Avance del Proyecto del Proyecto final 1

Uso de la metodología Hefesto para un Data Mart en el proceso de ventas de una MYPE,

2022

Integrantes

Santi Palacios, Giancarlo Fernando u18202791

Carhuancho Juica, Moises Hutch u18204631

Docentes

Huamani Cuba, Arthur Christian

Collantes Inga, Zoila Mercedes

Lima, Perú

2022
1. Problema de Investigación

En la actualidad, se evidencia que muchas de las empresas toman decisiones

arriesgadas cuando desean incrementar sus ganancias sin analizar adecuadamente el
comportamiento de sus procesos. Realizándose una manipulación compleja de la
información que dificulta a la gerencia realizar un proceso ideal de la toma de
decisiones. Recopilando datos de los cuales muchos no son relevantes, es decir,
información de poco impacto; afectando considerablemente a las estrategias
planteadas por empresa. 
Por esta razón, se planea la construcción de una solución aplicando inteligencia de
negocios que pueda ayudar a centralizar la información de suma importancia
generando reportes eficientes que puedan ser explotados estratégicamente para
plantear ventas eficaces, con menor tiempo y esfuerzo. Ante esta problemática se
establece la siguiente pregunta de investigación.

1.1. Problema General

¿Qué impacto tiene el uso de la metodología Hefesto para un Data Mart en el

proceso de ventas para una MYPE?

1.2. Problemas específicos

¿Cómo emplear la metodología Hefesto para análisis del cliente en el proceso

de ventas en una MYPE?

¿Cómo emplear la metodología Hefesto para el pronóstico de ganancias en el

proceso de ventas en una MYPE?

¿Cómo emplear la metodología Hefesto para la estrategia en la toma de

decisiones en el proceso de ventas en una MYPE?

2. Objetivo General y específicos

2.1. Objetivo General

Determinar el impacto que tiene el uso de la metodología Hefesto para un

Data Mart en el proceso de ventas para una MYPE

2.2. Objetivos específicos

  Identificar la relación que existe en la metodología Hefesto y en análisis del
cliente en el proceso de ventas en una MYPE.
 Analizar la relación que existe en la metodología Hefesto y el pronóstico de
ganancias en el proceso de ventas en una MYPE.
 Evaluar la relación que existe en la metodología Hefesto y en la toma de
decisiones en el proceso de ventas en una MYPE.

3. Justificación

3.1. Justificación Tecnológica

El uso de un Data Mart reconoce la necesidad de un sistema que pueda

integrarse a la infraestructura tecnológica institucional.

3.2. Justificación Teórica

Esta investigación tiene como propósito dar a conocer el uso de un Data

Mart para el proceso de ventas. Debido al escaso conocimiento del tema y de su
incorrecta aplicación no es garantizada la madurez de este proceso. Esto conlleva
a una mala viabilidad de la institución generando cuantiosas pérdidas
económicas.

3.3. Justificación Práctica

El uso de un Data Mart garantiza la madurez del proceso de ventas

generando mejores reportes que puedan ayudar a la institución para crear
adecuadas estrategias en la toma de decisiones.

4. Estado del arte 

En los últimos años, las empresas han sabido recopilar y utilizar la

información para tener una mejor idea es sus establecimientos en la toma de
decisiones estratégicas para incrementar sus ventas, no obstante, generar una
estrategia a partir de la información recolectada puede resultar difícil si se maneja
grandes volúmenes de datos y muchas veces esto puede llegar a no ser útil si no se
sabe cómo administrar de manera correcta todos los datos recolectados.   
  
Por lo anterior, las organizaciones desean implementar y hacer uso de
tecnologías y herramientas de Inteligencia de Negocios (IN) o en su traducción en
inglés como Business Intelligence (BI). El uso de esta herramienta puede ser
implementada estratégicamente en cualquier entidad privada o pública. Los sistemas de
IN pueden traer muchos factores beneficiosos incluyendo: la mejora de la
competitividad en la entidad y el rápido análisis de la información, aumentar las
ganancias, mejorar la satisfacción al cliente y potenciar la competitividad de las
empresas [1]. Asimismo, las empresas hacen uso de la información y del conocimiento
procesado para generar indicadores las cuales puedan permitir medir el desempeño del
proceso de ventas y describir mediante patrones, comportamientos de transacciones en
el proceso del negocio. En esta investigación se realiza un seguimiento para poder
optimizar el proceso de ventas, debido a que esto es de suma importancia para el
negocio como fuente de ingresos, la cual permite incrementar el crecimiento a futuro y
mejorar la ventaja competitiva. Por tanto, el ignorar su valor puede que la empresa
traiga consigo graves consecuencias [2]. 
  
