• La planificación y gestión del transporte público regional requiere analizar tendencias de largo plazo y medir con precisión el impacto de eventos disruptivos; sin embargo, los datos tabulares fragmentados dificultan observar la velocidad de recuperación del flujo de pasajeros tras la crisis sanitaria.

• Con 14,49 millones de viajeros registrados en el bienio post-COVID (2022-2023) en la comunidad frente a los 15,02 millones del periodo equivalente pre-COVID (2018-2019), el volumen total muestra una ligera contracción del -3,51%, evidenciando un ritmo de recuperación heterogéneo entre las distintas provincias.

• Propuesta de solución: Un dashboard analítico interactivo que integra la serie histórica completa (2006-2023), tarjetas de KPI ejecutivas para la comparativa de periodos clave y un análisis granular por provincia, permitiendo identificar que Valladolid (2,9 M en 2023) y Salamanca (2,5 M en 2023) concentran la gran mayoría del tráfico de pasajeros en la región, seguidas de León (1,7 M), Segovia (0,6 M) y Burgos (0,1 M).

He estructurado la información en cuatro apartados analíticos:

1. Seguimiento de Indicadores Globales (KPIs): Incorporación de métricas consolidadas en la cabecera que enfrentan directamente los 15,02 M de viajeros Pre-Covid (2018/19) contra los 14,49 M de viajeros Post-Covid (2022/23), calculando automáticamente la variación porcentual del -3,51% y permitiendo visualizar de un vistazo el total anual según la selección elegida (7,84 M de viajeros en el último ejercicio analizado).

2. Estudio de Distribución Provincial (Lollipop Chart):

   • Ranking por Provincia: Diseño de un gráfico de piruleta con filtro interactivo por año que permite comparar la demanda absoluta en cada provincia de Castilla y León.

   • Concentración de la Demanda: Identificación de Valladolid y Salamanca como los principales núcleos de movilidad metropolitana de la comunidad autónoma, sumando entre ambas el grueso del pasaje regional.

3. Análisis de Evolución Temporal y Tendencia Histórica (2006–2023):

   • Línea de Tiempo Histórica: Monitorización de la trayectoria completa desde 2006, reflejando el comportamiento estable previo, el desplome drástico registrado en 2020 debido a las restricciones de movilidad de la pandemia y la posterior senda de recuperación sostenida iniciada a partir de 2021.

   • Aislamiento de Filtros (Scoped Filters): Implementación de una arquitectura de filtros en Tableau que permite filtrar el gráfico de distribución por años concretos (2018-2023) sin alterar ni romper la serie temporal completa del gráfico lineal histórico.

4. Inteligencia Operativa y Comparativa de Máximos: Determinación y aislamiento de los techos históricos de demanda por provincia mediante expresiones de nivel de detalle, facilitando la evaluación del margen de crecimiento actual de cada mercado respecto a sus registros récords pre-pandemia.