UNIVERSIDAD NACIONAL DE TRUJILLO
FACULTAD DE INGENIERÍA
ESCUELA PROFESIONAL DE INGENIERÍA DE SISTEMAS
TESIS
Inteligencia de negocios para la agilización en la toma de decisiones de la empresa industrial CAMPOSOL S.A.
PARA OPTAR EL TÍTULO PROFESIONAL DE INGENIERO DE SISTEMAS
AUTORES :
Br. Argomedo Cueva, Gemma Yaquelyn Br. Salazar Ávila, Erika Isabel
ASESOR :
Dr. Mendoza Rivera, Ricardo Darío
LÍNEA DE INVESTIGACIÓN :
Gestión de Desarrollo de Software
TRUJILLO – PERÚ
JURADO DICTAMINADOR
--- Mg. Everson David Agreda Gamboa
Presidente
--- Mg. Robert Jerry Sánchez Ticona
Secretario
--- Mg. Juan Luis Córdova Otero
DEDICATORIA
Gemma Yaquelyn A Dios:
Por haberme guiado para poder llegar hasta aquí y sobre todo por la vida y su amor infinito e incondicional ya que no me dejo sola en cada paso y decisión.
A mis Padres:
Por haberme apoyado en todo momento, sus valores, por la motivación constante que me ha permitido ser una mejor persona, pero más que nada, por su amor sin límites y por creer en mí.
A mis hermanos menores:
DEDICATORIA
Erika Isabel A Dios:
Por guiarme en cada paso de mi vida y brindarme salud para lograr mis metas, objetivos además de su infinito amor y gozo.
A mis Padres:
Por haberme brindado su apoyo incondicional en todo momento, por sus consejos, valores y la motivación constante que me ha impulsado a seguir adelante, pero más que nada, por su amor infinito.
A mis hermanos:
AGRADECIMIENTOS
A Dios, por estar presente en todo momento, darnos fuerza y sabiduría para seguir adelante y vencer los obstáculos que existen en la vida, porque sin él no hubiéramos alcanzado nuestras metas y objetivos.
A la Universidad Nacional de Trujillo, prestigiosa casa de estudios, por la formación profesional durante la permanencia en sus aulas y a los docentes de la Escuela Profesional de Ingeniería de Sistemas, por su dedicación y esfuerzo permanente en nuestra formación profesional.
También queremos expresar nuestra gratitud a nuestro asesor Dr. Ricardo Darío Mendoza Rivera, por su excelente asesoría y dirección en el presente proyecto de investigación.
A la Empresa Industrial Camposol S.A. por el apoyo constante hacia el presente proyecto.
A todas aquellas personas que de alguna manera u otra contribuyeron y apoyaron en la culminación de la presente tesis.
ÍNDICE GENERAL
Pág.
JURADO DICTAMINADOR... ii
DEDICATORIA ... iii
AGRADECIMIENTOS ... v
PRESENTACIÓN ... xii
RESUMEN ... xiii
ABSTRACT ... xiv
CAPÍTULO I: INTRODUCCIÓN ... xv
CAPÍTULO II: MATERIALES Y MÉTODOS ... 33
2.1. Materiales ... 34
2.1.1. Objeto de Estudio ... 34
2.1.2. Recursos... 34
2.1.2.1. Personal ... 34
2.1.2.2. Bienes ... 34
2.1.2.3. Viajes ... 34
2.1.2.4. Servicios ... 34
2.1.2.5. Tecnológicos ... 35
2.2. Método ... 35
2.2.1. Tipo de Investigación ... 35
2.2.1.1. De acuerdo a la orientación o finalidad ... 35
2.2.1.2. De acuerdo a la técnica de contrastación ... 35
2.2.2. Nivel de Investigación ... 35
2.2.3. Diseño de Investigación ... 35
2.2.4. Población, Muestra y Muestreo ... 36
2.2.4.1. Población (N) ... 36
2.2.4.2. Muestra (n) ... 36
2.2.4.3. Muestreo ... 40
2.2.5. Variables ... 40
2.2.5.1. Tipo ... 40
2.2.5.2. Operacionalización ... 41
2.2.6. Técnicas e Instrumentos, Validación y Confiabilidad ... 41
2.2.7. Método de Análisis de Datos ... 42
2.2.8. Procedimiento ... 42
2.2.6. Consideraciones Éticas... 43
CAPÍTULO III: RESULTADOS ... 44
CAPÍTULO IV: DISCUSIÓN ... 111
CAPÍTULO V: CONCLUSIONES Y RECOMENDACIONES ... 116
REFERENCIAS BIBLIOGRÁFICAS ... 119
ANEXOS ... 122
ÍNDICE DE TABLAS
Pág.
Tabla 1 - Problema, Causas y Efectos ... 18
Tabla 2 - Hoja de Gestión ... 55
Tabla 3 - Hoja de Análisis Producción ... 56
Tabla 4 - Dimensiones y Jerarquías ... 58
Tabla 5 - Dimensiones y Jerarquías ... 58
Tabla 6 - Bus Architecture Matrix – Medidas vs Dimensiones ... 59
Tabla 7 - Descripción de los atributos de la dimensión Producto ... 70
Tabla 8 - Descripción de los atributos de la dimensión Tiempo ... 71
Tabla 9: Descripción de los atributos de la dimensión Trabajador ... 72
Tabla 10 - Descripción de los atributos de la dimensión Terreno ... 72
Tabla 11 - Descripción de los atributos de la dimensión Cosecha ... 73
Tabla 12 – Indicadores de Contrastación ... 89
Tabla 13 - Tiempo promedio de generación de reportes de gestión empresarial ... 92
Tabla 14 - Tiempo promedio de búsqueda de información específica para la toma de decisiones .. 98
Tabla 15 - Costo Hora-Hombre en la generación de reportes de gestión mensual ... 102
Tabla 16 - Rangos de aprobación según el nivel de aprobación ... 105
Tabla 17 - Cálculo del indicador mediante el proceso actual ... 106
Tabla 18 - Cálculo del indicador luego de implementado el sistema ... 107
Tabla 19 - Contrastación de resultados ... 107
Tabla 20 - Tiempo promedio en la generación de los reportes de gestión empresarial ... 112
Tabla 21 - Tiempo de búsqueda de información específica ... 113
Tabla 22 - Tiempo promedio en la generación de los reportes de gestión... 114
Tabla 23 - Nivel de Satisfacción de los usuarios ... 115
Tabla 24 - Costo de Recursos Humanos ... 132
Tabla 25 - Costo de Materiales de Consumo ... 132
Tabla 26 - Costo de Servicios ... 133
Tabla 27 - Depreciación ... 133
Tabla 28 - Sueldo Promedio ... 134
Tabla 29 - Resumen de Beneficios Tangibles Anuales ... 134
ÍNDICE DE FIGURAS
Pág.
