Maestría en Análisis de Datos para la Toma de Decisiones · 2026
Diseño de un modelo analítico predictivo para la mejora de la planeación de la oferta educativa en programas de formación titulada del Centro Agropecuario La Granja SENA – Espinal (Tolima)
La asignación de cupos en los programas de formación titulada del Centro Agropecuario La Granja SENA – Espinal (Tolima) ha operado históricamente bajo un esquema inercial: el 38,6 % de las 373 fichas de formación titulada que cuentan con una ficha anterior del mismo programa repite exactamente el cupo de esa ficha previa, y la correlación entre cupos consecutivos supera ampliamente la correlación con la matrícula real lograda. Este proyecto tiene como objetivo diseñar un modelo analítico predictivo para fundamentar la planeación de la oferta educativa en evidencia estadística. Siguiendo la metodología CRISP-DM, para lo cual se integraron y depuraron reportes de la plataforma institucional SofiaPlus correspondientes a los periodos 2022-2026, consolidando una base de 5.845 fichas del Centro en su totalidad (740 programas), de las cuales 425 corresponden específicamente a formación titulada (52 programas). Sobre esta última base se entrenaron y compararon cuatro algoritmos de aprendizaje supervisado bajo validación cruzada (k=5) para dos tareas: la estimación de la demanda por ficha y la clasificación del riesgo de alta deserción. El modelo Random Forest obtuvo el mejor desempeño para la primera tarea (R² = 0,644; MAE = 4,75 aprendices), si bien el cupo previamente ofertado concentra el 87,7 % de la importancia relativa de las variables. Para la segunda tarea, la Regresión Logística (AUC = 0,739) se estructuró a partir de 198 fichas cerradas; dado el alcance de esta muestra, este componente se articula como una herramienta diagnóstica y de monitoreo preventivo, reservando la función predictiva operacional a la proyección de la demanda. Los resultados se integraron en un tablero interactivo de Power BI, sobre información tratada exclusivamente de forma agregada a nivel de ficha y sin datos personales identificables, en cumplimiento de la Ley 1581 de 2012. El proyecto concluye que la incorporación de modelos predictivos constituye una alternativa viable, validada estadísticamente y de bajo costo de implementación, para transitar hacia una planeación de la oferta educativa basada en evidencia.