DOCUMENTACIÓN TÉCNICA
METODOLOGÍA
Cómo el Knowledge Graph detecta patrones de corrupción. Ontología, pipeline y 19 señales de alerta.
[01] — PIPELINE GCS → NEO4J AURADB
01
INGEST OCDS
72,399 contratos SEACE via OCDS Perú. Genera nodos Company, PublicEntity, Contract, Tender y relaciones WON, AWARDED_BY, UNDER_TENDER.
02
ENRICH SUNAT
e-consultaruc por cada RUC: representantes legales, trabajadores, CIIU, estado, condición, deuda coactiva. Genera Person, Address, REPRESENTS, LOCATED_AT.
03
ANÁLISIS TDR
PDFs de términos de referencia: extracción de texto + reglas Cypher + LLM. Genera Dossier, RiskFlag, ANALYZED_BY, HAS_FLAG.
04
RELACIONES DERIVADAS
Post-carga: SAME_ADDRESS_AS (domicilios compartidos), SAME_REPR_AS (representantes compartidos).
05
MÉTRICAS M1-M6
diversity_clients, avg_supplier_concentration, geographic_coverage, days_to_first_contract, risk_score_v2. Persistidas en nodos.
06
19 FLAGS CYPHER
Una query Cypher por flag. Se ejecutan sobre el grafo Neo4j AuraDB. Resultados rankeados por risk_score_v2.
[02] — ONTOLOGÍA NEO4J (v2.0)
NODOS
RELACIONES
DIAGRAMA
Person ──REPRESENTS──▶ Company
│
WON ──▶│──▶ Contract
│ │
LOCATED_AT ▼ ▼ AWARDED_BY
Address PublicEntity
│
ANALYZED_BY ▼
Dossier
│
HAS_FLAG ▼
RiskFlag[03] — 19 SEÑALES DE ALERTA
EMPRESA FANTASMA
Empresa con baja SUNAT o condición NO HABIDO que continúa ganando contratos activos.
CYPHER DETECTION
WHERE c.estado = 'BAJA' OR c.condicion = 'NO HABIDO'DOMICILIO COMPARTIDO
≥2 empresas con el mismo domicilio fiscal no genérico ganando del mismo comprador.
CYPHER DETECTION
MATCH (c1)-[:LOCATED_AT]->(a)<-[:LOCATED_AT]-(c2)SIN TRABAJADORES
0-2 trabajadores máximo + más de S/100K en contratos del Estado.
CYPHER DETECTION
WHERE c.max_trabajadores <= 2 AND c.total_won_pen > 100000GEO-MISMATCH
Domicilio fiscal en región diferente a la mayoría de contratos ganados.
CYPHER DETECTION
WHERE c.region <> k.region AND c.total_won_pen > 500000CLIENTE CAUTIVO
Proveedor con ≥5 contratos pero solo 1 entidad compradora.
CYPHER DETECTION
WHERE c.diversity_clients = 1 AND c.total_contracts >= 5ENTIDAD CAPTURADA
Una entidad concentra >80% de su gasto en un único proveedor en un año.
CYPHER DETECTION
WHERE e.avg_supplier_concentration > 0.8FRACCIONAMIENTO
≥3 contratos de la misma entidad al mismo proveedor en el mismo mes.
CYPHER DETECTION
WITH count(k) AS n_contratos WHERE n_contratos >= 3RÁFAGA FIN DE AÑO
≥3 contratos en noviembre-diciembre de la misma entidad (patrón de ejecución presupuestaria forzada).
CYPHER DETECTION
WHERE k.fecha.month IN [11, 12] AND count(k) >= 3CONCENTRACIÓN EXTREMA
Un proveedor lleva >80% del gasto total de una entidad en un año fiscal.
CYPHER DETECTION
WHERE pct_gasto > 0.80PROVEEDOR MONÓGAMO
Todo el historial de contratos de la empresa es con una sola entidad.
CYPHER DETECTION
WHERE c.diversity_clients = 1RUC INCOMPLETO
RUC no tiene 11 dígitos válidos — empresa no trazable en SUNAT.
CYPHER DETECTION
WHERE c.ruc STARTS WITH 'hash_'MONTO OUTLIER
Contrato con monto >5× la media de su procedimiento_type y región.
CYPHER DETECTION
WHERE k.monto > avg_monto * 5DOSSIER HIGH-RISK
TDR con score ≥50/100 en análisis automático de PDF (reglas + AI).
CYPHER DETECTION
WHERE d.risk_level = 'ALTO' AND d.total_score >= 50FLAGS TDR ESPECÍFICOS
Flags individuales: LOW_TRACEABILITY_OUTPUT, OBSOLETE_PHYSICAL_FORMAT, OVERLY_SPECIFIC_REQUIREMENTS.
CYPHER DETECTION
MATCH (d)-[:HAS_FLAG]->(f:RiskFlag)CAPACIDAD CERO
Cero trabajadores en todos los meses registrados. Imposible ejecutar contratos.
CYPHER DETECTION
WHERE c.max_trabajadores = 0 AND c.total_won_pen > 50000REPRESENTANTE COMPARTIDO
Mismo representante legal en ≥2 empresas que ganaron contratos de la misma entidad.
CYPHER DETECTION
MATCH (p:Person)-[:REPRESENTS]->(c1) AND (p)-[:REPRESENTS]->(c2)DEUDA FISCAL ACTIVA
Empresa con deuda coactiva o actas probatorias en SUNAT sigue recibiendo contratos.
CYPHER DETECTION
WHERE c.deuda_coactiva = true OR c.omisiones_tributarias = trueCIIU MISMATCH
Actividad económica CIIU declarada no corresponde al sector de los contratos ganados.
CYPHER DETECTION
WHERE c.ciiu_principal <> sector_expectedEMPRESA RECIENTE
Primer contrato en menos de 1 año desde inicio de actividades. Monetización anómalmente rápida.
CYPHER DETECTION
WHERE c.days_to_first_contract < 365[04] — FUENTES DE DATOS
| FUENTE |
|---|
SEACE / OCDS PERÚ gs://agente-perry-data-prod/scraped/ocds/records.jsonl |
SUNAT e-consultaruc gs://agente-perry-data-prod/scraped/collectors/sunat_enriched.jsonl |
TDRs / Dossiers gs://agente-perry-data-prod/scraped/results/*/ |
Downloads MINAM gs://agente-perry-data-prod/downloads/2024/ + 2025/ |
[05] — RISK SCORE V2
El risk_score_v2 se calcula sobre cada nodo Company post-carga. Máximo teórico: 140 puntos. Umbrales operacionales:
COMPOSICIÓN DEL SCORE