Segmentación y caracterización de los operadores de agua y saneamiento en México
DOI:
https://doi.org/10.24850/j-tyca-2026-04-02Palabras clave:
servicios públicos, abastecimiento de agua, saneamiento, análisis estadístico, análisis de datos, MéxicoResumen
Este estudio examina la estructura y el desempeño de los organismos operadores de agua potable y saneamiento en México, utilizando datos abiertos del INEGI y técnicas de aprendizaje automático no supervisado. Se aplicó un análisis de componentes principales para identificar las variables operativas más representativas, seguido de la implementación del algoritmo K-means, con el cual se agruparon los organismos operadores en categorías homogéneas según sus características estructurales y operativas. El análisis dio lugar a siete clústeres con características diferenciadas. Los tres primeros clústeres agrupan al 88 % de los organismos, caracterizados por bajos ingresos, limitada infraestructura y ubicación en municipios con muy alta, alta o media marginación. Estos presentan coberturas promedio de entre 72.9 y 82.6 % en agua potable, y entre 69.1 y 76.5 % en drenaje, con ingresos per cápita inferiores a $325 pesos anuales. Los clústeres 4 y 5 evidencian mejoras en cobertura y eficiencia operativa, con poblaciones atendidas más amplias, mejor infraestructura e ingresos de hasta $916.96 pesos per cápita. El clúster 6 está integrado principalmente por organismos de tipo estatales, muestra coberturas superiores al 95 % y el doble de ingresos respecto al clúster 5. Por último, el clúster MC, conformado por 20 organismos operadores localizados en urbes de gran escala, presenta los mejores indicadores: coberturas superiores al 97 % e ingresos per cápita promedio anuales de $1 625 pesos. Los resultados obtenidos permitieron identificar características comunes dentro de cada grupo, proporcionando información valiosa para el diseño de políticas públicas y estrategias de mejora adaptadas a las condiciones específicas de cada segmento.
Referencias
Alarcón, J., & Corona, R. (2018). La (in)capacidad institucional para una gestión eficiente y de calidad del agua en las ciudades mexicanas. En: Instituto Mexicano para la Competitividad (IMCO) (ed.). Califica a tu alcalde: manual urbano para ciudadanos exigentes (pp. 71-77). Recuperado de https://imco.org.mx/wp-content/uploads/2018/11/m.La-incapacidad-institucional-ICU-2018.pdf
Arellano-Gault, D., & Blanco, F. (2013). Políticas públicas y democracia (primera edición). Instituto Federal Electoral. https://archivos.juridicas.unam.mx/www/bjv/libros/8/3565/1.pdf
Beltrán-Reyna, N. (2019). Propuesta metodológica para estudiar los sistemas de información en los organismos operadores de agua potable. En: Perló, C. M., & Zamora, S. I. (eds.). El estudio del agua en México. Nuevas perspectivas teórico-metodológicas (pp. 117-150). Universidad Nacional Autónoma de México-Instituto de Investigaciones Sociales. https://ru.iis.sociales.unam.mx/handle/IIS/5691
Chevez, C. R., Pinell, F., & Mejía, Q. Á. A. (2023). Simulación del proceso de recarga para aguas subterráneas utilizando redes neuronales artificiales como método de aproximación en el acuífero Las Sierras, Nicaragua. Revista Torreón Universitario, 12(33). https://doi.org/10.5377/rtu.v12i33.15896
Conapo, Consejo Nacional de Población. (2022). Datos abiertos del gobierno de México. Obtenido de Índice de Marginación y Carencias Poblacionales por Localidad, Municipio y Entidad 2020. https://www.gob.mx/conapo/documentos/indices-de-marginacion-2020-284372
Hernández, P. (2024, 12 de julio). Estos son los desafíos que enfrentan los organismos operadores en México. Asociación Nacional de Entidades de Agua y Saneamiento (ANEAS). http://www.aneas.com.mx/noticia-10/
INEGI, Instituto Nacional de Estadística y Geografía. (2023). Censo nacional de gobiernos municipales y demarcaciones territoriales de la Ciudad de México. https://www.inegi.org.mx/programas/cngmd/2023/
Jain, A. K. (2010). Data clustering: 50 years beyond K-Means. Pattern Recognition Letters, 31(8), 651-666. https://doi.org/10.1016/j.patrec.2009.09.011
Jolliffe, I. T. (2002). Principal component analysis (2nd ed.). Springer-Verlag.
Jolliffe, I. T., & Cadima, J. (2016). Principal component analysis: A review and recent developments. Philosophical Transactions of the Royal Society Mathematical, Physical and Engineering Sciences, 374(2065). https://doi.org/10.1098/rsta.2015.0202
Klien, M. (2017). Statistical analysis: Global study on the aggregation of water supply and sanitation utilities. https://doi.org/10.1596/27981
Matplotlib Development Team. (2025). Matplotlib (3.10.0) [Software]. https://matplotlib.org
Pedregosa, F., Varoquaux, G., Gramfort, A., Michel, V., Thirion, B., Grisel, O., Blondel, M., Prettenhofer, P., Weiss, R., Dubourg, V., Vanderplas, J., Passos, A., Cournapeau, D., Brucher, M., Perrot, M., & Duchesnay, É. (2011). Scikit-learn: Machine learning in Python. Journal of Machine Learning Research, 12, 2825-2830. https://www.jmlr.org/papers/volume12/pedregosa11a/pedregosa11a.pdf
Python Software Foundation. (2025). Python (3.12.11) [software]. https://www.python.org/
Salazar, A., & Lutz, A. N. (2015). Factores asociados al desempeño en organismos operadores de agua potable en México. Región y Sociedad, 27(62), 5-26. https://doi.org/10.22198/rys.2015.62.a36
Soares, D. (2021). El agua en zonas rurales de México. Desafíos de la Agenda 2030. Entre Diversidades. Revista de Ciencias Sociales y Humanidades, 8(2), 191-211. https://doi.org/10.31644/ed.v8.n2.2021.a09
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Tecnología y ciencias del agua

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Por Instituto Mexicano de Tecnología del Agua se distribuye bajo una Licencia Creative Commons Atribución-NoComercial-CompartirIgual 4.0 Internacional. Basada en una obra en https://www.revistatyca.org.mx/. Permisos que vayan más allá de lo cubierto por esta licencia pueden encontrarse en Política editorial