Monitorear ejecución presupuestal desde R

Este post marca el lanzamiento oficial de un nuevo paquete para R llamado {perutranspaeconomica}. El paquete cuenta con sitio web oficial y repositorio en Github. Su objetivo es acceder a los datos de ejecución presupuestal de las unidades ejecutoras (entidades públicas) que operan en el país.

El paquete es mejor aprovechable para las personas que estén familiarizadas con el Portal de seguimiento a la ejecución de gasto presupuestal del Ministerio de Economía y Finanzas. Hasta el momento, sirve para hacer consultas a partir del 2012. Con el paso del tiempo (y con algo de apoyo de la comunidad) puede ampliarse para abarcar años anteriores.

Como ejemplo, podemos ver cuánto se presupuesto y gastó en el año 2021 en todo el país. Comenzamos por cargar el paquete y la colección tidyverse para facilidad de tratamiento de los datos.

library(perutranspaeconomica)
library(tidyverse)

Para hacer la consulta, podemos usar la función gasto(). Con esto obtenemos una tabla muy similar a la de la plataforma del MEF. Para apreciar mejor la información, la convierto en un objeto JSON.

gasto(year = 2021) |> 
    jsonlite::toJSON(pretty = TRUE)

## [
##   {
##     "year": 2021,
##     "total": "TOTAL",
##     "pia": 183029770158,
##     "pim": 227932217930,
##     "certificacion": 212449395064,
##     "compromiso_anual": 205012945543,
##     "atencion_de_compromiso_mensual": 200846585155,
##     "devengado": 198917822202,
##     "girado": 198458518497,
##     "avance_percent": 87.3
##   }
## ]

Para ver una evolución en el tiempo, podemos usar una consulta iterativa. Así aprovechamos mejor las oportunidades del paquete.

consulta <- 2012:2021 |> 
    map_dfr(~gasto(year = .x))

consulta

## # A tibble: 10 × 10
##     year total       pia     pim certificacion compromiso_anual atencion_de_com…
##    <int> <chr>     <dbl>   <dbl>         <dbl>            <dbl>            <dbl>
##  1  2012 TOTAL   9.55e10 1.22e11  104861748780     103676969380     103265692076
##  2  2013 TOTAL   1.08e11 1.34e11  117497648037     116299419400     116001333132
##  3  2014 TOTAL   1.19e11 1.45e11  131410018397     129777581135     129309328261
##  4  2015 TOTAL   1.31e11 1.53e11  138661851148     136447733062     135941953193
##  5  2016 TOTAL   1.38e11 1.58e11  144536534140     137792009934     137287507523
##  6  2017 TOTAL   1.42e11 1.76e11  161079975365     153594474517     151589903264
##  7  2018 TOTAL   1.57e11 1.88e11  173249001094     164833451778     160620562945
##  8  2019 TOTAL   1.68e11 1.89e11  174833598326     167350028122     162601350696
##  9  2020 TOTAL   1.77e11 2.17e11  199474122166     191603296844     185640104242
## 10  2021 TOTAL   1.83e11 2.28e11  212449395064     205012945543     200846585155
## # … with 3 more variables: devengado <dbl>, girado <dbl>, avance_percent <dbl>

Por último, podemos graficar los datos obtenidos. En este caso, para conocer la evolución en la ejecución presupuestal del Estado peruano desde el 2012 al 2021.

consulta |> 
    ggplot(aes(year, avance_percent)) +
    geom_line() +
    geom_label(aes(label = avance_percent))

Como se puede ver, la ejecución presupuestal ha sido superior al 80% en los últimos años, pero nunca alcanzó el 90% de lo presupuestado.

Sin usar el paquete habría sido necesario:

1. Navegar la plataforma año por año
2. Para cada año, descargar un archivo excel con la información
3. Juntar todas las tablas en un solo archivo.
4. Procesar la información y generar el gráfico

¡El paquete permitió saltarse los tres primeros pasos! Una consulta más compleja hubiese requerido más tiempo repetido en los pasos 1 y 2. Este es un ejemplo simple para demostrar las posibilidades de usar la información que tenemos a la mano.