universidad de guayaquil facultad ingenierÍa …repositorio.ug.edu.ec/bitstream/redug/30778/1/tesis...

UNIVERSIDAD DE GUAYAQUIL FACULTAD INGENIERÍA INDUSTRIAL DEPARTAMENTO ACADÉMICO DE TITULACIÓN

TRABAJO DE TITULACIÓN

PREVIO A LA OBTENCIÓN DEL TÍTULO DE LICENCIADA EN SISTEMAS DE INFORMACIÓN

ÁREA CIENCIA DE DATOS

TEMA “DESARROLLO E IMPLEMENTACIÓN DE UN

DATAMART COMO UNA SOLUCIÓN DE INTELIGENCIA DE NEGOCIOS PARA EL MÓDULO

DE SEGUIMIENTO DE TUTORÍAS EN LA UNIVERSIDAD DE GUAYAQUIL”

AUTORA CEPEDA CEDEÑO KAREN PAOLA

DIRECTOR DEL TRABAJO LSI. VILLOTA OYARVIDE WELLINGTON REMIGIO, MSC.

2018 GUAYAQUIL – ECUADOR

ii

DECLARACIÓN DE AUTORÍA

“La responsabilidad del contenido de este trabaja de titulación, me

corresponde exclusivamente; y el patrimonio intelectual del mismo a la

Facultad Ingeniería Industrial de la Universidad de Guayaquil”.

Karen Paola Cepeda Cedeño

C.I # 0951412436

iii

DEDICATORIA

Dedico el presente proyecto de graduación a Dios por darme la

sabiduría en los momentos difíciles de la carrera, a mis padres, hermanos,

tíos, amigas que siempre estuvieron dándome la fortaleza que necesite

para culminar mi carrera, a mis docentes que con sus conocimientos

impartidos permitieron que yo logrará terminar mi meta con éxito.

Cepeda Cedeño Karen Paola.

iv

AGRADECIMIENTO

Agradezco a Dios, a mis padres, hermanos, a mis tíos Wilberto y Jessica

por permitirme lograr esta meta que parecía inalcanzable, al Ing. Wellington

Villota por ser mi tutor durante todo este periodo, al Ing. José Caicedo por

su guía durante todo el proceso académico que quien sus consejos nos

inculco a que todo es posible en esta vida profesional y que no hay

obstáculos que nos impidan realizar nuestras metas y a todos los docentes

de la carrera de Licenciatura en Sistemas de Información por todo el apoyo

y conocimiento aportado.

Cepeda Cedeño Karen Paola.

v

ÍNDICE GENERAL

No. Descripción Pág.

PRÓLOGO 1

INTRODUCCIÓN 2

CAPITULO I

MARCO TEÓRICO


1.1 Marco Conceptual 7

1.2 Definición del proceso de tutorías 7

1.3 Definición de BI 8

1.3.1 Beneficios de la inteligencia de negocios 9

1.3.2 Arquitectura y componentes de BI 10

1.4 Proceso ETL 11

1.5 Data warehouse 14

1.6 Datamart 15

1.6.1 Tipos de datamart 15

1.7 Sistemas OLAP 16

1.8 Sistemas OLTP 18

1.9 Modelo multidimensional 18

1.10 Esquema estrella y copo de nieve 20

1.10.1 Esquema estrella 20

1.10.2 Esquema copo de nieve 21

1.11 Herramientas BI open source 21

1.11.1 Pentaho 22

1.11.2.1 Power Pivot 26

1.12 Herramientas propietarias 29

vi


1.12.1 Oracle BI 29

1.12.2 MicroStrategy 30

1.12.3 Microsoft 30

1.13 Metodologías existentes 32

1.13.1 Metodología Ralph Kimball 32

1.13.2 Metodología Inmon 33

CAPITULO II

MARCO METODOLÓGICO


2.1 Análisis situacional 37

2.2 Diseño de la investigación 37

2.2.1 Investigación descriptiva 37

2.3 Población y muestra 38

2.4 Fuentes y técnicas 38

2.5 Plan de recolección de datos 39

2.6 Técnica de levantamiento de información 40

2.6.1 Entrevistas 40

2.6.2 Encuestas 41

2.7 Metodología de desarrollo a utilizar 49

2.8 Diccionario de datos 49

CAPITULO III

PROPUESTA


3.1 Tema 51

3.2 Objetivo 51

3.3 Elaboración 51

vii


3.4 Etapa de planificación 52

3.5 Identificación de actores y roles 52

3.6 Requerimientos funcionales y no funcionales 54

3.6.1 Requerimientos funcionales 54

3.6.2 Requerimientos no funcionales 56

3.7 Modelo dimensional 58

3.8 Diseño de la arquitectura 62

3.9 Diseño físico 63

3.10 Selección de herramientas a utilizar 67

3.11 Construcción de reportes 67

3.12.1 Conclusiones 76

3.12.2 Recomendaciones 76

GLOSARIO DE TÉRMINOS 77

ANEXOS 79

BIBLIOGRAFÍA 87

viii

ÍNDICE DE CUADROS


1 Diferencias de Datamart y Datawarehouse 16

2 Cuadro comparativo de Excel para power pivot 27

3 Cuadro comparativo de herramientas 31

4 Manejo de Fases de las metodologías 35

5 Comparativa de Metodologías 36

6 Resumen de entrevistas 40

7 Pregunta 1 41

8 Pregunta 2 42

9 Pregunta 3 43

10 Pregunta 4 44

11 Pregunta 5 45

12 Pregunta 6 46

13 Pregunta 7 47

14 Roles y actores 52

15 Requerimientos funcionales 54

16 Leyenda prioridad 56

17 Requerimientos no funcionales 56

18 Dimensión estudiante 59

19 Dimensión docente 60

20 Dimensión línea investigativa 60

21 Dimensión sublínea investigativa 61

22 Dimensión unidad 61

23 Carga de datos de docentes 63

24 Carga de datos de línea investigativa 64

25 Carga de datos de docente por línea investigativa 64

26 Carga de datos de estudiantes 65

27 Carga de datos de línea por sublínea investigativa 65

ix

ÍNDICE DE IMÁGENES


1 Beneficios de BI 26

2 Fase de transformación 30

3 Fase de carga 31

4 OLTP vs Datamart 32

5 Ejemplo de modelo multidimensional 36

6 Power BI Service 41

7 Funcionamiento de power pivot 43

8 Esquema de base de datos 67

9 Diseño de la arquitectura de power pivot 80

10 Conexión a la base de datos postgres 85

11 Migración de postgres a Excel 85

12 Selección de tablas a utilizar 86

13 Menú principal de reportes 88

14 Reporte de tutores por línea investigativa 89

15 Reporte de línea por sublínea investigativa 90

16 Reporte de asignación de estudiantes a tutores 91

17 Reporte de detalle de las unidades del documento 92

x

ÍNDICE DE GRÁFICOS


1 Ejemplo de Pentaho Reporte Designer 23

2 Oracle BI 29

3 MicroStrategy 30

4 Microsoft BI 30

5 Porcentaje de pregunta 1 42







12 Gráfica de tutores por línea investigativa 72

13 Gráfica de reporte de línea investigativa 73

14 Gráfica de asignación a tutores 74

15 Gráfica de unidades del documento 75

xi

ÍNDICE DE DIAGRAMAS


1 Proceso ETL 9

2 Fase de extracción 12

3 Esquema estrella 20

4 Esquema de copo de nieve 21

5 Arquitectura Power Pivot 28

6 Ciclo de vida Kimball 33

7 Metodología Inmon 34

8 Casos de uso 53

9 Modelo Matriz 62

10 Modelo de datos 70

xii

ÍNDICE DE ANEXOS


1 Entrevista al gestor de titulación 79

2 Informe de avance de tutorías 80

3 Acuerdo de tutorías 81

4 Certificado del Urkund 82

5 Formato de Encuesta realizada a estudiantes 83

6 Formato de Encuesta estudiantes 1 84

7 Formato de encuestas a estudiantes 2 85

7 Presentación de reportes al gestor de titulación 86

xiii

AUTORA: CEPEDA CEDEÑO KAREN PAOLA TITULO: DESARROLLO E IMPLEMENTACIÓN DE UN DATAMART

COMO UNA SOLUCIÓN DE INTELIGENCIA DE NEGOCIOS PARA EL MÓDULO DE SEGUIMIENTO DE TUTORÍAS EN LA UNIVERSIDAD DE GUAYAQUIL.

DIRECTOR: LSI. VILLOTA OYARVIDE WELLINGTON REMIGIO, MSC.

RESUMEN

El presente proyecto tiene como objetivo implementar un Datamart (Base de Datos Departamental), como una solución de inteligencia de negocios (BI), para mejorar la toma de decisiones de los procesos de titulación, se implementará en el departamento de titulación de la Carrera de Licenciatura en Sistemas de Información. A lo largo de este trabajo, se analizó los antecedentes de la inteligencia de negocios, con el propósito de que se comprenda este trabajo, actualmente este proceso no cuenta con herramientas que le permitan realizar el análisis del historial de los docentes dividido por líneas de investigación, actividades que se llevan a cabo en el proceso de tutorías. Está aplicación permitirá generar reportes mediante la utilización de la herramienta Power Pivot con su base de datos que se llevará a cabo en PostgreSQL, para realizar la migración de datos correspondiente. La elaboración de este proyecto se basa en el uso de un almacén de datos en tiempo real con el objetivo de encontrar indicadores que sirvan como fuente de consultas. La metodología que se utilizó en esta investigación es la de Ralph Kimball, que se basa en el Ciclo Dimensional.

