Estado de la implementación de tecnologías emergentes en empresas que prestan servicios al Grupo Energía Bogotá y sus filiales en Colombia

dc.contributor.advisorZabala Vargas, Sergio Andrés
dc.contributor.authorDaza Parada, Omar
dc.coverage.spatialBogotá D.C.
dc.date.accessioned2025-11-27T13:31:30Z
dc.date.available2025-11-27T13:31:30Z
dc.date.issued2024-09-13
dc.descriptionElaborar una propuesta con estrategias de implementación de las tecnologías emergentes como Inteligencia Artificial, Big Data y Ciencia de Datos en la gerencia de proyectos de empresas contratistas del Grupo Energía Bogotá
dc.description.abstractEste trabajo de investigación explora la implementación de tecnologías emergentes, específicamente la Inteligencia Artificial, el Big Data y la Ciencia de Datos, en la gestión de proyectos dentro de empresas que prestan servicios al Grupo Energía Bogotá y sus filiales en Colombia. La investigación aborda la limitada adopción de estas tecnologías en el sector energético colombiano, destacando su potencial para mejorar la eficiencia operativa y la toma de decisiones estratégicas. Mediante un enfoque cuantitativo basado en encuestas y entrevistas, se diagnostica el estado actual de implementación y se identifican las barreras y oportunidades para una adopción más efectiva. Los resultados indican una adopción desigual de estas tecnologías, con un uso predominante de herramientas básicas y una menor integración de soluciones avanzadas. Se proponen estrategias específicas para fortalecer la infraestructura tecnológica y capacitar al personal, con el objetivo de optimizar la implementación de tecnologías emergentes y mejorar la competitividad en el sector energético. Este estudio también sugiere nuevas áreas de investigación, incluyendo el impacto de la transformación digital en la competitividad empresarial y el desarrollo de modelos de gestión de proyectos basados en tecnologías emergentes.
dc.description.abstractThis research explores the implementation of emerging technologies, specifically Artificial Intelligence, Big Data, and Data Science, in project management within companies providing services to Grupo Energía Bogotá and its affiliates in Colombia. The study addresses the limited adoption of these technologies in the Colombian energy sector, highlighting their potential to enhance operational efficiency and strategic decision-making. Using a quantitative approach based on surveys and interviews, the current state of implementation is diagnosed, and barriers and opportunities for more effective adoption are identified. The results indicate an uneven adoption of these technologies, with a predominant use of basic tools and a lower integration of advanced solutions. Specific strategies are proposed to strengthen technological infrastructure and train personnel, aiming to optimize the implementation of emerging technologies and improve competitiveness in the energy sector. This study also suggests new research areas, including the impact of digital transformation on business competitiveness and the development of project management models based on emerging technologies.
dc.format.extent136 páginas
dc.identifier.citationDaza Parada, O. (2024). Estado de la implementación de tecnologías emergentes en empresas que prestan servicios al Grupo Energía Bogotá y sus filiales en Colombia. [Monografía, Corporación Universitaria Minuto de Dios - UNIMINUTO]. Repositorio UNIMINUTO.
