Introducción · la ciudad, las hipótesis, el resultado
De dónde parte este relato
Una ciudad pequeña, muy deseada y con poco suelo: ¿quién puede permitirse vivir dónde?
La ciudad. Donostia / San Sebastián es pequeña y densa: en torno a 187.000 habitantes empadronados (2025) repartidos en 19 barrios oficiales, encajados entre la bahía de La Concha, el Urumea y los montes que la rodean. Y es, a la vez, varias ciudades superpuestas: una capital de servicios con rentas altas, un destino turístico internacional que cada verano multiplica su población, y un polo de investigación (Gipuzkoa dobla la intensidad investigadora española) que convive con una base amplia de empleo de servicios mal pagado. Esa superposición sobre tan poco suelo es el punto de partida de todo lo que sigue.
Las transformaciones. En la última década la ciudad se ha movido deprisa, y en varios frentes a la vez. La vivienda: desde 2016 el alquiler crece por delante del salario y de la inflación, y el precio de venta acumula en torno a un +60 % por m². El turismo: la actividad de Airbnb se multiplica (~×6 desde 2016) y se concentra de forma extrema en el centro. Las personas: la población nacida fuera de España pasa del 5,2 % (2015) al 9,4 % (2025), mientras el centro envejece: Gros roza los 370 mayores por cada 100 menores. Y el escenario físico: la temperatura media ha subido +1,6 °C desde los años 80. La pregunta es: ¿qué relación existe (si es que la hay) entre estas tendencias?
Las hipótesis y el objetivo. La hipótesis de partida era un tema del que se habla mucho en la ciudad: que la turistificación empuja los alquileres, expulsa residentes del centro y ensancha la brecha entre barrios. El objetivo de este trabajo es ponerla a prueba pieza a pieza con datos abiertos, bajo dos reglas: cada número es reproducible (todo gráfico sale de una tabla y un script públicos) y se distingue siempre lo que los datos permiten afirmar de lo que no.
- El diagnóstico se invierte: la presión de vivienda no es máxima en el centro caro sino en el este obrero (Altza, Egia, Intxaurrondo), donde la renta no acompaña.
- Turismo y cambio social ocurren en barrios distintos: el alojamiento turístico satura un centro ya acomodado; la transformación social asoma en la periferia interior (Loiola, Egia).
- El centro pierde población, pero por déficit vegetativo: la expulsión no es demostrable con datos abiertos y, si existe, es selectiva.
- Que el turismo cause la subida del alquiler no quedó demostrado: el indicio direccional no sobrevivió a los controles.
Cómo leer este artículo. El recorrido va del estado al porqué: dónde aprieta la vivienda (capítulo 1) y cómo cambian los barrios (2); quién los habita (3) y quién trabaja la ciudad (4); el clima como telón de fondo (5); las dos ciudades (turística y vivida) frente a frente (6); y la síntesis que encaja las piezas (7). Cierran un apéndice que suma el contexto de ciudad y contrasta la percepción vecinal con los datos, y un epílogo con lo que aún no se puede responder. Las explicaciones técnicas van plegadas y son opcionales. Se pueden abrir con un clic, pero el relato sigue igual si prefieres ignorarlos.
Para ubicarte: el mapa de los barrios
Los 19 barrios oficiales de Donostia. El relato los nombra a menudo por su posición en la ciudad («el centro» (Erdialdea, Gros, Antiguo), «el este obrero» (Altza, Egia, Intxaurrondo…), «la periferia interior» (Loiola…) y «el anillo verde» rural); este mapa es la chuleta para situar cada uno. Pasa el ratón o toca un barrio para ver su nombre.
Geometría oficial de barrios (Donostia Open Data, mapa_auzoak). Sin datos: es
solo una referencia de ubicación.
Un apunte de vocabulario. A lo largo del texto, «presión», «tensión» y «esfuerzo» de vivienda nombran lo mismo: qué parte de la renta se llevaría el alquiler (el indicador que abre el capítulo 1). No es el gasto real de una familia concreta, sino una medida comparable entre barrios y entre años.
Este es el documento principal, donde se cuenta con calma la evolución de Donostia a través de los datos. Quien prefiera explorar por su cuenta puede recorrer todas las visualizaciones de forma interactiva en el panel interactivo, revisar cómo se ha construido cada indicador en la metodología, o entrar en el detalle técnico completo en el working paper.
Capítulo 1 · El estado: dónde aprieta
La ciudad que se encarece
¿Dónde se está volviendo insostenible vivir, y coincide con donde el alquiler es más caro?
El alquiler más caro de Donostia está en el centro: Erdialdea y Aiete rondan los 16 €/m². Pero pagar el alquiler no duele igual en todas partes. Lo que aprieta no es el precio absoluto, sino qué parte de la renta se lleva. Y ahí el mapa se invierte.
El indicador de presión mide el esfuerzo teórico del residente medio: el coste anual de alquilar una vivienda (a tantos metros cuadrados por persona) frente a su renta. El supuesto de metros cuadrados es discutible, así que lo puedes modificar y ver si la situación cambia.
Las tres medidas, en claro
Presión del alquiler sobre el residente medio, por barrio (2023)
Esfuerzo teórico = alquiler €/m² × 12 × m²/persona ÷ renta per cápita. Cuanto más oscuro, más esfuerzo; en gris, los barrios sin dato de alquiler (mercados demasiado pequeños para registrar contratos). Pasa el ratón por cualquier barrio para ver sus números.
| Barrio | Esfuerzo |
|---|
Fuente: Gobierno Vasco EMA (alquiler €/m² de nuevos contratos con fianza depositada: no el stock de alquileres vigentes) + Eustat/Donostia Open Data (renta per cápita). Métrica derivada.
Con el supuesto base (30 m² por persona), el esfuerzo máximo no está en el centro caro, sino en el este obrero: Altza (21,9 %), Egia (21,3 %) e Intxaurrondo (20,9 %). El mapa del esfuerzo es casi el negativo del mapa del precio.
Subimos a 45 m² por persona: el color se oscurece (el esfuerzo teórico crece en todas partes) pero el orden de los barrios apenas se mueve. La conclusión no depende del supuesto de metros: es robusta.
Cambiamos de medida. z(alquiler) − z(renta) compara, para cada barrio, a cuántas desviaciones típicas de la media de la ciudad están su alquiler y su renta (es decir, cómo de raro es cada uno dentro de Donostia) y resta ambas cosas. Rojo: el alquiler es más «alto para lo normal» que la renta; azul: al revés. Esta lente ilumina también el centro caro (Gros, Erdialdea), donde el alquiler corre por delante de la renta.
La tercera medida hace lo mismo con posiciones: si un barrio es el 4.º más caro de 13 pero el 9.º en renta, su alquiler «va por delante». Es inmune a los valores extremos, porque solo mira el orden. El resultado coincide y deja un nombre: Egia es el único barrio que aparece arriba se mida como se mida.
Renta × presión: el ángulo anómalo
Este mapa cruza dos variables a la vez. Los 13 barrios con dato se reparten en tres tercios por renta (de menos a más) y en tres tercios por presión de alquiler, y cada combinación recibe un color de la rejilla 3×3 de la derecha. No mide cantidades exactas: sitúa cada barrio en uno de nueve cajones.
Renta 2023 (Eustat) × presión de alquiler 2023 (derivada). Paleta bivariada de terciles.
Blindaje¿Se está ensanchando la brecha de renta entre barrios? El índice de Gini dice que no, la comprobación, desplegada
Índice de Gini de la renta por barrio (ponderado por población), 2016–2023. Más alto = más desigualdad territorial. La línea discontinua es el Gini sin ponderar.
