{"id":21715,"date":"2023-10-19T08:07:00","date_gmt":"2023-10-19T12:07:00","guid":{"rendered":"https:\/\/intosaijournal.org\/?post_type=journal-entry&p=21715"},"modified":"2023-10-29T23:05:15","modified_gmt":"2023-10-30T03:05:15","slug":"data-science-as-a-catalyst-for-audit-transformation","status":"publish","type":"journal-entry","link":"https:\/\/www.intosaijournal.org\/es\/journal-entry\/data-science-as-a-catalyst-for-audit-transformation\/","title":{"rendered":"La Ciencia de Datos Como Catalizador Para la Transformaci\u00f3n de la Auditor\u00eda"},"content":{"rendered":"\n

Authors: Colombo Gardey Julieta and Kugler Mar\u00eda Paula, Auditor\u00eda General de la Naci\u00f3n Argentina<\/strong><\/p>\n\n\n\n

Introducci\u00f3n<\/strong><\/strong><\/h2>\n\n\n\n
\n

\u201cEn un mundo inundado de informaci\u00f3n irrelevante, la claridad es poder\u201d<\/em><\/strong><\/em><\/strong><\/p>\nYuval Noah Harari, 2018<\/cite><\/blockquote>\n\n\n\n

En el contexto de la sociedad de la informaci\u00f3n, la transformaci\u00f3n digital ha conducido a un crecimiento exponencial en la producci\u00f3n y el almacenamiento de datos, originando lo que se ha dado en llamar ciencia de datos para responder a la necesidad de nuevas herramientas capaces de tratar de forma inteligente grandes vol\u00famenes de datos y transformarlos en informaci\u00f3n procesable apta para la toma de decisiones en m\u00faltiples entornos. <\/p>\n\n\n\n

Este escenario sugiere que el antiguo adagio de Hobbes (1651), \u201cLa informaci\u00f3n es poder\u201d pronto ser\u00e1 sustituido por el m\u00e1s reciente \u201cLa claridad es poder\u201d (Noah Harari, 2018), a fin de transmitir con mayor precisi\u00f3n las implicaciones de un nuevo modelo que engloba la gesti\u00f3n de los datos, la informaci\u00f3n y el conocimiento. <\/p>\n\n\n\n

Esto supone una oportunidad \u00fanica para las Entidades Fiscalizadoras Superiores (EFS) de explotar el potencial que ofrecen las nuevas tecnolog\u00edas y el gran volumen de datos generados en el seno de los organismos p\u00fablicos, e integrarlos en sus procesos de fiscalizaci\u00f3n para asegurar una mejor gesti\u00f3n de los fondos p\u00fablicos. La ciencia de datos funciona como un catalizador para la transformaci\u00f3n de la auditor\u00eda, lo que refuerza la independencia de las EFS a la par que incrementa la confianza p\u00fablica y la rendici\u00f3n de cuentas<\/strong>.<\/em><\/strong><\/p>\n\n\n\n

Las metodolog\u00edas de la ciencia de datos pueden optimizar los procesos de auditor\u00eda, dando lugar a informes de auditor\u00eda de mayor valor, precisi\u00f3n y alcance, as\u00ed como a recomendaciones m\u00e1s oportunas y relevantes. Los informes de alta calidad fomentan una administraci\u00f3n p\u00fablica m\u00e1s eficaz y eficiente, con un impacto significativo en la mejora de la calidad de vida de la ciudadan\u00eda. La integraci\u00f3n de la ciencia de datos en los procesos de auditor\u00eda requiere una hoja de ruta que pueda guiar a las EFS en el uso de estas nuevas herramientas.<\/p>\n\n\n\n

La ciencia de datos en el proceso de auditor\u00eda<\/strong><\/strong><\/h2>\n\n\n\n