dc.identifier.urihttps://hdl.handle.net/10656/22644
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.subjectArtificial Intelligence
dc.subjectBig Data
dc.subjectData Science
dc.subjectproject management
dc.subjectdigital transformation
dc.subjectenergy sector
dc.subject.keywordsInteligencia Artificial
dc.subject.keywordsCiencia de Datos
dc.subject.keywordsgestión de proyectos
dc.subject.keywordstransformación digital
dc.subject.keywordssector energético
dc.subject.keywordsArtificial Intelligence
dc.subject.keywordsBig Data
dc.subject.keywordsData Science
dc.titleEstado de la implementación de tecnologías emergentes en empresas que prestan servicios al Grupo Energía Bogotá y sus filiales en Colombia
dc.typeTrabajo de Investigación e Innovación
dc.type.coarthesis
dcterms.bibliographicCitationBaena Paz, G. (2014). Metodología de la investigación. Mexico DF: Grupo Editorial Patria. Bahaloo, S., Mehrizadeh, M., & Najafi-Marghmaleki, A. (2023). Review of application of artificial intelligence techniques in petroleum operations. Petroleum Research, 167-182. Bernal Torres, C. A. (2010). Metodología de la investigación. Para administración, economía, humanidades y ciencias sociales. Bogotá: Pearson Educación de Colombia. Decreto 1263. (22 de julio de 2022). Por el cual se adiciona el Título 22 a la Parte 2 del Libro 2 del Decreto 1078 de 2015, Decreto Único Reglamentario del Sector de Tecnologías de la Información y las Comunicaciones, con el fin de definir lineamientos y estándares aplicables a la Transform. Colombia. Hai, T., Ashraf Ali, M., Jincheng Zhou, A., Hayder A. Dhahad, Z., Dhahad, V. G., Dhahad, V. G., & Goyal, S. F. (2023). Feasibility and environmental assessments of a biomass gasification-based cycle next to optimization of its performance using artificial intelligence machine learning methods. doi:https://doi.org/10.1016/j.fuel.2022.126494 Hannan, M., Alghamdi, S. M., Ker, P. J., Mansor, M., Lipu, M. H., Al-Shetwi, A. Q., . . . S.K., T. (2023). Recent advancement of energy internet for emerging energy management technologies: Key features, potential applications, methods and open issues . Energy Reports, 3970-3992. Hernandez Leal, E. J. (2016). Aplicación de técnicas de análisis de datos y administración de Big Data ambientales. Aplicación de técnicas de análisis de datos y administración de Big Data ambientales. Medellín, Colombia. Obtenido de https://repositorio.unal.edu.co/bitstream/handle/unal/57998/1090175695.2016.pdf?sequence =1&isAllowed=y Hernández Sampieri, R., & Mendoza Torres, C. P. (2018). Metodología de la investigación Las rutas Cuantitativa, Cualitativa y Mixta. Ciudad de México: McGRAW-HILL INTERAMERICANA EDITORES. IEA. (2023). Electricity. Obtenido de IEA: https://www.iea.org/energy-system/electricity IEA. (Septiembre de 2023). IEA 50. Obtenido de Colombia 2023: https://www.iea.org/reports/colombia2023 IEA. (Octubre de 2023). World Energy Outlook 2023. Obtenido de World Energy Outlook 2023: https://www.iea.org/reports/world-energy-outlook-2023 IEA. (s.f.). Energy system of Colombia. Obtenido de IEA.ORG: https://www.iea.org/countries/colombia Kabir, M., & Ekici, S. (2024). Energy-agriculture nexus: Exploring the future of artificial intelligence applications . Energy Nexus , 1-19. Ley 2294. (19 de mayo de 2023). Por el cual se expide el plan nacional de desarrollo 2022-2026 "Colombia potencia de la vida". Por. Bogotá, Colombia Li, J., Herdem, M. S., Nathwani, J., & Wen, J. Z. (2023). ethods and applications for Artificial Intelligence, Big Data, Internet of Things, and Blockchain in smart energy management . Energy and AI , 1-18. Li, X., & Zhang, S. (2024). Management mode and path of digital transformation of power grid enterprises based on artificial intelligence algorithm. International Journal of Thermofluids, 1-10. Livas-García, A., O. May Tzuc, G., Tzuc, E. C., Torres, M. J., & Bassam, A. (2022). Forecasting of locational marginal price components with artificial intelligence and sensitivity analysis: A study under tropical weather and renewable power for the Mexican Southeast. Electric Power Systems Research, 206. doi:https://doi.org/10.1016/j.epsr.2022.107793 Lyu, W., & Liu, J. (2021). Artificial Intelligence and emerging digital technologies in the energy sector. Applied Energy, 303. doi:https://doi.org/10.1016/j.apenergy.2021.117615 Martínez Nieto, L. (27 de Marzo de 2024). Así van los proyectos de ley sobre inteligencia