Análisis Predictivo sobre el comportamiento del recaudo de impuesto vehicular en el Tolima
El presente proyecto se desarrolló en colaboración con Turrisystem SAS, una empresa tolimense con amplia experiencia en el desarrollo de soluciones tecnológicas para entidades públicas y privadas. El trabajo se centra en aplicar la analítica de datos y el modelado predictivo al servicio de administr...
- Autores:
-
Arias Diaz, Willmar Daninson
Turriago Murillo, Oscar
- Tipo de recurso:
- Fecha de publicación:
- 2025
- Institución:
- Universidad de Ibagué
- Repositorio:
- Repositorio Universidad de Ibagué
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.unibague.edu.co:20.500.12313/5961
- Acceso en línea:
- https://hdl.handle.net/20.500.12313/5961
- Palabra clave:
- Tolima - Impuesto vehicular - Recaudo
Analítica de datos
Modelo Predictivo
Impuesto Vehicular
Data analytics
Predictive Model
Vehicle Tax
- Rights
- openAccess
- License
- http://purl.org/coar/access_right/c_abf2
| id |
UNIBAGUE2_180a6aeb809ac74f2acdf81560139ec4 |
|---|---|
| oai_identifier_str |
oai:repositorio.unibague.edu.co:20.500.12313/5961 |
| network_acronym_str |
UNIBAGUE2 |
| network_name_str |
Repositorio Universidad de Ibagué |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Análisis Predictivo sobre el comportamiento del recaudo de impuesto vehicular en el Tolima |
| title |
Análisis Predictivo sobre el comportamiento del recaudo de impuesto vehicular en el Tolima |
| spellingShingle |
Análisis Predictivo sobre el comportamiento del recaudo de impuesto vehicular en el Tolima Tolima - Impuesto vehicular - Recaudo Analítica de datos Modelo Predictivo Impuesto Vehicular Data analytics Predictive Model Vehicle Tax |
| title_short |
Análisis Predictivo sobre el comportamiento del recaudo de impuesto vehicular en el Tolima |
| title_full |
Análisis Predictivo sobre el comportamiento del recaudo de impuesto vehicular en el Tolima |
| title_fullStr |
Análisis Predictivo sobre el comportamiento del recaudo de impuesto vehicular en el Tolima |
| title_full_unstemmed |
Análisis Predictivo sobre el comportamiento del recaudo de impuesto vehicular en el Tolima |
| title_sort |
Análisis Predictivo sobre el comportamiento del recaudo de impuesto vehicular en el Tolima |
| dc.creator.fl_str_mv |
Arias Diaz, Willmar Daninson Turriago Murillo, Oscar |
| dc.contributor.advisor.none.fl_str_mv |
Diaz Perdomo, Jairo Alberto |
| dc.contributor.author.none.fl_str_mv |
Arias Diaz, Willmar Daninson Turriago Murillo, Oscar |
| dc.contributor.jury.none.fl_str_mv |
Mejía Rincon, Paola Henoe Muñoz, Diego |
| dc.subject.armarc.none.fl_str_mv |
Tolima - Impuesto vehicular - Recaudo |
| topic |
Tolima - Impuesto vehicular - Recaudo Analítica de datos Modelo Predictivo Impuesto Vehicular Data analytics Predictive Model Vehicle Tax |
| dc.subject.proposal.spa.fl_str_mv |
Analítica de datos Modelo Predictivo Impuesto Vehicular |
| dc.subject.proposal.eng.fl_str_mv |
Data analytics Predictive Model Vehicle Tax |
| description |
El presente proyecto se desarrolló en colaboración con Turrisystem SAS, una empresa tolimense con amplia experiencia en el desarrollo de soluciones tecnológicas para entidades públicas y privadas. El trabajo se centra en aplicar la analítica de datos y el modelado predictivo al servicio de administración del recaudo del impuesto vehicular, que la empresa presta actualmente a la Gobernación del Tolima, con el propósito de fortalecer la planeación presupuestal del departamento y aportar a la eficiencia de la gestión institucional. A partir de los registros históricos del sistema Siver V Tolima, se construyó una base de datos