La ciencia de datos, sus herramientas y sus t\u00e9cnicas se pueden integrar en cualquier instancia del proceso de auditor\u00eda. El an\u00e1lisis que figura a continuaci\u00f3n se basa en las orientaciones de la INTOSAI sobre la auditor\u00eda de rendimiento y en el modelo del proceso est\u00e1ndar intersectorial para la miner\u00eda de datos, CRISP-DM (Cross-Industry Standard Process for Data Mining<\/em>). Ambos procesos se retroalimentan continuamente y de manera iterativa. Sus etapas son comparables y es posible combinarlas a medida que se introduce la ciencia de datos en la actividad fiscalizadora:\u00a0<\/p>\n\n\n\n

FIGURA 1<\/strong><\/p>\n\n\n\n

\"\"
Fuente: propia, basada en la GUID 3920 (INTOSAI, 2019); Han, Kamber y Pei (2011).\u00a0<\/figcaption><\/figure>\n\n\n\n

El modelo CRISP-DM incluye las tres dimensiones n\u00facleo de la ciencia de datos: 1) Gesti\u00f3n de bases de datos; 2) Creaci\u00f3n de modelos de aprendizaje autom\u00e1tico mediante algoritmos que permiten a los ordenadores aprender una tarea, por ejemplo, reconocer autom\u00e1ticamente patrones complejos y mejorar su rendimiento a lo largo del tiempo mediante el uso de datos y; 3) Anal\u00edtica de datos, para explorar, limpiar y transformar datos a fin de extraer y ofrecer informaci\u00f3n \u00fatil para una toma de decisiones inteligente.<\/p>\n\n\n\n

FIGURA 2<\/strong><\/strong><\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n
    \n
  • Gesti\u00f3n de bases de datos<\/em><\/em><\/li>\n<\/ul>\n\n\n\n

    En la fase de planificaci\u00f3n, tanto la selecci\u00f3n del tema como el dise\u00f1o de la auditor\u00eda son fundamentales, ya que ambos determinan cu\u00e1l ser\u00e1 el objeto de la misma. <\/p>\n\n\n\n

    En este sentido, la ciencia de datos constituye una herramienta clave que asegura que los temas a incluir en la planificaci\u00f3n del informe sean seleccionados de forma estrat\u00e9gica y eficiente. Tambi\u00e9n hace posible realizar una evaluaci\u00f3n inicial exhaustiva del universo de posibles objetos de auditor\u00eda mediante modelos estad\u00edsticos aplicados a grandes vol\u00famenes de datos. Esto permite a las EFS identificar con mayor precisi\u00f3n los puntos y riesgos cr\u00edticos de la auditor\u00eda, as\u00ed como seleccionar los objetos auditables m\u00e1s relevantes en l\u00ednea con el mandato de la EFS.<\/p>\n\n\n\n

    El dise\u00f1o de un plan de auditor\u00eda comienza con una b\u00fasqueda rigurosa de informaci\u00f3n relevante, por lo que el acceso a los datos resulta vital. Hoy en d\u00eda es posible acceder a datos abiertos en m\u00faltiples plataformas p\u00fablicas y privadas (scraping\/crawling<\/em>, API, GPT). Estas y otras herramientas facilitan y aceleran el acceso a la informaci\u00f3n necesaria para las auditor\u00edas.\u00a0\u00a0\u00a0<\/em><\/p>\n\n\n\n

    La planificaci\u00f3n comienza con una evaluaci\u00f3n inicial de la estructura y composici\u00f3n de la base de datos, y a partir de esta evaluaci\u00f3n se determina c\u00f3mo se proceder\u00e1 a su limpieza y transformaci\u00f3n para ajustarla a los objetivos del proyecto de auditor\u00eda. Esto implica estimar el n\u00famero de registros, los tipos de variables, las medidas de resumen y la presencia de valores at\u00edpicos, ruido (caracteres err\u00f3neos) y datos duplicados, as\u00ed como los datos que puedan faltar. La presentaci\u00f3n visual de esta evaluaci\u00f3n exploratoria permite una mejor interpretaci\u00f3n de los datos brutos. Las herramientas de visualizaci\u00f3n son un recurso excelente para crear res\u00famenes, gr\u00e1ficos e informes con rapidez y en una amplia variedad de dise\u00f1os. <\/p>\n\n\n\n