artificial en Colombia en la legislatura 2023-2024. Obtenido de Ambito Juridico: https://www.ambitojuridico.com/noticias/analisis/tic/asi-van-los-proyectos-de-ley-sobreinteligencia-artificial-en-colombia-en-la Martinez-Mosquera, D., & Luján-Mora, S. (2019). Framework for Big Data integration in e-government. Dyna, 86(209), 215-224. Obtenido de https://revistas.unal.edu.co/index.php/dyna/article/view/77902 Maté, A., Peral, J., Ferrández, A., Gil, D., & Trujillo, J. (2016). A hybrid integrated architecture for energy consumption prediction. A hybrid integrated architecture for energy consumption prediction, 63. doi:https://doi.org/10.1016/j.future.2016.03.020 MinTic. (2020). Guia con los lineamientos generales para el uso de tecnologias emergentes. Guia con los lineamientos generales para el uso de tecnologias emergentes. Colombia. Obtenido de https://gobiernodigital.mintic.gov.co/692/articles-160829_Guia_Tecnologias_Emergentes.pdf Moreno O, J. M., & Yandar L, M. A. (2020). La industria 4.0 desde las prespectiva organizacional. Santa Ana de Coro (Venezuela): Fondo editorial Gamero. Mujica, D. G., & Urdaneta, A. (2010). Modelo para el control de proyectos de automatización en la industria petrolera. Obtenido de http://publicaciones.urbe.edu/index.php/telematique/article/viewarticle/943 Olatunde Abisoye, B., Yanxia Sun, A., Sun, Y., & Zenghui, W. (2024). A survey of artificial intelligence methods for renewable energy forecasting: Methodologies and insights. A survey of artificial intelligence methods for renewable energy forecasting: Methodologies and insights, 48. doi:https://doi.org/10.1016/j.ref.2023.100529 Rahman, M. S., Jamaludin, N. A., Zainol, Z., & Sembok, T. M. (2023). The Application of Decision Tree Classification Algorithm on Decision-Making for Upstream Business. (IJACSA) International Journal of Advanced Computer Science and Applications, 14(8), 660-667. Ruan, G., Qiu, D., Sivaranjani, S., Awad, A. S., & Goran, S. (2024). Data-driven energy management of virtual power plants: A review. Advances in Applied Energy, 1-25. Schwab, K. (diciembre de 2020). Cuarta Revolución Industrial. Futuro hoy, 1(1), 6-10. Lima, Perú. doi:https://doi.org/10.52749/fh.v1i1.1 Suárez Chaparro, M. (2021). Factores críticos de éxito para la implementación de proyectos que utilizan datos masivos (Big Data) en organizaciones operadoras de la industria del petróleo y gas en Colombia. Factores críticos de éxito para la implementación de proyectos que utilizan datos masivos (Big Data) en organizaciones operadoras de la industria del petróleo y gas en Colombia. Bogotá, Colombia. Obtenido de https://repositorio.unal.edu.co/bitstream/handle/unal/80044/Tercera_Entrega__APA_FCEBIGDATA_MAE-v9.pdf?sequence=6&isAllowed=y Tomlinson, B., Torrance, A. W., & J., R. W. (2024). Scientists’ warning on technology . Journal of Cleaner Production , 1-12. Tordecilla Padilla, P. (2024). Estrategias de sostenibilidad en el sectori energético colombiano: un estudio comparativo. Estrategias de sostenibilidad en el sectori energético colombiano: un estudio comparativo. Medellín, Colombia. Wang, H., Zhang, G., Hu, W., Li, S. X., & Xu, D. X. (2020). Artificial intelligence based approach to improve the frequency control in hybrid power system. doi:https://doi.org/10.1016/j.egyr.2020.11.097 Yang, L., Entchev, E., Ghorab, M., Joon Lee, E., Eun-Chul Kang, L., Eun-Chul Kang, Y.-J. K., & Kang, Y.-J. K. (2022). Advanced smart trigeneration energy system design for commercial building applications – Energy and cost performance analyses. Advanced smart trigeneration energy system design for commercial building applications – Energy and cost performance analyses. doi:https://doi.org/10.1016/j.energy.2022.124890 Zhao, N., Haoran, Yang, X., Yan, J., & You, F. (2023). Emerging information and communication technologies for smart energy systems and renewable transition . Advances in appliied Energy, 1-12. Zhou, K., Fu, C., & Yang, S. (2016). Big data driven smart energy management: From big data to big insights. Renewable and Sustainable Energy Reviews. doi:https://doi.org/10.1016/j.rser.2015.11.050 Zou, R., Yang, Q., Xing, J., Zhou, Q., Xie, L., & Chen, W. (2024). Predicting the electric power consumption of office buildings based on dynamic and static hybrid data analysis. Obtenido de ScienceDirect: https://www.sciencedirect.com/science/article/pii/S0360544223035430

Especialización en Gerencia de Proyectos