Tablero de control con índices de competitividad:
I. Contexto
El tablero presenta la integración de diferentes índices de competitividad a nivel municipal y departamental, con el fin de ofrecer un análisis comparativo y global del desempeño de los territorios en Colombia.
Dado que cada índice mide dimensiones específicas del desarrollo territorial, su consolidación permite una lectura transversal sobre competitividad, internacionalización, emprendimiento y desarrollo estructural.
Dentro del estudio se tienen en cuenta los siguientes índices:
A. Índices Municipales / Ciudades
1. Índice de Ciudades Modernas (ICM): Indicador sintético y multidimensional del desarrollo de las ciudades y municipios, que mide los avances territoriales e identifica sus principales retos (Departamento Nacional de Planeación, 2024).
2. Índice de Competitividad de Ciudades (ICC): Medición que evalúa el desempeño competitivo de las 32 capitales departamentales de Colombia y ofrece un diagnóstico sobre sus principales fortalezas y desafíos en múltiples dimensiones (Consejo Privado de Competitividad, 2025).
3. Índice Subnacional de Emprendimiento (ISEM): Herramienta diseñada para monitorear, analizar y evaluar el ecosistema de emprendimiento en las principales ciudades del país, identificando particularidades territoriales que inciden en su desarrollo (Consejo Privado de Competitividad, 2025).
B. Índices Departamentales
4. Índice Departamental de Internacionalización (IDI): Instrumento orientado a medir las capacidades territoriales para incrementar la productividad, las exportaciones y la inversión, como base para la formulación de políticas públicas departamentales (Ministerio de Comercio, Industria y Turismo, 2024).
5. Índice Departamental de Competitividad (ICD): Herramienta de análisis que evalúa el desempeño competitivo de los 32 departamentos de Colombia y Bogotá D.C., contribuyendo al diagnóstico de los principales desafíos territoriales en materia de desarrollo (Consejo Privado de Competitividad, 2025)
El análisis integra información correspondiente a:
- 32 municipios
- 34 departamentos (incluyendo Bogotá D.C.)
El listado completo de territorios se presenta en el Anexo 1.
II. Metodología y Construcción de la Base de Datos
1. Estandarización temática
Con el fin de realizar el cruce entre los diferentes índices, y debido a la complejidad de sus estructuras internas (dimensiones, factores, pilares, subíndices, indicadores, canales, etc.), se creó un conjunto común de temas estandarizados.
Estos temas corresponden a la variable Categoría dentro del tablero y permiten homologar las distintas estructuras conceptuales.
Temas estandarizados:
- Economía
- Gobernanza / Institucionalidad
- Infraestructura (física y logística)
- Innovación / I+D
- Educación / Talento
- Emprendimiento
- Turismo / Competitividad Turística
- Internacionalización / Comercio Exterior
- Medio Ambiente / Sostenibilidad
- Seguridad / Riesgo
- Finanzas Públicas / Riesgo Fiscal
- Productividad
- Calidad de Vida / Social
- TIC / Digitalización
- Salud
2. Nivel de agregación utilizado
Dado que cada índice presenta distintos niveles de desagregación, se definió como llave de cruce el nivel de mayor jerarquía disponible en cada uno:
Tabla 1. Jerarquía de datos
| Índice | Nivel utilizado |
| ICM | Dimensión |
| ICC | Pilar |
| ISEM | Pilar |
| IDI | Canal |
| ICD | Pilar |
Esto permite mantener coherencia metodológica con la estructura original de cada estudio.
3. Modelo de datos y normalización
Los índices fueron integrados mediante procesos ETL en un modelo tipo Data Warehouse, consolidándose en la tabla:
dw.fact_indices_consolidados
Debido a que los valores originales de cada índice se presentan en diferentes rangos y escalas, se trabajó con valores normalizados en una escala común de 0 a 10.
En el tablero, los análisis comparativos se realizan sobre la variable valor_normalizado.
