición. que permita ir acorde a la evolución del tratamiento de la información. debe estar en el orden de los ±5 m. mediante el uso de direcciones. . • La cobertura de Manzanas. en su estructura SIG debe poseer en la base alfanumérica. • Se deben conocer sus metas datas de georreferenciacion (Parámetros de transformación y sus precisiones internas). • La cobertura de ejes. • La precisión de sus georreferenciaciones. debe estar entre los ± 3 y ±5 metros. en su estructura SIG debe poseer en la base alfanumérica. con el modelo validado en WGS84 del mosaico de imágenes satelitales que presenta Google Earth. el código de enlace del INE (Instituto Nacional de Estadísticas).Asociado a cada manzana de las 33 comunas que comprenden el limite urbanizado de la Región Metropolitana. de manera que sea exacta la superposición. Para el caso una estructura de US street whith zona.63 • Ambas deben poseer una georreferenciacion al Datum WGS84. el índice geocodificador que permita introducir datos o elementos espaciales. en toda la zona de estudio. Su calidad en diseño debe ser homogénea. que presenta Chile en relación a unificación cartográfica y en general a toda la información territorial.

La cual se llevo a cabo mediante una superposición de dicha cartografía sobre el mosaico de imágenes satelitales Google Earth (ver figura 3.. Este último Dato no fue proporcionado por la fuente directa del SAF.4). 3. para este tipo de trabajo.LA COBERTURA DE EJES SAF 2002. en comunas periféricas. el cual presenta una georreferenciación en WGS84 para el territorio nacional. Además se mantiene el desconocimiento de los valores .2. De lo anterior se obtiene una respuesta satisfactoria en relación al Datum. lo que hace imposible la utilización inmediata de esta cobertura en el estudio. Inicialmente expone a favor la estructura asociada del índice de geocodificación necesario y una georreferenciacion al Datum WGS84. en relación a los requisitos expuestos. Fuente: Elaboración Propia -Google Earth 2008. pero insuficiente respecto a la calidad de su diseño. la cual abarca el límite urbano de la Región Metropolitana.64 3.3. no presenta la misma exactitud en calce con respecto a las comunas centrales. otorgando una precisión aproximada de ± 3 m. Lo que hace necesaria su validación. corresponde a la del SAF2002 (Servicio aéreo fotogramétrico de Chile). y presenta inicialmente ciertas deficiencias.4 Superposición cartográfica SAF en Google Earth. La cobertura cartográfica a emplear. Al examinar la superposición. Fig.

Datum de cartografía final: WGS 84. desde las comunas del centro . Modelo de transformación de Datum: 4 parámetros con centroide.3..3. Recoleta. Renca. Providencia.704. otras. . se utilizó una cartografía anexa referida al mismo sistema de referencia WGS84. 3. (Fig. Quilicura. Estación Central. otras. Y presenta diferencias en coordenadas con respecto a la SAF2002.Huechuraba. . que contaba con una calidad homogénea en su diseño y se conocía de fuente directa la precisión de su georreferenciacion. cubre la zona de estudio que comprende al límite urbanizado de la Región Metropolitana. el cual contempla un área aproximada de 59.GEORREFERENCIACION WGS84 DE LA CARTOGRAFÍA DE EJES SAF 2002.) aproximadamente.891 hectáreas y un total de 33 comunas y alcanza una extensión en sentido norte – sur de unos 36 (Km.65 y precisiones de los parámetros empleados en su georreferenciacion y de la calidad de los procedimientos de ajuste empleados. alcanzando los parámetros enunciados en los requisitos cartográficos (Precisión final georreferenciacion ± 5 m). La cobertura de ejes.Santiago.desde los ± 5 m a los ± 18 m.hacia la periferia sur . sobre SAF2002. . Dicha cobertura se denomino Cartografía Base WGS84. Para desarrollar la nueva estimación de parámetros de transformación. 3. Software empleados: Global Mapper – GPTrans Land – Google Earth.5) Diferencias que el proceso de georreferenciacion pretende minimizar en SAF2002. Esta cartografía mantiene una precisión de georreferenciacion de ± 1m en relación a Google Earth.

66 Fig. Fuente: Elaboración propia. de tal forma que el proceso. . Con coordenadas UTM referidas a ambos sistemas.6) distribuidos homogéneamente sobre las 33 comunas. se crea una muestra de 25 vértices comunes – entre SAF2002 y cartografía Base WGS84 – (figura 3. posea los suficientes grados de libertad y a la vez. posibilite la estimación de los parámetros mediante mínimos cuadrados. 3. i. El proceso empleado busca a través de la Transformación de Parámetros entre Sistemas. reemplazar la necesidad de las operaciones de campo por operaciones de gabinete equivalentes en precisión.5 Diferencia máxima entre Cartografías SAF2002 (roja) y Base WGS84 (Azul). Procedimientos generales de reestimación de parámetros. Para lo cual.

- A continuación se muestra la tabla de resultados de coordenadas y residuos finales WGS84. fuera del margen de tolerancia necesario . Dichas coordenadas fueron ingresadas en el programa computacional Trans Land. entre un sistema y otro. . de las coordenadas finales en el sistema WGS84 para los vértices asignados. permitiendo obtener el reporte de los residuos entre las coordenadas de ambos sistemas y efectuar la estimación. 3. Además de entregar los parámetros de transformación. Fuente: Elaboración propia. por presentar valores residuales aislados.Factor de escala (k).6 Distribución de Vértices sobre el área de estudio.67 N Fig. De los 25 puntos iniciales se eliminaron 3 de ellos. programación que asume una relación espacial bidimensional entre los sistemas de referencia y aplica un modelo de transformación de 4 parámetros con centroide. con un número de 22 puntos. rotación (ω) y las traslaciones alrededor del eje x (TX) e y (TY). los cuales no se consideraron en la estimación. mediante mínimos cuadrados. junto con sus precisiones.

599 -0.824 6303557.545 353294.456 0.763 6301104.215 6288897.316 -1.137 6296752.716 344338.322 -0.721 357231.260 6304454.047 6299461.940 6272409. 332801.938 353789.494 344340.512 San Bdo.071 6272402.178 337413.784 -2. Lo Barnechea y Quilicura.585 6304459.021 6295557.723 6296610.244 357518.736 6290947. 357226.967 325944. 345133.270 347493.863 La Florida 357495. 338189.482 -2. Tabla 3.362 6284923.267 6292039.646 357504.392 6303551.460 337413.359 6276747.541 6301101.724 -0.504 6277808.221 341547.327 3.282 -2.242 6277812.175 1. Presentaban valores residuales entre 5 a 10 metros.697 6292038.061 333330.782 1.115 6287584.507 6296608.542 337410.047 6307000.349 6290947.971 6295601.713 6310961. Cent.843 351172.212 351929.234 332803.468 -0.703 1.133 6276491.227 332802.783 0.782 353292.218 6299888.709 6284921.952 0.367 2.778 -3.474 6295604.292 -0.383 356263.171 Est. Alto 351922.528 1.950 Ñuñoa Santiago 353784.505 -0.698 6287256.193 6300888.585 Vitacura 353291.621 8.285 351354.061 -2.018 0.645 357502.725 3.209 Las Cond.453 6276491.193 6287257.798 -0.216 0.075 -1.645 La Reina 357512.487 -3.594 1.513 6287256.820 6277807. Navia Pte.466 353789.047 6296755.521 6299892.404 6295557.68 para obtener. Tang.484 -0.715 351174.200 333334.599 1.815 -2.343 6301099.401 6307007.552 338193.926 6276496.641 352046. 345119.876 6292132.107 .749 6292131.848 6288899.483 6296754.796 345136.151 338196.551 Macul 352040.708 343144.257 356274.414 6290949.249 358158.241 345122.694 6295560.C.777 357518.623 335769. 341548.776 345122.519 Providen. para cobertura de ejes SAF 2002.400 -1. 351351. Alto 333334.785 6287585.016 335775.237 1.347 -2.171 357230.671 6296607.387 La Florida 351166.781 -0.447 6292038.623 345137.628 Pudahuel 325956. Comuna Este SAF 2002 Norte Este Base WGS84 Norte Residuos Este Norte Este Final WGS84 Norte Santiago 344339.914 0. Los puntos eliminados fueron Conchalí.618 San Bdo. 343136.394 341549.680 -2.180 -0.725 P.315 Pte.1: Coordenadas vértices en transformación entre sistemas 2D.194 352045.229 347496.113 6304460.529 335773.779 351355.607 6276752.746 6300884.750 Cal.518 351931.643 0.103 1.634 6276745.436 347496.A.801 6292132.182 6307007.608 6299460.856 -1.473 6299891.453 6272401. resultados satisfactorios.764 6284924.956 6295603.324 6300888.259 6287585.918 6288900.044 343141.208 356271.261 Maipú Maipú C.313 6299456.561 0.227 La Cister.869 -0.