PALABRAS CLAVES: Almacén de datos, Dimensional, Kimball, Power Pivot, Metodología, PostgreSQL.

Cepeda Cedeño Karen Paola LSI. Villota Oyarvide Wellington Remigio, Msc. C.C 0951412436 Director del trabajo

xiv

AUTHOR: CEPEDA CEDEÑO KAREN PAOLA SUBJECT: DEVELOPMENT AND IMPLEMENTATION OF A

DATAMART AS A SOLUTION OF BUSINESS INTELLIGENCE FOR THE MONITORING MODULE OF TUTORSHIP IN THE UNIVERSITY OF GUAYAQUIL.

TUTOR: LSI. VILLOTA OYARVIDE WELLINGTON REMIGIO, MSC.

ABSTRACT

The present project aims to implement application using a Datamart (Departmental Data Base), as a solution the Business Intelligence (BI), to improve the decision-making of the graduation processes, it will be implemented in the graduation department of the Information Systems Degree. Throughout this work, it was analyzed an overview of the history of business intelligence, with the purpose that this work, will be understood currently this process doesn´t have tools that allow you to perform the analysis of the history of the teachers divided by lines of research, activities that are carried out in the tutoring process. This application will allow to generate reports using the Tool Power Pivot with its database that will be carried out in PostgreSQL, to perform the respective data migration. The elaboration of this project it is based on using a data warehouse in real time with the aim of finding indicators to serve as a source of consultations. The methodology used in this research is the Ralph Kimball that is based on the Dimensional Cycle.

KEY WORDS: Data Warehouse, Dimensional, Kimball, Power Pivot, Methodology, PostgreSQL.

Cepeda Cedeño Karen Paola LSI. Villota Oyarvide Wellington Remigio, Msc. I.D 0951412436 Director of work

PRÓLOGO

Este proyecto se basa en el desarrollo e implementación de un

Datamart para el módulo de Seguimiento de Tutorías para la Universidad

de Guayaquil en la Facultad de Ingeniería Industrial de la Carrera de

Sistemas de Información, en esta parte se desglosará las actividades que

se realizan en el proceso de titulación.

El presente proyecto está compuesto por cuatro capítulos, el primer

capítulo consta de la introducción, el segundo capítulo hace referencia al

marco teórico, el tercer capítulo se basa en la metodología y herramientas

a utilizar en el proyecto investigativo, finalmente en el cuarto capítulo se

elabora la propuesta.

En el capítulo I se enfatiza en la introducción del tema, la problemática

que existe actualmente en el módulo de tutorías, se especifica los objetivos

generales y específicos se define el alcance y limitaciones del proyecto.

En el capítulo II se desarrolla el marco teórico que consta de las

herramientas que va a utilizar el proyecto, se realiza un análisis de la

metodología a desarrollar.

En el capítulo III se especifica el análisis situacional, la recolección de

datos con las diferentes técnicas de levantamiento de información como

son las entrevistas, encuestas, observación directa etc.

Finalmente, en el capítulo IV hace énfasis a la propuesta donde se

detalla la solución de la misma se analiza y se implementa las diferentes

fases de la metodología ya escogida.

INTRODUCCIÓN

Antecedentes

Actualmente la información es importante al momento de tomar

decisiones, y a veces los resultados obtenidos no son los adecuados por

este motivo es importante, apoyarse en herramientas tecnológicas

Business Inteligencie que contribuyen en el mejoramiento de los procesos

de la parte administrativa en el módulo de titulación.

La carrera de Licenciatura en Sistemas de Información en la actualidad

maneja gran volumen de registros de datos de los estudiantes y docentes

tutores; esta cantidad de datos podrían ser aprovechados para colaborar

en la toma de decisiones, controlando el manejo de toda esta información

donde unos de sus objetivos es compartir e integrar cierta información que

sirvan para mejorar el análisis.

El objetivo primordial de implementar la inteligencia de negocios para

la construcción de un DATAMART es proveer los datos al alcance de los

responsables de la toma de decisiones, utilizando herramientas que me

permitan extraer los datos de manera eficiente y almacenarlos en un

repositorio optimizando la cantidad de recursos como costos, tiempos en

los procesos de negocios, y como resultado haga un análisis de forma

detallada de los indicadores donde muestren el comportamiento y el

desempeño de las diversas actividades que se realicen en la carrera; así

como la información que tenga referencia al ámbito académico de los

docentes y estudiantes.

Por lo consiguiente, el sistema debe incluir reportes tales como el

registro de docentes alineados a la línea de investigación correcta, el

Introducción 3

registro de asistencia de los estudiantes tutorados, el cual, tiene como fin

administrar la asignación del recurso docente tutor de manera equitativa

referente a los proyectos de investigación propuestos por los estudiantes

de la carrera de Licenciatura en Sistemas de Información.

Objeto de la Investigación

En este trabajo de investigación, el objeto de estudio se basó en el

módulo de seguimiento de tutorías del proceso de titulación en la

Universidad de Guayaquil de la facultad de Ingeniería Industrial de la

carrera de Licenciatura en Sistemas de Información.

Delimitación Física de la Investigación

El presente proyecto se realizará en la Universidad de Guayaquil

Facultad de Ingeniería Industrial de la Carrera de Licenciatura en Sistemas

de Información, que se encuentra ubicada en Av. Raúl Gómez Lince S/N y

Av. Juan Tanca Marengo.

Delimitación de Espacio - Tiempo

El espacio que se desarrollara este tema de investigación es en el

departamento de titulación de la Universidad de Guayaquil de la Facultad

de Ingeniería Industrial de la carrera de Licenciatura en Sistemas de

Información, como tiempo estimado seria de 4 meses desde noviembre del

2017 hasta marzo 2018.

Recursos disponibles para la investigación

Entre los recursos disponibles que se van a utilizar en el presente

proyecto de titulación después del levantamiento de información para

recolectar la información respectiva, se encuentran los diferentes tipos de

recursos:

Introducción 4

Recursos humanos: Ing. José Caicedo (Director de la Carrera),

Lcdo. César Muñoz (Gestor de Titulación) y el Lcdo. Wellington

Villota (Tutor).

Recursos materiales: Las herramientas que se van a necesitar son

las siguientes:

• Una portátil de 32 o 64 bits.

• Procesador: Pentium(R) Dual Core 2.20 GHz

• Memoria RAM: 4,00 GB

• pgAdmin III versión 9.4

• Complemento de Power Pivot, viene instalado por defecto en la

versión de Excel 2010 en adelante.

Planteamiento del problema

Actualmente el estudiante de la carrera de Licenciatura en Sistema de

Información después de culminar su maya curricular y haber cumplido con

los requisitos para poder titularse está en la obligación de desarrollar su

proyecto de titulación y haber realizado el anteproyecto, al momento de ir

a las tutorías se generaban algunos problemas debido, a que no cuenta

con un registro de sus actividades que pueda estar disponible cuando sea

necesario, los reportes se los realiza de manera poco eficiente lo que

resulta complicado la búsqueda de cierta información. Provocando así que

la entrega de información no sea oportuna y en muchas veces ocasionaba

perdida de información.

Justificación

El presente proyecto tiene como fin brindar reportes adecuados para la

toma de decisiones, la cual permitirá generar reportes de manera eficiente

de los estudiantes tutorados; mediante el desarrollo e implementación de

un Datamart se pretende establecer una comunicación efectiva con el

docente tutor y los estudiantes que tienen la predisposición de aprender y

Introducción 5

cumplir los requisitos establecidos que se necesitan para poder

incorporarse en el campo laboral.

Es por ello qué entre las tantas formas de aportar a una gestión exitosa

se logrará implementar una solución de inteligencia de negocios con el uso

de la herramienta Power Pivot; para que así reduzcan tiempos y costos

considerables que pueden ser aprovechados en otras actividades tanto de

la parte administrativa y la formación académica de la misma,

Alcance del Proyecto

Este proyecto tendrá como alcance la creación de reportes para el

proceso de titulación en el módulo de seguimiento de tutorías para la

carrera de Licenciatura en Sistemas de Información de la Universidad de

Guayaquil que contendrá lo siguiente:

• Se creará los indicadores necesarios que contengan información

sobre los estudiantes tutorados, los docentes con su respectiva línea

de investigación; toda esta información se recopilará en archivos de

Excel del 2015,2016,2017 en adelante.

• Se generará los reportes respectivos referentes al porcentaje de

asistencia a las clases de tutorías y el registro de las unidades o

capítulos de los documentos que realizan en el proceso de titulación.

• Con la herramienta de inteligencia de negocios se implementará,

para administrar la información relacionada de los estudiantes y

docentes-tutores.

