Administración de Tecnologías y Sistemas de Información
Octubre 2024- Febrero 2025
Actividad Bimestre 2
Nombre: Nicolás Galarza
Paralelo: 103-ECTS-RED
Diseño de un Sistema de Información para Cambio Organizacional de Uber
Los principales desafíos operativos que enfrenta Uber se centran en la optimización de su
gestión de flotas y la experiencia del usuario en tiempo real. Uno de los problemas más críticos
es la asignación eficiente de conductores a pasajeros durante períodos de alta demanda, lo
que puede resultar en tiempos de espera prolongados y cancelaciones frecuentes. Además, la
empresa enfrenta desafíos significativos en la predicción precisa de los tiempos de llegada,
especialmente en áreas urbanas congestionadas donde las condiciones del tráfico son
altamente variables. La necesidad de mantener un equilibrio dinámico entre la oferta de
conductores y la demanda de pasajeros representa otro desafío importante. La seguridad
también es una preocupación fundamental, requiriendo sistemas robustos para el monitoreo
continuo de los viajes y la verificación de conductores (Torres & Ramírez, 2023).
La precisión en la fijación de precios dinámicos constituye otro reto significativo, ya que debe
responder instantáneamente a las fluctuaciones en la demanda mientras mantiene la
satisfacción tanto de conductores como de pasajeros. La empresa también debe abordar la
complejidad de gestionar múltiples métodos de pago y garantizar transacciones seguras en
tiempo real, mientras mantiene la transparencia en las tarifas. Estos desafíos se magnifican
cuando se consideran las diferentes regulaciones y requisitos específicos de cada mercado en
los que opera la empresa (Méndez & García, 2022).
La gestión masiva de datos en tiempo real representa uno de los mayores retos tecnológicos
para Uber, ya que la plataforma debe procesar simultáneamente millones de puntos de datos,
incluyendo ubicaciones GPS, patrones de tráfico, estados de los viajes y métricas de
rendimiento de los conductores. Este volumen masivo de información requiere una
infraestructura robusta de procesamiento y almacenamiento, mientras que la necesidad de
tomar decisiones instantáneas basadas en estos datos añade una capa adicional de
complejidad. El sistema actual enfrenta desafíos para integrar y analizar eficientemente esta
gran cantidad de datos de diferentes fuentes y formatos, lo que puede resultar en latencias y
retrasos en la toma de decisiones operativas críticas (Johnson & Smith, 2024).
Otro desafío significativo que enfrenta Uber es la gestión y optimización de recursos durante
eventos especiales o situaciones de emergencia. La empresa debe adaptarse rápidamente a
cambios repentinos en la demanda durante conciertos, eventos deportivos, o desastres
naturales, donde los patrones de movilidad tradicionales se alteran drásticamente. La falta de
un sistema predictivo robusto para estos escenarios puede resultar en una distribución
ineficiente de conductores, saturación de ciertas zonas y desatención de otras, además de la
1
Administración de Tecnologías y Sistemas de Información
Octubre 2024- Febrero 2025
dificultad para establecer precios justos durante estas situaciones extraordinarias. Esta
problemática se intensifica cuando se considera la necesidad de coordinar con autoridades
locales y servicios de emergencia durante eventos de gran escala o situaciones de crisis
(Anderson & López, 2023).
Propuestas
Se propone implementar un Sistema Integrado de Gestión Operativa Inteligente
(SIGOI), una solución tecnológica avanzada que integra múltiples módulos
interconectados para abordar los desafíos operativos de Uber. El núcleo del sistema se
basa en una arquitectura de microservicios que permite el procesamiento distribuido y
escalable de datos en tiempo real. Este sistema incorpora tecnologías de inteligencia
artificial y aprendizaje automático para optimizar la asignación de conductores,
predicción de demanda y fijación de precios dinámicos. La implementación incluye un
módulo de análisis predictivo que utiliza algoritmos avanzados para anticipar patrones
de demanda y gestionar eficientemente la disponibilidad de conductores en diferentes
zonas geográficas (Wilson & Chen, 2023).
El SIGOI implementa un innovador sistema de gestión de eventos especiales que se
integra con bases de datos de eventos locales y sistemas de información de tráfico en
tiempo real. Este módulo permite una planificación proactiva de la disponibilidad de
conductores y ajustes automáticos de precios basados en patrones históricos y
condiciones actuales. Además, incluye un subsistema de seguridad que utiliza
verificación biométrica en tiempo real y monitoreo continuo de rutas para garantizar la
seguridad tanto de conductores como de pasajeros. La plataforma también incorpora
un sistema de comunicación bidireccional que mejora la interacción entre usuarios y
conductores, permitiendo actualizaciones en tiempo real sobre el estado del viaje y
posibles incidencias (Rodríguez & Thompson, 2024).