.00003695346 7.464 0.62 0. A continuación se observan las reducciones máximas y mínimas obtenidas por la georreferenciación de la cartografía SAF2002 (Color naranja). 3.2: Estimación de parámetros entre sistemas 2D con centroide para cobertura de ejes SAF 2002. El procedimiento se realiza mediante el soporte de una extensión.5m Post Georrefereciacion Fuente: Elaboración propia.478 0. Fig. Parámetros estimados K Valor 1. La figura 3.04 2 Desviación estándar 0.7. Fuente: Elaboración propia.7.37958 3. 0.552 5.2 corresponde a la comuna de Santiago (centro de la Región.1 corresponde a Quilicura (zona periférica norte) y la figura 3. 3.2: Reducción máx.3.) Fig. en el software Arcview 3. de programación en lenguaje avenue. son utilizados para georreferenciar la cartografía SAF 2002.69 Tabla 3.1: Reducción mínima 5m Post Georrefereciacion.7.7.000334834957 -32. En dos de las comunas representativas.478 ω(") Tx (m) Ty (m) Sigma a posteriori (m) Iteraciones Los nuevos parámetros de transformación obtenidos. con respecto a su antigua posición (color rojo) y a la cartografía Base WGS84 (color azul).

La cobertura de polígonos necesaria a utilizar. Su funcionalidad dentro del proyecto es permitir el tratamiento espacial de la información alfanumérica de la estadística poblacional. (Véase cap. modelo de transformación y soporte de software. Mediante el uso del código de enlace censal que posee en su estructura SIG. 3. El cual esta lejos de ser el necesario WGS84. 3. corresponde a las entidades conocidas como manzanas.GEORREFERENCIACION DE LA CARTOGRAFÍA CENSAL INE.3.7-. El proceso de georreferenciación. en toda la extensión que cubre..4). Por esta y otras razones -que serán detalladas en capitulo 3. en relación a lo requisitos generales del material cartográfico.3. se realiza mediante los mismos parámetros con respecto a precisión.4. Con mayores deformaciones en las zonas periféricas tanto en sector Norte y Sur de la zona de estudio. . del área que corresponde al límite urbanizado. que se aplico sobre la cobertura de ejes SAF2002. Y que actúa como relacionador de tablas entre los datos externos provenientes del CENSO 2002 y el elemento cartográfico. es que se hace fundamental la unificación precisa entre esta cobertura y la de ejes SAF2002. dentro de la Región Metropolitana.5. georreferenciada en WGS84.LA CARTOGRAFÍA DE MANZANAS DEL INE.. Sin embargo la cobertura del INE presenta grandes deficiencias en calidad de diseño (exactitud) y precisión.70 3. Dichas deficiencias se enuncian a continuación: • Presenta una extraña geometría de diseño.3. • Se desconoce el Datum de referencia. por el Instituto Nacional de Estadística de Chile.

.300 entidades.que deberían. En la grafica siguiente se muestra el máximo desplazamiento – Ejemplo en la comuna de Conchalí . Y en relación a la cartografía SAF con la que se pretende unificar. La cobertura de polígonos. Que van desde los 30 a 80 metros.71 Fig. Para lograr la unificación requerida. en todas sus comunas. presenta variadas diferencias métricas.8: Distribución de vértices entre SAF 2002 y INE . y alcanza a un total aproximado 47.No georreferenciado Fuente: INE2002. realizar los polígonos (manzanas color plomo) hacia los ejes en WGS 84 (color azul). 3. comprende a las manzanas de las 33 comunas del área de estudio.

i. para tomar sus correspondientes coordenadas.9 Diferencias máximas de ± 80m entre SAF2002WGS y INE No georreferenciado Fuente: Elaboración propia. las cuales se tuvieron que diseñar sobre las manzanas. para asegurar la precisión de la digitalización. será utilizado como base para la toma de coordenadas UTM de vértices comunes con la cobertura INE. Procedimientos generales de estimación de parámetros. 3.72 Fig. en un promedio de 2 puntos por comuna. Así. Los procedimientos.3). los que se ubicaron cercanos entre si. El numero de vértices fue de 40 puntos (Fig. responden a la misma lógica empleada a ejes SAF2002 para ser llevada a WGS84. Además de permitir obtener los suficientes grados de libertad junto a la estimación de parámetros mediante el método de los mínimos cuadrados. 3. Que para los efectos de esta georreferenciación. poder obtener una mejor representación del elevado grado de variación que el diseño cartográfico presenta en distancias cortas (ver residuos tabla 3. de esta manera. Ya que los puntos en común considerados. aproximadamente a unos 250 metros. fueron las intersecciones de calle. Proceso que se realizo con ayuda de sistema CAD. .8).

873 6294768.432 6.848 6290689.431 6289664.721 6296967.563 6297623.749 344516.551 354500.699 355751.857 -16.905 4.347 6294801.196 6290748.664 6304238.797 333809.957 11.060 -8.814 6285461.512 5.182 6296972. para cobertura de manzanas INE.381 6304223.042 Lo Prado 340492.216 -1. Comuna Este SAF 2002 Norte Este CENSO Norte Residuos Este Norte 5.531 San Bdo.989 -3. Alto Macul Macul Maipú Maipú Santiago Santiago 344137. Junto a ellas se presentan los residuos finales.521 347244.970 6293331.035 -17.335 CENSO WGS84 Este Norte Santiago 347243.722 Conchalí Pte.603 6297682.619 6289733.556 6290665.130 351395.737 -10. Tabla 3.252 355860.661 1.105 354502.329 -4.648 343812.519 351197.589 6290750.584 2.784 Peñalolén 355802.494 344131. .306 347146.050 Peñalolén 355690.838 6282072.224 -8.527 -2.045 6298906.344 6296942.338 333819.228 6294728.381 3.618 -1.755 6293330.178 333869.555 .691 354501.601 6296945.602 340496.233 340491. que fueron ajustadas y transformadas en el software GPtrans Land.270 -4.185 6282129.290 6293336.383 6294742.979 344191. que confirman por sus elevadas y variadas dimensiones .875 6298932.566 351184.614 340550.334 6293327.460 6289672.957 -14.882 6282085.841 354569.527 6285468.431 6297631.964 6297706.328 341020.305 6293352.634 343719. Alto Pte.687 2.927 6282150.004 6296993. 340953.299 344520.235 7.983 6294825.952 347307.066 333811.325 344580.572 351388.774 -14.368 340437.458 Santiago 347135.591 6296968.124 344456.964 354499.160 Lo Prado 340443.73 En la tabla 3.172 8.686 6298724.098 343750.207 4.149 3.559 -5.192 Lo Espejo 343655.500 6298718.459 6294799.779 6285487.107 6289711.175 333877.529 6298749.653 6298911.692 13.126 6282064.762 343656.300 11.432 -10.817 355685.974 6289651.886 1.174 6297666.115 6289719.482 333800.3 se muestran los resultados de las nuevas coordenadas de los vértices en WGS84.941 351453.827 6297655.la heterogénea calidad de los datos cartográficos del INE.552 344449.772 6290669.121 1.573 355794.651 6290769.que van desde ±1m.360 -4.173 354567.020 -10. a ±17m.902 351249.602 -8.3: Coordenadas vértices en transformación entre sistemas 2D.654 Lo Espejo 343744.932 347208.632 340958.322 344517.164 6304266. mencionada en las problemáticas que presentaba la cartografía.854 6293355.915 5.867 6282137.

927 6282150.175 -6.861 6285412.74 San Bdo. Parámetros estimados K Valor 0.601 -12.067 Las Cond.196 6298674.112 6282134.057 6292355.295 -5.957 348569.391 354116.000 -7. El cual es generado con ayuda de la extensión programada en arcview.091 346806.132 6293102.775 346742.302 6282153. Miguel 346731.769 7.980 6.680 Pudahuel 335975.315 14.471 6281826.094 3.705 341012.080 69.501 10.061710 -1289.99957481302 45.841 354569.900 Tabla 3.185 6282129.604 Las Cond.00017737295 36.475 354180.854 6293070.626 6.574 341251. 354090. 340945.976 6293132.072 1.997 6293126.875 ω(") Tx Ty Sigma a posteriori (m) Iteraciones Finalmente.405 -11.233 6292400.825 6301766.810 6301743.768 346817.645 Pte.833 6292341.922 -3.762 Cerrillos Cerrillos 341228.512 6301715.25 34 Desviación estandar 0.551 3.977 348503.601 1117. Alto 354502. .694 -4.964 S. La que utiliza los parámetros estimados (tabla 3.941 341205.824 2728.335 341272.809 6298674.361 La Pintana 348498.349 7. 354122.560 6281828.440 6298697.721 6281845.149 3.746 341190.789 La Pintana 348472.932 354082.031 335968.253 6285436.504 340949.844 6292332.018 348485.561 341211.003 6292384.504 -13.993 6285416.875 1117. para georreferenciar la cartografía completa.546 6301737.025 6292377.4).687 336025.765 S.749 8.127 12. el proceso de georreferenciación concluye con la creación de un nuevo shape cartográfico de las manzanas INE en WGS84.579 -9.292 6282134.293 346754.860 -7.4 Estimación de parámetros entre sistemas 2D con centroide para cobertura de manzanas INE.886 354501.189 6301742.661 6293154.867 6282137.248 348551.444 6293079.706 354146. Miguel 346742.022 6301720.