Objetivo General

Realizar la implementación de un DataMart como una solución de

inteligencia de negocios enfocada a la mejora de los reportes académicos;

para que optimice la toma de decisiones en el seguimiento de tutorías del

proceso de titulación de la carrera de Licenciatura en Sistemas de

Introducción 6

Información en la Facultad de Ingeniería Industrial de la Universidad de

Guayaquil.

Objetivos Específicos

• Realizar de forma eficiente el proceso ETL(Extracción,

Transformación y Carga de datos)

• Definir los requerimientos generales para la creación del Datamart.

• Evaluar e identificar los procesos académicos dentro del proceso de

titulación para la creación de los DataMart.

• Aplicar herramientas de código abierto como Power Pivot para el

desarrollo de la aplicación.

• Generar reportes estadísticos de los estudiantes y docentes-tutores.

• Compartir la información entre los diferentes módulos del proceso de

titulación.

• Analizar y definir las fuentes d datos que permitan alimentar el

Datamart.

CAPITULO I

MARCO TEÓRICO

1.1. Marco Conceptual

En este numeral se hablará de las principales teorías acerca de las

metodologías aplicables para la identificación de los problemas y de las

soluciones que se llevarán a cabo en la presente investigación.

1.2. Definición del proceso de tutorías del trabajo de titulación

Según el Consejo Nacional de Educación Superior de la Unidad Curricular de Titulación numeral 6:

La tutoría de los trabajos de titulación

es el proceso de acompañamiento que deberá

otorgarse al estudiante durante su

elaboración. En consecuencia, la orientación

de la tutoría debe garantizar la validación de

las capacidades cognitivas que se declaran en

el perfil de egreso y que se evidencian en la

profundidad y consistencia del trabajo de

titulación.

El equipo de tutores deberá ser

seleccionado y organizado en función de los

campos de actuación en los que se

encuentran los problemas de estudio del. Para

la distribución horaria, es necesario que se

tome en cuenta al menos 1 hora de tutoría

semanal y no más por eso se establece

Marco teórico 8

6 trabajos individuales y de equipo por cada

tutor.

Los procesos de coordinación que

realice el tutor con el profesor de la

asignatura, curso o su equivalente donde

oriente el desarrollo del trabajo es

fundamental para los aprendizajes del

estudiante, sobre todo para el fortalecimiento

de sus capacidades para la organización e

integración del conocimiento teórico,

profesional y la experiencia de investigación-

acción.

Las tutorías pueden ser presenciales y

virtuales individuales, grupales y en plenaria

según la parte del trabajo que se está

realizando, sus niveles de profundización y de

necesidad de acompañamiento que tienen los

estudiantes (CES, 2013).

1.3. Definición BI

Una importante definición de la inteligencia de negocios(BI), según el

Data Warehouse Institute lo define “como la combinación de tecnologías,

herramientas y procesos que me permiten transformar los datos

almacenados e información, esta información en conocimiento y este

conocimiento dirigido a un plan o una estrategia comercial.” (Data

Warehouse Institute, 2012).

Howard Dresner en 1989 propuso la inteligencia de negocios en forma

general para describir los métodos y métodos para mejorar la toma de

decisiones empresariales a través del uso de sistemas basados en hechos

de apoyo. BI actúa como un factor empresarial estratégico dentro de una

empresa generando una ventaja competitiva y nos ayuda a proporcionar

Marco teórico 9

información eficiente para solucionar los problemas de negocio. Una

solución de inteligencia de negocios completa me permite observar,

comprender, predecir, colaborar y decidir.

1.3.1. Beneficios de la Inteligencia de Negocios

Manejar el crecimiento: En este punto se evalúa la agilidad de los

procesos dentro de una organización, para poder enfrentar los

cambios.

Controlar los costos: Se debe tener la capacidad de medir los

gastos en donde se identifique la línea de negocios.

Entender mejor a los clientes: Los clientes en la inteligencia de

negocios es un elemento fundamental para el crecimiento de la

empresa.

Indicadores de gestión: Se monitorea los procesos de negocio, se

analiza los problemas y se administra los procesos y recursos para

después realizar una toma de decisiones eficiente. (García, 2011)

IMAGEN N.º 1

BENEFICIOS DE BI

Fuente: http://www.dspace.uce.edu.ec/bitstream/25000/999/1/t-uce-0011-45.pdf Elaborado por: Esparza Montes Diego.

Marco teórico 10

1.3.2. Arquitectura y Componentes del BI

En esta parte se define la arquitectura y los diferentes componentes por

la cual está conformada la inteligencia de negocios.

Sistemas Operacionales: Son los procesos, tecnologías y

herramientas requeridos para transformar datos en información,

información en conocimiento y conocimientos en planes que orienten a la

empresa.

Son aquellos sistemas que contienen gran volumen de registros y

capturan las diversas transacciones de negocio.

ETL: Conocido como el proceso de Extracción, Transformación y Carga

de datos; este proceso ocurre cuando los datos antes de ser enviados al

Datawarehouse primero deben ser reformateados, limpiados y cargados.

DIAGRAMA N.º 1

PROCESO ETL

Fuente: Investigación directa Elaborado por: Cepeda Cedeño Karen

Marco teórico 11

Datamarts: Según Inmon está clasificado de la siguiente manera:

• Datamart dependiente: La fuente de datos de este DataMart es

única y tienen como fin recibir los datos de un DataWarehouse.

• Datamart independiente: Tienen como objetivo recoger los datos

de manera directa de los sistemas transaccionales y no son

dependientes de otros. (YalanCastillo, 2012)

Cubos: Son aquellos que contienen datos listos para ser analizados,

son estructuras multidimensionales.

Metadata: Es la descripción de los datos, existen dos tipos:

• Metadata de negocio: se maneja las reglas del negocio y cómo van

estructurado los datos.

• Metadata técnico: se describe la estructura física.

Reportes: El objetivo de los reportes es recopilar los datos de las

diferentes tablas o consultas para generar su análisis o impresión. (Hidalgo,

2013)

1.4. Proceso ETL

ETL es uno de los procesos más importantes, ya que implica la

integración de diversas fuentes de datos cuya función completa el resultado

del desarrollo de los sistemas.

Se trata del proceso que permite a las organizaciones mover datos

desde múltiples fuentes, reformatearlos y cargarlos en otra base de

datos (denominada data mart o data warehouse) con el objeto de

analizarlos. Consta de tres fases como son:

Extract: Extraer

Marco teórico 12

Transform: Transformar

Load:Carga

Fase de Extracción: La primera parte de este proceso ETL consiste

en extraer los datos desde los sistemas de origen. Para que funcione

correctamente esta fase se debe realizar los siguientes pasos:

1. La extracción de los datos desde la fuente origen.

2. Chequear y analizar los datos que se extrajeron.

3. Verificar e interpretar si los datos extraídos son los correctos.

4. Finalmente se realiza la conversión de los datos en un formato.

Además, una de las prevenciones más importantes que se deben tener

en cuenta durante el proceso de extracción sería el exigir siempre que esta

tarea cause un impacto mínimo en el sistema de origen.

Este requisito se basa en la práctica ya que, si los datos a extraer son

muchos, el sistema de origen se podría ralentizar e incluso colapsar,

provocando que no pudiera volver a ser utilizado con normalidad para su

uso cotidiano.

DIAGRAMA N.º 2

FASE DE EXTRACCIÓN

Fuente: http://carlosproal.com/dw/dw05.html

Elaborado por: Proal Castro Carlos.

Marco teórico 13

Fase de Transformación: Para poder llegar a esta fase se debe aplicar

una serie de reglas de negocio sobre los datos que se requieran convertir,

porque suele suceder que los repositorios son distintos y no coinciden con

los datos, se puede aplicar restricciones para asegurarse de la eficacia de

los datos.

IMAGEN N.º 2

FASE DE TRANSFORMACIÓN

Fase de Carga: Una vez realizada la transformación de los datos con

el formato correcto se trata de ingresar o cargar los datos dentro del sistema

destino. Esta carga se la puede realizar de dos formas diferentes:

Acumulación simple: consiste en hacer un resumen de las

transacciones requeridas y cargarlas como una única transacción.

Rolling: Es eficiente utilizarlo cuando se requiera mantener los

datos en diversos niveles, es decir la información se va a almacenar

en diferentes niveles

Fuente: http://www.buyto.es/general-business-intelligence.html

Elaborado por: Cosentino Orrala Rita

Marco teórico 14

IMAGEN N.º 3

FASE DE CARGA

1.5. Data warehouse

Es una base de datos corporativa permite integrar depurar información

de distintas fuentes y maneja los datos a gran velocidad. (Sinexus, 2016).

Todas las herramientas para la toma de decisiones que se basan en un

DataWarehouse, hacen más práctica y fácil la explotación de los datos, esto

no se logra usando los datos de las aplicaciones operacionales

(operaciones cotidianas), en donde la información se obtiene mediante

procesos independientes y complejo.

Fuente: http://www.lightpath.io/aprendiendo-sobre-procesos-etl/#post/0 Elaborado: Rodríguez Cortaza Janeth.