Figura 1 - Business Intelligence Operational... 20
Figura 2 - Componentes de Business Intelligence ... 22
Figura 3 - Calidad de Datos ... 23
Figura 4 - Esquema estrella de Inteligencia de Negocios ... 26
Figura 5 - Esquema Copo de Nieve de Inteligencia de Negocios ... 27
Figura 6 - Fases de la Metodología de Ralph Kimball ... 43
Figura 7 – Cronograma de tareas ... 49
Figura 8 - Reporte de Producción de Mandarina ... 51
Figura 9 - Reporte de Costos de Mandarina ... 51
Figura 10 - Reporte de Bonificación ... 52
Figura 11 - Modelo de Datos... 52
Figura 12 - Análisis Dimensional Inicial de Producción ... 53
Figura 13 - Análisis Dimensional Inicial de Costos ... 54
Figura 14 - Análisis Dimensional Final de Producción ... 60
Figura 15 - Análisis Dimensional Final de Costos ... 61
Figura 16 - Análisis Dimensional Final de Bono ... 62
Figura 17 - Análisis Dimensional Final – Proyección de Producción ... 63
Figura 18 - Análisis Dimensional Final – Proyección de Costos ... 64
Figura 19 - Análisis Granularidad Producción ... 65
Figura 20 - Análisis Granularidad Costos ... 66
Figura 21 - Análisis Granularidad Bono ... 67
Figura 22 - Análisis Granularidad Proyección – Producción ... 68
Figura 23 - Análisis Granularidad Proyección – Costos ... 69
Figura 24 - Diseño lógico de la dimensión Producto ... 71
Figura 25 - Diseño lógico de la dimensión Tiempo ... 71
Figura 26 - Diseño lógico de la dimensión Trabajador ... 72
Figura 27 - Diseño lógico de la dimensión Terreno ... 73
Figura 28 - Diseño lógico de la dimensión Cosecha ... 73
Figura 29 - Modelo Físico Producción ... 74
Figura 30 - Modelo Físico Costos ... 74
Figura 31 - Modelo Físico Bono ... 75
Figura 33 – Arquitectura ... 77
Figura 34 - Modelo Dimensional ... 78
Figura 35 – ETL ... 78
Figura 36 - Envío de Correo ... 79
Figura 37 - Archivos Planos ... 80
Figura 38 - Estructura Cubo ... 81
Figura 39 – Cubo ... 82
Figura 40 - Dimensión Tiempo ... 82
Figura 41 - Dimensión Producto ... 83
Figura 42 - Diseño de interfaz de inicio de sesión ... 84
Figura 43 - Menú Principal ... 84
Figura 44 - Perfil de Usuarios ... 85
Figura 45 - Listado de los usuarios con acceso ... 85
Figura 46 – Gráfico e indicadores de Producción ... 86
Figura 47 – Gráfico de Reporte ... 86
Figura 48 - Personalización de reportes ... 87
Figura 49 - Reportes Costos ... 87
Figura 50 - Creación de un nuevo reporte ... 88
Figura 51 - Prueba de Hipótesis del Indicador N° 1 ... 94
Figura 52 - Prueba de Hipótesis del Indicador N° 2 ... 99
Figura 53 - Prueba de Hipótesis del Indicador N° 3 ... 104
Figura 54 - Prueba de Hipótesis ... 110
Figura 55 - Pre - Pos Tiempo de generación de reportes empresarial ... 112
Figura 56 - Pre - Pos Tiempo en búsqueda de Información específica para la toma de decisiones 113 Figura 57 – Pre Pos Costo hora-hombre en la generación de reportes de gestión mensual ... 114
ÍNDICE DE ANEXOS
Pág.
Anexo A: Árbol de Problemas ... 123
Anexo B: Árbol de Objetivos ... 124
Anexo C: Matriz de Operacionalización de Variables ... 125
Anexo D: Instrumentos de Recolección de Datos ... 127
Anexo E: Constancia de Aplicación de Instrumentos ... 129
Anexo F: Instrumentos de Distribución Estadística de Probabilidad Z ... 130
Anexo G: Instrumentos de Distribución Estadística de Probabilidad t de Student ... 131
PRESENTACIÓN
Señores Miembros del Jurado:
Cumpliendo con los requisitos estipulados en el Reglamento de Grados y Títulos de la Escuela Profesional de Ingeniería de Sistemas de la Facultad de Ingeniería de la Universidad Nacional de Trujillo, presentamos a vuestra disposición la tesis titulada:
“Inteligencia de negocios para la agilización en la toma de decisiones de la Empresa Industrial Camposol S.A.”
La presente tesis ha sido desarrollada teniendo como base los conocimientos adquiridos en la formación académica profesional y de nuestro respectivo asesor, los cuales fueron aplicados juntamente con la experiencia profesional adquirida.
Esperamos que el presente estudio se convierta en una guía para los venideros proyectos de tesis, aplicando la metodología de desarrollo Ralph Kimball.
Trujillo, mayo del 2019
RESUMEN
El desarrollo del presente trabajo de investigación titulado “Inteligencia de negocios para la agilización en la toma de decisiones de la Empresa Industrial Camposol S.A.” consta de una solución de inteligencia de negocios, la cual brinda soporte para la toma de decisiones al Gerente de Operaciones y Jefe del Área de Producción.
Las decisiones, a través de un sistema de inteligencia de negocios para el área de producción es más rápida, eficiente y con una reducción de coste.
El proyecto fue desarrollado siguiendo las pautas del desarrollo ágil, por lo que se utilizó la metodología Ralph Kimball.
Mediante el sistema se logró hacer reportes inmediatos, dinámicos y análisis de indicadores para la toma de decisiones; además de ello, se mejora la calidad del manejo de datos, entre otros servicios.
ABSTRACT
The development of this research work entitled "Business intelligence for the agilization in the decision making of the industrial company Camposol SA" consists of a business intelligence solution, which provides support for decision making to the Operations Manager and Head of the Production Area.
The decisions, through a business intelligence system for the production area, are faster, more efficient and with a reduction in cost.
The project was developed following the guidelines of the agile development, for which the Ralph Kimball methodology was used.
Through the system it was possible to make immediate, dynamic reports and analysis of indicators for decision making; in addition, the quality of data management, among other services, is improved
En el contexto internacional, (Conesa & Curto, 2010) afirma que, un mercado específico dentro del desarrollo de las tecnologías de información a nivel mundial está tomando un protagonismo sin precedentes en los últimos años, nos referimos a la Inteligencia de Negocios (Business Intelligence). El Business Intelligence (BI) es un conjunto de metodologías, prácticas y capacidades enfocadas a la creación y manejo de información que permite tomar mejores decisiones a los usuarios de una organización.
Según (Gartner Group, 2016), indica que la industria global gasta en software BI un promedio anual de 14 billones de dólares. Para el año 2018, Gartner Group considera que más de la mitad de las grandes organizaciones de todo el mundo competirán utilizando advanced analytics y algoritmos propietarios, causando volúmenes de análisis de datos a gran escala. Además, se cree que para el año 2020, el segmento de más rápido crecimiento en el mercado analítico será el de Business Intelligence representando más del 40 por ciento de las nuevas inversiones en una empresa.
Asimismo, (Evelson & Bennett, 2017), nos comenta que, se ha previsto que las empresas inviertan un 30 % más en inteligencia artificial en 2017 que en 2016 a fin de que el aprendizaje de las máquinas pueda potenciar el análisis de datos a una escala superior a la humana. Con ello se busca impulsar decisiones más rápidas y acertadas en marketing, comercio electrónico, gestión de productos, entre otros ayudando a cerrar la brecha entre los supuestos y la acción.
Del mismo modo (Solano, 2017), las cifras anteriores muestran la importancia del BI, su creciente adaptación como herramienta de análisis y una oportunidad de inversión para las organizaciones desarrolladoras de soluciones BI. Incluso para las pequeñas y medianas empresas (PYMES) este tema es relevante, dado que, como toda empresa, cuentan con datos a analizar para tomar mejores decisiones de negocios. Un mercado que va creciendo a un ritmo acelerado y que pone a la gestión de información como un punto de apoyo central en la toma de decisiones.
al final del trimestre, incluso ni siquiera al final del día para ver cómo va la empresa de acuerdo a sus objetivos. Debido a lo anterior, es importante reconocer la aplicabilidad, arquitectura, importancia y la definición de BI, ilustradas en los numerales posteriores donde cabe resaltar que la orientación de BI, se va a hacer centrada en la herramienta TIC. Las empresas necesitan mejorar su gestión empresarial, hacerla más competitiva y moderna. Una de las formas de hacerlo consiste en aplicar el análisis cualitativo y cuantitativo de los datos, conseguir mecanismos de visualización de los informes, y hacerlo en un plazo lo más corto posible. Esa es la misión de BI, su constante mejora tecnológica está consiguiendo la mejor y más precisa información avanzada para directivos, comprensible sin necesidad de decodificación previa y sincronizada en su contexto. Lo logrado hasta ahora por BI no es poco. De hecho, sus avances serían inimaginables si la tecnología no hubiera alcanzado los actuales niveles de calidad y no sólo en la entrega y la presentación de información personalizada.