3.6. Sin embargo la heterogenia calidad de la cartografía INE. Fig. considerando que las precisiones requeridas de sus georreferenciaciones independientes debían ser de ± 5m. 3.10a Resultado Georreferenciacion (comuna periferia Norte Conchalí) Fuente: Elaboración propia. A modo de ejemplo se toman imágenes de dos comunas separadas por grandes distancias. permite obtener como mejor resultado del proceso de georreferenciación un modelo inexacto e inútil para los fines de uso. El proceso buscaba unificar ambas cartografías. para contrastar las diferencias métricas de los desplazamientos.. obtenidos entre la cartografía INE sin Datum (Polígonos contorno café). .PRIMER RESULTADO DE SUPERPOSICIÓN CARTOGRÁFICA INE Y SAF2002 EN WGS84. la cobertura de Ejes SAF WGS84 y la cobertura georreferenciada INE WGS84.75 3. este dentro de las tolerancias de los ±3 y ±5 metros. de manera que la superposición de capas.

existentes en el mapa. son principalmente dos.76 Fig. Una de ellas se menciono anteriormente y corresponde. potenciales y elementos territoriales de transporte.La que no pudo mejorarse del todo con la georreferenciación cartográfica INE entre los ejes de calle y las manzanas de los habitantes del entorno. por las cuales mantener un calce de buena exactitud.) .3. en donde el proceso de análisis espacial. Santiago) Fuente: Elaboración propia.ver capitulo análisis espacial . Las razones. Lo que implica trabajar con las dispersiones de los puntos. clientes.10b: Resultado georreferenciacion (Comuna zona centro. específicamente el cálculo de matrices espaciales .ACCIONES PARA MEJORAR LA UNIFICACIÓN CARTOGRÁFICA.. La otra es sustentar la realidad de las distancias métricas . Las cuales quedan altamente determinadas por los metros de distancia entre dichos puntos (centroides de manzanas.3.7. se ejecuto mediante el uso del centroide del elemento poligonal.se desarrolla en su mayoría por uniones de polígonos (método de la superposición de regiones sistemáticas) provenientes de grillas de densidades. geocodificaciones del mercado. Tomando en cuenta que el estudio espacial de la población. entre elementos lineales y poligonales. 3. a mantener el código de enlace INE.

ave” existente en el subsistema de carpetas de ESRI. Poligonizacion de los Ejes SAF 2002.11). A continuación se muestran los resultados finales de la superposición cartográfica (Ejes color azul y manzanas de Google Earth en borde amarillo en Fig. Además se agrego sobre ella. La metodología fue la siguiente: i. el cual fue cargado con la programación “cvtplply. con el objeto de representar la realidad del territorio.77 Considerando lo anterior. se emplea para poder definir finalmente al modelo geométrico dentro de las tolerancias enunciada y así producir la valides de calce exacto con Google earth.3 junto a tratamientos relacionales de tablas. la orden de que los nuevos polígonos generados se formen con un Offset desde los ejes.Consistió en transformar la cartografía de ejes a una cartografía de polígonos que represente a las manzanas poblacionales. De tal manera.3. . Esta programación permite la transformación de elementos lineales a elementos poligonales. obtener la mejor respuesta de unificación cartográfica. que implicaron el uso de programaciones de script avenue en Arcview 3. Este paso. en la barra de arcview. se realizaron acciones informáticas. El procedimiento se llevo a cavo con la elaboración de un botón de aplicación.

Pegado Espacial del Código Censal. La primera aplicación permite introducir un ID o código identificador a las entidades de una tabla de datos. realiza la operación de . a pesar del amplio desplazamiento existentente entre las entidades de polígono. desde INE. una de extensión ave y otra avx. La metodología a emplear. ii.3. Y centroide v2”.11: Resultado validación geométrica WGS84 en Google Earth (Alameda con la Norte sur). La segunda extensión de nombre “Add trae X. El hecho de no ocupar la cobertura del INE directamente. como elemento relacionador. Ya que el centroide tiene la particularidad de alcanzar a superponerse sobre los polígonos de ejes creados. es utilizando el centroide de las manzanas INE georreferenciadas. obliga a traspasar el código censal que posee en su estructura. a la cobertura de polígonos de ejes WGS84.78 Fig. utilizo inicialmente 2 programaciones de script. La manera de realizar esta operación. WGS84 hacia Poligonizacion SAF 2002 WGS84. Fuente: Elaboración propia – Google Earth.

DE LA INFORMACIÓN ALFANUMÉRICA. consistió fundamentalmente en realizar un proceso de limpieza y normalización. Para este caso se utilizo el formato US Street wiht zona. eventos puntuales. Listado de Alumnos de CFT MAGNOS. Que obliga a las bases de datos a estructurarse con una columna alfanumérica que incluya al número de calle y su nombre.Universidades Privadas . se debió recopilar las siguientes bases de datos alfanuméricas. 3. Para el desarrollo del proyecto.- ACCIONES Y TRATAMIENTO. . y) de los centroides de las entidades. • • Información CENSO 2002.Colegios . Junto a otra que contenga la zona a la cual pertenece la dirección (comuna). con una lógica de geocodificación.79 calcular las coordenadas (x.4. para estructurar a las planillas.Centros de Formación Técnica. De manera de evitar errores por coincidencia de nombres de calles entre comunas.Institutos Profesionales. Proceso por el cual se añaden a un mapa digital. para el Área Urbana de la Región Metropolitana: • • • Resultados PSU 2007 Listado de estudiantes en Preuniversitario Listado de Instituciones Educacionales . . definidos por direcciones de calle y número u otros datos de dirección. El tratamiento sobre estas bases de datos. De esta manera conformando en las tablas los campos necesarios para realizar el pegado espacial mediante operaciones relacionales de tabla incorporando satisfactoriamente el código INE a la cartografía poligonizada.

000 alumnos de diferentes preuniversitarios. en el modulo SP+Process. Y se conformo mediante encuestas telefónicas a 8. Institutos (113) . por un periodo de 2 meses. se desarrollaron con el microprocesador de datos Redatam. Mediante un estadístico de lista por áreas . Las acciones realizadas. la cual entrega en detalle el registro de colegios (2767). La base contempla los siguientes campos: c) Listado de Instituciones educacionales: Esta base de datos se recopilo. Utilizando el Rut del alumno. principalmente desde la página Web oficial del MINEDUC. CFT (78) y Universidades privadas (77) inscritas del área Metropolitana. como código de enlace entre los puntajes y el listado de potenciales alumnos encuestados de preuniversitario.Proceso que permite obtener la distribución y frecuencia de todas las . La base de datos contiene los siguientes atributos: b) Listado de alumnos encuestados en preuniversitario: Esta información pertenecía a las bases internas de la empresa.80 Para lograr el set de bases de datos. se realizaron las siguientes acciones: a) PSU 2007: se tomo la decisión de escanear los resultados desde el diario oficial. La estructura para esta información fue la siguiente: d) CENSO 2002: Esta información pertenece al Instituto Nacional de Estadistas del país.

El código censal tiene como característica su estructura a nivel nacional.1). e) Alumnos CFT MAGNOS: La información corresponde a las bases internas de la empresa.3. . Los datos finalmente se unen a la base alfanumérica del modelo cartográfico de polígonos de ejes (manzanas). La cual comprende una cantidad de 15 dígitos que corresponden al desglose que va desde el número de región. numero del límite zonal.5. Que representa al listado de alumnos del CFT (diurnos y vespertinos) alcanzando a un total de 363 estudiantes. provincia. limite del distrito. La base contempla los siguientes campos. usando al código Censal 2002 como campo relacionador. Fundamentalmente se trabajo con las variables relacionadas al nivel educacional y a la demografía de la población (ver cap. fueron capturadas al nivel de persona.12 Extracto de la plataforma del diccionario Redatam CENSO2002 Fuente: INE2002 El área de salida de los datos fue a la manzana y las variables de interés extraídas.81 categorías de una variable para cada área geográfica definida en una entidad Considerando que esta opción es la utilizada para exportar la información a un Sistema de Información Geográfica. mediante una unión de tablas. comuna. Fig 3. limite urbano censal y finalmente el número de la manzana.

A continuación se muestra los resultados inferidos de la encuesta: a) Edad y año de ingreso promedio al CFT. alcanzando un total de 126 alumnos (58%) dentro de una muestra de 218 alumnos. educacional y territorial. Para lograr este objetivo se realizó una encuesta dentro de la institución en base a una muestra de 218 alumnos. Los resultados entregaron un porcentaje de un 58% para aquellos que ingresaron después de 3 años o más y de un 22% para aquellos que ingresaron de forma inmediata. Para inferir aun más el perfil de los alumnos.82 3.1. se consultó acerca del año de ingreso al CFT después de haber terminado la enseñanza media (Fig.13a). que corresponde a la caracterización o reconocimiento de patrones de comportamiento. tanto social. De manera tal que sea posible inferir las variables que representan al perfil del nicho demandante actual. se realizo una acción fundamental dentro del proyecto.. . La encuesta comprendió 12 preguntas dirigidas a obtener la información estratégica.4.13b). 3.CARACTERIZACIÓN DEL NICHO. demográfico. Los siguientes gráficos muestran la distribución de clientes (estudiantes) según su edad (Fig. Siendo preponderante el rango de edades entre 18 y 25 años. 3. Sobre el listado de alumnos del CFT MAGNOS. económico.