 Consecuentemente, el utilizar herramientas de análisis de datos, permite
desarrollar y administrar los conocimientos adquiridos del tratamiento de la
información histórica de la organización [4]. Entre esas herramientas tenemos: el
proceso de extracción, transformación y carga (ETL) o en su traducción en inglés
como Extract, Transform and Load y almacenes de datos como: Data Mart (DM) para
un área específica o un Data WareHouse (DW) para datos históricos de la empresa,
las cuales son procesadas por una metodología de IN, ya que ayudan a la
centralización de la información.  

En este contexto, Existen muchas metodologías que hacen que los almacenes
de datos puedan ser implementados de manera fácil, para el análisis histórico y actual
de la empresa, que permita a las partes interesadas conocer la situación de la empresa,
con el objetivo de tomar una decisión idónea [5]. Además, cabe mencionar que el uso
de herramientas de IN brinda a las empresas ventajas competitivas, las cuales ayudan
a fortalecer y competir con otras organizaciones que llevan más años en el mercado.

Por lo tanto, para llevar a cabo el mejoramiento de este proceso de toma de decisiones
se justipreciaron la eficiencia de metodologías de IN para juntar, perfeccionar y
transformar la información desestructurada. Se encontraron estudios que avalan la
eficiencia de la metodología Hefesto. En [6] se detalla que es una metodología propia,
cuya propuesta está basada en una amplia investigación, comparando muchas
otras metodologías existentes y experiencias propias en la creación de almacenes de
datos. Dicho esto, podemos decir que Hefesto es una metodología consistente que
sirve para la elaboración de un DM o de un DW, esto puede dividirse en 4 fases; La
primera fase es el análisis de requerimientos, como segunda fase tenemos el análisis
de los OLTP, en la tercera fase tenemos el modelo lógico del DM o DW y como
ultima fase esta la integración de datos; con esto logramos establecer todas las
necesidades principales de los actores del sistema, e identificar las fuentes de datos de
forma precisa, asimismo, con la creación del modelo de datos que se requiera
utilizar [7].  
  
En ese sentido, los objetivos y resultados obtenidos por cada fase de esta
metodología son simples de comprender y cada una es autónoma de la otra, asimismo,
estos criterios cumplen con todas las expectativas que solicite el usuario, por lo tanto,
cualquier cambio que pueda presentar la entidad se da de manera fácil, así también,
acortando la resistencia al cambio. Esto ayuda mucho a la creación del Data Mart, ya
que podremos tener cambios notorios en corto tiempo. En [8] se menciona que es de
gran ventaja el uso de esta metodología, ya que, a diferencia de otras metodologías,
esta especifica cada uno de los pasos que se deben realizar de manera puntual. 
 
Comparando con [3], menciona dos conceptos que describen bien el uso de un
DM y un DW y son importantes mencionar, por un lado, la metodología de Bill
Inmon, recalca que los Datamart se benefician de un DW para obtener la información
almacenada de una manera estructurada dentro de un modelo relacional, modelo
también conocido como enfoque top-Down. Por otro lado, la metodología de Ralph
Kimball proyecta una visión dimensional para el diseño de un DW, y asegura que la
unificación de todos los DM forma el DW, y esto a su vez es también conocido como
el enfoque bottom-up.   
  
De lo descrito anteriormente se identifican que la metodología Inmon detalla
que los Data Mart (DM) trabajan de manera independiente del Data Warehouse (DW);
sin embargo, la metodología de Kimball menciona que los DM dependen del DW y la
metodología Hefesto realiza una combinación de las dos metodologías (Inmon y
Kimball), lo cual permite implementar el DW a partir de requerimientos de los
usuarios para realizar la construcción de un esquema lógico y la definición del
proceso ETL [9]. Por esta razón, el trabajo realizado será en base a la metodología
Hefesto. 
  
