1
UNIVERSIDAD PRIVADA TELESUP
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ESCUELA DE SISTEMAS
Implementación de Power BI como solución de inteligencia
de negocios para el proceso de toma de decisiones de la
Demanda y Productividad en el laboratorio central de la
Fuerza área del Perú (FAP) de Lima-Perú
TESIS
PARA OBTENER EL TÍTULO DE:
INGENIERO DE SISTEMAS
AUTOR:
Medrano Huayanay, Crisóstomo Ciriaco
ASESOR
ING. OSCAR SALAS
LIMA – PERÚ
2 DEDICATORIA A Dios por las bendiciones derramadas en mi vida. A mi esposa e hijos, mis padres, hermanos por su apoyo constante y su gran amor.
3 AGRADECIMIENTOS
En primer lugar, a Dios por darme la fuerza y voluntad todos los días de la vida. A mi familia por brindarme el apoyo incondicional.
A mi asesor Ing. Oscar Salas por su apoyo y sus sabias enseñanzas académicas.
4 RESUMEN
La presente investigación busca explicar en forma muy sencilla que es: “Business Intelligence” o “Inteligencia de Negocio”, tulizando el Power BI Desktop.
Este Proyecto está orientado a la implementación de BI en el laboratorio central de la FAP.
Ya que en el laboratorio central de la FAP no existe una aplicación gerencial que permita tomar decisiones mediante la visualización de información resumida y concreta. Este permitirá tener información a tiempo para ello se realizará un proyecto de inteligencia de Negocios.
Hoy en día uno de los principales activos de las organizaciones es la información con la que se cuenta y el conocimiento de la misma. Esta se consolida a partir de datos de los pacientes, exámenes, servicios, analizadores, procesamiento de las muestras, etc. Pero ya no se trata solo de datos, las empresas normalmente tienen toda esta información en diferentes fuentes, por lo cual se requiere herramientas y estrategias que permitan extraerla y analizarla para obtener este importante activo para las empresas y luego obtenerlas el conocimiento.
Al contar con la información exacta, en tiempo real, es posible tomar las decisiones y correcciones necesarias antes de que se conviertan en problemas. Las empresas implementan la inteligencia de negocios para comprender y analizar los patrones de comportamiento de la Demanda y Productividad, Seguimiento de todo el flujo de trabajo del laboratorio, con el fin de identificar las oportunidades de crecimiento.
Por lo tanto, cuanto más relevante y útil sea la inteligencia de negocios para el laboratorio central de la FAP, mejores serán las decisiones que se puedan tomar y mayor será su ventaja competitiva.
La construcción de diferentes Dashboard con los indicadores de las que se definió para este proyecto darán fruto de manera extraordinaria para la toma de decisiones que actualmente no se contaba con la movilización de los datos, que los análisis de la información no permitían llegar a nivel de detalle para la toma de decisiones.
5 El objetivo central de este trabajo, es dar una solución al problema de las necesidades de información para la toma de decisiones de la Secretaria, Jefatura del Laboratorio, Unidades o áreas de producción del laboratorio central de la FAP, que consiste realizar la implantación de Inteligencia de Negocios usando la plataforma BI “Power BI” que es una colección de servicios de software, aplicaciones y conectores que funcionan conjuntamente para convertir orígenes de datos sin relación entre sí en información coherente, interactiva y atractiva visualmente.
Para el desarrollo de este proyecto se aplicó la técnica de investigación mixta, porque ésta consiste en la recopilación y tratamiento de datos. Cuyo objetivo general de esta investigación es para contestar la siguiente pregunta ¿De qué manera la Implementación de Power BI como solución de inteligencia de negocios Influye en el proceso de toma de decisiones de la Demanda y Productividad en el laboratorio central de la Fuerza área del Perú (FAP) de Lima-Perú?.
6 ABSTRACT
This research seeks to explain in a very simple way that it is: "Business Intelligence" or "Business Intelligence", bypassing the Power BI Desktop.
This Project is oriented to the implementation of BI in the central laboratory of the FAP.
As there is no managerial application in the central laboratory of the FAP that allows decisions to be made through the visualization of summary and concrete information. This will allow you to have information in time for it will be a business intelligence project.
Nowadays one of the main assets of the organizations is the information with which it is counted and the knowledge of it. This is consolidated from patient data, examinations, services, analyzers, sample processing, etc. But it is no longer just data, companies usually have all this information in different sources, which is why tools and strategies are required to extract it and analyze it to obtain this important asset for the companies and then obtain the knowledge.
By having accurate information, in real time, it is possible to make the necessary decisions and corrections before they become problems. Companies implement business intelligence to understand and analyze behavior patterns of demand and productivity, tracking the entire workflow of the laboratory, in order to identify opportunities for growth.
Therefore, the more relevant and useful the business intelligence for the central laboratory of the FAP, the better the decisions that can be taken and the greater its competitive advantage.
The construction of different Dashboard with the indicators that were defined for this project will yield extraordinary results for the decision making process that was not currently supported by the data mobilization, which the analysis of the information did not allow to reach the level of Detail for decision making.
The central objective of this work is to provide a solution to the problem of the information needs for the decision making of the Secretariat, Laboratory Headquarters, Units or production areas of the central laboratory of the FAP, which consists of implementing the Intelligence Using the BI platform "Power BI" which is a collection of software services, applications and connectors that work
7
together to convert unrelated data sources into coherent, interactive and visually appealing information.
For the development of this project the mixed research technique was applied, because this involves the collection and processing of data. Whose general objective of this research is to answer the following question: How does the implementation of Power BI as a business intelligence solution Influence the decision-making process of the Demand and Productivity in the central laboratory of the Peruvian Area Force (FAP) of Lima-Peru?
8
INDICE
INGENIERO DE SISTEMAS ... 1
ASESOR ... 1
LIMA – PERÚ ... 1
1 FORMULACION DEL PROBLEMA ... 1
1.1 Planteamiento del problema ... 1
1.2 Elaboración de preguntas de la investigación ... 2
1.3 Justificación del estudio ... 2
1.4 Objetivos de la investigación ... 5 1.4.1 Objetivo General. ... 5 1.4.2 Objetivos Específicos. ... 5 1.5 Aportes ... 5 2 MARCO TEÓRICO ... 5 2.1 Antecedentes de la investigación ... 5 2.1.1 Antecedentes Nacionales ... 5 2.1.2 Antecedentes Internaciones ... 14
2.2 Bases teóricas de las variables ... 24
2.2.1 Power BI ... 24
2.2.2 Business Intelliguence ... 26
2.3 Definición de términos básicos ... 30
2.3.1 Sistemas transaccionales OLTP ... 30
2.3.2 Online Analytical Prcessing ... 31
2.3.3 Data Warehouse ... 32 2.3.4 Data Mart ... 33 2.3.5 Dimensiones ... 34 2.3.6 Métricas ... 35 2.3.7 Indicadores ... 36 3 METODOS Y MATERIALES ... 36 3.1 Hipótesis de la investigación ... 36 3.1.1 Hipótesis General ... 36 3.1.2 Hipótesis Específicas ... 36 3.2 Variables de estudio. ... 37 3.2.1 Definición conceptual ... 37 3.2.2 Definición operacional ... 39 3.3 Diseño de la investigación ... 40
9
3.4.1 Población ... 41
3.4.2 Muestra ... 41
3.5 Técnicas e instrumentos de recolección de datos... 41
3.5.1 Técnicas ... 41
3.5.2 Instrumentos... 42
3.6 Métodos de análisis de datos ... 43
4 IV. ASPECTOS ADMINISTRATIVOS ... 43
4.1 Presupuesto ... 43 5 V. REFERENCIAS ... 45 5.1 BIBLIOGRAFICAS ... 45 6 ANEXOS: ... 46 6.1 Organigrama ... 46 6.2 Mapa de Ubicaciones ... 46 6.3 Proceso Actual ... 47
6.4 Diagrama de Casos de Uso del Planteamiento de Problema ... 47
6.5 Proceso con la Solución ... 48
6.6 Diagrama de Casos de Uso para el Proceso Propuesto ... 48
6.7 Diagrama de Clase de Indicadores de Demanda y Productividad ... 48
7 Anexo 1: Matriz de consistencia ... 49
7.1 Porque Elegir Power BI ... 50
7.2 Cuadrante de Gartner ... 51
1
1 FORMULACION DEL PROBLEMA
1.1 Planteamiento del problema
Actualmente el laboratorio central de la FAP, cuanta con un LIS implementado en todas las áreas(Inmunología, Hematología, Banco de Sangre, Bioquímica, Microbiología y Emergencia) el cual le permite contar con la información centralizada logrando automatizar todos los Analizadores evitando el error humano, donde todas las muestras son etiquetadas con códigos de barras para luego ser procesada en los equipos médicos en cada una de las áreas analíticas. Actualmente no se cuenta con movilización de datos a pesar que cuenta con algunos reportes generales que es obtenido por el LIS que se tiene conectado con el HIS o en todo caso designan un personal para hacerlo en un Excel para brindar la información.
