Tracks


Descargar agenda Analytics Forum 2021 Aquí.

Track 1 - Analytics for the Public Sector

 

Las políticas públicas no son ajenas a los avances en área de análisis de datos. Diariamente las instituciones públicas y otras organizaciones con intereses públicos reciben millones de datos sobre sus ciudadanos, y los utilizan en muchos casos para generar nuevos programas y políticas de beneficio social. En este Track, de la mano con expertos, podrá conocer cómo las técnicas para el análisis de datos se pueden utilizar para formular políticas públicas.

 

 

1. DNP

  • Empresa: Departamento Nacional de Planeación-Unidad de Científicos de Datos
  • Título: Identificación y Análisis de Palabras Clave Asociadas a Documentos CONPES por Periodo de Gobierno
  • Expositor: Mariana Quevedo Hernández
  • Descripción: Un análisis histórico de los documentos CONPES de tipo “lineamientos de política”, desde 1967 hasta 2019, a través de minería de texto permite determinar los términos y temas más relevantes en cada uno de ellos y su cambio de relevancia a través del tiempo.
2. Universidad de los Andes

  • Empresa: Universidad de los Andes
  • Título: Aprendizaje por Refuerzo Multiagente aplicado a control de semaforización
  • Expositor: Carolina Higuera Arias
  • Descripción: En este trabajo se presenta la aplicación del aprendizaje por refuerzo multiagente al problema del control de la semaforización para disminuir tiempos de viaje. La malla vial se modela como una colección de agentes para cada intersección semaforizada. Los agentes, por medio de la experimentación con el entorno, aprenden a establecer fases que maximizan una función objetivo que fomenta disminuir los tiempos de espera de vehículos detenidos y la longitud de las colas en todos los cruces. El primer enfoque que se puso a prueba aprovecha el hecho de que el objetivo se puede dividir en contribuciones por agente. Las intersecciones se modelan como vértices en un gráfico de coordinación y la mejor acción conjunta se encuentra con el algoritmo de eliminación de variables. El segundo método explota el principio de localidad para calcular la mejor acción de un agente como su best response para un juego de dos jugadores con cada miembro de su vecindario. Estos métodos de aprendizaje fueron puestos a prueba en una red simulada de 6 intersecciones semaforizada, utilizando datos del Departamento de Tránsito de Bogotá, Colombia. Con ambos métodos se obtuvieron reducciones significativas en los tiempos de espera con respecto al control por tiempos fijos para cada fase y, en general, se lograron tiempos de viaje más cortos en comparación con otros métodos basados ​​en aprendizaje por refuerzo que se encuentran en la literatura para el mismo problema de control de semaforización.
3. Ernst & Young

  • Empresa: Ernst & Young

  • Título: Modelo de Detección de Conflictos de Interés

  • Expositor: Daniel Fernando Cantor Báez

  • Descripción: Para el adecuado ejercicio de las funciones de las entidades de control estatal, es importante detectar de forma preventiva posibles casos de conflictos de interés y anticipar actos de corrupción en la contratación pública. Gracias a la tecnología de Azure, específicamente al uso de sus componentes de datos, analítica e inteligencia artificial, fue posible la construcción de una solución que apoya la transparencia en los procesos de contratación estatal. EY Colombia fue la firma encargada del diseño, implementación y soporte de una solución de analítica que permite detectar posibles conflictos de interés entre actores estatales y civiles, a partir de fuentes de datos diversas (datos estructurados, no estructurados y binarios o semiestructurados).

Track 2 - Bussines Analytics

Diariamente las empresas producen, reciben y procesan millones de datos. Se puede entender, entonces, que la toma de decisiones a partir del análisis de datos hace parte fundamental de todas las áreas organizacionales de las empresas para garantizar su buen funcionamiento. En este Track encontrará panelistas que compartirán su experiencia en la aplicación de técnicas de análisis de datos en áreas como finanzas, mercadeo, emprendimiento para que actualice sus conocimientos y se entere como las compañías están aplicando el análisis de datos. 