Según (El Mundo, 2017), la industria ha ido progresando en la estandarización de los metadatos, lo que permite a múltiples usuarios utilizar un lenguaje común, aprovechando la consistencia y la calidad de los datos y sus contenidos para todas las aplicaciones que funcionan en una misma empresa. Con BI se puede: generar reportes globales o por secciones, crear escenarios con respecto a una decisión, compartir información entre departamentos, análisis multidimensionales, generar y procesar datos, entre otras. Lo que puede derivar en algunos beneficios tales como: cambiar la estructura de toma de decisiones, mejorar el servicio al cliente, crear una base de datos de clientes, hacer pronósticos de ventas y devoluciones, entre otros. BI ha tenido mucho éxito ya que les da una ventaja a las empresas sobre sus competidores al juntar a las personas y a la tecnología para resolver problemas. La siguiente es una lista de las áreas más comunes en las que las soluciones de inteligencia de negocios son utilizadas:
Ventas: Análisis de ventas; Detección de clientes importantes; Análisis de productos, líneas, mercados; Pronósticos y proyecciones.
Marketing: Segmentación y análisis de clientes; Seguimiento a nuevos productos.
Finanzas: Análisis de gastos; Rotación de cartera; Razones Financieras.
Producción: Productividad en líneas; Análisis de desperdicios; Análisis de calidad; Rotación de inventarios y partes críticas.
Distribución: Seguimiento de pedidos; Motivos por los cuales se pierden pedidos.
telecomunicaciones y serviciosgubernamentales abarcan un 28% de los servicios de implementación de BI.
En el contexto regional, según (Benites Robles & López Girón, 2015), actualmente, la mayoría de empresas industriales del departamento de La Libertad no utilizan herramientas de inteligencia de negocios para dar apoyo o soporte a la toma de decisiones, pero es de vital importancia contar con éstas para que así las empresas tanto públicas como privadas tengan un principal recurso para la toma de decisiones en la alta dirección de las organizaciones.
Actualmente, en la Empresa Industrial Camposol S.A. del departamento de La Libertad, no se cuenta con un sistema que permita de manera rápida y dinámica la toma de decisiones a nivel estratégico en el proceso de gestión empresarial; produciéndose entre otras cosas: demora en la generación de reportes, reportes imprecisos y con poca claridad, entre otros (ver Anexo A: Árbol de Problemas).
Problema Causas Efectos
Demora en la toma de decisiones en la gestión empresarial.
Sistemas no dinámicos y poco amigables.
Sistemas no integrados. Información desordenada.
Pérdida de tiempo en la generación de reportes de Gestión.
Pérdida de tiempo en búsqueda de información específica.
Elevado costo de Horas - Hombre en la generación de reportes.
Usuarios insatisfechos. Tabla 1 - Problema, Causas y Efectos
Fuente: (Elaboración Propia, 2019)
En materia de este estudio se encontró antecedentes que le hacen referencia como:
En la tesis que tiene por título: “Desarrollo e Implementación de un Datamart para agilizar la toma de decisiones en la Escuela Superior Técnica Sencico de Trujillo. El autor que la desarrollo Velásquez Herrera, Dany Alexander de la Universidad Nacional de Trujillo. (Velásquez Herrera, 2011). Esta tesis tiene el desarrollo de un Datamart, en donde se logró mejorar la utilización de recursos y agilizar la toma de decisiones de la organización; así como numerosos procesos. Para nuestra investigación tomaremos como referencia la Inteligencia de Negocios a través de un Datamart que se utilizó para agilizar y mejorar la toma de decisiones.
(Alfaro Díaz & Pereda Tapia, 2012). En esta tesis mediante la inteligencia de negocios, se logró mejorar la utilización de recurso y la agilización de la toma de decisiones con respecto a las ventas del Gran Hotel con el uso de mitologías para dicha implementación de un Data Warehouse. Este trabajo de investigación tomaremos como referencia la manera de utilizar la mejor metodología para el desarrollo de un Data Warehouse.
En la tesis identificada con el título: “Análisis, diseño e implementación de un Datamart para el área de mantenimiento y logística de una empresa de transporte público de pasajeros”. El autor de esta investigación Zambrano Alarcón, Jaime Alexander de la Universidad Pontificia Católica del Perú. (Zambrano Alarcón, 2011). El presente trabajo de tesis implementa un Datamart para el apoyo al proceso de toma de decisiones del área de mantenimiento y logística de una empresa de transporte público de pasajeros. De este trabajo de investigación tomaremos como referencia que un DataWarehouse optimiza la toma de decisiones mejorando la calidad de servicios y da conocimiento sobre las herramientas utilizadas y los resultados obtenidos.
La tesis tiene por título: “Implementación de una Herramienta de Inteligencia de Negocios para la Administración de Justicia sobre una metodología AD-HOC”. El autor que realizó esta investigación Aimacaña Quilumba, Doris Eulalia de la Universidad Central del Ecuador (Aimacaña Quilumba, 2013). El Data Warehouse demuestra que es la mejor forma de poder tener una óptima toma de decisiones ya que al tener la información a tiempo le es de utilidad para identificar sus problemas de manera certera. De este trabajo de investigación tomaremos como referencia que aplicando un BI optimiza la toma de decisiones mejorando la calidad de servicios utilizando la metodología AD-HOC.
La tesis con el título: “Análisis, Diseño e implementación de un Datamart académico usando tecnología de BI para la Facultad de Ingeniería, Ciencias Físicas y Matemáticas”. El autor que hizo la investigación e implemento la solución (Pérez Torres, 2013). La tesis mencionada confirma que un Data Warehouse reduce los costos y optimiza la toma de decisiones, esta estrategia será una guía para nuestra investigación a implementar.
Asimismo, debemos determinar de manera general el siguiente marco teórico como:
Inteligencia de Negocios:
para tener una mayor calidad y poder responder a las necesidades de una forma eficaz, rápida y certera garantizando una buena toma de decisiones que ayude así a mejorar nuestra competitividad.
Según define (Par Ruth, 2011) la inteligencia de negocios es una herramienta utilizada hoy en día por las empresas para la toma de decisiones, utilizando de por medio metodologías, aplicaciones y tecnologías con el fin de reunir, depurar, transformar para luego aplicar técnicas analíticas de exploración del conocimiento.
Como define el autor (Diaz, 2012) “…Se entiende por Business Intelligence al conjunto de
metodologías, aplicaciones y tecnologías enfocadas a reunir, depurar, transformar datos de los sistemas transaccionales de información desestructurada en información estructurada para su explotación directa (reporting, análisis OLTP/ OLAP), dando así soporte para la tomar de decisiones a los usuarios de una organización”.
Según (Sinnexus BI, 2015), Business Intelligence (BI), es un proceso dinámico para explorar y analizar información estructura o no estructura que puede ser: Un área (Datamart) o más áreas de una organización (Data Warehouse). BI nos permite descubrir tendencias, indicadores, medidores para agilizar la toma de decisiones.
De acuerdo con el autor (Mendez Del Río, 2016) es fuente de innovación, es accesible a todo tipo de compañías y ayuda a la mejora en la toma de decisiones ya que muchas veces se realiza de forma intuitiva, existen problemas en la calidad de información, uso de Excel, entre otros.
La siguiente figura muestra el cuadro completo de BI Empresarial y en qué parte se encuentra el BI Operacional (análisis incrustado dentro de los procesos para manejar excepciones y tomar decisiones en tiempo real).
El autor (Octavio, Salcedo , & Milena, 2010), define que una categoría de los sistemas de Soporte de Decisiones tenemos a un Data Warehouse. Forma parte de una solución de inteligencia de negocios, pero constituye además su principal fin cuando se implementa con los cubos OLAP. Entre las principales razones que justifican una inversión en BI se pueden señalar.
- Visibilidad de lo que está pasando en el negocio - Informes / reportes centralizados
- Análisis de tendencias y “predicción” del tiempo
- Toma de decisiones efectivas sobre productos que funcionan y lo que no funcionan
- Centraliza datos dispersos
- Valido sistema transaccional
Características:
- Accesibilidad a la información
Los datos son la fuente principal de este concepto. Lo primero que debe garantizar este tipo de herramientas será el acceso de los usuarios a los datos con independencia de la procedencia de la información.
- Apoyo en la toma de decisiones
Se busca ir más allá en la presentación de la información, de manera que los usuarios tengan acceso a herramientas de análisis que les permitan seleccionar y manipular sólo aquellos datos que les interesen.
- Orientación al usuario final
Se busca independencia entre los conocimientos técnicos de los usuarios y su capacidad para utilizar estas herramientas.
Ventajas:
- Mejora la reacción y sensibilidad de la organización hacia los clientes.
