Estrategias para incorporar Big Data e Inteligencia Artificial en la gestión de riesgos del sector de seguridad en Bogotá

Simple item page
dc.contributor.advisorZabala Vargas, Sergio Andrés
dc.contributor.authorBarreto Romero, Yuly Viviana
dc.contributor.authorParra Fernandez, Jimy Alexander
dc.coverage.spatialBogotá D.C.
dc.date.accessioned2025-11-06T14:27:03Z
dc.date.available2025-11-06T14:27:03Z
dc.date.issued2025-06-29
dc.descriptionPresentar un conjunto de estrategias y recomendaciones para la incorporación de tecnologías emergentes, como Big Data e Inteligencia Artificial, que faciliten la identificación, análisis y evaluación de riesgos en proyectos de organizaciones de vigilancia y seguridad privada en Bogotá, Colombia, con el propósito de mejorar la toma de decisiones estratégicas
dc.description.abstractEn un entorno global marcado por la incertidumbre y la acelerada transformación digital, las organizaciones del sector de vigilancia y seguridad privada enfrentan crecientes desafíos para identificar, analizar y gestionar riesgos de manera eficiente. En Bogotá, muchas de estas empresas operan aún con metodologías manuales y desarticuladas, desaprovechando el potencial de datos generados por sensores, videovigilancia y sistemas GPS. Esta investigación plantea estrategias para incorporar tecnologías emergentes, como Big Data e Inteligencia Artificial (IA), en la gestión de riesgos del sector. El estudio se desarrolló bajo un enfoque cuantitativo, estructurado en dos fases: una revisión sistemática de literatura (2018–2025) en la base de datos ScienceDirect y una encuesta aplicada a 30 empresas de seguridad privada en Bogotá. Esta permitió diagnosticar su nivel de madurez tecnológica y conocer el estado actual de uso y apropiación de tecnologías emergentes. Los resultados muestran una adopción aún incipiente: solo el 10 % de las organizaciones ha iniciado acciones concretas de transformación digital, y el 33 % cuenta con estrategias formuladas, pero no implementadas. La interoperabilidad tecnológica solo está presente en el 17 %, la comunicación entre máquinas (M2M) en el 10 %, y apenas el 27 % de las empresas está en procesos activos de capacitación. No obstante, el 63 % valora el Big Data como altamente importante, y el 53 % reconoce el potencial de la IA.
dc.description.abstractIn a global context marked by uncertainty and digital transformation, private security and surveillance organizations face growing challenges in efficiently identifying, analyzing, and managing risks. In Bogotá, many companies still rely on manual and fragmented methods, underutilizing data from sensors, video surveillance, and GPS systems. This study proposes strategies to incorporate emerging technologies such as Big Data and Artificial Intelligence (AI) into risk management processes within the sector. A quantitative methodology was adopted, consisting of two phases: a systematic literature review (2018–2025) using the ScienceDirect database and a survey conducted among 30 private security companies in Bogotá to assess their level of technological maturity and adoption of emerging technologies. Findings reveal limited implementation: only 10% of organizations have taken concrete steps toward digital transformation, while 33% have formulated strategies without effective execution. Technological interoperability is present in just 17% of cases, machine-to-machine communication in 10%, and only 27% of companies are actively engaged in digital training. However, 63% of respondents recognize Big Data as highly important, and 53% acknowledge the relevance of AI.
dc.format.extent90 páginas
dc.identifier.citationBarreto Romero, Y. V., & Parra Fernandez, J. A. (2025). Proyecto: Estrategias para incorporar Big Data e Inteligencia Artificial en la gestión de riesgos del sector de seguridad en Bogotá [Monografía, Corporación Universitaria Minuto de Dios - UNIMINUTO]. Repositorio UNIMINUTO.
