Mejoramiento de la gestión de solicitudes de bonos pensionales en el departamento de Cundinamarca mediante modelos predictivos y herramientas de analítica de datos

Este proyecto de investigación aplicada tuvo como objetivo incrementar en un 30% la eficiencia en el procesamiento de solicitudes de bonos pensionales en la Unidad Administrativa Especial de Pensiones de Cundinamarca para diciembre de 2026. Partiendo de un diagnóstico que evidenció una gestión de datos fragmentada y procesos operativos predominantemente manuales, se implementó una solución basada en analítica de datos. La metodología CRISP-DM guio el desarrollo, que incluyó: 1) la estandarización y análisis exploratorio de datos históricos (2022- 2024), estableciendo una línea base de desempeño; 2) el desarrollo e implementación de un modelo predictivo de regresión utilizando el algoritmo XGBoost, el cual logró predecir el tiempo de procesamiento (Dias_respuesta_I) con un R² de 0.89 y un MAPE del 9.80%; y 3) el diseño e implementación de un prototipo de tablero de control interactivo en Looker Studio. Los resultados demostraron un impacto operativo inmediato, reduciendo el tiempo de análisis de indicadores en un 25% y mejorando la capacidad de planificación en un 30%. Se concluye que la integración de modelos predictivos y herramientas de visualización constituye una estrategia viable para optimizar la gestión pública, transformando un enfoque reactivo en uno proactivo y basado en datos. Se recomienda la migración a un entorno de producción institucional y la futura implementación de un modelo de series de tiempo para la predicción de volumen de solicitudes.

• Autores: Pineda Parra, Deivi Octavio
• Fecha de publicación: 2025
• Institución: Universidad de Cundinamarca
• Repositorio: Repositorio UdeC
• OAI Identifier: oai:repositorio.cun.edu.co:cun/11241
• Acceso en línea: https://repositorio.cun.edu.co/handle/cun/11241
• Palabra clave: Algoritmo; Prototipo; Analítica de Datos; Modelos Predictivos; XGBoost; Bonos pensionales; Eficiencia operativa; Gestión pública; Cundinamarca; CRISP-DM; Análisis de datos
• Rights: openAccess
• License: Atribución-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)