Arquitectura web con big data para mejorar la toma de

decisiones y reducción de contagios de covid en Kennedy,

Bogotá, Colombia.

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.

Keywords: Web Architecture, Big Data, Covid 19,Infections, Pandemic, Pandemic.

INTRODUCCIÓN

Hace un siglo, la humanidad sufrió una de las mayores catástrofes sanitarias, la

pandemia de influenza, que cobró millones de vidas y dejó una profunda huella en la
historia. Sin embargo, nos enfrentamos nuevamente a una crisis sin precedentes: la
pandemia de COVID-19. Esta emergencia de salud global ha sacudido al mundo
entero, impactando a todos los niveles y afectando significativamente a Colombia.
Las consecuencias económicas y sociales han sido devastadoras, con una
interrupción masiva de actividades comerciales y laborales, así como la
implementación de restricciones para contener la propagación del virus, según
Matos HJ. (2018). Posteriormente el 6 de marzo de 2020, Colombia reportó su
primer caso de Covid-19, y hasta el momento, el autor muestra Arias Barahona
(2021) en los tres picos de la pandemia se han registrado más de 3 millones de
contagios confirmados y más de 80 mil fallecimientos.

Cada uno de los momentos de mayor incidencia de la enfermedad presenta

estadísticas que reflejan el número de personas que han contraído el virus, las
víctimas fatales y el total de afectados. Es de suma importancia analizar la magnitud
del impacto que cada pico ha tenido en el país. En la ciudad de Bogotá de las 19
localidades con las que cuenta, las más afectadas fueron las de estrato 1,2,3, en
donde sobresale Kennedy, según la alcaldía de Bogotá (2022) la localidad con
mayores habitantes, esta población es una de las más afectadas ya qué en
pandemia debieron desplazarse a sus lugares de trabajo presencial, lo cual generó
agudizar el número de contagios en la localidad, siendo una de las localidades que
más habitantes tiene en total son 1.034.838 personas siendo la segunda en Bogotá,
por debajo de Suba.

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 lo anterior, se puede determinar con facilidad que el sistema más

adecuado para llevar a cabo procesos de almacenamiento de Big Data sobre la
evolución del COVID-19 en la Localidad de Kennedy en Bogotá, es Hadoop HDFS.
Esto debido al hecho que existen cada vez más datos, lo que implica que se debe
tener una plataforma fácilmente escalable para volúmenes de datos cada vez
mayores.

Si bien existen varias alternativas para realizar procesamiento de datos, se ha

tomado la iniciativa de elegir Hadoop Mapreduce que es un marco de software
creado con el fin de hacer aplicaciones que puedan procesar grandes cantidades de
datos de forma paralela, en un mismo hardware según Cuéllar de la Vega P. Los
retos de la informalidad en el marco de la emergencia sanitaria por COVID-19
en la localidad de Kennedy (2021). Al igual que el sistema de almacenamiento
elegido (HDFS) Mapreduce viene integrado en Hadoop, lo que proporciona un
ambiente integral y uniforme bajo la misma plataforma, lo que reduce la cantidad de
errores proveniente a incompatibilidades o configuraciones ocasionados por
sistemas que unen diferentes tecnologías, ya que ambos forman parte de Hadoop.

La infraestructura utilizada es importante para que el sistema de Big Data se

desempeñe eficientemente. Si bien existen las alternativas on-premise y Cloud, la
primera no es fácilmente escalable en el tiempo, por lo tanto, lo mejor es elegir un
excelente servicio en la nube, de acuerdo a la autora Arantxa Herranz. (2021) “Si
bien hay gran variedad de empresas que ofrecen este servicio, lo cierto es que hay
3 que las lideran, Microsoft con su servicio de Azure, Google con Google Cloud y
Amazon con AWS, las tres empresas ofrecen servicios similares y de alta calidad,
por ello la decisión se ha definido según quien lidera el mercado. En este caso,
vemos que AWS es el líder actual, y que constantemente está mejorando sus
servicios, a pesar de que Microsoft y Google hacen su mejor intento por ser los
mejores por lo cual la mejor elección es Amazon con AWS.”
HTML es un sistema de etiquetas para el desarrollo de la parte más básica de una
web, definiendo el significado y la estructura del contenido en una web de acuerdo
con Mozilla Foundation. HTML: Lenguaje de etiquetas de hipertexto [Internet]
(2023).. CSS, por otro lado, es un lenguaje de estilos utilizado para definir la
apariencia de documentos HTML según Mozilla Foundation. CSS [Internet] (2023)
y JavaScript es reconocido principalmente como el lenguaje utilizado para
programar páginas web según Mozilla Foundation. "Acerca de JavaScript."
[Internet] (2023). Considerando lo anterior, se ha determinado que el desarrollo de
la web se lleve a cabo usando estas tres tecnologías.

