(1) Modelo de identificación de potenciales omisos de la actividad económica 4711 usando clústering jerárquico. Este producto se basa en la hipótesis de que los contribuyentes del impuesto ICA (omisos o no) para la actividad 47111tienen un comportamiento similar en el consumo de servicios públicos de energía. En este caso puntual que tienen un consumo de energía más alto que el de sus vecinos. Lo anterior, se da por el uso de neveras y refrigeradores para conservar alimentos o bebidas. La información que utiliza es la de consumo mensual de energía de los inmuebles asociados con los contribuyentes que pagan el impuesto ICA bajo la actividad económica 47111, al igual que de los inmuebles de sus vecinos que se encuentran máximo a 1 km. La información que se toma es de inmuebles que tienen una destinación de tipo residencial y se calcula el promedio de energía consumida por cada uno de los tenderos y los vecinos para el periodo de análisis. Luego, con la aplicación del modelo de clustering jerárquico lo que se espera es que aparezcan agrupaciones que se caractericen por tener un consumo de energía promedio relativamente mayor al de otras agrupaciones. Para los elementos de estas agrupaciones se verifica si aparecen como contribuyentes del impuesto ICA bajo otra actividad económica. Si lo son, entonces se descartan; de lo contrario, se consideran como potenciales omisos del impuesto ICA bajo la actividad 47111. El producto permite visualizar los clúster identificados en la tarea de segmentación y el detalle de los inmuebles que tienen un alto consumo de energía y cuyos responsables son potenciales omisos, al igual que descargar en un archivo Excel los detalles de los inmuebles de interés. (2) Priorización de zonas y direcciones a visitar en el proceso de registro empresarial. Este producto permite seleccionar de una lista de indicadores pre-calculados por año y unidad geográfica (i.e., UPZ, localidad), un subconjunto de interés y elegir un método de ponderación para combinarlos y priorizar las unidades geográficas que deben ser visitadas por representantes de la secretaría de hacienda distrital (SHD) en su proceso de registro empresarial. El resultado de la ponderación es visualizado en un mapa por división geográfica. Adicionalmente, el producto permite la descarga de un archivo Excel con los detalles de la ponderación resultante. En la actualidad se provee una serie de indicadores calculados a partir de fuentes disponibles en datos abiertos y provistas por la SHD. Estos indicadores son simples o compuestos. Los indicadores simples son calculados con operaciones aritméticas sobre los datos iniciales, por ejemplo: número de tiendas del año 2013, inventario generado por Servinformación, número de Contribuyentes de la actividad 47111 reportados en las declaraciones de ICA por la SHD. Los indicadores compuestos son generados aplicando modelos analíticos a partir de la información suministrada, como por ejemplo: estimación de la presencia de tiendas en lugares donde se desconoce la distribución, usando el modelo de máxima entropía para estimar las distribuciones por unidad geográfica o usando clústering jerárquico para identificar valores de consumo de energía por segmentos de alto consumo, en una unidad geográfica. Los métodos de ponderación permiten realizar el cálculo de los pesos asociados a cada indicador y priorizar las unidades geográficas a visitar. Los métodos provistos son: Suma de rangos, exponente de rango, Rangos inversos, Centroide por orden de rango y personalización por parte del usuario. (3) Identificación de posibles omisos de las actividades económicas 47111 y 6810 y estimación de base gravable para el cálculo del impuesto de ICA. El producto, con respecto a la identificación de omisos del régimen simplificado, permite seleccionar una de las dos actividades económicas, el método a utilizar para la identificación y el año de análisis, al igual que visualizar el número de omisos en dicha actividad económica a lo largo del tiempo, la distribución de los ingresos reportados en medios magnéticos, el detalle de los posibles omisos identificados y descargar un archivo Excel con el resultado obtenido. Con respecto a la estimación de base gravable, permite seleccionar la actividad económica y el año de estimación, visualizar la distribución de la base gravable del año anterior, el detalle por contribuyente de la estimación y la información utilizada para realizarla y descargar a un archivo Excel, el resultado.  