Cómo se construyen estos datos

Son 23 fuentes de contratación (la plataforma estatal, la europea, las autonómicas y las de ayuntamientos) y el BORME (Registro Mercantil), que sirve para enriquecer. Pulsa cada una para ver qué cubre, de cuándo es, cómo publica el IVA y qué no tiene. Las 6 de Cataluña van juntas en una ficha.

• Estatal y europea 2
• Autonómicas 19
• Ayuntamientos 2
• Enriquecimiento 1

Estatal y europea

Autonómicas por orden alfabético

Ayuntamientos

Los contratos menores del Ayuntamiento de Barcelona están en la ficha de Cataluña.

Enriquecimiento

27.464.738 contratos. Cuánto trae cada fuente, de qué años (de 1990 a hoy: los años imposibles de algunas filas no cuentan), cuántos traen el NIF del adjudicatario y el importe, y cuántos no cuentan en las sumas. En vivo, de mayor a menor.

«Con NIF del adjudicatario»: filas con un NIF identificable de una empresa o de una persona (un NIF español válido que no sea de relleno o un identificador extranjero con prefijo de país, sección 7); sin él, el contrato está en el buscador pero no se puede agrupar por empresa. «Fuera de las sumas»: se enseñan con el importe publicado y su marca, pero no cuentan (sección 6).

BORME

9.254.668 actos y 17.101.151 cargos, de 2009 a 2026, con los cargos seudonimizados. Es enriquecimiento: no tiene contratos.

Calidad

Un análisis de calidad de la PLACSP publicado como datos, no en el buscador: el fichero del release es todavía el de v2026.02 (8.693.891 filas) (sección 4).

Ver la cobertura por comunidad autónoma

El mapa de la portada

Colorea cada comunidad y ciudad autónoma por sus contratos en la web (o sus publicaciones, en la vista de todas las fuentes), los mismos que la cobertura por comunidad y que el filtro de comunidad del buscador, al que lleva cada una. La comunidad de un contrato no es la de su órgano: en la PLACSP y el TED es la del lugar de ejecución (el código NUTS que publican); en las fuentes autonómicas y en las de ayuntamientos, la de la fuente. Los contratos sin ninguna de las dos no están en el mapa. Las que no tienen fuente autonómica van rayadas. Los cortes de color se calculan con los datos: los números redondos más cercanos a los quintiles. Lo que no es de una comunidad (la plataforma estatal, el TED, los ayuntamientos y el BORME) va al lado.

Las formas son una obra derivada de las Líneas límite municipales del Instituto Geográfico Nacional (IGN), distribuidas por el CNIG con licencia CC BY 4.0 (ign.es), tomadas de la versión 0.6.0 de es-atlas (Martín González, licencia MIT). Para esta web se han proyectado con una cónica conforme de Lambert y simplificado (unos 17 KB en total); Canarias va en su recuadro, y Ceuta y Melilla, que a esta escala serían un punto, como un círculo. Gibraltar no se dibuja.

Huecos conocidos

• Cobertura territorial parcial

  Las comunidades y ayuntamientos con fuente propia son los de la tabla; el resto se cubre vía la PLACSP, por adhesión. El periodo de cada fuente es el que publica.

• Menores de la PLACSP antes de 2018

  Solo desde 2018, cuando entró en vigor la obligación de publicarlos.

• Ayuntamientos no adheridos a la PLACSP

  Sus contratos no aparecen, salvo que una plataforma autonómica los recoja.

Lo que hace la web hoy

Los contratos se vinculan entre fuentes y, por defecto, cada uno cuenta una vez. Un mismo contrato puede publicarse en varias plataformas: en una autonómica y en la PLACSP (que agrega las de Madrid, Andalucía, Cataluña, Euskadi y otras), o en el TED y en la PLACSP. Con cada actualización, el proceso de datos enlaza las publicaciones de un mismo contrato, de la prueba más segura a la menos: la misma publicación de origen; el mismo expediente con el NIF o el nombre de la empresa y el importe; el mismo NIF, importe y fecha; y, con el TED, la empresa, el órgano, el importe y el año, o la suma de los lotes de un aviso. Entre las publicaciones de un contrato cuenta una: la que tiene un importe que cuenta; si empatan, la que publica importe; después, la fuente preferida (la plataforma de origen, la agregación de la PLACSP, los registros regionales, los subconjuntos y, al final, el TED). El TED es la excepción: aunque su importe cuente, solo cuenta en lugar de otra publicación si la web corrige el importe de esa y lo deja fuera de las sumas (inverosímil, que no cuadra con su aviso…); frente a una sin importe, con 0 € o con el tope de un acuerdo marco repetido en cada empresa, cuenta la otra, porque el TED repite ese tope sin marcarlo.

