PROYECTO LÍDER – PRIMERA ENTREGA

Institución de la práctica:
Banco de Bogotá

Área de Práctica
Vicepresidencia de Crédito

Presentado y realizado por:

Jesús Manuel Méndez Camperos

TUTOR:

Juan Camilo Rivera

IMPLEMENTACIÓN DE LA INTELIGENCIA ARTIFICIAL (IA) A TRAVÉS DE LOS

SISTEMAS COGNITIVOS, PARA EL MEJORAMIENTO DE LOS PROCESOS,
TIEMPOS Y ELABORACIÓN DE LAS SOLICITUDES DE CRÉDITOS EN EL BANCO
DE BOGOTÁ – PROYECTO EXPERIMENTAL.

Facultad ciencias económicas y administrativas

Programa: Administración de empresas

Proyecto líder

11 de mayo del 2019

 TABLA DE CONTENIDO
1. Diagnóstico del área de práctica ………………………………………………… 3
1.1. Descripción del área en la que se desempeña el estudiante ……………….. 3
1.2. Las funciones que desempeña el estudiante ……………………………….. 3
1.2.1 Funciones de un analista de crédito ………………………………………… 4
2. Cinco fuerzas de Porter ………………………………………………………........ 4
3. Planteamiento del problema ………………………………………………………. 5
4. Antecedentes ……………………………………………………………………… 6
5. Justificación ………………………………………………………………………. 7
6. Marco Teórico ……………………………………………………………………. 8
7. Marco conceptual ………………………………………………………………… 9
8. Objetivos y metas …………………………………………………………………10
9. Metodología ……………………………………………………………………… 11
10. Cronograma de actividad ………………………………………………………….12
11. Referencias Bibliográficas ……………………………………………………….. 13
12. Certificación de la empresa ……………………………………………………….. 14
13. Anexos ……………………………………………………………………………. 15
1. Diagnóstico del área de práctica: (mostrar el problema)
1.1. Descripción del área en la que se desempeña el estudiante: Se desempeñan
prácticas en el Banco de Bogotá, en la ciudad de Bogotá, en la sede B, la cual se
encuentra ubicada en la Cra. 13a # a 35-98. La práctica se realiza en la
vicepresidencia de crédito; crédito Red de oficinas, esta división se encarga de
atender las solicitudes de crédito de la ciudad de Bogotá y créditos de oficinas
específicas en todo el país.
La función principal del área de trabajo, es la creación de proyectos crediticios, los
cuales son un proceso estandarizado, que consta de la transcripción de información
y convalidación de la misma, para entregarla a un coordinador y así esta pueda ser
evaluado para la toma de decisión. El banco cuenta con unos tiempos específicos
para la elaboración y toma de decisión del proyecto crediticio. Para el área de red de
oficinas, se maneja un tiempo de respuesta de 2-3 días en promedio en llevar los
proyectos a comité y de 4-8 días en promedio, para la toma de decisión con respecto
a lo que se hará con el proyecto de crédito.
Los analistas, cuentan con unos objetivos semanales y mensuales de proyectos
crediticios a realizar. Para entender estos objetivos, es necesario comprender que
actualmente, existe dos tipos de proyectos crediticios.
1. Proyecto Sencillo: el cual se caracteriza por la duración de la elaboración por la
transcripción de información (2 – 3 horas), la facilidad de la decisión (cliente con un
buen historial crediticio en el banco, con experiencia en el manejo de crédito y con
claridad en la descripción de sus estados financieros). Normalmente, se suelen
realizar entre 2 – 3 proyectos por día.
2. Proyectos Complejos: suelen caracterizarse por poseer mucha información; sus
codeudores cuentan con un alto nivel de endeudamiento, presentan incongruencias o
la información financiera es muy compleja, lo cual genera una mayor
profundización en estos, entre otras razones. Normalmente, se suele hacer 1
proyecto y medio diario, debido a que su realización puede tomar alrededor de 5
horas en ser efectuado.
 TIPO DE VALOR META DIARIA
Comprendiendo la descripción de PROYECTO
los proyectos, se puede decir, que Sencillo 33.3% 100%

los objetivos semanales del área Complejo 66.6% 100%

con sus analistas es la siguiente:

1.3 Cinco fuerzas de Porter: A través de esta metodología, se busca observar el

posicionamiento actual del Banco de Bogotá y entender tanto su desarrollo externo
como interno en el mercado financiero de Colombia y en las demás áreas del banco.
Según cifras oficiales de la súper intendencia financiera, (ver anexo #1 y #2),
podemos observar cuales son las principales virtudes y falencias del banco, junto a su
posicionamiento en el mercado nacional: (área)

1 Proveedores: Entidades con información financiera (Datacrédito, Cifin, Infoger,

Súper Intendencia Financiera, DIAN, Cámara de Comercio, entre otros).
2. Clientes: Personas naturales, empresas, sociedades, corporaciones y entidades.
3. Sustitutos: Otros bancos, familiares o amigos que presten dinero, inversionistas u
otras fuentes de financiación.
4. Nuevos entrantes: Rappi crédito, Presty, Credissimo, Credy, entre otros.
5. Competencia del mercado: Davivienda, Bancolombia y BBVA Colombia.

Junto a la información observada, se aduce que el banco se encuentra posicionado por

debajo de Bancolombia y Davivienda en desembolso de crédito y es la segunda entidad
financiera con mayor número de quejas con relación a los créditos, siendo la revisión y/o
liquidación y procedimientos y honorarios de cobranzas, las quejas más representativas del
banco. Adicionalmente, las conductas del mercado resaltando la velocidad en poder
conseguir los créditos, la competencia y los nuevos entrantes, presentan un alto nivel de
amenaza según las 5 fuerzas de Porter. Es por este motivo, que se plantea la creación un
plan de acción para lograr un mejor posicionamiento y disminuir el nivel de la amenaza de
estos factores.
2. Planteamiento del problema: (es la continuación y profundización del punto 1)
Como se explicó al inicio del trabajo, el cumplimiento y manejo del tiempo de los
proyectos es de suma importancia para el área, como podemos observar en los anexos,
el área presento en las últimas 16 semanas un decrecimiento en la productividad del
16%, con 268 casos incompletos en los tiempos establecidos del banco.
Adicionalmente, registran 60 horas en corrección de horarios, lo que es equivalente a
7.5 días laborales en solo corrección de errores, esto es un dato de vital importancia,
porque en ese tiempo, se perdió la productividad de una semana en correcciones de
errores.

Quejas
Más problemas
Costo del banco por incumplimiento
¿A caso, esta es la razón una de las razones por las cuales el banco no es el mejor?
Cuanto cliente se han perdido

El incumplimiento de las metas, genera tensión en el área, la cual podría explicarse

como un factor igualmente reduzca la efectividad e incluso salud de los analistas,
siendo que en los último xxx tiempo, se registran salidas del puesto de 40 – 80 min
después de la hora laboral, contando con una disminución del tiempo de descanso en las
horas de almuerzo, hechos que desaniman y desmotivan a los trabajadores (anexar
estudio)

Estos factores, ralentizan el proceso y causa que se desarrollen menos proyectos de los
planificados. Por este motivo, se busca encontrar una solución que le brinde al banco los
siguientes beneficios:
1. Disminución en los tiempos y elaboración de los proyectos crediticios.
2. Disminución de los errores en la digitación e interpretación de la información.
3. Disminución del tiempo en la revisión de los créditos por parte de la coordinación.
4. Automatización de todos los proyectos crediticios del área.
5. Mejoramiento de la eficiencia y la rentabilidad, con la relación de costo y beneficio.
3. Antecedentes del problema: (manejar más y más escrito lo de los antecedentes,
explicar mejor que existe en los gráficos y mostrar el limite de información por el
banco)
Como se puede observar (ver anexos 3 y 4), se presenta la relación del número esperado
de créditos por realizar, el tiempo estimado por estos, el tiempo adicional por errores
cometidos y la cantidad presentada en las últimas 2 semanas. La cantidad de créditos que
no se pudieron realizar a tiempo es de un 13.2%, el cual simboliza un atraso en la agenda
del área y una disminución de efectividad por la misma. Esto representa que en casos como
lo son operaciones específicas, en las cuales el cliente necesita el crédito al plazo que
acordó con el gerente comercial, puedan generarle al cliente inconvenientes por no tener
respuesta de la solicitud, como lo son las moras o intereses adicionales, o en el caso de las
líneas porvenir y finagro, entre otras. Estos antecedentes nos permiten observar que el
sistema operativo interno, cuenta con falencias y puede afectar la relación con el cliente, lo
cual, es una razón adicional para el planteamiento de una estrategia que permita mitigar o
eliminar este problema.