La identificación de posibles omisos se realiza replicando una lógica basada en reglas definida por la SHD, denominado el método de lógica de omisos, y otro método basado en el uso de modelos analíticos de clasificación. La lógica de omisos utiliza fuentes de datos de medios magnéticos y declaraciones de Renta e ICA, para integrarlas e identificar contribuyentes que tienen ingresos que les llevarían a pagar el impuesto de ICA, pero que no lo hicieron para el periodo de análisis. Los modelos analíticos toman como base las compras que realiza un contribuyente del impuesto de ICA a un grupo de proveedores para caracterizar el comportamiento de los responsables del impuesto e identificar contribuyentes que tienen un comportamiento similar pero no han pagado el impuesto. El grupo de proveedores de la actividad es numeroso, por esta razón se realiza un proceso de selección de características para determinar los proveedores que mejor pueden determinar que un contribuyente este desempeñando la actividad objetivo. Los modelos analíticos provistos varían desde modelos básicos basados en clasificación binaria (e.g., regresión logística, naive bayes, KNN), hasta modelos de ensamble de clasificadores donde se incluyen modelos utilizando máquinas de soporte vectorial (SVM), random forest, al igual que diferentes estrategias para integrar el resultado de los clasificadores individuales (e.g., mayoría, umbral).  El modelo seleccionado en el proceso de detección, depende del resultado que obtiene usando los datos disponibles. La estimación de base gravable se hace usando regresión lineal por año individual o grupo de años, y el valor de ingresos reportado por los contribuyentes en el año anterior. La selección del modelo de estimación a utilizar para reportar el resultado, se hace utilizando el mejor resultado en las métricas de evaluación diseñadas para comparar los modelos.

(1) Analítica aplicada a movilidad para el caso de siniestros en Bogotá desarrollado para apoyar la evaluación del impacto de las políticas públicas de disminución de accidentalidad implementadas en la ciudad de Bogotá. Además, permite apoyar la toma de decisiones en el departamento nacional de planeación -DNP- al priorizar la asignación de recursos públicos a las ciudades del país, permitiéndole evaluar comportamientos de siniestros, como por ejemplo, los relacionados con muertes, para  definir acciones orientadas a la disminución de cifras de mortalidad vial. Para lo anterior, el software emplea datos históricos de accidentalidad, comparendos y malla vial. Con esa información se logra caracterizar los siniestros, con respecto a costos asociados, actores involucrados, zonas de mayor riesgo, tramos con mayor número de accidentes, temporalidad en la ocurrencia, clase de vehículo involucrado, gravedad, causa probable y tipo de comparendo. De igual manera, se ofrecen análisis que permiten encontrar relaciones entre las características de los siniestros y las características de los comparendos. (2) Analítica y Big Data aplicados a movilidad para el seguimiento de transporte público en grandes ciudades desarrollado para mostrar las oportunidades en futuros análisis que podrían realizarse en Bogotá, utilizando para el proyecto el monitoreo con datos de un sistema de transporte público tipo BRT en Rio de Janeiro. Este software, visualiza a cada minuto el comportamiento de las rutas de transporte en Río de Janeiro. Además, mediante un mapa de calor identifica la densidad de la operación cada hora en la ciudad. Estas actividades utilizan datos, entregados por el departamento nacional de planeación y EMC². Con esos datos es posible realizar análisis para comparar la planeación de rutas con respecto a la ejecución. Esta comparación permite generar alertas y tomar acciones para impedir por ejemplo, deterioro de vías no diseñadas para este tipo de transporte, o incumplimiento por parte de los operadores de transporte. (1) Modelo de pronóstico de responsables del impuesto