Implementación del sistema de información
ejecutiva académico basado en inteligencia de negocios: caso Universidad
Peruana Unión
Implementation of
the academic executive information system based on business intelligence: the
case of Peruana Union University
Implementação do
sistema de informação executiva acadêmica baseado em inteligência empresarial:
o caso da Universidad Peruana Unión
Cynthia Carol Acuña Salinas
https://orcid.org/0000-0002-5949-977X
Universidad Peruana Unión
Recibido: 03 de junio de 2019
Aceptado: 06 de diciembre 2019
Hoy en día en el ámbito de los negocios se requieren aplicaciones
capaces de analizar, explotar y brindar información eficiente para la toma de
decisiones, mayor visibilidad de la gestión y dar soporte a las estrategias. El
presente trabajo de investigación tiene como objetivo implementar el sistema de
información ejecutiva, como herramienta indispensable para los usuarios del
personal administrativo en la toma de decisiones de los aspectos académicos, a
partir de la información oportuna brindada por el EIS, basada en inteligencia
de negocios y sujeta a la metodología de Kimball. Entre los resultados más
resaltantes podemos destacar: 1) el mayor porcentaje de desaprobación de la
calidad de la información, en la primera
vez, ocurre en la dimensión disponibilidad con un 100%, luego sigue la
dimensión integridad con el 62,5% y, la
menor desaprobación ocurre en la dimensión confidencialidad con el 33,3%,
2) el mayor porcentaje de aprobación de
la calidad de la información, en la segunda vez, ocurre en las dimensiones de
efectividad y disponibilidad, ambas con un 100%, luego sigue integridad con un
95,9%, y finalmente cierran, confidencialidad y confiabilidad con el 87,5%, 3)
las seis hipótesis alternas en ese orden de: efectividad, confidencialidad,
integridad, disponibilidad, confiabilidad y la calidad de información fueron
confirmadas con un valor de T de Student de 17,556, 11,631, 12.306, 21.703,
12.929, 29,690 respectivamente; todos con 23 grados de libertad y una
significación de p = 0,000 < 0,05, para las seis hipótesis, se rechaza 
y se acepta 
. Esto es el EIS es efectivo en el mejoramiento de cada una de las
dimensiones consideradas y de la calidad de información.
Palabras clave:
EIS, BI, Data warehouse, Data mart,
toma de decisiones, esquema estrella, MicroStrategy,
ETL, MOLAP.
Abstract
Today, in the field of business,
applications capable of analyzing, exploiting and providing efficient
information for decision making, greater management visibility and supporting
strategies are required. The present research work aims to implement the
executive information system, as an indispensable tool for users of
administrative staff in decision-making on academic aspects, based on the timely
information provided by the EIS, based on business intelligence and subject to
the Kimball methodology. Among the most outstanding results we can highlight:
1) the highest percentage of disapproval of the quality of the information, in
the first time, occurs in the availability dimension with 100%, then the
integrity dimension follows with 62.5% and, the lowest disapproval occurs in
the confidentiality dimension with 33.3%, 2) the highest percentage of approval
of the quality of the information, in the second time, occurs in the
effectiveness and availability dimensions, both with 100%, then integrity
followed with 95.9%, and finally, confidentiality and reliability closed with
87.5%, 3) the six alternative hypotheses in that order of: effectiveness, confidentiality,
integrity, availability, reliability and the quality of information were
confirmed with a Student's T value of 17.556, 11.631, 12.306, 21.703, 12.929,
29.690 respectively; all with 23 degrees of freedom and a significance of p =
0.000 <0.05, for the six hypotheses, is
rejected and is
accepted. This is the EIS is effective in improving each of the dimensions
considered and the quality of information.
Keywords:
EIS, BI, Data warehouse, Data mart, decision making, star schema,
MicroStrategy, ETL, MOLAP.
Resumo
Hoje em dia, no campo dos negócios, são
necessárias aplicações capazes de analisar, explorar e fornecer informações
eficientes para a tomada de decisões, maior visibilidade de gestão e
estratégias de suporte. O objetivo deste trabalho de investigação é implementar
o sistema de informação executiva, como ferramenta indispensável aos
utilizadores do pessoal administrativo na tomada de decisões sobre aspectos
académicos, com base na informação atempada prestada pelo SIA, com base na
inteligência empresarial. Metodologia Kimball. Dentre
os resultados mais destacados podemos destacar: 1) o maior percentual de
reprovação da qualidade da informação, no primeiro momento, ocorre na dimensão
disponibilidade com 100%, a seguir a dimensão integridade segue com 62,5% e, a
menor reprovação ocorre na dimensão confidencialidade com 33,3%, 2) o maior
percentual de aprovação da qualidade da informação, no segundo tempo, ocorre
nas dimensões eficácia e disponibilidade, ambas com 100%, a seguir integridade
com 95,9%, e por fim próximo, confidencialidade e confiabilidade com 87,5%, 3)
as seis hipóteses alternativas na ordem de: eficácia, confidencialidade,
integridade, disponibilidade, confiabilidade e a qualidade da informação foram
confirmadas com um valor de t de Student de 17.556,
11.631, 12.306, 21.703, 12.929, 29.690 respectivamente; todos com 23 graus de
liberdade e significância de p = 0,000 <0,05, para as seis hipóteses, H_0 é
rejeitado e H_1 é aceito. Este é o EIS é eficaz na melhoria de cada uma das
dimensões consideradas e na qualidade das informações.
Palavras-chave: EIS, BI, Data warehouse, Data mart, tomada de decisão, esquema em estrela, MicroStrategy, ETL, MOLAP.
Introducción
En la actualidad la Universidad Peruana Unión, en el área
académica no existe ninguna implementación de reportes inteligentes para la
toma de decisiones en la gestión de los diversos procesos académicos. Una de
las razones, es que no se cuenta con una plataforma de BI que integre la
información de los datos distribuidos en diferentes fuentes de datos. Otra
razón es que la confiabilidad de los datos no es segura ni relevante para la
toma de decisiones en el proceso de enseñanza y aprendizaje de la UPeU.
