Análisis de datos sobre los hurtos en la ciudad de Medellín desde un enfoque descriptivo
Resumen
Este artículo tiene por objetivo identificar las tendencias y patrones de hurto en la ciudad de Medellín en el periodo 2014-2020, usando datos abiertos de gobierno. Se utiliza como metodología la inteligencia de negocios para el análisis de datos descriptivo. Se analizan variables como barrios, modalidades, tipo de hurto y se realiza la predicción de la variable modalidad de hurto. Los resultados muestran que históricamente el segundo semestre del año tiene la mayor tendencia de incidencias, donde la mayoría de robos suceden en los lugares públicos con un 60% sin el uso de armas. Se identificó que, debido a la pandemia de COVID, las tendencias históricas presentaron alteraciones notables, pero una vez levantadas las restricciones, estas retomaron las tendencias de alzas en robos en las condiciones de prepandemia. Se concluye que el análisis de datos abiertos brinda información relevante para la toma de decisiones de los ciudadanos
Palabras clave
datos abiertos;, robo;, aprendizaje automático;, inteligencia de negocios
Biografía del autor/a
Gina Maestre-Gongora
Ingeniera de Sistemas, Doctora en Ingeniería de Sistemas y Computación
Camilo Andrés Acuña-Castellanos
Ingeniero de Software
Edwar Londoño-Bedoya
Ingeniero de Software
Sergio García-García
Ingeniero de Software
Referencias
- Acuña, C., Garcia, S., Londoño, E., & Maestre-Gongora, G. (2020). Inteligencia de negocios para analizar hurtos en la ciudad de Medellín: un enfoque desde datos abiertos. Congreso Internacional de La Sociedad de Doctores e Investigadores de Colombia, 3.
- Díaz, J. (2012). Introducción al business intelligence. Editorial UOC.
- López, N., & Mahecha, J. (2017). Prototipo de software para la evaluación de la calidad de datos abiertos. Universidad Católica de Colombia.
- Maestre-Gongora, G., & Nieto-Bernal, W. (2019). Conceptual model of information technology management for smart cities: Smarticity. Journal of Global Information Management, 27 (2). https://doi.org/10.4018/JGIM.2019040109 DOI: https://doi.org/10.4018/JGIM.2019040109
- Maestre-Gongora, G., Rangel-Carrillo, A., & Osorio-Sanabria, M. (2021). The value of open data government: a quality assessment approach. Revista de Investigación, Desarrollo e Innovación, 11 (3), 507–518. https://doi.org/https://doi.org/10.19053/20278306.v11.n3.2021.13348 DOI: https://doi.org/10.19053/20278306.v11.n3.2021.13348
- McClendon, L., & Meghanathan, N. (2015). Using Machine Learning Algorithms to Analyze Crime Data. Machine Learning and Applications: An International Journal, 2 (1), 1–12. https://doi.org/10.5121/mlaij.2015.2101 DOI: https://doi.org/10.5121/mlaij.2015.2101
- Nguyen, T. T., Hatua, A., & Sung, A. H. (2017). Building a Learning Machine Classifier with Inadequate Data for Crime Prediction. Journal of Advances in Information Technology, 141–147. https://doi.org/10.12720/jait.8.2.141-147 DOI: https://doi.org/10.12720/jait.8.2.141-147
- Pérez-Rave, J., Correa-Morales, J. C., & González-Echavarría, F. (2019). Metodología para explorar datos abiertos de accidentalidad vial usando Ciencia de Datos: Caso Medellín. Ingeniare, Revista Chilena de Ingeniería, 27 (3), 495–509. https://doi.org/10.4067/s0718-33052019000300495 DOI: https://doi.org/10.4067/S0718-33052019000300495
- Pumares-Romero, A. G. (2019). Minería de datos en el análisis de causas de accidentes de tránsito en el Ecuador. Universidad Israel. http://repositorio.uisrael.edu.ec/handle/47000/2299
- Rosado, A. A., & Rico, D. W. (2010). Inteligencia de negocios: Estado del arte. Scientia et Technica, 1 (44), 321–326. https://doi.org/https://doi.org/10.22517/23447214.1803
- Telugu-Maddileti, V., Sai, M., Sai-Sashank, K. V., & Shriphad-Rao, G. (2020). Crime Data Analysis Using Machine Learning Models. International Journal of Advanced Science and Technology, 29 (9), 3260–3268. http://sersc.org/journals/index.php/IJAST/article/view/15887
- Treviño, R., Rivera, F., & Garza, J. (2020). La analítica de datos como ventaja competitiva en las organizaciones. VinculaTégica, 6 (2), 1063–1074. http://www.web.facpya.uanl.mx/vinculategica/Vinculategica6_2/5_Treviño_Rivera_Garza.pdf
- Wieczorkowski, J. (2019). Open data as a source of product and organizational innovations. Proceedings of the European Conference on Innovation and Entrepreneurship, ECIE, 2, 1119–1128. https://doi.org/10.34190/ECIE.19.190