tesis upeu (1)
Post on 15-Apr-2017
69 Views
Preview:
TRANSCRIPT
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
TABLA 36 ESTADÍSTICOS DE MUESTRAS RELACIONADAS ...................................................................................... 190
TABLA 37 PRUEBA DE MUESTRAS RELACIONADAS ................................................................................................ 190
TABLA 38 ESTADÍSTICOS DE MUESTRAS RELACIONADAS ...................................................................................... 192
TABLA 39 PRUEBA DE MUESTRAS RELACIONADAS ................................................................................................ 192
TABLA 40 ESTADÍSTICOS DE MUESTRAS RELACIONADAS ...................................................................................... 194
TABLA 41 PRUEBA DE MUESTRAS RELACIONADAS ................................................................................................ 194
TABLA 42 ESTADÍSTICOS DE MUESTRAS RELACIONADAS ...................................................................................... 196
xv
TABLA 43 PRUEBA DE MUESTRAS RELACIONADAS ................................................................................................ 196
TABLA 44 ESTADÍSTICOS DE MUESTRAS RELACIONADAS ...................................................................................... 197
TABLA 45 PRUEBA DE MUESTRAS RELACIONADAS ................................................................................................ 198
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.
El sistema de información ejecutiva académico basado en
inteligencia de negocios es efectivo en el mejoramiento de
11
la confidencialidad de información en línea de los
indicadores estratégicos de la Universidad Peruana Unión.
El sistema de información ejecutiva académico basado en
inteligencia de negocios es efectivo en el mejoramiento de
la integridad de información en línea de los indicadores
estratégicos de la Universidad Peruana Unión.
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 Universidad Peruana Unión.
El sistema de información ejecutiva académico basado en
inteligencia de negocios es efectivo en el mejoramiento de
la confiabilidad de información en línea de los indicadores
estratégicos de la Universidad Peruana Unión.
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
Decano 1 Secretario académico 1 Director de escuela 4
Facultad de Ciencias Humanas y Educación
Decano 1 Secretario académico 1 Director de escuela 3
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,
campus, facultad y escuela.
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,
campus, facultad y escuela.
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.
Obtener la aprobación del asesor de vicerrectorado
Documentación de los indicadores E-A.
Obtener la aprobación del asesor de vicerrectorado
Módulo de ingreso de programación de actividades.
Obtener la aprobación del asesor de vicerrectorado
Obtener la aprobación del encargado de gabinete pedagógico-
vicerrectorado.
Módulo de ingreso de evaluación de sílabos.
Obtener la aprobación del asesor de vicerrectorado.
Obtener la aprobación del encargado de gabinete pedagógico-
vicerrectorado.
Módulo de ingreso de entrevista de grupos focales por curso y
docente.
Obtener la aprobación del asesor de vicerrectorado.
Obtener la aprobación del encargado de gabinete pedagógico-
vicerrectorado.
Módulo de evaluación de los resultados de grupos focales por
curso y docente durante un determinado ciclo académico.
Obtener la aprobación del asesor de vicerrectorado.
69
Obtener la aprobación del encargado de gabinete pedagógico-
vicerrectorado.
Módulo de evaluación de áreas de matemática, cultura física,
capacidades comunicativas, test psicológico para tutoría
académica.
Obtener la aprobación del asesor de vicerrectorado.
Obtener la aprobación del encargado de gabinete pedagógico-
vicerrectorado.
Sistema de información ejecutiva basado en inteligencia de
negocios.
Obtener la aprobación del asesor de vicerrectorado.
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
1.8.2.1 Diseño del ETL
1.8.2.2 Implementación ETL gestión datos tutoría
1.8.2.3 Verificación de la data ingresada al DM
1.8.3 ETL programación de actividades
1.8.3.1 Diseño del ETL
1.8.3.2 Implementación ETL programación de actividades
1.8.3.3 Verificación de la data ingresada al DM
1.8.4 ETL evaluación sílabo
1.8.4.1 Diseño del ETL
1.8.4.2 Implementación ETL evaluación sílabos
1.8.4.3 Verificación de la data ingresada al DM
1.8.5 ETL cumplimiento evaluación docente (portales vencidos)
1.8.5.1 Diseño del ETL
1.8.5.2 Implementación ETL cumplimiento evaluaciones docente
1.8.5.3 Verificación de la data ingresada al DM
1.8.6 ETL grupo focal
1.8.6.1 Diseño del ETL
1.8.6.2 Implementación ETL grupo focal
1.8.6.3 Verificación de la data ingresada al DM
1.8.7 ETL cumplimiento silabo
1.8.7.1 Diseño del ETL
1.8.7.2 Implementación ETL cumplimiento sílabo
1.8.7.3 Verificación de la data ingresada al DM
1.8.8 ETL gestión resultado tutoría
1.8.8.1 Diseño del ETL
1.8.8.2 Implementación ETL gestión resultado tutoría
1.8.8.3 Verificación de la data ingresada al DM
1.8.9 ETL encuesta docente
1.8.9.1 Diseño del ETL
1.8.9.2 Implementación ETL encuesta docente
1.8.9.3 Verificación de la data ingresada al DM
1.8.10 ETL gestión de E-A
74
1.8.10.1 Diseño del ETL
1.8.10.2 Implementación ETL gestión de E-A
1.8.10.3 Verificación de la data ingresada al DM
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
50 Verificación de la data ingresada al DM
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
54 Verificación de la data ingresada al DM
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
58 Verificación de la data ingresada al DM
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
62 Verificación de la data ingresada al DM
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
66 Verificación de la data ingresada al DM
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
70 Verificación de la data ingresada al DM
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
74 Verificación de la data ingresada al DM
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
78 Verificación de la data ingresada al DM
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
82 Verificación de la data ingresada al DM
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:
Requerimiento N° 02
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.
Tipo: Funcional: X No Funcional:
Clasificación: Opcional: Obligatorio: X
Prioridad: Alta: X Media: Baja:
Requerimiento N° 03
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.
Tipo: Funcional: X No Funcional:
Clasificación: Opcional: Obligatorio: X
Prioridad: Alta: X Media: Baja:
Requerimiento N° 04
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.
Tipo: Funcional: X No Funcional:
Clasificación: Opcional: Obligatorio: X
Prioridad: Alta: X Media: Baja:
Requerimiento N° 05
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.
