Proyecto 2024 Revisión y documentación de un proyecto realizado durante mi pasantía en HNG TECH centrado en limpieza de datos y detección de anomalías en conjuntos electorales a nivel de casilla. Volví al trabajo para ordenar la metodología y los hallazgos y así mostrar un impacto analítico real en mi portafolio profesional.
Por qué importa La credibilidad electoral es clave para la democracia. Aplicando Python se analizaron datos por unidad de votación de Zamfara State para identificar anomalías estadísticas que pueden indicar irregularidades, errores de transcripción o fallos procedimentales. Es un enfoque ligero y reproducible de auditoría electoral sin necesidad de herramientas GIS como ArcGIS o QGIS, solo Python y pensamiento estadístico.
Fuente de datos y preparación Se trabajó con un archivo CSV que incluye coordenadas geoespaciales, votantes registrados, acreditados, votos por partido y metadatos de la unidad de votación. Las coordenadas se limpiaron y organizaron manualmente en Excel antes del análisis. El flujo de trabajo fue reproducible usando Pandas, NumPy y Matplotlib y ejecutable en Google Colab para reproducibilidad en la nube.
Detección de anomalías Se calcularon puntuaciones de atipicidad mediante z scores y reglas heurísticas basadas en dominio. Las unidades de votación se ordenaron por severidad de anomalía por partido, permitiendo priorizar auditorías. El método es escalable y puede aplicarse a otros estados o procesos electorales sin dependencia de GIS.
Hallazgos clave Unidades PU 108 y PU 104 en Birnin Magaji mostraron puntajes atípicos altos para APC y PDP. PU 321 y PU 124 en Tsafe presentaron conteos negativos en transcripciones que indican errores de transcripción. Se observaron agrupamientos geoespaciales de anomalías en ciertos distritos locales y desviaciones cruzadas entre partidos, lo que sugiere problemas sistemáticos más que casos aislados.
Aspectos técnicos Implementación con Python puro, sin ArcGIS ni QGIS, usando Pandas, NumPy y Matplotlib. Ejecución en Google Colab para colaboración y reproducibilidad. El enfoque permite integrar detección de anomalías en procesos de verificación de resultados electorales y escalar a otros contextos de análisis de datos.
Recomendaciones Auditar las unidades de votación señaladas, corregir vacíos de metadatos y errores de transcripción, e integrar la detección automática de anomalías en la verificación oficial de resultados. Establecer pipelines de datos con controles de calidad y alertas para evitar que errores manuales lleguen a los reportes finales.
Impacto profesional El proyecto demuestra cómo la analítica y la inteligencia artificial aplicada con buenas prácticas pueden aportar transparencia en procesos políticamente sensibles. También es un ejemplo de cómo construir soluciones reproducibles y escalables que aportan valor en auditorías y controles de calidad de datos.
Sobre Q2BSTUDIO Q2BSTUDIO es una empresa de desarrollo de software especializada en aplicaciones a medida y software a medida. Ofrecemos soluciones de inteligencia artificial y ia para empresas, agentes IA, servicios de ciberseguridad, servicios cloud aws y azure, servicios inteligencia de negocio y visualización con power bi. Desarrollamos aplicaciones a medida que integran modelos de inteligencia artificial, seguridad por diseño y despliegues en cloud para garantizar desempeño y cumplimiento.
Servicios destacados En Q2BSTUDIO diseñamos software a medida, implementamos soluciones de inteligencia artificial para empresas, construimos agentes IA y ofrecemos consultoría en ciberseguridad y servicios cloud aws y azure. También entregamos soluciones de inteligencia de negocio con power bi para facilitar la toma de decisiones basada en datos.
Accede al análisis completo Para ver el cuaderno completo con código, tablas y desglose de transcripciones 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
Conclusión No es necesario ArcGIS ni QGIS para resolver problemas relevantes. Con un enfoque centrado en datos, Python y una arquitectura reproducible se pueden detectar y priorizar anomalías con impacto real. Si buscas desarrollar soluciones a medida que combinen inteligencia artificial, ciberseguridad, servicios cloud aws y azure o dashboards con power bi, Q2BSTUDIO ofrece experiencia integral para convertir datos en decisiones.