consolidada de 44 meses, sobre la cual se aplicaron procesos de limpieza, transformación y validación de la información. Posteriormente, se evaluaron diferentes algoritmos de predicción, entre ellos regresión lineal, SARIMAX, XGBoost y Transformer multivariado. Este último demostró el mejor desempeño, gracias a su capacidad para analizar de forma simultánea las variables de impuesto, mora y sanción, ofreciendo resultados más estables y precisos frente a los modelos tradicionales. Los hallazgos obtenidos evidencian que la aplicación de modelos de aprendizaje automático permite generar proyecciones más confiables de los ingresos tributarios y anticipar escenarios financieros con mayor exactitud. Esto representa una oportunidad para que la Gobernación del Tolima mejore sus procesos de planeación y control presupuestal, tomando decisiones basadas en evidencia. Asimismo, el proyecto abre la posibilidad para que Turrisystem SAS fortalezca su oferta de valor incorporando soluciones analíticas en su portafolio, consolidándose como un aliado tecnológico en la modernización de la gestión pública regional. |
| publishDate |
2025 |
| dc.date.accessioned.none.fl_str_mv |
2025-11-11T22:44:30Z |
| dc.date.available.none.fl_str_mv |
2025-11-11T22:44:30Z |
| dc.date.issued.none.fl_str_mv |
2025 |
| dc.type.none.fl_str_mv |
Trabajo de grado - Maestría |
| dc.type.content.none.fl_str_mv |
Text |
| dc.type.driver.none.fl_str_mv |
info:eu-repo/semantics/masterThesis |
| dc.type.redcol.none.fl_str_mv |
http://purl.org/redcol/resource_type/TM |
| dc.type.version.none.fl_str_mv |
info:eu-repo/semantics/acceptedVersion |
| status_str |
acceptedVersion |
| dc.identifier.citation.none.fl_str_mv |
Arias, WD & Turriago, O (2025). Análisis Predictivo sobre el comportamiento del recaudo de impuesto vehicular en el Tolima. [Tesis, Universidad de Ibagué]. https://hdl.handle.net/20.500.12313/5961 |
| dc.identifier.uri.none.fl_str_mv |
https://hdl.handle.net/20.500.12313/5961 |
| identifier_str_mv |
Arias, WD & Turriago, O (2025). Análisis Predictivo sobre el comportamiento del recaudo de impuesto vehicular en el Tolima. [Tesis, Universidad de Ibagué]. https://hdl.handle.net/20.500.12313/5961 |
| url |
https://hdl.handle.net/20.500.12313/5961 |
| dc.language.iso.none.fl_str_mv |
spa |
| language |
spa |
| dc.relation.references.none.fl_str_mv |
Barik, K., & Paul, G. (2025). Quantum temporal fusion transformer. arXiv preprint arXiv:2508.04048. Box, G. E. P., Jenkins, G. M., & Reinsel, G. C. (2015). Time series analysis: Forecasting and control (5th ed.). Wiley. Google Developers. (2025). Linear regression: Machine learning crash course. https://developers.google.com/machine-learning/crash-course/linear-regression Stefaniuk, F., & Ślepaczuk, R. (2025). Informer in algorithmic investment strategies on high frequency Bitcoin data. arXiv preprint arXiv:2503.18096. Swenson, C. (2024). Using machine deep learning AI to improve forecasting of tax payments for corporations. Forecasting, 6(4), 968–984. https://doi.org/10.3390/forecast6040048 Wong, C. H., & La, N. (2024). Applying machine learning in tax revenue forecasting. Victoria’s Economic Bulletin, 8(2), 45–59. https://doi.org/10.5281/zenodo.11520345 Xie, X., Zhang, J., Li, J., & Li, Y. (2025). An optimized informer model design for electric vehicle SOC prediction. PLOS ONE, 20(3), e0314255. https://doi.org/10.1371/journal.pone.0314255 |
| dc.rights.accessrights.none.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.coar.none.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| dc.rights.license.none.fl_str_mv |
Atribución-NoComercial 4.0 Internacional (CC BY-NC 4.0) |
