Examinando por Materia "Datos"

Mostrando 1 - 4 de 4
  • Miniatura
    PublicaciónAcceso abierto
    Detección de posibles puntos de autogeneración solar a partir de los datos de consumo eléctrico en Colombia
    (Universidad EIA, 2024) Patiño Pérez, Héctor Alejandro; Hoyos Velásquez, Santiago Horacio; Hoyos Velásquez, Santiago Horacio
    RESUMENLos países se encuentran dentro de un proceso de transición energética por medio del cual se desarrolla la electrificación de la economía y se intensifica el uso de las energías renovables a partir de fuentes convencionales y no convencionales, contribuyendo a la reducción de las emisiones de gases efecto invernadero y, por lo tanto, realizando un aporte a la mitigación del cambio climático. En particular, la utilización de energía solar fotovoltaica para la autogeneración de los hogares y las empresas se ha visto motivada por la disminución de los precios de esta tecnología, el aumento de su eficiencia técnica y la disponibilidad de incentivos tributarios generados por ley; lo que se refleja en el cierre financiero de los proyectos solares a pequeña y gran escala, en zonas urbanas, rurales o apartadas a nivel nacional e internacional. Los mercados de energía eléctrica requieren de la estimación correcta de la demanda y la generación de energía para la formación de los precios de corto y largo plazo. En este sentido, conocer la cantidad de energía proveniente de la autogeneración fotovoltaica y su impacto en la demanda es requerido para la planificación de la expansión y para la operación del sistema eléctrico de potencia, además de soportar la toma de decisiones de inversionistas en el sector. El consumo de energía de los hogares y las empresas puede ser caracterizado por su curva de carga, la cual presentaría cambios frente a su patrón de comportamiento histórico como consecuencia de la autogeneración para el autoconsumo, es por esto que, en esta investigación se presenta una metodología basada en técnicas de detección de anomalías para la caracterización de cambios atípicos en el comportamiento de la serie de tiempo del consumo de energía, con el propósito de identificar sistemas solares fotovoltaicos de autogeneración en grandes usuarios de energía en Colombia. La metodología desarrollada se basa en cuatro enfoques: uso de algoritmos de búsqueda exhaustiva, uso de detección de anomalías en series de tiempo mediante la biblioteca Prophet de Facebook, uso de algoritmos para detección de cambios de nivel mediante la biblioteca ADTK – ARUNDO y uso de modelos de aprendizaje profundo para el aprendizaje y detección de cambios en el comportamiento de los datos. Esta investigación se realiza en el marco de la alianza energética 2030, la cual está conformada por 11 organizaciones con el fin de realizar el desarrollo de 11 proyectos de I+D+i financiados por Colciencias. La investigación está desarrollada como parte del proyecto 1 con los datos de consumo de energía eléctrica de los usuarios de Colombia, compartidos por la empresa XM Compañía de Expertos en Mercados S.A. E.S.P. Los resultados encontrados con los dos primeros enfoques utilizados no fueron satisfactorios debido a la gran cantidad de anomalías identificadas y que no representaban el comportamiento esperado para la instalación de un sistema de autogeneración fotovoltaico; sin embargo, los resultados obtenidos bajo el proceso de validación propuesto en los dos últimos enfoques permiten afirmar la presencia de sistemas solares fotovoltaicos instalados a partir de los datos analizados.
  • Miniatura
    ÍtemAcceso abierto
    Modelo de análisis de datos a partir de datos estructurados para tiendas de barrio en Colombia
    (Universidad EIA, 2023) Montoya Castrillon, Mateo; Gómez Betancur, Duván Alberto
    RESUMEN: este trabajo tiene como objetivo la utilización de técnicas de análisis de datos para la toma de decisiones y procesos de promoción para una tienda de barrio definida. Se buscó llevar todas las ventajas y beneficios del análisis de datos a las tiendas de barrio con el fin de ayudar a los tenderos a administrar sus negocios de forma diferente utilizando la tecnología y la información. Para el desarrollo se hizo un proceso de direccionamiento estratégico para una tienda en general y se construyó un modelo de análisis de datos a partir de datos estructurados provenientes de un sistema POS. Se utilizó el lenguaje de programación Python y se usaron librerías pertinentes para el desarrollo computacional y la creación del modelo.