La información académica que maneja la UPeU tiene 30 años, y está
en constante crecimiento ya que cada año se agregan nuevas carreras, nuevos
planes, más asignaturas, incremento de estudiantes, evaluaciones continuas,
etc. Toda esta información generada casi semanalmente es muy importante para el
área de aprendizaje y enseñanza, centro del negocio de la UPeU. Esta
información académica sirvió como base para la realización de los indicadores
establecidos por vicerrectorado de la UPeU con respecto al proceso de enseñanza
y aprendizaje. Dicha información está en su mayoría en el Sistema Académico y
el resto en otros sistemas que pertenecen a otras áreas: Recursos Humanos,
PROESAD, Admisión, Colegio Unión, Instituto de Idiomas y Bienestar
Universitario. A demás no existe un cruce de información debido a que los datos
no están integrados del todo y al tratar de analizarlos sobrecargan los
sistemas operacionales actuales.
Las cuestiones anteriores nos conducen a la urgencia de
implementar una solución de inteligencia de negocios capaz de integrar,
analizar y brindar reportes oportunos, necesarios para el control y monitoreo
del estado actual de cada área académica, así como para la toma de decisiones.
Bases
teóricas
En esta sección se presentará un resumen del estado de arte de la
inteligencia de negocios (BI). Según Zorrilla (2011), la inteligencia de
negocios está conformada por los siguientes componentes: Datawarehouse
/Datamarts, fuentes de información y procesos ETL,
otros componentes principales del Datawarehousing, herramientas de
análisis, consulta y visualización de la información, los cuales permitirán
gestionar la información, así como la ayuda a la toma de decisiones.
Data Warehouse. Es un conjunto de datos orientado a temas que integra información
de la organización ya sea de los sistemas operacionales, archivos, etc., es
estable, emitiendo reportes para el proceso de toma de decisiones. Es
importante saber que un cambio en los sistemas operacionales no afecta al Data
warehouse. Cabe aclarar que un Data Mart es orientado a un determinado
departamento y no a toda la organización, está enfocado específicamente a la
información que maneja un área, en nuestro caso el área académica de la UPeU.
ETL. El proceso ETL consiste
en recopilar datos necesarios, ubicados en los sistemas operacionales de las
diferentes áreas de la empresa, archivos digitales, etc. Luego se realiza la
depuración de los datos, la conversión del tipo de datos al formato destino,
para luego cargarlos al Data Warehouse o DM.
OLAP. Soporta análisis
complejos, procesando las transacciones en tiempo real de un negocio. Se pueden
clasificar en ROLAP (Procesamientos analítico relacional en línea) y MOLAP
(Procesamiento analítico multidimensional en línea). Es una solución utilizada
en BI, que tiene como objetivo soportar análisis complejos contra volúmenes
grande de datos, soportar requerimientos complejos de análisis, analizar datos
de diferentes perspectivas, permitiendo al usuario manipular y navegar
fácilmente por la información, solicitándola con el detalle preciso, con
filtros adecuados, de manera dinámica, sin necesitar asistencia, rápido y
utilizando el lenguaje de negocio familiar para el usuario (Eltabakh, 2012).
Metodología de Kimball. La metodología de Kimball se refiere a lo que él denomina Ciclo de
Vida Dimensional del Negocio. Este ciclo de vida del proyecto de DW, está
basado en cuatro principios básicos: centrarse en el negocio, construir una infraestructura de
información adecuada, realizar entregas en incrementos significativos y ofrecer
la solución completa (Imhoff, C., Galemmo, N. y Geiger, J., 2003) La
construcción de una solución de DW/BI (Datawarehouse/Business Intelligence) es
sumamente compleja, y Kimball nos propone una metodología que nos ayuda a
simplificar esa complejidad. La definición de requerimientos del negocio las trata en tres niveles interrelacionadas
de tareas 1) en el nivel superior: diseño de la arquitectura técnica y
selección de productos e implementación, 2) nivel medio: modelado dimensional,
diseño físico, diseño e implementación del subsistema de ETL, 3) en el nivel
inferior: especificación de aplicaciones BI y desarrollo de aplicaciones de BI.
Los tres niveles apuntan a la implementación, que está muy relacionado con el
crecimiento y el mantenimiento.
Sistema de información ejecutiva (EIS). Un Sistema de información ejecutivo (EIS) es un tipo de sistema de
información gerencial destinado a facilitar y dar soporte a la toma de
decisiones de los ejecutivos de alto nivel, proporcionando fácil acceso a la
información de la situación actual de modo relevante tanto interna como externa
para el cumplimiento de los objetivos estratégicos de la organización. Se
considera comúnmente como una forma especializada de sistema de soporte a la
toma de decisiones (DSS) (Mir, M. y Bin Amin, M., 2012).
El método corresponde a una investigación tecnológica de
implementación de un sistema usando las herramientas de inteligencia de
negocios.
Es un diseño ingenieril. El diseño está en relación con el
mejoramiento intencionado de medios para alcanzar una información de calidad,
que supere al sistema operacional académico en la emisión de reportes
académicos para la toma de decisiones. Primero surgió una concepción en la
mente del investigador que luego, por etapas sucesivas se traslada al diseño.
Este a su vez fue implementado con el apoyo de herramientas de inteligencia de
negocio. La elaboración del diseño abarcó desde la idea o concepto hasta su
creación material, con las siguientes etapas: a) planificación del proyecto; b)
definición de los requerimientos del negocio; c) desarrollo de módulos
académicos; d) diseño de la arquitectura técnica; e) selección del producto; f)
modelado dimensional; g) diseño físico; h) Diseño e implementación del ETL; i)
especificación de aplicaciones de BI; j) desarrollo de aplicaciones de BI; k)
implementación; l) pruebas; m) valoración del uso del EIS.