La vinculación no encuentra todas las copias. Los niveles que no se apoyan en la misma publicación de origen piden el expediente o el órgano; si una de las dos publicaciones no trae ninguno de los dos, no se enlaza con la otra aunque coincidan la empresa, el importe y la fecha, y ese contrato cuenta dos veces también en la vista sin duplicados. Se ve sobre todo al ordenar por importe: si dos tarjetas seguidas parecen el mismo contrato, la ficha de cada una dice si está enlazado con otras fuentes («Este contrato en otras fuentes»).

Cada página con cifras tiene un conmutador con dos vistas:

• Sin duplicados, la de por defecto: cuenta las adjudicaciones (un contrato, o un lote adjudicado a una empresa) que no son copia de otra fila: ni de su misma fuente (sección 7), ni de otra fuente según la vinculación, ni de una fuente entera que es copia de otra (los menores de Cataluña, copia de la PSCP). Las prórrogas, liquidaciones, modificaciones, pagos, desiertos y licitaciones sin resultado se cuentan aparte.
• Todas las fuentes (?cuenta=todas): cada publicación de cada fuente, tal como se sirve. Es la suma bruta: un contrato publicado en dos fuentes cuenta dos veces. Las cifras de esta página que describen las fuentes (cobertura, marcas de importe, fechas) cuentan así.

Nada se borra. Con «Todas las fuentes», el buscador enseña cada copia con la publicación del mismo contrato que cuenta en las sumas («Copia · cuenta la de …») o, si no cuenta ninguna, lo dice. La ficha de cada contrato dice en cuántas fuentes está (y cuántas publicaciones, si son más), cuál cuenta en las sumas y por qué no cuentan las demás («Este contrato en otras fuentes»).

Con el BORME solo se cruza el perfil mercantil de las fichas de empresa, por el nombre (lo avisa la propia ficha). Los datos de cada fuente se sirven normalizados, con las marcas de importe de la sección 6.

PLACSP y TED: publicación de los contratos SARA Análisis fuera de la web

Los contratos por encima de los umbrales europeos (SARA) deben publicarse en el TED. Un proceso cruza las dos fuentes con 5 criterios, uno tras otro, para encontrar contratos SARA sin anuncio en el TED. Los resultados se publican como conjunto de datos (crossval_sara_v2.parquet), pero la web no los muestra todavía.

Umbrales SARA por bienio

Los umbrales de publicación obligatoria no son fijos: cambian por bienio, tipo de contrato y tipo de comprador (Administración General del Estado, resto o sectores especiales).

Cinco criterios de cruce, uno tras otro

Cada criterio actúa solo sobre los contratos que los anteriores no encontraron; el más ambiguo va al final.

Lo más relevante: el criterio E3 (NIF del órgano) es el que más coincidencias encuentra, el 17,6 % del total: más que cualquiera de los otros por separado, aunque menos que los otros cuatro juntos (22,6 %). Sin él se perdería casi una de cada cinco coincidencias.

Contratos encontrados en el TED, por año

Por año, en el cruce de v2026.02:

La caída de 2020 a 2023 no se puede atribuir a la COVID ni a los órganos: en v2026.02, los avisos del TED de esos años venían de su API sin adjudicatario ni importe (un error nuestro, corregido en v2026.10, que los lee del CSV masivo), y sin importe no casa ningún criterio.

Sector salud

La salud es el 17 % de los contratos SARA, con un 42,3 % encontrado en el TED. El 38 % de lo no encontrado se explica por los lotes: un único anuncio del TED corresponde a varias adjudicaciones en la PLACSP. Contando los lotes, en ese cruce ronda el 54 %.

