Ver Raw →

Este dataset contiene información geoespacial de puntos de interés: cada fila representa una sucursal, agencia, corresponsal o cajero automático de una entidad financiera.

Análisis espacial: Visualizar la distribución de los puntos de atención financiera en un mapa interactivo. Agrupar por entidad, tipoPAF y departamento.
Análisis descriptivo: Conocer la concentración de sucursales y cajeros automáticos por banco o por ubicación geográfica.
Cruce de datos: Se puede integrar con datos demográficos, densidad poblacional o comerciales para evaluar la inclusión o cobertura financiera por zona.
Dashboard recomendado: Mapa de puntos de interés (POIs) interactivo con filtros por entidad financiera (entidad), departamento (departamento), y grupo de atención (desGrupo).

Observable JS via SDK

Ejecutando...

// Cargar puntos de atención financiera con DataMesh TypeScript SDK
const resourcePath = dataset?.resources?.[0]?.path || "data/financial_entities_places.csv";
const res = await datamesh.query({ resource_uri: resourcePath });

const deptIdx = res.columns.indexOf("departamento");
const data = res.rows
  .map(r => ({ departamento: (r[deptIdx] || '').trim() }))
  .filter(d => d.departamento);

return Plot.plot({
  title: "Puntos de Atención Financiera por Departamento (ASFI)",
  subtitle: "Distribución geográfica",
  marginLeft: 110,
  x: { grid: true, label: "Total PAF" },
  y: { label: null },
  marks: [
    Plot.barX(data, Plot.groupY({ x: "count" }, { y: "departamento", sort: { y: "-x" }, fill: "#059669" })),
    Plot.ruleX([0])
  ]
});

Este dataset contiene información geoespacial de puntos de interés: cada fila representa una sucursal, agencia, corresponsal o cajero automático de una entidad financiera.

Análisis espacial: Visualizar la distribución de los puntos de atención financiera en un mapa interactivo. Agrupar por entidad, tipoPAF y departamento.
Análisis descriptivo: Conocer la concentración de sucursales y cajeros automáticos por banco o por ubicación geográfica.
Cruce de datos: Se puede integrar con datos demográficos, densidad poblacional o comerciales para evaluar la inclusión o cobertura financiera por zona.
Dashboard recomendado: Mapa de puntos de interés (POIs) interactivo con filtros por entidad financiera (entidad), departamento (departamento), y grupo de atención (desGrupo).

Recurso #1 • CSV

financial_entities_places

Descargar Recurso → https://www.kaggle.com/datasets/sociest/puntos-de-atencin-asfi-bolivia/puntosAtencion_busqueda_completo.csv

Campo (Columna)	Tipo	Descripción
`codigoPAF`	`integer`	Código del Punto de Atención Financiera
`numeroSucursal`	`integer`	Número de sucursal
`codigoEntidad`	`integer`	Código de la entidad financiera
`entidad`	`string`	Nombre de la entidad financiera
`fechaModificacion`	`datetime`	Fecha y hora de modificación del registro
`estado`	`boolean`	Estado activo o inactivo del registro
`latitud`	`number`	Latitud geográfica de la ubicación
`longitud`	`number`	Longitud geográfica de la ubicación
`contenidoHTML`	`string`	Contenido HTML con el detalle y horarios de atención
`tipoPAF`	`string`	Tipo de Punto de Atención Financiera (ej. S: Sucursal, C: Cajero)
`departamento`	`string`	Nombre del departamento
`centidadTipo`	`integer`	Código de tipo de entidad
`desGrupo`	`string`	Descripción del grupo (ej. Oficina Externa, Cajero Automático)
`tdescripcion`	`string`	Descripción específica del tipo de oficina o punto de atención
`cgrupo`	`string`	Código del grupo (ej. OE, CA)
`tentidadSigla`	`string`	Sigla de la entidad financiera
`ctipoSucursal`	`string`	Código de tipo de sucursal
`cod_departamento`	`integer`	Código numérico del departamento
`cod_entidad`	`integer`	Código numérico alternativo de la entidad

Exploración Interactiva en Cliente

Recurso: financial_entities_places (CSV) • Motor DuckDB y proxy CORS automático

Tríada Canónica: financial_entities:financial_entities_places

CLI (datamesh sql)

datamesh sql "SELECT * FROM 'financial_entities:financial_entities_places' LIMIT 25"

Python SDK (DuckDB In-Memory)

import datamesh as dm

# Consulta unificada en 1 línea con DuckDB
res = dm.sql("""
SELECT *
FROM 'financial_entities:financial_entities_places'
LIMIT 25
""")
print(res)

TypeScript SDK (Browser / Node)

import { datamesh } from '@datosbolivia/datamesh-client';

// Breve filtro
const res = await datamesh.query({
  resource_uri: 'financial_entities:financial_entities_places',
  limit: 25
});
console.log(res);