de sobretasa a la gasolina con alto potencial de ser fiscalizado (FiscaGAS), el cual apoya la toma de decisiones de las Secretarías de Hacienda sobre la selección de potenciales responsables del impuesto de sobretasa a la gasolina a fiscalizar. Para lo anterior, el software emplea datos históricos y actuales del recaudo reportado por los responsables del impuesto: galones reportados, precio del galón, porcentaje de alcohol carburante, entre otros. Con esa información estima el mejor modelo de seguimiento al comportamiento del recaudo del impuesto de sobretasa a la gasolina de cada responsable que permite comparar su comportamiento real versus su comportamiento esperado dado el histórico, y clasificarlo de acuerdo a una escala de riesgo que sirve para priorizar una posible fiscalización. Además, el software permite identificar si un responsable es un omiso, un inexacto potencial, inexacto por error aritmético o un inexacto por valores inconsistentes. (2) Analítica sobre Impuesto de Delineación Urbana para calificar contribuyentes con propósitos de fiscalización. Este software, identifica tendencias de los documentos asociados a las declaraciones del impuesto (discriminados por anticipos y declaraciones), realiza la clasificación de obras en omisas e inexactas, diferenciando los años de omisión y los tipos de inexactitud, segmenta las obras de acuerdo a sus propiedades físicas para analizar la distribución del pago del impuesto e identificar posibles inexactos, califica contribuyentes con fines de fiscalización de forma dinámica, de acuerdo a las prioridades de los tomadores de decisión, en términos de criterios asociados a la clasificación de la obra (omisa, inexacta, potencialmente inexacta), y genera un reporte con toda la información de contribuyentes y obras para apoyar esta labor. Estas actividades utilizan datos, resultado de la consolidación de las fuentes provistos por la Secretaría Distrital de Hacienda sobre las declaraciones, al igual que información de las curadurías para identificar las obras y obtener la información física de las mismas. 

(1) Modelo de identificación de potenciales omisos de la actividad económica 4711 usando clústering jerárquico. Este producto se basa en la hipótesis de que los contribuyentes del impuesto ICA (omisos o no) para la actividad 47111tienen un comportamiento similar en el consumo de servicios públicos de energía. En este caso puntual que tienen un consumo de energía más alto que el de sus vecinos. Lo anterior, se da por el uso de neveras y refrigeradores para conservar alimentos o bebidas. La información que utiliza es la de consumo mensual de energía de los inmuebles asociados con los contribuyentes que pagan el impuesto ICA bajo la actividad económica 47111, al igual que de los inmuebles de sus vecinos que se encuentran máximo a 1 km. La información que se toma es de inmuebles que tienen una destinación de tipo residencial y se calcula el promedio de energía consumida por cada uno de los tenderos y los vecinos para el periodo de análisis. Luego, con la aplicación del modelo de clustering jerárquico lo que se espera es que aparezcan agrupaciones que se caractericen por tener un consumo de energía promedio relativamente mayor al de otras agrupaciones. Para los elementos de estas agrupaciones se verifica si aparecen como contribuyentes del impuesto ICA bajo otra actividad económica. Si lo son, entonces se descartan; de lo contrario, se consideran como potenciales omisos del impuesto ICA bajo la actividad 47111. El producto permite visualizar los clúster identificados en la tarea de segmentación y el detalle de los inmuebles que tienen un alto consumo de energía y cuyos responsables son potenciales omisos, al igual que descargar en un archivo Excel los detalles de los inmuebles de interés. (2) Priorización de zonas y direcciones a visitar en el proceso de registro empresarial. Este producto permite seleccionar de una lista de indicadores pre-calculados por año y unidad geográfica (i.e., UPZ, localidad), un subconjunto de interés y elegir un método de ponderación para combinarlos y priorizar las unidades geográficas que deben ser visitadas por representantes de la secretaría de hacienda distrital (SHD) en su proceso