dc.identifier.urihttps://hdl.handle.net/10656/22417
dc.language.isoes
dc.publisherCorporación Universitaria Minuto de Dios – UNIMINUTO
dc.publisher.departmentPosgrado (Virtual)
dc.publisher.programEspecialización en Gerencia de Proyectos
dc.rightsAcceso Abierto - http://purl.org/coar/access_right/c_abf2
dc.rights.licensehttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subject.keywordsGestión de riesgos
dc.subject.keywordsInteligencia artificial
dc.subject.keywordsBig Data
dc.subject.keywordsSeguridad privada
dc.subject.keywordsTransformación digital
dc.subject.keywordsRisk management
dc.subject.keywordsArtificial intelligence
dc.titleEstrategias para incorporar Big Data e Inteligencia Artificial en la gestión de riesgos del sector de seguridad en Bogotá
dc.typeMonografía
dc.type.coarthesis
dcterms.bibliographicCitationAcevedo Argüello, C., Zabala Vargas, S., Rojas Mesa, J., & Guayán Perdomo, O. (2020). Análisis de Redes Sociales como estrategia para estudiar los Sistemas de Innovación. Revisión sistemática de la literatura. Revista Interamericana de Investigación, Educación y Pedagogía, 13(2), 369-402. https://doi.org/10.15332/s1657- 107X Aguilar, L. J. (2016). Big Data, Análisis de grandes volúmenes de datos en organizaciones. Alfaomega Grupo Editor. Aguilar Rivera, A. (2021). Vigilancia con IA y Big Data: retos y oportunidades. Revista Iberoamericana de Ciencia, Tecnología y Sociedad, 16(47), 45–62. Alcaldía Mayor de Bogotá. (2023, agosto 30). El Distrito trabaja de la mano con las empresas de seguridad. https://bogota.gov.co/mi- ciudad/seguridad/el-distrito-trabaja-de-la-mano- con-las-empresas-de-seguridad Alevizos, A., & Dekker, R. (2024). Integrating AI into threat intelligence: A hybrid model approach. Journal of Cybersecurity and Artificial Intelligence, 7(2), 88–105. https://doi.org/10.1016/j.jcai.2024.02.008 Alevizos, E., & Dekker, A. (2024). Hybrid intelligence for threat detection systems: Balancing automation and human oversight. Álvarez, Y., Leguizamón-Páez, D., & Londoño, L. (2021). Cybersecurity risks in Big Data and IoT convergence: A literature review. IEEE Access, 9, 122371–122390. https://doi.org/10.1109/ACCESS.2021.3109972 Bhargava, R., & Maddireddy, S. (2024). Real-time data analytics with AI: Improving security event monitoring. Journal of Artificial Intelligence Applications, 9(1), 21–35. Blanco, J. M., & Cohen, J. (2018). Inteligencia artificial y poder. Real Instituto Elcano, ARI, 93. Cámara de Comercio de Bogotá. (2023). Informe sectorial de vigilancia y seguridad privada. https://www.ccb.org.co CAF – Banco de Desarrollo de América Latina. (2021). Estado de la digitalización en América Latina: Avances y desafíos. https://www.caf.com Celis, D. (2024). AI-driven predictive analytics for cybersecurity. Cybersecurity Intelligence Report, 6(2), 8–17. Cercos Rubio, L., & Hermoso Traba, R. (2022). Inteligencia Artificial en la Gestión de RRHH: Big Data y People Analytics. Congreso de la República de Colombia. (2008, 31 de diciembre). Ley 1266 de 2008: Por la cual se dictan disposiciones generales del hábeas data y se regula el manejo de la información contenida en bases de datos personales, en especial la financiera, crediticia, comercial y de servicios. Diario Oficial. Congreso de Colombia. (2009, 5 de enero). Ley 1273 de 2009: Por medio de la cual se modifica el Código Penal, se crea un nuevo bien jurídico tutelado denominado “de la protección de la información y de los datos” y se preservan integralmente los sistemas que utilicen las tecnologías de la información y las comunicaciones (Diario Oficial No. 47.223). Congreso de Colombia. (2012). Ley 1539 de 2012: Por medio de la cual se implementa el certificado de aptitud psicofísica para el porte y tenencia de armas de fuego y se dictan otras disposiciones. https://www.funcionpublica.gov.co/eva/gestornormativo/norma.php?i=48017 Congreso de Colombia. (2012, 17 de octubre). Ley Estatutaria 1581 de 2012: Por la cual se dictan disposiciones generales para la