Tipo: Funcional: X No Funcional:
Clasificación: Opcional: Obligatorio: X
Prioridad: Alta: X Media: Baja:
Requerimiento N° 06
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.
Tipo: Funcional: X No Funcional:
Clasificación: Opcional: Obligatorio: X
Prioridad: Alta: X Media: Baja:
86
Requerimiento N° 07
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.
Tipo: Funcional: X No Funcional:
Clasificación: Opcional: Obligatorio: X
Prioridad: Alta: X Media: Baja:
Requerimiento N° 08
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.
Tipo: Funcional: X No Funcional:
Clasificación: Opcional: Obligatorio: X
Prioridad: Alta: X Media: Baja:
Requerimiento N° 09
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.
Tipo: Funcional: X No Funcional:
Clasificación: Opcional: Obligatorio: X
Prioridad: Alta: X Media: Baja:
Requerimiento N° 10
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.
Tipo: Funcional: X No Funcional:
Clasificación: Opcional: Obligatorio: X
Prioridad: Alta: X Media: Baja:
87
Requerimiento N° 11
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.
Tipo: Funcional: X No Funcional:
Clasificación: Opcional: Obligatorio: X
Prioridad: Alta: X Media: Baja:
Requerimiento N° 12
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.
Tipo: Funcional: X No Funcional:
Clasificación: Opcional: Obligatorio: X
Prioridad: Alta: X Media: Baja:
Requerimiento N° 13
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.
Tipo: Funcional: X No Funcional:
Clasificación: Opcional: Obligatorio: X
Prioridad: Alta: X Media: Baja:
Requerimiento N° 14
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
Tipo: Funcional: X No Funcional:
Clasificación: Opcional: Obligatorio: X
Prioridad: Alta: X Media: Baja:
Requerimiento N° 15
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.
Tipo: Funcional: X No Funcional:
Clasificación: Opcional: Obligatorio: X
Prioridad: Alta: X Media: Baja:
Requerimiento N° 16
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.
Tipo: Funcional: X No Funcional:
Clasificación: Opcional: Obligatorio: X
Prioridad: Alta: X Media: Baja:
Requerimiento N° 17
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.
Tipo: Funcional: X No Funcional:
Clasificación: Opcional: Obligatorio: X
Prioridad: Alta: X Media: Baja:
Requerimiento N° 18
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.
Tipo: Funcional: X No Funcional:
Clasificación: Opcional: Obligatorio: X
Prioridad: Alta: X Media: Baja:
Requerimiento N° 19
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.
Tipo: Funcional: X No Funcional:
Clasificación: Opcional: Obligatorio: X
Prioridad: Alta: X Media: Baja:
Requerimiento N° 20
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.
Tipo: Funcional: X No Funcional:
Clasificación: Opcional: Obligatorio: X
Prioridad: Alta: X Media: Baja:
Requerimiento N° 21
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.
Tipo: Funcional: X No Funcional:
Clasificación: Opcional: Obligatorio: X
Prioridad: Alta: X Media: Baja:
90
Requerimiento N° 22
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.
Tipo: Funcional: X No Funcional:
Clasificación: Opcional: Obligatorio: X
Prioridad: Alta: X Media: Baja:
Requerimiento N° 23
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.
Tipo: Funcional: X No Funcional:
Clasificación: Opcional: Obligatorio: X
Prioridad: Alta: X Media: Baja:
Requerimiento N° 24
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.
Tipo: Funcional: X No Funcional:
Clasificación: Opcional: Obligatorio: X
Prioridad: Alta: X Media: Baja:
Requerimiento N° 25
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.
Tipo: Funcional: X No Funcional:
Clasificación: Opcional: Obligatorio: X
Prioridad: Alta: X Media: Baja:
Requerimiento N° 26
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.
Tipo: Funcional: X No Funcional:
Clasificación: Opcional: Obligatorio: X
Prioridad: Alta: X Media: Baja:
Requerimiento N° 27
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.
Tipo: Funcional: X No Funcional:
Clasificación: Opcional: Obligatorio: X
Prioridad: Alta: X Media: Baja:
Requerimiento N° 28
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.
Tipo: Funcional: X No Funcional:
Clasificación: Opcional: Obligatorio: X
Prioridad: Alta: X Media: Baja:
Requerimiento N° 29
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
Clasificación: Opcional: Obligatorio: X
Prioridad: Alta: X Media: Baja:
Requerimiento N° 30
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.
Tipo: Funcional: No Funcional: X
Clasificación: Opcional: Obligatorio: X
Prioridad: Alta: X Media: Baja:
Requerimiento N° 31
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.
Tipo: Funcional: No Funcional: X
Clasificación: Opcional: Obligatorio: X
Prioridad: Alta: X Media: Baja:
93
Requerimiento N° 32
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.
Tipo: Funcional: X No Funcional:
Clasificación: Opcional: Obligatorio: X
Prioridad: Alta: X Media: Baja:
Requerimiento N° 33
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.
Tipo: Funcional: X No Funcional:
Clasificación: Opcional: Obligatorio: X
Prioridad: Alta: X Media: Baja:
Requerimiento N° 34
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.
Tipo: Funcional: No Funcional: X
Clasificación: Opcional: Obligatorio: X
Prioridad: Alta: X Media: Baja:
Requerimiento N° 35
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.
Tipo: Funcional: No Funcional: X
Clasificación: Opcional: Obligatorio: X
Prioridad: Alta: X Media: Baja:
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
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.
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
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
102
Verificación del listado según los filtros seleccionados.
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
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 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
Verificación del ingreso de notas obtenidas en el área de
capacidades comunicativas
Verificación del ingreso de notas obtenidas en el área de
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
Descripción: Esta tabla de hechos es la encargada de tener la información de
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.
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_rubro_grupo_ focal.
Figura 81 Tabla de hechos estado alumno
Descripción: Esta tabla de hechos es la encargada de tener la información de
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.
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_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.
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_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.
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_tutoria_area,
d_indicador_nivelv, d_tipo_nota.
Figura 84 Tabla de hechos gestión salida tutoría
Descripción: Esta tabla de hechos es la encargada de tener la información de
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.