    La calidad de los datos influye en los resultados de los modelos, en su an\u00e1lisis y en las conclusiones extra\u00eddas. Si bien las organizaciones han avanzado en la digitalizaci\u00f3n, normalizaci\u00f3n y estructuraci\u00f3n de los datos, lo habitual es que las entidades reciban bases de datos que necesitan una limpieza para poder ser utilizadas. As\u00ed, en una primera etapa, los datos en bruto se limpian y refinan mediante diversas t\u00e9cnicas, con el fin de obtener un conjunto de datos adecuado para realizar el trabajo en funci\u00f3n de los objetivos de la auditor\u00eda. La estructura y las caracter\u00edsticas de los datos son aspectos vitales a la hora de definir los modelos estad\u00edsticos pertinentes. <\/p>\n\n\n\n

    En cuanto al muestreo, por regla general se considera todo el universo de datos debido al gran potencial de las herramientas de ciencia de datos. Se obtienen una o varias muestras para crear y entrenar los algoritmos. De este modo, se utiliza un conjunto de datos para crear y entrenar el algoritmo, y otros diferentes para evaluar la capacidad predictiva del modelo.<\/p>\n\n\n\n

    Las opciones de software disponibles para cada proceso relacionado con la ciencia de datos son virtualmente infinitas. Se recomienda utilizar herramientas que permitan la interacci\u00f3n con el pensamiento computacional y que no limiten al usuario. Los programas m\u00e1s completos y utilizados para el procesamiento y el an\u00e1lisis de los datos son Python y R. Ambos son de c\u00f3digo abierto, gratuitos y su lenguaje es de alto nivel. Ofrecen conjuntos de herramientas conocidas como bibliotecas, as\u00ed como funciones que se utilizan en todas las etapas de la ciencia de datos, desde la simple visualizaci\u00f3n hasta la construcci\u00f3n de los algoritmos m\u00e1s complejos. Una de las principales ventajas que ofrecen estas opciones de software de alto nivel es que uno se puede crear su propia funci\u00f3n, con todos sus elementos de acci\u00f3n y reglas para aplicar a una base de datos, y luego utilizar esta misma funci\u00f3n con otros conjuntos de datos sin necesidad de duplicar procesos manualmente ni reescribir ning\u00fan c\u00f3digo.<\/p>\n\n\n\n

    FIGURA 3<\/strong><\/strong><\/p>\n\n\n\n

    \"\"<\/figure>\n\n\n\n
      \n
    • Creaci\u00f3n de modelos de aprendizaje autom\u00e1tico<\/em><\/em><\/li>\n<\/ul>\n\n\n\n

      Durante la etapa de ejecuci\u00f3n y modelizaci\u00f3n<\/em>, se crean y eval\u00faan modelos para encontrar evidencia que respalde los futuros hallazgos. Los modelos elegidos depender\u00e1n del objetivo de la auditor\u00eda, del volumen de datos disponibles y del tipo de cuesti\u00f3n a tratar. Se pueden clasificar en dos tipos, seg\u00fan el grado de dependencia entre sus variables y las peculiaridades de la cuesti\u00f3n abordada: los modelos de aprendizaje supervisado, que se utilizan para predecir nuevos casos (regresi\u00f3n) o los modelos de aprendizaje no supervisado (usados para ordenar y agrupar casos). El cuadro que sigue contiene ejemplos de estos nodos de aprendizaje en funci\u00f3n del tipo de tarea a realizar:\u00a0<\/p>\n\n\n\n