protección de datos personales (Diario Oficial No. 48 587, 18 de octubre de 2012) Congreso de Colombia. (2016, 29 de julio). Ley 1801 de 2016: Por la cual se expide el Código Nacional de Policía y Convivencia Ciudadana (Diario Oficial No. 49 949). Congreso de Colombia. (2022, 25 de enero). Ley 2197 de 2022: Por medio de la cual se dictan normas tendientes al fortalecimiento de la seguridad ciudadana y se dictan otras disposiciones (Diario Oficial No. 51 928). Constitución Política de Colombia. (1991). Artículo 15. https://www.constitucioncolombia.com/titulo-2/capitulo-1/articulo-15 Coronado, J. R. (2024). Impacto del Big Data y la Inteligencia Artificial en la gestión de la Seguridad Social. Revista de Derecho de la Seguridad Social, Laborum, (Extraordinario 6), 49-70. Danish, M., Qureshi, M. A., & Tariq, U. (2024). Enhancing cybersecurity through predictive analytics. Journal of Cybersecurity Research, 5(1), 14–29. Danish, T. (2024). Enhancing cyber security through predictive analytics: A machine learning approach. Computers & Security, 130, 103201. ttps://doi.org/10.1016/j.cose.2024.103201 Davenport, T. H., & Harris, J. G. (2007). Competing on analytics: The new science of winning. Harvard Business Press. Departamento Nacional de Planeación. (2019, 8 de noviembre). Documento CONPES 3975: Política nacional para la transformación digital e inteligencia artificial. Bogotá: Autor. https://colaboracion.dnp.gov.co/CDT/Conpes/Econ%C3%B3micos/3975.pdf es.wikipedia.org+11repository.agrosavia.co+11colaboracion.dnp.gov.co+11 Fernández, A. L. F. O. N. S. O. (2020). El papel del Big Data en el reporting y la toma de decisiones. Revista de Contabilidad y Dirección, 31, 2136. Galindo Caldés, R. (2019). Big data e inteligencia artificial en la gestión de los recursos humanos del sector público. Revista catalana de dret públic, 2019,(58). González, C., Pérez, R., & Martínez, L. (2020). Big Data y gestión del riesgo en pymes de seguridad. Revista de Ciencias Empresariales, 14(2), 120– 134. González, J., & Moreno, D. (2021). Barreras para la implementación de Inteligencia Artificial en empresas colombianas de seguridad privada. Universidad Nacional de Colombia. Hernández Sampieri, R. y Mendoza Torres, C. P. (2018). Definición del alcance de la investigación en la ruta cuantitativa: exploratorio, descriptivo, correlacional o explicativo. En Metodología de la investigación: las rutas cuantitativa, cualitativa y mixta (pp. 104-121). McGraw-Hill. Jaimes-Quintanilla, M. A., & Zabala-Vargas, S. (2024). Inteligencia artificial en la gestión de proyectos: Caso construcción y obra civil. European Public & Social Innovation Review, 9, 1-21. https://doi.org/10.31637/epsir- 2024-1615 Jauregi-Maza, L. (2021). Big Data: la revolución de los datos masivos en la Administración Pública. Inguruak. Revista Vasca de Sociología y Ciencia Política, (71). Kane, G. C., Palmer, D., Phillips, A. N., Kiron, D., & Buckley, N. (2015). Strategy, not technology, drives digital transformation. MIT Sloan Management Review and Deloitte University Press. Kaur, P., Sharma, M., & Mittal, M. (2021). Artificial intelligence approaches and mechanisms for big data analytics: A systematic study. PeerJ Computer Science, 7, e407. https://doi.org/10.7717/peerj-cs.407 Lee, H., Kim, S., & Choi, M. (2022). Big data analytics in security risk evaluation. Journal of Risk Analysis and Crisis Response, 12(2), 75–90. Leenen, L., & Meyer, T. (2021). Artificial intelligence and big data analytics in support of cyber defense. En R. Leal-Arcas (Ed.), Cybersecurity and Resilience in the Arctic (pp. 90– 108). IGI Global. Marr, B. (2021). Data strategy: How to profit from a world of big data, analytics and the internet of things (2nd ed.). Kogan Page. MarketsandMarkets. (2022). Big data security market by component – Global forecast to 2026. https://www.marketsandmarkets.com Marwan, A. (2024). Integrative approaches in cybersecurity and AI for enterprise resilience. Information Systems Frontiers, 26(1), 