1. Rappi

  • Empresa: Rappi - Universidad de los Andes
  • Título: Graph Machine Learning: The Next Frontier in Artificial Intelligence
  • Expositor: Alejandro Correa Bahnsen
  • Descripción: It is expected that by 2023, 30% of the organizations worldwide will already be using graph technologies to facilitate rapid contextualization for decision making, and that application of graph processing and graph databases will grow at 100% annually according to Gartner. Graphs offer a novel source of information since they accurately and adequately capture the interactions of different entities of interest such as organizations, people, devices, and transactions. In fact, it has been discovered that connections in data are as valuable as the data itself, as these provide context allowing algorithms to learn not only from the datapoint itself but also from the structure created and the flow of information. The interest in these technologies and algorithms have made the field of graph machine learning the fastest growing field in the major AI conferences. In this talk, we will briefly describe the concepts needed to understand Graph Machine Learning, describe the evolution it has taken in its methodologies, give a brief overview of the field, and finally, show real use cases of graph machine learning algorithms to detect fraudulent activities, identify potential influencers, and to enhance credit risk scores.
 
2. Grupo Dot

  • Empresa: Grupodot
  • Título: Ciencia del Comportamiento en conjunto con Inteligencia Artificial: Aplicaciones con Impacto Real en diferentes Industrias
  • Expositor: Diego Ibagón
  • Descripción: La inclusión de ciencia del comportamiento, como parte de los procesos de diseño y construcción de soluciones que emplean Inteligencia Artificial, es una tendencia en crecimiento pues, entre otros beneficios, permite tanto facilitar o acercarse a una mejor “explicabilidad” de los modelos, así como obtener modelos que involucran mayores conjuntos de variables, es decir, no solamente aquellas centradas en “ quien es el usuario” (Típicamente socio-demografía), si no también datos sobre el “contexto” (clima, noticias, tendencias de búsqueda, etc.), variables cognitivas, que dan cuenta de su experiencia en la plataforma y/o oferta de interacciones que se le brinda al usuario y finalmente, “Variables motivacionales”, normalmente vinculadas a datos de opiniones y conversaciones en diferentes espacios digitales. Durante los últimos 4 años, hemos trabajado en Grupodot tanto en investigación como en la aplicación de modelos de comportamiento a problemáticas comunes, en las que se trata de comprender, clasificar y predecir la forma en que usuarios de diferentes tipos de industrias, a gran escala, se comportan. El objetivo de la ponencia es presentar, de forma resumida, el background teórico y metodológico de ambos mundos (Ciencia de Datos y Ciencia del Comportamiento), para luego presentar, 2 casos prácticos, y en operación hoy día a gran escala, que emplean modelos comportamentales de Inteligencia Artificial: El primero, para recomendar productos/servicios y el segundo para segmentar grupos dispersos de usuarios y predecir la siguiente acción a ejecutar, dentro de un conjunto posible.
3. Metanoiia
  • Empresa: Metanoiia
  • Título: Data Science for Sustainable Business
  • Expositor: Natalia Barrero, Co-Founder
  • Descripción: Durante los últimos años ha habido avances importantes en diferentes disciplinas respecto a la extracción de valor a los datos. Las empresas privadas han percibido el valor de obtener insights de sus datos optimizando e incrementando beneficios económicos. Sin embargo, las soluciones basadas en IA y ciencia de datos aplicada, no solo modifica la manera en la que se hacen negocios, sino que cambia la forma en que las empresas y personas se relacionan, interactúan y aportan a la sostenibilidad. En esta charla veremos casos de éxito de cómo la ciencia de datos y la tecnología han tomado un papel protagónico en la transformación de las organizaciones para satisfacer la cambiante demanda de los consumidores y aumentar el valor de inversiones responsables y de impacto.

Track 3 - Supply Chain Analytics

 

La identificación del uso de los datos y las oportunidades de implementación de proyectos permite aprovechar las ventajas que ofrecen las herramientas de inteligencia analítica. Por lo cual es de suma importancia diseñar, correctamente, metodologías para convertir en conocimiento accionable los datos que existen en las organizaciones. Por eso en este track podrá evidenciar como en diferentes entidades han logrado pasar desde datos a acciones estratégicas y tácticas. 

 

 

