Publication: Big Data aplicado a empresas de servicios públicos de acueducto alcantarillado y aseo
No Thumbnail Available
Date
2025
Journal Title
Journal ISSN
Volume Title
Publisher
Corporación Universitaria Remington
Abstract
Este trabajo de grado propone el uso estratégico de herramientas de Big Data para mejorar la eficiencia operativa, comercial, técnica y administrativa en las empresas de servicios públicos de acueducto, alcantarillado y aseo. El objetivo principal es optimizar la gestión de la información para facilitar la toma de decisiones basadas en datos confiables, alineadas con la Ley 142 de 1994, que regula los servicios públicos domiciliarios en el país y establece lineamientos para su adecuada prestación. La implementación de Big Data permite mejorar procesos como la actualización y depuración de catastros de usuarios, la recuperación efectiva de cartera, la identificación oportuna de equipos de medición obsoletos o defectuosos, y el manejo seguro y responsable de la información privada. Además, agiliza el reporte, consolidación y análisis de indicadores ante el Sistema Único de Información (SUI), reduciendo significativamente los tiempos de respuesta y aumentando la eficiencia empresarial de forma sostenida. De esta manera uno de los principales aportes del proyecto es su aplicación directa en la reducción del Índice de Agua No Contabilizada (IANC), también conocido como Índice de Pérdidas por Usuario Facturado (IPUF). Mediante el análisis masivo de datos comerciales y técnicos, este proyecto ofrece una solución práctica para identificar causas de pérdidas y definir estrategias correctivas que permitan reducir sustancialmente dicho índice a través del uso de Big Data, y además modernizar las empresas de servicios públicos y optimizar sus procesos internos, garantizando un mejor servicio a los ciudadanos, a la vez que se reducen costos de operación, mediante decisiones fundamentadas en información real, confiable y permanentemente actualizada.
Description
Keywords
Big Data, Eficiencia, Servicios, Información, Optimización, Datos