Resumen: ¿Puede la ciencia de datos ayudar a combatir la corrupción en la contratación pública?

Generalidades

En los últimos años ha habido un creciente interés por el uso y aplicación de las nuevas tecnologías
relacionadas con la Cuarta Revolución Industrial. La lista de tecnologías y escenarios futuros para sus
aplicaciones es interminable. En este sentido, la informática ofrece conceptos integradores que
permiten a los sistemas aprender su comportamiento a través de algoritmos específicos y el
procesamiento de grandes cantidades de datos.

Esta gestión de datos tiene como objetivo recibir y procesar nueva información para predecir y
desarrollar tareas humanas repetitivas de forma rápida y eficiente. En contraste, el uso que las
personas no expertas hacen de los conceptos y potencialidades de estas nuevas tecnologías son,
muchas veces, fuente de error y confusión, porque se abordan sin distinción, incluso como si fueran
sinónimos, sin tener en cuenta que entre cada herramienta y cada concepto puede haber diferencias
importantes, que sirven a su propio propósito y problemática específica de aplicación. Ahora bien,
conceptos aún más complejos, como la ciencia de datos, constituyen la puerta de entrada hacia
herramientas también más complejas. La ciencia de datos se basa en la formulación de hipótesis
sobre el mundo real y en el posterior análisis de los datos recopilados para validar o no dichas
hipótesis.

En la misma línea, se encuentra el aprendizaje de máquina, concepto que se sirve de los algoritmos
para ayudar a un sistema computacional a adquirir conocimiento mediante el uso de datos. Este
concepto es, a su vez, complementario al de ciencia de datos y, por eso, es adecuado afirmar que el
aprendizaje de maquina puede ser, y a menudo es, parte de una adecuada ciencia de datos, que es
fundamentalmente un proceso, mientras que el aprendizaje de maquina es una herramienta que
puede ser inmensamente útil para llevar a cabo este proceso.

Ciencia, tecnología e innovación como respuesta

En este caso, involucrar la ciencia y el análisis de datos como motor de innovación para transformar
la contratación pública, generando mecanismos para combatir la corrupción en el Estado, ha
resultado ser una solución no solo factible, sino además aprovechable desde múltiples
problemáticas. En general, la creciente atención que se dirige a este sector y el esfuerzo innovador
han permitido que múltiples actores de la academia, investigadores, profesionales en diversas áreas,
como los gestores tecnológicos, y el sector privado converjan hacia formas abiertas de innovación y
se unan en un objetivo común, haciendo uso de datos abiertos, como la plataforma del Sistema
Electrónico para la Contratación Pública , que en Colombia es la herramienta de que dispone el
gobierno para informar sobre toda la contratación que se hace con el dinero del erario público. Esto
ha generado un caudal ascendente de nuevas y mejoradas aplicaciones, muchas de las cuales se
encuentran en etapa de propuesta, desarrollo, o mejoramiento, todo con el fin de aportar una
solución a esta gravísima problemática social.

Desafíos para el futuro

La detección de la corrupción en la contratación no es un reto puramente académico o empresarial,

es un compromiso de sociedad que involucra a todos los sectores y a cada uno de los ciudadanos.
Resumen ciencia de datos: hacia la automatización de decisiones

El análisis de datos es una tarea de gran relevancia en la actualidad por su gran valor tanto para los
investigadores como para las organizaciones. Los avances en las tecnologías de la información y la
comunicación han creado una multitud de plataformas que permiten la recopilación de datos.

A principios de la década de 2000, el autor Doug Laney introdujo el término "V" para caracterizar los
datos masivos y describir la pregunta que se iba a estudiar. Es el volumen, la velocidad y la variedad
de datos. El crecimiento de datos debido a la introducción de nuevas tecnologías de la información
ya se pronosticaba en la primera década de los 2000. Al analizar los datos generados por estas
tecnologías, las organizaciones pueden obtener más conocimiento y tomar mejores decisiones.
Extraer conocimiento de los datos no es una tarea trivial, ya que requiere un proceso que depende
de "V" arriba. El procesamiento de datos produce información de valor agregado. Es el insumo para
descubrir conocimiento basado en información, valor, experiencia y práctica. Este es un ciclo
iterativo, donde la información y el conocimiento crean más datos.
Hoy en día, el mayor obstáculo que presentan las organizaciones no son los datos, sino
comprenderlos para aplicarlos, analizarlos y mejorar su negocio. Por ello, en las últimas décadas han
surgido campos de investigación relacionados con herramientas, técnicas de procesamiento y
analítica. datos aportados. Como tal, la ciencia de datos es un campo interdisciplinario cuyo
propósito es transformar los datos en valor. Esto nos permite reportar, diagnosticar, predecir y
recomendar soluciones o mejoras a nuestros productos, servicios y/o procesos.
En el marco de la ciencia de datos, la inteligencia artificial y el aprendizaje automático, estos han
tenido un impacto fluctuante en el desarrollo y el conocimiento desde su surgimiento como
disciplinas. Pero hoy, gracias a la tecnología más madura y los avances en la ciencia de datos, cumplir
con ciertas condiciones nos permite avanzar con mayor determinación. Por ejemplo, mejoras en la
arquitectura de la computadora que permiten un mayor almacenamiento y poder de cómputo,
bibliotecas de código abierto altamente complejas que permiten a los investigadores enfocarse en
analizar el procesamiento de datos en lugar de la infraestructura y, muy importante, la
disponibilidad de datos abiertos que representan datos clave. Una puerta de entrada a modelos
matemáticos para una mejor comprensión de la realidad.
La última década sin duda ha estado marcada por los avances en inteligencia artificial.
Resumen: Cómo sacar partido del análisis de datos big data

