UNIVERSIDAD NACIONAL DE SAN MARTN - T

FACULTAD DE INGENIERA DE SISTEMAS E INFORMTICA

ESCUELA ACADMICO PROFESIONAL DE INGENIERA DE SISTEMAS E
INFORMTICA

PROYECTO DE INVESTIGACIN
IMPLEMENTACIN DE UNA SOLUCIN DE INTELIGENCIA
DE NEGOCIO PARA LA TOMA DE DECISIONES EN EL
REA DE OBSTETRICIA / GINECOLOGA DE LA
CORPORACIN MEDICA SAN MARTIN, PERTARAPOTO
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 Per
2015

NDICE
I.

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

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

1.2.

Ubicacin geogrfica del proyecto..............................................................5

1.3.

Periodo de ejecucin del proyecto..............................................................5

1.4.

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

1.5.

Ejes temtico prioritarios y lnea de investigacin......................................5

II.

1.5.1.

Eje temtico..........................................................................................5

1.5.2.

Lnea de investigacin..........................................................................5

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

2.1.

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

2.2.

Definicin del problema...............................................................................7

2.3.

Formulacin del problema...........................................................................8

2.4.

Justificacin 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 especficos.................................................................................11

IV.

MARCO TERICO CONCEPTUAL.............................................................12

4.1.

Antecedentes de la investigacin..............................................................12

4.2.

Definicin de trminos...............................................................................19

4.2.1.

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

4.2.2.

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

4.2.3.

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

4.2.4.

Informacin.........................................................................................20

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.

Mtricas..............................................................................................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 tericas...........................................................................................25

5.3.1.

Corporacion Mdica San Martin.........................................................25

5.3.2.

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

4.4.

Hiptesis....................................................................................................41

4.5.

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

4.6.

Escala de medicin...................................................................................42

V. METODOLOGA DE LA INVESTIGACIN......................................................43
5.1.

Tipo de la investigacin.............................................................................43

5.2.

Nivel de la investigacin............................................................................43

5.3.

Diseo de la investigacin.........................................................................43

5.4.

Cobertura de investigacin........................................................................43

5.4.1.
5.5.

Fuentes, tcnicas e instrumento de investigacin....................................43

5.5.1.

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

5.5.2.

Tcnicas..............................................................................................43

5.5.3.

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

5.6.
VI.

Poblacin y muestra...........................................................................43

Procedimiento y presentacin de datos....................................................44

ASPECTOS ADMINISTRATIVOS.................................................................46

6.1.

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

6.1.1.

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

6.1.2.

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

6.1.3.

Recursos tcnicos..............................................................................47

6.2.

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

6.3.

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

VII.

REFERENCIAS BIBLIOGRFICAS.............................................................49

I.
I.1.

DATOS GENERALES

Nombre del proyecto

Implementacin de una solucin de Inteligencia de Negocio en la toma de

decisiones en el rea de Obstetricia / Ginecologa de la Corporacin Mdica San
Martin, Per- Tarapoto.
I.2.

Ubicacin geogrfica del proyecto

Distrito de Tarapoto.

I.3.

Periodo de ejecucin del proyecto

La ejecucin es de 4 meses:
De Abril del 2016 a Julio del 2016.

I.4.

Facultad que presenta el proyecto

Facultad de Ingeniera de Sistemas e Informtica de la Universidad Nacional
de San Martin.

I.5.

Ejes temtico prioritarios y lnea de investigacin

I.5.1. Eje temtico
Tecnologa de informacin y comunicacin TIC.
I.5.2. Lnea de investigacin
Desarrollo de software y toma de decisiones.

II.
II.1.

PLANTEAMIENTO DEL PROBLEMA

Antecedentes del problema

La Corporacin Mdica San Martn se encuentra ubicada en la ciudad de
Tarapoto Per, inicia sus servicios en el 2000 con dos especialidades
bsicas, ha incorporado recursos humanos especializados y tecnologas en
forma progresiva a fin de consolidad su compromiso de brindar la mejor
atencin mdica a la comunidad.
La empresa cuenta con ocho reas definidas:

II.2.

Administracin

Almacn

Marketing

Farmacia

Logstica

Enfermera

Contabilidad

RRHH

Definicin del problema

Hoy en da la gran cantidad de informacin que se maneja en las
organizaciones a travs de los sistemas transaccionales genera la
necesidad de implementar una solucin inteligente de negocio para la
correcta toma de decisiones que permite cumplir con la misin y visin de la
organizacin.
Con el levantamiento de informacin realizada en La Corporacin Medica
San Martin Per-Tarapoto se concluye que cuenta con un Business
Intelligence que no satisface las necesidades del nivel operativo; ya que,
ellos necesitan controlar la informacin de su paciente y su tipo de paciente
que se realizan en dicha corporacin. As como, contemplar la satisfaccin

de los pacientes atendidos demostrando el inters a travs una buena

atencin garantizando su pronta recuperacin.
Por todo lo anteriormente mencionado se evidencia que el control de
pacientes mujeres, historias clnicas de la satisfaccin de sus pacientes con
su atencin y buenos resultados brindaos para su salud de pacientes de la
Corporacin Medica san Martin Per Tarapoto lo cual se requiere medir
en base a indicadores que nos permite tomar decisiones estratgicas e
inteligentes al respecto.
II.3.

Formulacin del problema

En qu medida la implementacin de una Solucin de Inteligencia de
Negocio influenciar en la toma de decisiones en La Corporacin Medica
San Martin Del Per Tarapoto?

II.4.

