Inteligencia de mercado sobre datos públicos

• Ingesta de microdatos
• Modelo de priorización
• Geoanálisis
• Tableros interactivos

Ingerimos el microdato Saber 11 del ICFES (2016–2025, calendarios A y B) y lo convertimos en un panel de decisión: tendencia oficial vs. privado, promedio y desviación por área, brecha por materia, distribución de puntajes y Top 10 por región. Sobre esa base montamos un tablero de priorización comercial con pesos editables — ubicación, calendario, tamaño, estrato, puntaje — que devuelve un score de 0 a 100 por institución.

0–100

score de prioridad por colegio

~89%

geolocalizados con coordenada del MEN

24 → 9 MB

dataset comprimido, carga por departamento

Entrega automatizada de resultados

• Ingesta masiva
• Extracción de documentos
• Acceso autenticado
• Entrega por CDN

Plataforma donde cada estudiante entra con su documento y encuentra únicamente sus informes. Ingesta masiva por CSV, extracción de datos desde los PDF de resultados, autenticación con hash y sesión firmada, distribución por CDN y un panel administrativo para excepciones. Cero envío manual de archivos.

Self-service

el estudiante consulta, nadie reenvía

CSV → DB

carga masiva por corte de resultados

PDF parsing

lectura automática de los informes

Generación de contenido evaluativo con IA

• Generación con IA
• Estímulos vectoriales
• Validación automática
• Banco versionado

Motor que produce ítems tipo ICFES bajo el modelo de Diseño Centrado en Evidencias: contexto situacional, enunciado como tarea y distractores clasificados por tipo de error (procedimental, información parcial, inferencia inválida, confusión de conceptos). Genera sus propios estímulos visuales en vectorial y pasa por agentes de validación antes de entrar al banco.

3° – 11°

grados cubiertos

4 tipos

de distractor clasificado

2 agentes

de QA antes de publicar