• Author / Uploaded
• Manuel Stev Velásquez Caro

Citation preview

UNIVERSIDAD NACIONAL DE SAN MARTÍN - T FACULTAD DE INGENIERÍA DE SISTEMAS E INFORMÁTICA ESCUELA ACADÉMICO PROFESIONAL DE INGENIERÍA DE SISTEMAS E INFORMÁTICA

PROYECTO DE INVESTIGACIÓN “IMPLEMENTACIÓN DE UNA SOLUCIÓN DE INTELIGENCIA DE NEGOCIO PARA LA TOMA DE DECISIONES EN EL ÁREA DE OBSTETRICIA / GINECOLOGÍA DE LA CORPORACIÓN MEDICA SAN MARTIN, PERÚTARAPOTO” Presentado por los Estudiantes:

ALVA CUEVA, GINO LUIZ ALDAZ MACEDO, JHENER FERNANDEZ SEIJAS, DIEGO ALAN PEREZ ZELADA, CESAR IVAN RENGIFO TUESTA, EDSON ARANTES TANTALEAN HERRERA, THALIA VELASQUEZ CARO, MANUEL Tarapoto – Perú 2015

2

ÍNDICE I.

DATOS GENERALES........................................................................................5 1.1.

Nombre del proyecto...................................................................................5

1.2.

Ubicación geográfica del proyecto..............................................................5

1.3.

Periodo de ejecución del proyecto..............................................................5

1.4.

Facultad que presenta el proyecto..............................................................5

1.5.

Ejes temático prioritarios y línea de investigación......................................5

II.

1.5.1.

Eje temático..........................................................................................5

1.5.2.

Línea de investigación..........................................................................5

PLANTEAMIENTO DEL PROBLEMA................................................................6 2.1.

Antecedentes del problema.........................................................................6

2.2.

Definición del problema...............................................................................7

2.3.

Formulación del problema...........................................................................8

2.4.

Justificación e importancia..........................................................................8

2.5.

Alcance y limitaciones.................................................................................9

2.5.1.

Alcance.................................................................................................9

2.5.2.

Limitaciones..........................................................................................9

III.

OBJETIVOS..................................................................................................11

3.1.

Objetivo general.........................................................................................11

3.2.

Objetivos específicos.................................................................................11

IV.

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

4.1.

Antecedentes de la investigación..............................................................12

4.2.

Definición de términos...............................................................................19

4.2.1.

Data mart............................................................................................19

4.2.2.

Datawarehouse...................................................................................20

4.2.3.

Inteligencia de Negocios.....................................................................20

4.2.4.

Información.........................................................................................20

3

4.2.5.

Toma de decisiones............................................................................20

4.2.6.

Sistema de soporte de decisiones(DSS)............................................21

4.2.7.

Data Warehouse.................................................................................21

4.2.8.

Dimensiones.......................................................................................22

4.2.9.

Métricas..............................................................................................23

4.2.10. Indicadores.........................................................................................23 4.2.11. Fact Table...........................................................................................23 4.2.12. Enfoque “Bottom-up”..........................................................................24 4.2.13. Enfoque “Top-down”...........................................................................25 4.3.

Bases teóricas...........................................................................................25

5.3.1.

Corporacion Médica San Martin.........................................................25

5.3.2.

Sistema integrado...............................................................................26

4.4.

Hipótesis....................................................................................................41

4.5.

Sistema de variables.................................................................................41

4.6.

Escala de medición...................................................................................42

V. METODOLOGÍA DE LA INVESTIGACIÓN......................................................43 5.1.

Tipo de la investigación.............................................................................43

5.2.

Nivel de la investigación............................................................................43

5.3.

Diseño de la investigación.........................................................................43

5.4.

Cobertura de investigación........................................................................43

5.4.1. 5.5.

Fuentes, técnicas e instrumento de investigación....................................43

5.5.1.

Fuentes...............................................................................................43

5.5.2.

Técnicas..............................................................................................43

5.5.3.

Instrumento.........................................................................................44

5.6. VI.

Población y muestra...........................................................................43

Procedimiento y presentación de datos....................................................44 ASPECTOS ADMINISTRATIVOS.................................................................46

4

6.1.

Cronograma de actividades......................................................................46

6.1.1.

Recursos humanos.............................................................................47

6.1.2.

Recursos materiales...........................................................................47

6.1.3.

Recursos técnicos..............................................................................47

6.2.

Presupuesto o costo del proyecto.............................................................47

6.3.

Financiamiento..........................................................................................48

VII.

REFERENCIAS BIBLIOGRÁFICAS.............................................................49

5

I. I.1.

DATOS GENERALES

Nombre del proyecto

Implementación de una solución de Inteligencia de Negocio en la toma de decisiones en el área de Obstetricia / Ginecología de la Corporación Médica San Martin, Perú- Tarapoto. I.2.

Ubicación geográfica del proyecto Distrito de Tarapoto.

I.3.

Periodo de ejecución del proyecto La ejecución es de 4 meses: De Abril del 2016 a Julio del 2016.

I.4.

Facultad que presenta el proyecto Facultad de Ingeniería de Sistemas e Informática de la Universidad Nacional de San Martin.

I.5.

Ejes temático prioritarios y línea de investigación I.5.1. Eje temático Tecnología de información y comunicación TIC. I.5.2. Línea de investigación Desarrollo de software y toma de decisiones.

6

II. II.1.

PLANTEAMIENTO DEL PROBLEMA

Antecedentes del problema La “Corporación Médica San Martín” se encuentra ubicada en la ciudad de Tarapoto – Perú, inicia sus servicios en el 2000 con dos especialidades básicas, ha incorporado recursos humanos especializados y tecnologías en forma progresiva a fin de consolidad su compromiso de brindar la mejor atención médica a la comunidad. La empresa cuenta con ocho áreas definidas:

II.2.



Administración



Almacén



Marketing



Farmacia



Logística



Enfermería



Contabilidad



RRHH

Definición del problema Hoy en día la gran cantidad de información que se maneja en las organizaciones a través de los sistemas transaccionales genera la necesidad de implementar una solución inteligente de negocio para la correcta toma de decisiones que permite cumplir con la misión y visión de la organización. Con el levantamiento de información realizada en La Corporación Medica San Martin Perú-Tarapoto se concluye que cuenta con un Business Intelligence que no satisface las necesidades del nivel operativo; ya que, ellos necesitan controlar la información de su paciente y su tipo de paciente que se realizan en dicha corporación. Así como, contemplar la satisfacción

7

de los pacientes atendidos demostrando el interés a través una buena atención garantizando su pronta recuperación. Por todo lo anteriormente mencionado se evidencia que el control de pacientes mujeres, historias clínicas de la satisfacción de sus pacientes con su atención y buenos resultados brindaos para su salud de pacientes de la Corporación Medica san Martin Perú – Tarapoto lo cual se requiere medir en base a indicadores que nos permite tomar decisiones estratégicas e inteligentes al respecto. II.3.

Formulación del problema ¿En qué medida la implementación de una Solución de Inteligencia de Negocio influenciará en la toma de decisiones en La Corporación Medica San Martin Del Perú –Tarapoto?

II.4.