Por esta razón, En [10] justifica la eficiencia de la metodología Hefesto y
menciona que sus características y el propio método es muy fácil de utilizar y aplicar
para realizar el modelado multidimensional a cualquier base de datos que tenga una
estructura relacional. Esto es cierto, ya que esta metodología facilita mucho la
construcción de un Data Mart (DM), este puede ser muy útil para apoyar a un área
específica fortaleciendo los procesos que se evalúan, así mismo, reduciendo el tiempo
para la elaboración de reportes y la mejora en el proceso de toma de decisiones.   
  
Complementando lo anterior, un paso muy crucial que tiene Hefesto es la
última etapa que habla del modelo lógico, el cual trata de poblar los datos en las tablas
previamente definidas, mediante el proceso ETL, de manera que se almacenen los
datos en el DM de manera estructurada y sin ningún fallo.
  
 Por otro lado, cabe recalcar que la función del proceso ETL, es poder integrar
los datos recolectados de las distintas fuentes proporcionadas por la entidad, de
manera que se transformen esos datos para ser cargados en el Data Mart, En ese
sentido, se recomienda el uso de herramientas ETL para agrupar todos los datos
almacenados para así formar el Data Mart. 

Para finalizar, en base a los antecedentes revisados anteriormente, se puede

concluir que las herramientas de BI son de mucha ayuda a las entidades y/o empresas
que manejan altos volúmenes de datos y no saben cómo manejarlos, debido a esto, se
genera malas decisiones dentro de las empresas, ya sea para el incremento de sus
ventas o la fidelización de sus clientes. Así mismo, también existen muchas empresas
que gracias a metodologías de inteligencia de negocios (BI), como son Hefesto,
Inmon y Kimball, las cuales son las más reconocidas por su nivel de eficiencia que
han tenido excelentes resultados al aplicar una o más de estas metodologías en su
organización. En ese sentido, en este proyecto de investigación pretendemos, aplicar
herramientas de BI utilizando la metodología Hefesto para construir un Datamart, con
 la finalidad de que las empresas puedan analizar de manera estratégica los reportes
generados por este.

5. Marco teórico

5.1. Bases de datos

Son conjuntos de datos organizados de manera sistemática, estas están
compuestas por tablas, las cuales contienen columnas (registros) y filas
(campos), asimismo, pueden almacenar grandes volúmenes de datos, los
cuales son gestionados por un sistema de gestión de base de datos (SGBD). 
5.1.1. Base de datos relacional
Tipo de bases de datos que almacenan información de manera
estructurada siguiendo un modelo relacional, la cual define cada tabla
padre con una columna identificador (ID), la cual será la clave primaria

y esto puede estar relacionado con otras tablas hijas colocándose

dentro, a esto se les denomina claves foráneas y así crear una relación
entre tablas.  

Figura 1. Representación de una base de datos relacional

5.1.2. Gestores de base de datos

Cuando mencionamos un gestor de BD hacemos referencia a
un software capaz de facilitar el uso de las bases de datos, poder crear,
modificar y registrar archivos o registros dentro de la base de datos,
 todo esto se maneja mediante una interfaz que facilita el uso de estas
funciones. Existen diferentes gestores de base de datos que son muy
conocidos Microsoft SQL server, MySQL, Microsoft Access, Firebase,
Oracle Database, etc.  

5.2. Data Mart

Es un almacén de datos que está orientado a las consultas de un área
específica, esto contiene información clave de la empresa sacada de las bases de
datos del área, así mismo, esto contribuye a que se tomen buenas decisiones en la
gerencia.  

5.2.1. Esquema estrella de un Data Mart

Es un modelo de base de datos relacional, el cual consta de una
tabla hechos rodeada de otras tablas dimensiones, estas alimentan con
datos específicos la tabla hechos los cuales sirve para realizar un
análisis que concluye con reportes.  

Figura 2. Esquema estrella de un Data Mart

5.2.2. Esquema copo de nieve de un Data Mart

Este esquema de Data Mart consta de una tabla hechos la cual
esta ligada a muchas tablas dimensiones, las cuales también pueden
estar relacionadas con otras tablas dimensiones, esto crea una relación
de muchos a uno. 
 Figura 3. Esquema copo de nieve de un Data Mart

5.2.3. Esquema constelación de un Data Mart

Este esquema es una fusión del esquema estrella y del esquema
copo de nieve, tiene mucha similitud con el esquema estrella, la única
diferencia es que puede tener más de una tabla hechos. 

