Optimización de la Gestión de Proyectos en la Secretaría Distrital de Movilidad de Bogotá mediante la integración de tecnologías emergentes como IA, Big Data y Ciencias de Datos, y evaluación de efectividad

Simple item page
dc.contributor.advisorZabala Vargas, Sergio Andrés
dc.contributor.authorMontero Orta, Sandra Patricia
dc.contributor.authorSilva Morales, Martha Helena
dc.coverage.spatialBogotá D.C.
dc.date.accessioned2025-12-02T14:37:43Z
dc.date.available2025-12-02T14:37:43Z
dc.date.issued2024-09-09
dc.descriptionRealizar una propuesta, basada en tecnologías emergentes (IA, BigData y Ciencia de Datos), para dinamizar la efectividad de la gestión de proyectos GP en la Secretaría Distrital de Movilidad de Bogotá
dc.description.abstractLa presente investigación aborda los desafíos que enfrenta la Secretaría Distrital de Movilidad de Bogotá en la gestión de sus proyectos, especialmente en relación con la adopción de tecnologías emergentes como la inteligencia artificial (IA), Big Data y las ciencias de datos. El problema central radica en la limitada integración de estas tecnologías, lo que afecta la eficiencia operativa y la toma de decisiones estratégicas. El objetivo de la investigación fue analizar las prácticas de gestión de proyectos (GP) en la Secretaría y proponer estrategias optimizadas que mejoren la efectividad de los procesos mediante el uso de estas tecnologías emergentes. La metodología utilizada incluyó una técnica de encuesta, mediante un cuestionario virtual aplicado a gestores de proyectos de la Secretaría Distrital de Movilidad. El cuestionario estaba compuesto por 28 preguntas distribuidas en cinco áreas clave: Modelo de Negocio, Clientes y Proveedores, Procesos Operativos, Infraestructura y Seguridad, y Estrategia en Industria 4.0. Además, se realizó un análisis documental de literatura científica sobre GP y tecnologías de la información. En cuanto al procedimiento, los datos recolectados a través de Form Office fueron analizados mediante el software IBM SPSS para generar gráficas descriptivas que permitieron identificar patrones y áreas de mejora en la integración de tecnologías emergentes. Los resultados revelaron una baja adopción de IA y Big Data en la Secretaría, con limitaciones en el uso eficiente de los datos para la toma de decisiones. Se identificó la necesidad de mejorar la infraestructura tecnológica y la capacitación del personal en estas herramientas
dc.description.abstractThe present research addresses the challenges faced by the Bogotá Secretariat of Mobility in the management of its projects, particularly regarding the adoption of emerging technologies such as artificial intelligence (AI), Big Data, and data science. The central problem lies in the limited integration of these technologies, which affects operational efficiency and strategic decision-making. The objective of the research was to analyze project management (PM) practices at the Secretariat and propose optimized strategies to improve process effectiveness through the use of these emerging technologies. The methodology employed included a survey technique, using a virtual questionnaire applied to project managers of the Secretariat of Mobility. The questionnaire consisted of 28 questions distributed across five key areas: Business Model, Clients and Suppliers, Operational Processes, Infrastructure and Security, and Strategy in Industry 4.0. Additionally, a documentary analysis of scientific literature on PM and information technologies was conducted. Regarding the procedure, the data collected through Form Office was analyzed using IBM SPSS software to generate descriptive charts that allowed the identification of patterns and areas for improvement in the integration of emerging technologies. The results revealed a low adoption of AI and Big Data at the Secretariat, with limitations in the efficient use of data for decision-making. The need to improve technological infrastructure and staff training in these tools was identified.
dc.format.extent82 páginas
dc.identifier.citationMontero Orta, L., & Silva Morales, L.(2024). Optimización de la Gestión de Proyectos en la Secretaría Distrital de Movilidad de Bogotá mediante la integración de tecnologías emergentes como IA, Big Data y Ciencias de Datos, y evaluación de efectividad. [Monografía, Corporación Universitaria Minuto de Dios - UNIMINUTO]. Repositorio UNIMINUTO.