- Identificación de las demandas de los clientes.
- Capacidad para responder a cualquier cambio que se presente.
- La utilización óptima de los recursos de la organización.
Riesgos:
- El mayor riesgo tecnológico es que la tecnología está cambiando rápidamente.
- Los datos que son usados no son transformados apropiadamente.
En sí, Business Intelligence es una herramienta moderna y de nueva generación, disponible a los gestores y directores de negocio quienes tienen la necesidad de analizar información histórica, usar herramientas estadísticas de predicción, y con ello estar un paso de los competidores y mejorar los resultados empresariales. BI es una herramienta que te permite tomar decisiones en tiempo real.
Componentes de la Inteligencia de Negocio:
Figura 2 - Componentes de Business Intelligence Fuente: (Sinnexus BI, 2015)
Fuentes de Información:
Las fuentes de información a las que podemos acceder son:
- Los sistemas operacionales o transaccionales, que incluyen aplicaciones desarrolladas a medida, ERP, CRM, SCM, etc.
La información que cargamos en un modelo dimensional normalmente es estructurada, es decir, aquella que se puede almacenar en tablas en la mayoría de los casos es información numérica (Sinnexus BI, 2015).
Calidad de Datos:
De acuerdo con (Inmon, 2010) la calidad de los datos en un Data Warehouse fundamental, como afirma Bill Inmon en su artículo 53 aparecido en “Business Intelligence Network” sobre Calidad de Datos: “Las organizaciones actúan bajo la suposición de que la información de la que disponen es
precisa y válida. Si la información no es válida, entonces no pueden responder las decisiones basadas en ella”.
Figura 3 - Calidad de Datos Fuente: (Inmon, 2010)
Proceso de extracción, transformación y carga (ETL):
Según define (Benites Robles & López Girón, 2015), el proceso de ETL consume entre el 60% y el 80% del tiempo de un proyecto de Business Intelligence, por lo que es un proceso clave en la vida de todo proyecto.
La extracción, transformación y carga es necesario para acceder a los datos de las fuentes de información de una solución de Inteligencia de Negocios.
El proceso ETL se divide en 5 subprocesos
- Extracción: Este proceso recupera los datos físicamente de las distintas fuentes de información.
En este momento disponemos de los datos en bruto.
- Limpieza: Este proceso recupera los datos en bruto y comprueba su calidad, elimina los duplicados
- Transformación: Este proceso recupera los datos limpios y de alta calidad y los estructura en los
distintos modelos de análisis.
- Integración: Este proceso valida los datos que cargamos al modelo dimensional.
- Actualización: Este proceso es el que nos permite añadir nuevos datos al modelo dimensional.
Data Warehouse:
Según el autor (Inmon, 2010) es una base de datos corporativa que se caracteriza por integrar y depurar información de una o más fuentes distintas, para luego procesarla permitiendo su análisis desde infinidad de perspectivas y con grandes velocidades de respuesta. La creación de un Data Warehouse representa en la mayoría de las ocasiones el primer paso, desde el punto de vista técnico, para implantar una solución completa y fiable de Business Intelligence. Se traduce literalmente como almacén de datos.
Es el gran almacén de datos que está estructurado para analizar la información, a diferente nivel de detalle, de todos los procesos de negocios que tiene la organización. Es la Base de Datos llamada estratégica o multidimensional.
De acuerdo con el autor (Sinnexus BI, 2015), una vez diseñadas mediante el ETL es poblada o llenada a partir de las Bases de Datos operacionales.
Según define (Watson, 2010), “Una solución de Inteligencia de Negocios es una colección de información creada para soportar las aplicaciones de toma de decisiones”.
Características:
Para el autor (Inmon, 2010) define las siguientes características:
-Integrado: Los datos almacenados en la solución BI se integran en una estructura consistente.
-No volátil: El almacén de información de una solución BI existe para ser leído, pero no modificado.
-Indexado en el Tiempo: El tiempo es parte implícita de la información contenida en una solución BI.
Ello nos permitirá analizar, por ejemplo, la evolución de las ventas en los periodos que deseamos.
De acuerdo con (Sinergia, 2012), también se tiene:
-Temático: Sólo los datos necesarios para el proceso de generación del conocimiento del negocio se
El autor (Dario, 2012), considera “así como hay gran divergencia para establecer una definición precisa de una solución de inteligencia de negocios, hay un claro consenso de que la tecnología BI es un ingrediente esencial en el conjunto de soluciones para el soporte de decisiones en una empresa”.
Objetivos:
Según el autor (Sinnexus BI, 2015), define los siguientes objetivos:
- La solución inteligencia de negocios da acceso a la información de la corporación o del área
funcional. El alcance puede ser bien un departamento o bien corporativo.
- La información de la solución de inteligencia de negocios es consistente.
- Puede ser separada y combinada para analizar cada una de las posibles medidas del negocio.
- No es sólo información sino también las herramientas de consulta, análisis y presentación de la
información.
- Es el lugar donde publicamos la información.
- La calidad de la información en una solución de inteligencia de negocios es el motor del business
reengineering.
Modelo de Datos:
- Esquema Estrella
Según define el autor (IBM Knowledge Center, 2017) la estructura de una estrella, en donde el punto central es la tabla hecho, y las puntas de la estrella vendría a ser las dimensiones, esta estructura hace más rápido las consultas de los usuarios; a continuación en la figura 4 podemos apreciar el esquema Estrella.
Un esquema de estrella es un tipo de esquema de base de datos relacional que consta de una sola tabla de hechos central rodeada de tablas de dimensiones.
Figura 4 - Esquema estrella de Inteligencia de Negocios Fuente: (IBM Knowledge Center, 2017)
- Esquema Copo de Nieve
Según (IBM Knowledge Center, 2017), este esquema se deriva del esquema estrella, pero con la diferencia de que las dimensiones se normalizan, haciéndolas más detalladas lo que originara la creación de nuevas dimensiones. En este esquema se puede apreciar 2 tipos:
Parcial: La normalización de la dimensión solo se lleva a cabo en algunos.
Figura 5 - Esquema Copo de Nieve de Inteligencia de Negocios Fuente: (IBM Knowledge Center, 2017)
Datamart:
Según la referencia (Todotecnologia, 2009) “Un Datamart es una base de datos departamental, especializada en el almacenamiento de los datos de un área de negocio específica”.
Como define (Sinnexus BI, 2015), el datamart constituye una parte de un Data Warehouse, así mismo un determinado proceso. Por ejemplo, podríamos tener un Datamart para Finanzas, otro para Logística. Pueden ser preparados a partir de un Data Warehouse o ser elaborados independientemente.
De acuerdo con (Alet, 2011) es una parte del Data Warehouse adaptada en una función de la empresa, más especializada y accesible. Aun entendiéndose que puede ser desarrollada independientemente del Data Warehouse, debe considerar la necesidad de disponer de los datos de forma totalmente integrada para poder explotar de forma rápida, eficiente y segura con la máxima capacidad de información potencial.
Para el autor (Diaz, 2012) es un subconjunto de los datos del Data Warehouse cuyo objetivo es responder a un determinado análisis, función o necesidad, con una población de usuarios específica.
Metodología Ralph Kimball:
Una metodología para desarrollar una solución de Inteligencia de Negocios y Data Warehouse. La construcción se realiza por Datamart y luego Data Warehouse, también llamada Bottom-up (Kimball & Ross, 2013)
Figura 6 - Metodología Ralph Kimball Fuente: (Kimball & Ross, 2013)
La expresión Ciclo de Vida se refiere a todos los pasos del proceso completo de desarrollo de software: planeación, diseño, codificación, prueba, implementación y administración, el ciclo de vida es una metodología paso a paso para diseñar, desarrollar y desplegar Datamart y Data Warehouse, y que es enriquecido, además por experiencias de otros coautores (Kimball & Ross, 2013).
Ciclo de Vida: (Kimball & Ross, 2013)
- Planificación del Proyecto
- Definición de Requerimientos del Negocio - Modelo Dimensional
- Diseño Físico
- Diseño e Implementación del subsistema de Extracción, Transformación y Carga (ETL) - Implementación
- Mantenimiento y Crecimiento del Data Warehouse - Especificación de aplicaciones de BI
- Diseño de la Arquitectura Técnica
Planificación del Proyecto: En este proceso se determina el propósito del proyecto de DW/BI sus objetivos específicos y el alcance del mismo, los principales riesgos y una aproximación inicial a las necesidades de información. Esta tarea incluye las siguientes acciones típicas de un plan de proyecto:
- Programar las tareas.