Con respecto al estado civil de los estudiantes (Fig.3.13d: Gráfico de estado civil. Fuente: CFT Magnos. Fuente: CFT Magnos.3.13c). seguidos por un 13% correspondientes a los casados. . 117 alumnos. 161 alumnos. Fuente: CFT Magnos.13b: Gráfico años de ingreso al CFT. Elaboración: Propia. entrego un porcentaje del 74%.3. Elaboración: Propia. para aquellos que son solteros. Elaboración: Propia. En relación al parentesco se obtuvo un resultado de un 54%. Fig. c) Nivel educacional Fig. para aquellos que recaen en la categoría de hijos del jefe de hogar.13a: Gráfico de edades.83 23% 19% 28% 58% 7% 30% 18 . Fuente: CFT Magnos.13d).3.30 Años 20 . b) Parentesco con el jefe de hogar y estado civil. Dato que cobra relevancia al momento de efectuar el análisis sobre la población de la Región Metropolitana (Fig.20 Años 25 .13c: Gráfico de parentesco con el Jefe de Hogar. 3. Elaboración: Propia. 3. 54% 74% 20% 6% 1% 18% 3% 13% 9% Jefe de Hogar Nieto/a Sin Contestar Hijo/a Otra Soltero/a Casado/a Conviviente Otra Fig.25 Años Otra 12% 22% 2% 1 año 3 años o más Sin Contestar 2 años Inmediata Fig.

Elaboración: Propia. cierta cantidad de los alumnos. d) Conectividad y área de trabajo.13f). 3.84 Los alumnos fueron consultados sobre el puntaje promedio.13g). se suma la estadística asociada al promedio de notas obtenidas en la enseñanza media (NEM). lo cual permitirá.13h). entregando un significativo 62% para aquellos alumnos que obtuvieron un promedio de notas entre 6 y 5 (Fig. 28% 6% 62% 21% 17% 28% 6% 1% 31% Entre 550/650 Menor 450 Sin Contestar Entre 450/550 No Rindío Entre 7.6 Entre 5-4 Entre 6. De acuerdo a esto. no rindió la PSU.13f Gráfico de notas de enseñanza media.5 Sin Contestar Fig 3. se consultó sobre el tiempo que tardan en llegar a la institución. metro ó ambos. 3. seguidos de un 13% en la comuna de Santiago.3. Los resultados reflejan que un 31% de los encuestados no trabaja y otro 19% realiza trabajos en su comuna de residencia. Fig. 3. se desempeñan en su ámbito laboral (Fig. El mismo porcentaje se manifiesta en los alumnos que alcanzaron un promedio entre 450 y 550 puntos. El análisis de la conectividad de los alumnos corresponde a la medición de los desplazamiento que estos efectúan. Aunado a los puntajes. Fuente: CFT Magnos. Junto a esto se consultó acerca de las comunas en las cuales. micro. ya sea. Fuente: CFT Magnos. 3. entre las pruebas de matemática y lenguaje. para llegar al CFT (Fig. El resultado arrojado por la encuesta reveló que un 28% de los encuestados. determinar zonas territoriales que presenten una buena conectividad al CFT.13e Gráfico de puntajes PSU. 61 alumnos. respectivamente (Fig. . mediante un medio de transporte.13e). conjuntamente con la geocodificación de los encuestados. obtenido en la PSU ó PAA. Elaboración: Propia.

3. las cuales recaen en la clase D y E respectivamente (Fig.3.13g Gráfico medio de transporte utilizado. Fuente: CFT Magnos. Fig. El resultado final reveló que las cifras mas significativas corresponden a un 39% y 34%. Elaboración: Propia.13i Gráfico de GSE. Este dato se infirió desde una unión espacial entre el indicador GSE-INE de la base cartográfica y la geocodificación de los alumnos.13i). e) Grupo Socio-Económico (GSE). .Metro Sin Contestar La Florida Renca Santiago Estación Central No Trabaja Residencia Otras Fig.13h Gráfico comunas de desempeño laboral.3. Elaboración: Propia. Fuente: CFT Magnos. Fuente: CFT Magnos.5% 8% 4% 4% 5% Sin Contestar Micro Otro Metro Micro . Elaboración: Propia. 39% 18% 8% 1% 34% ABC1 C2 C3 D E Fig.85 67% 31% 5% 19% 13% 12% 13% 0. 3.

86 3. con el objetivo de combinar de mejor manera las características del nicho e impedir la suma de información. A la persona: Tres de estas (no saben que estudiar – carreras a fines – omisión) corresponden a variables que reflejan los intereses de estudio profesional que aspiran los estudiantes potenciales (encuestados de .4. el tipo de enseñanza regular mas edad. A la población.2 ANÁLISIS Y SELECCIÓN DE LAS VARIABLES CLONES. se procedió a analizar y definir el conjunto de variables totales a clonar. Una vez reconocido el comportamiento del cluster patrón (nicho) y conformado el set de bases de datos. Las cuales Alcanzaron un total de 27 variables. que fueron trabajadas a distintos niveles. Por un lado esta la mezcla de estado civil. persona. Fuente: Elaboración Propia A la población: Siete de ellas son variables compuestas condicionadas. Junto a ellas se incluye los años de estudio cursado y la edad de ingreso promedio al CFT. mercado y externalidades.3. para toda el área urbana de la Región Metropolitana. edad mas grupo socioeconómico y por otro. Fig.14 Listado de variables por nivel de análisis.

y espacios de esparcimientos que generen aglomeraciones urbanas.3. Externalidades8: Las variables incluidas representan la accesibilidad al CFT (cercanías a red vial. espacios cercanos al metro. Fig.87 Preuniversitario). Mercado: Representan a todas las sedes de educación superior privas junto a los establecimientos de educación escolar de al área urbana de la R.15 Georreferenciación de variables alfanuméricas. tiempos de desplamientos) y las mejores. . población y mercado. A estas se suman las que reflejan el rendimiento educacional (Puntajes y NEM) y al GSE de los encuestados. 8 Las externalidades serán expuestas en el tratamiento de análisis espacial. Elaboración: Propia. futuras zonas potenciales de localización para el CFT (valor ciudad7). representadas por la presencia de subcentros de equipamientos. A continuación se muestra la georrefenciacion de las variables analizadas a nivel de persona.M.

demográfico.territorial. que pueda presentar una zona geográfica con respecto a otra. A continuación se muestra el Modelo Espacial de Geonegocios.TRATAMIENTO DE ANÁLISIS ESPACIAL. no permite analizar la correspondencia espacial de las variables ni el grado de similaridad cartográfica. la oferta y el espacio. El proceso de agrupamiento se realizo con el objetivo de que las variables con características similares comprendan un factor.1.EL MODELO ESPACIAL DE CLONACIÓN DE NICHOS..88 3. . El primer paso del tratamiento espacial. 3. es de tipo teórico y consistió en elaborar el modelo espacial de datos. fueron agrupadas en cuatro factores intervinientes. sin concebir la transformación de elementos discretos a un espacio de elementos continuo.5.. educacional y mercado . Y a la vez la suma de factores represente a la demanda. Que permita utilizar las técnicas adecuadas de la estadística y análisis espacial para obtener cluster clones de nichos de clientes. Las 27 variables seleccionada anteriormente. determinando de esta manera la jerarquía entre estos y a la vez el resultado final de los clones. El resultado del mapa digital de la georreferenciacion. al ser de tipo geométrico (puntos y líneas).con diferentes pesos entre si. .5.

89 .

Mientras que para el factor territorial se trabajo con análisis de proximidades y buffers de distancias. es tratado como un polígono independiente. Ambas consideraciones se desarrollaron con el objeto de mantener una buena representación grafica de los elementos poligonales generados y una grilla de tamaño constante entre las variables.5. se utilizo un suavizado de interpolación de Kernel. A UN ESPACIO CONTINÚO.MEDICIÓN DE LA CORRESPONDENCIA ESPACIAL Y LA CREACIÓN DE LA MATRIZ DE UNIONES ESPACIALES. puntos.. polígonos) a la grilla continua. El método utilizado para medir los niveles de correspondencia espacial (CE) entre variables.90 3. mercado.TRANSFORMACIÓN DEL ESPACIO DE ELEMENTOS DISCRETOS. Esta etapa consistió en traspasar la información desde el origen geométrico (líneas. para cada variable correspondiente a los factores demográfico. y educacional. de tal manera que forme una serie de polígonos cuadrados de tamaño constante que cubran el área de análisis y proporcionen columnas numéricas nuevas en los atributos.3.. utilizando los procedimientos de MAP overlay. De esta manera se obtiene la matriz de uniones espaciales (MUE) . fue el de la superposición de regiones sistemáticas para generar regiones geográficas homogéneas.5. 3. Los seudo-grid generados por los análisis de densidad y proximidad fueron de un tamaño de 10 metros y para el primer caso. Cabe destacar que cada elemento contenido en los pseudo grid. Para desarrollar esta operación se utilizo un análisis de densidad. Específicamente el tratamiento consistió en realizar uniones de polígonos .generados por las densidades o proximidades – entre las variables de cada factor (intra-factor) y finalmente entre las uniones finales de cada factor (inter-factor).2. utilizando un pseudo-grid.

a) Cartografía temática de la unión intrafactor Mercado (W= 5%).668 polig.contiguos * 27 variables.3. A continuación se muestra los resultados temáticos de las uniones de cada factor (pesos =w).16a Uniones espaciales intrafactor Mercado Elaboración: Propia. Junto a la estructura de la matriz de uniones obtenida del orden de 627. Fig. . Que subyace en la base alfanumérica del elemento cartográfico generado por las uniones de polígonos.91 o matriz de especificidad (no estandarizada).