      FIGURA 4<\/strong><\/strong><\/p>\n\n\n\n

      \"\"
      Fuente: propia, basada en Han, Kamber y Pei (2011).<\/figcaption><\/figure>\n\n\n\n

      Cada modelo debe evaluarse con respecto a los datos de validaci\u00f3n para determinar su capacidad de predicci\u00f3n o clasificaci\u00f3n. Con tal fin, existen diversas t\u00e9cnicas para medir la varianza, el sesgo, los errores y el coste que supone detectar esos errores. A continuaci\u00f3n, el modelo se aplica a los datos restantes para encontrar evidencia relevante y precisa que respalde las recomendaciones.<\/p>\n\n\n\n

      FIGURA 5<\/strong><\/p>\n\n\n\n

      \"\"<\/figure>\n\n\n\n
        \n
      • Anal\u00edtica de datos<\/em><\/em><\/li>\n<\/ul>\n\n\n\n

        En la etapa de elaboraci\u00f3n de informes, las herramientas de visualizaci\u00f3n desempe\u00f1an un papel extremadamente relevante. La variedad y el n\u00famero de opciones de visualizaci\u00f3n que ofrece la ciencia de datos representan una mejora significativa, puesto que transmiten la informaci\u00f3n de forma clara a trav\u00e9s de gr\u00e1ficos de alta calidad y v\u00eddeos, con la posibilidad de seleccionar diferentes par\u00e1metros est\u00e9ticos y crear informes f\u00e1cilmente. Adem\u00e1s, est\u00e1n disponibles varias herramientas intuitivas (Power BI y Tableau) que permiten crear tableros o dashboards,<\/em> para fundamentar la toma de decisiones (lo que se conoce como inteligencia empresarial o business intelligence<\/em>).<\/p>\n\n\n\n

        FIGURA 6<\/strong><\/p>\n\n\n\n

        \"\"<\/figure>\n\n\n\n

        Las t\u00e9cnicas de ciencia de datos hacen posible una automatizaci\u00f3n de los procesos de auditor\u00eda. Manteniendo los criterios sin cambios, y agregando o sustituyendo datos (entradas), el modelo puede detectar la continuidad y\/o las interrupciones (anomal\u00edas) en la informaci\u00f3n analizada.<\/p>\n\n\n\n

        FIGURA 7<\/strong><\/p>\n\n\n\n

        \"\"
        Fuente: propia.<\/figcaption><\/figure>\n\n\n\n

        FIGURA 8<\/strong><\/p>\n\n\n\n

        \"\"
        Fuente: propia.<\/figcaption><\/figure>\n\n\n\n

        Actuaciones estrat\u00e9gicas<\/strong><\/strong><\/h2>\n\n\n\n

        FIGURA 9<\/strong><\/p>\n\n\n\n

        \"\"
        Fuente: propia.<\/figcaption><\/figure>\n\n\n\n

        Conclusi\u00f3n<\/strong><\/strong><\/h2>\n\n\n\n

        El despliegue estrat\u00e9gico y progresivo de las tecnolog\u00edas de la informaci\u00f3n para las actividades de fiscalizaci\u00f3n tiene el potencial de impulsar cambios significativos en los procesos de auditor\u00eda. <\/p>\n\n\n\n

        Las ventajas de integrar la ciencia de datos superan, con creces, los riesgos. Es por ello que se recomienda encarecidamente que las EFS comiencen a reimaginar sus actividades de auditor\u00eda y supervisi\u00f3n a fin de incluir dicha pr\u00e1ctica.<\/p>\n\n\n\n

        Se han esbozado una serie de orientaciones estrat\u00e9gicas para asegurar que se comprenda que la integraci\u00f3n de la ciencia de datos en los procesos de auditor\u00eda no deber\u00eda considerarse como una medida aislada, sino como un paso m\u00e1s hacia la cima en una escalada por etapas.<\/p>\n\n\n\n