Justificacin e importancia
El proyecto de investigacin a desarrollarse en la empresa Corporacin
Mdica San Martin CORPOMEDIC, se integra una solucin de
almacenamiento y procesamiento de enormes cantidades de datos e
informacin para transformarla en conocimiento y decisiones en tiempo real
a travs de una fcil explotacin. Adems se refiere al uso de la tecnologa
para recolectar y usar efectivamente la informacin 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 solucin
de Inteligencia de Negocio que influya en la toma de decisiones del
rea de ginecologa de la corporacin clnica san Martin del Per
Tarapoto.
II.5.2. Limitaciones

Dficit al acceso de fuentes de informacin que se estn

desarrollando en el Corporacin Medica San Martin del Per.

Carencia de recursos econmicos para la realizacin del proyecto

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

III. OBJETIVOS
III.1.

Objetivo general
Implementar una Solucin de Inteligencia de Negocio para medir su
influencia en la toma de decisiones en el rea de atencin al paciente en la
Corporacin Medica San Martin, Per Tarapoto.

III.2.

Objetivos especficos

Diagnosticar el actual proceso de toma decisiones la Corporacin

Medica San Martin, Per - Tarapoto.

Disear e implementar una solucin de Inteligencia de Negocio para

los procesos de atencin al paciente en la Corporacin Medica San
Martin Per Tarapoto.

Integracin Unificada en Tiempo Real.

Analizar las incidencias de la Solucin Inteligente implementada en la

Corporacin Mdica San Martn CORPOMEDIC.

Comparar si el modelo de BI a implementar se relaciona con la toma

de decisiones en la Corporacin Medica San Martin del Per.

IV. MARCO TERICO CONCEPTUAL

IV.1.

Antecedentes de la investigacin
En el proyecto de investigacin DISEO 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 identificacin 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
permitirn obtener informacin valiosa de la situacin 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 parmetros para un buen

planteamiento.

La implementacin de la arquitectura propuesta proporciona una mejor

administracin y control de acuerdo a sus requerimientos y de los datos
existentes.

Existe gran importancia hoy en da en las organizaciones donde

manejan volmenes de datos, la implementacin sistemas de orientados
al anlisis en las consultas que

permiten que los procesos de los

mismos sean de manera rpida y eficiente de manera que facilitan la

generacin de respuestas en tiempo oportuno.
En

el

proyecto

DESARROLLO

DE

UNA SOLUCIN

BUSINESS

INTELLIGENCE EN UNA EMPRESA DEL SECTOR SALUD se concluye lo

siguiente:

En las empresas es necesario disponer de informacin 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 aportacin de informacin fiable que ayude
en la toma de decisiones. Saber en todo momento cul 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 rea
conduce, o mejor dicho, ayuda a conducir a buen puerto el negocio.

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

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

permitido

conocer

en

ms

profundidad

el

concepto

Business

Intelligence. Saber sus orgenes, qu conceptos se encuentran incluidos

en l, las tcnicas y diferentes herramientas, etc. Todos estos conceptos
que en prctica ya conoca debido a mi experiencia profesional, pero
que siempre es gustoso saber sus orgenes y las teoras y expertos en
la materia que hay detrs de toda tecnologa o productos software.
(Contel Rico, 2008)
En el proyecto de investigacin ANLISIS, DISEO E IMPLEMENTACIN
DE

UN

DATAMART

PARA

EL

REA

DE

SISMOLOGA

DEL

DEPARTAMENTO DE GEOFSICA DE LA ESCUELA POLITCNICA

NACIONAL se concluye lo siguiente:

En la actualidad existen muchas y mejores herramientas tanto de libre

difusin como registradas para utilizarlos en soluciones Data Mart.

11

Los datos se filtran cuando pasan desde el ambiente operacional al de

depsito Data Mart. Existen muchos datos que nunca salen del
ambiente operacional. Slo los datos que realmente se necesitan
ingresarn al ambiente de Data Mart.

El horizonte de tiempo de los datos es muy diferente de un ambiente al

otro. La informacin en el ambiente operacional es ms reciente con
respecto a la del Data Mart. Desde la perspectiva de los horizontes de
tiempo

nicos,

hay

poca

superposicin

entre

los

ambientes

operacionales y de Data Mart.

El Data Mart contiene un resumen de la informacin que no se

encuentra en el ambiente operacional.

Los datos experimentan una transformacin 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
mayora de los datos se alteran fsica y radicalmente cuando se mueven
al depsito. No son los mismos datos que residen en el ambiente
operacional desde el punto de vista de integracin. (Vizuete Naranjo &
Yela Shinin, 2006)

En el proyecto SISTEMA WEB DE INTELIGENCIA DE NEGOCIOS PARA

EL APOYO EN LA GESTIN Y TOMA DE DECISIONES, APLICANDO DATA
MARTS EN LAS REAS DE IMPORTACIN Y VENTAS DE LA EMPRESA
CUPIDO IMPORT S.A. se concluye lo siguiente:

La implementacin de un sistema web en conjunto aplicando inteligencia

de negocio en la empresa Cupido Import S.A, permitir que los datos
sean mejor analizados y fluyan de una forma cruzada y controlada
desde donde se producen las transacciones del da a da de la

12

organizacin, hasta convertirlas en informacin 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 da a da de su operacin, pero estos son solo datos
que necesitan ser analizados, clasificados, y trabajar solo con datos
relevante que puedan ser tiles para la toma de decisiones, es por ello
que en el proyecto el objetivo es alcanzar el anlisis de solo datos
relevantes y de inters para la toma de decisiones que sern extrados
de la base de datos transaccional de la empresa y almacenados en un
Data Mart especfico.