4. Justificación: (bien, pero más estadísticas)

Según la información analizada a lo largo de este trabajo, podemos observar que existen
tres factores principales, que perjudican el funcionamiento planeado del área de red de
oficina, los cuales son:
 Los tiempos en la elaboración de los proyectos.
 La cantidad de proyectos realizados.
 Errores en la digitación de la información.

Estos factores generan un gran riesgo tanto para el área como para el banco -
entendiendo que el área de crédito es la actividad más representativa del banco de
Bogotá. Por este motivo, podemos entender algunas de las consecuencias que se están
presentando en estos momentos y que podrían llegar a pasar si no se mejoran estas
falencias en el proceso:
 1. Una disminución en la calidad esperada del área, lo cual representa un llamado de
atención por parte de la vicepresidencia de crédito.
2. Un mal servicio con el cliente, debido a que no se está cumpliendo con los tiempos
acordados, perjudicando la imagen del banco con sus clientes. Además, esto puede
causar que se pierdan tanto clientes potenciales, como clientes fijos.
3. Un conflicto con la misión del banco (6C), debido a que el banco busca la
diferenciación en el mercado a través de un servicio basado en las mejores
experiencias para el cliente.

Es por esto, se propone la evaluación de la propuesta y el mejoramiento de estos

problemas, a través de la implementación de la IA (Inteligencia Artificial).

5. Marco Teórico: (español, como se puede usar la IA para solucionar problemas,

mejor planteado)
Para poder analizar y comprender cómo a través de la inteligencia artificial (IA) se
puede mejorar el procesamiento y manejo de las solicitudes de crédito, es necesario
comprender algunas investigaciones realizadas, las cuales nos brindarán claridad con
relación a varios factores y medidas a tener en cuenta durante el proceso.

1. “A particular Use of Expert System “AI-Q” focused on creating training data”

- They developed the outline of the endowed “Chair of Business in Artificial
Intelligence Field” and due to this, gave the definition of high-level engineers
proficient in Artificial Intelligence. Furthermore, this paper describes the important
effort of a cooperative research using the expert system “AI-Q”: who is focused on
creating training data. By using“AI-Q”, it became factible to create and to input
training data without suffering from the notation variability of Japanese. This allow
us to realize the fact that there’s a way in which data can be trained to give the
expected output.
2. “The Mario AI benchmark and competitions” This paper used a learning track
very alike to a gameplay track, in which the same agent could with minimal
modifications be submitted to both tracks. In terms of evaluation, the difference is
 that while in the gameplay track each agent is tested once on several levels, in the
learning track the agent is tested many times on the same level nut only the final
score counts. As a conclusion, the system showed that each time the artificial
technology faced an error, there was high probability that it would learn from it;
never repeating it again. It shows how there is an actual process that the artificial
intelligence can face.
3. Human Robotics & AI interaction: human society. Due to actual interactive
technology tools, using the development of the Internet as an infrastructure, the way
we socially act is progressing. One of the most important changes for this document
is the way we understand the technology we use daily to use socially inside our
society– different portable devices such as phones.
4. Performance evaluation Gaps in a Real-time strategy game Between Humans
and artificial intelligence players This paper talks about the importance of AI
(Artificial Intelligence) in terms of strategy and agility the system can overcome in
order to be able to perform a good evaluation in comparison to how humans
normally act.
5. Human – AI Interaction in Symbolic problem-solving machine learning.
Machines can solve many different issues that can happen thanks to the constant
development of the Artificial Technology. This document will not only describe the
many ways in which these situations can be possible due to the human interaction
that it can have, but also the different outputs that the machine can give when given
a problem-solving situation.
6. Digital Technologies in transformation of classical retail bank into digital
bank. How do banks have been evolving through the time, taking advantage of the
digital technologies that can be useful inside those process. Taking into account
details such as the importance of privacy and security, the paper will show the
effective ways of the usage of these technologies as a helpful tool.
7. A user-centric machine learning framework for cyber security operations
center: This document observes the effectiveness of their machine learning system;
taking one month of model results and calculating the performance measures. They
capture and work with the recollected data to work as effective as possible to show
 the results. After many steps, the results are streamlined automatically from data
integration to score generation. The system also actively learns new insights
generated from analysts' investigations. Conclusions in this paper present a user-
centric machine learning system which leverages big data of various security logs,
alert data, and analyst insights to the identification of risky user.
8. Machine Learning for Efficient Assessment and Prediction of Human
Performance in Collaborative Learning Environments: There is a (ML)-based
system architecture learning device in order to identify evidence about teamwork
skills from the behavior or group dynamics. There is a three-stage robust
architecture for data intensive computing and efficient assessment of teamwork CPS
skills, that will be even used in the news platform CNN. The information obtained
in the developing process of this baseline model represent important guidance for
proceeding phases and potential studies to follow.
9. Language Models Are Unsupervised Multitask Learners: The next document
shows that when there is a large language model trained, it can perform with good
results through many domains and datasets. The difference of tasks the model will
carry out in a zero-shot setting suggests that a high-capacity models trained to
maximize the likelihood of a sufficiently varied text corpus begin to learn how to
perform a surprising number of tasks without the need for explicit supervision.
10. Font and Turkish Letter Recognition in Images with Deep Learning: This paper
is divided into four parts that will be the ones in charge of decomposing and
understand the process in which image processing and recognition can happen
thanks to the AI, and finally show the result. Some tools used in the development of
this paper are the following: DataSet, to help categorize letters and fonts, Creation
of Deep Learning Network, the one in charge of dividing the information of the
network, Preprocessing of Image, send it to the network, Separation of Letter, in
order to label de fields, found, and finally Printing out the Results, dividing them in
two parts where one is characterized by the training results and the other one by the
recognition of those.
5.2 Marco conceptual: (hacer más presente los puntos de referencia y hacer esta parte
mucho más larga)
En este proyecto, podemos observar varios artículos e información relevante para el
desarrollo de la hipótesis, dentro de los cuales podemos resaltar las definiciones de
varios conceptos. La inteligencia artificial, es un tema extenso, el cual posee muchas
definiciones, pero podemos entenderla según la RAE, como una disciplina científica, la
cual su objetivo, es poder realizar acciones comparables a las que la mente humana
puede hacer, como lo es el aprendizaje y el razonamiento lógico.