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_tutoria_area,
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
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_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:
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
Indicador semestre, nombre campus
puntaje E-A porcentaje
Solicitud 5 Tendencia de los indicadores del proceso E-A por facultad
Gráfico de líneas simple
semestre, nombre facultad
puntaje E-A porcentaje
Solicitud 6 Tendencia de los indicadores del proceso E-A por escuela
Gráfico de líneas simple
semestre, nombre escuela
puntaje E-A porcentaje
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
puntaje indicador nivel II
porcentaje
Solicitud 8 Comparar indicadores del nivel II por facultad y semestre
Gráfico de barras
semestre, facultad
puntaje indicador nivel II
porcentaje
Solicitud 9 Comparar indicadores del nivel II por escuela y semestre
Gráfico de barras
semestre, escuela, nombre indicador
puntaje indicador nivel II
porcentaje
Solicitud 10
Visualizar indicadores del nivel III por facultad y semestre
Indicador semestre, facultad
puntaje indicador nivel III
porcentaje
Solicitud 11
Visualizar indicadores del nivel III por escuela y semestre
Indicador semestre, escuela
puntaje indicador nivel III
porcentaje
Solicitud 12
Comparar indicadores del nivel III por facultad y semestre
Gráfico de barras
semestre, facultad
puntaje indicador nivel III
porcentaje
Solicitud 13
Comparar indicadores del nivel III por escuela y semestre
Gráfico de barras
semestre, escuela, nombre indicador
puntaje indicador nivel III
porcentaje
Solicitud 14
Visualizar indicadores del nivel IV por facultad y semestre
Indicador semestre, facultad
puntaje indicador nivel IV
porcentaje
Solicitud 15
Visualizar indicadores del nivel IV por escuela y semestre
Indicador semestre, escuela
puntaje indicador nivel IV
porcentaje
Solicitud 16
Comparar indicadores del nivel IV por facultad y semestre
Gráfico de barras
semestre, facultad
puntaje indicador nivel IV
porcentaje
Solicitud 17
Comparar indicadores del nivel IV por escuela y semestre
Gráfico de barras
semestre, escuela, nombre indicador
puntaje indicador nivel IV
porcentaje
Solicitud 18
Visualizar indicadores del nivel V por facultad y semestre
Indicador semestre, facultad
puntaje indicador nivel V
porcentaje
Solicitud 19
Visualizar indicadores del nivel V por escuela y semestre
Indicador Semestre, escuela
puntaje indicador nivel V
porcentaje
Solicitud 20
Comparar indicadores del nivel V por facultad y semestre
Gráfico de barras
semestre, facultad
puntaje indicador nivel V
porcentaje
154
Solicitud 21
Comparar indicadores del nivel V por escuela y semestre
Gráfico de barras
Semestre, escuela, nombre indicador
puntaje indicador nivel V
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
Indicador semestre, nombre campus
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
Cuadrícula nombre del indicador
puntaje nivel II, umbrales puntaje nivel II
%
Visualizar indicadores del nivel III por sede Lima, facultad, escuela y semestre
Cuadrícula nombre del indicador
puntaje nivel III, umbrales puntaje nivel III
%
Visualizar indicadores del nivel IV por sede Lima, facultad, escuela y semestre
Cuadrícula nombre del indicador
puntaje nivel IV, umbrales
%
155
puntaje nivel IV
Visualizar indicadores del nivel V por campus, facultad, escuela y semestre
Cuadrícula nombre del indicador
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
Gráfico de líneas simple
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.
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
establecido a cada indicador
del nivel V en la figura 30.
Puntaje_sp_nivelV *
Ponderadi_nivelV
Ponderado_nivel
IV
Calcula el ponderado que le
corresponde a los
indicadores del nivel VI
Sum(Ponderadoiv)/
cantidad_d_registros
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
Calcula el puntaje con el
peso asignado al indicador
de nivel IV. Ver peso
establecido a cada indicador
del nivel IV en la figura 29.
Puntaje_sp_nivel IV * Ponderado_
nivel IV
Ponderado_nivel
III
Calcula el ponderado que le
corresponde a los
indicadores del nivel III
Sum(PonderadoIII)/
cantidad_d_registros
Suma_puntaje_s
p_nivel III
Suma los puntajes con peso
del nivel IV. Esto es debido a
que el puntaje del indicador
del nivel III depende del
puntaje del indicador nivel
IV.
Sum(Puntaje_cp_nivel lV)
Puntaje_sp_nivel
III
Calcula el puntaje obtenido
en el indicador del nivel III.
Este puntaje no se multiplica
por el peso establecido a
cada indicador del nivel III
mostrado en la figura 29.
Suma_puntaje_sp_nivel III / Count_
escuela
Puntaje_cp_nivel
III
Calcula el puntaje con el
peso asignado al indicador
de nivel III. Ver peso
establecido a cada indicador
del nivel III en la figura 29.
Puntaje_sp_nivel III * Ponderado_
nivel III
Ponderado_nivel
II
Calcula el ponderado que le
corresponde a los
indicadores del nivel II
Sum(PonderadoII)/
cantidad_d_registros
Suma_puntaje_s
p_nivel II
Suma los puntajes con peso
del nivel III. Esto es debido a
que el puntaje del indicador
del nivel II depende del
Sum(Puntaje_cp_nivel lII)
169
puntaje del indicador nivel
III.
Puntaje_sp_nivel
II
Calcula el puntaje obtenido
en el indicador del nivel II.
Este puntaje no se multiplica
por el peso establecido a
cada indicador del nivel II
mostrado en la figura 30.
Suma_puntaje_sp_nivel II / Count_
escuela
Puntaje_cp_nivel
II
Calcula el puntaje con el
peso asignado al indicador
de nivel II. Ver peso
establecido a cada indicador
del nivel II en la figura 30.
Puntaje_sp_nivel II * Ponderado_
nivel II
Ponderado_nivel
I
Calcula el ponderado que le
corresponde a los
indicadores del nivel I
Sum(PonderadoI)/
cantidad_d_registros
Suma_puntaje_s
p_nivel I
Suma los puntajes con peso
del nivel II. Esto es debido a
que el puntaje del indicador
del nivel I depende del
puntaje del indicador nivel II.
Sum(Puntaje_cp_nivel II)
Puntaje_sp_nivel
I
Calcula el puntaje obtenido
en el indicador del nivel I.
Este puntaje no se multiplica
por el peso establecido a
cada indicador del nivel I
mostrado en la figura 30.
