Inicio / Servicios / Gestión y análisis de datos
Servicio

Gestión y análisis de datos

Tratamiento y análisis de datos ambientales: contaminación, meteorología y series temporales.

Analizamos datos ambientales de series largas —calidad del aire, meteorología, aforos, ruido o calidad del agua— para extraer conclusiones defendibles: tendencias, episodios, comparaciones entre estaciones y relación con la actividad.

El trabajo incluye la preparación de los datos (limpieza, homogeneización y control de calidad), el análisis estadístico y la elaboración de gráficos y tablas listos para incorporar a informes y expedientes, con métodos reproducibles en R y Python.

Qué incluye

  • Tratamiento y control de calidad de series temporales ambientales
  • Análisis estadístico, tendencias y detección de episodios
  • Comparación entre estaciones, periodos y escenarios
  • Elaboración de indicadores y cuadros de mando para informes
  • Automatización de análisis y de informes periódicos
Gestión y análisis de datos
Flujo de trabajo para el tratamiento y análisis de grandes series de datos ambientales.
Flujo de trabajo para el análisis de datos ambientalesEsquema de las cuatro etapas del servicio: las fuentes de datos ambientales de series largas (calidad del aire, meteorología, aforos, ruido y calidad del agua); la preparación, que limpia, homogeneiza y controla la calidad dejando constancia de cada registro; el análisis estadístico —tendencias, episodios y comparaciones— y los gráficos, tablas e informes listos para el expediente. Una banda inferior recuerda el criterio que atraviesa todo el trabajo: métodos reproducibles en R y Python.EL FLUJO COMPLETODe millones de registros al informe: el flujo de trabajoCuatro etapas encadenadas; cada cifra del informe se puede reconstruir desde el registro original11 · Fuentes y registrosSeries largas de cinco familias de datosCalidad del aireRedes de vigilancia ycaptadores: dato horarioMeteorologíaEstaciones y redes oficiales:series de años o décadasAforosCaudal y nivel en continuo,con régimen variableRuidoCampañas de medición yestaciones fijasCalidad del aguaRedes de control: fisicoquímicosy muestreo discretoMillones de registros por variable,en formatos y periodos distintos2Preparación y controlDe registro crudo a dato válidoLimpiezaDuplicados, huecos, saltosy valores imposiblesHomogeneizaciónUnidades, husos horarios,intervalos y agregacionesValidaciónRangos, coherencia temporaly criterios normativosBanderasVálido, dudoso, no válido:cada valor conserva su origenNada se elimina sin dejar rastro:se marca y se documenta3Análisis estadísticoQué preguntamos a los datosDescriptiva y estacionalidadCuánto, cuándo y con quévariabilidadTendenciasMann-Kendall y pendientede Theil-Sen, por periodoEpisodiosSuperaciones de umbral ypercentiles, con su duraciónComparacionesEntre estaciones, periodosy escenariosRelación con la actividadCorrelación, regresión y rosade contaminaciónMétodos contrastados, con sussupuestos y su incertidumbre4Resultados e informesListo para el expedienteGráficosSeries, comparativos, episodiosy rosas de vientoTablasCumplimiento frente a valoreslímite y objetivosIndicadoresCuadros de mando y seriesdepuradas documentadasInformeExpediente ambiental, planes devigilancia y anexos técnicosCada figura y cada tabla seregenera con un comandoREPRODUCIBILIDAD, DE EXTREMO A EXTREMOTodo el flujo se ejecuta con scripts en R y Python: mismos datos de entrada y mismos criterios → mismos resultados. Quien revise elexpediente puede volver del gráfico al registro original, y el análisis se repite años después sin depender de quien lo hizo.© Alburen · Consultoría Medioambiental, S.L. · alburen.com
Preparación y control de calidad de una serie ambientalA la izquierda, una serie horaria de ejemplo —datos sintéticos de 21 días— en la que aparecen las incidencias habituales de una descarga de datos: un hueco de comunicaciones, un captador congelado, un valor fuera de rango físico y un salto de nivel por calibración. A la derecha, lo que se comprueba y cómo queda marcado cada registro. El dato original nunca se borra: se marca y se documenta.PASO 2 DE 4La preparación: qué se limpia y qué se compruebaLimpieza, homogeneización y control de calidad antes de cualquier cálculoEjemplo con datos sintéticos: las incidencias se marcan, no se borranUna serie recién descargadaNO₂ horario de ejemplo · 21 días · valores sintéticos (µg/m³)04080120160µg/m³día 1día 5día 9día 13día 17día 21sin datos(48 h)620 µg/m³ · valor imposible12341Valor fuera del rango físico: se marca como no válido2Captador congelado: repite el mismo valor durante horas3Hueco en la descarga: no se rellena en silencio, queda a la vista4Salto de nivel por calibración: se corrige y se documentaUn quinto control —registros duplicados o fuera de orden— no se ve en el gráfico, pero se comprueba igual.El dato original se conserva íntegro: la preparación añade información sobre cada valor, no la sustituye.Qué se compruebaReglas escritas en el código, iguales para todas las seriesRangos físicos y negativosValores imposibles para la variableSaltos y derivaCambios de sensor y calibracionesCoherencia temporalDuplicados, intervalos irregulares, horaCoherencia espacialComparación con estaciones vecinasPersistenciaValores congelados del instrumentoY el criterio normativo que corresponda:RD 102/2011 en calidad del aire · WMO-No. 8 enmeteorología · ISO 1996-2 en ruido · RD 817/2015en aguas, o el plan de vigilancia del expediente.Cada registro sale marcadoválidodudosono válidoEl informe declara siempre el porcentaje de dato válidosobre el que se calcula cada cifra.© Alburen · Consultoría Medioambiental, S.L. · alburen.com
Análisis estadístico de series ambientales: cuatro resultados tipoCuatro paneles con los resultados habituales del análisis: la tendencia estimada con Mann-Kendall y Theil-Sen sobre medias anuales; el ciclo estacional representado con diagramas de caja por mes; los episodios de superación de un umbral con su duración; y la comparación entre estaciones con su intervalo de confianza. Las series son sintéticas y las cifras que aparecen en los rótulos están calculadas sobre ellas: son un ejemplo del método, no resultados de un proyecto.PASO 3 DE 4El análisis: de la serie depurada a la conclusiónCuatro lecturas habituales, con el método y la incertidumbre declaradosDatos sintéticos de ejemplo; las cifras del rótulo salen del cálculoTendencia de fondoMedias anuales (µg/m³) · Mann-Kendall + Theil-Sen, 2006-2025253035404520062025La recta negra es la tendencia de Theil-Sen; el test deMann-Kendall da p < 0,0001, frente al ruido entre años.Ciclo estacionalDistribución diaria (µg/m³) por mes · caja y bigotes, 4 años01020304050EFMAMJJASONDEl ciclo anual es la primera explicación: máximo en eneroy mínimo en julio.Episodios y superacionesSerie horaria de 40 días (µg/m³) frente a un umbral de ejemplo (85)0255075100umbral de superacióndía 1día 401.6 % de las horas por encima del umbral (15 h, en 1 episodios).La duración y la repetición importan tanto como el valor máximo.Comparación entre estacionesMedia anual (µg/m³) con intervalo de confianza del 95 %Estación A · urbana29.2 ± 0.6Estación B · industrial23.9 ± 0.6Estación C · fondo rural18.8 ± 0.6152025303540Con cuatro años de datos, dos estaciones separadas másque su intervalo de confianza hablan de causas distintas.© Alburen · Consultoría Medioambiental, S.L. · alburen.com
Reproducibilidad y trazabilidad del análisis de datosCómo se organiza el trabajo para que cualquier cifra de un informe pueda reconstruirse: los datos originales se conservan sin tocar, la preparación y el análisis viven en scripts versionados en R y Python, las figuras y tablas se generan desde esos scripts y el informe se compone con esos resultados. La cadena —cifra, tabla o figura, script, serie depurada, registro original— se puede recorrer en los dos sentidos.PASO 4 DE 4Reproducibilidad y trazabilidadMismos datos y mismos criterios → mismos resultados, hoy y dentro de añosCómo se organizaUn proyecto, siempre la misma estructuradatos_crudos/tal como llegan; no se modifican nuncadatos_depurados/series con sus banderas de calidad y sudiccionario de variablesscripts/01_ingesta · 02_control_calidad03_analisis · 04_figuras_y_tablassalidas/figuras (SVG/PNG) y tablas (CSV/XLSX)informe/Quarto: PDF o DOCX, con las figurasy tablas llamadas desde salidas/Nada se edita a manoLos gráficos y las tablas salen de los scripts:si un dato cambia, se vuelve a ejecutar y elinforme queda actualizado y coherente.El cicloSe ejecuta entero cada vez que llegan datos nuevosDatos crudos1Control de calidad2Serie depurada3Análisis estadístico4Figuras y tablas5Informe6Herramientas del oficioR: tidyverse, ggplot2, Kendall/trend.Python: pandas, numpy, scipy, statsmodels,matplotlib. Documentos con Quarto.El código queda en el expediente, no en un cajón.La cadena de trazabilidadCada cifra se puede recorrer en los dos sentidosLa cifra del informe«la media anual baja 0,52 µg/m³ al año»La figura o tablael gráfico de tendencia, con sus datosEl script04_figuras · siempre el mismo códigoLa serie depuradacon sus banderas de calidadEl registro originalel dato tal como lo entregó la redSi alguien discute una cifra, se revisa el eslabón quefalle: la regla de control, el método o el dato de origen.© Alburen · Consultoría Medioambiental, S.L. · alburen.com
Gestión y análisis de datos
Gestión y análisis de datos
Gestión y análisis de datos