Elaboración: Propia.92 b) Cartografía temática de unión intrafactor Demográfico (W= 40%). c) Cartografía temática de la unión intrafactor Educacional (W=32%) Fig. Elaboración: Propia. Fig.3. .3.16c Uniones espaciales intrafactor Educacional.16b Uniones espaciales intrafactor demográfico.

Elaboración: Propia. y sin embargo es algo fundamental de cara a la planificación de análisis estadísticos avanzados o procedimientos de comparación visual con otras fuentes. que permitió hacer futuras comparaciones entre las distintas capas temáticas de distintas unidades espaciales de medidas.16d Uniones espaciales intrafactor Territorial. mediante la plataforma del software estadístico SPSS.5. 3. Normalización de los datos geográficos (calculo .4. consiguiendo de esta manera una nueva escala estándar. e) Extracto Matriz de uniones no estandarizada. En . La normalización cartográfica es a menudo un paso que es olvidado en el proceso de creación de un mapa.Zscores). El procedimiento consistió en ajustar los valores cartográficos de la matriz de unidades espaciales.3.93 d) Cartografía temática de la unión intrafactor Territorial (W=23%) Fig.

se re-escalaron los datos. Extracto Matriz especificidad estandarizada (valores Z) 3.EL STACK DE MAPAS. mismo tamaño de celda y mismo punto de referencia). Cabe mencionar que la estandarización mantiene intactas las relaciones numéricas y espaciales (geográficas) entre los elementos. se dispuso a realizar un stack de mapas que entrego una columna de síntesis dentro de la matriz. .94 cierto modo. las matrices que contienen los valores cartográficos coinciden exactamente unos encima de otros en su posición justa porque todas las capas se refieren al mismo marco de referencia (mismo número de filas.. Cambiando solamente la matriz de uniones espaciales por una matriz de especificidad estandarizada. Según este método. utilizado fue el denominado Variable Normal Estándar (SNV en las siglas del inglés Standard Normal Variable). de acuerdo con su tendencia central calculando de esta forma los denominados zscores que representan la distancia entre el puntaje bruto y la población media en las unidades de la desviación estándar. mismo número de columnas. Considerando la estructura cartográfica y matricial estandarizada elaborada que cuenta con una estructura grid.5. se ha conseguido poder sumar “peras con manzanas”. permitiendo realizar análisis de estadística descriptiva para cada una de sus variables y a la vez describir la relación entre estas. De esta manera los nuevos valores (zscores) fluctuaran entre valores positivos y negativos que pueden ir desde los -4 a los 4 en la campana gauseana. El método especifico de estandarización o tipificación.3.

un 32% en el factor educacional.del factor correspondiente. . ponderados por un 40% en el factor demográfico.17. A los cuales. pero bajo ciertos criterios territoriales . un 5% al Factor mercado y finalmente un 23% al factor territorial. de medias ponderadas. En la figura 3. de crearla en función de sus objetivos. De esta manera obteniendo en la matriz cuatro columnas síntesis nuevas. se muestra cartográficamente el stack de mapas para todos los factores. mediante una clasificación por desviación estándar con respecto a la media de los Zscores. las que final mente se unen a modo interfactor mediante un stack final de medias ponderadas entre las cuatro columnas. entre las columnas de la matriz estandarizada. a la vez se le multiplico la matriz peso – matriz elaborada en conjunto con la gerencia de la empresa.95 El procedimiento específico consistió en realizar stacks. En primera instancia se realiza a modo intrafactor. con el objeto. dejando de manifiesto sólo el resultado de las aglomeraciones de nichos de potenciales clientes que son más homogéneos internamente y a la vez más similares entre sí (cluster clones). utilizando los valores medios como indicador estadístico.

T Magnos.2. Pudahuel.. Se utilizó como medida de autocorrelación al índice de Moran (I Moran) en ArcGis 9.4. Esta etapa tiene como finalidad validar la significancia estadística de las aglomeraciones. midiendo la similitud cartográfica en relación a la distancia que existe entre los valores positivos del stack final. trabajando de esta manera con el producto de las matrices de medida de distancia geográfica entre los sucesos y la del espacio de datos. Gráficamente se puede apreciar que los clusters más significativos se encuentran en las comunas de Maipú.17 Cluster clones del nicho C. Lo Espejo.AUTOCORRELACION ESPACIAL DE LOS CLUSTER CLONES. La Pintana y La Granja.3.5. Entregando un resultado de confianza de .96 Fig. Peñalolén y la intersección entre las comunas de La Florida. 3. Elaboración: Propia.F.

3. que el grupo está cohesionado internamente y. para analizar el encadenamiento de las variables que conforman los nichos resultantes.2. Pudahuel y la intersección entre las comunas de la Florida. en el software SPSS. las variables pertenecientes a grupos diferentes tienen un comportamiento distinto con respecto al total de los casos analizados. por un lado. la Pintana y la granja). las variables pertenecientes a un mismo grupo son muy semejantes entre sí.ANÁLISIS ESTADÍSTICO DE CLUSTER DE VARIABLES.3. . es decir. Este proceso tiene por objetivo utilizar el Análisis Cluster. Fig. Con la finalidad de obtener el enlace de grupos de variables con el objetivo de validar que. Sino más bien fue por correspondencia de patrones. por el otro.32 (desviaciones estándar) con un I de Moran de 1.02. Para este análisis se consideraron solo tres cluster representativos (Maipú. Determinando una fuerte dependencia espacial positiva (alta cercanía espacial). con un 1% de probabilidad de que la conformación de los cluster se halla generado por relaciones aleatorias..6.18 Resultado Autocorrelacion espacial I Moran Fuente: ArcGis 9.01 para un Zscore de 8.97 0.

El procedimiento específico consistió en realizar un análisis jerárquico. que cada grupo está aislado externamente de los demás grupos pero a la vez los cluster reconocidos se comportan similar(clones). aunado a una medida de proximidad por correlaciones de Pearson. mediante el algoritmo de enlace Average Linkage (Between Group). Y el dendograma representa en forma de árbol lógico. En la matriz de proximidad (para los tres cluster analizados) la correlación máxima se encuentra en la diagonal. De esta manera se obtiene para cada Cluster la matriz de proximidad. La quinta y la sexta columnas indican en que pasos previos se vieron involucrados los casos implicados en cada paso. máxima correlación positiva r = 1. se recoge un sumario de los pasos realizados en la construcción de los grupos. En el esquema de aglomeración. La columna de coeficientes indica el valor de la medida de proximidad empleada. el esquema de aglomeración y su dendograma. La primera columna indica el número de pasos. . A continuación se muestran un extracto de los resultados para cada cluster. el proceso de formación de los grupos jerárquicamente por la combinación de distancias reescaladas de 0 a 25. La séptima y la ultima columna indica el paso en el que volverán a participar los grupos que han participado en cada paso.98 es decir. El numero de pasos es igual al numero de casos menos uno. la segunda y la tercera los casos implicados en la unión. donde queda expresada la similitud entre cada variable consigo misma.

470511 0...601048 0. .488049 0...111972 0.....433509 23 19 24 0 20 25 26 26 0 ... ... zpob_20 zsolte_d zsolte_e Zdesplaza Zproximid zespa_me ...946358 Etapa primeros clusters Cluster 1 Cluster 2 0 1 0 0 0 2 Próxima etapa 2 3 4 ...470511 .... 24 25 26 16 16 15 17 27 16 Coeficientes 1 0..... . ... ..775852 1 0.374303 0.487171 0.... . ...99 LA FLORIDA .363751 0..601048 0... comuna de La Florida................. . ...6: Esquema de aglomeración.374303 0.470511 0..470511 0....462229 0..470511 1 ... 1 2 1 4 3 2 0.470511 0......448627 0. 0... ........... .488050 0...... Etapa Clusters combinados Cluster 1 Cluster 2 1 2 3 .111972 0..470511 .....LA GRANJA a) Tabla 3.... zpob_20 zsolte_d zsolte_e 1 0.. .486643 0. 0.. .470511 0. .486643 0..470511 0....LA PINTANA ....470511 0.. comuna de La Florida. 1 0...5: Matriz de proximidad. ..470511 0..487171 1 0.....987288 0..462229 1 b) Tabla 3....... . Casos zdesplazam zproximida zespa_metr . .. .775852 0.. .. ...613617 0.363751 0.. ....613617 0........ .