Suma_puntaje_sp_nivel I / Count_
escuela
Puntaje_cp_nivel
I
Calcula el puntaje con el
peso asignado al indicador
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 sist_acad@upeu.edu.pe
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
Categorías Sistema de información antes
Sistema de información después
f % % Acum f % % Acum
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
Categorías Sistema de información antes
Sistema de información después
f % % Acum f % % Acum
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
De la tabla 28, 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 50,0 % 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
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) 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
Categorías Sistema de información antes
Sistema de información después
f % % Acum f % % Acum
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
De la tabla 29, 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 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
alta. Ningún administrador en la segunda valoración de la calidad de información del
EIS marcó en las categorías muy baja, baja, ni alta ni baja.
185
Tabla 30 Confiabilidad de la información académica antes*después
Categorías Sistema de información antes
Sistema de información después
f % % Acum f % % Acum
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
De la tabla 30, 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 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
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) 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
Categorías Sistema de información antes
Sistema de información después
f % % Acum f % % Acum
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
De la tabla 31, se observa que hay 24 administradores académicos encuestados
cuya valoración de la calidad de información del sistema de información antes de la
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
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) 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
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.
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
Tabla 36 Estadísticos de muestras relacionadas
Media N Desviación típ. Error típ. de la
media
Par 1
Confidencialidad de la
información académica
salida
15,75 24 1,595 ,326
Confidencialidad de la
información académica
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.
Tabla 37 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
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
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 = 𝐶𝑂𝑁𝐹𝐼𝐷𝐸𝑃𝑖 − 𝐶𝑂𝑁𝐹𝐼𝐷𝐸𝑖 , 𝑖 = 1,2,3 … 24). De
esa variable obtenemos su media 5,708 con desviación típica 2,404 y con intervalo de
confianza para la media con un nivel del 95% de (4,693, 6,724).
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 𝑐𝑜𝑛𝑓𝑖𝑑𝑒𝑛𝑐𝑖𝑎𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑖𝑛𝑓𝑜𝑟𝑚𝑎𝑐𝑖ó𝑛 𝑎𝑐𝑎𝑑é𝑚𝑖𝑐𝑎
𝑒𝑛𝑡𝑟𝑎𝑑𝑎) =
𝜇(𝑝𝑢𝑛𝑡𝑎𝑗𝑒 𝑑𝑒 𝑣𝑎𝑙𝑜𝑟𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑐𝑜𝑛𝑓𝑖𝑑𝑒𝑛𝑐𝑖𝑎𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑖𝑛𝑓𝑜𝑟𝑚𝑎𝑐𝑖ó𝑛 𝑎𝑐𝑎𝑑é𝑚𝑖𝑐𝑎 𝑠𝑎𝑙𝑖𝑑𝑎)
𝐻1: 𝜇 (𝑝𝑢𝑛𝑡𝑎𝑗𝑒 𝑑𝑒 𝑣𝑎𝑙𝑜𝑟𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑐𝑜𝑛𝑓𝑖𝑑𝑒𝑛𝑐𝑖𝑎𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑖𝑛𝑓𝑜𝑟𝑚𝑎𝑐𝑖ó𝑛 𝑎𝑐𝑎𝑑é𝑚𝑖𝑐𝑎
𝑒𝑛𝑡𝑟𝑎𝑑𝑎) ≠
𝜇(𝑝𝑢𝑛𝑡𝑎𝑗𝑒 𝑑𝑒 𝑣𝑎𝑙𝑜𝑟𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑐𝑜𝑛𝑓𝑖𝑑𝑒𝑛𝑐𝑖𝑎𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑖𝑛𝑓𝑜𝑟𝑚𝑎𝑐𝑖ó𝑛 𝑎𝑐𝑎𝑑é𝑚𝑖𝑐𝑎 𝑠𝑎𝑙𝑖𝑑𝑎)
o equivalente en términos de dirección
𝐻0 𝜇(𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎𝑠 𝑒𝑛𝑡𝑟𝑒 𝑝𝑢𝑛𝑡𝑎𝑗𝑒𝑠 𝑑𝑒 𝑣𝑎𝑙𝑜𝑟𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑐𝑜𝑛𝑓𝑖𝑑𝑒𝑛𝑐𝑖𝑎𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑙𝑎
𝑖𝑛𝑓𝑜𝑟𝑚𝑎𝑐𝑖ó𝑛 𝑒𝑛𝑡𝑟𝑎𝑑𝑎 𝑦 𝑠𝑎𝑙𝑖𝑑𝑎) ≤ 0 , [ µ𝑝𝑜𝑠 ≤ µ𝑝𝑟𝑒 ]
𝐻1 𝜇(𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎𝑠 𝑒𝑛𝑡𝑟𝑒 𝑝𝑢𝑛𝑡𝑎𝑗𝑒𝑠 𝑑𝑒 𝑣𝑎𝑙𝑜𝑟𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑐𝑜𝑛𝑓𝑖𝑑𝑒𝑛𝑐𝑖𝑎𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑙𝑎
𝑖𝑛𝑓𝑜𝑟𝑚𝑎𝑐𝑖ó𝑛 𝑒𝑛𝑡𝑟𝑎𝑑𝑎 𝑦 𝑠𝑎𝑙𝑖𝑑𝑎) > 0 , [ µ𝑝𝑜𝑠 > µ𝑝𝑟𝑒 ]
Con un estadístico de contraste t de Student de acción, 11,631 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
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
Tabla 38 Estadísticos de muestras relacionadas
Media N Desviación típ. Error típ. de la
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
información académica de entrada fue de 11,71, con una desviación típica de 1,805, y
en una segunda vez, después de un periodo de prueba de la implementación del EIS,
la media fue de 18,21, con una desviación típica de 1,769.
Tabla 39 Prueba de muestras relacionadas
Diferencias relacionadas t gl Sig.
(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
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 = 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).