        Especial \u00e9nfasis se ha puesto en la oportunidad \u00fanica que tienen las EFS para potenciar su papel y capitalizar sus actividades transversales y multidisciplinares a efectos de encabezar el cambio de cultura que requiere la transformaci\u00f3n digital. Se trata de un desaf\u00edo, cuya superaci\u00f3n, sin embargo, no solo resulta necesaria y oportuna, sino tambi\u00e9n viable y factible. M\u00e1s que considerar la tecnolog\u00eda como una limitaci\u00f3n o como un fin en s\u00ed mismo, es importante saber entender el impacto positivo de la ciencia de datos, para evitar “poner el carro delante del caballo”, o la tecnolog\u00eda delante del conocimiento.<\/p>\n\n\n\n

        La transformaci\u00f3n digital deber\u00eda abordarse a trav\u00e9s de medidas espec\u00edficas y una firme voluntad pol\u00edtica orientada hacia la lucha contra la corrupci\u00f3n. Para ello, la gobernanza de datos ha de ser tratada de forma generalizada y eficaz.<\/p>\n\n\n\n

        Un control gubernamental oportuno, preciso y eficiente basado en la ciencia de datos a\u00f1ade valor a la administraci\u00f3n, pues optimiza el gasto p\u00fablico. Adem\u00e1s, aprovechar el potencial de la tecnolog\u00eda para implementar la ciencia de datos puede contribuir a la reducci\u00f3n de las brechas de desarrollo y sentar las bases para un crecimiento m\u00e1s s\u00f3lido y sostenible en todo el mundo. <\/p>\n","protected":false},"excerpt":{"rendered":"

