Gentrificadores y Gentrificados
Como la Rosalía, los grandes tenedores de AirBnb han llegado para quedarse… o no.
Laura Bejarano Moreno | @lauraBejaranoM
Mucho se ha escrito sobre cómo en nuestras ciudades, en nuestros barrios, la maleta de mano ha sustituido a la vecina del quinto. Si has tenido la suerte (o sufrido el calvario) de vivir en Madrid capital, sabrás entender estas líneas. ¿Qué los mercados han desaparecido? ¡Pero si ahora podemos volver a comprar al peso! Entre grandes y cuquis sacos de harina, legumbres, superalimentos, todos colocados de forma minimalista, encuentras garbanzos Pedrosillanos a 5€/Kg. ¿Qué pagabas un alquiler en Lavapiés y has tenido que irte a Vallecas? ¡Enhorabuena! Has seguido a pies juntillas el consejo de Idealista. Relaxing, sigues estando dentro de la M-40.
Sabemos que esto de la gentrificación es como la Rosalía, ha llegado para quedarse. Pero por muchas fundas de oro que se ponga (bájale Rosalía, bájale), la catalana nunca hará tanto daño a nuestras tradiciones y a nuestra forma de entender y ocupar el espacio como la desposesión cultural generada por la gentrificación, que tiene como una de sus caras más visibles la proliferación de los pisos turísticos. Madrid se ha convertido en un parque de atracciones, pero esto, a algunos defensores morales del quejío, no parece perturbarles.
Analicemos estos pisos turísticos a través de la base de datos de Inside AirBnB. Es sabido que las ofertas en AirBnB no son todas iguales: la plataforma clasifica en 4 los tipos de alojamientos disponibles:
- Entire home/apt : El anfitrión no estará presente en el apartamento durante la estadía.
- Private room: El huésped ocupará una habitación privada, compartiendo el resto de espacios.
- Shared room: El huésped compartirá el dormitorio con otras personas.
- Hotel room: ¿Pero esto no iba de economía colaborativa?
Veamos qué pasa en Madrid, Nueva York y Barcelona, por esto de comparar entre diferentes territorios. A grandes rasgos la gráfica posterior muestra la composición de la oferta en la plataforma de cada uno de los territorios mencionados. Nótese que no hablo de ciudades: en el caso de Madrid los datos engloban toda la comunidad, en el caso de Barcelona toda la provincia.
¡Qué chorprecha! En Madrid, de 12.583 alojamientos un 61% de su oferta se concentra en apartamentos individuales. Muy por encima del 52% o del 44% de NY y Barcelona respectivamente. ¿Quién podría imaginar que la mayoría de oferta en Madrid era en apartamentos? Pero vamos a indagar quienes son los que poseen los apartamentos/habitaciones.
La base de datos permite analizar cuántos de estos pisos están asociados a un mismo propietario/host. No es muy complicado obtener este dato, pero no sirve con utilizar la variable que recopila el número de pisos que están asociados a cada host. Si bien esta variable recoge todos los pisos que tiene cada uno de los propietarios, curiosidades de la vida, muchos de ellos tienen pisos en diferentes ciudades… del mundo (Ver nota metodológica). Obviamente es muy posible que una empresa pueda captar diferentes propietarios individuales y ofertar sus pisos en AirBnB bajo un único host, lo que no quita que esta práctica siga siendo una perversión de la supuesta filosofía de la plataforma.
Volvamos a la chicha. Saquemos de la ecuación por un momento a aquellos propietarios que sólo ofertan una vivienda. En el caso de Madrid estos propietarios poseen el 45% de los apartamentos individuales de la plataforma. ¿Cómo se distribuye el 55% restante?
Bueno a ver, tampoco nos escandalicemos. Sí, el 15% de los apartamentos los acaparan propietarios/empresas que administran más de 20 pisos. No es tanto, ¿o sí? En números absolutos existen en Madrid un total de 7.021 propietarios. Teniendo en cuenta que el número de grandes tenedores con más de 20 viviendas es 42, sí, 42, estaríamos diciendo que el 0,59% de los hosts de AirBnB oferta el 15% de apartamentos en la plataforma, lo que equivale a cerca de dos mil pisos. TRA-TRA.