Para la valoración del EIS, se usó un diseño de encuesta con el
objetivo de obtener datos primarios de una muestra representativa de los mismos
usuarios, en cuanto a la valoración del uso del EIS.
Todos los decanos, secretarios académicos, directores de escuela y
vicerrectorado de la UPeU, en total 32 usuarios.
Desarrollo e implementación EIS
Este proyecto nace debido a la necesidad de poder controlar y
monitorear, así como la toma de decisiones asertiva para mejorar la calidad de
los procesos académicos. Se sabe que la UPeU está en constante crecimiento
poblacional de estudiantes, así como la incorporación de nuevas carreras, es
por ello que se requiere saber el estado de cada una de las filiales,
facultades y carreras en relación a la gestión de sílabos, gestión del
desempeño docente, gestión de tutoría y gestión de tareas, todo esto con el fin
de mejorar en el proceso de enseñanza-aprendizaje.
Este proyecto implica depuración de los datos generados por los
procesos involucrados, así como la automatización para el registro de datos
introduciendo nuevos módulos en el Sistema Académico de la UPeU. Así mismo, el
análisis de datos aplicando fórmulas que calculen los datos requeridos para
transformarlos en información y conocimiento para la toma de decisiones y para
el control y monitoreo de las áreas académicas.
El objetivo del proyecto es implementar un sistema de información
ejecutiva académica basado en inteligencia de negocios en la Universidad
Peruana Unión.
Este proyecto comprenderá los indicadores involucrados
directamente con la enseñanza y aprendizaje de la UPeU, los cuales son: Gestión
de sílabos, Gestión del desempeño docente y Gestión de tutorías. Se describe el
primero de ellos.
|
GESTIÓN DE LOS SÍLABOS Procesos involucrados: elaborar sílabo y elaborar programación
de actividades |
|
|
Descripción |
Modelo de evaluación
de los sílabos |
|
Se refiere
al control y monitoreo del ingreso del sílabo y la programación de
actividades. Esto es importante para el desarrollo de las sesiones llevadas a
cabo de un determinado curso durante un ciclo académico, así como la
programación de actividades en donde el docente detalla la clase con
anticipación para la preparación del estudiante. Para
controlar la buena elaboración de los temas a tratar y planes de clase se
procederá a elaborar los módulos siguientes dentro del sistema académico:
módulo de ingreso de programación de actividades y módulo de evaluación de
sílabos. Presentaremos el segundo módulo: |
Para poder conocer el estado en el que se encuentra cada sílabo
de un determinado campus, facultad y escuela. El módulo presentará un listado
de sílabos por carga académica, campus, facultad, escuela, ciclo y grupo, así
como su estado (verde, amarillo y rojo), el cual nos indica la evaluación que
obtuvo por cada rubro definido para evaluar los sílabos: estructura de la
unidad, competencias y unidades, sistemas de evaluación. Con esta
recolección de datos se podrá ejecutar el siguiente indicador: · Indicador calidad de sílabo por semestre, campus, facultad y
escuela. Así mismo
se procederá a extraer los datos de los módulos ya implementados de ingreso
de sílabos en el portal del docente, por lo que se determina el siguiente
indicador: ·
Indicador
cumplimiento de sílabos por semestre, campus, facultad y escuela. Una vez obtenidos
estos indicadores se procederá a elaborar los indicadores avanzados de: · Indicador evaluación sílabo por semestre, campus, facultad y
escuela. · Indicador evaluación programación de actividades por semestre,
campus, facultad y escuela. · Indicador gestión de sílabos por semestre, campus, facultad y
escuela. |
El equipo de desarrollo contará con los recursos necesarios: SQL
SERVER 2012 donde se alojará nuestro Data Mart y se llevará a cabo el proceso
de extracción, transformación y carga de datos, acceso a la base de datos de
pruebas y producción del sistema académico, acceso al código del sistema
académico, DREAMWEAVER CS6, MICROSTRATEGY 9 para la elaboración de los cubos y
reportes en línea, servidor virtualizado para el desarrollo del EIS. El equipo de desarrollo contará con
suficiente conocimiento sobre los temas: JQuery, JSON, JAVA, PL/SQL, JSP, CS3,
inteligencia de negocios. Se cuenta con computadoras con acceso a internet para
el desarrollo del proyecto. Se cuenta con la disponibilidad de 4 integrantes
para el proyecto.
Se cuenta con un servidor virtualizado de 4G de RAM, por lo que
afecta la carga de datos, así como la rapidez de visualización de los reportes.
Se cuenta con un servidor virtualizado donde se aloja el proyecto.
Restricciones en cuanto al uso de la versión libre de MicroStrategy.