Haciendo uso de tecnologas apropiadas y con la correcta seleccin e

implementacin de herramientas de inteligencia de negocios, se
enfocar la construccin de un DataMart conectadas a herramientas
web, que podrn sectorizar la informacin en la empresa y trabajar solo
en reas especficas que necesitan mayor atencin a la solucin de
problemas. Adems el diseo e implementacin del DataMart se
construir de acuerdo a las polticas internas y requerimientos
necesarios de la empresa, con la finalidad de brindar grandes beneficios
al utilizar herramientas de inteligencia de negocios conectadas a la
implementacin del DataMart, puesto que se podr analizar el
comportamiento de los datos slo en las reas de importacin y ventas y
por ende se podr 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 sern mostrados una aplicacin Web que servir a la empresa para
la buena toma de decisiones a nivel administrativo o gerencial. Tambin
la aplicacin web permitir usar el servidor de la empresa, para
conectarse desde cualquiera de las 18 empresas de toda la corporacin
a nivel nacional, con la finalidad de reflejar su importancia en dar
solucin a los requerimientos y necesidades de informacin de la

13

empresa, recibiendo preguntas y dando respuestas para la toma de

decisiones. (Mori Lpes, s.f.)
En el proyecto Implantacin En Una Empresa De Un Sistema Business
Intelligence SAAS / On Demand A Travs De La Plataforma Litebi se llega a
las siguientes conclusiones:

Se puede asegurar que se cumplieron los objetivos propuestos y

adems se dot a la empresa de un sistema de inteligencia de negocio
fcil, potente y asequible. Esta implantacin ha servido para observar y
corroborar de primera mano la gran utilidad de estos sistemas en las
organizaciones as como mostrarlo como escaparate para posibles
futuras implantaciones, ya que se trata de un caso de xito claro.

En la solucin 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 as la inteligencia de
negocio de la organizacin. Se ha demostrado la potencia de acceso a
la informacin, al acceso a los cubos y al diseo de informes, y lo ms
importante, las posibilidades de acceso va portal web a toda la
informacin. CECAV qued totalmente satisfecha de la usabilidad,
fiabilidad y robustez que ha ofrecido esta tecnologa. Los usuarios
destacaron sobre todo la rapidez y la calidad de los informes generados
(destacando enormemente los informes a nivel geogrfico), as como un
aumento de la comunicacin por parte de los diferentes laboratorios con
la direccin del centro.

Gracias a esta solucin se elimin completamente la dependencia de los

anteriores sistemas heterogneos de reporte, integrando toda la
informacin de los anlisis de los laboratorios de la organizacin en un
nico lugar, ms potente, rpido, sencillo y fiable. Adems cabe destacar
la escalabilidad de la solucin, que permitir en un futuro de una forma
sencilla, disfrutar del sistema a otros departamentos, si se diera el caso,

14

as como a otras reas de la corporacin (finanzas, administracin

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 tcnicos como empresariales, adquiriendo
una experiencia que pienso que me ser realmente til en mi futuro
profesional.

En el proyecto de investigacin DISEO DE UN DATAMART PARA

SEGUROS MASIVOS se lleg a las siguientes conclusiones:

La implementacin de un proceso de inteligencia de negocio en una

empresa, permite que la informacin fluya de una forma ordenada y
controlada desde donde se producen las transacciones del da a da de
la organizacin, hasta convertirlas en informacin y conocimiento que
permiten a los usuarios finales tomar mejores y efectivas decisiones.

Hermes Asesores obtendr grandes beneficios al utilizar el datamart,

puesto que se podr analizar el comportamiento de la cartera de
clientes, el crecimiento de asegurabilidad por ao, primas netas, primas
brutas, etc. Por ende, se podr tomar mejores decisiones en cuanto al
uso de los recursos e incentivos al personal.

La creacin del presente datamart permitir la integracin de la

informacin para las diferentes reas de Hermes as mismas que
contribuirn con la optimizacin en la operatividad reduciendo el tiempo
en el proceso, por lo tanto se disminuyen costos.

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

15

Es importante la correcta definicin de las jerarquas de las dimensiones

del modelo de la base de datos, ya que de lo contrario se podra obtener
data incompleta y/o errnea de la explotacin de los cubos, lo cual se
solucionara 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 investigacin IMPLEMENTACIN DE UN DATAMART

COMO UNA SOLUCIN DE INTELIGENCIA DE NEGOCIOS PARA EL
REA DE LOGSTICA DE TIMPULSO se concluye lo siguiente:

Mediante procesos de extraccin, transformacin y carga de data

histrica, de forma automtica se obtuvo un repositorio (DataMart) que
permitir la explotacin eficiente de la informacin.

El DataMart permitir apoyar al rea de Logstica en la toma de

decisiones, a travs de la entrega oportuna y relevante de informacin.

La implementacin de un DataMart reduce el tiempo en la elaboracin

de los reportes tanto al rea de logstica como al rea de Informtica, no
se necesita tener demasiado conocimiento de los datos almacenados.

El DataMart se constituy en una herramienta que nos ayuda a la

elaboracin de reportes y con ello a la toma de decisiones sobre el rea
de Logstica 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 mtodo 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
Tecnologas de la Informacin convencionales. Sino que ms bien,
convive con ellas e integra a las Tecnologas del Conocimiento en un
marco organizado jerrquicamente en campas de proceso.

16

La de Inteligencia de Negocios se nutre de un marco conceptual

interdisciplinario, en donde conviven disciplinas Administrativas con las
Ingenieras de Software y del Conocimiento. Cada una de ellas aporta
los mtodos, tcnicas y herramientas que en conjunto contribuyen a
proveer los elementos adecuados a la toma de decisiones ejercida por
los niveles estratgicos y tcticos.