Ahora bien, veamos qué porcentaje de pisos poseen los grandes tenedores en Barcelona y Nueva York, entendiendo siempre que los grandes tenedores son aquellos que poseen más de 20 viviendas.
¡Madre del amor hermoso, Barcelona! 59 propietarios poseen 2.828 apartamentos, lo que se traduce, como puede verse en la gráfica, en el 31% del total de ofertas de apartamentos en AirBnB en la provincia. Hablamos de una media de casi 50 apartamentos por propietario/host/empresa/whatever. Sabemos que las medias tienen su aquél: si yo tengo 0 y tu 10, eso de tener una media de 5 a mí, representarme, lo que se dice representarme, pues mira, no. La mediana de apartamentos de los grandes tenedores en Barcelona es de 35.
Como decíamos anteriormente, existen propietarios que tienen pisos en diferentes ciudades del mundo. Tenemos la posibilidad de analizar el lugar de residencia de los diferentes propietarios. Al menos, la localización declarada. Encontramos que hay 4 propietarios en Madrid y Barcelona con más de 20 viviendas que declaran una localización diferente al estado español. Un francés, un filipino, un inglés y un israelí, esto parece un chiste. El porcentaje de todos los apartamentos de propietarios que declaran no residir en España es apenas el 5%. Por curiosidad, agrupemos por diferentes nacionalidades y veamos el número de pisos en términos absolutos por país de residencia.
Bueno, parece que los estadounidenses, aparte de crear la plataforma, participan activamente en el proyecto. Si antes de hacer este análisis me hubieran preguntado hubiera apostado por alemanes, ingleses o rusos, pero por el sesgo que tengo de veranear en Alicante.
Hasta ahora sólo hemos analizado los apartamentos, pero veamos qué ocurre con las habitaciones. Una práctica habitual de los propietarios que especulan con la vivienda consiste en adquirir pisos y dividirlos. Con una pequeña reforma dividen un apartamento en dos o tres mini apartamentos. Et voilá, duplican beneficios. En el caso de las habitaciones, los propietarios muchas veces alquilan todas las habitaciones de una vivienda.
Con los datos que disponemos no podemos saber, al menos a mí no se me ocurre la manera, si las habitaciones ofertadas corresponden a un único piso. Es decir, si se alquilan todas las habitaciones de un piso sin que el propietario viva en él. Podríamos usar los datos que georeferencian las habitaciones, pero dado que es posible que un solo propietario posea diferentes pisos o habitaciones en un mismo bloque, no estaríamos realizando un cálculo correcto. Además muchos propietarios no muestran la georreferencia precisa. Sea como fuere, y puesto que nuestro interés se centra en saber cómo se concentra el mercado de AirBnB en función del tipo de propietario, para el caso de las habitaciones utilizaremos el proxy de 5 habitaciones ofertadas por propietario.
Todo correcto: Madrid duplica a Nueva York en el porcentaje de habitaciones que poseen aquellos propietarios con más de 5 habitaciones, mientras que los propietarios en Barcelona que alquilan entre 2 y 5 habitaciones están más de 10 puntos por encima de NY o Madrid. Vamos, que la concentración de grandes tenedores tanto de apartamentos como de habitaciones es bastante superior a la ciudad estadounidense, la marca España gana al Imperio.
Creo que esta entrada me está quedando un pelín larga, pero no quiero dejar de georreferenciar los datos. La verdad, si os interesa, es que la base de datos te permite hacer mil cosas. Como no tenemos una variable como tal en la que se contemple la fecha de entrada de los apartamentos o habitaciones en la plataforma de en AirBnB utilizaré la fecha de la primera review para ver la evolución en el crecimiento de las ofertas. Este proxy es extremadamente conservador, dado que en primer lugar no todos los apartamentos tienen reseñas y, en segundo lugar, no podemos saber cuánto tiempo pasa desde que el apartamento es ofertado en la plataforma hasta que recibe su primera reseña. Puesto que se trata de una plataforma que premia la interacción con los usuarios, es de esperar que estas reseñas se produzcan de manera temprana. Para minimizar el posible desfase agrupamos las primeras reseñas por años. De esta forma, nuevamente de manera conservadora, nos aseguramos dar un tiempo excesivamente prudencial entre la entrada del apartamento en la plataforma y la recepción de la primera review.