| dc.rights.uri.none.fl_str_mv |
https://creativecommons.org/licenses/by-nc/4.0/ |
| eu_rights_str_mv |
openAccess |
| rights_invalid_str_mv |
http://purl.org/coar/access_right/c_abf2 Atribución-NoComercial 4.0 Internacional (CC BY-NC 4.0) https://creativecommons.org/licenses/by-nc/4.0/ |
| dc.format.extent.none.fl_str_mv |
45 páginas |
| dc.format.mimetype.none.fl_str_mv |
application/pdf |
| dc.publisher.none.fl_str_mv |
Universidad de Ibagué |
| dc.publisher.faculty.none.fl_str_mv |
Ciencias Economicas y Administrativas |
| dc.publisher.place.none.fl_str_mv |
Ibagué |
| dc.publisher.program.none.fl_str_mv |
Maestría en Analítica de datos para la toma de decisiones |
| publisher.none.fl_str_mv |
Universidad de Ibagué |
| institution |
Universidad de Ibagué |
| bitstream.url.fl_str_mv |
https://repositorio.unibague.edu.co/bitstreams/d0898acd-5121-4f7c-b989-a1a6b42d2cd7/download https://repositorio.unibague.edu.co/bitstreams/8e34732f-4bcc-4634-ad9d-c634dbf341df/download https://repositorio.unibague.edu.co/bitstreams/eafd10cb-f42e-4092-b24e-13e25bdb1c71/download https://repositorio.unibague.edu.co/bitstreams/b640812d-e195-4ebf-a03e-f0707787e325/download https://repositorio.unibague.edu.co/bitstreams/988df327-dba8-4242-a708-b9769d130389/download https://repositorio.unibague.edu.co/bitstreams/8c47f747-6a1a-4e68-9860-79439267b921/download https://repositorio.unibague.edu.co/bitstreams/03162326-5f74-4874-a5ef-6cf61f3ca594/download https://repositorio.unibague.edu.co/bitstreams/67475882-0a57-40ad-a921-da2a8fcaf128/download |
| bitstream.checksum.fl_str_mv |
8e3dc2152f70c46ac8f68f6aa3bce25e 7969563184e0eed3139293c91892e43b 6fad053811c5e675418a6f61c15900e3 7fd9ed6f5ad61cc5fd4c6ecfefa13327 871fed5f5a845c14af8c7b4a38c5f198 3dcb7dd1826e80f4ae7ae99422b285d7 0f23dba63e27615cdd0f7ed4e2be0714 c8534ec4b52c098f117b8c662eac2ba9 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional Universidad de Ibagué |
| repository.mail.fl_str_mv |
bdigital@metabiblioteca.com |
| _version_ |
1851059992621219840 |
| spelling |
Diaz Perdomo, Jairo Albertof14006c6-496d-4be6-a8ae-27f5d877e65d600Arias Diaz, Willmar Daninsonbb155a40-6423-4d81-ae3b-0954086e47ca-1Turriago Murillo, Oscare4aa7247-300f-41f2-82cc-9662b2e98a22-1Mejía Rincon, Paola Henoec744816f-5be6-43da-a17f-739f6539fe0b600Muñoz, Diego51919ecf-0489-43e0-8eec-db2ec126edd86002025-11-11T22:44:30Z2025-11-11T22:44:30Z2025El presente proyecto se desarrolló en colaboración con Turrisystem SAS, una empresa tolimense con amplia experiencia en el desarrollo de soluciones tecnológicas para entidades públicas y privadas. El trabajo se centra en aplicar la analítica de datos y el modelado predictivo al servicio de administración del recaudo del impuesto vehicular, que la empresa presta actualmente a la Gobernación del Tolima, con el propósito de fortalecer la planeación presupuestal del departamento y aportar a la eficiencia de la gestión institucional. A partir de los registros históricos del sistema Siver V Tolima, se construyó una base de datos consolidada de 44 meses, sobre la cual se aplicaron procesos de limpieza, transformación y validación de la información. Posteriormente, se evaluaron diferentes algoritmos de predicción, entre ellos regresión lineal, SARIMAX, XGBoost y Transformer multivariado. Este último demostró el mejor desempeño, gracias a su capacidad para analizar de forma simultánea las variables de impuesto, mora y sanción, ofreciendo resultados más estables y precisos frente a los modelos tradicionales. Los hallazgos obtenidos evidencian que la aplicación de modelos de aprendizaje automático permite generar proyecciones más confiables de los ingresos tributarios