        En el contexto de la sociedad de la informaci\u00f3n, la transformaci\u00f3n digital ha conducido a un crecimiento exponencial en la producci\u00f3n y el almacenamiento de datos, originando lo que se ha dado en llamar ciencia de datos para responder a la necesidad de nuevas herramientas capaces de tratar de forma inteligente grandes vol\u00famenes de datos y transformarlos en informaci\u00f3n procesable apta para la toma de decisiones en m\u00faltiples entornos.\u00a0<\/p>\n","protected":false},"author":177,"featured_media":21647,"template":"","meta":{"_acf_changed":false,"footnotes":""},"journal-categories":[3589],"content-tags":[1028,1029,1125,1207],"country":[2853],"region":[2872],"section":[932],"coauthors":[3576],"class_list":["post-21715","journal-entry","type-journal-entry","status-publish","has-post-thumbnail","hentry","journal-categories-q2-2023-es","content-tags-data-es","content-tags-data-analytics-es","content-tags-it-audit-es","content-tags-science-and-technology-es","country-argentina-es","region-olacefs-de-es","section-featured-articles-es"],"acf":[],"yoast_head":"\nLa Ciencia de Datos Como Catalizador Para la Transformaci\u00f3n de la Auditor\u00eda - INTOSAI Journal<\/title>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/www.intosaijournal.org\/es\/journal-entry\/data-science-as-a-catalyst-for-audit-transformation\/\" \/>\n<meta property=\"og:locale\" content=\"es_ES\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"La Ciencia de Datos Como Catalizador Para la Transformaci\u00f3n de la Auditor\u00eda - INTOSAI Journal\" \/>\n<meta property=\"og:description\" content=\"En el contexto de la sociedad de la informaci\u00f3n, la transformaci\u00f3n digital ha conducido a un crecimiento exponencial en la producci\u00f3n y el almacenamiento de datos, originando lo que se ha dado en llamar ciencia de datos para responder a la necesidad de nuevas herramientas capaces de tratar de forma inteligente grandes vol\u00famenes de datos y transformarlos en informaci\u00f3n procesable apta para la toma de decisiones en m\u00faltiples entornos.\u00a0\" \/>\n<meta property=\"og:url\" content=\"https:\/\/www.intosaijournal.org\/es\/journal-entry\/data-science-as-a-catalyst-for-audit-transformation\/\" \/>\n<meta property=\"og:site_name\" content=\"INTOSAI Journal\" \/>\n<meta property=\"article:modified_time\" content=\"2023-10-30T03:05:15+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/www.intosaijournal.org\/wp-content\/uploads\/2023\/10\/AI2-1.png\" \/>\n\t<meta property=\"og:image:width\" content=\"663\" \/>\n\t<meta property=\"og:image:height\" content=\"440\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/png\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:site\" content=\"@intosaijournal\" \/>\n<meta name=\"twitter:label1\" content=\"Est. reading time\" \/>\n\t<meta name=\"twitter:data1\" content=\"10 minutes\" \/>\n\t<meta name=\"twitter:label2\" content=\"Written by\" \/>\n\t<meta name=\"twitter:data2\" content=\"Colombo Gardey Julieta\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/www.intosaijournal.org\/es\/journal-entry\/data-science-as-a-catalyst-for-audit-transformation\/\",\"url\":\"https:\/\/www.intosaijournal.org\/es\/journal-entry\/data-science-as-a-catalyst-for-audit-transformation\/\",\"name\":\"La Ciencia de Datos Como Catalizador Para la Transformaci\u00f3n de la Auditor\u00eda - INTOSAI Journal\",\"isPartOf\":{\"@id\":\"https:\/\/intosaijournal.org\/fr\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\/\/www.intosaijournal.org\/es\/journal-entry\/data-science-as-a-catalyst-for-audit-transformation\/#primaryimage\"},\"image\":{\"@id\":\"https:\/\/www.intosaijournal.org\/es\/journal-entry\/data-science-as-a-catalyst-for-audit-transformation\/#primaryimage\"},\"thumbnailUrl\":\"https:\/\/www.intosaijournal.org\/wp-content\/uploads\/2023\/10\/AI2-1.png\",\"datePublished\":\"2023-10-19T12:07:00+00:00\",\"dateModified\":\"2023-10-30T03:05:15+00:00\",\"breadcrumb\":{\"@id\":\"https:\/\/www.intosaijournal.org\/es\/journal-entry\/data-science-as-a