tesis upeu (1)

i

UNIVERSIDAD PERUANA UNIÓN

ESCUELA DE POSGRADO

Unidad de Posgrado de Ingeniería

Tesis:

“Implementación del sistema de información ejecutiva académico basado en

inteligencia de negocios: caso Universidad Peruana Unión”

Presentado por:

Ing. Cynthia Acuña Salinas

Para optar el grado de Magíster en Ingeniería

de Sistemas con mención en Dirección y Gestión en Tecnologías de Información

Asesor:

Mg. Sergio Valladares Castillo

LIMA-PERÚ

2014

ii

DECLARACIÓN DE AUTORÍA

La responsabilidad del contenido desarrollado en este proyecto de investigación me

corresponde exclusivamente, y la propiedad intelectual del mismo a la Universidad

Peruana Unión.

______________________________

ING. CYNTHIA ACUÑA SALINAS

DNI: 43984548

iii

PÁGINAS PRELIMINARES

DEDICATORIA

A mis padres, Raúl Acuña Casas y Nelly Salinas

Zapata, por haberme inculcado en el estudio, trabajo

y superación académica y ser mis modelos para una

vida de servicio, y a mis hermanos Erika y Raúl por

el apoyo incondicional para conseguir este logro.

iv

AGRADECIMIENTO

A Dios por haberme dado la vida y cuidarme cada

instante de ella; al Mg. Sergio Valladares Castillo,

por haber colaborado con aportes que tuvieron

particular relevancia en el desarrollo de la

investigación.

A mis compañeros de trabajo Rocío Tapia, Eliat De

la Cruz, Gabriel Ubia y Juver Zuta por el apoyo en el

desarrollo del proyecto.

v

ÍNDICE GENERAL

PÁGINAS PRELIMINARES ........................................................................................................................... III

DEDICATORIA ................................................................................................................................................ III

AGRADECIMIENTO ....................................................................................................................................... IV

ÍNDICE DE FIGURAS ..................................................................................................................................... XI

ÍNDICE DE TABLAS ..................................................................................................................................... XIV

ACRÓNIMOS Y DEFINICIONES ................................................................................................................. XVI

RESUMEN ................................................................................................................................................... XVIII

ABSTRACT .................................................................................................................................................... XX

CAPÍTULO I ...................................................................................................................................................... 1

INTRODUCCIÓN A LA INVESTIGACIÓN ..................................................................................................... 1

1.1 PLANTEAMIENTO GENERAL DEL PROBLEMA ........................................................................... 1

1.1.1 DESCRIPCIÓN DEL PROBLEMA ..................................................................................................... 1

1.1.2 ANTECEDENTES DE INVESTIGACIÓN ........................................................................................... 4

1.1.3.1 ÁMBITO INTERNACIONAL ........................................................................................................... 4

1.1.3.2 ÁMBITO NACIONAL ....................................................................................................................... 6

1.1.4 FORMULACIÓN DEL PROBLEMA ................................................................................................... 7

1.1.4.1 PROBLEMA GENERAL ................................................................................................................. 7

1.1.4.2 PROBLEMA ESPECÍFICO ............................................................................................................. 7

1.1.5 DELIMITACIÓN DEL PROBLEMA .................................................................................................... 8

1.1.5.1 DELIMITACIÓN TEMPORAL ......................................................................................................... 8

1.1.5.2 DELIMITACIÓN ESPACIAL ........................................................................................................... 8

1.2 JUSTIFICACIÓN E IMPORTANCIA .................................................................................................. 8

1.2.1 JUSTIFICACIÓN PRÁCTICA ............................................................................................................. 8

1.2.2 JUSTIFICACIÓN METODOLÓGICA ................................................................................................. 9

1.2.3 JUSTIFICACIÓN DE LA VIABILIDAD DE LA INVESTIGACIÓN ................................................... 9

1.2.4 IMPORTANCIA .................................................................................................................................... 9

1.3 OBJETIVOS DE LA INVESTIGACIÓN .............................................................................................. 9

1.3.1 OBJETIVO GENERAL ........................................................................................................................ 9

1.3.2 OBJETIVOS ESPECÍFICOS ............................................................................................................. 10

vi

1.4 HIPÓTESIS ......................................................................................................................................... 10

1.4.1 HIPÓTESIS GENERAL ..................................................................................................................... 10

1.4.2 HIPÓTESIS ESPECÍFICA ................................................................................................................. 10

CAPÍTULO II ................................................................................................................................................... 12

MARCO TEÓRICO ......................................................................................................................................... 12

2.1 INTELIGENCIA DE NEGOCIOS ...................................................................................................... 12

2.1.1 INTRODUCCIÓN A LA INTELIGENCIA DE NEGOCIOS .............................................................. 12

2.1.2 ¿QUÉ ES INTELIGENCIA DE NEGOCIOS? .................................................................................. 13

2.1.3 CARACTERÍSTICAS DE LA INTELIGENCIA DE NEGOCIOS ..................................................... 14

2.1.4 CLASIFICACIÓN DE LAS SOLUCIONES DE INTELIGENCIA DE NEGOCIOS ........................ 14

2.1.5 COMPONENTES DE INTELIGENCIA DE NEGOCIOS ................................................................. 16

2.1.5.1 DATA WAREHOUSE .................................................................................................................... 17

2.1.5.2 ETL ................................................................................................................................................. 18

2.1.5.3 OLAP .............................................................................................................................................. 19

2.1.5.4 QUERY AND REPORTING .......................................................................................................... 19

2.1.6 CARACTERÍSTICAS DEL DATA WAREHOUSE .......................................................................... 20

2.1.7 ELEMENTOS DE UN DATA WAREHOUSE ................................................................................... 23

2.1.7.1 FUENTES DE DATOS .................................................................................................................. 24

2.1.7.2 DATA STAGING AREA ................................................................................................................ 24

2.1.7.3 SERVIDOR DE PRESENTACIÓN ............................................................................................... 24

2.1.7.4 MODELO DIMENSIONAL ............................................................................................................ 24

2.1.7.4.1 HECHOS .................................................................................................................................... 25

2.1.7.4.2 DIMENSIONES .......................................................................................................................... 26

2.1.7.4.3 NIVEL DE GRANULARIDAD ................................................................................................... 26

2.1.7.4.4 JERARQUÍAS ............................................................................................................................ 27

2.1.7.5 PROCESOS DE NEGOCIO .......................................................................................................... 28

2.1.7.6 DATA MART .................................................................................................................................. 28

2.1.7.7 DARA WAREHOUSE .................................................................................................................... 29

2.1.7.8 OPERACIONAL DATA STORE ................................................................................................... 29

2.1.7.9 OLAP .............................................................................................................................................. 30

2.1.7.10 ROLAP ....................................................................................................................................... 30

2.1.7.11 MOLAP ....................................................................................................................................... 30

2.1.7.12 APLICACIÓN DEL USUARIO FINAL...................................................................................... 31

2.1.7.13 HERRAMIENTAS DE ACCESO A USUARIOS FINALES .................................................... 31

2.1.7.14 HERRAMIENTAS DE CONSULTA AD-HOC ......................................................................... 31

vii

2.1.7.15 APLICACIONES DE MODELADO .......................................................................................... 32

2.1.7.16 METADATOS ............................................................................................................................ 32

2.1.8 REQUERIMIENTOS FUNDAMENTALES DE UN DATA WAREHOUSE ..................................... 32

2.1.9 CONCEPTOS ERRÓNEOS DE UN DATA MART .......................................................................... 33

2.1.10 CUBOS OLAP ............................................................................................................................... 33

2.1.11 OPERACIONES OLAP ................................................................................................................. 34

2.1.11.1 DRILL-DOWN Y ROLL-UP ....................................................................................................... 35

2.1.11.2 SLICE AND DICE ...................................................................................................................... 37

2.1.11.3 PIVOT ......................................................................................................................................... 37

2.1.12 COMPARACIÓN ENTRE MOLAP Y ROLAP ............................................................................. 38

2.1.13 ESQUEMA MULTIDIMENSIONAL .............................................................................................. 39

2.1.13.1 ESQUEMA ESTRELLA ............................................................................................................ 39

2.1.13.2 ESQUEMA COPO DE NIEVE .................................................................................................. 39

2.1.14 DISEÑO DEL DATA WAREHOUSE: KIMBALL E INMON ....................................................... 40

2.1.15 METODOLOGÍA DE KIMBALL .................................................................................................... 42

2.1.15.1 PLANIFICACIÓN DEL PROYECTO ........................................................................................ 43

2.1.15.2 DEFINICIÓN DE LOS REQUERIMIENTOS DEL NEGOCIO ................................................ 44

2.1.15.3 DISEÑO DE LA ARQUITECTURA TÉCNICA ........................................................................ 44

2.1.15.4 SELECCIÓN DE PRODUCTOS E IMPLEMENTACIÓN ........................................................ 44

2.1.15.5 MODELADO DIMENSIONAL ................................................................................................... 45

2.1.15.6 DISEÑO FÍSICO ........................................................................................................................ 45

2.1.15.7 DISEÑO Y DESARROLLO DEL ETL ...................................................................................... 46

2.1.15.8 ESPECIFICACIÓN DE APLICACIONES PARA USUARIOS FINALES .............................. 46

2.1.15.9 DESARROLLO DE APLICACIONES PARA USUARIOS FINALES .................................... 47

2.1.15.10 IMPLEMENTACIÓN .................................................................................................................. 48

2.1.15.11 MANTENIMIENTO Y CRECIMIENTO ..................................................................................... 48

2.1.15.12 GESTIÓN DEL PROYECTO .................................................................................................... 48

2.2 SISTEMA DE INFORMACIÓN EJECUTIVA ................................................................................... 49

2.2.1 ¿QUÉ ES UN EIS? ............................................................................................................................ 49

2.2.2 CARACTERÍSTICAS DE UN EIS ..................................................................................................... 49

2.2.3 COMPONENTES DE UN EIS ........................................................................................................... 50

2.2.4 PROCESO DE DESARROLLO DE UN EIS .................................................................................... 51

2.3 CALIDAD DE INFORMACIÓN ......................................................................................................... 52

2.3.1 DEFINICIÓN DE CALIDAD .............................................................................................................. 52

2.3.2 CARACTERÍSTICAS DE IQ ............................................................................................................. 53

viii

2.3.3 CRITERIOS DE INFORMACIÓN ...................................................................................................... 53

2.4 INDICADORES ESTRATÉGICOS ................................................................................................... 54

2.4.1 CARACTERÍSTICAS DE LOS INDICADORES .............................................................................. 54

CAPÍTULO III .................................................................................................................................................. 56

MÉTODO DE INVESTIGACIÓN ................................................................................................................... 56

3.1 MÉTODO DE INVESTIGACIÓN ....................................................................................................... 56

3.2 TIPO DE DISEÑO .............................................................................................................................. 56

3.3 POBLACIÓN DE ESTUDIO PARA LA ETAPA 2 ........................................................................... 58

3.4 MUESTRA PARA LA ETAPA 2 ....................................................................................................... 58

3.5 VARIABLES Y DIMENSIONES DE LA HIPÓTESIS ESPECÍFICA .............................................. 59

3.6 TÉCNICAS E INSTRUMENTOS DE RECOLECCIÓN DE DATOS DE LA ETAPA 2 ................. 59

3.7 TÉCNICAS DE ANÁLISIS DE DATOS DE LA ETAPA 2 .............................................................. 60

CAPÍTULO IV ................................................................................................................................................. 62

DESARROLLO E IMPLEMENTACIÓN EIS ................................................................................................ 62

4.1 PLANIFICACIÓN DEL PROYECTO ................................................................................................ 62

4.1.1 DESCRIPCIÓN DEL PROYECTO .................................................................................................... 62

4.1.2 OBJETIVO DEL PROYECTO ........................................................................................................... 63

4.1.3 ALCANCE DEL PROYECTO ........................................................................................................... 63

4.1.4 FUERA DEL ALCANCE DEL PROYECTO ..................................................................................... 67

4.1.5 ENTREGABLES A PRODUCIR ....................................................................................................... 67

4.1.6 CRITERIOS DE ACEPTACIÓN DE ENTREGABLES .................................................................... 68

4.1.7 SUPUESTOS DEL PROYECTO ...................................................................................................... 69

4.1.8 RESTRICCIONES DEL PROYECTO ............................................................................................... 69

4.1.9 EQUIPO DEL PROYECTO ............................................................................................................... 70

4.1.10 ESTRUCTURA DETALLA DEL TRABAJO ................................................................................ 71

4.1.11 PROGRAMACIÓN DE LAS TAREAS ......................................................................................... 74

4.1.12 ASIGNACIÓN DE LOS RECURSOS A LA CARGA DE TRABAJO ........................................ 78

4.1.13 PRESUPUESTO DEL PROYECTO ............................................................................................. 79

4.1.14 IDENTIFICACIÓN DE RIESGOS ................................................................................................. 81

4.1.15 ESTRATEGIAS Y ACCIONES PREVENTIVAS ......................................................................... 82

4.2 DEFINICIÓN DE REQUERIMIENTOS DEL NEGOCIO ................................................................. 83

4.3 DESARROLLO DE MÓDULOS ACADÉMICOS ............................................................................. 94

4.3.1 DESCRIPCIÓN GENERAL ............................................................................................................... 94

4.3.1.1 FUNCIONAMIENTO ...................................................................................................................... 94

4.3.1.2 DESCRIPCIÓN DE LOS USUARIOS .......................................................................................... 98

ix

4.3.2 DESARROLLO E IMPLEMENTACIÓN ........................................................................................... 98

4.3.2.1 DISEÑO DE BASE DE DATOS .................................................................................................... 98

4.3.2.2 DESARROLLO DEL CÓDIGO ..................................................................................................... 99

4.3.2.3 PRUEBAS ...................................................................................................................................... 99

4.3.2.4 IMPLEMENTACIÓN DE MÓDULOS EN EL PORTAL ACADÉMICO .................................... 103

4.4 DISEÑO DE ARQUITECTURA TÉCNICA ..................................................................................... 115

4.4.1 DETERMINAR SERVER A UTILIZAR ........................................................................................... 116

4.4.2 CONFIGURACIÓN DEL SERVER ................................................................................................. 116

4.5 SELECCIÓN DEL PRODUCTO ..................................................................................................... 118

4.5.1 INSTALACIÓN DEL SQL SERVER 2012 ..................................................................................... 119

4.5.2 CONFIGURACIÓN DE CONEXIÓN A ORACLE EN SQL SERVER .......................................... 121

4.5.3 INSTALACIÓN DE MICROSTRATEGY ........................................................................................ 122

4.6 MODELO DIMENSIONAL ............................................................................................................... 123

4.6.1 ELECCIÓN DEL PROCESO DE NEGOCIO ................................................................................. 123

4.6.2 ESTABLECER EL NIVEL DE GRANULARIDAD ......................................................................... 124

4.6.3 ELECCIÓN DE LAS DIMENSIONES ............................................................................................. 125

4.6.4 IDENTIFICACIÓN DE LOS HECHOS ............................................................................................ 132

4.7 DISEÑO FÍSICO ............................................................................................................................... 139

4.8 DISEÑO E IMPLEMENTACIÓN ETL ............................................................................................. 145

4.9 ESPECIFICACIONES DE APLICACIONES BI ............................................................................. 152

4.9.1 DETERMINAR EL CONJUNTO DE PLANTILLAS INICIALES ................................................... 152

4.9.1.1 IDENTIFICAR INFORMES CANDIDATOS ............................................................................... 152

4.9.1.2 CONSOLIDACIÓN DE LA LISTA DE CANDIDATOS ............................................................. 154

4.9.1.3 ESTABLECIENDO PRIORIDADES ........................................................................................... 155

4.9.2 DESARROLLO DE LA ESTRATEGIA DE NAVEGACIÓN ......................................................... 155

4.9.3 DETERMINAR LAS NORMAS DE LA PLANTILLA..................................................................... 156

4.9.4 DESARROLLO DE LAS ESPECIFICACIONES DETALLADAS DE LA PLANTILLA .............. 157

4.10 DESARROLLO DE APLICACIONES BI ....................................................................................... 160

4.10.1 CREACIÓN DEL PROYECTO BI EN MICROSTRATEGY ...................................................... 160

4.10.2 IMPLEMENTACIÓN DEL MODELO LÓGICO Y FÍSICO DEL DM EN MICROSTRATEGY 161

4.1.1 DEFINICIÓN DE JERARQUÍAS ..................................................................................................... 162

4.1.2 DESARROLLO DE INDICADORES EN MICROSTRATEGY ...................................................... 166

4.1.3 DESARROLLO DEL CUBO ........................................................................................................... 170

4.1.4 DESARROLLO DEL INFORME ..................................................................................................... 170

4.1.5 DESARROLLO DEL DOCUMENTO .............................................................................................. 171

x

4.1.6 VERIFICACIÓN DE LOS REPORTES GENERADOS ................................................................. 174

4.2 IMPLEMENTACIÓN ........................................................................................................................ 175

4.3 PRUEBAS ........................................................................................................................................ 176

4.4 DESCRIPCIÓN DE LA ESCALA DE VALORACIÓN DE LA CALIDAD DE INFORMACIÓN DEL

SISTEMA DE INFORMACIÓN SEGÚN LA PERCEPCIÓN DE LAS ÁREAS ACADÉMICAS ............. 177

CAPÍTULO V ................................................................................................................................................ 181

INTERPRETACIÓN Y ANÁLISIS DE RESULTADOS .............................................................................. 181

4.5 ANÁLISIS DESCRIPTIVO DE LA CALIDAD DE INFORMACIÓN ............................................. 181

4.6 PRUEBA DE HIPÓTESIS DE LA CALIDAD DE LA INFORMACIÓN ........................................ 186

4.6.1 PRUEBA DE NORMALIDAD DE LA CALIDAD DE INFORMACIÓN......................................... 186

4.6.2 PRUEBA DE LAS HIPÓTESIS ESTADÍSTICAS .......................................................................... 188

CONCLUSIONES ......................................................................................................................................... 200

RECOMENDACIONES ................................................................................................................................ 204

BIBLIOGRAFÍA ............................................................................................................................................ 205

ANEXOS ....................................................................................................................................................... 208

ANEXO 1: FÓRMULAS DE LOS INDICADORES ACADÉMICOS ......................................................... 208

ANEXO 2: ESCALA DE VALORACIÓN .................................................................................................... 230

ANEXO 3: PLANTILLA DEL METADATA ................................................................................................ 231

ANEXO 4: MATRIZ EXTENDIDA DE LA ESTRUCTURA DEL PROYECTO DE INVESTIGACIÓN ... 232

xi

ÍNDICE DE FIGURAS

FIGURA 1 CRECIMIENTO DE LA INFORMACIÓN DIGITAL DE 50 VECES DESDE EL 2010 AL 2020 _______________ 1

FIGURA 2 CUADRANTE MÁGICO DE BI Y PLATAFORMAS ANALÍTICAS ___________________________________ 16

FIGURA 3 COMPONENTES DE UNA SOLUCIÓN BI ___________________________________________________ 17

FIGURA 4 DATA WAREHOUSE __________________________________________________________________ 17

FIGURA 5 PROCESO ETL _____________________________________________________________________ 18

FIGURA 6 QUERY & REPORTING ________________________________________________________________ 19

FIGURA 7 EJEMPLO DE DATOS ORIENTADOS A TEMAS ______________________________________________ 20

FIGURA 8 DATOS INTEGRADOS _________________________________________________________________ 21

FIGURA 9 VARIABLE EN EL TIEMPO ______________________________________________________________ 22

FIGURA 10 NO VOLÁTIL _______________________________________________________________________ 23

FIGURA 11 ELEMENTOS DE UNA DATA WAREHOUSE _______________________________________________ 23

FIGURA 12 MODELO DIMENSIONAL ______________________________________________________________ 24

FIGURA 13 GRANULARIDAD DE LA DIMENSIÓN ZONA GEOGRÁFICA, CON UNA JERARQUÍA DE CINCO NIVELES __ 27

FIGURA 14 MODELO ESTRELLA ________________________________________________________________ 28

FIGURA 15 MODELO COPO DE NIEVE ___________________________________________________________ 28

FIGURA 16 ARQUITECTURA ROLAP ____________________________________________________________ 30

FIGURA 17 ARQUITECTURA MOLAP ____________________________________________________________ 31

FIGURA 18 EJEMPLO DE CONSULTAS USUARIO ____________________________________________________ 35

FIGURA 19 DRILL-DOWN Y ROLL-UP _________________________________________________________ 36

FIGURA 20 CONSULTAS DRILL-DOWN Y ROLL-UP ______________________________________________ 36

FIGURA 21 SLICE & DICE ____________________________________________________________________ 37

FIGURA 22 PIVOT ___________________________________________________________________________ 38

FIGURA 23 ESQUEMA EN ESTRELLA QUE REPRESENTA LAS VENTAS DE UNA CADENA DE TIENDAS ___________ 39

FIGURA 24 ESQUEMA COPO DE NIEVE, DONDE SE OBSERVA LA RELACIÓN ENTRE LA DIMENSIÓN CLIENTE Y

PROVINCIA _____________________________________________________________________________ 40

FIGURA 25 ENFOQUE KIMBALL – ARQUITECTURA BUS DEL DW ______________________________________ 41

FIGURA 26 ENFOQUE INMON – DW CORPORATIVO ________________________________________________ 42

FIGURA 27 METODOLOGÍA DE KIMBALL, DENOMINADA BUSINESS DIMENSIONAL LIFECYCLE _______________ 43

FIGURA 28 ILUSTRACIÓN GRÁFICA ENTRE EL DISEÑO LÓGICO Y FÍSICO _________________________________ 46

FIGURA 29 SISTEMAS DE INFORMACIÓN EN UNA ORGANIZACIÓN ______________________________________ 49

FIGURA 30 INDICADORES ACADÉMICOS __________________________________________________________ 94

FIGURA 31 PORTAL DEL PROFESOR ____________________________________________________________ 103

FIGURA 32 TEMAS DEL SÍLABO ________________________________________________________________ 103

FIGURA 33 PROGRAMACIÓN DE ACTIVIDADES ____________________________________________________ 104

FIGURA 34 BÚSQUEDA DEL SÍLABO ____________________________________________________________ 105

FIGURA 35 LISTADO DE CARGA POR BÚSQUEDA __________________________________________________ 105

FIGURA 36 EVALUAR SÍLABO _________________________________________________________________ 106

FIGURA 37 SÍLABOS EVALUADOS ______________________________________________________________ 106

FIGURA 38 LISTADO DE CURSOS A EVALUAR _____________________________________________________ 107

FIGURA 39 INGRESAR ENTREVISTA ____________________________________________________________ 107

xii

FIGURA 40 LISTADO DE ENTREVISTAS __________________________________________________________ 108

FIGURA 41 LISTADO DE CURSOS Y DOCENTES SEGÚN FILTRO _______________________________________ 108

FIGURA 42 EVALUACIÓN GRUPOS FOCALES _____________________________________________________ 109

FIGURA 43 LOGEO LIMESURVEY ______________________________________________________________ 109

FIGURA 44 INGRESO COMO ADMINISTRADOR AL SISTEMA LIMESURVEY _______________________________ 110

FIGURA 45 PANTALLA DE CONFIGURACIÓN DE LA INFORMACIÓN INICIAL DEL TEST HÁBITOS DE ESTUDIO _____ 110

FIGURA 46 PANTALLAS DE LOS TESTS PERTENECIENTES A HÁBITOS DE ESTUDIO _______________________ 111

FIGURA 47 OPCIONES SISTEMA ACADÉMICO _____________________________________________________ 111

FIGURA 48 PORTAL BIENESTAR UNIVERSITARIO __________________________________________________ 112

FIGURA 49 INGRESO DE NOTAS DE CULTURA FÍSICA _______________________________________________ 112

FIGURA 50 INGRESO DE NOTAS DE MATEMÁTICA _________________________________________________ 113

FIGURA 51 INGRESO DE NOTAS DE CAPACIDADES COMUNICATIVAS __________________________________ 113

FIGURA 52 INGRESO DE NOTAS DE TEST DE INTELIGENCIA EMOCIONAL _______________________________ 114

FIGURA 53 VER RESULTADOS DE INTELIGENCIA EMOCIONAL ________________________________________ 114

FIGURA 54 ARQUITECTURA PARA EL PROYECTO DEL DM ACADÉMICO COMO BASE PARA LA IMPLEMENTACIÓN DEL

EIS EN LA UPEU_______________________________________________________________________ 115

FIGURA 55 SERVIDOR BI CON SISTEMA OPERATIVO WINDOWS SERVER 2008 R2 ______________________ 117

FIGURA 56 WEB SERVER (IIS) TOOLS Y .NET FRAMEWORK INSTALADOS EN EL SERVER BI _______________ 117

FIGURA 57 ADOBE FLASH PLAYER INSTALADO EN EL SERVER BI ____________________________________ 118

FIGURA 58 APLICACIONES A UTILIZAR __________________________________________________________ 119

FIGURA 59 NORMAS DE APOYO A LA CONFIGURACIÓN SQL SERVER _________________________________ 120

FIGURA 60 CARACTERÍSTICAS SELECCIONADAS PARA NUESTRA BASE DE DATOS _______________________ 120

FIGURA 61 FINALIZACIÓN DE LA INSTALACIÓN DEL SQL SERVER ____________________________________ 121

FIGURA 62 INSTALACIÓN DE MICROSTRATEGY ___________________________________________________ 122

FIGURA 63 DIMENSIÓN INDICADOR NIVEL V______________________________________________________ 126

FIGURA 64 DIMENSIÓN ASIGNATURA CARGA _____________________________________________________ 126

FIGURA 65 DIMENSIÓN DOCENTE ______________________________________________________________ 127

FIGURA 66 DIMENSIÓN TIEMPO _______________________________________________________________ 127

FIGURA 67 DIMENSIÓN ESCUELA ______________________________________________________________ 128

FIGURA 68 DIMENSIÓN ESTRATEGIA EVALUACIÓN ________________________________________________ 128

FIGURA 69 DIMENSIÓN CRITERIO ENCUESTA _____________________________________________________ 129

FIGURA 70 DIMENSIÓN ESCALA GEA (GESTIÓN ESTADO ALUMNO) ___________________________________ 129

FIGURA 71 DIMENSIÓN RUBROS EVALUACIÓN SÍLABO _____________________________________________ 130

FIGURA 72 DIMENSIÓN TIPO DE NOTA __________________________________________________________ 130

FIGURA 73 DIMENSIÓN TUTORÍA ÁREA __________________________________________________________ 131

FIGURA 74 DIMENSIÓN ALUMNO _______________________________________________________________ 131

FIGURA 75 DIMENSIÓN RUBROS GRUPO FOCAL __________________________________________________ 131

FIGURA 76 DIMENSIÓN TIEMPO 2 ______________________________________________________________ 132

FIGURA 77 TABLA DE HECHOS DE CUMPLIMIENTO EVALUACIÓN DOCENTE (PORTALES VENCIDOS) __________ 133

FIGURA 78 TABLA DE HECHOS DE CUMPLIMIENTO SÍLABO __________________________________________ 133

FIGURA 79 TABLA DE HECHOS DE ENCUESTA DOCENTE ____________________________________________ 134

FIGURA 80 TABLA DE HECHOS DE GRUPOS FOCALES ______________________________________________ 135

FIGURA 81 TABLA DE HECHOS ESTADO ALUMNO __________________________________________________ 135

FIGURA 82 TABLA DE HECHOS EVALUACIÓN SÍLABO _______________________________________________ 136

FIGURA 83 TABLA DE HECHOS GESTIÓN DATOS TUTORÍA ___________________________________________ 136

FIGURA 84 TABLA DE HECHOS GESTIÓN SALIDA TUTORÍA ___________________________________________ 137

FIGURA 85 TABLA DE HECHOS PROGRAMACIÓN DE ACTIVIDADES ____________________________________ 138

FIGURA 86 TABLA DE HECHOS GESTIÓN DE PROCESO ENSEÑANZA – APRENDIZAJE _____________________ 138

FIGURA 87 ESTRELLA CUMPLIMIENTO_EVAL_DOCENTE ______________________________________ 140

FIGURA 88 ESTRELLA CUMPLIMIENTO_SÍLABO _______________________________________________ 140

xiii

FIGURA 89 ESTRELLA ENCUESTA_DOCENTE_________________________________________________ 141

FIGURA 90 ESTRELLA ESTADO_ALUMNO ____________________________________________________ 141

FIGURA 91 ESTRELLA EVALUACIÓN_SÍLABO _________________________________________________ 142

FIGURA 92 ESTRELLA GESTIÓN DE DATOS TUTORÍA ______________________________________________ 142

FIGURA 93 ESTRELLA GESTIÓN PROCESO EA ___________________________________________________ 143

FIGURA 94 ESTRELLA GRUPOS FOCALES ________________________________________________________ 143

FIGURA 95 ESTRELLA PROGRAMACIÓN DE ACTIVIDADES ___________________________________________ 144

FIGURA 96 ESTRELLA GESTIÓN SALIDA TUTORÍA _________________________________________________ 144

FIGURA 97 ETL ESTADO ALUMNO _____________________________________________________________ 147

FIGURA 98 ETL GESTIÓN DE DATOS ___________________________________________________________ 147

FIGURA 99 ETL PROGRAMACIÓN DE ACTIVIDADES ________________________________________________ 148

FIGURA 100 ETL EVALUACIÓN SÍLABO __________________________________________________________ 148

FIGURA 101 ETL CUMPLIMIENTO EVALUACIÓN DOCENTE ___________________________________________ 149

FIGURA 102 ETL GRUPO FOCAL_______________________________________________________________ 149

FIGURA 103 ETL CUMPLIMIENTO SÍLABO ________________________________________________________ 150

FIGURA 104 ETL RESULTADOS DE SALIDA DE TUTORÍA ____________________________________________ 150

FIGURA 105 ETL ENCUESTA DOCENTE _________________________________________________________ 151

FIGURA 106 ETL DM ACADÉMICO _____________________________________________________________ 151

FIGURA 107 DIAGRAMA DE NAVEGACIÓN ________________________________________________________ 156

FIGURA 108 PLANTILLA DEL SEGUIMIENTO DEL PROCESO E-A, INTERFAZ GENERAL _____________________ 158

FIGURA 109 PLANTILLA DEL SEGUIMIENTO DEL PROCESO E-A, REPORTE DE COMPARACIÓN ______________ 159

FIGURA 110 PLANTILLA DEL SEGUIMIENTO DEL PROCESO E-A, REPORTE ESTADOS POR FACULTAD ________ 159

FIGURA 111 PLANTILLA DEL SEGUIMIENTO DEL PROCESO E-A, REPORTE ESTADOS POR ESCUELA _________ 160

FIGURA 112 CREACIÓN DEL PROYECTO BI ______________________________________________________ 161

FIGURA 113 DEL MODELO LÓGICO Y FÍSICO DEL DM AL ENTORNO MICROSTRATEGY ____________________ 162

FIGURA 114 JERARQUÍA DE LA DIMENSIÓN TIEMPO________________________________________________ 163

FIGURA 115 JERARQUÍA DE LA DIMENSIÓN TIEMPO 2 ______________________________________________ 163

FIGURA 116 JERARQUÍA DE LA DIMENSIÓN INDICADOR NIVEL V ______________________________________ 164

FIGURA 117 JERARQUÍA DE LA DIMENSIÓN ESCUELA ______________________________________________ 164

FIGURA 118 JERARQUÍA DE LA DIMENSIÓN RUBROS EVALUACIÓN SÍLABO______________________________ 165

FIGURA 119 JERARQUÍA DE LA DIMENSIÓN CRITERIO ENCUESTA _____________________________________ 165

FIGURA 120 JERARQUÍA DE LA DIMENSIÓN ESCALA GESTIÓN ESTADO ALUMNO _________________________ 165

FIGURA 121 INDICADORES GENERALES _________________________________________________________ 166

FIGURA 122 INDICADORES COMPUESTOS _______________________________________________________ 166

FIGURA 123 EJECUCIÓN DEL CUBO INTELIGENTE _________________________________________________ 170

FIGURA 124 INFORME INF PROCESO_EA _____________________________________________________ 171

FIGURA 125 INFORMACIÓN DEL MAPA GENERAL DE LOS INDICADORES E-A ____________________________ 172

FIGURA 126 VISTA GENERAL DEL INDICADOR E-A DE LA UPEU _____________________________________ 173

FIGURA 127 VISTA DE LA SEDE LIMA, INFORMES DE ESTADOS _______________________________________ 173

FIGURA 128 VISTA DE LA SEDE LIMA, INFORMES DE COMPARACIÓN __________________________________ 174

FIGURA 129 GRÁFICO Q-Q NORMAL ___________________________________________________________ 186

FIGURA 130 CURVA NORMAL DE LA DIFERENCIA DE PUNTAJES DE CALIDAD DE INFORMACIÓN _____________ 187

xiv

ÍNDICE DE TABLAS

TABLA 1 DISTRIBUCIÓN DE LOS USUARIOS DEL EIS ................................................................................................ 58

TABLA 2 EQUIPO DEL PROYECTO ............................................................................................................................. 70

TABLA 3 ESTRUCTURA DETALLADA DE TRABAJO ..................................................................................................... 72

TABLA 4 CRONOGRAMA DEL PROYECTO ................................................................................................................. 74

TABLA 5 ASIGNACIÓN DE RECURSOS GENERALES A LAS FASES ............................................................................. 78

TABLA 6 DETALLE DE RECURSOS A UTILIZAR .......................................................................................................... 79

TABLA 7 COSTO POR PERSONAL ............................................................................................................................. 79

TABLA 8 COSTO POR EQUIPOS ................................................................................................................................ 80

TABLA 9 COSTO POR SOFTWARE ............................................................................................................................. 80

TABLA 10 COSTOS ADICIONALES ............................................................................................................................. 80

TABLA 11 RESUMEN DE COSTOS ............................................................................................................................. 81

TABLA 12 ESCALA DE PROBABILIDAD ...................................................................................................................... 81

TABLA 13 ESCALA DEL IMPACTO .............................................................................................................................. 81

TABLA 14 ESCALA DEL RIESGO ................................................................................................................................ 82

TABLA 15 IDENTIFICACIÓN DE RIESGOS ................................................................................................................... 82

TABLA 16 ESTRATEGIAS Y ACCIONES PREVENTIVAS ............................................................................................... 83

TABLA 17 PRUEBAS REALIZADAS EN LOS MÓDULOS ACADÉMICOS ....................................................................... 100

TABLA 18 INFORMES CANDIDATOS ........................................................................................................................ 152

TABLA 19 LISTA DE INFORMES CONSOLIDADOS .................................................................................................... 154

TABLA 20 FORMATOS ESTABLECIDOS EN LA ELABORACIÓN DE PLANTILLAS ........................................................ 157

TABLA 21 DEFINICIÓN DE LA PLANTILLA DE SEGUIMIENTO DE PROCESO E-A ...................................................... 157

TABLA 22 DESCRIPCIÓN DE LOS INDICADORES UTILIZADOS EN EL PROYECTO ..................................................... 167

TABLA 23 NIVELES DE OPERATIVIDAD DEL SISTEMA DE INFORMACIÓN ................................................................. 178

TABLA 24 RESUMEN DE PROCESAMIENTO DE CASOS: CALIDAD DE LA INFORMACIÓN DEL EIS ............................ 180

TABLA 25 ESTADÍSTICAS DE FIABILIDAD: CALIDAD DE INFORMACIÓN DEL EIS ..................................................... 180

TABLA 26 EFECTIVIDAD DE LA INFORMACIÓN ACADÉMICA ANTES*DESPUÉS ........................................................ 182

TABLA 27 CONFIDENCIALIDAD DE LA INFORMACIÓN ACADÉMICA ANTES*DESPUÉS .............................................. 183

TABLA 28 INTEGRIDAD DE LA INFORMACIÓN ACADÉMICA ANTES*DESPUÉS .......................................................... 183

TABLA 29 DISPONIBILIDAD DE LA INFORMACIÓN ACADÉMICA ANTES*DESPUÉS .................................................... 184

TABLA 30 CONFIABILIDAD DE LA INFORMACIÓN ACADÉMICA ANTES*DESPUÉS ..................................................... 185

TABLA 31 CALIDAD DE LA INFORMACIÓN ACADÉMICA ANTES*DESPUÉS ............................................................... 185

TABLA 32 RESUMEN DEL PROCESAMIENTO DE LOS CASOS .................................................................................. 187

TABLA 33 PRUEBA DE NORMALIDAD ...................................................................................................................... 188

TABLA 34 ESTADÍSTICOS DE MUESTRAS RELACIONADAS ...................................................................................... 188

TABLA 35 PRUEBA DE MUESTRAS RELACIONADAS ................................................................................................ 189








xv




xvi

ACRÓNIMOS Y DEFINICIONES

BI Por sus siglas en inglés de Business Intelligence o en español Inteligencia de negocios.

Bottom-Up Es una estrategia de procesamiento de información que significa “de abajo hacia arriba”.

COBIT

Por sus siglas en inglés Control Objectives for Information and Related Technology (Objetivos de control para tecnología de la información y relacionada), es un marco aceptado internacionalmente como una buena práctica para el control de la información, TI y los riesgos que conllevan.

CONEAU Comisión Nacional De Evaluación y Acreditación Universitaria.

Data Mining Significa Minería de datos, referido a descubrir patrones en grandes volúmenes de conjunto de datos basándose en los métodos de inteligencia artificial, estadística, etc.

DDL

Lenguaje de definición de datos (Data Definition Language), es un lenguaje proporcionado por el sistema de gestión de base de datos que permite llevar a cabo las tareas de definición de las estructuras que almacenarán los datos así como los procedimientos o funciones que permitirán consultarlos.

DM Data mart.

DSS Es el acrónimo de Decision Support System, el cual se refiere a los sistemas de apoyo a la toma de decisiones.

DWH Data warehouse.

EA Enseñanza y aprendizaje.

EIS Sistema de información ejecutiva.

ETL Extracción, transformación y carga.

FK Cuyo significado es Foreing Key (llave foránea), término utilizado en base de datos.

Forecasting Pronóstico o estimación de ventas

GUI Cuyo significado en inglés es graphial user interface (interfaz gráfica de usuario).

IQ Calidad de la información.

MOLAP MOLAP es el acrónimo en inglés de Multidimensional Online Analytical Processing, es decir, procesamiento analítico multidimensional en línea.

OLAP OLAP es el acrónimo en inglés de OnLine analytical processing, es decir, procesamiento analítico en línea.

OLTP OLTP es la sigla en inglés de OnLine transaction processing es decir, procesamiento de transacciones en línea.

PK Cuyo significado es Primary Key (llave primaria), término utilizado en base de datos.

xvii

PROESAD Programa de estudios a distancia brindado en la Universidad Peruana Unión

ROLAP ROLAP es el acrónimo en inglés de Relational Online Analytical Processing, es decir, procesamiento analítico relacional en línea.

TIC Tecnología de información y comunicaciones.

Top-Down Es una estrategia de procesamiento de información que significa “de arriba abajo”.

Triple A Asociación de acreditación adventista

UID Identificador único, cuyo propósito es diferenciar entre el mismo tema cuando aparece en más de un lugar.

xviii

RESUMEN

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. La inteligencia de negocios

ofrece escenarios, pronósticos, monitoreo del negocio mediante indicadores y

reportes que sirven de apoyo a la toma de decisiones, lo cual se traduce en una

ventaja competitiva dentro de la empresa.

El presente trabajo de investigación contiene información sobre las etapas que deben

considerarse en la implementación de un Sistema de información ejecutiva de los

indicadores académicos de la Universidad Peruana Unión, con el fin de brindar

información precisa para la toma de decisiones en la gestión del área académica.

Como aspecto complementario para evaluar la calidad de la información que brinda

EIS se aplicó una escala de valoración, previa fase de prueba por los usuarios

directos.

La estructura del proyecto de investigación comprende cinco capítulos. En el primer

capítulo se presenta el planteamiento del problema sobre el entorno de los negocios

que han ido adquiriendo mayor complejidad, lo cual genera un crecimiento continuo

de datos que sobrepasa la capacidad de análisis de las organizaciones para la toma

de decisiones.

