Redes neuronales, lo mejor de Bolivia

El regreso de Bolivia fue cansado, 22 horas de viaje y lo más complicado fue estar en la última escala clavado en el aeropuerto de Comalapa, El Salvador antes de llegar a mi país de arranque.  Fue una una semana fatigada, jornadas de trabajo de 8 a 5 sentados casi todo el día, mucha comida, pero también mucho aprendizaje.

Casi todos hemos concluido que el curso ha estado demasiado cargado de contenidos y muy poco trabajo práctico, esto afecta la carga sobre un instructor que debe manejar una exposición de todo un día, con Powerpoints medio aburridas y auditorio de diferente nivel… la mitad adormitados, la otra mitad perdidos y unos cuantos buscándole un provecho práctico a lo que ya hacen.  Sin embargo el CD con las presentaciones y el complemento con exposiciones de varios países ha traído buenos resultados.

Entre las ponencias, la que más me ha llamado la atención es la de aplicación de redes neuronales a procesos complejos bajo el principio de inteligencia artificial.

image102 Redes neuronales, lo mejor de Bolivia

El problema

Sea que lo haga una institución central o una municipalidad local, para cobrar impuesto predial requiere implementar una metodología de valoración masiva.  Para hacer esto existen varias desde simplificadas (mentirosas) hasta demasiado complejas (insostenibles).  Una de estas metodologías muy diseminada es mediante el método de mercado para la valoración de la tierra y costo de reposición para las edificaciones.  Esto requiere al menos tres labores arduas:

1. Actualización de los valores de mejoras.  Su instrumentación es mediante lo que se conoce como tipologías constructivas, estas están construidas con capítulos presupuestarios, que a su vez son integrados de elementos constructivos y compuestos por básicos a modo de fichas de costos unitarios.  De tal modo que lo más simple es actualizar la base de insumos: materiales, mano de obra, equipo y maquinaria, más servicios profesionales y entonces las tipologías constructivas están listas para aplicarse.  Lo práctico de metodologías como esta es que la recolección de datos de campo para la ficha de valuación solamente requiere calcular el área de construcción, características constructivas, calidad y conservación… bien documentado puede superar la subjetividad.

Para zonas rurales también se hace estudio de aquellas características que le dan un valor productivo al inmueble, tal como cultivos permanentes, recursos comerciables o uso potencial.

2. Actualización de mapa de valores de tierra.  Esto se construye en base a una muestra de transacciones confiables en inmuebles, con una representación significativa y proyectada en el tiempo para tener el valor del mercado.  Luego estos valores se convierten en zonas homogéneas que contienen una tendencia en base a cercanía y servicios.

3. Actualización de redes servicios públicos.  Sucede que al cambiar el estado de las infraestructura vial, para poner un ejemplo, estas características afectan un inmueble en uno o más de sus frentes.  Por lo que es ideal que los valores se trasladen de la manzana al eje de calle para que se puedan asociar a la proporción que afecta el frente del inmueble… ideal, que la zona tenga ciertas características que le den un valor por redes de servicios y relación de cercanías a beneficios que inciden no solo en el valor de la tierra que puede ser muy lineal.

Hacerlo cada 5 años no es difícil, pero hacerlo de forma diferenciada para muchos municipios se vuelve una locura insostenible aunque exista una aplicación informática, pues sigue dependiendo de datos externos y muestras de campo.

La aplicación

Yedra García, del Ministerio de Economía de España ha presentado una ponencia bajo el tema "La inteligencia artificial aplicada a la valoración masiva"

El concepto anda por allí en la web, en inglés, sin embargo Yedra ha planteado una posibilidad, mediante la utilización de redes neuronales que aplicado a este problema resolvería la automatización de la metodología por compleja que parezca:

Significa que una cantidad mínima de indicadores a nivel medio, puede tener una relación comparativa que al enviar hacia abajo una tendencia de valores de insumos y hacia arriba una propuesta tentativa de valores de zonas homogéneas mediante análisis espacial por similitud de condiciones, pueda generar una matriz que hace redundancia en ambas vías contra datos reales, como ser datos de boletines electrónicos de precios de construcción o valores inmobiliarios.

Claro que esto no lleva un simple análisis de datos tabulares, sino también un análisis espacial de capas que inciden en la valorización, interconexión de troncales viales y análisis topológico de vecindad compartida.

Esto podría traer resultados más allá de la simple valoración para fines de impuesto predial, como la o planificación de obras en base las condiciones de impacto en la revalorización y recuperación de plusvalías… entre otras.

image 386 Redes neuronales, lo mejor de Bolivia

La postura me deja la pica de fumar de la verde algún día en la intención de implementarla.

Artículos relacionados:

Deja un comentario

Tu dirección de correo electrónico no será publicada.