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

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

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

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

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

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

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

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

among others. The Geobusiness discipline performs vital significance in the process of making a project of investment of great importance.ABSTRACT Geographical information can be a very profitable tool if we take advantage of it at commercial level. on highly competitive markets. 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. Cartography. such as.T) Magnos. the distribution networks. which allow to identify the best segments of clients and the most profitable potential new areas of market. As long as avoid the possibility of losing the theoretical rigour of the automations. Geobusiness is in full heyday and influencing the banking. Thus. who answer to the current profile of the claimants of the education service. The purpose of this project is to elaborate a Geobusiness model which allows to determine cluster of potential clients. There are certain diverse tools and conceptual frames necessary to carry a project of this importance out. the telecommunications and the different areas of services. here it is when systematic methods are more required. besides the approach of potential zones of location. for a certain business. 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.F. in which the risks and costs of taking decisions are quite high. Therefore. methods based more on intelligence than on the hazard. by means of using a theoretical and technical methodology. in a transverse way. Nowadays. Geographical Information Systems (GIS) and space techniques. Centro de Formación Técnica (C. Economic Geography. the retail. .

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

.......................... 25 2......SIG – En el Núcleo de la Geomática ..Ajuste Geodésico: principio mínimos cuadrados..................4...........................................2..............3.............1..............Tipos de segmentación de mercados (Marketing) ...............................................4................ 22 2.Modelo de cuatro parámetros con centroide...... 5 CAPITULO II: FUNDAMENTOS TEORICOS PARA ELABORACION DE UN MODELO DE GEONEGOCIOS 2......3.2.. 29 2..................................................................Sistemas Globales de Referencia ...........4....Hipótesis de la Investigación ........................ 24 2.............................Geografía Económica .........2.....2........................................................................................................... 5 1.4............ 25 2........................Sistemas de referencia locales .......................... 7 2............................................ 23 2..............4............ 11 2............................Transformación Bidimensional entre sistemas ..........1...1......2..... 24 2....................... 27 2........2. 5 1........Bases de datos y su tratamiento........ 17 2............. 5 1......Contexto y funcionalidades del SIG ..1......................................................Objetivos de la Investigación ........5.........1 La Geomática (Orígenes – Componentes) ......3........................ 12 2......................1........ 15 2................. 19 2..... 1 1..............2....4.....3..................................Objetivos Específicos.......1....5... 14 2...............2............3..........Estimación de Parámetros .... 33 .................2...............1......................4....................Planteamiento del problema .4......................................... 26 2.........3.......................2..........Los Geonegocios ......Objetivo General ...Antecedentes Generales ....................................Transformación entre sistemas de referencia..INDICE GENERAL CAPITULO I: INTRODUCCION 1.......4........ 3 1......................La función del Geomarketing ...................Teoría de los lugares centrales.........................1.....................La Base geodésica en la cartografía digital ...........1.

........6........Teoría de los núcleos Múltiples..Análisis Cluster Jerárquico ....10..................3....................4........................... 40 2..... 54 2.......................10.............10...........3...............................2............ ......................................................................El método de average linkage (between Groups) ... 70 3............Metodología de trabajo ... 42 2.......3................6...3.........2........ 38 2..... 70 3.....Georreferenciación WGS84 de la cartografía censal INE ..........Stack de mapas ....El espacio vectorial como un sistema continuo ...Polígonos de Thiessen.......La cartografía de Manzanas del INE .... 47 2............Concepto de proximidad .3.3.1....5........8.2....... 61 3........... 51 2............3.............. 49 2................................ 56 3..........8...............1...Teorías sobre la estructuración del espacio Urbano....................... 49 2..Marco conceptual teórico de la elaboración del modelo ....................8......... 50 2........El Análisis cluster y su tratamiento .................................La autocorrelación espacial (principales índices)......7... 62 3.......Primer resultado de superposición cartográfica en .........................8....... 39 2................8...........4.................................. 62 3..........8...El Análisis y La estadística Espacial ................1...La Homogenización de escalas cartográficas............. 44 2................................................3. 46 2.........1....................Validación del modelo geométrico ..............1..........................10...........8.........La correspondencia espacial ..2.......1............Esquema de procesos y recursos Geomáticos... 54 CAPITULO III: ELABORACION DEL MODELO DE GEONEGOCIOS PAR NEGOCIO – CLIENTES 3...3.....................................5.........................9...............El análisis estadístico de datos (Multivariante) ........ 53 2.....................3..............2..................6........... 64 3.......Requisitos generales del material cartográfico.... 57 3.......................2..........................................Similaridad cartográfica ................................6....................................La cobertura de ejes SAF.. 65 3. 36 2................................Georreferenciación WGS84 de la Cartografía de ejes SAF 2002 .

.........2.......5...................7.......... 86 3...................8 2................................................................................ a un espacio continúo ....Análisis estadístico de cluster de variables97 3..5..4......................Caracterización del nicho ...............2..........3..................... 93 3.................1... 76 3.................................... 96 3........................6........................5........................8.........................4..................... 90 3.........................Análisis y selección de las variables clones .5............ 88 3...Nuevas áreas de mercado y la aproximación de áreas para localización .118 FIGURAS 2........................................................ 82 3.....1: Aplicaciones integrantes de la geografía automatizada visón de Dobson 1983.5.......Transformación del espacio discreto..............3......................115 BIBLIOGRAFIA ...Análisis del trabajo Cartográfico ...4....................2: Etapa de convergencia (Geomática) y evolución tecnológica.......4..............WGS84 entre SAF e INE..................... 88 3...........5................................................ 75 3....106 CAPITULO IV: ANALISIS Y DISCUSIONES 4....................4..............1.Acciones para mejorar la unificación cartográfica ........................Normalización de los datos geográficos (Zscores) ............5........................Autocorrelación Espacial de los cluster clones ....... 94 3........................................Análisis del producto final obtenido mediante el tratamiento de análisis espacial .................Validación del entorno Urbano………………………………………………103 3............1........ 79 3. 10 .7..3.................1.. ...Acciones y tratamiento de la información alfanumérica ..........Tratamiento de Análisis Espacial................................................109 CAPITULO V: CONCLUSIONES Y RECOMENDACIONES........ 90 3...Medición de la correspondencia espacial y la creación de la Matriz de uniones Espaciales ........El Stack de mapas .............................2......El modelo espacial de clonación de nichos..............108 4....................

..... 38 2....17: Aproximaciones por Lattices (Retícula) y los Grid (Rejilla) ........16: El espacio vectorial como un sistema continuo.. 58 3.1: Tasa de retorno a la educación por tipo de educación ..........................................12: Distribución óptima de centros de servicios (Lugares Centrales) ..........7: Relación de modelos de transformación y coordenadas ....... 18 2..............................................20 Esquema general del análisis de cluster....2............ 19 2.....................4: Fuentes de información de datos – Estructuras catastrales ....... 29 2................................................ 36 2.5: Procesos de integración de datos para realizar Geomerketing..................................................7.................15: Relación conceptual entre el espacio de datos y el espacio geográfico ....... 48 2........................ 59 3................................................................... 16 2.......6: Temas críticos de distribución comercial ........ 26 2....................................... 69 3.......................................... Post georreferenciación . 43 2..................4: Superposición cartografía SAF en Google Earth .......3: Análisis espacial de concentración de la oferta educacional ................................14: Modelo de núcleos múltiples de Harris y Ullman ............. Post georrefereciación.............................18: Campana de Gauss para valores Zscore .............. 60 3......... 67 3..............2: Crecimiento desbalanceado............................. 64 3...21: Constantes de la formula Lance – Williams para cluster jerárquicos....................13: Modelos Clásicos de estructura Urbana ........11: Superposición de áreas de mercado . 55 3... 44 2... 69 .9: Factores explicativos de la organización del territorio.......7.................1: Reducción mínima 5m..........2: Reducción máxima 0............... 27 2......................... 52 2..3: Componentes Esenciales de los Geonegocios... 40 2........ 35 2............ 31 2....................................19: El Stack de mapas Geográficos........................................6: Distribución de vértices sobre el área de estudio............... 37 2.....................................8: Modelo de transformación por 4 parámetros con centroide ...........................................5: Diferencia máxima entre Cartografías SAF2002 y Base WGS84 ............5m............... 47 2... 66 3..10: Influencia del territorio en el funcionamiento de la actividad económica............ 14 2...

...........F............................. 87 3........................................... 92 3. 83 3.....13h: Gráfico comunas de desempeño laboral ......17: Cluster clones del nicho C..........13c: Gráfico de parentesco con el Jefe de Hogar ......................... 76 3. 83 3........................................................ 72 3.........................................9: Diferencias máximas de ± 80 m..........................................................12: Extracto de la plataforma del diccionario Redatam CENSO2002 .19: Resultado dendograma......3.......................................... 85 3............ 85 3............................................................. 71 3.......................................................13g: Gráfico medios de transporte utilizado........... 83 3..............16a: Uniones espaciales intrafactor mercado ..............11: Resultado validación geométrica WGS84 en Google Earth (Alameda – Norte Sur) .............................................10a: Resultado georreferenciación (comuna periferia Norte Conchalí) .....................................13a: Gráfico de edades......... 84 3......T Magnos .............................................. comuna La Florida ............................................................................. 81 3........ 84 3............. 93 3................. No georreferenciado ......................................................... 91 3...............................13i: Gráfico de GSE ...........16b: Uniones espaciales intrafactor demográfico .8: Distribución de vértices entre SAF 2002 e INE............................................................................. 96 3............. 83 3.10b: Resultado georreferenciación (Comuna Santiago) .................................. 75 3........................13e: Gráfico de puntajes PSU..................................16c: Uniones espaciales intrafactor educacional .....14: Listado de variables por nivel de análisis.... 85 3................................................................................................................15: Georreferenciación de variables alfanuméricas ........ 92 3......13d: Gráfico de estado civil...13b: Gráfico años de ingreso al CFT ....... entre SAF2002 WGS84 e INE no georreferenciado .......................................... 86 3............................... 78 3..18: Resultado autocorrelación espacial I Moran ...................................................100 ..................13f: Gráfico de notas de enseñanza media ............................................................. 97 3.16d: Uniones espaciales intrafactor territorial .................................................................

