Diseño de una metodología para la asignación de programas sociales a poblaciones vulnerables

Abstract

Este proyecto aborda la problemática en la asignación de recursos por parte de los programas sociales, destacando fallas como los errores de inclusión y exclusión, altos costos de identificación de beneficiarios y la ausencia de un sistema integrado entre entidades. Como solución, se propone el desarrollo de una metodología basada en un modelo de asignación programado en Python, orientado a maximizar la cobertura de beneficiarios y minimizar la cantidad de cupos sin asignar, optimizando el uso de los recursos disponibles.

Adicionalmente, se desarrolla una herramienta visual en Power BI que permite analizar gráficamente la base de datos de población vulnerable, incluyendo variables como edad, nivel del Sisbén y educación, facilitando la toma de decisiones. También se propone un segundo panel en Power BI como herramienta de consulta, permitiendo a las entidades sociales acceder fácilmente a los resultados del proceso de asignación.

Los resultados del proyecto evidencian que la metodología mejora su efectividad a medida que se integran más programas y mayor volumen de beneficiarios. Se concluye que el éxito del modelo depende en gran medida de la calidad y confiabilidad de los datos, por lo que se recomienda validar rigurosamente la información antes de su implementación para evitar asignaciones erróneas.

This project addresses the problem of resource allocation by social programs, highlighting failures such as inclusion and exclusion errors, high beneficiary identification costs and the absence of an integrated system between entities. As a solution, we propose the development of a methodology based on an allocation model programmed in Python, oriented to maximize the coverage of beneficiaries and minimize the number of unassigned quotas, optimizing the use of available resources. Additionally, a visual tool is developed in Power BI that allows to analyze graphically the database of vulnerable population, including variables such as age, Sisbén level and education, facilitating decision making. A second panel in Power BI is also proposed as a consultation tool, allowing social entities to easily access the results of the allocation process. The results of the project show that the methodology improves its effectiveness as more programs and a greater volume of beneficiaries are integrated. It is concluded that the success of the model depends largely on the quality and reliability of the data, so it is recommended to rigorously validate the information before its implementation in order to avoid erroneous allocations.