Caso de estudioAnálisis Post-Operacional
Datos que mueven una ciudad — TransMilenio / C&M (2021–2022)
Volví al mismo sistema con otra pregunta: ya no supervisar el cumplimiento, sino explicar la operación del SITP y ayudar a decidir cómo ajustarla.
- BI
- ETL
- scikit-learn
En cifras
+70%
en precisión y velocidad de análisis
25+
usuarios clave adoptaron el BI
+25%
en los indicadores intervenidos con el SITP
10
meses en uso del modelo de demanda
Contexto
El análisis post-operacional del sistema TransMilenio dependía de fuentes heterogéneas y reportes manuales: la operación de la ciudad generaba datos más rápido de lo que podían analizarse.
El reto
Unificar las fuentes, acelerar el análisis y llevar los datos a las mesas donde se decide la operación del sistema de transporte.
Cómo lo hice
Cinco fuentes, una operación
Construí el ETL que unificó recaudo, flota y GPS, programación, novedades y PQR sobre claves comunes: ruta, servicio, vehículo, franja y día. Las validaciones vivían dentro del pipeline, escritas como reglas: un servicio sin programación o un bus con GPS y sin despacho quedaban a la vista, no corregidos en silencio.
BI alrededor de preguntas operacionales
Impulsé la adopción de Power BI con más de 25 usuarios clave: quienes programaban y decidían el servicio. Cada tablero respondía una pregunta concreta, como en qué rutas y franjas la demanda supera la oferta programada o qué concesionarios concentran las novedades.
Evidencia, mecanismo y consecuencia
Llevé la analítica a mesas de trabajo con la dirección de concesionarios del SITP. Cada recomendación conectaba evidencia, mecanismo y consecuencia, y el mismo pipeline seguía midiendo después de actuar: por eso el +25 % se pudo afirmar.
Predecir la demanda para programar
Desarrollé con scikit-learn un modelo de demanda por ruta y franja, con actualización mensual, validado con RMSE respetando el orden temporal. Corrió diez meses dentro del informe con el que se decidía cuántos buses asignar y en qué horarios.
Automatizar con controles
Los scripts recortaron un 40 % el tiempo de las tareas repetitivas, con validación de entradas y excepciones visibles: una base que llega con una columna menos no se carga en silencio ni tumba el proceso. Ese tiempo se fue al modelo y a las mesas.
Impacto
- +35% de eficiencia de los procesos analíticos por la adopción de BI.
- +70% en precisión y velocidad de análisis con el ETL unificado.
- +25% en indicadores tras las mesas de estrategia con el SITP.
- +20% de rendimiento del sistema con la predicción de demanda.
Una decisión confiable requiere un recorrido de datos igualmente confiable.