A pesar de contar con LIS de Laboratorio, la FAP no cuenta con una herramienta que le muestre la información con mayor detalle para lograr un mejor desempeño del Laboratorio logrando llegar al nivel de detalle para la toma de decisiones. La visualización de la información es limitada y no muy clara porque la toma de decisiones se hace en base al Excel manual o con base a la experiencia (historia) y suposiciones.
En la reuniones gerenciales o departamentales que se llevan a cabo, se requiere contar con información ágil, la cual sin contar con una herramienta de apoyo que brinda la información optimo podría llegar a demorarse incluso días o semanas debido al gran volumen de datos que se maneja.
La toma de decisiones en el laboratorio central de FAP, se debería manejar de forma estratégica e inmediata, pero al realizarse estos procesos de manera manual, existe un retardo en tiempo de entrega de los resultados que repercute en demora en la toma de decisiones que ocasionan una pérdida competitiva. Mediante los indicadores presentados con la solución, permitirá la movilización de la información, es decir a partir de un hallazgo se logrará tener información con mayor detalle y mayor soporte para la toma de decisiones a nivel directivo.
2 Mediante la combinación de las métricas se puede mejorar el desempeño del laboratorio.
1.2 Elaboración de preguntas de la investigación 1.3 Justificación del estudio
Hoy en día la información es uno de los activos potencialmente más valiosos en una institución. Por ende, llevar la información en conocimiento es indispensable para la toma de decisiones con oportunidad y eficacia. La ausencia de información y conocimiento hacen que las empresas tomen decisiones a través de la experiencia(historia) y suposiciones. Esto puede causar errores y costos en las decisiones que se tomen a cerca de los Analizadores, Productividad, Pacientes, Donantes, etc.
Una empresa que no invierte en tecnología y no haga análisis de la información que generan los diferentes sistemas entre los diferentes sistemas de información no tendría factible el darse cuenta de los mínimos detalles, aún más cuando se tienen miles de pacientes y procesos que afectan la toma de decisiones.
Una de las variables que se requiere controlar es la Demanda donde es la carga de trabajo del laboratorio y permite definir los costes e ingresos del mismo. El indicador de la Demanda se obtiene a partir del número de pacientes, muestras y análisis únicos solicitados y obtenidos en el periodo de tiempo seleccionado. El seguimiento de la Demanda a lo largo del tiempo ayuda a al Laboratorio a identificar cambios en:
- el número total de muestras
- la solicitud de patrones por muestra
- el grupo de análisis o muestras de un tipo específico - el número de muestras recibidas por procedencia
El número de pacientes, muestras y análisis recibidos durante el periodo de tiempo seleccionado se visualiza en gráficos de barras en el panel Carga de trabajo. El volumen total aparece indicado en la esquina superior derecha de cada gráfico junto con el cambio neto en el volumen respecto al periodo de
3 tiempo anterior. En función de la duración del periodo elegido, el panel Carga de trabajo puede servir para comprender las tendencias a corto y largo plazo de la carga del laboratorio.
El número de pacientes, muestras o análisis procesados por día se visualiza en el gráfico de barras del Volumen diario para el periodo de tiempo seleccionado. Al seleccionar una determinada fecha en el gráfico del Volumen diario se muestra el gráfico de barras del Volumen por hora.
Los gráficos referidos al Volumen diario/por hora pueden ser de utilidad para identificar e investigar las tendencias de la carga de trabajo del laboratorio con un elevado grado de granularidad de los datos. El filtrado de los datos a través de los menús desplegables situados en la parte superior del panel del Volumen diario puede ser de utilidad para identificar las tendencias o anomalías en subconjuntos de datos específicos (por ejemplo, determinados casos de prioridad de muestras, tipo de muestras, etc.).
La estadística de la Distribución de la carga de trabajo puede ser útil para llevar un seguimiento del crecimiento o intensidad de trabajo del laboratorio respecto a periodos anteriores.
El cambio en la Demanda del laboratorio filtrado por tipo de análisis (p. ej. bioquímica clínica, hematología, etc.) se visualiza en el panel Volumen por tipo de análisis para el periodo de tiempo seleccionado. El volumen del laboratorio y el porcentaje del volumen total se visualizan en la tabla para cada tipo de análisis y para el periodo de tiempo actual y anterior. El volumen del laboratorio se registra por tipo de análisis a lo largo del periodo de tiempo actual y anterior en el gráfico de líneas correspondiente. Este gráfico de líneas puede ser de utilidad para identificar y realizar un seguimiento de las tendencias a corto y largo plazo o estacionales y de las anomalías en cuanto a la solicitud de patrones del tipo de análisis. Determinados tipos de análisis pueden tener gran impacto en los ingresos, y la Demanda de estos tipos de análisis puede servir para identificar los patrones de tendencias/ingresos.
Mientras la Productividad del laboratorio que es la relación entre las entradas y salidas del laboratorio. Se emplea como una medida de la
4 eficiencia y la eficacia con la que se aprovechan los recursos del laboratorio, y puede ser de utilidad como indicador del valor de la inversión del
laboratorio en tecnología.
El indicador de la Productividad se obtiene a partir de los datos de las solicitudes de análisis y de los resultados (deducidos del indicador de la Demanda).
El seguimiento de la Productividad mínima y máxima a lo largo del tiempo permite al laboratorio identificar:
- El impacto de los esfuerzos para mejorar la productividad del personal
- El alcance de las mejoras necesarias
- Como parámetro de productividad, especialmente si se mide en varias áreas del laboratorio.
El número de pacientes, muestras y análisis por Hora-empleado completado por el laboratorio durante un periodo de tiempo seleccionado se muestra en el gráfico de líneas dentro del panel Carga de trabajo por Hora-empleado. El número total de pacientes, muestras y análisis en el periodo de tiempo seleccionado se muestra como barras grises en el gráfico. El impacto que tienen los cambios de la Demanda sobre la Productividad puede conocerse a través de la monitorización del parámetro Carga de trabajo por Hora-empleado a lo largo del tiempo. Una Carga de trabajo por Hora-Hora-empleado estable (independientemente de los cambios en la carga de trabajo del laboratorio) puede indicar constancia en la Productividad del laboratorio. Las mejoras en la Productividad pueden tener un impacto positivo en el coste por análisis.