Marco teórico 15

1.6. Datamart

Es una base de datos que trabaja entre departamentos está enfocada

al almacenamiento de datos de un área específica de negocio. Son

subconjuntos de datos con el propósito de ayudar a que un área específica

dentro del negocio pueda tomar mejores decisiones. (Sinexus, 2016)

IMAGEN N. º 4

DATAMART

Fuente: http://www.dspace.uce.edu.ec/bitstream/25000/999/1/t-uce-0011- 45.pdf Elaborado por: Duque Orellana Lorena

1.6.1. Tipos de Datamart:

Datamart OLAP: Se construyen según los requisitos de cada área de

negocio por medio de indicadores y dimensiones para cada cubo relacional,

entre sus características: soporta decisiones estratégicas, almacena gran

cantidad de datos históricos, dedicado al análisis eficiente de datos, los

datos que almacena son estáticos y está orientado a la información

relevante.

Marco teórico 16

Datamart OLTP: Es similar al DATAWAREHOUSE el cual permite

mayor rapidez en la consulta con poco volumen de datos, no son

apropiados para el soporte a la toma de decisiones, entre sus ventajas:

almacena datos actuales, los datos son dinámicos es decir actualizables,

dedicado al procesamiento de transacciones, soporta decisiones diarias y

se encuentra orientado a los procesos organizativos.

CUADRO N. º 1:

DIFERENCIAS DE DATAMART Y DATAWAREHOUSE


1.7. Sistemas OLAP

Son bases de datos que están enfocadas al procesamiento analítico,

permitiendo usar base de datos relacional, ofrece velocidad y flexibilidad a

la información.

Características:

Brinda herramientas como el:

• Drill Down: Contiene detalle de datos de otras jerarquías.

• Pivot: permite obtener rápidamente un informe.

• Optimiza la administracion e integracion de los datos.

• Administra gran volumen de datos historicos.

DATAWAREHOUSE

• Optimiza la entrega de información en la toma de decisiones.

• Administra datos totalizados o resumenes.

DATAMART

Marco teórico 17

Posee un robusto motor de cálculos para realizar el análisis de

números.

Ofrece flexibilidad y permite dar soporte a los datos.

Permite realizar consultas a los usuarios de manera rápida y

eficiente.

Los cubos OLAP poseen una ventaja sobre los modelos relacionales

en cuanto a generar reportes de manera rápida de la alta gerencia; provee

una visión multidimensional de los datos.

Está dividido por variables y dimensiones en donde las variables son

los indicadores o datos y las dimensiones son aquellos atributos que

poseen las variables como por ejemplo los datos de usuarios.

Para que se pueda observar cierta información el usuario debe

consultar seleccionando los atributos que desea obtener, y sus respectivas

restricciones. Esta herramienta posee operadores como son:

Roll tiene como propósito borrar o eliminar alguna agrupación.

Drill permite ingresar a un nuevo criterio de agrupación

Slice y Dice permite hacer una selección de los datos para

luego presentarlo en el informe.

Pivot permite orientar las diversas dimensiones del cubo.

Los cubos se manejan bajo un esquema OLAP (Online Analytical

Processing), que a diferencia del esquema OLTP (Online Transaction

Processing), su principal objetivo es optimizar el tiempo de las consultas

que se realizan sobre una base de datos. De este existen dos versiones:

MOLAP: Procesamiento Analítico Multidimensional en línea, trabaja

con un motor especial basado en almacenamiento multidimensional

que permite visualizar la información en diversas dimensiones. El

Marco teórico 18

sistema MOLAP utiliza una arquitectura de dos niveles: la base de

datos multidimensionales y el motor analítico.

ROLAP: Procesamiento Analítico relacional en línea, trabaja con un

manejador de base de datos, por lo que funciona como

intermediario entre el sistema OLTP y el front-end del usuario

final, que se construye sobre bases de datos multidimensionales.

HOLAP: Procesamiento Analítico Hibrido en línea combina las

arquitecturas ROLAP y MOLAP para brindar una solución con las

mejores características de ambas: desempeño superior y gran

escalabilidad.

1.8. Sistemas OLTP

Son base de datos orientados a nivel transaccional, puede contener

operaciones como la inserción, modificación y el borrado de datos.

Los datos se manejan de forma estructural dependiendo del nivel de

aplicación por ejemplo la implementación de un sistema de

información departamental.

Optimiza las tareas de escritura y lectura a través del acceso a datos

que se maneja de manera eficiente por ejemplo el gran volumen de

información que tiene un supermercado, banco etc.

El histórico de los datos puede limitarse a los datos actualizado.

1.9. Modelo Multidimensional

Se visualiza el modelo de datos como cubos, lo que permite que

aquellos datos puedan ser modelados y observados en distintas

dimensiones.

El Datawarehouse y el Datamart se basan en un modelo

multidimensional.

Marco teórico 19

El modelo multidimensional es un modelo adecuado que provee un

camino viable para agregar hechos a lo largo de múltiples atributos, llamado

dimensiones, los datos almacenados como hechos y dimensiones en un

modelo de datos relacional.

Este modelo multidimensional está compuesto por diferentes tablas

que se detallan a continuación:

Tablas de Dimensiones: Aquí se representa lo que se quiere

almacenar con relación a un problema pueden ser ítems como

nombres, apellidos o tiempo como días, semanas etc.

Tablas de hechos: Son colecciones de datos que están

relacionadas con las dimensiones, esta tabla debe las claves para

cada una de las tablas de las dimensiones.

IMAGEN N. º 5

EJEMPLO DE MODELO MULTIDIMENSIONAL

Fuente: https://i.ytimg.com/vi/gqftTcKvGvQ/maxresdefault.jpg Elaborado por: Gutiérrez Avellana Pamela

Marco teórico 20

1.10. Esquema estrella y copo de nieve

Los modelos estrella y copo de nieve son estructuras bajo las cuales

se guía la creación de un DataWarehouse o Datamart.

1.10.1. Esquema Estrella

Este esquema en cuanto a estructura es fácil de aplicarlo, como

observamos consta de una tabla central que son los hechos y de varias

dimensiones, es decir que todas las tablas dimensiones deben estar

relacionadas a una sola tabla.

En el esquema en estrella la tabla de hechos es la única tabla del

esquema que tiene múltiples joins que la conectan con otras tablas (foreign

keys hacia otras tablas).

Las tablas de dimensión se encuentran además totalmente

denormalizadas, es decir, toda la información referente a una dimensión se

almacena en la misma tabla.

DIAGRAMA N. º 3

ESQUEMA ESTRELLA

Fuente: http://www.dataprix.com/datawarehouse-manager Elaborado por: Duarte Ortiz Susana

Marco teórico 21

1.10.2. Esquema copo de nieve

Este esquema consta de una variación en comparación con el de

estrella como observamos tiene dos tablas de hechos con diferentes

dimensiones es decir son normalizadas y el grafico toma forma a un copo

de nieve.

DIAGRAMA N.º 4

ESQUEMA COPO DE NIEVE

Fuente: http://www.dataprix.com/datawarehouse-manager Elaborado por: Duarte Holguín Susana

1.11. Herramientas BI Open Source

Esta parte tiene como finalidad recopilar diferentes herramientas de

inteligencia de negocios de código abierto que en actualidad se encuentran

en el mercado lo cual es suficiente para competir con el mercado

propietario.

Marco teórico 22

1.11.1. Pentaho

Es una herramienta de inteligencia de negocios basada en un software

libre que tiene como objetivo colaborar con la gestión y la toma de

decisiones empresariales.

Esta desarrollada con el lenguaje de programación JAVA debido a su

flexibilidad al momento de generar informes empresariales. (Hernández,

2012)

Características:

No consume muchos recursos.

Es portable y escalable para todo tipo de cambios.

Es multiplataforma.

Posee flexibilidad al momento de generar informes.

Áreas de reporte que posee Pentaho:

Pentaho Reporting: Es un generador de informes flexible que

proporciona de manera distribuida los resultados de los reportes en

diferentes formatos.

Pentaho Report Designer: Editor basado en eclipse con prestaciones

profesionales y de calidad y con capacidad de personalización de informes

a las necesidades de negocio destinado a desarrolladores.

Está estructurado de forma que los desarrolladores pueden acceder a

prestaciones de forma rápida.

Incluye un editor de consultas para facilitar la confección de los datos

que serán utilizados en un informe.

Marco teórico 23

GRÁFICO N.º 1

EJEMPLO DE PENTAHO REPORT DESIGNER

Fuente: https://upload.wikimedia.org/wikipedia/commons/9/96/Sample_JReport_Dash Elaborado por: Pentaho

1.11.2. Power BI

Power Bi es una herramienta de Microsoft, está compuesto por un

conjunto de componentes y aplicaciones de análisis de los procesos de

negocios lo cual permiten realizar el análisis cualitativo y cuantitativo de los

datos y compartir la información, provee conexión a cientos de orígenes de

datos, preparación de datos de manera simplificada; utilizando así una de

las mejores soluciones del mercado.

