Analitica de Datos para la Toma de Decisiones · 2026
Modelo Analítico Para La Clasificación De Municipios PDET En Colombia Basados En Criterios Legales Y Transferencias Del SGP
El presente documento propone una metodología objetiva y replicable para actualizar la focalización de los Programas de Desarrollo con Enfoque Territorial (PDET), creados en 2017. Mediante un modelo de clasificación supervisada con Bosques Aleatorios, se evaluaron variables de pobreza, conflicto armado, desempeño institucional, cultivos ilícitos y transferencias del Sistema General de Participaciones. Los resultados muestran que 154 de los 170 municipios PDET mantienen el perfil (90,6%), solo 16 deberían salir y 223 municipios hoy no priorizados deberían ingresar, impulsados principalmente por el recrudecimiento del conflicto armado entre 2016 y 2023. Este insumo técnico busca apoyar la comisión encargada de la actualización, evitando decisiones políticas arbitrarias y mejorando la eficiencia de la inversión pública hasta 2037. objetiva, auditable y alineada con el marco legal.
Texto completo 54 páginas con texto
Leer la tesis completa Ficha en el repositorio
Contenido
- Ficha Informativap. 1
- Resumenp. 9
- Problema de negocio y justificación (el “por qué”)p. 9
- La solución y la rentabilidad (el “qué” y “cuánto”)p. 10
- Resultados, riesgos y próximos pasosp. 11
- Abstractp. 12
- Capítulo 1. Información General y Contextop. 13
- 1.1 Información General del Estudiante y la Organizaciónp. 13
- 1.2 Resumen Ejecutivop. 13
- 1.3 Introducciónp. 13
- Capítulo 2. Fundamentación Teórica y Organizacionalp. 15
- 2.1 Marco Teórico Básicop. 15
- 2.1.1 Aprendizaje automático aplicado a política públicap. 15
- 2.1.2 Árboles de decisión y bosques aleatoriosp. 18
- 2.1.3 Métricas de evaluación y el papel del Recallp. 18
- 2.1.4 Otros algoritmos de referenciap. 19
- 2.1.5 Síntesis y aportes del Bosque Aleatorio al contexto colombianop. 19
- 2.2 Descripción de la Organizaciónp. 20
- 2.3 Planteamiento del Problema del Negociop. 20
- Capítulo 3. Justificación y Objetivosp. 23
- 3.1 Justificación del Proyectop. 23
- 3.2 Objetivo Generalp. 23
- 3.3 Objetivos Específicosp. 23
- Capítulo 4. Alineación Estratégica y Valor Organizacionalp. 25
- 4.1 Ventaja Competitiva Asociadap. 25
- 4.2 Generación de Valor para la Organizaciónp. 26
- 4.3 Beneficios Esperados (corto, mediano y largo plazo)p. 26
- Capítulo 5. Metodología y Solución Técnicap. 27
- 5.1 Solución Técnica Empleadap. 27
- 5.1.1 Fuentes de Datosp. 27
- 5.1.2 Tratamiento de Datos (ETL)p. 29
- 5.1.3 Diccionario de Datosp. 29
- 5.1.4 Arquitectura de Datosp. 30
- 5.1.5 Métodos y Algoritmos Utilizadosp. 30
- 5.1.6 Herramientas y Lenguajes de Programaciónp. 31
- 5.1.7 Códigos y Scripts Documentadosp. 31
- 5.1.8 Validación Técnica de la Soluciónp. 31
- 5.2 Fases de Desarrollo del Proyectop. 32
- Capítulo 6. Resultados, Indicadores y Riesgosp. 33
- 6.1 Resultados Obtenidosp. 33
- 6.1.1 Resultados del análisis exploratoriop. 33
- 6.1.2 Desempeño del modelop. 34
- 6.1.3 Análisis de transición: quién mantiene, quién sale y quién entrap. 36
- 6.2 Indicadores de Éxito (KPIs)p. 38
- 6.3 Aspectos Éticos y Riesgos del Proyectop. 38
- Capítulo 7. Conclusiones y recomendacionesp. 40
- 7.1 Conclusionesp. 40
- 7.2 Recomendacionesp. 41
- Referencias Bibliográficasp. 42
- Anexosp. 46
- Anexo 1. Diccionario del Datasetp. 46
- Anexo 2. Diagrama de arquitectura de datosp. 48
- Anexo 3. Scripts y Repositorio de Códigop. 49
- Anexo 4. Fases de desarrollo del proyectop. 50
- Anexo 5. Algoritmop. 51
- Anexo 6. Datasets base y dataset 2023p. 52
- Anexo 7. Árbol de problemasp. 53
- Anexo 8. Árbol de objetivosp. 54
- Tabla 1 Estadísticas descriptivas de las variables basep. 33
- Tabla 2 Comparación de métricas entre las variantes de Random Forest evaluadasp. 35
- variables 2023p. 37
- Ilustración 1 Matriz de correlación (heatmap) de las variables predictorasp. 34
- Ilustración 2 Importancia de características del modelo Random Forest optimizadop. 35
- Ilustración 3 Matriz de confusión del modelo Random Forest optimizadop. 36