Justificación e importancia El proyecto de investigación a desarrollarse en la empresa “Corporación Médica San Martin – CORPOMEDIC”, se integra una solución de almacenamiento y procesamiento de enormes cantidades de datos e información para transformarla en conocimiento y decisiones en tiempo real a través de una fácil explotación. Además se refiere al uso de la tecnología para recolectar y usar efectivamente la información a fin de mejor los procesos del negocio.

II.5.

Alcance y limitaciones II.5.1. Alcance El desarrollo del proyecto tiene como alcance implementar una solución de Inteligencia de Negocio que influya en la toma de decisiones del área de ginecología de la corporación clínica san Martin del Perú – Tarapoto. II.5.2. Limitaciones 

Déficit al acceso de fuentes de información que se están desarrollando en el Corporación Medica San Martin del Perú.

8



Carencia de recursos económicos para la realización del proyecto

 

de BI. Resistencia al cambio por parte del personal. El personal no está familiarizado con la tecnología Business Intelligence.

III. OBJETIVOS III.1.

Objetivo general Implementar una Solución de Inteligencia de Negocio para medir su influencia en la toma de decisiones en el área de atención al paciente en la Corporación Medica San Martin, Perú –Tarapoto.

III.2.

Objetivos específicos 

Diagnosticar el actual proceso de toma decisiones la Corporación Medica San Martin, Perú - Tarapoto.



Diseñar e implementar una solución de Inteligencia de Negocio para los procesos de atención al paciente en la Corporación Medica San Martin Perú – Tarapoto.



Integración Unificada en Tiempo Real.



Analizar las incidencias de la Solución Inteligente implementada en la Corporación Médica San Martín – CORPOMEDIC.



Comparar si el modelo de BI a implementar se relaciona con la toma de decisiones en la Corporación Medica San Martin del Perú.

9

IV. MARCO TEÓRICO CONCEPTUAL IV.1.

Antecedentes de la investigación En el proyecto de investigación “DISEÑO DE LA ARQUITECTURA DE UN DATAMART

COMO

VENTAJA

COMPETITIVA

EN

EL

MERCADO

TURISTICO REGIONAL DE LA EMPRESA HOTELERA CUMBAZA” se concluye lo siguiente: 

Para la identificación del problema y las necesidades que este provisiona es necesario realizar un estudio detallado del contexto y entorno, en este caso de la empresa hotelera Cumbaza, las cuales permitirán obtener información valiosa de la situación actual de la empresa y las insuficiencias que posee. Generando factores claves para el desarrollo del proyecto. En esta fase se debe poner un gran esfuerzo y cuidado para definir y

establecer parámetros para un buen

planteamiento. 

La implementación de la arquitectura propuesta proporciona una mejor administración y control de acuerdo a sus requerimientos y de los datos existentes.



Existe gran importancia hoy en día en las organizaciones donde manejan volúmenes de datos, la implementación sistemas de orientados al análisis en las consultas que

permiten que los procesos de los

mismos sean de manera rápida y eficiente de manera que facilitan la generación de respuestas en tiempo oportuno. En

el

proyecto

“DESARROLLO

DE

UNA SOLUCIÓN

BUSINESS

INTELLIGENCE EN UNA EMPRESA DEL SECTOR SALUD” se concluye lo siguiente: 

En las empresas es necesario disponer de información fiable sobre la que poder apoyarse para tomar decisiones que a diario se convierten en

10

la base del buen rumbo que han de tomar en la sociedad. A este respecto cabe destacar el papel fundamental que juega Business Intelligence en respaldar la aportación de información fiable que ayude en la toma de decisiones. Saber en todo momento cuál es el estado de la fuerza de servicios, analizar la rentabilidad por clientes y productos, poder observar la empresa como un todo, con unos indicadores principales que proporcionan alertas en el rendimiento de cada área conduce, o mejor dicho, ayuda a conducir a buen puerto el negocio. 

Los desafíos de negocio son similares tanto para las grandes empresas como para las medianas, pero estas últimas cuentan con un presupuesto inferior para afrontarlos. Es por esto que una solución Business Intelligence para una pequeña o mediana empresa debe ofrecer las mismas capacidades y potencia de rendimiento con las que trabajan las grandes compañías, pero a un coste mucho menor y con un bajo impacto dentro de la organización.



Por otro lado, la realización de este proyecto de final de carrera me ha permitido

conocer

en

más

profundidad

el

concepto

Business

Intelligence. Saber sus orígenes, qué conceptos se encuentran incluidos en él, las técnicas y diferentes herramientas, etc. Todos estos conceptos que en práctica ya conocía debido a mi experiencia profesional, pero que siempre es gustoso saber sus orígenes y las teorías y expertos en la materia que hay detrás de toda tecnología o productos software. (Contel Rico, 2008) En el proyecto de investigación “ANÁLISIS, DISEÑO E IMPLEMENTACIÓN DE

UN

DATAMART

PARA

EL

ÁREA

DE

SISMOLOGÍA

DEL

DEPARTAMENTO DE GEOFÍSICA DE LA ESCUELA POLITÉCNICA NACIONAL” se concluye lo siguiente: 

En la actualidad existen muchas y mejores herramientas tanto de libre difusión como registradas para utilizarlos en soluciones Data Mart.

11



Los datos se filtran cuando pasan desde el ambiente operacional al de depósito Data Mart. Existen muchos datos que nunca salen del ambiente operacional. Sólo los datos que realmente se necesitan ingresarán al ambiente de Data Mart.



El horizonte de tiempo de los datos es muy diferente de un ambiente al otro. La información en el ambiente operacional es más reciente con respecto a la del Data Mart. Desde la perspectiva de los horizontes de tiempo

únicos,

hay

poca

superposición

entre

los

ambientes

operacionales y de Data Mart. 

El Data Mart contiene un resumen de la información que no se encuentra en el ambiente operacional.



Los datos experimentan una transformación fundamental cuando pasa al Data Mart. La mayor parte de los datos se alteran significativamente al ser seleccionados y movidos al Data Mart. Dicho de otra manera, la mayoría de los datos se alteran física y radicalmente cuando se mueven al depósito. No son los mismos datos que residen en el ambiente operacional desde el punto de vista de integración. (Vizuete Naranjo & Yela Shinin, 2006)

En el proyecto “SISTEMA WEB DE INTELIGENCIA DE NEGOCIOS PARA EL APOYO EN LA GESTIÓN Y TOMA DE DECISIONES, APLICANDO DATA MARTS EN LAS ÁREAS DE IMPORTACIÓN Y VENTAS DE LA EMPRESA CUPIDO IMPORT S.A.” se concluye lo siguiente: 

La implementación de un sistema web en conjunto aplicando inteligencia de negocio en la empresa Cupido Import S.A, permitirá que los datos sean mejor analizados y fluyan de una forma cruzada y controlada desde donde se producen las transacciones del día a día de la

12

organización, hasta convertirlas en información y conocimiento que permiten a los usuarios finales tomar mejores y efectivas decisiones. 

La empresa produce a diario una gran cantidad de datos que son actualizadas en el día a día de su operación, pero estos son solo datos que necesitan ser analizados, clasificados, y trabajar solo con datos relevante que puedan ser útiles para la toma de decisiones, es por ello que en el proyecto el objetivo es alcanzar el análisis de solo datos relevantes y de interés para la toma de decisiones que serán extraídos de la base de datos transaccional de la empresa y almacenados en un Data Mart específico.