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.

Debido a que la página web Saludata (https://saludata.saludcapital.gov.co),

proporcionada por la Secretaría de Salud de Bogotá, 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 y con un tiempo de actualización bastante
aceptable se consideró la candidata idónea como la fuente oficial a usar en este
proyecto, pero al solo proporcionar un archivo con los datos, se descartó por no ser
óptimo para la automatización del proceso.

Datos Abiertos (https://www.datos.gov.co), una plataforma encargada de publicar

datos abiertos, acogiendo los lineamientos establecidos por MinTIC y dando
cumplimiento con lo establecido en la Ley 1712 de 2014 según Alcaldía Mayor de
Bogotá. Datos Abiertos [Internet] es la opción seleccionada debido a que,
proporciona los mismos datos que se pueden encontrar en Saludata, pero en este
caso ofrece un sistema API con lo cual se pueden realizar consultas de manera
automatizada al sistema.

Cabe destacar que según el DANE (2022) (Departamento Administrativo Nacional

de Estadística), cuyo trabajo es ser la entidad que se encarga de producir y también
comunicar información estadística a nivel nacional, contiene múltiples archivos que
contienen datos sobre el COVID-19 a nivel Colombia, pero no datos específicos de
la localidad de Kennedy en Bogotá.
En la figura 1 se muestra el diagrama de flujo con el paso a paso de como se
trabajo la información obtenida en donde se definieron las variables iniciales para
organizar la informacion, manejarla de forma facil y agil, las variables utilizadas son (
sexo, edad, año, localidad, Estado ( recuperado o fallecido), con ello se obtiene una
Información Inicial en donde después de obtener los datos de los contagios a nivel
Bogotá por medio de varias fuentes se clasifica la información con las variables
iniciales.
Clasificación que ayuda a obtener la información total de la ciudad de Bogotá por
localidades, separando la data por medio de la big data y aplicando los filtros de las
variables iniciales, después de aplicar big data se obtiene la información deseada de
la localidad de Kennedy, en caso de que no se aplicará dicha tecnología esta
información se almacenará en una base de datos.
luego de aplicar big data se obtiene una web siendo la forma ideal de mostrar los
datos obtenidos y luego de realizar el proceso con big data por medio de power bi
poder interactuar con gráficas, con ello tomar decisiones. toda la información se
almacena en una base de datos en donde se muestran los contagios de covid en
Bogotá, teniendo un respaldo en caso de necesitar nuevas consultas de
información.

DIAGRAMA DE FLUJO

FIGURA 1 : DIAGRAMA DE FLUJO DE LA METODOLOGÍA PROPUESTA

En la Figura 2 se muestra a los usuarios, la información se almacena y se organiza
en un servidor web y por medio de una base de datos, esta información es
administrada vía internet por las entidades gubernamentales, quienes son
finalmente que le dan el sentido a dicha data, luego esta información es entregada a
los usuarios de forma clara y concisa, con el objetivo que las personas se
encuentren informadas y al dia con lo que está pasando en su comunidad.dicha
arquitectura se divide de la siguiente manera:
Usuarios: son los que utilizan la información recolectada y debidamente organizada
para su buen uso y toma de decisiones.
Entidades: Son las webs usadas para obtener información verídica sobre la
evolución del COVID-19 en la localidad de Kennedy en Bogotá. En este caso se
usará la plataforma de Datos Abiertos que posee un sistema API para obtener los
datos de forma automatizada.
Son organismos gubernamentales que se encarga de acoplar las información de los
contagiados por el covid en la ciudad de Bogotá, como por ejemplo Saludata, la
Alcaldía mayor de Bogotá, Dane etc.
Nube: Es donde toda la información recolectada por las entidades se digitaliza y se
sube a la internet para acceso público y fácil acceso.
Bases de datos: Corresponde al sistema que se encarga de tomar los datos,
procesarlos y almacenarlos. En este proyecto se hace uso de Hadoop con el
sistema HDFS para almacenamiento y Mapreduce para procesamiento de datos,
debido a que es un sistema homogéneo donde se pueden realizar ambos pasos,
evitando problemas de compatibilidad al unir diferentes tecnologías. Adicional, es un
sistema que proporciona fácil escalabilidad, lo que es ideal cuando los datos
aumentan su volumen.
Posteriormente al ser una gran cantidad de datos se almacenan en bases de datos
para salvaguardar la integridad de la información a posteriori.
Servidor web: Es aquí donde los usuarios pueden hacer las solicitudes de consulta
de la información obteniendo como respuesta por parte del servidor los contagiados
en la ciudad de Bogotá, página web encargada de mostrar al usuario el resultado
obtenido al realizar el procesamiento de datos. Dicha data es extraída en este caso
de HDFS, ya que JavaScript posee una librería que lo permite.
FIGURA 2 : DIAGRAMA DE ARQUITECTURA PROPUESTA

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.