Power BI provee como objetivo principal permitir que el usuario se

centre en lo que le interese, realizando así la transformación de los datos

en objetos visuales enriquecidos.

Esta herramienta de Microsoft ayudara a la consolidación de los datos

de manera estandarizada, fácil y sencilla, se podrá construir, editar los

paneles e informes cuando se desee. Posee una API REST gratuita que

Marco teórico 24

posibilitan la integración de servicios. El proceso que ejecuta Power

Business Intelligence es el siguiente:

• Realizar la respectiva recopilación o levantamiento de los datos

relevantes.

• Construir de forma sencilla las historias o la información requerida.

• Arrastra los datos brevemente seleccionados y obtendrá elementos

que posteriormente le permitirá crear paneles

• Mostrar y compartir todo tipo de información que la empresa desee.

IMAGEN N.º 6

POWER BI SERVICE

Fuente: www.tallan.com/power-bi/ Elaborado por: Tallan Inc.

Power BI Desktop

Está herramienta que incorpora Microsoft Power BI permite generar

informes de forma detallada basados en distintas fuentes u orígenes de

datos. Los reportes se los podrá moldear o arreglar como el usuario lo

Marco teórico 25

requiera, podrá colocarles a los gráficos distintos efectos. Como ventajas

de este programa constan las siguientes:

Esta aplicación su principal ventaja es la facilidad que posee

al momento de crear distintos tipos de visualizaciones.

Permite modelar, transformar y limpiar los datos de manera

eficiente dentro de los procesos de negocio.

Provee la capacidad de publicar o compartir la información

que deseen compartir los usuarios.

1.11.2.1. Características de Power BI

Power BI consta con funciones que sirven de complemento con Excel.

Los complementos son los siguientes:

• Power Pivot: Es la parte fundamental donde se ejecutan todos los

cálculos y se muestran de forma interactiva.

• Power Query: Realiza la transformación de los datos para luego ser

utilizadas en Excel.

• Power View: Herramienta por el cual se podrá visualizar los datos

de manera rápida y sencilla.

• Power Map: Permite visualizar los datos en tercera dimensión.

Los servicios que ofrece basados en la nube son los siguientes:

• Dashboards: Esta escrito sobre HTML 5, permitirá crear gráficos e

informes interactivos.

• Lenguaje Natural de consultas: Permitirá visualizar las consultas

sobre las condiciones del lenguaje natural.

• Apps para móviles y tabletas: permitirá utilizar las apps de BI

donde el usuario quiera, siempre y cuando posea el sistema

operativo Windows o IOS.

Marco teórico 26

• Refresh, shared and manage data sources: Podrá subir todos los

datos y mantenerlos conectados entre sí.

1.11.2.2. Power Pivot (Herramienta a utilizar)

Es un complemento que viene instalado por defecto a partir de Excel

2013 que se lo puede utilizar para el análisis y crear de forma eficiente

sostificados modelos de datos.

Power Pivot esta herramienta es la que se va a implementar en el

presente proyecto, debido a que puede combinar y almacenar gran

volumen de datos de distintas fuentes u orígenes de datos, lo que va a

permitir realizar el análisis de información de manera rápida y fácilmente

puede compartir información.

IMAGEN N.º 7

FUNCIONAMIENTO DE POWER PIVOT

Fuente: https://powerpivotpro.com/ Elaborado por: Microsoft

Marco teórico 27

1.11.3. Características de Power Pivot para Excel

CUADRO N.º 2:

CUADRO COMPARATIVO DE EXCEL PARA POWER PIVOT

Tarea En Excel En Power Pivot

Importar datos de

diversos orígenes,

como base de datos

corporativas.

Solo permite importar

datos de un solo

origen.

Permite filtrar y

cambiar los datos de

las tablas cuando se

están importando.

Crear Tablas Las tablas pueden

estar de manera

desorganizada en

cualquier lugar de la

hoja de cálculo.

Las tablas están

debidamente

organizadas de forma

individual, debido al

complemento Power

Pivot.

Crear Cálculos Utiliza las fórmulas de

Excel

Utiliza el lenguaje de

expresiones de datos

(DAX)

Crear indicadores

clave de rendimiento

(KPI)

No dispone de este

indicador.

Crea indicadores para

los informes de las

tablas dinámicas y

Power View

Crear relaciones

entre tablas

Solo permite el cuadro

de dialogo de las

tablas.

Crea un modelado de

las tablas

relacionados, o el

cuadro de dialogo.

Marco teórico 28

Crear tablas y

gráficos dinámicos.

Crea informes y

graficas de manera

eficaz.

Solo con hacer clic en

el botón de tabla

dinámica de power

pivot automáticamente

la crea.


Arquitectura de Power Pívot

Power Pivot maneja la arquitectura cliente/servidor se compone de una

colección de ficheros que forman una unidad lógica que se carga en Excel.

Posee un motor llamado VertiPaq es un sistema de almacenamiento

encargado de las consultas y de las expresiones DAX, así como tablas y

gráficos dinámicos.

DIAGRAMA N.º 5

ARQUITECTURA DE POWER PIVOT

Fuente: https://i-msdn.sec.s-msft.com/dynimg/IC644899.jpeg Elaborado por: Microsoft

Marco teórico 29

1.12. Herramientas propietarias

Tiene como objetivo mostrar herramientas propietarias que se

encuentran en el mercado para la ayuda de toma de decisiones de la

empresa.

1.12.1. Oracle BI

Esta aplicación que ofrece Oracle posee un avanzado método de

análisis, ya que este genera el análisis en tiempo real como el análisis a

través de un aparato móvil. En la actualidad puede ser implementado en

pequeñas, medianas, grandes empresas.

GRÁFICO N. º 2

ORACLE BI

Fuente: www.oracle.com Elaborado por: Oracle

1.12.2. MicroStrategy

Es una aplicación que ofrece productos que facilitan las necesidades de

negocios como la migración de datos, está basado en una arquitectura

empresarial, permite observar o visualizar los datos de manera más

dinámica y atractiva, esta herramienta es un poco limitada ya que posee

pocos componentes.

Marco teórico 30

GRÁFICO N.º 3

MICROSTRATEGY

1.12.3. Microsoft

Microsoft BI es una aplicación completa en cuanto se refiere a la

inteligencia de negocios, consta de componentes que permiten realizar de

manera eficiente el análisis de datos e integración de datos y genera

reportes creativos, esta plataforma está basada en Microsoft SQL

SERVER.

Fuente: https://www.em360tech.com/wp-content/uploads/2017/

Elaborado por: Microsoft

Fuente: https://www.theta.co.nz/media/1929/mstr.jpg

Elaborado por: MicroStrategy

GRÁFICO N.º 4

MICROSOFT BI

Marco teórico 31

1.13. Cuadro comparativo de posibles herramientas a utilizar

CUADRO N. º 3:

CUADRO COMPARATIVO DE HERRAMIENTAS

Características de la

herramienta.

SAS IBM Pentaho Power

Pivot

¿Forma parte de una

plataforma integrada de

BI?

Si Si

Si Si

¿La herramienta de

extracción posee una

interfaz gráfica de uso?

Si Si Si Si

¿Soporta diversos tipos

de base de datos?

N

o

N

o

Si Si

¿Permite cargas desde

ficheros de excel?

Si Si Si Si

¿Requiere una fácil

instalación la

herramienta?

Si Si No Si

¿La plataforma posee una

herramienta de

explotación, de consultas

y análisis?

Si Si Si Si

Fuente: Investigación directa Elaborado por: Cepeda Cedeño Karen.

Marco teórico 32

1.14. Metodologías existentes

1.14.1. Metodología Ralph Kimball

En el presente proyecto la metodología a usar es la de Ralph Kimball

también llamada modelo dimensional. Se basa en lo que se denomina ciclo

de vida dimensional, es una de las técnicas favoritas de negocio a la hora

de implementar o construir un Datamart o un datawarehouse de Business

Inteligencie. Esta metodología hace referencia al enfoque de Bottom-up la

cual define múltiples bases de datos por las que son llamadas Datamarts,

que son organizadas por procesos de negocios.

Recomendaciones para la implementación de sistemas

• Seguir la metodología aprobada.

• Comprender con mucha claridad los requerimientos de negocio.

• Diseñar el área de datos de modo de hacerlo flexible, reutilizable y

con alto nivel de performance.

• Implementar de forma rápida y progresiva los incrementos basadas

en los procesos de negocios que conforman la matriz de datos

empresariales.

• Construir ETL con componentes estándares para una mejor solución

de BI .

• Diseñar una arquitectura que responda a los procesos del negocio.

• Entregar una solución completa como reportes, programas de

consultas, soporte.

El ciclo de vida es un método detallado para el diseño, implementación

de sistemas de inteligencia de negocios que poseen un enfoque iterativo

en la que cada pasada se genera un conjunto de datos, informes analíticos

asociados. Cada ciclo de vida de interacción puede durar de 6 a 9 meses

dependiendo de la complejidad del sistema.

Marco teórico 33

DIAGRAMA N.º 6

CICLO DE VIDA KIMBALL

La tecnología Kimball comienza con la compresión de

requerimientos del negocio.