Haciendo uso de tecnologías apropiadas y con la correcta selección e implementación de herramientas de inteligencia de negocios, se enfocará la construcción de un DataMart conectadas a herramientas web, que podrán sectorizar la información en la empresa y trabajar solo en áreas específicas que necesitan mayor atención a la solución de problemas. Además el diseño e implementación del DataMart se construirá de acuerdo a las políticas internas y requerimientos necesarios de la empresa, con la finalidad de brindar grandes beneficios al utilizar herramientas de inteligencia de negocios conectadas a la implementación del DataMart, puesto que se podrá analizar el comportamiento de los datos sólo en las áreas de importación y ventas y por ende se podrá tomar mejores decisiones en cuanto al uso de los recursos y el enfoque al crecimiento de la empresa.



Con la presente propuesta se pretende mostrar a la empresa los beneficios que resulta de implementar herramientas de inteligencia de negocios que analicen datos almacenados en un DataMart, los mismos que serán mostrados una aplicación Web que servirá a la empresa para la buena toma de decisiones a nivel administrativo o gerencial. También la aplicación web permitirá usar el servidor de la empresa, para conectarse desde cualquiera de las 18 empresas de toda la corporación a nivel nacional, con la finalidad de reflejar su importancia en dar solución a los requerimientos y necesidades de información de la

13

empresa, recibiendo preguntas y dando respuestas para la toma de decisiones. (Mori Lópes, s.f.) En el proyecto “Implantación En Una Empresa De Un Sistema Business Intelligence SAAS / On Demand A Través De La Plataforma Litebi “se llega a las siguientes conclusiones: 

Se puede asegurar que se cumplieron los objetivos propuestos y además se dotó a la empresa de un sistema de inteligencia de negocio fácil, potente y asequible. Esta implantación ha servido para observar y corroborar de primera mano la gran utilidad de estos sistemas en las organizaciones así como mostrarlo como escaparate para posibles futuras implantaciones, ya que se trata de un caso de éxito claro.



En la solución se han aprovechado todas las capacidades y las herramientas de las que dispone Litebi en la actualidad, siendo posible mayor funcionalidad en un futuro, aumentando así la inteligencia de negocio de la organización. Se ha demostrado la potencia de acceso a la información, al acceso a los cubos y al diseño de informes, y lo más importante, las posibilidades de acceso vía portal web a toda la información. CECAV quedó totalmente satisfecha de la usabilidad, fiabilidad y robustez que ha ofrecido esta tecnología. Los usuarios destacaron sobre todo la rapidez y la calidad de los informes generados (destacando enormemente los informes a nivel geográfico), así como un aumento de la comunicación por parte de los diferentes laboratorios con la dirección del centro.



Gracias a esta solución se eliminó completamente la dependencia de los anteriores sistemas heterogéneos de reporte, integrando toda la información de los análisis de los laboratorios de la organización en un único lugar, más potente, rápido, sencillo y fiable. Además cabe destacar la escalabilidad de la solución, que permitirá en un futuro de una forma sencilla, disfrutar del sistema a otros departamentos, si se diera el caso,

14

así como a otras áreas de la corporación (finanzas, administración… etc.). 

A nivel personal y profesional debo decir que este proyecto me ha aportado muchos conocimientos y muchas ganas de seguir por el camino de la inteligencia de negocios, ya que me ha parecido realmente apasionante. Este proyecto me ha permitido jugar diferentes roles a lo largo de su desarrollo, tanto técnicos como empresariales, adquiriendo una experiencia que pienso que me será realmente útil en mi futuro profesional.

En el proyecto de investigación “DISEÑO DE UN DATAMART PARA SEGUROS MASIVOS” se llegó a las siguientes conclusiones: 

La implementación de un proceso de inteligencia de negocio en una empresa, permite que la información fluya de una forma ordenada y controlada desde donde se producen las transacciones del día a día de la organización, hasta convertirlas en información y conocimiento que permiten a los usuarios finales tomar mejores y efectivas decisiones.



Hermes Asesores obtendrá grandes beneficios al utilizar el datamart, puesto que se podrá analizar el comportamiento de la cartera de clientes, el crecimiento de asegurabilidad por año, primas netas, primas brutas, etc. Por ende, se podrá tomar mejores decisiones en cuanto al uso de los recursos e incentivos al personal.



La creación del presente datamart permitirá la integración de la información para las diferentes áreas de Hermes as mismas que contribuirán con la optimización en la operatividad reduciendo el tiempo en el proceso, por lo tanto se disminuyen costos.



Los usuarios contarán con información real y oportuna, sin que exista la dependencia de otra aplicación, siempre y cuando guarden los debidos controles de seguridad y acceso a la información.

15



Es importante la correcta definición de las jerarquías de las dimensiones del modelo de la base de datos, ya que de lo contrario se podría obtener data incompleta y/o errónea de la explotación de los cubos, lo cual se solucionaría mediante el re-modelamiento de la base de datos y volver a desarrollar tanto los cubos como los reportes. (Coronel Orihuela, 2012)

En el proyecto de investigación “IMPLEMENTACIÓN DE UN DATAMART COMO UNA SOLUCIÓN DE INTELIGENCIA DE NEGOCIOS PARA EL ÁREA DE LOGÍSTICA DE TIMPULSO” se concluye lo siguiente: 

Mediante procesos de extracción, transformación y carga de data histórica, de forma automática se obtuvo un repositorio (DataMart) que permitirá la explotación eficiente de la información.



El DataMart permitirá apoyar al área de Logística en la toma de decisiones, a través de la entrega oportuna y relevante de información.



La implementación de un DataMart reduce el tiempo en la elaboración de los reportes tanto al área de logística como al área de Informática, no se necesita tener demasiado conocimiento de los datos almacenados.



El DataMart se constituyó en una herramienta que nos ayuda a la elaboración de reportes y con ello a la toma de decisiones sobre el área de Logística de la empresa T-Impulso. (Yalan Castillo & Palomino Paniora, 2012)

En el proyecto “INTELIGENCIA DE NEGOCIOS: UNA PROPUESTA PARA SU DESARROLLO EN LAS ORGANIZACIONES” se concluye lo siguiente: 

En la obra se ha podido apreciar el método para plantear y desarrollar un sistema de Inteligencia de Negocios, a partir de comprender un perfil que describe su naturaleza. Al apreciar los atributos de la Inteligencia de Negocios se aprecia que esta no reemplaza a las Tecnologías de la Información convencionales. Sino que más bien, convive con ellas e integra a las Tecnologías del Conocimiento en un marco organizado jerárquicamente en campas de proceso.

16



La de Inteligencia de Negocios se nutre de un marco conceptual interdisciplinario, en donde conviven disciplinas Administrativas con las Ingenierías de Software y del Conocimiento. Cada una de ellas aporta los métodos, técnicas y herramientas que en conjunto contribuyen a proveer los elementos adecuados a la toma de decisiones ejercida por los niveles estratégicos y tácticos.



