PIF ESTADISTICA II 1

Proyecto de Aula

Ana María Rodriguez, Felipe Velandia, Maycoll Vella, Kamila Villamarín

Institución Universitaria Politécnico Grancolombiano

Docente, Daniel Ernesto Santiago Garnica

Bogotá D,C. 02 de marzo de 2020

PIF ESTADISTICA II 2

Contextualización y descripción

La base datos se toma por parte del DANE, desprendiéndose de “La Gran Encuesta Integrada

de Hogares (GEIH)”, determinando especialmente la capacidad laboral del país teniendo en

cuenta la ramificación de la fuerza laborar en el sistema de Gobierno Colombiano, teniendo

como principales características las tasas de desempleo, empleo e inactividad. Con ello se

busca evidenciar los diferentes factores que se tienen en cuenta para realizar este tipo de

estadísticas que esclarecen a groso modo la problemática del desempleo y que no solo se

determina por las personas que no tienen trabajo, sino que también se estudian porque no lo

tienen ya sea porque no están edad, no se encuentran interesados en conseguir un trabajo, Etc.

Todo esto con el fin de estimar los principales indicadores del mercado laboral colombiano

como son la Tasa Global de Participación(TGP), la Tasa de Ocupación (TO) y la Tasa de

Desempleo (TD). [ CITATION Lui01 \l 9226 ] La investigación se aplica en todo el territorio

nacional para determinar las tasas generales y sus distribuciones por sectores territoriales.

Este estudio nos ayuda a poner en práctica las habilidades referentes a la materia estadística,

pero también nos da a entender de una manera más sistematizada a nivel macroeconómico el

impacto en la economía, tomando estas dos materias como base de nuestra formación,

creando una relación entre ellas, por su parte la estadística nos proporciona la manera de dar a

entender la macro información tomada en métodos cualitativos y cuantitativos de la misma,

en este caso una de las grandes problemáticas que son el desempleo y la tasa de ocupación

que se esclarece y no es relativamente proporcional a la de desempleo.

En la base de datos podemos encontrar los índices de cada variable y su valor en miles, las

variables más relevantes que se tiene en cuenta son:

 Población total

 Población en edad de trabajar

 Población económicamente activa

PIF ESTADISTICA II 3

 Ocupados

 Desocupados

 Abiertos

 Ocultos e inactivos.

De acuerdo a lo anterior, se puede determinar que el índice de desempleo en el mes de enero

del año 2020 es de un 13% a nivel nacional, 2 p.p más que este mismo mes en el año 2019,

por esto podemos determinar en base a las herramientas utilizadas, que el desempleo en

Colombia va en aumento respecto al año anterior sin tener en cuenta las fluctuaciones de los

efectos externos al estado colombiano.

Palabras clave: Población total, población en edad de trabajar, población

económicamente activa, ocupados, desocupados, abiertos, ocultos e inactivos.

Enlace y relación del Paper con la base de datos

La relación de la base de datos ´Gran encuesta integrada de hogares´ es una encuesta

mediante la cual se solicita información sobre las condiciones de empleo de las personas en

Colombia y el artículo que investigamos describe e interpreta la evolución de la tasa de

desempleo urbano en Colombia en el período 1984:1 –2000:2. Incluye evidencia sobre

algunas de las propiedades de las series de tiempo del mercado laboral (tasas de desempleo,

de ocupación y de participación). [ CITATION Lui01 \l 9226 ]

Enlace Artículo: https://www.banrep.gov.co/docum/ftp/borra265pdf.pdf

Enlace Base de datos: https://www.dane.gov.co/index.php/estadisticas-por-tema/mercado-

laboral/empleo-y-desempleo/geih-historicos

Investigación

Big data

Ya que con el pasar del tiempo hay cada vez más un constante crecimiento de información en

cada uno de los aspectos más relevantes mundialmente como sociedad, comercio y ciencia, se
PIF ESTADISTICA II 4

vuelve necesario un cambio con respecto al manejo de la información, que hasta hace poco

tiempo se venía implementando a partir de bases de datos relacionales. [ CITATION Vik13 \l

9226 ] Si bien este esquema funcionaba para ambientes que almacenaban teras de

información con datos puntuales y que a través de consultas SQL se podía buscar la

información requerida, se vuelve dispendioso y costoso al momento de analizar un mayor

volumen de información, en ambientes donde anualmente se almacenan millones de datos ,

incluyendo aquí los no estructurados, como archivos de video y audio; un ejemplo de esto es

“Google, que recibe a diario trillones de bytes, con el objetivo de ofrecer muchos de los

servicios que actualmente se conocen como el mismo motor de búsqueda y Google Earth”.

[ CITATION Mic14 \l 9226 ]

El manejo de grandes cantidades de información conlleva a pensar en la implementación de

herramientas que permitan administrar y gestionar este tipo de datos no estructurados y semi-

estructurados, en la búsqueda de patrones concurrentes para la toma de decisiones.

[ CITATION Jua14 \l 9226 ]

Por ende, el big data en nuestro proyecto nos ayudara a incluir la totalidad de la tasa de

desempleo y empleo, haciendo tratable la macro información de la última encuesta de los

hogares colombianos, teniendo en cuenta que esta información conlleva diferentes variantes y

todas estas las podemos abarcar mediante el big data.

Data analytics (análisis de datos)

Es un enfoque que implica el análisis de datos (big data, en particular) para sacar

conclusiones. Al usar data analytics, las empresas pueden estar mejor equipadas para tomar

decisiones estratégicas y aumentar su volumen de negocios.[ CITATION AtI \l 9226 ]

Los objetivos principales de un enfoque de data analytics son:

 Mejorar la eficiencia operativa

 Mejorar y optimizar la experiencia UX y del cliente

PIF ESTADISTICA II 5

 Perfeccionar el modelo de negocio

Como conclusion el data analytics impacta en gran parte hacia el proyecto, ya que el análisis

de los datos de la base que escogimos, se pueden sacar una serie de conclusiones a partir de

ellos, haciendo más fácil el entendimiento de este. [ CITATION Gus19 \l 9226 ]

[Título 2]

(apellido, año)

Bibliografía

Camargo-Vega, J. J. (2014). Conociendo Big Data. Obtenido de

https://www.redalyc.org/pdf/4139/413940775006.pdf

Cukier, V. M. (2013). Big data la revolucion de los satos masivos . Obtenido de

https://books.google.es/books?

hl=es&lr=lang_es&id=uO9FbEcaMpkC&oi=fnd&pg=PA11&dq=big+data&ots=VZF

V_nrEAZ&sig=iFR38ON4GAeWScCTKIvWzGBmLNY#v=onepage&q=big

%20data&f=false

Internet, A. (s.f.). DATA ANALYTICS. Obtenido de

https://www.atinternet.com/es/glosario/data-analytics/

Lopez, G. (2019). Data Analytics o Data Science y el análisis de datos. Obtenido de

https://blogs.imf-formacion.com/blog/tecnologia/data-analytics-data-science-201710/

Michael Schroeck, R. S.-M. (Agosto de 2014). Analytics: el uso de big data en el mundo real.

Obtenido de

https://repository.uaeh.edu.mx/revistas/index.php/icea/article/download/106/3998?

inline=1

Posada, L. E. (2001). El desempleo en Colombia . Obtenido de

https://www.banrep.gov.co/docum/ftp/borra265pdf.pdf
PIF ESTADISTICA II 6