Figura 4. Esquema constelación de un Data Mart

5.2.4. Relación de muchos a uno

 Esto hace referencia a la relación que tiene una tabla con otras
tablas mediante el uso de sus identificadores, la cual una tabla puede
tener contener varios identificadores de otras tablas para así crear la
relación de muchos a uno, estas se les denominan claves foráneas.

5.3. Impacto de un Data Mart en las empresas

El impacto de esta herramienta en las empresas permite que estas puedan
analizar los datos de una manera óptima y así puedan mejorar sus procesos, y así
mismo puedan tomar mejores decisiones ejecutivas en su organización.

Figura 5. Representación gráfica de un Data Mart

5.4. Proceso de ventas

Es un conjunto de pasos para un determinado fin, por medio de ella se
pueden atraer y retener clientes. El proceso de ventas cuenta con 7 etapas que son:
Prospección, Calificación de leads, Preparación, Presentación, Argumentación y
manejo de objeciones, Cierre de la venta y por último la Postventa. 

5.5. Metodología Hefesto

Es una herramienta de inteligencia de negocios que ayuda en la toma de
decisión y para la construcción de un Data Warehouse (DW), cabe destacar que
esta metodología esta en continua evolución. Esta metodología está orientado a
diversos fines, así mismo, está compuesta por 4 fases que son muy fáciles de
seguir y que nos ayuda a una toma de decisión más confiable. 
 Figura 6. Fases de la metodología Hefesto

5.6. Influencia de la metodología Hefesto

La metodología Hefesto es de gran importancia ya que influye de manera
positiva a las empresas que hagan uso de ella, dando como resultado la
construcción de un DW, basándose en los requerimientos de los usuarios. 

5.6.1. Características de la metodología Hefesto 

 Los resultados de emplearlo son claros y fácil de comprender. 
 Su estudio está basado en comprender los modelos conceptuales y
lógicos. 
 Trabaja de manera independiente a otras metodologías. 
 Cada fase terminada es independiente de la otra. 

6. Hipótesis
6.1. Hipótesis General

El uso de la metodología Hefesto tendrá un impacto positivo para el

proceso de ventas para una MYPE.

6.2. Hipótesis especificas

 El uso de la metodología Hefesto tendrá un impacto positivo para el análisis

del cliente en el proceso de ventas para una MYPE.
  El uso de la metodología Hefesto tendrá un impacto positivo para el
pronóstico de ganancias en el proceso de ventas para una MYPE.
 El uso de la metodología Hefesto tendrá un impacto positivo para la toma de
decisiones en el proceso de ventas para una MYPE.

7. Metodología
7.1. Enfoque de la investigación
El enfoque metodológico que toma la presente investigación es cuantitativo,
ya que está basado en una perspectiva positivista, verificando de manera objetiva el
estado actual de la empresa y analizando estadísticamente el objeto de estudio para
probar una hipótesis. El enfoque adoptado en la presente investigación se encuentra
sustentada en [2], donde los autores mencionan que existe evidencia comprobadas
estadísticamente que el promedio de los datos reales es igual al promedio de los datos
calculados, por ello concluyen que el modelo de pronóstico es aplicable.

7.2. Alcance de la investigación

El alcance adoptado en esta investigación es de tipo correlacional o causal,
debido a que se empleara la metodología Hefesto para el Data Mart y así determinar la
influencia que tiene sobre el proceso de ventas. Este tipo de alcance ya fue
anteriormente considerado en [2], donde los autores analizan el uso de herramientas
de Inteligencia de negocios en combinación con un modelo para la toma de
decisiones.

7.3. Métodos de la investigación

El objetivo de esta investigación está basado en usar metodología Hefesto para

un Data Mart en el proceso de ventas de una empresa. En ese sentido, debido a que la
presente investigación usa un alcance correlacional o causal se realizará la
elaboración de la metodología a emplear. Esta metodología será construida mediante
la recopilación de datos de la empresa que están definidos en el marco teórico. Los
pasos a seguir para la implementación de la metodología se muestran a continuación.