Podemos decir entonces que al implementarse el BI con una herramienta gratuito como es Power BI, se llevan a cabo mejoras en el procesamiento de los datos del laboratorio mostrando la información detallada con gráficos en tiempo real, para tener más transparencia y de esta manera anticiparse a problemas como evitar sobrecarga de trabajo ineficiencia en los procesos pre analíticos y Analíticos del Laboratorio. Los Laboratorios más grandes y competitivas no son las que más elementos físicos y/o activos físicos tienen
5 sino las que centralizan, depuran, analizan la información, generando conocimiento de apoyo a través de los indicadores para la toma de decisiones.
1.4 Objetivos de la investigación
1.4.1 Objetivo General.
¿De qué manera la Implementación de Power BI como solución de inteligencia de negocios Influye en el proceso de toma de decisiones de la Demanda y Productividad en el laboratorio central de la Fuerza área del Perú (FAP) de Lima-Perú?
1.4.2 Objetivos Específicos.
¿De qué manera la Implementación de Power BI como solución de inteligencia de negocios Influye en el proceso de toma de decisiones de la Demanda en el laboratorio central de la Fuerza área del Perú (FAP) de Lima-Perú?
¿De qué manera la Implementación de Power BI como solución de inteligencia de negocios Influye en el proceso de toma de decisiones de la Productividad en el laboratorio central de la Fuerza área del Perú (FAP) de Lima-Perú?
1.5 Aportes
2 MARCO TEÓRICO
2.1 Antecedentes de la investigación 2.1.1 Antecedentes Nacionales
Según (Córdova 2013), en su tesis de la Pontificia Universidad Católica Del Perú titulada “análisis, diseño e implementación de una solución de
inteligencia de negocios para el área de importaciones en una empresa comercializadora/importadora”; en la cual resume:
El presente proyecto de tesis consiste en analizar, diseñar e implementar una solución de inteligencia de negocios, que permita realizar el análisis a nivel gerencial del área de Importaciones y Logística dentro de una empresa que
6 comercializa e importa bienes y que tenga implantado un ERP para las operaciones dentro de sus diversos procesos de negocio. La solución consiste en una serie de elementos gráficos, flexibles y de acceso eficiente a los datos ofrecidos desde distintos orígenes; permitiendo con ello, lograr un análisis adecuado de los datos por volumen y distribuirlos por distintos filtros como fechas, ubicación geográfica, proveedores internacionales, entre otros y dar la facilidad a los usuarios para que interpreten mejor dicha información.
De igual modo, la solución permitirá a los usuarios de la alta dirección de las organizaciones de este tipo de empresas tomar mejores decisiones a nivel de gestión en relación a las compras de importación (Córdova 2013).
Así mismo concluye:
• Se cumple con el objetivo de realizar las coordinaciones necesarias con las áreas involucradas para el levantamiento respectivo y el correspondiente análisis del problema en la empresa de estudio. Se definieron las reglas del negocio, y se estructuraron las prioridades e indicadores claves que se fundamentarán en los reportes a elaborarse dentro de la solución.
Se analizaron y desarrollaron los requerimientos funcionales y no funcionales de cada área involucrada (Córdova 2013).
• La selección de una arquitectura adecuada permite el desarrollo de un sistema de manera rápida y organizada. Para el caso, se logra que el acceso a datos, la lógica de negocio y la interfaz gráfica sean componentes independientes, lo cual permite un sistema flexible y de fácil mantenimiento.
De esta forma si se desea por ejemplo cambiar base de datos por algún motivo, este cambio ocasionaría un impacto mínimo en los componentes. La correcta administración y ejecución de los componentes dentro de la fase de extracción como en la explotación garantizan la eficiencia para la captura los datos desde su origen hasta llevarlos hasta el repositorio del datamart (Córdova 2013).
• Se desarrolló el mapeo respectivo para la extracción, transformación y carga de todos los elementos correspondiente a los datamarts que incluyen la solución de inteligencia de negocios implementada. Se
7 definieron los lineamientos de comparación de arquitecturas y de
motores de búsqueda para que se obtenga el óptimo desempeño. El tiempo invertido en las etapas de análisis y diseño minimiza riesgos en la implementación y reduce pérdidas de tiempo, debido a que una acertada definición de funcionalidades permite que los cambios posteriores sean mínimos. Por ejemplo, si se hubiese realizado un análisis rápido y no concienzudo del diagrama de clases, se habrían presentado muchos problemas en la fase de construcción de la jerarquía de bloques, debido a la complejidad presentada (Córdova 2013).
• Cada fase del proyecto fue ejecutada sobre una base metodológica enfocando la gestión de alcance, calidad y tiempo de la metodología PMBOK. El uso de esta metodología para el manejo del proyecto de tesis y los conocimientos en la metodología de programación del ciclo de vida de Ralph Kimball hicieron que se enfoque correctamente las
necesidades y cambios dentro del entorno físico y técnico de la solución durante el proceso del mismo (Córdova 2013).
• El desarrollo de los procesos de extracción transformación y carga son los apropiados según la información requerida por el área.
• Se diseña un modelo dimensional adecuado según la cantidad y la profundidad de datos que requiere la organización y posee el datamart (Córdova 2013).
• Las ejecuciones de las consultas de los usuarios fueron debidamente empaquetados para su correcta configuración personalizándose según las necesidades de cada área. La interfaz de consulta es flexible para cada ejecución de los usuarios finales, pero existe una configuración inicial base para las consultas básicas la cual se mantiene almacenado como también la configuración de seguridad para el acceso pertinente de cada tipo de usuario (Córdova 2013).
Según (Savala y Inca 2016), en su tesis de la Universidad Autónoma del Perú titulada “Desarrollo de una solución de inteligencia de negocios para la mejora
del proceso de toma de decisiones en el área de administración tributaria de la municipalidad distrital de san bartolo”, que resume: La presente tesis trata sobre
el desarrollo de una solución de Inteligencia de Negocios, dicha herramienta nos permitirá mejorar el proceso de toma de decisiones en el área de Administración
8 Tributaria de la Municipalidad Distrital de San Bartolo, haciendo uso de la metodología de Ralph Kimball.
El área de Administración Tributaria de la Municipalidad Distrital de San Bartolo diariamente maneja grandes cantidades de información, pero debido a que su sistema actual no soporta el adecuado manejo de grandes volúmenes de información, se establece que en dicha área tiene el inconveniente de usar toda esa información que sirva de apoyo a la toma de decisiones de la gerencia. El proceso de obtención de los reportes es muy tardío y genera esfuerzo innecesario en el personal encargado de la obtención de los reportes solicitados por la gerencia.
Por lo antes mencionado es que se plantea el desarrollo de una solución de Inteligencia de Negocios, que nos permitirá reducir los tiempos en el proceso de obtención de los reportes y a su vez disminuirá el esfuerzo desplegado en dicho proceso.
En conclusión, la solución final nos mostrará una serie de reportes que permitirán al usuario visualizar el estado actual e histórico de las recaudaciones y las deudas, y en base a ello el gerente podrá tomar decisiones acertadas y plantear nuevas estrategias (Savala y Inca 2016).
Así mismo concluye:
• Se observa que se logró reducir el tiempo empleado para generar los reportes en el área de Administración Tributaria en un 96 % aproximadamente (Savala y Inca 2016).
• Se observa que se logró reducir en un 67 % aproximadamente el tiempo que el gerente de Administración Tributaria empleaba en el análisis de la información obtenida en los reportes (Savala y Inca 2016).