La métrica, en claro
analysis/an5_polarizacion.csv (Eustat, renta por barrio). El pico de 2022 sin ponderar es un outlier de un barrio pequeño y volátil (Miramón-Zorroaga); ponderado por población, la brecha es estable (~0,10). Este índice mide la desigualdad entre los 13 barrios, no la desigualdad dentro de cada barrio ni la de quien se marcha del municipio. Si las rentas bajas salen de la ciudad, la brecha interna puede quedarse estable creando una ilusión de equidad.
Blindaje¿Y si medimos con la renta del trabajo? El ranking se invierte, el hallazgo es sensible a qué renta usamos. La comprobación, desplegada
El mismo esfuerzo, medido con la renta del trabajo
La renta per cápita total del indicador incluye pensiones y rentas de capital, muy presentes en el centro envejecido y acomodado. Aquí se recalcula el esfuerzo dividiendo por la renta del trabajo (solo salario, sin pensiones ni capital; Eustat, 2023). La marca vertical gris sobre cada barra señala el esfuerzo con renta total (el del mapa de arriba): la distancia entre la marca y el final de la barra es la parte que «esconde» la renta no salarial.
Gobierno Vasco EMA (alquiler €/m²) ÷ Eustat renta del trabajo per cápita (tipo 110, 2023). Supuesto 30 m²/persona. Derivado.
El giro es total: con la renta del trabajo, Erdialdea y Gros (el centro) pasan a encabezar el esfuerzo (35,7 % y 34,9 %), justo los barrios que con la renta total salían aliviados. La razón es que en el centro una parte grande de la renta no viene del trabajo (pensiones de una población mayor, rentas de capital): su renta total casi dobla a la del trabajo, mientras que en el este obrero ambas casi coinciden.
¿Cuál es la «buena»? Depende de la pregunta. Para capacidad de pago real (¿puede el residente medio afrontar el alquiler?) la renta total es la correcta: ese dinero existe y paga. Pero para quién vive de su salario (la población en edad de trabajar que de hecho alquila) la renta del trabajo describe mejor la tensión. El relato usa la renta total (capacidad de pago) como medida principal; este blindaje deja claro que el «esfuerzo se invierte hacia el este» del capítulo vale para la capacidad de pago, no para el esfuerzo salarial, y que el centro no está tan aliviado como sugiere su renta total. Es una cautela sobre el indicador, no un dato que lo derribe.
El esfuerzo del alquiler dibuja el este obrero. Pero «encarecerse» también tiene una cara de compra, y esa tiene quince años de historia. Desde el suelo de 2014 (tras el pinchazo inmobiliario) el precio de venta por m² ha subido entre un 53 % y un 78 % en todos los barrios. Y no es un fenómeno solo de centro: el este asequible sube tanto o más en porcentaje (Intxaurrondo +76 %, Egia +73 %), aunque la brecha de nivel se mantiene: el centro sigue costando 2,2 veces lo que Altza.
El precio de comprar: del suelo de 2014 al récord de hoy
Precio de venta de oferta (€/m²), media anual por zona, 2011–2026. Cada zona con su color y etiqueta. Pasa el ratón por el gráfico: la guía se ancla al año más cercano y compara todas las zonas de una vez.
Fuente: idealista, sala de prensa (informes de precio de vivienda en venta por barrio). Son precios de oferta (anuncios), no de transacción: un techo de lo que realmente se paga (proxy). Zonas de idealista mapeadas a los 19 barrios oficiales; «Centro» = zona Centro-Miraconcha de Erdialdea (la Parte Vieja, ~20 % más barata, se muestra como línea propia). Sin dato: Igeldo, Zubieta, Landerbaso, Oarain y Loiola/Martutene/Miramón (serie idealista ausente o rota).
El dato de compra cierra el círculo de la asequibilidad. Entre 2016 y 2023 (la ventana con salarios comparables) el precio de venta subió más que el alquiler, el salario y la inflación, que se movieron todos en torno al +20–25 %. Comprar se encareció más deprisa que todo lo demás; y a 2026 la subida acumulada desde 2016 ronda ya el +60 %.
El esfuerzo de vivienda se invierte respecto al precio: pesa más la renta baja que el alquiler bajo. La presión más dura recae sobre los barrios obreros del este, no sobre el centro caro.
Capítulo 2 · El cambio: qué se mueve
Cómo cambian los barrios
¿Qué barrios se están moviendo, y hacia qué perfil?
El capítulo 1 dejó la foto fija: la presión de vivienda carga sobre el este de renta baja. Pero una foto no dice si ese mapa se está consolidando o deshaciendo. Para eso hay que medir velocidades: en lugar del valor de hoy, cuánto sube o baja cada indicador por año desde 2016. El alquiler sube en todas partes (3–4 %/año), pero la población y la composición social se mueven a dos velocidades.
Velocidad de cambio por barrio (variación media anual desde 2016)
Este mapa pinta la pendiente, no el nivel: un barrio caro que ya no sube aparece pálido; uno barato que sube deprisa, rojo intenso. La escala es divergente: azul = baja, blanco = estable, rojo = sube. El gris marca los barrios sin datos suficientes.
| Barrio | Δ/año |
|---|
Tasas anualizadas 2016→último año (analysis/velocity.csv). Barrios periféricos de nueva construcción se interpretan aparte.
El alquiler sube en todos los barrios con serie, entre el +3 y el +4 % anual (Loiola, +4,3 %, el más rápido). Aquí apenas hay geografía: el mapa es casi uniforme. Es la marea de fondo sobre la que se mueve todo lo demás.
La población sí tiene geografía. El centro pierde habitantes año tras año (Gros −0,60 %, Antiguo −0,45 %, Egia −0,33 %) mientras la periferia los gana. El porqué de esa pérdida (envejecimiento, no expulsión) se comenta en el capítulo 3.
La población extranjera crece más rápido en el este obrero (Intxaurrondo, +0,92 puntos al año): señal de inmigración económica, no de gentrificación. El capítulo 4 desglosa ese agregado por origen, porque esconde perfiles opuestos.
El % de universitarios crece en toda la ciudad, pero con Egia (y Añorga) al frente: el mayor crecimiento de Donostia, la seña del barrio «en movimiento».
La renta per cápita crece en todos los barrios con serie (+3 a +4 % anual en los centrales), a un ritmo parecido al del alquiler. Pero acelera más donde ya es alta: el centro encabeza (Gros +4,4 %), donde la renta corre por delante del alquiler. En el este obrero pasa lo contrario, el alquiler sube más rápido que la renta (Intxaurrondo, Altza), y ahí es donde la brecha de esfuerzo se ensancha. Los barrios periféricos pequeños (Añorga, Igeldo) marcan tasas altísimas, pero volátiles.
Cruzando renta, estudios, alquiler y densidad turística, los barrios se agrupan en cuatro perfiles.
Perfiles de barrio
Tipología descriptiva sobre renta, % universitarios, densidad VUT y alquiler. 13 barrios con las cuatro variables. Aquí el color no ordena de más a menos: cada color es una familia de barrios parecidos entre sí.
La métrica, en claro
El caso a vigilar es Egia: transicional, con el mayor crecimiento de universitarios de la ciudad: es el candidato más claro a «moverse» hacia el perfil del centro.
Derivada: perfiles descriptivos, no clasificación dura (N=13).
Donde hay turismo, hay alquileres altos
Cada punto es un barrio, con su nombre; el tamaño del círculo es su población y el color repite el perfil del mapa anterior, para que puedas cruzar ambas lecturas. Densidad de vivienda turística (eje X) frente a alquiler €/m² (eje Y): la nube sube hacia la derecha.
La métrica, en claro
VUT (Donostia Open Data) × alquiler EMA. Pearson r = 0,64 (IC95% bootstrap 0,42–0,87); aguanta al quitar Erdialdea y Gros (0,62).