dc.identifier.urihttps://hdl.handle.net/10656/22673
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.subjectprojects
dc.subjectmanagement
dc.subjectdata
dc.subjecttechnology
dc.subjectartificial intelligence
dc.subjecturban mobility
dc.subject.keywordsproyectos
dc.subject.keywordstecnología
dc.subject.keywordsinteligencia artificial
dc.subject.keywordsmovilidad urbana
dc.subject.keywordsprojects
dc.subject.keywordsmanagement
dc.subject.keywordsartificial intelligence
dc.titleOptimización de la Gestión de Proyectos en la Secretaría Distrital de Movilidad de Bogotá mediante la integración de tecnologías emergentes como IA, Big Data y Ciencias de Datos, y evaluación de efectividad
dc.typeTrabajo de Investigación e Innovación
dc.type.coarthesis
dcterms.bibliographicCitationAlegría Espinoza, A. T. (2023). La inteligencia artificial en el control del tránsito vehicular en la cuidad de Babahoyo, provincia de Los Ríos (Bachelor’s Excha, Babahoyo: UTB-FAFI. 2023). Amado, S. P. (2023). Ser mamá y trabajadora en el distrito: estudio de las medidas de discriminación positiva en entidades distritales, énfasis en Secretaría Distrital de Movilidad-Bogotá.: Estudio de las medidas de discriminación positiva en entidades distritales, énfasis en Secretaría Distrital de Movilidad-Bogotá. Revista Doctrina Distrital, 3(03), 122-145. Andersen, E. S. (2008). Rethinking project management: An organizational perspective. Financial Times/Prentice Hall. Artal, J. F. V., & Buil, R. M. (2022). Adaptación de la metodología Scrum a la gestión de proyectos de innovación universitarios en la Industria 4.0. DYNA management, 10(1), 1. Blichfeldt, B. S., & Eskerod, P. (2008). Project portfolio management – There's more to it than what management enacts. International Journal of Project Management, 26(4), 357–365. https://doi.org/10.1016/j.ijproman.2007.06.004 Botia Gaitan, J. J., & Avella Duarte, G. D. (2021). Eficiencia de las cámaras de foto multas y reducción de los límites de velocidad sobre corredores viales de Bogotá durante el periodo 2015-2019. Canossa Montes de Oca, H. (2022). Gestión de Proyectos como Estrategia para la Evaluación de Desempeño del Talento Humano en las Empresas. Ciencias administrativas, (19), 4-4. Canta Honores, J. L. (2018). Gestión de proyectos bajo el enfoque PMI-PMBOK y los plazos de liquidación de los proyectos Cash Qali Warma promovidos por FONCODES, PERU, 2017. Ceder, A. (2021). Urban mobility and public transport: Future perspectives and review. International Journal of Urban Sciences, 25(4), 455-479. Čolaković, A., & Hadžialić, M. (2018). Internet of Things (IoT): A review of enabling technologies, challenges, and open research issues. Computer networks, 144, 17-39. Congreso de la República de Colombia (2012). Ley 1341 de 2009. Bogotá, Colombia. Congreso de la República de Colombia (2012). Ley 1530 de 2012. Sistema General de Regalías de Colombia. Bogotá, Colombia. Congreso de la República de Colombia (2015). Ley 1753 de 2015. Plan Nacional de Desarrollo 2014-2018 "Todos por un nuevo país". Bogotá, Colombia. Congreso de la República de Colombia (2019). Ley 1978 de 2019. Ley de modernización del sector TIC. Bogotá, Colombia. Cooke-Davies, T., & Arzymanow, A. (2003). The maturity of project management in different industries: An investigation into variations between project management models. International Journal of Project Management, 21(6), 471–478. https://doi.org/10.1016/S0263-7863(02)00084-4 Daneshpajouh, A., & Toledo Candarias, N. (2023). Influencia de la Inteligencia Artificial en la Gestión de Proyectos. Davies, A., & Brady, T. (2000). Organisational capabilities and learning in complex product systems: Towards repeatable solutions. Research Policy, 29(7-8), 931–953. https://doi.org/10.1016/S0048-7333(00)00111-5 Demoraes, F., Gouëset, V., & Luna, C. M. (2020). Características de la movilidad diaria en el Área Metropolitana de Bogotá, con base en la Encuesta de Movilidad de Bogotá 2019–Un panorama en mapas (Doctoral dissertation, UMR ESO, Espaces et Sociétés; Institut Français d’Etudes Andines; Universidad Piloto de Colombia). Di Vaio, A., Palladino, R., Hassan, R., & Escobar, O. (2020). Artificial intelligence and business models in the sustainable development goals perspective: A systematic literature review. Journal of Business Research, 121, 283-314. Eskerod, P., & Riis, E. (2009). Project management models as value creators in projects. International Journal of Project Management, 27(7), 