• Se observa que se logró incrementar en un 75 % aproximadamente el número de reportes generados al día (Savala y Inca 2016).
• Se observa que se logró incrementar en un 63 % aproximadamente el nivel de satisfacción del gerente de Administración Tributaria respecto al proceso de obtención de los reportes (Savala y Inca 2016).
9 • Con el desarrollo de la solución de Inteligencia de Negocios se logró mejorar el proceso de Toma de Decisiones en el área de Administración Tributaria de la Municipalidad de San Bartolo (Savala y Inca 2016).
• Se establecieron las condiciones claras de confidencialidad en el contrato con el proveedor del servicio en la Nube, donde se garantiza que la información almacenada no será sustraída ni interferida por terceros o personas ajenas al área de Administración Tributaria (Savala y Inca 2016).
Según (Rojas 2014), en su tesis de la Universidad de San Marín de Porres titulada “implementación de un data mart como solución de inteligencia de
negocios, bajo la metodología de ralph kimball para optimizar la toma de decisiones en el departamento de finanzas de la contraloría general de la república”; que resume: El proyecto surge por la necesidad de los usuarios del
Departamento de Finanzas de la Contraloría General de la República para acceder a información confiable de manera rápida. Al tener esta información disponible, los usuarios se pueden centrar en realizar el análisis desde diversos puntos de vista y determinar las acciones que crean conveniente para mejorar su gestión.
El procedimiento a realizar por los usuarios para acceder a esta información, es solicitar al Departamento de Tecnologías de la Información, la exportación de datos de la base de datos, luego, estos son proporcionados en un archivo Excel, y después, son depurados, ordenados, organizados y clasificados. El proceso desarrollado manualmente genera diversos problemas, tales como: dependencia del Departamento de Tecnologías de la Información, generación de información con una alta posibilidad de error (proceso manual), inversión de tiempo en procesos mecánicos e Información dispersa en archivos de Excel, dificultando la consulta de datos históricos.
El proyecto propone la implementación de una solución de inteligencia de negocios para el Departamento de Finanzas de la Contraloría General de la República, de modo que, esta herramienta automatice el procedimiento que ha sido explicado en el párrafo anterior, y que, en un entorno amigable, permita a los usuarios acceder a información de mejor calidad, más confiable, en menor
10 tiempo y en un repositorio que facilite acceder a información histórica (Rojas 2014).
Así mismo concluye:
• Se logró identificar los procesos que permiten llevar a cabo la toma de decisiones, admitiendo se realice un análisis de los requerimientos de la empresa (Rojas 2014).
• Se estudió el Departamento de Finanzas de la CGR, estableciendo de manera correcta, las medidas que se utilizan en la realización de reportes para la toma de decisiones (Rojas 2014).
.
• Se analizó y seleccionó los datos indispensables para el desarrollo la solución de inteligencia de negocios, lo que garantizó la validez y calidad de los mismos (Rojas 2014)
• Se construyó un modelo de datos OLAP, que permitió ejecutar las consultas, a partir de información previamente procesada, obteniendo como resultado la flexibilidad al usuario al realizar las diferentes consultas pre elaboradas. Además, se efectuaron las pruebas, para corregir los errores siguiendo la solución de inteligencia de negocios (Rojas 2014).
• Se diseñó las interfaces, mediante la herramienta QlikView para desplegar el cubo OLAP (Rojas 2014).
Según (Tuñoque y Vilchez 2016) en su tesis de la Universidad Señor de Sipan titulada “Aplicación de inteligencia de negocios haciendo uso del data
Warehouse 2.0 en la empresa constructora Beaver para mejorar el proceso de control de información de los centros de costos”, que resume: La presente Tesis
tiene por finalidad implementar una Aplicación de Inteligencia de Negocios utilizando Data WAREHOUSE para mejorar la Administración de Datos de los Centros de Costos de la empresa Constructora Beaver L & C S.A.C.
Actualmente la empresa no tiene una herramienta que permita analizar el historial de las liquidaciones, actividades de obra in situ, Resumen de Presupuestos de cada uno de los Centros de Costos que hay a nivel nacional.
11 A esto se le suma el desconocimiento de liquidez con que cuentan actualmente los Centros de costos y en forma general cuánto dinero se está manejando y gastando. No se tienen estadísticas de las operaciones de obra que se realizan en los centros de costos.
Por lo expuesto se plantea la siguiente interrogante: ¿De qué manera se puede desarrollar Inteligencia de Negocios para la administración de datos de los Centros de Costos de la empresa Constructora BEAVER L & C S.A.C?
La finalidad de esta investigación es: Implementar una Aplicación de Inteligencia de Negocios utilizando Data WAREHOUSE para mejorar la Administración de Datos de los Centros de Costos de la empresa Constructora Beaver L & C S.A.C. La hipótesis planteada es: Se aplicó Data WAREHOUSE para el desarrollo de Inteligencia de Negocios, mejorando así la administración de datos de los Centros de Costos en la empresa constructora BEAVER.
La elaboración de esta aplicación permitirá utilizar los datos almacenados en el tiempo (información histórica) con el fin de encontrar esquemas e indicadores que sirvan como fuente de consulta a la alta gerencia para tomar decisiones más acertadas el cual contribuyan alcanzar la misión y visión de la organización. La metodología se basa en el Ciclo de Vida Dimensional del Negocio de Kimball (Tuñoque y Vilchez 2016).
Así mismo concluye:
• Se analizó la situación interna de la empresa Beaver y se constató que cuenta con reportes de un sistema transaccional cuya valoración por la alta gerencia es de impacto bajo (Tabla 03), es decir que no tiene un aporte significativo como soporte o apoyo en la toma de decisiones, y con respecto (Tuñoque y Vilchez 2016).
• Se pudo constatar que los indicadores actuales de la empresa Beaver son Reporte de proveedores, gastos, ingresos, liquidaciones, actividades de obra in situ y su impacto es bajo en promedio para el apoyo en la toma de decisiones. Según la alta gerencia (Tuñoque y Vilchez 2016).
• Se aplicó el proceso ETL, el cual permitió desarrollar y obtener importantes indicadores como, por ejemplo: CUBO OLAP: Liquidaciones de Centros de costos por responsable; CUBO OLAP: Reporte de gastos totales; CUBO OLAP: Reporte Global de Liquidaciones de Centro de costos con Semáforo. Todos estos indicadores están catalogados por la
12 alta gerencia como excelentes por ser un soporte esencial para la toma de decisiones (Tuñoque y Vilchez 2016).
• Se organizó la información de las liquidaciones de los centros de costos basado en un modelo multidimensional desarrollando así una aplicación como es Inteligencia de Negocios, el cual permite mostrar indicadores en tiempo real cuyo impacto valorado por la alta gerencia es alto o excelente porque permite ser un buen apoyo o soporte para la toma de decisiones como, por ejemplo: realizar desembolsos urgentes a centros de costos cuya liquides esta por agotarse o agotado (Tuñoque y Vilchez 2016). • Finalmente se aplicó las interfaces basadas en código generado por
ASP.net, específicamente formatos con aspx, la cual muestra intuitivamente los reportes basados en cubos OLAP (Tuñoque y Vilchez 2016).
Según (Gutiérres 2014),en su tesis de la Universidad Peruana de Integración Global titulada “Implantación de business intelligence como mejora en la gestion
académica del área de coordinación académica de la upig, surco 2015”, que
resume: La presente investigación busca explicar en forma muy sencilla que es: “Business Intelligence” o “Inteligencia de Negocio”, su estructura y aplicaciones en la empresa.