Órganos con más contratos SARA sin anuncio encontrado en el TED en el cruce de v2026.02 (aproximado y con los errores del aviso de arriba: no quiere decir que no se publicaran):

PLACSP y BORME: señales de riesgo Análisis fuera de la web

Otro proceso cruza el BORME con la PLACSP para calcular 5 señales. Son indicios que hay que comprobar, no irregularidades. Los resultados se publican como conjunto de datos y todavía no se aplican en el explorador.

1. 1Empresa recién creada

   Constituida menos de 6 meses antes de la adjudicación.

2. 2Capital muy bajo

   Capital social de menos de 10.000 € con contratos de más de 100.000 €.

3. 3Administradores compartidos

   El mismo código de persona administra empresas competidoras (el código sale del nombre: dos personas que se llaman igual cuentan como una).

4. 4Disolución tras la adjudicación

   Disuelta menos de 12 meses después de cobrar.

5. 5Adjudicación en concurso

   Empresa en concurso de acreedores que recibe contratos.

Cada indicador es una columna de verdadero o falso, y cada licitación tiene una puntuación agregada (score_calidad). El fichero trae 20 indicadores: los 14 de la parte de calidad del dato del marco de Hay Derecho que el README publica con su cifra corregida (la tabla de abajo) y 6 comprobaciones básicas que no publica con ella: INT-VAL-03 (importe mínimo plausible), INT-VAL-04 (número de licitadores es entero), INT-VAL-05 (número de licitadores no negativo), INT-VAL-06 (fecha de publicación en formato válido), INT-VAL-10 (código territorial válido) y INT-FIA-11 (trazabilidad mínima del expediente).

Licitaciones que no pasan cada indicador

No pasar un indicador no es siempre un error del órgano: una licitación aún sin adjudicar no tiene importe, fecha ni NIF del adjudicatario, y un adjudicatario extranjero no tiene NIF español.

Menores y regulares

Los contratos menores (3,2 M de licitaciones) tienen un perfil de calidad muy distinto del de los regulares (1,5 M):

La Fundación Hay Derecho publica un Sistema de Indicadores de Transparencia en Contratación Pública que evalúa el cumplimiento legal y la calidad de los datos que publican las administraciones. Es el marco más completo y exigente que existe en España para medir la transparencia de la contratación. Define 110 indicadores en tres criterios con pesos distintos:

Puntuación total = 0,5 × legal + 0,3 × calidad + 0,2 × buenas prácticas

Cada indicador da un resultado por contrato (presente o ausente, válido o no) y uno por organismo (el % de sus contratos que lo cumplen).

Por qué importa este marco

• Es la referencia más exigente

  Combina la base legal (LCSP, LTAIBG) con las buenas prácticas de los países que mejor lo hacen.

• Permite comparar organismos

  Hoy es muy difícil decir si el SAS publica mejor o peor que el SERMAS; con la puntuación de Hay Derecho sería un número comparable.

• Saca a la luz la opacidad estructural

  Los indicadores de buenas prácticas miden lo que no es obligatorio pero se puede hacer: qué organismos van más allá de la ley.

• Es sólido

  Cada indicador tiene su base legal, su descripción, su fase del ciclo de vida y sus resultados por contrato y por organismo, definidos formalmente.

Cada contrato se sirve con el importe que publica su fuente. Al lado, el proceso de datos calcula un importe corregido, que es el que se usa para sumar, ordenar y filtrar por importe (buscador, explorador y portada). Al ordenar por importe sin texto, primero van los contratos cuyo importe cuenta y detrás, tras un separador y por su importe publicado, los que no cuentan (con las marcas de abajo y los de más de 1.000 M€). Las reglas son las mismas que aplica el repositorio de descarga a la PLACSP (issue #22).

En total, 212.707 contratos se enseñan con el importe publicado pero no cuentan en las sumas: 70.414 importes que no cuadran (inverosímiles, repetidos, que no cuadran con su aviso o de más de 1.000 M€) y 142.293 copias de otra fuente, que no son importes que no cuadren: su contrato ya cuenta en la fuente que copian.

