Modelos de analítica predictiva y prescriptiva para fortalecer el sistema de planeación de capacidad de auditorías internas de una empresa de IT

Abstract

Las auditorías internas de una empresa son un proceso fundamental para el
aseguramiento de calidad y el cumplimiento adecuado de distintos procesos dentro
de una empresa. Por lo mismo, también es importante que las empresas sean
capaces de planificar adecuadamente la realización de estas mismas; pero suele
suceder que las empresas no cuentan con las herramientas necesarias para hacer
estas planificaciones adecuadas. Dentro del tema de la planificación, en este
contexto, se toman en cuenta los factores de esfuerzo de los auditores internos en
horas de trabajo y en capacidad (número de auditorías). Dichos aspectos son vitales
para la organización de tiempos y auditorías a lo largo de un periodo de tiempo, ya
que, de no hacerse un cálculo adecuado, se puede llegar a afectar
significativamente la planificación y desencadenar distintas consecuencias para la
empresa y sus procesos.
Dado lo anterior, se propuso desarrollar e implementar modelos de analítica
predictiva y prescriptiva para facilitar la planeación y optimización de auditorías
internas en términos de horas y número de auditorías (2 modelos); mejorando una
herramienta digital (existente) de planificación dentro de una empresa de IT.
Se obtuvo, trabajo y proceso información histórica de auditorías. Se aplicaron
distintas librerías de Python de Machine Learning para realizar el proceso de
modelado, las cuales incluyen: PyCaret, H20, Lazy Regressor, entre otras.
Se utilizaron diversas métricas de evaluación como el coeficiente de
determinación (R2), raíz del error cuadrático medio (RMSE), error cuadrático medio
(MSE) y error porcentual medio absoluto medio (MAPE) para evaluar los modelos.
Los mejores resultados fueron obtenidos por modelos de Random Forest, donde se

12

obtuvieron métricas de R2 de 94.40% y un MAPE de 6.26% para el modelo de horas
de esfuerzo; se obtuvieron un R2 de 90.49% y MAPA de 6.77% para el modelo de
capacidad. Dichos modelos y otros complementos más fueron introducidos a la
aplicación de planeación.

Date of Award	2023
Original language	Spanish
Awarding Institution	Universidad de Monterrey
Supervisor	Jose Daniel Morcillo Bastidas (Asesor)