Proyecto final — Innovación empresarial

Proyecto final

← Volver al inicio del curso

Curso Nivelatorio de R · CIENFI · Universidad Icesi Modalidad: parejas · Nivel de uso de IA: N3 (IA integrada, con declaración y sustentación sin IA)

El proyecto integra todo el curso: un análisis empírico completo, de la base cruda a una tabla de regresión, dentro de un proyecto reproducible que se sustenta oralmente.

Los datos

Dos bases (en datos/ del curso, descripción completa en el diccionario):

  • innovacion_empresas.csv — microdatos a nivel de firma (una fila por empresa), deliberadamente desordenados: categorías inconsistentes, tipos mal leídos, faltantes, valores extremos y filas duplicadas. Datos ficticios con fines docentes, inspirados en encuestas tipo EDIT del DANE.
  • sectores_agregado.csv — base agregada por sector (referente nacional, limpia), para cruzar con la anterior mediante la llave cod_sector.

Lo que deben hacer

Trabajen sobre una copia de la plantilla de proyecto del curso. El análisis se organiza en el pipeline de tres scripts:

01_limpieza.R — Del crudo al análisis (Unidad 2)

  1. Importar y diagnosticar la base de firmas (glimpse, skim).
  2. Limpiar con decisiones documentadas (el "acta de limpieza" en comentarios): duplicados, categorías de texto, tipos (empleados y ventas), faltantes, valores imposibles y outliers.
  3. Construir el indicador innovadora (producto, proceso u organizacional).
  4. Exportar la base limpia a datos/procesados/.

02_descriptivas.R — Los hechos (Unidades 2 y 3)

  1. Construir indicadores por sector (group_by + summarise): número de firmas, tasa de innovación, ventas (usen medianas: hay outliers), empleo.
  2. Cruzar con la base agregada (left_join por cod_sector) y comparar la muestra con el referente nacional.
  3. Producir al menos 2 gráficos exportados con ggsave() (por ejemplo: tasa de la muestra vs. referente por sector; distribución de ventas por condición de innovadora) y 1 tabla descriptiva exportada.

03_regresiones.R — La pregunta (Unidad 4)

  1. Estimar al menos dos especificaciones de la pregunta "¿las firmas innovadoras venden más?":
    • log(ventas_millones) ~ innovadora
    • log(ventas_millones) ~ innovadora + log(num_empleados) (control de tamaño)
  2. Producir la tabla con msummary() (nombres legibles, N y R², estrellas) exportada a output/tablas/.
  3. Interpretar en comentarios: magnitud en % (exp(β)−1), lenguaje de asociación (no causal), y una frase sobre por qué cambia el N entre modelos.

Entregables (por pareja)

  1. La carpeta del proyecto completa (estructura de la plantilla, los tres scripts numerados, datos/procesados/ y output/ regenerables).
  2. El README.md diligenciado: qué hace el proyecto, cómo se corre, acta resumida de limpieza y apéndice de uso de IA (herramientas, prompts clave, qué verificaron de cada sugerencia).
  3. Una presentación corta (5–8 min) con los principales hallazgos.

Antes de entregar, la prueba de fuego: Session → Restart R, correr 01 → 02 → 03 en orden. Si algo falla, no está listo.

La sustentación (sin IA)

Cada pareja presenta sus resultados y defiende su código en vivo: el profesor elige 2–3 bloques de sus scripts y ustedes explican qué hace cada línea, qué decisión de limpieza hay detrás y qué pasaría si se cambiara. "Eso lo generó la IA" no es una explicación — declarar el uso de IA es legítimo; no poder explicar el propio código, no.

Preguntas guía (para la presentación)

  • ¿Qué problemas tenía la base y qué decidieron hacer con cada uno?
  • ¿Qué sectores de la muestra innovan más y cómo se comparan con el referente nacional?
  • ¿Las firmas innovadoras venden más? ¿Cuánto más, controlando por tamaño? ¿Por qué NO pueden decir que la innovación causa mayores ventas?

La rúbrica de calificación está en rubrica_proyecto_final.md.