-catalyst-for-audit-transformation\/#breadcrumb\"},\"inLanguage\":\"es-ES\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/www.intosaijournal.org\/es\/journal-entry\/data-science-as-a-catalyst-for-audit-transformation\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"es-ES\",\"@id\":\"https:\/\/www.intosaijournal.org\/es\/journal-entry\/data-science-as-a-catalyst-for-audit-transformation\/#primaryimage\",\"url\":\"https:\/\/www.intosaijournal.org\/wp-content\/uploads\/2023\/10\/AI2-1.png\",\"contentUrl\":\"https:\/\/www.intosaijournal.org\/wp-content\/uploads\/2023\/10\/AI2-1.png\",\"width\":663,\"height\":440},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/www.intosaijournal.org\/es\/journal-entry\/data-science-as-a-catalyst-for-audit-transformation\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\/\/intosaijournal.org\/es\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"La Ciencia de Datos Como Catalizador Para la Transformaci\u00f3n de la Auditor\u00eda\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/intosaijournal.org\/fr\/#website\",\"url\":\"https:\/\/intosaijournal.org\/fr\/\",\"name\":\"INTOSAI Journal\",\"description\":\"\",\"publisher\":{\"@id\":\"https:\/\/intosaijournal.org\/fr\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/intosaijournal.org\/fr\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"es-ES\"},{\"@type\":\"Organization\",\"@id\":\"https:\/\/intosaijournal.org\/fr\/#organization\",\"name\":\"INTOSAI Journal\",\"url\":\"https:\/\/intosaijournal.org\/fr\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"es-ES\",\"@id\":\"https:\/\/intosaijournal.org\/fr\/#\/schema\/logo\/image\/\",\"url\":\"https:\/\/intosai.nclud.com\/wp-content\/uploads\/2023\/04\/logo.png\",\"contentUrl\":\"https:\/\/intosai.nclud.com\/wp-content\/uploads\/2023\/04\/logo.png\",\"width\":736,\"height\":122,\"caption\":\"INTOSAI Journal\"},\"image\":{\"@id\":\"https:\/\/intosaijournal.org\/fr\/#\/schema\/logo\/image\/\"},\"sameAs\":[\"https:\/\/x.com\/intosaijournal\"]}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"La Ciencia de Datos Como Catalizador Para la Transformaci\u00f3n de la Auditor\u00eda - INTOSAI Journal","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/www.intosaijournal.org\/es\/journal-entry\/data-science-as-a-catalyst-for-audit-transformation\/","og_locale":"es_ES","og_type":"article","og_title":"La Ciencia de Datos Como Catalizador Para la Transformaci\u00f3n de la Auditor\u00eda - INTOSAI Journal","og_description":"En el contexto de la sociedad de la informaci\u00f3n, la transformaci\u00f3n digital ha conducido a un crecimiento exponencial en la producci\u00f3n y el almacenamiento de datos, originando lo que se ha dado en llamar ciencia de datos para responder a la necesidad de nuevas herramientas capaces de tratar de forma inteligente grandes vol\u00famenes de datos y transformarlos en informaci\u00f3n procesable apta para la toma de decisiones en m\u00faltiples entornos.\u00a0","og_url":"https:\/\/www.intosaijournal.org\/es\/journal-entry\/data-science-as-a-catalyst-for-audit-transformation\/","og_site_name":"INTOSAI Journal","article_modified_time":"2023-10-30T03:05:15+00:00","og_image":[{"width":663,"height":440,"url":"https:\/\/www.intosaijournal.org\/wp-content\/uploads\/2023\/10\/AI2-1.png","type":"image\/png"}],"twitter_card":"summary_large_image","twitter_site":"@intosaijournal","twitter_misc":{"Est. reading time":"10 minutes","Written by":"Colombo Gardey Julieta"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/www.intosaijournal.org\/es\/journal-entry\/data-science-as-a-catalyst-for-audit-transformation\/","url":"https:\/\/www.intosaijournal.org\/es\/journal-entry\/data-science-as-a-catalyst-for-audit-transformation\/","name":"La Ciencia de Datos Como Catalizador Para la Transformaci\u00f3n de la Auditor\u00eda - INTOSAI