santiago-rentals-vis

Mapa de los departamentos en arriendo de Santiago, con la etiqueta del modelo (oportunidad, precio de mercado o sobre el rango de mercado). Es HTML y JavaScript sin build ni framework: el mapa ocupa toda la pantalla y los filtros están en una barra a la izquierda que se puede ocultar. Versión para Santiago del buscador que se hizo para el Gran Concepción.

Repo hermano de santiago-rentals-elt (datos) y santiago-rentals-ml (modelo). Este repo solo lee: nunca escribe en la base.

Diagrama

Hecho con Fluyo. Es un .svg (la vista estática que se ve aquí) y un .fluyo.json en docs/diagramas/; ese archivo se abre con el botón Abrir de fluyo.space para reproducir sus Historias (el orden en el tiempo, animado). El script que lo genera está en docs/diagramas/herramientas/ (ver su LEEME.md).

Cómo llega un aviso al mapa, en dos recorridos:

• Arriba, los avisos. scripts/exportar.py lee tres tablas de la base: la predicción vigente de cada aviso (gold.predicciones_vigentes) y sus datos y enlace a la publicación (gold.aviso_entrenamiento, que trae la url). Solo deja los avisos activos y aptos, con costo total de hasta 10 millones, y escribe data/avisos.json. GitHub Actions lo hace cada 30 minutos y publica el sitio. El navegador carga ese archivo, filtra y dibuja el mapa. Cada visita y cada clic en un enlace se cuentan en GoatCounter, sin cookies ni datos personales.
• Abajo, el modelo. El scoring del repo ML publica en gold.modelo_vigente las cifras del @champion cada vez que hay una versión nueva; el mismo scripts/exportar.py las escribe en data/modelo.json, que alimenta la pestaña "Cómo funciona". No hace falta correr nada a mano.

Historias: Publicación del mapa con avisos nuevos, Un visitante abre el mapa y Las cifras del modelo llegan a la pestaña.

Qué muestra

• Un punto por aviso activo y apto (sin ningún motivo de exclusión en Gold: precio, superficie o conteos sospechosos, sin coordenadas, proyectos, etc.), coloreado por etiqueta (verde oportunidad, gris precio de mercado, rojo sobre el rango de mercado). Los pausados, finalizados y eliminados no se muestran.
• Al hacer clic: etiqueta, comuna y barrio, dormitorios, baños, superficie, estacionamiento, amoblado, costo total mensual (arriendo más gastos comunes), el rango de precio de mercado que estima el modelo, fechas y el enlace a la publicación original. No se exporta la descripción del aviso.
• Filtros: costo total, superficie, dormitorios, baños (en dormitorios, 0 se muestra como "Estudio (0)": son estudios y monoambientes; en baños, 0 es "Sin especificar"), comuna, etiqueta, amoblado y estacionamiento. El contador de arriba dice cuántos avisos pasan los filtros.
• Los controles de costo y superficie llegan hasta el percentil 99; al dejarlos al tope no hay límite superior.
• Pestaña "Cómo funciona" (como la de Concepción, con las cifras de este modelo): qué es, datos usados, variables que más pesan, precisión frente a tres estimaciones simples (promedio, mediana por comuna y dormitorios, costo por m² de la comuna), estratos de costo, cuándo es oportunidad o está sobre el rango, cómo se calcula la estimación y advertencias. Las cifras salen de data/modelo.json, no están escritas a mano en la página.
• Privacidad y uso: las coordenadas son las del aviso público (departamentos en edificios; se probó redondearlas a ~100 m y se descartó: apilaba 55 avisos en un punto) y no se exporta la descripción, fotos ni contacto de quien publica. La página sí es indexable por los buscadores (se decidió no usar noindex) y avisa que no tiene afiliación con Portal Inmobiliario. Quien publique un aviso puede pedir que se retire, por GitHub o LinkedIn (ver la pestaña "Cómo funciona").