..775308 0.478332 0. . . .052062 0. zpob_20 zsolte_d zsolte_e Zdesplaza Zproximid zespa_me .478527 0... ..442198 1 0.478332 0.478332 0....3.594813 0. .358602 0.052062 0... .486205 0.775308 1 .594813 1 0.. Fig.478332 0.. comuna de La Florida.382728 0.100 c) Dendograma.442198 0. .... ..... .19 Resultado Dendograma... comuna de Maipú........ ... . 0.. ... ..478332 ... zpob_20 zsolte_d zsolte_e 1 0..... Casos zdesplazam zproximida zespa_metr ..... . ..478332 . Comuna La Florida Fuente: SPSS – Analysis Cluster MAIPU a) Tabla 3.382728 0.478332 0.. 0.315553 0.358602 0..478332 1 ........486205 0.977238 0.....478332 0.977238 0.. ..478527 0..478332 0... . . .315553 0... 1 0.. .7: Matriz de proximidad..

.3... comuna de Maipú..419116 23 24 25 0 20 19 25 26 0 c) Dendograma....999881 0......... Etapa Clusters combinados Cluster 1 Cluster 2 1 2 3 ..... Fig....20 Resultado Dendograma...... 1 1 1 4 3 2 0..978640 Etapa primeros clusters Cluster 1 Cluster 2 0 0 0 0 0 0 Próxima etapa 7 7 8 .478332 0.... comuna de Maipú..................101 b) Tabla 3..8: Esquema de aglomeración.... Comuna Maipú Fuente: SPSS – Analysis Cluster .... .467904 0. ... 24 25 26 16 13 17 27 14 25 Coeficientes 1 0.......

102

PUDAHUEL a) Tabla 3.9: Matriz de proximidad, comuna de Pudahuel.
Casos zdesplazam zproximida zespa_metr . . . zpob_20 zsolte_d zsolte_e

Zdesplaza Zproximid zespa_me . . . zpob_20 zsolte_d zsolte_e

1 0,470155 0,470155

0,470155 1 0,470155

0,470155 0,470155 1

. . . . . . . . .

0,470155 0,499592 0,470155

0,470155 0,493676 0,470155

0,470155 0,494543 0,470155

.................................................................... 0,470155 0,470155 0,470155 0,499592 0,493676 0,494543 0,470155 0,470155 0,470155 . . . . . . . . . 1 0,909396 0,977532 0,909396 1 0,885535 0,977532 0,885535 1

b) Tabla 3.10: Esquema de aglomeración, comuna de Pudahuel.
Etapa Clusters combinados Cluster 1 Cluster 2 1 2 3 . . . 24 25 26 13 17 13 14 27 17 Coeficientes 1 0,988235 0,985277 Etapa primeros clusters Cluster 1 Cluster 2 0 0 1 0 0 2 Próxima etapa 3 3 4

................................................................ 2 1 1 3 2 5 0,470155 0,470155 0,308620 23 0 25 0 24 19 25 26 0

103

c) Dendograma, comuna de Pudahuel.

Fig.3.21 Resultado Dendograma, Comuna Pudahuel. Fuente: SPSS – Analysis Cluster

3.7.- VALIDACIÓN DEL ENTORNO URBANO.

Esta acción consistió en realizar un reconocimiento de campo, hacia los resultados de los cluster analizados en el capítulo anterior. Con el objetivo de validar en terreno la correspondencia de los patrones espaciales urbanos entre cluster. Es decir, que cumplan con un patrón de tipo de vivienda, de proximidad a redes conectoras (calles principales – metro), espacios de esparcimiento y fundamentalmente, cercanía a un subcentro urbano de equipamiento, que conlleve a grandes flujos y aglomeraciones de población. Todo esto en pro de asegurar las acciones comerciales futuras, mediante la identificación de nuevas

104

áreas de mercado que permitan la aproximación de futuras localizaciones, aunado a la validación de la real existencia de clientes idóneos para ser captados hacia el CFT actual. A continuación se muestran las fotografías del entorno urbano de cada cluster. Se debe considerar que la imagen representa a la locacion central de los cluster.

a) Entorno Urbano - Cluster Pudahuel.

Figura 3.22: Entorno Urbano - Cluster Pudahuel. Fuente: Elaboracion Propia.

105

Figura 3.23: Entorno Urbano - Cluster Maipú Fuente: Elaboracion Propia.

.

Figura 3.24: Entorno Urbano - Cluster La Florida. Fuente: Elaboracion Propia.

junto a las posibles alternativas de localización distintas del centro educacional Regional ubicado en Santiago centro. al sistema para crear los Polígonos de Thiessen basándose en la distancia euclídeas para unir los puntos entre si. La Granja). Ambas listas de centroides se introducen. La aplicación específica consistió en utilizar los cinco centroides de los Clusters clones más representativos (Maipú. con los cluster ideales y cluster genéricos aunado a las nuevas potenciales áreas de influencia de mercado. . Pudahuel. Peñalolén y la intersección de La florida.106 3. para generar áreas de mayor influencia. de manera independiente. Lo Espejo. Posteriormente se utilizo veinte puntos que corresponden a cluster clones menores. utilizando el software ArcGis 9. trazando las mediatrices de los segmentos de unión. mediante el método de interpolación de polígonos de Thiessen.2. Esta última aplicación tiene por objetivo descubrir las nuevas áreas de mercado y su respectiva área de influencia.8. La Pintana. De manera que el perímetro de los polígonos generados sean equidistantes a los puntos vecinos. A continuación se muestra el resultado final del estudio..NUEVAS ÁREAS DE MERCADO Y APROXIMACIÓN DE FUTURAS LOCALIZACIONES.

107 .

. Sin embargo se hace imprescindible analizar los grandes inconvenientes que presento la cartografía del INE para el desarrollo correcto de unificación cartográfica necesaria para el modelo geométrico que sustentara los análisis espaciales de este trabajo. con respecto al modelo de Google Earth. con una precisión de ±3 y ±5 metros.1. Que permitiera trabajar métricamente las dispersiones de los elementos puntuales (geocodificación al eje y centroides de manzanas).108 CAPITULO IV: ANALISIS Y DISCUSIONES. que presenta Chile en relación a unificación cartográfica y en general a toda la información territorial. En relación a lo mencionado las operaciones técnicas empleadas de georrefereciacion mediante una estimación de parámetros. comprendía una georreferenciación a WGS84 de las cartografías de ejes SAF y de manzanas del INE. resulto ser satificatoria. PSAD56 Y SAD69. que aporte soluciones desde la visión territorial hacia las acciones comerciales. logrando validar su Datum y el reconocimiento de las precisiones de sus parámetros. deben contar con una cantidad importante de consideraciones que validen su utilidad. El objetivo conceptual del trabajo cartográfico. Los resultados de un adecuado modelo. sobre la cartografía de ejes SAF. junto a una extraña calidad en diseño. De la cual se deduce que su conformación .ANÁLISIS DEL TRABAJO CARTOGRÁFICO. Junto a esto lograr la unificación entre ambas cartografías. Principalmente por su inconsistencia en su Datum de referencia el cual era de difícil clasificación en relación a los conocidos WGS84. 4. En este capitulo se analizaran la consistencia de los aspectos técnicos y operativos utilizados para la obtención del producto final. que permitiera ir acorde a la evolución del tratamiento de la información.

si bien cumple con el requisito conceptual de unificación de DATUM. Variando fuertemente la orientación lógica de las figuras poligonales. En Relación a la validación del entorno. junto a la fotointerpretación en Google Earth. Presentando por consiguiente una baja calidad cartográfica y una precisión heterogénea. Cabe aquí hacer una digresión en cuanto a la utilización de la cartografía georreferenciada en WGS84 del INE. en distancias relativamente cortas en la mayoría de las comunas de la Región.ANÁLISIS DEL PRODUCTO FINAL OBTENIDO MEDIANTE EL TRATAMIENTO DE ANÁLISIS ESPACIAL. no es óptima en precisión interna. Bajo el resultado fotográfico que se obtuvo de la verificación de la locación de los cluster en terreno. Ahora bien este análisis se hace aun mas relevante si se considera que la base de datos inherente a esta cartografía se utiliza no tan solo para trabajos de este tipo. i.2. 4..1. según los ± 5 metros estipulados en los requisitos cartográficos. En este sentido el modelo geométrico elaborado a partir de este trabajo contribuye a resolver dichos inconvenientes. si no más bien para la planificación territorial del país.109 global. respondería a un pegado de distintas fuentes de elaboración y por consiguiente distintos métodos de digitalización o diseño. Lo que implica que debe existir si o si una intercomunicación precisa entre las distintas cartografías que generan las instituciones encargadas del desarrollo territorial. se analiza que estos además de estar compuestos por patrones de comportamiento . fueron las mas adecuadas para sustentar el trabajo de análisis espacial con la realidad de las distancias métricas del territorio. Por lo que las acciones geomaticas empleadas de poligonización de ejes y pegado espacial del código censal.