La Ingeniera de Sistemas usada en la construccin del prototipo de

Inteligencia de Negocios, permite comprender las cuatro etapas que
dan vida a una aplicacin. Es por ello que los captulos 3 al 6 se
dedicaron a presentar las actividades realizadas y los resultados
arrojados en las cuatro etapas. As mismo, en ejemplo desarrollado, se
compartieron los elementos logsticos 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

informacin representan la plataforma para emitir los anlisis de datos
y explotacin 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 informacin necesarios
para la toma de decisiones. As mismo, al incorporar el nivel de
administracin de conocimiento, se puede sistematizar la toma de
decisiones rutinarias a partir de la informacin seleccionada del
almacn.

Actualmente la tendencia de diseo y operacin de los sistemas de

informacin, como tambin 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
informacin con las reservas de seguridad en el acceso a los usuarios,
a cambio de facilitar la recuperacin de informacin desde cualquier
parte del mundo. (Pea Ayala, 2008)

17

IV.2.

Definicin de trminos
IV.2.1. Data mart
Es

una

base

de

datos

departamental,

especializada

en

el

almacenamiento de los datos de un rea de negocio especfica. Se

caracteriza por disponer la estructura ptima de datos para analizar la
informacin 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 informacin de una o ms fuentes distintas, para luego
procesarla permitiendo su anlisis 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 travs de la
organizacin inteligente de sus datos histricos (transacciones u
operaciones diarias), usualmente residiendo en Data Warehouse
corporativos o Data Marts departamentales.

IV.2.4. Informacin

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
informacin es un mensaje con significado en un determinado
contexto, disponible para uso inmediato y que proporciona orientacin
a las acciones por el hecho de reducir el margen de incertidumbre con
respecto a nuestras decisiones.

IV.2.5. Toma de decisiones

Una decisin es un juicio o una eleccin entre dos o ms opciones, y
es algo que surge en innumerables situaciones, ya sea para solucionar
un problema, ya sea para aplicar una medida. Por definicin, 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
tecnologas de comunicaciones, datos, documentos, conocimiento y/o
modelos para identificar y resolver problemas, para completar tareas
del proceso de decisin, y para tomar decisiones.
Es una amplia rea de anlisis que sirve para que la gente examine
datos a fin de tomar decisiones, ya sean grandes o pequeos, sobre
los negocios de sus compaas.

IV.2.7. Data Warehouse

Es un repositorio de informacin extrada de otros sistemas
corporativos, sean estos sistemas transaccionales, bases de datos
departamentales, o Intranet de la compaa, a la que los hombres de
negocios de la empresa pueden acceder.

19

Los sistemas Data Warehouse estn orientados a procesos de

consultas en contraposicin 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 tcnica para consolidar y administrar
datos de variadas fuentes con el propsito de responder preguntas de
negocios y tomar decisiones, de una forma rpida. Una Data
Warehouse se vale de una base de datos relacional diseada para el
acceso rpido y anlisis y no al proceso transaccional. La Data
Warehouse separa la carga del anlisis y normalmente contiene datos
histricos derivados de datos transaccionales.
Sus principales caractersticas son:

Orientado hacia informacin relevante de la organizacin

Datos integrados

Variable en el tiempo

No Voltil

IV.2.8. Dimensiones
Son los diferentes puntos de vista por los que queremos analizar la
informacin. Las dimensiones contienen los diversos atributos que
queremos analizar, adems se estructuran en forma jerrquica,
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
mnimo nivel
dimensiones:

de

detalle. Podemos distinguir varios tipos de

20

Dimensiones normales: aquellas que agrupan diferentes

atributos que estn relacionados por el mbito al que se
refieren (todas las caractersticas de un cliente, los diferentes
componentes de la dimensin tiempo, etc).

Dimensiones causales: son atributos que pueden causar

cambios en los procesos de negocio (por ejemplo, la
dimensin promocin en el proceso de negocio de ventas).

Dimensiones

heterogneas:

que

agrupan

conjuntos

heterogneos de atributos, que no estn relacionados entre

s.

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. Mtricas
Son valores que recogen el proceso de una actividad o los resultados
de la misma y son usados por los analistas en sus querys para medir
la performance del comportamiento de un proceso o un objeto del
negocio.
Las medidas candidatas son los datos numricos, pero no cada
atributo numrico en una medida candidata.
Estas medidas proceden del resultado de la actividad de negocio.

Mtricas de realizacin de actividad: miden la realizacin de

una actividad. Por ejemplo, la participacin de una persona
en un evento.

21

Mtricas 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 travs de este concepto es
posible relacionar diversas variables presentes en los procesos de una
empresa.

Ejemplo:

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
permitir 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 anlisis
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 mnimo 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 mximo 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
mtricas asociadas.

22

Periodic snapshot fact tables: son tablas de hecho usadas

para recoger informacin de forma peridica a intervalos de
tiempo regulares sobre un hecho. Nos permiten tomar una
foto de la situacin en un momento establecido (por ejemplo,
al final del da, de una semana o de un mes). Un ejemplo
puede ser la foto del stock de materiales, al final de cada da.

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 acumulacin, 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 solucin 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 solucin de
inteligencia de negocios debe partir por el desarrollo del Data
Warehouse que deriva en la Data Marts.
IV.3.

Bases tericas
5.3.1. Corporacin Medica San Martin del Per.
La Corporacin Medica San Martin Del Per naci en el ao 2004
su fundador desde sus inicios fue el DR Augusto R. Llontop Retegui

23

que empez

creando un consultorio mdico, luego paso a ser un

policlnico y posteriormente

paso a ser una

corporacin medica;

gracias al esfuerzo intenso de los trabajadores que se identifican con

su institucin.
Ante el actual mercado mundial competitivo estamos obligados a tomar
una posicin innovadora para comunicar a nuestro pblico lo que
hacemos, como servimos y cmo nuestros mdicos y trabajadores se
dedican a ello con calidad.
Deseamos que la informacin y el servicio lleguen a nuestro pblico en
forma rpida y oportuna, facilitando de esta manera la reserva de citas
mdicas, el envi de reclamos con la finalidad de mejorar nuestros
procesos, y sobre todo que nuestros clientes conozcan los elementos
tecnolgicos que poseemos, adems de las promociones exclusivas
que beneficien a vuestras familias.