Cada marca sale en la web junto al importe, con la misma etiqueta que aquí. Los recuentos son en vivo:

• Corregido ×100166 contratos

  Coma decimal perdida (×100)

  Si la adjudicación sin IVA es 100 veces el presupuesto y, dividida entre 100, tiene las mismas cifras que el presupuesto (desde 1.000 €) o queda entre el 50 % y el 105 % de él (desde 10.000 €), se corrige: cuenta la centésima parte.

  Cuenta, con el importe corregido
• Corregido ×1.00026 contratos

  Coma decimal perdida (×1.000)

  La misma regla con 1.000: la adjudicación sin IVA es 1.000 veces el presupuesto y, dividida entre 1.000, tiene sus mismas cifras o queda entre el 50 % y el 105 % de él. Cuenta la milésima parte.

  Cuenta, con el importe corregido
• Inverosímil119 contratos

  Inverosímil

  Una adjudicación de 100 veces el presupuesto o más, sin corrección fiable.

  Ejemplo real: la Gerencia Regional de Salud de Castilla y León publica una sala de rayos X licitada por 400.000 € con una adjudicación de 122.972.604.950,25 €.

  No cuenta en las sumas
• Importe repetido65.502 contratos

  Importe repetido

  En un acuerdo marco, algunas fuentes (PLACSP, Comunidad de Madrid, TED) ponen en cada empresa adjudicataria el tope del lote o del acuerdo, o repiten el total de la licitación en cada lote. Si la suma de esas filas no cabe en el presupuesto (en el TED, en el valor total del aviso) y sí contando el importe una vez, cada fila se sirve con el importe publicado, marcada como repetida. En el TED también se marca la misma oferta de un acuerdo marco o de un sistema dinámico de adquisición que sale en cada contrato basado en ella.

  No cuenta en las sumas
• No cuadra con su aviso4.733 contratos

  No cuadra con el total del aviso (TED)

  La oferta ganadora que pasa del valor total del aviso que la publica: no se sabe si es el importe del contrato, un valor estimado o un error de origen. En un aviso de varias adjudicaciones, la que pasa del total en más de un 21,5 % (el IVA más alto) y no se repite en otra; en un aviso de una sola, la que pasa del total sin la proporción de un IVA (21 %, 10 % o 4 %).

  Ejemplo: en el aviso 539087-2026 del TED, una oferta de 1.530.320 € en un aviso con un valor total de 131.545,02 €.

  No cuenta en las sumas
• Copia de otra fuente142.293 contratos

  Copia de otra fuente

  Filas que copian publicaciones que la web ya sirve desde otra fuente: los contratos de «Catalunya (menores)», que vienen de la plataforma de contratación de Cataluña (PSCP). Se enseñan como se publicaron; los que cuentan son los de la PSCP.

  No cuenta en las sumas
• Más de 1.000 M€60 contratos

  Más de 1.000 M€

  Por defecto, los contratos con un importe corregido de más de 1.000 M€ no cuentan en las cifras: suelen ser acuerdos marco con el tope de varios años o erratas de la fuente. En el explorador se pueden incluir marcando «Incluir importes de más de 1.000 M€» en los filtros; mientras están incluidos, lo recuerda una etiqueta en la barra de filtros activos.

  No cuenta, salvo que se incluyan en el explorador

• Presupuestos de menos de 1.000 €

  Con un presupuesto sin IVA de menos de 1.000 € la adjudicación no se toca: suele ser un precio unitario o simbólico. Si el presupuesto es con IVA o la fuente no dice si lo lleva, una adjudicación de 100 veces el presupuesto o más sí queda fuera de las sumas.

Cada fila corregida o fuera de las sumas lleva su motivo en las descargas de la web (columna correccion_imp_adj, sección 10). La lista completa (outliers.parquet) es del proceso de datos de la web y todavía no se publica.

IVA

Cada importe se sirve tal como lo publica su fuente, con o sin IVA, y la web lo dice junto al importe:

con IVA sin IVA IVA no consta

Las sumas mezclan importes con y sin IVA de fuentes distintas, y la diferencia puede llegar al 21 %: la portada y el explorador lo avisan. Cómo publica el IVA cada fuente está en su ficha (sección 1), medido sobre los datos.

Cómo se escriben los importes

Un importe en euros (€) se escribe exacto, al euro, sin céntimos. Uno en millones (M€) o en billones va redondeado a la última cifra que se ve, y la unidad lo dice. El importe de cada contrato, con sus céntimos, está en su ficha y en las descargas.