Roles del equipo del proyecto
|
Roles |
Descripción |
|
Gerente del Proyecto |
· Plan de proyecto actualizado con más exacto puntualidad en el desarrollo
y requerimientos de recursos. |
|
Analista de negocio |
·
Describe la información que los usuarios
del negocio necesitan para manejar su negocio, cuando lo necesitan, y cómo
van a llegar a ella. ·
Describe lo que la solución tiene que
ser capaz de hacer. ·
Describe cómo se accede a los datos por
parte de los usuarios finales y cómo se llevarán a cabo el software de
presentación de informes. ·
Entrenar al usuario en el uso de la
herramienta de informes para tener acceso a sus informes o hacer su propio
desarrollo de informes. ·
Guías e instrucciones para todos los
componentes del sistema, así descripciones publicitarias de cómo funciona el
sistema y cómo se va a utilizar. |
|
Arquitecto Técnico/ETL |
·
Describe los aspectos técnicos de cómo
el sistema tiene que trabajar. ·
Describe la arquitectura técnica general
de la solución y los componentes individuales. ·
Describe los procesos que se apoyan en
la solución y cómo la solución apoya esos procesos. ·
Describe cómo se obtuvieron los datos,
transformados, manipulados y cargados en las diversas áreas de almacenamiento
de la solución. ·
Realiza el código para extraer y / o
recibir datos desde los sistemas de origen, transformar los datos, la gestión
de los datos y cargar los datos en el Data Mart. ·
Encargado de asegurar que el sistema se
está construyendo a las especificaciones. |
|
Analista de datos/ DBO |
·
Describe los orígenes y destinos de
datos y con qué frecuencia se extraerán los datos de los sistemas de origen y
de actualizarse en las diversas áreas de almacenamiento de la solución. ·
Describe los tipos de datos que se
utilizarán, cómo va a ser transformado, estándares de nomenclatura, las
interrelaciones, administrados, almacenados y utilizados en diversos
componentes de la solución. ·
Encargado de elaborar los diagramas que
muestran los modelos de datos reales, lógicos y físicos para la solución. ·
Realiza la estructura física de la base
de datos Data Mart. |
|
Programador |
·
Encargado de plasmar las especificaciones
que el arquitecto le ha designado. |
Estructura detalla del trabajo
Las tareas que se definen corresponden a paquetes de trabajo que
no superan los 20 días, debido a que se correría el riesgo a no controlar las
posibles desviaciones o atrasos en el proyecto de manera oportuna.
Estructura detallada de trabajo del sistema de
información ejecutiva
|
Tarea |
Subtarea |
Actividades de la tarea/subtarea |
|
Planificación del proyecto |
|
Entrevista con vicerrectorado para conocer
procesos E-A y determinar el alcance del proyecto |
|
Elaboración del plan del proyecto |
||
|
Entrega del plan de proyecto |
||
|
Definición de requerimientos del negocio |
|
Entrevista
con vicerrectorado para la identificación de las fórmulas de los indicadores
E-A |
|
Identificación
de los requerimientos funcionales y no funcionales del EIS |
||
|
Entrega de
documentación de requerimientos |
||
|
Entrega de
documentación de indicadores |
||
|
Desarrollo de módulos académicos |
|
|
|
Diseño de la arquitectura técnica |
|
Determinar
server a utilizar |
|
Configuración
del server |
||
|
Selección del Producto |
|
Instalación
del SQL server 2012 |
|
Configuración
de conexión SQL server con Oracle |
||
|
Instalación
de MicroStrategy |
||
|
Modelado Dimensional |
|
Elegir el
proceso de negocio |
|
Establecer el
nivel de granularidad |
||
|
Elegir las
dimensiones |
||
|
Identificación
de los hechos |
||
|
Diseño Físico |
|
Diagrama de
base de datos del data Mart |
|
Desarrollo del metadata |
||
|
Diseño e Implementación del ETL |
ETL Gestión estado estudiante |
Diseño del ETL |
|
Implantación ETL gestión estado estudiante |
||
|
Verificación
de la data ingresada al DM |
||
|
ETL gestión datos tutoría |
Diseño del
ETL |
|
|
Implementación
ETL gestión datos tutoría |
||
|
Verificación
de la data ingresada al DM |
||
|
ETL programación de actividades |
Diseño del
ETL |
|
|
Implementación
ETL programación de actividades |
||
|
Verificación
de la data ingresada al DM |
||
|
ETL evaluación sílabo |
Diseño del
ETL |
|
|
Implementación
ETL evaluación sílabos |
||
|
Verificación
de la data ingresada al DM |
||
|
ETL cumplimiento evaluación docente (portales vencidos) |
Diseño del
ETL |
|
|
Implementación
ETL cumplimiento evaluaciones docente |
||
|
Verificación
de la data ingresada al DM |
||
|
ETL grupo focal |
Diseño del
ETL |
|
|
Implementación
ETL grupo focal |
||
|
Verificación
de la data ingresada al DM |
||
|
ETL cumplimiento silabo |
Diseño del
ETL |
|
|
Implementación
ETL cumplimiento sílabo |
||
|
Verificación
de la data ingresada al DM |
||
|
ETL gestión resultado tutoría |
Diseño del
ETL |
|
|
Implementación
ETL gestión resultado tutoría |
||
|
Verificación
de la data ingresada al DM |
||
|
ETL encuesta docente |
Diseño del
ETL |
|
|
Implementación
ETL encuesta docente |
||
|
Verificación
de la data ingresada al DM |
||
|
ETL gestión de E-A |
Diseño del
ETL |
|
|
Implementación
ETL gestión de E-A |
||
|
Verificación
de la data ingresada al DM |
||
|
Especificación de aplicaciones de BI |
|
Determinar el
conjunto de plantillas inicial |
|
Desarrollo de
la estrategia de navegación |
||
|
Determinar
las normas de la plantilla |
||
|
Desarrollo de
las especificaciones detalladas de la plantilla |
||
|
Desarrollo de aplicaciones de BI |
|
Creación del
proyecto en MicroStrategy |
|
Implementación
del modelo lógico y físico del DM en Microstrategy |
||
|
Desarrollo
del cubo |
||
|
Desarrollo
del informe |
||
|
Desarrollo
del documento |
||
|
Verificación
de los reportes generados |
||
|
Implementación |
|
Implementación
en área de producción del EIS |
|
Pruebas |
||
|
Valoración
del EIS |
Programación de las tareas
Cronograma del proyecto
|
N° |
Nombre de
tarea |
Duración |
Comienzo |
Fin |
|
1 |
Sistema de información ejecutiva |
261 días |
mar 01/10/13 |
mar 30/09/14 |
|
2 |
Planificación del Proyecto |
14 días |
mar 01/10/13 |
lun 21/10/13 |
|
3 |
Entrevista
con vicerrectorado para conocer procesos E-A y determinar el alcance del
proyecto |
4 días |
mar 01/10/13 |
vie 04/10/13 |
|
4 |
Elaboración
del plan del proyecto |
9 días |
mar 08/10/13 |
vie 18/10/13 |
|
5 |
Entrega del
plan de proyecto |
0 días |
lun 21/10/13 |
lun 21/10/13 |
|
6 |
Definición de requerimientos del negocio |
6 días |
lun 21/10/13 |
lun 28/10/13 |
|
9 |
Entrega de
documentación de requerimientos |
0 días |
vie 25/10/13 |
vie 25/10/13 |
|
. . . |
. . . |
. . . |
. . . |
. . . |
|
80 |
Implementación |
5 días |
mié 27/08/14 |
mar 02/09/14 |
|
81 |
Implementación
en área de producción del EIS |
2 días |
mié 27/08/14 |
jue 28/08/14 |
|
82 |
Pruebas |
5 días |
vie 29/08/14 |
jue 04/09/14 |
|
83 |
Valoración
del EIS |
18 días |
vie 05/09/14 |
mar 30/09/14 |
Asignación
de los recursos a la carga de trabajo
En este paso se detalla los recursos a utilizar para el desarrollo
del sistema de información ejecutiva. Cabe mencionar que como recursos se
tiene: recursos humanos, equipo computacional, equipo de oficina, entre otros.