Este Proyecto está orientado a universidad UPIG específicamente en parte académica el cual tendrá como herramienta para el desarrollo a SQL SERVER 2008R2.
Ya que en la institución en estudio no existe una aplicación gerencial que permita tomar decisiones mediante la visualización de información resumida y concreta. Este permitirá tener información a tiempo para ello se realizara un proyecto de inteligencia de Negocios.
La inteligencia de Negocios es el análisis de los datos de la empresa, mediante la cual se transforman en información estratégica para el apoyo de la toma de decisiones gerenciales, para ello brinda una serie de herramientas tecnológicas, de consultoría y estrategia.
Al contar con la información exacta, en tiempo real, es posible tomar las decisiones y correcciones necesarias antes de que se conviertan en problemas. Las empresas implementan la inteligencia de negocios para comprender y
13 analizar los patrones de comportamiento ingresos, Seguimiento Académicos de estudiantes y docentes, con el fin de identificar las oportunidades de crecimiento. Por lo tanto, cuanto más relevante y útil sea la inteligencia de negocios para la empresa, mejores serán las decisiones que se puedan tomar y mayor será su ventaja competitiva.
La orientación de las empresas va hacia sistemas que permitan unificar y administrar su información de manera inteligente.
La construcción de una aplicación de soporte a la toma de decisiones este implica la implantación de un Datamart que abarca un área específicamente como es la parte académica del estudiante de la universidad. Por lo tanto, la implementación de Datamart hacia la inteligencia de negocios se realizará en la plataforma SQL SERVER 2008R2 con Analysis Services.
El objetivo central de este trabajo, es dar una solución al problema de las necesidades de información para la toma de decisiones de las autoridades y Coordinadores de la UPIG que consiste realizar la implantación de Inteligencia de Negocios usando la plataforma SQL SERVER 2008R2.
Para el desarrollo de este proyecto se aplicó la técnica de investigación mixta, porque ésta consiste en la recopilación y tratamiento de datos. Los métodos de investigación que se utilizaron son de investigación analítico-sintéticos e inductivo-deductivos.
Las principales conclusiones arrojadas establecen que, Business Intelligence es la habilidad para transformar los datos en información, y la información en conocimiento, de forma que se pueda optimizar el proceso de toma de decisiones (Gutiérres 2014).
Así mismo concluye:
• Se demostró que con la ayuda de BI mejoro la creación de reportes (Gutiérres 2014).
• Se demostró que la ayuda de BI incremento la cantidad de tomas de decisiones en el mes (Gutiérres 2014).
• En la UPIG se obtendrán grandes beneficios al utilizarse el DataMart académico, puesto que se podrá analizar el comportamiento de los
14 estudiantes se podrá tomar mejores decisiones en cuanto al uso de los recursos (Gutiérres 2014).
• El desarrollo de los procesos de extracción, transformación y carga son los apropiados según la información requerida por los directores de carrera (Gutiérres 2014).
• El uso de los indicadores Académicos permitirá realizar el proceso de elaboración de las estrategias para mejorar las decisiones (Gutiérres 2014). 2.1.2 Antecedentes Internaciones
Según (Acosta y Flores 2015), en su tesis de la Universidad Católica de Colombia titulada “diseño e implementación de prototipo bi utilizando una
herramienta de big data para empresas pymes distribuidoras de tecnología”, que
resume: Hoy en día uno de los principales activos de las organizaciones es la información con la que se cuenta y el conocimiento de la misma. Esta se consolida a partir de datos de los clientes, proveedores, servicios, productos, competencia, etc. Pero ya no se trata solo de datos, las empresas normalmente tienen toda esta información en diferentes fuentes, por lo cual se requiere herramientas y estrategias que permitan extraerla y analizarla para obtener este importante activo para las empresas – el conocimiento.
La inteligencia de negocios – BI – “Es la habilidad para transformar los datos en información, y la información en conocimiento, de forma que se pueda optimizar el proceso de toma de decisiones en los negocios”1. El engranaje principal que le da fuerza a la máquina de BI es generar conocimiento a partir de datos en sistemas de información, que toda empresa tiene usualmente alojada en diversas bases de datos de la compañía. El análisis de la información se convierte en un factor decisivo para la toma de decisiones para las empresas. 1 SINNEXUS
En la actualidad, bajo el término Business Intelligence, “se reconoce como el valor de suministrar hechos e información como soporte a la toma de decisiones”2.
El termino Big data se define como – “la tecnología que se usa para administrar, recopilar y guardar los datos”3. Al tener toda la información de algo en particular
15 ya no se habla de un solo dato sino de un hecho que permite conocer y prever un momento basado en su análisis, un conocimiento preciso.
Al conocer la información de datos anteriores no se habla de pronosticar lo que va a suceder sino de adelantarse a hechos que se repiten con el tiempo.
Con este proyecto, buscamos generar un punto de partida mediante un prototipo que sirva de referente y como una propuesta de innovación para las pymes distribuidoras de tecnología que las proyecte a ser más competitivas en el mercado cada vez más exigente. Basándonos en estudios como los de computerworld – los 50 grandes de la informática - donde podemos ver el “crecimiento en el mercado de tecnología y la participación en el mismo que tienen las PYMES”4 (Acosta y Flores 2015).
Así mismo concluye:
Luego del diseño e implementación de este prototipo se puede
comprender como las empresas que utilicen la información para su análisis y generación de conocimiento toman una base del buen rumbo a tomar en el mercado ya que les permite poder apoyarse para tomar decisiones del mismo (Acosta y Flores 2015).
Destacando el papel primordial y fundamental que hace el Business Intelligence con el respaldando Big data en la aportación de conocimiento y en toma de decisiones. Con este modelo la empresa estaría en capacidad de saber en todo momento cuál es el estado de la fuerza de ventas, analizar la rentabilidad por marcas, productos, etc. Según sea la necesidad en su momento, les permitirá tener un poder de observar la empresa como un todo. Los Indicadores que se configuren como principales proporcionan alertas en el rendimiento de cada proceso que la empresa quiera aplicar, todo esto con el fin de llevar a la empresa a su crecimiento y manejo del mercado (Acosta y Flores 2015).
En el trayecto del desarrollo de la tesis buscamos que este prototipo sea una puerta de acceso a estos términos para cualquier negocio incluyendo las grandes empresas como las medianas, puesto que no sería necesario un gran presupuesto para su implementación, ni el uso sofisticado de aplicaciones. Siendo este uno de los más interesantes ítems que una solución Business Intelligence con la ayuda de una herramienta de Big data que permita a empresas tener las mismas capacidades y potencial
16 de rendimiento que un software más sofisticado, para que como en el caso de la empresa de ejemplo se puedan enfocar en otros aspectos como sería su producción y ventas (Acosta y Flores 2015).
Por otro lado, al realizar este proyecto permite conocer en más profundidad el concepto de Big data de la mano de Business Intelligence. Saber sus orígenes, qué conceptos se encuentran incluidos en él, las técnicas y diferentes herramientas, aplicación de todos estos conceptos y lo más importante la práctica hacia el reto de la laboral (Acosta y Flores 2015).
Se logra que la empresa donde se implementó tuviera un conocimiento
no solo de los términos manejados sino llegar a pensar en posibles cambios de estructura para que este recurso valioso como lo es la información sea de su apoyo diario y no sea visto como solo almacenamiento (Acosta y Flores 2015).
El éxito de este desarrollo es fundamentalmente, en el análisis por productos, marcas y clientes que la solución ofrece, reduciendo el elaborar informes a pocos pasos y tiempo. Además se obtiene una manera más dinámica para análisis de información clave para la organización y la generación de alertas posibles que impacten en los indicadores (Acosta y Flores 2015).