Ejemplos de trabajos, referencias y materiales de apoyo relacionados con nuestros servicios.

Trabajos recientes

Ejemplos de trabajos realizados que implican el manejo, análisis y síntesis de grandes volúmenes de datos e información. En la página de experiencia puedes filtrarlos por servicio y por sector.

ProyectoProyecto De Planta De Clasificación De Plásticos MixtosEIA de proyectosPaisajeRuido

Proyecto De Planta De Clasificación De Plásticos Mixtos

Promotor: [Privado]

Ordinario · Estudio de Impacto Ambiental, Estudio de Integración Paisajística, Estudio Acústico · Campezo, Araba · 2026

Ver trabajos similares →
ProyectoProyecto Constructivo Del Colector General De Saneamiento Muxika – EBAR AjangizEIA de proyectosRestauración ambiental

Proyecto Constructivo Del Colector General De Saneamiento Muxika – EBAR Ajangiz

Promotor: URA

Ordinario · Estudio de Impacto Ambiental, Proyecto de Restauración e Integración Ambiental · Muxika, Bizkaia · 2025

Ver trabajos similares →
ProyectoProyecto De Parque Eólico Sollube GaneEIA de proyectosRestauración ambientalPaisajeRuido

Proyecto De Parque Eólico Sollube Gane

Promotor: Arena

Ordinario · Estudio de Impacto Ambiental, Estudio de Integración Paisajística, Estudio Acústico, Proyecto de Restauración e Integración Ambiental · Varios, Bizkaia · 2025

Ver trabajos similares →