Específicamente son dos. Sur y Alfredo Silva. presentan en su entorno urbano una gran densidad de áreas habitacionales. Entre las que destacan para el cluster de Maipú la avenida Portales. en el paradero 14 Vicuna Mackenna. entre ellos los de educación. se ubican en sectores urbanos que cumplen con similares patrones espaciales territoriales. Y para el cluster Pudahuel. uno ya consolidado en la florida. . por Pudahuel se conecta mediante La estrella hacia la ruta 68 y por Maipú por Longitudinal y el descanso. Específicamente los cluster ideales de Maipú. la florida y Pudahuel. principalmente por avenidas y calles principales de alto transito y locomoción colectiva. Trinidad y la Serena que se conectan con Vicuña Mackenna. Oulet Mall para cluster Maipú-Pudahuel). que se reconoce como un actual subcentro de equipamiento.110 similar. De esta manera haciendo de soporte a la concentración de viviendas y por ende a la localización de equipamientos. Todos estos cluster cumplen con ser ideales principalmente por las características anteriormente mencionadas y por tener cercanías a un subcentro urbano que aporta aglomeraciones de población. como los de orden comercial (Mall plaza Vespucio. Para el cluster la florida Av. Mediante la creación de proyectos de inversión privada. las cuales se conectan con Av. para cluster la florida. hacia Av. es preciso mencionar que este solapa a la comuna de Maipú por lo que presenta conectividad por ambas comunas. Pajaritos. correspondiente a la plaza de Maipú. Los cuales mediante el ingreso del concepto económico de “mercado” han generado un mayor valor ciudad. que se conectan con el resto de la ciudad. Pajaritos. y el otro en vías de desarrollo.

es decir. similares en su comportamiento. pero que sean. para el cluster Pudahuel las variables de mayor correlación son los estudiantes con enseñanza regular media industrial y media comercial y finalmente para el cluster La Florida las variables de mayor dependencia son la población en cuarto medio y los alumnos egresados de enseñanza media. se les asignó un nivel de similaridad bajo. Mientras que para los niveles de menor correlación se agrupan mayoritariamente variables del factor territorial y del factor mercado. en el esquema de aglomeración.5. Se consideró un alto nivel de correlación para aquellos valores que fluctuaron entre 0. En Relación al análisis estadístico de las variables de los cluster. Para el caso de los tres clusters. en su mayoría. Las variables que presentan una dependencia lineal perfecta. se efectuó con el objetivo de analizar el encadenamiento de las variables que conforman dichos nichos y validar que cada grupo esté aislado externamente de los demás. La semejanza existente entre los clusters. Las variables involucradas en un nivel de correlación media son en su mayoría variables del factor educacional y demográfico. El análisis cluster de variables desarrollado para los nichos clones ideales. a su vez. un nivel de similaridad medio para aquellos valores entre 0.111 ii. mediante el coeficiente de correlación de Pearson (CP). el nivel de correlación mayor. para el cluster de Maipú son.9 < CP < 1. recaen en las que fueron trabajadas al nivel de población en el factor educacional. está comprendido por variables que.9 y para aquellos valores comprendidos entre 0 < CP < 0. un coeficiente de correlación igual a uno. la población de cuarto medio y los solteros con GSE E. . bajo el software SPSS.5 < CP < 0. queda de manifiesto al momento de analizar su nivel de proximidad.

en la matriz cuadrada de proximidad. Que para el caso del cluster Maipú alcanza un valor de 0.470511 y un valor de 0. iii. para cada cluster analizado. para el cluster La Florida un valor de 0. Con el hecho de que los primeros se encuentran distribuidos en el espacio con una cierta homogeneidad y a una cierta distancia métrica de las áreas habitacionales donde se concentra la mayor cantidad de variables trabajadas a la población y a la persona (factor demográfico y factor educacional). este bajo nivel de correlación de los factores territoriales y mercado. con respecto a todas las otras variables utilizadas en el estudio.470155 para el cluster Pudahuel. Mientras que las variables del factor mercado se encuentran concentradas en plena alameda. .En relación a las áreas de mercado y aproximación de localizaciones. Por lo tanto. las cuales recaen.478332. mayoritariamente.. para generar las nuevas áreas de mercado. Con respecto a la metodología de utilizar los centros de los nichos creados . Este fenómeno se manifiesta con un valor bajo de correlación – constante . se puede desprender que las variables de externalidad del factor territorial y las variables puntuales de competencia del factor mercado poseen una débil relación lineal. se repite un fenómeno constante en el encadenamiento de variables. Según lo analizado esto obligo de una u otra manera a que dichas áreas se crearan en función de la localización de los clientes del perfil del CFT y existiera una sola área para cada nicho.y someterlos a un método de interpolación. en el factor territorial y al factor mercado. Si este análisis numérico es llevado a la realidad del espacio se puede visualizar. fue la más adecuada. en cada cluster.112 Cabe destacar que de manera independiente. por lo tanto la proximidad que esta tiene hacia sectores periféricos debía ser baja.en pro del modelo conceptual del par negocio-clientes .

Ahora bien es importantante resaltar del análisis de la creación de las áreas.26. que muestra el resultado final de las áreas de mercado que comprenden al cluster Maipú y Pudahuel. Ya sea tanto en las áreas de Maipú y la Florida. el hecho de que no se realizo desde el punto de vista teórico en el cual las áreas de mercado nacen desde un distrito central de negocio. logra dividir ambas áreas. Tomando como potenciales clientes a la población de los cluster que lo rodean (Maipú – Pudahuel – lo espejo). Esperando a que se repita el patrón de comportamiento actual que posee el barrio republica. sin embargo la sola esencia de la buena estructura del modelo lograron incluirlos dentro de ellas. Se desprende que la equidistancia que genera la interpolación por polígonos de Thiessen. Por otro lado parece ser mas optima la localización en Maipú .que cumplen con los mismos principios de Maipú – donde dichas zonas se encuentran en una estructura urbana que se sustenta por la avenida Vicuña Mackenna. se hace fundamental abordarlo desde las posibles zonas de localización . Incorporando favorablemente a un subcentro urbano en el limite entre ellas. Lo que implicaría en un futuro próximo una desigual competencia para el CFT MAGNOS. Sin embargo a modo de discusión se podria ver contrarestada por la presencia de una mayor cantidad de instituciones educacionales (INACAP – Intituto Profesional de Chile – Duoc).113 En relación al análisis de la figura 3. Facilitando la aproximación de una futura localización en las zonas aledañas a la intersección de dichas áreas de mercado. Considerando que estos cuentan con una buena red de conectividad hacia dichas zonas potenciales. Lo que contribuiría a una nueva localización. En relación al análisis del resultado arrojado en La Florida. la cual experimenta en la actualidad grandes desarrollos de inversión inmobiliaria. Con la creación de a lo menos 3 edificios habitacionales que recaen en la comuna de San Joaquín (lugar de intersección de áreas de mercado La florida – Peñalolén. pero hacia el sector centro de Maipú.

De lo que se deduce que la gente podria estar desarrollando sus actividades habituales en la misma comuna. Favoreciendo de esta manera el desarrollo de equipamientos educacionales y de toda índole en general. en ausencia de una estación de metro en su interior.114 la cual se comporta como una “isla” de gran concentración habitacional. y se conecta actualmente mediante vías tradicionales como la avenida pajaritos. .

es decir.115 CAPITULO V: CONCLUSIONES Y RECOMENDACIONES. Pudahuel y la Florida) muestran ser internamente homogéneos. Por otro lado. una herramienta valiosa a la hora de apoyar la toma de decisiones comerciales. donde se llega en primer lugar a encontrar. precisión. unidades. tanto técnicos como conceptuales. entre otras. Entre sus cualidades está la ventaja de poder ser usada como patrón a seguir cuando se quiere elaborar un modelo espacial con bases de datos de distintas características en calidad de diseño. contribuyendo al cumplimiento de los objetivos. que según el análisis de los tres clusters ideales (Maipú. respecto a la afirmación de que el modelo de Geonegocios para la educación ayudará a la toma de decisiones al momento de invertir en acciones comerciales para la captura de nuevos clientes y aproximará nuevas zonas de mercado diferentes o alternativas al centro educacional de la Región Metropolitana establecido en el “barrio Republica” de la comuna de Santiago. varios clusters de los cuales se dejaron cinco (Peñalolén. En particular. que cada grupo está . las nuevas áreas de mercado y las aproximaciones de potenciales zonas de localización. sino más bien por la intercomunicación de las distintas plataformas computacionales que asisten al tratamiento territorial. Maipú. se puede afirmar respecto a la hipótesis que se planteó. considerando que se habla de Geomática cuando se trabaja con datos de índole geográfico. Siendo capaz de desarrollar efectivamente las acciones mediante métodos Geomáticos no completamente automatizados en un solo software. ésta es confirmada por el éxito de los procedimientos. respecto a la metodología utilizada puede afirmarse que esta fue exitosa. que ésta es validada por los resultados arrojados de los cluster clones de clientes. fuentes (entidades públicas y privadas) y formato. clones del nicho de alumnos del CFT Magnos. Lo Espejo y la Florida). Contribuyendo de esta manera al área de la investigación de mercados. Con la investigación ya finalizada. Pudahuel.

