Análisis de datos para identificar patrones operativos una terminal portuaria de Guayaquil: Estudio de caso (2024–2025).

La congestión operativa en el Puerto de Guayaquil, generada por el aumento del flujo vehicular, representa un desafío para la eficiencia logística. Este estudio tuvo como objetivo identificar patrones de comportamiento operativo que contribuyan a mejorar la gestión del tráfico portuario mediante técnicas de análisis de datos. Se aplicó el modelo CRISP-DM sobre 29.067 registros procesados con los algoritmos de agrupamiento K-Means y Expectation Maximization (EM) en WEKA, con el fin de segmentar los datos y caracterizar distintos patrones de operación. K-Means mostró 2 grupos (45%, 55%) y 3 grupos (35%, 40%, 25%) que segmentan a nivel macro las operaciones, en cambio EM determinó 6 grupos donde 2 grupos son dominantes (56%, 25%) y 4 grupos minoritarios (5%, 7%, 3%, 4%) que se catalogan como críticos.  Los datos se combinaron en paneles de inteligencia empresarial en Google Looker Studio para visualizar patrones de congestión y planificar recursos.  Se determina que el algoritmo EM pudo demostrar mejor la complejidad de los datos al identificar 6 grupos con características particulares, estos datos operativos convertidos en información analítica útil permitieron mejorar la logística y la toma de decisiones basada en evidencia.