Analítica descriptiva para la comprensión del estado actual del fenómeno delincuencial en el Ecuador
DOI:
https://doi.org/10.29018/issn.2588-1000vol7iss49.2023pp64-89Palabras clave:
analítica descriptiva, delincuencia, MAMBOResumen
El presente estudio realiza una aplicación práctica de técnicas de análisis de datos para generar inteligencia que apoye la toma informada de decisiones en temas de seguridad pública y prevención del delito en Ecuador. Los objetivos planteados fueron: a) Realizar un estudio teórico sobre la analítica descriptiva y sus conceptos relacionados, b) Analizar la base de datos de la INEC referente a la delincuencia en el Ecuador, c) Desarrollar modelos de analítica descriptiva que permita analizar el fenómeno delincuencial en el Ecuador. El estudio aplica la metodología ágil MAMBO para el procesamiento analítico de un conjunto de datos sobre detenciones y aprehensiones policiales en Ecuador. Se utilizan 79.609 registros con 23 campos que cubren información demográfica, geográfica y tipos de delitos. El enfoque inductivo permite generar a partir de la data para sustentar la toma de decisiones en seguridad ciudadana. Las técnicas incluyen estadística descriptiva, visualización de datos, modelo de series de tiempo ARIMA y algoritmos de agregación. Se realiza el proceso de limpieza, integración y transformación sobre el conjunto de datos; luego se generan tableros con indicadores sobre perfil demográfico de infractores, comparaciones geográficas, evolución temporal y patrones por horas. Los resultados revelan predominancia de hombres jóvenes reincidentes. Guayas, Pichincha y Manabí concentran mayor criminalidad, identificando actividad delictiva en picos nocturnos. También se construye un modelo de pronóstico de tendencias, mismo que sugiere estabilidad con fluctuaciones leves. De esta manera, el estudio evidencia el valor de la analítica de Big Data para caracterizar integralmente el fenómeno delictivo. Son el resultado del análisis de los datos y de la información que ayudan a entender qué está pasando en un contexto específico ya generar estas acciones estratégicas
Descargas
Citas
Bernabeu, D. (01 de 01 de 2009). www.sinnexus.com. Obtenido de www.sinnexus.com: https://www.sinnexus.com/business_intelligence/piramide_negocio.aspx
Božič, K., & Dimovski, V. (2019). Business intelligence and analytics use, innovation ambidexterity, and firm performance: A dynamic capabilities perspective. Journal of Strategic Information Systems, 1-20.
Lepeniotia, K., Bousdekisa, A., Apostolou, D., & Mentzasa, G. (2019). Prescriptive analytics: Literature review and research challenges. International Journal of Information Management, 57-70.
Abarca, L. C., Zepeda, V. V., & Villegas, C. M. (2020). Alineando el ciclo de vida de un proyecto con un modelo de madurez BI: una propuesta para la etapa de análisis preliminar. Ingeniare. Revista chilena de ingeniería, 629-644.
Alexander, F.-C. D., & Armando, S.-G. J. (2021). INTRODUCCIÓN A LA INTELIGENCIA DE NEGOCIOS BASADA EN LA METODOLOGÍA KIMBALL. Revista TIA Tecnología, Investigación y Academia -Red Avanzada, 5-16.
Bargui, F., & Abdallah, H. B. (2019). Enhancing the involvement of decision makers in data mart design . Int. J. Data Analysis Techniques and Strategies, 148-175.