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

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

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

Considerando que un mercado es perfectamente competitivo cuando hay muchos vendedores pequeños en . ó simplemente ¿Los establecimientos existentes en sus cercanías no cubren sus intereses vocacionales? ¿Cuánto joven. 1. potencial cliente de la educación.2. ó ¿La educación que él desea no está a su alcance económico?. ¿Será que cerca de su localidad no está la educación que él busca?. 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. deben destinar grandes inversiones en publicidad. para no correr riesgos. se pierde en estas y otras simples interrogantes y se transforma en un nicho demandante para las empresas que venden este servicio. Sin embargo. Los cuales tienden a ubicar sus nuevas sucursales en lugares ya probados anteriormente. para el crecimiento futuro de la empresa.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? . se podrá tomar decisiones acertadas. marketing y otras gestiones en mercados extensos para capturar clientes y alcanzar un grado de competencia perfecta. Eliminando costos a través de la variable espacial y dejando a un lado la competencia directa.. ¿Por qué un estudiante debe recorrer grandes distancias para obtener una mejor educación?. ampliando el margen de centralización de estos servicios.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.

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

3. Al considerar los aspectos esenciales en los comportamientos que dirigen la actuación de comerciantes.2. necesarios para sustentar los procedimientos. potenciando las desventajas iniciales de este. 1. Localizando los nichos demandantes del perfil del CFT MAGNOS de la Universidad Mayor. determinando las zonas de potenciales clientes de la Educación Superior. A través de un análisis espacial y estadístico de similaridad y clusterización de datos cartográficos integrados en un SIG (técnica de clonación de nichos).OBJETIVOS DE LA INVESTIGACIÓN. El modelo de Geonegocios para la educación encontrará los grupos de potenciales nuevos clientes y aproximará nuevas zonas de mercado. • Entregar los fundamentos teóricos y epistemológicos.OBJETIVO GENERAL.3. 1...OBJETIVOS ESPECÍFICOS.1. empresas de servicios y usuarios en la actualidad.4. técnicas y metodologías de las automatizaciones utilizadas para la elaboración del modelo.5 1.4. dentro del límite urbanizado de la Región Metropolitana. diferentes o alternativas al centro educacional de la Región Metropolitana establecido en el “barrio República” de la comuna de Santiago. .HIPÓTESIS DE LA INVESTIGACIÓN.. 1. Elaborar un Modelo de Geonegocios. • Utilizar la teoría del modelo de Walter Christaller..

mediante metodología de análisis espacial. . • Cambiar el Datum de la cartografía de manzana del INE SAD-69 a WGS -84. • Crear una matriz de uniones.6 • Realizar un proceso de normalización y unificación cartográfica que responda a una precisión y exactitud. que comprende a los cluster clones. para ver la correlación de las variables que componen los nichos clones. 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. Para visualizar las áreas de conglomerados espaciales. • Utilizar el Índice de Moran. • Aplicar la técnica de análisis cluster en SPSS. Analizando la correspondencia de patrones espaciales. para medir la autocorrelación espacial de los nichos clones. mediante el uso de software geomático y programación de los parámetros preestablecidos por el equipo memorista. por desviaciones estándar. • Validar el entorno urbano.

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

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

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

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

sino a través de la clase de información que maneja: información geográfica o geoinformación. Por lo tanto. comenzamos encontrar diferentes tipos de software que le sirven de apoyo y que en su totalidad forman el campo de la Geomática. Los SIG son una herramienta multifinalitaria y utilizada por muchos sectores del país. Si de éste núcleo se sale hacia los bordes. estamos en presencia del concepto SIG. 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). 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) -. logrando la descripción del espacio geográfico de forma tan detallada y ajustada cuanto los datos existentes lo permitan. 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. como pilar relacionador de información y plataformas computacionales. Esto es posible porque la Geomática no se define a través del tipo de software que la integra.1. pues todas se relacionarán en un enlace . El cual se centra en el núcleo.1 SIG EN EL NÚLEO DE LA GEOMÁTICA. desde las más generales hasta las más específicas. todo tipo de aplicación computacional pude ser incluida.11 2. La Geomática se convierte en un campo de gran amplitud.

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

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

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

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

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

Del punto de vista operacional se define como un sistema integrado por datos. 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. En relación a las herramientas y técnicas.2. métodos estadísticos y representaciones gráficas destinadas a producir una . con el procesamiento y tratamiento de las bases de datos. a través de instrumentos cartográficos y herramientas de la estadística espacial (Coro Chasco). junto a los elementos importantes para los negocios (clientes. inmuebles. Paralelamente se emplean los denominados AEDE (Análisis Exploratorio de Datos Espaciales).LA FUNCIÓN DEL GEOMARKETING. transporte.).2. el cual aporta entre otras. conectividad. árboles de clasificación.17 análisis de correspondencias. permite a los decisores visualizar las estrategias de marketing y poner al descubierto aquellas localizaciones de mayor potencialidad en un negocio. agrupados en la estadística espacial. aunado a la generación de productos cartográficos que visualicen las acciones comerciales realizadas. estos cuentan con los SIG como principal herramienta georreferenciadora de información y con el geomarketing como técnica fundamental. competencia. etc. Es de una gran potencialidad. analizan directamente las informaciones geocodificadas. etc.). potenciales clientes. El Geomerketing es una disciplina reciente.. 2. programas informáticos de tratamiento. es en Europa y fundamentalmente en España donde se ha desarrollado como tal. aún poco conocida a nivel mundial. 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. datos censales. Nacida de la confluencia del marketing y la geografía.

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

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

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.

2. Sin embargo. la georreferenciación es la asignación de coordenadas ligadas a la Tierra a objetos de interés. Datum y modelo geoidal. ya sean naturales o artificiales. El cual está asociado a un determinado elipsoide. Hito XVIII.3. Por ende. WGS – 84. 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.1. el aprovechamiento que pueda hacerse del SIG y multiplica su valor de mercado por cuanto lo hace útil a un mayor número de usuarios. por el contrario. Georreferenciar dicha base de datos es. Adquirir la información que integrará la base de datos es la operación más laboriosa y costosa involucrada en el desarrollo de un SIG. se advierte que de una georreferenciación correcta depende. en gran medida. la base geodésica es primordial en la confección de una cartografía digital implementada en un SIG. denominada elipsoide de referencia.SISTEMAS DE REFERENCIA LOCALES. 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. SAD – 69. El organismo oficial encargado de la definición y . Permitiendo definir la ubicación de un objeto espacial mediante el registro de su longitud y latitud en un sistema de coordenadas específico.23 En estricto rigor.. donde se establece su ubicación en relación con la forma física real de la Tierra (geoide). Pero la condición más relevante es que dichas coordenadas estén vinculadas al mismo sistema de referencia geodésico. Además por un punto de origen (Datum). una operación sencilla y de bajo costo relativo. En Chile los sistemas de referencia adoptados son: PSAD – 56.

Y.TRANSFORMACIÓN ENTRE SISTEMAS DE REFERENCIA. de manera que exista una Para lograr el relacionamiento unívoco entre dos sistemas de referencia es menester conocer las relaciones entre los sistemas.4. 2.24 materialización de los sistemas de referencia geodésicos nacionales es el Instituto Geográfico Militar IGM. 2... Los sistemas globales de referencia fueron desarrollados con el objetivo de establecer controles geodésicos tridimensionales en cualquier punto de la Tierra. Ejemplos de sistemas globales de referencia son el WGS – 72 y el WGS .SISTEMAS GLOBALES DE REFERENCIA. la posición del centro geométrico de cada elipsoide con respecto al centro de gravedad de la Tierra. a otro. . 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. Z centrado en el centro de masas de la Tierra (Tierra y atmósfera).2.3. Este último es el sistema geocéntrico adoptado en el funcionamiento del Sistema de Posicionamiento Global GPS. Estos sistemas están basados en el sistema cartesiano geocéntrico. las dimensiones de cada elipsoide y las relaciones matemáticas entre ambos sistemas.84. es decir. entre otros factores. este último queda definido como aquel sistema que especifica una terna de ejes ortogonales cartesianos X.

ángulo de rotación (ω) y factor de escala (k). en el caso más simplificado.2. y los modelos quedan definidos por (X e Y). sistemas bidimensionales (2D). por ejemplo sistemas proyectivos cartográficos UTM (Universal Transversal Mercator). 3 traslaciones y 1 factor de escala) o por solamente 3 traslaciones. La estimación de parámetros de transformación. Por otro lado... y de esa forma posibilitar la estimación mediante mínimos cuadrados. 1980. Cuando no se consideran sistemas de referencia paralelos se formula el modelo con cuatro parámetros: traslación en ambos ejes (Tx . 2.Ty).TRANSFORMACION BIDIMENSIONAL ENTRE SISTEMAS.1.4. Blachut.25 2. La relación espacial entre sistemas de referencia tridimensionales (3D) puede ser modelada por 7 parámetros (3 rotaciones. ya que no se considera el factor altura. Las transformaciones bidimensionales son utilizadas en planimetría.ESTIMACIÓN DE PARÁMETROS. pueden ser modelados por 4 parámetros (2 traslaciones. 1979). requiere de una muestra de vértices con coordenadas referidas a ambos sistemas.4. de tal forma que permitan tener suficientes grados de libertad. 1 rotación y 1 factor de escala) (Rapp. Estas transformaciones varían desde transformaciones simples de similaridad a transformaciones más complejas. .