1. Tigo

  • Empresa: Tigo
  • Título: Modelo analítico para la identificación de anomalías en el consumo de energía eléctrica en tres provincias de Chile
  • Expositor: Juan Andrés Cabal
  • Descripción: El hurto de energía es un problema al que se enfrentan la gran mayoría de empresas prestadores del servicio eléctrico, lo que ha ocasionado que estas busquen mecanismos eficientes y costo-efectivos que les permita identificar o por lo menos generar una alerta temprana sobre un posible hurtador de energía eléctrica. En Chile, a pesar de estar constituido como un delito, siguen existiendo casos penales contra usuarios que han presentado irregularidades en su consumo, lo cual trae grandes consecuencias para la empresa ya que se pueden evidenciar variaciones de voltaje, sobrecarga en el suministro eléctrico y cortes de energía. Lo anterior es el objetivo principal del presente estudio, el cual, mediante el uso de información de medidores tradicionales, desarrolló un modelo de redes neuronales recurrentes con el fin de mejorar el proceso de identificación de hurtadores ya que actualmente la empresa chilena que presta el servicio de energía eléctrica lo hace de manera manual mediante visitas de campo sorpresas a usuarios con grandes desviaciones en su voltaje. El modelo propuesto es de gran interés para la empresa ya que le permite reducir los costos logísticos asociados con las visitas de campo, tener una mejor identificación sobre cuáles son los posibles hurtadores e identificar los patrones de un consumidor anómalo.
2. Smart BP

  • Empresa: SmartBP

  • Título: Optimización de Programación de Trabajadores para Puerto

  • Expositor: Juan David Zambrano Losada

  • Descripción: Con la finalidad de balancear las cargas de trabajo, disminuir el pago de horas extra y los costos de transporte para el área encargada del pesado mediante básculas de una sociedad portuaria, es imperativo contar con planes adecuados para la programación de turnos de operarios. Para resolver este problema, se planteó un modelo de optimización lineal entera mixta basado en generación de columnas. La metodología consiste en recibir una estimación de la demanda para un horizonte de un mes en cada una de las básculas con las que cuenta la sociedad portuaria y posteriormente, generar mediante un modelo auxiliar un conjunto inicial de planes de trabajo, que son asignados a la planta de trabajadores del puerto mediante un modelo maestro tiendo en cuenta las siguientes restricciones: demanda en cada una de las básculas, tiempo máximo por trabajadores, numero máximo de horas extra, tiempos de descanso mínimos entre turnos y máximo de jornadas laborales en horarios nocturnos por trabajador. Luego de una primera asignación hecha con los planes generados por el modelo auxiliar, las variables duales del modelo maestro son utilizadas para generar nuevos planes de trabajo, proceso que se repite iterativamente hasta cumplir con un criterio de terminación. De esta manera, se determinan los planes de trabajo óptimos para los trabajadores de la sociedad portuaria teniendo en cuenta las restricciones mencionadas anteriormente. Finalmente, los resultados son sometidos a un post procesamiento que busca minimizar los costos de transporte de los trabajadores por medio de un algoritmo heurístico que respeta los planes de trabajo asignados a cada trabajador en el modelo de optimización.

3. Georgia Institute of Technology

  • Empresa: Georgia Institute of Technology
  • Título: Estrategia de muestreo adaptativa para monitorear en tiempo real flujos de datos de alta dimensión
  • Expositor: Ana Maria Estrada
  • Descripción: Monitorear flujos de datos de alta dimensión, en tiempo real, es fundamental para detectar anomalías y fallas en un sistema. Sin embargo, en algunas aplicaciones, como el monitoreo ambiental, el sistema de recolección de datos solo proporciona información parcial, debido a restricciones en los recursos. En estos casos, se necesita una estrategia de muestreo adaptativa para detectar fallas en el sistema. La investigación contesta las siguientes preguntas: (1) ¿cómo seleccionar de manera adaptativa las variables a observar en cada instante del tiempo?, (2) ¿cómo usar la información incompleta para detectar una falla en el sistema?, y (3) ¿cómo determinar dónde ocurrió la falla?. La estrategia de muestreo propuesta se utilizó para monitorear la temperatura de agua, almacenada en el subsuelo, para el riego de un campo agrícola, con el objetivo de garantizar la calidad de los cultivos.

Horarios y Ubicación

C.E La Aduana

Track 1

C.E San Andrés

Track 2

 

Antes del 12 de marzo debes haber descargado e instalado la plataforma Isla Avatara. ¡No lo dejes para última hora!

 

¿Tienes problemas con la instalación de la plataforma? Contáctanos, alguien te ayudará SOLO hasta el 12 de marzo a medio día.

Soporte Analytics

Soporte técnico

 

 

¿Quieres saber dónde se realizará cada charla? A continuación encuentras el mapa de la isla. En la Agenda encuentras el nombre del salón donde se realizará cada actividad. ¡No lo dejes para última hora!

 

Universidad de los Andes
Vigilada MINEDUCACIÓN
Reconocimiento como Universidad. Decreto 1297 del 30 de Mayo de 1964
Reconocimiento personería jurídica Resolución 28 del 23 de Febrero de 1949 Min. Justicia.