Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Articulo Formato Darin
Articulo Formato Darin
Darin J. Mosquera Palacios1, Juan Eduardo Moreno Villamil1 y David Gutierrez Alvis1
(1) Facultad Tecnológica, Universidad Distrital Francisco José de Caldas, Bogotá, Colombia. (correo-e:
djmosquerap@correo.udistrital.edu.co, jemorenov@correo.udistrital.edu.co,
dsgutierreza@correo.udistrital.edu.co )
Resumen
En este artículo se desarrolla una arquitectura web con big data clasificando la información
para la toma de decisiones buscando la reducción de contagios de covid en la localidad de
kennedy, Bogotá - Colombia, se realiza un acercamiento de la afectación que ha dejado la
pandemia ( covid -19) aplicando big data.el método utilizado consiste en que por medio de
la big data y acoplado a una arquitectura está analice los datos arrojados por la alcaldía de
Bogotá en la cual se brinda a los ciudadanos la posibilidad de acceder a mapas de calor
que muestran la concentración de casos de COVID-19 en diferentes zonas de la ciudad,
además de ofrecer información actualizada sobre el número diario de pruebas tomadas y
procesadas, el porcentaje de ocupación de los servicios de hospitalización general, unidad
de cuidado intermedio y UCI, así como la disponibilidad de camas en las áreas de UCI y
hospitalización en Bogotá y también que proporciona un archivo con los datos de cada
localidad, incluida Kennedy, buscando como objetivo analizar todos estos datos brindando
herramientas por medio de la tecnología como big data en la toma de decisiones ante el
covid o una nueva pandemia.como conclusión y muy importante en tener en cuenta es que
la información no es exacta, ya que solo es el la alcaldía la entidad la encargada de
recopilar la información de toda la ciudad teniendo margen de error.
Palabras clave: Arquitectura Web, Big Data, Covid 19, Contagios, Pandemia
Abstract
This article develops a web architecture with big data classifying information for decision
making seeking the reduction of covid infections in the town of kennedy, Bogotá - Colombia,
an approach of the impact that has left the pandemic (covid -19) applying big data is made.
the method used consists of using big data and coupled to an architecture that analyzes the
data provided by the mayor's office of Bogota, which offers citizens the possibility of
accessing heat maps showing the concentration of COVID-19 cases in different areas of the
city, in addition to providing updated information on the daily number of tests taken and
processed, the percentage of occupancy of general hospitalization services, intermediate
care unit and ICU, as well as the availability of beds in ICU and hospitalization areas in
Bogota and also that provides an archive with data from each locality, including Kennedy,
seeking as an objective to analyze all these data providing tools through technology such as
big data in decision making in the face of covid or a new pandemic. As a conclusion and
very important to keep in mind is that the information is not accurate, since only the mayor's
office is the entity in charge of collecting the information of the entire city having a margin of
error.
INTRODUCCIÓN
Este proyecto busca proponer la arquitectura para un sitio web que se alimentará de
datos extraídos de fuentes gubernamentales, asegurando que la información sea
verídica y de alta certeza, para organizar y mostrar lo más relevante. La arquitectura
permitirá que los usuarios consulten acerca de la pandemia del COVID – 19, más
exactamente de la ciudad de Bogotá y específicamente de la afectación que esta
tuvo en la localidad de Kennedy, mostrando una herramienta tecnológica buscando
la toma de decisiones de acuerdo a los datos analizados por la Big Data, el articulo
esta organizado de la siguiente manera introduccion , metodologia, diagrama de
flujo, diagrama de la arquitectura, resultados y discusión, conclusiones y bibliografía.
METODOLOGÍA
Los sistemas más usados para el almacenamiento de la información son las bases
de datos, particularmente las bases de datos relacionales de acuerdo a los
conceptos de base de datos de oracle (2021). Pero hoy día se han valorado mucho
las de tipo NoSQL, especialmente en Big Data, ya que no son tan restrictivas como
SQL Mullins CS, Vaughan J, Beal B. What are NoSQL databases? (2021) en
donde es necesario procesar grandes datos y tener flexibilidad a la hora de anexar
nuevos tipos de datos y estructuras.
