/ Proyectos / Negocio / Brecha de género e innovación
Brecha de género en el capital humano y su relación con la innovación empresarial
Cuatro hipótesis, cuatro modelos: qué tanto pesa realmente el género frente al dinero a la hora de explicar cuánto innova una empresa.
La pregunta detrás de este proyecto no era si existe una brecha de género en el capital humano de las empresas colombianas de servicios y manufactura. Eso ya se sabe. La pregunta real era otra: ¿cuánto pesa esa brecha frente a otros factores, como la inversión o el acceso a financiamiento, a la hora de explicar cuánto innova una empresa?
Se trabajó con los microdatos de la Encuesta de Desarrollo e Innovación Tecnológica (EDIT) del DANE, capítulos de innovación, inversión, financiamiento y personal ocupado por género. En vez de una sola hipótesis, el proyecto se dividió en cuatro, cada una con su propio enfoque de modelado: una regresión para medir peso relativo, un clustering para encontrar perfiles de empresa, una clasificación para aislar barreras estructurales, y una red neuronal para simular qué pasaría si cambiara la equidad de género.
Mapa del casoContenido
- Diagrama de la solución. De los microdatos EDIT a las cuatro hipótesis y sus cuatro modelos
- Construcción de la solución. Cómo cada decisión técnica respondió a una condición real del proyecto
- Condiciones del proyecto. Restricciones reales y opciones descartadas antes de construir
- Pasos. Qué se dejó al agente y qué criterio se aplicó en cada uno
- Proceso de iteración. Lo que el modelo reveló y lo que quedó limitado
- Descargables. Notebook, diagrama y repositorio del proyecto
- Lecciones importantes. La lección concreta que deja este caso
Estructura de alto nivelDiagrama de la solución
Pasa el cursor sobre cada bloque para ver qué hace ese paso.
Las cuatro hipótesis comparten el mismo dataset consolidado, pero cada una responde una pregunta distinta: peso relativo del género (H1), perfiles de empresa (H2), barreras estructurales (H3) y simulación de política (H4). Separarlas evitó que un solo modelo intentara responder cuatro preguntas distintas a la vez.
Cómo se construyóConstrucción de la solución
Condiciones del proyecto
| Restricción | Dato |
|---|---|
| Fuente de datos | Microdatos anonimizados de la EDIT (DANE), sectores servicios y manufactura |
| Métrica objetivo | No existe una sola variable de "capacidad de innovación" en la encuesta: hay que construirla |
| Medición de equidad | Los conteos de puestos y educación por género están en valores absolutos, no relativos |
| Variable de barreras de financiamiento | Reportada casi sin variación: la enorme mayoría responde "sin barreras" |
| Opción | Por qué se descartó |
|---|---|
| Índice compuesto multifactor (inversión, financiamiento, ROI, sostenibilidad y barreras, cada uno normalizado y ponderado con α, β, γ...) | Exigía fijar seis pesos arbitrarios sin evidencia empírica clara para justificarlos, lo que habría inflado la varianza del indicador sin mejorar su interpretabilidad |
| Medir equidad de género con conteos absolutos de puestos y educación | Confunde tamaño de empresa con equidad: una empresa grande siempre tendrá más mujeres en términos absolutos aunque sea menos equitativa en proporción |
| Suma ponderada simple (producto/servicio 0.6, proceso 0.4) + variables de diferencia relativa para equidad | Transparente, fácil de auditar, y aísla la señal de equidad del tamaño de la empresa |
Pasos
Construcción de la métrica de capacidad de innovación
Agente: propuso el índice compuesto de seis factores basado en Manual de Oslo, Frascati y el European Innovation Scoreboard.
Criterio aplicado: reemplazarlo por una suma ponderada de dos señales directas (innovación de producto/servicio e innovación de proceso), porque el índice compuesto no tenía base empírica para justificar sus pesos y habría sido más difícil de auditar que de defender.
Medición de equidad de género (H3)
Agente: sugirió usar directamente los conteos de puestos_hombres y puestos_mujeres como variables de equidad.
Criterio aplicado: construir diferencia_puestos y diferencia_educacion como diferencias absolutas, y a partir de ahí una variable binaria equitativa, para que el tamaño de la empresa no se confundiera con su nivel real de equidad.
Elección de XGBoost para H1 y H3
Agente: propuso una regresión lineal simple como punto de partida.
Criterio aplicado: usar XGBoost porque la relación entre inversión, financiamiento y género no es lineal ni aditiva, y un modelo de árboles boosted captura esas interacciones sin tener que especificarlas a mano.
De predicción puntual a simulación de escenarios (H4)
Agente: entrenó la red neuronal y se detuvo en reportar el error de predicción sobre el conjunto de prueba.
Criterio aplicado: usar el modelo entrenado para simular casos hipotéticos, comparando la predicción de un caso real contra el mismo caso con más mujeres en puestos y educación, para responder una pregunta de gestión, no solo una métrica de error.
Proceso de iteración
Ajuste documentado, no forzado
En H2, los primeros perfiles de KMeans parecían mostrar que las empresas "más equitativas" eran las de mayor inversión, hasta revisar que esas empresas simplemente tenían más puestos en general, de ambos géneros. En H3, la variable de barreras de financiamiento reportada en la encuesta tiene tan poca variación (casi todas las empresas responden "sin barreras") que el modelo termina apoyándose en recursos propios como proxy, no en la barrera estructural en sí. No se fuerza una lectura más favorable: con estos datos específicos, el dato de barreras aporta poca señal real.
Descargables
Los datos usados son microdatos anonimizados de acceso público del DANE (microdatos.dane.gov.co). No contienen ningún dato que identifique a una empresa en particular.
CierreLecciones importantes
La lección más grande de este proyecto no fue técnica, fue de diseño de la pregunta. Cuatro hipótesis con cuatro modelos distintos dieron una lectura mucho más honesta que un solo modelo grande tratando de explicarlo todo: el dinero pesa más que el género para explicar innovación, pero el género no deja de tener peso propio, y esa distinción solo aparece cuando cada pregunta tiene su propio espacio para responderse.
Si quieres ver un enfoque publicado con una pregunta similar, género, gobernanza e innovación medidos con machine learning, este paper es una buena referencia del nivel de la contribución: Gender Equality, Governance and National Innovation Capability for Sustainable Development: Cross-National Machine Learning Evidence.
Termina ya tu proyecto
¿Tienes una tesis o un proyecto similar y no sabes cómo estructurar tus hipótesis? Yo te ayudo a diseñarlo.
El 92% de los profesionales de datos desbloquea sus proyectos al ver ejemplos completos resueltos.
Sin registro. Acceso inmediato