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

se tiene por solución del sistema: .. Ocares.8 Modelo de transformación por 4 parámetros con centroide. El sistema de compensación de mínimos cuadrados tiene como finalidad encontrar una solución única al ajuste de un modelo. 2. A una matriz cualquiera..AJUSTE GEODÉSICO: PRINCIPIO MÍNIMOS CUADRADOS.C. u el número de incógnitas. R.27 Fig. Ortiz. + vn → mínimo Para facilitar el cálculo de los valores residuales de un determinado conjunto de observaciones. 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. es decir: 2 2 2 v12 + v2 + v3 + . X la matriz de parámetros o incógnitas y L la matriz de observaciones. se utiliza el Álgebra matricial.D.. 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. 2. Luego. si el número de ecuaciones es igual al número de parámetros.. Fuente: Parámetros de transformación entre sistemas de referencia geodésicos y cartográficos. Zepeda . Si las observaciones se expresan mediante ecuaciones lineales.4.. Según el principio del método de mínimos cuadrados.4.

. lo que se expresa en forma de ecuaciones: a0 + a1 x1 + a2 x2 + a3 x3 + . + bn (l n + vn ) = 0 ………. se obtiene mediante sucesivos procesos de derivación de matrices. X corresponde a los valores de corrección y L a las constantes del valor de corrección. r0 + r1 x1 + r2 x2 + r3 x3 + .... + bn xn = 0 ……….. 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.. Donde A está conformada por los coeficientes del modelo lineal.. + rn (l n + vn ) = 0 Finalmente....... y de esta forma se conforma el modelo A • X = L .. r0 + r1 (l1 + v1 ) + r2 (l 2 + v2 ) + r3 (l3 + v3 ) + .. .. + an xn = 0 b0 + b1 x1 + b2 x2 + b3 x3 + .. + rn xn = 0 Donde xi representa un error o residuo de la forma xi = li + vi ... tomando estas ecuaciones se adaptan al modelo matricial.. por lo que las ecuaciones toman la forma: a0 + a1 (l1 + v1 ) + a2 (l2 + v2 ) + a3 (l3 + v3 ) + .. + an (l n + vn ) = 0 b0 + b1 (l1 + v1 ) + b2 (l 2 + v2 ) + b3 (l3 + v3 ) + .

exige incorporar la acción ejercida por múltiples factores. que actúan de forma interactiva.5. resulta de particular importancia el efecto ejercido por las condiciones económicas sobre la estructura y el dinamismo de los territorios. Junto a la influencia de las condiciones naturales o ecológicas.29 2. reforzándose o compensándose mutuamente (Fig. etc.9 Factores explicativos de la organización del territorio. Cabe destacar aquel que atañe a las condiciones de vida que . el sistema de relaciones sociales. el volumen y características de la población. un país. ya sea un área metropolitana.GEOGRAFÍA ECONÓMICA. ya que cualquier análisis de una realidad espacial. una región. tangibles e intangibles. Estructura Económica Estructura Económica Fig. Para asignar una definición al estudio de la geografía económica. las pautas culturales dominantes. pasados y presentes. o la organización política institucional serán las principales razones explicativas de la organización del territorio. Fuente: Geografía económica – La lógica espacial del capitalismo global – Ricardo Méndez. 2. las herencias derivadas de un pasado que aun se hacen presente en ocasiones. Entre todo ese conjunto de condicionamientos naturales y sociales.. 2..9). Esta convergencia nace de una serie de factores explicativos de la organización del territorio. es necesario comprender la convergencia existente entre economía y geografía.

7). y Dicken. la cual fue planteada por Lloyd y Dicken. Para mejor captarlos.. en este caso de índole económica. pueblos. aunque ambas estén implicadas en el estudio de los sistemas económicos” (Lloyd. 14). al afirmar que “la geografía económica intenta explicar la distribución de los hechos de producción. al convertir el territorio en un simple escenario inerte sobre el que se instalan múltiples elementos. P. ).. 1977. etc. etc. en tal sentido. como favoreciendo o dificultando su desarrollo posterior. que también influye sobre el uso que del espacio y el tiempo hacen los diversos grupos humanos residentes en cada una de esas áreas. P. 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. precisando la manera como el espacio los modela o los modifica” (Claval. el territorio debe entenderse también como agente activo que influye de forma directa. Por el contrario. P. utiliza las categorías propuestas por los economistas. “es el punto de vista espacial el que distingue a la geografía económica como ámbito de estudio de la economía.. En otras . De esta manera se puede citar una de las definiciones más sintéticas y precisas de la geografía económica. J. 1980. ciudades. su decisión de implantarse en determinados lugares. 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.30 disfrutan o padecen los habitantes de las diferentes regiones del mundo. Una definición alternativa es la planteada por Claval. (Sánchez. tienen mucho que ver con su diversa estructura u organización económica.. E. distribución y consumo. tanto sobre las desiguales posibilidades para que surjan iniciativas empresariales en determinado tipo de actividades. delimitar sus áreas de actuación. y tienen lugar acontecimientos o procesos. E. 1991).

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

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

los cuales suelen presentar bienes/servicios de carácter básico o de primera necesidad. Las de menor rango. por lo que pueden ser clasificados como bienes y servicios centrales. Tanto los comercios.5. las cuales exigen un volumen mínimo de consumidores potenciales para poder ser rentables. así existen también leyes geográfico-económicas que rigen la distribución de los núcleos urbanos”. que en 1933 presentó su tesis doctoral sobre “Los lugares centrales del sur de Alemania”. generalmente relacionada con su precio. pues el desplazamiento a larga distancia encarece mucho su coste y reduce su demanda. por ofrecer bienes/servicios generalmente poco costosos y de uso frecuente. los . en cuanto a tamaño. 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. como las áreas rurales más o menos extensas. como numerosos servicios privados y públicos cumplen esa función. aspectos representativos de aldeas o pueblos. que aumenta con su rango y al que se denomina umbral de demanda.. número y localización. por lo que serán numerosas y ubicuas. por lo que actúan como lugares centrales respecto a un área de influencia que se dispone alrededor. necesitan estar próximas al consumidor (menor alcance).1. Por el contrario.TEORÍA DE LOS LUGARES CENTRALES. pues intentó demostrar la hipótesis de que “de igual forma que existen leyes económicas que determinan la vida de la economía. 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. Según Christaller. Fue también uno de los primeros trabajos geográficos que utilizó el método deductivo.33 2. La categoría o centralidad de un núcleo de la población dependerá de la cantidad y el rango de los bienes y servicios que ofrezca.

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

2. desde las páginas 32 -38. pues el número de centros de orden inferior tiende a reducirse en un tercio al ascender un nivel de la jerarquía. que mantienen una relación jerárquica regular. formando redes de centros dispuestos de forma regular en el territorio (véase fig. las áreas de mercado hexagonales de las diferentes categorías de lugares centrales tenderán a encajarse unas dentro de otras según su diferente alcance.12). Fig. Fuente: Geografía económica – La lógica espacial del capitalismo global – Ricardo Méndez.35 indiferencia. • Siguiendo ese criterio. Por esa razón. fueron extraídas desde Méndez Ricardo (1997) Geografía económica. la lógica espacial del capitalismo global .5.11 Superposición de áreas de mercado. 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). 2. Las citas empleadas en el capitulo 2. la forma más eficiente de abastecer a toda la población con el menor número de lugares centrales será mediante áreas de formas hexagonales.

sólo tomó en cuenta los factores económicos que determinan la región económica y dejó de lado a todas las demás variables expuestas por Christaller. A partir de esto Lösch afirma que se puede esperar que los consumidores compitan entre sí por los sitios más cercanos a la planta.36 Fig. 2002). Por otro lado. Fuente: Elaboración propia.12 Distribución óptima de centros de servicios (Lugares Centrales). porque obtienen los productos más baratos. 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). (Carrillo. Lösch al desarrollar el modelo del área de mercado. . 2. 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. 2) Los consumidores que viven cerca de la planta están en mejores condiciones que los que viven alejados de esta.

Importante es considerar . empresas de servicios y usuarios. tales como : la mejora de transporte. Burgess en 1925 al conceptualizar el desarrollo de la ciudad en anillos concéntricos a partir del centro (CBD. características inherentes a una ciudad o a una estructura urbana ya consolidada.. El primer modelo sobre la estructuración del espacio urbano fue propuesto por el sociólogo Ernest W.37 2.13 Modelos Clásicos de estructura Urbana Fuente: La evolución de los factores de localización de actividades pag. amenidades urbanas y las relaciones de competencia entre núcleos de población. (Figura 2. la estructuración del espacio urbano sobre la cual se va a planificar una nueva o futura localización. que iban desde un deterioro central hasta una periferia favorecida. 2.13A) Fig.TEORÍAS SOBRE LA ESTRUCTURACIÓN DEL ESPACIO URBANO.6. (90 -95) . 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. analizó su crecimiento en sucesivos procesos de invasión-sucesión que ampliaban los límites de la ciudad y realizaban un corrimiento de las áreas sociales.en la aplicación de un modelo de localización de bienes o servicios. Central Business District).

Fig. Finalmente. Las ciudades no tienen un solo centro.9).13B). los geógrafos Chauncy Harris y Edward Ullman en 1945 analizan el tema privilegiando el proceso de conurbación.14 Modelo de Núcleos Múltiples de Harris y Ullman.1. a finales de la década del cincuenta.. es decir. 2.Berry y William Garrison pudieran aplicar.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. la cual fue una base para que posteriormente Brian J. la “teoría de lugares centrales” a nivel intraurbano.13C). . la unión de diferentes aglomeraciones que llevaría a la generación de grandes áreas urbanas con múltiples centros. (Teoría de los núcleos múltiples.” Las actividades similares se localizan en la misma área y crean “miniciudades” dentro de la ciudad mayor. figura 2.TEORÍA DE LOS NÚCLEOS MÚLTIPLES. 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). Fuente: Perspectivas teóricas en Sociologías Urbana pag.6.L. sino que tienen muchos “minicentros. 2. (8 .