y anticipar escenarios financieros con mayor exactitud. Esto representa una oportunidad para que la Gobernación del Tolima mejore sus procesos de planeación y control presupuestal, tomando decisiones basadas en evidencia. Asimismo, el proyecto abre la posibilidad para que Turrisystem SAS fortalezca su oferta de valor incorporando soluciones analíticas en su portafolio, consolidándose como un aliado tecnológico en la modernización de la gestión pública regional.This project was developed in collaboration with Turrisystem SAS, a company based in Tolima with extensive experience in developing technological solutions for public and private entities. The work focuses on applying data analytics and predictive modeling to the vehicle tax collection management service that the company currently provides to the Tolima Governorate, with the aim of strengthening the department's budget planning and contributing to the efficiency of institutional management. Using historical records from the Siver V Tolima system, a consolidated database spanning 44 months was built. Data cleaning, transformation, and validation processes were then applied to this database. Subsequently, different prediction algorithms were evaluated, including linear regression, SARIMAX, XGBoost, and multivariate Transformer. The latter demonstrated the best performance, thanks to its ability to simultaneously analyze tax, delinquency, and penalty variables, offering more stable and accurate results compared to traditional models. The findings demonstrate that applying machine learning models allows for more reliable projections of tax revenues and more accurate anticipation of financial scenarios. This presents an opportunity for the Tolima Governorate to improve its planning and budget control processes by making evidence-based decisions. Furthermore, the project enables Turrisystem SAS to strengthen its value proposition by incorporating analytical solutions into its portfolio, solidifying its position as a technological partner in the modernization of regional public administration.MaestríaMagister en Analítica de Datos Parar la Toma de DecisionesRESUMEN.....4 INTRODUCCIÓN.....5 CAPITULO 1.....6 1.1 Marco teórico básico.....6 CAPITULO 2.....7 2.1 Planteamiento del Problema del Negocio.....7 2.2 Justificación del Proyecto.....8 2.3 OBJETIVOS.....9 2.3.1 Objetivo general.....9 2.3.2 Objetivos específicos.....9 CAPITULO 3.....10 3.1 Ventaja competitiva asociada.....10 3.2 Generación de valor para la organización.....10 3.3 Beneficios esperados (corto, mediano y largo plazo).....11 CAPITULO 4.....11 4.1 Descripción de la organización.....11 4.2 Solución técnica empleada.....12 4.2.1 Fuentes de datos.....12 4.2.2 Tratamiento de datos (ETL).....12 4.2.3 Diccionario de datos.....13 4.2.4 Arquitectura de datos.....13 4.2.5 Métodos y algoritmos utilizados.....15 Resultados visuales de los modelos predictivos.....16 4.2.6 Herramientas y lenguajes de programación.....23 4.2.7 Códigos y scripts documentados.....24 4.2.8 Validación técnica de la solución.....38 4.3 Fases de desarrollo del proyecto.....39 CAPITULO 5.....41 5.1 Resultados obtenidos.....41 5.2 Indicadores de éxito (KPIs).....41 5.3 Aspectos éticos y riesgos del proyecto.....42 CAPITULO 6.....42 6.1 Conclusiones.....42 6.2 Recomendaciones.....43 REFERENCIAS BIBLIOGRAFICAS.....44 ANEXOS.....4545 páginasapplication/pdfArias, WD & Turriago, O (2025). Análisis Predictivo sobre el comportamiento del recaudo de impuesto vehicular en el Tolima. [Tesis, Universidad de Ibagué]. https://hdl.handle.net/20.500.12313/5961https://hdl.handle.net/20.500.12313/5961spaUniversidad de