Comprendiendo esto, es imposible hablar de la IA, sin mencionar el termino,

Machine Learning (ML) según Merriam Webster, es la capacidad que tienen los
sistemas para poder mejorar sus rendimientos, utilizando modelos estadísticos para
generar resultados y poder tomar la mejor decisión a través de la prueba y error. Dentro
de esto, existe algo llamado sistemas cognitivos, los cuales, son algoritmos, que
permiten la interpretación de funciones tanto visuales, textos, imágenes, búsqueda e
interpretación, voz, entre otras, que facilitan las tareas y permiten que la IA pueda
comprender cualquier información sin importar la complejidad de la misma, en otras
palabras, son los sentidos de la IA.

Según el estudio realizado por Michael Porter, las 5 fuerzas competitivas que le dan
forma a la estrategia, podemos comprender los factores que están relacionados en el
mercado y el impacto que le genera a la empresa, al visualizar esto, podemos
comprender el estado en el cual se encuentra la empresa con relación a los 5 factores y
así poder ver sus debilidades y fortalezas, para posteriormente, plantear la mejor
estrategia.

6. Objetivos: (límite de 4 meses, que se puede hacer en este tiempo, como se puede
medir y como se puede realizar. Que se vea que son objetivos y no tareas)
6.1 Objetivo general: lograr aumentar la creación de los proyectos crediticios en
un 70% con la ayuda de la IA en un periodo de 2 años.
6.2 Objetivos específicos:
 6.2.1 Lograr disminuir el tiempo de elaboración de los proyectos crediticios
en un 70% en 2 año.
6.2.2 Lograr disminuir los errores humanos en los proyectos crediticios en
un 90% en 18 meses.
6.2.3 Lograr facilitar la creación de los proyectos crediticios.

7. Metodología: (OJO, metodología va de la mano con los objetivos, adicionalmente,

aquí se debería explicar la implementación de la IA en el banco)
Se pretende llevar a cabo un proyecto experimental para analizar los resultados de la
implementación de la IA en el área de red de oficinas, para el banco de Bogotá. Este
experimento se llevará de la siguiente manera: al obtener la aprobación del banco para la
implementación del experimento, se delimitará la instalación de este en un ordenador de
prueba, para poder realizar seguimiento al proceso de ML y al manejo autónomo del
sistema. Para esto, se podrá utilizar la tecnología de la empresa que el banco prefiera, como
lo puede ser Microsoft, Oracle, Google, entre otras. El costo de este estará sujeto a la
preferencia del sistema que elija el banco y la capacidad de memoria que este amerite.