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

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

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

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

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

Fig.17 Aproximaciones por Lattices (Retícula) por los Grid (Rejilla). Su versión 2D consiste en un simple relleno de cada celda con el color correspondiente a su intervalo de valores.44 identifican puntos de ruptura entre intervalos de valores iguales y los Grid.2.. 2. En ambos casos el criterio que agrupa unidades espaciales para la formación . Las herramientas más conocidas que desarrollan esta teoría dentro de los SIG. la delimitación de regiones contiguas o fragmentadas. 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. Según Gustavo Buzai.LA CORRESPONDENCIA ESPACIAL. corresponden a los análisis de densidad y proximidad (Joseph Berry). por su parte. Fuente: Más allá de la cartografía – Joseph Berry / Trans-espacialidad urbana – Claudio Contreras. mientras que la segunda es un paso más cercano a la captación de la funcionalidad del sistema espacial.8. 2. 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.

Primero. Cuando la intersección V1 ∩ V2 = 0 → CE = 0 y cuando V1 ∩ V2 = V1 U V2 = 1 → CE = 1. en el cual. sino como afirma Timms (1974). utilizado por la perspectiva regionalista. 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. luego de realizar una serie de observaciones el cientista debía delimitar una región que tenía existencia de forma independiente. el método intuitivo basado en la percepción. mientras que para una perspectiva racionalista las regiones se construían mediante procedimientos intelectuales que apelan a una importante dosis de subjetividad. 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. el cual no significa que los valores medidos en su población deban ser similares al de la unidad espacial. De esta manera se minimizaría la denominada falacia ecológica. Este método descrito corresponde a la superposición de regiones sistemáticas.45 de áreas es el de homogeneidad. De esta manera: 0 ≤ CE ≤ 1. . que consiste en atribuirle erróneamente a un individuo el comportamiento medio de la población del área que habita. 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.

σ es la desviación estándar de la población. numéricas y espaciales (geográficas). son conservadas en el proceso de normalización. 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. comprende a la estandarización de las variables.LA HOMOGENIZACION DE ESCALAS CARTOGRAFICAS..3. La norma Resultado (Z) indica el número de desviaciones estándar que una observación está por encima o por debajo de la media. Consiste en ajustar los valores cartográficos.8. µ es la media de la población.46 2. . De esta manera se pueden realizar operaciones estadísticas cuantitativas entre las diferentes capas temáticas. la normalización simplemente cambia la escala de los valores. que conforman la matriz de especificidad Matriz que se genera en función de las uniones espaciales entre capas temáticas –. Un proceso determinante para hacer comparaciones cartográficas. Permite la comparación de observaciones de diferentes distribuciones normales. que se realiza con frecuencia en la investigación. como se cambiara de unidades de medida. para saber como se comportan y se relacionan en el espacio. mediante el cálculo de los Zscore. En efecto.

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).47 A continuación se observa la comparación de las diversas medidas de la distribución normal: las desviaciones estándar. los puntos vecinos presentes en el entorno de un determinado punto pueden ser leídos también a partir de la . Igualmente. En un conjunto de datos con estructura grid.18 Campana de Gauss para valores Zscore. mismo tamaño de celda y mismo punto de referencia). porcentajes acumulados. y T resultados. Fig. 2. 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..Wikipedia 2.8.4. mismo número de columnas.STACK DE MAPAS. las puntuaciones Z. Fuente: Tipificación de valores .

En cuanto a la proximidad relativa de una celda con respecto a otra. 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). Fuente: Artículos de la serie Beyond Mapping: Más allá de la cartografía – Joseph Berry. 2. . 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. 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).

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

i.Índices de Autocorrelación Espacial. Por ello. Existe la posibilidad de que esas variables sean solo cuantitativas. el de Geary y Moran.9.EL ANÁLISIS ESTADÍSTICO DE DATOS (ANÁLISIS MULTIVARIADO). solo cualitativas o simultáneamente de ambos tipos. La autocorrelación espacial -medida con el índice que sea. 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. 2. Un tratamiento tan completo. 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.. existen dos índices de autocorrelación. Los valores cercanos a -1 interpretan una dependencia negativa y para n-1 muestran una distribución aleatoria (Gabriel Ortiz). con la correspondiente distancia geométrica que les separa. A partir de esta idea básica. unido a la .siempre responde al mismo principio: poner en relación las diferencias en los valores temáticos entre dos ubicaciones o casos.50 autocorrelación espacial negativa entre casos de delincuencia y presencia policial).. 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.

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

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

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. Ya sea cualitativa. La proximidad expresa la semejanza que existe entre individuos o variables. dependerá del tipo de variable utilizada..10.53 2.Principales medidas matemáticas de proximidad. Es decir es el grado de asociación que existe entre ellos. binaria u otra. i.1. En las similitudes. Las proximidades pueden medir la distancia o la similitud (similaridad) entre individuos o variables.CONCEPTO DE PROXIMIDAD. al contrario de las distancias. el valor que se obtiene es tanto mayor cuanto mas próximos están los elementos considerados. Cabe destacar que el uso adecuado de las medidas. cuantitativa. 1) Coeficiente de congruencia: CRS = 2) Coeficiente de correlación Pearson: 3) Distancia euclídea y Manhattan ..

3. .EL MÉTODO DE AVERAGE LINKAGE (BETWEEN GROUPS). 2. es muy frecuente en varias áreas de investigación. 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. Tiende a producir clusters compactos. La forma de representación de las etapas de formación de grupos se denomina dendograma. sino la distancia media entre todos los pares posibles de casos (uno de cada cluster). 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. Este método es parte del grupo de algoritmos de enlace jerárquico. a su vez. no la de los individuos mas próximos un mas lejanos de ambos grupos.. se trata de conseguir agrupaciones sucesivas entre ellos de forma progresivamente se vayan integrando en clusters los cuales. Matemáticamente.ANÁLISIS CLUSTER JERÁRQUICO. La formula de Lance y Williams para la distancia entre grupos es la siguiente: . Una variante de este método es el método de la media ponderada (average linkage between groups). Este tipo de análisis. Tiene como particularidad en su funcionamiento partir de tantos grupos iniciales como individuos se estudian. Considera como distancia entre dos cluster. por lo que es muy utilizado y suele ser el método por defecto en los paquetes de software.10.54 2. 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. Lance y Williams desarrollaron una formula que puede ser utilizada para describir los distintos tipos de enlace de los métodos jerárquicos aglomerativos.10.2.

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

56 CAPITULO III: ELABORACION DEL MODELO DE GEONEGOCIOS PAR NEGOCIO – CLIENTES 3.1.. Walker) TECNOLOGIA GEOESPACIAL (Joseph Berry. MODELO GEONEGOCIO PAR NEGOCIO – CLIENTE Es sustentado ESTRUCTURA ECONÓMICA ESPACIAL (Christaller – Ullman – B.METODOLOGÍA TEÓRICA DE ELABORACIÓN DEL MODELO. 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. 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) .

existe un bajo interés de la población estudiantil por entrar a un CFT. Esto queda reflejado en que solo un 11% de los estudiantes de la educación superior de pre-grado (Expansiva.Los Centros de Formación Técnica (CFT) al ofrecer carreras de nivel técnico entre dos a tres años de duración.METODOLOGÍA DE TRABAJO. . 2002) ingresan a un CFT. por la simple razón que los primeros tienen una mejor taza de retorno (ver figura 3. En contraste con universidades e institutos profesionales.57 3. los cuales ofrecen carreras profesionales entre cuatro y ocho años. alcanzando hasta 2.5 veces mayores remuneraciones en comparación con los técnicos (Expansiva.Financiamiento .1).1. claves del rubro (CFT): . Para iniciar la elaboración del modelo es necesario considerar algunos aspectos problemáticos. Derivando en una rentabilidad de corto plazo para el mantenimiento de estos. 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. con lo cual su rentabilidad es más prolongada. y un 3% a nivel nacional (INE. de las matrículas del sector. 2004).Baja demanda . 2004). 2004). los cuales captan el mayor número de estudiantes alcanzando un 70% y un 19% respectivamente. (Expansiva. 2004).Aunado a lo anterior.. determinan una corta estancia de los estudiantes. Comportamiento que tiene directa relación con que los jóvenes de Chile desean obtener un título profesional en vez de un título de nivel técnico. a diferencia de los institutos y universidades. . Dichas cifras reflejan un comportamiento desbalanceado entre las instituciones que en Chile ofrecen educación.

2). Fuente: Encuesta CASEN (2003). (Osvaldo Larrañaga. 71. En 1990 la matrícula de los CFT representaba el 31. para recuperarse levemente en los años siguientes y alcanzar los 62.000 en el año 1990 hasta un mínimo de 50. El número total de estudiantes en los CFT cayó en términos absolutos.) . 2006.3% en 1990.700 alumnos en el año 1990 a cerca de 400.1 Tasa de retorno a la educación por tipo de educación.58 Fig. 3. 3.000 casos en el año 2004.Crecimiento desbalanceado . Costos y beneficios de estudiar en Centros de Formación Técnica: ¿Neutralidad de la política pública? En Foco. Por su parte. desde un nivel inicial de 78.7% en el 2004). 1-18.000 en el año 2004. . la matrícula en las universidades ha crecido desde 127.La brecha entre la matrícula de las universidades y los CFT se ha ampliado considerablemente en los últimos quince años (ver Fig.7% del total de estudiantes de pregrado del nivel superior. mientras que los Institutos Profesionales han mantenido relativamente constante su participación relativa en el total (16.800 en 1999. 18.

Incentivándolos a instalarse en un lugar ya probado. que genera amenidades y por consecuencia aglomeraciones urbanas. Lo que genera una visión errada de lo que significa una buena localización en los centros de educación de menor envergadura.2 Crecimiento desbalanceado. Por el solo hecho de creer que existe un único centro. -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. 3 corresponde a la visión geográfica analizada a priori por el equipo memorista. 3. Sometiéndose de esta manera. . 1-18.59 Fig. a una competencia desproporcionada con instituciones de mayor marca en el mercado. para comenzar el estudio y decidir que solución espacial se podía ofrecer al CFT. como los CFT. Fuente: Osvaldo Larrañaga. 2006. 71. Costos y beneficios de estudiar en Centros de Formación Técnica: ¿Neutralidad de la política pública? En Foco.

baja demanda. se determino . 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. crecimiento desbalanceado).60 Fig. junto a la problemática definida como “viciada localización espacial”. 3.3 Análisis espacial de concentración de la oferta educacional.