En el segundo capítulo se presenta el marco de referencia sobre inteligencia de

negocios, sistema de información ejecutiva, calidad de información e indicadores

estratégicos.

En el tercer capítulo se expone claramente los aspectos metodológicos de la

investigación. Para la implementación del EIS corresponde una investigación

tecnológica.

xix

Finalmente en los capítulos cuarto y quinto, respectivamente, se presenta el

desarrollo del sistema de información ejecutiva basado en inteligencia de negocios, el

cual está sujeto a las etapas planteadas por Kimball y el análisis de los resultados

obtenidos de la valoración de la calidad de información del EIS según la perspectiva

de los administradores académicos de la UPeU. 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 fueron confirmadas usando la prueba T de student para la

diferencia de medias para grupos relacionados. Las hipótesis en ese orden:

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 𝐻0 y se

acepta 𝐻1. Esto es el EIS es efectivo en el mejoramiento de cada una de las

dimensiones consideradas y de la calidad de información.

Al término de los cinco capítulos se inserta una sección en la que se incluye las

conclusiones y recomendaciones más relevantes respecto a la implementación del

EIS en la UPeU.

Pretendemos con todo ello contribuir a mejorar la gestión y dirección del

vicerrectorado académico así como las facultades, brindando el apoyo oportuno con

los reportes de los indicadores académicos para toma de decisiones.

Palabras claves: EIS, BI, Data warehouse, Data mart, toma de decisiones, esquema

estrella, MicroStrategy, ETL, MOLAP, calidad de información.

xx

ABSTRACT

Nowadays in the field of business applications that can analyze, operate and provide

efficient information for decision-making, increased management visibility and support

strategies are required. Business intelligence provides scenarios, forecasts, business

monitoring of indicators and reports that support the decision making, which translates

into a competitive advantage within the company.

This research provides information on the steps to be considered in the

implementation of an executive information system of academic indicators to Peruvian

Union University, in order to provide accurate information for decision-making in the

management of the academic area. As a complementary aspect to evaluate the quality

of the information provided by EIS, a rating scale was applied, after being tested by

the direct users.

The structure of the research project comprises five chapters. In the first chapter, it is

stated that the business environment has become more complex. This generates a

continual growth of data which exceeds the organizational analysis for decision-

making capacity.

In the second chapter, the framework of business intelligence, executive information

systems, and strategic information quality indicators are presented.

The third chapter, the methodological aspects of the research is clearly displayed. The

EIS, is being implemented, corresponds to technological research.

Finally in chapters four and five, respectively, the development of executive

information system rely on business intelligence, which is subject to the stages raised

by Kimball and analysis of the results obtained of the assessment of the quality of

information presented by EIS from the perspective of academic administrators by

UPeU. Among the most significant results can include: 1) the highest percentage of

xxi

disapproval of the quality of information, the first time in the dimension happens in the

availability dimension with a 100%, then follows the integrity dimension with 62.5%

and in the lowest dimension occurs in the confidentiality dimension with the 33.3%,

2) the highest percentage of approval for the quality of information, on the second

time, occurs in the dimensions of effectiveness and availability, both with 100%, then

follows with 95.9% completeness, and finally closing, confidentiality and reliability with

the 87.5%.

3) the Six hypotheses were confirmed using student T test for mean difference for

related groups. The assumptions in this order of effectiveness, confidentiality, integrity,

availability, reliability and quality of information were confirmed with a value of T

student 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 hypothesis is

rejected and accepted. This is the EIS is effective in improving each of the dimensions

considered and the quality of information.

The most relevant conclusions and recommendations regarding the implementation of

the EIS in UPeU are inserted.

They are intended to help improve the management and direction of the academic

vice-director and faculties. This provides a timely support to reports of academic

indicators for making decisions.

Keywords: EIS, BI, Data Warehouse, Data Mart, decision making, star schema,

MicroStrategy, ETL, MOLAP, quality of information.

1

CAPÍTULO I

INTRODUCCIÓN A LA INVESTIGACIÓN

1.1 PLANTEAMIENTO GENERAL DEL PROBLEMA

1.1.1 Descripción del problema

El entorno de negocios a lo largo de las últimas décadas ha ido adquiriendo

mayor nivel de complejidad, debido a la innovación tecnológica, la globalización

y la transferencia acelerada de conocimiento, todo este avance influye a las

empresas para que sean más competitivas e innovadoras. Actualmente nada

es estable, todo está cambiando, las empresas y los gerentes están afrontando

cada día las nuevas exigencias para estar a la vanguardia de la competencia.

Según IDC [1], del 2005 al 2020, la información digital crecerá por un factor de

130 exabytes a 40.000 exabytes, o 40 billones de gigabytes (más de 5.200

gigabytes por cada hombre, mujer y niño en el año 2020). Desde ahora hasta el

2020, la información digital será aproximadamente el doble cada dos años.

Figura 1 Crecimiento de la información digital de 50 veces desde el 2010 al 2020

2

Todo este crecimiento continuo de las organizaciones está haciendo que la

cantidad de datos generados crezca continuamente. Esta complejidad genera

un universo de información que sobrepasa la capacidad de análisis de las

organizaciones, es por ello que las empresas deben sacar ventaja de su

información a partir de la utilización y análisis constantes de la misma y de

esta manera potenciar la toma de decisiones.

Según IBM en el 2010 se generó 988 exabytes de los cuales el 80% del

contenido reside fuera de la empresa. En efecto, en el entorno económico

empresarial, la velocidad con que la información es generada es asombrosa,

debido a que se está generando una masa enorme de información, cada vez

con mayor nivel de granularidad. El análisis de toda esta masa de información

se ha convertido en un reto intimidatorio. Los gerentes requieren potentes

instrumentos de análisis y un cambio de cultura que les permita modelar

continuamente la complejidad para aprender de ella [2].

Debido a la gran cantidad de información de la organización que tiene que ser

estructurada y modelada para la correcta toma de decisiones, y el monitoreo de

los proveedores, clientes, empleados y procesos, se requiere plataformas que

modelen dichos escenarios complejos, que analicen y permitan construir

velozmente reportes para la toma de decisiones. Es allí donde la Inteligencia de

Negocios en las empresas entrega gran valor a sus productos y servicios en la

medida que la toma de decisiones estratégicas de las empresas estén

basadas en Inteligencia de Negocios permitiendo crear valor en los mercados y

captar nuevas oportunidades de negocios. En otras palabras la Inteligencia de

Negocios a través de modelos de decisión permite tomar decisiones

inteligentes, innovarse, ser competitivos, aprender continuamente y estar

preparados para los cambios del entorno.

Como se puede observar en la actualidad la información se ha convertido en un

bien preciado, es parte fundamental de toda empresa para tener un alto nivel

de competitividad y posibilidades de desarrollo. Las empresas buscan emplear

dicha información para generar conocimiento útil para la mejora de sus

procesos empresariales. De esta forma, la ventaja competitiva de las

organizaciones radica en la forma de interpretar la información y convertirla en

un elemento diferencial.

3

Según IDC para Latinoamérica: Brasil concentra el 50% de la inversión

regional de BI. Luego, viene México con el 20% y el 25% de la inversión

regional, ya que se usa al país azteca como plataforma para operar en todo

Centroamérica. Otros países como Colombia y Perú están teniendo

crecimientos de dos dígitos y Argentina sigue con niveles de inversión en torno

al 8%.

Sin embargo, aún existe gran cantidad de organizaciones que no saben cómo

administrarla adecuadamente, debido a que sus sistemas actuales no soportan

el manejo adecuado de grandes volúmenes de información. Así tienen el

problema de utilizar su información para emplearla en la toma de decisiones.

Se puede decir que es casi imposible que una empresa no haga uso de la

información para el desarrollo de sus actividades cotidianas; tan solo tener la

información adecuada de un estado financiero no necesariamente en

computadoras demuestra que es necesaria la información para todo tipo de

actividades y si a esto le agregamos el uso de computadoras como

herramientas junto con sistemas capaces de ofrecernos la información en

forma rápida, ordenada, y concreta, la empresa tendría más alto nivel de

competitividad.

En la actualidad en la Universidad Peruana Unión, dentro del 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 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 sirve 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

4

el Sistema Académico y el resto en otros sistemas que poseen las áreas tales

como (Recursos Humanos, PROESAD, Admisión, Colegio Unión, Instituto de

Idiomas, Bienestar Universitario, entre otros). 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.

En este trabajo de investigación nos circunscribiremos solamente a la

implementación del EIS y como aspecto complementario, la valoración del EIS

en torno a la calidad de la información brindada por dicho sistema.

1.1.2 Antecedentes de investigación

1.1.3.1 Ámbito internacional

En el ámbito internacional existen varios casos de éxito de empresas

que aplicaron inteligencia de negocios para llevar un mejor control de

sus negocios así como para toma de decisiones. A continuación se

mostrarán dos casos de éxito de empresas conocidas dentro del

ámbito internacional:

Empresa DIRECTV

Descripción: DIRECTV es el proveedor líder mundial de servicios de

televisión por satélite. Con ingresos anuales de $ 21.5 mil millones, la

compañía presta servicios a aproximadamente 18,5 millones de

clientes en Estados Unidos y más de 6,5 millones de clientes en

Latinoamérica. En los EE.UU., DIRECTV ocupa el puesto más alto en

la satisfacción del cliente que el cable hace nueve años (basado en

datos del Índice de Satisfacción del Cliente Americano 2001-2009).

Situación: DIRECTV necesitaba mantener la atención de alta calidad

al cliente para apoyar el crecimiento y evitar la pérdida de clientes en

un mercado altamente competitivo. Esto incluye la mejora de los

niveles generales de servicio al cliente mediante la optimización de

5

rutas de campo del técnico para las nuevas instalaciones y las

llamadas de servicio. DIRECTV también quería reducir el fraude de

forma proactiva para evitar visitas del servicio a nuevos clientes que

son potencialmente fraudulentos. Además, la compañía quería atraer a

nuevos clientes a través de la mejora de la ejecución de campañas de

marketing. DIRECTV tuvo el reto de satisfacer las necesidades

cambiantes de sus agentes de servicio al cliente con un promedio de

más de 600 000 llamadas de clientes por día, y tuvo que manejar

grandes volúmenes de datos [3].

Solución: DIRECTV implementó la herramienta de inteligencia de

negocios Oracle GoldenGate para consolidar mercados de datos

dispares en un almacén central, lo que mejoró la puntualidad, la

granularidad y precisión de los datos de clientes y de servicios

disponibles a partir de su sistema operacional de Oracle Siebel CRM.

Esta solución ha permitido a los directores y más de 15 000 agentes de

centros de llamadas realizar consultas de datos en tiempo real y

análisis a través de los paneles de control, utilizando la entrega de

correo electrónico, y presentación de informes del usuario final [3].

Empresa Nestlé

Descripción: Nestlé con base en Vevey, Suiza, fue fundada en 1866

por Henri Nestlé y hoy es la compañía líder mundial en nutrición, salud

y bienestar. Tiene empleados alrededor de 280 000 personas y posee

operaciones o fábricas en casi todos los países del mundo.

Situación: Necesidad de analizar los datos generados por los

productos de comidas y bebidas, sobre ventas y otras métricas de

rendimiento empresarial.

Solución: Nestlé opta por una herramienta de inteligencia de negocios

SAP Business Warehouse como su estándar global para el

almacenamiento de datos y presentación de informes analíticos.

Utilizará la herramienta Cognos BI para complementar la parte

6

delantera SAP Business Warehouse, dando a "usuarios avanzados" la

capacidad de manejar informes y la agrupación de los datos [4].

1.1.3.2 Ámbito nacional

Igualmente las organizaciones del Perú están viviendo una nueva

etapa, el crecimiento de casi todas las industrias es el reflejo de una

demanda ascendente y del crecimiento de la competitividad. Es por

ello, que las empresas de alto rendimiento están optando como ventaja

competitiva la explotación de la información para la toma de decisiones.

Como evidencia mencionaremos algunos casos de éxito.

Empresa Proceso MC PERÚ

Descripción: Es una empresa dedicada a procesar las transacciones

que se realizan a través de distintos bancos y emisoras de tarjetas de

crédito. Por sus sistemas se concretan cerca de medio millón de

operaciones diarias.

Situación: La empresa requería de una herramienta que le permita

gestionar y analizar de manera eficiente y ágil grandes volúmenes de

información.

Solución: MicroStrategy fue la empresa elegida para proveer una

herramienta de Business Intelligence que ayude a Medios de Pago a

resolver el procesamiento de información para obtener reportes que

mejoren y agilicen la toma de decisiones de la compañía. Con su

implementación lograron para la gerencia general reportes sencillos,

dinámicos y prácticamente inmediatos [5].

Instituto Nacional de Estadística e Informática - Perú

Descripción: El Instituto Nacional de Estadística e Informática (INEI)

del Perú es uno de los organismos más reconocidos de la región. La

fidelidad de sus datos le permite ganar prestigio, y en la institución

saben que la veracidad de los datos que obtienen y publican es vital no

7

solo para reconocimiento sino también para las decisiones político-

económicas que toma el Gobierno Central, Regional y Local [6].

Situación: El último Censo de Población y Vivienda realizado en Perú,

en el año 2007, arrojó una cantidad enorme de información que habilitó

la posibilidad de presentarla de diversas maneras, abordarla desde

distintos universos para integrarla de manera estadística.

Solución:

Esto implicó disponer de una solución moderna para guardar los datos

y ponerlos a disposición del público. Después de un tiempo en el que

se evaluaron diversas alternativas, se eligió la herramienta de BI

MicroStrategy, para el desarrollo de un data warehouse en el que se

incorporó la información del Censo 2007. Esta solución permite ofrecer

al INEI la información que obtienes de sus distintos censos nacionales

a través de cuadros y gráficos estadísticos confeccionados de acuerdo

a la necesidad de los usuarios, públicos y privados.

1.1.4 Formulación del problema

1.1.4.1 Problema general

Tomar decisiones en forma ágil y eficiente es la clave para el éxito en

el mercado competitivo del sistema universitario peruano.

Comprendiendo esto la Universidad Peruana Unión, en el área

académica, urge en la necesidad de mejorar sus sistemas de toma de

decisiones ya que pueden ser superados por el volumen y la

complejidad de los datos disponibles. Para esta problemática se

propone la implementación del EIS que brindará información válida

para la toma de decisiones en la gestión del proceso de enseñanza y

aprendizaje.

1.1.4.2 Problema específico

¿El sistema de información ejecutiva académico basado en inteligencia

de negocios es efectivo en el mejoramiento de la calidad de

8

información en línea de los indicadores académicos de la Universidad

Peruana Unión?

1.1.5 Delimitación del problema

1.1.5.1 Delimitación temporal

El proyecto del EIS se desarrolló en el periodo comprendido del 1 de

octubre del 2013 hasta 30 de septiembre del 2014, considerando las

últimas semanas para la capacitación del uso del EIS y su valoración

de la calidad de información.

1.1.5.2 Delimitación espacial

El proyecto responde al mejoramiento de la calidad académica de la

Universidad Peruana Unión, institución que se ubica a la altura del Km

19 de la Carretera Central, Ñaña.

La Universidad Peruana Unión, antes Universidad Unión Incaica fue

creada el 30 de diciembre de 1983 por la ley constitucional de la

República N.° 23758, y denominada con el nuevo nombre el 3 de

noviembre de 1995 por la promulgación de la ley N.° 26542. Inscrita en

la ficha 16616, asiento 1 del libro de asociaciones del Registro de

Personas Jurídicas de los Registros Públicos de Lima sin fines de

lucro.

El EIS contempla los indicadores de los procesos académicos de la

UPeU, la sede central ubicada en Lima, y las filiales de Juliaca y

Tarapoto.

1.2 JUSTIFICACIÓN E IMPORTANCIA

1.2.1 Justificación práctica

Ayuda a la automatización de la información de los indicadores del proceso de

enseñanza-aprendizaje. Igualmente permite integrar las diferentes fuentes de

información en menor tiempo. Otra implicación práctica es la escalabilidad para

9

modificar o agregar nuevos indicadores. Asimismo, sirve como herramienta de

apoyo para la toma de decisiones.

1.2.2 Justificación metodológica

Se justifica por el uso de la metodología de Kimball, que se adapta más a la

necesidad académica actual de la UPeU, ya que está enfocada a un grupo de

procesos específicos y conlleva a la implementación de un Data Mart como el

motor del EIS.

1.2.3 Justificación de la viabilidad de la investigación

El presente trabajo de investigación es viable o factible pues se cuenta con los

siguientes recursos: 1) Licencia del SQL Server 2012 y versión libre de

MicroStrategy 9, 2) Disponibilidad de personal, 3) Se cuenta con la estación de

trabajo equipada, 4) Disponibilidad de recursos financieros por parte del

Vicerrectorado Académico de la UPeU.

1.2.4 Importancia

El propósito del trabajo de investigación fue implementar el EIS como apoyo a

la toma de decisiones, que permita monitorear el estado de los indicadores del

proceso enseñanza y aprendizaje, cuyos reportes periódicos faciliten evaluar el

desarrollo de los procesos académicos de la Universidad Peruana Unión. Estos

reportes son evidencias necesarias para determinar las medidas de

contingencia más adecuadas para el área académica.

1.3 OBJETIVOS DE LA INVESTIGACIÓN

1.3.1 Objetivo general

Implementar el Sistema de Información Ejecutiva, como herramienta

indispensable para los usuarios del nivel administrativo académico en la toma

de decisiones de los aspectos académicos de la UPeU, a partir de la

información oportuna brindada por el EIS.

10

1.3.2 Objetivos específicos

Entender y modelar los requerimientos del negocio para el EIS.

Implementar el EIS considerando el desarrollo del ETL, especificaciones de

aplicaciones BI, desarrollo de las especificaciones detalladas de la plantilla.

Determinar el efecto del sistema de información ejecutiva académico

basado en inteligencia de negocios en la calidad de información en línea de

los indicadores estratégicos de la Universidad Peruana Unión.

1.4 Hipótesis

1.4.1 Hipótesis general

Para la implementación del EIS basado en inteligencia de negocios, por

ser una investigación tecnológica, no tiene sentido la formulación de

una hipótesis; ya que una investigación tecnológica consiste en hacer

operacionalmente realizables ideas que sabemos que físicamente o

materialmente son verdaderas en respuesta a una necesidad y no una

suposición acerca de la solución del problema [7]. El resultado de una

investigación tecnológica se alcanza en un plazo fijo y constituye un

conocimiento utilizable de manera inmediata, y que se concreta en

inventos, diseños e innovaciones.

1.4.2 Hipótesis específica

El uso del sistema de información ejecutiva académico basado en

inteligencia de negocios es efectivo en el mejoramiento de la calidad de

información en línea de los indicadores académicos de la Universidad

Peruana Unión.

Sub Hipótesis

El sistema de información ejecutiva académico basado en

inteligencia de negocios es efectivo en el mejoramiento de

la efectividad de la información en línea de los indicadores

estratégicos de la Universidad Peruana Unión.



11

la confidencialidad de información en línea de los

indicadores estratégicos de la Universidad Peruana Unión.



la integridad de información en línea de los indicadores




la disponibilidad de información en línea de los indicadores




la confiabilidad de información en línea de los indicadores


12

CAPÍTULO II

MARCO TEÓRICO

2.1 Inteligencia de negocios

2.1.1 Introducción a la inteligencia de negocios

La rápida evolución de TI en las organizaciones, ha influenciado en la

Inteligencia de Negocios (BI) buscando formas innovadoras para ser igual de

rápido y flexible. El mercado de BI ha ido evolucionando, debido a que se ha

producido soluciones de software que cubren con las necesidades de una

organización para la explotación de la información, han surgido nuevas

empresas con foco en la innovación cubriendo nuevos nichos de mercado de

la inteligencias de negocio [8].

Existe una gran necesidad de ser más intuitivo y rápido en el mundo

empresarial con el fin de adaptarse a los cambios del entorno. Una de las

formas por las cuales las organizaciones pueden satisfacer dicha necesidad es

mediante el uso de modelos de desarrollo basados en BI. Hay muchos

componentes en una solución exitosa de BI que incluye la integración de datos,

el almacén de datos empresariales, cuadros de mando, reportes predictivos

entre otros. Cada uno de estos componentes son muy importantes para una

organización, pues brindan un panorama de cómo está yendo y qué decisiones

deberá tomar hacia el futuro.

Las empresas deben saber que los requerimientos del negocio no son

estáticos, sino que deben de adecuarse a las necesidades cambiantes, por lo

que se llega a la conclusión que no podemos seguir con un enfoque de gestión

que no es ni rápido ni flexible. Aplicando los conceptos de desarrollo de BI es la

forma de ir hacia adelante.

13

2.1.2 ¿Qué es inteligencia de negocios?

La inteligencia de negocios o BI responde a las necesidades de tener mejores,

más rápidos y más eficientes métodos para extraer y transformar los datos de

una organización, es una evolución de los sistemas de soporte a las decisiones

(DSS) [9].

Por lo tanto, BI es un conjunto de metodologías, aplicaciones, prácticas y

capacidades enfocadas a la creación y administración de la información,

permitiendo tomar mejores decisiones a las organizaciones mediante el análisis

y explotación de los datos. Asimismo, comprende el funcionamiento actual de

la empresa y la anticipación de acontecimientos futuros debido a las

predicciones plasmadas en los reportes, con la finalidad de ofrecer

conocimientos para respaldar las decisiones empresariales.

Las herramientas de inteligencia trabajan con datos extraídos de diferentes

bases de datos existentes en la empresa, con información relacionada a dicha

empresa o sus ámbitos. Mediante las herramientas y técnicas ELT (extraer,

cargar y transformar), se procede a extraer los datos de distintas fuentes, se

depuran y preparan (homogeneización de los datos) para luego cargarlos en un

almacén de datos (Data warehouse o Data mart).

El éxito de un software de inteligencia de negocios dependerá mucho de su

implementación y uso en beneficio de la empresa; si esta empresa es capaz de

incrementar su nivel financiero, administrativo y sus decisiones mejoran la

actuación de la empresa, el software de inteligencia de negocios seguirá

presente en mucho tiempo, en caso contrario será sustituido por otro que

aporte mejores y precisos resultados.

Se puede mencionar algunas tecnologías que forman parte de BI: Data

warehouse, Reporting, Análisis OLAP (Proceso analítico en línea), Cuadro de

mando, Minería de datos, Integración de datos (incluye ETL), entre otros.

14

2.1.3 Características de la inteligencia de negocios

Contiene las siguientes características más comunes en todo el conjunto de

herramientas y metodologías:

Accesibilidad a la información. Como se sabe los datos son la fuente

principal en toda organización. Lo que debe garantizar estas herramientas

será el acceso de los usuarios a la información que realmente importa,

independientemente de la procedencia de estos, facilitando la toma de

decisiones justas en el momento adecuado y reduciendo costes en las

tareas repetitivas [10].

Apoyo en la toma de decisiones. Brinda una mejor presentación de

reportes, con la finalidad que a los usuarios se les facilite el acceso a

herramientas de análisis que les permita manipular los datos que les

interesen [11].

Integración de los datos: Sin importar dónde se encuentre la información,

ya sea en diferentes áreas y sistemas que generan datos, los usuarios

podrán preparar reportes y realizar búsquedas muy profundas en la

información, por lo que el proceso por el que dichos datos se convierten en

información útil implica que se coordine su acceso, se integren las fuentes

de manera adecuada, y se agreguen de forma correcta [11].

Orientado al usuario final. Trata de generar autonomía entre el usuario

final del sistema BI con la finalidad de que pueda crear sus propios

reportes [12].

2.1.4 Clasificación de las soluciones de inteligencia de negocios

Las soluciones de Business Intelligence se clasifican en dos [13], las cuales

son:

15

REPORTES

Reportes predefinidos: permiten obtener información de manera

sintetizada, en tiempo real, la generación de reportes en diferentes

formatos y con opciones de personalización.

Reportes a la medida: los mismos usuarios pueden armar sus reportes

con la información obtenida de la solución BI.

Cubos OLAP (On-Line Analytic Processing): BI trabaja con una base de

datos multidimensional que permite procesar gran cantidad de información

para posteriormente llevar a cabo análisis e informes que permitan a los

usuarios tomar decisiones.

Alertas: envía alertas sobre cuestiones críticas del negocio.

ANÁLISIS

Análisis estadístico: permite realizar reportes con modelamiento

predictivo, así como descubrir la relación causa y efecto entre dos métricas

[14].

Pronósticos: con Dada Mining se puede obtener reportes predictivos, la

cual permite extraer la información del data warehouse utilizando algunas

técnicas como redes neuronales, modelamiento predictivo, etc.

Optimización: ofrece reportes rápidos a la medida de las necesidades de

los usuarios además de ser amigables.

Minería de procesos: es utilizada cuando la información existente es de

mala calidad. Compara modelos probabilísticos para contrastar la realidad

con el modelo propuesto [15].

Existen varias alternativas de herramientas BI en el mercado con énfasis en la

búsqueda e integración de datos empresariales, de fácil manejo, lo cual acelera

la tendencia hacia la descentralización y en gran medida permite a las

organizaciones la capacidad de realizar análisis de diagnóstico [16].

16

Figura 2 Cuadrante mágico de BI y plataformas analíticas

2.1.5 Componentes de inteligencia de negocios

A continuación se muestran los componentes de BI, los cuales permitirán

gestionar la información así como la ayuda a la toma de decisiones.

Según Marta Z. [17], la inteligencia de negocios está conformada por los

siguientes componentes:

17

Figura 3 Componentes de una solución BI

2.1.5.1 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 no

volátil, estable, emitiendo reportes para el proceso de toma de

decisiones.

Figura 4 Data Warehouse

FUENTES EXTERNAS

Depuración e integración

FUENTES INTERNAS

DATA WAREHOUSE

18

Es importante saber que un cambio en los sistemas operacionales no

afecta al Data warehouse, pues este se separa de los sistemas

operaciones de las necesidades de gestión (información procesada

exclusivamente para la toma de decisiones). Se debe considerar que la

construcción de un Data warehouse o Data Mart ocasionará el éxito o

fracaso de la información brindada, requerida exclusivamente para la toma

de decisiones.

Cabe aclarar que un Data Mart es orientado a un determinado proceso o

grupo de procesos relacionados 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.

2.1.5.2 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.

Figura 5 Proceso ETL

DATA WAREHOUSE

FUENTE 1

FUENTE 2

Archiv

o 1

Archiv

o 2

Carga

Transformación

Extracción

19

2.1.5.3 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).

Esta estructura permite recoger los datos de la organización y

almacenarlos, organizando la información según los parámetros que se

consulten, realizando diferentes combinaciones de datos, todo esto se da a

partir de estructuras multidimensionales que contienen los datos resumidos

de los sistemas transaccionales (OLTP) o de otras fuentes de datos,

obteniendo así la información hasta un grado de detalle, de forma rápida e

intuitiva, analizando los datos de diferentes puntos de vista.

2.1.5.4 Query and Reporting

Son herramientas que permiten la elaboración de reportes, informes,

listados tanto a nivel de granularidad como sobre información agregada.

Trabaja con la información brindada a partir de los Data Warehouse o Data

Marts.

Figura 6 Query & reporting

FUENTE 1

FUENTE 2

Archivo

1

Archivo

2

ETL

DATA WAREHOUSE

20

Estos reportes son en base a los perfiles de usuario, además de ser

dinámicos ya que permiten armar los reportes a los requerimientos del

usuario (agregar, quitar columna, tipo de letra, etc.), generar diferentes

formatos de salida para los reportes tales como PDF, Excel, HTML, entre

otros y pueden ser visualizados en papel, dispositivos, web, móviles, etc.

2.1.6 Características del Data Warehouse

ORIENTADO AL TEMA: está orientado a la información de interés de la

organización. El diseño orientado a temas es para consultar eficientemente la

información referente a las actividades de la organización [18]. Esto se muestra

en la siguiente figura.

Figura 7 Ejemplo de datos orientados a temas

21

INTEGRADO: una característica importante del Data Warehouse es que la

información está siempre integrada, esto se da cuando la data pasa del entorno

operacional a la data warehouse [18]. Es su interior posee todos los datos

recolectados de los diferentes sistemas operacionales de la organización o

fuentes externas.

A través del desarrollo de las diferentes aplicaciones cada diseñador difiere en

las codificaciones, medida de los atributos, en las convenciones de

nombramiento y otros. Por lo que se tiene que enfrentar con diferentes

codificaciones de las diferentes aplicaciones. Un ejemplo de ellos es el campo

“género” que es el más común, algunos los ponen con “M” y “F”, otros con “1” y

“0”, o lo escriben completo “masculino” y “femenino”. En lo que respecta a

medida de atributos también pasa lo mismo, cada diseñador utiliza la medición

de atributos que cree que es más apropiado por ejemplo en cm, pulgadas,

yardas, etc. En las convenciones de nombramiento muchas veces el mismo

elemento es referido por nombres diferentes en las diversas aplicaciones.

Figura 8 Datos Integrados

22

DE TIEMPO VARIANTE: los datos están relacionados a un período de tiempo,

los cuales deben ser recolectados para ser integrados periódicamente. Estos

datos son almacenados como fotos que corresponden a períodos de tiempo, es

decir en algunos casos, un registro es una marca de tiempo y en otros casos

un registro tiene una fecha de transacción, pero en todos los casos existe una

forma de establecer el tiempo preciso durante el cual el registro se realizó [18].

Como sabemos los datos históricos no se usan en el procesamiento

operacional, estos datos sirven para la evaluación de tendencias para la toma

de decisiones.

Figura 9 Variable en el tiempo

NO VOLÁTIL: los datos operacionales cambian constantemente (Inserta,

actualiza, elimina), la información estable del Data Warehouse (Carga, acceso)

es esencial para el análisis y la toma de decisiones. Es por ello que los datos

son almacenados, no se actualizan solo se incrementan[18].

23

Figura 10 No volátil

2.1.7 Elementos de un Data Warehouse

A continuación de describe cada uno de los elementos de un data Warehouse

señalados por Kimball [19].

Figura 11 Elementos de una data Warehouse

24

2.1.7.1 Fuentes de datos

Son los datos presentes en las organizaciones, en el cual se inicia la

captura de datos necesarios para la conformación del Data Warehouse.

Estas fuentes de datos provienen de los sistemas operacionales, sistemas

externos a la organización, etc.

2.1.7.2 Data Staging Area

Es un área de almacenamiento ubicada entre las fuentes de datos y el data

Warehouse, cuya funcionalidad es facilitar la extracción de datos,

realizando una limpieza de datos, transformación, depuración de

duplicados, preparándolo para el uso en el data Warehouse.

2.1.7.3 Servidor de presentación

Cuyo objetivo es que los datos del data warehouse se organicen y se

almacenen para consulta directa por los usuarios finales.

2.1.7.4 Modelo dimensional

Un modelo dimensional contiene la misma información que un modelo

entidad-relación (E/R) pero empaqueta los datos en un formato simétrico

cuyos objetivos de diseño son la comprensibilidad del usuario, rendimiento

de las consultas y la resistencia al cambio.

Figura 12 Modelo dimensional

25

Como podemos observar en la figura 12, un modelo dimensional está

conformado por las dimensiones y hechos, además de la existencia de

jerarquías y granularidad. A continuación describiremos cada una de ellas:

2.1.7.4.1 Hechos

Los hechos se usan para definir qué es lo que se quiere medir. Según

Kimball, la tabla de hechos es la principal en cada modelo dimensional,

está destinada a contener las medidas de rendimiento de la

organización. Los hechos más útiles son numéricos y aditivos. Cada

tabla de hechos es una relación de muchos a muchos y cada tabla de

hechos representa un conjunto de dos o más llaves foráneas (FK).

Si el diseño se ha realizado correctamente, muchas de las tablas

dimensiones se compartirán de tabla de hechos a tabla de hechos. Un

modelo dimensional distingue entre hechos y atributos. Un hecho es por

lo general algo que no se conoce de antemano. Muchos hechos en el

mundo empresarial son numéricos, aunque algunos pueden ser texto

valioso. El diseñador debe sospechar que cualquier campo de datos

numéricos es probablemente un hecho.

Los hechos son la justificación de la tabla de hechos y los valores clave

son simplemente estructuras administrativas para identificar los hechos.

Cabe resaltar que existen diferentes tipos de tablas de hechos los cuales

son: tabla de hechos de transacciones, tablas de hechos instantáneas

periódicas y tablas de hecho instantáneas de acumulación [19].

Tabla de hechos de transacciones: representa eventos que

suceden en un determinado espacio de tiempo, por ejemplo ítems de

una compra, transacciones sobre una cuenta, llamada, etc.

Tablas de hechos instantáneas periódicas: como su nombre lo

dice, estas tablas se usan para recoger información de manera

periódica, es decir contiene información resumida de una

determinada actividad durante un determinado periodo, como por

ejemplo, resumen mensual de los movimientos de una cuenta,

cantidad de desertados en un semestre académico, etc.

26

Tablas de hechos instantáneas de acumulación: representan el

ciclo de vida de una actividad o proceso que tiene un inicio un fin,

en otras palabras realizan el seguimiento de elementos que tienen

una vida limitada, como por ejemplo póliza de seguros, alquiler de

películas, etc.

2.1.7.4.2 Dimensiones

Es un conjunto de dimensiones que acompañan a una tabla de hechos.

Cada dimensión está acompañada de una llave o clave principal, más

conocida por sus siglas PK, esta a su vez sirve como base para la

integridad referencial con la tabla de hechos a la cual se une. Así

mismo una dimensión también puede contener llave foránea o FK, las

cuales identifica una columna en una tabla hija o referendo que se

refiere a una columna de la tabla padre o referenciada. La mayoría de

las tablas de dimensiones contiene muchos atributos que son la base

para limitar y agrupar dentro de las consultas del data warehouse.

2.1.7.4.3 Nivel de granularidad

Se entiende por granularidad o grano al nivel de detalle al que se desea

almacenar la información de un determinado negocio. Mientras mayor es

el nivel de detalle de los datos, se tendrá mayores posibilidades de

análisis ya que los mismos podrán ser resumidos.

Kimball en su metodología, recomienda comenzar a diseñar el DW al

mayor nivel de detalle posible, luego posteriormente se podría realizar

agrupamientos al nivel deseado. La ventaja que se obtiene cuando se

realiza una fina granularidad es que se puede hacer “drill-down” o

“perforación hacia abajo”, quiere decir que se le da la facilidad al usuario

de ver datos generales e irse profundizando hasta un alto nivel de detalle

de los datos.

27

Es importante que la elección de la granularidad dependa de los

requerimientos del negocio, por ejemplo dentro de una tabla dimensión

zona geográfica, contiene los atributos continente, país, departamento,

provincia, distrito.

Figura 13 Granularidad de la dimensión zona geográfica, con una jerarquía de cinco niveles

Como se puede observar en la figura 13, cuanto más pequeña es la

unidad de medida más fina será la granularidad, por el contrario si las

unidades de medida son mayores, será una granularidad gruesa.

2.1.7.4.4 Jerarquías

Asimismo, se puede observar en el ejemplo anterior la utilidad que

tienen estos datos para organizar la información dentro de cualquier

negocio, como se ha podido ver en el ejemplo. Se crea una jerarquía

con la dimensión ya que se tiene varios niveles de asociación de los

datos. También existen otros ejemplos como el caso del tiempo que se

puede organizar por año, semestre, meses, semanas y días.

Cuando existe jerarquía en una o varias dimensiones existen dos

maneras con respecto a la forma que deben ser diseñadas. El primero

consiste en reflejar todos los niveles jerárquicos dentro de la misma

dimensión, obteniendo el esquema estrella; la segunda forma reside en

aplicar a las dimensiones una regla de normalización que se sigue al

generar bases de datos relacionales. Esta normalización permite evitar

redundancia de datos y almacenar la información utilizando menos

espacio teniendo como resultado el esquema copo de nieve.

28

Figura 14 Modelo Estrella

Figura 15 Modelo Copo de Nieve

2.1.7.5 Procesos de negocio

Se define un proceso de negocio como una serie de actividades

empresariales que tengan sentido para los usuarios de negocio del data

warehouse.

2.1.7.6 Data Mart

Un data mart es un subconjunto del DW completo. Un DW está compuesto

por la unión de todos sus data marts. El data mart está probablemente

patrocinado y construido por una sola parte de la empresa y organizado en

29

torno a un único proceso de negocio o grupos de procesos relacionados

dirigida hacia un grupo empresarial en particular.

Un Data Mart es consultado mediante herramientas OLAP que ofrece una

visión multidimensional de la información. Cabe resaltar que sobre esta

base de datos se pueden desarrollar sistemas EIS y DSS.

2.1.7.7 Dara warehouse

El data warehouse es la fuente de datos consultable dentro de la empresa.

El DW no es más que la unión de todos los data marts constituyentes.

2.1.7.8 Operacional Data Store

El término almacén de datos operacional ha cobrado varias definiciones

entre las que destacan las siguientes:

Originalmente el ODS, se ha creado para servir como punto de integración

para los sistemas operativos. Está orientada para los sistemas de legado

que crecieron independientes entre sí. Dado que este tipo de ODS debe

apoyar el acceso operativo constante y actualizaciones, debe estar alojado

fuera del almacén.

En la segunda definición, el propósito del ODS ha cambiado para incluir lo

que suena como el acceso a la ayuda de toma de decisiones para los

empleados y ejecutivos.

Cabe resaltar que si se tiene la intención de desempeñar un papel en

tiempo real de funcionamiento, entonces tener un ODS convendría bien, de

lo contrario si el papel es de proporcionar informes o ayuda a la decisión se

debería omitir.

30

2.1.7.9 OLAP

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 [20].

2.1.7.10 ROLAP

Significa “procesamiento analítico en línea relacional”. Esta arquitectura

ROLAP accede a los datos almacenados en un DW para proporcionar los

análisis OLAP. ROLAP se basa en que las capacidades OLAP se soportan

mejor sobre las bases de datos relacionales [20].

Figura 16 Arquitectura ROLAP

2.1.7.11 MOLAP

Significa “procesamiento analítico en línea multidimensional”. A diferencia

del ROLAP, el MOLAP los datos se almacenan en estructuras especiales

llamadas “cubos” de datos (matriz de bases de datos de almacenamiento)

[20].

31

Figura 17 Arquitectura MOLAP

2.1.7.12 Aplicación del usuario final

Es una colección de herramientas de consultas que permiten analizar y

presentar la información dirigida al apoyo de una necesidad de negocio.

Estas herramientas proporcionan al usuario el acceso a datos

proporcionando una interfaz para la simplificación de las presentaciones en

pantalla [19].

2.1.7.13 Herramientas de acceso a usuarios finales

Una herramienta de acceso a datos de usuario final puede ser tan simple

como una herramienta de consulta ad-hoc, o puede ser tan complejo como

la minería de datos o aplicación de modelado sofisticado.

2.1.7.14 Herramientas de consulta Ad-Hoc

Un tipo de herramienta específica de acceso a datos que invita al usuario a

formar sus propias consultas, manipulando directamente las tablas

relacionales y sus uniones. Estas herramientas de consulta poderosas solo

pueden ser utilizadas con eficacia y comprendidas en un 10 por ciento de

todos los potenciales usuarios finales de un DW. El 90 por ciento restante

32

deberá disponer de aplicaciones preconstruidas que no requieren que el

usuario final construya consultas directamente.

2.1.7.15 Aplicaciones de modelado

Aplicaciones sofisticadas de almacenamiento de datos con capacidades

analíticas que transforman o dirigen la salida del DW. La mayoría de estas

herramientas son modelos de pronóstico que intentan predecir el futuro,

modelos de puntuación que agrupan y clasifican el comportamiento de la

compra del cliente o el comportamiento crediticio del cliente, la mayoría de

las herramientas de minería de datos.

2.1.7.16 Metadatos

Hace varios años se decidió que los metadatos son datos acerca de datos.