PYME

En el explorador, una empresa es PYME si lo es en la mayoría de sus adjudicaciones que lo indican (todas sus adjudicaciones, no solo las filtradas). Una sola fila no basta: una fuente puede marcar como PYME a una gran empresa en algunas adjudicaciones. Los proveedores de un órgano o de un sector, y su % PYME, se cuentan por su NIF identificable (sección 7): los contratos sin él no tienen proveedor.

Fechas: contratos sin fecha y años imposibles

El campo year de los datos unificados es la clave de partición con la que el proceso de datos reparte los contratos. Un contrato sin fecha (ni de adjudicación, ni de publicación, ni el ejercicio que declara la fuente) va a la partición year=9999. Ese 9999 no es un dato: equivale a un valor vacío, que el formato Parquet no admite como clave de partición. Se deja así en los datos descargables para que se pueda ver qué contratos no traen año y de qué fuente son.

En la web solo cuentan los años verosímiles, de 1990 a hoy: los periodos de las fuentes, las fichas y el explorador, el filtro de año del explorador y la faceta de año del buscador. Los contratos sin fecha o con un año imposible (una errata de la fuente, como 2029) se sirven tal cual, pero no dan periodos, y al ordenar por fecha van al final. Si una ficha no tiene ningún año verosímil, su periodo sale como «—».

Volumen, en vivo: 175.814 contratos sin fecha y 97 con un año fuera de 1990–2026.

Cada fila tiene una clave estable dentro de su fuente. Todas se sirven. Sin duplicados (la vista por defecto) no cuentan las copias: las de otra fuente, que encuentra la vinculación (sección 3), y las copias dentro de su fuente; con «Todas las fuentes», cuentan todas las filas.

Copias dentro de su fuente: la misma adjudicación publicada dos veces en una misma tabla, solo donde está medido. El registro de contratos de Cataluña inscribe los menores del ICS con dos organismos (el código de su gerencia y el de sus hospitales), y el TED repite adjudicaciones en avisos posteriores. Cuenta la primera; las demás llevan la marca de copia y no cuentan sin duplicados. En la última actualización, 185.968: 184.544 en Catalunya (Registre) y 1.424 en DOUE (TED). Las filas con la misma empresa, órgano, fecha, importe y expediente no son copias por sí solas: casi siempre son lotes distintos del mismo expediente con el mismo importe, y cuentan.

• id_canonical

  El identificador único de cada fila: fuente, tabla y clave de la fuente. Un mismo contrato publicado en dos fuentes (por ejemplo, uno de Osakidetza en Euskadi y en la PLACSP por agregación) tiene dos identificadores: cuenta dos veces con todas las fuentes y una sin duplicados.

• NIF normalizado e identificable

  El NIF se normaliza (mayúsculas, sin espacios ni guiones) y se comprueba su letra de control; se guarda también tal como lo publica la fuente. Para agrupar por empresa (explorador, fichas, proveedores, «Con NIF») solo cuenta un NIF identificable: un NIF español válido que no sea de relleno (los de siete ceros, como A00000000) o un identificador extranjero con prefijo de país (FR…, PT…, NL…), que no tiene letra de control española. Los comodines de algunas fuentes («0», «UTE», «XXXXXXXXX»…) no agrupan: esos contratos están en el buscador, pero no en el explorador. Un adjudicatario de relleno, cuyo nombre no identifica a nadie aunque el NIF sea válido («VARIOS», «33 EMPRESAS ADJUDICATARIAS», «VER RELACIÓN ADJUNTA»…), se enseña como se publica y sin enlace a una ficha de empresa; con la próxima actualización de los datos tampoco contará como empresa en el explorador.

• Nombres normalizados

  La razón social en mayúsculas, sin tildes y sin la forma jurídica final (como «S.L.»), para juntar las maneras de escribir el mismo NIF.

• Órganos sin NIF

  El NIF del órgano solo viene en una de cada cinco filas: sin él, los contratos de un órgano se agrupan por su nombre normalizado (mayúsculas, sin tildes ni signos). Puede juntar órganos distintos que se llamen igual; la ficha lo avisa.