de registro empresarial. El resultado de la ponderación es visualizado en un mapa por división geográfica. Adicionalmente, el producto permite la descarga de un archivo Excel con los detalles de la ponderación resultante. En la actualidad se provee una serie de indicadores calculados a partir de fuentes disponibles en datos abiertos y provistas por la SHD. Estos indicadores son simples o compuestos. Los indicadores simples son calculados con operaciones aritméticas sobre los datos iniciales, por ejemplo: número de tiendas del año 2013, inventario generado por Servinformación, número de Contribuyentes de la actividad 47111 reportados en las declaraciones de ICA por la SHD. Los indicadores compuestos son generados aplicando modelos analíticos a partir de la información suministrada, como por ejemplo: estimación de la presencia de tiendas en lugares donde se desconoce la distribución, usando el modelo de máxima entropía para estimar las distribuciones por unidad geográfica o usando clústering jerárquico para identificar valores de consumo de energía por segmentos de alto consumo, en una unidad geográfica. Los métodos de ponderación permiten realizar el cálculo de los pesos asociados a cada indicador y priorizar las unidades geográficas a visitar. Los métodos provistos son: Suma de rangos, exponente de rango, Rangos inversos, Centroide por orden de rango y personalización por parte del usuario. (3) Identificación de posibles omisos de las actividades económicas 47111 y 6810 y estimación de base gravable para el cálculo del impuesto de ICA. El producto, con respecto a la identificación de omisos del régimen simplificado, permite seleccionar una de las dos actividades económicas, el método a utilizar para la identificación y el año de análisis, al igual que visualizar el número de omisos en dicha actividad económica a lo largo del tiempo, la distribución de los ingresos reportados en medios magnéticos, el detalle de los posibles omisos identificados y descargar un archivo Excel con el resultado obtenido. Con respecto a la estimación de base gravable, permite seleccionar la actividad económica y el año de estimación, visualizar la distribución de la base gravable del año anterior, el detalle por contribuyente de la estimación y la información utilizada para realizarla y descargar a un archivo Excel, el resultado.  La identificación de posibles omisos se realiza replicando una lógica basada en reglas definida por la SHD, denominado el método de lógica de omisos, y otro método basado en el uso de modelos analíticos de clasificación. La lógica de omisos utiliza fuentes de datos de medios magnéticos y declaraciones de Renta e ICA, para integrarlas e identificar contribuyentes que tienen ingresos que les llevarían a pagar el impuesto de ICA, pero que no lo hicieron para el periodo de análisis. Los modelos analíticos toman como base las compras que realiza un contribuyente del impuesto de ICA a un grupo de proveedores para caracterizar el comportamiento de los responsables del impuesto e identificar contribuyentes que tienen un comportamiento similar pero no han pagado el impuesto. El grupo de proveedores de la actividad es numeroso, por esta razón se realiza un proceso de selección de características para determinar los proveedores que mejor pueden determinar que un contribuyente este desempeñando la actividad objetivo. Los modelos analíticos provistos varían desde modelos básicos basados en clasificación binaria (e.g., regresión logística, naive bayes, KNN), hasta modelos de ensamble de clasificadores donde se incluyen modelos utilizando máquinas de soporte vectorial (SVM), random forest, al igual que diferentes estrategias para integrar el resultado de los clasificadores individuales (e.g., mayoría, umbral).  El modelo seleccionado en el proceso de detección, depende del resultado que obtiene usando los datos disponibles. La estimación de base gravable se hace usando regresión lineal por año individual o grupo de años, y el valor de ingresos reportado por los contribuyentes en el año anterior. La selección del modelo de estimación a utilizar para reportar el resultado, se hace utilizando el mejor resultado en las métricas de evaluación diseñadas para comparar los modelos.