Esta visión borrosa se aclaró gradualmente y recientemente hemos estado

hablando acerca de “back room metadata” y “from room metadata”. Los

metadatos back room es el proceso relacionado, y que guía al proceso de

extracción, transformación y carga. Los metadatos from room ayuda a

herramientas de consulta y redactores de informes a que funcionen sin

problemas.

2.1.8 Requerimientos fundamentales de un Data Warehouse

La infraestructura del Data Warehouse es diferente a la que soportan sistemas

operacionales. A continuación se mencionan los requerimientos fundamentales

de un Data Warehouse que podrían ser los siguientes [21]:

Acceso universal a los datos, los cuales se crean de acuerdo a los

requerimientos de los usuarios y dentro del marco de un modelo de datos.

Implantación de un sistema abierto, con interfaces a fuentes de datos

internas y externas.

Selección de datos de acuerdo a la información requerida para la toma de

decisiones.

Separación lógica y física de las bases de datos del Data Warehouse y del

metadatos en relación a las bases de datos operacionales.

33

Creación de una aplicación final para el usuario, que pueda ser intuitivo

para armar reportes necesarios para la toma de decisiones.

2.1.9 Conceptos erróneos de un Data Mart

Cuando se menciona un Data Mart generalmente se lo relaciona con un Data

warehouse y se termina concluyendo que es una versión pequeña de un Data

Warehouse y en cierto modo es así pero esta idea suele hacer caer en los

siguientes errores [22]:

Su implementación es más sencilla que un DW: esto es falso pues su

implementación es muy similar ya que debe proporcionar las mismas

funcionalidades.

Tienen menor necesidad de recursos: Se debe aclarar que una aplicación

corriendo sobre un Data Mart necesita los mismos recursos que si corriera

en un Data Warehouse.

Consultas en menor tiempo debido al volumen de datos: Esto es falso pues

si bien es cierto no tiene todos los datos de la empresa, pero si todos los

datos necesarios de uno o varios procesos relacionados de un

determinado grupo empresarial en articular de la empresa. Así sería lo

mismo si se realiza una consulta de un proceso específico sobre el Data

Mart que si se hace sobre el data warehouse.

2.1.10 Cubos OLAP

Aquí la idea fundamental del modelado dimensional es que los datos del

negocio pueden ser representados en un cubo de datos, donde las celdas del

cubo contiene valores de medición y los bordes del cubo definen las

dimensiones naturales de los datos [19].

Estos cubos tienen un número indefinido de dimensiones motivo por el cual son

llamados también hipercubos, quienes proporcionan resultados resumidos

permitiendo a los usuarios analizar dicha información que no se podría obtener

con sistemas operacionales.

34

Según Kimball, un cubo es esencialmente un paquete acumulativo pre-

agregado de la base de datos, en el cual al realizar los usuarios las consultas,

estas son gestionadas por el servidor OLAP que las envía al cubo OLAP, es

decir no accede al data warehouse sino al mismo cubo debido a que este

guarda en memoria los datos preagregados [23].

Para acceder a esta información del cubo es mediante tablas dinámicas.

Dichas tablas permiten manipular las vistas donde se encuentra la información,

ya sea crear cruces entre filas y columnas, combinaciones, agregar filtros,

fórmulas, totales, etc., simplificando formular consultas complejas, arreglar

datos para reportes, cambiar los datos resumidos a detallados, todo esto con la

finalidad de manipular la información con facilidad y rapidez.

Lo más interesante de OLAP son sus operadores de manipulación de

consultas, entre los cuales tenemos el DRILL (introduce un nuevo criterio de

agrupación, descomponiendo los grupos actuales), ROLL (permite eliminar un

criterio de agrupación, agregando los grupos actuales), SLICE Y DICE

(permite seleccionar y proyectar datos en el informe), PIVOT (reorientación de

las dimensiones en el informe).

2.1.11 Operaciones OLAP

Como se ha visto OLAP es una herramienta cuya función es que el usuario

pueda navegar fácilmente por la información, para ello el usuario formula

consultas a la herramienta OLAP, por lo que esta genera la correspondiente

consulta y la envía al gestor de consultas del sistema (DWH o DM).

Por ejemplo: “El usuario necesita el importe de ventas del año pasado de los

productos del departamento de panificación, de la ciudad de Lima por mes

(octubre, noviembre y diciembre) y por categoría”.

En donde la restricción es: productos del departamento de panificación, ventas

del año pasado, de la ciudad de Lima.

35

Parámetros de consulta: por categoría de producto y por los meses de octubre,

noviembre y diciembre.

Figura 18 Ejemplo de consultas usuario

Como podemos observar en la figura 18, el usuario consulta a la herramienta

OLAP seleccionando atributos de esquema multidimensional sin conocer la

estructura interna del DW obteniendo el informe requerido [24].

A continuación se describirá los operadores de manipulación de consultas

propios de la herramienta OLAP.

2.1.11.1 DRILL-DOWN y ROLL-UP

DRILL-DOWN: permite introducir un nuevo criterio de agrupación en el

análisis, disgregando los grupos actuales, mietras que ROLL-UP: permite

eliminar un criterio de agrupación en el análisis agregando los grupos

actuales [24].

36

Figura 19 DRILL-DOWN Y ROLL-UP

Los operadores de agregación (DRILL) y disgregación (ROLL), se pueden

hacer sobre atributos pertenecientes a una dimensión en que se ha

establecido una jerarquía [24]

Figura 20 Consultas DRILL-DOWN y ROLL-UP

Como se puede observar en la figura 20, la consulta ubicada en la parte

superior está agrupada por año siendo ese el informe original. Cuando el

usuario quiere ver la información por mes, está realizando internamente un

drill-down, asimismo cuando el usuario solicita la información de pasar de

mes a año está realizando un roll-up.

37

2.1.11.2 SLICE and DICE

El operador slice and dice, se utiliza cuando necesitamos del informe

general enfocarnos a una información determinada y proyectarla[24].

Figura 21 SLICE & DICE

Como podemos observar en la figura 21 se muestra el informe general por

trimestre de las tiendas 1 y 2; las ventas realizadas de los productos

electrónicos, juguetes, cosméticos y ropa, en el que el usuario solo

necesita ver las ventas realizadas en la tienda 1, durante el trimestre 1 y 2,

de los productos electrónicos y juguetes obteniendo un nuevo informe. En

otras palabras al usuario se le da la facilidad de seleccionar lo que desea

ver y proyectar de los datos seleccionados.

2.1.11.3 PIVOT

Como su nombre lo indica, este operador permite reorientar las

dimensiones en el informe actual.

38

Figura 22 PIVOT

2.1.12 Comparación entre MOLAP y ROLAP

Al comparar las dos arquitecturas, se obtienen las siguientes

observaciones[25]:

El tiempo de respuesta de ROLAP es mayor que MOLAP, ya que ROLAP ejecuta

sentencias SQL (o múltiples sentencias SQL) directamente en la base de datos

relacional (DW), mientras que con MOLAP el rendimiento es excelente pues los

cubos que dan respuesta a los informes están previamente generados y realiza

las consultas de filtro de manera inmediata.

ROLAP, soporta bien las consultas ad-hoc mientras que MOLAP no.

MOLAP almacena los datos en estructuras con formatos de matrices

multidimensionales, mientras que ROLAP gestiona la información directamente

del data warehouse.

ROLAP, soporta análisis OLAP contra grandes volúmenes de datos, mientras que

MOLAP se comporta razonablemente en volúmenes de datos controlados.

En entornos con pocos cambios tales como pronósticos, estados financieros,

entre otros, se recomienda MOLAP; mientras que en entornos de análisis de

ventas o campañas de marketing que requieren datos con millones de continuos

cambios, tanto de productos, clientes o atributos requieren entornos ROLAP.

39

2.1.13 Esquema multidimensional

Como se mencionó anteriormente, existen dos esquemas que resaltan en el

modelado de datos dentro de un DW, entre los cuales tenemos esquema en

estrella y esquema en copo de nieve

A continuación describiremos cada una de ellas:

2.1.13.1 Esquema estrella

Compuesto de tabla de hechos ubicada en el centro y los objetos

conectados a esta tabla llamados tablas de dimensiones. Las dimensiones

solo se relacionan con la tabla de hechos, es decir no existe relación entre

dimensiones [26].

Figura 23 Esquema en estrella que representa las ventas de una cadena de tiendas

Una de las ventajas más importantes que posee el esquema en estrella es

que nos proporciona un mejor tiempo de respuesta de obtención de la

información. Otras de las ventajas es que proporciona mayor comprensión,

navegabilidad, refleja la visión de una consulta empresarial.

2.1.13.2 Esquema copo de nieve

El esquema de copo de nieve deriva del esquema en estrella, en donde

cada una de las puntas de la estrella pueden dividirse en más puntas, es

decir las tablas de dimensiones tienen relación con la tabla de hechos así

como otras dimensiones [26].

40

Figura 24 Esquema copo de nieve, donde se observa la relación entre la dimensión cliente y provincia

La ventaja que posee este esquema de copo de nieve, es que proporciona

un menor espacio de almacenamiento.

Se recomienda que se emplee un esquema en estrella justificándose el

mayor espacio de almacenamiento con la disminución del tiempo de

respuesta a la información solicitada.

2.1.14 Diseño del Data Warehouse: Kimball e Inmon

Aquí se repasa una posible arquitectura a la hora de planificar de cómo vamos

a obtener y almacenar los datos que servirán como información en nuestro

proyecto de BI.

Existen dos importantes personajes en el desarrollo conceptual de un Data

Warehouse: Ralph Kimball y Bill Inmon. Estos dos personajes persiguen los

mismos objetivos, pero la forma cómo conseguirlos difiere en gran manera, lo

que genera 2 formas diferentes de diseñar un Data Warehouse. Kimball la

define como una “una copia de los datos transaccionales estructurados

específicamente para consultas y análisis”. Para él lo más importante es que el

análisis de los datos que servirá para la toma de decisiones sea rápido, por lo

que estructura los datos del data warehouse siguiendo patrones dimensionales

[19]. Él sugiere una metodología Bottom-Up, ya que se extrae la información de

los sistemas transaccionales para ser cargada en Data Marts los cuales son

41

independientes, estos están orientados a información enfocada a un único o

varios procesos de negocios relacionados, dirigida hacia un grupo empresarial

particular y pueden ser implementados con tecnología ROLAP o MOLAP. A

este conglomerado de Data Marts dentro de la empresa, se lo considera un

Data Warehouse.

Figura 25 Enfoque Kimball – Arquitectura Bus del DW

Como podemos observar en la figura 25, los diferentes data marts están

conectados entre sí por la llamada estructura de bus, que permite que los

usuarios puedan realizar querys conjuntos sobre los diferentes data marts,

pues este bus contiene los elementos en común que los comunican.

Un data warehouse según Inmon, es una colección de datos orientada a un

determinado ámbito (empresa, organización, etc.), integrado, no volátil y

variable en el tiempo, que ayuda a la toma de decisiones en la entidad en la

que se utiliza. Se trata de un historial completo de la organización, todo esto

almacenado en una base de datos diseñada para el análisis y la divulgación

eficiente de los datos [18]. Inmon (considerado como el padre del concepto de

data warehouse) sugiere una estrategia Top-Down. Esto quiere decir que ve la

necesidad de transferir la información de una empresa a un lugar centralizado

para el análisis de datos (Data Warehouse) y este a su vez proporcione

información a los Data Marts.

42

Figura 26 Enfoque Inmon – DW Corporativo

Como observamos en la figura 26, la información obtenida de los diferentes

sistemas transaccionales, bases de datos, excel, etc. que maneja la

organización, pasa por un proceso de extracción, transformación y carga al

data warehouse, para luego entregar dicha información analizada a los data

marts.

2.1.15 Metodología de Kimball

La metodología de Kimball se basa en lo que Kimball denomina Ciclo de Vida

Dimensional del Negocio. Este ciclo de vida del proyecto de DW, está basado

en cuatro principios básicos [27].

Centrarse en el negocio: Hay que concentrarse en la identificación de los

requerimientos del negocio y su valor asociado, y usar estos esfuerzos para

desarrollar relaciones sólidas con el negocio, agudizando el análisis del mismo

y la competencia consultiva de los implementadores.

Construir una infraestructura de información adecuada: Diseñar una base de

información única, integrada, fácil de usar, de alto rendimiento donde se

reflejará la amplia gama de requerimientos de negocio identificados en la

empresa.

43

Realizar entregas en incrementos significativos: crear el almacén de datos

(DW) en incrementos entregables en plazos de 6 a 12 meses. Hay que usar el

valor de negocio de cada elemento identificado para determinar el orden de

aplicación de los incrementos. En esto la metodología se parece a las

metodologías ágiles de construcción de software.

Ofrecer la solución completa: proporcionar todos los elementos necesarios para

entregar valor a los usuarios de negocios. Para comenzar, esto significa tener

un almacén de datos sólido, bien diseñado, con calidad probada, y accesible.

También se deberá entregar herramientas de consulta ad hoc, aplicaciones

para informes y análisis avanzado, capacitación, soporte, sitio web y

documentación.

La construcción de una solución de DW/BI (Data warehouse/Business

Intelligence) es sumamente compleja, y Kimball nos propone una metodología

que nos ayuda a simplificar esa complejidad. Las tareas de esta metodología

(ciclo de vida) se muestran en la figura 27.

Figura 27 Metodología de Kimball, denominada Business Dimensional Lifecycle

2.1.15.1 Planificación del proyecto

Como metodología, en esta etapa propone identificar el alcance preliminar

basándose en los requerimientos del negocio, construyendo la justificación

44

del proyecto en términos del negocio. Estas son tareas críticas debido a la

alta visibilidad y los costos asociados con la mayoría de los proyectos de

almacén. A partir de ahí, la planificación del proyecto se centra en las

necesidades de recursos y de personal a nivel de habilidad, junto con la

asignación de tareas de proyecto, duración y secuenciación. La

planificación del proyecto depende de los requerimientos del negocio, como

se indica por la flecha bidireccional entre estas actividades.

2.1.15.2 Definición de los requerimientos del negocio

Un factor determinante en el éxito de un proceso de Data Mart es la

interpretación correcta de los diferentes niveles de requerimientos

expresados por los distintos grupos de usuarios. Los usuarios finales y sus

requerimientos impactan siempre en la implementación de un data

warehouse.

2.1.15.3 Diseño de la arquitectura técnica

Los entornos de DWH o Data Mart requieren la integración de numerosas

tecnologías. Se deben tener en cuenta tres factores: los requerimientos del

negocio, los actuales entornos técnicos y las directrices técnicas y

estratégicas futuras planificadas por la compañía para poder establecer el

diseño de la arquitectura técnica del entorno de DWH o Data Mart.

2.1.15.4 Selección de productos e implementación

Utilizando el diseño de arquitectura técnica como marco es necesario

evaluar y seleccionar los componentes específicos de la arquitectura, como

la plataforma de hardware, el motor de base de datos, la herramienta de

ETL, las herramientas de acceso, etc.

45

2.1.15.5 Modelado Dimensional

La definición de los requerimientos del negocio determina los datos

necesarios para cumplir los requerimientos analíticos de los usuarios.

Diseñar los modelos de datos para soportar estos análisis requiere un

enfoque diferente al usado en los sistemas operacionales. Para ellos

Kimball recomienda desarrollar 4 etapas, las cuales son elegir el proceso

de negocio, establecer la granularidad, elección de las dimensiones e

identificación de los hechos.

En esta fase se define un modelo para nuestro almacén de datos que

consta de entidades, atributos y relaciones. Las entidades se unen entre sí

mediante relaciones, los atributos se utilizan para describir las entidades, y

el identificador único (UID) distingue entre una entidad y otra.

2.1.15.6 Diseño Físico

El diseño físico de la base de datos se focaliza sobre la selección de las

estructuras necesarias para soportar el diseño lógico. Cabe resaltar que el

diseño lógico es la identificación de las dimensiones así como las tablas de

hechos antes de la construcción del almacén de datos. El diseño físico es

la creación de la base de datos con sentencias SQL, es decir este proceso

de diseño físico, consiste en convertir los datos identificados en el diseño

lógico en una descripción de la estructura de base de datos física.

46

Figura 28 Ilustración gráfica entre el diseño lógico y físico

Como podemos observar en la figura 28, existen diferencias entre ambos

modelos, mientras que en el modelo lógico se definen las entidades,

atributos, relaciones entre entidades y sus claves primarias, en el modelo

físico se establece los tipos de datos, las llaves primarias y foráneas, los

posibles valores nulos, las columnas, todo esto para implementar la

estructura diseñada en el modelo lógico.

Esta fase transforma las entidades en tablas, crea las relaciones entre las

dimensiones y la tabla de hechos mediante claves ajenas, transforma los

atributos en columnas y transforma los identificadores únicos primarios

(UID) en claves primarias.

2.1.15.7 Diseño y desarrollo del ETL

Esta etapa es típicamente la más subestimada de las tareas en un proyecto

de DW o DM. Las principales actividades de esta fase del ciclo de vida son:

la extracción, la transformación y la carga (ETL process).

2.1.15.8 Especificación de aplicaciones para usuarios finales

47

No todos los usuarios del DW necesitan el mismo nivel de análisis. Es por

ello que en esta etapa se identifican los roles o perfiles de usuarios para los

diferentes tipos de aplicaciones necesarias en base al alcance de los

perfiles detectados (gerencial, analista del negocio, vendedor, etc.).

Existen cuatro pasos principales en el proceso de especificación:

Determinar el conjunto de la plantilla inicial: El objetivo es terminar con

un conjunto pequeño (entre 10 y 20) de las plantillas de alto valor que

proporcionan una amplia gama de tipos de informes. Este proceso implica

tres tareas: identificar candidatos de informes, el cual consiste en

realizar con el usuario una lista de posibles informes, consolidación de la

lista de candidatos. Luego de haber realizado la lista, se procede a

seleccionar los informes más adecuados que soporten las necesidades de

los usuarios y el establecimiento de prioridades. Una vez que se tenga la

lista de informes definidos, se procede juntamente con el usuario a asignar

una prioridad a cada informe.

Desarrollar la estrategia de navegación: consiste en desarrollar una

estrategia que ayudará a los usuarios a encontrar lo que necesitan

rápidamente. Tener en cuenta que los metadatos de la plantilla pueden ser

extremadamente útiles en el apoyo a esta navegación.

Determinar las normas de la plantilla: Se realizan directrices adicionales

que deben ser creadas para la ubicación y el contenido de títulos de

informes. También es útil incluir una lista de las restricciones que se

utilizaron para crear este informe.

Desarrollo de las especificaciones detalladas de la plantilla: Hay dos

partes de una especificación de la aplicación del usuario final: la definición

y el diseño. La definición proporciona información básica acerca de la

plantilla, mientras que el diseño proporciona una representación visual de

lo que un informe se vería.

2.1.15.9 Desarrollo de aplicaciones para usuarios finales

A continuación de la especificación de las aplicaciones para usuarios

finales, el desarrollo de las aplicaciones de los usuarios finales involucra

configuraciones y construcción de reportes específicos.

48

Los usuarios acceden al DW por medio de herramientas de productividad

basadas en GUI (Graphical User Interface). De hecho existen multitud de

estas herramientas con las que provee a los usuarios.

2.1.15.10 Implementación

La implementación representa la convergencia de la tecnología, los datos y

las aplicaciones de usuarios finales accesibles para el usuario del negocio.

Hay varios factores extras que aseguran el correcto funcionamiento de

todos estos elementos, entre ellos se encuentran la capacitación, el soporte

técnico, la comunicación y las estrategias de feedback. Todas estas tareas

deben tenerse en cuenta antes de que cualquier usuario pueda tener

acceso al DW o DM.

2.1.15.11 Mantenimiento y crecimiento

Como se remarca siempre, la creación de un DW es un proceso (de etapas

bien definidas, con comienzo y fin, pero de naturaleza espiral) que

acompaña a la evolución de la organización durante toda su historia. Se

necesita continuar con las actualizaciones de forma constante para poder

seguir la evolución de las metas por conseguir.

2.1.15.12 Gestión del proyecto

La gestión del proyecto asegura que las actividades del ciclo de vida se

lleven a cabo de manera sincronizada. Como se indica en la figura 27, la

gestión del proyecto acompaña todo el ciclo de vida. Entre sus actividades

principales se encuentra la monitorización del estado del proyecto y el

acoplamiento entre los requerimientos del negocio y las restricciones de los

sistemas de información para poder manejar correctamente las

expectativas en ambos sentidos.

49

2.2 Sistema de información ejecutiva

2.2.1 ¿Qué es un EIS?

Un sistema de información ejecutiva (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 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)[28].

Los EIS se enfocan primordialmente a proporcionar información de la situación

actual de la compañía y dejan en un segundo plano la visualización o

proyección de la información en escenarios futuros. Los EIS se construyen

generalmente mediante la integración de software diseñado para operar en

conjunto con la infraestructura y aplicaciones de información existentes en la

compañía [29].

Figura 29 Sistemas de información en una organización

2.2.2 Características de un EIS

Las principales características de los sistemas de información para ejecutivos

basándonos en la Consultoría integral de TIC´S [29].

50

Permite obtener la información más importante dentro de una organización

de forma más amigable y comprensible para el usuario.

Brinda acceso fácil tanto a la información interna como externa de la

organización con el propósito de dar seguimiento a los factores críticos de

éxito.

Proporciona información actual y relevante de la empresa.

Proporciona informes, gráficas, cuadros y análisis, generando así

información intuitiva.

Cubre las necesidades específicas y particulares de los ejecutivos de alto

nivel.

Extraen la información de los diferentes sistemas de la empresa, la filtran y

comprimen, monitoreando la información crítica del negocio.

Ofrece la facilidad de la interacción entre los objetivos de la empresa y el

sistema sin necesidad de intermedios.

Proporciona gráficas de alta calidad y en forma de texto.

Permite acceder a información en línea, extraída en forma directa de las

bases de datos de la empresa.

Soportado por elementos especializados de hardware.

2.2.3 Componentes de un EIS

Según Pacheco J. y Vargas E. [30], un sistema de información ejecutiva debe

de tener los siguientes componentes:

Tablero de Control.

Administración de una sola página.

Alarmas y semáforos.

Integración.

Interfaz gráfica fácil de usar y comprender.

51

2.2.4 Proceso de desarrollo de un EIS

Según la Consultoría integral de TIC’S [29] , el proceso de desarrollo de un

EIS es el siguiente:

Identificación de las alternativas para el desarrollo del sistema: Antes

de la creación de la propuesta se debe de elegir la alternativa que se

desee tales como el desarrollo desde cero de un EIS con un equipo interno

o externo a la empresa, realizar alteración en los sistemas actuales de la

empresa para responder a los requisitos de los ejecutivos, etc. Cada una

de estas alternativas deberá de estudiarse pues estas influyen en temas de

costos, tiempo y control durante el desarrollo de la aplicación.

Creación de la propuesta: Es donde se deberá elaborar la propuesta del

EIS, la cual ayudará al apoyo del desarrollo del EIS y minimizar la

resistencia por parte de los ejecutivos. Esta propuesta deberá ser de claro

entendimiento para el ejecutivo, reducir la resistencia al cambio, manejar

las expectativas y lograr el compromiso de los recursos.

Determinación de las necesidades del ejecutivo: Para determinar las

necesidad del ejecutivo se deberá realizar un cuestionario, entrevistas,

identificar los principales objetivos de la empresa, identificar la información

de los factores críticos del éxito del negocio y la información que se

encuentra disponible para el ejecutivo, todo esto incluye la clasificación del

tipo de información, periodicidad entre otros.

Creación del sistema y presentación de un prototipo: La clave para la

creación de un EIS es el prototipo. Este paso es uno de los más

importantes debido a que se le presenta al ejecutivo lo que se le va a

vender y es de suma importancia lo que este necesita. De obviar este paso

existe el riesgo que el ejecutivo adquiera algo que no responde a sus

necesidades de información. Además estos sistemas deben de responder

velozmente a los cambios pues es muy importante para el éxito del

negocio.

Implantación exitosa de un EIS: Un EIS debe implantarse considerando lo

siguiente:

52

Ejecutivo comprometido: El ejecutivo debe de tener un entendimiento

claro de las capacidades y limitaciones del sistema desarrollado.

Socio operativo: Es la persona más cercana al ejecutivo, porque es

quien mejor conoce los gustos y necesidades del ejecutivo.

Personal idóneo en el departamento de informática: La calidad del

personal que labora en el departamento es importante para el éxito del

proyecto.

Tecnología apropiada: La selección del hardware y software debe

corresponder a la demanda tecnológica del proyecto.

Administración de datos: El EIS debe ser capaz de integrar la

información de las diferentes áreas de la empresa.

Relación clara con los objetivos del negocio: Debe dar seguimiento a

los factores críticos de éxito.

Manejo de la resistencia al cambio: Identificar el nivel de cultura

computacional de la empresa, pues de eso depende la forma en que se

lleve la resistencia al cambio.

2.3 Calidad de información

En cualquier empresa es necesario brindar una materia prima de calidad que

satisfaga las exigencias del consumidor. Lo mismo ocurre en el ámbito de la toma de

decisiones solo que en este caso la materia prima para el decisor es la información.

En el mundo de los negocios, las malas decisiones llevan a la pérdida de rentabilidad,

caída de la imagen y hasta la quiebra, en consecuencia tomar decisiones basándose

en datos de baja calidad es fatal [31].

2.3.1 Definición de calidad

La Real Academia Española define el término calidad de la siguiente manera:

Propiedad o conjunto de propiedades inherentes a algo, que permiten juzgar su

valor [32].

Generalmente se ha asociado a la calidad de la información con precisión y

confianza. Debe quedar en claro que estos atributos no son los únicos

53

involucrados ya que existen otros atributos importantes a la hora de evaluar la

calidad de la información.

2.3.2 Características de IQ

Actualmente la calidad de la información (IQ) juzga el valor de la información en

cuatro categorías según [31]:

Accesibilidad: Es la base de la calidad de la información por ser determinante

de modo absoluto. Como se sabe sí existe información pero si nadie tiene

acceso es totalmente inútil. Es por ello que se debe de evaluar la relación entre

accesibilidad y seguridad. Cuanto más medidas de seguridad existan más difícil

es el acceso a la información. Comprende los siguientes atributos: accesibilidad

y seguridad.

Presentación: La información debe ser comprensible, es por ello que se

deberá considerar atributos tales como el idioma, el soporte, unidades de

medida, y codificación. Comprende los siguientes atributos: inteligibilidad,

representación concisa y consistente.

Contextual: Los datos deben tener relación con el tema en cuestión y ser

actuales. Comprende los siguientes atributos: Relevancia, valor agregado,

actualidad, oportunidad, completitud y cantidad.

Intrínsecas: En esta categoría se encuentran las dimensiones tradicionales:

precisión de los datos y confianza en la fuente. Comprende los siguientes

atributos: precisión objetividad, credibilidad y reputación.

2.3.3 Criterios de información

Con base en los requerimientos más amplios de calidad y de seguridad, COBIT

define los siete criterios de información [33]:

La efectividad tiene que ver con que la información sea relevante, oportuna,

correcta, consistente y utilizable.

54

La eficiencia consiste en que la información sea generada con el óptimo

(más productivo y económico) uso de los recursos.

La confidencialidad se refiere a la protección de información sensitiva

contra revelación no autorizada.

La integridad está relacionada con la precisión y completitud de la

información, así como con su validez de acuerdo a los valores y

expectativas del negocio.

La disponibilidad se refiere a que la información esté disponible cuando sea

requerida en cualquier momento.

El cumplimiento en cuanto a las leyes y políticas internas.

La confiabilidad se refiere a proporcionar la información apropiada para que

la gerencia administre la entidad.

2.4 Indicadores estratégicos

Sabemos que un indicador es la relación entre dos o más conceptos específicos,

traducibles a la realidad, que están ligados a los conceptos generales, por lo que se

define como una relación de indicación, esto es ligados entre sí por afinidad de

significado [34].

Ahora los indicadores estratégicos constituyen la base del modelo de medición y

control institucional, ya que a través de ellos se mide el grado de avance en la

obtención de los objetivos estratégicos de la empresa [35].

2.4.1 Características de los indicadores

A continuación se describirá las características de los indicadores según

Mondragón 2012 [36].

Se asocia firmemente con el evento al que el investigador pretende formar.

Es específico debido a que está vinculado con los fenómenos económicos,

sociales, culturales o de otra naturaleza sobre los que se pretende estudiar.

Deben mostrarse especificando la meta u objetivo a que se vincula, a la

55

que se pretende dar seguimiento. Es recomendable que los indicadores

sean pocos.

El nombre de un indicador debe ser explícito, es decir el nombre debe ser

suficiente para entender si se trata de un valor absoluto o relativo.

Ser relevantes y oportunos.

No son exclusivos pues pueden servir para estimar el impacto de uno o

más hechos.

Ser claro, de fácil comprensión para los ejecutivos.

Estar disponibles para varios años, con el fin de que se pueda observar el

comportamiento del hecho a través del tiempo.

Deben ser válidos, confiables y comparables.

Sensible a cambios en el fenómeno o hecho.

56

CAPÍTULO III

MÉTODO DE INVESTIGACIÓN

3.1 Método de investigación

ETAPA 1: Implementación del EIS

El método corresponde a una investigación tecnológica de implementación de

un sistema usando las herramientas de inteligencia de negocios.

ETAPA 2: Medición de la valoración de la calidad de información del EIS

El método para esta etapa corresponde a una variante del método explicativo,

donde la observación permite captar la percepción por parte del individuo en la

valoración de la calidad de información del EIS que este brinda.

3.2 Tipo de diseño

ETAPA 1: Implementación del EIS

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

57

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.

ETAPA 2: Medición de la valoración de la calidad de información del EIS

Corresponde a una variante del diseño explicativo, según la tipología de

Campbell y Stanley [37], quienes dividen los diseños en tres clases: pre-

experimentos, cuasiexperimentos y experimentos puros. En esta fase se usó

un diseño preexperimental, siguiendo la nomenclatura de Campbell y Stanley

se representa por:

𝑮 𝑶𝟏 𝑿 𝑶𝟐

Efecto registrado: 𝑶𝟐 − 𝑶𝟏

donde,

Por definición de este diseño, se cuenta con un solo grupo. Al inicio se tiene

una observación de la variable dependiente “calidad de la información” sin

exposición al EIS, y otra después del uso del EIS, luego la diferencia se realizó

sobre las dos observaciones que se tomaron sobre el mismo grupo. Se trata,

por tanto, de la medición de la calidad de la información en el tiempo y dentro

del mismo grupo, en este caso, los administradores académicos de las

escuelas, facultades y vicerrectorado.

𝑶𝟏 Son las observaciones de la valoración de la calidad

de información de inicio

𝑶𝟐 Son las observaciones de la valoración de la calidad

de información de salida

𝑿 Sistema de información ejecutiva

58

3.3 Población de estudio para la etapa 2

Todos los decanos, secretarios académicos, directores de escuela y

vicerrectorado de la UPeU, cuya distribución se visualiza en la siguiente tabla.

Tabla 1 Distribución de los usuarios del EIS

Facultad Cargo Cantidad

Facultad de Ingeniería y Arquitectura

Decano 1 Secretario académico 1 Director de escuela 5

Facultad de Ciencias de la Salud Decano 1 Secretario académico 1 Director de escuela 4

Facultad de Teología Decano 1 Secretario académico 1 Director de escuela 1

Facultad de Ciencias Empresariales


Facultad de Ciencias Humanas y Educación


Vicerrectorado Vicerrector 1 Asesores académicos 2

PROESAD Director de PROESAD 1 Director académico PROESAD 1

TOTAL 32

3.4 Muestra para la etapa 2

Se consideró un muestreo aleatorio simple, donde todos los usuarios de la

población tienen la misma probabilidad de conformar la muestra.

Para una población finita la fórmula es:

𝑛 =𝑁. 𝑍𝛼

2. 𝑝. 𝑞

𝑒2(𝑁 − 1) + 𝑍𝛼2. 𝑝. 𝑞

Donde:

• N = Total de la población

• Zα= Valor obtenido mediante niveles de confianza, usando la tabla de la

distribución normal. Zα= 1.96 si la seguridad es del 95%.

59

• p = probabilidad esperada (en este caso 0.5)

• q = 1 – p probabilidad no esperada (en este caso 1-0.5 = 0.5)

• e = nivel de precisión: 10%= 0.1

La fórmula del tamaño de la muestra se obtiene de la fórmula para calcular la

estimación del intervalo de confianza para la media, la cual es:

�̅� − 𝑒 ≤ 𝜇 ≤ �̅� + 𝑒, donde 𝑒 = 𝑍𝛼𝜎

√𝑛√

𝑁−𝑛

𝑁−1 , y 𝜎 la desviación estándar de la

población.

𝒏 =𝑵.𝒁𝜶

𝟐 .𝒑.𝒒

𝒆𝟐(𝑵−𝟏)+𝒁𝜶𝟐 .𝒑.𝒒

=𝟑𝟐∙𝟑.𝟖𝟒𝟏𝟔∙𝟎.𝟓∙𝟎.𝟓

(𝟎.𝟏)𝟐∙𝟑𝟏+𝟑.𝟖𝟒𝟏𝟔∙𝟎.𝟓∙𝟎𝟓 =

𝟑𝟐∙𝟑.𝟖𝟒𝟏𝟔∙𝟎.𝟐𝟓

(𝟎.𝟏)𝟐∙𝟑𝟏+𝟑.𝟖𝟒𝟏𝟔∙𝟎.𝟐𝟓

𝒏 =𝟑𝟎.𝟕𝟑𝟐𝟖

𝟎.𝟑𝟏𝟎𝟎+𝟎.𝟗𝟔𝟎𝟒 =

𝟑𝟎.𝟕𝟑𝟐𝟖

𝟏.𝟐𝟕𝟎𝟒= 𝟐𝟒

3.5 Variables y dimensiones de la hipótesis específica

Variable independiente: El uso del EIS.

Variable dependiente: Calidad de información.

Dimensiones de la variable dependiente: efectividad, confidencialidad,

integridad, disponibilidad, confiabilidad de información.

3.6 Técnicas e instrumentos de recolección de datos de la etapa 2

El instrumento es la escala de valoración de la calidad de información que

brinda el sistema de información, referente a los indicadores académicos de la

Universidad Peruana Unión. La escala de valoración está conformada por 30

ítems distribuidos en 5 dimensiones: efectividad, confidencialidad, integridad,

disponibilidad y confiabilidad. La dimensión de efectividad está conformada por

ocho ítems; la dimensión de confidencialidad está conformada por seis ítems;

la dimensión de integridad está conformada por siete ítems; la dimensión de

60

disponibilidad está conformada por cuatro ítems; y por último la dimensión de

confiabilidad está conformada por cinco ítems.

Finalmente cada ítem de las dimensiones de efectividad, confidencialidad y

confiabilidad tienen una escala de valoración de tres valores: baja, media y

alta.

Asimismo, para los ítems de las dimensiones de integridad y disponibilidad

tiene una escala de valoración de tres valores: mala, regular y buena.

La técnica usada para la recolección de los datos es la encuesta a través del

instrumento descrito en el párrafo anterior.

3.7 Técnicas de análisis de datos de la etapa 2

Para la prueba de la hipótesis específica y de las subhipótesis se usó la prueba

“t de student” para la diferencia de dos medias de grupos apareados,

correspondientes a las observaciones de la encuesta de entrada y de la

encuesta de salida. La fórmula para este caso es la siguiente:

𝑡 =�̅�

𝜎𝑑

√𝑁

La media aritmética de las diferencias se obtiene de la manera siguiente:

�̅� =∑ 𝑑

𝑁

La desviación estándar de las diferencias se logra como sigue:

Donde:

𝑡 = valor estadístico del procedimiento.

�̅� = Valor promedio o media aritmética de las diferencias entre los momentos

antes y después.

𝜎𝑑 = desviación estándar de las diferencias entre los momentos antes y

después.

𝑁 = tamaño de la muestra.

61

𝜎𝑑 = √∑(𝑑 − �̅�)2

𝑁 − 1

Pasos:

1. Ordenar los datos en función de los momentos antes y después, y

obtener las diferencias entre ambos.

2. Calcular la media aritmética de las diferencias (�̅�).

3. Calcular la desviación estándar de las diferencias (𝜎𝑑).

4. Calcular el valor de 𝑡 por medio de la ecuación.

5. Calcular los grados de libertad (gl) gl=N-1.

6. Comparar el valor de t calculado con respecto a grados de libertad en la

tabla respectiva, a fin de obtener la probabilidad.

7. Decidir si se acepta o rechaza la hipótesis.

Rutina de la prueba T de Student

La rutina comprende los siguientes pasos:

1. Elaboración de la base de datos para ambas evaluaciones de la calidad de

información brindada por el EIS.

2. Prueba de normalidad de Kolmogorov – Smirnov y la de Shapiro – Wilk, que

nos permita contrastar la hipótesis de normalidad, es decir que la distribución

observada procede de una población en la que la puntuación del rendimiento

académico se distribuye normalmente, frente a la hipótesis que afirma lo

contrario.

3. Aplicación del estadístico de prueba: distribución t.

4. Cálculo de los intervalos de confianza para la diferencia de media de las

pruebas aplicadas con la probabilidad del 95%.

5. Criterio de decisión:

6. Conclusión

p< 0.05, se rechaza H0 y se acepta H1

p>0.05 se acepta H0

62

CAPÍTULO IV

DESARROLLO E IMPLEMENTACIÓN EIS

4.1 Planificación del proyecto

El presente documento tiene como objetivo establecer el plan de proyecto de

implementación del sistema de información ejecutiva académica basado en

inteligencia de negocios (BI). Este proyecto permitirá el control y monitoreo de los

procesos de enseñanza y aprendizaje de la UPeU así como la toma de decisiones

asertiva.

Lo que se destacará en este documento son los procesos académicos, los cuales

están involucrados directamente con la enseñanza y aprendizaje, así como su breve

descripción.

Se describirá todas las actividades involucradas para el desarrollo e implementación

del proyecto de BI, por lo que es de importancia por parte de los directivos de

vicerrectorado qué es lo que abarca el proyecto y qué no incluye.

Para ello se emitirá un cronograma de fechas en las que se llevarán a cabo cada

actividad involucrada en el desarrollo del proyecto, la asignación de recursos por cada

fase, el equipo involucrado para el desarrollo del proyecto, los entregables, alcance, el

presupuesto que demanda el proyecto, los riesgos, entre otros.

4.1.1 Descripción del proyecto

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 con respecto

al alumnado así como la incorporación de nuevas carreras, es por ello que se

requiere saber el estado de cada uno de los campus, facultades y carreras en

63

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 la enseñanza

como en el aprendizaje.

Este proyecto implica depuración de los datos generados por los procesos

involucrados así como la automatización para el registro de datos necesarios

introduciendo nuevos módulos en el Sistema Académico de la UPeU.

Asimismo, el análisis de datos aplicando fórmulas que calculen los datos

requeridos logrando transformar los datos en información y conocimiento para

la toma de decisiones así como el control y monitoreo de las áreas

académicas.

4.1.2 Objetivo del proyecto

El objetivo del proyecto es implementar un sistema de información ejecutiva

académica basado en inteligencia de negocios en la Universidad Peruana

Unión.

4.1.3 Alcance del proyecto

Este proyecto comprenderá los indicadores identificados por vicerrectorado en

los procesos de enseñanza y aprendizaje de la UPeU, los cuales son: Gestión

de sílabos, Gestión del desempeño docente y Gestión de tutorías. A

continuación se describirá cada uno de ellos.

GESTIÓN DE SÍLABOS

Procesos involucrados: Elaborar sílabo, elaborar programación de

actividades.

Descripción:

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.

64

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, está asociado a

una sesión definida en el sílabo en una determinada fecha, donde el

docente procederá a ingresar los temas a tratar, enlaces a utilizar y el

tiempo que durará por cada tema.

Con la implementación del módulo de ingreso de programación de

actividades se podrá obtener los datos necesarios para la elaboración del

indicador:

Indicador cumplimiento de la programación de actividades por

semestre, campus, facultad y escuela.

Módulo de evaluación de los sílabos, 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 dicha recolección de datos se podrá realizar el siguiente indicador:

Indicador calidad de sílabo por semestre, campus, facultad y escuela.