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

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

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

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

que contaba con una calidad homogénea en su diseño y se conocía de fuente directa la precisión de su georreferenciacion. sobre SAF2002. 3. Renca.891 hectáreas y un total de 33 comunas y alcanza una extensión en sentido norte – sur de unos 36 (Km. cubre la zona de estudio que comprende al límite urbanizado de la Región Metropolitana.3. .Santiago. Datum de cartografía final: WGS 84. .3. el cual contempla un área aproximada de 59. otras.hacia la periferia sur . Providencia.5) Diferencias que el proceso de georreferenciacion pretende minimizar en SAF2002.desde los ± 5 m a los ± 18 m. 3. se utilizó una cartografía anexa referida al mismo sistema de referencia WGS84. Y presenta diferencias en coordenadas con respecto a la SAF2002. (Fig. Quilicura.. Dicha cobertura se denomino Cartografía Base WGS84. alcanzando los parámetros enunciados en los requisitos cartográficos (Precisión final georreferenciacion ± 5 m). Modelo de transformación de Datum: 4 parámetros con centroide.) aproximadamente.704.65 y precisiones de los parámetros empleados en su georreferenciacion y de la calidad de los procedimientos de ajuste empleados. Recoleta. La cobertura de ejes. . otras. desde las comunas del centro . Estación Central.Huechuraba. Esta cartografía mantiene una precisión de georreferenciacion de ± 1m en relación a Google Earth.GEORREFERENCIACION WGS84 DE LA CARTOGRAFÍA DE EJES SAF 2002. Para desarrollar la nueva estimación de parámetros de transformación. Software empleados: Global Mapper – GPTrans Land – Google Earth.

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

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

521 6299892.322 -0.324 6300888.229 347496. 332801.453 6276491.227 La Cister.940 6272409.628 Pudahuel 325956.383 356263.257 356274.843 351172.541 6301101.212 351929.261 Maipú Maipú C.599 -0.671 6296607.021 6295557.103 1.282 -2.193 6287257.708 343144.1: Coordenadas vértices en transformación entre sistemas 2D. Presentaban valores residuales entre 5 a 10 metros.594 1. Tang.551 Macul 352040.776 345122.249 358158.215 6288897.473 6299891.763 6301104.482 -2.971 6295601.194 352045.926 6276496.952 0.607 6276752.016 335775.285 351354. 345133.512 San Bdo.715 351174.918 6288900.848 6288899.209 Las Cond. Tabla 3.703 1.200 333334.436 347496.182 6307007.694 6295560.487 -3.392 6303551.68 para obtener.347 -2.151 338196.456 0.387 La Florida 351166.863 La Florida 357495.216 0.267 6292039.914 0.950 Ñuñoa Santiago 353784.723 6296610.404 6295557.113 6304460. 357226.721 357231.815 -2.227 332802.061 -2.466 353789.175 1.178 337413.468 -0.242 6277812.513 6287256.645 357502.528 1.327 3.047 6296755.518 351931.749 6292131.967 325944.075 -1.634 6276745.680 -2.697 6292038.494 344340.777 357518.529 335773.C. 345119.133 6276491.044 343141.367 2.313 6299456.504 6277808.414 6290949.484 -0.764 6284924.234 332803.698 6287256.585 Vitacura 353291.783 0.608 6299460.643 0.938 353789.713 6310961.876 6292132.778 -3. Comuna Este SAF 2002 Norte Este Base WGS84 Norte Residuos Este Norte Este Final WGS84 Norte Santiago 344339.483 6296754. Navia Pte.362 6284923.561 0. Los puntos eliminados fueron Conchalí.725 P.505 -0.585 6304459.343 6301099.047 6307000.736 6290947.820 6277807.208 356271.359 6276747.623 345137.193 6300888.A. 338189.542 337410.315 Pte. resultados satisfactorios.746 6300884.244 357518.137 6296752.241 345122.061 333330.618 San Bdo.180 -0. Alto 333334.646 357504. Lo Barnechea y Quilicura. 351351. 343136.400 -1.784 -2.781 -0.621 8.641 352046.869 -0.171 357230.709 6284921. Cent.519 Providen.018 0.796 345136.394 341549. para cobertura de ejes SAF 2002. 341548.552 338193.401 6307007.218 6299888.221 341547.115 6287584.316 -1.645 La Reina 357512.801 6292132.171 Est.785 6287585.782 353292.474 6295604.453 6272401.824 6303557.856 -1.623 335769.447 6292038.260 6304454.724 -0.259 6287585.798 -0.725 3.292 -0.779 351355.716 344338.237 1.507 6296608.782 1.460 337413.349 6290947.071 6272402. Alto 351922.545 353294.956 6295603.047 6299461.750 Cal.107 .270 347493.599 1.

3.464 0. Fuente: Elaboración propia.7.7. en el software Arcview 3.1: Reducción mínima 5m Post Georrefereciacion.478 0. La figura 3.552 5.00003695346 7. Fig.04 2 Desviación estándar 0. 3. A continuación se observan las reducciones máximas y mínimas obtenidas por la georreferenciación de la cartografía SAF2002 (Color naranja).1 corresponde a Quilicura (zona periférica norte) y la figura 3.7.7. son utilizados para georreferenciar la cartografía SAF 2002.2 corresponde a la comuna de Santiago (centro de la Región. .478 ω(") Tx (m) Ty (m) Sigma a posteriori (m) Iteraciones Los nuevos parámetros de transformación obtenidos.5m Post Georrefereciacion Fuente: Elaboración propia. En dos de las comunas representativas. 3. con respecto a su antigua posición (color rojo) y a la cartografía Base WGS84 (color azul). 0.69 Tabla 3.2: Reducción máx.) Fig. El procedimiento se realiza mediante el soporte de una extensión.37958 3.62 0. Parámetros estimados K Valor 1.000334834957 -32. de programación en lenguaje avenue.2: Estimación de parámetros entre sistemas 2D con centroide para cobertura de ejes SAF 2002.

70 3. Con mayores deformaciones en las zonas periféricas tanto en sector Norte y Sur de la zona de estudio. Por esta y otras razones -que serán detalladas en capitulo 3.7-.4). en toda la extensión que cubre. georreferenciada en WGS84.. (Véase cap.3. El cual esta lejos de ser el necesario WGS84.LA CARTOGRAFÍA DE MANZANAS DEL INE.GEORREFERENCIACION DE LA CARTOGRAFÍA CENSAL INE. modelo de transformación y soporte de software. 3. que se aplico sobre la cobertura de ejes SAF2002. El proceso de georreferenciación. Y que actúa como relacionador de tablas entre los datos externos provenientes del CENSO 2002 y el elemento cartográfico.4. por el Instituto Nacional de Estadística de Chile.3.5. • Se desconoce el Datum de referencia. Dichas deficiencias se enuncian a continuación: • Presenta una extraña geometría de diseño. Sin embargo la cobertura del INE presenta grandes deficiencias en calidad de diseño (exactitud) y precisión. es que se hace fundamental la unificación precisa entre esta cobertura y la de ejes SAF2002. dentro de la Región Metropolitana.. del área que corresponde al límite urbanizado. Su funcionalidad dentro del proyecto es permitir el tratamiento espacial de la información alfanumérica de la estadística poblacional. . se realiza mediante los mismos parámetros con respecto a precisión. corresponde a las entidades conocidas como manzanas. 3. en relación a lo requisitos generales del material cartográfico. Mediante el uso del código de enlace censal que posee en su estructura SIG.3. La cobertura de polígonos necesaria a utilizar.

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

8). Los procedimientos. El numero de vértices fue de 40 puntos (Fig. en un promedio de 2 puntos por comuna. Procedimientos generales de estimación de parámetros. de esta manera.72 Fig. los que se ubicaron cercanos entre si. Así. para asegurar la precisión de la digitalización. las cuales se tuvieron que diseñar sobre las manzanas. Además de permitir obtener los suficientes grados de libertad junto a la estimación de parámetros mediante el método de los mínimos cuadrados.9 Diferencias máximas de ± 80m entre SAF2002WGS y INE No georreferenciado Fuente: Elaboración propia. Que para los efectos de esta georreferenciación. será utilizado como base para la toma de coordenadas UTM de vértices comunes con la cobertura INE. fueron las intersecciones de calle. 3. responden a la misma lógica empleada a ejes SAF2002 para ser llevada a WGS84. Proceso que se realizo con ayuda de sistema CAD. aproximadamente a unos 250 metros. 3. poder obtener una mejor representación del elevado grado de variación que el diseño cartográfico presenta en distancias cortas (ver residuos tabla 3. i.3). para tomar sus correspondientes coordenadas. Ya que los puntos en común considerados. .