Al igual que existe NoSQL, el mercado ha presentado otro tipo de alternativas para
almacenar los datos, como Hadoop, que usa HDFS, que resulta ser un sistema de
archivos altamente tolerante a fallos, escalable y con una arquitectura distribuida [8].
La mayor ventaja de usar este sistema en Big Data es que se puede distribuir la
información en diferentes servidores con facilidad, algo que resulta conveniente
cuando el volumen de información crece constantemente.
Considerando los puntos planteados de los autores Leal Villamizar LM, Torres
Quiroga SM (2023) en donde se refleja la desproporcionada relación entre fuentes
de noticias falsas y verídicas y, teniendo en cuenta que para los procesos de Big
Data es importante tener datos confiables según Rawat R, Yadav R (2014), se ha
optado por tomar información proveniente de fuentes oficiales gubernamentales que
proporcionen archivos con datos sobre la evolución del COVID-19 en la localidad de
Kennedy en Bogotá.
DIAGRAMA DE FLUJO
RESULTADOS
En colombia el número de contagiados por Covid asciende a los 6.369.916 millones,
en donde la capital Bogotá cuenta con 1.883.181 siendo kennedy unas de las
localidades más grandes por longitud y por habitantes, donde el número de
contagiados por covid asciende 225,513, en la figura 3 se describe de forma
detallada año por año, el numero de contagios, los recuperados, fallecidos,
discriminados por sexo y por edad, desde 0 años en adelante.
Por último en la figura 6 se filtra las gráfica por estado se selecciona la opción de
recuperados, mostrando el número de personas recuperadas en la localidad de
Kennedy desde el 2020 a 2023 en donde se muestra que el total de recuperados
asciende a los 220.507 personas de las cuales el 45 % son Hombres y el 55 % son
mujeres, siendo el rango de edad de 20 a 41 años con más personas recuperadas,
luego le sigue las personas que están dentro del rango de edad de 42 a 60 años,
siendo las personas de 81 años en adelante las que menos se han recuperado.
FIGURA 6 : POWER BI FUENTE PROPIA
DISCUSIÓN
CONCLUSIONES
Después de la investigación se llega a las siguientes conclusiones para atender
este tipo de problemática de manera eficiente, se ha hecho uso de la tecnología
más reciente, por ejemplo aplicaciones web y móviles que muestran datos sobre la
evolución de COVID-19 en el mundo y a nivel local. Pero adicional, hay otra
tecnología que ayuda en estos casos de contingencia, y es el Big Data.
Sin embargo, aplicar Big Data se convierte en todo un reto debido a que se
necesitan datos fidedignos, y lastimosamente la pandemia de COVID-19 trajo
consigo otra, la de desinformación proveniente de noticias falsas. Considerando lo
anterior, para aplicar de manera efectiva un sistema de Big Data, lo ideal es obtener
datos confiables, de calidad.
Por esa misma razón, se ha aprovechado los sistemas oficiales de datos que ha
creado el gobierno colombiano para poder dar solución a estos problemas. La
arquitectura de Big Data que se ha propuesto en este proyecto busca brindar
información veraz a las personas de la localidad de Kennedy, en Bogotá, para que
se puedan tomar decisiones objetivas basadas en datos, y con ellos mejorar las
condiciones de vida de las personas a pesar de estar en una contingencia.
BIBLIOGRAFÍA
[1] Matos HJ. A próxima pandemia: estamos preparados? Rev Pan-Amaz Saude.
2018 Sep;9(3):9-11. ISSN 2176-6223. DOI: 10.5123/s2176-62232018000300001.
[6] Chacón Mejía C, Ramírez Chaparro MN. Pobreza en Colombia, en tiempos del
Covid-19. MPRA Paper. 2020. Available from:
https://mpra.ub.uni-muenchen.de/100265/
[11] Arslan M, Roxin AM, Cruz C, Ginhac D. A Review on Applications of Big Data
for Disaster Management. En: 2017 13th International Conference on Signal-Image
Technology & Internet-Based Systems (SITIS). 2017. Disponible en:
https://www.researchgate.net/publication/324488027_A_Review_on_Applications_of
_Big_Data_for_Disaster_Management
[12] Rawat R, Yadav R. Big Data: Big Data Analysis, Issues and Challenges and
Technologies. IOP Conference Series: Materials Science and Engineering.