Asimismo, se procederá a extraer los datos de los módulos ya implementados

de ingreso de sílabos en el portal del docente, por lo que se obtiene el siguiente

indicador:

Indicador cumplimiento de sílabos por semestre, campus, facultad y

escuela.

Y del módulo nuevo de grupos focales se obtendrá el siguiente indicador:

65

Indicador calidad de la programación de las actividades 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,


Indicador Gestión de sílabos por semestre, campus, facultad y escuela.

GESTIÓN DEL DESEMPEÑO DOCENTE

Procesos involucrados: Evaluar docente, controlar asistencia, evaluar a

alumnos (portales vencidos).

Descripción:

La gestión del desempeño docente involucra la evaluación docente, la

puntualidad a clases, el cumplimiento de los rubros de evaluación y grupos

focales.

Para la elaboración de estos indicadores, se procederá primero a recolectar los

datos realizando los siguientes módulos dentro del sistema académico UPeU.

Módulos de grupos focales. Este módulo involucra el desarrollo de:

Ingreso de entrevistas obtenidas de los grupos focales

En el cual se podrá ingresar por campus, facultad, escuela, ciclo y grupo,

además permitirá clasificar los comentarios por cada rubro de evaluación:

conocimiento de la filosofía y respeto al alumno, dominio de su área,

estrategias para hacerse entender y preparación de clase.

Evaluación de grupos focales

Luego de haber ingresado los comentarios de las entrevistas, el módulo de

evaluación de grupos focales permitirá mostrar el comentario por cada

curso de cada facultad, para poder asignar el puntaje del 1 al 3 por cada

66

rubro de evaluación (dominio de su área, preparación de clase, estrategias

para hacerse entender, conocimiento de la filosofía y respeto al alumno).

Con la implementación de los módulos de grupos focales se podrá obtener

datos importantes para el siguiente indicador:

Indicador grupo focales por semestre, campus, facultad y escuela.

Asimismo, se procederá a extraer los datos de los módulos ya implementados

de evaluación docente e ingreso de evaluaciones a tiempo, los siguientes

indicadores:

Indicador encuesta docente por semestre, campus, facultad y escuela.

Indicador cumplimiento de evaluaciones ingresadas a tiempo por el

docente por semestre, campus, facultad y escuela.

Y el indicador avanzado gestión de desempeño docente.

GESTIÓN DE TUTORÍAS

Proceso involucrado: Seguimiento al estudiante (Tutoría alumno)

Descripción:

En lo que respecta a la gestión de tutorías, comprende la gestión de datos,

gestión del estado del alumno y variables de salida.

Por el cual se llevará a cabo la elaboración de los siguientes módulos:

Módulo de evaluación áreas

Este módulo comprenderá el ingreso de notas de los cursos y test

asignados a evaluar por vicerrectorado por cada filial, facultad, carrera,

ciclo y grupo. Cada curso o test dispondrá de dominios por los cuales es

evaluado el estudiante.

Implementación y configuración del software LimeSurvey

Con el fin de realizar test psicológicos de manera rápida para los

estudiantes se contará con dicho software.

Indicadores a realizar para el control y monitoreo de las tutorías:

67

Indicador del área de matemática por semestre, campus, facultad y

escuela.

Indicador del área de capacidades comunicativas por semestre,


Indicador hábitos de estudio por semestre, campus, facultad y escuela.

Indicador avanzado académico por semestre, campus, facultad y

escuela.

Indicador estado emocional por semestre, campus, facultad y escuela.

Indicador estado físico por semestre, campus, facultad y escuela.

Indicador avanzado Gestión del estado alumno por semestre, campus,

facultad y escuela.

Indicador Gestión de datos por semestre, campus, facultad y escuela.

Indicador Variable de salida por semestre, campus, facultad y escuela.

Indicador avanzado Gestión de tutorías por semestre, campus,

facultad y escuela.

4.1.4 Fuera del alcance del proyecto

Dentro de la gestión del estado del alumno, no se abordará el

indicador de espiritualidad, debido a que aún no está establecido el

proceso para saber con exactitud la espiritualidad del estudiante.

El indicador de gestión por tareas.

El indicador de puntualidad del docente.

4.1.5 Entregables a producir

Plan del proyecto.

Documentación de requerimientos.

Documentación de los indicadores de control E-A.

Módulo de ingreso de programación de actividades.

Módulo de ingreso de evaluación de sílabos.

Módulo de ingreso de entrevista de grupos focales por curso y

docente.

68

Módulo de evaluación de los resultados de grupos focales por curso

y docente durante un determinado ciclo académico.

Módulo de evaluación de áreas de matemática, cultura física,

capacidades comunicativas, test psicológico para tutoría

académica.

Sistema de información ejecutiva basado en inteligencia de

negocios.

4.1.6 Criterios de aceptación de entregables

Plan del proyecto.

Obtener la aprobación del asesor de vicerrectorado

Documentación de requerimientos.


Documentación de los indicadores E-A.


Módulo de ingreso de programación de actividades.


Obtener la aprobación del encargado de gabinete pedagógico-

vicerrectorado.

Módulo de ingreso de evaluación de sílabos.

Obtener la aprobación del asesor de vicerrectorado.


vicerrectorado.

Módulo de ingreso de entrevista de grupos focales por curso y

docente.



vicerrectorado.

Módulo de evaluación de los resultados de grupos focales por

curso y docente durante un determinado ciclo académico.


69


vicerrectorado.

Módulo de evaluación de áreas de matemática, cultura física,

capacidades comunicativas, test psicológico para tutoría

académica.



vicerrectorado.

Sistema de información ejecutiva basado en inteligencia de

negocios.


4.1.7 Supuestos del proyecto

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 3 integrantes para el proyecto.

4.1.8 Restricciones del 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.

70

No se cuenta con espacio suficiente fuera del servidor BI para los backups

del proyecto.

Restricciones en cuanto al uso de la versión libre de MicroStrategy,

entre los cuales no cuenta con:

Informes de fuerza de ventas.

Aplicaciones basadas en SaaS (por ejemplo, Facebook,

NetSuite, SugarCRM, Eloqua y Zendesk).

Integración de información empresarial (EII) o fuentes de

datos federadas.

Pixel Perfect ™ informes y cuadros de mando.

Acceso MicroStrategy Mobile.

MicroStrategy Mobile desarrollo de aplicaciones.

Widgets del Dashboard extensas.

Incrustación Dashboard para las páginas web y la intranet.

Seguridad a nivel de fila de datos.

La asignación de control de acceso en cuadros de mando

individuales.

Activado por evento distribuciones de informes y alertas.

Herramientas de administración para la automatización de

tareas, la validación de datos, gestión de objetos, y más.

Modo de acceso a iPad, iPhone, Android, Blackberry.

4.1.9 Equipo del proyecto

A continuación se describe al equipo de trabajo establecido por roles:

Tabla 2 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

71

hacer.

Describe cómo se accede a los datos por parte de los usuarios finales y cómo se llevará 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.

4.1.10 Estructura detalla del trabajo

En donde se especifica el desglose de las labores que son necesarias para

lograr los objetivos fijados. Este desglose define las actividades macro, luego

las tareas incluidas en cada actividad, hasta llegar al nivel adecuado de detalle.

72

Tabla 3 Estructura detallada de trabajo

EDT Nombre de tarea

1 Sistema de información ejecutiva

1.1 Planificación del Proyecto

1.1.1 Entrevista con vicerrectorado para conocer procesos E-A y determinar el alcance del proyecto

1.1.2 Elaboración del plan de proyecto

1.1.3 Entrega del plan de proyecto

1.2 Definición de requerimientos del negocio

1.2.1 Entrevista con vicerrectorado para la identificación de las fórmulas de los indicadores E-A

1.2.2 Identificación de los requerimientos funcionales y no funcionales del EIS

1.2.3 Entrega de documentación de requerimientos

1.2.4 Entrega de documentación de indicadores

1.3 Desarrollo de módulos académicos

1.3.1 Sílabo

1.3.1.1 Módulo de plan de clase

1.3.1.2 Módulo de evaluación de sílabos

1.3.1.3 Pruebas

1.3.1.4 Puesta en producción módulos sílabo

1.3.2 Grupos Focales

1.3.2.1 Módulo para el ingreso de las entrevistas realizadas

1.3.2.2 Módulo evaluación grupos focales

1.3.2.3 Pruebas

1.3.2.4 Puesta en producción módulos grupos focales

1.3.3 Tutoría

1.3.3.1 Adaptación del software LimeSurvey

1.3.3.2 Módulo de evaluación áreas

1.3.3.3 Pruebas

1.3.3.4 Puesta en producción de módulo tutoría

1.4 Diseño de la arquitectura técnica

1.4.1 Determinar server a utilizar

1.4.2 Configuración del server

1.5 Selección del Producto

1.5.1 Instalación del SQL server 2012

1.5.2 Configuración de conexión SQL server con Oracle

1.5.3 Instalación de MicroStrategy

1.6 Modelado Dimensional

1.6.1 Elegir el proceso de negocio

1.6.2 Establecer el nivel de granularidad

1.6.3 Elegir las dimensiones

1.6.4 Identificación de los hechos

73

1.7 Diseño Físico

1.7.1 Diagrama de base de datos del data Mart

1.7.2 Desarrollo del metadata

1.8 Diseño e Implementación del ETL

1.8.1 ETL Gestión estado alumno

1.8.1.1 Diseño del ETL

1.8.1.2 Implantación ETL gestión estado alumno

1.8.1.3 Verificación de la data ingresada al DM

1.8.2 ETL gestión datos tutoría


1.8.2.2 Implementación ETL gestión datos tutoría


1.8.3 ETL programación de actividades


1.8.3.2 Implementación ETL programación de actividades


1.8.4 ETL evaluación sílabo


1.8.4.2 Implementación ETL evaluación sílabos


1.8.5 ETL cumplimiento evaluación docente (portales vencidos)


1.8.5.2 Implementación ETL cumplimiento evaluaciones docente


1.8.6 ETL grupo focal


1.8.6.2 Implementación ETL grupo focal


1.8.7 ETL cumplimiento silabo


1.8.7.2 Implementación ETL cumplimiento sílabo


1.8.8 ETL gestión resultado tutoría


1.8.8.2 Implementación ETL gestión resultado tutoría


1.8.9 ETL encuesta docente


1.8.9.2 Implementación ETL encuesta docente


1.8.10 ETL gestión de E-A

74


1.8.10.2 Implementación ETL gestión de E-A


1.9 Especificación de aplicaciones de BI

1.9.1 Determinar el conjunto de plantillas inicial

1.9.2 Desarrollo de la estrategia de navegación

1.9.3 Determinar las normas de la plantilla

1.9.4 Desarrollo de las especificaciones detalladas de la plantilla

1.1 Desarrollo de aplicaciones de BI

1.10.1 Creación del proyecto en MicroStrategy

1.10.2 Implementación del modelo lógico y físico del DM en Microstrategy

1.10.3 Desarrollo del cubo

1.10.4 Desarrollo del informe

1.10.5 Desarrollo del documento

1.10.6 Verificación de los reportes generados

1.11 Implementación

1.11.1 Implementación en área de producción del EIS

1.12 Pruebas

1.13 Valoración del EIS

4.1.11 Programación de las tareas

Tabla 4 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

7 Entrevista con vicerrectorado para la identificación de las fórmulas de los indicadores E-A

2 días lun 21/10/13 mar 22/10/13

8 Identificación de los requerimientos funcionales y no funcionales del EIS

2 días mié 23/10/13 jue 24/10/13

9 Entrega de documentación de requerimientos

0 días vie 25/10/13 vie 25/10/13

10 Entrega de documentación de indicadores

0 días lun 28/10/13 lun 28/10/13

75

11 Desarrollo de módulos académicos

66 días mar 29/10/13 mar 28/01/14

12 Sílabo 15 días mar 29/10/13 lun 18/11/13

13 Módulo de plan de clase 5 días mar 29/10/13 lun 04/11/13

14 Módulo de evaluación de sílabos

8 días mar 05/11/13 jue 14/11/13

15 Pruebas 2 días vie 15/11/13 lun 18/11/13

16 Puesta en producción módulos sílabo

0 días lun 18/11/13 lun 18/11/13

17 Grupos Focales 18 días mar 19/11/13 jue 12/12/13

18 Módulo para el ingreso de las entrevistas realizadas

8 días mar 19/11/13 jue 28/11/13

19 Módulo evaluación grupos focales

8 días vie 29/11/13 mar 10/12/13

20 Pruebas 2 días mié 11/12/13 jue 12/12/13

21 Puesta en producción módulos grupos focales

0 días jue 12/12/13 jue 12/12/13

22 Tutoría 32 días vie 13/12/13 lun 27/01/14

23 Adaptación del software LimeSurvey

20 días vie 13/12/13 jue 09/01/14

24 Módulo de evaluación áreas 8 días mar 14/01/14 jue 23/01/14

25 Pruebas 2 días vie 24/01/14 lun 27/01/14

26 Puesta en producción de módulo tutoría

0 días lun 27/01/14 lun 27/01/14

27 Diseño de la arquitectura técnica

8 días lun 03/02/14 mié 12/02/14

28 Determinar server a utilizar 3 días lun 03/02/14 mié 05/02/14

29 Configuración del server 5 días jue 06/02/14 mié 12/02/14

30 Selección del Producto 14 días jue 13/02/14 mar 04/03/14

31 Instalación del SQL server 2012 3 días jue 13/02/14 lun 17/02/14

32 Configuración de conexión SQL server con Oracle

4 días mar 18/02/14 vie 21/02/14

33 Instalación de MicroStrategy 7 días lun 24/02/14 mar 04/03/14

34 Modelado Dimensional 70 días mié 05/03/14 mar 10/06/14

35 Elegir el proceso de negocio 2 días mié 05/03/14 jue 06/03/14

36 Establecer el nivel de granularidad

5 días mié 12/03/14 mar 18/03/14

37 Elegir las dimensiones 30 días mié 19/03/14 mar 29/04/14

38 Identificación de los hechos 30 días mié 30/04/14 mar 10/06/14

39 Diseño Físico 4 días jue 03/07/14 mar 08/07/14

40 Diagrama de base de datos del data Mart

2 días mié 11/06/14 jue 12/06/14

41 Desarrollo del metadata 2 días vie 13/06/14 lun 16/06/14

42 Diseño e Implementación del ETL

19 días mié 09/07/14 lun 04/08/14

43 ETL Gestión estado alumno 2 días mié 09/07/14 jue 10/07/14

76

44 Diseño del ETL 1 día mié 09/07/14 mié 09/07/14

45 Implementación ETL gestión estado alumno

1 día mié 09/07/14 mié 09/07/14

46 Verificación de la data ingresada al DM

2 días mié 09/07/14 jue 10/07/14

47 ETL gestión datos tutoría 2 días vie 11/07/14 lun 14/07/14

48 Diseño del ETL 1 día vie 11/07/14 vie 11/07/14

49 Implementación ETL gestión datos tutoría

1 día vie 11/07/14 vie 11/07/14


2 días vie 11/07/14 lun 14/07/14

51 ETL programación de actividades

2 días mar 15/07/14 mié 16/07/14

52 Diseño del ETL 1 día mar 15/07/14 mar 15/07/14

53 Implementación ETL programación de actividades

1 día mar 15/07/14 mar 15/07/14


2 días mar 15/07/14 mié 16/07/14

55 ETL evaluación sílabo 2 días jue 17/07/14 vie 18/07/14

56 Diseño del ETL 1 día jue 17/07/14 jue 17/07/14

57 Implementación ETL evaluación sílabos

1 día jue 17/07/14 jue 17/07/14


2 días jue 17/07/14 vie 18/07/14

59 ETL cumplimiento evaluación docente (portales vencidos)

2 días lun 21/07/14 mar 22/07/14

60 Diseño del ETL 1 día lun 21/07/14 lun 21/07/14

61 Implementación ETL cumplimiento evaluaciones docente

1 día lun 21/07/14 lun 21/07/14


2 días lun 21/07/14 mar 22/07/14

63 ETL grupo focal 2 días mié 23/07/14 jue 24/07/14

64 Diseño del ETL 1 día mié 23/07/14 mié 23/07/14

65 Implementación ETL grupo focal

1 día mié 23/07/14 mié 23/07/14


2 días mié 23/07/14 jue 24/07/14

67 ETL cumplimiento sílabo 2 días vie 25/07/14 lun 28/07/14

68 Diseño del ETL 1 día vie 25/07/14 vie 25/07/14

69 Implementación ETL cumplimiento sílabo

1 día vie 25/07/14 vie 25/07/14


2 días vie 25/07/14 lun 28/07/14

71 ETL gestión resultado tutoría 2 días mar 29/07/14 mié 30/07/14

72 Diseño del ETL 1 día mar 29/07/14 mar 29/07/14

73 Implementación ETL gestión resultado tutoría

1 día mar 29/07/14 mar 29/07/14

77


2 días mar 29/07/14 mié 30/07/14

75 ETL encuesta docente 2 días jue 31/07/14 vie 01/08/14

76 Diseño del ETL 1 día jue 31/07/14 jue 31/07/14

77 Implementación ETL encuesta docente

1 día jue 31/07/14 jue 31/07/14


2 días jue 31/07/14 vie 01/08/14

79 ETL gestión de E-A 1 día lun 04/08/14 lun 04/08/14

80 Diseño del ETL 1 día lun 04/08/14 lun 04/08/14

81 Implementación ETL gestión de E-A

1 día lun 04/08/14 lun 04/08/14


1 día lun 04/08/14 lun 04/08/14

83 Especificación de aplicaciones de BI

7 días mar 05/08/14 mié 13/08/14

84 Determinar el conjunto de plantillas inicial

1 día mar 05/08/14 mar 05/08/14

85 Desarrollo de la estrategia de navegación

1 día mié 06/08/14 mié 06/08/14

86 Determinar las normas de la plantilla

2 días jue 07/08/14 vie 08/08/14

87 Desarrollo de las especificaciones detalladas de la plantilla

3 días lun 11/08/14 mié 13/08/14

88 Desarrollo de aplicaciones de BI 9 días jue 14/08/14 mar 26/08/14

89 Creación del proyecto en MicroStrategy

1 día jue 14/08/14 jue 14/08/14

90 Implementación del modelo lógico y físico del DM en Microstrategy

2 días jue 14/08/14 vie 15/08/14

91 Desarrollo del cubo 1 día mar 19/11/13 mar 19/11/13

92 Desarrollo del informe 1 día mié 20/11/13 mié 20/11/13

93 Desarrollo del documento 3 días jue 21/11/13 lun 25/11/13

94 Verificación de los reportes generados

1 día mar 26/11/13 mar 26/11/13

95 Implementación 5 días mié 27/08/14 mar 02/09/14

96 Implementación en área de producción del EIS

2 días mié 27/08/14 jue 28/08/14

97 Pruebas 5 días vie 29/08/14 jue 04/09/14

98 Valoración del EIS 18 días vie 05/09/14 mar 30/09/14

78

4.1.12 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 siguiente tabla se muestra los siguientes recursos humanos asociados a

las fases identificadas.

Tabla 5 Asignación de recursos generales a las fases

N° Nombre de tarea Nombres 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

79

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 en 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 6 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 Coordinador de oficina de desarrollo -DIGESI Horas 1

Analista programador - DIGESI Horas 1

Programador - DIGESI Horas 1

Otros gastos

Tóner Unid 1

Papel Unid 1 millar

Estación de trabajo (internet, luz, escritorio, silla) Unid 3

4.1.13 Presupuesto del proyecto

Duración (meses): 8 meses y 3 semanas.

Tabla 7 Costo por personal

Descripción Funciones Unidad Cantidad Dedicación hombre

horas

Costo hombre

por hora

Costo

Personal Coordinador de la oficina de desarrollo -

DIGESI

Horas 1

1982.4 h

s/.9

s/.17841.6

Analista – programador 1

Horas 1 1982.4 h

s/.7 s/.13876.8

Analista – Horas 1 495.6 h s/.7 s/.3469.2

80

Programador 2

Total s/.35187.6

(*) Pagos realizados por la UPeU en base a las funciones definidas

Tabla 8 Costo por equipos

Descripción Componentes Unidad Cant. Costo unitario

Costo Total

Equipos (Hardware)

(*) Servidor (virtualizado)

Unid 1 280 s/.1960 (por los 7 meses)

(*) Impresora Unid 1 84 s/.672 (por los 8 meses)

(*)Computadora Dell, 2G RAM, I5, 500 Gb de

disco duro

Unid 3 75.6 s/.1587.6 (por los 7 meses)

Total s/.4219.6

(*) Financiado por la UPeU

Tabla 9 Costo por software

Descripción Componentes Cantidad de licencias Costo

Software SQL Server 2012 (*) 1 -

Windows server 2008 R2 64 bits (*)

1 -

Windows 7 (*) 3 -

MicroStrategy 9 (**) 1 -

Oracle SQL developer (**) 3 -

Dreamweaver CS6 1 s/.2240

Total s/.2240

(*) Convenio de la UPeU con Microsoft – uso del campus agreement de Microsoft

(**) El uso del software es totalmente libre

Tabla 10 Costos adicionales

Descripción Componentes Cantidad de recursos

Costo

Otros gastos Tóner 1 s/.350

Papel 1 millar s/.10

(*)Estación de trabajo

3 s/.0

Total s/.360

(*) Proporcionada por la UPeU

81

Tabla 11 Resumen de costos

Descripción Costo

Personal s/.35187.6

Equipos s/.4219.6

Software s/.2240

Otros gastos

s/.360

Total: s/.42007.2

4.1.14 Identificación de riesgos

Para la identificación de los riesgos se utilizará una tabla conformada por 5

columnas: la columna de causa, la cual es las posibles causas del riesgo; la

columna de la descripción, que es una breve descripción de la causa del

riesgo; la columna categoría del riesgo, el cual clasifica los riesgos

presentados; la columna afecta, como su nombre lo indica describe a donde

afecta el riesgo y por último la columna de probabilidad, que es la ocurrencia

de los casos que se puedan presentar.

Cabe recalcar que para el cálculo del riesgo se utilizó las siguientes escalas de

probabilidad, impacto y riesgo.

Tabla 12 Escala de probabilidad

Muy Alta 0.90

Alta 0.70

Media 0.50

Baja 0.30

Muy Baja 0.10

Tabla 13 Escala del impacto

Cronograma Muy bajo (0,05)

Bajo (0,10)

Medio (0,20)

Alto (0,40)

Muy Alto (0,80)

Calidad Muy bajo (0,05)

Bajo (0,10)

Medio (0,20)

Alto (0,40)

Muy Alto (0,80)

82

Tabla 14 Escala del riesgo

Alta 50% - 100%

Media 10%-49%

Baja 0.1%-9%

Tabla 15 Identificación de riesgos

Riesgo Descripción del riesgo Categoría de riesgo

Afecta a 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%

4.1.15 Estrategias y acciones preventivas

Luego de haber identificado los posibles riesgos a los que está sujeto el

proyecto, pasamos a asignar las estrategias y procedimientos a llevar a cabo,

logrando así mitigar o evitar dicho riesgo.

83

Tabla 16 Estrategias y acciones preventivas

Riesgo identificad

o

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 mantenimiento 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

4.2 Definición de requerimientos del negocio

Para la definición de los requerimientos se realizaron las respectivas entrevistas con

el área de vicerrectorado de la Universidad Peruana Unión, los cuales son

responsables de tomar decisiones estratégicas para mejorar los procesos académicos

que son el centro del negocio.

A continuación se procede a definir los requerimientos exigidos por vicerrectorado.

Requerimiento N° 01

Fecha: 23/10/2013

Nombre de requerimiento:

Módulo ingreso programación de actividades

Descripción: Consiste en agregar una opción dentro del portal del profesor de ingreso de programación de actividades. Cada programación de actividades pertenecerá a una sesión descrita en el sílabo. Cabe resaltar que no todas las sesiones requieren de una

84

programación de actividades, por ejemplo examen final. Este acceso deberá aparecer en el portal del profesor con la finalidad de llenar la programación de actividades por las sesiones ingresadas en el sílabo.

Tipo: Funcional: X No Funcional:

Clasificación: Opcional: Obligatorio: X

Prioridad: Alta: X Media: Baja:


Fecha: 23/10/2013

Nombre de requerimiento: Módulo evaluación de sílabos

Descripción: Consiste en mostrar el listado de los sílabos por curso, grupo, ciclo, escuela, facultad, campus y semestre académico, para luego evaluarlos en relación con la estructura de la unidad, competencias y unidades, y por último sistema de evaluación. Este acceso se le otorgará a la comisión de gabinete pedagógico para poder evaluar los sílabos ingresados por semestre académico, escuela, ciclo y grupo. Los sílabos serán evaluados por: Estructura de unidad, competencias y unidades, sistema de evaluación.





Fecha: 23/10/2013

Nombre de requerimiento: Módulo entrevistas grupos focales

Descripción: Consiste en listar los cursos y docente de un determinado grupo de estudiantes e ingresar los comentarios clasificados según: conocimientos de la filosofía y respeto al alumno, dominio de su área, estrategias para hacerse entender y preparación de clase.





Fecha: 23/10/2013

Nombre de requerimiento: Módulo evaluar grupos focales

Descripción: El módulo debe de listar los cursos y docentes evaluados por campus, facultad y escuela. Una vez listado los cursos y docentes se podrá evaluar según los rubros de evaluación especificados en el requerimiento 03. La

85

escala de evaluación por cada rubro será del 1 al 3, donde el uno es el puntaje mínimo y el 3 es el máximo.





Fecha: 23/10/2013

Nombre de requerimiento: Módulo evaluar áreas (de tutoría)

Descripción: Cabe mencionar que las áreas a ser evaluadas son: Matemática, capacidades comunicativas y hábitos de estudio, las cuales pertenecen a la parte académica, también se evaluará la parte emocional y física. Cada área o test contendrá dominios a evaluar que podrán varias por semestre. El módulo deberá ser capaz de listar a todos los alumnos de acuerdo al área seleccionada para proceder a ingresar sus evaluaciones obtenidas en el examen de ingreso, intermedio y de salida. Este acceso estará ubicado en el sistema de bienestar universitario.





Fecha: 24/10/2013

Nombre de requerimiento: Encuesta de hábitos de estudio

Descripción: Se llevará a cabo una encuesta vía online que deberá aparecer dentro del portal académico. Dicha encuesta aparecerá para todos los estudiantes de los primeros años de todas las carreras. La encuesta tendrá las preguntas clasificadas por: Condiciones físicas de estudio, Horarios de estudio, Actitud frente a la clase y al profesor, Exámenes iniciales, parciales y finales, Motivación frente al estudio.




86


Fecha: 23/10/2013

Nombre de requerimiento: Indicador del área de matemática

Descripción: Deberá mostrar en qué estado se encuentran los alumnos en todos los cursos de matemática según el semestre, escuela, facultad y campus.





Fecha: 23/10/2013

Nombre de requerimiento: Indicador del área de capacidades comunicativas

Descripción: Deberá mostrar en qué estado se encuentran los alumnos en todos los cursos de capacidades comunicativas o lengua española según el semestre, escuela, facultad y campus.





Fecha: 23/10/2013

Nombre de requerimiento: Indicador del estado hábitos de estudio

Descripción: Deberá mostrar qué hábitos de estudio tienen los alumnos para su desempeño académico según el semestre, escuela, su facultad y campus.





Fecha: 23/10/2013

Nombre de requerimiento: Indicador académico de los estudiantes

Descripción: Es estado académico de una escuela, facultad o campus dependerá de las notas obtenidas de matemática, capacidades comunicativas y hábitos de estudio. El sistema deberá mostrar el estado académico según el semestre, escuela, facultad y campus así como sus comparaciones entre los mismos.




87


Fecha: 23/10/2013

Nombre de requerimiento: Indicador emocional

Descripción: El sistema deberá mostrar el estado emocional que se encuentran los alumnos según el semestre, escuela, facultad y campus, así como las comparaciones entre escuelas, facultades y campus.





Fecha: 23/10/2013

Nombre de requerimiento: Indicador físico

Descripción: El sistema deberá mostrar el estado físico que se encuentran los alumnos según el semestre, escuela, facultad y campus, así como las comparaciones entre escuelas, facultades y campus.





Fecha: 23/10/2013

Nombre de requerimiento: Indicador del estado del alumno (tutoría)

Descripción: Cabe mencionar que el estado del alumno es el conjunto de las notas obtenidas en la parte académica, emocional, físico y espiritual (como se describe en la sección 4.1.4 el estado espiritual está fuera del alcance del proyecto). El sistema deberá mostrar el estado del estudiante según el semestre, escuela, facultad y campus, así como las comparaciones entre escuelas, facultades y campus.





Fecha: 23/10/2013

Nombre de requerimiento: Indicador gestión de datos ingresados en tutoría

Descripción: El sistema deberá mostrar el estado del cumplimiento de datos ingresados del estudiante según el semestre, escuela, facultad y campus, así como las comparaciones entre escuelas, facultades y campus.

88





Fecha: 23/10/2013

Nombre de requerimiento: Indicador variable de salida de tutoría

Descripción: El sistema deberá mostrar el estado del resultado final de las evaluaciones al estudiante según el semestre, escuela, facultad y campus, así como las comparaciones entre escuelas, facultades y campus.





Fecha: 23/10/2013

Nombre de requerimiento: Indicador gestión de tutoría

Descripción: Cabe resaltar que la gestión de tutorías está compuesta por la gestión de datos, gestión del estado del alumno, variable de salida. El sistema deberá mostrar el estado de la gestión de tutoría según el semestre, escuela, facultad y campus, así como las comparaciones entre escuelas, facultades y campus.





Fecha: 23/10/2013

Nombre de requerimiento: Indicador evaluación docente ( encuesta semestral)

Descripción: El sistema deberá mostrar el resultado de las notas obtenidas por los docentes en la evaluación semestral según el semestre, escuela, facultad y campus, así como las comparaciones entre escuelas, facultades y campus.





Fecha: 23/10/2013

Nombre de requerimiento: Indicador cumplimiento de evaluaciones ( notas ingresadas a tiempo por parte de los docentes)

Descripción: El sistema deberá mostrar el estado de las notas ingresadas a tiempo por parte de los docentes según el

89

semestre, escuela, facultad y campus, así como las comparaciones entre escuelas, facultades y campus.





Fecha: 24/10/2013

Nombre de requerimiento: Indicador grupos focales

Descripción: El sistema deberá mostrar el estado de la evaluación de los grupos focales según el semestre, escuela, facultad y

campus, así como las comparaciones entre escuelas, facultades y campus.





Fecha: 24/10/2013

Nombre de requerimiento: Indicador desempeño docente

Descripción: Cabe resaltar que la gestión del desempeño docente comprende encuesta, puntualidad (como se describe en la sección 4.1.4 el indicador puntualidad está fuera del alcance del proyecto), cumplimiento de evaluaciones y grupo focales. El sistema deberá mostrar el estado de la gestión del desempeño docente según el semestre, escuela, facultad y campus, así como las comparaciones entre escuelas, facultades y campus.





Fecha: 24/10/2013

Nombre de requerimiento: Indicador cumplimiento de la programación de actividades

Descripción: El sistema deberá mostrar el estado del cumplimiento de la programación de actividades por parte del docente según el semestre, escuela, facultad y campus, así como las comparaciones entre escuelas, facultades y campus.




90


Fecha: 24/10/2013

Nombre de requerimiento: Indicador calidad programación de actividades

Descripción: El sistema deberá mostrar el estado de la calidad de la programación de actividades por parte del docente según el semestre, escuela, facultad y campus, así como las comparaciones entre escuelas, facultades y campus. Cabe resaltar que dicha calidad de la programación de actividades se sacará del puntaje obtenido en el rubro preparación de clase de grupos focales.





Fecha: 24/10/2013

Nombre de requerimiento: Indicador de la evaluación de la programación de actividades

Descripción: Cabe resaltar que la evaluación de la programación de actividades está conformada por los indicadores del cumplimiento de la programación de actividades y calidad de la misma. El sistema deberá mostrar el estado de la evaluación de la programación de actividades según el semestre, escuela, facultad y campus, así como las comparaciones entre escuelas, facultades y campus.





Fecha: 24/10/2013

Nombre de requerimiento: Indicador del cumplimiento del llenado de sílabos a tiempo

Descripción: El sistema deberá mostrar el estado del cumplimiento del llenado de sílabo según el semestre, escuela, facultad y campus, así como las comparaciones entre escuelas, facultades y campus.





Fecha: 24/10/2013

Nombre de requerimiento: Indicador de calidad del silabo

91

Descripción: El sistema deberá mostrar el estado de calidad del sílabo según el semestre, escuela, facultad y campus, así como las comparaciones entre escuelas, facultades y campus.





Fecha: 24/10/2013

Nombre de requerimiento: Indicador evaluación de sílabo

Descripción: Cabe resaltar que el indicador evaluación de sílabo está conformado por cumplimiento del llenado del sílabo y la calidad del sílabo. El sistema deberá mostrar el estado de la evaluación del sílabo según el semestre, escuela, facultad y campus, así como las comparaciones entre escuelas, facultades y campus.





Fecha: 24/10/2013

Nombre de requerimiento: Indicador gestión del sílabo

Descripción: Cabe resaltar que el indicador gestión de sílabo está conformado por la evaluación de la programación de actividades y la evaluación del sílabo. El sistema deberá mostrar el estado de la gestión de sílabo según el semestre, escuela, facultad y campus, así como las comparaciones entre escuelas, facultades y campus.





Fecha: 24/10/2013

Nombre de requerimiento: Indicador de gestión del proceso enseñanza y aprendizaje

Descripción: Cabe resaltar que la gestión del proceso de enseñanza y aprendizaje está compuesto por la gestión de sílabos, gestión del desempeño docente, gestión de tutorías y gestión de tareas clase (como se describe en la sección 4.1.4 la gestión de tareas está fuera del alcance del proyecto). El sistema deberá mostrar el estado de la gestión del proceso de enseñanza y aprendizaje según el semestre,

92

escuela, facultad y campus, así como las comparaciones entre escuelas, facultades y campus.





Fecha: 24/10/2013

Nombre de requerimiento: Reportes comparativos

Descripción: Cada indicador tendrá su reporte comparativo por semestre, escuela, facultad y campus. Esto permitirá saber qué escuela, facultad o campus está llevando la delantera mostrando así su estado real de acuerdo a cada indicador seleccionado.

Tipo: Funcional: No Funcional: X




Fecha: 24/10/2013

Nombre de requerimiento: Los reportes deberán mostrar su estado mediante gráfica de indicador del rojo hasta el verde

Descripción: Los indicadores estarán acompañados de gráficas semáforo en el que se podrá visualizar amigablemente el estado actual de una determinada escuela, facultad o campus.





Fecha: 24/10/2013

Nombre de requerimiento: Los reportes deberán mostrarse desde el nivel más alto hasta el nivel mínimo de detalle con respecto a los

indicadores

Descripción: Los reportes deberán mostrar al comienzo el estado general de la UPeU, luego de sus sedes, facultades y escuelas, hasta observar detalladamente el o los indicadores que están en rojo para posteriormente implementar un plan de mejora.




93


Fecha: 24/10/2013

Nombre de requerimiento: Cada peso de indicador deberá ser modificable por semestre

Descripción: Los indicadores estarán acompañados de un peso determinado por el área de vicerrectorado. Estos pesos podrán ser modificados por semestre en caso sea necesario.





Fecha: 24/10/2013

Nombre de requerimiento: Flexibilidad para agregar más indicadores

Descripción: La estructura del data mart deberá soportar nuevos indicadores en el transcurso del tiempo.





Fecha: 24/10/2013

Nombre de requerimiento: Reportes rápidos e intuitivos

Descripción: El tiempo de respuesta de los reportes debe ser rápido, así como amigables al usuario, para manejarlos con facilidad.





Fecha: 24/10/2013

Nombre de requerimiento: La base de datos en construcción deberá almacenar información al detalle para la construcción de nuevos

reportes

Descripción: La base de datos, en este caso nuestro DM deberá almacenar información al detalle que comprende cada uno de los indicadores, por ejemplo los alumnos que tienen baja nota en el área de matemática que afecta al respectivo indicador, así como los docentes, cursos, rubros de evaluación, puntajes, tipo de exámenes, etc. pertenecientes al proceso de enseñanza y aprendizaje.




94

Todos los requerimientos descritos van en función a la obtención de indicadores, los

cuales fueron identificados por vicerrectorado de manera jerárquica mostrados en la

figura 30.

Figura 30 Indicadores académicos

Para más información de los indicadores académicos ver el Anexo 1.

4.3 Desarrollo de módulos académicos

Para la recolección de información de nuestros indicadores es indispensable el

desarrollo de los siguientes módulos académicos.

4.3.1 Descripción general

4.3.1.1 Funcionamiento

Se procedió al desarrollo de módulos académicos al detectar que no se

poseía información necesaria para la elaboración de los indicadores de

cumplimiento de la programación de actividades, evaluación grupos focales

y todos los indicadores que forman el indicador completo de gestión de

tutorías.

95

Módulo de ingreso programación de actividades: como se mencionó

en los requerimientos sirve para evidenciar las clases realizadas por los

docentes durante un determinado periodo académico. Este acceso

aparecerá en el portal de docente como un link [programación de

actividades].

Cuando el docente presione click en el link [programación de

actividades], lo llevará a otra página en el cual muestre las sesiones de

su sílabo ingresado, en el cual se mostrará al lado derecho de cada

sesión un link [generar programación de actividades], en el cual se

mostrará el ingreso de la programación de actividades con los siguientes

campos: aprendizaje esperado de la sesión, momentos o nombre de la

actividad, estrategias/ descripción, tiempo y link (opcional).

Acceso: Todos los docentes de pregrado y PROESAD.

Módulo de evaluación de sílabos: El módulo evaluación de sílabos

como se mencionó en los requerimientos sirve para evaluar la calidad de

los sílabos ingresados en un determinado semestre. Este acceso estará

clasificado dentro de la opción administrar del sistema académico. Al dar

click en [Evaluar sílabos], aparecerá una nueva interfaz en el cual se

mostrará una búsqueda por semestre, campus, facultad, escuela, ciclo y

grupo, esto permitirá listar a los cursos según la búsqueda elegida. Este

listado mostrará el nombre del curso, grupo, créditos, horas teóricas,

horas no presenciales, total de horas, nombre del profesor, además del

puntaje transformado en color (rojo-puntaje 1, amarillo-puntaje 2 y verde-

puntaje 3) de los rubros de: evaluación estructura de unidad,

competencias y unidades y por último sistema de evaluación. Al costado

derecho aparecerá por registro el ícono evaluar.

Al dar click en el ícono llevará a otra interfaz que mostrará al lado

izquierdo el sílabo y al lado derecho la evaluación por la estructura de

unidad (muestra clara relación, existe relación, hay poca relación), la

estructura del sílabo (muestra clara relación, existe relación y hay poca

relación), el sistema de evaluación (evidencia la competencia con

claridad, algunas corresponden sin claridad y alumnas corresponden).

96

Luego de seleccionar la evaluación correspondiente aparecerá una

casilla de observaciones siempre y cuando se lo requiera.

Acceso: Gabinete pedagógico.

Módulo de ingreso entrevistas grupos focales: El módulo de ingreso

de entrevistas de los grupos focales como se mencionó en los

requerimientos sirve para capturar la opinión del alumno frente a su

docente que dicta una determinada asignatura correspondiente a un

ciclo académico. Este acceso estará clasificado dentro de la opción

administrar del sistema académico. Al dar click en [Entrevista Grupos

Focales], aparecerá una nueva interfaz en el cual mostrará una

búsqueda según semestre, campus, facultad, escuela, ciclo y grupo,

esto permitirá listar a los cursos con sus docentes según la búsqueda

elegida. Esta lista contendrá el nombre del curso, el nombre del docente,

grupos, créditos y horas totales. Al costado derecho de cada curso

aparecerá un ícono de entrevista, en el cual nos llevará a otra ventana

de registro de comentarios de los alumnos por rubro a evaluar. Estos

rubros de evaluación son 4: conocimiento de la filosofía y respeto al

alumno, dominio de su área, estrategias para hacerse entender y

preparación de clase.