Una característica distintiva del sistema es su motor de optimización de recursos que
utiliza técnicas avanzadas de investigación operativa para maximizar la eficiencia de la
flota. Este componente analiza continuamente variables como patrones de tráfico,
condiciones climáticas, eventos especiales y tendencias históricas para realizar ajustes
dinámicos en la distribución de conductores. El sistema también incluye un módulo de
gestión de pagos que integra múltiples pasarelas de pago y sistemas de verificación
financiera, garantizando transacciones seguras y transparentes. La arquitectura del
sistema está diseñada para ser altamente escalable y adaptable, permitiendo la
incorporación de nuevas funcionalidades y la integración con sistemas externos según
las necesidades cambiantes del mercado (Parker & Zhang, 2023).
Análisis
2
Administración de Tecnologías y Sistemas de Información
Octubre 2024- Febrero 2025
La implementación del Sistema Integrado de Gestión Operativa Inteligente (SIGOI)
implicará transformaciones significativas en la estructura organizacional y cultura de
Uber. El cambio más notable será la creación de nuevos departamentos especializados
en analítica de datos y gestión de operaciones inteligentes, lo que requerirá la
contratación de personal altamente calificado en ciencia de datos, aprendizaje
automático y gestión de sistemas complejos. Esta reestructuración organizacional
también implicará la redefinición de roles existentes y la creación de nuevos puestos
de liderazgo enfocados en la gestión de la transformación digital y la optimización de
procesos basados en datos (Torres & Ramírez, 2023).
Los procesos operativos experimentarán una transformación radical, alineándose con
los estándares de la norma ISO 9001:2015 para sistemas de gestión de calidad y la
ISO/IEC 27001 para la gestión de seguridad de la información. La implementación
seguirá el ciclo PDCA (Planificar-Hacer-Verificar-Actuar) establecido en estas normas,
asegurando una mejora continua y sistemática de los procesos. Este enfoque
estructurado requerirá un periodo de adaptación y capacitación intensiva para todo el
personal, estableciendo indicadores clave de rendimiento (KPIs) medibles y objetivos
alineados con los estándares internacionales. La cultura organizacional deberá
evolucionar hacia un enfoque basado en procesos y orientado a datos, donde la toma
de decisiones se fundamente en evidencia empírica y análisis predictivo, siguiendo los
principios de gestión de calidad establecidos en la ISO 9001 (Méndez & García, 2022).
La integración del SIGOI también impactará en la estructura de gobernanza de la
empresa, necesitando la creación de nuevos comités y grupos de trabajo dedicados a
la supervisión y optimización continua del sistema. Se establecerán nuevos protocolos
de comunicación interdepartamental para garantizar un flujo eficiente de información
y una coordinación efectiva entre las diferentes áreas operativas. Además, la empresa
deberá desarrollar nuevas políticas y procedimientos para manejar la mayor cantidad
de datos sensibles y garantizar el cumplimiento de las regulaciones de privacidad y
seguridad en todas las regiones donde opera (Johnson & Smith, 2024).
3
Administración de Tecnologías y Sistemas de Información
Octubre 2024- Febrero 2025
Referencias
Anderson, M., & López, R. (2023). Emergency response and resource optimization in
ride-sharing platforms: A case study approach. Journal of Transportation
Management, 45(3), 78-92.
Johnson, K., & Smith, P. (2024). Big data challenges in modern transportation
networks: Analysis and solutions. International Journal of Information Systems,
18(2), 145-159.
Méndez, A., & García, J. (2022). Dynamic pricing strategies in ride-hailing services:
Impact on market efficiency. Transportation Research Part A: Policy and
Practice, 156, 234-248.
Parker, R., & Zhang, L. (2023). Advanced resource optimization techniques in
transportation networks. Journal of Operations Management Systems, 12(4),
167-182.
Rodríguez, C., & Thompson, E. (2024). Intelligent transportation systems: Integration
and implementation strategies. Transportation Technology Review, 28(1), 4562.
Torres, M., & Ramírez, S. (2023). Fleet management optimization through artificial
intelligence: Challenges and opportunities. Journal of Urban Mobility, 15(4),
112-128.
Wilson, B., & Chen, Y. (2023). Implementation of AI-driven systems in ride-sharing
platforms. International Journal of Transportation Innovation, 9(2), 89-104.
4
0