• Órganos con un NIF compartido

  Un órgano con NIF lleva el nombre más frecuente de sus contratos. Si muchas unidades publican con el mismo NIF (un ayuntamiento, una comunidad, un ministerio) y ninguna llega a la mitad, lleva el de la entidad tal como aparece en los nombres de sus unidades («Área de Gobierno de Economía del Ayuntamiento de Madrid» → «Ayuntamiento de Madrid»), o el más frecuente y cuántas unidades más hay. Su ficha enseña las unidades con sus contratos.

• División del CPV

  Cada CPV se corta a sus 2 primeras cifras (la división) para agregar deprisa. El código completo se conserva.

• Lotes

  Un anuncio del TED puede corresponder a varias adjudicaciones en la PLACSP. El cruce con el TED agrupa los lotes (criterio E4) con una tolerancia de importe de ±10 %.

La web se reconstruye cada semana con lo último que ha descargado cada fuente; estos datos son del 11/10/2026. Cada cuánto se descarga cada una:

La fecha de la última actualización está en el pie de cada página. El detalle por fuente, en el último release de GitHub.

Para que todo sea auditable, lo que no está cubierto se dice aquí.

Pendiente de integrar en la web

Estos análisis existen como procesos y conjuntos de datos descargables, pero todavía no se reflejan en el explorador:

• Cruce de la PLACSP con el TED, contrato a contrato

  El conjunto crossval_sara_v2.parquet existe, pero la web no marca todavía en cada contrato si un SARA no está en el TED.

• Señales del BORME y la PLACSP

  Las 5 señales (empresa recién creada, capital muy bajo…) se calculan fuera de la web y no aparecen en las fichas.

• Puntuación de calidad por contrato

  Los 20 indicadores del fichero (los 14 con cifra corregida y 6 comprobaciones básicas, sección 4) existen como columnas en calidad_licitaciones_resultado.parquet (todavía el de v2026.02), pero el explorador no permite filtrar por ellos ni los muestra en cada fila.

• Histórico mercantil

  Las fichas de empresa resumen el BORME, pero no enseñan el histórico completo (constituciones, ampliaciones, administradores).

Limitaciones de las fuentes

• Calidad de lo publicado en la PLACSP: en nuestro análisis de calidad, sobre la última versión de cada licitación, el 5,8 % no trae importe de adjudicación y el 7,8 % no trae un NIF español válido del adjudicatario. Cuentan también las licitaciones aún sin adjudicar y los adjudicatarios extranjeros: no son, sin más, errores de los órganos (sección 4). Esta página daba antes el 31,8 % y el 33,4 %, y los atribuía a los organismos: eran errores nuestros de v2026.02, que contaba todas las versiones de cada licitación, también las anteriores a su adjudicación.
• Cobertura territorial parcial: 13 comunidades autónomas tienen una fuente propia en la web (Andalucía, Aragón, Asturias, Castilla y León, Castilla-La Mancha, Cataluña, Extremadura, Galicia, Región de Murcia, Comunidad de Madrid, País Vasco, La Rioja, Comunitat Valenciana). El resto se cubre a través de la PLACSP, por adhesión.
• Cobertura temporal por fuente: cada fuente cubre el periodo que publica; está en la tabla de la sección 2.
• Acuerdos marco con importe agregado: algunos contratos reúnen en una sola entrada varios años de un acuerdo marco y deforman las clasificaciones por importe (de ahí que los importes de más de 1.000 M€ no cuenten).
• Lenguas cooficiales: los nombres de organismos y los objetos de los contratos pueden estar en aragonés, catalán, euskera o gallego. No se traducen.

Limitaciones del motor

• Búsqueda por texto: el buscador (Meilisearch) cubre los 27.464.738 contratos. Tolera erratas, pero no entiende sinónimos ni el sentido de la búsqueda.
• Detalle del explorador: el panel de detalle excluye siempre los contratos de más de 1.000 M€, esté o no marcada la casilla de los filtros, para que los acuerdos marco con el tope de varios años no deformen el perfil de la entidad.

Los datos de cada fuente, tal como los descarga el repositorio público, están publicados en Parquet en GitHub: el release v2026.10, del 05/10/2026, con 31 ZIP (10,66 GB). Los programas que los descargan son abiertos; el proceso de datos de esta web (la tabla única, las marcas de importe y la vinculación entre fuentes) y su código, no por ahora: se describen en esta página.