126 6282064.192 Lo Espejo 343655.458 Santiago 347135. .941 351453.867 6282137.107 6289711.692 13.927 6282150.335 CENSO WGS84 Este Norte Santiago 347243.957 -14.653 6298911.814 6285461.347 6294801.875 6298932.551 354500.que van desde ±1m.632 340958.160 Lo Prado 340443.322 344517.755 6293330.687 2.979 344191.772 6290669.552 344449.779 6285487.252 355860.527 6285468.334 6293327.325 344580.042 Lo Prado 340492.797 333809.344 6296942.432 -10.566 351184.130 351395.970 6293331.299 344520.216 -1. 340953.563 6297623.654 Lo Espejo 343744.173 354567.175 333877.020 -10.589 6290750.149 3.529 6298749.737 -10. Alto Pte.902 351249.932 347208.774 -14.431 6297631.591 6296968.989 -3.964 354499.601 6296945.004 6296993.827 6297655.035 -17.952 347307.521 347244.300 11.368 340437. Junto a ellas se presentan los residuos finales.182 6296972. para cobertura de manzanas INE.066 333811.105 354502.838 6282072.619 6289733.228 6294728.185 6282129.573 355794.857 -16.559 -5.196 6290748.500 6298718.512 5.974 6289651.618 -1.045 6298906. mencionada en las problemáticas que presentaba la cartografía. que confirman por sus elevadas y variadas dimensiones .817 355685.172 8.957 11.572 351388.73 En la tabla 3. Tabla 3. que fueron ajustadas y transformadas en el software GPtrans Land.328 341020.098 343750.459 6294799.224 -8.915 5.115 6289719.381 6304223.749 344516.527 -2.602 340496.494 344131.270 -4.329 -4. Comuna Este SAF 2002 Norte Este CENSO Norte Residuos Este Norte 5.854 6293355.722 Conchalí Pte. a ±17m.060 -8.964 6297706.306 347146.721 6296967.882 6282085.432 6.233 340491.784 Peñalolén 355802.686 6298724.555 .la heterogénea calidad de los datos cartográficos del INE.431 6289664.3 se muestran los resultados de las nuevas coordenadas de los vértices en WGS84.383 6294742.121 1.519 351197.614 340550.360 -4.235 7.699 355751.691 354501.762 343656.381 3.664 6304238.584 2.050 Peñalolén 355690.460 6289672.873 6294768.3: Coordenadas vértices en transformación entre sistemas 2D.651 6290769.603 6297682.338 333819.164 6304266.531 San Bdo.648 343812.174 6297666.983 6294825.305 6293352.556 6290665.178 333869.124 344456.602 -8.841 354569.848 6290689.207 4.634 343719.886 1.661 1.905 4.482 333800. Alto Macul Macul Maipú Maipú Santiago Santiago 344137.290 6293336.

833 6292341.964 S.057 6292355.127 12.765 S.546 6301737.705 341012. Alto 354502.295 -5.749 8.977 348503.886 354501.072 1.768 346817.475 354180.4 Estimación de parámetros entre sistemas 2D con centroide para cobertura de manzanas INE.875 ω(") Tx Ty Sigma a posteriori (m) Iteraciones Finalmente.687 336025.4).932 354082. El cual es generado con ayuda de la extensión programada en arcview.000 -7.775 346742.809 6298674.74 San Bdo.361 La Pintana 348498.091 346806.094 3.25 34 Desviación estandar 0. .922 -3.302 6282153.185 6282129.196 6298674.861 6285412.854 6293070. 354090.626 6.99957481302 45.579 -9.867 6282137.440 6298697.022 6301720.061710 -1289.00017737295 36.248 348551.025 6292377.018 348485. el proceso de georreferenciación concluye con la creación de un nuevo shape cartográfico de las manzanas INE en WGS84.189 6301742.721 6281845.694 -4.292 6282134.391 354116.860 -7.604 Las Cond.175 -6.551 3.504 340949.601 1117.810 6301743. Miguel 346742.349 7.900 Tabla 3.561 341211.504 -13.841 354569.993 6285416.762 Cerrillos Cerrillos 341228. 340945.067 Las Cond.706 354146.405 -11.601 -12.769 7.003 6292384. para georreferenciar la cartografía completa.976 6293132.875 1117.253 6285436.927 6282150.980 6.661 6293154.941 341205. Miguel 346731.574 341251.335 341272.112 6282134.293 346754.997 6293126.315 14.957 348569.746 341190.560 6281828.512 6301715.824 2728.149 3.680 Pudahuel 335975.645 Pte.031 335968.844 6292332. La que utiliza los parámetros estimados (tabla 3.132 6293102.789 La Pintana 348472. 354122.471 6281826.080 69.825 6301766.501 10.444 6293079.233 6292400. Parámetros estimados K Valor 0.

para contrastar las diferencias métricas de los desplazamientos.. A modo de ejemplo se toman imágenes de dos comunas separadas por grandes distancias. Sin embargo la heterogenia calidad de la cartografía INE. .PRIMER RESULTADO DE SUPERPOSICIÓN CARTOGRÁFICA INE Y SAF2002 EN WGS84. permite obtener como mejor resultado del proceso de georreferenciación un modelo inexacto e inútil para los fines de uso. obtenidos entre la cartografía INE sin Datum (Polígonos contorno café).6. considerando que las precisiones requeridas de sus georreferenciaciones independientes debían ser de ± 5m. 3. Fig. de manera que la superposición de capas.75 3. este dentro de las tolerancias de los ±3 y ±5 metros. la cobertura de Ejes SAF WGS84 y la cobertura georreferenciada INE WGS84.3.10a Resultado Georreferenciacion (comuna periferia Norte Conchalí) Fuente: Elaboración propia. El proceso buscaba unificar ambas cartografías.

La otra es sustentar la realidad de las distancias métricas . Tomando en cuenta que el estudio espacial de la población. Las cuales quedan altamente determinadas por los metros de distancia entre dichos puntos (centroides de manzanas.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. existentes en el mapa. 3. entre elementos lineales y poligonales. clientes. Lo que implica trabajar con las dispersiones de los puntos. a mantener el código de enlace INE.10b: Resultado georreferenciacion (Comuna zona centro.ACCIONES PARA MEJORAR LA UNIFICACIÓN CARTOGRÁFICA.7. Santiago) Fuente: Elaboración propia. en donde el proceso de análisis espacial. específicamente el cálculo de matrices espaciales .ver capitulo análisis espacial .3.) . son principalmente dos. Una de ellas se menciono anteriormente y corresponde. Las razones.. potenciales y elementos territoriales de transporte. por las cuales mantener un calce de buena exactitud.3. se ejecuto mediante el uso del centroide del elemento poligonal. geocodificaciones del mercado.se desarrolla en su mayoría por uniones de polígonos (método de la superposición de regiones sistemáticas) provenientes de grillas de densidades.76 Fig.

Consistió en transformar la cartografía de ejes a una cartografía de polígonos que represente a las manzanas poblacionales.ave” existente en el subsistema de carpetas de ESRI. . el cual fue cargado con la programación “cvtplply. Esta programación permite la transformación de elementos lineales a elementos poligonales. obtener la mejor respuesta de unificación cartográfica.77 Considerando lo anterior. Este paso. que implicaron el uso de programaciones de script avenue en Arcview 3. Poligonizacion de los Ejes SAF 2002. en la barra de arcview. La metodología fue la siguiente: i. la orden de que los nuevos polígonos generados se formen con un Offset desde los ejes.3 junto a tratamientos relacionales de tablas.3. A continuación se muestran los resultados finales de la superposición cartográfica (Ejes color azul y manzanas de Google Earth en borde amarillo en Fig. De tal manera. se realizaron acciones informáticas. 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. Además se agrego sobre ella. con el objeto de representar la realidad del territorio. El procedimiento se llevo a cavo con la elaboración de un botón de aplicación.11).

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

. .- ACCIONES Y TRATAMIENTO. Para el desarrollo del proyecto. consistió fundamentalmente en realizar un proceso de limpieza y normalización. • • Información CENSO 2002.Universidades Privadas .Colegios . para estructurar a las planillas. se debió recopilar las siguientes bases de datos alfanuméricas. Que obliga a las bases de datos a estructurarse con una columna alfanumérica que incluya al número de calle y su nombre. 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 .4. eventos puntuales. Listado de Alumnos de CFT MAGNOS. definidos por direcciones de calle y número u otros datos de dirección. 3. y) de los centroides de las entidades. De manera de evitar errores por coincidencia de nombres de calles entre comunas. DE LA INFORMACIÓN ALFANUMÉRICA.Centros de Formación Técnica. con una lógica de geocodificación.79 calcular las coordenadas (x. Para este caso se utilizo el formato US Street wiht zona. 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. Junto a otra que contenga la zona a la cual pertenece la dirección (comuna). El tratamiento sobre estas bases de datos.Institutos Profesionales.

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

La cual comprende una cantidad de 15 dígitos que corresponden al desglose que va desde el número de región. fueron capturadas al nivel de persona. numero del límite zonal. Que representa al listado de alumnos del CFT (diurnos y vespertinos) alcanzando a un total de 363 estudiantes. .5. Fundamentalmente se trabajo con las variables relacionadas al nivel educacional y a la demografía de la población (ver cap. limite del distrito. Los datos finalmente se unen a la base alfanumérica del modelo cartográfico de polígonos de ejes (manzanas).3.12 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. limite urbano censal y finalmente el número de la manzana. El código censal tiene como característica su estructura a nivel nacional. Fig 3.1). mediante una unión de tablas.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. comuna. La base contempla los siguientes campos. provincia. usando al código Censal 2002 como campo relacionador. e) Alumnos CFT MAGNOS: La información corresponde a las bases internas de la empresa.

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. alcanzando un total de 126 alumnos (58%) dentro de una muestra de 218 alumnos. tanto social.. 3. Para lograr este objetivo se realizó una encuesta dentro de la institución en base a una muestra de 218 alumnos. Para inferir aun más el perfil de los alumnos. demográfico. económico.1. se realizo una acción fundamental dentro del proyecto. La encuesta comprendió 12 preguntas dirigidas a obtener la información estratégica. 3. A continuación se muestra los resultados inferidos de la encuesta: a) Edad y año de ingreso promedio al CFT. .13a).CARACTERIZACIÓN DEL NICHO.13b). que corresponde a la caracterización o reconocimiento de patrones de comportamiento. Sobre el listado de alumnos del CFT MAGNOS. educacional y territorial. se consultó acerca del año de ingreso al CFT después de haber terminado la enseñanza media (Fig. Los siguientes gráficos muestran la distribución de clientes (estudiantes) según su edad (Fig.4.82 3. De manera tal que sea posible inferir las variables que representan al perfil del nicho demandante actual. Siendo preponderante el rango de edades entre 18 y 25 años.