La Ingeniería de Sistemas usada en la construcción del prototipo de Inteligencia de Negocios, permite comprender las cuatro etapas que dan vida a una aplicación. Es por ello que los capítulos 3 al 6 se dedicaron a presentar las actividades realizadas y los resultados arrojados en las cuatro etapas. Así mismo, en ejemplo desarrollado, se compartieron los elementos logísticos que pueden ser aprovechados para el desarrollo de proyectos semejantes y de mayor complejidad.



En lo concerniente a los Almacenes de Datos, estos repositorios de información representan la plataforma para emitir los análisis de datos y explotación de conocimiento a cargo de los procesos especializados como OLAP. Con respecto a la capa de consulta, esta constituye como la herramienta que produce los elementos de información necesarios para la toma de decisiones. Así mismo, al incorporar el nivel de administración de conocimiento, se puede sistematizar la toma de decisiones rutinarias a partir de la información seleccionada del almacén.



Actualmente la tendencia de diseño y operación de los sistemas de información, como también los propios de la Inteligencia de Negocio, es orientada al ambiente de la Internet. Para tal fin, se requiere de la infraestructura de recursos y procedimientos a efecto de publicar información con las reservas de seguridad en el acceso a los usuarios, a cambio de facilitar la recuperación de información desde cualquier parte del mundo. (Peña Ayala, 2008)

17

IV.2.

Definición de términos IV.2.1. Data mart Es

una

base

de

datos

departamental,

especializada

en

el

almacenamiento de los datos de un área de negocio específica. Se caracteriza por disponer la estructura óptima de datos para analizar la información al detalle desde todas las perspectivas que afecten a los procesos de dicho departamento. IV.2.2. Datawarehouse 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.

IV.2.3. Inteligencia de Negocios Es una estrategia empresarial que persigue incrementar el rendimiento de la empresa o la competitividad del negocio, a través de la organización inteligente de sus datos históricos (transacciones u operaciones diarias), usualmente residiendo en Data Warehouse corporativos o Data Marts departamentales.

IV.2.4. Información

18

Es un conjunto de datos con un significado, o sea, que reduce la incertidumbre o que aumenta el conocimiento de algo. En verdad, la información es un mensaje con significado en un determinado contexto, disponible para uso inmediato y que proporciona orientación a las acciones por el hecho de reducir el margen de incertidumbre con respecto a nuestras decisiones.

IV.2.5. Toma de decisiones Una decisión es un juicio o una elección entre dos o más opciones, y es algo que surge en innumerables situaciones, ya sea para solucionar un problema, ya sea para aplicar una medida. Por definición, los directivos han de saber tomar decisiones. IV.2.6. Sistema de soporte de decisiones(DSS) Es un sistema interactivo provisto de programas y herramientas, para ayudar a los responsables de la toma de decisiones a utilizar tecnologías de comunicaciones, datos, documentos, conocimiento y/o modelos para identificar y resolver problemas, para completar tareas del proceso de decisión, y para tomar decisiones. Es una amplia área de análisis que sirve para que la gente examine datos a fin de tomar decisiones, ya sean grandes o pequeños, sobre los negocios de sus compañías.

IV.2.7. Data Warehouse Es un repositorio de información extraída de otros sistemas corporativos, sean estos sistemas transaccionales, bases de datos departamentales, o Intranet de la compañía, a la que los hombres de negocios de la empresa pueden acceder.

19

Los sistemas Data Warehouse están orientados a procesos de consultas en contraposición con los procesos transaccionales, sus tablas pueden no estar normalizadas y se admite redundancia en los datos. Mejor dicho, la Data Warehouse es un sistema, no un producto, en el que se almacenan datos. Es una técnica para consolidar y administrar datos de variadas fuentes con el propósito de responder preguntas de negocios y tomar decisiones, de una forma rápida. Una Data Warehouse se vale de una base de datos relacional diseñada para el acceso rápido y análisis y no al proceso transaccional. La Data Warehouse separa la carga del análisis y normalmente contiene datos históricos derivados de datos transaccionales. Sus principales características son: 

Orientado hacia información relevante de la organización



Datos integrados



Variable en el tiempo



No Volátil

IV.2.8. Dimensiones Son los diferentes puntos de vista por los que queremos analizar la información. Las dimensiones contienen los diversos atributos que queremos analizar, además se estructuran en forma jerárquica, conforme a diferentes niveles de detalle. Las tablas de dimensiones se construyen con todos los atributos que incluyen de una forma desnormalizada y con una clave que identifica el mínimo nivel dimensiones:

de

detalle. Podemos distinguir varios tipos de

20



Dimensiones normales: aquellas que agrupan diferentes atributos que están relacionados por el ámbito al que se refieren (todas las características de un cliente, los diferentes componentes de la dimensión tiempo, etc).



Dimensiones causales: son atributos que pueden causar cambios en los procesos de negocio (por ejemplo, la dimensión promoción en el proceso de negocio de ventas).



Dimensiones

heterogéneas:

que

agrupan

conjuntos

heterogéneos de atributos, que no están relacionados entre sí. 

Dimensiones roll-up: es un subconjunto de otra, necesarias para el caso en que tenemos tablas de hechos con diferente granularidad (ver la entrada anterior del blog).



Dimensiones Junk: agrupa indicadores de baja cardinalidad como pueden ser flags o indicadores.

IV.2.9. Métricas Son valores que recogen el proceso de una actividad o los resultados de la misma y son usados por los analistas en sus query’s para medir la performance del comportamiento de un proceso o un objeto del negocio. Las medidas candidatas son los datos numéricos, pero no cada atributo numérico en una medida candidata. Estas medidas proceden del resultado de la actividad de negocio. 

Métricas de realización de actividad: miden la realización de una actividad. Por ejemplo, la participación de una persona en un evento.

21



Métricas de resultado de una actividad: recogen los resultados de una actividad. Por ejemplo, la cantidad de unidades vendidas

IV.2.10. Indicadores Es una variable dimensional unitaria, expresada como un cociente, que correlaciona dos variables cualesquiera. A través de este concepto es posible relacionar diversas variables presentes en los procesos de una empresa.

Ejemplo:

N°

Ciclos/Hora,

LtsComb,

/Maquina.

La

importancia de un indicador radica en la particularidad de informar al usuario el estado actual del sistema. Revelar el estado del sistema, nos permitirá tomar decisiones preventivas o correctivas de acuerdo a los resultados de las comparaciones entre el valor esperado y el valor obtenido del sistema. IV.2.11. Fact Table Los hechos son los indicadores de negocio que dan sentido al análisis de las dimensiones. Las tablas de hechos incluyen los indicadores asociados a un proceso de negocio en concreto y las claves de las dimensiones que intervienen en dicho proceso, en el mínimo nivel de granularidad o detalle. Podemos tener varios tipos de tablas de hechos: 

Transaction fact tables: representan eventos que suceden en un determinado espacio-tiempo. Se caracterizan por analizar los datos con el máximo detalle. Reflejan las transacciones relacionadas con nuestros procesos de negocio (ventas, compras, inventario, contabilidad, etc).



Factless fact tables: no tienen medidas y representan la ocurrencia de un evento determinado. Por ejemplo, la asistencia a un curso puede ser una tabla de hechos sin métricas asociadas.