En la tabla 4 se muestra los siguientes recursos humanos asociados
a las fases identificadas.
Tabla 4.
Asignación de
recursos generales a las fases
|
N° |
Nombre de
tarea |
Nombre de los
recursos |
|
2 |
Planificación
del Proyecto |
Analista del negocio, Gerente del proyecto, Impresora, Papel, tóner |
|
3 |
Definición de
requerimientos del negocio |
Analista del negocio, Arquitecto técnico/ETL, Computadora, Papel, tóner |
|
4 |
Desarrollo de
módulos académicos |
Arquitecto técnico/ETL, Programador, Computadora, Impresora, Papel, tóner, Dreamweaver CS6, Oracle SQL Developer |
|
5 |
Diseño de las
arquitectura técnica |
Arquitecto técnico/ETL, Computadora |
|
6 |
Selección del
Producto |
Arquitecto técnico/ETL, MicroStrategy
9,Servidor BI, SQL server 2012, Computadora |
|
7 |
Modelado
Dimensional |
Analista de datos/ DBO, Computadora |
|
8 |
Diseño Físico |
Analista de datos/ DBO, Computadora, Oracle SQL Developer, Servidor
BI[1], SQL server 2012 |
|
9 |
Diseño e
Implementación del ETL |
Arquitecto técnico/ETL, Computadora,
SQL server 2012,Servidor BI |
|
10 |
Especificación
de aplicaciones de BI |
Analista del negocio, Computadora, Arquitecto técnico/ETL |
|
11 |
Desarrollo de
aplicaciones de BI |
Analista de datos/
DBO, Computadora, MicroStrategy
9,Servidor BI, Arquitecto
técnico/ETL |
|
12 |
Implementación
|
Analista de datos/ DBO, Arquitecto técnico/ETL, Computadora, Servidor
BI, Gerente del proyecto, MicroStrategy 9, SQL server 2012 |
|
13 |
Pruebas |
Analista
de datos/ DBO, Arquitecto técnico/ETL, Computadora, Servidor BI, Gerente del
proyecto |
|
14 |
Valoración
del uso del EIS |
Analista
del negocio, Computadora, Impresora, Papel, Gerente del proyecto |
A continuación, se muestra en la Tabla 5 el resumen de los
recursos con las siguientes columnas: columna tipo de recurso, en la cual
clasifica los recursos a utilizar, columna componentes, en donde se detalla los
componentes del tipo de recurso, columna unidad, en donde define qué tipo de
unidad se mide el recurso, y por último columna cantidad del recurso, se
detalla la cantidad que se utilizará por cada recurso durante el desarrollo del
proyecto.
Tabla 5.
Detalle de recursos a utilizar
|
Tipo de recurso |
Componentes |
Unidad |
Cantidad del recurso |
|
Hardware |
Servidor
(Virtualizado) |
Unid |
1 |
|
Impresora |
Unid |
1 |
|
|
Computadora Dell, 2G RAM,
I5, 500 Gb de disco duro |
Unid |
3 |
|
|
Software |
SQL Server 2012 |
Unid |
1 |
|
Microstrategy 9 |
Unid |
1 |
|
|
Oracle SQL developer |
Unid |
3 |
|
|
Dreamweaver CS6 |
Unid |
2 |
|
|
Windows server
2008 R2 64 bits |
Unid |
1 |
|
|
Windows 7 |
Unid |
3 |
|
|
Personal |
Gerente del Proyecto |
Horas |
1 |
|
Analista de negocio |
Horas |
1 |
|
|
Arquitecto de Técnico/ETL |
Horas |
1 |
|
|
Analista de datos/ DBO |
Horas |
1 |
|
|
Programador |
Horas |
1 |
|
|
Otros gastos |
Tóner |
Unid |
1 |
|
Papel |
Unid |
1 millar |
|
|
Estación de trabajo (internet, luz,
escritorio, silla) |
Unid |
3 |
Identificación de riesgos
Para la identificación de los riesgos se utilizará una tabla
conformada por siete columnas: la columna identificación del contratiempo, la
columna de la descripción del riesgo del contratiempo, la columna categoría de
riesgo, la columna parte que afectaría el riesgo y por último la columna de
probabilidad de la ocurrencia del riesgo.
Tabla 6.