Acceso: Personal administrativo de cada facultad.

Módulo evaluación grupos focales: El módulo evaluación grupos

focales como se mencionó en los requerimientos sirve para evaluar al

docente en el desempeño de una determinada asignatura dictada en un

determinado semestre. Este acceso estará clasificado dentro de la

opción administrar del sistema académico. Al dar click en [Evaluar

grupos focales], aparecerá una nueva interfaz en el cual se mostrará

una búsqueda por semestre, campus, facultad y escuela, esto permitirá

listar a los cursos y docentes según la búsqueda elegida. Este listado

mostrará el nombre del docente, el nombre de la asignatura, la escuela,

grupo, opción de evaluar, además mostrará el puntaje de los rubros

incluidos en la evaluación de grupos focales los cuales son: preparación

97

de pan de clase, estrategias para hacerse entender, conocimiento de la

filosofía y respeto al alumno.

Al dar click en el link evaluar abrirá una venta flotante que mostrará al

lado izquierdo los comentarios obtenidos de los grupos focales y al lado

derecho la evaluación por: dominio de su área, preparación de clase,

estrategias para hacerse entender, conocimiento de la filosofía y respeto

al alumno. Cada rubro tendrá un puntaje que va desde el 1 hasta el 3

donde 1 es el menor valor y 3 es el máximo valor.

Acceso: Gabinete pedagógico.

Adaptación del software LimeSurvey: La implementación de este

software libre proviene de la necesidad de tener un sistema de

encuestas online para los docentes y alumno. Este sistema permitió la

elaboración de encuestas en línea para los alumnos de los primeros

años de todas las carreras acerca de los hábitos de estudio, el cual es

uno de los indicadores establecidos por vicerrectorado para la

elaboración del indicador compuesto de gestión de tutorías.

Acceso: Alumnos de los primeros años de cada carrera.

Módulo de ingreso de notas área tutorías: El módulo de ingreso de

notas como se mencionó en los requerimientos sirve para evaluar al

alumno en una determinada área o test un determinado semestre. Este

acceso estará clasificado dentro del Portal de bienestar universitario

ubicado en la opción de [ingresar notas] en el menú del sistema

académico. Al dar click en [ingresar notas], aparecerá una nueva

interfaz en el cual se mostrará una búsqueda por semestre, campus,

facultad y escuela, ciclo, grupo, área y el tipo de evaluación (entrada,

intermedio y salida), el cual permitirá listar a los estudiantes a ser

evaluados según la búsqueda elegida. Este listado mostrará el código

del estudiante, nombre del estudiante, foto, así como el puntaje de los

dominios a evaluar según el área o test elegido. En caso que elija cultura

física tendrá aparecerá los dominios de fuerza, velocidad, flexibilidad y

resistencia cada uno con la escala del [00-10], si elige matemática

mostrará los dominios de operaciones combinadas con una escala de

98

[00-06], expresiones algebraicas con escala de [00-06] y resolución de

problemas con escala de [00-08], si elige inteligencia emocional

aparecerán los dominios de intrapersonal, manejo de estrés,

adaptabilidad, estado de ánimo, impresión positiva, total de conocimiento

emocional todos con una escala de [00-148]; si elige capacidades

comunicativas aparecerán los dominios de literal con una escala de [00-

06], inferencial con una escala de [00-06] y crítico valorativo con una

escala de [00-08]. Cabe resaltar que los puntajes se mostrarán como se

podrán editar en la misma casilla donde se muestran. Por último

aparecerá por cada registro de cada alumno la nota final de evaluación.

Acceso: Docentes que dictan matemática, capacidades comunicativas y

cultura física, así como los psicólogos asignados a cada facultad.

4.3.1.2 Descripción de los usuarios

Gabinete pedagógico: Está conformado por personal designado de

cada facultad con el fin de velar por la calidad de enseñanza que imparte

UPeU a los estudiantes.

Docentes: Se considera a los docentes a aquel personal que dicta curso

(s) en el presente semestre. Para estos indicadores solo se considera

docentes de pregrado y PROESAD.

Psicólogos: Aquel personal asignado a cada facultad, encargado de

velar por el bienestar del estado emocional del estudiante.

Personal administrativo: El personal administrativo está conformado

por decanos, secretarios, directores de escuela y secretarías. Para el

módulo de entrevistas de grupos focales solo se considera secretarias

de una determinada facultad.

4.3.2 Desarrollo e Implementación

4.3.2.1 Diseño de base de datos

99

El primer paso importante para el desarrollo de los módulos es el diseño de

la base de datos, en el cual se almacenarán los datos que recepcionarán

los módulos expuestos.

El modelado se realizó con la herramienta data modeler de Oracle SQL

Developer así como la generación de los DDLs.

4.3.2.2 Desarrollo del código

Para la realización de los nuevos módulos solicitados por vicerrectorado, el

ambiente de desarrollo se llevó acabo en la oficina de desarrollo – DIGESI.

Estos módulos fueron construidos utilizando la tecnología JSP con

programación en java. Asimismo, la base de datos utilizada fue Oracle 10g.

Cabe resaltar que estos módulos fueron desarrollados con el mismo

lenguaje y bases de datos del sistema académico.

El ambiente de desarrollo fue dado por un server VPS JSP, el cual genera o

soporta virtualización de aplicaciones de prueba, asimismo para la base de

datos con un server VPS DB el cual interactúa con nuestro server VPS JSP.

Este ambiente de desarrollo permitió visualizar cómo estaban quedando

nuestros módulos para el usuario.

4.3.2.3 Pruebas

Las pruebas se realizaron en el mismo ambiente de desarrollo. Estas

pruebas se hicieron por cada módulo solicitado según el cronograma

establecido.

Se realizaron las siguientes pruebas por módulo:

100

Tabla 17 Pruebas realizadas en los módulos académicos

Nombre del módulo Pruebas realizadas

Módulo de la

programación de

actividades

Ingreso de planes de clase

Eliminación de planes de clase

Modificación de planes de clase

Ingreso de palabras con tildes o utilizando la letra “ñ” en los

planes de clase

Verificación de la información mostrada procedente del

mismo sílabo.

Verificación del ingreso de la programación de actividades

de los campos obligatorios, nombre de actividad y

descripción

Visualización de la programación de actividades dentro del

portal del alumno

Módulo de

evaluación de

sílabos

Verificación de los campus mostrados en el selector que

pertenezcan al semestre seleccionado

Verificación de las facultades mostradas en el selector que

pertenezcan al campus del semestre seleccionado

Verificación de las escuelas mostradas en el selector que

pertenezcan a las facultades del campus del semestre

seleccionado

Verificación del ciclo mostrado que se haya dictado en la

escuela, perteneciente a la facultad del campus del semestre

seleccionado

Verificación del grupo mostrado que se haya generado en el

ciclo seleccionado perteneciente a una escuela, facultad,

campus del semestre seleccionado

Verificación del listado según los filtros seleccionados.

Verificación de los sílabos mostrados que deben

corresponder a la información seleccionada en la pantalla

anterior

101

Verificación de los criterios de evaluación según sus escalas

Ingreso de evaluación

Modificar evaluación

Ingreso de palabras con tildes o utilizando la letra “ñ” en las

evaluaciones

Diseño web adaptable

Módulo entrevistas

grupos focales







seleccionado



seleccionado


ciclo seleccionado perteneciente a una escuela, facultad ,



Ingreso de entrevistas por criterio de evaluación

Verificación de la edición de la entrevista solo si es el usuario

quien lo ingresó

Ingreso de palabras con tildes o utilizando la letra “ñ” en las

evaluaciones

Información de la entrevista: datos encriptados en la base de

datos

Módulo evaluación

grupos focales







seleccionado

102


Dentro de la evaluación se verificó que los datos de la

entrevista correspondan al curso seleccionado

Ingreso de evaluación por rubros y escala

Edición de la evaluación por rubros y escala

Cálculo del promedio obtenido de la evaluación

Adaptación del

software

LimeSurvey

Verificación con 5 personas del envío de la encuesta a sus

correos

Verificación luego de completar la encuesta, esta ya no

aparezca nuevamente en el portal

Verificación de encuestas incompletas, sigan apareciendo en

el portal

Módulo evaluación

áreas tutoría







seleccionado



seleccionado


ciclo seleccionado perteneciente a una escuela, facultad,


Verificación del selector área, solo debe de mostrar las áreas

a evaluar pertenecientes a la escuela

Verificación del ingreso de notas obtenidas en el área de

matemática


capacidades comunicativas


cultura física

103

Verificación del ingreso de notas obtenidas en el test de

inteligencia emocional

Verificación del ingreso de nota o puntaje sobre no

excederse del rango establecido por cada dominio

Verificación por examen de entrada, salida, intermedio

4.3.2.4 Implementación de módulos en el portal académico

Módulo de ingreso programación de actividades

A continuación se mostrará todas las pantallas involucradas para el

ingreso de la programación de actividades:

Dentro del portal del profesor se agregó la opción de [programación de

actividades].

Figura 31 Portal del profesor

Luego al dar click en la opción [ programación de actividades ], se abrirá

una nueva pantalla que mostrará las unidades con sus temas y fechas

obtenidas del sílabo, en el cual, el docente deberá ingresar según el tema a

desarrollar en su programación de actividades.

Figura 32 Temas del sílabo

Este link sirve para ingresar plan clase

104

Al dar click en el link [Programación de actividades], se mostrará la

siguiente pantalla.

Figura 33 Programación de actividades

Como podemos observar en la figura 33, la programación de actividades

tiene como cabecera el tema al que pertenece, la fecha, el semestre, la

escuela, el profesor, unidad temática al cual pertenece así como el

resultado de aprendizaje.

Se tiene para ingresar el aprendizaje esperado de la sesión, el nombre de

la actividad, la descripción, la url en caso sea necesario y en cuánto tiempo

se desarrollará la actividad.

Módulo de evaluación de sílabos

A continuación se presenta las pantallas involucradas para la evaluación de

los sílabos pertenecientes a los cursos con sus docentes en una

determinada carga académica.

105

Figura 34 Búsqueda del sílabo

En la figura 34, se puede observar los filtros utilizados para el listado de los

cursos que contienen los sílabos a evaluar. Una vez realizado los filtros de

búsqueda se mostrará el listado respectivo de los cursos a ser evaluados.

Figura 35 Listado de carga por búsqueda

Al dar click en la opción evaluar, se mostrará la siguiente pantalla.

106

Figura 36 Evaluar sílabo

En la figura 36, se puede observar el sílabo del curso seleccionado así

como el docente que lo dicta, por otra parte figura los temas de evaluación

al que es sometido un sílabo.

Una vez evaluado el sílabo, se procede a dar click en el botón [Regresar],

en el cual mostrará la evaluación del sílabo por colores, como se muestra

en la siguiente pantalla.

Figura 37 Sílabos evaluados

107

Como se observa en la figura 37, los criterios de evaluación van de la

puntuación 1 al 3 donde el 1=rojo, 2=amarillo, 3=verde.

Módulo de ingreso entrevistas grupos focales

En la figura 38, se puede observar el listado de cursos con sus docentes a

entrevistar pertenecientes a un campus, facultad, escuela, ciclo y grupo,

según la búsqueda seleccionada.

Figura 38 Listado de cursos a evaluar

Al dar click en el ícono de entrevista, aparecerá la siguiente pantalla.

Figura 39 Ingresar entrevista

108

En la figura 39, se observa el ingreso de los comentarios de la entrevista

por criterio de evaluación: dominio de su área, preparación de clase,

estrategias para hacerse entender, conocimiento de la filosofía y respeto al

alumno.

Una vez ingresado los comentarios, se registra el usuario y fecha de quien

realizó la entrevista sin opción a modificar, solo a agregar para mayor

seguridad.

Figura 40 Listado de entrevistas

Módulo evaluación grupos focales

En la figura 41 se observa la lista de cursos con sus docentes por campus,

facultad y escuela, según la búsqueda aplicada.

Figura 41 Listado de cursos y docentes según filtro

109

Al dar click en la opción evaluar , podemos observar la siguiente

pantalla.

Figura 42 Evaluación grupos focales

La evaluación de cada criterio va desde el valor 1 al 3, siendo el 3 el

máximo puntaje.

Adaptación del software LimeSurvey

El sistema LimeSurvey nos permite realizar encuestas configurables según

la necesidad. Su implementación tuvo como inicio el de realizar encuestas

para los docentes, alumnos y trabajadores sobre diferentes temas.

Asimismo, se aplicó el test de hábitos de estudio perteneciente al indicador

de gestión de tutoría.

A continuación se muestran las pantallas principales del sistema de

encuestas LimeSurvey.

Figura 43 Logeo LimeSurvey

110

En la figura 44 se observa la pantalla principal de configuración de las

encuestas para crear, modificar, eliminar, mostrar encuestados, mostrar

resultados, entre otros.

Figura 44 Ingreso como administrador al sistema LimeSurvey

En la figura 45, se muestra la información de bienvenida para la encuesta

de hábitos de estudio.

Figura 45 Pantalla de configuración de la información inicial del test hábitos de estudio

En la figura 46 se muestra las partes que conforman el test de hábitos de

estudio las cuales son: Condiciones físicas de estudio, Horarios de estudio,

Actitud frente a la clase y al profesor, Exámenes iniciales, parciales y

finales, Motivación frente al estudio.

111

Figura 46 Pantallas de los tests pertenecientes a hábitos de estudio

Módulo de ingreso de notas áreas tutorías

En la figura 47, se observa la ubicación del [Portal de bienestar

universitario y tutoría], que se agregó para el manejo de tutorías y bienestar

universitario.

Figura 47 Opciones sistema académico

Al dar click en portal de bienestar universitario y tutoría, se mostrará la

siguiente pantalla.

112

Figura 48 Portal bienestar universitario

En la figura 48, se observa el acceso de ingresar notas, en el que se

evaluará las áreas de capacidades comunicativas, matemática, cultura

física y inteligencia emocional, como se puede ver en las siguientes

pantallas.

Figura 49 Ingreso de notas de cultura física

113

Figura 50 Ingreso de notas de matemática

Figura 51 Ingreso de notas de capacidades comunicativas

114

Figura 52 Ingreso de notas de test de inteligencia emocional

Figura 53 Ver resultados de inteligencia emocional

115

4.4 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.

La arquitectura permite visualizar los posibles problemas al comienzo del

proyecto y tratar de minimizar los inconvenientes que puedan surgir.

Figura 54 Arquitectura para el proyecto del DM académico como base para la implementación del EIS en la UPeU

Como se muestra en la figura 54, para este proyecto se tendrá como datos de

origen al sistema académico de la Universidad Peruana Unión, el cual integra

los módulos de tutorías, portal del docente, portal del alumno, 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, el cual significa

extracción, transformación y carga. Este proceso permite a la organización

mover datos de múltiples fuentes, formatearlos, limpiarlos y cargarlos en otra

base de datos en este caso en el DM.

Una vez realizada la carga de datos, el DM se independiza de los sistemas

operacionales hasta la próxima carga. Luego que el DM esté llenado, se

utilizará la solución OLAP, que permitirá agilizar la consulta de grandes

cantidades de datos, para ello se utilizará estructuras multidimensionales o los

llamados cubos OLAP, logrando consultas con rapidez de respuesta.

116

Una vez realizados los cubos, se procede a elaborar reportes de cada uno de

los indicadores académicos solicitados por vicerrectorado para la toma de

decisiones y el control de los procesos académicos relevantes. El conjunto de

estos reportes es nuestro sistema EIS o sistema de información ejecutiva.

Como conclusión de esta fase este proyecto sigue una arquitectura MOLAP,

debido a la utilización de cubos para luego realzar los reportes sobre dicha

base.

4.4.1 Determinar server a utilizar

La determinación de las características del server, se definió en base a las

herramientas a utilizar para la realización del DM y el EIS por lo que se

recomendó por el área de redes, para el inicio del proyecto BI un servidor

virtualizado con las siguientes características:

2 CPU(s) de 1,4 Ghz

5 G de RAM

70 GB de disco duro

Sistema operativo de Microsoft Windows Server 2008 R2 (64-bit)

.NET Framework 3.5 SP1

Servicios de internet: Microsoft Internet Information Services (IIS)

Acceso a internet

Adobe Flash Player

Todas estas características se definieron en base a los requerimientos de las

herramientas BI.

4.4.2 Configuración del server

El primer paso es la virtualización del mismo, por lo que se identificó al anfitrión

el cual tiene instalado SO vmware 5 que hace posible dicha virtualización, así

como la instalación del sistema operativo Microsoft Windows Server 2008 R2

(64-bit) con salida a internet.

117

Figura 55 Servidor BI con sistema operativo Windows Server 2008 R2

Luego se procedió a instalar el IIS que nos sirve para la publicación de páginas

web y .Net Framework 3.5 SP1 (componente de software necesitado en las

aplicaciones a instalar), ambos incluidos dentro del sistema operativo.

Figura 56 Web Server (IIS) Tools y .Net Framework instalados en el server BI

118

Luego se procedió con la instalación del Adobe Flash Player para la

presentación de informes.

Figura 57 Adobe Flash Player instalado en el server BI

Como se ha detallado el server BI fue configurado de acuerdo a las

especificaciones del tema 4.4.1 para el soporte adecuado de las aplicaciones

BI.

4.5 Selección del producto

Para la implementación del sistema de información ejecutiva, se eligió el o los

productos que se ajusten a las necesidades de la empresa, en este caso de la

Universidad Peruana Unión.

Asimismo, cabe resaltar que la UPeU ya dispone de un convenio con Microsoft,

por el que se obtiene la solución SQL server 2012, el cual dispone de un

entorno integrado para desarrollar construcciones de inteligencia de negocios

muy conveniente para el desarrollo de nuestro Data Mart.

Asimismo, para la elaboración de cuadros de mando integral de los indicadores

académicos que ayudarán para la toma de decisiones y llevarán el control de

los procesos académicos por semestre, por campus, facultades y escuelas de

la UPeU, se elegirá la solución MicroStrategy 9 versión gratuita, el cual incluye

funcionalidades de reporting y analíticas permitiendo a los usuarios ver los

datos en varios formatos, desde informes operacionales hasta visualizaciones

de alta calidad gráfica.

En cuanto al tiempo de aprendizaje de los productos seleccionados, el equipo

que lleva a cabo este proyecto de inteligencia de negocios conoce el

119

funcionamiento de las dos herramientas seleccionadas, por lo que la empresa

reducirá gastos de capacitación así como tiempos de desarrollo del EIS.

En resumen se eligió SQL server 2012 para la extracción, transformación y

carga de los sistemas origen a la estructura del data mart académico, el cual

estará alojado en dicha solución y MicroStrategy 9 para el reporting y análisis,

ya que esta última no cuenta con el proceso de ETL (Extracción,

transformación y carga), sino que trabaja directamente con una base de datos,

en este caso con el data mart realizado por la herramienta SQL server.

En cuanto a costos, es muy favorable ya que tanto para la solución SQL Server

2012 la UPeU posee un convenio con Microsoft y en cuanto a la solución

MicroStrategy 9 se utilizará la versión gratuita, permitiendo el ahorro en cuanto

a licencias.

Figura 58 Aplicaciones a utilizar

4.5.1 Instalación del SQL server 2012

Para la obtención de esta herramienta se coordinó con el departamento de

soporte - DIGESI. Cabe resaltar que esta herramienta nos permitirá realizar

nuestro DM así como el llenado de la misma a través del proceso ETL. A

continuación presentaremos algunas pantallas importantes que se presentaron

durante la instalación del SQL server.

120

Figura 59 Normas de apoyo a la configuración SQL Server

Como se puede observar en la figura 59, el asistente de instalación comprueba

si se cumple con todos los requerimientos que exige el Sql Server, logrando así

evitar posibles problemas que puedan surgir más adelante. Como siguiente

paso se ingresó la clave del producto y se aceptó los terminos de licencia.

Posteriormenete se eligió las características del server a utilizar.

Figura 60 Características seleccionadas para nuestra base de datos

Luego se introdujo el nombre de la instancia, su respectiva ubicación dentro de

nuestro servidor, se eligió el tipo de autentificación con Windows introduciendo

la contraseña, y por último se procedió con la instalación.

121

Figura 61 Finalización de la instalación del SQL Server

4.5.2 Configuración de conexión a Oracle en SQL server

Esta conexión es de importancia para nuestro proyecto, debido a que nuestro

sistema académico (sistema origen) utiliza la base de datos Oracle 10g. Dado

que SQL server no posee por defecto esta conexión origen con bases de datos

Oracle se realizó los siguientes pasos:

Primero se instaló el cliente de Oracle 11g

Una vez instalado, nos dirigimos a la ubicación donde se instaló el

cliente en nuestro caso C:\app\carol.acuna\product\ 11.2.0\client_1\

NETWORK\ADMIN, ubicando el archivo TNSNAMES. ora para agregar

una conexión a nuestra base de datos origen.

Para probar la conexión con nuestra base de datos origen, utilizamos

Oracle SQL developer, introdujimos el hostname, puerto y SID de

nuestra base de datos, logrando así una conexión satisfactoria.

El siguiente paso fue instalar nuestro conector de Microsoft para Oracle

by Attunity.

Una vez instalado se procede a agregar el conector en el toolbox de

SQL Integration Services (entorno donde se realizará el data mart y el

proceso ETL).

Por último una vez agregado el conector Oracle se procede a agregar

una nueva conexión, elegimos Microsoft Connector for Oracle by

122

Attunity, y probamos conexión a nuestra base de datos origen, logrando

así una conexión satisfactoria.

4.5.3 Instalación de MicroStrategy

Para la instalación del MicroStrategy 9 versión libre, se procedió a

descargar esta herramienta de su sitio web. Luego de haber descargado,

se realizó la instalación en el cual se comprueba las dependencias que

necesita para proseguir. Una vez concluido el proceso, se creó tres

esquemas en SQL Server, cada uno con un cometido diferente. Estos

esquemas almacenan la metadata, historial y estadísticas con los que

trabaja MicroStrategy. La metadata es el corazón del sistema, debido a

que almacena tablas internas donde se encuentra la información del

modelo de datos que se definió y todos los objetos que definamos así

como los filtros, informes, indicadores, etc. El esquema de Historial,

como su nombre lo indica, almacena las modificaciones que realicemos

de los objetos. Por último el esquema de estadísticas contiene tablas

para mantener y controlar la actividad del sistema.

Una vez de haber creado los esquemas, se procedió a abrir el asistente

de configuración.

Figura 62 Instalación de MicroStrategy

123

Este paso es importante, ya que se conecta a las bases de datos y crea

las tablas necesarias para gestionar el metadatos, el historial y

estadísticas de MicroStrategy.

El siguiente paso fue la configuración del MicroStrategy Intelligence

Server que es motor de procesamiento y gestión de los trabajos de las

aplicaciones de informes, análisis y monitorización. Por último, la

configuración de los orígenes del proyecto que es la ubicación

centralizada de los diferentes proyectos que se manejan. Con esto

concluimos con la configuración básica de nuestro servidor

MicroStrategy 9.

4.6 Modelo dimensional

4.6.1 Elección del proceso de negocio

Primeramente, se entiende como proceso de negocio al conjunto de

actividades realizadas dentro de una organización, que a su vez cuenta con

entradas y salidas. En este primer paso se seleccionó los procesos de negocio,

el cual son identificados gracias a la recolección de requerimientos obtenida de

las entrevistas realizadas a nuestros usuarios principales, en este caso, a

Vicerrectorado.

En el presente proyecto tendrá como procesos de negocio la elaboración de

sílabos así como la 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 evaluar al

docente, el cual se lleva a cabo a través de una encuesta virtual y grupos

focales, los mismos que son realizados 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. Asimismo, el proceso

de evaluar a estudiantes, este proceso se da cuando el docente toma

exámenes parciales, intermedios, finales, etc. a los estudiantes según sus

evaluaciones planificadas dentro del sílabo.

124

Por último, el proceso de seguimiento al estudiante (tutorías), este proceso

aplica diversos instrumentos para medir sus hábitos de estudio del estudiante,

su capacidad de resolución de problemas (área de Matemática), su capacidad

lingüística (área de Capacidades Comunicativas), su inteligencia emocional, su

físico, etc.

En general toda esta información generada por los procesos en estudio, es de

importancia para la construcción de los indicadores de los procesos

académicos. Dicha información almacenada en el DM, permitirá conocer los

sílabos completos e incompletos por semestre, escuela, facultad y campus, la

cantidad de sesiones con programación de actividades por semestre, escuela,

facultad y campus, la nota del docente según criterios de evaluación tanto de la

encuesta online como de los grupos focales, cantidad de rubros vencidos,

cantidad de rubros cumplidos, nota obtenida por los alumnos en las áreas de

matemática, capacidades comunicativas, cultura física, así como los puntajes

en los test aplicados de inteligencia emocional y hábitos de estudio por

semestre, escuela, facultad y campus, entre otros.

4.6.2 Establecer el nivel de granularidad

El nivel de detalle apropiado para el propósito de este proyecto es una

granularidad fina, debido al requerimiento número 35 por parte de

Vicerrectorado, así como dar mayor facilidad en el desglose de la información.

De esta manera los usuarios podrán ver exactamente qué indicadores no están

del todo bien y quiénes lo están ocasionando.

A continuación, se destaca algunos datos requeridos asociados a los

indicadores:

Fecha de la programación de actividades

Carrera al que pertenece el curso

Asignaturas pertenecientes a un docente

Nota o puntaje de los estudiantes en áreas o test examinados por

tutoría.

Puntaje por cada criterio de evaluación del docente.

125

Cantidad de rubros evaluados por docente y curso

Cantidad de rubros vencidos por docente y curso

Etc.

Todos estos datos podrán generar una serie de reportes según lo requiera el

usuario, para un mejor control de los procesos de enseñanza y aprendizaje en

favor de mejorar la calidad en la educación, logrando proporcionar qué sedes,

facultades y carreras en un determinado semestre de análisis tienen menor

puntaje en los indicadores de gestión de sílabos, desempeño docente y

tutorías, así como el futuro desglose de los mismos, como por ejemplo saber

qué facultad dentro de la gestión de tutorías tiene un indicador no saludable,

hasta determinar el grupo de alumnos pertenecientes a una determinada

escuela con menor calificación obtenida.

Como se puede observar, esta granularidad elegida para el proyecto ofrece a

los usuarios un gran abanico de posibilidades al momento de extraer

información del DM.

4.6.3 Elección de las dimensiones

En este paso se definió las dimensiones que son obtenidas de lo descrito por

los usuarios sobre los procesos de negocio académicos. Estas dimensiones

son importantes a la hora de incorporar a las tablas de hecho. Cabe resaltar si

el nivel de granularidad está bien definido, por lo general las dimensiones se

puede identificar con bastante facilidad.

Es importante resaltar que los atributos escogidos de manera correcta, son

capaces de definir la calidad de un buen almacén de datos. En otras palabras

el poder del almacén de datos depende de los atributos de cada dimensión.

Para identificar las dimensiones recurrimos a los indicadores definidos por

vicerrectorado así como la información que manejan dichos indicadores, ver

figura 30, en el cual al analizarlos se detectó las siguientes:

126

Figura 63 Dimensión Indicador nivel V

Es necesario agrupar la información valiosa por indicador, por lo que nacen los

indicadores de nivel I, nivel II, nivel III, nivel IV y nivel V (UID). El usuario podrá

obtener información agrupada desde el más alto nivel hasta el más bajo. Toda

esta información será almacenada por la dimensión D_INDICADOR_NIVELV.

Cabe resaltar que estos indicadores tienen diferentes valores por niveles, estos

valores los llamamos ponderados, los cuales nos sirven en el cálculo de los

mismos.

Figura 64 Dimensión asignatura carga

La dimensión D_ASIGNATURA_CARGA, se refiere a los cursos dictados por

semestre académico, cuyos atributos son idd_asignatura_carga (UID), el

nombre de la asignatura, el grupo al cual pertenece la asignatura, el modo de la

asignatura (regular, extraprogramática y dirigida) y el ciclo en que se dicta. Esta

dimensión permitirá formar reportes por cursos con sílabos cumplidos, cursos

127

con docentes puntuales, cursos con docentes evaluados con nota aprobatoria,

etc.

Figura 65 Dimensión docente

La dimensión docente contendrá información importante del docente para

ubicarlo. Esta dimensión tiene como atributos a idd_docente (UID),

código_docente, nombre_docente, apellido_pat_docente, apellido_mat_

docente, celular_docente, correo_docente.

Figura 66 Dimensión tiempo

La dimensión tiempo es la que nos va a permitir agrupar la información por

semestre o año, dado que en su mayoría de los indicadores presentados tiene

como unidad mínima de tiempo el semestre. Los atributos de esta dimensión

son el idd_tiempo (UID), año y semestre.

128

Figura 67 Dimensión escuela

La dimensión escuela es la que clasifica la información generada de una

determinada escuela. Esta dimensión tiene como atributos a idd_escuela (UID),

nombre_escuela, alias_escuela, nombre_facultad al cual pertenece la escuela,

alias_facultad, nombre_campus al cual pertenece la facultad de la escuela y

por último alias_campus.

Figura 68 Dimensión estrategia evaluación

La dimensión estrategia evaluación almacena las estrategias utilizadas en los

rubros de evaluación ingresados en cada sílabo. Esta dimensión tiene como

atributos a idd_estrategia (UID), codigo_estrategia que es el código utilizado en

la base de datos operacional, nombre_estrategia. Esta dimensión permitirá

obtener reportes al detalle de las estrategias de evaluación ingresadas a

tiempo, estrategias de evaluación que no son ingresadas a tiempo, etc.

129

Figura 69 Dimensión criterio encuesta

La dimensión criterio encuesta se refiere a los criterios de evaluación que

establece la encuesta online realizada por semestre al docente. Esta dimensión

tiene como atributos a idd_criterio (UID), criterio_numero que es el código

utilizado en la base de datos operacional, nombre_criterio, nombre_cat_criterio

el cual se refiere a qué categoría pertenece el criterio de la encuesta, como por

ejemplo criterio de arreglo e imagen personal pertenece a la categoría aspecto

ético-social. Esta dimensión permitirá obtener reportes al detalle del puntaje

obtenido por criterio o por la categoría del criterio.

Figura 70 Dimensión escala GEA (Gestión estado alumno)

La dimensión escala GEA, se refiere a las escalas utilizadas en las áreas o test

monitoreados por tutoría académica, a su vez estas escalas pertenecen a

dominios. Por ejemplo el dominio operaciones combinadas tiene como escalas:

no tiene dominio, tiene dominio parcial y tiene dominio completo. Esta

dimensión tiene como atributos a idd_escala_gea (UID), nombre_escala_gea,

nombre_dominio_gea, dominio_rango_gea el cual señala el rango que posee

un determinado dominio.

130

Figura 71 Dimensión rubros evaluación sílabo

La dimensión rubros evaluación sílabo se refiere a los rubros o criterios de

evaluación que se establecen para establecer la calidad de los sílabos. Esta

dimensión tiene como atributos a idd_escala_eval_silabo (UID),

escala_eval_silabo el cual es un identificador que viene desde la base de datos

operacional, nombre_escala y nombre_dominio el cual señala al dominio que

pertenece cada escala, por ejemplo: clara coherencia, existe coherencia y

existe poca coherencia, pertenecen al dominio de estructura de la unidad.

Figura 72 Dimensión tipo de nota

La dimensión tipo de nota se refiere a la evaluación de los estudiantes,

clasificada por nota de entrada, nota intermedia y nota de salida. Esta

dimensión tiene como atributos a idd_tipo_nota (UID) y nombre_tipo_nota.

Cabe resaltar que la dimensión permitirá emitir reportes por puntaje de nota de

entrada, puntaje de nota de salida, etc.

131

Figura 73 Dimensión tutoría área

La dimensión tutoría área se refiere a las áreas o test aplicados por tutoría

académica, por lo general, dirigidos a los primeros años de cada escuela. Esta

dimensión tiene como atributos a idd_tutoría_area (UID), nombre_área,

grupo_tu, ciclo_tu y clasificacion. Cabe resaltar que la dimensión permitirá

emitir reportes por puntaje obtenido por área o test aplicado, etc.

Figura 74 Dimensión alumno

Esta dimensión contendrá información importante del alumno para ubicarlo.

Esta dimensión tiene como atributos a idd_alumno (UID), código_docente,

código_universitario, nombre_alumno, apellido_pat, apellido_mat,

celular_alumno, correo_alumno.

Figura 75 Dimensión rubros grupo focal

132

La dimensión rubros grupo focal, se refiere a los criterios de evaluación de los

grupos focales aplicados hacia los docentes. Esta dimensión tiene como

atributos a idd_rubro (UID), nombre_rubro y procentaje o peso asignado a cada

rubro. Cabe resaltar que la dimensión permitirá emitir reportes por puntaje

obtenido de dominio de su área, preparación de clase, etc.

Figura 76 Dimensión tiempo 2

La dimensión tiempo dos, nace debido a la necesidad de la información

generada por la programación de actividades y puntualidad del docente. Ambos

indicadores manejan información registrada por día a diferencia de los demás

indicadores cuya información se genera por semestre. Esta dimensión tiene

como atributos al idd_tiempo2 (UID), semestre2, fecha, año2, nombre_mes,

semana y día.

4.6.4 Identificación de los hechos

El grano de la tabla de hechos permite identificar qué información aparecerá en

la tabla de hechos. Como se definió el grano en el paso 2, los hechos también

deben ser fieles a este, por lo que se podría obtener resultados por ejemplo de

cantidad de rubros de evaluación vencidos por asignatura, cantidad de rubros

de evaluación totales por asignatura, etc.

De acuerdo con lo visto en las definiciones de Kimball de los tipos de tablas de

hecho (transaccionales, instantáneas periódicas y de acumulación), nos parece

claro las tablas de hechos que se usarán para nuestro proyecto.

133

A continuación pasamos a describir las tablas de hechos identificadas así como

sus tipos:

Figura 77 Tabla de hechos de cumplimiento evaluación docente (portales vencidos)

Descripción: Esta tabla de hechos es la encargada de tener la información

generada para el control de cumplimiento de evaluaciones ingresadas a tiempo

por los docentes, por el cual almacenará por registro la cantidad de rubros a

evaluar hasta la fecha, número de rubros evaluados y el número de rubros

vencidos.

Tipo de tabla de hechos: instantánea de acumulación, debido a que registra y

hace un seguimiento de las evaluaciones ingresadas a tiempo por los docentes

desde el comienzo del ciclo académico hasta su finalización, por lo que

continuamente se irán realizando actualizaciones de la tabla de hechos.

Dimensiones con las que se relaciona: d_docente, d_tiempo, d_escuela,

d_asignatura_carga, d_indicador_nivelv, d_destrategia_eval.

Figura 78 Tabla de hechos de cumplimiento sílabo

134

Descripción: Esta tabla de hechos es la encargada de tener la información del

cumplimiento del ingreso del sílabo perteneciente a las asignaturas dictadas en

una determina carga académica. El puntaje del cumplimiento del sílabo evalúa

si todas las partes del sílabo estuvieron llenas hasta la fecha de cierre realizada

por vicerrectorado académico.

Tipo de tabla de hechos: instantánea periódica, debido a que este corte de

cumplimiento solo se realiza una vez por semestre.

Dimensiones con las que se relaciona: d_tiempo, d_escuela,

d_asignatura_carga, d_docente, d_indicador_nivelv.

Figura 79 Tabla de hechos de encuesta docente

Descripción: Esta tabla de hechos es la encargada de tener la información de

los puntajes obtenidos por la evaluación docente, el cual se realiza mediante

una encuesta online publicada en el portal académico del alumno, la cual

tendrá como hechos el promedio obtenido, desviación, muestra, cantidad de

alumnos que evaluaron como excelente, cantidad de alumnos que evaluaron

como muy bueno, cantidad de alumnos que evaluaron como bueno, cantidad

de alumnos que evaluaron como regular y cantidad de alumnos que evaluaron

como malo, todo esto por cada criterio de evaluación perteneciente a un curso,

el cual está asignado a un docente.

Tipo de tabla de hechos: instantánea periódica, debido a que registra

información solo una vez por semestre académico y no es acumulable.

Dimensiones con las que se relaciona: d_tiempo, d_escuela, d_

asignatura_carga, d_docente, d_indicador_nivelv, d_criterio_encuesta.

135

Figura 80 Tabla de hechos de grupos focales


la evaluación obtenida de los grupos focales por curso asignado a un

determinado docente. Esta tabla contendrá el puntaje clasificado en cantidad

de buenos, cantidad de regulares y cantidad de malos, este puntaje es por

rubro de evaluación de una determinada asignatura evaluada en grupos

focales.




d_asignatura_carga, d_docente, d_indicador_nivelv, d_rubro_grupo_ focal.

Figura 81 Tabla de hechos estado alumno


los por puntajes alcanzados por los alumnos tutorados en una determinada

136

escala que pertenece a un dominio de una determinada área o test. Esta tabla

tendrá los hechos de nota o puntaje obtenido, puntaje esperado.



Dimensiones con las que se relaciona: d_tiempo, d_escuela, d_tutoria_area,

d_alumno, d_indicador_nivelv, d_escala_gea, d_tipo_nota.

Figura 82 Tabla de hechos evaluación sílabo

Descripción: Esta tabla de hechos es la encargada de almacenar la

información generada de la evaluación de los sílabos la cual se realiza una vez

por semestre académico. Esta tabla tiene el hecho del puntaje obtenido de una

determinada escala perteneciente a un determinado dominio examinado en la

evaluación de los sílabos.



Dimensiones con las que se relaciona: d_tiempo, d_escuela, d_

asignatura_carga, d_docente, d_indicador_nivelv, d_rubros_eval_silabo.

Figura 83 Tabla de hechos gestión datos tutoría

137

Descripción: Esta tabla de hechos es la encargada de tener la información del

cumplimiento de ingreso de notas o puntajes pertenecientes a los alumnos

evaluados en una determinada área o test examinada en tutoría. Esta tabla

contendrá los hechos de cantidad total de datos a ingresar, cantidad de datos

ingresados cumplidos, cantidad total de alumnos a evaluar, cantidad de

alumnos evaluados cumplidos, cantidad de alumnos incompletos o falta

evaluar.




d_indicador_nivelv, d_tipo_nota.

Figura 84 Tabla de hechos gestión salida tutoría


las notas o puntajes finales obtenidos de las áreas analizadas por tutoría. Cabe

resaltar que estas notas representan a la nota final obtenida de la asignatura

relacionada con el área a analizar, por ejemplo: del área física, sería la

asignatura cultura física cuya nota final es de 17 de un determinado alumno.




d_alumno, d_indicador_nivelv.

138

Figura 85 Tabla de hechos programación de actividades

Descripción: Esta tabla de hechos es la encargada de tener la información

generada de los planes de clase ingresados por los docentes. Recordar que el

ingreso de programación de actividades es por sesión o tema a realizar. Dicha

tabla contendrá el hecho de un contador que realizó programación de

actividades, el cual nos ayudará a saber cuántos planes de clase se generan

por semana, por escuela, facultad, etc.

Tipo de tabla de hechos: instantánea de acumulación, debido a que realiza el

seguimiento de los planes de clase realizados en todo el semestre académico,

por lo que continuamente se irán realizando actualizaciones de la tabla de

hechos.

Dimensiones con las que se relaciona: d_tiempo2, d_escuela,

d_asignatura_carga, d_docente, d_indicador_nivelv.

Figura 86 Tabla de hechos gestión de proceso enseñanza – aprendizaje

Descripción: Esta tabla de hechos es la encargada de tener la información en

su conjunto de todos los puntajes obtenidos de cada indicador.

139




d_indicador_nivelv.

4.7 Diseño físico

Una vez que se ha definido el modelado dimensional se procedió a realizar el diseño

físico que consiste 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 [19]. Esto hace que las consultas tengan un tiempo de respuesta más rápido

debido a que se evita mucho en utilizar la cláusula join varias veces. Generalmente un

copo de nieve no se recomienda en un almacén de datos, debido a que casi siempre

hace la presentación de usuarios más complejo y más complicado, además genera

lentitud en la navegación entre las dimensiones.