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 𝑖𝑛𝑡𝑒𝑔𝑟𝑖𝑑𝑎𝑑 𝑑𝑒 𝑖𝑛𝑓𝑜𝑟𝑚𝑎𝑐𝑖ó𝑛 𝑎𝑐𝑎𝑑é𝑚𝑖𝑐𝑎
𝑒𝑛𝑡𝑟𝑎𝑑𝑎) =
𝜇(𝑝𝑢𝑛𝑡𝑎𝑗𝑒 𝑑𝑒 𝑣𝑎𝑙𝑜𝑟𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑖𝑛𝑡𝑒𝑔𝑟𝑖𝑑𝑎𝑑 𝑑𝑒 𝑖𝑛𝑓𝑜𝑟𝑚𝑎𝑐𝑖ó𝑛 𝑎𝑐𝑎𝑑é𝑚𝑖𝑐𝑎 𝑠𝑎𝑙𝑖𝑑𝑎)
𝐻1: 𝜇 (𝑝𝑢𝑛𝑡𝑎𝑗𝑒 𝑑𝑒 𝑣𝑎𝑙𝑜𝑟𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑖𝑛𝑡𝑒𝑔𝑟𝑖𝑑𝑎𝑑 𝑑𝑒 𝑖𝑛𝑓𝑜𝑟𝑚𝑎𝑐𝑖ó𝑛 𝑎𝑐𝑎𝑑é𝑚𝑖𝑐𝑎
𝑒𝑛𝑡𝑟𝑎𝑑𝑎) ≠
𝜇(𝑝𝑢𝑛𝑡𝑎𝑗𝑒 𝑑𝑒 𝑣𝑎𝑙𝑜𝑟𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑖𝑛𝑡𝑒𝑔𝑟𝑖𝑑𝑎𝑑 𝑑𝑒 𝑖𝑛𝑓𝑜𝑟𝑚𝑎𝑐𝑖ó𝑛 𝑎𝑐𝑎𝑑é𝑚𝑖𝑐𝑎 𝑠𝑎𝑙𝑖𝑑𝑎)
o equivalente en términos de dirección
𝐻0 𝜇(𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎𝑠 𝑒𝑛𝑡𝑟𝑒 𝑝𝑢𝑛𝑡𝑎𝑗𝑒𝑠 𝑑𝑒 𝑣𝑎𝑙𝑜𝑟𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑖𝑛𝑡𝑒𝑔𝑟𝑖𝑑𝑎𝑑 𝑑𝑒 𝑙𝑎
𝑖𝑛𝑓𝑜𝑟𝑚𝑎𝑐𝑖ó𝑛 𝑒𝑛𝑡𝑟𝑎𝑑𝑎 𝑦 𝑠𝑎𝑙𝑖𝑑𝑎) ≤ 0 , [ µ𝑝𝑜𝑠 ≤ µ𝑝𝑟𝑒 ]
𝐻1 𝜇(𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎𝑠 𝑒𝑛𝑡𝑟𝑒 𝑝𝑢𝑛𝑡𝑎𝑗𝑒𝑠 𝑑𝑒 𝑣𝑎𝑙𝑜𝑟𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑖𝑛𝑡𝑒𝑔𝑟𝑖𝑑𝑎𝑑 𝑑𝑒 𝑙𝑎
𝑖𝑛𝑓𝑜𝑟𝑚𝑎𝑐𝑖ó𝑛 𝑒𝑛𝑡𝑟𝑎𝑑𝑎 𝑦 𝑠𝑎𝑙𝑖𝑑𝑎) > 0 , [ µ𝑝𝑜𝑠 > µ𝑝𝑟𝑒 ]
Con un estadístico de contraste t de Student de valor, 12,306 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 integridad
entrada y salida. De la misma manera, si nos fijamos en el intervalo de confianza para
la variable de las diferencias I = (5,407, 7,593), vemos que los dos extremos son
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
Tabla 40 Estadísticos de muestras relacionadas
Media N Desviación típ. Error típ. de la
media
Par 1
Disponibilidad de la
información académica
salida
11,38 24 ,647 ,132
Disponibilidad de la
información académica
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.
Tabla 41 Prueba de muestras relacionadas
Diferencias relacionadas t gl Sig.
(bilateral) Media Desviación
típ.
Error
típ. de
la
media
95% Intervalo de
confianza para la
diferencia
Inferior Superior
Par
1
Disponibilidad de la
información
académica salida
Disponibilidad de la
información
académica entrada
5,333 1,204 ,246 4,825 5,842 21,70
3 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 = 𝐷𝐼𝑆𝑃𝑂𝑃𝑖 − 𝐷𝐼𝑆𝑃𝑂𝑖 , 𝑖 = 1,2,3 … 24). De esa
variable obtenemos su media 5,333 con desviación típica 1,204 y con intervalo de
confianza para la media con un nivel del 95% de (4,825, 5,842).
195
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 𝑑𝑖𝑠𝑝𝑜𝑛𝑖𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑖𝑛𝑓𝑜𝑟𝑚𝑎𝑐𝑖ó𝑛 𝑎𝑐𝑎𝑑é𝑚𝑖𝑐𝑎
𝑒𝑛𝑡𝑟𝑎𝑑𝑎) =
𝜇(𝑝𝑢𝑛𝑡𝑎𝑗𝑒 𝑑𝑒 𝑣𝑎𝑙𝑜𝑟𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑑𝑖𝑠𝑝𝑜𝑛𝑖𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑖𝑛𝑓𝑜𝑟𝑚𝑎𝑐𝑖ó𝑛 𝑎𝑐𝑎𝑑é𝑚𝑖𝑐𝑎 𝑠𝑎𝑙𝑖𝑑𝑎)
𝐻1: 𝜇 (𝑝𝑢𝑛𝑡𝑎𝑗𝑒 𝑑𝑒 𝑣𝑎𝑙𝑜𝑟𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑑𝑖𝑠𝑝𝑜𝑛𝑖𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑖𝑛𝑓𝑜𝑟𝑚𝑎𝑐𝑖ó𝑛 𝑎𝑐𝑎𝑑é𝑚𝑖𝑐𝑎
𝑒𝑛𝑡𝑟𝑎𝑑𝑎) ≠
𝜇(𝑝𝑢𝑛𝑡𝑎𝑗𝑒 𝑑𝑒 𝑣𝑎𝑙𝑜𝑟𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑑𝑖𝑠𝑝𝑜𝑛𝑖𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑖𝑛𝑓𝑜𝑟𝑚𝑎𝑐𝑖ó𝑛 𝑎𝑐𝑎𝑑é𝑚𝑖𝑐𝑎 𝑠𝑎𝑙𝑖𝑑𝑎)
o equivalente en términos de dirección
𝐻0 𝜇(𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎𝑠 𝑒𝑛𝑡𝑟𝑒 𝑝𝑢𝑛𝑡𝑎𝑗𝑒𝑠 𝑑𝑒 𝑣𝑎𝑙𝑜𝑟𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑑𝑖𝑠𝑝𝑜𝑛𝑖𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑙𝑎
𝑖𝑛𝑓𝑜𝑟𝑚𝑎𝑐𝑖ó𝑛 𝑒𝑛𝑡𝑟𝑎𝑑𝑎 𝑦 𝑠𝑎𝑙𝑖𝑑𝑎) ≤ 0 , [ µ𝑝𝑜𝑠 ≤ µ𝑝𝑟𝑒 ]
𝐻1 𝜇(𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎𝑠 𝑒𝑛𝑡𝑟𝑒 𝑝𝑢𝑛𝑡𝑎𝑗𝑒𝑠 𝑑𝑒 𝑣𝑎𝑙𝑜𝑟𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑑𝑖𝑠𝑝𝑜𝑛𝑖𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑙𝑎
𝑖𝑛𝑓𝑜𝑟𝑚𝑎𝑐𝑖ó𝑛 𝑒𝑛𝑡𝑟𝑎𝑑𝑎 𝑦 𝑠𝑎𝑙𝑖𝑑𝑎) > 0 , [ µ𝑝𝑜𝑠 > µ𝑝𝑟𝑒 ]
Con un estadístico de contraste t de Student de valor, 21,703 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
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
Tabla 42 Estadísticos de muestras relacionadas
Media N Desviación típ. Error típ. de la
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
información académica de entrada fue de 8,54, con una desviación típica de 1,141, y
en una segunda vez, después de un periodo de prueba de la implementación del EIS,
la media fue de 13,46, con una desviación típica de 1,587.