Identificación de riesgos
|
Contratiempo |
Descripción del riesgo del contratiempo |
Categoría de riesgo |
Parte que afecta |
Probabilidad |
Impacto |
Riesgo |
|
Corte de luz en el momento de desarrollo |
Si existe sucesivos cortes de luz, puede afectar al avance del
proyecto, debido a la demora del restablecimiento de todos los servicios de
la red, conexiones y del mismo server BI. |
Externo |
Cronograma del proyecto |
0.10 |
0.05 |
0.5% |
|
Acceso de terceras personas a la data
del EIS |
Si existe vulnerabilidad, puede ocasionar robo de información y
pérdida de los datos. |
Técnico |
Calidad |
0.10 |
0.40 |
4% |
|
No existe respaldo del servidor BI |
En caso de que servidor físico se dañe ya sea el hardware o
software del mismo donde se encuentra virtualizado nuestro servidor BI, se
vería afectado el EIS. |
Técnico |
Cronograma del proyecto |
0.10 |
0.80 |
8% |
|
Red como cuello de botella para la operación
del EIS |
Si existe lentitud en el tiempo de respuesta puede ocasionar
retraso en el desarrollo del proyecto |
Técnico |
Cronograma del proyecto |
0.50 |
0.20 |
10% |
Estrategias y acciones preventivas
Luego de haber identificado los posibles riesgos que está sujeto
el proyecto, pasamos a asignar las estrategias y procedimientos a llevar acabo,
logrando así mitigar o evitar dicho riesgo.
Estrategias y acciones preventivas
|
Riesgo identificado |
Estrategia |
Acciones preventivas |
Medidas a tomar |
Dueño del riesgo |
|
Corte de luz en el momento de desarrollo |
Mitigar |
Contar con anticipación con las fechas en que está previsto el
corte de luz y disponer de un grupo electrógeno para evitar el retraso del
proyecto. |
Coordinar con el director de DIGESI en coordinación con
vicerrectorado para la compra de un grupo electrógeno. |
Gerente del proyecto |
|
Acceso de terceras personas a la data
del EIS |
Evitar |
Implementar mecanismos que eviten el acceso no autorizado, así
como el control de acceso físico al servidor BI. |
Por cada acceso al server BI se guardará el usuario, fecha y
hora. |
Arquitecto técnico |
|
No existe respaldo del servidor BI |
Evitar |
Realizar manteamiento constante del servidor físico. |
Coordinar con el área de redes para establecer cronograma de mantenimiento
del servidor físico. |
Gerente del proyecto |
|
Red como cuello de botella para la
operación del EIS |
Mitigar |
Mantenimiento constante a la red |
Coordinar y establecer cronograma de mantenimiento con el área
de redes – DIGESI. |
Área de redes |
Indicadores
académicos
Definición de
requerimientos del negocio. Por razones
de la extensión del informe de la investigación, estamos obviando esta sección.
Las elaborar las definiciones de los requerimientos se realizaron una serie de entrevistas
con los responsables del área de vicerrectorado, quienes toman las decisiones
estratégicas para mejorar los procesos académicos. Para tal efecto, se
describieron 35 requerimientos, todos en función de los indicadores
identificados por vicerrectorado en una estructura jerárquica que se muestra en
la figura siguiente:
Figura 1. Indicadores académicos
Desarrollo de
módulos académicos. Para la
recolección de información de los indicadores fue necesario el desarrollo de los
siguientes módulos académicos: módulo de ingreso programación de actividades,
módulo de evaluación de sílabos, módulo de ingreso entrevistas grupos focales,
módulo evaluación grupos focales y módulo de ingreso de notas áreas tutorías.
Para el desarrollo de los módulos es importante el diseño de la base de datos,
en el cual se almacenarán los datos. El modelado se
realizó con la herramienta data modeler de Oracle SQL Developer así como la
generación de los DDLs. El ambiente de desarrollo fue dado por un server VPS
JSP, el cual genera o soporta virtualización de aplicaciones de prueba, así
mismo para la base de datos con un server VPS DB el cual interactúa con nuestro
server VPS JSP. Con respecto a las pruebas, e ambiente de desarrollo fue dado
por un server VPS JSP, el cual genera o soporta virtualización de aplicaciones
de prueba, así mismo para la base de datos con un server VPS DB el cual
interactúa con nuestro server VPS JSP. Finalmente, se implementan los módulos
en el portal académico.
Diseño de arquitectura técnica. La arquitectura técnica es el modelo de los servicios técnicos del
DM, así como sus elementos que lo componen. Esta arquitectura sirve como marco
de organización para apoyar la integración de las tecnologías que se emplearán
y para visualizar los posibles problemas al comienzo del proyecto y tratar de
minimizar los inconvenientes que puedan surgir.
Figura 2. Arquitectura para el
proyecto del DM académico como base
para la implementación del EIS
en la UPeU
Como se muestra en la figura 2, para este proyecto tiene como
datos de origen al sistema académico de la Universidad Peruana Unión, el cual
integra los módulos de recursos humanos, admisión, bienestar universitario,
tutorías, portal del docente, portal del estudiante, evaluaciones entre otros.
Este sistema es esencial para la carga de datos en el DM. Cabe
mencionar que esta carga de datos se realiza mediante el proceso de ETL. Una
vez realizado la carga de datos, el DM se independiza de los sistemas
operacionales hasta la próxima carga. Luego que el DM este llenado, se
utilizará la solución OLAP, que permitirá agilizar la consulta de grandes
cantidades de datos, para ello se utilizará estructuraras multidimensionales o
los llamados cubos OLAP, logrando consultas con rapidez de respuesta. El
conjunto de estos reportes es nuestro sistema EIS o sistema de información
ejecutiva.
Modelo
dimensional. En el presente proyecto
tendrá como procesos de negocio la elaboración de sílabos, así como elaboración
de la programación de actividades, los cuales generan información importante
para llevar un mejor control de los sílabos realizados por los docentes y sus
sesiones que involucran los planes de clase proyectados hacia el estudiante.
También el proceso de evaluación docente, que se lleva a cabo a través de una
encuesta virtual y grupos focales, la que se realizado una vez al semestre,
este proceso permite recibir la percepción de cada estudiante por cada docente
que le enseñó dentro de un determinado periodo académico. El proceso de evaluar
a los estudiantes, se da cuando el docente toma exámenes parciales,
intermedios, finales, etc. a los estudiantes según sus evaluaciones programadas
en sílabo. Por último, el proceso de seguimiento al estudiante (Tutorías), este
proceso aplica diversos instrumentos para medir sus hábitos de estudio, su
capacidad de resolución de problemas (área de Matemática), su capacidad
lingüística (área de capacidades comunicativas), su inteligencia emocional, su
capacidad física, etc.
