http://www.dspace.espol.edu.ec/handle/123456789/67586 Maestría en Contabilidad Y Auditoria Mención Analítica De Datos 2026-04-08T16:35:07Z http://www.dspace.espol.edu.ec/handle/123456789/67598 Title: Análisis y desarrollo de una solución Informática basada en analítica de datos para la sistematización del balance y estado de resultados financieros Authors: Loor Castro, Ligia Elizabeth; Parrales Reyes, Steven Adrián; Leoro Benítez, Jimmy Francisco, Director; Armijos De La Cruz, Benigno Alfredo, Evaluador 1; Vásquez Castro, Caterine Narcisa, Presidenta Abstract: CONDITION FOR PUBLICATION OF PROJECT. Description: CONDICIONAMIENTO DE PUBLICACION DE PROYECTO. El presente trabajo de titulación desarrolla el diseño de una solución informática basada en análisis de datos para sistematizar el Balance General y el Estado de Resultados en organizaciones con contabilidad tradicional. Esta propuesta responde a problemas comunes como la información contable fragmentada, el exceso de procesos manuales y la falta de trazabilidad en los reportes financieros, factores que dificultan la toma de decisiones estratégicas en empresas comerciales y financieras. El objetivo principal fue diseñar una herramienta que integre y sistematice los registros contables usando Power BI, permitiendo generar indicadores clave en tiempo real y facilitando un análisis financiero más preciso, ágil y confiable. Para lograr esto, se aplicó una metodología mixta (cuantitativa y cualitativa) con enfoque de diseño de proyecto, que incluyó encuestas, entrevistas y observación directa, además del análisis técnico de procesos de carga, transformación y visualización de datos. El modelo propuesto se estructura en tres niveles: integración de datos contables mediante procesos ETL; modelado de relaciones financieras utilizando lenguaje DAX; y visualización a través de dashboards interactivos que facilitan la interpretación de los estados financieros. La solución fue validada con usuarios del área contable, quienes confirmaron mejoras en la eficiencia operativa, la trazabilidad de la información y la comprensión visual de los indicadores financieros. La propuesta final se presenta como una solución adaptable a distintos entornos empresariales, permitiendo reducir los errores derivados del procesamiento manual, consolidar información dispersa y fortalecer la capacidad analítica de los usuarios. Este proyecto contribuye significativamente a la transformación digital de la contabilidad y promueve el uso estratégico de herramientas de inteligencia de negocios en la gestión financiera. 2025-01-01T00:00:00Z http://www.dspace.espol.edu.ec/handle/123456789/67597 Title: Análisis predictivo de patrones en transacciones comerciales en una empresa exportadora del sector acuícola utilizando machine learning para la auditoría financiera moderna Authors: Miranda Gómez, Kevin Andrés; Olmedo Navarro, Cesar Alejandro, Director; Armijos de la Cruz, Benigno Alfredo, Evaluador 1; Vásquez Castro, Caterine Narcisa, Presidenta Abstract: CONDITION FOR PUBLICATION OF PROJECT. Description: CONDICIONAMIENTO DE PUBLICACION DE PROYECTO. Este proyecto se orienta a resolver la necesidad de detectar de manera anticipadas patrones inusuales en las transacciones comerciales de una empresa exportadora del sector acuícola, con el propósito de fortalecer la auditoría financiera moderna y contemporánea y minimizar riesgos asociados a prácticas irregulares o fraudes. El objetivo principal del trabajo fue utilizar modelos de análisis predictivo que, mediante la aplicación de técnicas de aprendizaje automático, posibilite la identificación de comportamiento extraños y tendencias relevantes en los mercados de exportación y mercado local. La metodología adoptada se basó en el modelo CRISP-DM, que se caracteriza en los proyectos de ciencia de datos, integrando las fases de comprensión del negocio y de los datos, preparación, modelado, evaluación y diseño de la propuesta; se clasifica como un proyecto de solución tecnológica. La estructura del trabajo empieza desde la exposición del problema hasta la implementación e interpretación de algoritmos de machine learning supervisados y no supervisados, que incluyen DBSCAN, isolation forest, random forest y regresión logística, para finalmente formular una propuesta de aplicación. Como parte significativa, el proyecto permitió identificar con precisión patrones y anomalías que optimizan el control interno en contabilidad, respaldan decisiones estratégicas y dotan a la empresa de una herramienta muy útil en la nube para el monitoreo continuo de sus transacciones, incorporando capacidades analíticas de un nivel alto a su sistema de control interno. 