El uso de este método tendrá como base la metodología Hefesto, ya que esta es
muy eficaz y utilizada en muchas organizaciones. Hefesto está constituida por 4 fases
fundamentales y cada fase contiene una serie de puntos que se deben realizar.
 Como primera fase está el análisis de requerimiento, esta fase trata
básicamente de la recopilación de información para generar las preguntas y poder
analizar los requerimientos del proceso de ventas, esta información se recopila a
través de cuestionarios, entrevistas, observaciones, etc. Así mismo, se realiza la
identificación de indicadores y perspectivas de análisis, haciendo uso de la
información recopilada. Seguidamente se procede a realizar la construcción del
modelo conceptual, este modelo se realizará a partir de las perspectivas e indicadores
que se identificaron en el punto anterior, a partir de este modelo conceptual se podrá
identificar el alcance del proyecto para poder trabajar sobre ello.

Como Segunda fase está el análisis de los OLTP, en esta fase se examinará los
OLTP que contengan información requerida, de esa manera se podrá identificar la
correspondencia entre la fuente de datos y el modelo conceptual que se construyó en
la fase anterior.

Como tercera fase está la elaboración del modelo lógico DW, en esta fase se
procede a diseñar las tablas de hechos y dimensiones. Para diseñar las tablas de
dimensiones se procederá a tomar cada perspectiva con sus atributos relacionados, se
le asignará un nombre que identifique la dimensión, se asignará la clave principal a un
campo, etc. Así mismo, se procederá a diseñar las tablas de hechos, éstas son aquellas
que van a contener los indicadores del estudio. Finalmente se procederá a realizar las
uniones entre esas tablas.

Como última fase está la integración de datos, en esta fase se procederá a

probar el modelo lógico con datos, mediante el proceso ETL (Extracción,
transformación y carga).

7.4. Técnicas de la investigación

La técnica empleada para el trabajo de investigación será la observación que
nos permitirá obtener la recopilación y extracción de datos con respecto al proceso de
ventas. Para ello, tendremos que determinar los indicadores en base a las preguntas
claves previamente formuladas por la institución y así formar un modelo conceptual
que ayude a la implementación de un Data Mart. Afirmando con lo que indica [11] en
su libro, toda técnica para la recolección de datos puede basarse en la observación no
estructurada.
7.5. Instrumentos de la investigación
El instrumento a utilizar será una encuesta para estimar el tiempo empleado
para el proceso de ventas de la institución para poder relacionarlo con los indicadores
y así lograr el análisis apropiada que ayuden a la elaboración conveniente del Data
Mart para el proceso de ventas. Muestran estudios en [11] que dan soporte a nuestro
instrumento de investigación, ya que un instrumento puede basarse en un informe con
datos obtenidos mediante la observación, medición y documentación.

7.6. Población
La población considerada en esta investigación será 20 subprocesos del
proceso de ventas. Según [11] afirma que la población es el conjunto de casos que
tengan relación con la cantidad de especificaciones que le demos a la investigación.

7.7. Muestra
Para esta investigación la muestra será para 20 subgrupos del proceso de
ventas. Según [11] indica que cuando la población es menor a 50 se toma la misma
cantidad para la muestra, asimismo, toda investigación tiene que ser transparente para
que sea explicito todo el proceso de selección de la muestra, sin considerar esto se
encuentra vulnerable a criticas y replicas.
 ORIGEN DEL
TIPO CATEGORÍA RECURSO DESCRIPCIÓN MONTO
RECUSO

Equipo Laptop Recurso propio ---

Recursos disponibles Infraestructura

Internet Consumo de internet Recurso propio ---

Licencia de powerBI

PowerBI para el análisis de Recursos propios S/ 38.72

datos

Licencia para poder

usar las
Recursos necesarios Software Visual Studio Recursos propios S/99.09
herramientas de

Visual Studio.

Licencia para poder

SQL server
usar la base de Recursos propios S/669.90
Enterprise
datos.
 Responsable de Indicar el objetivo
Indicador Semanas
Descripción de objetivos y actividades la actividad alcanzar con esta acti
del proyecto 1 1 1 1 1
Cantidad Descripción 3 4 5 6 7 8 9
0 1 2 3 4
1 Identificar las preguntas claves 1 Datos Giancarlo Santi X Objetivo 1

2 Identificación de indicadores y 1 Indicadores Moisés Carhuancho X X Objetivo 1

perspectivas

3 Realizar el Modelo conceptual 1 Modelo conceptual Giancarlo Santi X X Objetivo 1

4 Conformar indicadores 1 Indicadores Moisés Carhuancho X X Objetivo 1

5 Establecer Correspondencias 1 Establecer base de Giancarlo Santi X X Objetivo 1

datos
6 Establecer el nivel de granularidad 1 Descripción de cada Moisés Carhuancho X X Objetivo 1
variable