El diseño por medio de tres vías paralelas.

• Diseño de la plataforma tecnológica cuyo objetivo es

identificar las herramientas tecnológicas por la cual se va a

utilizar, que van a satisfacer las necesidades del negocio.

• Diseño de datos lógicos que comienza con la definición del

modelo de datos lograr que satisfacen los requerimientos del

negocio que según Kimball define como modelo dimensional.

• Crear aplicaciones de inteligencia de negocios con ETL que

consume una gran cantidad de recursos pero que maneja

reportes de manera detallada.

1.14.2. Metodología INMON

La metodología que BILL INMON indica que es de forma iterativa, la cual

posee un esquema viceversa debido a que lo primero que propone trabajar

con los datos luego, estos mismos son integrados para ser pruebas y luego

Fuente: investigación directa Elaborado por: Cepeda Cedeño Karen.

Marco teórico 34

DIAGRAMA N.º 7

METODOLOGÍA INMON

recurrir a la programación para de esta manera analizar los respectivos

resultados y de esta forma entender los requerimientos.

Entre las características que propone Bill Inmon se encuentran las

siguientes:

Dirigir los datos a un área específica.

Integrar la información de diversas fuentes de datos.

Permanecer los datos en un tiempo determinado.

Los datos deben ser no volátil, es decir que no son eliminados.

Esta metodología consiste en lo siguiente:

El enfoque que pretende Bill Inmon hace referencia a un TOP-DOWN,

es decir que los datos son extraídos del proceso ETL para luego ser

validados y consolidados, una vez ejecutado este proceso, los procesos del

Datamart departamentales son actualizados para después obtener

información de este. En esta metodología se maneja el esquema general

de entidad-relación.

Top Down define a la arquitectura como una colección de datos

diferentes en almacenes y variantes en el tiempo.


Marco teórico 35

1.14.3. Fases de las metodologías KIMBALL, INMON

CUADRO N.º 4

MANEJO DE FASES DE LAS METODOLOGÍAS

Nombre de la metodología Fases

KIMBALL 1. Se realiza la planeación del

proyecto

2. Requisitos del negocio.

3. Se hace la selección e

instalación de las

herramientas.

4. Modelo dimensional.

5. Diseño físico

6. Especificaciones de la

herramienta analítica a utilizar

7. Desarrollo de la herramienta

analítica.

8. Área de Staging (Independiza

el proceso de carga de los

datos)

9. Desarrollo

10. Implementación

INMON 1. Implementación del DM

2. Integración de datos

3. Pruebas

4. Programar datos

5. Diseño

6. Análisis de resultados

7. Entendimiento


Marco teórico 36

CUADRO N.º 5

COMPARATIVA DE METODOLOGÍAS

Indicadores Inmon Kimball

Presupuesto Alto coste inicial Bajo coste inicial

Plazos Se requiere más

tiempo de desarrollo

Se requiere menos

tiempo de desarrollo

Alcance Toda la compañía Departamentos

individuales

Mantenimiento Fácil Mantenimiento Mantenimiento más

complejo.

Fuente: Investigación directa Elaboración: Cepeda Cedeño Karen.

CAPITULO II

MARCO METODOLÓGICO

2.1. Análisis Situacional

El propósito de este proyecto es implementar una solución de

inteligencia de negocios, el cual tendrá como finalidad ayudar a la

planificación estratégica de las tutorías dadas en el proceso de titulación de

la facultad para la correcta toma de decisiones.

Se va a realizar la investigación de campo, lo cual va a permitir la

modificación o manipulación de los datos y obtener información necesaria

para así lograr obtener el conocimiento de los procesos, de tal modo que

se pueda manejar los datos con más seguridad creando una situación de

control en la manipulación de la información, como lo requieran.

2.2. Diseño de la investigación

2.2.1. Descriptiva

En la realización de este proyecto se ha seleccionado el diseño

descriptivo, por cuanto no solo se basa en observar los procesos que fallan

dentro de la facultad sino de recolectar los datos directamente de la

realidad, como en este caso la falta de organización de información, fuentes

pobres de consultas que por lo general provocan retrasos y pérdida de

tiempo y hacen que la toma de decisiones sea deficiente.

Por este motivo se requiere automatizar y mejor el manejo de la

información, centralizando la misma en Data Marts y creando reportes que

facilite la consulta a los usuarios de la aplicación.

Metodología 38

2.3. Población y muestra

La población para este tipo de proyecto se va a escoger a los

estudiantes egresados, los respectivos docentes que son tutores, el gestor

de titulación y al director de la carrera de Licenciatura en Sistemas de

Información.

La muestra que se va a realizar para el proyecto es la unidad de

titulación, debido a que serán los beneficiados. Para ejecutar el cálculo de

la muestra se escogió un numero aleatorio que será de 5 personas.

2.4. Fuentes y técnica

Las fuentes utilizadas en esta investigación para un mejor manejo de

información, tenemos como fuentes primarias las siguientes:

Gestor de titulación: Se realizo una entrevista sobre los

requerimientos que se necesitan dentro del módulo de tutorías;

también nos facilitó el archivo de Excel donde contiene datos

relevantes para una mejor toma de decisiones.

Director de la carrera: Como parte de los interesados del proyecto,

se le realizo una entrevista, para analizar los problemas que existen

en el proceso de titulación.

Estudiantes: En esta parte, se realizó 10 encuestas a alumnos

egresados.

Docentes: Se entrevisto a ciertos docentes que son tutores para

verificar como se manejan las tutorías.

Las fuentes secundarias son de forma científica y se detallarán a

continuación:

Información de diferentes tesis referentes al tema.

Metodología 39

Libros de diversos autores.

Análisis documental.

Las técnicas utilizadas para la recolección de datos son documentos

que se utilizan en el módulo de tutorías, las entrevistas, encuestas, la

observación directa etc.

2.5. Plan de recolección de Datos

Una vez finalizada todas las actividades que permitan poner en marcha

el presente proyecto investigativo se realizó la respectiva recolección de

datos en el cual se utilizó las diferentes técnicas para poder llegar a un

levantamiento de información eficiente, que se detallan a continuación:

La observación directa de la información que se maneja dentro del

proceso de titulación.

Entrevistas al gestor de titulación y docente-tutor para poder obtener la

información deseada, y fijarnos en las necesidades que tiene el usuario.

Con las encuestas realizadas a base de un conjunto de preguntas a los

estudiantes egresados para luego poder medir el grado de satisfacción que

tienen los mismos en las tutorías.

Recopilación de todos los documentos que utilizan dentro del

seguimiento de tutorías.

Análisis de los documentos e información que se generan en el proceso

de titulación.

Las diferentes entrevistas y encuestas fueron realizadas a los

estudiantes egresados del octavo semestre, y a los interesados del

Metodología 40

proyecto de la carrera de Sistemas de Información de la Universidad de

Guayaquil.

2.6. Técnica de levantamiento de información

2.6.1. Entrevistas

En esta parte se realiza de una entrevista realizada al gestor de

titulación, en el cual se detalla un resumen de esta.

CUADRO N.º 6

RESUMEN DE ENTREVISTAS


Metodología 41

2.6.2. Encuestas

En esta parte del proyecto se mostrará las preguntas realizadas a l0

estudiantes egresados de Sistemas de Información, se detallará un total de

5 preguntas, y se visualizará los resultados de la encuesta.

Tipo de muestreo: Estudiantes egresados de la carrera Sistemas de

Información.

Tamaño de la muestra: 10 estudiantes

Recogida de la información: Se realizaron los cuestionarios, mediante

entrevistas presenciales.

1. Actualmente existe un sistema de apoyo a la toma de

decisiones en el módulo de seguimiento de tutorías donde la

información requerida esté disponible cuando se desee.

CUADRO N.º 7

PREGUNTA 1

Respuesta Frecuencia Porcentaje

No 10 100%

Si 0 0%

Total 10 100%


Metodología 42

GRÁFICO N.º 5

PORCENTAJE DE LA PREGUNTA 1

Conclusión: De la muestra de diez estudiantes opinaron que no existe

un sistema que apoye a la toma de decisiones en este módulo, por lo cual

es necesario implementarlo.

2. Considera Ud. Que la organización y planificación impartidas en

las tutorías han sido las adecuadas.

CUADRO N.º 8

PREGUNTA 2

Escala Respuesta Frecuencia Porcentaje

De acuerdo 1 1%

Ni de acuerdo ni en desacuerdo 2 20%

Desacuerdo 7 70%

Total 10 100%



10

0

10

10

0%

0%

10

0%

N O S I T O T A L

Frecuencia Porcentaje

Metodología 43

GRÁFICO N.º 6


Conclusión: De los diez estudiantes que realizaron la encuesta un 70%

estuvo en desacuerdo, un 20% estaba dudosa de su respuesta y un 1%

opina que la planificación y organización son adecuadas.

3. Conoce Ud. Si en el módulo de tutorías del proceso de titulación

se generan reportes.