III. Guía de Lectura del Tablero
1. Análisis Territorial: Permite comparar el desempeño entre municipios y departamentos según índice y año disponible.
2. Análisis por Categoría: Permite visualizar el desempeño territorial de manera transversal según los temas estandarizados definidos en la metodología.
3. Ranking: Presenta la posición relativa de los territorios (Top y Bottom) según el índice o categoría seleccionada.
4. Brechas: Muestra la diferencia entre el desempeño territorial y el promedio nacional o referencia definida en el modelo.
III. Prototipo de Análisis por Categoría:
Anexo 1. Territorios Analizados
Tabla 2. Departamentos y municipios analizados
| Departamento | Municipio | |
| 1 | Amazonas | Arauca |
| 2 | Antioquia | Armenia |
| 3 | Arauca | Baranquilla AM |
| 4 | Archipiélago de San Andrés | Bogotá D.C |
| 5 | Atlántico | Bucaramanga AM |
| 6 | Bogotá | Cali |
| 7 | Bogotá D.C. | Cucuta |
| 8 | Bolívar | Cartagena |
| 9 | Boyacá | Florencia |
| 10 | Caldas | Ibague |
| 11 | Caquetá | Inirida |
| 12 | Casanare | Leticia |
| 13 | Cauca | Manizales AM |
| 14 | Cesar | Medellin AM |
| 15 | Chocó | Mitú |
| 16 | Córdoba | Mocoa |
| 17 | Cundinamarca | Monteria |
| 18 | Guainía | Neiva |
| 19 | Guaviare | Pasto |
| 20 | Huila | Pereira AM |
| 21 | La guajira | Popayán |
| 22 | Magdalena | Puerto Carre{p |
| 23 | Meta | Quibdó |
| 24 | Nariño | Riohacha |
| 25 | Norte de Santander | San Andrés |
| 26 | Putumayo | San José del Guaviare |
| 27 | Quindío | Santa Marta |
| 28 | Risaralda | Sincelejo |
| 29 | Santander | Tunja |
| 30 | Sucre | Valledupar |
| 31 | Tolima | Villavicencio |
| 32 | Valle del Cauca | Yopal |
| 33 | Vaupés | |
| 34 | Vichada |
Prototipo de Análisis por Categoría: ECONOMÍA
1. Contexto general de la categoría
La categoría Economía analiza la apertura económica, el impacto en el PIB y cómo estos factores se reflejan en el bienestar económico de los ciudadanos de cada departamento o municipio. Incluye dimensiones relacionadas con el tamaño del mercado, el desempeño empresarial, la formalidad, el empleo y la internacionalización.
El análisis integra indicadores de distintos índices de ciudad (ICD, ICC, Emprendimiento, Riesgo, Turismo, Internacionalización y Ciudades Modernas) para ofrecer una visión integral del entorno económico territorial.