Tabla 43 Prueba de muestras relacionadas
Diferencias relacionadas t gl Sig.
(bilateral) Media Desviación
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
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 = 𝐶𝑂𝑁𝐹𝐼𝐴𝑃𝑖 − 𝐶𝑂𝑁𝐹𝐼𝐴𝑖 , 𝑖 = 1,2,3 … 24). De esa
variable obtenemos su media 4,917 con desviación típica 1,863 y con intervalo de
confianza para la media con un nivel del 95% de (4,130, 5,703).
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:
197
𝐻0: 𝜇 (𝑝𝑢𝑛𝑡𝑎𝑗𝑒 𝑑𝑒 𝑣𝑎𝑙𝑜𝑟𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑐𝑜𝑛𝑓𝑖𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑖𝑛𝑓𝑜𝑟𝑚𝑎𝑐𝑖ó𝑛 𝑎𝑐𝑎𝑑é𝑚𝑖𝑐𝑎
𝑒𝑛𝑡𝑟𝑎𝑑𝑎) =
𝜇(𝑝𝑢𝑛𝑡𝑎𝑗𝑒 𝑑𝑒 𝑣𝑎𝑙𝑜𝑟𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑐𝑜𝑛𝑓𝑖𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑖𝑛𝑓𝑜𝑟𝑚𝑎𝑐𝑖ó𝑛 𝑎𝑐𝑎𝑑é𝑚𝑖𝑐𝑎 𝑠𝑎𝑙𝑖𝑑𝑎)
𝐻1: 𝜇 (𝑝𝑢𝑛𝑡𝑎𝑗𝑒 𝑑𝑒 𝑣𝑎𝑙𝑜𝑟𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑐𝑜𝑛𝑓𝑖𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑖𝑛𝑓𝑜𝑟𝑚𝑎𝑐𝑖ó𝑛 𝑎𝑐𝑎𝑑é𝑚𝑖𝑐𝑎
𝑒𝑛𝑡𝑟𝑎𝑑𝑎) ≠
𝜇(𝑝𝑢𝑛𝑡𝑎𝑗𝑒 𝑑𝑒 𝑣𝑎𝑙𝑜𝑟𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑐𝑜𝑛𝑓𝑖𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑖𝑛𝑓𝑜𝑟𝑚𝑎𝑐𝑖ó𝑛 𝑎𝑐𝑎𝑑é𝑚𝑖𝑐𝑎 𝑠𝑎𝑙𝑖𝑑𝑎)
o equivalente en términos de dirección
𝐻0 𝜇(𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎𝑠 𝑒𝑛𝑡𝑟𝑒 𝑝𝑢𝑛𝑡𝑎𝑗𝑒𝑠 𝑑𝑒 𝑣𝑎𝑙𝑜𝑟𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑐𝑜𝑛𝑓𝑖𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑙𝑎
𝑖𝑛𝑓𝑜𝑟𝑚𝑎𝑐𝑖ó𝑛 𝑒𝑛𝑡𝑟𝑎𝑑𝑎 𝑦 𝑠𝑎𝑙𝑖𝑑𝑎) ≤ 0 , [ µ𝑝𝑜𝑠 ≤ µ𝑝𝑟𝑒 ]
𝐻1 𝜇(𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎𝑠 𝑒𝑛𝑡𝑟𝑒 𝑝𝑢𝑛𝑡𝑎𝑗𝑒𝑠 𝑑𝑒 𝑣𝑎𝑙𝑜𝑟𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑐𝑜𝑛𝑓𝑖𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑙𝑎
𝑖𝑛𝑓𝑜𝑟𝑚𝑎𝑐𝑖ó𝑛 𝑒𝑛𝑡𝑟𝑎𝑑𝑎 𝑦 𝑠𝑎𝑙𝑖𝑑𝑎) > 0 , [ µ𝑝𝑜𝑠 > µ𝑝𝑟𝑒 ]
Con un estadístico de contraste t de Student de valor, 12,929 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
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
Tabla 44 Estadísticos de muestras relacionadas
Media N Desviación típ. Error típ. de la
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
información académica de entrada fue de 49,54, con una desviación típica de 4,374, y
198
en una segunda vez, después de un periodo de prueba de la implementación del EIS,
la media fue de 80,38, con una desviación típica de 3,921.
Tabla 45 Prueba de muestras relacionadas
Diferencias relacionadas t gl Sig.
(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
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 = 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).