ZIP del release v2026.10

Cada ZIP lleva un LEEME.txt y un MANIFEST.csv (filas, columnas y SHA-256 de cada fichero), y el release, SHA256SUMS.txt para comprobar la descarga. Las fuentes que aún no están en la web, con su porqué, en la sección 1.

Licencias

• España (PLACSP, autonomías)Licencia de reutilización del sector público
• GaliciaLey 1/2016 de transparencia y buen gobierno de Galicia
• AsturiasPortal de Transparencia del Principado de Asturias
• TED (UE)EU Open Data Licence
• BORMECondiciones de reutilización del BOE. Fuente: Agencia Estatal Boletín Oficial del Estado

Cómo leer el release (DuckDB y pandas)

Cada Parquet se lee tal cual. La tabla principal de la PLACSP va partida en los ZIP nacional_licitaciones_*.zip: descomprimidos en la misma carpeta, quedan en licitaciones_completo/ y se leen como una sola tabla. Trae una fila por versión de cada licitación (10.907.567 filas de 5.241.440 licitaciones): para contar licitaciones, la última versión.

import duckdb   # pip install duckdb
import pandas as pd

# PLACSP: licitaciones por año del anuncio, cada una en su última versión
duckdb.sql("""
    SELECT CAST(ano AS INTEGER) AS anio, count(*) AS licitaciones
    FROM 'licitaciones_completo/*.parquet'
    WHERE es_ultima_version
    GROUP BY 1 ORDER BY 1
""").show()

# Lo mismo con pandas, leyendo solo las columnas que hacen falta
lic = pd.read_parquet('licitaciones_completo/', columns=['ano', 'es_ultima_version'])
print(lic[lic['es_ultima_version']].groupby('ano', dropna=False).size())

# TED (ted.zip): una fila por adjudicación de cada versión de cada aviso. Cada aviso una vez,
# en su última versión y sin los cancelados (la regla de avisos_para_cruce() del repositorio)
duckdb.sql("""
    WITH t AS (
        SELECT *, coalesce(_en_ultima_descarga, true) AS vigente,
               coalesce(_ultima_descarga, '') AS descarga
        FROM 'ted_es_can.parquet'),
    a AS (
        SELECT ted_notice_id, bool_or(vigente) AS con_vigente, max(descarga) AS ultima
        FROM t GROUP BY 1)
    SELECT t.year, count(DISTINCT t.ted_notice_id) AS avisos
    FROM t JOIN a USING (ted_notice_id)
    WHERE (t.vigente OR (NOT a.con_vigente AND t.descarga = a.ultima))  -- su última versión
      AND NOT coalesce(TRY_CAST(t.cancelled AS DOUBLE) = 1, false)      -- después, sin cancelados
    GROUP BY 1 ORDER BY 1
""").show()

# BORME (borme.zip): códigos de persona con cargos en más de una empresa
# (seudonimizados: dos personas que se llaman igual comparten código)
cargos = pd.read_parquet('borme_cargos_pub.parquet', columns=['persona_hash', 'empresa_norm'])
varias = cargos.groupby('persona_hash')['empresa_norm'].nunique()
print(f'Códigos en más de una empresa: {(varias > 1).sum():,}')

¿Te basta tu ordenador? Tiempos de consulta con DuckDB

Antes de bajarte el release, mira cuánto tardan las consultas que más se hacen con estos datos y cuánta memoria piden. Medido el 07/10/2026 sobre el release v2026.10 (142 Parquet, 11,50 GB, sin las carpetas v2026.02/) con DuckDB 1.5.6 y, para comparar, con pandas 3.0.6 y pyarrow 25.0.1, en tres máquinas: 2 CPU · 4 GB, 4 CPU · 8 GB, 8 CPU · 16 GB. Cada consulta cuenta como se debe: la última versión de cada licitación, cada aviso del TED una vez y el tope de un acuerdo marco una sola vez, no una por empresa.