22



Periodic snapshot fact tables: son tablas de hecho usadas para recoger información de forma periódica a intervalos de tiempo regulares sobre un hecho. Nos permiten tomar una foto de la situación en un momento establecido (por ejemplo, al final del día, de una semana o de un mes). Un ejemplo puede ser la foto del stock de materiales, al final de cada día.



Accumulating snapshot fact table: representan el ciclo de vida completo de una actividad o proceso, que tiene un principio y final. Suelen representar valores acumulados.



Consolidated fact tables: tablas de hechos construidas como la acumulación, en un nivel de granularidad o detalle diferente, de las tablas de hechos de transacciones.

IV.2.12. Enfoque “Bottom-up” El enfoque Bottom-up, establece que el desarrollo de una solución de inteligencia de negocios debe partir por el desarrollo de los Data Marts y que el conjunto de estos se constituyen en la Data Warehouse. IV.2.13. Enfoque “Top-down” El enfoque Top-down, establece que el desarrollo de una solución de inteligencia de negocios debe partir por el desarrollo del Data Warehouse que deriva en la Data Marts. IV.3.

Bases teóricas 5.3.1. Corporación Medica San Martin del Perú. La Corporación Medica San Martin Del Perú nació en el año 2004 su fundador desde sus inicios fue el DR Augusto R. Llontop Reátegui

23

que empezó

creando un consultorio médico, luego paso a ser un

policlínico y posteriormente

paso a ser una

corporación medica;

gracias al esfuerzo intenso de los trabajadores que se identifican con su institución. Ante el actual mercado mundial competitivo estamos obligados a tomar una posición innovadora para comunicar a nuestro público lo que hacemos, como servimos y cómo nuestros médicos y trabajadores se dedican a ello con calidad. Deseamos que la información y el servicio lleguen a nuestro público en forma rápida y oportuna, facilitando de esta manera la reserva de citas médicas, el envió de reclamos con la finalidad de mejorar nuestros procesos, y sobre todo que nuestros clientes conozcan los elementos tecnológicos que poseemos, además de las promociones exclusivas que beneficien a vuestras familias.

La misión del Corporación Medica San Martin en sus 12 años dentro de la comunidad samartinense

es ser una de las mejores

corporaciones, siempre a servicio de la sociedad samartinense, que representa y agrupa a los médicos profesionales del Perú, de todas las especialidades, que cautela y preserva el comportamiento ético de sus médicos, y debe asegurar al región y al Perú que es

una de las

mejores clínicas en cuanto a salud y que cuenta con profesionales especializados, competitivos ,de calidad y ética, que influyen como base fundamental en el proceso de desarrollo de la nación. La misión de la Corporación Medica San Martin es ser reconocida como una institución sólida, que patrocina el manejo eficiente del conocimiento y tener lo más nuevo en tecnología en sus instalaciones con la finalidad de brindar un mejor servicio en salud a la comunicad Sanmartinense Y el Perú, fomentando la práctica de valores y comportamiento ético de los médicos profesionales, así como elevando la calidad de la medicina, apoyando el crecimiento del país en el contexto de la globalización. 5.3.2. Sistema integrado

24

5.3.2.1.

Inteligencia de negocios (BI) La definición de inteligencia de negocios incluyen una amplia categoría de metodologías, aplicaciones y tecnologías que permiten reunir, acceder, transformar y analizar los datos, transacciones e información no estructurada (interna y externa), con el propósito de ayudar a los usuarios de una compañía a tomar mejores decisiones de negocio. Por otra parte, en el libro Business Intelligence: Josep Lluís Cano, menciona que el objetivo básico de inteligencia de negocios es apoyar de forma sostenible y continuada a las organizaciones para mejorar su competitividad, facilitando la información necesaria para la toma de decisiones. Asimismo, describe tres tipos de beneficios que se pueden obtener a través del uso de inteligencia de negocios, los cuales son: 

Beneficios tangibles: por ejemplo, reducción de costos, generación de ingresos, reducción de tiempos para las distintas actividades del negocio.



Beneficios intangibles: el hecho de que tengamos disponible la información para la toma de decisiones hará que más usuarios la utilicen para tomar decisiones y mejorar nuestra posición competitiva.



Beneficios estratégicos: la formulación de estrategias, especificarán a qué clientes, mercados o con qué productos dirigirnos.

A su vez, el mismo autor, nos indica los componentes de inteligencia de negocios:

25

Ilustración 1: Componentes de Business Intelligence

Fuente: Business Intelligence: competir con información, Josep Lluís Cano

Fuentes de información, de las cuales partiremos para alimentar de información el Data Warehouse. 

Proceso ETL de extracción, transformación y carga de los datos en lal Data Warehouse. Antes de almacenar los datos en una Data Warehouse, éstos deben ser transformados,

limpiados,

filtrados

y

redefinidos.

normalmente, la información que tenemos en los sistemas transaccionales no está preparada para la toma de decisiones. 

La propia Data Warehouse: se busca almacenar los datos de una forma que maximice su flexibilidad, facilidad de acceso y administración.

26



El motor OLAP, nos provee capacidad de cálculo, consultas, funciones de planeamiento, pronóstico y análisis de escenarios en grandes volúmenes de datos. En la actualidad, existen otras alternativas tecnológicas al OLAP.



Las herramientas de visualización, nos permiten el análisis y la navegación a través de los mismos.

5.3.2.2.

Metodología hefesto Hefesto es una metodología propia, cuya propuesta está fundamentada en una muy amplia investigación, comparación de metodologías existentes, experiencias propias en procesos de confección de almacenes de datos. Cabe destacar que Hefesto está en continua evolución, y se han tenido en cuenta, como gran valor agregado, todos los feedbacks que han aportado quienes han utilizado esta metodología en diversos países y con diversos fines. La idea principal, es comprender cada paso que se realizará, para no caer en el tedio de tener que seguir un método al pie de la letra sin saber exactamente qué se está haciendo, ni por qué. La construcción e implementación de un DW puede adaptarse muy bien a cualquier ciclo de vida de desarrollo de software, con la salvedad de que para algunas fases en particular, las acciones que se han de realizar serán muy diferentes. Lo que se debe tener muy en cuenta, es no entrar en la utilización de metodologías que requieran fases extensas de reunión de requerimientos y análisis, fases de desarrollo monolítico que conlleve demasiado tiempo y fases de despliegue muy largas. Lo que se busca, es entregar una primera implementación que satisfaga una parte de las necesidades, para demostrar las ventajas del DW y motivar a los usuarios.

27

La metodología HEFESTO, puede ser embebida en cualquier ciclo de vida que cumpla con la condición antes declarada. Con el fin de que se llegue a una total comprensión de cada paso o etapa, se acompañará con la implementación en una empresa real, para demostrar los resultados que se deben obtener y ejemplificar cada concepto. La metodología HEFESTO puede resumirse a través del siguiente gráfico:

28

Ilustración 2: Pasos de la metodología Hefestos.

Fuente: http://www.dataprix.com/data-warehousing-y-metodologia-hefesto/metodologia-hefesto/52-descripcion

Como se puede apreciar, se comienza recolectando las necesidades de información de los usuarios y se obtienen las preguntas claves del negocio. Luego, se deben identificar los indicadores resultantes de los interrogativos y sus respectivas

29

perspectivas de análisis, mediante las cuales se construirá el modelo conceptual de datos del DW. Después, se analizarán los OLTP para determinar cómo se construirán los indicadores, señalar las correspondencias con los datos fuentes y para seleccionar los campos de estudio de cada perspectiva. Una vez hecho esto, se pasará a la construcción del modelo lógico del depósito, en donde se definirá cuál será el tipo de esquema

que

se

implementará.