Barato y calentándose: nivel de alquiler × velocidad de subida
Cada barrio según su alquiler actual (eje X) y cuánto sube al año (eje Y). El cuadrante de arriba-izquierda (barato pero subiendo rápido) es el este obrero: asequible aún, pero erosionándose.
analysis/an4_alquiler_nivel_x_crecimiento.csv. Líneas divisorias en la mediana de cada eje.
Dos velocidades: una periferia que crece en población y un centro consolidado que se transforma en lo social. Turismo y cambio social ocurren en barrios distintos.
Capítulo 3 · Las personas: quién lo habita
Quién vive Donostia
¿Está cambiando quién vive en cada barrio?
El capítulo 2 midió que el centro pierde población mientras la periferia la gana. Este pregunta por la cara humana de ese movimiento. El índice de vejez compara mayores de 65 con menores de 15 (un índice de 200 significa dos mayores por cada menor): cuanto más alto, más envejecido el barrio. El recorrido que sigue viaja de 2000 a 2025.
Índice de vejez por barrio (≥65 / <15 × 100)
Arrastra el control para recorrer 2000–2025. Cuanto más oscuro, más envejecido; el segundo indicador (% de adultos jóvenes) pinta la lectura inversa en verde.
| Barrio | Valor |
|---|
Donostia Open Data: padrón por edad y sexo (bandas quinquenales), 2000–2025.
Así era el mapa demográfico al empezar el siglo. Mira el tono del centro (Gros, Erdialdea, Antiguo) para poder compararlo con el final del recorrido.
Un cuarto de siglo después, Gros llega a 370 y Erdialdea a 350: más de tres mayores por cada menor. Antiguo es el que más sube (+203 puntos). En la otra punta, Miramón-Zorroaga, de construcción reciente, rejuvenece.
Cambiamos el indicador: % de población de 25 a 39 años. El mapa casi se invierte: Intxaurrondo roza el 21 % y el este obrero concentra la población adulta más joven de la ciudad: la misma geografía donde el capítulo 1 situaba el mayor esfuerzo de alquiler.
¿Y por qué pierde población el centro? La descomposición por cohortes responde: no porque la gente se marche. Erdialdea atrae migración neta (+2.162 personas en 2000–2025) y aun así mengua, porque su déficit vegetativo (nacimientos menos defunciones, −3.435) se lo come todo: es un barrio envejecido que no se repone y que recambia población. El único barrio con las dos sangrías a la vez, vegetativa y migratoria, es Gros (−2.807 y −562), que además es el único con salida neta de los 25–39 años en las cinco ventanas quinquenales (entre el −4 % y el −9 % por quinquenio). Si el desplazamiento existe en estos datos, es selectivo: joven y de Gros. No es un vaciado generalizado del centro.
El centro que pierde población (historia 2) es además el que más envejece, y la descomposición por cohortes precisa el porqué: la pérdida es vegetativa, no de expulsión; Erdialdea recambia población (atrae migración) y Gros pierde además a sus jóvenes. El este se mantiene joven vía inmigración. La cautela sigue en pie: el envejecimiento del centro es anterior al boom turístico de 2016 y común a muchas ciudades europeas. El turismo se implanta sobre una estructura demográfica preexistente, no la crea.
Capítulo 4 · Las personas: quién trabaja
Quién trabaja Donostia
Si el capítulo anterior contó quién vive en cada barrio, este pregunta de dónde viene esa población y en qué trabaja la ciudad, sin reducir «lo extranjero» a un solo perfil.
La cifra de «% de población extranjera» es cómoda pero engañosa: mete en el mismo saco a poblaciones que se mueven en sentido opuesto respecto a la renta del barrio. En 2025 el 9,4 % de Donostia había nacido fuera de España (era el 5,2 % en 2015 y menos del 1 % en 2000), pero ese agregado esconde ritmos y perfiles muy distintos. Este capítulo separa el origen por regiones y lo cruza con la renta y los estudios; luego mira en qué trabaja la ciudad (mucha investigación, y un abanico salarial ancho) y en cómo se reparte ese trabajo, donde aparecen dos desigualdades más, transversales a todos los barrios: la brecha de renta entre hombres y mujeres, y la frontera diaria entre quien vive en la ciudad y quien solo viene a trabajarla cada mañana. Y termina con un aviso: no existe ninguna estadística pública que cruce nacionalidad × ocupación × salario a este grano, así que todo lo que sigue es triangulación, nunca una foto individual.
De dónde viene la población extranjera, por barrio (2025)
Cuota de cada región de origen sobre la población total del barrio: cuanto más oscuro, mayor presencia. Es el mismo padrón que alimenta el «% de extranjeros», aquí desglosado por origen. Oarain (exclave rural) sin dato.
| Barrio | % del barrio |
|---|
Donostia Open Data: padrón por país de nacimiento (57 países agrupados en 8 regiones de origen), 2000–2025. Grano barrio.
Es el origen más numeroso y el que más crece (×19 desde 2000: del 0,25 % al 4,81 % de la población). Se concentra en los barrios de menor renta (Martutene, Altza, Mirakruz-Bidebieta): su cuota correlaciona −0,69 con la renta per cápita del barrio.
Base pequeña pero ×27 desde 2000, con el máximo en Intxaurrondo (5,8 % del barrio). También se asienta donde la renta es menor (correlación −0,48): es el patrón de la migración económica.
Este grupo hace justo lo opuesto: se asienta en el centro, Ategorrieta-Ulia y Gros (los barrios más caros y turísticos) y correlaciona en positivo con la renta (+0,24) y con los universitarios (+0,59). Un perfil de expatriado acomodado, jubilado o teletrabajador. Dentro de «extranjero» conviven, literalmente, dos ciudades.
Europa del Este (Ucrania y Rumanía, sobre todo) y Asia completan el cuadro con presencias más difusas y sin un patrón fuerte de renta. Los botones del mapa te dejan recorrerlos por región; el panel interactivo baja además al país concreto, barrio a barrio (ficha «Quién vive en el barrio · orígenes»).
Cada origen tira de la renta del barrio en sentido distinto
Correlación de Pearson entre barrios (n=17) entre la cuota de cada región de origen y la renta per cápita del barrio. A la derecha (azul): se asienta donde la renta es mayor; a la izquierda (coral): donde es menor. Entre paréntesis, la correlación con el % de universitarios.
analysis/perfil_extranjeros_empleo.py · docs/intermedia/ANALISIS-EXTRANJEROS-EMPLEO.md §1.3. Correlación entre barrios: describe geografía, no hogares.
La estabilidad laboral también se reparte de forma desigual por origen. Con la EPA vasca desagregada por continente (Gipuzkoa, 2024), la tasa de paro de la población africana (18,4 %) casi triplica la europea (6,7 %); la población de nacionalidad extranjera tiene, en conjunto, más del doble de paro que la española (9,4 % vs 4,3 %) pese a una tasa de actividad más alta: busca empleo con más intensidad y lo encuentra menos. Dos avisos de fuente: es una encuesta, no un registro, y a nivel de Gipuzkoa las submuestras por continente son pequeñas (la brecha África ≫ Europa es robusta; el decimal, no). Y lo que estos datos no ven, y por eso no se afirma: el sinhogarismo y la economía informal, que ninguna encuesta de actividad capta por diseño (hogares con domicilio). Se deja como vacío declarado, no se rellena con un proxy.
En qué trabaja la ciudad: mucha investigación, y un abanico salarial ancho
Izquierda: personal en I+D por cada 1.000 ocupados (Gipuzkoa vs España, 2024). Derecha: renta media anual del trabajo por gran grupo de ocupación (C.A. de Euskadi, 2023). Grano Gipuzkoa/Euskadi. Donostia concentra buena parte de los centros de investigación del territorio, pero no es un dato exclusivo de la ciudad.