- Planificar el uso de los recursos.
- Asignar la carga de trabajo a los recursos.
- Elaboración de un documento final que representa un plan del proyecto.
Obtención de Requerimientos: La definición de requerimientos, es un proceso de entrevistar al personal de negocio y técnico. Se debe dar una revisión a todos los informes posibles de la organización; rastrear los documentos de estrategia interna; entrevistar a los empleados, analizar la competencia y la industria. Se sugiere entrevistar al personal que se encuentra en los cuatro grupos que se mencionan a continuación:
- El directivo responsable de tomar las decisiones estratégicas.
- Los administradores intermedios y de negocio responsables de explorar alternativas estratégicas
y aplicar decisiones.
- El personal de sistemas, si existe estas son las personas que realmente saben qué tipos de
problemas informáticos y de datos existen en la organización.
- El personal que se entrevista por razones políticas.
Modelado Dimensional: Es el diseño físico y lógico que transformará las antiguas fuentes de datos en las estructuras finales del Data Warehouse. Cada modelo dimensional está compuesto de una tabla que tiene una llave compuesta llamada tabla de hechos y un conjunto de tablas más pequeñas llamadas dimensiones. Esta estructura es llamada esquema estrella.
Los elementos esenciales del modelado dimensional son:
Hechos: Cualquier campo con valor numérico es un hecho, aunque algunos pueden ser valores de texto. Un hecho es una observación del mercado de trabajo.
Atributos: Usualmente son campos de texto que describen las características de algo tangible, como las descripciones de producto.
Dimensiones: Los atributos textuales que describen los objetos y que tienen una alta correlación entre ellos, son organizados dentro de las dimensiones.
Diseño Lógico: El diseño lógico detallado de un esquema dimensional es dirigido por los siguientes cuatro pasos:
Escoger el Datamart.
Consiste en una clara definición de que se considera una tabla de hechos en el diseño dimensional propuesto.
Escoger las Dimensiones.
Escoger los Hechos: Los hechos deben ser siempre específicos a la granularidad de la tabla de hechos.
Diseño Físico: Se contestan las siguientes preguntas:
- ¿Cómo puede determinar cuán grande será el sistema de DW/BI?
- ¿Cuáles son los factores de uso que llevarán a una configuración más grande y más compleja? - ¿Cómo se debe configurar el sistema?
Diseño e Implementación del subsistema de Extracción, Transformación y Carga (ETL): El subsistema de Extracción, Transformación y Carga (ETL) es la base sobre la cual se alimenta el Data Warehouse. Si se diseña adecuadamente, puede extraer los datos de los sistemas de origen de datos, aplicar diferentes reglas para aumentar la calidad y consistencia de los mismos, consolidar la información proveniente de distintos sistemas, y finalmente cargar (grabar) la información en el DW en un formato acorde para la utilización por parte de las herramientas de análisis.
Implementación: La implementación representa la convergencia de la tecnología, los datos y las aplicaciones de usuarios finales accesible desde el escritorio del usuario del negocio. Existen varios factores extras que aseguran el correcto funcionamiento de todas estas piezas, entre ellos se encuentran la capacitación, el soporte técnico, la comunicación.
Mantenimiento y Crecimiento del Data Warehouse: Es importante sentar las bases para el crecimiento y evolución del Data Warehouse en donde el aspecto clave es manejar el crecimiento y evolución de forma iterativa utilizando el Ciclo de Vida propuesto, y establecer las oportunidades de crecimiento y evolución en orden por nivel prioridad.
Especificación de aplicaciones de BI: Las aplicaciones de BI incluyen un amplio espectro de tipos de informes y herramientas de análisis, que van desde informes simples de formato fijo, a sofisticadas aplicaciones analíticas que usan complejos algoritmos e información del dominio. Kimball divide a estas aplicaciones en dos categorías basadas en el nivel de sofisticación.
- Dirigidos por los Metadatos: los metadatos proveen parámetros e información que permite que la
aplicación desempeñe sus tareas correctamente.
- Capas de Servicio Flexible: El servicio de consolidación de datos y el servicio de consulta de datos
son capas de aplicación que también proveen cierto nivel de in-dirección lo cual se agrega a la flexibilidad de la arquitectura (Kimball & Ross, 2013).
El presente estudio de investigación se justifica teóricamente porque la inteligencia de negocios y los conocimientos universitarios adquiridos contribuyeron a la solución propuesta para mejorar el proceso de toma de decisiones en la gestión productiva de la empresa industrial Camposol S.A. Asimismo, presenta se justifica tecnológicamente dado que proporciona una herramienta de inteligencia de negocios que se adecuo a las necesidades de la empresa industrial Camposol S.A. para sistematizar las tareas del área de producción y mantenerse a la guardia tecnológica. Por otro lado, se justifica operativamente porque la solución propuesta tiene un impacto en la gestión productiva, debido a que agiliza la toma de decisiones porque se obtiene de manera oportuna y precisa la información. También, se justifica socialmente porque la inteligencia de negocios agilizó las tareas del personal del área de producción y a nivel empresarial la toma de decisiones. Finalmente, se justifica económicamente, porque la solución propuesta ayudó a reducir el costo de hora-hombre que implica la elaboración, el manejo y el análisis de reportes para la toma de decisiones.
En la presente investigación se formula el problema o enunciado:
¿De qué manera incide la Inteligencia de Negocios en la toma de decisiones de la Empresa Industrial Camposol S.A.?”
Se plantea la siguiente hipótesis:
General:
“La Inteligencia de Negocios agiliza la toma de decisiones de la Empresa Industrial Camposol S.A.”
Específicas:
- La Inteligencia de Negocios reduce el tiempo en la generación de reportes de gestión empresarial.
- La Inteligencia de Negocios reduce el costo de Horas-Hombre en la generación de reportes de gestión empresarial.
- La Inteligencia de Negocios reduce el tiempo de búsqueda de información específica para la toma de decisiones.
Entre los objetivos de la investigación, tenemos (ver Anexo B - Árbol de Objetivos):
General:
Agilizar la toma de decisiones de la Empresa Industrial Camposol S.A. mediante la inteligencia de negocios
Específicos:
- Realizar el estudio de las generalidades de la empresa en estudio
- Proponer un nuevo sistema de apoyo al proceso de toma de decisiones en la empresa en estudio para:
o Reducir el tiempo en la generación de reportes de gestión empresarial.
o Reducir el tiempo de búsqueda de información específica para la toma de decisiones.
o Reducir el costo de Horas-Hombre en la generación de reportes de gestión mensual.
o Incrementar el nivel de satisfacción de los usuarios.
2.1. Materiales
2.1.1. Objeto de Estudio
El Proceso de Toma de Decisiones en la Empresa Industrial Camposol S.A.