3.13b: Gráfico años de ingreso al CFT. para aquellos que recaen en la categoría de hijos del jefe de hogar. Elaboración: Propia. c) Nivel educacional Fig. Elaboración: Propia. Fuente: CFT Magnos. Fuente: CFT Magnos. Fig. b) Parentesco con el jefe de hogar y estado civil.25 Años Otra 12% 22% 2% 1 año 3 años o más Sin Contestar 2 años Inmediata Fig. 3.13d).3. entrego un porcentaje del 74%. En relación al parentesco se obtuvo un resultado de un 54%. Dato que cobra relevancia al momento de efectuar el análisis sobre la población de la Región Metropolitana (Fig.13c). 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.13c: Gráfico de parentesco con el Jefe de Hogar.20 Años 25 . seguidos por un 13% correspondientes a los casados. Elaboración: Propia. Fuente: CFT Magnos. Elaboración: Propia. .13a: Gráfico de edades. 117 alumnos.13d: Gráfico de estado civil. 161 alumnos.83 23% 19% 28% 58% 7% 30% 18 .3.3.30 Años 20 . para aquellos que son solteros. Con respecto al estado civil de los estudiantes (Fig. Fuente: CFT Magnos.

5 Sin Contestar Fig 3. 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. Junto a esto se consultó acerca de las comunas en las cuales. se consultó sobre el tiempo que tardan en llegar a la institución. Elaboración: Propia. metro ó ambos.3. entre las pruebas de matemática y lenguaje. 3.13f Gráfico de notas de enseñanza media. d) Conectividad y área de trabajo. obtenido en la PSU ó PAA.6 Entre 5-4 Entre 6. El análisis de la conectividad de los alumnos corresponde a la medición de los desplazamiento que estos efectúan. mediante un medio de transporte. para llegar al CFT (Fig. Los resultados reflejan que un 31% de los encuestados no trabaja y otro 19% realiza trabajos en su comuna de residencia. 61 alumnos.13f). seguidos de un 13% en la comuna de Santiago. se suma la estadística asociada al promedio de notas obtenidas en la enseñanza media (NEM). El mismo porcentaje se manifiesta en los alumnos que alcanzaron un promedio entre 450 y 550 puntos. micro. determinar zonas territoriales que presenten una buena conectividad al CFT. De acuerdo a esto.13e Gráfico de puntajes PSU.84 Los alumnos fueron consultados sobre el puntaje promedio. El resultado arrojado por la encuesta reveló que un 28% de los encuestados. . ya sea.13g). conjuntamente con la geocodificación de los encuestados. Elaboración: Propia. respectivamente (Fig.13e).13h). 3. Fuente: CFT Magnos. 3. lo cual permitirá. Aunado a los puntajes. Fig. no rindió la PSU. se desempeñan en su ámbito laboral (Fig. Fuente: CFT Magnos. 3. cierta cantidad de los alumnos.

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

Una vez reconocido el comportamiento del cluster patrón (nicho) y conformado el set de bases de datos.14 Listado de variables por nivel de análisis. se procedió a analizar y definir el conjunto de variables totales a clonar. para toda el área urbana de la Región Metropolitana. mercado y externalidades.2 ANÁLISIS Y SELECCIÓN DE LAS VARIABLES CLONES. Fig. persona. edad mas grupo socioeconómico y por otro. Junto a ellas se incluye los años de estudio cursado y la edad de ingreso promedio al CFT. el tipo de enseñanza regular mas edad. Las cuales Alcanzaron un total de 27 variables. Por un lado esta la mezcla de estado civil.86 3. 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 . Fuente: Elaboración Propia A la población: Siete de ellas son variables compuestas condicionadas. con el objetivo de combinar de mejor manera las características del nicho e impedir la suma de información.4. que fueron trabajadas a distintos niveles.3. A la población.

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

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

89 .

Cabe destacar que cada elemento contenido en los pseudo grid. polígonos) a la grilla continua.5. Mientras que para el factor territorial se trabajo con análisis de proximidades y buffers de distancias. Esta etapa consistió en traspasar la información desde el origen geométrico (líneas.TRANSFORMACIÓN DEL ESPACIO DE ELEMENTOS DISCRETOS. se utilizo un suavizado de interpolación de Kernel. Los seudo-grid generados por los análisis de densidad y proximidad fueron de un tamaño de 10 metros y para el primer caso. 3. A UN ESPACIO CONTINÚO. utilizando los procedimientos de MAP overlay. mercado. 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. Específicamente el tratamiento consistió en realizar uniones de polígonos .. De esta manera se obtiene la matriz de uniones espaciales (MUE) . fue el de la superposición de regiones sistemáticas para generar regiones geográficas homogéneas. El método utilizado para medir los niveles de correspondencia espacial (CE) entre variables. para cada variable correspondiente a los factores demográfico. es tratado como un polígono independiente.. y educacional. utilizando un pseudo-grid.90 3.2.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).3. puntos. 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.MEDICIÓN DE LA CORRESPONDENCIA ESPACIAL Y LA CREACIÓN DE LA MATRIZ DE UNIONES ESPACIALES.5. Para desarrollar esta operación se utilizo un análisis de densidad.

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

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

y sin embargo es algo fundamental de cara a la planificación de análisis estadísticos avanzados o procedimientos de comparación visual con otras fuentes. 3. Elaboración: Propia. En .4. e) Extracto Matriz de uniones no estandarizada. El procedimiento consistió en ajustar los valores cartográficos de la matriz de unidades espaciales.16d Uniones espaciales intrafactor Territorial. consiguiendo de esta manera una nueva escala estándar. Normalización de los datos geográficos (calculo . La normalización cartográfica es a menudo un paso que es olvidado en el proceso de creación de un mapa.93 d) Cartografía temática de la unión intrafactor Territorial (W=23%) Fig. que permitió hacer futuras comparaciones entre las distintas capas temáticas de distintas unidades espaciales de medidas.3.5. mediante la plataforma del software estadístico SPSS.Zscores).

Cambiando solamente la matriz de uniones espaciales por una matriz de especificidad estandarizada. . se re-escalaron los datos. utilizado fue el denominado Variable Normal Estándar (SNV en las siglas del inglés Standard Normal Variable). se ha conseguido poder sumar “peras con manzanas”. mismo tamaño de celda y mismo punto de referencia). El método especifico de estandarización o tipificación.3.94 cierto modo. Considerando la estructura cartográfica y matricial estandarizada elaborada que cuenta con una estructura grid. 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. 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. permitiendo realizar análisis de estadística descriptiva para cada una de sus variables y a la vez describir la relación entre estas.EL STACK DE MAPAS. se dispuso a realizar un stack de mapas que entrego una columna de síntesis dentro de la matriz.5.. Extracto Matriz especificidad estandarizada (valores Z) 3. mismo número de columnas. Según este método. Cabe mencionar que la estandarización mantiene intactas las relaciones numéricas y espaciales (geográficas) entre los elementos. 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.

En primera instancia se realiza a modo intrafactor. de medias ponderadas.del factor correspondiente. . a la vez se le multiplico la matriz peso – matriz elaborada en conjunto con la gerencia de la empresa. un 32% en el factor educacional.17.95 El procedimiento específico consistió en realizar stacks. 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). mediante una clasificación por desviación estándar con respecto a la media de los Zscores. un 5% al Factor mercado y finalmente un 23% al factor territorial. A los cuales. utilizando los valores medios como indicador estadístico. ponderados por un 40% en el factor demográfico. entre las columnas de la matriz estandarizada. con el objeto. las que final mente se unen a modo interfactor mediante un stack final de medias ponderadas entre las cuatro columnas. se muestra cartográficamente el stack de mapas para todos los factores. De esta manera obteniendo en la matriz cuatro columnas síntesis nuevas. de crearla en función de sus objetivos. pero bajo ciertos criterios territoriales . En la figura 3.

Gráficamente se puede apreciar que los clusters más significativos se encuentran en las comunas de Maipú.T Magnos. La Pintana y La Granja. midiendo la similitud cartográfica en relación a la distancia que existe entre los valores positivos del stack final.96 Fig..17 Cluster clones del nicho C.5.AUTOCORRELACION ESPACIAL DE LOS CLUSTER CLONES. Elaboración: Propia.F. trabajando de esta manera con el producto de las matrices de medida de distancia geográfica entre los sucesos y la del espacio de datos.2. Pudahuel. 3.4. Peñalolén y la intersección entre las comunas de La Florida.3. Entregando un resultado de confianza de . Lo Espejo. Se utilizó como medida de autocorrelación al índice de Moran (I Moran) en ArcGis 9. Esta etapa tiene como finalidad validar la significancia estadística de las aglomeraciones.

es decir. Sino más bien fue por correspondencia de patrones.02.3. la Pintana y la granja). las variables pertenecientes a grupos diferentes tienen un comportamiento distinto con respecto al total de los casos analizados.6.18 Resultado Autocorrelacion espacial I Moran Fuente: ArcGis 9. . Determinando una fuerte dependencia espacial positiva (alta cercanía espacial). Para este análisis se consideraron solo tres cluster representativos (Maipú. que el grupo está cohesionado internamente y.01 para un Zscore de 8.ANÁLISIS ESTADÍSTICO DE CLUSTER DE VARIABLES. en el software SPSS. las variables pertenecientes a un mismo grupo son muy semejantes entre sí. Fig. Este proceso tiene por objetivo utilizar el Análisis Cluster. 3. por un lado.. para analizar el encadenamiento de las variables que conforman los nichos resultantes.97 0.2. con un 1% de probabilidad de que la conformación de los cluster se halla generado por relaciones aleatorias. Pudahuel y la intersección entre las comunas de la Florida. Con la finalidad de obtener el enlace de grupos de variables con el objetivo de validar que.32 (desviaciones estándar) con un I de Moran de 1. por el otro.

