Casi todas las agendas de Madrid se parecen porque casi todas beben de lo mismo: los datos abiertos del Ayuntamiento. La diferencia está en lo que cada una hace con ellos. Aquí va lo que hacemos nosotros, con números, para que puedas comprobarlo.
Las dos fuentes
La primera es el dataset 206974 del Ayuntamiento: la programación cultural municipal. Es la más completa en una cosa que casi nadie más da bien, el distrito, y trae mucho plan gratuito de centro cultural y biblioteca de barrio. A cambio llega con bastantes huecos: registros sin descripción, sin coordenadas o duplicados entre sí.
La segunda es el dataset 300028, la agenda turística de esMadrid. Está curada a mano y se nota: casi todos los registros traen descripción de verdad y coordenadas. Es la que aporta el grueso de conciertos, teatro y exposiciones.
De las dos juntas salen unos 1.600 registros en bruto cada mañana.
Lo que tiramos y por qué
Nada de lo que ves aquí ha pasado sin filtro. Descartamos:
- Lo que ya ha terminado. Una parte del feed turístico son eventos cuya fecha de fin ya pasó. Si no se filtra, la agenda se llena de cosas que no puedes hacer.
- Las fechas imposibles. Registros donde el fin es anterior al inicio.
- Los duplicados. El mismo evento aparece a menudo en las dos fuentes, o repetido dentro de la misma. Se deduplica por título y lugar.
Cómo decidimos qué se publica solo
A cada evento le ponemos una nota de 0 a 100 que no juzga si el plan es bueno —eso no lo puede saber una máquina— sino si la ficha está lo bastante completa para publicarse sin que la mire una persona. Puntúan la descripción, las coordenadas, el horario, el distrito, el lugar, que sea gratis y que no dure medio año.
Solo se publica lo que llega a 70. El resto se queda fuera hasta que la fuente lo complete.
Esa distinción es la que nos importa: la agenda se publica sola porque son datos objetivos de fuente oficial. Los artículos, no. Cuando leas una nota del Bocatómetro es que hemos ido, hemos pagado y lo hemos probado. Lo explicamos entero en cómo puntuamos.
Lo que todavía no sabemos hacer
Dos cosas, y preferimos decirlas:
No sabemos el distrito de todos los eventos. La fuente turística no trae campo de distrito: su campo de zona dice siempre «Madrid», que es el municipio. Por eso las páginas de barrio se alimentan sobre todo de la fuente municipal. Como el 90 % de los eventos sí trae coordenadas, se puede deducir; está apuntado como lo siguiente.
No usamos las fotos de la fuente turística. Trae imagen en todos los registros y es tentador, pero su licencia es solo para uso no comercial y esta web lleva publicidad. Los textos sí se pueden usar; las fotos, no. Por eso ves marcadores de color donde debería ir una imagen.