2.1.2. Recursos
2.1.2.1. Personal
N° Código Contable Rol Apellidos y Nombres Cantidad
1 2.3.2.7.5.2 Autor Bach. Argomedo Cueva, Gemma Yaquelyn 1
2 2.3.2.7.5.2 Autor Bach. Salazar Ávila, Erika Isabel 1
3 2.1.1.5.1.1 Asesor Dr. Mendoza Rivera, Ricardo Darío 1
Tabla 2: Personal
Fuente: (Elaboración Propia, 2019)
2.1.2.2. Bienes
Nº Código Contable Insumos Unidad de Medida Cantidad
1 2.3.1.5.1.2 Hojas Bond A4 Millar 1
2 2.3.1.5.1.2 Lapiceros Unidades 2
3 2.3.1.5.1.2 Fólder Manila Unidades 10
4 2.3.1.5.1.2 Tinta para impresora Unidades 4
Tabla 3: Bienes
Fuente: (Elaboración Propia, 2019)
2.1.2.3. Viajes
Nº Código Contable Descripción Unidad de Medida Cantidad
1 2.3.2.1.2.1 Pasajes Días 80
Tabla 4: Viajes
Fuente: (Elaboración Propia, 2019) 2.1.2.4. Servicios
Nº Código Contable Descripción Unidad de Medida Cantidad
1 2.3.2.7.11.6 Impresiones Hojas 1000
2 2.3.2.7.11.6 Fotocopias Hojas 400
3 2.3.2.2.2.3 Internet Megas/mes 8
4 2.3.2.2.1.1 Energía Eléctrica (KW-hr)/mes 230
Tabla 5: Servicios
2.1.2.5. Tecnológicos
Nº Código Contable Insumos Unidad de Medida Cantidad
1 2.6.3.2.3.1 Laptop Procesador Intel Core i5, 8.0 GB RAM 500 GB Disco duro. Unidad 2
2 2.6.3.2.3.1 Impresora Multifuncional Unidad 1
4 2.6.3.2.3.1 Memoria USB Kingston 16 GB. Unidad 2
5 2.6.3.2.3.1 CD Unidad 4
Tabla 6: Recursos Tecnológicos Fuente: (Elaboración Propia, 2019)
2.2. Método
2.2.1. Tipo de Investigación
2.2.1.1.De acuerdo a la orientación o finalidad
Es una Investigación Aplicada, debido a que se da solución a problemas haciendo uso de conocimientos, metodologías y técnicas comprobadas y aceptadas.
2.2.1.2.De acuerdo a la técnica de contrastación
Es una Investigación Cuasi-Experimental porque, manejaremos variables que serán puestos en estudio para su manipulación, con el fin de determinar el efecto que provoca.
2.2.2.Nivel de Investigación
Es una Investigación Correlacional porque es aquel tipo de estudio que persigue medir el grado de relación existente entre dos o más conceptos o variables; es Prospectiva porque es un estudio longitudinal en el tiempo que se diseña y comienza a realizarse en el presente, pero los datos se analizan transcurrido un determinado tiempo, en el futuro y es Transversal porque es un estudio que se realiza con los datos obtenidos en un momento puntual como el estudio de prevalencia.
2.2.3.Diseño de Investigación
El procedimiento que se siguió fue el siguiente:
- Medición previa de las variables a ser estudiadas (Pre test): Se midieron todas las variables involucradas en la investigación antes de implantar la alternativa de solución, estas variables fueron medidas a través de estadísticas, consolidación de información de la base de datos, encuestas, cuestionarios, entre otros.
- Introducción o aplicación de la variable independiente o experimental X a los sujetos del grupo Y: Se implantó el sistema de inteligencia de negocios basado en los procesos rediseñados y optimizados de la empresa industrial Camposol S.A., para iniciar su uso inmediatamente
- Nueva medición de las variables dependiente en los sujetos: Después de un tiempo conveniente a la implantación del sistema de inteligencia de negocios, se volvieron a medir todas las variables involucradas de la misma manera que en el Pre Test, para poder comparar y validar o rechazar la hipótesis de la investigación.
Dónde:
TA: Agilización en la toma de decisiones con el proceso actual y herramientas tradicionales.
X: Inteligencia de Negocios
TP: Agilización en la toma de decisiones utilizando inteligencia de negocios.
2.2.4. Población, Muestra y Muestreo
2.2.4.1.Población (N)
En esta investigación la población está dada por el personal directivo de la empresa industrial Camposol S.A. la cual consta de 5 áreas: producción, contabilidad, RR. HH, sistemas y servicios.
2.2.4.2.Muestra (n)
La muestra es el jefe del área de producción, en donde se implementará el sistema de inteligencia de negocio para la demostración de resultados que se calculará por Indicador.
Así tenemos:
Indicador 1 (I1): Tiempo de generación de reportes de gestión
- Reportes diarios
Este reporte es solicitado por el jefe de producción para un análisis interno de área, que puede generarlo desde un asistente o un analista dependiendo la complejidad del reporte.
𝑁𝐴 = (2
𝑅𝑒𝑝𝑜𝑟𝑡𝑒𝑠 𝑑í𝑎 ) ∗ (6
𝑑𝑖𝑎
𝑠𝑒𝑚𝑎𝑛𝑎) ∗ (4
𝑠𝑒𝑚𝑎𝑛𝑎 𝑚𝑒𝑠 )
𝑁𝐴 = 96
𝑟𝑒𝑝𝑜𝑟𝑡𝑒𝑠 𝑚𝑒𝑠
- Reportes de directorio
Reporte solicitado por el gerente de operaciones para un análisis estratégico de negocio.
𝑁𝐵= 1𝑟𝑒𝑝𝑜𝑟𝑡𝑒𝑠 𝑚𝑒𝑠
La población se estima en función a la cantidad mensual de reportes que se genera en el área de producción.
𝑁1 = 97𝑟𝑒𝑝𝑜𝑟𝑡𝑒𝑠 𝑚𝑒𝑠
Calculo de la muestra (n1):
La población es mayor a 80 por ello es necesario calcular la muestra.
Dónde:
N: Tamaño de la población
n: Tamaño de la muestra
Z: Nivel de confianza al 95% (1.96)
p: Probabilidad de Éxito (0.5)
q: Probabilidad de Fracaso (0.5)
e= Error muestral (0.1)
𝑛1 =
𝑍∝2 𝑁𝑝𝑞 𝑒2(𝑁 − 1) + 𝑍
∝2 𝑝𝑞
𝑛1 = 1.96
2∗ 97 ∗ 0.5 ∗ 0.5
0.12(97 − 1) + 𝑍 ∝2 𝑝𝑞
Indicador 2 (I2): Tiempo de búsqueda de información
La población se estima en función al tiempo del proceso de búsqueda de información específica para la toma de decisiones, esto estaría en base a los trabajadores del área de producción de la empresa; por ello Contamos con 8 trabajadores y cada uno tiene funciones específicas asignadas.
𝑁𝐴 = (48 𝑅𝑒𝑝𝑜𝑟𝑡𝑒𝑠 𝑚𝑒𝑠 ) ∗ (1
𝑑𝑖𝑎
𝑟𝑒𝑝𝑜𝑟𝑡𝑒) ∗ (4 ℎ𝑜𝑟𝑎𝑠
𝑑𝑖𝑎 )
𝑁𝐴 = 196ℎ𝑜𝑟𝑎𝑠 𝑚𝑒𝑠
𝑁𝐵= (1
𝑅𝑒𝑝𝑜𝑟𝑡𝑒𝑠 𝑚𝑒𝑠 ) ∗ (1
𝑑𝑖𝑎
𝑟𝑒𝑝𝑜𝑟𝑡𝑒) ∗ (8 ℎ𝑜𝑟𝑎𝑠
𝑑𝑖𝑎 )
𝑁𝐵= 8ℎ𝑜𝑟𝑎𝑠 𝑚𝑒𝑠
𝑁2 = 204 ℎ𝑜𝑟𝑎𝑠
𝑚𝑒𝑠
Calculo de la muestra (n2):
La población es mayor a 80 por ello es necesario calcular la muestra.
Dónde:
N: Tamaño de la población
n: Tamaño de la muestra
Z: Nivel de confianza al 95% (1.96)
p: Probabilidad de Éxito (0.5)
q: Probabilidad de Fracaso (0.5)
e= Error muestral (0.1).
𝑛2 =
𝑍∝2 𝑁𝑝𝑞 𝑒2(𝑁 − 1) + 𝑍
∝2 𝑝𝑞
𝑛2 =
1.962∗ 204 ∗ 0.5 ∗ 0.5 0.12(204 − 1) + 𝑍
∝2 𝑝𝑞
Indicador 3 (I3): Costo Hora-Hombre
La población se estima en función al tiempo de elaboración de reportes que se realiza en el área productivo de la empresa industrial Camposol S.A.
𝑁𝐴 = (4
𝑅𝑒𝑝𝑜𝑟𝑡𝑒𝑠 𝑑í𝑎 ) ∗ (6
𝑑𝑖𝑎
𝑠𝑒𝑚𝑎𝑛𝑎) ∗ (4
𝑠𝑒𝑚𝑎𝑛𝑎 𝑚𝑒𝑠 )
𝑁𝐴 = 96
𝑟𝑒𝑝𝑜𝑟𝑡𝑒𝑠 𝑚𝑒𝑠
𝑁𝐵= 1𝑟𝑒𝑝𝑜𝑟𝑡𝑒𝑠 𝑚𝑒𝑠
𝑁3 = 97𝑟𝑒𝑝𝑜𝑟𝑡𝑒𝑠 𝑚𝑒𝑠
Calculo de la muestra (n3):
La población es mayor a 80 por ello es necesario calcular la muestra.