121–138. https://doi.org/10.1007/s10796-023- 10253-6 Mayer-Schönberger, V., & Cukier, K. (2013). Big data: A revolution that will transform how we live, work, and think. Houghton Mifflin Harcourt. Ministerio de Tecnologías de la Información y las Comunicaciones (MinTIC). (2020). Política nacional de transformación digital e inteligencia artificial. https://www.mintic.gov.co Ministerio de Defensa Nacional. (1994, 11 de febrero). Decreto 356 de 1994: Por el cual se expide el Estatuto de vigilancia y seguridad privada. Diario Oficial, (11 de febrero de 1994). Consultado el 8 de junio de 2025, en Biblioteca Digital de Bogotá. Ministerio de Defensa Nacional. (2001, 17 de septiembre). Decreto 1979 de 2001: Por el cual se expide el Manual de Uniformes y Equipos para el personal de los servicios de Vigilancia y Seguridad Privada (Diario Oficial No. 44558). Recuperado de la página de la Presidencia de la República de Colombia Ministerio de Defensa Nacional. (2002, 18 de enero). Decreto 71 de 2002: Por el cual se dictan normas sobre cuantías mínimas de patrimonio que deberán mantener y acreditar los servicios de vigilancia y seguridad privada (Diario Oficial No. 44686). Recuperado de la página de la Presidencia de la República de Colombia Ministerio de Defensa Nacional. (2006, 17 de julio). Decreto 2355 de 2006: Por el cual se modifica la estructura de la Superintendencia de Vigilancia y Seguridad Privada y se dictan otras disposiciones (Diario Oficial No. 46332). Recuperado de https://www.funcionpublica.gov.co/eva/gestornormativo/norma.php?i=66726 Ministerio de Salud y Protección Social. (2012, 26 de junio). Decreto 1377 de 2012: Por el cual se reglamenta el parágrafo 1.º del artículo 13 del Decreto‑Ley 1281 de 2002, adicionado por el artículo 111 del Decreto‑Ley 19 de 2012 (Diario Oficial). Recuperado de la base normativa de la Función Pública Mintzberg, H., Ahlstrand, B., & Lampel, J. (2005). Strategy safari: A guided tour through the wilds of strategic management. Simon and Schuster. Montaudon-Tomas, C. M., Pinto-López, I. N., & Amsler, A. (2023). Inteligencia artificial en gestión de proyectos: usos y aplicaciones. Patel, V., & Shah, D. (2023). Real-time video analytics for threat detection. Proceedings of the International Conference on AI Applications, 65– 72. Porter, M. E., & Heppelmann, J. E. (2015). How smart, connected products are transforming companies. Harvard Business Review, 93(10), 96– 114. Pressman, R.S. (2020). Software Engineering: A practitioner’s approach (9ª Ed.). Mc Graw Hill. Project Management Institute, I. (2021). Guía de los Fundamentos para la Dirección de Proyectos (Guía del PMBOK) – Séptima edición. Pennsylvania: NISO (National Information Standards Organization). Project Management Institute. (2010). Guía de los Fundamentos para la Dirección de Proyectos (P. Publications Ed. 4ta ed.). Pelsylvania, USA. Project Management Institute. (2021). A guide to the project management body of knowledge (PMBOK® Guide) (7th ed.). Project Management Institute. Radanliev, P., et al. (2020). Design of a dynamic, predictive cyber risk analytics framework for IoT edge computing. arXiv. https://arxiv.org/abs/2003.03839 Richards, D., & Young, M. (2022). Ethical implications of AI surveillance. Journal of Ethics and Information Technology, 24(3), 189–204. Russell, S., & Norvig, P. (2020). Artificial Intelligence: A modern approach (4th ed.). Pearson. Russom, P. (2011). Big data analytics. TDWI Best Practices Report. https://tdwi.org/research/2011/09/best-practices-report-q4-big-dataanalytics.aspx Salo, F., Injadat, M., Nassif, A. B., & Essex, A. (2020). Data mining techniques in intrusion detection systems: A systematic literature review. IEEE Access, 8, 13546–13661. https://doi.org/10.1109/ACCESS.2020.2965753 Samaniego Piedrahita, O. E. (2022). La analítica con Big Data para procesar datos relacionados con proyectos sociales en la provincia de Los Ríos (Bachelor's thesis, Babahoyo: UTB-FAFI. 2022). Sarker, I. H., et al. (2022). Machine learning