← Portfolio · Caso · Datos abiertos
Congreso Abierto: los datos del Congreso, abiertos
Los datos del Congreso argentino están repartidos en varias fuentes oficiales, con formatos distintos y nombres que no coinciden entre sí. Este sitio los une: diputados, senadores, viajes, proyectos, comisiones y votaciones en un solo lugar.
01El problema
La información existe —el portal de datos abiertos de la HCDN y la API del Senado la publican— pero está partida: los viajes de un diputado no se conectan con sus comisiones, ni sus proyectos con sus votaciones. Y cada fuente escribe el nombre distinto: «Chiconi, Abel» contra «CHICONI RICARDO ABEL». Sin unir esas fuentes, el Congreso es una carpeta de CSVs.
02De fuentes crudas a 443 páginas
Un sitio estático en Astro: las 443 páginas se generan en build desde los datos oficiales de Diputados y la API del Senado — 441 HTML + el índice — con búsqueda global y fichas relacionadas por bloque, provincia y comisión. No hay base de datos en producción: hay un snapshot de datos versionado y una actualización semanal automática con GitHub Actions (cron los lunes), así que el sitio registra qué datos mostró y cuándo.
03Emparejar nombres entre fuentes
Relacionar viajes, comisiones, proyectos y votos con cada legislador exige resolver que «Herrera Ahuad, Oscar A.» y «HERRERA AHUAD OSCAR ALBERTO» son la misma persona — sin asignar a ciegas.
Lo resolví con Jaro-Winkler palabra por palabra, con puntaje de confianza y casos dudosos que se muestran, nunca se esconden. La explicación completa, con los umbrales y el código real, está en el artículo: Emparejar nombres con Jaro-Winkler →.
Resultado del emparejamiento
Comisiones 99,6 % (1.612 de 1.618), proyectos de Diputados 99,1 % (14.523 de 14.651), votaciones del Senado 100 % (24.912 de 24.912). Los casos difíciles quedaron fijados como tests.
04Estadística honesta
Para comparar viajes sin que tres casos extremos muevan la vara: mediana y MAD con el z modificado de Iglewicz-Hoaglin, y pares por distancia estimada — no por provincia. El sitio dice «viaja bastante más que sus pares», jamás «abusa»: la estadística describe, no acusa. Detalles: estadística robusta →.
05Resultado
Resultado
Sitio público funcionando con diputados, senadores, viajes, proyectos, comisiones y votaciones; snapshot versionado y actualización semanal automática. El código y sus specs ODD son públicos: github.com/mauroociappinaph/congreso-abierto .
Más del trabajo: zks (siguiente) → · ← UNNA · Los algoritmos que usé y por qué →