Dónde:
N: Tamaño de la población
n: Tamaño de la muestra
Z: Nivel de confianza al 95% (1.96)
p: Probabilidad de Éxito (0.5) q: Probabilidad de Fracaso (0.5)
e= Error muestral (0.1)
𝑛3 =
𝑍∝2 𝑁𝑝𝑞 𝑒2(𝑁 − 1) + 𝑍
∝2 𝑝𝑞
𝑛3 = 1.96
2∗ 97 ∗ 0.5 ∗ 0.5
0.12(97 − 1) + 𝑍 ∝2 𝑝𝑞
𝑛3 = 47,76 ≈ 48 𝑟𝑒𝑝𝑜𝑟𝑡𝑒𝑠
Indicador 4 (I4): Nivel de Satisfacción del Usuario
Descripción Cantidad
Gerente de Operaciones 1
Jefe de Producción 1
Analista 1
Asistente 2
Total 5
Tabla 7 - Población de Usuarios Fuente: (Elaboración Propia, 2019)
𝑁4 = 5 𝑝𝑒𝑟𝑠𝑜𝑛𝑎𝑠
Calculo de la muestra (n4):
La muestra Poblacional 𝑛 = 𝑁 = 5 por lo que no es necesario encontrar la muestra 𝑁 ≤ 80. 𝑛4 = 5 𝑝𝑒𝑟𝑠𝑜𝑛𝑎𝑠
2.2.4.3.Muestreo
Es una lista de elementos que componen el universo que queremos estudiar y de la cual se extrae la muestra. Estos elementos a investigar pueden ser individuos, pero también pueden ser hogares, instituciones o cualquier otra cosa susceptible de ser investigada.
Para la selección del muestreo se utiliza el Método Probabilístico porque se cumplen dos condiciones:
- Todos los elementos de la población tienen una probabilidad mayor a cero de ser seleccionados en la muestra.
- La probabilidad de inclusión de cada elemento en la muestra se conoce de forma precisa.
2.2.5. Variables
2.2.5.1.Tipo
- Independiente: Inteligencia de Negocios
- Dependiente: Toma de Decisiones
- Interviniente: Metodología de Ralph Kimball
2.2.5.2.Operacionalización
Tenemos la operacionalización de variables, donde se muestra el detalle de la variable, las dimensiones y los indicadores usados en este proyecto de investigación (ver Anexo C).
2.2.6. Técnicas e Instrumentos, Validación y Confiabilidad
2.2.6.1 Técnicas e Instrumentos
Por la naturaleza de los datos de nuestra investigación se utilizó las siguientes técnicas de recolección de datos en el cumplimiento de todos los objetivos específicos planteados.
Encuesta:
La encuesta es un proceso interrogativo que tiene su valor científico en un procedimiento, el cual se utiliza para conocer lo que opina una población o muestra. El propósito es preguntar sobre una situación o problema a los encuestados. Se realiza a todos los encuestados las mismas preguntas, en el mismo orden, y en una situación similar; de modo que las diferencias son atribuibles para identificar y determinar una situación o problema. En nuestra investigación se ha diseñado un modelo de encuestas (Ver Anexo 6A,6B) para la selección de la metodología que será aplicada a expertos, con la finalidad de elegir una solución de Inteligencia de Negocios.
El instrumento de recolección fue un cuestionario estructurado con diez ítems, enfocada principalmente en 2 partes: Entender el negocio relacionado con el proceso productivo e identificar los reportes, informes utilizados para la toma de decisiones (ver Anexo 4).
Entrevista:
Es la comunicación interpersonal establecida entre el investigador y el sujeto de estudio a fin de obtener información más espontánea y abierta, que puede profundizarse para el interés de la investigación.
Ventajas:
- Es aplicable a toda persona.
- Permite obtener información más completa.
2.2.6.2 Validación y Confiabilidad
Validación:
La validez es el grado de seguridad que debe tener un instrumento en la medición de una variable, que nos permite obtener conclusiones válidas.
Confiabilidad:
Es el grado que un instrumento produce resultados consistentes y coherentes. Tomando procesos sucesivos de recolección de datos que nos permite obtener resultados equivalentes o iguales.
La información obtenida con los instrumentos utilizados para la recolección de datos en el área de Producción de la empresa Industrial Camposol S.A. se obtuvo resultados similares.
La Confiabilidad se realizó mediante juicio de expertos, una validación aparente y otra de contenido.
2.2.7. Método de Análisis de Datos
En esta etapa de la investigación se analiza los datos recolectados a fin de explicar e interpretar las posibles relaciones que expresan las variables estudiadas.
La herramienta utilizada para el análisis de datos es la estadística. Esta disciplina proporciona innumerables beneficios a la investigación científica y tecnológica.
En la investigación se utiliza el análisis de datos estadístico, dependiendo la cantidad de la muestra se aplica la prueba Z (Distribución Normal).
2.2.8. Procedimiento
Para la solución de este proyecto de investigación se eligió seguir la metodología Ralph Kimball. Metodología que desarrolla una solución de Inteligencia de Negocios y Data Warehouse.
Fases:
Planificación del Proyecto
Definición de Requerimientos del Negocio Modelo Dimensional
Diseño Físico
Diseño e Implementación del subsistema de Extracción, Transformación y Carga (ETL) Implementación
Especificación de aplicaciones de BI Diseño de la Arquitectura Técnica
Figura 6 - Fases de la Metodología de Ralph Kimball Fuente: (Kimball & Ross, 2013)
2.2.6.Consideraciones Éticas
Tenemos seis factores principales que proveen un buen marco para el desarrollo ético de nuestra investigación:
1. Valor: la investigación busca optimizar y agilizar los procesos de toma de decisiones en el área de producción de la empresa Industrial Camposol S.A.
2. Validez Científica: la investigación es metodológicamente sensata, de manera que no se pierde el tiempo con investigaciones repetidas.
3. La selección de seres humanos o sujetos debe ser justa: los participantes en esta investigación fueron seleccionados en forma justa y equitativa, sin prejuicios personales o preferencias.
4. Proporción favorable de riesgo/beneficio: nuestro riesgo en la investigación es mínimo, dado que los beneficios potenciales son mayores, y nos ayuda a aprender y complementar los conocimientos en los procesos de la empresa, nueva metodología y usabilidad de tecnologías para la toma de decisiones.
5. Consentimiento informado.
OBJETIVO 1: REALIZAR EL ESTUDIO DE LAS GENERALIDADES DE LA EMPRESA
Descripción de la Empresa
CAMPOSOL S.A. es la empresa líder agroindustrial en el Perú, el mayor exportador de espárragos y pronto el primer productor de aguacate en el mundo. Está implicado en la cosecha, transformación y comercialización de productos agrícolas de alta calidad, tales como aguacates, espárragos, arándanos, uvas, mangos, pimientos, alcachofas, mandarinas y camarones; que se exportan a Europa, Estados Unidos de América y Asia.
Es una empresa integrada verticalmente con sede en Perú, ofreciendo productos frescos, en conserva y congelados. Es el tercer mayor empleador del país, con más de 13 mil trabajadores en temporada alta, y se ha comprometido a apoyar el desarrollo sostenible a través de políticas de responsabilidad social y proyectos destinados a aumentar el valor compartido para todos sus grupos de interés.
Fue la primera empresa agroindustrial peruana para presentar las memorias de sostenibilidad anuales auditados y ha logrado las siguientes certificaciones internacionales: BSCI, Global Gap, IFS, HACCP y BRC entre otros.