  • Miniatura
    PublicaciónAcceso abierto
    Propuesta de oferta de reventa de Sneakers deportivas a partir de un modelo de inteligencia artificial
    (Universidad EIA, 2022) Hincapié Herrera, Juan Daniel; Patiño Perez, Héctor Alejandro
    RESUMEN: El mercado secundario de sneakers deportivas, o sneakers, ha venido en un vertiginoso ascenso en la última media década, pasando de ser artículos en su mayoría de culto o de mero uso funcional, a ser íconos de un movimiento y constante participación de nuestro diario vivir. La búsqueda de lo exclusivo con el objetivo de resaltar no es ajena a este mercado. Modelos exclusivos de temática sobre una ciudad o país, colaboraciones con el artista/deportista del momento, o simplemente una cantidad limitada de modelos generan una demanda de inéditas proporciones, la cual ha hecho que la accesibilidad al público en general sea prácticamente nula, y que solo quienes están en informados y en el lugar correcto puedan comprarlos. Dicha demanda ha sido explotada por una serie de jugadores a lo largo de la cadena de consumo de las sneakers , desde los fabricantes, retailers y como no, revendedores, personas que “monopolizan” el acceso al lanzamiento del momento. Con el fin de aprovechar el gran caudal de datos proveniente del mercado en crecimiento de reventa de sneakers , entre muchas otras tecnologías de inteligencia artificial, el machine learnig (ML) ha mostrado ser un arma poderosa para hacerle cara a este volumen de datos. Con este objetivo, dentro del machine learnig se han desarrollado algoritmos de aprendizaje tales como: redes neuronales artificiales, árboles de decisión, regresiones lineales, entre otros, los cuales permiten a un sistema aprender a desarrollar una labor dada una entrada de datos y la “experiencia” que extrae de estos. Entonces entra el cuestionamiento de cómo aplicar dicho conocimiento de carácter exponencial con este mercado tan prometedor, para así tomar una rebanada de este pastel donde aún se están definiendo los grandes jugadores y sus estrategias de juego. Para esto primero se debe decidir qué información es la de valor para enseñarle a estos modelos, probarlos y determinar cuál se ajusta más a los datos disponibles, pues contrario a lo que se podría pensar en este tipo de problemas son los modelos los que deben adaptarse a los datos, no al contrario.
  • Miniatura
    PublicaciónAcceso abierto
    Valor de los datos en la industria Fintech
    (Universidad EIA, 2024) Orozco Restrepo, Susana; Correa Palacio, Mariana; Lochmuller Lochmuller, Christian
    RESUMEN: En la era digital, los datos son vitales para el éxito empresarial, especialmente en empresas como las Fintech. Su gestión eficaz impulsa la personalización, la eficiencia operativa y la innovación. A pesar del interés de inversionistas en este tipo de empresas, aún falta una metodología para valorar adecuadamente activos intangibles como los datos, que se usan de manera frecuente en ellas. La investigación busca llenar este vacío, reconociendo que los datos proporcionan una ventaja competitiva crucial. Integrar una valoración precisa de los datos en la evaluación de las Fintech puede guiar decisiones de inversión con mayor confianza, considerando tanto la estabilidad de los rendimientos como el potencial de crecimiento inherente a estas empresas. Para llevar a cabo una estimación para la solución de este problema, se construye una metodología que implica el desarrollo de 4 objetivos. El primer paso implica Identificar las variables que influyen en el valor de los datos en empresas Fintech mediante una revisión bibliográfica para luego cuantificar el valor de los datos en una empresa mediante entrevistas a expertos y una revisión bibliográfica para estructurar un método de medición cuantificable. A partir de lo anterior se busca construir una metodología de valoración que incluya el valor de los datos como activo intangible, basada en la revisión de metodologías existentes y la aplicación de ajustes a dos de ellas. Finalmente, se busca verificar la eficiencia de la metodología desarrollada en la determinación de rentabilidades potenciales al cabo de tres meses, utilizando datos financieros reales o proyectados de una empresa Fintech de operación real y analizando su comportamiento comparado con las proyecciones del método de valoración. Como uno de los resultados principales, se logró construir una metodología de valoración que incluye el valor de los datos y de una empresa Fintech. Al aplicar esta metodología, se pudo concluir que el valor de la empresa es superior cuando se considera el valor intrínseco que aportan los datos como activos intangibles, en comparación con cuando no se incluyen. Esto indica que poseer un conjunto de datos de alto valor aumenta el valor de una empresa Fintech que utiliza sus datos como materia prima. A pesar de que la investigación contiene algunas limitaciones al no poder haber sido verificada en su totalidad, proporciona una orientación para futuras investigaciones.