733–741. https://doi.org/10.1016/j.ijproman.2008.12.001 Fewings, P., & Henjewele, C. (2019). Construction Exchang management: an integrated approach. Routledge. Flick, U. (2015). El diseño de la investigación cuantitativa (Vol. 1). Ediciones Morata. Galarza, C. A. R. (2021). Diseños de investigación experimental. CienciAmérica: Revista de divulgación científica de la Universidad Tecnológica Indoamérica, 10(1), 1-7. García Mariño, O. D. (2020). Prototipo de aplicación móvil para la optimización de rutas mediante mecanismos de inteligencia artificial. Gutiérrez Ardila, K. L., & Quiroga Castañeda, E. J. Movilidad inteligente: oportunidades y desafíos para las ciudades colombianas. Guzmán, W. C. V., Cadena, A. G. M., Escalante, A. M. O., & Hivon, M. S. (2021). Importancia del big data en un gestor documental para las entidades públicas de Colombia. SIGNOS Investigación en sistemas de gestión, 13(1), 1-21. Haidabrus, B., Grabis, J., & Protsenko, S. (2021). Agile Exchang management based on data Exchange for information management systems. Design, simulation, manufacturing: the innovation Exchange, 174-182. Hernández, R., Fernández, C., & Baptista, P. (2010). Metodología de la investigación (5ta ed.). McGraw-Hill. Jaramillo, M. L., de los Ángeles Coloma, M., & Ordóñez, W. E. (2021). Pertinencia en el uso de las tecnologías emergentes en la gerencia. Revista Honoris Causa, 13(1), 97- 108. Kandt, J., & Batty, M. (2021). Smart cities, big data and urban policy: Towards urban analytics for the long run. Cities, 109, 102992. https://doi.org/10.1016/j.cities.2020.102992 Khan, S., Nazir, S., García-Magariño, I., & Hussain, A. (2021). Deep learning-based urban big data fusion in smart cities: Towards traffic monitoring and flow-preserving fusion. Computers & Electrical Engineering, 89, 106906. https://doi.org/10.1016/j.compeleceng.2020.106906 Kerzner, H. (2022). Project management metrics, KPIs, and dashboards: a guide to measuring and monitoring project performance. John Wiley & Sons. Li, X., Liu, H., Wang, W., Zheng, Y., Lv, H., & Lv, Z. (2022). Big data analysis of the internet of things in the digital twins of smart city based on deep learning. Future Generation Computer Systems, 128, 167–177. https://doi.org/10.1016/j.future.2021.10.006 Löfgren, K., & Webster, C. W. R. (2020). The value of Big Data in government: The case of ‘smart cities’. Big Data & Society, 7(1), 205395172091277. https://doi.org/10.1177/2053951720912775 Loureiro, S. M. C., Guerreiro, J., & Tussyadiah, I. (2021). Artificial intelligence in business: State of the art and future research agenda. Journal of business research, 129, 911-926. Lv, Z., Chen, D., & Lv, H. (2022). Smart City Construction and Management by Digital Twins and BIM Big Data in COVID-19 Scenario. ACM Transactions on Multimedia Computing, Communications, and Applications, 18(2s), 1–21. https://doi.org/10.1145/3529395 Maldonado, D., Salcedo, C., Garcia, S., Molano, A., Blanco, C., & Vargas, A. (2020). Prácticas usadas en los colegios de Bogotá para prevenir consumo de sustancias psicoactivas y agresión por estudiantes de secundaria y media. Revista Colombiana de Educación, (79), 61-84. Manimuthu, A., Dharshini, V., Zografopoulos, I., Priyan, M. K., & Konstantinou, C. (2021). Contactless technologies for smart cities: Big data, IoT, and cloud infrastructures. SN Computer Science, 2(4), 334. https://doi.org/10.1007/s42979- 021-00719-0 Mantilla Mayorga, J. D. (2018). Lineamientos para transformación de la movilidad urbana, seguridad y calidad ambiental mediante la implementación de un modelo de Smart City en la ciudad de Bogotá. Matheus, R., Janssen, M., & Maheshwari, D. (2020). Data science empowering the public: Data-driven dashboards for transparent and accountable decision-making in smart cities. Government Information Quarterly, 37(3), 101284. Mazurkiewicz, I. (2018). La gestión de proyectos en la pequeña y mediana empresa desde una perspectiva epistemológica. Negotium: revista de ciencias gerenciales, 14(40), 64-76. Mejia Idarraga, S. (2020). Analyzing Sustainable and Emerging Cities. The Inter-American Development Bank and Spatial Transformations (Doctoral dissertation, University of Luxembourg, Esch-sur-Alzette, Luxembourg). Mirzaee, S., & Wang, Q. (2020). Urban mobility and resilience: exploring Boston’s urban mobility network through twitter data. Applied Network Science, 5, 1-20. Moktadir, M. A., Ali, S. M., Kusi-Sarpong, S., & Shaikh, M. A. A. (2018). Assessing challenges for