Según (Valera y Quispe 2015), en su tesis de la universidad Privada Antenor Orrego titulada “Solución de inteligencia de negocios en la nube bajo la
plataforma de microsoft azure y power bi para el proceso de ventas de la empresa book center s.a.c.”, que resume: Books Center librerías es el día de hoy
una empresa referente en el ámbito de venta de libros. Con más de 15 años de experiencia, Books Center se ha convertido en un espejo para otras muchas librerías por su sistema de gestión cuidado, moderno y fácilmente adaptable a las circunstancias del mercado, primando, antes, ahora y después, las necesidades del cliente, otorgándole a éste, la oportunidad de conseguir cultura al mejor precio.
La empresa Book Center S.A.C necesita mantenerse a la vanguardia de la tecnología para ser líder en el norte del País brindando una mejor atención a sus clientes con diagnóstico temprano y certero a la disposición oportuna de
17 información, permitiendo el mejor control y gestión de ellas. Es por ello que presentamos esta herramienta tecnológica; que permitirá brindar un soporte a las tomas de decisiones para la empresa con información confiable, precisa y oportuna.
Teniendo como problemática que los sistemas con los que cuenta la empresa, no fueron desarrollados con el fin de brindar síntesis, análisis, consolidación, búsquedas de datos y algunos datos se encuentran en diferentes fuentes. Los reportes que se emiten son entregados fuera de tiempo y, a la vez también son analizados fuera de fecha, lo que ocasiona un retraso en la toma de decisiones.
Ante este problema la solución que se propone solución de inteligencia de negocios en la nube bajo la plataforma de Microsoft Azure y Power BI para el proceso de ventas de la empresa que apoye a la Gerencia brindando información valiosa que dé soporte a la hora de tomar decisiones.
Para cumplir con esta necesidad, se utilizó la metodología de Ralph Kimball, SQL Server 2012, Microsoft Azure en la implementación del Data Mart dando como resultado el trabajo que se presenta en este proyecto. Permitiendo brindar un mejor análisis de los datos que maneja la empresa. Este análisis es dinámico, permite que los datos sean accesibles de la forma como el usuario piensa analizarlo. El Data Mart permite a la Gerencia desarrollar estrategias más efectivas (Valera y Quispe 2015).
Así mismo concluye:
Se elaboró el marco teórico respecto al trabajo evolutivo sobre la base de datos en la nube de Microsoft basada en soluciones de inteligencia de negocios (Valera y Quispe 2015).
Se determinó que el alcance del proyecto está en el área de Ventas obteniendo 10 requerimientos que la gerencia necesita, en base a las entrevistas (Valera y Quispe 2015).
Con el análisis de los requerimientos se logró identificar la jerarquía de los datos en cada consulta hecha por el usuario determinando el modelo de datos Starnet.(Ver pág. 55 y 56) (Valera y Quispe 2015).
Al realizar el diseño se identificaron 1 tablas hecho y 6 dimensiones (Valera y Quispe 2015).
18 La construcción del Datamart se realizó utilizando las herramientas de SQL Server 2012, como son SQL Server Data Tools (Business Intelligence Development) y Microsoft Azure (Valera y Quispe 2015).
Se realizaron las pruebas sobre los requerimientos a fin de garantizar el correcto funcionamiento del Datamart, estas pruebas se realizaron utilizando el Power BI en Excel 2013 (Ver Pág. 107) (Valera y Quispe 2015).
Según (Sanchez 2014), en su tesis de la Universidad Nacional Autónoma de
México titulada “análisis de información y toma de decisiones para
administración de negocios”, que resume: La presente tesis tiene como objetivo
mejorar la visión del negocio, en específico del área de Ventas, por medio del análisis de información, además de detectar por medio de indicadores la eficiencia del área. Esto es importante para la toma de decisiones en las empresas, ya que hoy día, pueden presentar pérdidas considerables por no interpretar de forma acertada las enormes cantidades de datos que generan, los cuales deberían de ser transformados en información relevante que ayude a mejorar la efectividad de la institución.
Las Tecnologías de Información (TI) forman un papel importante en la vida cotidiana. Se han convertido en parte importante de nuestra vida y por tanto impactan con fuerza a las industrias y grandes empresas; las cuales tienen que recurrir a nuevos métodos tecnológicos para poder satisfacer las necesidades de negocio.
Los sistemas de: Planificación de Recursos Empresariales, los de Administración de Relación con los Clientes y los de Recursos Humanos; son aplicaciones implementadas en las organizaciones que la mayoría de las ocasiones se encuentran desarrolladas en plataformas diferentes. A toda esta problemática, se le suman la producción de documentos impresos, archivos de diversas herramientas ofimáticas, entre otros, convirtiendo a las organizaciones en un mar de información, dificultando encontrar la información relevante para tomar decisiones en el proceso de negocio.
La Inteligencia de Negocios o Business Intelligence analiza la información de la organización a fin de generar escenarios, pronósticos y reportes que son suministrados a los ejecutivos y analistas para la toma de decisiones.
19 Entre las áreas en que el uso de las soluciones de inteligencia de negocios aporta beneficios encontramos: 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) y Manufactura (productividad en líneas, análisis de desperdicios, análisis de calidad, rotación de inventarios y partes criticas).
Los departamentos que se han enlistado son los más comunes, pero esto no delimita que sean los únicos, ya que en donde exista información, se puede implementar una solución de inteligencia de negocios.
Este trabajo está conformado por cinco capítulos. En el primero de ellos se presenta el marco teórico de la inteligencia de negocios. En el segundo capítulo se ilustran las diferentes etapas por las que debe pasar todo proceso de Data
Warehouse. En el tercer capítulo se muestra un ejemplo aplicando la
metodología descrita para la construcción de un sistema de inteligencia de negocios. En el cuarto capítulo se realiza las pruebas de usabilidad y los resultados del sistema de inteligencia de negocio. Finalmente, las conclusiones sobre la implementación de sistema (Sanchez 2014).
Así mismo concluye:
La presente tesis expuso la implementación de un sistema de Business
Intelligence, la cual puede ser aplicada a cualquier tipo de organización,
tomando como sistema fuente un Data Warehouse montado en una base de Datos Oracle 11.2.0.1.0 y una herramienta de análisis Oracle Business
Intelligence 11.1.1.6.0, el cual está basado en un Data Mart de Ventas. El
sistema demostró que, mediante un Dashboard, puede determinar la tendencia de la empresa con respecto al tiempo, y si esta va en aumentado en los últimos años (Sanchez 2014).
Se conoce, además, quienes son los diez clientes más importantes en la empresa por año, país y canal de venta, además de saber a detalle las ventas por año, cliente, país, canal de venta, promoción y producto. Por otra parte por medio de un KPI se puede conocer qué canales de venta están cumpliendo con el objetivo de ingresos anualmente (Sanchez 2014).
20 Se logró tener un sistema confiable que brinda la información necesaria para la toma de decisiones. El enfoque dado está dirigido al área de ventas, pero no obstante se puede implementar la misma para cualquier área en la que se requiera hacer análisis (Sanchez 2014).
El aprendizaje obtenido consta de poder ver los datos de otra manera, transformarlos en información que sea útil y proporcionarla en el momento que sea necesaria, quiénes toman decisiones en las organizaciones hoy en día han de tener, si quieren obtener ventajas competitivas, un acceso rápido y fácil a la información estratégica del negocio. La información estratégica confiable puede medirse y monitorearse con facilidad además de compartirse en toda la organización (Sanchez 2014).