Eustat: personal I+D (EDP) y renta media del trabajo por ocupación; INE (España, I+D 2024). ANALISIS-EXTRANJEROS-EMPLEO §2.1–2.3.
Gipuzkoa más que duplica la intensidad investigadora de España (31,0 frente a 13,6 personas en I+D por cada 1.000 ocupados; en investigadores, 21,0 vs 8,5), y no es un pico reciente: el personal en I+D casi se ha triplicado desde 2001. Pero esa ciudad de la investigación convive con otra: los dos grupos de ocupación más numerosos siguen siendo las «ocupaciones elementales» y los «servicios de restauración, personales y ventas» (el 41 % del empleo conjuntamente), que son también los peor pagados: 18.044 €/año los servicios, 3,6 veces menos que los 65.657 € de dirección. Combinando las tres piezas (dónde vive cada origen, qué ocupaciones dominan y cuánto pagan) la intuición de que «los trabajos de la migración económica pagan sensiblemente menos» es consistente con los números, aunque el cruce exacto por persona no exista en ninguna estadística pública.
El abanico salarial anterior repartía por ocupación. Pero hay una desigualdad del trabajo que atraviesa todas las ocupaciones y todos los orígenes, y que el mapa hace evidente: la brecha de renta entre hombres y mujeres. En los diecisiete barrios con dato la renta media de ellas queda siempre por debajo de la de ellos; lo que cambia mucho de un barrio a otro es cuánto.
La brecha de renta de género, barrio a barrio (2023)
Cuánto supera la renta media masculina a la femenina, en % (Eustat). Más oscuro, más brecha; en gris, barrios sin dato. Pasa el ratón por cada barrio; la tabla de la derecha lo repite en orden.
| Barrio | Brecha % |
|---|
Eustat: renta personal media por sexo y barrio (vía Donostia Open Data). Derivado. Los barrios pequeños y rurales (Igeldo, Miramón-Zorroaga, Añorga…) tienen muestras reducidas: su brecha es más volátil y debe leerse como señal, no como cifra fina.
Lo que aguanta la lectura: la brecha es universal (en ningún barrio la renta femenina alcanza a la masculina) pero su tamaño va del ~20 % al ~44 %. Los mínimos claros están en los barrios centrales y jóvenes (Egia e Intxaurrondo, en torno al 20 %, los más bajos de la ciudad). Los máximos (Igeldo 44 %, Miramón 42 %, Añorga 37 %) caen en barrios pequeños de muestra reducida, donde la cifra es volátil. Y en medio, sin un gradiente limpio de renta: barrios acomodados (Antiguo 32 %, Aiete 30 %) y obreros (Altza 34 %) comparten brechas altas. Como siempre, es el barrio, no la persona (y donde la muestra es pequeña, cautela).
Hasta aquí, quiénes trabajan. Pero «quién trabaja Donostia» tiene otra cara literal: la ciudad emplea a más gente de la que reside y trabaja en ella. Cada mañana importa trabajadores de su entorno metropolitano.
Una ciudad que importa trabajadores: empleos localizados, 1995–2025
Puestos de trabajo localizados en la ciudad (no ocupados que residen en ella): de ~66.000 en 1995 a un récord de 103.446 en 2025, con el bache de la crisis financiera (pico de 2008, suelo en 2013) ya recuperado y superado. Pasa el ratón por cualquier año.
Eustat: DIRAE, personas empleadas en establecimientos de Donostia (tabla PX_200163_cdirae_est07). Ratio de concentración = empleos localizados ÷ ocupados residentes (Eustat EMPA).
Donostia no atrae «un» perfil de extranjero, sino al menos dos que ni viven en los mismos barrios ni tienen la misma renta: una migración económica, sobre todo latinoamericana, y magrebí, asentada en el este de renta baja, y un goteo europeo-occidental cualificado en el centro caro. La ciudad, a la vez, tiene una intensidad investigadora que dobla la media española y una base amplia de empleo de servicios mal pagado, y funciona como polo de empleo metropolitano: ofrece más puestos de los que tienen sus residentes e importa trabajadores cada mañana. Y una desigualdad atraviesa todo lo anterior sin distinguir barrio ni origen: en los diecisiete barrios con dato, la renta media de las mujeres nunca alcanza a la de los hombres; lo que varía (del ~20 % al ~44 %) es el tamaño de la brecha. Leer «% de extranjeros» como una sola cosa (o como señal de gentrificación) borra justamente esta doble estructura.
Capítulo 5 · El telón de fondo
El clima cambia
¿Cómo ha cambiado el clima de Donostia en 45 años?
Precios, movimientos y personas ocurren sobre un escenario físico que también se mueve. La estación de Igeldo lleva registrando desde 1981. Cada franja vertical es un año, coloreada por su temperatura media: del azul (frío) al rojo (cálido). La deriva hacia el rojo se lee de un vistazo. Al final del capítulo veremos que ese calor, sobre el plano, cae en los mismos barrios que ya conocemos.
Franjas del calentamiento: temperatura media anual, 1981–2025
Cada barra es un año. Igeldo (AEMET).
Tendencia anual
Media anual y recta de regresión.
Días de calor (máx ≥ 30 °C) por año
Recuento anual.
Curvas mensuales por año: el pasado como fondo, el presente en rojo
Cada línea es un año, de enero a diciembre. Cuanto más arriba se sitúan las líneas recientes sobre el fondo gris de los años anteriores, más cálido resulta el año.
La estación de Igeldo cuenta el clima en el tiempo, pero no en el espacio. Para eso hacen falta imágenes de satélite: 45 escenas de verano de Landsat (2015–2025) miden la temperatura de la superficie barrio a barrio. Y el calor urbano no está repartido: tiene casi el mismo mapa que la presión de vivienda.
El calor tiene un mapa: la isla de calor vive en el este denso
Anomalía de temperatura superficial (LST) de cada barrio respecto a la media de la ciudad, promedio de 45 escenas de verano 2015–2025. En rojo, por encima de la media; en azul, por debajo. Es temperatura de superficie (tejados, asfalto) al mediodía, no del aire.
Landsat 8/9 C2 L2 (banda térmica 30 m) vía Microsoft Planetary Computer · analysis/heat_island.py · ANALISIS-INFERENCIAL.
Calentamiento sostenido y más extremos de calor, el patrón típico del cambio climático; la precipitación, en cambio, no muestra tendencia clara. Y ese calentamiento tiene un mapa: Gros, Amara Berri y Egia superan en más de 4 °C la temperatura de superficie media de la ciudad, el mismo este denso donde aprieta la vivienda, mientras el anillo verde queda 3–5 °C por debajo.
Capítulo 6 · Las dos ciudades
La ciudad turística vs. la ciudad vivida
¿Conviven dos ciudades superpuestas, la del visitante y la del residente?
El capítulo 2 dejó una pista: donde hay turismo, hay alquileres altos (r = 0,64). Este capítulo mira esa superposición de frente. Donostia recibe cada verano muchos más visitantes que habitantes, pero el turismo no ocupa la ciudad de forma uniforme: se concentra donde la ciudad es más fotogénica. El mapa que sigue mide la densidad de alojamiento turístico por barrio (anuncios de Airbnb por cada 1.000 habitantes) y la compara con las viviendas de uso turístico (VUT) registradas.
