1
ENTREGABLE 2
PROBLEMÁTICA EN EL ÁMBITO FINANCIERO DE ALGUNA
ORGANIZACIÓN QUE SE PUEDA TRABAJAR CON ANÁLISIS DE DATOS.
PAOLA SÁNCHEZ URBÁN
PROFESOR LUGARDO SALAZAR CAMPOS
ESTADÍSTICA Y BIG DATA EN FINANZAS
UNIVERSIDAD TECNOLÓGICA DE MÉXICO
13/04/25
2
ÍNDICE
1. INTRODUCCIÓN………………………………………………………………..3
2. DESARROLLO……………………………………………………...……….….3
3. PROPUESTA…………………………..……………………………….…….….4
4. CONCLUSIONES………………………………………………………………..5
5. REFERENCIAS….……………………………………………………………….5
6. EJEMPLO PRÁCTICO…………………………………………………………..7
3
I. INTRODUCCIÓN
PROBLEMÁTICA FINANCIERA EN UNA INSTITUCIÓN PÚBLICA: INEFICIENCIA EN LA
GESTIÓN DEL PRESUPUESTO DE MEDICAMENTOS
En el sector público, una gestión eficiente del presupuesto es fundamental para poder garantizar el
acceso equitativo a los servicios básicos, especialmente en áreas de mayor importancia como la
salud. Uno de los problemas más frecuentes en los hospitales públicos es la mala administración del
presupuesto destinado a la adquisición y distribución de medicamentos, lo que genera
desabastecimientos de forma recurrente, sobrecostos y una atención deficiente a los ciudadanos.
La complejidad del sistema, junto con la falta de herramientas analíticas avanzadas, impide prever la
demanda real de medicamentos y optimizar las compras según las necesidades reales de los
pacientes. Esto representa un problema financiero y operativo con efectos directos sobre la calidad
del servicio público.
En los últimos años gracias a las redes sociales, se han viralizado casos de personas que hacen
quejas constantes hacia el desabasto de medicamentos en los centros de salud pública y hospitales
del mismo sector. Se generan dudas del porqué esto se ha vuelto tan recurrente y cada año esta
problemática sigue incrementando. Cabe recalcar que las estadísticas indican que cada año el
número de personas con enfermedades crónicas es superior por lo que la demanda de
medicamentos y atención médica va a la alza.
II. DESARROLLO
El Hospital General San Pedro, una institución pública de salud de segundo nivel, ha reportado en
los últimos años un uso ineficiente de su presupuesto destinado a medicamentos. Durante el último
año fiscal, el 22% del presupuesto fue subutilizado en algunos rubros y sobreutilizado en otros, con
compras innecesarias de ciertos fármacos que terminan venciendo en el almacén, mientras otros
esenciales tienen faltantes críticos.
El sistema actual de compras se basa en las estimaciones realizadas manualmente por cada área
médica, sin considerar datos históricos reales de consumo, estacionalidad de enfermedades o
indicadores de rotación de inventario. Esto limita la capacidad de planificar con precisión y genera
pérdidas económicas considerables.
Como podemos entender, el mal uso de los recursos estadísticos para el cálculo correcto de
personas que en la actualidad necesitan los medicamentos, impide tener un buen control de abasto
de las medicinas dentro de los sistemas públicos de salud. No solo se debe de considerar a las
personas que van día con día a los servicios médicos, un estudio con métodos estadísticos podría
4
ser una herramienta de mejora para esta problemática. Con el paso del tiempo y gracias a los
nuevos productos de mala y dudosa calidad, las enfermedades van en incremento desde la
población más joven hasta los adultos mayores lo que genera mayor necesidad en la población, así
como el requerimiento de medicamentos que puedan cubrir cada una de las necesidades de cada
paciente.
III. PROPUESTA
Se propone desarrollar un sistema de análisis de datos y predicción de demanda de medicamentos,
utilizando inteligencia artificial y análisis estadístico, con los siguientes componentes clave:
1. Análisis histórico de consumo: Consolidar datos de consumo de medicamentos de los últimos
5 años para identificar patrones de uso, estacionalidad y tendencias.
2. Modelo predictivo de demanda: Utilizar modelos de series temporales y aprendizaje
automático para prever con precisión la demanda de medicamentos por tipo, área médica y
época del año.
3. Simulación presupuestaria: Evaluar escenarios financieros con base en distintas estrategias
de compra y distribución, optimizando el uso del presupuesto anual asignado.
4. Dashboard de gestión en tiempo real: Desarrollar un tablero interactivo para los tomadores de
decisiones con alertas de desabastecimiento,
vencimiento próximo y seguimiento del gasto
en tiempo real.
Este sistema permitirá a la institución tomar
decisiones basadas en evidencia, alineando la
compra de medicamentos con la demanda real y las
restricciones presupuestarias.
Este sistema propone que loes estudios sean más
personalizados para los distintos puntos de abasto de
estos medicamentos, así como conocer en tiempo
real cuales y cuantos medicamentos son los que parte de la población necesita. Con estas
herramientas y una buena gestión, nos permitirán tener un control de medicina con base en las
estadísticas, así como a destinar el prepuesto a los insumos más necesarios y evitar rezagos de
medicamentos, priorizando los más necesarios.