FIGURA 3 : TABLA DATOS COVID KENNEDY FUENTE PROPIA

Las figuras 4,5 y 6 que se muestran en a continuación son desarrolladas en power
bi, analizadas con big data y recopiladas con web scraping, en donde se definieron
unas variables como lo son año, estado ( recuperados, fallecidos) edad, sexo y
localidades y por medio de filtros se puede jugar con la informacion teniendo datos
exactos de la localidad de kennedy.
En la figura 4 Se filtra por la localidad de kennedy en donde se muestra el total de
casos contagiados en los años 2020,2021,2022 y 2023, el cual asciende a los
225.513 contagiados de los cuales el 45% son hombres y el 55 % son mujeres, de
los cuales más del 90 % de los contagiados están recuperados y un poco más del 8
% fallecieron, se evidencia que el mayor número de contagiados están entre 21 y 40
años de edad, posteriormente le sigue las personas de 41 a 60 años de edad,
siendo los adultos mayores de 81 en adelante lo menos contagiados.

FIGURA 4 : POWER BI FUENTE PROPIA

En la figura 5 se describe por estado (recuperado o fallecido) en donde se
selecciona la opción de fallecidos mostrando que en la localidad de kennedy en
todos los años de pandemia desde el 2020 hasta el 2023 en donde se evidencia que
fallecieron 4023 personas de las cuales el 37 % son mujeres y el 63 % son hombres
siendo el rango de edad de 61 a 80 años el más afectado, le sigue las personas de
41 a 60 años de edad siendo los 0 a 20 años con menos porcentaje de personas
fallecidas a causa del covid en la localidad de Kennedy.
.

FIGURA 5 : POWER BI FUENTE PROPIA

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

¿Por qué la localidad de Kennedy y no otra localidad de la ciudad?

Se escoge la localidad de Kennedy por varias razones la principal es por su estrato
social ya que cuenta con estratos 1, 2 y 3, siendo la mayoría de sus habitantes
trabajadores de empresas o trabajo informal, teniendo que salir a la calle en la
pandemia, además de eso por ser una de las localidades más grandes y más
habitadas de Bogotá con 1.034.838 personas.
con esta investigación se busca que las entidades gubernamentales o cualquier
persona al leer el articulo llegue a una serie de conclusiones analizando las gráficas
y lo ocurrido en esta localización por ejemplo el amyor porcentaje de recuperados
en la localidad de kennedy son mujeres y los que más falleció eran los hombres
siendo ellos la cabeza de hogar y la gran mayoría únicos trabajadores en el hogar,
en donde el mayor número de contagiados están en la edad de 20 a 40 años pero el
rango de edad donde más falleció era de 41 a 60 años.
por esta deducción y muchas otras era necesaria esta investigación por si existe
una nueva pandemia implementar o fortalecer las políticas de salud por parte de la
alcaldía de la localidad y de la ciudad para que el número de fallecidos y
contagiados sea un porcentaje mucho menor a lo ocurrido con el covid 19, una de
esas políticas es acordar con las empresas el 100 del teletrabajo antes de que la
pandemia coja fuerza, con eso evitar que las personas salgan a la calle y se
contagien.

Comparación de la localidad de kennedy con las demás

En la figura 7 se muestra el porcentaje de contagiados por localidad en donde se
muestra en las localidades más golpeadas por la pandemia son suba,kennedy y
engativá, siendo unas de las localidades más grandes y con más habitantes, en algo
se parecen y es que su mayoría son estratos 1,2 y 3, trabajadores de empresa o
informales la gran mayoría.
siendo las localidades de chapinero, Barrios unidos, teusaquillo las localidades
menos golpeadas por el covid 19, siendo las localidades de mejor economía, los
barrios más ricos de la ciudad se encuentran en estas localidades.

Figura 7 POWER BI FUENTE PROPIA

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.

[2] Rodríguez Pinzón É. Impacto económico, social y político de la COVID-19

[Internet]. Colombia: Fundación Carolina; 2020 Abr 30 [citado 2023 Jun 26].
Disponible en: https://www.fundacioncarolina.es/wp-content/uploads/2020/04/AC-
24.-2020.pdf.