El proceso de investigación se realizará con tareas ordinarias, para poder medir el

tiempo que le toma a la Inteligencia Artificial para aprender las funciones que realizaran 3
personas distintas en el ordenador, y así poder brindarle al sistema múltiples opciones de
cómo ejecutar cada función para que esta, pueda aprender a determinar cuál es la manera
más eficiente y rápida para cada caso. Al mismo tiempo, se llevará registro del tiempo que
le tomó aprender a realizar todas las tareas elaboradas por los usuarios, el tiempo que le
toma realizar estas mismas funciones por si sola y los errores que comete. El resultado de
este proyecto se mostrará con el banco, para determinar si los resultados obtenidos y las
mejoras logradas son suficientes para la instalación de la IA en un área, si desean realizar
más pruebas o cancelarlo.

Dependiendo de la decisión del banco, se podrán realizar las siguientes tres acciones:
 A. La instalación de la IA en un área, dentro de los computadores de cada analista, para
que el sistema siga recopilando información y aprendiendo y posteriormente, pueda
trabajar sola o incluso sustituir el trabajo humano.
B. Realizar las pruebas adicionales y mejoramientos que solicitó el banco, registrando
la actividad del mismo y entregando un informe sobre los resultados del
experimento
C. Cancelar la idea de la implementación de la IA en el banco.

Mediante el uso de la Inteligencia Artificial, se pretende utilizar un sistema base que

permita el manejo de este, como lo es Azure Microsoft, Oracle, entre otros, para poder
manejar la interfaz y conectarse con las bases internas del banco, claro está que esto sólo
funcionaría dentro del mismo, para editar todo desde un solo lugar teniendo en cuenta
diferentes factores como lo puede ser la seguridad. En el caso de que se pueda realizar el
proyecto, se pretende instalar la Inteligencia Artificial en los computadores del analista del
área para que, a través del ML, pueda ir aprendiendo y desarrollando las herramientas
necesarias para realizar el trabajo. Cada acción realizada por el analista quedará guardada
en el procesamiento y entendimiento del sistema, así cualquier búsqueda o solicitud de
información, será aprendida y comprendida por este, para que posteriormente en un futuro,
el sistema lo pueda hacer por sí solo.

8. Cronogramas de la actividad: (cambiar el tiempo con los objetivos buscados y

metas finales)
9. Referencias bibliográficas: (perfeto, nada que decir)
Noguchi, T., Hashizume, Y., Gauthier, L., & Ishikawa, Y. (2018, 1 mayo). A practical
use of expert system "AI-Q" focused on creating training data - IEEE Conference
Publication. Recuperado 12 marzo, 2019, de
https://ieeexplore.ieee.org/document/8391169/authors
Karakovskiy, S., & Togelius, J. (2012, 1 marzo). The Mario AI Benchmark and
Competitions - IEEE Journals & Magazine. Recuperado 10 marzo, 2019, de
https://ieeexplore.ieee.org/document/6156425+
Broman, M. M., & Finckenberg-Broman, P. (2017, 1 agosto). Human-Robotics&AI
interaction: The Robotics/AI legal entity (RAiLE©) - IEEE Conference Publication.
Recuperado 10 marzo, 2019, de https://ieeexplore.ieee.org/document/8318980+
Kim, M. J., Kim, K. J., Kim, S., Dey, A. K. (2018, 31 enero). Performance Evaluation
Gaps in a Real-Time Strategy Game Between Human and Artificial Intelligence Players
- IEEE Journals & Magazine. Recuperado 10 marzo, 2019, de
https://ieeexplore.ieee.org/document/8276283+
Jones, B. T. (2018, 1 octubre). Human-AI Interaction in Symbolic Problem Solving -
IEEE Conference Publication. Recuperado 10 marzo, 2019, de
https://ieeexplore.ieee.org/abstract/document/8506542+
Saji´c, M., Bundalo, D., Bundalo, Z., & Pasali´c, D. (2017, 1 noviembre). Digital
technologies in transformation of classical retail bank into digital bank - IEEE
Conference Publication. Recuperado 10 marzo, 2019, de
https://ieeexplore.ieee.org/document/8249404+
Feng, C., Wu, S., & Liu, N. (2017, 1 julio). A user-centric machine learning framework
for cyber security operations center - IEEE Conference Publication. Recuperado 10
marzo, 2019, de https://ieeexplore.ieee.org/document/8004902+
Lee, J., Kao, H. A., & Yang, S. (2014). Service Innovation and Smart Analytics for
Industry 4.0 and Big Data Environment. Recuperado 10 marzo, 2019, de
https://www.sciencedirect.com/science/article/pii/S2212827114000857
Radford, A., Wu, J., Child, R., Luan, D., Amodei, D., & Sutskever, I. (s.f.). Language
Models Are Unsupervised Multitask Learners. Recuperado 10 marzo, 2019, de
https://d4mucfpksywv.cloudfront.net/better-language-
models/language_models_are_unsupervised_multitask_learners.pdf
Sevik, A., Erdogmus, P., & Yalein, E. (2018, 1 diciembre). Font and Turkish Letter
Recognition in Images with Deep Learning - IEEE Conference Publication. Recuperado
12 marzo, 2019, de https://ieeexplore.ieee.org/abstract/document/8625333+
RAE - ASALE. (s.f.). inteligencia. Recuperado 12 marzo, 2019, de
https://dle.rae.es/?id=LqtyoaQ+
Merriam Webster (s.f.) Machine Learning. Recuperado 12 marzo, 2019, de
https://www.merriam-webster.com/words-at-play/what-does-machine-learning-mean
Superintendencia Financiera de Colombia. (s.f.). Indicadores Económicos. Recuperado
10 marzo, 2019, de https://www.superfinanciera.gov.co/jsp/index.jsf
Banco de Bogotá.
Porter, M. E. (2008). Las cinco fuerzas competitivas que le dan forma a la estrategia
(2ª ed.). Recuperado de
https://utecno.files.wordpress.com/2014/05/las_5_fuerzas_competitivas-
_michael_porter-libre.pdf
10. Certificado de la empresa:

11. Anexos:
 - Anexo 1 - Anexo 2

-Anexo 3 (mejorar y complementar con más bases de información)

CUADRO DE EVALUACIÓN DEL ÁREA DE RED DE OFINAS, BANCO DE BOGOTA (DEL LUNES 18 DE FEBRERO - VIERNES 1 DE MARZO)
ERRORES DE PROYECTOS
# DE PROYECTOS ASIGNADOS POR SEMANA # ERRORES POR PROYECTO TOTAL DE ERRORES POR TIEMPO PROMEDIO EN MODIFICACIÓN TIEMPO EN HORAS
TRABAJADORES PROYECTOS SENCILLOS PROYECTOS COMPLEJOS PROYECTOS SENCILLOS PROYECTOS COMPLEJOS PARTE DEL ANALISTA DE ERRORES (MIN) A LA SEMANA
ANALISTA 1 20 10 18 4 22 264 4,4
ANALISTA 2 18 6 6 10 16 192 3,2
ANALISTA 3 20 8 16 4 5 60 1
ANALISTA 4 10 6 10 6 4 48 0,8
ANALISTA 5 30 2 20 2 8 96 1,6
ANALISTA 6 10 16 6 12 4 48 0,8
ANALISTA 7 14 12 14 8 5 60 1
TOTAL POR HACER 122 60 90 46 TOTAL DE HORAS A LAS 2 SEMANA EN CORRECCIÓN DE ERRORES 12,8

- Anexo 4

CUADRO DE EVALUACIÓN DEL ÁREA DE RED DE OFINAS, BANCO DE BOGOTA (DEL LUNES 18 DE FEBRERO - VIERNES 1 DE MARZO)
PROYECTOS CREDITICIOS
# DE PROYECTOS ASIGNADOS POR SEMANA # DE PROYECTOS REALIZADOS POR SEMANA TOTAL REALIZADOS POR
TOTAL ASIGNADOS POR ANALISTA DIFERENCIA
TRABAJADORES PROYECTOS SENCILLOS PROYECTOS COMPLEJOS PROYECTOS SENCILLOS PROYECTOS COMPLEJOS EL ANALISTA
ANALISTA 1 20 10 16 10 26 30 -4
ANALISTA 2 18 6 16 6 22 24 -2
ANALISTA 3 20 8 16 6 22 28 -6
ANALISTA 4 10 6 10 5 15 16 -1
ANALISTA 5 30 2 25 2 27 32 -5
ANALISTA 6 10 16 8 14 22 26 -4
ANALISTA 7 14 12 16 8 24 26 -2
TOTAL POR HACER 122 60 107 51 TOTAL DE PROYECTOS INCOMPLETOS PROGRAMADOS 24