implementing Industry 4.0: Implications for process safety and environmental protection. Process safety and environmental protection, 117, 730- 741. Morandini, M., Coleti, T. A., Oliveira Jr, E., & Corrêa, P. L. P. (2021). Considerations about the efficiency and sufficiency of the utilization of the Scrum methodology: A survey for analyzing results for development teams. Computer Science Review, 39, 100314. Müller, J. M., Kiel, D., & Voigt, K. I. (2018). What drives the implementation of Industry 4.0? The role of opportunities and challenges in the context of sustainability. Sustainability, 10(1), 247. Mujeeb, S., Javaid, N., Ilahi, M., Wadud, Z., Ishmanov, F., & Afzal, M. K. (2019). Deep long short-term memory: A new price and load forecasting scheme for big data in smart cities. Sustainability, 11(4), 987. https://doi.org/10.3390/su11040987 Nica, E. (2021). Urban big data analytics and sustainable governance networks in integrated smart city planning and management. Geopolitics, History, and International Relations, 13(2), 93–106. https://www.ceeol.com/search/articledetail?id=992897 Nieto Valencia, S. (2023). Tendencia de mortalidad, resultado de la implementación de las medidas de intervención en seguridad vial para sancionar la conducción bajo el influjo del alcohol en Colombia y tres ciudades principales, en el periodo 1998- 2018. Nikitas, A., Michalakopoulou, K., Njoya, E. T., & Karampatzakis, D. (2020). Artificial intelligence, transport and the smart city: Definitions and dimensions of a new mobility era. Sustainability, 12(7), 2789. Observatorio de Movilidad de Bogotá (2022). Encuesta de Movilidad. Bogotá, Colombia. Ochoa, J. Ó. Á. (2022). La inteligencia artificial en la gestión de proyectos de inversión pública del Ministerio de Vivienda, Construcción y Saneamiento. Ingeniería Industrial, 99-121. Osman, A. M. S. (2019). A novel big data analytics framework for smart cities. Future Generation Computer Systems, 91, 620–633. https://doi.org/10.1016/j.future.2018.06.046 Pérez, P. Y. P., Pérez, R. E. B., & Kacprzyk, J. (Eds.). (2022). Artificial Intelligence in Project Management and Making Decisions. Springer. Porru, S., Misso, F. E., Pani, F. E., & Repetto, C. (2020). Smart mobility and public transport: Opportunities and challenges in rural and urban areas. Journal of traffic and transportation engineering (English edition), 7(1), 88-97. Quiroz Salazar, L. F., & Diaz Morales, O. (2019). La gestión de proyectos en la administración pública enfocado a proyectos de señalización de la secretaria distrital de movilidad de Bogotá, bajo los lineamientos del Project Management Institute. Ramírez-Montoya, M. S., & González-Padrón, J. G. (2022). Arquitectura de horizontes en emprendimiento social: innovación con tecnologías emergentes. Texto livre, 15, e25716. Ramos-Galarza, C. (2021). Diseños de investigación experimental. CienciAmérica, 10(1), 1-7. Robert, J., Gouëset, V., Demoraes, F., Flechas, A. L., Luna, C. M., Moreno, M. M., ... & Uribe, J. R. V. (2020, November). Analizar las condiciones de movilidad en las periferias de Lima y Bogotá-Desafío científico y propuesta metodológica. In XIV Seminario Internacional de Investigación Urbana y Regional–ACIUR 2020, Mesa 11 “Conectividad y accesibilidad en la movilidad”. Rojas Guarnizo, A (2020). Uso de big data para mejorar la movilidad. Spadaro, I., & Pirlone, F. (2021). Sustainable urban mobility plan and health security. Sustainability, 13(8), 4403. Suárez Rubiano, F. R., & Torres Rodríguez, Á. R. (2022). El desafío del control de la movilidad en la ciudad de Bogotá: retos para el secretario de movilidad. Suderow, J. (2021). Inteligencia artificial y competencia, acceso a datos en el ejemplo de la movilidad y del vehículo autónomo. Urbina, E. C. (2020). Investigación cuantitativa. Applied Sciences in Dentistry, 1(3). Valdiviezo, G. T., Alegre, L. R. R., Ramírez, P. S. S., & Ramírez, D. Y. S. (2021). Tecnologías emergentes¿ Una realidad u utopía en Perú?. Revista Arbitrada Interdisciplinaria Koinonía, 6(1), 163-178. Wang, Y., Currim, F., & Ram, S. (2022). Deep learning of spatiotemporal patterns for urban mobility prediction using big data. Information Systems Research, 33(2), 579- 598.

Files

Original bundle
Now showing 1 - 2 of 2
Thumbnail Image
Name:
TE.PRO_SilvaMartha-MonteroSandra_2024
Size:
1.55 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Autorización_SilvaMartha-MonteroSandra_2024
Size:
203.18 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