Seguidamente,

se

confeccionarán las tablas de dimensiones y las tablas de hechos, para luego efectuar sus respectivas uniones. Por último, utilizando técnicas de limpieza y calidad de datos, procesos ETL, etc, se definirán políticas y estrategias para la Carga Inicial del DW y su respectiva actualización. Características: 

Los objetivos y resultados esperados en cada fase se distinguen fácilmente y son sencillos de comprender.



Se basa en los requerimientos de los usuarios, por lo cual su estructura es capaz de adaptarse con facilidad y rapidez ante los cambios en el negocio.



Reduce la resistencia al cambio, ya que involucra a los usuarios finales en cada etapa para que tome decisiones respecto al comportamiento y funciones del DW.



Utiliza modelos conceptuales y lógicos, los cuales son sencillos de interpretar y analizar.



Es independiente del tipo de ciclo de vida que se emplee para contener la metodología.



Es independiente de las herramientas que se utilicen para su implementación.

30



Es independiente de las estructuras físicas que contengan el DW y de su respectiva distribución.



Cuando se culmina con una fase, los resultados obtenidos se convierten en el punto de partida para llevar a cabo el paso siguiente.



Se aplica tanto para Data Warehouse como para Data Mart.

5.3.2.3.

Pasos y aplicación metodológica:

Análisis de requerimientos Lo primero que se hará será identificar los requerimientos de los usuarios a través de preguntas que expliciten los objetivos de su organización. Luego, se analizarán estas preguntas a fin de identificar cuáles serán los indicadores y perspectivas que serán tomadas en cuenta para la construcción del DW. Finalmente se confeccionará un modelo conceptual en donde se podrá visualizar el resultado obtenido en este primer paso. Es muy importante tener en cuenta que HEFESTO se puede utilizar para construir un Data Warehouse o un Data Mart a la vez, es decir, si se requiere construir por ejemplo dos Data Marts, se deberá aplicar la metodología dos veces, una por cada Data Mart. Del mismo modo, si se analiza el área de ginecología la metodología se aplicara una sola vez ya que la metodología es aplicada según las áreas las que se aplican. Identificar preguntas. El primer paso comienza con el acopio de las necesidades de información, el cual puede llevarse a cabo a través de muy variadas y diferentes técnicas, cada una de las cuales

31

poseen características inherentes y específicas, como por ejemplo entrevistas, cuestionarios, observaciones, etc. El análisis de los requerimientos de los diferentes usuarios, es el punto de partida de esta metodología, ya que ellos son los que deben, en cierto modo, guiar la investigación hacia un desarrollo que refleje claramente lo que se espera del depósito de datos, en relación a sus funciones y cualidades. El objetivo principal de esta fase, es la de obtener e identificar las necesidades de información clave de alto nivel, que es esencial para llevar a cabo las metas y estrategias de la empresa, y que facilitará una eficaz y eficiente toma de decisiones. Debe tenerse en cuenta que dicha información, es la que proveerá el soporte para desarrollar los pasos sucesivos, por lo cual, es muy importante que se preste especial atención al relevar los datos. Una forma de asegurarse de que se ha realizado un buen análisis, es corroborar que el resultado del mismo haga explícitos los objetivos estratégicos planteados por la empresa que se está estudiando. Otra forma de encaminar el relevamiento, es enfocar las necesidades de información en los procesos principales que desarrolle la empresa en cuestión. 1. Identificar indicadores y perspectivas Una vez que se han establecido las preguntas de negocio, se debe proceder a su descomposición para descubrir los indicadores que se utilizarán y las perspectivas de análisis que intervendrán. Para ello, se debe tener en cuenta que los indicadores, para que sean realmente efectivos son, en general, valores

32

numéricos

y

concretamente,

representan por

lo

ejemplo:

que

se

desea

promedios,

analizar

cantidades,

sumatorias, fórmulas, etc. En cambio, las perspectivas se refieren a los objetos mediante los cuales se quiere examinar los indicadores, con el fin de responder a las preguntas planteadas, por ejemplo: clientes, proveedores, sucursales, países, productos, rubros, etc. Cabe destacar, que el Tiempo es muy comúnmente una perspectiva. 2. Modelo Conceptual En esta etapa, se construirá un modelo conceptual a partir de los indicadores y perspectivas obtenidas en el paso anterior. Modelo Conceptual: descripción de alto nivel de la estructura de la base de datos, en la cual la información es representada a través de objetos, relaciones y atributos. A través de este modelo, se podrá observar con claridad cuáles son los alcances del proyecto, para luego poder trabajar sobre ellos, además al poseer un alto nivel de definición de los datos, permite que pueda ser presentado ante los usuarios y explicado con facilidad. ANÁLISIS DE LOS OLPT Seguidamente, se analizarán las fuentes OLTP para determinar cómo serán calculados los indicadores y para establecer las respectivas correspondencias entre el modelo conceptual creado en el paso anterior y las fuentes de datos. Luego, se definirán qué campos se incluirán en cada perspectiva. Finalmente, se ampliará el modelo conceptual con la información obtenida en este paso. 1. Conformar Indicadores

33

En este paso se deberán explicitar como se calcularán los indicadores, definiendo los siguientes conceptos para cada uno de ellos: 

Hecho/s que lo componen, con su respectiva fórmula de cálculo. Por ejemplo: Hecho1 + Hecho2.



Función de sumarización que se utilizará para su agregación. Por ejemplo: SUM, AVG, COUNT, etc.

2. Establecer correspondencias El objetivo de este paso, es el de examinar los OLTP disponibles que contengan la información requerida, como así también sus características, para poder identificar las correspondencias entre el modelo conceptual y las fuentes de datos. La idea es, que todos los elementos del modelo conceptual estén correspondidos en los OLTP. 3. Nivel de granularidad Una vez que se han establecido las relaciones con los OLTP, se deben seleccionar los campos que contendrá cada perspectiva, ya que será a través de estos por los que se examinarán y filtrarán los indicadores. Para ello, basándose en las correspondencias establecidas en el paso anterior, se debe presentar a los usuarios los datos de análisis disponibles para cada perspectiva. Es muy importante conocer en detalle que significa cada campo y/o valor de los datos encontrados en los OLTP, por lo cual, es conveniente investigar su sentido, ya sea a través de diccionarios de datos, reuniones con los encargados del sistema, análisis de los datos propiamente dichos, etc.