La misin del Corporacin Medica San Martin en sus 12 aos 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 mdicos profesionales del Per, de todas las
especialidades, que cautela y preserva el comportamiento tico de sus
mdicos, y debe asegurar al regin y al Per que es

una de las

mejores clnicas en cuanto a salud y que cuenta con profesionales

especializados, competitivos ,de calidad y tica, que influyen como
base fundamental en el proceso de desarrollo de la nacin.
La misin de la Corporacin Medica San Martin es ser reconocida
como una institucin slida, que patrocina el manejo eficiente del
conocimiento y tener lo ms nuevo en tecnologa en sus instalaciones
con la finalidad de brindar un mejor servicio en salud a la comunicad
Sanmartinense Y el Per, fomentando la prctica de valores y
comportamiento tico de los mdicos profesionales, as como elevando
la calidad de la medicina, apoyando el crecimiento del pas en el
contexto de la globalizacin.
5.3.2. Sistema integrado

24

5.3.2.1.

Inteligencia de negocios (BI)

La definicin de inteligencia de negocios incluyen una amplia
categora de metodologas, aplicaciones y tecnologas que
permiten reunir, acceder, transformar y analizar los datos,
transacciones e informacin no estructurada (interna y externa),
con el propsito de ayudar a los usuarios de una compaa a
tomar mejores decisiones de negocio.
Por otra parte, en el libro Business Intelligence: Josep Llus
Cano, menciona que el objetivo bsico de inteligencia de
negocios es apoyar de forma sostenible y continuada a las
organizaciones para mejorar su competitividad, facilitando la
informacin necesaria para la toma de decisiones.
Asimismo, describe tres tipos de beneficios que se pueden
obtener a travs del uso de inteligencia de negocios, los cuales
son:

Beneficios tangibles: por ejemplo, reduccin de costos,

generacin de ingresos, reduccin de tiempos para las
distintas actividades del negocio.

Beneficios intangibles: el hecho de que tengamos

disponible la informacin para la toma de decisiones har
que ms usuarios la utilicen para tomar decisiones y
mejorar nuestra posicin competitiva.

Beneficios estratgicos: la formulacin de estrategias,

especificarn a qu clientes, mercados o con qu
productos dirigirnos.

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

inteligencia de negocios:

25

Ilustracin 1: Componentes de Business Intelligence

Fuente: Business Intelligence: competir con informacin, Josep Llus Cano

Fuentes de informacin, de las cuales partiremos para alimentar

de informacin el Data Warehouse.

Proceso ETL de extraccin, transformacin y carga de los

datos en lal Data Warehouse. Antes de almacenar los
datos en una Data Warehouse, stos deben ser
transformados,

limpiados,

filtrados

redefinidos.

normalmente, la informacin que tenemos en los sistemas

transaccionales no est 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 administracin.

26

El motor OLAP, nos provee capacidad de clculo,

consultas, funciones de planeamiento, pronstico y
anlisis de escenarios en grandes volmenes de datos.
En la actualidad, existen otras alternativas tecnolgicas al
OLAP.

Las herramientas de visualizacin, nos permiten el

anlisis y la navegacin a travs de los mismos.

5.3.2.2.

Metodologa hefesto
Hefesto es una metodologa propia, cuya propuesta est
fundamentada en una muy amplia investigacin, comparacin
de metodologas existentes, experiencias propias en procesos
de confeccin de almacenes de datos. Cabe destacar que
Hefesto est en continua evolucin, y se han tenido en cuenta,
como gran valor agregado, todos los feedbacks que han
aportado quienes han utilizado esta metodologa en diversos
pases y con diversos fines.
La idea principal, es comprender cada paso que se realizar,
para no caer en el tedio de tener que seguir un mtodo al pie de
la letra sin saber exactamente qu se est haciendo, ni por qu.
La construccin e implementacin 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 sern muy diferentes. Lo que se
debe tener muy en cuenta, es no entrar en la utilizacin de
metodologas que requieran fases extensas de reunin de
requerimientos y anlisis, fases de desarrollo monoltico que
conlleve demasiado tiempo y fases de despliegue muy largas.
Lo que se busca, es entregar una primera implementacin que
satisfaga una parte de las necesidades, para demostrar las
ventajas del DW y motivar a los usuarios.

27

La metodologa HEFESTO, puede ser embebida en cualquier

ciclo de vida que cumpla con la condicin antes declarada.
Con el fin de que se llegue a una total comprensin de cada
paso o etapa, se acompaar con la implementacin en una
empresa real, para demostrar los resultados que se deben
obtener y ejemplificar cada concepto.
La metodologa HEFESTO puede resumirse a travs del
siguiente grfico:

28

Ilustracin 2: Pasos de la metodologa 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 informacin 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 anlisis, mediante las cuales se construir el

modelo conceptual de datos del DW.
Despus, se analizarn los OLTP para determinar cmo se
construirn los indicadores, sealar las correspondencias con
los datos fuentes y para seleccionar los campos de estudio de
cada perspectiva.
Una vez hecho esto, se pasar a la construccin del modelo
lgico del depsito, en donde se definir cul ser el tipo de
esquema

que

se

implementar.

Seguidamente,

se

confeccionarn las tablas de dimensiones y las tablas de

hechos, para luego efectuar sus respectivas uniones.
Por ltimo, utilizando tcnicas de limpieza y calidad de datos,
procesos ETL, etc, se definirn polticas y estrategias para la
Carga Inicial del DW y su respectiva actualizacin.
Caractersticas:

Los objetivos y resultados esperados en cada fase se

distinguen fcilmente 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 lgicos, los cuales son

sencillos de interpretar y analizar.