Piezas

• scripts/exportar.py lee tres tablas de Gold y escribe data/avisos.json (los campos que usa el mapa) y data/modelo.json (las cifras del modelo vigente, de gold.modelo_vigente). Solo exporta avisos con apto_entrenamiento (los mismos que usa el entrenamiento) y, por si acaso, con costo total de hasta 10 millones (el tope del entrenamiento).
• app.js dibuja el mapa con MapLibre GL JS sobre el fondo claro de OpenFreeMap (datos de OpenStreetMap; gratis, sin clave, la atribución viene en el estilo), filtra en el navegador y arma la tarjeta.
• data/avisos.json y data/modelo.json no están en git: se generan en cada publicación.
• scripts/vigilar.py es el vigilante (ver "Alertas"). tests/ tiene las pruebas.

Pruebas y CI

python -m pytest -q (16 pruebas) revisa sin base de datos ni navegador: el exportador (campos, coordenadas, que la consulta solo traiga avisos activos y aptos con enlace https:// y nunca la descripción ni datos de contacto), los contratos entre app.js, index.html y el scoring (valores de etiqueta, ids del DOM, cifras de la pestaña "Cómo funciona") y las reglas del vigilante. El workflow ci corre además node --check app.js y ruff en cada push.

Seguridad de la página. MapLibre se carga con integrity (si unpkg sirviera otro archivo para esa versión, el navegador no lo ejecuta) y la página declara una política de contenido (CSP) que solo deja cargar este sitio, MapLibre, OpenFreeMap y GoatCounter. Los títulos se publican sin teléfonos ni correos (sin_contacto en el exportador). Las Actions están fijadas por commit y Dependabot las mantiene al día; los workflows tienen permisos mínimos.

Alertas

El workflow vigilante corre cada hora en GitHub (aunque el notebook del ELT esté apagado) y deja la ejecución en rojo, con correo de GitHub, si Gold lleva más de 3 horas sin reconstruirse (orquestador caído o notebook apagado), si más del 5 % de las predicciones quedó atrasado respecto de las visitas (scoring caído) o si más del 5 % de Gold quedó sin precio aunque se visitó su detalle (el portal sirviendo páginas incompletas; esta revisión es cada 6 horas). Para no mandar un correo por hora, solo avisa al cruzar 3, 12 y 24 horas de atraso y luego cada día. Para recibirlos hay que tener activadas las notificaciones de Actions en Settings > Notifications del perfil de GitHub. Usa el mismo secret BD_STRING_VIS.

Ejecutar en local

pip install -r requirements.txt
# BD_STRING_VIS en .env (o en el entorno): cadena de conexión con lectura sobre esas tablas
python scripts/exportar.py
python -m http.server 8765        # abrir http://localhost:8765

Publicación (GitHub Pages)

.github/workflows/publicar.yml regenera los JSON y publica el sitio cada 30 minutos (10 minutos después de cada scoring) y a mano. Entre Silver y Gold (cada hora en el ELT), el scoring (cada 30 minutos) y esta publicación, un aviso nuevo tarda unas 2 horas como máximo en llegar al mapa. Requisitos, una sola vez:

1. En Settings > Pages, fuente GitHub Actions.
2. Secret BD_STRING_VIS con un rol de solo lectura (vis_lectura) sobre gold.predicciones_vigentes, gold.aviso_entrenamiento y gold.modelo_vigente. El último permiso lo da solo la reconstrucción de Gold.

El sitio publicado es público, igual que este repo: cualquiera ve los avisos exportados (ubicación aproximada, precio, etiqueta y enlace). El repo del ELT, que hace el scraping, es privado.

Contador de visitas

La página cuenta visitas con GoatCounter (sin cookies ni datos personales; el panel está en https://santiago-rentals.goatcounter.com). Además de las visitas, registra tres eventos: pestana-mapa, pestana-explicacion y clic-publicacion-original. En local (localhost) no cuenta. La pestaña "Cómo funciona" lo avisa al pie.

Pendiente

• Agrupar puntos (clusters) si el mapa se satura al alejar el zoom.

Licencia

MIT.