Journal","isPartOf":{"@id":"https:\/\/intosaijournal.org\/fr\/#website"},"primaryImageOfPage":{"@id":"https:\/\/www.intosaijournal.org\/es\/journal-entry\/data-science-as-a-catalyst-for-audit-transformation\/#primaryimage"},"image":{"@id":"https:\/\/www.intosaijournal.org\/es\/journal-entry\/data-science-as-a-catalyst-for-audit-transformation\/#primaryimage"},"thumbnailUrl":"https:\/\/www.intosaijournal.org\/wp-content\/uploads\/2023\/10\/AI2-1.png","datePublished":"2023-10-19T12:07:00+00:00","dateModified":"2023-10-30T03:05:15+00:00","breadcrumb":{"@id":"https:\/\/www.intosaijournal.org\/es\/journal-entry\/data-science-as-a-catalyst-for-audit-transformation\/#breadcrumb"},"inLanguage":"es-ES","potentialAction":[{"@type":"ReadAction","target":["https:\/\/www.intosaijournal.org\/es\/journal-entry\/data-science-as-a-catalyst-for-audit-transformation\/"]}]},{"@type":"ImageObject","inLanguage":"es-ES","@id":"https:\/\/www.intosaijournal.org\/es\/journal-entry\/data-science-as-a-catalyst-for-audit-transformation\/#primaryimage","url":"https:\/\/www.intosaijournal.org\/wp-content\/uploads\/2023\/10\/AI2-1.png","contentUrl":"https:\/\/www.intosaijournal.org\/wp-content\/uploads\/2023\/10\/AI2-1.png","width":663,"height":440},{"@type":"BreadcrumbList","@id":"https:\/\/www.intosaijournal.org\/es\/journal-entry\/data-science-as-a-catalyst-for-audit-transformation\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/intosaijournal.org\/es\/"},{"@type":"ListItem","position":2,"name":"La Ciencia de Datos Como Catalizador Para la Transformaci\u00f3n de la Auditor\u00eda"}]},{"@type":"WebSite","@id":"https:\/\/intosaijournal.org\/fr\/#website","url":"https:\/\/intosaijournal.org\/fr\/","name":"INTOSAI Journal","description":"","publisher":{"@id":"https:\/\/intosaijournal.org\/fr\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/intosaijournal.org\/fr\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"es-ES"},{"@type":"Organization","@id":"https:\/\/intosaijournal.org\/fr\/#organization","name":"INTOSAI Journal","url":"https:\/\/intosaijournal.org\/fr\/","logo":{"@type":"ImageObject","inLanguage":"es-ES","@id":"https:\/\/intosaijournal.org\/fr\/#\/schema\/logo\/image\/","url":"https:\/\/intosai.nclud.com\/wp-content\/uploads\/2023\/04\/logo.png","contentUrl":"https:\/\/intosai.nclud.com\/wp-content\/uploads\/2023\/04\/logo.png","width":736,"height":122,"caption":"INTOSAI Journal"},"image":{"@id":"https:\/\/intosaijournal.org\/fr\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/x.com\/intosaijournal"]}]}},"_links":{"self":[{"href":"https:\/\/www.intosaijournal.org\/es\/wp-json\/wp\/v2\/journal-entry\/21715","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.intosaijournal.org\/es\/wp-json\/wp\/v2\/journal-entry"}],"about":[{"href":"https:\/\/www.intosaijournal.org\/es\/wp-json\/wp\/v2\/types\/journal-entry"}],"author":[{"embeddable":true,"href":"https:\/\/www.intosaijournal.org\/es\/wp-json\/wp\/v2\/users\/177"}],"version-history":[{"count":4,"href":"https:\/\/www.intosaijournal.org\/es\/wp-json\/wp\/v2\/journal-entry\/21715\/revisions"}],"predecessor-version":[{"id":22365,"href":"https:\/\/www.intosaijournal.org\/es\/wp-json\/wp\/v2\/journal-entry\/21715\/revisions\/22365"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.intosaijournal.org\/es\/wp-json\/wp\/v2\/media\/21647"}],"wp:attachment":[{"href":"https:\/\/www.intosaijournal.org\/es\/wp-json\/wp\/v2\/media?parent=21715"}],"wp:term":[{"taxonomy":"journal-categories","embeddable":true,"href":"https:\/\/www.intosaijournal.org\/es\/wp-json\/wp\/v2\/journal-categories?post=21715"},{"taxonomy":"content-tags","embeddable":true,"href":"https:\/\/www.intosaijournal.org\/es\/wp-json\/wp\/v2\/content-tags?post=21715"},{"taxonomy":"country","embeddable":true,"href":"https:\/\/www.intosaijournal.org\/es\/wp-json\/wp\/v2\/country?post=21715"},{"taxonomy":"region","embeddable":true,"href":"https:\/\/www.intosaijournal.org\/es\/wp-json\/wp\/v2\/region?post=21715"},{"taxonomy":"section","embeddable":true,"href":"https:\/\/www.intosaijournal.org\/es\/wp-json\/wp\/v2\/section?post=21715"},{"taxonomy":"author","embeddable":true,"href":"https:\/\/www.intosaijournal.org\/es\/wp-json\/wp\/v2\/coauthors?post=21715"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}