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

......99 LA FLORIDA .. 0. ..946358 Etapa primeros clusters Cluster 1 Cluster 2 0 1 0 0 0 2 Próxima etapa 2 3 4 .486643 0.. .......470511 0.... 24 25 26 16 16 15 17 27 16 Coeficientes 1 0..613617 0.. .LA GRANJA a) Tabla 3...601048 0..... zpob_20 zsolte_d zsolte_e 1 0. ..... 1 2 1 4 3 2 0... 1 0..5: Matriz de proximidad. comuna de La Florida.. Casos zdesplazam zproximida zespa_metr .363751 0. .. .. ... .487171 1 0......470511 .....488049 0.363751 0..470511 0...470511 0...448627 0...6: Esquema de aglomeración... zpob_20 zsolte_d zsolte_e Zdesplaza Zproximid zespa_me ..462229 1 b) Tabla 3... .....470511 ..... ..470511 0...433509 23 19 24 0 20 25 26 26 0 ..111972 0... ......374303 0. . ......374303 0. . comuna de La Florida.. ... .LA PINTANA ...775852 0.... 0.470511 0.470511 1 ..486643 0...111972 0.............987288 0... . Etapa Clusters combinados Cluster 1 Cluster 2 1 2 3 .....470511 0.....470511 0.601048 0.... ...488050 0......462229 0.613617 0...487171 0. . .775852 1 0.. .470511 0.. .

Casos zdesplazam zproximida zespa_metr .594813 1 0. ...478527 0. ....478332 1 ... .... . .442198 1 0..478332 0.775308 1 .. ..052062 0..977238 0...100 c) Dendograma..315553 0.7: Matriz de proximidad.594813 0....478332 0.. . Comuna La Florida Fuente: SPSS – Analysis Cluster MAIPU a) Tabla 3.486205 0...775308 0.478332 0. .478332 .478332 0. zpob_20 zsolte_d zsolte_e Zdesplaza Zproximid zespa_me ...486205 0..... . .358602 0... ..315553 0.442198 0. 0...478332 . comuna de Maipú..19 Resultado Dendograma.....478332 0.. comuna de La Florida... Fig... .. ... ..052062 0. 1 0. 0... . .977238 0.... .382728 0.382728 0..3...478332 0. zpob_20 zsolte_d zsolte_e 1 0..358602 0..478527 0....478332 0. ... ..... .

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

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.

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

107 .

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

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

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

para el cluster de Maipú son. pero que sean. Las variables que presentan una dependencia lineal perfecta.5 < CP < 0. bajo el software SPSS. un nivel de similaridad medio para aquellos valores entre 0. está comprendido por variables que. 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. 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. queda de manifiesto al momento de analizar su nivel de proximidad. Mientras que para los niveles de menor correlación se agrupan mayoritariamente variables del factor territorial y del factor mercado. un coeficiente de correlación igual a uno. El análisis cluster de variables desarrollado para los nichos clones ideales. en su mayoría.111 ii. mediante el coeficiente de correlación de Pearson (CP).9 y para aquellos valores comprendidos entre 0 < CP < 0.5. similares en su comportamiento. el nivel de correlación mayor. en el esquema de aglomeración. La semejanza existente entre los clusters. a su vez. Para el caso de los tres clusters. recaen en las que fueron trabajadas al nivel de población en el factor educacional. Las variables involucradas en un nivel de correlación media son en su mayoría variables del factor educacional y demográfico.9 < CP < 1. En Relación al análisis estadístico de las variables de los cluster. Se consideró un alto nivel de correlación para aquellos valores que fluctuaron entre 0. la población de cuarto medio y los solteros con GSE E. se les asignó un nivel de similaridad bajo. . es decir.

112 Cabe destacar que de manera independiente.y someterlos a un método de interpolación.en la matriz cuadrada de proximidad. mayoritariamente. las cuales recaen. Este fenómeno se manifiesta con un valor bajo de correlación – constante . en cada cluster. Mientras que las variables del factor mercado se encuentran concentradas en plena alameda.470511 y un valor de 0. Que para el caso del cluster Maipú alcanza un valor de 0. . Con respecto a la metodología de utilizar los centros de los nichos creados . por lo tanto la proximidad que esta tiene hacia sectores periféricos debía ser baja. en el factor territorial y al factor mercado. 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.470155 para el cluster Pudahuel.En relación a las áreas de mercado y aproximación de localizaciones.478332. para generar las nuevas áreas de mercado. con respecto a todas las otras variables utilizadas en el estudio. se repite un fenómeno constante en el encadenamiento de variables. fue la más adecuada. Por lo tanto. 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. este bajo nivel de correlación de los factores territoriales y mercado.. 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). Si este análisis numérico es llevado a la realidad del espacio se puede visualizar.en pro del modelo conceptual del par negocio-clientes . iii. para cada cluster analizado.

Lo que contribuiría a una nueva localización. se hace fundamental abordarlo desde las posibles zonas de localización . Por otro lado parece ser mas optima la localización en Maipú . pero hacia el sector centro de Maipú. sin embargo la sola esencia de la buena estructura del modelo lograron incluirlos dentro de ellas. 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). En relación al análisis del resultado arrojado en La Florida. logra dividir ambas áreas.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. la cual experimenta en la actualidad grandes desarrollos de inversión inmobiliaria. 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. Facilitando la aproximación de una futura localización en las zonas aledañas a la intersección de dichas áreas de mercado.26. Ahora bien es importantante resaltar del análisis de la creación de las áreas. Esperando a que se repita el patrón de comportamiento actual que posee el barrio republica. Tomando como potenciales clientes a la población de los cluster que lo rodean (Maipú – Pudahuel – lo espejo). Lo que implicaría en un futuro próximo una desigual competencia para el CFT MAGNOS. 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. Considerando que estos cuentan con una buena red de conectividad hacia dichas zonas potenciales. Ya sea tanto en las áreas de Maipú y la Florida. que muestra el resultado final de las áreas de mercado que comprenden al cluster Maipú y Pudahuel. Incorporando favorablemente a un subcentro urbano en el limite entre ellas. Se desprende que la equidistancia que genera la interpolación por polígonos de Thiessen.113 En relación al análisis de la figura 3.

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

considerando que se habla de Geomática cuando se trabaja con datos de índole geográfico. Lo Espejo y la Florida). entre otras. tanto técnicos como conceptuales. es decir. Contribuyendo de esta manera al área de la investigación de mercados. contribuyendo al cumplimiento de los objetivos. las nuevas áreas de mercado y las aproximaciones de potenciales zonas de localización. 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. fuentes (entidades públicas y privadas) y formato. clones del nicho de alumnos del CFT Magnos. Pudahuel. precisión. que según el análisis de los tres clusters ideales (Maipú. que cada grupo está . 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. sino más bien por la intercomunicación de las distintas plataformas computacionales que asisten al tratamiento territorial. Siendo capaz de desarrollar efectivamente las acciones mediante métodos Geomáticos no completamente automatizados en un solo software. varios clusters de los cuales se dejaron cinco (Peñalolén. respecto a la metodología utilizada puede afirmarse que esta fue exitosa. donde se llega en primer lugar a encontrar. Por otro lado. Con la investigación ya finalizada. En particular. Maipú. se puede afirmar respecto a la hipótesis que se planteó. una herramienta valiosa a la hora de apoyar la toma de decisiones comerciales. Pudahuel y la Florida) muestran ser internamente homogéneos.115 CAPITULO V: CONCLUSIONES Y RECOMENDACIONES. que ésta es validada por los resultados arrojados de los cluster clones de clientes. unidades. ésta es confirmada por el éxito de los procedimientos.

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

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. durante meses intensos de trabajo. considerando siempre que cada método tiene su razón de ser y un propósito específico. “Los SIG y la estadística no son un fin en si mismo. discusiones y desafíos. Finalmente a modo personal queremos manifestar lo estimulante que fue llevar a cabo este proyecto de menoría. aprendizajes. que sin duda consideramos que nos convierte en ingenieros participes de un desarrollo de país. . sin duda. como lo es la ciencia de la tierra. Considerando el acercamiento de la educación. Llenos de reflexiones. compuesta por dos principales enfoques para la ayuda a la toma de decisiones comerciales que pueda efectuar el CFT Magnos. Con respecto a los resultados mismos del proyecto se puede concluir que se ha logrado. como lo son. 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. Aunado a la satisfacción social que este nuevo CFT pueda entregar a la población de distintas comunas. 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. al cual aportamos desde una ciencia exquisita.117 En relación a emplear métodos de análisis espacial y estadística. Y ahora que este periodo concluye. madures. guardamos una tremenda satisfacción por el trabajo realizado. que sin duda nos llevaron a un enriquecimiento personal y profesional. no deben hacerse mas análisis de los necesarios. son herramientas para analizar los datos”. constituir una valiosa herramienta.

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

Universidad de Santiago de Chile. seminario para optar al titulo de ingeniero comercial. (1997). (1979) Cartografía y Levantamientos Urbanos. 99107. cast. (ed. la lógica espacial del capitalismo global. Central Scotland. Instituto Lawrence R. Harris y Ullman (1945) The nature of the cities. Geomerketing. Klein Universidad Autónoma de Madrid. 1983). Distribución y Consumo. Tesina. (1997). programa para America Latina y el Caribe Aplicaciones del catastro multifinalitario en la definición de políticas de suelo Urbano. Harvey. Giadalah Francisco Astudillo (2003) segmentación de la población Chilena. España. D. Chasco Coro Yrigoyen (1997). (1969) Explanation in Geography. Isobel Clark (2001) Practical Geostatistic. Lincoln Institute. Teorías. universidad Autónoma de Madrid. Ariel geografía. Springer-Vertag. Chasco Coro Yrigoyen. New York. Garcia J. Universidad de Chile. – Gis para el catastro Urbano Marcela Ramírez Zamorano . Económicas y Empresariales. Modelos de determinación de áreas de mercado del comercio al por menor. J. Análisis exploratorio de datos espaciales al servicio del Geomerketing. Como ha cambiado la vida de los Chilenos. Alloa Business Centre.119 Blachut. INE (2007) Análisis comparativo de las condiciones de vida en los hogares (Censos 1992 – 2002). . Facultad de CC. Méndez Ricardo (1997) Geografía económica. leyes y modelos en geografía. Los sistemas de información geográfica aplicados a la planificación comercial. 31: Pág.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. T. Annals American Academy of Political Science 247. London: Arnold. Madrid: Alianza.

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

Sign up to vote on this title
UsefulNot useful