Please use this identifier to cite or link to this item:
https://repository.unad.edu.co/handle/10596/78464| Title: | Diseño, implementación, monitoreo y mantenimiento del sistema electrónico para la contratación pública – SECOP II en Colombia - caracterización de patrones transaccionales como estrategia de monitoreo del comportamiento contractual |
| metadata.dc.creator: | Chacon Diaz, Andres Felipe |
| metadata.dc.date.created: | 2025-12-18 |
| metadata.dc.subject.keywords: | Contratación Pública SECOP II Ciencia de Datos Clustering K-Means Control Fiscal Python |
| metadata.dc.format.*: | |
| metadata.dc.type: | Monografía |
| Abstract: | La implementación del sistema SECOP II en Colombia ha generado un volumen masivo de datos transaccionales sobre la contratación pública. Sin embargo, la mera disponibilidad de estos datos no garantiza la transparencia ni la eficiencia en la fiscalización. La presente investigación aborda la problemática de la falta de caracterización de las entidades estatales, proponiendo una solución basada en Ciencia de Datos para identificar patrones de comportamiento contractual. Desde la perspectiva metodológica se adoptó un enfoque cuantitativo, desarrollando un pipeline de ingeniería de datos (ETL) automatizado en Python para extraer y depurar registros de la vigencia 2024. Se aplicaron técnicas de Análisis Exploratorio de Datos (EDA) y el algoritmo de aprendizaje no supervisado K-Means para segmentar a las entidades. Los resultados revelaron la existencia de cuatro perfiles operativos diferenciados: "Pequeños Competitivos", "Operadores Logísticos Masivos", "Ejecutores Estratégicos" y un perfil crítico de "Alto Riesgo", caracterizado por la adjudicación de montos multimillonarios mediante contratación directa exclusiva. Como producto tecnológico, se desarrolló el software SICP (Sistema de Inteligencia de Contratación Pública), una herramienta de auditoría que integra los modelos matemáticos y permite la clasificación de entidades en tiempo real. Se concluye que la aplicación de técnicas de clustering permite focalizar los esfuerzos de control fiscal, pasando de una auditoría aleatoria a una basada en riesgos algorítmicos. |
| Description: | |
| URI: | https://repository.unad.edu.co/handle/10596/78464 |
| metadata.dc.subject.category: | Ingeniería de Procesos y Sistemas Administración Pública y Derecho Estadística Aplicada Ciencia de Datos y Analítica |
| metadata.dc.coverage.spatial: | cead_-_duitama |
| Appears in Collections: | Especialización en Ciencia de Datos y Analítica |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| afchacond.pdf | 806.51 kB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.