Los datos de Airbnb (Inside Airbnb, foto de junio de 2026) capturan un universo más amplio que los VUT legales, porque incluyen alojamientos no registrados (aunque de una sola plataforma: son un suelo del alquiler turístico online, no su total, ya que Booking y otras quedan fuera). Aun así, el patrón coincide: el turismo se agolpa en el centro. El capítulo recorre esa geografía y termina poniendo a prueba las dos acusaciones más repetidas contra el turismo: que empuja el alquiler, y que no deja dormir.
Densidad de alojamiento turístico por barrio
Cuanto más oscuro, más alojamiento por cada 1.000 habitantes. Solo se pintan los 13 barrios urbanos: en los periféricos rurales, de población mínima, unas pocas viviendas dispararían la cifra per cápita sin significar nada (quedan en gris).
| Barrio | /1000 hab. |
|---|
Inside Airbnb: Euskadi (snapshot 2026-06), join espacial punto→barrio · censo VUT / Donostia Open Data. Densidad derivada (per cápita).
La concentración es extrema: Erdialdea (el Centro y la Parte Vieja) roza los 33 anuncios por 1.000 habitantes y Gros ronda los 18. En el este obrero (Altza, Intxaurrondo, Martutene) la presencia turística es casi anecdótica.
Cambiamos a las VUT registradas (el censo legal) y el mapa apenas se mueve: la concentración en el centro no es un artefacto de la plataforma. Airbnb añade el alojamiento no registrado por encima, pero la geografía es la misma: la ciudad del visitante ocupa el suelo de la ciudad-escaparate, y la ciudad vivida se reparte por la periferia.
Bajando al callejero, es decir cruzando el censo VUT con las calles del callejero municipal, la concentración se agudiza: las viviendas turísticas no se reparten por el barrio, se amontonan sobre unos pocos ejes. Encabezan Zabaleta (Gros, 35 unidades), Urbieta (34), Easo (33) y San Marcial (31) en el Centro; las diez calles más cargadas reúnen el 19 % de todo el censo VUT/HUT de la ciudad. Es el nivel que la coropleta por barrio no puede enseñar: cada punto del mapa siguiente es una calle, no un barrio.
Viviendas turísticas, calle a calle
Cada círculo es una calle con al menos una vivienda turística (censo VUT/HUT), situado sobre su dirección; el tamaño y el color escalan con la medida elegida. El fondo es OpenStreetMap: se puede hacer zoom y arrastrar para ir directamente a las calles que interesen.
| Calle | Valor |
|---|
Censo VUT (Donostia Open Data) × callejero municipal (Nombres de calle, código
KodKalea). 301 calles con ≥1 vivienda turística; emparejamiento dirección→calle del 100 %
de 1.489 fichas. El punto es el ancla de la etiqueta de la calle, no su eje; snapshot. Misma vista, con
tabla completa, en el panel interactivo. Reproducible desde
datos/procesado/tablas/calles_vut.csv.
Dos turismos: Airbnb crece mucho más rápido que el hotel
Índice base 2016 = 100. Reseñas de Airbnb (proxy de estancias) frente a pernoctaciones hoteleras (INE). El bache de 2020 es la pandemia. Parte del crecimiento de Airbnb es adopción de la plataforma (migración de canal y mayor propensión a reseñar), no solo turistas nuevos: el ×6 vale como orden de magnitud, no como cifra exacta.
Inside Airbnb (reseñas/mes, «modelo San Francisco»: una reseña ≈ una estancia; solo plataforma Airbnb) · INE EOH tabla 2078 (pernoctaciones en establecimientos hoteleros; pensiones y apartamentos turísticos no incluidos). Años completos 2013–2024.
En detalleDentro del ×6: el cráter de la pandemia y la oferta real, que apenas crece
El bache de 2020 tampoco cambió el rumbo: fue un cráter, no un cambio de régimen. Todas las series recuperan el nivel de 2019 en 2021–2022 y salen con más pendiente de la que traían: la actividad Airbnb pasa de +125 a +231 puntos/año (×1,9) y el alquiler medio, de +0,35 a +0,83 €/m² al año (×2,4). El mapa de la presión apenas se movió (los rankings de crecimiento pre y post correlacionan 0,67), pero las mayores aceleraciones relativas caen en barrios antes poco turísticos (Ibaeta ×7,5, Mirakruz-Bidebieta ×3,8): la pandemia no enfrió la turistificación; la aceleró y la difundió desde el centro saturado.
¿Cuánto de ese ×6 es oferta nueva? Con datos de oferta real (no reseñas), el sesgo del proxy de reseñas deja de ser una advertencia y tiene número. Nueve fotos de anuncios activos de Inside Airbnb (dic-2023 → jun-2026) muestran la oferta activa plana (+1,3 %) mientras las reseñas de los 12 meses previos crecían +23,6 %: leer reseñas como oferta exagera el crecimiento ×1,22. Lo que crece no es el parque, es la actividad por anuncio.
Y asoma una purga: el % de anuncios con licencia declarada saltó de 58,5 % a 84,5 % justo cuando los activos caían un −10 % en 2025 (regularización, no demanda), y no hay rebote: nueve meses después (jun-2026) la oferta sigue en ese nivel (1.605 activos) y la licencia declarada alcanza el 88,5 %. Encaja con el registro REATE, donde las altas nuevas de licencias caen de 300 al año (2017) a 18 (2025): oferta legal madura, parque estable (el mismo "cráter, no cambio de régimen" que dejó la pandemia).
Estacionalidad de la presión turística: reseñas de Airbnb por mes y año
Cada fila es un año (2011–2025), cada columna un mes. El verano se intensifica y los meses de hombro se van llenando; 2020 casi desaparece.
Inside Airbnb: reseñas por mes (proxy de presencia turística).
Pero la estacionalidad no se reparte igual. Medida barrio a barrio (perfil mensual de 116.000 reseñas, 2011–2024), la dependencia del verano va al revés de la intuición: quienes viven del pico estival son los barrios periféricos con poca oferta: Intxaurrondo e Igeldo casi quintuplican en verano su nivel de invierno (ratio ≈4,8) y Antiguo lo cuadruplica (4,3), mientras que Erdialdea es el barrio menos estacional de la ciudad (2,1; las pernoctaciones hoteleras de toda la ciudad dan 2,0). La presión del centro no es un pico de agosto: es crónica, de todo el año (city-break, gastronomía, congresos), y la periferia turística funciona como su desbordamiento estival: solo se llena cuando el centro no da más de sí.
Blindaje¿El turismo empuja al alquiler? El indicio y el control que lo tumba: con estos datos, no se sostiene
¿El turismo empuja al alquiler? Un primer indicio
Correlación entre la variación anual de la actividad Airbnb y la del alquiler, según el desfase temporal. Panel de 13 barrios, en primeras diferencias (descuenta la tendencia común).
La métrica, en claro
analysis/lead_lag.py · docs/ANALISIS-LEADLAG.md. Correlación débil (r≈0,27) y exploratoria: la señal está en la forma, no en la magnitud.
La correlación es máxima cuando el turismo precede al alquiler en un año (r≈0,27), y mayor que la del mismo año (0,19) o la del sentido inverso (≈0). Pero el blindaje posterior rebaja la lectura: al descontar los shocks comunes de año (inflación, tipos, COVID; los «efectos fijos de año»: restar a cada barrio lo que ese año subió la ciudad entera) la correlación cae a ≈0,10, y un test de permutación (barajar miles de veces qué serie va con cuál y contar cuántas veces sale por puro azar una correlación así de grande) no la distingue del azar (p≈0,30). La mayor parte de aquel 0,27 era covariación de toda la ciudad a la vez, no "sube después el alquiler donde más crece el turismo". Con estos datos el indicio direccional no se sostiene. La segunda señal turística ya se probó (jul-2026): el flujo de licencias VUT del registro REATE (independiente de las reseñas), cruzado a grano ciudad con la variación del alquiler, tampoco encuentra ningún desfase significativo. La pregunta solo la reabriría un dato más fino que el anual (alquiler o licencias trimestrales), que hoy no es público.