• 2 CPU · 4 GB: con DuckDB, la consulta más lenta tarda 6,9 s («Comunidad de Madrid: contratos menores por año, sin contar dos veces el mismo») y ninguna pasa de 3,4 GB de memoria. Con pandas, las mismas cuentas tardan de 2 a 86 veces más, y «PLACSP: lo adjudicado por comunidad (cruce de resultados y licitaciones)» no cabe en la memoria.
• 4 CPU · 8 GB: con DuckDB, la consulta más lenta tarda 2,0 s («Comunidad de Madrid: contratos menores por año, sin contar dos veces el mismo») y ninguna pasa de 5,5 GB de memoria. Con pandas, las mismas cuentas tardan de 3 a 98 veces más.
• 8 CPU · 16 GB: con DuckDB, la consulta más lenta tarda 1,4 s («PLACSP: los 20 adjudicatarios con más licitaciones, sin duplicados») y ninguna pasa de 6,1 GB de memoria. Con pandas, las mismas cuentas tardan de 3 a 125 veces más.

Las mismas cuentas con pandas, leyendo con pyarrow solo las columnas que hacen falta: dan el mismo resultado que DuckDB, pero cargan las tablas en memoria.

En negrita, la mediana de 3 repeticiones; debajo, la primera vez en un proceso nuevo y el pico de memoria del proceso. Las tres máquinas son la misma (Intel Core i9-13900) con límites de CPU y de memoria, sin intercambio a disco, y los ficheros ya en la caché de disco del sistema: desde un disco lento, la primera lectura tarda más. Cómo se midió, qué cuenta cada consulta y los resultados completos, en docs/MEDIR.md del repositorio.

Mídelo en tu máquina, con los ZIP del release descomprimidos en una carpeta:

pip install duckdb pandas pyarrow
# Solo el código: sin GIT_LFS_SKIP_SMUDGE=1, Git LFS bajaría 6,8 GB de datos antiguos
GIT_LFS_SKIP_SMUDGE=1 git clone --depth 1 https://github.com/BquantFinance/licitaciones-espana
cd licitaciones-espana
# CARPETA: los ZIP descomprimidos, cada uno en su carpeta o todos en la misma
python scripts/medir_consultas.py --datos CARPETA --motor ambos --json mi_maquina.json

Sumar como la web: la descarga de una ficha

Las descargas de la web sí llevan las marcas. En la ficha de una empresa o de un órgano, con «Todas las fuentes», «Descargar CSV» baja todas sus publicaciones (hasta 10.000), cada una con unidad (una adjudicación, una prórroga, un pago…), es_copia (si es copia de otra publicación) e imp_adj_eur_corregido (el importe que cuenta en las sumas, vacío si no cuenta). Con las tres reglas de la web, estas líneas dan las dos cifras de la ficha sin duplicados: sus contratos y su importe total. Por ejemplo, con la ficha de ASISA:

import duckdb   # pip install duckdb

duckdb.sql("""
    SELECT count(*) AS contratos, sum(imp_adj_eur_corregido) AS importe
    FROM read_csv('buscalicitaciones-empresa-a08169294.csv', delim = ';', decimal_separator = ',')
    WHERE unidad = 'adjudicacion'                  -- adjudicaciones: sin prórrogas, pagos ni desiertos
      AND es_copia = 'no'                          -- cada contrato una vez: sin sus copias
      AND (imp_adj_eur_corregido IS NULL           -- el importe que cuenta, sin los de más de 1.000 M€
           OR abs(imp_adj_eur_corregido) <= 1e9)
""").show()

import pandas as pd

df = pd.read_csv('buscalicitaciones-empresa-a08169294.csv', sep=';', decimal=',', encoding='utf-8-sig')
importe = df['imp_adj_eur_corregido']               # el importe que cuenta: vacío si no cuenta
cuenta = ((df['unidad'] == 'adjudicacion')          # adjudicaciones: sin prórrogas, pagos ni desiertos
          & (df['es_copia'] == 'no')                # cada contrato una vez: sin sus copias
          & ~(importe.abs() > 1e9))                 # sin los de más de 1.000 M€
print(f'{cuenta.sum():,} contratos y {importe[cuenta].sum():,.2f} €')

Las sumas mezclan importes con y sin IVA, como en la web (sección 6). Las rutas de cada fichero del release, en el README del repositorio.