Con respecto al establecimiento del nivel de granularidad, en base
al requerimiento número 35 del vicerrectorado se adoptó una granularidad fina
para el desglose de la información, de esta manera los usuarios podrán ver
exactamente qué indicadores no están del todo bien y quienes lo están
ocasionando.
Diseño ETL
Diseño físico. En base a lo definido en
el modelado dimensional, se procedió a realizar el diseño físico que consisten
en convertir los datos identificados en una estructura de base de datos física.
Para este proyecto, se eligió el esquema de estrella debido a que
optimiza el rendimiento hasta 60 veces a diferencia de otros sistemas
configurados de otra manera (Ralph, 1998). Los esquemas se elaboraron en
función a la información relacionada a los indicadores: cumplimiento evaluación
docente, cumplimiento del sílabo por el docente, encuesta docente, indicador
estado del estudiante, evaluación del sílabo, gestión de datos tutoría, gestión
proceso enseñanza-aprendizaje, grupos focales, programación de actividades,
gestión salida tutoría. Presentaremos solo uno de ellos:
Figura 3 Estrella ESTADO_ESTUDIANTE
Fuente: Proyecto EIS
La siguiente fase fue el desarrollo del metadata, que permite
mapear los datos que se extraerán del sistema origen y se aloja en nuestro
diseño físico del data mart.
Diseño e implementación ETL. Esta fase es una de las más importantes debido a que se realiza la
extracción de los datos el cual consiste en verificar si cumple con los
requerimientos adecuados de información; transformación, construcción de
fórmulas, etc. sobre los datos extraídos y por último cargar dicha información
a nuestro DM. Para algunos indicadores, la carga de datos se realiza
semanalmente u otro semestralmente.
Para la elaboración del diseño y su implementación se utilizó la
herramienta SQL server 2012 creando un paquete de Integración Services (SSIS),
que nos ofrece una colección organizada de conexiones, elementos de flujo de
control, controladores de eventos, etc., que se pueden ensamblar con la ayuda
de las herramientas gráficas de diseño proporcionadas por SQL server
Integration Services (Microsoft, 2014). Se muestra el ETL correspondiente al
estado del estudiante y el ETL DM académico:
Figura 4 ETL estado estudiante
Especificaciones de aplicaciones BI. Esta fase se realizó con la involucración de los usuarios
pertenecientes a vicerrectorado para determinar en una segunda etapa los
requerimientos netamente de la visualización de los reportes con respecto a los
indicadores. En esta fase de determina el conjunto de plantillas iniciales, se
desarrolla la estrategia de navegación, se determina las normas de la plantilla
y el desarrollo de las especificaciones detalladas de la plantilla. Se
diseñaron cuatro plantillas: seguimiento del proceso E-A, interfaz General;
seguimiento del proceso E-A, reporte de comparación; seguimiento del proceso
E-A, reporte de indicadores y tendencias por facultad; seguimiento del proceso
E-A, reporte de indicadores, y tendencias por escuela. Presentamos la primera:
Figura 5. Plantilla del seguimiento del proceso E-A, interfaz
general
Fuente: Proyecto EIS
Desarrollo de aplicaciones BI. En este paso se realizó la definición de los atributos de las
dimensiones, las jerarquías que existen entre ellos y los hechos a utilizar
para la creación de los indicadores, todo esto con el fin de relacionar la
información del modelo de datos lógico y el esquema físico del DM con el
entorno de MicroStrategy.
Figura 6. Del modelo lógico y físico del DM al entorno MicroStrategy
Fuente: Proyecto EIS
Desarrollo del cubo. Para la elaboración del cupo OLAP, seleccionamos los atributos e
indicadores necesarios para la realización de informes y documentos para el
usuario.
Basándonos en
la necesidad de vicerrectorado, se procedió a seleccionar los indicadores según
su nivel, el semestre debido a que es necesario visualizar los resultados de
los indicadores de E-A por semestre, el campus, facultad y escuela, así como el
puntaje obtenido en cada indicador.
Figura 7. Ejecución del cubo
inteligente
Fuente: Proyecto EIS
Una vez que se definió el cubo, se procedió a ejecutarlo para
iniciar el proceso de llenado de información de nuestro DM hacia el cubo,
almacenándola temporalmente hasta la próxima carga, es decir que el cubo se podrá
ir actualizando automáticamente de forma planificada.
Desarrollo del informe. Para este proyecto se elaboró el informe tipo cuadrícula
INF_PROCESO_EA que se desarrolló teniendo como base al cubo inteligente
C_PROCESO_EA para la visualización de los datos. Posteriormente este informe
será utilizado para el desarrollo de nuestro documento al cual tendrán acceso
los usuarios.
Desarrollo del documento. Este documento utiliza los objetos ubicados en el informe
anterior, en el cuál se mostrarán con diferentes filtros y tipos de informe
para una mejor clasificación de la información contenida en el documento.
El documento muestra primeramente el mapa de indicadores
establecido jerárquicamente, luego el indicador general del proceso E-A para
visualizar el estado por semestre de la UPeU y por último la información
clasificada por sede más PROESAD
Figura 8. Información del mapa
general de los indicadores E-A
Fuente: Proyecto EIS
Figura 9. Vista general del indicador E-A de la UPeU
Fuente: Proyecto
EIS
Figura 10. Vista de la sede Lima,
indicadores nivel II y III
Fuente: Proyecto
EIS
Las principales conclusiones del presente trabajo de investigación
son las siguientes. El mercado actual es cada vez más exigente. Las empresas
viven en un ambiente constante de competitividad lo que hace que al tomar
decisiones estas puedan ser cruciales para estar un paso adelante o atrás de la
competencia. Es por ello que las empresas requieren herramientas capaces de
manejar grandes volúmenes de información y que a su vez puedan integrar y
analizar de manera rápida y oportuna para la toma de decisiones. En este
sentido un EIS basado en inteligencia de negocios permite minimizar los riesgos
en la toma de decisiones a nuestra alta gerencia, debido a que proporciona
información relevante y confiable para la toma de decisiones. representando un
ahorro de tiempo para cada ejecutivo, dedicándose más a la planeación
estratégica que a la recolección de información, además de ofrecer ventaja
competitiva para tomar decisiones más acertadas y rápidas que la competencia.
