Evaluación de impactos monetarios ante afectaciones tecnológicas: un enfoque predictivo basado en Machine Learning. Semestre de industria

RESUMEN : Este proyecto, desarrollado en el equipo de Site Reliability Engineering (SRE) de la Vicepresidencia de Servicios de Tecnología de Bancolombia, aborda el impacto económico de la indisponibilidad de una de las aplicaciones transaccionales clave del banco. Su objetivo principal es desarrollar un modelo predictivo basado en aprendizaje automático que permita estimar las pérdidas económicas potenciales ante eventos de indisponibilidad. La metodología incluye el análisis de datos históricos de transacciones para predecir las ganancias generadas por la aplicación y calcular las pérdidas económicas potenciales derivadas de eventos críticos. Para ello, se utilizó Python en el desarrollo del modelo, una arquitectura en la Landing Zone de la compañía para su despliegue y gestión, y Power BI para la creación de un dashboard interactivo que facilita la visualización de los resultados y sus métricas. El modelo implementado proporciona una herramienta para apoyar la toma de decisiones financieras anticipadas y la planificación de contingencias, permitiendo al banco mejorar su capacidad de respuesta y su resiliencia operativa. Este trabajo contribuye significativamente a la optimización de la gestión de riesgos tecnológicos.

• Autores: Garcés Montero, María Salomé
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2025
• Institución: Universidad de Antioquia
• Repositorio: Repositorio UdeA
• OAI Identifier: oai:bibliotecadigital.udea.edu.co:10495/45183
• Acceso en línea: https://hdl.handle.net/10495/45183
• Palabra clave: Aprendizaje automático (inteligencia artificial); Machine learning; Técnicas de predicción; Forecasting techniques; Pérdida económica; Economic losses; http://aims.fao.org/aos/agrovoc/c_28805
• Rights: openAccess
• License: https://creativecommons.org/licenses/by-nc-nd/4.0/