A continuación mostraremos los esquemas en estrella realizados en función a la

información relacionada a los indicadores identificados en los requerimientos:

140

Indicador cumplimiento evaluación docente

Figura 87 Estrella CUMPLIMIENTO_EVAL_DOCENTE

Indicador cumplimiento del sílabo por el docente

Figura 88 Estrella CUMPLIMIENTO_SÍLABO

141

Indicador encuesta docente

Figura 89 Estrella ENCUESTA_DOCENTE

Indicador estado del alumno

Figura 90 Estrella ESTADO_ALUMNO

142

Indicador evaluación sílabo

Figura 91 Estrella EVALUACIÓN_SÍLABO

Indicador gestión de datos tutoría

Figura 92 Estrella Gestión de datos Tutoría

143

Indicador Gestión Proceso Enseñanza y Aprendizaje

Figura 93 Estrella Gestión proceso EA

Indicador grupos focales

Figura 94 Estrella grupos focales

144

Indicador programación de actividades

Figura 95 Estrella programación de actividades

Indicador gestión salida tutoría

Figura 96 Estrella gestión salida tutoría

145

Desarrollo del metadata

Luego de haber realizado el diseño físico del data mart, se procedió a realizar la

metadata, el cual sirve para mapear los datos que se extraerán del sistema origen y

se alojará en nuestro diseño fisico del data mart.

Para la realización del metadata se utilizó la plantilla mostrada en el Anexo 3, donde

se muestran los datos a extraer del sistema académico así como los usuarios,

columnas y tablas que alimentarán al DM.

4.8 Diseño e implementación ETL

Esta fase es una de las más importantes debido a que se realiza la extracción de los

datos, que consiste en verificar si cumple con los requerimientos adecuados de

información; transformación, el cual consiste en aplicar funciones, realizar fórmulas,

etc. sobre los datos extraídos y por último la carga de dicha información a nuestro

DM.

En la extracción de datos se realizó diferentes actividades para verificar la calidad y si

cumple los estándares conforme a los requerimientos. Estas verificaciones fueron las

siguientes:

Verificación de los datos pertenecientes a las dimensión de escuela, se

restringió solo a carreras presenciales y PROESAD. Se excluyó información de

carrerás actualmente no disponibles, diplomados, convenios, cursos libres y

posgrado.

Se realizó depuración de duplicados de docentes en carga.

Se realizó depuración duplicados de alumnos considerados en tutoría.

Se realizó depuración de fechas de las sesiones del sílabo para la

programación de actividades. Debido a que las fechas ingresadas no cumplían

con el formato adecuado.

Se restringió los campos nulos o vacíos en el cálculo de los puntajes.

Se realizaron comprobaciones entre la base de datos operacional y el DM con

respecto a los cálculos de puntajes obtenidos en cada indicador.

Para la obtención de los puntajes de los indicadores se utilizaron las fórmulas

establecidas por vicerrectorado, ver anexo 1.

146

En la transformación de los datos, se aplicó diferentes fórmulas, funciones, y

conversiones sobre los datos extraídos, algunas de ellas son:

Conversiones (Cast)

AVG

Case

Sumas, mutiplicaciones y divisiones

Replace

Nvl

Substr

Decode

Concatenaciones

Etc.

Por último, luego de haber realizado la extracción y transformación, los datos fueron

cargados a nuestro sistema destino el cual es el DM Académico. Dependiendo de los

requerimientos de la organización establecidos anteriormente, la carga de datos para

algunos indicadores se realizará semanal y otros semestral.

Para la elaboración del diseño y su implementación se realizó utilizando la

herramienta SQL server 2012 creando un paquete de Integración Services (SSIS), el

cual nos ofrece una colección organizada de conexiones, elementos de flujo de

control, elementos de flujo de datos, controladores de eventos, etc. que se pueden

ensamblar con la ayuda de las herramientas gráficas de diseño porporcionadas por

SQL server Integration Services [38].

A continuación se mostrará los procesos ETL de las tablas de hechos:

147

Figura 97 ETL estado alumno

Figura 98 ETL gestión de datos

148

Figura 99 ETL programación de actividades

Figura 100 ETL evaluación sílabo

149

Figura 101 ETL cumplimiento evaluación docente

Figura 102 ETL grupo focal

150

Figura 103 ETL cumplimiento sílabo

Figura 104 ETL Resultados de salida de tutoría

151

Figura 105 ETL encuesta docente

Figura 106 ETL DM Académico

152

4.9 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.

4.9.1 Determinar el conjunto de plantillas iniciales

El objetivo es determinar con un conjunto pequeño de plantillas de alto valor

que proporcionan una amplia gama de tipos de informes.

4.9.1.1 Identificar informes candidatos

Este paso se realizó juntamente con vicerrectorado, en el cual se detalla los

posibles informes que deberá contener el EIS.

Tabla 18 Informes candidatos

N° Descripción Tipo de informe

Elementos de datos de fila /

categorías

Elementos de datos de

columna / indicadores

Medida

Solicitud 1 Visualizar el estado actual de la UPeU en la gestión del proceso de enseñanza y aprendizaje por semestre

Indicador semestre puntaje E-A porcentaje

Solicitud 2 Visualizar el estado por sede de la gestión del proceso de enseñanza y aprendizaje por semestre

Indicador semestre, nombre campus

puntaje E-A porcentaje

Solicitud 3 Comparar el indicador E-A entre las sedes por semestre



Solicitud 5 Tendencia de los indicadores del proceso E-A por facultad

Gráfico de líneas simple

semestre, nombre facultad


Solicitud 6 Tendencia de los indicadores del proceso E-A por escuela


semestre, nombre escuela


Solicitud 6 Visualizar indicadores del nivel II por facultad y semestre

Indicador semestre, facultad

puntaje indicador nivel II

porcentaje

153

Solicitud 7 Visualizar indicadores del nivel II por escuela y semestre

Indicador semestre, escuela


porcentaje

Solicitud 8 Comparar indicadores del nivel II por facultad y semestre

Gráfico de barras

semestre, facultad


porcentaje

Solicitud 9 Comparar indicadores del nivel II por escuela y semestre

Gráfico de barras

semestre, escuela, nombre indicador


porcentaje

Solicitud 10

Visualizar indicadores del nivel III por facultad y semestre


puntaje indicador nivel III

porcentaje

Solicitud 11

Visualizar indicadores del nivel III por escuela y semestre



porcentaje

Solicitud 12

Comparar indicadores del nivel III por facultad y semestre

Gráfico de barras

semestre, facultad


porcentaje

Solicitud 13

Comparar indicadores del nivel III por escuela y semestre

Gráfico de barras



porcentaje

Solicitud 14

Visualizar indicadores del nivel IV por facultad y semestre


puntaje indicador nivel IV

porcentaje

Solicitud 15

Visualizar indicadores del nivel IV por escuela y semestre



porcentaje

Solicitud 16

Comparar indicadores del nivel IV por facultad y semestre

Gráfico de barras

semestre, facultad


porcentaje

Solicitud 17

Comparar indicadores del nivel IV por escuela y semestre

Gráfico de barras



porcentaje

Solicitud 18

Visualizar indicadores del nivel V por facultad y semestre


puntaje indicador nivel V

porcentaje

Solicitud 19

Visualizar indicadores del nivel V por escuela y semestre

Indicador Semestre, escuela


porcentaje

Solicitud 20

Comparar indicadores del nivel V por facultad y semestre

Gráfico de barras

semestre, facultad


porcentaje

154

Solicitud 21

Comparar indicadores del nivel V por escuela y semestre

Gráfico de barras

Semestre, escuela, nombre indicador


porcentaje

4.9.1.2 Consolidación de la lista de candidatos

Una vez realizado la lista de los posibles informes, se procedió a agrupar

algunos informes, cambiar el tipo de informe, así como clasificarlos según el

tema en común. A continuación se muestra la lista de informes ordenados y

clasificados.

Tabla 19 Lista de informes consolidados

Clasificación de los informes

Descripción Tipo de informe

Elementos de datos de fila /

categorías

Elementos de datos

de columna /

indicadores

Medidas

Información general

Visualizar el estado actual de la UPeU en la gestión del proceso de enseñanza y aprendizaje por semestre

Indicador semestre puntaje E-A

%

Visualizar el estado por sede de la gestión del proceso de enseñanza y aprendizaje por semestre


puntaje E-A

%

Panel de indicadores del E-A por sede

Cuadrícula con

umbrales

nombre indicador

puntaje indicadores,umbrales

%

Información clasificada por Lima, Juliaca,

Tarapoto, PROESAD

Visualizar indicadores del nivel I por facultad, escuela y semestre

Cuadrícula nombre del indicador

puntaje nivel I, umbrales puntaje nivel I

%

Visualizar indicadores del nivel II por facultad, escuela y semestre


puntaje nivel II, umbrales puntaje nivel II

%

Visualizar indicadores del nivel III por sede Lima, facultad, escuela y semestre


puntaje nivel III, umbrales puntaje nivel III

%

Visualizar indicadores del nivel IV por sede Lima, facultad, escuela y semestre


puntaje nivel IV, umbrales

%

155

puntaje nivel IV

Visualizar indicadores del nivel V por campus, facultad, escuela y semestre


puntaje nivel V, umbrales puntaje nivel V

%

Visualizar indicadores por facultad, escuela y semestre

Indicador nombre del indicador

puntaje %

Mostrar tendencia de los indicadores por facultad, escuela y semestre


indicador puntaje %

Comparar indicadores por facultad, escuela y semestre

Gráfico de barras

semestre, nombre de la facultad o escuela

puntaje %

4.9.1.3 Estableciendo prioridades

Luego de haber establecido los informes iniciales en acuerdo con

vicerrectorado, se concluyó que los informes listados son importantes, ya

que refleja el estado actual de cada uno de los indicadores por escuela,

facultad y campus en un determinado semestre. Estos informes darán a

conocer que departamentos académicos están en desventaja con respecto

a los indicadores académicos y así poder tomar decisiones para implantar

un plan de mejora continua. Por lo tanto, todos los informes listados en la

tabla 19 serán prioridad para nuestros usuarios académicos.

4.9.2 Desarrollo de la estrategia de navegación

Este paso es una proyección a los nuevos informes que se agregarán más

adelante, es por ello que se debe crear un método para agrupar y organizar

estos informes en plantillas.

Para nuestro DM académico se optó por agrupar el contenido de los datos.

156

Figura 107 Diagrama de navegación

Como podemos observar en la figura 107, se ha creado un diseño preliminar

para la navegación del usuario. Este diseño involucra el seguimiento del

proceso de E-A con sus respectivos indicadores, clasificados de manera

familiar para el uso del usuario, debido a que están organizados por campus,

facultad, escuela, indicadores y sus respectivos reportes, así como la

agrupación de futuros informes de predicción que se realizarán más adelante,

tales como cantidad de alumno a matricular en el 2016 por campus, facultad y

escuela.

4.9.3 Determinar las normas de la plantilla

Estas normas abarcan áreas como la denominación y el formato. Son

especialmente importantes para ayudar a los usuarios a comprender

rápidamente la naturaleza de un informe.

Para el desarrollo de este proyecto, se ha establecido formatos de nombres de

los objetos e informes involucrados.

DW ACADÉMICO

Seguimiento del proceso E-A

Campus 1

Facultad 1

Escuela 1

Indicador 1

Reporte 1

Reporte 2

Indicador 2

Ecuela 2

Facultad 2

Campus 2 Campus 3

dataming

157

Tabla 20 Formatos establecidos en la elaboración de plantillas

Objetos Formato a seguir

Atributos Los atributos estarán clasificados en carpetas con prefijo A_,

agrupados por las tablas a las cuales pertenecen.

Hechos Los hechos estarán clasificados en carpetas con prefijo H_,

agrupados por las tablas a las cuales pertenecen.

Indicadores Los hechos estarán clasificados en carpetas con prefijo I_. El

nombre de cada indicador estará sujeto al siguiente formato: [tipo

de valor cuantitativo / cualitativo] _ [nombre del indicador].

Cubos El nombre de los cubos realizados estará sujeto al siguiente

formato: [C] _ [nombre de los tipos de datos].

Informes El nombre de los informes realizados estará sujeto al siguiente

formato: [INF] _ [nombre de los tipo de datos]

Documentos El nombre de los documentos estará sujeto al siguiente formato:

[Tipo de informe] _ [nombre del tipo de datos].

4.9.4 Desarrollo de las especificaciones detalladas de la plantilla

Como se ha mencionado, el desarrollo de las especificaciones del usuario final

consiste en la definición y el diseño de las plantillas involucradas.

A continuación se mostrará la definición de la plantilla del seguimiento del

proceso E-A.

Tabla 21 Definición de la plantilla de seguimiento de proceso E-A

Nombre de la plantilla Seguimiento del proceso E-A

Descripción / propósito Esta plantilla muestra información general y por

campus de cómo está marchando la UPeU con respecto

a los indicadores de E-A en los diferentes semestres.

Además permite comparar y visualizar los indicadores

por semestre, campus, facultad y escuela.

Frecuencia Semanal y semestral

Entradas del usuario General: Se requiere que el usuario seleccione el

semestre y uno o más campus para visualizar los

indicadores generales.

158

Por campus: Para la información clasificada por

campus, se requiere que el usuario seleccione el

semestre, la facultad, y la escuela, así como el nombre

del indicador para mostrar las comparaciones,

tendencias y reportes en cuadrícula de los indicadores

E-A.

Restricciones por defecto Privilegio de solo visualizar para el usuario

Administrador_upeu

Cálculos (Puntaje indicador n * ponderado de indicador

n) / cantidad de registros

Otros, Ver anexo 1

Luego de haber definido la plantilla, pasamos al diseño de la misma, en el cual

se muestran los tipos de informes así como los parámetros de entrada para

cada uno de ellos.

Figura 108 Plantilla del seguimiento del proceso E-A, interfaz General

159

Figura 109 Plantilla del seguimiento del proceso E-A, reporte de comparación

Figura 110 Plantilla del seguimiento del proceso E-A, reporte estados por facultad

160

Figura 111 Plantilla del seguimiento del proceso E-A, reporte estados por escuela

4.10 Desarrollo de aplicaciones BI

4.10.1 Creación del proyecto BI en MicroStrategy

Para la creación del proyecto, se realizó con MicroStrategy Desktop el cual nos

provee un entorno de informes empresariales, permitiendo a los diseñadores

de informes generar informes y documentos complejos y sofisticados.

161

Figura 112 Creación del proyecto BI

Como podemos observar en la figura 112, el asistente de creación de

proyectos nos señala qué pasos debemos seguir. El primer paso se estableció

el nombre del proyecto BI_UPEU_EA, luego seleccionamos las tablas en el

catálogo de warehouse, el cual nos permitirá trabajar con el modelo lógico y

físico del DM académico en el entorno de MicroStrategy. Posteriormente la

creación de hechos y atributos se realizó con la herramienta Architect.

4.10.2 Implementación del modelo lógico y físico del DM en MicroStrategy

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.

162

Figura 113 Del modelo lógico y físico del DM al entorno MicroStrategy

Estos objetos se desarrollaron en MicroStrategy Architect el cual nos permitió

relacionar la información del modelo lógico y físico del DM académico con

MicroStrategy, al que se puede acceder desde MicroStrategy Desktop que es

un entorno de business intelligence que proporciona consultas e informes

integrados, análisis y diseño para cada escritorio.

4.1.1 Definición de jerarquías

Una vez identificados y creados los hechos y atributos en MicroStrategy, se

procedió a establecer las jerarquías existentes en alguna dimensiones. Para la

definición de la estructura de las jerarquías se utilizó Architect, en el cual nos

permitió seleccionar el atributo padre y arrastrar hacia el atributo hijo creando la

relación, estableciéndola de 1 a n.

A continuación se mostrarán las jerarquías identificadas para este proyecto.

163

Figura 114 Jerarquía de la dimensión tiempo

Figura 115 Jerarquía de la dimensión tiempo 2

164

Figura 116 Jerarquía de la dimensión indicador nivel V

Figura 117 Jerarquía de la dimensión escuela

165

Figura 118 Jerarquía de la dimensión rubros evaluación sílabo

Figura 119 Jerarquía de la dimensión criterio encuesta

Figura 120 Jerarquía de la dimensión escala gestión estado alumno

166

4.1.2 Desarrollo de indicadores en MicroStrategy

Para la realización de los indicadores se utilizó el editor de MicroStrategy

Desktop. Primero se definieron los indicadores generales los cuales permitirán

realizar indicadores compuestos para el cálculo de los indicadores de E-A.

Figura 121 Indicadores generales

Como podemos observar en la figura 121, contamos con tres indicadores

generales, cantidad por puntaje, que cuenta el total de registros dentro de un

determinado reporte, cantidad de escuela, cuenta las cantidades de escuelas

en un reporte, y puntaje real, que es la sumatoria del puntaje real obtenido por

cada indicador de E-A.

Luego de haber identificado los indicadores generales, pasamos a desarrollar

los indicadores compuestos los cuales se han agrupado según contenido.

Figura 122 Indicadores compuestos

167

A continuación se describirán cada uno de ellos así como las fórmulas

utilizadas.

Tabla 22 Descripción de los indicadores utilizados en el proyecto

Nombre

indicador

Descripción Fórmula

Ponderado_nivel

V

Calcula el ponderado que le

corresponde a los

indicadores del nivel V

Sum(Ponderadov)/

cantidad_d_registros

Puntaje_sp_nivel

V

Calcula el puntaje real

obtenido en el indicador de

nivel V. Este puntaje no se

multiplica por el peso

establecido a cada indicador

del nivel V mostrado en la

figura 30.

Puntaje_real / count_escuela

Puntaje_cp_nivel

V

Calcula el puntaje con el

peso asignado al indicador

de nivel V. Ver peso


del nivel V en la figura 30.

Puntaje_sp_nivelV *

Ponderadi_nivelV

Ponderado_nivel

IV


corresponde a los

indicadores del nivel VI

Sum(Ponderadoiv)/


Suma_puntaje_s

p_nivel IV

Suma los puntajes con peso

del nivel V. Esto es debido a

que el puntaje del indicador

del nivel IV depende del

puntaje del indicador nivel

V.

Sum(Puntaje_cp_nivel V)

Puntaje_sp_nivel

IV

Calcula el puntaje obtenido

en el indicador de nivel IV.

Este puntaje no se multiplica

por el peso establecido a

Suma_puntaje_sp_nivel IV / Count_

escuela

168

cada indicador del nivel IV

mostrado en la figura 29.

Puntaje_cp_nivel

IV



de nivel IV. Ver peso


del nivel IV en la figura 29.

Puntaje_sp_nivel IV * Ponderado_

nivel IV

Ponderado_nivel

III


corresponde a los

indicadores del nivel III

Sum(PonderadoIII)/


Suma_puntaje_s

p_nivel III


del nivel IV. Esto es debido a


del nivel III depende del


IV.

Sum(Puntaje_cp_nivel lV)

Puntaje_sp_nivel

III


en el indicador del nivel III.



cada indicador del nivel III


Suma_puntaje_sp_nivel III / Count_

escuela

Puntaje_cp_nivel

III



de nivel III. Ver peso


del nivel III en la figura 29.

Puntaje_sp_nivel III * Ponderado_

nivel III

Ponderado_nivel

II


corresponde a los

indicadores del nivel II

Sum(PonderadoII)/


Suma_puntaje_s

p_nivel II


del nivel III. Esto es debido a


del nivel II depende del

Sum(Puntaje_cp_nivel lII)

169


III.

Puntaje_sp_nivel

II


en el indicador del nivel II.



cada indicador del nivel II


Suma_puntaje_sp_nivel II / Count_

escuela

Puntaje_cp_nivel

II



de nivel II. Ver peso


del nivel II en la figura 30.

Puntaje_sp_nivel II * Ponderado_

nivel II

Ponderado_nivel

I


corresponde a los

indicadores del nivel I

Sum(PonderadoI)/


Suma_puntaje_s

p_nivel I


del nivel II. Esto es debido a


del nivel I depende del

puntaje del indicador nivel II.

Sum(Puntaje_cp_nivel II)

Puntaje_sp_nivel

I


en el indicador del nivel I.



cada indicador del nivel I


Suma_puntaje_sp_nivel I / Count_

escuela

Puntaje_cp_nivel

I



de nivel I. Ver peso

establecido del indicador de

nivel I en la figura 30.

Puntaje_sp_nivel I * Ponderado_

nivel I

170

4.1.3 Desarrollo del cubo

Para la elaboración del cubo 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 del 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 123 Ejecución del cubo inteligente

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.

4.1.4 Desarrollo del informe

171

La elaboración de informes son la base y el objetivo de inteligencia de

negocios. Gracias a ellos, los usuarios pueden obtener una visión empresarial

a través del análisis de datos [39].

Un informe está compuesto de filas y columnas, en donde las filas representan

un concepto de negocio, en este caso semestre, campus,facultad, nombre

indicador, etc, mientras que las columnas hacen referencia a los cálculos que

reflejan las cifras que se desea ver los cuales se denominan “indicadores” que

son importantes para el negocio.

Existen tres tipos de informes dentro de MicroStrategy, los cuales son:

cuadrículas, gráficos y cuadrículas y gráficos combinados. Para este proyecto

se elaboró el informe tipo cuadrícula INF_PROCESO_EA que se desarrolló

teniendo com base al cubo inteligente C_PROCESO_EA para la visualización

de los datos.

Figura 124 Informe INF PROCESO_EA

Posteriormente este informe será utilizado para el desarrollo de nuestro

documento al cual tendrán acceso los usuarios.

4.1.5 Desarrollo del documento

172

Para la realización de la interfaz que el usuario visualizará, se optó por un

documento, el cual contiene objetos que representan los datos procedentes de

uno o varios informes, además de imágenes y formas. Estos documentos

pueden presentarse en forma amigable y por lo general se le aplica el formato

más adecuado según las necesidades del negocio, ofreciendo una

visualización con calidad de presentación [40].

Este documento utiliza los objetos ubicados en el informe anterior, en el cual 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 125 Información del mapa general de los indicadores E-A

173

Figura 126 Vista general del indicador E-A de la UPeU

Figura 127 Vista de la sede Lima, informes de estados

174

Figura 128 Vista de la sede Lima, informes de comparación

4.1.6 Verificación de los reportes generados

Para la verificación de la información mostrada en nuestro documento, se

realizó las siguientes comprobaciones:

Comprobación del peso asignado a cada indicador.

Comprobación de los datos procedentes del data mart con los datos de

los informes existentes.

Comprobación en Excel aplicando las mismas fórmulas utilizadas por los

indicadores PUNTAJE_SP_NIVELI, PUNTAJE_SP_ NIVELII,

PUNTAJE_SP_NIVELIII, PUNTAJE_SP_NIVELIV,

PUNTAJE_SP_NIVELV, creados en el proyecto BI a los datos

contenidos en el DM.

Comprobación en Excel aplicando las mismas fórmulas utilizadas por los

indicadores PUNTAJE_CP_NIVELI, PUNTAJE_CP_ NIVELII,

PUNTAJE_CP_NIVELIII, PUNTAJE_CP_NIVELIV,

PUNTAJE_CP_NIVELV, creados en el proyecto BI a los datos

contenidos en el DM.

175

4.2 Implementación

La implementación es la convergencia de la tecnología, los datos y las aplicaciones

para los usuarios de negocio junto con la educación y apoyo a los usuarios [19].

Es por ello que se realizó las respectivas coordinaciones con el área de vicerrectorado

académico para la capacitación de usuarios, comprobación del EIS en diferentes

puntos de red como diferentes navegadores, todo ellos y más detallado en la

siguiente lista:

Pasos seguidos en la implementación del EIS:

Se cambió de origen de datos de pruebas a la conexión de la base de datos de

producción del sistema académico.

Salida del EIS con el URL http://indicadores.upeu.edu.pe/MicroStrategy /asp/

main.aspx, esto se realizó con la ayuda del área de redes - DIGESI

Se aumentó un CPU más al servidor BI, con un total de 3 CPUs, para dar más

velocidad a nuestra aplicación EIS.

Se creó un usuario con acceso restringido para el documento de indicadores

EA. Quiere decir que el usuario (administrador académico) solo podrá

visualizar y no manipular ni crear sus informes por el momento.

Se creó un mapa de indicadores para una mejor navegación por el documento

de indicadores EA. Así los usuarios cuando quieran visualizar un determinado

indicador podrán ubicarse en el mapa en donde les mostrará a qué nivel deben

ir para encontrarlo.

Comprobación del uso del EIS en diferentes puntos de red de la UPeU.

Comprobación con diferentes navegadores (Internet Explorer, Firefox, Chrome)

Políticas establecidas:

La captura de las solicitudes de mejora por parte de los usuarios serán

recepcionadas por vicerrectorado. Posteriormente dicha solicitud será emitida

por vicerrectorado a la oficina de desarrollo – DIGESI.

Recepción de solicitud de ayuda al correo [email protected]

176

La contraseña del usuario creado para todos los administradores académicos

caducará cada mes.

El backup de la data mart se realizará semanalmente.

El backup del proyecto se realizará mensualmente.

4.3 Pruebas

El EIS pasa por un periodo de prueba alfa interna, el cual consiste en ponerle final a

las pruebas del sistema, seguido de un periodo de prueba con un número limitado de

clientes para posteriormente hacer el EIS totalmente disponible.

Pruebas alfa:

Se realizaron procedimientos de calidad de datos; se verificó la información

contenida en el data mart con los datos del origen, verificación de los cálculos

utilizados para cada indicador según las fórmulas establecidas por

vicerrectorado, comprobación de filas devueltas por la base de datos de origen

con las filas contenidas en el DM, disponibilidad de los datos las 24 horas,

verificación del puntaje obtenido por los indicadores.

Verificación del rendimiento del EIS en cuanto al tiempo de conexión y

velocidad debido a que se agregó un CPU más.

Se realizaron pruebas en cualquier momento del día para verificar el tiempo de

respuesta del EIS.

Verificación del vencimiento de la sesión en caso exista inactividad en la

aplicación por parte del usuario.

Conexión simultánea con más de 10 usuarios.

Verificación de los filtros contenidos en el documento.

Durante el período de prueba, a un número limitado de usuarios de negocios se les

otorgará acceso al DM. El período de prueba se refiere a veces como el piloto.

Creemos que cada versión principal de almacén de datos debe pasar por los rigores

de un período de prueba [19].

Pruebas con usuarios:

177

Se seleccionó una muestra de 24 usuarios académicos de una población de 32

para un periodo de prueba de 18 días.

Se explicó que existen dos mecanismos de seguridad al momento de entrar al

EIS.

Se capacitó a los usuarios individualmente en sus respectivas oficinas para

verificar que no exista ningún inconveniente al momento de usar la aplicación

EIS.

Se explicó en qué consiste el mapa de indicadores.

Se explicó cómo pueden hacer subir sus indicadores de enseñanza y

aprendizaje.

Se realizó casos de prueba para ubicar el indicador que ellos desean visualizar.

4.4 Descripción de la escala de valoración de la calidad de información del

sistema de información según la percepción de las áreas académicas

Dentro de sus funciones, el Vicerrectorado Académico tiene la responsabilidad de

dirigir el área académica, así como coordinar y supervisar las actividades propias que

desarrollan las diferentes unidades académicas adscritas. Incluye la implantación de

mecanismos, acciones y prácticas de supervisión o evaluación de cada sistema,

actividad o proceso; ejecutado de manera automática por los sistemas informáticos, o

de manera manual por el personal administrativo; y que permite identificar, evitar y, en

su caso, corregir con oportunidad los riesgos o condiciones que limiten, impidan o

hagan ineficiente el logro de objetivos de la institución. En este sentido, para la

valoración de la calidad de información del sistema de información de los indicadores

del eje académico diseñado por la oficina de desarrollo (DIGESI), se ha elaborado

una escala tipo Likert que considera las siguientes dimensiones:

I. Efectividad de la información;

II. Confidencialidad de la información;

III. Integridad de la información;

IV. Disponibilidad de la información;

V. Confiabilidad de la información académica.

178

Este sistema de información se compone por “el conjunto de procesos, mecanismos y

elementos organizados y relacionados que interactúan entre sí, y que se aplican de

manera específica a nivel de planeación, organización, ejecución, dirección,

información y seguimiento de sus procesos de gestión, para dar certidumbre a la toma

de decisiones y conducirla con una seguridad razonable al logro de sus objetivos y

metas en un ambiente ético, de calidad, mejora continua, eficiencia y de cumplimiento

con el estatuto de la universidad y la ley universitaria.

El instrumento para la evaluación del EIS consta de 30 ítems, con una escala de

valoración de tres niveles para cada dimensión.

Método de valoración del EIS

El método de valoración de la calidad de información del sistema de información se

sujetará al sistema de “inspección”, que consiste en que determinados evaluadores

responsables de la gestión de las áreas académicas funcionales de la universidad

revisen la interfaz y generación de los indicadores del eje académico siguiendo los

procedimientos establecidos. La revisión se realiza de manera individual y asumiendo

el rol de usuario. Hasta que no se realice completamente la prueba de la bondad del

sistema, no se les permite a los evaluadores contestar la escala de valoración tipo

Likert.

Para mayor detalle, utilizar la “Tabla de niveles de operatividad del Sistema de

Información”.

Tabla 23 Niveles de operatividad del sistema de información

Dimensión Nivel Criterio

Efectividad de la

información

Baja No se logra la información deseada

Media Se logra parcialmente la información

deseada

Alta Se logra completamente la información deseada reforzada con gráficos

Confidencialidad de la

información

Baja No hay protección de la información

Media Existe una protección de la información moderada

Alta La garantía de que la información es protegida al máximo para que no sea

179

divulgada sin consentimiento del Vicerrectorado.

Integridad de la información Mala Existe una mala integridad de la información

Regular Existe una moderada integridad de la información

Buena El contenido de la información permanece inalterado sin manipular los datos

Disponibilidad de la

información

Mala La información no está disponible cuando se requiere

Regular Existe una moderada disponibilidad de la información

Buena Acceso a la información y al sistema, está disponible a las personas autorizadas en el momento que así lo requieran

Confiabilidad de la

información

Baja Existe baja confiabilidad de la información

Media Existe una confiabilidad moderada de la información

Alta La exactitud de la información ofrecida por el sistema es actual, detallada, exacta y completa

Confiabilidad de la escala de valoración de la calidad de información del EIS

El coeficiente de alfa de Cronbach es un recurso numérico muy significativo para

evaluar la confiabilidad de instrumentos escritos en el marco de la teoría de los tests

que permite cuantificar la consistencia interna de la prueba propuesta, esto es, si el

instrumento que se está evaluando recopila información defectuosa y por tanto

llevaría a conclusiones equivocadas o si se trata de un instrumento fiable que hace

mediciones estables y consistentes. La ecuación de alfa de Cronbach es:

∝= [𝐾

𝐾 − 1] [1 −

∑ 𝑆𝑖2𝐾

𝑖=1

𝑆𝑡2 ]

Donde

𝑆𝑖2 es la varianza del ítem 𝑖

𝑆𝑡2 es la varianza de la suma de todos los ítems

𝐾 es el número de preguntas o ítems

180

Tabla 24 Resumen de procesamiento de casos: calidad de la información del EIS

N %

Casos Válido 24 100,0

Excluidoa 0 ,0

Total 24 100,0

a. La eliminación por lista se basa en todas las

variables del procedimiento.

Tabla 25 Estadísticas de fiabilidad: calidad de información del EIS

Alfa de

Cronbach N de elementos

,666 30

La consistencia interna de una escala se considera baja si el coeficiente es 0.25, es

media o regular si el coeficiente es 0.50, si supera al 0.75 es aceptable, y si es mayor

a 0.90 es elevada. Valores de consistencia interna inferiores a 0,50 indican una pobre

correlación entre los ítems y aquellos por encima de 0,90 indican redundancia o

duplicación de ítems, es decir por lo menos un par de ítems miden exactamente el

mismo aspecto de un constructo y uno de ellos debe eliminarse [41].

De la tabla 25 se puede observar que el valor de α de Cronbach para la escala de

valoración de la calidad de información del EIS es 0,666, valor que indica o muestra

un moderado grado de confiabilidad garantizando la consistencia de los resultados.

Por lo tanto, los ítems de cada una de las dimensiones de calidad de la información:

efectividad, confidencialidad, integridad, disponibilidad y confiabilidad no muestran

una consistencia dudosa o pobre sobre la valoración de la calidad de información del

EIS de los indicadores académicos de la Universidad Peruana Unión.

181

CAPÍTULO V

INTERPRETACIÓN Y ANÁLISIS DE RESULTADOS

4.5 Análisis descriptivo de la calidad de información

Para el análisis de las dimensiones de la calidad de información se ha usado los siguientes baremos: Efectividad 8-11 (Muy baja) 11-14 (Bajo) 14-18 (Ni bajo ni alto) 18-21 (Alto) 21-24 (Muy alto) Confidencialidad 6-8 (Muy baja) 8-10 (Bajo) 10-13 (Ni bajo ni alto) 14-16 (Alto) 16-18 (Muy alto) Integridad 7-9 (Muy baja) 10-12 (Bajo) 13-15 (Ni bajo ni alto) 16-18 (Alto) 19-21 (Muy alto) Disponibilidad 4-5 (Muy baja) 6-7 (Bajo) 8 (Ni bajo ni alto) 9-10 (Alto) 11-12 (Muy alto) Confiabilidad 5-7 (Muy baja) 7-9 (Bajo) 9-11 (Ni bajo ni alto) 11-13 (Alto)

182

13-15 (Muy alto) Calidad de la información 30-42 (Muy baja) 42-54 (Bajo) 54-66 (Ni bajo ni alto) 66-78 (Alto) 78-90 (Muy alto)

Tabla 26 Efectividad de la información académica antes*después

Categorías Sistema de información antes

Sistema de información después

f % % Acum f % % Acum

Muy baja 2 8,3 8,3

Baja 12 50,0 58,3

Ni baja ni alta 10 41,7 100,0

Alta 4 16,7 16,7

Muy alta 20 83,3 100,0

Total 24 100,0 24 100,0

De la tabla 26, se observa que hay 24 administradores académicos encuestados cuya

valoración de la calidad de información del sistema de información antes de la

implementación del EIS, en orden decreciente es: 1) el 50% es baja, 2) el 41,7% es ni

baja ni alta, y 3) el 8,3% es muy baja. El 58,3% de los administradores encuestados

en la primera vez, su valoración del uso del sistema de información es a lo más baja.

Igualmente, ningún administrador ha valorado al sistema de información en las

categorías alta o muy alta. Por otro lado, la valoración del mismo grupo de

administradores, después de 18 días de implementarse el EIS, en orden decreciente

fue: 1) 83,3 % valoró muy alto, 2) el 16,7 % alto categoría alta. Acumulando los

porcentajes podemos concluir que el 100% al menos valoró el EIS en la categoría

alta. Ningún administrador en la segunda valoración de la calidad de información del

EIS marcó en las categorías muy baja, baja, ni baja ni alta.

183

Tabla 27 Confidencialidad de la información académica antes*después




Muy baja 2 8,3 8,3

Baja 6 25,0 33,3

Ni baja ni alta 16 66,7 100,0 3 12,5 12,5 Alta 5 20,8 33,3

Muy alta 16 66,7 100,0

Total 24 100,0 24 100,0

De la tabla 27, se observa que hay 24 administradores académicos encuestados

cuya valoración de la calidad de información del sistema de información antes de la

implementación del EIS, en orden decreciente es: 1) el 66.7% es ni baja ni alta, 2) el

25,0% es baja, y 3) el 8,3% es muy baja. El 33,3% de los administradores

encuestados en la primera vez, su valoración de la calidad de información del sistema

de información es a lo más baja. Igualmente, ningún administrador ha valorado al

sistema de información en las categorías alta o muy alta. Por otro lado, la valoración

del mismo grupo de administradores, después de 18 días de implementarse el EIS, en

orden decreciente fue: 1) 66,7 % valoró muy alto, 2) el 20,8 % alto categoría alta y 3)

12.5 % ni alta ni baja. Acumulando los porcentajes podemos concluir que el 87.5% al

menos valoró el EIS en la categoría alta. Ningún administrador en la segunda

valoración de la calidad de información del EIS marcó en las categorías muy baja,

baja.

Tabla 28 Integridad de la información académica antes*después




Muy baja 3 12,5 12,5

Baja 12 50,0 62,5

Ni baja ni alta 9 37,5 100,0 1 4,2 4,2 Alta 13 54,2 58,3

Muy alta 10 41,7 100,0 Total 24 100,0 24 100,0

184



implementación del EIS, en orden decreciente es: 1) el 50,0 % es baja, 2) el 37,5 %

es ni baja ni alta, y 3) el 12,5 % es muy baja. El 62,5 % de los administradores





orden decreciente fue: 1) 54,2 % valoró alto, 2) el 41,7 % muy alta, 3) el 4,2 % ni alta

ni baja. Acumulando los porcentajes podemos concluir que el 95.9% al menos valoró

el EIS al menos en la categoría alta. Ningún administrador en la segunda valoración

de la calidad de información del EIS marcó en las categorías muy baja, baja.

Tabla 29 Disponibilidad de la información académica antes*después




Muy baja 6 25,0 25,0

Baja 18 75,0 100,0

Ni baja ni alta

Alta 2 8,3 8,3 Muy alta 22 91,7 100,0

Total 24 100,0 24 100,0



implementación del EIS, en orden decreciente es: 1) el 75,0 % es baja y 2) el 25,0 %

es muy baja. El 100 % de los administradores encuestados en la primera vez, su

valoración de la calidad de información del sistema de información es a lo más baja.

Igualmente, ningún administrador ha valorado al sistema de información en las

categorías ni alta ni baja, alta o muy alta. Por otro lado, la valoración del mismo grupo

de administradores, después de 18 días de implementarse el EIS, en orden

decreciente fue: 1) 91,7 % valoró muy alto, 2) el 8,3 % alta. Acumulando los

porcentajes podemos concluir que el 100% al menos valoró el EIS en la categoría


EIS marcó en las categorías muy baja, baja, ni alta ni baja.

185

Tabla 30 Confiabilidad de la información académica antes*después




Muy baja 1 4,2 4,2

Baja 9 37,5 41,7

Ni baja ni alta 14 58,3 100,0 3 12,5 12,5

Alta 3 12,5 25,0 Muy alta 18 75,0 100,0

Total 24 100,0 24 100,0



implementación del EIS, en orden decreciente es: 1) el 58,3% es ni alta ni baja, 2) el

37,5 % es baja y 3) el 4,2 % es muy baja. El 41,7 % de los administradores





orden decreciente fue: 1) 75,0 % valoró muy alto, 2) el 12,5 % alta y 3) con el mismo

porcentaje el 12,5 % ni alta ni baja. Acumulando los porcentajes podemos concluir

que el 87,5% al menos valoró el EIS en la categoría alta. Ningún administrador en la

segunda valoración de la calidad de información del EIS marcó en las categorías muy

baja, baja.

Tabla 31 Calidad de la información académica antes*después




Muy baja 1 4,2 4,2

Baja 19 79,2 83,3

Ni baja ni alta 4 16,7 100,0 Alta 3 12,5 12,5

Muy alta 21 87,5 100,0 Total 24 100,0 24 100,0



186

implementación del EIS, en orden decreciente es: 1) el 79,2 % es baja, 2) el 16,7 %

es ni alta ni baja y 3) el 4,2 % es muy baja. El 83,3% de los administradores





orden decreciente fue: 1) 87,5 % valoró muy alto y 2) el 12,5 % alta. Acumulando los

porcentajes podemos concluir que el 100 % al menos valoró el EIS en la categoría


EIS marcó en las categorías muy baja, baja, ni baja ni alta.

4.6 Prueba de hipótesis de la calidad de la información

4.6.1 Prueba de normalidad de la calidad de información

Se muestran tanto los gráficos de normalidad como la prueba de Kolmogorov –

Smirnov y la de Shapiro – Wilk, usando el software SPSS versión 21.