Para el modelado dimensional es necesario conocer los procesos a
controlar, la información que manejan y a qué nivel de detalle desean los usuarios
obtener la información. Esto es fundamental para que el DM responder a las
necesidades de información de los usuarios, guardando información relevante
para la toma de decisiones. Para tener éxito en todo proyecto BI, según la
experiencia adquirida en el desarrollo del proyecto, en necesario conseguir que
los usuarios participen además de la recolección de los requerimientos, en la
revisión de la lista de informes, establecer prioridades, evaluar diferentes
estrategias de navegación y el desarrollo de los reportes, si deseamos resolver
sus problemas de negocio. Si los usuarios no lo entienden, si no piensan que
los informes son útiles, o que no pueden encontrar el reporte que quieren, no
van a utilizarlo.
Las seis hipótesis alternas en ese orden de: efectividad,
confidencialidad, integridad, disponibilidad, confiabilidad y la calidad de
información fueron confirmadas con un valor de T de Student de 17,556, 11,631,
12.306, 21.703, 12.929, 29,690 respectivamente; todos con 23 grados de libertad
y una significación de p = 0,000 < 0,05, para las seis hipótesis, se rechaza
y se acepta . Esto es el EIS es efectivo en el mejoramiento de cada una de las
dimensiones consideradas y de la calidad de información.
Barcelona Activa. (13 de agosto de 2012). Desarrollo del Business Intelligence. http://w27.bcn.cat/porta22/images/es/Barcelona_treball_capsula_sectorial_telecomunicaciones_y_TIC_noviembre2012_es_tcm24-22920.pdf.
Bhawna, R. (2011). Agile Way of BI Implementation. India Conference (INDICON),
pp. 1–6.
Bonilla, E.(2011). BI:
Acceso a la información que realmente importa. http://sapb1hub.blogspot.com/2011/02/bi-acceso-la-informacion-que-realmente.html.
Cedeño. A.(2006).
Modelo Multidimensional. La Habana, Cuba, p. 18,
2006.
Chávez, P. (6 de mayo de
2012). Business
Intelligence. http://addkw.com/2012/10/14/ business-intelligence/.
Conesa, J. (2010). Introduccion al Busuness Intelligence,
No. Colecc. UOC, p. 238.
Eltabakh, M. (2012, 18 marzo
de 2007). OLAP & Data Mining. http://web.cs.wpi.edu/~cs561/s12/Lectures/IntegrationOLAP/OLAPandMining.pdf.
Fabián, P. y Spanevello, A. (2008). IQ : Calidad de la Informacion. No. 1, pp. 1–8.
Gantz, I. y Reinsel, D.
(2012). The Digital Universe in 2020: Big
Data, Bigger Digi tal Shadows, and Biggest Growth in the Far East. IDC, USA, p. 16.
Imhoff, C. , Galemmo, N.
y Geiger, J. (2003). Mastering Data Warehouse
Design: Relational and Dimensional Techniques. Indianapolis, Indiana:
Wiley Publishing, pp. 1–438.
Instituto de estadística la Rioja (13 de agosto de 2013).Business Intelligence en la estadística. http://www.jecas.org/ponencias/jueves/tarde/desarrollosII/businessintelligenceLaRioja.pdf
Microsoft (2014, 1 de
julio de 2014). Paquetes de Integration
Services (SSIS). http://msdn.microsoft.com/es-pe/library/ms141134.aspx.
[Accessed: 01-Jul-2014].
MicroStrategy. (2002).
Guía Avanzada de Elaboración de Informes. EE.UU, p. 482, 2002.
MicroStrategy. (2011). Gobierno: Instituto Nacional de
Estadística e Informática del Perú. Lima, Perú, p. 2.
MicroStrategy (2011).
Guía de creación de documentos de Report Services. EE.UU, p. 1108, 2011.
MicroStrategy (2012).
Guía básica de elaboración de informes. EE.UU, p. 494.
Mir, M. y Bin Amin, M. (2012). Executive
Information System. IJCSNS International Journal of Computer
Science and Network Security, Vol. 12, No. 5, pp. 106–110.
Mondragón Pérez, A. R. (2002). ¿Qué son los indicadores?. Revista de información y análisis núm.
19, 2002.
Nuñez,F. (2011).
Explotación de un almacen de datos: Herramientas OLAP. Hidalgo.
Ralph, K. (1998). The
Data Warehouse Lifecycle Toolkit, Second Edi. New York: Wiley Publishing,
pp. 1–405.
SAE. (4 de diciembre de 2013). Indicadores Estratégicos. http://www.sae.gob.mx/quienes/programa/Paginas/InformeseIndicadores.aspx.
Vargas Huarca, E., y Pacheco Ochoa, J. (2012). Un Sistema de información ejecutivo basado
en datamart para la prevención , análisis y supervisión de las operaciones de
lavado de activos en la Empresa Concorde. Universidad ECOTEC.
Wil M.P. van der Aalst.
(2011). Process Mining. Berlin Heidelberg: Springer-Verlag.
Zorrilla, M. (2011, 22 de agosto de 2013). Data Wharehouse y OLAP. http://personales.unican.es/ZORRILLM/BDAvanzadas/Teoria/bta-t4b-
Business Intelligence.pdf.