IbaguéCiencias Economicas y AdministrativasIbaguéMaestría en Analítica de datos para la toma de decisionesBarik, K., & Paul, G. (2025). Quantum temporal fusion transformer. arXiv preprint arXiv:2508.04048.Box, G. E. P., Jenkins, G. M., & Reinsel, G. C. (2015). Time series analysis: Forecasting and control (5th ed.). Wiley.Google Developers. (2025). Linear regression: Machine learning crash course. https://developers.google.com/machine-learning/crash-course/linear-regressionStefaniuk, F., & Ślepaczuk, R. (2025). Informer in algorithmic investment strategies on high frequency Bitcoin data. arXiv preprint arXiv:2503.18096.Swenson, C. (2024). Using machine deep learning AI to improve forecasting of tax payments for corporations. Forecasting, 6(4), 968–984. https://doi.org/10.3390/forecast6040048Wong, C. H., & La, N. (2024). Applying machine learning in tax revenue forecasting. Victoria’s Economic Bulletin, 8(2), 45–59. https://doi.org/10.5281/zenodo.11520345Xie, X., Zhang, J., Li, J., & Li, Y. (2025). An optimized informer model design for electric vehicle SOC prediction. PLOS ONE, 20(3), e0314255. https://doi.org/10.1371/journal.pone.0314255info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Atribución-NoComercial 4.0 Internacional (CC BY-NC 4.0)https://creativecommons.org/licenses/by-nc/4.0/Tolima - Impuesto vehicular - RecaudoAnalítica de datosModelo PredictivoImpuesto VehicularData analyticsPredictive ModelVehicle TaxAnálisis Predictivo sobre el comportamiento del recaudo de impuesto vehicular en el TolimaTrabajo de grado - MaestríaTextinfo:eu-repo/semantics/masterThesishttp://purl.org/redcol/resource_type/TMinfo:eu-repo/semantics/acceptedVersionPublicationORIGINALTesis.pdfTesis.pdfapplication/pdf1583997https://repositorio.unibague.edu.co/bitstreams/d0898acd-5121-4f7c-b989-a1a6b42d2cd7/download8e3dc2152f70c46ac8f68f6aa3bce25eMD55Anexos.zipAnexos.zipapplication/zip17000https://repositorio.unibague.edu.co/bitstreams/8e34732f-4bcc-4634-ad9d-c634dbf341df/download7969563184e0eed3139293c91892e43bMD52Formato de autorización.pdfFormato de autorización.pdfapplication/pdf670487https://repositorio.unibague.edu.co/bitstreams/eafd10cb-f42e-4092-b24e-13e25bdb1c71/download6fad053811c5e675418a6f61c15900e3MD53LICENSElicense.txtlicense.txttext/plain; charset=utf-8133https://repositorio.unibague.edu.co/bitstreams/b640812d-e195-4ebf-a03e-f0707787e325/download7fd9ed6f5ad61cc5fd4c6ecfefa13327MD54TEXTTesis.pdf.txtTesis.pdf.txtExtracted texttext/plain43513https://repositorio.unibague.edu.co/bitstreams/988df327-dba8-4242-a708-b9769d130389/download871fed5f5a845c14af8c7b4a38c5f198MD56Formato de autorización.pdf.txtFormato de autorización.pdf.txtExtracted texttext/plain3882https://repositorio.unibague.edu.co/bitstreams/8c47f747-6a1a-4e68-9860-79439267b921/download3dcb7dd1826e80f4ae7ae99422b285d7MD58THUMBNAILTesis.pdf.jpgTesis.pdf.jpgIM Thumbnailimage/jpeg8283https://repositorio.unibague.edu.co/bitstreams/03162326-5f74-4874-a5ef-6cf61f3ca594/download0f23dba63e27615cdd0f7ed4e2be0714MD57Formato de autorización.pdf.jpgFormato de autorización.pdf.jpgIM Thumbnailimage/jpeg21450https://repositorio.unibague.edu.co/bitstreams/67475882-0a57-40ad-a921-da2a8fcaf128/downloadc8534ec4b52c098f117b8c662eac2ba9MD5920.500.12313/5961oai:repositorio.unibague.edu.co:20.500.12313/59612025-11-12 03:02:33.924https://creativecommons.org/licenses/by-nc/4.0/https://repositorio.unibague.edu.coRepositorio Institucional Universidad de Ibaguébdigital@metabiblioteca.comQ3JlYXRpdmUgQ29tbW9ucyBBdHRyaWJ1dGlvbi1Ob25Db21tZXJjaWFsLU5vRGVyaXZhdGl2ZXMgNC4wIEludGVybmF0aW9uYWwgTGljZW5zZQpodHRwczovL2NyZWF0aXZlY29tbW9ucy5vcmcvbGljZW5zZXMvYnktbmMtbmQvNC4wLw== |