34

Luego de exponer frente a los usuarios los datos existentes, explicando su significado, valores posibles y características, estos deben decidir cuáles son los que consideran relevantes para consultar los indicadores y cuáles no. Con respecto a la perspectiva “Tiempo”, es muy importante definir el ámbito mediante el cual se agruparán o sumarian los datos. Sus campos posibles pueden ser: día de la semana, quincena, mes, trimestres, semestre, año, etc. Al momento de seleccionar los campos que integrarán cada perspectiva, debe prestarse mucha atención, ya que esta acción determinará la granularidad de la información encontrada en el DW. 4. Modelo Conceptual ampliado En este paso, y con el fin de graficar los resultados obtenidos en los pasos anteriores, se ampliará el modelo conceptual, colocando bajo cada perspectiva los campos seleccionados y bajo cada indicador su respectiva fórmula de cálculo. MODELO LÓGICO DEL DW A continuación, se confeccionará el modelo lógico de la estructura del DW, teniendo como base el modelo conceptual que ya ha sido creado. Para ello, primero se definirá el tipo de modelo que se utilizará y luego se llevarán a cabo las acciones propias al caso, para diseñar las tablas de dimensiones y de hechos. Finalmente, se realizarán las uniones pertinentes entre estas tablas. Modelo Lógico: representación de una estructura de datos, que puede procesarse y almacenarse en algún SGBD. 1. Tipo de Modelo Lógico del DW

Se debe seleccionar cuál será el tipo de esquema que se utilizará para contener la estructura del depósito de datos,

35

que se adapte mejor a los requerimientos y necesidades de los usuarios. Es muy importante definir objetivamente si se empleará un esquema en estrella, constelación o copo de nieve, ya que esta decisión afectará considerablemente la elaboración del modelo lógico.

2. Tablas de dimensiones En este paso se deben diseñar las tablas de dimensiones que formaran parte del DW. Para los tres tipos de esquemas, cada perspectiva definida en en modelo conceptual constituirá una tabla de dimensión. Para ello deberá tomarse cada perspectiva con sus campos relacionados y realizarse el siguiente proceso: 

Se elegirá un nombre que identifique la tabla de dimensión.



Se añadirá un campo que represente su clave principal.



Se redefinirán los nombres de los campos si es que no son lo suficientemente intuitivos.

3. Tablas de hechos En este paso, se definirán las tablas de hechos, que son las que contendrán los hechos a través de los cuales se construirán los indicadores de estudio.

36

Para los esquemas en estrella y copo de nieve, se realizará lo siguiente: 

Se le deberá asignar un nombre a la tabla de hechos que represente la información analizada, área de investigación, negocio enfocado, etc.



Se definirá su clave primaria, que se compone de la combinación de las claves primarias de cada tabla de dimensión relacionada.



Se

crearán

tantos

campos

de

hechos

como

indicadores se hayan definido en el modelo conceptual y se les asignará los mismos nombres que estos. En caso que se prefiera, podrán ser nombrados de cualquier otro modo. 4. Uniones

Para los tres tipos de esquemas, se realizarán las uniones correspondientes entre sus tablas de dimensiones y sus tablas de hechos. INTEGRACIÓN DE DATOS Una vez construido el modelo lógico, se deberá proceder a poblarlo con datos, utilizando técnicas de limpieza y calidad de datos, procesos ETL, etc.; luego se definirán las reglas y políticas para su respectiva actualización, así como también los procesos que la llevarán a cabo. 1. Carga Inicial Debemos en este paso realizar la Carga Inicial al DW, poblando el modelo de datos que hemos construido anteriormente. Para lo cual debemos llevar adelante una

37

serie de tareas básicas, tales como limpieza de datos, calidad de datos, procesos ETL, etc. La realización de estas tareas puede contener una lógica realmente compleja en algunos casos. Afortunadamente, en la actualidad existen muchos software que se pueden emplear a tal fin, y que nos facilitarán el trabajo. Se debe evitar que el DW sea cargado con valores faltantes o anómalos, así como también se deben establecer condiciones y restricciones para asegurar que solo se utilicen los datos de interés.

Cuando se trabaja con un esquema constelación, hay que tener presente que varias tablas de dimensiones serán compartidas con diferentes tablas de hechos, ya que puede darse el caso de que algunas restricciones aplicadas sobre una tabla de dimensión en particular para analizar una tabla de hechos, se puedan contraponer con otras restricciones o condiciones de análisis de otras tablas de hechos. Primero se cargarán los datos de las dimensiones y luego los de las tablas de hechos, teniendo en cuenta siempre, la correcta correspondencia entre cada elemento. En el caso en que se esté utilizando un esquema copo de nieve, cada vez que existan jerarquías de dimensiones, se comenzarán cargando las tablas de dimensiones del nivel más general y más detallado. 2. Actualización Cuando se haya cargado en su totalidad el DW, se deben establecer sus políticas y estrategias de actualización o actualización de datos.

38

Una vez realizado esto, se tendrán que llevar a cabo las siguientes acciones: 

Especificar las tareas de limpieza de datos, calidad de datos, procesos ETL, etc., que deberán realizarse para actualizar los datos del DW.



Especificar de forma general y detallada las acciones que deberá realizar cada software.

Ilustración 3: Enfoque del proceso ETL

Fuente: Espiñera, Sheldon y asociados. Los procesos ETL son procesos que leen los registros de las fuentes de datos, aplican las transformaciones necesarias para prepararlos y los cargan en el destino de datos. El proceso ETL se divide en 5 subprocesos:

39



Extracción: recupera los datos físicamente de las distintas fuentes de información. En este momento disponemos de los datos en bruto.



Limpieza: recupera los datos en bruto y comprueba su calidad, elimina los duplicados y, cuando es posible, corrige los valores erróneos y completa los valores vacíos, es decir se transforman los datos -siempre que sea posible para reducir los errores de carga. En este momento disponemos de datos limpios y de alta calidad.



Transformación: recupera los datos limpios, de alta calidad, los estructura y sumariza en los distintos modelos de análisis. El resultado de este proceso es la obtención de datos limpios, consistentes, sumarizados y útiles.



Integración: valida que los datos que cargamos en la Data Warehouse sean consistentes con las definiciones y formatos del Data Warehouse; los integra en los distintos modelos de las distintas áreas de negocio que hemos definido en el mismo. Estos procesos pueden ser complejos.



Actualización: es el que nos permite añadir los nuevos datos a la Data Warehouse. (Data Prix, s.f.)

IV.4.

Hipótesis La Implementación de una Solución de Inteligencia de Negocios, influenciará en la toma de decisiones en el área de Ginecología En La Corporación Medica San Martin.

IV.5.

Sistema de variables X: Variable independiente

40

Solución de Inteligente de Negocio.

Y: Variable dependiente Toma de decisiones en el área de Obstetricia/Ginecología En La Corporación Medica San Martin.

IV.6.

Escala de medición Tabla 1: Escala de medición

Variable Dependiente: Toma de decisiones en el área de Obstetricia/ Ginecología de la Corporación Medica San Martin. Independiente: Solución de Inteligencia de Negocio

Escala de medición 1 Porcentaje de insumos adquiridos utilizando adecuadamente la herramienta BI. 2 Porcentaje de incremento de utilidades por fechas determinadas. 1. Nivel de manejo del sistema BI por parte de la gerencia. 2. Número de reportes dinámicos con el uso del sistema BI. 3. Número de usuarios satisfechos con la herramienta BI. Fuente: elaboración propia

41

V. V.1.

METODOLOGÍA DE LA INVESTIGACIÓN

Tipo de la investigación En el presente proyecto se utiliza el tipo de investigación aplicada o llamada también investigación tecnológica, ya que es aquella que parte de una situación problemática que requiere ser intervenida y mejorada, en este caso, la creación de una solución de Inteligencia de Negocio para mejorar la toma de decisiones en el área de Obstetricia / Ginecología de la Corporación Medica San Martin.