Giro del Negocio
o Razón Social: CAMPOSOL S.A.
o N° RUC: 20340584237
o Actividad económica: Elaboración frutas, legumbres y hortalizas
o CIIU: 15130
Direccionamiento Empresarial
o Visión:
Ser líder mundial en el cultivo, procesamiento y comercialización de frutas y hortalizas de alta calidad, basados en una gestión ética y eficiente que asegure la sostenibilidad de nuestro negocio en el largo plazo. (CAMPOSOL, 2019)
Satisfacer de manera confiable las necesidades de frutas y hortalizas de nuestros clientes y consumidores alrededor del mundo con eficiencia, calidad y responsabilidad. (CAMPOSOL,
2019)
o Valores Estratégicos:
Son aquellas creencias o principios que soportarán a la visión, misión, objetivos y metas estratégicas de la empresa y sirven como marco de referencia para todo el proceso de planeamiento.
La organización debe definir una escala de valores que en su conjunto integren la filosofía de la organización y esta deberá ser el marco referencial dentro de la cual se examinen los caminos para alcanzar los objetivos y metas del mercado. Según el análisis efectuado los principales valores estratégicos de la empresa Camposol S.A. son:
- Integridad: Por qué menciona el compromiso ético y la honestidad de la conducta, personal y profesional, con la que han de afrontar cualquier situación con la máxima responsabilidad, respeto y transparencia.
- Trabajo en Equipo: Porque entre todos pueden ayudarse a apoyarse para lograr objetivos, orgullo y satisfacción.
OBJETIVO 2: PROPONER UN NUEVO SISTEMA DE APOYO AL PROCESO DE TOMA DE DECISIONES EN LA EMPRESA EN ESTUDIO
Fase I: Planificación del Proyecto
o Definición del proyecto
La presente tesis presentó una propuesta para la construcción de una solución de inteligencia de negocios, el cual ayudó a mejorar la toma de decisiones en el área de Producción de la empresa Industrial Camposol S.A.
La tesis ha sido titulada “Inteligencia de negocios para la agilización en la toma de decisiones de la empresa industrial Camposol S.A.”, y se elaboró con la finalidad de apoyar en la toma de decisiones al área de producción en la gestión empresarial, los cuales obtuvieron como beneficio:
- Crear reportes analíticos de manera sencilla y rápida.
- Crear tableros de control que contengan reportes estáticos y dinámicos, reportes gráficos y los KPI’s (Key Performance Indicators o indicadores Clave de Desempeño), los cuales miden el nivel de desempeño de un proceso y reflejan la realidad del negocio.
- Reducción de tiempo en la generación de reportes.
- Analizar información de acuerdo a los indicadores establecidos.
o Alcance
- La presente tesis involucró al área de producción de la empresa industrial Camposol S.A.
- La solución de inteligencia de negocio utilizó como repositorio de datos una base transaccional del área de producción de la empresa industrial Camposol S.A.
- Los ejes de entorno a los que se tomó los datos son la cantidad de producción, costo de producción, entre otros.
o Factores críticos de éxito
Los 5 factores claves que fueron analizados en la organización:
El principal ejecutivo sponsor del desarrollo e implementación de la solución de inteligencia de negocios es el jefe de Sistemas (CIO, Chief Information Officer).
El jefe de producción de la empresa Industrial Camposol S.A. (CEO, Chielf Executive Officer) es también un sponsor; pero a menor grado, siendo su principal intervención en el proyecto.
- Motivación del Negocio
El escenario en el cual se desarrolló la presente tesis fue “En búsqueda de demanda”, debido que actualmente existe un desconocimiento por parte del personal del área de producción sobre la utilización de una solución de inteligencia de negocios.
- Participación del personal del negocio
La principal ventaja en este aspecto es que hay una fluida interrelación entre el jefe de producción (CEO), y gerente de operaciones, los cuales frecuentemente solicitan la creación o modificación de reportes.
- Cultura actual de análisis de información
Actualmente las decisiones en el área de producción de la empresa Camposol S.A., los toma el CEO, mayormente en base a su experiencia, análisis y extracción de información.
- Facilidad técnica
Debido a la cantidad de software que se ofrece en la actualidad la solución de inteligencia de negocios propuesta por los tesistas usó software ya instalado en los servidores.
El área de sistemas no cuenta actualmente con los recursos para el desarrollo del proyecto, por lo que la adquisición de software y hardware para el desarrollo de la solución de inteligencia de negocios fue realizada por los tesistas.
Figura 7 – Cronograma de tareas
o Justificación
Siendo la información uno de los principales activos de la empresa industrial Camposol S.A. y teniendo como necesidad una solución de inteligencia de negocios para la toma de decisiones eficiente en base a la gestión adecuada del conocimiento nos permitió tener datos integrados, consistentes, no volátiles y confiables.
Fase II: Definición de los Requerimientos del Negocio
o Identificación de las fuentes de información
- Entrevistas
Personal de dirección de gerencia:
La entrevista estará enfocada principalmente en 2 partes: Entender el negocio relacionado con el proceso productivo e identificar los reportes e informes utilizados para la toma de decisiones (ver Anexo D).
En la entrevista realizada al jefe de Producción se recolectó lo siguiente:
El mayor problema que tiene la empresa en especial el área de producción es la cantidad de información física que se maneja.
Lentitud en la generación de reportes diarios o de directorio.
No utilizar una solución de inteligencia de negocios para la toma de decisiones con frecuencia diaria y/o de directorio.
Actualmente los indicadores que obtienen de su información son: Kilogramos/hectáreas, toneladas producidas, número de jornales, área recorrida, kilogramos/jornal.
En el proceso de producción entre las principales fuentes de información tenemos: SAP, nóminas, reportes de kilos de planta, datos de campo, base de datos y archivos planos Excel.
- Reportes de Gestión
Reporte N° 1: El siguiente reporte nos permite conocer el total de producción obtenida (Unidad de medida - Kilogramos) y la cantidad de Jornal cosecha (cosechadores) para un determinada fecha, fundo y grupo de trabajo.
Figura 8 - Reporte de Producción de Mandarina Fuente: (CAMPOSOL, 2019)
Reporte N° 2: El reporte del área de producción nos permite encontrar el total de costo por cada unidad de producción en un año, fundo, mes, parcela y semana determinada.
Reporte N° 3: Este reporte nos permite obtener por cada semana la cantidad de jornaleros que han logrado una bonificacion en una fecha, cosecha, fundo determinado.
Figura 10 - Reporte de Bonificación Fuente: (CAMPOSOL, 2019)
- Modelo de Datos
Parcela AreaRecorrida
Cosecha TipoCosecha Nombre Nombre TipoTrabajador Jornal
AreaLote
o Análisis Dimensional Inicial
Producción
Figura 12 - Análisis Dimensional Inicial de Producción Fuente: (Elaboración Propia, 2019)
TIEMPO PRODUCTO
TRABAJADOR Trimestre
Anual
Mes
Línea
COSECHA
Día
Producto
Kilos Cosecha Cantidad de Jornal Cantidad Jabas
TERRENO Fundo
Categoría
Nombre Jornal Ocupación
Parcela AreaRecorrida
Cosecha
TipoCosecha AreaLote
Nombre
Costos
Figura 13 - Análisis Dimensional Inicial de Costos Fuente: (Elaboración Propia, 2019) TIEMPO PRODUCTO TERRENO Trimestre Anual Mes Línea Día Producto Categoría Costo Total Costo Cosecha Costo Apoyo Costo Evaluador Costo Planillero Costo Supervisor Costo Jabero Total Producción
Total Producción por Jornal Total Producción por (Hora -Jornal) Promedio Hora Cosecha
Promedio Hora Apoyo Jornal Cosecha
Cantidad Jornal con Bono Cantidad Jornal sin Bono
Semana
TRABAJADOR
Fundo
COSECHA Bono TipoBono
Fase III: Modelo Dimensional
o Hoja de Gestión
En la Hoja de Gestión se definen los indicadores de gestión que formará la parte del sistema de soporte a la toma de decisiones.
Proceso Gestión estratégica Objetivos
Incrementar el nivel de producción por ende las ventas en el tiempo Promocionar la imagen corporativa
Incrementar el nivel de satisfacción de los clientes Incrementar el número de jornales
Estrategias
Crear promociones, ofertas y producto de calidad
N° Indicadores Medidas Estado
1 Índice de Producción Unidades Producidas Real Unidades Proyectadas
<50%
50-80 >80%
2 Índice de Costo Total Costo Total Real Costo Total Proyectado
>90% 50-90
<50%
3 Índice de Bonificación Cantidad Jornal con Bono Cantidad Jornal
>50% 50-60
<50%