5
IV. CONCLUSIONES
La aplicación de análisis de datos en una institución pública como el Hospital San Pedro no solo
tiene beneficios económicos, sino también un alto impacto social. La implementación de un sistema
predictivo y de análisis inteligente permitirá:
Reducir significativamente el desperdicio de medicamentos.
Evitar el desabastecimiento y mejorar la atención al ciudadano.
Optimizar el uso del presupuesto anual asignado sin requerir fondos adicionales.
Fortalecer la transparencia y la rendición de cuentas en la gestión pública.
Con esta propuesta, se demuestra que el análisis de datos no es exclusivo del sector privado y
puede ser una herramienta poderosa para mejorar la eficiencia y la calidad de los servicios en el
sector público. Esto prioriza los beneficios de cada una de las poblaciones a las que va dirigida esta
propuesta de implementación.
V. REFERENCIAS
IMF (Fondo Monetario Internacional). (2014). Government Finance Statistics Manual.
International Monetary Fund.
OECD. (2019). Public Financial Management and Its Emerging Architecture.
Topol, E. J. (2019). Deep Medicine: How Artificial Intelligence Can Make Healthcare Human
Again. Basic Books.
Shickel, B., Tighe, P. J., Bihorac, A., & Rashidi, P. (2018). Deep learning in medical
applications: a review. Journal of Biomedical Informatics, 83, 405–422.
Hyndman, R. J., & Athanasopoulos, G. (2021). Forecasting: Principles and Practice (3rd
ed.). OTexts.
6
Chollet, F. (2018). Deep Learning with Python. Manning Publications.
Winston, W. L. (2004). Operations Research: Applications and Algorithms (4th ed.). Cengage
Learning.
Bertsimas, D., & Tsitsiklis, J. N. (1997). Introduction to Linear Optimization. Athena
Scientific.
7
Mes Año Fecha Demanda (unidades) Tendencia Estacionalidad Predicción
ENERO 2021 1/1/2021 1104 1285.594595
FEBRERO 2021 2/1/2021 1193 1284.493951
MARZO 2021 3/1/2021 1352 1283.393308
ABRIL 2021 4/1/2021 1396 1282.292664
MAYO 2021 5/1/2021 1188 1281.192021
JUNIO 2021 6/1/2021 1428 1280.091377
JULIO 2021 7/1/2021 1638 1278.990734
AGOSTO 2021 8/1/2021 1478 1277.89009
SEPTIEMBRE 2021 9/1/2021 1296 1276.789447
OCTUBRE 2021 10/1/2021 1227 1275.688803
NOVIEMBRE 2021 11/1/2021 1116 1274.58816
DICIEMBRE 2021 12/1/2021 1056 1273.487516
ENERO 2022 1/1/2022 1092 1272.386873
FEBRERO 2022 2/1/2022 1104 1271.286229
MARZO 2022 3/1/2022 1233 1270.185586
ABRIL 2022 4/1/2022 1291 1269.084942
MAYO 2022 5/1/2022 1149 1267.984299
JUNIO 2022 6/1/2022 1455 1266.883655
JULIO 2022 7/1/2022 1514 1265.783012
AGOSTO 2022 8/1/2022 1369 1264.682368
SEPTIEMBRE 2022 9/1/2022 1393 1263.581725
OCTUBRE 2022 10/1/2022 1188 1262.481081
NOVIEMBRE 2022 11/1/2022 1143 1261.380438
DICIEMBRE 2022 12/1/2022 1008 1260.279794
ENERO 2023 1/1/2023 1052 1259.179151
FEBRERO 2023 2/1/2023 1205 1258.078507
MARZO 2023 3/1/2023 1262 1256.977864
ABRIL 2023 4/1/2023 1338 1255.87722
MAYO 2023 5/1/2023 1169 1254.776577
JUNIO 2023 6/1/2023 1425 1253.675933
JULIO 2023 7/1/2023 1529 1252.57529
AGOSTO 2023 8/1/2023 1532 1251.474646
SEPTIEMBRE 2023 9/1/2023 1319 1250.374003
OCTUBRE 2023 10/1/2023 1147 1249.273359
NOVIEMBRE 2023 11/1/2023 1181 1248.172716
DICIEMBRE 2023 12/1/2023 1018 1247.072072
ENERO 2024 1/1/2024 1245.971429 -189.72020592 1056.251223
FEBRERO 2024 2/1/2024 1244.870785 -103.95289575 1140.917889
MARZO 2024 3/1/2024 1243.770142 12.147747748 1255.917889
ABRIL 2024 4/1/2024 1242.669498 72.581724582 1315.251223
MAYO 2024 5/1/2024 1241.568855 -99.317631918 1142.251223
JUNIO 2024 6/1/2024 1240.468211 169.11634492 1409.584556
JULIO 2024 7/1/2024 1239.367568 294.55032175 1533.917889
AGOSTO 2024 8/1/2024 1238.266924 194.98429858 1433.251223
SEPTIEMBRE 2024 9/1/2024 1237.166281 72.418275418 1309.584556
OCTUBRE 2024 10/1/2024 1236.065637 -75.147747748 1160.917889
NOVIEMBRE 2024 11/1/2024 1234.964994 -114.71377091 1120.251223
DICIEMBRE 2024 12/1/2024 1233.86435 -232.94646075 1000.917889