Projecte 2024 Revisió i documentació d'un projecte realitzat durant la meva passantia a HNG TECH centrat en neteja de dades i detecció d'anomalies en conjunts electorals a nivell de casella. Vaig tornar al treball per ordenar la metodologia i les troballes i així mostrar un impacte analític real al meu portafoli professional.
Per què importa La credibilitat electoral és clau per a la democràcia. Aplicant Python es van analitzar dades per unitat de votació de l'Estat de Zamfara per identificar anomalies estadístiques que poden indicar irregularitats, errors de transcripció o fallades procedimentals. És un enfocament lleuger i reproduïble d'auditoria electoral sense necessitat d'eines GIS com ArcGIS o QGIS, només Python i pensament estadístic.
Font de dades i preparació Es va treballar amb un fitxer CSV que inclou coordenades geoespacials, votants registrats, acreditats, vots per partit i metadades de la unitat de votació. Les coordenades es van netejar i organitzar manualment a Excel abans de l'anàlisi. El flux de treball va ser reproduïble usant Pandas, NumPy i Matplotlib i executable a Google Colab per a la reproduïbilitat al núvol.
Detecció d'anomalies Es van calcular puntuacions d'atipicitat mitjançant z scores i regles heurístiques basades en domini. Les unitats de votació es van ordenar per severitat d'anomalia per partit, permetent prioritzar auditories. El mètode és escalable i es pot aplicar a altres estats o processos electorals sense dependència de GIS.
Troballes clau Les unitats PU 108 i PU 104 a Birnin Magaji van mostrar puntuacions atípiques altes per a APC i PDP. PU 321 i PU 124 a Tsafe van presentar recomptes negatius en transcripcions que indiquen errors de transcripció. Es van observar agrupaments geoespacials d'anomalies en certs districtes locals i desviacions creuades entre partits, cosa que suggereix problemes sistemàtics més que casos aïllats.
Aspectes tècnics Implementació amb Python pur, sense ArcGIS ni QGIS, usant Pandas, NumPy i Matplotlib. Execució a Google Colab per a col·laboració i reproduïbilitat. L'enfocament permet integrar detecció d'anomalies en processos de verificació de resultats electorals i escalar a altres contextos d'anàlisi de dades.
Recomanacions Auditar les unitats de votació assenyalades, corregir buits de metadades i errors de transcripció, i integrar la detecció automàtica d'anomalies en la verificació oficial de resultats. Establir pipelines de dades amb controls de qualitat i alertes per evitar que errors manuals arribin als informes finals.
Impacte professional El projecte demostra com l'analítica i la intel·ligència artificial aplicada amb bones pràctiques poden aportar transparència en processos políticament sensibles. També és un exemple de com construir solucions reproduïbles i escalables que aporten valor en auditories i controls de qualitat de dades.
Sobre Q2BSTUDIO Q2BSTUDIO és una empresa de desenvolupament de programari especialitzada en aplicacions a mida i programari a mida. Oferim solucions d'intel·ligència artificial i IA per a empreses, agents IA, serveis de ciberseguretat, serveis cloud AWS i Azure, serveis d'intel·ligència de negoci i visualització amb Power BI. Desenvolupem aplicacions a mida que integren models d'intel·ligència artificial, seguretat per disseny i desplegaments al núvol per garantir rendiment i compliment.
Serveis destacats A Q2BSTUDIO dissenyem programari a mida, implementem solucions d'intel·ligència artificial per a empreses, construïm agents IA i oferim consultoria en ciberseguretat i serveis cloud AWS i Azure. També entreguem solucions d'intel·ligència de negoci amb Power BI per facilitar la presa de decisions basada en dades.
Accedeix a l'anàlisi completa Per veure el quadern complet amb codi, taules i desglossament de transcripcions visita https://www.linkedin.com/posts/rahmah-abubakar-243058288_analysis-process-activity-7253521166152163328-zh2n?utm_source=share&utm_medium=member_android&utm_rcm=ACoAAEXGTFMBU8WaWDL8Z4Wl7HzBBVCiQx_eYO4
Conclusió No cal ArcGIS ni QGIS per resoldre problemes rellevants. Amb un enfocament centrat en dades, Python i una arquitectura reproduïble es poden detectar i prioritzar anomalies amb impacte real. Si busques desenvolupar solucions a mida que combinin intel·ligència artificial, ciberseguretat, serveis cloud AWS i Azure o dashboards amb Power BI, Q2BSTUDIO ofereix experiència integral per convertir dades en decisions.