CUADRO N.º 9

PREGUNTA 3


No 7 70%

Si 3 30%

Total 10 100%

De acuerdoNi de acuerdo ni en

desacuerdoDesacuerdo

Porcentaje 1% 20% 70%

Frecuencia 1 2 7

12

7

1%

20%

70%

0

1

2

3

4

5

6

7

8

9



Metodología 44

Conclusión: De los resultados obtenidos el 70% tuvo como respuesta

el no y el 30% opino que si conocen sobre el tema de reportes.

4. Considera Ud. Que los docentes tutores están alineados a la

línea de investigación de su tema de tesis.

CUADRO N.º 10

PREGUNTA 4


No 6 60%

Si 4 40%

Total 10 100%

7

3

10

70%

30%

100%

N O S I T O T A L

Frecuencia


GRÁFICO N. º 7



Metodología 45

GRÁFICO N. º 8


Conclusión: El 60% de los estudiantes considero que los docentes no

están alineados a la línea de investigación y el 40% opino que sí, es decir

que se debería considerar a tutores que estén alineados con el tema

investigativo del estudiante.

5. Está de acuerdo que se realice la implementación de un

Datamart para generar reportes de las actividades que impartan

en las tutorías en el proceso de titulación.

CUADRO N.º 11

PREGUNTA 5


De acuerdo 10 100%


Desacuerdo 0 0%

Total 10 100%

64

1060%

40%

100%

0

2

4

6

8

10

12

No Si Total




Metodología 46

Conclusión: De los 10 estudiantes encuestados todos ellos opinaron

que están de acuerdo que se implemente el Datamart para la mejora de

toma de decisiones en el proceso de titulación.

6. Actualmente los docentes tutores llevan un control de las

actividades que se realizan dentro de las tutorías.

CUADRO N.º 12

PREGUNTA 6


No 8 80%

Si 2 20%

Total 10 100%

10

0 0

10

10

0%

0%

0%

10

0%

D E A C U E R D O N I D E A C U E R D O N I E N

D E S A C U E R D O

D E S A C U E R D O T O T A L


GRÁFICO N.º 9




Metodología 47

GRÁFICO N.º 10


Conclusión: El 80% de los estudiantes opinaron que no se lleva un

control correcto de las actividades de las tutorías, y el 20% consideraron

que sí.

7. La ayuda y asistencia recibida en las tutorías se maneja de

forma eficiente

CUADRO N.º 13

PREGUNTA 6

8

2

10

80

%

20

% 10

0%

N O S I T O T A L



De acuerdo 7 70%


Desacuerdo 2 20%

Total 10 100%



Metodología 48

GRÁFICO N.º 2


Conclusión: De los 10 estudiantes, un 70% opinaron que la ayuda en

la tutoría se maneja de forma eficiente, el 10% de estudiantes estuvieron

dudosos y el 20% estaban en desacuerdo.

2.6.2.1. Conclusión de la encuesta

Con las encuestas realizadas a los estudiantes de la facultad de

ingeniería industrial de la carrera de sistemas de información, se concluye

que es necesario la implementación de un Datamart en el módulo de

seguimiento de tutorías; para que el manejo de los procesos de titulación

se realice de manera eficiente.

Para que ayude a la toma de decisiones y se pueda manejar de manera

eficiente las actividades dentro de las tutorías, y los docentes estén

alineados a la línea de investigación correspondiente, para que así la

información que se requiere esté disponible y oportuna cuando se requiera.

7

12

10

70% 10% 20% 100%0

2

4

6

8

10

12

De acuerdo Ni de acuerdo ni endesacuerdo

Desacuerdo Total



Metodología 49

2.7. Metodología de desarrollo

La metodología de desarrollo que se utilizara en el presente proyecto

del desarrollo e implementación de un Datamart es la de Kimball que divide

la implementación en las siguientes fases:

Planificación: En esta parte se define el propósito del proyecto, el

alcance y los principales riesgos del proyecto.

Requerimientos: Entender y analizar las necesidades del negocio, en

esta fase se realiza el levantamiento de información del proceso de

titulación referente al módulo de seguimiento de tutorías.

Análisis: Proveer una estimación del costo y el tiempo que se tomara

en implementar BI, evaluamos el tiempo que nos demoramos en realizar el

modelo dimensional.

Diseño: Se diseña adecuadamente, para poder extraer los datos de los

sistemas de origen de datos, aplicar diferentes reglas para aumentar la

calidad y consistencia de estos, consolidar la información proveniente de

distintos sistemas, y finalmente cargar la información en el DW en un

formato acorde para la utilización por parte de las herramientas de análisis.

Construcción: Se crea los reportes en donde se acople a la

arquitectura diseñada.

Despliegue: En esta parte se realiza la implanta los reportes para

asegurarse de que funcione correctamente y que todo lo solicitado este

presente.

Transición: En esta parte de la transición el objetivo es una vez

realizada la aplicación se procede a distribuirlo a los usuarioa.

Metodología 50

2.8. Diccionario de Datos

Este diccionario de datos se lo creo a partir del modelo multidimensional

creado anteriormente luego se crea la base de datos con la herramienta

PostgreSQL 9.4.

IMAGEN N.º 8

ESQUEMA DE LA BASE DE DATOS

Aquí observamos varios esquemas en el que consta el de tutorías

donde tiene tablas con sus respectivos atributos como unidad, detalle de

unidad, actividad, tipo de actividad, tutorías etc.


CAPITULO III

PROPUESTA

3.1. Tema

Desarrollo e implementación de un Datamart como una solución de

inteligencia de negocios para el módulo de seguimiento de tutorías en el


3.2. Objetivo

El presente proyecto tiene como objetivo desarrollar e implementar un

Datamart como una solución de inteligencia de negocios en el módulo de

seguimiento de tutorías que ayude a la mejora de toma de decisiones en el


3.3. Elaboración

En el presente proyecto para la elaboración del Datamart necesitamos

apoyarnos de herramientas de inteligencia de negocios como lo es power

pivot para el módulo de seguimiento de tutorías; para de esta manera poder

generar reportes de manera eficiente.

3.4 . Etapa de planificación

En esta etapa una vez realizada el respectivo levantamiento de

información al departamento de titulación del módulo de seguimiento de

tutorías se reflejará todas las posibles actividades realizadas en este

proyecto se pueden dividir en dos partes:

Propuesta 52

Estudio BI

Conocer conceptos BI

Estudio de la arquitectura BI

Análisis del modelo multidimensional

Manejo de tecnologías BI

Construcción del aplicativo

Análisis de herramientas BI

Selección de herramienta BI

Estudio del manejo de la herramienta Power Pivot

Realización de la base de datos en postgres SQL

3.5. Identificación de roles y actores

Roles y actores

Una vez realizada la entrevista con el gestor de titulación se identificó

tres actores con sus diferentes roles que participan en el módulo de gestión

de tutorías.

CUADRO N.º 14

ACTORES Y ROLES

Actores Roles

Gestor de

titulación

Administra y planifica el proceso de titulación.

Docente-tutor Asesora a los alumnos respecto a la planeación

de su Trabajo de Titulación.

Estudiante Asiste a las tutorías y presenta el avance del

proyecto.


Propuesta 53

Casos de uso

Los casos de uso son una descripción de las actividades que se realizan

para llevar a cabo un proceso que está compuesta por roles y actores.

Los actores son los usuarios que van a intervenir en el sistema.

Los roles son las acciones o actividades que van a realizar los

actores.

DIAGRAMA N.º 8

CASOS DE USO

Fuente: Investigación directa Elaborado por: Lema Tacuri Mónica.

Propuesta 54

3.6. Requerimientos

En esta fase una vez realizada el levantamiento de información, donde

se realizaron las entrevistas a los interesados del proyecto y las encuestas

a los estudiantes del último semestre, se procede a definir los

requerimientos funcionales y no funcionales.

Los requerimientos funcionales describen la interacción entre el

sistema y su ambiente independientemente de su implementación.

Los requerimientos no funcionales incluyen restricciones como el

tiempo de respuesta(desempeño), la precisión, recursos consumidos,

seguridad, etc

3.6.1. Requerimientos funcionales

CUADRO N.º 15

REQUERIMIENTOS FUNCIONALES

Id de

requerimiento

Requerimiento Descripción Prioridad

RF-01 Generar un

listado de los

estudiantes con

su tutor.

El gestor de

titulación deberá

generar un listado

de los estudiantes

con su respectivo

docente – tutor.

1

Propuesta 55

RF-02 Listar líneas de

investigativas

con sus

sublíneas.

El gestor deberá

generar un listado

las diferentes

líneas de

investigación con

sus respectivas

Sublínea

investigativa que

pertenecen.

1

RF-03 Verificar los

temas de tesis

con su línea de

investigación.

El sistema apoyo

a la toma de

decisiones va a

poder generar a

los temas de tesis

con su respectiva

línea

investigativa.

1

RF-05

Detallar un

listado de las

unidades del

documento.

El sistema de

apoyo a la toma

de decisiones

permitirá generar

un listado de las

unidades de cada

capítulo del

documento.

1

RF-06

Consultar

información

mediante filtros.

El sistema permitirá

consultar los

diferentes reportes

a través de filtros.