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 𝑐𝑎𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑙𝑎 𝑖𝑛𝑓𝑜𝑟𝑚𝑎𝑐𝑖ó𝑛 𝑎𝑐𝑎𝑑é𝑚𝑖𝑐𝑎
𝑒𝑛𝑡𝑟𝑎𝑑𝑎) =
𝜇(𝑝𝑢𝑛𝑡𝑎𝑗𝑒 𝑑𝑒 𝑣𝑎𝑙𝑜𝑟𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑐𝑎𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑙𝑎 𝑖𝑛𝑓𝑜𝑟𝑚𝑎𝑐𝑖ó𝑛 𝑎𝑐𝑎𝑑é𝑚𝑖𝑐𝑎 𝑠𝑎𝑙𝑖𝑑𝑎)
𝐻1: 𝜇 (𝑝𝑢𝑛𝑡𝑎𝑗𝑒 𝑑𝑒 𝑣𝑎𝑙𝑜𝑟𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑐𝑎𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑙𝑎 𝑖𝑛𝑓𝑜𝑟𝑚𝑎𝑐𝑖ó𝑛 𝑎𝑐𝑎𝑑é𝑚𝑖𝑐𝑎
𝑒𝑛𝑡𝑟𝑎𝑑𝑎) ≠
𝜇(𝑝𝑢𝑛𝑡𝑎𝑗𝑒 𝑑𝑒 𝑣𝑎𝑙𝑜𝑟𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑙𝑎 𝑐𝑎𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑙𝑎 𝑖𝑛𝑓𝑜𝑟𝑚𝑎𝑐𝑖ó𝑛 𝑎𝑐𝑎𝑑é𝑚𝑖𝑐𝑎 𝑠𝑎𝑙𝑖𝑑𝑎)
o equivalente en términos de dirección
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 ]
Con un estadístico de contraste t de Student de valor, 29,690 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 calidad
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, 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.
5. De la tabla 37, con un estadístico de contraste t de Student de valor, 11,631
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 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
Universidad Peruana Unión.
6. De la tabla 39, con un estadístico de contraste t de Student de valor, 12,306
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 integridad entrada y salida. De la misma manera, si
nos fijamos en el intervalo de confianza para la variable de las diferencias I =
(5,407, 7,593), 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 integridad de
202
información en línea de los indicadores estratégicos de la Universidad Peruana
Unión.
7. De la tabla 41, con un estadístico de contraste t de Student de valor, 21,703
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 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
Universidad Peruana Unión.
8. De la tabla 43, con un estadístico de contraste t de Student de valor, 12,929
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 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, esto es, 𝜇𝐸𝐹𝐸𝐶𝑇𝑃 >
𝜇𝐸𝐹𝐸𝐶𝑇, luego el sistema de información ejecutiva académico basado en
inteligencia de negocios es efectivo en el mejoramiento de la confiabilidad de
información en línea de los indicadores estratégicos de la Universidad Peruana
Unión.
9. De la tabla 45, con un estadístico de contraste t de Student de valor, 29,690
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 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
Ficha de indicador Nro. 2
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
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: : Semestral
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
210
Ficha de indicador Nro. 3
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
Unidad : Porcentaje Frecuencia
de Medición : semestral
X KPI Inductor
Tipo de Indicador :
X Estratégico Ejecutivo
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
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: : Semestral
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
211
Ficha de indicador Nro. 4
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 :
X Estratégico Ejecutivo
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
Fórmula / Proceso de obtención : Información obtenida del área de vicerrectorado
Responsable del cumplimiento : Facultad
Responsable de datos reales : DIGESI
Unidad de Análisis : Sílabo
Fecha de disponibilidad de la información: : Semestral
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
212
Ficha de indicador Nro. 5
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
Unidad : Porcentaje Frecuencia de
Medición : Semestral
X KPI Inductor
Tipo de Indicador :
X Estratégico Ejecutivo
Operativo
Fórmula / Criterio para el cálculo :
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
Fórmula / Proceso de obtención : Información obtenida del área de vicerrectorado
Responsable del cumplimiento : Facultad
Responsable de datos reales : DIGESI
Unidad de Análisis : Sílabo
Fecha de disponibilidad de la información: : Semestral
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
213
Ficha de indicador Nro. 6
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
Unidad : Porcentaje Frecuencia de
Medición : semestral
X KPI Inductor
Tipo de Indicador :
X Estratégico Ejecutivo
Operativo
Fórmula / Criterio para el cálculo :
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
Fórmula / Proceso de obtención : Información obtenida del área de vicerrectorado
Responsable del cumplimiento : Facultad
Responsable de datos reales : DIGESI
Unidad de Análisis : Sílabo
Fecha de disponibilidad de la información: : Semestral
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
214
Ficha de indicador Nro. 7
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
Unidad : Porcentaje Frecuencia de
Medición : Semestral
X KPI Inductor
Tipo de Indicador :
X Estratégico Ejecutivo
Operativo
Fórmula / Criterio para el cálculo :
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
Fórmula / Proceso de obtención : Información obtenida del área de vicerrectorado
Responsable del cumplimiento : Facultad
Responsable de datos reales : DIGESI
Unidad de Análisis : Sílabo
Fecha de disponibilidad de la información: : Semestral
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
215
Ficha de indicador Nro. 8
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
Unidad : Porcentaje Frecuencia de
Medición : Semestral
X KPI Inductor
Tipo de Indicador :
X Estratégico Ejecutivo
Operativo
Fórmula / Criterio para el cálculo :
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
Fórmula / Proceso de obtención : Información obtenida del área de vicerrectorado
Responsable del cumplimiento : Facultad
Responsable de datos reales : DIGESI
Unidad de Análisis : Docente
Fecha de disponibilidad de la información: : Semestral
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
216
Ficha de indicador Nro. 10
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
Unidad : Porcentaje Frecuencia de
Medición : Semanal
X KPI Inductor
Tipo de Indicador :
X Estratégico Ejecutivo
Operativo
Fórmula / Criterio para el cálculo :
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
Fórmula / Proceso de obtención : Información obtenida del área de vicerrectorado
Responsable del cumplimiento : Facultad
Responsable de datos reales : DIGESI
Unidad de Análisis : Docente
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
217
Ficha de indicador Nro. 11
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
Unidad : Porcentaje Frecuencia de
Medición : Semestral
X KPI Inductor
Tipo de Indicador :
X Estratégico Ejecutivo
Operativo
Fórmula / Criterio para el cálculo :
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
Fórmula / Proceso de obtención : Información obtenida del área de vicerrectorado
Responsable del cumplimiento : Facultad
Responsable de datos reales : DIGESI
Unidad de Análisis : Docente
Fecha de disponibilidad de la información: : Semestral
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
218
Ficha de indicador Nro. 12
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