La ciudad vivida: escuelas y salud
La otra cara. Centros educativos (dónde vive la familia) y servicios de salud, barrio a barrio. Elige la capa.
Las escuelas dibujan la ciudad residente: más densas en la periferia y los barrios familiares que en el centro turístico, y correlacionan en negativo con la tensión de vivienda (−0,63): más equipamiento donde menos presión.
Los servicios de salud (29 equipamientos: hospitales, ambulatorios, centros de salud) completan la cara vivida, y entre los 13 barrios urbanos la sanidad de proximidad acompaña a la ciudad residente: Loiola (0,31/1000) y Egia (0,21) encabezan. Es densidad de servicios, no tiempo de trayecto. Y un aviso: en el panel interactivo (tema «Salud»), que pinta todos los barrios, Miramón-Zorroaga se dispara a 3,4/1000, el complejo hospitalario cae en un barrio de poca población: artefacto per cápita conocido, no dotación de proximidad.
Donostia Open Data: registro municipal de equipamientos, join espacial punto→barrio: educación formal (157 centros públicos y privados; academias fuera) y salud (29 equipamientos públicos y clínicas privadas; consultas privadas y farmacias fuera). 13 barrios urbanos.
Queda por juzgar la segunda acusación, la molestia más citada contra la ciudad turística: el ruido. ¿La ciudad que no deja dormir es la del visitante? El mapa estratégico municipal (Lnight, 2022) permite responder calle a calle: dibuja las zonas donde el nivel nocturno iguala o supera los umbrales de la OMS y la directiva europea (55, 60, 65 y 70 dB), a partir de los cuales se documenta alteración del sueño. Sobre OpenStreetMap, con zoom, se ve qué ejes concentran el ruido.
Ruido nocturno, calle a calle
Zonas con nivel nocturno (Lnight) igual o superior a cada umbral, de 55 dB (amarillo) a 70 dB (rojo oscuro). Base OpenStreetMap: se puede hacer zoom y arrastrar. Los contornos van anidados: cada uno cubre por completo a los más ruidosos.
La respuesta del mapa es una absolución: el ruido nocturno no sigue a la vida turística sino al tráfico, con los máximos sobre los grandes ejes viarios (la variante, Amara, el corredor ferroviario), no sobre las zonas de ocio. La segunda acusación tampoco se sostiene: quien quita el sueño en Donostia es, sobre todo, el coche.
Donostia Open Data: mapa estratégico de ruido nocturno (Lnight) 2022: contornos de iso-nivel reproyectados a WGS84 y simplificados para la web. Umbrales 55/60/65/70 dB (noche). El nivel de 50 dB, mucho más extenso, se omite para no saturar el mapa.
Son dos ciudades superpuestas y geográficamente separadas: el alojamiento turístico se concentra en Parte Vieja, Centro y Gros, mientras la ciudad vivida (escuelas, residentes) se reparte por la periferia. El turismo crece mucho más rápido que la hotelería tradicional, aunque buena parte de ese ×6 es actividad y adopción de plataforma, no camas nuevas: la oferta real apenas se movió. Cada zona vive el turismo a su manera: presión crónica de todo el año en el centro, dependencia del verano en la periferia. Y las dos acusaciones habituales salen absueltas con estos datos: que el turismo empuje al alquiler no quedó demostrado (el indicio direccional no superó el control por shocks comunes de año), y el ruido nocturno tampoco es suyo: lo dominan el tráfico y los grandes ejes viarios, no el ocio.
Capítulo 7 · La síntesis: qué se transforma
Donostia en transformación
Reuniéndolo todo, ¿qué barrios se transforman, y de qué manera?
Las historias anteriores describen fuerzas distintas: precio, velocidad, edad, turismo. El Índice de Transformación las reúne en un marco transparente y multi-definición. No lo llamamos «gentrificación», porque con estos datos no se puede demostrar (falta la rotación de residentes). Medimos transformación observable, con dos lecturas a la vista.
La primera es socioeconómica: un barrio se transforma si partía por debajo de la mediana de la ciudad y sube, más que la media, en estudios y alquiler. La segunda es presión turística (nivel de VUT + Airbnb + alquiler). El tercer mapa deja elegir el componente.
Índice de Transformación: tres lecturas en paralelo
Solo 13 barrios son clasificables (los periféricos no tienen renta/alquiler). Pasa el ratón por cada mapa.
1 · Clase socioeconómica
¿Se transforma «desde abajo»? Susceptibilidad + señales de estudios y precio.
2 · Presión turística
Nivel de VUT + Airbnb + alquiler (z-score: cada variable se expresa como desviaciones respecto a la media de la ciudad, para poder sumar magnitudes de unidades distintas). Rojo = más presión.
3 · Componente
Elige la pieza del índice.
Derivado: Índice de Transformación Urbana, analysis/transformation_index.py · docs/INDICE-TRANSFORMACION.md. Componentes a la vista, pesos iguales, año base 2016.
BlindajeEl índice usa pesos iguales. ¿El podio depende de esa elección? Con 1.000 combinaciones de pesos al azar, no, la comprobación, desplegada
Estabilidad del ranking bajo 1.000 pesos al azar
Cada barra recorre el rango de puestos (del mejor al peor) que ocupa el barrio al sortear 1.000 combinaciones de pesos entre los componentes del índice; el punto marca el puesto mediano. Barras cortas y arriba = posición robusta. El puesto 1 es el barrio más transformado (modo social) o de mayor presión (modo turístico).
analysis/index_sensitivity.py: 1.000 pesos Dirichlet (uniforme en el símplex, semilla 42); componentes en z-score, N=13 barrios. Loiola no baja del 3.º en lo social; Erdialdea es 1.º en presión turística el 100 % de las veces.
Lo más revelador aparece al cruzar las dos lecturas: no coinciden. Los centros turísticos (Erdialdea +2,48, Gros +1,39) lideran la presión turística pero salen consolidados en lo social: ya eran caros, no se transforman desde abajo. La transformación social ocurre en la periferia interior: Loiola es el único caso claro (score 1,02, «en transformación»), y Egia el incipiente de manual (el mayor aumento de universitarios de la ciudad, con el alquiler aún rezagado), aunque su trayectoria demográfica, más abajo, obliga a matizar su fama de barrio joven.
Dos transformaciones que no se solapan
Cada barrio situado según su transformación social (eje →) y su presión turística (eje ↑). Si ambos fenómenos fueran el mismo, los puntos caerían sobre una diagonal. No lo hacen.
Derivado: scores del Índice de Transformación. Correlación entre ambos ejes: r≈0,25 (débil). Color = clase socioeconómica.
Veinticinco años de trayectoria: cómo se mueve cada barrio
Cada línea es el recorrido de un barrio entre 2000 (círculo hueco) y 2025 (punto lleno) en el plano envejecimiento × universitarios, suavizado con media móvil de 3 años. En color, cuatro trayectorias con historia; en gris, el resto. Pasa el ratón por cualquier traza para identificarla y ver sus cifras de 2000 y 2025. Zubieta y Landerbaso quedan fuera (población mínima: sus trazas son ruido de denominador).
Padrón municipal 2000–2025 · analysis/trajectories.py. Gráfico estático generado desde analysis/output/trajectories_long.csv.