2. Diagnóstico
| Subtema económico | Indicadores y fuente | Qué miden | Interpretación general |
| Crecimiento y tamaño del mercado | ICD, ICC: Tamaño del mercado interno | Evalúa la capacidad de producción y consumo interno. | La economía local depende de un mercado interno limitado y concentrado en pocos sectores. |
| Estructura empresarial y productividad | Índice de riesgo: Tejido empresarial, Empresas supervivientes; índice de emprendimiento: Formalidad empresarial, Bancarización | Mide la composición, formalidad y sostenibilidad del tejido productivo. | Alta informalidad y baja supervivencia empresarial reducen la competitividad y el crecimiento sostenido. |
| Empleo y bienestar económico | Indice de turismo: Subempleo objetivo, Informalidad laboral, Salario sector turismo | Refleja la calidad del empleo y los ingresos. | Persisten niveles elevados de informalidad y brechas salariales. |
| Apertura económica e internacionalización | índice de internacionalización: Aprovechamiento de acuerdos comerciales, Población extranjera | Indica la integración de la economía local en el mercado global. | La apertura económica sigue siendo limitada; baja participación exportadora y poca atracción de inversión externa. |
| Impacto macroeconómico | índice de riesgo: Participación del PIB departamental en el nacional | Mide la contribución al PIB nacional. | Escasa participación regional en el PIB nacional y crecimiento desigual entre departamentos. |
3. Identificación de problemas
| Problema Identificado | Explicación y Evidencia Asociada |
| Alta informalidad laboral y subempleo | La estructura del mercado laboral muestra una alta proporción de empleos informales y subempleados. Indicadores como el subempleo objetivo, la informalidad laboral y los bajos salarios en sectores como el turismo evidencian limitadas condiciones de estabilidad y calidad del trabajo. |
| Baja diversificación productiva | La economía depende en gran medida de pocos sectores productivos. Los datos del tamaño del mercado interno y la participación del PIB departamental en el nacional sugieren escasa diversificación y vulnerabilidad ante choques sectoriales. |
| Escasa bancarización y acceso a crédito | Una parte significativa de los micronegocios no utiliza servicios financieros formales. Los indicadores de bancarización y uso de cuentas bancarias por micronegocios muestran barreras para acceder al crédito y fortalecer la sostenibilidad empresarial. |
| Poca internacionalización | La participación en el comercio exterior es limitada. Indicadores como el aprovechamiento de acuerdos comerciales y la baja presencia de población extranjera reflejan una economía poco integrada a los mercados globales. |
| Baja supervivencia empresarial | La tasa de empresas que logran mantenerse activas tras su creación es baja. Indicadores como empresas supervivientes y formalidad empresarial sugieren debilidad en las estrategias de consolidación y acompañamiento a largo plazo. |
4. Ideas de solución
| Problema | Idea de solución | agente responsable |
| Alta informalidad laboral | Programas de formalización y capacitación empresarial. | Alcaldías, Cámaras de Comercio, SENA |
| Baja diversificación productiva | Promoción de clústeres sectoriales y encadenamientos locales. | Gobernaciones, Agencias de desarrollo, MinCIT |
| Escasa bancarización | Programas de microfinanzas y educación financiera para Mipymes. | Bancoldex, Entidades financieras, Cámaras de Comercio |
| Poca internacionalización | Fortalecer asistencia técnica para exportaciones e inversión extranjera. | ProColombia, MinCIT, Gobernaciones |
| Baja supervivencia empresarial | Acompañamiento postcreación y redes de asesoría empresarial. | Cámaras de Comercio / Universidades / Agencias de emprendimiento |
Total 19 indicadores
ICD: 2
| Entorno para los negocios | Eficiencia de los mercados | Trámites y especialización empresarial |
| Tamaño de mercado | Eficiencia de los mercados | Tamaño del mercado interno |
ICC: 1
| Tamaño del mercado | Eficiencia de los mercados | Mercado Interno | Tamaño del mercado interno |
EMPRENDIMIENTO: 2
| Entorno para los negocios | Formalidad empresarial | |
| Desempeño emprendedor | Empleo |
RIESGO:4
| Economía | BANCARIZACIÓN | |
| Economía | TEJIDO EMPRESARIAL | |
| Economía | PARTICIPACIÓN DEL PIB DEPARTAMENTAL EN EL NACIONAL | |