Es independiente del tipo de ciclo de vida que se emplee

para contener la metodologa.

Es independiente de las herramientas que se utilicen para

su implementacin.

30

Es independiente de las estructuras fsicas que contengan

el DW y de su respectiva distribucin.

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 aplicacin metodolgica:

Anlisis de requerimientos
Lo primero que se har ser identificar los requerimientos de los
usuarios a travs de preguntas que expliciten los objetivos de su
organizacin. Luego, se analizarn estas preguntas a fin de
identificar cules sern los indicadores y perspectivas que sern
tomadas en cuenta para la construccin del DW. Finalmente se
confeccionar un modelo conceptual en donde se podr
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 deber aplicar la metodologa dos veces, una por cada
Data Mart. Del mismo modo, si se analiza el rea de ginecologa
la metodologa se aplicara una sola vez ya que la metodologa
es aplicada segn las reas las que se aplican.
Identificar preguntas.
El primer paso comienza con el acopio de las necesidades
de informacin, el cual puede llevarse a cabo a travs de
muy variadas y diferentes tcnicas, cada una de las cuales

31

poseen caractersticas inherentes y especficas, como por

ejemplo entrevistas, cuestionarios, observaciones, etc.
El anlisis de los requerimientos de los diferentes usuarios,
es el punto de partida de esta metodologa, ya que ellos son
los que deben, en cierto modo, guiar la investigacin hacia
un desarrollo que refleje claramente lo que se espera del
depsito de datos, en relacin a sus funciones y cualidades.
El objetivo principal de esta fase, es la de obtener e
identificar las necesidades de informacin clave de alto nivel,
que es esencial para llevar a cabo las metas y estrategias de
la empresa, y que facilitar una eficaz y eficiente toma de
decisiones.
Debe tenerse en cuenta que dicha informacin, es la que
proveer el soporte para desarrollar los pasos sucesivos, por
lo cual, es muy importante que se preste especial atencin al
relevar los datos.
Una forma de asegurarse de que se ha realizado un buen
anlisis, es corroborar que el resultado del mismo haga
explcitos los objetivos estratgicos planteados por la
empresa que se est estudiando.
Otra forma de encaminar el relevamiento, es enfocar las
necesidades de informacin en los procesos principales que
desarrolle la empresa en cuestin.
1. Identificar indicadores y perspectivas
Una vez que se han establecido las preguntas de negocio, se
debe proceder a su descomposicin para descubrir los
indicadores que se utilizarn y las perspectivas de anlisis
que intervendrn.
Para ello, se debe tener en cuenta que los indicadores, para
que sean realmente efectivos son, en general, valores

32

numricos

concretamente,

representan
por

lo

ejemplo:

que

se

desea

promedios,

analizar

cantidades,

sumatorias, frmulas, 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, pases, productos, rubros,
etc. Cabe destacar, que el Tiempo es muy comnmente una
perspectiva.
2. Modelo Conceptual
En esta etapa, se construir un modelo conceptual a partir de
los indicadores y perspectivas obtenidas en el paso anterior.
Modelo Conceptual: descripcin de alto nivel de la estructura
de la base de datos, en la cual la informacin es
representada a travs de objetos, relaciones y atributos.
A travs de este modelo, se podr observar con claridad
cules son los alcances del proyecto, para luego poder
trabajar sobre ellos, adems al poseer un alto nivel de
definicin de los datos, permite que pueda ser presentado
ante los usuarios y explicado con facilidad.
ANLISIS DE LOS OLPT
Seguidamente, se analizarn las fuentes OLTP para determinar
cmo sern 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
definirn qu campos se incluirn en cada perspectiva.
Finalmente, se ampliar el modelo conceptual con la informacin
obtenida en este paso.
1. Conformar Indicadores

33

En este paso se debern explicitar como se calcularn los

indicadores, definiendo los siguientes conceptos para cada
uno de ellos:

Hecho/s que lo componen, con su respectiva frmula

de clculo. Por ejemplo: Hecho1 + Hecho2.

Funcin de sumarizacin que se utilizar para su

agregacin. Por ejemplo: SUM, AVG, COUNT, etc.

2. Establecer correspondencias
El objetivo de este paso, es el de examinar los OLTP
disponibles que contengan la informacin requerida, como
as tambin sus caractersticas, para poder identificar las
correspondencias entre el modelo conceptual y las fuentes
de datos.
La idea es, que todos los elementos del modelo conceptual
estn 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 contendr cada
perspectiva, ya que ser a travs de estos por los que se
examinarn y filtrarn los indicadores.
Para ello, basndose en las correspondencias establecidas
en el paso anterior, se debe presentar a los usuarios los
datos de anlisis 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 travs de
diccionarios de datos, reuniones con los encargados del
sistema, anlisis de los datos propiamente dichos, etc.