La trayectoria añade el matiz que la foto fija no da. En el eje vertical, la universitarización es una marea: sube en los 17 barrios con serie, ahí no hay historia diferencial. La historia está en cómo envejece cada uno: el grueso envejece (con Antiguo (+197 puntos) a la cabeza, más que el propio centro); los desarrollos nuevos rejuvenecen (Miramón-Zorroaga −218, Loiola −20, todo desde 2015, coherente con su llegada de migración joven); y Egia dibuja una V: rejuveneció entre 2000 y 2010 y desde entonces ha re-envejecido hasta superar su punto de partida. Su «momento joven» ya revirtió. Y la nube ni converge ni se dispersa (dispersión 1,36 → 1,28): la brecha estable que la historia 1 veía en renta se ve también en trayectoria.
Y por debajo de las dos transformaciones late una tercera constante, la que abría este relato: la tensión de vivienda. El esfuerzo alquiler/renta no es máximo donde el alquiler es más caro (el centro), sino en el este obrero (Altza, Egia, Intxaurrondo, en torno al 21 %), y es ahí, en esos mismos barrios densos, donde también se concentran la migración económica (r=−0,69 entre renta y origen latinoamericano) y la isla de calor de verano (Amara Berri y Egia +4 °C). Las presiones no se reparten por la ciudad: convergen sobre la misma geografía. Que la brecha de renta entre barrios siga plana no significa necesariamente que la carga se reparta: puede significar que quien deja de poder pagarla no aparece en un Gini que solo mira a los que se quedan (la posible «ilusión de equidad»).
Cuando las presiones se suman: el índice de convergencia
La prueba visual de esa frase. Suma tres capas normalizadas (z-score, pesos iguales, componentes a la vista): el esfuerzo de vivienda, la migración económica (cuota de origen latinoamericano + magrebí) y la isla de calor de verano. Rojo = las tres aprietan a la vez sobre el mismo barrio; azul = las tres aflojan. Pasa el ratón por el mapa o por una fila.
| Barrio | Esfuerzo | Migr. econ. | Calor | Convergencia |
|---|
Derivado nuevo y descriptivo: media de z-scores (pesos iguales) de: esfuerzo alquiler/renta, cuota de origen latino + magrebí (padrón) e isla de calor LST. N=10 barrios con las tres capas (la isla de calor por satélite falta en Antiguo, Ibaeta y Martutene). Es una síntesis visual de tres presiones ya contadas, no un índice causal nuevo; se calcula en el navegador desde los datos del propio documento. Correlación ≠ causalidad.
El contrapeso público: una ventana parcial
Izquierda: viviendas de las promociones de Etxebide por 1.000 habitantes (snapshot acumulado), una ventana parcial del parque protegido, no su censo (ver texto). Derecha: el esfuerzo alquiler/renta del capítulo 1 (2023).
Promociones Etxebide /1000 hab.
Esfuerzo alquiler/renta (%)
Open Data Euskadi: promociones de Etxebide (coords UTM + nº de viviendas, join punto→barrio) · esfuerzo alquiler/renta 2023. ⚠️ Solo promociones Etxebide (VISESA/Alokabide/Gob. Vasco), 1.120 viviendas: como máximo ~⅓ del solo parque de alquiler protegido de la ciudad (3.151 unidades, memoria de la zona tensionada, 2024); el patronato municipal (Etxegintza, 2.087 viviendas) no está en ningún dato abierto georreferenciado. Un «0» = cero en este registro. Proxy, snapshot.
¿Y el contrapeso público? Existe, y a escala de ciudad tiene número oficial: el alquiler protegido y los alojamientos dotacionales suman 3.151 viviendas, la cuarta parte de todo el alquiler ocupado del municipio (memoria de la declaración de zona de mercado residencial tensionado, 2024). Lo que no es público es su mapa completo por barrio: el grueso del parque lo gestiona el patronato municipal (Donostiako Etxegintza, 2.087 viviendas, «repartidas por la mayor parte de los barrios» según esa misma memoria) y no hay dataset abierto georreferenciado ni de ese parque ni del registro completo de VPO. La única ventana abierta son las promociones de Etxebide (izquierda): sus 1.120 viviendas se concentran en Loiola (22,3 por 1.000 habitantes), Amara Berri (18,7), Intxaurrondo (16,3) e Ibaeta (15,5), este obrero y periferia interior. Pero al cubrir como mucho un tercio del solo parque de alquiler, los ceros del mapa no son ceros de vivienda protegida: de dónde falta el contrapeso, este registro no puede decir nada. Queda como laguna declarada: la foto completa exigiría el parque de Etxegintza o el Registro de Vivienda Protegida georreferenciados, que hoy no se publican.
En Donostia, la presión turística y la transformación socioeconómica ocurren en barrios diferentes: el turismo se concentra en el centro ya acomodado; el cambio social, en la periferia interior susceptible (Loiola, Egia). Un único «índice de gentrificación» habría fundido los dos fenómenos y ocultado justo este contraste. La trayectoria de 25 años añade la tercera lectura: la universitarización es común a toda la ciudad; lo que de verdad distingue a los barrios es cómo envejecen. Y el hilo que recorre las siete historias es la tensión residencial: la presión se concentra en el este de renta baja (donde se solapan alquiler gravoso, migración económica y calor urbano), aunque quién acaba desplazado siga sin poder demostrarse con datos abiertos. El contrapeso público existe, pero su mapa completo por barrio no es público: la única ventana abierta (las promociones de Etxebide, ~⅓ de ese parque como mucho) apunta al este obrero, sin poder decir dónde falta.
Apéndice · percepción y datos
Lo que preocupa a la ciudad, contrastado con sus datos
Las siete historias miden la ciudad; este apéndice la escucha. En 2026 el Ayuntamiento preguntó a 1.213 vecinos qué les preocupa, y el podio quedó así: 1.º la vivienda, 2.º la inseguridad (que sube con fuerza) y 3.º el turismo, que entra nuevo al top-3 (un 82 % pide «que no crezca más»). Son percepciones; con los datos abiertos de este mismo proyecto se pueden contrastar una a una. A veces la percepción acierta (y a veces cuenta otra historia). Se comprueban aquí las tres preocupaciones del podio, más una cuarta que la propia encuesta señala: el ruido. Empezando por la que más ha cambiado.
Inseguridad: falso a largo plazo, real hace poco. La sensación de que «la seguridad ha bajado mucho» es falsa si se mira lejos: las familias que declaran algún problema de seguridad eran el 35,4 % en 1989 y bajaron hasta el 14,6 % en 2019. Pero el repunte reciente es real: 2024 sube al 21,5 %, y esta vez el delito acompaña. La serie oficial de criminalidad de Gipuzkoa estuvo plana toda la década de 2010 y sube un 34 % entre 2019 y 2024 (25.016 → 33.425 infracciones), tirada por el patrimonio y los hurtos (+30/+32 %) y por los delitos contra la libertad sexual (+78 %) y contra las personas (+53 %).
Percepción y realidad, esta vez, coinciden
Izquierda: % de familias que declaran algún problema de seguridad en la zona comarcal de Donostia (Eustat, cada cinco años). Derecha: infracciones penales conocidas en Gipuzkoa (provincia, no ciudad) (Portal Estadístico de Criminalidad). No hay «tijera»: cuando la percepción empeora (2019→2024), el delito real también.
Eustat: Encuesta de Condiciones de Vida (familias por grado de seguridad, zona Donostia-Bajo Bidasoa). Ministerio del Interior: Portal Estadístico de Criminalidad (Gipuzkoa). Análisis: analysis/perception_vs_crime.py.
El titular es de dos tiempos: la alarma «de toda la vida» no se sostiene (la ciudad se percibe hoy mucho más segura que en los años 80 y 90), pero el empeoramiento de los últimos años no es solo una impresión.