El gráfico de cuantiles reales y teóricos de una distribución normal, Gráfico Q_Q

Normal y el Gráfico Q – Q Normal sin tendencias se representan a continuación

Figura 129 Gráfico Q-Q normal

187

Figura 130 Curva normal de la diferencia de puntajes de calidad de información

En el primero los valores correspondientes a una normal vienen representados por la

recta y los puntos son las diferentes puntuaciones de los individuos con los valores

observados frente a los esperados bajo la hipótesis de normalidad. Se observa que

los puntos están muy cercanos a la recta de ajuste. En este caso el ajuste es

bastante bueno.

El segundo recoge las desviaciones de los usuarios del EIS respecto de recta. Los

puntos se distribuyen muy cerca del 0. Esto nos vuelve a sugerir que hay una buena

aproximación a la curva normal.

Tabla 32 Resumen del procesamiento de los casos

Casos

Válidos Perdidos Total

N Porcentaje N Porcentaje N Porcentaje

Diferencia de puntajes entre

salida y entrada de la

calidad de información

24 100,0% 0 0,0% 24 100,0%

La tabla 32, garantiza que el SPSS ha corrido con los 24 datos de la variable

“diferencia de la calidad de información”. En la figura 129, en la nueve??? de

dispersión aparecen 12 puntos, en la que los otros 12 se superponen.

188

Tabla 33 Prueba de normalidad

Kolmogorov-Smirnova Shapiro-Wilk

Estadístico gl Sig. Estadístico gl Sig.

Diferencia de puntajes entre

salida y entrada de la

calidad de información

,100 24 ,200* ,975 24 ,790

*. Este es un límite inferior de la significación verdadera.

a. Corrección de la significación de Lilliefors

Contrastamos la hipótesis nula 𝐻0: “los datos proceden de una distribución normal”.

Con un estadístico de Kolmogorv- Smirnov de 0,100 de 24 grados de libertad, la

significación del contraste se de 0,200, luego significativo a cualquier nivel y con un

estadístico de Shapiro – Wilk de 0,975 de 24 grados de libertad la significación del

contraste es de 0,790 (esto es, p>0,05), luego es significativo a cualquier nivel. Así

que la distribución de la que proceden es normal.

4.6.2 Prueba de las hipótesis estadísticas

Prueba de la primera subhipótesis específica

Tabla 34 Estadísticos de muestras relacionadas

Media N Desviación típ. Error típ. de la

media

Par 1

Efectividad de la información

académica salida 21,58 24 1,248 ,255

Efectividad de la información

académica entrada 13,21 24 1,978 ,404

De la tabla 34 hay 24 pares válidos. La media de la valoración de la efectividad de la

información académica de entrada fue de 13,21, con una desviación típica de 1,978, y

en una segunda vez, después de un periodo de prueba de la implementación del EIS,

la media fue de 21,58, con una desviación típica de 1,248.

189

Tabla 35 Prueba de muestras relacionadas

Diferencias relacionadas t gl Sig.

(bilateral

)

Media Desviaci

ón típ.

Error típ.

de la

media

95% Intervalo de

confianza para la

diferencia

Inferior Superior

Par 1

Efectividad de la

información

académica salida –

Efectividad de la

información

académica entrada

8,375 2,337 ,477 7,388 9,362 17,556 23 ,000

Con los pares citados antes, se construye una variable formada por la resta del valor

que tiene la primera variable en el individuo i menos el valor que tiene ese mismo

individuo en la segunda variable (𝑑𝑖 = 𝐸𝐹𝐸𝐶𝑇𝑃𝑖 − 𝐸𝐹𝐸𝐶𝑇𝑖 , 𝑖 = 1,2,3 … 24). De esa

variable obtenemos su media 8,375 con desviación típica 2,337 y con intervalo de

confianza para la media con un nivel del 95% de (7,388, 9,362).

Queremos contrastar, o bien que la media de esa variable de diferencias es cero o, lo

que es igual, que las medias de las dos variables son iguales ya que en este caso la

media de la diferencia sería 0:

𝐻0: 𝜇 (𝑝𝑢𝑛𝑡𝑎𝑗𝑒 𝑑𝑒 𝑣𝑎𝑙𝑜𝑟𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑒𝑓𝑒𝑐𝑡𝑖𝑣𝑖𝑑𝑎𝑑 𝑑𝑒 𝑖𝑛𝑓𝑜𝑟𝑚𝑎𝑐𝑖ó𝑛 𝑎𝑐𝑎𝑑é𝑚𝑖𝑐𝑎

𝑒𝑛𝑡𝑟𝑎𝑑𝑎) =

𝜇(𝑝𝑢𝑛𝑡𝑎𝑗𝑒 𝑑𝑒 𝑣𝑎𝑙𝑜𝑟𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑒𝑓𝑒𝑐𝑡𝑖𝑣𝑖𝑑𝑎𝑑 𝑑𝑒 𝑖𝑛𝑓𝑜𝑟𝑚𝑎𝑐𝑖ó𝑛 𝑎𝑐𝑎𝑑é𝑚𝑖𝑐𝑎 𝑠𝑎𝑙𝑖𝑑𝑎)

𝐻1: 𝜇 (𝑝𝑢𝑛𝑡𝑎𝑗𝑒 𝑑𝑒 𝑣𝑎𝑙𝑜𝑟𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑒𝑓𝑒𝑐𝑡𝑖𝑣𝑖𝑑𝑎𝑑 𝑑𝑒 𝑖𝑛𝑓𝑜𝑟𝑚𝑎𝑐𝑖ó𝑛 𝑎𝑐𝑎𝑑é𝑚𝑖𝑐𝑎

𝑒𝑛𝑡𝑟𝑎𝑑𝑎) ≠

𝜇(𝑝𝑢𝑛𝑡𝑎𝑗𝑒 𝑑𝑒 𝑣𝑎𝑙𝑜𝑟𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑒𝑓𝑒𝑐𝑡𝑖𝑣𝑖𝑑𝑎𝑑 𝑑𝑒 𝑖𝑛𝑓𝑜𝑟𝑚𝑎𝑐𝑖ó𝑛 𝑎𝑐𝑎𝑑é𝑚𝑖𝑐𝑎 𝑠𝑎𝑙𝑖𝑑𝑎)

o equivalente en términos de dirección

𝐻0 𝜇(𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎𝑠 𝑒𝑛𝑡𝑟𝑒 𝑝𝑢𝑛𝑡𝑎𝑗𝑒𝑠 𝑑𝑒 𝑣𝑎𝑙𝑜𝑟𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑒𝑓𝑒𝑐𝑡𝑖𝑣𝑖𝑑𝑎𝑑 𝑑𝑒 𝑙𝑎

𝑖𝑛𝑓𝑜𝑟𝑚𝑎𝑐𝑖ó𝑛 𝑒𝑛𝑡𝑟𝑎𝑑𝑎 𝑦 𝑠𝑎𝑙𝑖𝑑𝑎) ≤ 0 , [ µ𝑝𝑜𝑠 ≤ µ𝑝𝑟𝑒 ]

𝐻1 𝜇(𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎𝑠 𝑒𝑛𝑡𝑟𝑒 𝑝𝑢𝑛𝑡𝑎𝑗𝑒𝑠 𝑑𝑒 𝑣𝑎𝑙𝑜𝑟𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑒𝑓𝑒𝑐𝑡𝑖𝑣𝑖𝑑𝑎𝑑 𝑑𝑒 𝑙𝑎

𝑖𝑛𝑓𝑜𝑟𝑚𝑎𝑐𝑖ó𝑛 𝑒𝑛𝑡𝑟𝑎𝑑𝑎 𝑦 𝑠𝑎𝑙𝑖𝑑𝑎) > 0 , [ µ𝑝𝑜𝑠 > µ𝑝𝑟𝑒 ]

190

Con un estadístico de contraste t de Student de valor, 17,556 con 23 grados de

libertad y una significación de p = 0,000 < 0,05, se rechaza 𝐻0 y se acepta 𝐻1, es decir

que hay diferencias significativas en cuanto al puntaje de valoración de la efectividad

entrada y salida. De la misma manera, si nos fijamos en el intervalo de confianza para

la variable de las diferencias I = (7,388, 9,362), vemos que los dos extremos son

positivos, 𝜇𝐸𝐹𝐸𝐶𝑇𝑃 − 𝜇𝐸𝐹𝐸𝐶𝑇 > 0, luego 𝜇𝐸𝐹𝐸𝐶𝑇𝑃 > 𝜇𝐸𝐹𝐸𝐶𝑇, la media del puntaje de

valoración de la efectividad de la información académica de los usuarios de salida es

mayor que de los usuarios de entrada.

Segunda subhipótesis específica



media

Par 1


información académica

salida

15,75 24 1,595 ,326



entrada

10,04 24 1,488 ,304

De la tabla 36 hay 24 pares válidos. La media de la valoración de la confidencialidad

de la información académica de entrada fue de 10,04, con una desviación típica de

1,488, y en una segunda vez, después de un periodo de prueba de la implementación

del EIS, la media fue de 15,75, con una desviación típica de 1,595.



(bilateral) Media Desviaci

ón típ.

Error típ. de

la media

95% Intervalo de

confianza para la

diferencia

Inferior Superior

191

Par

1

Confidencialidad de

la información

académica salida

Confidencialidad de

la información

académica entrada

5,708 2,404 ,491 4,693 6,724 11,631 23 ,000



individuo en la segunda variable (𝑑𝑖 = 𝐶𝑂𝑁𝐹𝐼𝐷𝐸𝑃𝑖 − 𝐶𝑂𝑁𝐹𝐼𝐷𝐸𝑖 , 𝑖 = 1,2,3 … 24). De

esa variable obtenemos su media 5,708 con desviación típica 2,404 y con intervalo de





𝐻0: 𝜇 (𝑝𝑢𝑛𝑡𝑎𝑗𝑒 𝑑𝑒 𝑣𝑎𝑙𝑜𝑟𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑐𝑜𝑛𝑓𝑖𝑑𝑒𝑛𝑐𝑖𝑎𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑖𝑛𝑓𝑜𝑟𝑚𝑎𝑐𝑖ó𝑛 𝑎𝑐𝑎𝑑é𝑚𝑖𝑐𝑎


𝜇(𝑝𝑢𝑛𝑡𝑎𝑗𝑒 𝑑𝑒 𝑣𝑎𝑙𝑜𝑟𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑐𝑜𝑛𝑓𝑖𝑑𝑒𝑛𝑐𝑖𝑎𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑖𝑛𝑓𝑜𝑟𝑚𝑎𝑐𝑖ó𝑛 𝑎𝑐𝑎𝑑é𝑚𝑖𝑐𝑎 𝑠𝑎𝑙𝑖𝑑𝑎)

𝐻1: 𝜇 (𝑝𝑢𝑛𝑡𝑎𝑗𝑒 𝑑𝑒 𝑣𝑎𝑙𝑜𝑟𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑐𝑜𝑛𝑓𝑖𝑑𝑒𝑛𝑐𝑖𝑎𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑖𝑛𝑓𝑜𝑟𝑚𝑎𝑐𝑖ó𝑛 𝑎𝑐𝑎𝑑é𝑚𝑖𝑐𝑎


𝜇(𝑝𝑢𝑛𝑡𝑎𝑗𝑒 𝑑𝑒 𝑣𝑎𝑙𝑜𝑟𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑐𝑜𝑛𝑓𝑖𝑑𝑒𝑛𝑐𝑖𝑎𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑖𝑛𝑓𝑜𝑟𝑚𝑎𝑐𝑖ó𝑛 𝑎𝑐𝑎𝑑é𝑚𝑖𝑐𝑎 𝑠𝑎𝑙𝑖𝑑𝑎)


𝐻0 𝜇(𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎𝑠 𝑒𝑛𝑡𝑟𝑒 𝑝𝑢𝑛𝑡𝑎𝑗𝑒𝑠 𝑑𝑒 𝑣𝑎𝑙𝑜𝑟𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑐𝑜𝑛𝑓𝑖𝑑𝑒𝑛𝑐𝑖𝑎𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑙𝑎


𝐻1 𝜇(𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎𝑠 𝑒𝑛𝑡𝑟𝑒 𝑝𝑢𝑛𝑡𝑎𝑗𝑒𝑠 𝑑𝑒 𝑣𝑎𝑙𝑜𝑟𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑐𝑜𝑛𝑓𝑖𝑑𝑒𝑛𝑐𝑖𝑎𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑙𝑎


Con un estadístico de contraste t de Student de acción, 11,631 con 23 grados de


que hay diferencias significativas en cuanto al puntaje de valoración de la

confidencialidad entrada y salida. De la misma manera, si nos fijamos en el intervalo

de confianza para la variable de las diferencias I = (4,693, 6,724), vemos que los dos

192

extremos son positivos, 𝜇𝐶𝑂𝑁𝐹𝐼𝐷𝐸𝑃 − 𝜇𝐶𝑂𝑁𝐹𝐼𝐷𝐸 > 0, luego 𝜇𝐶𝑂𝑁𝐹𝐼𝐷𝐸𝑃 > 𝜇𝐶𝑂𝑁𝐹𝐼𝐷𝐸, la

media del puntaje de valoración de la confidencialidad de la información académica

de los usuarios de salida es mayor que de los usuarios de entrada.

Tercera subhipótesis específica



media

Par 1

Integridad de la información

académica salida 18,21 24 1,769 ,361

Integridad de la información

académica entrada 11,71 24 1,805 ,369

De la tabla 38 hay 24 pares válidos. La media de la valoración de la integridad de la






(bilateral) Media Desviación

típ.

Error típ.

de la

media

95% Intervalo de

confianza para la

diferencia

Inferior Superior

Par

1

Integridad de la

información

académica salida

Integridad de la

información

académica entrada

6,500 2,588 ,528 5,407 7,593 12,306 23 ,000



individuo en la segunda variable (𝑑𝑖 = 𝐼𝑁𝑇𝐸𝑃𝑖 − 𝐼𝑁𝑇𝐸𝑖 , 𝑖 = 1,2,3 … 24). De esa variable

193

obtenemos su media 6,500 con desviación típica 2,588 y con intervalo de confianza

para la media con un nivel del 95% de (5,407, 7,593).




𝐻0: 𝜇 (𝑝𝑢𝑛𝑡𝑎𝑗𝑒 𝑑𝑒 𝑣𝑎𝑙𝑜𝑟𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑖𝑛𝑡𝑒𝑔𝑟𝑖𝑑𝑎𝑑 𝑑𝑒 𝑖𝑛𝑓𝑜𝑟𝑚𝑎𝑐𝑖ó𝑛 𝑎𝑐𝑎𝑑é𝑚𝑖𝑐𝑎


𝜇(𝑝𝑢𝑛𝑡𝑎𝑗𝑒 𝑑𝑒 𝑣𝑎𝑙𝑜𝑟𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑖𝑛𝑡𝑒𝑔𝑟𝑖𝑑𝑎𝑑 𝑑𝑒 𝑖𝑛𝑓𝑜𝑟𝑚𝑎𝑐𝑖ó𝑛 𝑎𝑐𝑎𝑑é𝑚𝑖𝑐𝑎 𝑠𝑎𝑙𝑖𝑑𝑎)

𝐻1: 𝜇 (𝑝𝑢𝑛𝑡𝑎𝑗𝑒 𝑑𝑒 𝑣𝑎𝑙𝑜𝑟𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑖𝑛𝑡𝑒𝑔𝑟𝑖𝑑𝑎𝑑 𝑑𝑒 𝑖𝑛𝑓𝑜𝑟𝑚𝑎𝑐𝑖ó𝑛 𝑎𝑐𝑎𝑑é𝑚𝑖𝑐𝑎


𝜇(𝑝𝑢𝑛𝑡𝑎𝑗𝑒 𝑑𝑒 𝑣𝑎𝑙𝑜𝑟𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑖𝑛𝑡𝑒𝑔𝑟𝑖𝑑𝑎𝑑 𝑑𝑒 𝑖𝑛𝑓𝑜𝑟𝑚𝑎𝑐𝑖ó𝑛 𝑎𝑐𝑎𝑑é𝑚𝑖𝑐𝑎 𝑠𝑎𝑙𝑖𝑑𝑎)


𝐻0 𝜇(𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎𝑠 𝑒𝑛𝑡𝑟𝑒 𝑝𝑢𝑛𝑡𝑎𝑗𝑒𝑠 𝑑𝑒 𝑣𝑎𝑙𝑜𝑟𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑖𝑛𝑡𝑒𝑔𝑟𝑖𝑑𝑎𝑑 𝑑𝑒 𝑙𝑎


𝐻1 𝜇(𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎𝑠 𝑒𝑛𝑡𝑟𝑒 𝑝𝑢𝑛𝑡𝑎𝑗𝑒𝑠 𝑑𝑒 𝑣𝑎𝑙𝑜𝑟𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑖𝑛𝑡𝑒𝑔𝑟𝑖𝑑𝑎𝑑 𝑑𝑒 𝑙𝑎




que hay diferencias significativas en cuanto al puntaje de valoración de la integridad



positivos, 𝜇𝐼𝑁𝑇𝐸𝑃 − 𝜇𝐼𝑁𝑇𝐸 > 0, luego 𝜇𝐼𝑁𝑇𝐸𝑃 > 𝜇𝐼𝑁𝑇𝐸, la media del puntaje de valoración

de la integridad de la información académica de los usuarios de salida es mayor que

de los usuarios de entrada.

194

Cuarta subhipótesis específica



media

Par 1



salida

11,38 24 ,647 ,132



entrada

6,04 24 ,955 ,195

De la tabla 40 hay 24 pares válidos. La media de la valoración de la disponibilidad de

la información académica de entrada fue de 6,04, con una desviación típica de 0,955,

y en una segunda vez, después de un periodo de prueba de la implementación del

EIS, la media fue de 11,38, con una desviación típica de 0,647.




típ.

Error

típ. de

la

media

95% Intervalo de

confianza para la

diferencia

Inferior Superior

Par

1


información

académica salida


información

académica entrada

5,333 1,204 ,246 4,825 5,842 21,70

3 23 ,000



individuo en la segunda variable (𝑑𝑖 = 𝐷𝐼𝑆𝑃𝑂𝑃𝑖 − 𝐷𝐼𝑆𝑃𝑂𝑖 , 𝑖 = 1,2,3 … 24). De esa



195




𝐻0: 𝜇 (𝑝𝑢𝑛𝑡𝑎𝑗𝑒 𝑑𝑒 𝑣𝑎𝑙𝑜𝑟𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑑𝑖𝑠𝑝𝑜𝑛𝑖𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑖𝑛𝑓𝑜𝑟𝑚𝑎𝑐𝑖ó𝑛 𝑎𝑐𝑎𝑑é𝑚𝑖𝑐𝑎


𝜇(𝑝𝑢𝑛𝑡𝑎𝑗𝑒 𝑑𝑒 𝑣𝑎𝑙𝑜𝑟𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑑𝑖𝑠𝑝𝑜𝑛𝑖𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑖𝑛𝑓𝑜𝑟𝑚𝑎𝑐𝑖ó𝑛 𝑎𝑐𝑎𝑑é𝑚𝑖𝑐𝑎 𝑠𝑎𝑙𝑖𝑑𝑎)

𝐻1: 𝜇 (𝑝𝑢𝑛𝑡𝑎𝑗𝑒 𝑑𝑒 𝑣𝑎𝑙𝑜𝑟𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑑𝑖𝑠𝑝𝑜𝑛𝑖𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑖𝑛𝑓𝑜𝑟𝑚𝑎𝑐𝑖ó𝑛 𝑎𝑐𝑎𝑑é𝑚𝑖𝑐𝑎


𝜇(𝑝𝑢𝑛𝑡𝑎𝑗𝑒 𝑑𝑒 𝑣𝑎𝑙𝑜𝑟𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑑𝑖𝑠𝑝𝑜𝑛𝑖𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑖𝑛𝑓𝑜𝑟𝑚𝑎𝑐𝑖ó𝑛 𝑎𝑐𝑎𝑑é𝑚𝑖𝑐𝑎 𝑠𝑎𝑙𝑖𝑑𝑎)


𝐻0 𝜇(𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎𝑠 𝑒𝑛𝑡𝑟𝑒 𝑝𝑢𝑛𝑡𝑎𝑗𝑒𝑠 𝑑𝑒 𝑣𝑎𝑙𝑜𝑟𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑑𝑖𝑠𝑝𝑜𝑛𝑖𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑙𝑎


𝐻1 𝜇(𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎𝑠 𝑒𝑛𝑡𝑟𝑒 𝑝𝑢𝑛𝑡𝑎𝑗𝑒𝑠 𝑑𝑒 𝑣𝑎𝑙𝑜𝑟𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑑𝑖𝑠𝑝𝑜𝑛𝑖𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑙𝑎





disponibilidad entrada y salida. De la misma manera, si nos fijamos en el intervalo de

confianza para la variable de las diferencias I = (4,825, 5,842), vemos que los dos

extremos son positivos, 𝜇𝐷𝐼𝑆𝑃𝑂𝑃 − 𝜇𝐷𝐼𝑆𝑃𝑂 > 0, luego 𝜇𝐷𝐼𝑆𝑃𝑂𝑃 > 𝜇𝐷𝐼𝑆𝑃𝑂, la media del

puntaje de valoración de la disponibilidad de la información académica de los usuarios

de salida es mayor que de los usuarios de entrada.

196

Quinta subhipótesis específica



media

Par 1

Confiabilidad de la

información salida 13,46 24 1,587 ,324

Confiabilidad de la

información entrada 8,54 24 1,141 ,233

De la tabla 42 hay 24 pares válidos. La media de la valoración de la confiabilidad de la







típ.

Error

típ. de

la

media

95% Intervalo de

confianza para la

diferencia

Inferior Superior

Par

1

Confiabilidad de la

información salida

Confiabilidad de la

información

entrada

4,917 1,863 ,380 4,130 5,703 12,92

9 23 ,000



individuo en la segunda variable (𝑑𝑖 = 𝐶𝑂𝑁𝐹𝐼𝐴𝑃𝑖 − 𝐶𝑂𝑁𝐹𝐼𝐴𝑖 , 𝑖 = 1,2,3 … 24). De esa






197

𝐻0: 𝜇 (𝑝𝑢𝑛𝑡𝑎𝑗𝑒 𝑑𝑒 𝑣𝑎𝑙𝑜𝑟𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑐𝑜𝑛𝑓𝑖𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑖𝑛𝑓𝑜𝑟𝑚𝑎𝑐𝑖ó𝑛 𝑎𝑐𝑎𝑑é𝑚𝑖𝑐𝑎


𝜇(𝑝𝑢𝑛𝑡𝑎𝑗𝑒 𝑑𝑒 𝑣𝑎𝑙𝑜𝑟𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑐𝑜𝑛𝑓𝑖𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑖𝑛𝑓𝑜𝑟𝑚𝑎𝑐𝑖ó𝑛 𝑎𝑐𝑎𝑑é𝑚𝑖𝑐𝑎 𝑠𝑎𝑙𝑖𝑑𝑎)

𝐻1: 𝜇 (𝑝𝑢𝑛𝑡𝑎𝑗𝑒 𝑑𝑒 𝑣𝑎𝑙𝑜𝑟𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑐𝑜𝑛𝑓𝑖𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑖𝑛𝑓𝑜𝑟𝑚𝑎𝑐𝑖ó𝑛 𝑎𝑐𝑎𝑑é𝑚𝑖𝑐𝑎


𝜇(𝑝𝑢𝑛𝑡𝑎𝑗𝑒 𝑑𝑒 𝑣𝑎𝑙𝑜𝑟𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑐𝑜𝑛𝑓𝑖𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑖𝑛𝑓𝑜𝑟𝑚𝑎𝑐𝑖ó𝑛 𝑎𝑐𝑎𝑑é𝑚𝑖𝑐𝑎 𝑠𝑎𝑙𝑖𝑑𝑎)


𝐻0 𝜇(𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎𝑠 𝑒𝑛𝑡𝑟𝑒 𝑝𝑢𝑛𝑡𝑎𝑗𝑒𝑠 𝑑𝑒 𝑣𝑎𝑙𝑜𝑟𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑐𝑜𝑛𝑓𝑖𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑙𝑎


𝐻1 𝜇(𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎𝑠 𝑒𝑛𝑡𝑟𝑒 𝑝𝑢𝑛𝑡𝑎𝑗𝑒𝑠 𝑑𝑒 𝑣𝑎𝑙𝑜𝑟𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑐𝑜𝑛𝑓𝑖𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑙𝑎





confiabilidad entrada y salida. De la misma manera, si nos fijamos en el intervalo de

confianza para la variable de las diferencias I = (4,130, 5,703), vemos que los dos

extremos son positivos, 𝜇𝐶𝑂𝑁𝐹𝐼𝐴𝑃 − 𝜇𝐶𝑂𝑁𝐹𝐼𝐴 > 0, luego 𝜇𝐶𝑂𝑁𝐹𝐼𝐴𝑃 > 𝜇𝐶𝑂𝑁𝐹𝐼𝐴, la media del

puntaje de valoración de la confiabilidad de la información académica de los usuarios

de salida es mayor que de los usuarios de entrada.

Sexta subhipótesis específica



media

Par 1

Calidad de la información

salida 80,38 24 3,921 ,800

Calidad de la información

entrada 49,54 24 4,374 ,893

De la tabla 44 hay 24 pares válidos. La media de la valoración de la calidad de la


198





(bilateral) Media Desviació

n típ.

Error típ.

de la

media

95% Intervalo de

confianza para la

diferencia

Inferior Superior

Par

1

Calidad de la

información

salida-

Calidad de la

información

entrada

30,83

3 5,088 1,039 28,685 32,982

29,69

0 23 ,000



individuo en la segunda variable (𝑑𝑖 = 𝐶𝐴𝐿𝑃𝑖 − 𝐶𝐴𝐿𝑖 , 𝑖 = 1,2,3 … 24). De esa variable

obtenemos su media 30,833 con desviación típica 5,088 y con intervalo de confianza

para la media con un nivel del 95% de (28,685, 32,982).




𝐻0: 𝜇 (𝑝𝑢𝑛𝑡𝑎𝑗𝑒 𝑑𝑒 𝑣𝑎𝑙𝑜𝑟𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑐𝑎𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑙𝑎 𝑖𝑛𝑓𝑜𝑟𝑚𝑎𝑐𝑖ó𝑛 𝑎𝑐𝑎𝑑é𝑚𝑖𝑐𝑎


𝜇(𝑝𝑢𝑛𝑡𝑎𝑗𝑒 𝑑𝑒 𝑣𝑎𝑙𝑜𝑟𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑐𝑎𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑙𝑎 𝑖𝑛𝑓𝑜𝑟𝑚𝑎𝑐𝑖ó𝑛 𝑎𝑐𝑎𝑑é𝑚𝑖𝑐𝑎 𝑠𝑎𝑙𝑖𝑑𝑎)

𝐻1: 𝜇 (𝑝𝑢𝑛𝑡𝑎𝑗𝑒 𝑑𝑒 𝑣𝑎𝑙𝑜𝑟𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑐𝑎𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑙𝑎 𝑖𝑛𝑓𝑜𝑟𝑚𝑎𝑐𝑖ó𝑛 𝑎𝑐𝑎𝑑é𝑚𝑖𝑐𝑎


𝜇(𝑝𝑢𝑛𝑡𝑎𝑗𝑒 𝑑𝑒 𝑣𝑎𝑙𝑜𝑟𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑐𝑎𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑙𝑎 𝑖𝑛𝑓𝑜𝑟𝑚𝑎𝑐𝑖ó𝑛 𝑎𝑐𝑎𝑑é𝑚𝑖𝑐𝑎 𝑠𝑎𝑙𝑖𝑑𝑎)


𝐻0 𝜇(𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎𝑠 𝑒𝑛𝑡𝑟𝑒 𝑝𝑢𝑛𝑡𝑎𝑗𝑒𝑠 𝑑𝑒 𝑣𝑎𝑙𝑜𝑟𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑐𝑎𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑙𝑎 𝑖𝑛𝑓𝑜𝑟𝑚𝑎𝑐𝑖ó𝑛 𝑒𝑛𝑡𝑟𝑎𝑑𝑎 𝑦 𝑠𝑎𝑙𝑖𝑑𝑎) ≤ 0 , [ µ𝑝𝑜𝑠 ≤ µ𝑝𝑟𝑒 ]

199

𝐻1 𝜇(𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎𝑠 𝑒𝑛𝑡𝑟𝑒 𝑝𝑢𝑛𝑡𝑎𝑗𝑒𝑠 𝑑𝑒 𝑣𝑎𝑙𝑜𝑟𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑐𝑎𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑙𝑎 𝑖𝑛𝑓𝑜𝑟𝑚𝑎𝑐𝑖ó𝑛 𝑒𝑛𝑡𝑟𝑎𝑑𝑎 𝑦 𝑠𝑎𝑙𝑖𝑑𝑎) > 0 , [ µ𝑝𝑜𝑠 > µ𝑝𝑟𝑒 ]



que hay diferencias significativas en cuanto al puntaje de valoración de la calidad



positivos, 𝜇𝐶𝐴𝐿𝑃 − 𝜇𝐶𝐴𝐿 > 0, luego 𝜇𝐶𝐴𝐿𝑃 > 𝜇𝐶𝐴𝐿, la media del puntaje de valoración de

la calidad de la información académica de los usuarios de salida es mayor que de los

usuarios de entrada.

200

CONCLUSIONES

Las principales conclusiones del presente trabajo de investigación son las siguientes:

1. 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.

2. 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 responda a las

necesidades de información de los usuarios, guardando información relevante

para la toma de decisiones.

3. 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.

201

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.

4. De la tabla 35, con un estadístico de contraste t de Student de valor, 17,556

con 23 grados de libertad y una significación de p = 0,000 < 0,05, se rechaza

𝐻0 y se acepta 𝐻1, es decir que hay diferencias significativas en cuanto al

puntaje de valoración de la efectividad entrada y salida. De la misma manera,

si nos fijamos en el intervalo de confianza para la variable de las diferencias I =

(7,388, 9,362), vemos que los dos extremos son positivos, esto es, 𝜇𝐸𝐹𝐸𝐶𝑇𝑃 >

𝜇𝐸𝐹𝐸𝐶𝑇, luego el sistema de información ejecutivo académico basado en

inteligencia de negocios es efectivo en el mejoramiento de la efectividad de la

información en línea de los indicadores estratégicos de la Universidad Peruana

Unión.




puntaje de valoración de la confidencialidad entrada y salida. De la misma

manera, si nos fijamos en el intervalo de confianza para la variable de las

diferencias I = (4,693, 6,724), vemos que los dos extremos son positivos, esto

es, 𝜇𝐸𝐹𝐸𝐶𝑇𝑃 > 𝜇𝐸𝐹𝐸𝐶𝑇, luego el sistema de información ejecutivo académico

basado en inteligencia de negocios es efectivo en el mejoramiento de la

confidencialidad de información en línea de los indicadores estratégicos de la





puntaje de valoración de la integridad entrada y salida. De la misma manera, si

nos fijamos en el intervalo de confianza para la variable de las diferencias I =


𝜇𝐸𝐹𝐸𝐶𝑇, luego el sistema de información ejecutivo académico basado en

inteligencia de negocios es efectivo en el mejoramiento de la integridad de

202


Unión.




puntaje de valoración de la disponibilidad entrada y salida. De la misma

manera, si nos fijamos en el intervalo de confianza para la variable de las

diferencias I = (4,825, 5,842), vemos que los dos extremos son positivos, esto

es, 𝜇𝐸𝐹𝐸𝐶𝑇𝑃 > 𝜇𝐸𝐹𝐸𝐶𝑇, luego el sistema de información ejecutiva académico

basado en inteligencia de negocios es efectivo en el mejoramiento de la

disponibilidad de información en línea de los indicadores estratégicos de la





puntaje de valoración de la confiabilidad entrada y salida. De la misma manera,

si nos fijamos en el intervalo de confianza para la variable de las diferencias I =


𝜇𝐸𝐹𝐸𝐶𝑇, luego el sistema de información ejecutiva académico basado en

inteligencia de negocios es efectivo en el mejoramiento de la confiabilidad de


Unión.




puntaje de valoración de la calidad de información entrada y salida. De la

misma manera, si nos fijamos en el intervalo de confianza para la variable de

las diferencias I = (28,685, 32,982), vemos que los dos extremos son positivos,

203

esto es, 𝜇𝐸𝐹𝐸𝐶𝑇𝑃 > 𝜇𝐸𝐹𝐸𝐶𝑇, luego el sistema de información ejecutiva académico

basado en inteligencia de negocios es efectivo en el mejoramiento de la calidad

de información en línea de los indicadores estratégicos de la Universidad

Peruana Unión.

204

RECOMENDACIONES

1. El uso de herramientas de BI requiere de un hardware adecuado para

administrar de manera provechosa y rápida grandes cantidades de datos con

diferentes niveles de granularidad, por el cual se recomienda que el servidor

dedicado al desarrollo de BI en la UPeU no sea virtualizado, sino que sea físico

para un mejor aprovechamiento de los recursos, sin depender del consumo de

los recursos de clientes ajenos.

2. Para poder seguir aprovechando las diversas ventajas que ofrece la

herramienta MicroStrategy, se recomienda adquirir la licencia, debido a que la

versión libre viene con restricciones que nos limitan trabajar de forma

adecuada.

3. Para una segunda fase del proyecto BI se recomienda realizar técnicas de

Data Mining que abarquen aspectos financieros, admisión, matrícula y

deserción de la UPeU ya que estos involucran procesos claves.

4. Como se ha mencionado anteriormente el DM tiene un nivel de granularidad

fina, guardando así información al detalle de los indicadores académicos, en

los cuales, aún no se han definido los tipos de gráficos de los reportes a emitir

para los usuarios, por lo que se recomienda realizar nuevas reuniones con

vicerrectorado para extraer nuevamente los requerimientos futuros de los tipos

de reportes al detalle de la información almacenada.

205

BIBLIOGRAFÍA

[1] J. Gantz and D. Reinsel, “THE DIGITAL UNIVERSE IN 2020: Big Data, Bigger Digi tal Shadows, and Biggest Growth in the Far East.” IDC, USA, p. 16, 2012.

[2] C. F. Pedro, “Business Intelligence,” 2012. [Online]. Available: http://addkw.com/2012/10/14/ business-intelligence/. [Accessed: 06-May-2013].

[3] J. Gustafson, “CASE STUDY - DIRECTV Improves Customer Satisfaction and Reduces Churn with Real Time Data Integration Solution,” 2010. [Online]. Available: http://tdwi.org/Articles/2010/05/06/DIRECTV-Improves-Customer-Satisfaction-and-Reduces-Churn-with-Real-Time-DI-Solution.aspx?Page=1. [Accessed: 11-Mar-2014].

[4] U. Computerworld, “Nestlé boosts business intelligence with Cognos tool,” 2007. [Online]. Available: http://www.computerworlduk.com/news/applications/4759/nestl-boosts-business-intelligence-with-cognos-tool/. [Accessed: 12-Mar-2014].

[5] C. M. SPPerú, “Caso de éxito: MC Procesos Perú y la implementación de soluciones de BI de MicroStrategy,” 2012. [Online]. Available: http://blog.spasolutioncompany.com/caso-de-exito-mc-procesos-peru-y-la-implementacion-de-soluciones-de-bi-de-microstrategy/. [Accessed: 13-Mar-2014].

[6] MicroStrategy, “Gobierno: Instituto Nacional de Estadística e Informática del Perú.” Lima, Perú, p. 2, 2011.

[7] UNIVO, “CAPÍTULO III: MARCO METODOLÓGICO.” El Salvador, p. 62, 2002.

[8] R. Bhawna, “Agile Way of BI Implementation,” India Conference (INDICON), 2011, 2004, pp. 1–6.

[9] C. J. Conesa and J. Curto Días, Introduccion al Busuness Intelligence, No. Colecc. UOC, 2010, p. 238.

[10] B. Emili, “BI: Acceso a la información que realmente importa,” 2011. [Online]. Available: http://sapb1hub.blogspot.com/2011/02/bi-acceso-la-informacion-que-realmente.html.

[11] CORPSOLUTIONS, “La importancia de Business intelligence.” Argentina, p. 14.

[12] A. de Barcelona, “Desarrollo del Business Intelligence,” 2012. [Online]. Available: http://w27.bcn.cat/porta22/images/es/Barcelona_treball_capsula_sectorial_telecomunicaciones_y_TIC_noviembre2012_es_tcm24-22920.pdf. . [Accessed: 13-Aug-2013].

206

[13] IBS Technologies, “Inteligencia de negocios.” Lima, Perú, p. 1, 2014.

[14] I. de estadística la Rioja, “Business Intelligence en la estadística,” 2010. [Online]. Available: http://www.jecas.org/ponencias/jueves/tarde/desarrollosII/businessintelligenceLaRioja.pdf. [Accessed: 13-Aug-2013].

[15] Wil M.P. van der Aalst, Process Mining. Berlin Heidelberg: Springer-Verlag, 2011.

[16] K. Schlegel, R. Sallam, D. Yuen, and J. Tapadinhas, “Magic Quadrant for Business Intelligence and Analytics Platforms,” 2013. [Online]. Available: http://www.gartner.com/technology/reprints.do?id=1-1DYXHVT&ct=130206&st=sg. [Accessed: 09-Feb-2014].

[17] Z. Marta, “Data Wharehouse y OLAP,” 2011. [Online]. Available: http://personales.unican.es/ZORRILLM/BDAvanzadas/Teoria/bta-t4b- Business Intelligence.pdf. [Accessed: 22-Aug-2013].

[18] W.H. Inmon, Building the Data Warehouse, Third Edit. Canada: John Wiley & Sons, Inc., 2002, pp. 1–412.

[19] K. Ralph, The Data Warehouse Lifecycle Toolkit, Second Edi. New York: Wiley Publishing, 1998, pp. 1–405.

[20] M. Eltabakh, “OLAP & Data Mining,” 2012. [Online]. Available: http://web.cs.wpi.edu/~cs561/s12/Lectures/IntegrationOLAP/OLAPandMining.pdf. [Accessed: 18-Mar-2014].

[21] M. De los angeles, “Procesamiento Analítico en Línea.” Argentina, p. 43, 2006.

[22] A. Saenz Aguirre, “ANÁLISIS Y DISEÑO DE UNA BASE DE DATOS MULTIDIMENSIONAL EN APOYO A LA COORDINACIÓN NACIONAL DE SEGEPLAN DEL PROYECTO DE INVENTARIO DEL AGUA DE GUATEMALA,” Universidad de San Carlos de Guatemala, 2011.

[23] MicroStrategy, “GUÍA AVANZADA DE ELABORACIÓN DE INFORMES.” EE. UU, p. 482, 2002.

[24] F. Nuñez, “Explotación de un almacén de datos: Herramientas OLAP.” Hidalgo, 2011.

[25] Universidad de Andalucía, “Sistemas OLAP.” España, p. 9.

[26] A. Cedeño, “MODELO MULTIDIMENSIONAL.” La Habana, Cuba, p. 18, 2006.

[27] G. G. J. Imhoff Claudia, Galemmo Nicholas, Mastering Data Warehouse Design: Relational and Dimensional Techniques. Indianapolis, Indiana: Wiley Publishing, 2003, pp. 1–438.

207

[28] M. M. Azad and M. Bin Amin, “Executive Information System,” vol. 12, no. 5, pp. 106–110, 2012.

[29] I. R. J. C. Mijangos, “Sistemas de toma de decisiones corporativa: BI y EIS/DSS,” pp. 1–19.

[30] V. Alex and J. Pacheco, “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, 2012.

[31] P. Fabián and A. Spanevello, “IQ : CALIDAD DE LA INFORMACIÓN,” no. 1, pp. 1–8, 2008.

[32] R. Academia, “Diccionario Real Academia Española,” 2013. [Online]. Available: http://rae.es/recursos/diccionarios/drae.

[33] IT Governance Institute, CobiT 4.1. USA, 2007, p. 196.

[34] P. Corbetta, Metodología y técnicas de investigación social, Primera ed. Madrid, España: McGRAW-HILL/ INTERAMERICANA, 2007, p. 422.