Hoy, son muchas las empresas que están aprovechando el potencial de los datos para mejorar sus
procesos y crear nuevas prestaciones. El big data también puede ayudarte a tomar mejores
decisiones en tu empresa y este artículo explica cómo hacerlo. La expresión big data sugiere grandes
volúmenes de información, imposibles de procesar por los sistemas habituales de tratamiento de
datos.

Se trata, pues, de grandes volúmenes de datos difíciles de manejar en un ordenador personal y con
el software convencional. En algunas aplicaciones de big data, los datos se generan de forma
continua y se han de procesar en tiempo real, o dentro de una ventana de tiempo que se va
reduciendo progresivamente. Al hablar de bases de datos, nos viene a la cabeza la imagen de una
colección de tablas, con filas y columnas, en su mayor parte llenas de números.

Los bancos usan datos de sus clientes que captan a través de los pa-gos con tarjeta y movimientos
de sus cuentas para ofrecerles uno u otro producto. Las compañías telefónicas emplean los datos del
uso del teléfono para predecir qué clientes tienen una mayor probabilidad de cambiar de compañía
y así planificar una campaña de marketing a medida para lograr retenerlos. · La página web de una
empresa genera infinidad de datos continuamente. Cada vez que alguien la visita y hace un clic, se
sabe a qué hora entra, cuánto tiempo está, a qué hora sale, a qué otra página de la misma web
acude, de qué página procede, etc. La empresa puede diseñar experimentos para averiguar qué
posiciones, dentro de la página, son las mejores para que los usuarios visiten lo que a la empresa
más le interese y lograr así una mayor retención.

El estándar es el American Customer Satisfaction

Existen metodologías para diagnosticar de un modo agregado y suficientemente fiable el grado de

satisfacción que transmiten los clientes a través de sus comentarios. Esto permite medir con una
frecuencia semanal la satisfacción de los clientes para cada aerolínea. De esta forma, se pueden
captar las tendencias en la percepción de los clientes sobre los servicios prestados por las aerolíneas
y tomar medidas de acuerdo con esta información. Esta técnica es muy útil para conocer el grado de
aceptación y la imagen pública de una empresa, así como su evolución en el tiempo.

Estrategias de precio, ejemplos de los nude servicio al cliente, merosos y variados de benchmarking,
de retención de clientes y usos con impacto real en los resultados marketing son solo al de negocio
que tiegunos ejemplos de los ne el big data. En la numerosos y variados mayoría de los casos, usos
con impacto real no hemos de capturar en los resultados de nuevos datos, sino sanegocio que tiene
el car partido de los que big data. «Si mi empresa quiere usar el big data, ¿por dónde hemos de
paso, que debe dar la propia dirección, previo a la obtención de los datos, consiste en preguntarse
qué provecho se va a sacar de ellos.

¿Por dónde hemos de paso, que debe dar la propia dirección previo a la obtención de los datos,
consiste en preguntarse qué provecho se va a sacar de ellos. El segundo paso consiste en identificar
los recursos que necesitamos para usar esos datos de la forma que queremos. Los proveedores de
cloud computing ofrecen un amplio abanico de prestaciones que nos permite ajustar los recursos
contratados a nuestras necesidades de forma continua, de acuerdo con la fórmula «pago por uso».
Por consiguiente, no hay que pensar que debemos acometer grandes inversiones de entrada.
Software. La mayor parte del software usado en la gestión y el análisis de big data es libre. En primer
lugar, la visión estratégica y la identificación de las oportunidades corresponden a la dirección. Sin
esos inputs, el análisis de datos no tiene sentido.

El data engineer, también llamado data architect, organiza los recursos para la captación,
almacenamiento y circulación de los datos, mientras el data scientist se encarga del análisis. No
obstante, en una organización pequeña, o con volúmenes de datos moderados, la separación entre
estos dos últimos roles puede quedar difuminada.