V.2.

Nivel de la investigación La investigación será de nivel descriptivo por que señala cómo es y cómo se manifiesta un fenómeno o evento, cuando se busca especificar las propiedades importantes para medir y evaluar aspectos, dimensiones o componentes del fenómeno a estudiar.

V.3.

Diseño de la investigación 1. Levantamiento de información para la construcción del modelo de BI. 2. Diseño la solución inteligente. 3. Implementación de la solución BI.

42

4. Análisis de Resultados obtenidos.

V.4.

Cobertura de investigación V.4.1. Población y muestra La muestra para este estudio coincide con el universo o población, ya que la población es pequeña, se tomarán los 3 encargados. Entonces los sujetos tomados para la investigación formaron un total de 3 encargados que representa el 100% del universo de estudio.

V.5.

Fuentes, técnicas e instrumento de investigación V.5.1. Fuentes Información obtenida a través de documentos PDF de los manuales del Sistema Informático para la Corporación Médica San Martín y el manual de perfil administrador y digitador.

V.5.2. Técnicas V.5.2.1.

Instrumento de recolección de datos Recopilamos información usando diversas herramientas y técnicas, incluyendo generalmente la Web; donde se puso ingresar al sistema de transaccional de CORPOMEDIC.

V.5.2.2.

La Observación Directa Se observa constantemente las necesidades del área de Obstetricia / Ginecología de CORPOMEDIC.

V.5.3. Instrumento El instrumento que se utilizará para la recolección de datos que se utilizara en la investigación es:  Entrevistas: Tiene como objetivo recolectar datos para la indagación. Se procesarán los datos recogidos de las entrevistas, así como de la observación directa en campo y de los resultados obtenidos con el uso del sistema informático, luego se sistematizarán para el análisis correspondiente.

43

V.6.

Procedimiento y presentación de datos Una vez realizada la obtención de datos a través de los cuestionarios descritos, comienza una fase esencial para toda investigación social, referida a la clasificación o agrupación de los datos referentes a cada variable objeto de estudio y su presentación conjunta, es decir como indican Cabero y Hernández (1995: 58): “tras la recogida de información y previo a la presentación de los resultados, aparece el proceso de análisis de los datos, que consiste en convertir los textos originales en datos manejables para su interpretación”. En el proceso de análisis de datos, podemos observar diversos momentos:  Revisión detenida y depuración de los datos obtenidos con el fin de detectar y eliminar en lo posible, los errores y omisiones que pueden presentar.  Codificación como la representación o traducción de cada respuesta de los cuestionarios por códigos o indicaciones numéricas que faciliten la tabulación. Los datos obtenidos serán sometidos a distintas operaciones tales como:  Clasificación  Registro  Tabulación Después se utilizará Microsoft Excel para algunos gráficos. VI. ASPECTOS ADMINISTRATIVOS

VI.1. Cronograma de actividades Tabla 2: Cronograma de actividades ACTIVIDADES Identificar las principales actividades para una adecuada toma de decisiones en el Obstetricia /Ginecología de CORPOMEDIC

Levantamiento de información

Diseñar una Solución de Inteligencia de Negocio

Recolección

de

los

1

Abril 2 3

x

x

x

4

x

1

Mayo 2

44

para los procesos de la organización

requerimientos para el BI. Diseñar el modelo lógico de datos (DM) Desarrollar el software de inteligencia de negocios Implementar la solución inteligente en la organización

Determinar la influencia de relación que existe entre la implementación de una solución de inteligencia de negocio sobre los comportamientos de la toma de decisiones del área de Obstetricia/Ginecología de CORPOMEDIC.

Análisis de los reportes dimensionales obtenidos.

Fuente: elaboración propia

VI.1.1. Recursos humanos Intervienen en el desarrollo de este proyecto de investigación las siguientes personas: (1) Asesora: Ing. Janina Cotrina Linares (07) Responsables: Aldaz Macedo, Gener Alva Cueva, Jino Fernández Seijas, Diego Pérez Zelada, Cesar Rengifo Tuesta, Edson Tantalean Herrera, Thalía Velásquez Caro, Manuel VI.1.2. Recursos materiales  2 millares de papel bond  1 docena de lapiceros  500 unidades de fotocopias  4 unidades de CD WR  4 cartuchos de tinta para impresoras  2 unidades de cuadernos de apuntes VI.1.3. Equipos     

Equipos de cómputo Servidor de archivos Servidor de base de datos Servidor de aplicaciones Impresora Multifuncional

x

x x

x

x

45

VI.2. Presupuesto o costo del proyecto

CONCEPTO

UNIDAD DE MEDIDA

CANTIDA D

PRECIO UNITARIO S/.

II. Bienes

TOTAL S/.

Papel Bond A4

millar

2

35,00

324,00 70,00

Lapiceros Fotocopias

docena

1

2,50

30,00

unidad

500

0,10

50,00

CD WR

unidad

4

1,00

4,00

cartuchos

4

40,00

160,00

unidades

2

5,00

10,00 892,00

unidad

4

3,00

12,00

Servicio de internet

mes

4

120,00

480,00

Asesoramiento

veces

2

200,00

400,00

Cartucho de tinta para impresoras Cuadernos de apuntes II. Servicios Servicio de anillado

TOTAL S/.

1216,00

VI.3. Financiamiento El financiamiento del proyecto será con los recursos propios de los investigadores.

46

VII. REFERENCIAS BIBLIOGRÁFICAS 

Contel Rico, B. (2008). Desarrollo de una Solución Business Intelligence en una empresa del sector de alimentación. Obtenido

de

https://riunet.upv.es/bitstream/handle/10251/9127/PFC %20Blanca%20Contel%20-%20Desarrollo%20de%20una %20Solucion%20BI.pdf 

Coronel Orihuela, N. T. (2012). Diseño de una Datamart para seguros Masivos. Universidad Tecnológica del Perú. Obtenido de https://pis2.wikispaces.com/file/view/TRABAJO_PROYECTO_ FINAL_CARGAR.pdf



Data Prix. (s.f.). Obtenido de http://www.dataprix.com/datawarehousing-y-metodologia-hefesto/hefesto-metodologiapropia-para-la-construccion-un-data-wareh



GONZÁLES SANCHES , A. M. (2003). Business Intelligence en ABB.



Mori

Lópes,

P.

E.

(s.f.).

Obtenido

de

http://www.escavador.com/pessoas/48540 

Peña Ayala, A. (2008). Inteligencia de Negocio: Una propuesta para su desarrollo en las Organizaciones. Obtenido de http://www.wolnm.org/apa/articulos/inteligencia_negocios.pdf



Vizuete Naranjo, M. W., & Yela Shinin, C. P. (2006). Análisis, Diseño e implementación de un Datamart para el área de sismología del departamento de geofísica de la escuela politécnica

nacional.

Obtenido

de

http://bibdigital.epn.edu.ec/bitstream/15000/177/1/CD-0566.pdf

47



Yalan

Castillo,

J.,

&

Palomino

Paniora,

L.

(2012).

Implementación de una Datamart como una solucion de Inteligencia de Negocios para el área de Logística de TImpulso.