[3] Panda S. A Meta-Analysis of Scholarly Research on Corona virus through Big

Data Approach. Int J Res Libr Sci (IJRLS). 2020;6(2):66-83. ISSN 2455-104X. DOI:
10.26761/IJRLS.6.2.2020.1339.

[4] Arias-Barahona MX, Vanegas-Giraldo JJ. Comparación de la distribución de

probabilidad en pacientes fallecidos por COVID-19 en tres picos de la pandemia en
Colombia. Rev Acad Colomb Cienc Exact Fis Nat. 2021;45(177):. DOI:
10.18257/raccefyn.1474. Publicado 2021-11-18.

[5] Millán-Oñate J, Rodriguez-Morales AJ, Camacho-Moreno G, Mendoza-Ramírez

H, Rodríguez-Sabogal IA, Álvarez-Moreno C. A new emerging zoonotic virus of
concern: the 2019 novel Coronavirus (COVID-19). Infectio. 2020;24(3). DOI:
10.22354/in.v24i3.848.

[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/

[7] Estudiante de Trabajo Social. Facultad de Ciencias Sociales. Universidad

Colegio Mayor de Cundinamarca. E-mail:yyospina@unicolmayor.edu.co Orcid:
https://orcid.org/0000-0002-0407-5320 Academia:
https://unicolmayor.academia.edu/yyospina Researchgate:
https://www.researchgate.net/profile/Yeimy_Ospina

[8] Alcaldía de Bogotá. Localidad de Kennedy [Internet]. Bogotá: Alcaldía de Bogotá;

c2023 [citado 27 de junio de 2023]. Disponible en:
https://bogota.gov.co/mi-ciudad/localidades/kennedy

[9] Cuéllar de la Vega P. Los retos de la informalidad en el marco de la emergencia

sanitaria por COVID-19 en la localidad de Kennedy [Internet]. Bogotá: Pontificia
Universidad Javeriana; 2021-08-11 [citado 2023 Jun 27]. Disponible en:
https://repository.javeriana.edu.co/handle/10554/56219
[10] Lasso Cardona LA, Franco Ocampo DF, Estrada Esponda RD. Aplicaciones de
la Datificación y Big Data en América Latina entre el 2015 y 2019. Rev. logos cienc.
tecnol. 2022;14(2). Disponible en: http://www.scielo.org.co/scielo.php?
script=sci_arttext&pid=S2422-42002022000200125

[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/

[21] Ministerio de Ambiente y Desarrollo Sostenible. Política de protección de datos

personales. [Internet]. Sin fecha [citado el 27 de junio de 2023]. Disponible en:
https://www.minambiente.gov.co/politica-de-proteccion-de-datos-personales/
#:~:text=Ley%20de%20Protección%20de%20Datos,de%20naturaleza%20pública
%20o%20privada

[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.

[24] Oracle. Database Concepts (19c). [Internet]. 2021 [citado el 27 de junio de

2023]. Disponible en: https://docs.oracle.com/en/database/oracle/oracle-database/19/cncpt/
database-concepts.pdf

[25] National Council of Education Research and Training. Introduction to Structured

Query Language (SQL) Chapter 8. In: Keippadan K, Aggarwal A, editores. Computer
Science with Python for Class XI (Vol. I). 2023. p. 144. Disponible en:
https://ncert.nic.in/textbook/pdf/keip108.pdf

[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

[27] The Data Schools. NoSQL: Modelos de base de datos no relacionales.

[Internet]. Sin fecha [citado el 27 de junio de 2023]. Disponible en:
https://thedataschools.com/que-es/nosql/

[28] Wild Code School. Tipos de Lenguajes de Programación Más Usados en el

2021. [Internet]. 2021 [citado el 27 de junio de 2023]. Disponible en:
https://www.wildcodeschool.com/es-ES/blog/tipos-de-lenguajes-de-programacion

[29] Mozilla Foundation. "Acerca de JavaScript." [Internet]. Sin fecha [citado el 27 de

junio de 2023]. Disponible en:
https://developer.mozilla.org/es/docs/conflicting/Web/JavaScript

[30] Mozilla Foundation. HTML: Lenguaje de etiquetas de hipertexto. [Internet].