34

Luego de exponer frente a los usuarios los datos existentes,

explicando su significado, valores posibles y caractersticas,
estos deben decidir cules son los que consideran relevantes
para consultar los indicadores y cules no.
Con respecto a la perspectiva Tiempo, es muy importante
definir el mbito mediante el cual se agruparn o sumarian
los datos. Sus campos posibles pueden ser: da de la
semana, quincena, mes, trimestres, semestre, ao, etc.
Al momento de seleccionar los campos que integrarn cada
perspectiva, debe prestarse mucha atencin, ya que esta
accin determinar la granularidad de la informacin
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 ampliar el modelo conceptual,
colocando bajo cada perspectiva los campos seleccionados y
bajo cada indicador su respectiva frmula de clculo.
MODELO LGICO DEL DW
A continuacin, se confeccionar el modelo lgico de la
estructura del DW, teniendo como base el modelo conceptual
que ya ha sido creado. Para ello, primero se definir el tipo de
modelo que se utilizar y luego se llevarn a cabo las acciones
propias al caso, para disear las tablas de dimensiones y de
hechos. Finalmente, se realizarn las uniones pertinentes entre
estas tablas. Modelo Lgico: representacin de una estructura
de datos, que puede procesarse y almacenarse en algn SGBD.
1. Tipo de Modelo Lgico del DW

Se debe seleccionar cul ser el tipo de esquema que se

utilizar para contener la estructura del depsito de datos,

35

que se adapte mejor a los requerimientos y necesidades de

los usuarios. Es muy importante definir objetivamente si se
emplear un esquema en estrella, constelacin o copo de
nieve, ya que esta decisin afectar considerablemente la
elaboracin del modelo lgico.

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

Se elegir un nombre que identifique la tabla de

dimensin.

Se aadir un campo que represente su clave

principal.

Se redefinirn los nombres de los campos si es que no

son lo suficientemente intuitivos.

3. Tablas de hechos
En este paso, se definirn las tablas de hechos, que son las
que contendrn los hechos a travs de los cuales se
construirn los indicadores de estudio.

36

Para los esquemas en estrella y copo de nieve, se realizar lo

siguiente:

Se le deber asignar un nombre a la tabla de hechos

que represente la informacin analizada, rea de
investigacin, negocio enfocado, etc.

Se definir su clave primaria, que se compone de la

combinacin de las claves primarias de cada tabla de
dimensin relacionada.

Se

crearn

tantos

campos

de

hechos

como

indicadores se hayan definido en el modelo conceptual

y se les asignar los mismos nombres que estos. En
caso que se prefiera, podrn ser nombrados de
cualquier otro modo.
4. Uniones

Para los tres tipos de esquemas, se realizarn las uniones

correspondientes entre sus tablas de dimensiones y sus
tablas de hechos.
INTEGRACIN DE DATOS
Una vez construido el modelo lgico, se deber proceder a
poblarlo con datos, utilizando tcnicas de limpieza y calidad de
datos, procesos ETL, etc.; luego se definirn las reglas y
polticas para su respectiva actualizacin, as como tambin los
procesos que la llevarn 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 bsicas, tales como limpieza de datos,

calidad de datos, procesos ETL, etc.
La realizacin de estas tareas puede contener una lgica
realmente compleja en algunos casos. Afortunadamente, en
la actualidad existen muchos software que se pueden
emplear a tal fin, y que nos facilitarn el trabajo.
Se debe evitar que el DW sea cargado con valores faltantes
o anmalos, as como tambin se deben establecer
condiciones y restricciones para asegurar que solo se utilicen
los datos de inters.

Cuando se trabaja con un esquema constelacin, hay que

tener presente que varias tablas de dimensiones sern
compartidas con diferentes tablas de hechos, ya que puede
darse el caso de que algunas restricciones aplicadas sobre
una tabla de dimensin en particular para analizar una tabla
de hechos, se puedan contraponer con otras restricciones o
condiciones de anlisis de otras tablas de hechos.
Primero se cargarn 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 est utilizando un esquema copo de nieve, cada vez
que existan jerarquas de dimensiones, se comenzarn
cargando las tablas de dimensiones del nivel ms general y
ms detallado.
2. Actualizacin
Cuando se haya cargado en su totalidad el DW, se deben
establecer sus polticas y estrategias de actualizacin o
actualizacin de datos.

38

Una vez realizado esto, se tendrn que llevar a cabo las

siguientes acciones:

Especificar las tareas de limpieza de datos, calidad de

datos, procesos ETL, etc., que debern realizarse
para actualizar los datos del DW.

Especificar de forma general y detallada las acciones

que deber realizar cada software.

Ilustracin 3: Enfoque del proceso ETL

Fuente: Espiera, 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

Extraccin: recupera los datos fsicamente de las distintas

fuentes de informacin. 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 errneos y completa los valores vacos, 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.

Transformacin: recupera los datos limpios, de alta calidad,

los estructura y sumariza en los distintos modelos de
anlisis. El resultado de este proceso es la obtencin de
datos limpios, consistentes, sumarizados y tiles.

Integracin: 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 reas de negocio que hemos
definido en el mismo. Estos procesos pueden ser
complejos.

Actualizacin: es el que nos permite aadir los nuevos

datos a la Data Warehouse. (Data Prix, s.f.)

IV.4.

Hiptesis
La Implementacin de una Solucin de Inteligencia de Negocios, influenciar
en la toma de decisiones en el rea de Ginecologa En La Corporacin
Medica San Martin.

IV.5.

Sistema de variables
X: Variable independiente

40

Solucin de Inteligente de Negocio.

Y: Variable dependiente
Toma de decisiones en el rea de Obstetricia/Ginecologa En La
Corporacin Medica San Martin.

IV.6.

Escala de medicin
Tabla 1: Escala de medicin

Variable
Dependiente:
Toma de decisiones en el
rea
de
Obstetricia/
Ginecologa
de
la
Corporacin Medica San
Martin.
Independiente:
Solucin de Inteligencia
de Negocio

Escala de medicin
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. Nmero de reportes dinmicos con el uso del
sistema BI.
3. Nmero de usuarios satisfechos con la
herramienta BI.
Fuente: elaboracin propia

41

V.
V.1.

METODOLOGA DE LA INVESTIGACIN

Tipo de la investigacin
En el presente proyecto se utiliza el tipo de investigacin aplicada o llamada
tambin investigacin tecnolgica, ya que es aquella que parte de una
situacin problemtica que requiere ser intervenida y mejorada, en este
caso, la creacin de una solucin de Inteligencia de Negocio para mejorar la
toma de decisiones en el rea de Obstetricia / Ginecologa de la Corporacin
Medica San Martin.