Unidad : Porcentaje Frecuencia
de Medición : Semestral
X KPI Inductor
Tipo de Indicador :
X Estratégico Ejecutivo
Operativo
Fórmula / Criterio para el cálculo :
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
Fórmula / Proceso de obtención : Información obtenida del área de vicerrectorado
Responsable del cumplimiento : Facultad
Responsable de datos reales : DIGESI
Unidad de Análisis : Docente
Fecha de disponibilidad de la información: : semestral
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
219
Ficha de indicador Nro. 13
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
Unidad : Porcentaje Frecuencia de
Medición : Semestral
X KPI Inductor
Tipo de Indicador :
X Estratégico Ejecutivo
Operativo
Fórmula / Criterio para el cálculo :
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
Fórmula / Proceso de obtención : Información obtenida del área de vicerrectorado
Responsable del cumplimiento : Facultad
Responsable de datos reales : DIGESI
Unidad de Análisis : Docente
Fecha de disponibilidad de la información: : Semestral
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
220
Ficha de indicador Nro. 14
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
Unidad : Porcentaje Frecuencia de
Medición : Semestral
X KPI Inductor
Tipo de Indicador :
X Estratégico Ejecutivo
Operativo
Fórmula / Criterio para el cálculo :
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
Fórmula / Proceso de obtención : Información obtenida del área de vicerrectorado
Responsable del cumplimiento : Facultad
Responsable de datos reales : DIGESI
Unidad de Análisis : Docente
Fecha de disponibilidad de la información: : Semestral
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
221
Ficha de indicador Nro. 15
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
Unidad : Porcentaje Frecuencia de
Medición : Semestral
X KPI Inductor
Tipo de Indicador :
X Estratégico Ejecutivo
Operativo
Fórmula / Criterio para el cálculo :
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
Fórmula / Proceso de obtención : Información obtenida del área de vicerrectorado
Responsable del cumplimiento : Facultad
Responsable de datos reales : DIGESI
Unidad de Análisis : Docente
Fecha de disponibilidad de la información: : Semestral
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
222
Ficha de indicador Nro. 16
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
Unidad : Porcentaje Frecuencia de
Medición : Semestral
X KPI Inductor
Tipo de Indicador :
X Estratégico Ejecutivo
Operativo
Fórmula / Criterio para el cálculo :
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
Fórmula / Proceso de obtención : Información obtenida del área de vicerrectorado
Responsable del cumplimiento : Facultad
Responsable de datos reales : DIGESI
Unidad de Análisis : Docente
Fecha de disponibilidad de la información: : Semestral
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
223
Ficha de indicador Nro. 17
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
Unidad : Porcentaje Frecuencia de
Medición : Semestral
X KPI Inductor
Tipo de Indicador :
X Estratégico Ejecutivo
Operativo
Fórmula / Criterio para el cálculo :
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
Fórmula / Proceso de obtención : Información obtenida del área de vicerrectorado
Responsable del cumplimiento : Facultad
Responsable de datos reales : DIGESI
Unidad de Análisis : Docente
Fecha de disponibilidad de la información: : Semestral
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
224
Ficha de indicador Nro. 18
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
Unidad : Porcentaje Frecuencia de
Medición : Semestral
X KPI Inductor
Tipo de Indicador :
X Estratégico Ejecutivo
Operativo
Fórmula / Criterio para el cálculo :
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
Fórmula / Proceso de obtención : Información obtenida del área de vicerrectorado
Responsable del cumplimiento : Facultad
Responsable de datos reales : DIGESI
Unidad de Análisis : Docente
Fecha de disponibilidad de la información: : Semestral
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
225
Ficha de indicador Nro. 20
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
Unidad : Porcentaje Frecuencia de
Medición : Semestral
X KPI Inductor
Tipo de Indicador :
X Estratégico Ejecutivo
Operativo
Fórmula / Criterio para el cálculo :
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
Fórmula / Proceso de obtención : Información obtenida del área de vicerrectorado
Responsable del cumplimiento : Facultad
Responsable de datos reales : DIGESI
Unidad de Análisis : Docente
Fecha de disponibilidad de la información: : semestral
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
226
Ficha de indicador Nro. 21
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
Unidad : Porcentaje Frecuencia de
Medición : Semestral
X KPI Inductor
Tipo de Indicador :
X Estratégico Ejecutivo
Operativo
Fórmula / Criterio para el cálculo :
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
Fórmula / Proceso de obtención : Información obtenida del área de vicerrectorado
Responsable del cumplimiento : Facultad
Responsable de datos reales : DIGESI
Unidad de Análisis : Docente
Fecha de disponibilidad de la información: : Semestral
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
227
Ficha de indicador Nro. 22
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
Unidad : Porcentaje Frecuencia
de Medición : Semestral
X KPI Inductor
Tipo de Indicador :
X Estratégico Ejecutivo
Operativo
Fórmula / Criterio para el cálculo :
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
Fórmula / Proceso de obtención : Información obtenida del área de vicerrectorado
Responsable del cumplimiento : Facultad
Responsable de datos reales : DIGESI
Unidad de Análisis : Docente
Fecha de disponibilidad de la información: : Semestral
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
228
Ficha de indicador Nro. 23
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
Unidad : Porcentaje Frecuencia
de Medición : Semestral
X KPI Inductor
Tipo de Indicador :
X Estratégico Ejecutivo
Operativo
Fórmula / Criterio para el cálculo :
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
Fórmula / Proceso de obtención : Información obtenida del área de vicerrectorado
Responsable del cumplimiento : Facultad
Responsable de datos reales : DIGESI
Unidad de Análisis : Docente
Fecha de disponibilidad de la información: : Semestral
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
229
Ficha de indicador Nro. 24
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
Unidad : Porcentaje Frecuencia
de Medición : Semestral
X KPI Inductor
Tipo de Indicador :
X Estratégico Ejecutivo
Operativo
Fórmula / Criterio para el cálculo :
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
Fórmula / Proceso de obtención : Información obtenida del área de vicerrectorado
Responsable del cumplimiento : Facultad
Responsable de datos reales : DIGESI
Unidad de Análisis : Docente
Fecha de disponibilidad de la información: : Semestral
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
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
top related