(1) Analítica aplicada a movilidad para el caso de siniestros en Bogotá desarrollado para apoyar la evaluación del impacto de las políticas públicas de disminución de accidentalidad implementadas en la ciudad de Bogotá. Además, permite apoyar la toma de decisiones en el departamento nacional de planeación -DNP- al priorizar la asignación de recursos públicos a las ciudades del país, permitiéndole evaluar comportamientos de siniestros, como por ejemplo, los relacionados con muertes, para  definir acciones orientadas a la disminución de cifras de mortalidad vial. Para lo anterior, el software emplea datos históricos de accidentalidad, comparendos y malla vial. Con esa información se logra caracterizar los siniestros, con respecto a costos asociados, actores involucrados, zonas de mayor riesgo, tramos con mayor número de accidentes, temporalidad en la ocurrencia, clase de vehículo involucrado, gravedad, causa probable y tipo de comparendo. De igual manera, se ofrecen análisis que permiten encontrar relaciones entre las características de los siniestros y las características de los comparendos. (2) Analítica y Big Data aplicados a movilidad para el seguimiento de transporte público en grandes ciudades desarrollado para mostrar las oportunidades en futuros análisis que podrían realizarse en Bogotá, utilizando para el proyecto el monitoreo con datos de un sistema de transporte público tipo BRT en Rio de Janeiro. Este software, visualiza a cada minuto el comportamiento de las rutas de transporte en Río de Janeiro. Además, mediante un mapa de calor identifica la densidad de la operación cada hora en la ciudad. Estas actividades utilizan datos, entregados por el departamento nacional de planeación y EMC². Con esos datos es posible realizar análisis para comparar la planeación de rutas con respecto a la ejecución. Esta comparación permite generar alertas y tomar acciones para impedir por ejemplo, deterioro de vías no diseñadas para este tipo de transporte, o incumplimiento por parte de los operadores de transporte. (1) Modelo de pronóstico de responsables del impuesto de sobretasa a la gasolina con alto potencial de ser fiscalizado (FiscaGAS), el cual apoya la toma de decisiones de las Secretarías de Hacienda sobre la selección de potenciales responsables del impuesto de sobretasa a la gasolina a fiscalizar. Para lo anterior, el software emplea datos históricos y actuales del recaudo reportado por los responsables del impuesto: galones reportados, precio del galón, porcentaje de alcohol carburante, entre otros. Con esa información estima el mejor modelo de seguimiento al comportamiento del recaudo del impuesto de sobretasa a la gasolina de cada responsable que permite comparar su comportamiento real versus su comportamiento esperado dado el histórico, y clasificarlo de acuerdo a una escala de riesgo que sirve para priorizar una posible fiscalización. Además, el software permite identificar si un responsable es un omiso, un inexacto potencial, inexacto por error aritmético o un inexacto por valores inconsistentes. (2) Analítica sobre Impuesto de Delineación Urbana para calificar contribuyentes con propósitos de fiscalización. Este software, identifica tendencias de los documentos asociados a las declaraciones del impuesto (discriminados por anticipos y declaraciones), realiza la clasificación de obras en omisas e inexactas, diferenciando los años de omisión y los tipos de inexactitud, segmenta las obras de acuerdo a sus propiedades físicas para analizar la distribución del pago del impuesto e identificar posibles inexactos, califica contribuyentes con fines de fiscalización de forma dinámica, de acuerdo a las prioridades de los tomadores de decisión, en términos de criterios asociados a la clasificación de la obra (omisa, inexacta, potencialmente inexacta), y genera un reporte con toda la información de contribuyentes y obras para apoyar esta labor. Estas actividades utilizan datos, resultado de la consolidación de las fuentes provistos por la Secretaría Distrital de Hacienda sobre las declaraciones, al igual que información de las curadurías para identificar las obras y obtener la información física de las mismas. 

Evaluar la calidad en la prestacion de servicios de salud apoyados en el uso de mineria de datos y en la metodologia para la medicion de la eficiencia relativa sobre informacion disponible y accesible del Ministerio de proteccion social.

Asesoría y acompañamiento al equipo QualityColor,durante la fase II de la arquitectura empresarial. Específicamente, el objeto del proyecto fue el desarrollo del portafolio de servicio y los ecosistemas de servicio de la plataforma de contenido digital de QualityColor

Diseñar y construir un motor software de modelado que implemente un lenguaje de modelado de planta orientado a la programación de la producción.