Una desventaja que se percibió en la implementación del sistema de
Business Intelligence es el tiempo de respuesta de las consultas que
genera el modelo de datos, mientras los sistemas transaccionales crecen en volumen de información las consultas tardan más tiempo en resolverse (Sanchez 2014).
El futuro del Business Intelligence es prometedor ya que entre las tendencias destacan el Real Time BI ( Inteligencia de Negocios en Tiempo Real) que se refiere a la capacidad de proporcionar información sobre las operaciones de un negocio tan pronto como éstas ocurran, Big Data que conceptualiza el movimiento de grandes cantidades de información,
Mobile BI que proporciona la toma de decisiones desde cualquier lugar
por medio de las tecnologías móviles y Social Media que ayudara a realizar análisis de las redes sociales (Sanchez 2014).
Tecnológicamente hablando el área de Business Intelligence representa
un reto y una oportunidad para futuros ingenieros que deseen encontrar en los datos de las organizaciones información que cambie el futuro de las mismas (Sanchez 2014).
Según (Rodríguez 2017), en su tesis de la Universidad de Oviedo titulada “Metamodelo Para Integración De Datos Abiertos Aplicado A Inteligencia De
Negocios”, que resume: El sector público, en el cumplimiento de sus funciones,
genera, gestiona, sufraga y conserva una gran cantidad de información de calidad. Dicha información es potencialmente reutilizable tanto por los
21 ciudadanos como por las empresas. Esa información que obra en poder de las instituciones y administraciones públicas presenta un potencial económico y social enorme a la par que contribuye a la transparencia en la gestión pública y a la generación de confianza por parte de la ciudadanía.
La finalidad de las iniciativas open data consiste en hacer públicos los datos en poder de las administraciones públicas y el sector privado para que puedan ser posteriormente reutilizados con la finalidad de generar nuevos conocimientos y aplicaciones que, en muchos casos, añadirán un valor al dato primario y contribuirán a potenciar la innovación. Este reciente paradigma provee a las empresas de enormes oportunidades para sacar provecho de diversos tipos de datos que contribuyan a la toma de decisiones acertadas y por ende mayores posibilidades de éxito en un entorno tan competitivo.
La apertura de los datos conlleva beneficios para todos los que participan de ella: para los ciudadanos, para las empresas y para la propia administración. Para las empresas porque a partir de estos datos pueden diseñar y crear nuevos servicios y productos con los que se mejora su productividad y su competitividad; para los ciudadanos porque les permite estar mejor informados respecto a la gestión pública lo que contribuye a que tomen mejor sus decisiones; a la propia administración pública porque el hecho de proporcionar una mayor cantidad de información a sus ciudadanos permite a estos la búsqueda de soluciones a problemáticas para las cuales las instituciones no tienen tiempo ni recursos. El reto está en procesar cantidades enormes de datos y convertirlas en decisiones inteligentes y oportunas, por eso se hace necesario aprovechar esta importante oportunidad de crear valor al combinar y utilizar con eficacia conjuntos de datos de diversas fuentes.
La Ingeniería Dirigida por Modelos es una propuesta que se ha venido trabajando desde hace varios años por diversos autores que plantean el uso de modelos como eje fundamental en todo el ciclo de vida de un proyecto de software que reduce el tiempo y esfuerzo en el desarrollo. Este es el camino propuesto para la presentación de un metamodelo, materializado en un lenguaje de dominio especifico, que a partir de una fuente de datos abiertos captura, transporta, transforma y analiza datos, y finalmente permite visualizar información que apoya la toma de decisiones (Rodríguez 2017).
22 La arquitectura propuesta pretende contribuir al uso de los datos abiertos dispuestos por entes públicos o privados y proporcionar información valiosa para el apoyo de la toma de decisiones, sin embargo un aporte real dependerá de aspectos técnicos, semánticos y organizacionales (Rodríguez 2017).
Desde el punto de vista técnico, es necesario establecer parámetros comunes respecto a la información publicada, la calidad, el formato, las licencias, el procesamiento y la carga en cada sitio. Respecto a la semántica, el reto consiste en estandarizar los formatos y establecer un vocabulario de referencia estándar que las distintas administraciones pueden utilizar para facilitar la vinculación de los datos y ampliar el alcance a soluciones nacionales. Por último, desde el punto de vista organizativo, se requiere un fuerte liderazgo de la Administración pública para identificar cuáles son los datos que generan valor añadido, definir indicadores para medir y evaluar iniciativas y reconocer la importancia de los datos abiertos como motor de generación de beneficios económicos, la transparencia y la mejora de la interoperabilidad vertical y horizontal en las administraciones públicas (Rodríguez 2017).
La participación ciudadana real es esencial, la frustración y la falta de confianza en las instituciones en muchos países son altas, por lo que no es ninguna sorpresa cuando la gente expresa escepticismo respecto a que la apertura de los datos del gobierno contribuirá a solucionar problemas. Probablemente los problemas más difíciles de superar no son técnicos o semánticos, sino más bien aquellos relativos al entendimiento de que la información pertenece a todos y que el empoderamiento de las administraciones públicas es esencial para compartir su información con otros en este caso en particular actores de la cadena agroindustrial. En este sentido, la investigación sobre nuevos mecanismos que contribuyan a facilitar la búsqueda, extracción análisis y uso de datos abiertos es necesaria para aprovechar el potencial del Open Goverment Data (Rodríguez 2017).
23 Con la herramienta descrita es posible facilitar el uso de los datos abiertos disponibles por entes públicos y privados con el ánimo de aprovechar su potencial. Una de las necesidades más críticas del sector agroindustrial es consolidar la información. Los expertos consideran que el modelo podría ser una oportunidad y herramienta de cambio siempre y cuando los actores interesados la conozcan y participen activamente en su mejoramiento a partir de su experiencia. Una mejora de esta propuesta es la integración de los datos abiertos con datos propios de tal manera que el usuario pueda usar datos históricos y tomar decisiones a partir de la realidad de su quehacer y la realidad del ambiente en el que se desempeña (Rodríguez 2017).
En el capítulo 1 de este documento se plantearon un grupo de objetivos específicos, los cuales están estructurados con el fin de validar la hipótesis planteada, los mismos han sido cumplidos durante el desarrollo de esta tesis doctoral. Se presenta la contratación de los mismos (Rodríguez 2017).
Según (Oña 2013), en su tesis de la Universidad Central de Ecuador titulada
“Estudio Y Diseño De Un Modelo De Inteligencia De Negocios Empresarial Y Desarrollo De Un Caso De Estudio Con La Herramienta Oracle Bi”, que resume:
El proyecto planteado surge al ver como en la actualidad existen empresas que manejan gran cantidad de datos, pero a la hora de tomar decisiones, no tienen un alto grado de conocimiento que sirva como patrones de comportamiento para analizar y mejorar el desempeño de un negocio. Por esta razón se propone realizar el diseño de un modelo de Inteligencia de Negocios Empresarial junto al desarrollo de un ejemplo práctico como caso de estudio a través de la herramienta Oracle tanto para la base de datos como para el modelo de BI, y de esta manera facilite la realización de análisis tanto estratégicos como operativos a través del tiempo, permitiendo crear reportes dinámicos y ayudando a los directivos a mejorar la toma de decisiones así como el desempeño del negocio, agregándole valor a la empresa para que sea cada vez más competitiva y rentable (Oña 2013).
24 La solución de Inteligencia de Negocios planteada para el presente proyecto cumple con los requerimientos establecidos en la etapa de análisis y diseño del modelo siendo de gran importancia para obtener la información que el personal necesita y así tomar decisiones acertadas para el negocio (Oña 2013).