for intelligent data analysis and automation in cybersecurity. Computers & Security, 112, 102499. https://doi.org/10.1016/j.cose.2021.102499 Satama, F. L. V., & Terán, G. A. F. (2023). Inteligencia Artificial: El reto contemporáneo de la gestión empresarial. Revista ComHumanitas, 14(1), 94-111. Schwab, K. (2016). The fourth industrial revolution. World Economic Forum. Silva, M., Gómez, F., & Torres, L. (2021). Aplicación de IA en vigilancia urbana: un estudio latinoamericano. Revista Latinoamericana de Seguridad, 8(3), 67–83. Smith, A., & Johnson, B. (2023). AI-based risk modeling in private security projects. Journal of Security Science and Technology, 11(1), 55–70. Smith, J. L. (2023). AI-driven cybersecurity: Leveraging Big Data for real-time risk mitigation. International Journal of Cybersecurity Intelligence and Cybercrime, 6(4), 115–132. https://doi.org/10.1016/j.ijcic.2023.12.004 Superintendencia de Vigilancia y Seguridad Privada. (2006, 8 de agosto). Resolución 2852 de 2006: Por la cual se unifica el régimen de vigilancia y seguridad privada (Diario Oficial No. 46 382, 5 de septiembre de 2006). Superintendencia de Vigilancia y Seguridad Privada. (2023). Informe de cumplimiento normativo en empresas de vigilancia. https://www.supervigilancia.gov.co Tayo, R., & Leidy, P. (2017). Modelo de gestión de riesgos para proyectos de desarrollo tecnológico. Santiago de Queretaro: CIATEQ. Ullah, I., & Babar, M. A. (2018). Architectural tactics for big data cybersecurity analytic systems. arXiv. https://arxiv.org/abs/1807.06605 Ullah, I., & Babar, M. A. (2021). On the scalability of big data cybersecurity analytics systems. arXiv. https://arxiv.org/abs/2103.08564 van Noordt, C., Lima, M., & Stamatis, D. (2023). The role of AI technology in predictive risk assessment for business continuity. Sustainability, 15(4), 2211. https://doi.org/10.3390/su15042211 Vásquez, L., & Beltrán, M. (2022). Transformación digital en organizaciones medianas del sector privado en Colombia. Revista Colombiana de Tecnología y Sociedad, 18(2), 45–60. Von Solms, R., & Van Niekerk, J. (2013). From information security to cyber security. Computers & Security, 38, 97–102. https://doi.org/10.1016/j.cose.2013.04.004 Westerman, G., Bonnet, D., & McAfee, A. (2014). Leading digital: Turning technology into business transformation. Harvard Business Review Press. Zabala-Vargas, S., Álvarez-Pizarro, Y., Sánchez-Galvis, I., & RubioVásquez, K. (2024). Blockchain-Based Strategy to Optimize Certified Notifications from Government Entities. Administrative Sciences, 14(9). https://doi.org/10.3390/admsci14090195 Zabala-Vargas, S., & Jaimes-Quintanilla, M. (2025). Tecnologías 4.0 (IOT y ciencia de datos) orientada a optimizar la gestión de proyectos de construcción. European Public & Social Innovation Review, 10, 1-21. https://epsir.net/index.php/epsir/article/view/1621 Zabala-Vargas, S., Jaimes-Quintanilla, M., & Ramírez-Martínez, D. (2024). Project- based learning and emerging technologies. A strategy to improve academic performance in the training of project managers. 18th International Technology, Education and Development Conference, 5642-5646. https://doi.org/10.21125/inted.2024.1469 Zhang, X., Chan, J., Yan, H., & Wu, T. (2022). Towards risk-aware AI and ML systems: An overview. Journal of Artificial Intelligence Research, 75, 1–24. https://doi.org/10.1613/jair.1.12152 Zolanvari, M., Teixeira, M. A., Gupta, K., Khan, K., & Jain, R. (2019). Machine learning-based network vulnerability analysis of industrial Internet of Things. arXiv. https://arxiv.org/abs/1904.05500

Files

Original bundle
Now showing 1 - 2 of 2
Thumbnail Image
Name:
TE.PRO_ParraJimy-BarretoYuly_2025
Size:
1.12 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Autorizacion_ParraJimy-BarretoYuly_2025
Size:
173.83 KB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
4.72 KB
Format:
Item-specific license agreed upon to submission
Description:
Download

Collections

Especialización en Gerencia de Proyectos