7 Elaborar el modelo conceptual ampliado 1 Modelo conceptual Giancarlo Santi X Objetivo 2

completo
8 Realizar las uniones 1 Elaborar esquema Moisés Carhuancho X Objetivo 2

9 Elaborar las tablas de dimensiones 1 Creación de las Giancarlo Santi X X Objetivo 2

tablas dimensiones
10 Elaborar las tablas de hechos 1 Creación de la tabla Moisés Carhuancho X X Objetivo 2
hechos

11 Elaborar las uniones 1 Realizar las uniones Giancarlo Santi X X Objetivo 2

12 Elaborar la carga inicial 1 Cargar los datos Moisés Carhuancho X Objetivo 2

13 Realizar actualización 1 Actualizar datos Giancarlo Santi X X Objetivo 2

14 Análisis y discusión de resultados 1 Reporte de análisis Moisés Carhuancho X X Objetivo 3

obtenidos y discusión Giancarlo Santi
15 Redacción del informe Final (Trabajo de 1 Trabajo final Moisés Carhuancho X X Objetivo 3
investigación) Giancarlo Santi
8. Bibliografía

[1] M. Alnoukari, and A. Hananao, “Integration of business intelligence with corporate

strategic management”, Journal of Intelligence Studies in Business, vol. 7, n° 2, pp. 5-16,
Julio 2017, doi: 10.37380/jisib.v7i2.235.

[2] D. Vanegas, G. Tarazona-Bermúdez, and L. Rodríguez-Rojas, “Mejora de la toma de

decisiones en ciclo de ventas del subsistema comercial de servicios en una empresa de IT”,
Revista Científica, vol. 38, n°2, pp. 174-183, Abril 2020, doi: 10.14483/23448350.15241.

[3] W. Castillo Rojas, M. Quispe Fernando, and M. Francisco Fariña, “Una Metodología para
Procesos Data WareHousing Basada en la Experiencia”, RISTI - Revista Ibérica de Sistemas
e Tecnologias de Informação, vol. 26, pp. 83-103, Feb. 2018, doi: 10.17013/risti.26.83-103.

[4] Q. Medina, M. Fernando Fariña, Francisco, and W. Castillo Rojas. “Data Mart para
obtención de indicadores de productividad académica en una universidad”, Ingeniare.
Revista chilena de ingeniería, vol. 26, pp. 88-101, Nov. 2018, doi: 10.4067/S0718-
33052018000500088.

[5] G. Silva Peñafiel, V. Zapata Yánez, K. Morales Guamán, and L, Toaquiza Padilla,
“Análisis de metodologías para desarrollar Data Warehouse aplicado a la toma de
decisiones”, Ciencia Digital, vol. 3, n°3.4, pp. 397-418, Sep. 2019, doi:
10.33262/cienciadigital.v3i3.4..922.

[6] R. Bernabeu and M. Garcia Mattío. (2017, Sep 28) “Hefesto data warehouing”. (3rd ed.)
[Online]. Available: https://troyanx.com/Hefesto/

[7] A. Arencibia Morales, and D. Castellano Pérez, “Herramienta informática para la toma
de decisiones de las Reacciones Adversas a Medicamentos en Cuba”, Revista Cubana de
Ciencias Informáticas, vol. 10, n° 3, pp. 144-158, Sep. 2016. 
[8] X. Orellana, and L. Pauta, “Diseño de un Almacén de Datos utilizando metodología

HEFESTO. Caso de estudio: “Divorcios del año 2016 en el Ecuador"”, Convergence Tech,

vol. 3, n°3 ,pp. 92–110, Feb. 2020, doi: 10.53592/convtech.v3iIII.13.

[9] C. Rójas-Muñóz, and V. Saquicela, “Sistema de ayuda a la decisión basado en un data

warehouse”. Maskana, vol. 8, pp. 175–187, Nov. 2017.  