V.2.

Nivel de la investigacin
La investigacin ser de nivel descriptivo por que seala cmo es y cmo se
manifiesta un fenmeno o evento, cuando se busca especificar las
propiedades importantes para medir y evaluar aspectos, dimensiones o
componentes del fenmeno a estudiar.

V.3.

Diseo de la investigacin
1. Levantamiento de informacin para la construccin del modelo de BI.
2. Diseo la solucin inteligente.
3. Implementacin de la solucin BI.

42

4. Anlisis de Resultados obtenidos.

V.4.

Cobertura de investigacin
V.4.1. Poblacin y muestra
La muestra para este estudio coincide con el universo o poblacin, ya
que la poblacin es pequea, se tomarn los 3 encargados. Entonces
los sujetos tomados para la investigacin formaron un total de 3
encargados que representa el 100% del universo de estudio.

V.5.

Fuentes, tcnicas e instrumento de investigacin

V.5.1. Fuentes
Informacin obtenida a travs de documentos PDF de los manuales del
Sistema Informtico para la Corporacin Mdica San Martn y el
manual de perfil administrador y digitador.

V.5.2. Tcnicas
V.5.2.1.

Instrumento de recoleccin de datos

Recopilamos informacin usando diversas herramientas y
tcnicas, incluyendo generalmente la Web; donde se puso
ingresar al sistema de transaccional de CORPOMEDIC.

V.5.2.2.

La Observacin Directa
Se observa constantemente las necesidades del rea de
Obstetricia / Ginecologa de CORPOMEDIC.

V.5.3. Instrumento
El instrumento que se utilizar para la recoleccin de datos que se
utilizara en la investigacin es:
Entrevistas: Tiene como objetivo recolectar datos para la
indagacin. Se procesarn los datos recogidos de las
entrevistas, as como de la observacin directa en campo y de
los resultados obtenidos con el uso del sistema informtico,
luego se sistematizarn para el anlisis correspondiente.

43

V.6.

Procedimiento y presentacin de datos

Una vez realizada la obtencin de datos a travs de los cuestionarios
descritos, comienza una fase esencial para toda investigacin social,
referida a la clasificacin o agrupacin de los datos referentes a cada
variable objeto de estudio y su presentacin conjunta, es decir como indican
Cabero y Hernndez (1995: 58): tras la recogida de informacin y previo a
la presentacin de los resultados, aparece el proceso de anlisis de los
datos, que consiste en convertir los textos originales en datos manejables
para su interpretacin.
En el proceso de anlisis de datos, podemos observar diversos momentos:
Revisin detenida y depuracin de los datos obtenidos con el fin de
detectar y eliminar en lo posible, los errores y omisiones que pueden
presentar.
Codificacin como la representacin o traduccin de cada respuesta
de los cuestionarios por cdigos o indicaciones numricas que
faciliten la tabulacin.
Los datos obtenidos sern sometidos a distintas operaciones tales como:
Clasificacin
Registro
Tabulacin
Despus se utilizar Microsoft Excel para algunos grficos.
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 /Ginecologa de CORPOMEDIC

Levantamiento de informacin

Disear una Solucin de Inteligencia de Negocio

Recoleccin

de

los

Abril
2
3

Mayo
2

44

para los procesos de la organizacin

requerimientos para el BI.

Disear el modelo lgico de
datos (DM)
Desarrollar el software de
inteligencia de negocios
Implementar
la
solucin
inteligente en la organizacin

Determinar la influencia de relacin que existe

entre la implementacin de una solucin de
inteligencia
de
negocio
sobre
los
comportamientos de la toma de decisiones del
rea
de
Obstetricia/Ginecologa
de
CORPOMEDIC.

Anlisis de los reportes

dimensionales obtenidos.

Fuente: elaboracin propia

VI.1.1. Recursos humanos

Intervienen en el desarrollo de este proyecto de investigacin las
siguientes personas:
(1) Asesora:
Ing. Janina Cotrina Linares
(07) Responsables:
Aldaz Macedo, Gener
Alva Cueva, Jino
Fernndez Seijas, Diego
Prez Zelada, Cesar
Rengifo Tuesta, Edson
Tantalean Herrera, Thala
Velsquez 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 cmputo
Servidor de archivos
Servidor de base de datos
Servidor de aplicaciones
Impresora Multifuncional

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

35,00

324,00
70,00

Lapiceros
Fotocopias

docena

2,50

30,00

unidad

500

0,10

50,00

CD WR

unidad

1,00

4,00

cartuchos

40,00

160,00

unidades

5,00

10,00
892,00

unidad

3,00

12,00

Servicio de internet

mes

120,00

480,00

Asesoramiento

veces

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 ser con los recursos propios de los
investigadores.

46

VII. REFERENCIAS BIBLIOGRFICAS

Contel Rico, B. (2008). Desarrollo de una Solucin Business

Intelligence en una empresa del sector de alimentacin.
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). Diseo de una Datamart para

seguros Masivos. Universidad Tecnolgica del Per. 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

GONZLES SANCHES , A. M. (2003). Business Intelligence

en ABB.

Mori

Lpes,

P.

E.

(s.f.).

Obtenido

de

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

Pea 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). Anlisis,

Diseo e implementacin de un Datamart para el rea de
sismologa del departamento de geofsica de la escuela
politcnica

nacional.

Obtenido

de

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

47

Yalan

Castillo,

J.,

&

Palomino

Paniora,

L.

(2012).

Implementacin de una Datamart como una solucion de

Inteligencia de Negocios para el rea de Logstica de TImpulso.