| Economía | EMPRESAS SUPERVIVIENTES POR DEPARTAMENTO |
TURISMO: 5
| Economico | RevPar promedio. | |
| Ambiental | Calidad del agua. | |
| Social | Subempleo objetivo. | |
| Social | Informalidad laboral. | |
| Social | Salario del sector turismo. |
INTERNACIONALIZACION: 1
| Personas | Variables de resultado | Población extranjera |
| Comercio | Variables de resultado | Aprovechamiento de acuerdos comerciales |
CIUDADES MODERNAS: 3
| Productividad | Grado de importancia económica. Departamento Administrativo | |
| Productividad | Valor agregado sin sector minería e hidrocarburos por km2. OSC-DNP | |
| Equidad e Inclusión Social | Pobreza multidimensional. |
Documentación del Modelo de Datos y Procesos ETL
Proyecto: Alcaldía 2025 – Consolidación de Índices Territoriales
Base de datos: Indices_ciudades
Motor: SQL Server Express
Construir una base de datos única y estandarizada que consolide diferentes índices territoriales (municipales y departamentales) en una estructura común, permitiendo: – Comparación transversal entre índices – Análisis por año, territorio, dimensión/pilar y categoría temática – Escalabilidad para nuevos índices y nuevos años
Los índices consolidados incluyen: – ICC – Índice de Competitividad de Ciudades – IDC – Índice Departamental de Competitividad – ICM – Índice de Ciudades Modernas – IDI – Índice de Internacionalización – ISEM – Índice de Sofisticación del Ecosistema Empresarial Municipal
ICC
ICM
IDC
Índice de Riesgo Subnacional
Internacionalización (IDI)
Emprendimiento (ISEM)
Turismo
3. Arquitectura general del modelo
El modelo se divide en tres capas lógicas:
Contiene los datos crudos importados desde Excel o CSV. – No hay lógica analítica – Sirve para auditoría, reprocesos y validación
Contiene: – Tablas maestras (dimensiones, mapeos) – Tablas intermedias por índice – Tabla FACT consolidada
Una única tabla final estandarizada para análisis transversal.
Grano: Una fila por: – Año – Índice – Nivel territorial – Pilar / Dimensión – Territorio (municipio o departamento)
Columnas: – anio – indice – nivel_territorial – dimension – categoria – municipio – departamento – valor_normalizado – valor_real – ranking – brechas
Restricción lógica recomendada: (anio, indice, nivel_territorial, dimension, municipio, departamento)
Define cómo se llaman los niveles analíticos de cada índice.
Ejemplo: – ICC → Factor / Pilar / Subpilar / Indicador – IDI → Canal / Variable
Permite que distintos índices convivan bajo una misma FACT.
Tabla puente entre: – Código técnico del pilar (INS, INF, FIN, etc.) – Nombre canónico del pilar
Llave: (indice, codigo_pilar)
Esta tabla resuelve una limitación de las plantillas fuente, que no siempre incluyen el nombre completo del pilar.
5.3 dw.dim_categoria_por_dimension
Tabla maestra de categorización conceptual.
Columnas clave: – acronimo_indice – dimension_pilar – tema_general
Permite clasificar cada pilar en una categoría transversal (Ej.: Emprendimiento, Innovación, Infraestructura, etc.).
6. Transformaciones comunes (ancho → largo)
Los archivos fuente suelen venir en formato ancho (una columna por código).
Para estandarizar: – Se convierten a formato largo (LONG) – Cada fila representa: territorio + año + código + valor
Ejemplos: – dw.v_icc_normalizado_long – dw.v_icc_real_long – dw.v_icc_ranking_long – dw.v_idc_*_long
7. Flujo ETL resumido por índice
Importación a stg (normalizado, real, ranking)
Transformación a LONG
Unión de métricas
Filtrado a nivel PILAR
Mapeo código → nombre
Asignación de categoría
Inserción en FACT
dw.icc_pilares
Importación CSV como RAW (una sola columna)
Construcción dinámica de HEADER y MAP
Separación por posiciones
LONG por tipo de métrica
Consolidación y filtrado a pilares
Inserción en FACT
dw.idc_pilares
Importación de datos reales
Transformación a formato largo (Divipola–Año–Código–Valor)
Construcción de dimensiones y dominios
Corrección de nombres canónicos en DIM
Cruce con categorías
Inserción en FACT
dw.fact_icm
Nivel analítico válido: CANAL
Importación RAW de normalizado, real y ranking
Construcción dinámica de HEADER y MAP
Reconstrucción WIDE
Despivotado a LONG
Consolidación por variable
Promedio por CANAL
Cruce con categorías
Inserción en FACT
dw.IDI_consolidada_canales
8. Documentación específica — ISEM
El ISEM mide la sofisticación del ecosistema empresarial a nivel municipal.