[10] E. Casas Huamanta, and D. Camas Huamán, “Proceso de transformación de una base de
datos relacional a modelo multidimensional haciendo uso de la metodología Hefesto para la
elaboración de un Datamart”, Revista de Investigación Ciencia, Tecnología y Desarrollo, vol.
2, pp. 67–76, Jun. 2016, doi: 10.17162/rictd.v2i1.632

[11] R. Hernández-Sampieri, C, Fernández-Collado and P. Baptista-Lucio, Metodología de

la investigación, 6th. ed. New York: McGraw-Hill, 2014.
 Anexo 1
FORMATO DE REVISIÓN PARA EVALUACIÓN ÉTICA
Entidad donde realiza la investigación (UTP, UTP
otra universidad, instituto, etc.)
Unidad o campus de la UTP Lima Sur
Carrera o Programa ingeniería de Software
Tipo de investigación Proyecto de Investigación
Título completo de la investigación Uso de la metodología Hefesto para un Data Mart en el proceso
de ventas de la MYPE: MAMÁ SIGÜEÑA, 2022
Giancarlo Fernando Santi
Datos de quienes Nombres y apellidos Código UTP U18202791
Palacios
realizan la
Moises Hutch Carhuancho
investigación Nombres y apellidos Código UTP U18204631
Juica

Cualquier duda al marcar uno de los siguientes criterios puede dirigirlas al Comité de Ética en la Investigación
comiteetica@utp.edu.pe
CRITERIO Marcar X
a. Estudios experimentales o cuasi experimentales en seres humanos, animales o plantas.
b. Estudios que involucren población vulnerable1.
c. Estudios que impliquen la utilización de muestras biológicas de origen humano.
d. Estudios que requieran la utilización de datos clínicos de seres humanos como sujetos de
investigación.
e. Que en su desarrollo causen posible daño al medio ambiente o a la cultura nacional.
f. Estudios que involucren a seres humanos dentro del campo educativo, psicológico y de
salud en los que no sea posible mantener el anonimato de los participantes, o estos sean
fácilmente identificables, o que aborden temas relacionados con:
- Conducta ilegal, adicción a drogas, conducta sexual, alcoholismo.
- Consulten sobre la intimidad o privacidad las personas naturales o jurídicas.
- Que no estén incluidos en los puntos a, b, c, d, e .
g. Estudios que involucren a seres humanos dentro del campo educativo, psicológico y de
salud que no incluyan información y datos que permitan identificar a los participantes y
que no estén incluidos en los puntos a, b, c, d, e, f.
h. Ninguna de las anteriores X
CALIFICACIÓN Marcar X
SI CORRESPONDE EVALUACIÓN ÉTICA, si la respuesta anterior fue a, b, c, d, e, f
CORRESPONDE EXONERACIÓN, si la respuesta fue g
NO CORRESPONDE EVALUACIÓN ÉTICA, si la respuesta anterior fue h X

1
Se considera población vulnerable a personas privadas de su libertad en instituciones penales, menores de edad, mujeres embarazadas,
personas adultas mayores, personas en situación de violencia explícita, personas con discapacidad física o mental, poblaciones en
extrema pobreza o indigencia, habitantes de calle o en situación de calle, personas dependientes o con tutores, personas en riesgo
de estigmatización y poblaciones LGTBI en riesgo de discriminación y/o comunidades nativas.
Revisado por:
Cargo Nombres y Apellidos Firma Fecha
Haga clic aquí
o pulse para
escribir una
fecha.

V1: Metodología Hefesto, Tomado - Palella y Martins (2012) Refieren cuando están en los
rangos 0,61 a 0,80 es alta, por ende, la prueba de confiabilidad para la muestra piloto es
confiable procediendo a realizar la muestra total.

Resumen de procesamiento de casos

N %
Casos Válido 11 100.0
Excluido a
0 .0
Total 11 100.0
a. La eliminación por lista se basa en todas las
variables del procedimiento.

Estadísticas de fiabilidad
Alfa de Cronbach N de elementos
.703 15

V2: Proceso de ventas, Tomado - Palella y Martins (2012) Refieren cuando están en los
rangos 0,81 a 1 es muy alta, por ende, la prueba de confiabilidad para la muestra piloto es
confiable procediendo a realizar la muestra total.

Resumen de procesamiento de casos

N %
Casos Válido 11 100.0
Excluido a
0 .0
Total 11 100.0
a. La eliminación por lista se basa en todas las
variables del procedimiento.

Estadísticas de fiabilidad
Alfa de Cronbach N de elementos
.908 15