2023, junio 11 [citado el 27 de junio de 2023]. Disponible en:
https://developer.mozilla.org/es/docs/Web/HTML

[31] Mozilla Foundation. CSS. [Internet]. 2023, marzo 13 [citado el 27 de junio de

2023]. Disponible en: https://developer.mozilla.org/es/docs/Web/HTML

[32] Red Hat. ¿Qué es el middleware? [Internet]. 2022, diciembre 16 [citado el 27 de

junio de 2023]. Disponible en: https://www.redhat.com/es/topics/middleware/what-is-
middleware
[33] Ready.gov. Pandemics [Internet]. Última actualización: 04/13/2022. Disponible
en: https://www.ready.gov/es/pandemic

[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

[35] Almudéver Canpo L. La epidemia de gripe de 1918 y los profesionales de

Enfermería. Análisis a través de la prensa española. Tesis doctoral, Universidad de
Valencia; 2015.

[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

[37] Dominguez L, Amador-Bedolla C. El origen de COVID-19: lo que se sabe, lo

que se supone y (muy poquito) sobre las teorías de complot. Educ Quim [Internet].
2020;31(2):3-11. Epub 2021 Jan 25. ISSN 0187-893X. DOI:
https://doi.org/10.22201/fq.l8708404e.2020.2.75461 .

[38] Zhang R, Li Y, Zhang AL, Wang Y, Molina MJ. Identificando la transmisión

aérea como la ruta dominante para la propagación del COVID-19. Contribución de
Mario J. Molina, mayo 16, 2020 (revisada el 14 de mayo, 2020, por Manish
Shrivastava y por Tong Zhu) [Internet]. Centro Mario Molina; 2020. Disponible en:
http://centromariomolina.org/wp-content/uploads/2020/06/ESPANOL-PNAS-
transmisión-aerea-COVID-19-Zhang-Molina.pdf

[39] Cuero C. La Pandemia del COVID-19 [The COVID-19 Pandemic]. Revista

Internacional de Medicina y Ciencias de la Salud. 2020 Mar 27. DOI:
10.37980/im.journal.rmdp.2020872.

[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/

[42] El Tiempo. Se confirma el primer caso de coronavirus en Colombia [Internet].

2020 Mar 07. Disponible en: https://www.eltiempo.com/salud/coronavirus-en-
colombia-se-confirma-primer-caso-469820
[43] Salud Data. Datos de Salud. Enfermedades Transmisibles [Internet].
Disponible en: https://saludata.saludcapital.gov.co/osb/index.php/datos-de-
salud/enfermedades-trasmisibles/covid19/

[44] Colaboradores de Wikipedia. Pandemia de COVID-19 en Colombia

[Internet]. En: Wikipedia, la enciclopedia libre. 2021 Jun 14. Disponible en:
https://es.wikipedia.org/wiki/Pandemia_de_COVID-19_en_Colombia
[45] Pérez B., J.P. (2020, mayo 28). Kennedy, el coco de Bogotá en el
coronavirus. La Silla Vacía. Recuperado de
https://lasillavacia.com/historias/silla-nacional/kennedy-el-coco-de-bogota-en-
el-coronavirus
[46] Xataka. Microsoft Azure y Google Cloud experimentan un crecimiento del
50%, pero AWS sigue siendo el líder: el gasto en servicios de computación en
la nube supera los 41.800 millones de dólares [Internet]. Fecha de
publicación: 5 de mayo de 2021. Autor: Arantxa Herranz. Disponible en:
https://www.xataka.com/pro/microsoft-azure-google-cloud-crecen-50-aws-
sigue-siendo-rey-gasto-nube-supera-41-800-millones-dolares
[47] Alcaldía de Bogotá. Conoce en tiempo real todos los datos relacionados
con coronavirus en Bogotá [Internet]. Bogotá: Alcaldía de Bogotá; [actualizado
el 14 de julio de 2020]. Disponible en:
https://bogota.gov.co/mi-ciudad/salud/saludata-datos-en-tiempo-real-de-
coronavirus-en-bogota
[48] Alcaldía de Bogotá. Los datos sobre vacunación contra COVID-19 se
actualizarán semanalmente en SaluData [Internet]. Bogotá: Alcaldía de
Bogotá; [publicado el 15 de julio de 2022]. Disponible en:
https://bogota.gov.co/mi-ciudad/salud/actualizacion-de-datos-en-saludata-
seran-actualizados-semanalmente
[49] Alcaldía Mayor de Bogotá. Datos Abiertos [Internet]. Disponible en:
https://www.gobiernobogota.gov.co/content/datos-abiertos
[50] Canal Institucional TV. DANE: Funciones e importancia de la entidad
[Internet]. Fecha de publicación: 18 de julio de 2022. Disponible en:
https://www.canalinstitucional.tv/te-interesa/funciones-importancia-dane