Nivel analítico: Pilar
Unidad territorial: Municipio
Pilares: – FIN – Financiamiento – CHHC – Capital humano, habilidades y competencias – CS – Capital social – EN – Entorno de negocios – INF – Infraestructura – ATIE – Adaptación tecnológica e innovación intraempresa – EIGC – Ecosistema innovador y generación de conocimiento – DEM – Desempeño emprendedor
CSV con separador ;
Columnas Rank sin nombre (;;)
Se identificaron columnas Rank por perfil de datos (enteros > 90%)
Esto permitió asignar correctamente un ranking a cada pilar.
anio = 2025
indice = ISEM
nivel_territorial = MUNICIPAL
dimension = código del pilar
municipio
valor_normalizado
valor_ranking
Cada municipio tiene exactamente 8 filas.
dw.isem_long_vf
Para ISEM, el acrónimo en la tabla de categorías es:
acronimo_indice = ‘EMPRENDIMIENTO’
Se aplicaron: – Joins case-insensitive y accent-insensitive – Ajustes semánticos documentados (DE vs PARA)
✔️ Conteo esperado correcto
✔️ Sin duplicados
✔️ Sin rankings nulos
✔️ Categorías asignadas al 100%
10. Decisiones de diseño clave
El análisis se hace siempre a nivel PILAR / CANAL
Los nombres canónicos viven en DIM / MAP, no en FACT
No se imputan valores faltantes
Las excepciones semánticas se corrigen en DIM, no en FACT
El modelo es replicable para nuevos años e índices
Cálculo de Brechas en dw.fact_indices_consolidados
Proyecto: Alcaldía 2025
1. Objetivo
El objetivo de este proceso es calcular y almacenar brechas comparativas para los índices consolidados (ICC, IDC, IDI, ISEM) en la tabla dw.fact_indices_consolidados, utilizando únicamente el valor_normalizado y sin mezclar niveles territoriales.
Se calculan dos tipos de brechas:
- Brecha vs mejor calificación
- Brecha vs promedio nacional
Estas brechas permiten evaluar el desempeño relativo de cada municipio o departamento frente al contexto nacional, por índice y dimensión.
2. Principios metodológicos
El diseño del cálculo se rige por los siguientes principios:
- Las brechas se calculan solo sobre valor_normalizado.
- No se mezclan niveles territoriales:
- MUNICIPIO se compara solo contra MUNICIO.
- DEPARTAMENTO / DEPARTAMENTAL se compara solo contra DEPARTAMENTO.
- El cálculo se hace por año, índice y dimensión.
- Para 2025 se ejecuta el cálculo, dejando el diseño preparado para otros años.
- Los resultados finales se persisten en la fact, no se calculan en tiempo de consulta.
3. Tablas involucradas
3.1 dw.fact_indices_consolidados (tabla fact)
Tabla principal que contiene los valores consolidados por territorio.
Columnas relevantes:
- anio
- indice (ICC, IDC, IDI, ISEM)
- dimension
- nivel_territorial (MUNICIPIO, DEPARTAMENTO, DEPARTAMENTAL)
- municipio
- departamento
- valor_normalizado
- brecha_mejor_calificacion
- brecha_vs_promedio_nacional
3.2 dw.agg_nacional_indices (tabla de apoyo)
Tabla creada específicamente para almacenar los agregados nacionales necesarios para el cálculo de brechas.