Para toda solución de Inteligencia de Negocios es importante conocer el proceso de negocio del cual se va a realizar un modelo, el cual soporte los requerimientos solicitados por los usuarios (Oña 2013).
Al realizar el presente caso de estudio utilizando la metodología de Ralph Kimball en conjunto con la metodología SCRUM el tiempo empleado en su realización se acorta debido a los avances cortos y a los prototipos realizados además que es posible obtener información en cuestión de días a causa de los prototipos presentados como avances (Oña 2013).
La solución de Inteligencia de Negocios permite a los usuarios visualizar la información a través de los reportes de la Herramienta de BI de una manera más segura, evitando errores al manipular los datos si se realizaran reportes manuales (Oña 2013).
2.2 Bases teóricas de las variables
2.2.1 Power BI
Es una colección de servicios de software, aplicaciones y conectores que funcionan conjuntamente para convertir orígenes de datos sin relación entre sí en información coherente, interactiva y atractiva visualmente. Tanto si se trata de una sencilla hoja de cálculo de Excel como de una colección de almacenes de datos híbridos locales o basados en la nube, Power BI le permite conectar fácilmente los orígenes de datos, visualizar
25 (o descubrir) lo más importante y compartirlo con quien quiera (Ccance 2017).
Figura 1 – Estructura de la herramienta de Power BI Fuente: (Ccance 2017).
Las partes de Power BI
Power BI consta de una aplicación de escritorio de Windows denominada Power BI Desktop, un servicio SaaS (software como servicio) en línea denominado servicio Power BI, y aplicaciones móviles de Power BI disponibles para teléfonos y tabletas Windows, así como para dispositivos iOS y Android (Ccance 2017).
26 Fuente : (Ccance 2017).
Ante este problema la solución que se propone solución de inteligencia de negocios en la nube bajo la plataforma de Microsoft Azure y Power BI para el proceso de ventas de la empresa que apoye a la Gerencia brindando información valiosa que dé soporte a la hora de tomar decisiones.
Para cumplir con esta necesidad, se utilizó la metodología de Ralph Kimball, SQL Server 2012, Microsoft Azure en la implementación del Data Mart dando como resultado el trabajo que se presenta en este proyecto. Permitiendo brindar un mejor análisis de los datos que maneja la empresa. Este análisis es dinámico, permite que los datos sean accesibles de la forma como el usuario piensa analizarlo. El Data Mart permite a la Gerencia desarrollar estrategias más efectivas. (Valera y Quispe 2015).
2.2.2 Business Intelliguence
Business Intelligence es un conjunto de conceptos, métodos, y tecnologías diseñadas para convertir los datos de una organización en información útil y, eventualmente, conocimiento. Con esta tecnología, cada miembro de la organización puede, en tiempo real, realizar análisis que se ajusten a sus necesidades para decidir líneas de actuación en función de los datos anteriores, o pronosticar de forma precisa resultados futuros (Rojas 2014).
SQL Server 2008 es una plataforma escalable de Business Intelligence optimizada para la integración de datos, elaboración de informes y análisis que hace posible poner al alcance de todos usuarios la inteligencia empresarial. (Criptoy, 2014).
Virtualización y consolidación de servidores: La virtualización de servidor, también conocida como virtualización de hardware, es un tema de plena actualidad en el mundo de IT debido a que permite reducir de manera drástica los costes y mejorar la agilidad de las organizaciones.
Consolidación de servidores SQL Server 2008 puede contribuir a reducir los costes de hardware y mantenimiento mediante una solución de consolidación de servidores flexible que aporta un rendimiento y una manejabilidad extraordinarios a las organizaciones. e. (Criptoy, 2014).
27 Conocida también como Business Intelligence (BI), se refiere a la recolección de información generada por los procesos de negocio. Esto incluye la tecnología usada en estos procesos y la información obtenida de los mismos. Las empresas normalmente recopilan información con el fin de determinar el entorno del negocio, y recopilan información de los estudios de mercado, las ventas, la industria y los competidores. Las organizaciones competitivas acumulan información con el fin de obtener gran ventaja competitiva y preservan esa información como capacidad de competitividad para algunas instancias.
La información que se recopila para la Inteligencia de Negocios es principalmente proveniente de fuentes internas, como son los trabajadores que intervienen en las ventas. La segunda fuente proviene de los clientes, los proveedores, la competencia y en general de las tendencias de la tecnología, la economía y la cultura.
La tecnología de Inteligencia de Negocios es el proceso que convierte los datos en información y luego en conocimiento. Las personas que participan de los procesos de negocio deben utilizar software y otras tecnologías que les permitan obtener, almacenar, analizar y permitir acceso a data, presentarla de manera simple y de manera manejable.
Las Inteligencias de Negocios normalmente usan indicadores claves de performance (KPI), que son métricas financieras y no financieras que permiten medir los objetivos e indicadores dependiendo del giro de la compañía.
Dentro de Inteligencia de Negocios los principales son los siguientes: - Balanced Scorecard
- Customer Relationship Management (CRM) - Business Process Re-engineering
- Datamining and Datawarehouses. - OLAP
- AQL - Associative Query Logic (Rojas 2015).
En el libro optaremos, como hemos avanzado en los Objetivos del libro, por el término anglosajón de Business Intelligence, ya que ha sido muy difundido y es comúnmente utilizado. La traducción más habitual es la de “Inteligencia de Negocio” (LLuis 2007).
28 El objetivo básico de la Business Intelligence es apoyar de forma sostenible y continuada a las organizaciones para mejorar su competitividad, facilitando la información necesaria para la toma de decisiones. El primero que acuñó el término fue Howard Dresner que, cuando era consultor de Gartner, popularizó Business Intelligence o BI como un término paraguas para describir un conjunto de conceptos y métodos que mejoraran la toma de decisiones, utilizando información sobre qué había sucedido (hechos) (LLuis 2007).
Mediante el uso de tecnologías y las metodologías de Business Intelligence pretendemos convertir datos en información y a partir de la información ser capaces de descubrir conocimiento (LLuis 2007).
Para definir BI partiremos de la defi nición del glosario de términos de Gartner6: “BI es un proceso interactivo para explorar y analizar información estructurada sobre un área (normalmente almacenada en un datawarehouse), para descubrir tendencias o patrones, a partir de los cuales derivar ideas y extraer conclusiones. El proceso de Business Intelligence incluye la comunicación de los descubrimientos y efectuar los cambios (LLuis 2007).
Las áreas incluyen clientes, proveedores, productos, servicios y competidores.” Pero descompongamos detalladamente esta defi nición:
• Proceso interactivo: al hablar de BI estamos suponiendo que se trata de un análisis de información continuado en el tiempo, no sólo en un momento puntual. Aunque evidentemente este último tipo de análisis nos puede aportar valor, es incomparable con lo que nos puede aportar un proceso continuado de análisis de información, en el que por ejemplo podemos ver tendencias, cambios, variabilidades, etc (LLuis 2007).
• Explorar: En todo proyecto de BI hay un momento inicial en el que por primera vez accedemos a información que nos facilita su interpretación. En esta primera fase, lo que hacemos es “explorar” para comprender qué sucede en nuestro negocio; es posible incluso que descubramos nuevas relaciones que hasta el momento desconocíamos (LLuis 2007).
• Analizar: Pretendemos descubrir relaciones entre variables, tendencias, es decir, cuál puede ser la evolución de la variable, o patrones. Si un cliente tiene una serie de características, cuál es la probabilidad que otro con similares características actué igual que el anterior (LLuis 2007).