Observado / curado, ojo a la escala. La percepción es una encuesta (Eustat) de la zona comarcal de Donostia, cada cinco años. La criminalidad completa es de Gipuzkoa entera (Donostia ≈ un tercio de la provincia): es el telón de fondo regional de la tendencia, no el dato exacto de la ciudad. Ambas son de ciudad/provincia, no por barrio.Turismo: preocupa el stock, no el goteo de licencias. El turismo entra al podio justo cuando las altas de nuevas licencias de piso turístico están en mínimos: de 300 al año en 2017 a 18 en 2025. Lo que pesa no es el flujo de nuevas licencias, sino el stock acumulado (1.329 licencias y 5.706 plazas, en máximos) y el volumen: las pernoctaciones marcan récord (2,2 millones en 2025). Y ese volumen se reparte cada vez más por el calendario, como enseñan las dos figuras que siguen: el peso del verano cae del 36 % al 32 % y los meses de temporada baja crecen un 44 % más rápido que agosto (el heatmap); el turismo de congresos (récord de 259.000 congresistas en 2024) encaja como una de las causas de ese relleno, aunque sin calendario mensual de eventos no se puede aislar.
Estacionalidad turística: pernoctaciones por mes y año
Cada fila es un año (2005–2026), cada columna un mes. Verano intenso, franja pálida en 2020 (COVID) y meses de hombro calentándose con los años: la desestacionalización que percibe el vecino, medida.
INE EOH (tabla 2078): pernoctaciones España + extranjero. Solo establecimientos hoteleros: pensiones y apartamentos turísticos no incluidos.
Turismo de congresos (MICE): el relleno de la temporada baja
Congresos internacionales ICCA por año, y el récord de actividad de 2024: el candidato más claro a explicar por qué los meses de hombro del heatmap se van llenando.
DSS Convention Bureau / ICCA Statistics Report.
Ruido: es el tráfico, no el turismo. La encuesta del ruido señala como más ruidosos la Parte Vieja, Amara Berri, Egia, Gros y Añorga. Cruzados con los datos del proyecto, esos barrios coinciden con la isla de calor y con el ruido medido (correlaciones ≈ 0,7, la misma geografía del este denso), pero no con la densidad de pisos turísticos (≈ 0,47, y solo porque el centro turístico es además el más denso). Amara Berri, Egia o Añorga son ruidosos sin apenas turismo. Coincide con lo que el proyecto ya sabía (el ruido es de tráfico, no de turismo: es la absolución del mapa calle a calle del capítulo 6) y con lo que pide la propia encuesta: menos tráfico.
Vivienda: la presión no es uniforme, y ni siquiera se puede medir entera. El alquiler no sube igual en todas partes: entre los barrios con serie, el este obrero más barato sube más rápido (Loiola +48 %, Intxaurrondo +44 % de 2016 a 2024) que los barrios de alquiler ya caro (Erdialdea +29 %, Egia +28 %): converge en porcentaje, aunque la brecha en euros por metro persiste (véase el capítulo 1). Y hay un punto ciego: seis de los diecinueve barrios no tienen ningún dato de alquiler (Zubieta, Igeldo, Añorga, Miramón-Zorroaga y los dos exclaves rurales), porque su mercado de alquiler es demasiado pequeño para registrar contratos. Sobre ellos, sencillamente, no se puede afirmar nada: un registro parcial no es el universo.
Tomadas juntas, estas cuatro comprobaciones dicen algo más que «la percepción acierta o falla»: la ciudad detecta bien lo que ya tenía dato (inseguridad reciente, stock turístico, tensión de alquiler) y se equivoca sobre todo de foco, no de magnitud, atribuye al turismo un ruido que es de tráfico, y a un «ahora» lo que en seguridad es, en parte, una comparación con un pasado que ya había mejorado mucho. Es la misma disciplina que ha guiado las siete historias anteriores, aplicada esta vez a la vecindad en vez de al dato: contrastar antes de concluir.
Otros indicadores de ciudad que enmarcan estas historias sin entrar en ellas (recogida selectiva de residuos, fiscalidad municipal, gasto del turista...) no se cuentan aquí: están catalogados en la página de datos y se pueden explorar en el panel interactivo.
Epílogo · Los límites
Lo que los datos aún no pueden responder
Estas siete historias cuentan lo que los datos abiertos permiten contar, y se detienen exactamente donde los datos se detienen. Estas son las preguntas que quedan abiertas, y qué haría falta para responderlas.
¿Hay desplazamiento de residentes ("gentrificación")? No lo sabemos, pero el proxy que esta pregunta pedía ya está hecho. La descomposición por cohortes muestra que la pérdida de población del centro es vegetativa (Erdialdea atrae migración neta y aun así mengua) y que el éxodo de los 25–39 existe pero tiene nombre propio: Gros, el único barrio que pierde por las dos vías. Si hay desplazamiento, es selectivo, no un vaciado. Lo que sigue faltando para hablar de sustitución: microdatos de movilidad residencial (quién entra, quién sale y adónde va). Por eso este proyecto sigue hablando de transformación.
¿El turismo causa la subida del alquiler? Menos aún de lo que parecía. El indicio direccional (el turismo precede al alquiler ~1 año, r≈0,27) no sobrevivió al control por shocks comunes de año: descontada la marea macro que mueve a toda la ciudad a la vez, la correlación cae a ≈0,10 (p≈0,30). Y la segunda señal turística independiente (el flujo de licencias VUT del registro REATE, ajeno al sesgo de plataforma) ya se cruzó con el alquiler a grano ciudad (jul-2026): tampoco encuentra desfase significativo. Para reabrir la pregunta haría falta un grano más fino que el anual (alquiler o licencias trimestrales), que hoy no es público.
¿La desigualdad de verdad no crece? El Gini territorial estable solo mide la brecha entre barrios, y un segundo test independiente apunta igual: la beta-convergencia (comprobar si los barrios que partían más abajo crecen después más deprisa, que es como las brechas se cierran) no encuentra ni convergencia ni divergencia: el nivel de partida de 2016 no predice cuánto sube después un barrio. Pero la desigualdad dentro de cada barrio, y la de quien ya no puede vivir en la ciudad y se marcha, quedan fuera del radar: la estabilidad podría ser una ilusión de equidad.
¿Cuánto del boom de Airbnb es real? El ×6 desde 2016 mezcla turistas nuevos con adopción de plataforma: viajeros que antes usaban otros canales y una propensión a reseñar que creció con los años. El orden de magnitud es fiable; la cifra exacta, no.
¿Y las personas? Todo lo anterior describe barrios, no hogares. Ninguna correlación de este proyecto autoriza conclusiones sobre individuos (falacia ecológica): decir que "los barrios con más inmigración soportan más tensión de alquiler" no dice nada de ninguna familia concreta.
De estas preguntas salen cuatro hipótesis que datos mejores podrían poner a prueba: (1) la presión turística anticipa el alquiler en torno a un año; (2) la transformación turística y la social siguen geografías distintas; (3) la desigualdad entre barrios permanece estable mientras cambia quién puede permitirse cada barrio (y el mapa completo del contrapeso público (2.087 de las 3.151 viviendas de alquiler protegido son del patronato municipal) sigue sin publicarse a grano barrio: la única ventana abierta, las promociones de Etxebide, apunta al este obrero); (4) el centro pierde población (ya sabemos que por déficit vegetativo, no por expulsión) sin dejar de concentrar la actividad económica: y esa segunda mitad ya tiene dato (Donostia cuenta 1,20 empleos por residente ocupado (2024), es decir, importa trabajadores cada mañana).
Un proyecto de datos gana credibilidad diciendo dónde termina. Estas preguntas no son fallos: son las hipótesis que estos datos permiten formular y que datos mejores, microdatos de movilidad, series finas de alquiler, histórico de licencias, podrían responder.