Los datos se recolectaron a través de una investigación online. Principalmente se tomaron datos de la fuente PeeringDB (99% del dataset). El resto se completó con investigación profunda en internet para recabar información de los nuevos Data Centers que están en estado “planificación” y que aún no están registrados. Descargar el dataset completo (CSV)
PeeringDB es una base de datos abierta y gratuita, mantenida por la comunidad de operadores de redes, que registra información de interconexión a nivel global: qué redes están presentes en qué centros de datos, y en qué puntos de intercambio de internet (IXPs) hacen peering. Es una iniciativa sin fines de lucro, creada en 2004 y gestionada por voluntarios — funciona como el registro de referencia del sector para decisiones de interconexión.
11.0.0.2 Variables originales
El dataset creado registra 5314 Data Centers y contiene:
Identificación y ubicación: nombre, operador, web, continente, país, ciudad y dirección.
Estado: si está operativo, en construcción o planificado.
Año de registro en la base de datos utilizada.
redes_conectadas: cantidad de redes conectadas.
ix_count: cantidad de puntos de intercambio de internet donde distintas redes se conectan entre sí para intercambiar tráfico directamente.
cap_mw: capacidad de potencia instalada en megavatios (solo declarado para 31 megaproyectos; el resto sin dato). El porcentaje de datos cap_mw lleva a trabajar con variables derivadas de la información obtenida a fin de poder hacer un análisis con estimaciones, ya que cap_mw directo solo puede usarse para el 0,5% del dataset final.
Inversión en USD.
11.0.0.3 Variables externas (WRI Aqueduct 4.0)
A esta información se interpolaron variables externas desde WRI Aqueduct 4.0:
Riesgo hídrico país.
Riesgo hídrico cuenca (con trabajo extra de interpolación espacial punto-en-polígono).
bws_descripcion.
WRI Aqueduct 4.0 es la herramienta de evaluación de riesgo hídrico del World Resources Institute (WRI). Mapea el mundo en cuencas hidrográficas y le asigna a cada una un puntaje de Baseline Water Stress — básicamente, qué proporción de la disponibilidad total de agua de esa cuenca ya se está extrayendo para uso humano (agrícola, industrial, doméstico). Cuanto más alto el estrés, menos margen de agua le queda a la cuenca antes de escasez.
De ahí sale una escala que usamos en este dataset (Low / Low-Medium / Medium-High / High / Extremely High, codificada 1-5): “Extremely High” significa que se extrae más del 80% del agua disponible de esa cuenca.
11.0.0.4 Variables derivadas
Tecnología de refrigeración — asignada por reglas (tamaño + año de registro).
Fuente del dato (fuente_dato) — columna de trazabilidad para documentar de dónde salió cada registro.
tamaño_categoría y tamaño_porredes.
11.1 Sobre las fórmulas
11.1.1 Clasificación por consumo eléctrico
Según el rango de MW, los Data Centers se clasifican en:
Categoría
Rango
Micro
< 1 MW
Small
1 – 10 MW
Medium
10 – 50 MW
Large
50 – 200 MW
Hyperscale
≥ 200 MW
Limitación: solo el 0.5% de los Data Centers registrados en PeeringDB informan cap_mw declarado. Por este motivo el consumo eléctrico no puede calcularse directamente como \(C_{\text{elec}} = \text{cap\_mw} \times \text{PUE} \times \rho\) para la mayoría de los registros. Se aplica el modelo de estimación por categoría de conectividad que se describe a continuación
11.2 Parámetros del modelo de estimación
Los siguientes parámetros globales se aplican uniformemente a todos los Data Centers para los cuales no existe dato declarado. Se basan en benchmarks internacionales 2024.
Unidades.\(C_{\text{elec}}\) está en MW y \(H = 8.760\) h/año. El factor \(\times 1000\) convierte MW a kW, porque el WUE se expresa en litros por kWh: por lo tanto las columnas de agua del dataset están en litros por año, no en millones de litros — el sufijo _ml_año del nombre de la variable es histórico y quedó desactualizado.
11.4 Capacidad de referencia por categoría de red
Para los Data Centers sin cap_mw declarado (n=5.280), la capacidad base se estima según su categoría de conectividad (tamaño_porredes).
tamaño_porredes
Criterio (redes_conectadas)
\(\bar{C}_{\text{MW}}\) de referencia
local
< 5 redes
0,25 MW
regional
5 – 19 redes
3,0 MW
nacional
20 – 99 redes
20,0 MW
internacional
≥ 100 redes
100,0 MW
Nota metodológica:tamaño_porredes mide alcance de conectividad de red, no potencia física. Es un proxy — no comparar directamente con tamaño_categoria que sí está basada en MW reales.
La capacidad base resultante se define como:
\[
\text{cap\_mw\_base} =
\begin{cases}
\text{cap\_mw} & \text{si hay dato real declarado } (n = 31) \\[4pt]
\bar{C}_{\text{MW}} & \text{si se estima por categoría de red } (n = 5.280)
\end{cases}
\]
Code
# Parámetros globalesPUE =1.58# LBL 2024RHO =0.70# factor ocupación, Uptime InstituteWUE =1.8# L/kWh, Uptime Institute 2024H_PAI = WUE *1.4# proxy huella hídrica indirectaFE =0.432# tCO2/MWh, IEA 2024HORAS =8_760# horas/año# Capacidad de referencia por tamaño_porredesref_cap_porredes = {"local": 0.25,"regional": 3.0,"nacional": 20.0,"internacional": 100.0}# PASO 1 — cap_mw_base: real si existe, referencia si nodef get_cap_base(row):if pd.notna(row["cap_mw"]):return row["cap_mw"]elif pd.notna(row["tamaño_porredes"]):return ref_cap_porredes[row["tamaño_porredes"]]else:return np.nandc["cap_mw_base"] = dc.apply(get_cap_base, axis=1)# PASO 2 — consumo_electrico_mwdc["consumo_electrico_mw"] = (dc["cap_mw_base"] * PUE * RHO).round(2)# PASO 3 — agua directadc["consumo_agua_ml_año"] = (dc["consumo_electrico_mw"] *1000* WUE * HORAS).round(0).astype("Int64")# PASO 4 — agua indirectadc["agua_indirecta_ml_año"] = (dc["consumo_electrico_mw"] *1000* H_PAI * HORAS).round(0).astype("Int64")# PASO 5 — agua totaldc["agua_total_ml_año"] = (dc["consumo_agua_ml_año"] + dc["agua_indirecta_ml_año"]).astype("Int64")# PASO 6 — co2dc["co2_ton_año"] = (dc["consumo_electrico_mw"] * FE * HORAS).round(0).astype("Int64")
\(C_{\text{elec}}\) = potencia que consume el DC, en megavatios (MW) — es como una “velocidad” instantánea de consumo eléctrico.
\(\times\ H = 8.760\) (horas del año) = convierte esa “velocidad” en el total de energía consumida durante todo el año, en megavatio-hora (MWh) — igual que velocidad × tiempo = distancia recorrida.
\(\times\ FE_{\text{global}}\) (0,432 tCO₂ por cada MWh) = por cada MWh consumido, en promedio global se emiten 0,432 toneladas de CO₂. Multiplicando el total de MWh del año por ese factor, se obtienen las toneladas de CO₂ del año.
11.5.1 De esta manera en esta investigación se estará trabajando con estos variables finales:
Table 11.1: Muestra aleatoria de 5 registros del dataset de trabajo