que representen de alguna manera los agentes intervinientes del ámbito de estudio. Dichas similitudes se manifiestan en diferentes grados según el coeficiente de correlación del análisis estadístico de las variables. mostrando ser zonas de gruposocioeconómico acorde al perfil del nicho (GSE E – GSE D). la oferta y el espacio. . Esto queda demostrado dentro de este proyecto. trabajar con escalas de 1: 25000 y 1:250000 respectivamente. Y en segundo lugar y con igual importancia. a modo de recomendaciones. escalas de 1:3000. En lo que respecta a la metodología es importante señalar algunas observaciones. De esta manera eliminando las variables que simplemente entorpecen la generación óptima de los conglomerados. En primer lugar. 1:5000 he incluso podría ser aceptable 1:10000. desde los análisis y planificaciones generales. como lo fue la demanda. resultó evidente la importancia de seleccionar un set de variables adecuado. para las diferentes etapas de los tratamientos de los datos espaciales. Para lo cual se recomienda en los análisis globales (comunales . hasta la ejecución detallada del ingreso de datos a los mapas digitales. los estudiantes con enseñanza regular media industrial y media comercial. junto a un correcto agrupamiento en factores.116 conformado por variables entre sí similares. siendo coherentes en relación al entorno urbano que los comprende. y para las ejecuciones de precisión como las geocodificaciones y análisis de dispersiones. y finalmente la población de cuarto medio y los alumnos egresados de enseñanza media. es definir el nivel de detalle de escalas cartográficas que se emplearan. que son importantes a la hora de realizar una buena segmentación en base a similaridades cartográficas. quedando fuera inmediatamente zonas del sector oriente (GSE ABC1 – GSE C2).regionales). en la localización que adoptaron los clusters. considerando el objetivo de las acciones comerciales que apoyara el determinado proyecto. en la realización del trabajo. Denotando los encadenamientos de mayor jerarquía dentro del cluster a la población de cuartos medios y solteros con GSE E.

sin duda. Considerando el acercamiento de la educación. hacia áreas periféricas que no siempre cuentan con el alcance espacial para obtener un título técnico profesional que favorezca el crecimiento a nivel de país. “Los SIG y la estadística no son un fin en si mismo. no deben hacerse mas análisis de los necesarios. madures. Finalmente a modo personal queremos manifestar lo estimulante que fue llevar a cabo este proyecto de menoría. como lo son. son herramientas para analizar los datos”. al cual aportamos desde una ciencia exquisita. discusiones y desafíos. aprendizajes. compuesta por dos principales enfoques para la ayuda a la toma de decisiones comerciales que pueda efectuar el CFT Magnos. considerando siempre que cada método tiene su razón de ser y un propósito específico. constituir una valiosa herramienta.117 En relación a emplear métodos de análisis espacial y estadística. Aunado a la satisfacción social que este nuevo CFT pueda entregar a la población de distintas comunas. guardamos una tremenda satisfacción por el trabajo realizado. . Llenos de reflexiones. se hace fundamental que el investigador primero describa sus datos y luego los analice espacialmente y paralelamente aplique los métodos de estadística descriptiva y espacial para relacionar las variables. que sin duda nos llevaron a un enriquecimiento personal y profesional. el conocer con certeza donde se encuentran los grupos de potenciales clientes que responden al perfil de su actual demanda y la aproximación de potenciales áreas de localización que cumplen con todos los requisitos necesarios para el éxito comercial de la nueva instalación. durante meses intensos de trabajo. Con respecto a los resultados mismos del proyecto se puede concluir que se ha logrado. como lo es la ciencia de la tierra. que sin duda consideramos que nos convierte en ingenieros participes de un desarrollo de país. Y ahora que este periodo concluye.

P. Conkling. USA. Berry Brian. Madrid. New York: Wiley. tomo LXI. New Jersey. Bosque Sandra. 160-189. Anales de Geografía de la Universidad Complutense. y Hubert L. Marketing Management. p. 567598. Aroca Patricio (2000) Econometría espacial: Una herramienta para el análisis de la economía Regional. nº 2. España Bosque Sendra Joaquin. Chile. Universidad Nacional de Luján. (2002) Visualización Geográfica y nuevas Cartografías. 61-77. Bosque Sendra Joaquín. Moreno Jiménez y F. Ediciones Díaz de Santo Anderson T. M. pp. estudios geográficos. dal Pozzo. (1984) An introduction to multivariate statistical analysis. Berry Joseph (1993) Artículos de la serie Beyond Mapping: Mas allá de la cartografía. Bagozzi(Ed). In R. Álvarez Cáceres Rafael (1994) estadística multivariante y no parametrica con SPSS: Aplicación a las ciencias a las ciencias medicas de la salud. Michel (1976) The Geography of economics Systems.118 BIBLIOGRAFIA. Arabie. Joaquin. GeoFocus (Artículos). A. Advanced Methods in Marketing Research. Consejo Nacional de Investigaciones Científicas y Técnicas (CONICET) . Buzai Gustavo (2002) Sistemas de Información Geográfica Aspectos Conceptuales Desde la teoría de la Geografía. Gómez Delgado. Boyd Walker (1992). Irwin Publications. ISSN: 1578-5157. H. (2000) Hacia un sistema de ayuda a la decisión espacial para la localización de equipamientos. Universidad Católica del Norte. Zamora Ludovic. Universidad de Alcalá. (1994) Cluster Analysis in Marketing Research. Luján. P. Edgar & Ray. Rosa C García (2000) El uso de los sistemas de información Geográfica en la planificación territorial. W. nº241. Buzai Gustavo (2002) Análisis Linkage con contigüidad espacial Anuario de la División Geografía. departamento de Ciencias Sociales.

Chasco Coro Yrigoyen (1997). D. seminario para optar al titulo de ingeniero comercial. (1997). Madrid: Alianza. Teorías. London: Arnold. Modelos de determinación de áreas de mercado del comercio al por menor. Méndez Ricardo (1997) Geografía económica. cast. España. Central Scotland. Facultad de CC. Universidad de Chile. New York. la lógica espacial del capitalismo global. 1983). universidad Autónoma de Madrid. Garcia J. Universidad de Santiago de Chile. (1997). Los sistemas de información geográfica aplicados a la planificación comercial. Geomerketing. Chasco Coro Yrigoyen.Diego Ortiz Jiménez (2003) Estimación de los parámetros de transformación entre los sistemas de referencia WGS–84 y PSAD–56 para una zona de Calama. 99107. Isobel Clark (2001) Practical Geostatistic. – Gis para el catastro Urbano Marcela Ramírez Zamorano . Giadalah Francisco Astudillo (2003) segmentación de la población Chilena. Distribución y Consumo. Ariel geografía. Como ha cambiado la vida de los Chilenos. Alloa Business Centre. T. Klein Universidad Autónoma de Madrid. . Económicas y Empresariales. 31: Pág. (ed. Análisis exploratorio de datos espaciales al servicio del Geomerketing. J. programa para America Latina y el Caribe Aplicaciones del catastro multifinalitario en la definición de políticas de suelo Urbano. Harvey. (1979) Cartografía y Levantamientos Urbanos. INE (2007) Análisis comparativo de las condiciones de vida en los hogares (Censos 1992 – 2002). leyes y modelos en geografía. (1969) Explanation in Geography. Springer-Vertag. Harris y Ullman (1945) The nature of the cities. Tesina. Instituto Lawrence R. Annals American Academy of Political Science 247.119 Blachut. Lincoln Institute.

www. http://www.hypergeo.cartografia.ub.120 Pérez Cesar (2004) Técnicas de análisis Multivariante de datos y aplicaciones con SPSS. Edward W.com. http://www.pdf (Como enseñar autocorrelación espacial).blogspot. http://geografiaeconomicauls.com/2007/11/teora-de-christaller-y-lsch. Pumain Denise (2004) Artículos del análisis espacial.cmq.) http://clustereco.wikilearning. (Citas Geociencias). 2002 . Expansiva 2004. Costos y beneficios de estudiar en Centros de Formación Técnica ¿Neutralidad de la Política Publica? Zepeda Rene (2004 – 2005) Apuntes de Geodesia Geométrica y ajuste geodésico.cl (Parámetros de transformación entre sistemas de referencia geodésicos y cartográficos). Sitios Web Consultados.edu.html (Carrillo.es/geocrit/b3w-431. http://www. Blackwell.eu. Universidad de Santiago de Chile.com (Geografía Económica y Global. 2001).ar/Cienciasvinculadas.mx/documentos/Revista/revista18/Vilalta_est_volv_num18_ 2005. Oxford. . http://www.asp?id noticia=0129072005021X1030099&idcuerpo=425 (Geonegocios.elagrimensor.com/curso_gratis/el_sistema_intraurbanoteoria_y_modelos_explicativos_de_la_estructura_de_la_ciudad/1810-3 (Sistema Interurbano .elmercurio.htm (Soja. Madrid.com/destacadas/detalle/index. Universidad Complutense de Madrid. http://www.teoría de christaller y losh). http://www.Teoría y métodos explicativos de la estructura de la Ciudad). Serie en foco.edicionesespeciales.asp.blogspot. Post metropolis. Critical Studies of cities and regions. Alfredo escobar Dmapas). Instituto de estudios fiscales.

You're Reading a Free Preview

Descarga
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->