2025-01-01T00:00:00Z http://www.dspace.espol.edu.ec/handle/123456789/67595 Title: Innovación en la gestión de inventarios: desarrollo de dashboard para la evaluación de datos en tiempo real Authors: Gonzabay Matías, Darwin Emanuel; Pérez Mesa, Paúl Fernando; Leoro Benítez, Jimmy Francisco, Director; Vinueza Beltrán, Emely Xiomara, Evaluador 1; Vásquez Castro, Caterine Narcisa, Presidenta Abstract: CONDITION FOR PUBLICATION OF PROJECT Description: CONDICIONAMIENTO DE PUBLICACION DE PROYECTO. Esta investigación plantea una solución práctica para mejorar la calidad de los datos de clientes en una organización del sector comercial, donde el crecimiento de la actividad y la gestión manual de información han generado dificultades en la confiabilidad y el uso eficiente de los registros. El trabajo parte de una necesidad concreta: contar con datos limpios, actualizados y estructurados que respalden los procesos comerciales y de toma de decisiones. Para ello, se diseña un modelo de auditoría que emplea herramientas accesibles como Power BI, permitiendo automatizar tareas de validación, detección de errores y visualización de indicadores clave. El estudio adopta un enfoque cuantitativo, con alcance descriptivo y diseño no experimental, centrado en el análisis de una base de datos construida en hojas de cálculo. A lo largo del documento se describe el proceso utilizado para transformar estos registros en una fuente confiable de información, priorizando aquellos datos más relevantes desde el punto de vista operativo. El desarrollo del modelo ha permitido identificar mejoras en la trazabilidad de la información, reducción de duplicidades y una mayor capacidad para interpretar los datos con fines estratégicos. La estructura del trabajo incluye el marco conceptual, la descripción de la metodología utilizada, el desarrollo de la solución planteada, la evaluación de resultados y las conclusiones generales del estudio. 2025-01-01T00:00:00Z http://www.dspace.espol.edu.ec/handle/123456789/67594 Title: Diseño de una estrategia de planificación tributaria mediante la aplicación de data analytics para el fortalecimiento fiscal en una empresa importadora de repuestos automotrices Authors: Baño Morales, Doris Jacqueline; Roa López, Heydi Mariana, Director; Contreras Moscol, Daniel Jossepp, Evaluador 1; Vásquez Castro, Caterine Narcisa, Presidenta Description: CONDICIONAMIENTO DE PUBLICACION DE PROYECTO. El presente trabajo aborda la necesidad de mejorar la gestión fiscal en una empresa ecuatoriana dedicada a la importación de repuestos automotrices que enfrenta una elevada carga tributaria, modificaciones constantes en la normativa fiscal y una limitada capacidad operativa para implementar estrategias fiscales eficientes, por lo que ante esta situación, se plantea como objetivo el diseño de una estrategia de planificación tributaria enfocada en el Impuesto a la Renta y basada en la aplicación de técnicas de análisis de datos para del obtener una visión detallada del comportamiento financiero y tributario de la empresa y la toma de decisiones con base en información fiable. El desarrollo del trabajo está estructurado en capítulos, en primer lugar, la caracterización del problema tributario y el entorno legal aplicable; posteriormente, se revisan los referentes conceptuales sobre planificación tributaria, Impuesto a la Renta e incentivos fiscales y herramientas de análisis de datos; luego, se detalla la metodología aplicada y los resultados obtenidos del análisis de datos cualitativos, y finalmente, se diseña e implementa la estrategia fiscal apoyada en dashboards interactivos mediante indicadores clave de rendimiento KPIs. La investigación corresponde a un diseño de proyecto y se desarrolló bajo el modelo CRISP-DM, que estructuró el análisis en seis fases: comprensión del negocio, análisis y preparación de los datos, modelado, evaluación y despliegue. Esta metodología permitió transformar registros contables y tributarios en información visual y accionable, a través de tableros interactivos elaborados con Power BI. Entre los principales hallazgos se identificó que la empresa analizada carecía de un análisis detallado del impacto fiscal anticipado, mostraba una ausencia en el uso de herramientas tecnológicas para el análisis de datos y no aprovechaba los beneficios fiscales contemplados en la normativa vigente; frente a esta situación, se implementó la metodología CRISP-DM como eje estructural de la propuesta, permitiendo desarrollar un proceso ordenado que inició con la comprensión del negocio, continuó con el análisis y preparación de los datos, y culminó con el diseño, evaluación e implementación de un Maestría en Contabilidad y Auditoría Facultad de Ciencias Sociales y Humanísticas modelo de planificación tributaria soportado en visualizaciones dinámicas de indicadores clave de desempeño KPIs, que fortaleció la capacidad de respuesta de la empresa y facilitó la interpretación de la información y el fortalecimiento de su gestión fiscal. Desde la perspectiva del autor, se establece que la planificación tributaria basada en análisis de datos representa una alternativa viable, replicable y alineada con los requerimientos de eficiencia y transparencia en el entorno empresarial actual, fortaleciendo la capacidad de la empresa para anticiparse a riesgos, optimizar el cumplimiento de sus obligaciones tributarias y respaldar la toma de decisiones estratégicas con base en información precisa y actualizada. Conceptos clave: Planificación tributaria, Impuesto a la Renta, Analítica de datos; Powe 2025-01-01T00:00:00Z