[35] SAE, “Indicadores Estratégicos”, 2013. [Online]. Available: http://www.sae.gob.mx/quienes/programa/Paginas/InformeseIndicadores.aspx. [Accessed: 04-Dec-2013].

[36] Q. Los, A. Rocío, and M. Pérez, “¿Qué son los indicadores?,” pp. 52–58, 2002.

[37] D. T. Campbell and J. C. Stanley, Experimental and Quasi- experimental Designs for Research. Chicago, 1963.

[38] Microsoft, “Paquetes de Integration Services (SSIS),” 2014. [Online]. Available: http://msdn.microsoft.com/es-pe/library/ms141134.aspx. [Accessed: 01-Jul-2014].

[39] MicroStrategy, “Guía básica de elaboración de informes”. EE. UU, p. 494, 2012.

[40] MicroStrategy, “Guía de creación de documentos de Report Services”. EE. UU, p. 1108, 2011.

[41] C. Hernández, Roberto Fernández and M. Del Pilar, Metodología de la investigación, QUINTA EDI. México: McGraw-HILL, 2010, p. 606.

208

ANEXOS

ANEXO 1: Fórmulas de los indicadores académicos

Ficha de indicador Nro. 1

Objetivo : Evidenciar el ingreso de la programación de actividades por tema señalado en cada sílabo del docente según se requiera

Nombre del Indicador : % del cumplimiento de ingreso de la programación de actividades

Definición : La programación de actividades es lo que desarrollará en el aula el docente por cada tema a tratar en un determinado ciclo académico. Cabe resaltar que no todos los temas demandan programación de actividades.

Descripción :

(Sumatoria de números de planes de clase realizados de una iésima asignatura entre número de planes de clase programados de una iésima asignatura; entre total de cursos que tengan por lo menos una actividad programada programado) por 100

Unidad : Porcentaje Frecuencia de Medición : Semanal

X KPI Inductor Tipo de Indicador : X Estratégico Ejecutivo Operativo

Formula / Criterio para el cálculo

:

𝐶𝑃𝐶 =∑

𝑁𝑃𝐶𝑅𝑖𝑁𝑃𝐶𝑃𝑖

𝑛𝑖=1

𝑛× 100

CPC= Porcentaje del cumplimiento de la programación de actividades NPCR= Número de planes de clase realizados

NPCP= Número de planes de clase programados n= Total de cursos con por lo menos una actividad programada perteneciente a un semestre, escuela, facultad o campus

Fórmula / Proceso de obtención : Información obtenida del área de vicerrectorado

Responsable del cumplimiento : Facultad

Responsable de datos reales : DIGESI

Unidad de Análisis : Actividad programada

Fecha de disponibilidad de la información: : Semanal

Semáforo degradé

RANGO 1 : ROJO : 0.00-0.25

RANGO2 : ROJO A AMARILLO : 0.25-0.40

RANGO3 : AMARILLO : 0.40-0.60

RANGO4 : AMARILLO A VERDE : 0.60-0.70

RANGO5 : VERDE : 0.70-1.00

Realizado por: Cynthia Acuña Salinas

209


Objetivo : Evidenciar el estado de la valoración de la programación de actividades por semestre, escuela, facultad y campus

Nombre del Indicador : % de calidad de la programación de actividades

Definición : La valoración del plan de clase está dado por la puntuación asignada por gabinete pedagógico para cada programación de actividades ingresado en cada semestre escuela, facultad y campus.

Descripción : (Sumatoria del puntaje de la programación de actividades de una iésima asignatura entre el puntaje máximo obtenido de una iésima asignatura; entre total de cursos con por lo menos una actividad programada) por 100

Unidad : Porcentaje Frecuencia

de Medición : Semestral

X KPI Inductor

Tipo de Indicador :

X Estratégico Ejecutivo

Operativo

Formula / Criterio para el cálculo :

∑𝑃𝑃𝐶𝑖𝑃𝑀𝑂𝑖

𝑛𝑖=1

𝑛× 100

PVPC= Porcentaje de la valoración de la programación de actividades PPC= Puntaje de la programación de actividades

PMO= Puntaje máximo obtenido n= Número de cursos con planes de clase evaluados pertenecientes a un

semestre, escuela, facultad o campus





Fecha de disponibilidad de la información: : Semestral

Semáforo degradé

RANGO 1 : ROJO : 0.00-0.25

RANGO2 : ROJO A

AMARILLO : 0.25-0.40


RANGO4 : AMARILLO A

VERDE : 0.60-0.70

RANGO5 : VERDE : 0.70-1.00


210


Objetivo : Evidenciar la evaluación de la programación de actividades por semestre, escuela, facultad y campus

Nombre del Indicador : % de la evaluación de la programación de actividades

Definición : La evaluación de la programación de actividades es el resultado de la calidad de la programación de actividades más el cumplimiento de la programación de actividades.

Descripción :

(Sumatoria del puntaje cumplimiento de la programación de actividades de una iésima asignatura por peso del cumplimiento de la programación de actividades más puntaje calidad de la programación de actividades de una iésima asignatura por peso calidad de la programación de actividades; entre total de cursos con por lo menos una actividad programada) por 100


de Medición : semestral

X KPI Inductor

Tipo de Indicador :


Operativo

Fórmula / Criterio para el cálculo :

𝑃𝐸𝑃𝐶 =∑ 𝑃𝐶𝑈𝑀𝑃𝐶𝑖

𝑛𝑖=1 ×𝑃𝐸𝐶𝑈𝑀𝑃𝐶𝑖+𝑃𝐶𝐴𝐿𝑃𝐶𝑖×𝑃𝐸𝐶𝐴𝐿𝑃𝐶𝑖

𝑛× 100

PEPC= Porcentaje de evaluación de la programación de actividades PCUMPC= Puntaje cumplimiento de la programación de actividades

PECUMPC= Peso del cumplimiento de la programación de actividades PCALPC= Puntaje calidad de la programación de actividades PECALPC= Peso calidad de la programación de actividades

n= Número de cursos con programación de actividades pertenecientes a un semestre, escuela, facultad o campus






Semáforo degradé

RANGO 1 : ROJO : 0.00-0.25

RANGO2 : ROJO A



RANGO4 : AMARILLO A

VERDE : 0.60-0.70

RANGO5 : VERDE : 0.70-1.00


211


Objetivo : Evidenciar el cumplimiento del llenado de sílabos a tiempo dentro de un determinado semestre, escuela, facultad y campus

Nombre del Indicador : % del Cumplimiento del sílabo

Definición : El cumplimiento del silabo es el ingreso del sílabo a tiempo por los docentes, estos sílabos pertenecen a los cursos dictados dentro de un semestre académico.

Descripción : (Sumatoria del puntaje del cumplimiento del silabo de una iésima asignatura entre el puntaje máximo obtenido de una iésima asignatura; entre total de cursos) por 100

Unidad : Porcentaje Frecuencia de

Medición : semestral

X KPI Inductor

Tipo de Indicador :


Operativo

Formula / Criterio para el cálculo :

𝑃𝐶𝑆 =∑

𝑃𝑈𝐶𝑆𝑖𝑃𝑀𝑂𝑖

𝑛𝑖=1

𝑛× 100

PCS= Porcentaje del cumplimiento del sílabo PUCS= Puntaje del cumplimiento del sílabo

PMO= Puntaje máximo obtenido n= Número de cursos pertenecientes a un semestre, escuela, facultad

o campus




Unidad de Análisis : Sílabo


Semáforo degradé

RANGO 1 : ROJO : 0.00-0.25

RANGO2 : ROJO A



RANGO4 : AMARILLO A

VERDE : 0.60-0.70

RANGO5 : VERDE : 0.70-1.00


212


Objetivo : Evidenciar la valoración del silabo ingresado por semestre, escuela, facultad y campus

Nombre del Indicador : % calidad del sílabo

Definición : La valoración del sílabo está dado por la puntuación asignada por gabinete pedagógico para cada sílabo ingresado en cada semestre, escuela, facultad y campus.

Descripción : (Sumatoria del puntaje del silabo de una iésima asignatura entre el puntaje máximo obtenido de una iésima asignatura; entre total de cursos con sílabos evaluados) por 100


Medición : Semestral

X KPI Inductor

Tipo de Indicador :


Operativo


𝑃𝐶𝑆 =∑

𝑃𝑆𝑖𝑃𝑀𝑂𝑖

𝑛𝑖=1

𝑛× 100

PCS= Porcentaje de la calidad del sílabo

PS= Puntaje del sílabo PMO= Puntaje máximo obtenido

n= Número de cursos con sílabos evaluados pertenecientes a un semestre, escuela, facultad o campus






Semáforo degradé

RANGO 1 : ROJO : 0.00-0.25

RANGO2 : ROJO A



RANGO4 : AMARILLO A

VERDE : 0.60-0.70

RANGO5 : VERDE : 0.70-1.00


213


Objetivo : Evidenciar la evaluación del sílabo por semestre, escuela, facultad y campus

Nombre del Indicador : % de la evaluación del sílabo

Definición : La evaluación del sílabo es el resultado del cumplimiento del ingreso del sílabo más la valoración del sílabo

Descripción :

(Sumatoria del puntaje cumplimiento del sílabo de una iésima asignatura por peso del cumplimiento del sílabo más puntaje calidad del sílabo de una iésima asignatura por peso calidad del sílabo; entre total de cursos con sílabo) por 100


Medición : semestral

X KPI Inductor

Tipo de Indicador :


Operativo


𝑃𝐸𝑆 =∑ 𝑃𝐶𝑈𝑀𝑆𝑖

𝑛𝑖=1 ×𝑃𝐸𝐶𝑈𝑀𝑆𝑖+𝑃𝐶𝐴𝐿𝑆𝑖×𝑃𝐸𝐶𝐴𝐿𝑆𝑖

𝑛× 100

--------- ---------------- PES= Porcentaje de evaluación del sílabo

PCUMS= Cumplimiento del sílabo PECUMS= Peso del cumplimiento del sílabo

PCALS= Valoración del sílabo PECALS= Peso de la valoración del silabo

n= Número de cursos con sílabos pertenecientes a un semestre, escuela, facultad o campus






Semáforo degradé

RANGO 1 : ROJO : 0.00-0.25

RANGO2 : ROJO A



RANGO4 : AMARILLO A

VERDE : 0.60-0.70

RANGO5 : VERDE : 0.70-1.00


214


Objetivo : Evidenciar el estado de la gestión de sílabos en un determinado semestre, escuela, facultad o campus.

Nombre del Indicador : % de gestión de sílabo

Definición : La gestión de sílabos está compuesta por la evaluación de la programación de actividades más la evaluación de sílabos.

Descripción :

(Sumatoria del puntaje de la evaluación de la programación de actividades de una iésima asignatura por Peso de la evaluación de la programación de actividades más puntaje de la evaluación del sílabo de una iésima asignatura por peso de la evaluación del sílabo; entre total de cursos con sílabo) por 100



X KPI Inductor

Tipo de Indicador :


Operativo


𝑃𝐺𝑆 =∑ 𝑃𝐸𝑃𝐶𝑖

𝑛𝑖=1 ×𝑃𝐸𝐸𝑃𝐶𝑖+𝑃𝐸𝑉𝐴𝐿𝑆𝑖×𝑃𝐸𝐸𝑉𝐴𝐿𝑆𝑖

𝑛× 100

--------- PGS= Porcentaje de la gestión de sílabo

PEPC= Puntaje de la evaluación de la programación de actividades PEEPC= Peso de la evaluación de la programación de actividades

PEVALS= Puntaje de la evaluación del sílabo PEEVALS= Peso de la evaluación del sílabo

n= número de cursos con sílabo pertenecientes a un semestre, escuela, facultad o campus






Semáforo degradé

RANGO 1 : ROJO : 0.00-0.25

RANGO2 : ROJO A



RANGO4 : AMARILLO A

VERDE : 0.60-0.70

RANGO5 : VERDE : 0.70-1.00


215


Objetivo : Evidenciar la evaluación de los docentes por semestre, escuela, facultad, campus.

Nombre del Indicador : % de la evaluación docente

Definición : La evaluación docente es una encuesta realizada semestralmente, en el que evidencia las competencias del docente.

Descripción : (Sumatoria del nota de evaluación docente de una iésima asignatura; entre total de cursos evaluados) por 100



X KPI Inductor

Tipo de Indicador :


Operativo


𝑃𝐸 =∑ 𝑁𝐸𝐷𝑖

𝑛𝑖=1

𝑛× 100

- PE= Porcentaje de evaluación docente

NED= Nota de evaluación docente por curso n= Número de cursos evaluados en un semestre, escuela, facultad,

campus




Unidad de Análisis : Docente


Semáforo degradé

RANGO 1 : ROJO : 0.00-0.25

RANGO2 : ROJO A



RANGO4 : AMARILLO A

VERDE : 0.60-0.70

RANGO5 : VERDE : 0.70-1.00


216


Objetivo : Evidenciar el cumplimiento del ingreso de sus evaluaciones de los docentes por curso en un determinado semestre académico, escuela, facultad, campus.

Nombre del Indicador : % de cumplimiento de evaluaciones

Definición : El cumplimiento de evaluaciones se refiere al ingreso de notas por cada rubro de evaluación en su respectiva fecha evitando a que se les venza el portal académico

Descripción : (Sumatoria del número de rubros cumplidos de una iésima asignatura entre el total de rubros de una iésima asignatura; entre total de cursos) por 100


Medición : Semanal

X KPI Inductor

Tipo de Indicador :


Operativo


𝑃𝐶𝐸 =∑

𝑁𝑅𝐶𝑖𝑇𝑅𝐶 𝑖

𝑛𝑖=1

𝑛× 100

PCE= Porcentaje de cumplimiento de evaluaciones

NRC= Número de rubros cumplidos de un curso TRC= Total de rubros de un determinado curso

n= Total de cursos en un semestre, escuela, facultad, campus





Fecha de disponibilidad de la información: : Semanal

Semáforo degradé

RANGO 1 : ROJO : 0.00-0.25

RANGO2 : ROJO A



RANGO4 : AMARILLO A

VERDE : 0.60-0.70

RANGO5 : VERDE : 0.70-1.00


217


Objetivo : Evidenciar el estado de la enseñanza docente por medio de los grupos focales dentro de un semestre académico, escuela, facultad, campus.

Nombre del Indicador : % de evaluación de grupos focales

Definición :

La evaluación de grupos focales se realiza semestralmente por medio de la convocatoria de un determinado grupo de alumnos por cada salón, en el cual se realiza una entrevista por cada uno de los docentes que enseña a dicho grupo en un determinado semestre académico.

Descripción : (Sumatoria del puntaje de grupos focal de una iésima asignatura entre el puntaje máximo obtenido de una iésima asignatura; entre total de cursos evaluados) por 100



X KPI Inductor

Tipo de Indicador :


Operativo


𝑃𝐺𝐹 =∑

𝑃𝐺𝐹𝑖𝑃𝑀𝑂𝑖

𝑛𝑖=1

𝑛× 100

PGF= Porcentaje de grupos focales

PGF= Puntaje de grupos focal PMO= Puntaje máximo obtenido

n= Total de cursos evaluados en un semestre, escuela, facultad, campus






Semáforo degradé

RANGO 1 : ROJO : 0.00-0.25

RANGO2 : ROJO A



RANGO4 : AMARILLO A

VERDE : 0.60-0.70

RANGO5 : VERDE : 0.70-1.00


218


Objetivo : Evidenciar el estado de la gestión del desempeño docente

Nombre del Indicador : % de gestión del desempeño docente

Definición : El desempeño docente está conformado por la encuesta semestral, la puntualidad, el cumplimiento de las evaluaciones y la evaluación de grupos focales pertenecientes a los docentes.

Descripción :

(Sumatoria del Puntaje de la encuesta docente de una iésima asignatura por Peso asignado de la encuesta docente más Puntaje de la puntualidad docente de una iésima asignatura por Peso asignado a la puntualidad docente más Puntaje del cumplimiento de evaluaciones de una iésima asignatura por Peso asignado al cumplimiento de las evaluaciones más Puntaje de grupos focal de un iésima asignatura por Peso asignado a los grupos focales; entre total de cursos) por 100



X KPI Inductor

Tipo de Indicador :


Operativo


𝑃𝐺𝐷𝐷 =∑ 𝑃𝐸𝐷𝑖

𝑛𝑖=1 × 𝑃𝑃𝐸𝐷𝑖 + 𝑃𝐷𝑖 × 𝑃𝑃𝐷𝑖 + 𝑃𝐶𝐸𝑖 × 𝑃𝑃𝐶𝐸𝑖 + 𝑃𝐺𝐹𝑖 × 𝑃𝑃𝐺𝐹𝑖

𝑛× 100

PGDD= Porcentaje de la gestión de desempeño docente

PED= Puntaje de la encuesta docente PPED= Peso asignado de la encuesta docente

PD= Puntaje de la puntualidad docente PPD= Peso asignado a la puntualidad docente

PCE= Puntaje del cumplimiento de evaluaciones PPCE= Peso asignado al cumplimiento de las evaluaciones

PGF= Puntaje de grupos focal PPGF= Peso asignado a los grupos focales

n= Total de cursos en un semestre, escuela, facultad, campus





Fecha de disponibilidad de la información: : semestral

Semáforo degradé

RANGO 1 : ROJO : 0.00-0.25

RANGO2 : ROJO A AMARILLO : 0.25-0.40


RANGO4 : AMARILLO A VERDE : 0.60-0.70

RANGO5 : VERDE : 0.70-1.00


219


Objetivo : Evidenciar el estado de los estudiantes en el curso de matemática dentro de un semestre académico, escuela, facultad, campus.

Nombre del Indicador : % puntaje de matemática

Definición :

La evaluación del curso de matemática está monitoreada por los tutores asignados a cada salón. La evaluación es aplicada para los primeros años de cada carrera que contenga en el plan de estudio dicho curso o su equivalente. Estas evaluaciones pueden ser de entrada y salida según se lo requiera.

Descripción :

(Sumatoria de [Sumatoria del puntaje obtenido en la asignatura del área de matemática de un iésimo estudiante entre puntaje máximo obtenido; entre la cantidad de estudiantes] de una iésima asignatura; entre total de asignaturas del área de matemática en un determina semestre, escuela, facultad, campus ) por 100



X KPI Inductor

Tipo de Indicador :


Operativo


𝑃𝑀 =∑ [

∑PEM𝑖𝑗𝑃𝑀𝑂 𝑗

𝑛𝑗𝑗=1

𝑛𝑗]𝑛

𝑖=1

𝑛× 100

PM= Porcentaje de la evaluación del área de matemática PEM= Puntaje del área de matemática (operaciones combinadas + expresiones algebraicas + resolución de problemas) PMO= Puntaje máximo obtenido 𝑛𝑗= Cantidad de estudiantes matriculados en el área de matemática

𝑛= Número de asignaturas del área de matemática en un semestre, escuela, facultad, campus






Semáforo degradé

RANGO 1 : ROJO : 0.00-0.25

RANGO2 : ROJO A



RANGO4 : AMARILLO A

VERDE : 0.60-0.70

RANGO5 : VERDE : 0.70-1.00


220


Objetivo : Evidenciar el estado de los estudiantes en el curso de capacidades comunicativas dentro de un semestre académico, escuela, facultad, campus.

Nombre del Indicador : % puntaje de capacidades comunicativas

Definición :

La evaluación del curso de capacidades comunicativas está monitoreada por los tutores asignados a cada salón. La evaluación es aplicada para los primeros años de cada carrera que contenga en el plan de estudio dicho curso o su equivalente. Estas evaluaciones pueden ser de entrada y salida según se lo requiera.

Descripción :

(Sumatoria de [Sumatoria del puntaje obtenido en la asignatura perteneciente al área de capacidades comunicativas de un iésimo estudiante entre puntaje máximo obtenido; entre la cantidad de estudiantes] de una iésima asignatura; entre total de asignaturas del área de capacidades comunicativas en un determinado semestre, escuela, facultad, campus) por 100



X KPI Inductor

Tipo de Indicador :


Operativo


𝑃𝐶𝐶 =∑ [

∑PECC𝑖𝑗

𝑃𝑀𝑂 𝑗

𝑛𝑗𝑗=1

𝑛𝑗]𝑛

𝑖=1

𝑛× 100--------------------

------ PCC= Porcentaje de la evaluación del área de capacidades comunicativas PECC= Puntaje del área de capacidades comunicativas (literal + inferencial + crítico valorativo) PMO= Puntaje máximo obtenido 𝑛𝑗= Cantidad de estudiantes que están matriculados en el área de

capacidades comunicativas 𝑛= Número de asignaturas del área de capacidades comunicativas en un semestre, escuela, facultad, campus






Semáforo degradé

RANGO 1 : ROJO : 0.00-0.25

RANGO2 : ROJO A



RANGO4 : AMARILLO A

VERDE : 0.60-0.70

RANGO5 : VERDE : 0.70-1.00


221


Objetivo : Evidenciar el estado de los hábitos de estudio de los estudiantes en un determinado semestre académico, escuela, facultad, campus.

Nombre del Indicador : % de hábitos de estudio

Definición :

Los hábitos de estudio son recolectados mediante la aplicación del test de GAMMA, este instrumento sirve para detectar las condiciones físicas, horarios de estudio, actitud frente a la clase y motivación frente al estudio del estudiante. Estas evaluaciones pueden ser de entrada y salida.

Descripción :

(Sumatoria de [Sumatoria del puntaje obtenido en el test de hábitos de estudio de un iésimo estudiante entre puntaje máximo obtenido; entre la cantidad de estudiantes] de un iésimo test; entre total de test de hábitos de estudio en un determinado semestre, escuela, facultad, campus) por 100



X KPI Inductor

Tipo de Indicador :


Operativo


𝑃𝐻𝐸 =∑ [

∑PEHE𝑖𝑗

𝑃𝑀𝑂 𝑗

𝑛𝑗𝑗=1

𝑛𝑗]𝑛

𝑖=1

𝑛× 100--------

-------------- PHE= Porcentaje de los hábitos de estudio PEHE= Puntaje de los hábitos de estudio (condiciones físicas + horarios de estudio + actitud frente a la clase y al profesor + exámenes iniciales, parciales y finales) PMO= Puntaje máximo obtenido 𝑛𝑗= Cantidad de estudiantes que realizaron el test de hábitos de

estudio n= Número de test de hábitos de estudio en un semestre, escuela, facultad, campus






Semáforo degradé

RANGO 1 : ROJO : 0.00-0.25

RANGO2 : ROJO A



RANGO4 : AMARILLO A

VERDE : 0.60-0.70

RANGO5 : VERDE : 0.70-1.00


222


Objetivo : Evidenciar el estado de académico de los estudiantes en un determinado semestre, escuela, facultad, campus.

Nombre del Indicador : % del estado académico

Definición : El indicador académico está compuesto por el indicador de matemática, capacidades comunicativas y hábitos de estudio.

Descripción :

(Sumatoria de puntaje de matemática de una iésima área académica por puntaje asignado de matemática más puntaje de capacidades comunicativas de una iésima área académica por puntaje asignado a capacidades comunicativas más puntaje de hábitos de estudio de una iésima área académica por puntaje asignado a hábitos de estudio; entre total de áreas académicas (cursos de matemática + cursos de capacidades comunicativas + test de hábitos realizado) por semestre, escuela, facultad, campus) por 100



X KPI Inductor

Tipo de Indicador :


Operativo


𝑃𝐴 =∑ 𝑃𝑀𝑖

𝑛𝑖=1 × 𝑃𝑃𝑀𝑖 + 𝑃𝐶𝐶𝑖 × 𝑃𝑃𝐶𝐶𝑖 + 𝑃𝐻𝐸𝑖 × 𝑃𝑃𝐻𝐸𝑖

𝑛× 100

PA= Porcentaje académico

PM= Puntaje del área de matemática PPM= Porcentaje asignado de matemática

PCC= Puntaje de capacidades comunicativas PPCC= Porcentaje asignado a capacidades comunicativas

PHE= Puntaje de hábitos de estudio PPHE= Porcentaje asignado a hábitos de estudio

n= Total de áreas académicas semestre, escuela, facultad, campus






Semáforo degradé

RANGO 1 : ROJO : 0.00-0.25

RANGO2 : ROJO A



RANGO4 : AMARILLO A

VERDE : 0.60-0.70

RANGO5 : VERDE : 0.70-1.00


223


Objetivo : Evidenciar el estado emocional de los estudiantes en un determinado semestre académico, escuela, facultad, campus.

Nombre del Indicador : % de estado emocional

Definición : El estado emocional es obtenido por la aplicación del test inteligencia Emocional - ICE de Baron a los alumnos de los primeros años de cada carrera. Estas evaluaciones pueden ser de entrada y salida según se lo requiera.

Descripción :

(Sumatoria de [Sumatoria del puntaje obtenido en el test de inteligencia emocional de un iésimo estudiante entre puntaje máximo obtenido; entre la cantidad de estudiantes] de un iésimo test; entre total de test de inteligencia emocional en un determinado semestre, escuela, facultad, campus) por 100



X KPI Inductor

Tipo de Indicador :


Operativo


𝑃𝐸 =∑ [

∑PEE𝑖𝑗𝑃𝑀𝑂 𝑗

𝑛𝑗𝑗=1

𝑛𝑗]𝑛

𝑖=1

𝑛× 100 ----------------------------

---- PE= Porcentaje emocional PEE= Puntaje emocional (intrapersonal + interpersonal + manejo de estrés + adaptabilidad + esta. ánimo + impresión positiva + conocimiento emocional) PMO= cantidad de estudiantes de un determinado test emocional 𝑛𝑗= Cantidad de estudiantes que realizaron el test de inteligencia

emocional 𝑛= Número de test emocionales en un semestre, escuela, facultad, campus






Semáforo degradé

RANGO 1 : ROJO : 0.00-0.25

RANGO2 : ROJO A



RANGO4 : AMARILLO A

VERDE : 0.60-0.70

RANGO5 : VERDE : 0.70-1.00


224


Objetivo : Evidenciar el estado físico de los estudiantes en un semestre académico, escuela, facultad, campus.

Nombre del Indicador : % físico de los estudiantes

Definición : El estado físico de los estudiantes pertenecientes a los primeros años, está dado por los dominios de fuerza, velocidad, flexibilidad y resistencia. Estas evaluaciones pueden ser de entrada y salida según se lo requiera.

Descripción :

(Sumatoria de [Sumatoria del puntaje obtenido en la asignatura perteneciente al área de cultura física de un iésimo estudiante entre puntaje máximo obtenido; entre la cantidad de estudiantes] de una iésima asignatura perteneciente al área de cultura física; entre total de asignaturas pertenecientes al área de cultura física en un determinado semestre, escuela, facultad, campus) por 100



X KPI Inductor

Tipo de Indicador :


Operativo


𝑃𝐶𝐹 =∑ [

∑PPCF𝑖𝑗

𝑃𝑀𝑂 𝑗

𝑛𝑗𝑗=1

𝑛𝑗]𝑛

𝑖=1

𝑛× 100

------------------------------- PCF= Porcentaje físico PPCF= Puntaje físico (fuerza + velocidad + flexibilidad + resistencia) PMO= Puntaje máximo obtenido 𝑛𝑗= Cantidad de estudiantes que están matriculados en la asignatura

perteneciente al área de cultura física 𝑛= Número de asignaturas pertenecientes al área de cultura física en un semestre, escuela, facultad, campus






Semáforo degradé

RANGO 1 : ROJO : 0.00-0.25

RANGO2 : ROJO A



RANGO4 : AMARILLO A

VERDE : 0.60-0.70

RANGO5 : VERDE : 0.70-1.00


225


Objetivo : Evidenciar el estado de la gestión de los estudiantes en un determinado semestre, escuela, facultad, campus.

Nombre del Indicador : % de gestión del estado del alumno

Definición : El indicador de gestión de estado del alumno está compuesto por los indicadores académico, emocional, físico y espiritual.

Descripción :

(Sumatoria de puntaje académico de entrada de una iésima área o test por peso asignado en académico más puntaje emocional de entrada de una iésima área o test por peso asignado en emocional más puntaje físico de entrada de una iésima área o test por puntaje asignado en físico más puntaje espiritual de entrada de una iésima área o test * puntaje asignado de espiritual; entre total de áreas y test por semestre, escuela, facultad, campus) por 100



X KPI Inductor

Tipo de Indicador :


Operativo


𝑃𝐺𝐸𝐴 =

∑ 𝑃𝐴𝑖𝑛𝑖=1 × 𝑃𝑃𝐴𝑖 + 𝑃𝐸𝑖 × 𝑃𝑃𝐸𝑖 + 𝑃𝐹𝑖

× 𝑃𝑃𝐹𝑖 + 𝑃𝐸𝑆𝑖 × 𝑃𝑃𝐸𝑆𝑖

𝑛× 100

-------------------------------- PGEA= Porcentaje de gestión estado alumno PA= Puntaje académico de entrada PPA= Porcentaje asignado al indicador académico PE= Puntaje emocional de entrada PPE= Porcentaje asignado al indicador emocional PF= Puntaje físico de entrada PPF= Porcentaje asignado al indicador físico PES= Puntaje espiritual de entrada PPES= Porcentaje asignado al indicador espiritual n= Total de evaluaciones de áreas o test de un semestre, escuela, facultad, campus





Fecha de disponibilidad de la información: : semestral

Semáforo degradé

RANGO 1 : ROJO : 0.00-0.25

RANGO2 : ROJO A



RANGO4 : AMARILLO A

VERDE : 0.60-0.70

RANGO5 : VERDE : 0.70-1.00


226


Objetivo : Evidenciar el cumplimiento de ingreso de las evaluaciones de los test aplicados, áreas académicas por semestre académico, escuela, facultad, campus.

Nombre del Indicador : % gestión de datos

Definición :

La gestión de datos, es el ingreso de las evaluaciones resultantes de las aplicaciones de un test emocional, test físico, test psicológico o exámenes pertenecientes a las áreas académicas tales como matemática y capacidades comunicativas.

Descripción :

(Sumatoria de [Sumatoria del puntaje obtenido en la gestión de datos de un iésimo estudiante entre total de datos a ingresar de un iésimo estudiante; entre la cantidad de estudiantes] de una iésima área y/o test perteneciente a tutoría académica; entre total de test y/o áreas en un semestre, escuela, facultad, campus) por 100



X KPI Inductor

Tipo de Indicador :


Operativo


𝑃𝐶𝐹 =∑ [

∑CDI𝑖𝑗TDA 𝑗

𝑛𝑗𝑗=1

𝑛𝑗]𝑛

𝑖=1

𝑛× 100

---------------------------- PGD= Porcentaje de gestión de datos CDI= Cantidad de datos ingresados por alumno de una determinada área o test TDA= Total de datos a ingresar por alumno 𝑛𝑗= Cantidad de estudiantes dentro de un test o área

𝑛= Total test y/o áreas en un semestre, escuela, facultad, campus






Semáforo degradé

RANGO 1 : ROJO : 0.00-0.25

RANGO2 : ROJO A



RANGO4 : AMARILLO A

VERDE : 0.60-0.70

RANGO5 : VERDE : 0.70-1.00


227


Objetivo : Evidenciar el estado de salida de los estudiantes con respecto a los test o áreas por semestre académico, escuela, facultad, campus.

Nombre del Indicador : % variable de salida

Definición : El indicador del estado de salida del estudiante está compuesto por los indicadores académico, emocional, físico y espiritual.

Descripción :

(Sumatoria de puntaje académico de salida de una iésima área o test por peso asignado en académico más puntaje emocional de salida de una iésima área o test por peso asignado en emocional más puntaje físico de salida de una iésima área o test por puntaje asignado en físico más puntaje espiritual de salida de una iésima área o test * puntaje asignado de espiritual; entre total de áreas y test por semestre, escuela, facultad, campus) por 100



X KPI Inductor

Tipo de Indicador :


Operativo


𝑃𝐺𝐸𝐴 =

∑ 𝑃𝐴𝑖𝑛𝑖=1 × 𝑃𝑃𝐴𝑖 + 𝑃𝐸𝑖 × 𝑃𝑃𝐸𝑖 + 𝑃𝐹𝑖

× 𝑃𝑃𝐹𝑖 + 𝑃𝐸𝑆𝑖 × 𝑃𝑃𝐸𝑆𝑖

𝑛× 100

---- -------------------------------- PGEA= Porcentaje de gestión estado alumno PA= Puntaje académico de salida PPA= Porcentaje asignado al indicador académico PE= Puntaje emocional de salida PPE= Porcentaje asignado al indicador emocional PF= Puntaje físico de salida PPF= Porcentaje asignado al indicador físico PES= Puntaje espiritual de salida PPES= Porcentaje asignado al indicador espiritual n= Total de áreas y/o test de tutoría pertenecientes a un semestre, escuela, facultad, campus






Semáforo degradé

RANGO 1 : ROJO : 0.00-0.25

RANGO2 : ROJO A



RANGO4 : AMARILLO A

VERDE : 0.60-0.70

RANGO5 : VERDE : 0.70-1.00


228


Objetivo : Evidenciar la gestión de tutoría por semestre académico, escuela, facultad, campus.

Nombre del Indicador : % Gestión tutoría

Definición : El indicador gestión tutoría está conformado por los indicadores de gestión de datos, gestión del estado del alumno y variable de salida.

Descripción :

(Sumatoria de gestión de datos de una iésima asignatura por puntaje asignado a gestión de datos más gestión de estado del alumno de una iésima asignatura por puntaje asignado al estado del alumno más variable de salida de una iésima asignatura por puntaje asignado a variable de salida; entre total de test y áreas por semestre, escuela, facultad, campus) por 100



X KPI Inductor

Tipo de Indicador :


Operativo


𝑃𝐺𝑇 =∑ 𝑃𝐺𝐷𝑖

𝑛𝑖=1 × 𝑃𝑃𝐺𝐷𝑖 + 𝑃𝐸𝐴𝑖 × 𝑃𝑃𝐸𝐴𝑖 + 𝑃𝑉𝑆𝑖 × 𝑃𝑃𝑉𝑆𝑖

𝑛× 100

--------------- -------------------------------- PGT= Porcentaje de gestión de tutoría PGD= Puntaje gestión de datos PPGD= Porcentaje asignado a gestión de datos PEA= Puntaje gestión de estado del alumno PPEA= Porcentaje asignado a gestión de estado del alumno PVS= Puntaje variable de salida PPVS= Porcentaje asignado a variable de salida n= Total de test y áreas de un semestre, escuela, facultad, campus






Semáforo degradé

RANGO 1 : ROJO : 0.00-0.25

RANGO2 : ROJO A



RANGO4 : AMARILLO A

VERDE : 0.60-0.70

RANGO5 : VERDE : 0.70-1.00


229


Objetivo : Evidenciar la gestión de enseñanza y aprendizaje de un determinado semestre, escuela, facultad, campus.

Nombre del Indicador : % Gestión del proceso enseñanza y aprendizaje

Definición : El indicador gestión del proceso de enseñanza y aprendizaje está conformado por los indicadores de gestión de sílabos, gestión de desempeño docente, gestión de tutorías y gestión de tareas.

Descripción :

(Sumatoria de gestión de sílabos de una iésima asignatura por puntaje asignado a gestión de sílabos más gestión de desempeño docente de una iésima asignatura por puntaje asignado a desempeño docente más gestión de tutoría de una iésima área o test de tutoría por puntaje asignado a gestión de tutoría más gestión de tareas por puntaje asignado a gestión de tutorías; entre total de cursos, áreas, test por semestre, escuela, facultad, campus) por 100



X KPI Inductor

Tipo de Indicador :


Operativo


𝑃𝐺𝑇

=∑ 𝑃𝐺𝑆𝑖

𝑛𝑖=1 × 𝑃𝑃𝐺𝑆𝑖 + 𝑃𝐷𝐷𝑖 × 𝑃𝑃𝐷𝐷𝑖 + 𝑃𝐺𝑇𝑖 × 𝑃𝑃𝐺𝑇𝑖 + 𝑃𝐺𝑇𝐴𝑖 × 𝑃𝑃𝐺𝑇𝐴𝑖

𝑛× 100

PGEA= Porcentaje de gestión de enseñanza y aprendizaje PGS= Puntaje de gestión de sílabos PPGS= Porcentaje asignado a gestión de sílabos PDD= Puntaje gestión de desempeño docente PPDD= Porcentaje asignado a gestión de desempeño docente PGT= Puntaje gestión de tutoría PPGT= Porcentaje asignado a gestión de tutoría PGTA= Puntaje de gestión de tareas PPGTA= Porcentaje asignado a gestión de tareas n= Total de cursos, test y áreas de un semestre, escuela, facultad, campus






Semáforo degradé

RANGO 1 : ROJO : 0.00-0.25

RANGO2 : ROJO A



RANGO4 : AMARILLO A

VERDE : 0.60-0.70

RANGO5 : VERDE : 0.70-1.00


230

ANEXO 2: Escala de valoración

ESCALA DE VALORACIÓN DE LA CALIDAD DE INFORMACIÓN DEL SISTEMA DE INFORMACIÓN DE LOS INDICADORES ACADÉMICOS DE LA UNIVERSIDAD PERUANA UNIÓN

INSTRUCCIONES: De acuerdo a su experiencia profesional, evalué la operatividad del sistema de información ejecutiva con respecto a los indicadores académicos de la Universidad Peruana Unión, considerando la siguiente escala: baja, media y alta (mala, regular, buena)

DATOS GENERALES Unidad Académica: ______________________________ Cargo del entrevistado: ___________________________ Fecha de evaluación: _____________________________

DATOS DE LA CALIDAD DE INFORMACIÓN DEL SISTEMA DE INFORMACIÓN

Ítems de efectividad de la información académica Baja Media Alta

El soporte que brinda el sistema de información para la toma de decisiones en su área es

La efectividad de los indicadores del sistema de información es

La información de los indicadores de los semestres anteriores del sistema de información es

El nivel de representación gráfica de los reportes en el sistema de información ejecutiva es

El nivel de actualización en relación con la periodicidad de evaluación del indicador en el sistema de información ejecutiva es

La capacidad de almacenamiento de múltiples registros en el sistema de información es

La capacidad de generar comunicaciones vía pdf, excel en el sistema de información es

El nivel de flexibilidad para introducir nuevas modificaciones en el sistema de información es

Ítems de confidencialidad de la información académica Baja Media Alta

La seguridad de la información del sistema de información es

El nivel de privacidad de la información restringiendo su acceso a personas ajenas en el sistema de información es

La confidencialidad de la información brindada al área académica es

La autorización de la divulgación de la información por vicerrectorado en el sistema de información es

El nivel de confidencialidad de los datos personales del sistema de información es

El control de la clasificación de la información (público, restringido) en el sistema de información es

Ítems de integridad de la información académica Mala Regular Buena

La periodicidad del mantenimiento de la información es

El nivel de protección de los datos a alteraciones por los usuarios académicos es

La seguridad de la no variación de la información histórica es

El nivel de precisión de la información brindada por el sistema de información es

El nivel de seguridad para prevenir el uso mal intencionado del sistema de

231

información es

El nivel de revisión de los datos del sistema de información por Oficina de Sistemas es

El control de privilegios de acceso al sistema de información es

Ítems de disponibilidad de la información académica Mala Regular Buena

El nivel de disponibilidad de la información del sistema de información es

El nivel amigable de los interfaces del sistema de información es

El tiempo de respuesta de los reportes en el sistema de información es

El nivel de acceso a la base histórica de la información académica en el sistema de información es

Ítems de confiabilidad de la información académica Baja Media Alta

El nivel de confiabilidad de la información actual en el sistema de información es

El nivel de confiabilidad de información histórica del sistema de información es

El nivel de confianza en el correcto funcionamiento del sistema de información es

El sistema emite los resultados de los indicadores que se quieren medir

El nivel de prevención del sistema de información para evitar que se cometa errores es

ANEXO 3: Plantilla del Metadata

Nombre: FUENTE

Nº USUARIO TABLA COLUMNA TIPO DATO

1

2 5

DESTINO

USUARIO TABLA COLUMNA TIPO DATO PROCESO

232

ANEXO 4: Matriz extendida de la estructura del proyecto de investigación