Grano de la tabla:
(anio, indice, dimension, nivel_territorial)
Columnas:
- promedio_nacional_valor_normalizado
- mejor_calificacion_valor_normalizado
- territorio_mejor_calificado
- fecha_calculo
- fecha_corte
Esta tabla evita recalcular promedios y máximos repetidamente sobre la fact.
4. Preparación previa
4.1 Normalización del nivel territorial
Se identificó que algunos registros (especialmente IDI) usan el valor:
- DEPARTAMENTAL en lugar de DEPARTAMENTO
Para evitar exclusiones y mezclas incorrectas, se definió la siguiente normalización lógica:
- DEPARTAMENTAL → DEPARTAMENTO
- MUNICIPAL → MUNICIPIO (si aplica)
Esta normalización se aplica en los cálculos, no se modifica el dato original.
4.2 Ajustes en la fact
Se realizaron los siguientes cambios estructurales:
- La columna original brechas (vacía) se renombró a:
- brecha_mejor_calificacion
- Se creó una nueva columna:
- brecha_vs_promedio_nacional
Ambas columnas quedan en la fact como resultados finales del proceso.
5. Cálculo de agregados nacionales
Para el año 2025 se calcularon, por cada combinación de:
- índice
- dimensión
- nivel territorial
los siguientes valores nacionales:
5.1 Promedio nacional
promedio_nacional = promedio(valor_normalizado)
Calculado sobre todos los territorios del mismo nivel.
5.2 Mejor calificación nacional
mejor_calificacion = máximo(valor_normalizado)
Adicionalmente se identifica el territorio que alcanza ese valor máximo.
Estos resultados se almacenan en dw.agg_nacional_indices y son reutilizados para el cálculo de brechas.
6. Cálculo de brechas en la fact
6.1 Brecha vs mejor calificación
Definición:
brecha_mejor_calificacion =
valor_normalizado – mejor_calificacion_valor_normalizado
Interpretación:
- 0 → territorio mejor calificado
- valor negativo → distancia frente al mejor desempeño nacional
Este cálculo se aplica fila a fila en dw.fact_indices_consolidados para 2025.
6.2 Brecha vs promedio nacional
Definición:
brecha_vs_promedio_nacional =
valor_normalizado – promedio_nacional_valor_normalizado
Interpretación:
- 0 → desempeño igual al promedio nacional
- valor positivo → por encima del promedio
- valor negativo → por debajo del promedio
7. Validaciones realizadas
Para garantizar la calidad del cálculo se realizaron los siguientes checks:
7.1 Brecha vs mejor calificación
- El territorio mejor calificado presenta brecha = 0.
- Todos los demás valores son negativos.
7.2 Brecha vs promedio nacional
- El promedio de brecha_vs_promedio_nacional por:
- índice
- dimensión
- nivel territorial
es aproximadamente 0 (error de redondeo aceptable).
Esto confirma que el promedio nacional se calculó correctamente y sin mezcla de universos.
8. Resultado final
La tabla dw.fact_indices_consolidados queda con:
- Valores normalizados consolidados
- Dos brechas comparativas persistidas
- Lista para consumo en:
- BI
- análisis territorial
- reportes institucionales
- visualizaciones comparativas
Sin necesidad de cálculos adicionales en tiempo de consulta.
9. Escalabilidad
El diseño permite:
- Repetir el proceso para otros años
- Incorporar nuevos índices
- Mantener consistencia metodológica
- Auditar resultados mediante la tabla de agregados nacionales
Normalización del Índice de Ciudades Modernas (ICM)
Proyecto: Alcaldía 2025
1. Objetivo
El objetivo de este proceso es transformar los valores reales del Índice de Ciudades Modernas (ICM) —expresados en distintas unidades (km, pesos, tasas, etc.)— en un valor normalizado comparable, en una escala común de 0 a 10, que permita:
- Comparar territorios entre sí
- Integrar el ICM al mismo esquema analítico de los demás índices (ICC, IDC, IDI, ISEM)
- Calcular brechas frente al promedio nacional y al mejor desempeño
2. Contexto del ICM
A diferencia de otros índices del sistema:
- El ICM no llega con valores normalizados
- La columna valor_real representa medidas heterogéneas, dependiendo de la dimensión
- La tabla fuente es dw.fact_icm, separada de la fact consolidada principal
Por esta razón, fue necesario diseñar un proceso específico de normalización.
