http://repositorio.uniautonoma.edu.co:8080/xmlui/handle/123456789/411 2026-09-14T18:35:59Z http://repositorio.uniautonoma.edu.co:8080/xmlui/handle/123456789/1074 Actualización y depuración de la base de datos de los contribuyentes de industria y comercio en Popayán Astudillo Aley, Daniela El trabajo presenta el diseño y aplicación de un proceso de depuración y actualización de la base de datos de contribuyentes del impuesto de industria y comercio del municipio de Popayán, administrada por la Secretaría de Hacienda. A partir de un diagnóstico inicial sobre aproximadamente quince mil registros, se identificaron problemas de duplicidad, desactualización y ausencia de campos críticos que afectaban la exactitud, la completitud, la consistencia y la vigencia de la información tributaria. Estas dimensiones de calidad de datos se fundamentan en lineamientos de gestión de información y gobierno digital aplicados al sector público colombiano, complementados con referentes internacionales de calidad de datos como los propuestos por la Agencia de Gobierno Electrónico y Sociedad de la Información y del Conocimiento, (AGESIC.2020). Mediante el análisis de la información almacenada en el sistema web de información Tributaria (SWIT), plataforma utilizada por las entidades territoriales para la gestión, administrativa y control de la información tributaria municipal, el uso de hojas de cálculo y el cruce sistemático con fuentes externas como la Cámara de Comercio del Cauca, el Registro Único Empresarial y Social y la Dirección de Impuestos y Aduanas Nacionales, se construyó una tipología de inconsistencias que distinguió entre duplicidades exactas, duplicidades por variaciones en los datos, duplicidades semánticas, registros obsoletos y registros con campos críticos incompletos. Sobre esta base se formuló un protocolo de depuración y actualización que incorporó reglas específicas para cada tipo de problema, en coherencia con los lineamientos nacionales de gobierno de datos aplicables a datos maestros institucionales (Departamento Administrativo de la Función Pública, 2025). La aplicación del protocolo permitió identificar 1.000 registros con duplicidad dentro de una muestra analizada de 15.000 contribuyentes lo cual corresponde a un 6.70%, de esta forma, reclasificar y reducir el número de repetidos en los contribuyentes sin vigencia y mejorar la integridad de atributos esenciales como la actividad económica, la dirección de notificación y los datos de contacto, fortaleciendo la calidad de la base tributaria y su utilidad para la planeación fiscal, la gestión del riesgo y la fiscalización del impuesto de industria y comercio, en el marco del marco normativo tributario y de protección de datos personales vigente en Colombia (Centro Interamericano de Administraciones Tributarias, 2024). 2026-01-01T00:00:00Z http://repositorio.uniautonoma.edu.co:8080/xmlui/handle/123456789/1073 ¿Cómo afecta el riesgo climático a la estabilidad y el desempeño del sector Bancario y Asegurador? Una revisión sistemática de literatura Estacio Lara, Juan Pablo; Álvarez Mosquera, José Fernando Esta monografía realiza una revisión progresiva de la literatura académica publicada entre 2014 y 2024, bajo la metodología PRISMA, para evaluar el impacto del riesgo climático en la estabilidad y el desempeño de los mercados bancarios y de seguros. Los resultados revelan un crecimiento exponencial en la producción científica (35,59% anual), liderado por países desarrollados como el Reino Unido, Estados Unidos y Alemania, mientras que la participación de mercados emergentes en Latinoamérica y África sigue siendo limitada. Se puede identificar, en esta monografía, que el sector bancario enfrenta riesgos físicos y de transición que elevan los préstamos no productivos (NPL) y exigen mayores requerimientos de capital. Por su parte, el sector asegurador experimenta un aumento drástico en la siniestralidad, lo que obliga a ajustar primas y adoptar tecnologías como la inteligencia artificial para mejorar los modelos actuariales. El estudio concluyó que los mercados financieros son piezas clave para la transición hacia una economía baja en carbono mediante instrumentos como bonos verdes y la integración de criterios ESG. Finalmente, se propone una agenda de investigación futura para abordar las brechas en regiones vulnerables y fortalecer la resiliencia del sistema financiero global. 2026-01-01T00:00:00Z http://repositorio.uniautonoma.edu.co:8080/xmlui/handle/123456789/1072 Evolución e impacto de la producción intelectual en la Facultad de Ciencias Administrativas, Contables y Económicas de la Uniautónoma del Cauca Ordoñez Medina, Derly Tatiana Este proyecto de investigación tiene como propósito analizar las características, resultados y dinámicas en la producción intelectual de los programas sujetos a la faculta de ciencias administrativas, contables y económicas de la corporación universitaria autónoma del cauca ya que la producción científica universitaria y demás constituye un elemento fundamental en el desarrollo del conocimiento y el fortalecimiento de las funciones sustantivas de la educación superior, como la investigación, la docencia y la proyección social. Este análisis busca identificar la evolución histórica en cuanto a la producción académica generados por la facultad, considerando aspectos como la cantidad de publicaciones, tipos de productos académicos desarrollados, las colaboraciones establecidas e impacto en los ámbitos académicos y regionales. Este estudio nos permitirá poder visualizar tendencias, fortalezas y posibles limitaciones en producción intelectual, con el fin de contribuir a la generación de información relevante que apoye la toma de decisiones orientadas al fortalecimiento de la investigación y desarrollo académico. 2026-01-01T00:00:00Z http://repositorio.uniautonoma.edu.co:8080/xmlui/handle/123456789/1057 Modelo de Scoring Crediticio con Machine Learning para el sector de la construcción: una aplicación con Random Forest González Grueso, Yilver Jesús; Angulo Torres, José Alejandro Esta monografía incorpora el diseño de un modelo de scoring de crédito para una firma multinacional del sector de la construcción, haciendo técnicas de machine learning para llegar a la probabilidad de incumplimiento de sus clientes. Para ello, se cotejaron cuatro algoritmos: Árboles de Decisión, Random Forest, Gradient Boosting y Redes Neuronales, cada uno con sus propias características en términos de precisión, capacidad de generalización y manejo de grandes volúmenes de datos. La investigación incluyó la selección y evaluación de variables significativas a través del índice de Gini y técnicas de eliminación recursiva, con el objetivo de evitar el sobreajuste y fortalecer el modelo. Los resultados obtenidos permiten concluir que el algoritmo Random Forest presentó el mejor desempeño predictivo, alcanzando una precisión del 90% en la muestra de testeo, superando a los modelos de Árboles de Decisión (88%), Gradient Boosting y Redes Neuronales. Este hallazgo evidencia la capacidad superior del Random Forest para capturar relaciones no lineales y reducir el sobreajuste mediante la combinación de múltiples árboles de decisión. Asimismo, el modelo identificó 12 variables predictoras óptimas, destacándose el índice de endeudamiento como el factor más relevante en la explicación del fenómeno analizado. Esto sugiere que la estructura financiera y el nivel de apalancamiento constituyen elementos determinantes dentro del modelo predictivo. En consecuencia, se generó una herramienta de apoyo útil para fortalecer el proceso de evaluación del riesgo crediticio, contribuyendo a la optimización de las decisiones financieras de la compañía. 2026-01-01T00:00:00Z