Barrera, D. V. (31 de 08 de 2021). repositorio.espe.edu.ec. Obtenido de repositorio.espe.edu.ec: http://repositorio.espe.edu.ec/bitstream/21000/25970/1/T-ESPE-044797.pdf
Código Orgánico Integral Penal. (06 de 05 de 2019). www.defensa.gob.ec. Obtenido de www.defensa.gob.ec: https://www.defensa.gob.ec/wp-content/uploads/downloads/2019/07/plan-nacional-min-interior-web.pdf
Coronado Medina, L. A. (01 de 01 de 2019). repository.eafit.edu.co. Obtenido de repository.eafit.edu.co: https://repository.eafit.edu.co/bitstream/handle/10784/14347/LuisAlejandro_CoronadoMedina_2019.pdf?sequence=2&isAllowed=y
Delgado, S. B. (01 de 01 de 2019). repositorio.unsm.edu.pe. Obtenido de repositorio.unsm.edu.pe: https://repositorio.unsm.edu.pe/bitstream/11458/3253/1/FISI%20-%20Samuel%20Bocanegra%20Delgado.pdf
Escobedo-Bailon, F., Arqque Pantigozo, A., Alzamora Aragon, C., Pasco Barriga, B., Olivares Zegarra, S., & Rodriguez Zevallos, K. (2021). Cloud Technology As A Support For The ETL Process And Its Influence On Decision Making. International Journal of Aquatic Science, 4637-4646.
Frazzetto, D., Nielsen, T. D., Pedersen, T. B., & Šikšnys, L. (2019). Prescriptive analytics: a survey of emerging trends and technologies. The VLDB Journal, 575-595.
Habermas, J. (2023). Conocimiento e interés. Taurus.
Haryono, E. M., Fahmi, Tri, A. S., Gunawan, I., Hidayanto, A. N., & Rahardja, U. (2020). Comparison of the E-LT vs ETL Method in Data Warehouse Implementation: A Qualitative Study. International Conference on Informatics, Multimedia, Cyber and Information System, 115-120.
Jain, S., Sah, R. D., & Jain, A. (2022). A SURVEY OF DATA WAREHOUSE ARCHITECTURE AND DATA MINING APPLICATION. En R. R. Dutta, EMERGING TRENDS IN MULTI DISCIPLINARY RESEARCH AND INNOVATIONS (pág. 15). RFI Publication International Book Publiccations.
Jara, R. M., Villanueva, K. S., Zevallos, K. V., & Bailón, F. E. (2021). Nuevas tendencias para la optimización de los procesos de Inteligencia de Negocios. Revista de Investigación Universitaria, 524-539.
Joyanes, A. L. (2019). INTELIGENCIA DE NEGOCIOS Y ANALÍTICA DE DATOS UNA VISION GLOBAL DE BUSINESS INTELLIGENCE & ANALYTICS. Bogotá : ALFAOMEGA.
Kimball, R., & Margy , R. (2013). The Data Warehouse Toolkit. The Defi nitive Guide to. Canada: Crosspoint Boulevard.
López Benítez, Y. (2019). Business intelligence. ADGG102PO. Málaga: IC Editorial.
Martínez, J. A., Montoya, J. D., Cataño, D. F., Acosta, J. C., Ochoa, J. A., & Cardona, Ó. O. (01 de 01 de 2020). web.archive.org. Obtenido de web.archive.org/: https://web.archive.org/web/20210601093949id_/https://americana.edu.co/medellin/wp-content/uploads/2020/09/Investigaci%C3%B3n-en-Administracion-Negocios-y-Contadur%C3%ADa-frente-a-los-retos.pdf#page=51
Matute, J. B. (01 de 01 de 2022). dspace.unach.edu.ec. Obtenido de dspace.unach.edu.ec: http://dspace.unach.edu.ec/bitstream/51000/9649/1/Vicu%C3%B1a%20M.%2C%20Jhoselin%20B.%20%282022%29%20La%20delincuencia%20y%20su%20incidenci.pdf
Moss, L. T., & Atre, S. (2003). Business Intelligence Roadmap. The Complete Project Lifecycle for Decision-support Applications. Boston: Pearson Education, Inc., Larissa T. Moss, and Shaku Atre.
Ong, I. L., Siew, P. H., & Wong, S. F. (2011). A Five-Layered Business Intelligence Architecture. Communications of the IBIMA, 1-11.
Orellana Batallas, F., & Caveda, D. A. (2022). FACTORES QUE CONTRIBUYEN AL AUMENTO DE LA DELINCUENCIA EN LA CIUDAD DE GUAYAQUIL. Revista Científica ECOCIENCIA, 276-294.