Pues… pese a lo conservador del proxy, no se ve un carajo. La marabunta de puntos engulle el nombre de las dos ciudades, extendiéndose hacia la periferia. Sin quererlo, ha quedado una metáfora estupenda. Al utilizar el proxy de las reviews nos cargamos de un plumazo 4.167 de los 21.646 apartamentos que hay en Barcelona y Madrid. Estos apartamentos son aquellos que no tienen reseña, así que imaginaos estos gif con cuatro mil puntos más.
Veamos qué pasa con los grandes tenedores. Entre Madrid y Barcelona los grandes propietarios acumulaban un total de poco más de 4.800 apartamentos, ahí es nada. Al aplicar el proxy conservador para poder calcular el número de pisos por año que ingresan estos grandes tenedores nos dejamos 1.200 apartamentos por el camino que no tienen reseña.
Mientras que la incorporación de pisos en Barcelona ha sido más progresiva, ya que hasta el 2017 los grandes tenedores poseían un 52% de los pisos que tienen en la actualidad, la acumulación en Madrid se ha producido principalmente entre 2018 y 2019. Con esto no quiero decir que lo acontecido en Barcelona sea menos hiriente: que el 48% de los pisos de los grandes tenedores en Barcelona se concentren en 2018 y 2019 a mí me parece una salvajada, pero es que en el caso de Madrid este porcentaje asciende al 64%. Me quedo sin adjetivos. Vamos, que en Madrid la concentración de grandes tenedores se ha hiperacelerado en los últimos dos años y eso que el proxy está calculado a la baja, infravalorando la acumulación.
No me resisto a hacer un último mapa. Esto de escribir como si se lo estuviera contando con un vinito a mis amigas me motiva mil veces más que cuando el yugo del lenguaje académico está sobre mi cabeza. Al tema, ¿qué barrios son los favoritos de los grandes tenedores en Madrid capital? . Usando el proxy conservador para ver su evolución en el tiempo, el centro no defrauda. (Os debo el de Barcelona. Si queréis tener el mapa interactivo, pedidlo sin problema)
Creo que nunca he tenido la aspiración de vivir dentro de la M30, quizás dentro de la M40 sí. Siendo de la periferia de la periferia, os veo venir en hordas hacia las afueras re-descubriendo el tren a las 8 de la mañana. Lo del transporte público fuera de la M40 da para otro artículo. Sea como fuere, en Mordor sois bienvenidos, aunque esto no va de hospitalidad periférica, va de reflexionar sobre qué ciudades queremos y para quién se está legislando.
Que en los últimos dos años los grandes tenedores, pudiendo ser individuales pero actuando colectivamente agrupándose en empresas, hayan duplicado el número de apartamentos en la plataforma, tal vez debería hacernos reflexionar.
Unos gentrifican y otros son los gentrificados. Unos tienen el derecho a hacer negocio y a otros se les priva del derecho a la ciudad. La lucha por la apropiación física y simbólica del espacio. Nada nuevo bajo el sol de quienes mostrando brilli brilli terminan entarquinando.
Nota Metodológica
Cálculo de número de apartamento por host:
Existen diferentes variables en la base de datos que nos permiten una aproximación al número de ofertas que tiene cada propietario en la plataforma. Las que más se aproximan son las denominadas “calculate_host_listings”, ya sea de pisos o de habitaciones. El problema de estas variables es que he encontré divergencias con algunos grandes tenedores. En ocasiones estos tenedores tienen pisos en diferentes ciudades pudiendo ser la causa de estas diferencias.
Para saber exactamente cuántos pisos tiene cada propietario se genera una nueva variable que suma el número de veces que aparece la variable denominada “host_url” . Esta variable recoge la url del propietario en la que se encuentran los pisos que oferta en la página. Como las bases están segmentadas por territorios, al sumar todas las veces que aparece esta variable obtenemos el número de ofertas que cada propietario tiene en cada uno de los territorios que analizamos, sin que se pueda haber errores de duplicidad. En mi caso utilicé esta variable pero bien podría haberse usado otra, como la “id_host” sin que varíen los resultados.
Aquí os podéis descargar las diferentes bases. La fecha en la que se descargaron los datos para hacer este análisis fue el 25 de noviembre de 2019.