3. Alcance del proceso
El proceso de normalización del ICM se aplica exclusivamente a:
- Registros con nivel = ‘DIMENSION’
No se normalizan directamente los registros de:
- nivel = ‘INDICE_TOTAL’
Estos valores agregados podrán calcularse posteriormente como promedios de las dimensiones normalizadas, si el modelo lo requiere.
4. Principios metodológicos
La normalización del ICM se rige por los siguientes principios:
- La escala final es 0 a 10
- La normalización se hace por año
- No se mezclan niveles territoriales
- No se mezclan dimensiones
- Cada dimensión se evalúa únicamente contra su propio universo comparable
5. Grano de normalización
La normalización se realiza dentro de cada grupo definido por la combinación de:
(anio,
indice,
nivel_territorial,
nombre_dimension,
categoria)
Esto garantiza que:
- Cada dimensión se normalice contra territorios equivalentes
- No se comparen métricas con naturalezas distintas
- El resultado sea consistente y auditable
6. Direccionalidad del indicador
Dado que los indicadores del ICM pueden tener interpretaciones opuestas, se definió la columna:
sentido_indicador
Valores posibles:
- ASC → más es mejor
- DESC → menos es mejor
Esta columna permite aplicar correctamente la fórmula de normalización y evitar inversiones conceptuales (por ejemplo, que un mayor número de homicidios resulte en un mejor puntaje).
En una primera etapa, se asignó un valor por defecto (ASC) y posteriormente se podrán ajustar las excepciones según la naturaleza de cada dimensión o categoría.
7. Método de normalización utilizado
Se utilizó el método Min–Max Scaling, adaptado a una escala de 0 a 10.
7.1 Caso “más es mejor” (ASC)
7.2 Caso “menos es mejor” (DESC)
7.3 Caso especial: valores constantes
Cuando:
max(valor_real) = min(valor_real)
(no existe variación dentro del grupo),
se asigna un valor neutral:
valor_normalizado = 5.0
Esto evita divisiones por cero y mantiene coherencia en la escala.
8. Implementación técnica
La normalización se implementó utilizando funciones de ventana (OVER(PARTITION BY …)), lo que permitió:
- Calcular mínimos y máximos sin crear tablas intermedias
- Evitar joins frágiles por texto o decimales
- Actualizar directamente la tabla dw.fact_icm
El resultado se almacenó en la columna:
- valor_normalizado
9. Validaciones realizadas
Se realizaron las siguientes validaciones para asegurar la calidad del proceso:
9.1 Rango de valores
- Todos los valores normalizados se encuentran entre 0 y 10
9.2 Coherencia matemática
- Dentro de cada grupo comparable:
- Al menos un territorio obtiene valor cercano a 0
- Al menos uno obtiene valor cercano a 10
Este comportamiento es esperado y confirma la correcta aplicación del método min–max.
9.3 Separación por dimensión
- La normalización solo se aplica a nivel = ‘DIMENSION’
- Los registros INDICE_TOTAL permanecen sin normalizar
10. Resultado final
La tabla dw.fact_icm queda con:
- valor_real (métrica original)
- valor_normalizado (escala 0–10)
- Base sólida para:
- cálculo de brechas
- comparaciones territoriales
- análisis longitudinal
El ICM queda completamente alineado metodológicamente con el resto de los índices del sistema.
11. Escalabilidad
El diseño permite:
- Incorporar nuevos años sin ajustes estructurales
- Ajustar reglas de sentido_indicador
- Auditar resultados por grupo y año
- Recalcular el proceso de forma reproducible
By