Paoli, A. (2014). COMUNICACIÓN E INFORMACIÓN . Comunicación e Información, Perspectivas Teóricas;, 11-17.
Patricia, C. O. (01 de 01 de 2019). www.dspace.uce.edu.ec. Obtenido de www.dspace.uce.edu.ec: http://www.dspace.uce.edu.ec/bitstream/25000/18552/1/T-UCE-0013-JUR-181.pdf
Peralta, F. C. (2014). Proceso de Conceptualización del Entendimiento del Negocio para Proyectos de Explotación de Información. Revista Latinoamericana de Ingenieria de Software, 273-306.
Pérez López, C. (2021). Data Mining. The CRISP-DM Methodology. The CLEM language and IBM SPSS MODELER. Lulu.
Planas, M., Rodríguez, T., & Lecha, M. (2004). La importancia de los datos. Nutricion hospitalaria, 11-13.
Porras, A. A. (2022). Tecnología Investigación y Academia. TIA Tecnologica, 5-17.
Quimbayo, J. A. (01 de 01 de 2021). repository.unimilitar.edu.co. Obtenido de repository.unimilitar.edu.co: https://repository.unimilitar.edu.co/bitstream/handle/10654/41370/MendozaQuimbayoJennyAlejandra2021.pdf?sequence=1&isAllowed=y
Sánchez Cárdenas, C. S., & Zambrano León, J. H. (01 de 01 de 2023). repository.usta.edu.co. Obtenido de repository.usta.edu.co/: https://repository.usta.edu.co/bitstream/handle/11634/48600/Uso%20del%20Big%20Data%20y%20la%20Anal%c3%adtica%20de%20Datos%20como%20Instrumentos%20Facilitadores%20en%20la%20Toma%20de%20Decisiones%20para%20las%20Empresas..pdf?sequence=1&isAllowed=y
Schab, E. A. (2020). Analítica Prescriptiva en Sistemas con Grandes Flujos de Eventos. 1-6.
Sepulveda, A. M. (2018). Inteligencia de negocios como generador de conocimiento para la competitividad empresarial de las pequeñasy medianasempresas. Ciencia & Futuro, 143-153.
Tirado, A. U., Gallón, L., Ríos, Á. M., & Álvaro Quintero Posada, G. V. (09 de 12 de 2020). eprints.rclis.org. Obtenido de eprints.rclis.org: http://eprints.rclis.org/40763/1/UribeAlejandro%20et%20al_2020_PolifoniaPensarPandemia.pdf
UMA. (28 de 12 de 2022). www.bigdata.uma.es. Obtenido de www.bigdata.uma.es: https://www.bigdata.uma.es/metodologia-mambo/
Vaquero, R. C. (01 de 01 de 2020). idus.us.es. Obtenido de idus.us.es: https://idus.us.es/bitstream/handle/11441/131323/Castro%20Vaquero%2c%20Roc%c3%ado.pdf?sequence=1&isAllowed=y
Wahono, S., & Ali, H. (2021). PERANAN DATA WAREHOUSE, SOFTWARE DAN BRAINWARE TERHADAP PENGAMBILAN KEPUTUSAN (LITERATURE REVIEW EXECUTIVE SUPPORT SISTEM FOR BUSINESS). Jurnal Ekonomi Manajemen Sistem Informasi, 225-239.
Zlatarov, A., & Yakimov. (2020). INDEX MATRICES AS A TOOL FOR DATA LAKEHOUSE MODELLING. Informática” de la Unión de Científicos de Bulgaria, 81-105.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2023 Los autores mantienen los derechos sobre los artículos y por lo tanto son libres de compartir, copiar, distribuir, ejecutar y comunicar públicamente el trabajo en sus sitios web personales o en depósitos institucionales, luego de su publicación en esta revista, siempre y cuando proporcionen información bibliográfica que certifique su publicación en esta revista.
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.