2021;1022:012014.
[13] Márquez Díaz J. Inteligencia artificial y Big Data como soluciones frente a la
COVID-19. Revista de Bioética y Derecho. 2020;(50). Disponible en:
https://scielo.isciii.es/scielo.php?script=sci_arttext&pid=S1886-58872020000300019
[14] Leal Villamizar LM, Torres Quiroga SM. Análisis cuantitativo y cualitativo de las
falsas noticias sobre la COVID-19 en Colombia. Anagramas Rumbos Sentidos
Común. 2023;21(42):212. Disponible en: http://www.scielo.org.co/scielo.php?
script=sci_arttext&pid=S1692-25222023000100212
[15] HubSpot. Qué es el big data, para qué sirve, características y herramientas.
[Internet]. 2023 [citado el 27 de junio de 2023]. Disponible en:
https://blog.hubspot.es/website/que-es-big-data
[16] BBVA. Ventajas y desventajas del Big Data. [Internet]. 2021 [citado el 27 de
junio de 2023]. Disponible en: https://www.bbva.ch/noticia/ventajas-y-desventajas-
del-big-data/
[17] Barrett A. Big Data Explained: 5 Steps to Collect Data. [Internet]. 2022 [citado el
27 de junio de 2023]. Disponible en: https://www.octoparse.com/blog/5-steps-to-
collect-big-data
[18] Virtual Tech Gurus. On-premise IT Infrastructure: Overview, Benefits and Best
Practices. [Internet]. 2023 [citado el 27 de junio de 2023]. Disponible en:
https://www.virtualtechgurus.com/on-premise-it-infrastructure/
[19] Amazon Web Services. ¿Qué es la computación? [Internet]. Sin fecha [citado el
27 de junio de 2023]. Disponible en: https://aws.amazon.com/es/what-is/compute/
[20] Parada Torralba P. Big Data vs Business Intelligence ¿cuáles son sus
diferencias? [Internet]. 2019 [citado el 27 de junio de 2023]. Disponible en:
https://www.iebschool.com/blog/big-data-business-intelligence-diferencias-big-data/
[22] Frasser Acevedo W. La importancia de la calidad de los datos para Big Data.
[Internet]. Sin fecha [citado el 27 de junio de 2023]. Disponible en:
https://www.usergioarboleda.edu.co/noticias/la-importancia-la-calidad-los-datos-big-
data/
[23] Silberschatz, A., Korth, H. F., & Sudarshan, S. (2019). Database System
Concepts (7th ed.). McGraw Hill.
[26] Mullins CS, Vaughan J, Beal B. What are NoSQL databases? TechTarget.
[Internet]. 2021 [citado el 27 de junio de 2023]. Disponible en:
https://www.techtarget.com/searchdatamanagement/definition/NoSQL-Not-Only-SQL
[34] Zuniga I. Plague doctor: from popular imagination to reality. March 2022.
Mexican Institute of Social Security. [Internet]. ResearchGate. Disponible en:
https://www.researchgate.net/publication/359092030_Plague_doctor_from_popular_i
magination_to_reality
[36] Ruiz Sternberg AM, Barajas Sandoval E. VIH/SIDA, la pandemia del cambio de
milenio. Revista Medicina. 2020 Jul 18;22(2):1522. DOI:
https://doi.org/10.56050/01205498.1522
[40] Statista. Countries with the most COVID-19 cases worldwide as of February 8,
2021. [Internet]. [Fecha de acceso: citado el 26 de junio de 2023]. Disponible en:
https://www.statista.com/chart/21467/coutries-most-covid-19-cases/
[41] Infobae. Caso de éxito: cómo Israel le está ganando al coronavirus con una
economía casi completamente abierta [Internet]. 2021 Abr 5. Disponible en:
https://www.infobae.com/america/tendencias-america/2021/04/05/caso-de-exito-
como-israel-le-esta-ganando-al-coronavirus-con-una-economia-casi-completamente-
abierta/