3


Propuesta 56

CUADRO N. º 16

LEYENDA PRIORIDAD

3.6.2. Requerimientos no funcionales

Los requerimientos no funcionales son necesarios para la

implementación de un Datamart. Describen aspectos del sistema que son

visibles por el usuario que no incluyen una relación directa con el

comportamiento funcional del sistema.

CUADRO N.º 17

REQUERIMIENTOS NO FUNCIONALES

Id de

requerimiento

Requerimiento Requerimiento

no funcional

Prioridad

RF-01 Personalización El sistema

deberá permitir

la creación de

reportes

personalizados

por el usuario

final.

1

CALIFICACIÓN SIGNIFICADO

1 IMPORTANTE

2 REGULAR

3 PRESCINDIBLE


Propuesta 57

RF-02 Utilidad El sistema

deberá ser

apropiado para

el uso de los

distintos perfiles,

de manera que

sirvan como

soporte de las

labores de todas

personas que

interactúen con

él.

1

RF-03 Disponibilidad El sistema apoyo

a la toma de

decisiones

deberá estar

disponible las 24

horas 7 días a la

semana.

1

RF-04

Escalabilidad El sistema

permitirá deberá

ser escalable

para cualquier

tipo de consultas

y reportes que

más después

podrían solicitar.

1


Propuesta 58

3.7. Análisis

3.7.1. Modelo Dimensional

En esta parte se mostrará el modelo dimensional para la creación del

Datamart del módulo de seguimiento de tutorías del proceso de titulación.

Las tablas de hechos son aquellas que dependen de las tablas de

dimensiones y son las siguientes:

Docente por línea investigativa.: Indica la línea investigativa que

pertenece cada docente tutor.

Línea por sublínea investigativa: Indica cuantas sublíneas tiene cada

línea investigativa.

Detalle de unidad: Indica los detalles por cada unidad o capítulo del

documento.

Estudiantes por docentes: Indica la asignación de estudiantes a los

docentes que son tutores.

Debemos tener en cuenta que las tablas dimensiones son aquellas que

contienen la clave primaria, por lo tanto, las tablas de hecho dependen de

las dimensiones para poder ser utilizadas.

Se muestran y explican todas las dimensiones y tablas de hechos

utilizadas para este modelo. Las dimensiones que conforman los esquemas

estrellas para esta estrategia son:

Estudiante

Docente

Línea investigativa

Sublínea investigativa

Unidad del documento

Las tablas de hechos son aquellas que dependen de las tablas de

Propuesta 59

hechos son aquellas que dependen de las tablas de dimensiones y son las

siguientes:

Docente por línea investigativa.: Indica la línea investigativa que

pertenece cada docente tutor.

Línea por sublínea investigativa: Indica cuantas sublíneas tiene cada


Detalle de unidad: Indica los detalles por cada unidad o capítulo del

documento.

Estudiantes por docentes: Indica la asignación de estudiantes a los

docentes que son tutores.

CUADRO N.º 18

DIMENSIÓN ESTUDIANTE

DIM_ESTUDIANTE

Campo Descripción Tipo de dato

Id estudiante

(PK)

Id del estudiante. Serial

Nombres Nombres del

estudiante.

Character varying

(50)

Apellidos Apellidos del

estudiante.

Character varying

(50)

Cédula Cédula del estudiante. Character varying

(10)


Propuesta 60

CUADRO N.º 19

DIMENSIÓN DOCENTE

DIM_DOCENTE


Id_docente (PK) Id del docente. Serial

Nombres Nombres del docente. Character varying (50)

Apellidos Apellidos del docente. Character varying (50)

Cédula Cédula del docente Character varying (10)

CUADRO N. º 20

DIMENSIÓN LÍNEA INVESTIGATIVA

DIM_LÍNEA_INVESTIGATIVA


Id_línea (PK) Id de la línea investigativa. Serial

Línea

investigativa

Nombres de la línea

investigativa.

Character

varying (50)

Estado Indica el estado de la


Character

varying (10)



Propuesta 61

CUADRO N.º 21

DIMENSIÓN SUBLÍNEA INVESTIGATIVA

DIM_SUBLÍNEA_INVESTIGATIVA


Id_sublínea

(PK)

Id de la sublínea

investigativa.

Serial

Línea

investigativa

Nombres de la sublínea

investigativa.

Character

varying (50)

Estado Indica el estado de la

sublínea investigativa.

Character

varying (10)

CUADRO N.º 22

DIMENSIÓN UNIDAD

DIM_UNIDAD


Id_unidad (PK) Id de la unidad. Serial

Capitulo Nombre del capítulo. Character

varying (50)

Detalle Detalle de la unidad. Character

varying (50)



Propuesta 62

3.8. Diseño de la arquitectura

Para tener una visión general del sistema y tomando en cuenta la

plataforma elegida para la implementación de la solución con power pivot,

a continuación, se explica la arquitectura común utilizada en los sistemas

de Data mart, detallando cada uno de los procesos o sub-sistemas que

conforman el proyecto de tesis. Se tiene cinco procesos o sub-sistemas en

los cuales se encuentra estructurado el proyecto de tesis:

Fuente de datos

Extracción, transformación y carga

Cubos de Información

Presentación (Reportes e Indicadores)

Administración y seguridad

DIAGRAMA N.º 9

MODELO MATRIZ


Propuesta 63

IMAGEN N. º 9

DISEÑO DE LA ARQUITECTURA

3.9. Diseño Físico

Una vez migrada la información de la base de datos Postgres se

procede a generar el diseño físico de las tablas como observamos a

continuación:


CUADRO N. º 23

CARGA DE DATOS DE DOCENTES


Propuesta 64

CUADRO N. º 25

CARGA DE DATOS DOCENTE POR LÍNEA INVESTIGATIVA

CUADRO N. º 24

CARGA DE DATOS LÍNEA INVESTIGATIVA



Propuesta 65

CUADRO N. º 26

CARGA DE DATOS DE ESTUDIANTES


CUADRO N. º 27

LINEA POR SUBLINEA INVESTIGATIVA


Propuesta 66

CUADRO N. º 28

UNIDADES DEL DOCUMENTO

CUADRO N. º 29

DETALLE DE UNIDADES DEL DOCUMENTO



Propuesta 67

3.10. Selección de herramientas a utilizar

Las herramientas por usar se detallan a continuación:

Motor de base de datos PostgreSQL 9.4

Power Pivot 2016

ODBC

Para el desarrollo e implementación de esta Datamart para el módulo

de seguimiento de tutorías, la base de datos a utilizar es PostgreSQL, para

la conexión de la misma se necesitará de un ODBC.

Para luego poder realizar de manera eficiente la extracción,

transformación y carga de datos, para luego proceder a migrar a Excel a

través del complemente Power Pivot que me permitirá generar diferentes

tipos de reportes.

3.11. Construcción de los reportes

3.11.1. Conexión con la base de datos PostgreSQL

PostgreSql es una de las opciones más interesantes en bases de datos

relacionales open-source Es gratuito y libre, además de que hoy nos

ofrece una gran cantidad de opciones avanzadas.

Realizamos la conexión de postgres a Excel mediante un controlador

ODBC. Un origen de datos ODBC almacena la información de conexión al

proveedor de datos indicado.

Este origen de datos solo va a ser visualizado y utilizado por el equipo

que el usuario este utilizando.

Propuesta 68

IMAGEN N.º 10

CONEXIÓN A LA BASE DE DATOS POSTGRES

3.11.2. Migración de postgres a Excel

Se realiza el importe de datos de orígenes externos es decir de postgres

a Excel mediante el asistente de Microsoft Query y el ODBC..

IMAGEN N.º 11

MIGRACIÓN DE POSTGRES A EXCEL



Propuesta 69

3.11.3. Selección de las tablas a utilizar

Se selecciona las tablas que se vayan a utilizar, para luego agregar

todas aquellas tablas seleccionadas al modelo de datos.

IMAGEN N.º 12

SELECCIÓN DE TABLAS A UTILIZAR

Luego las tablas seleccionadas las vamos agregando al modelo de

datos, para ir estableciendo las relaciones y formar el modelo dimensional.


Propuesta 70

DIAGRAMA Nº 10

MODELO DE DATOS


Propuesta 71

Reportes generados en la herramienta power pivot

Menú Principal de reportes del módulo de seguimiento de

tutorías.

IMAGEN N.º 13

LOGIN PRINCIPAL DE REPORTES


Propuesta 72

Docentes por la línea de investigación: Aquí muestra a los

docentes con su respectiva línea de investigación. El docente puede

tener una o más líneas de investigación.

El filtro de este reporte se lo puede realizar por línea investigativa para

observar cuantos docentes pertenece

IMAGEN N.º 14

REPORTE DE TUTORES POR LÍNEA INVESTIGATIVA

GRÁFICO N. º 13

GRÁFICA DE TUTORES POR LÍNEA INVESTIGATIVA



Propuesta 73

Línea de investigación por Sublínea de investigación: Se

mostrará cuantas Sublínea de investigación contiene cada línea de

investigación

25%

25%25%

25%

Ciencias de Datos

Almacenamiento deDatos

Aplicaciones Distribuidas

Aplicaciones Moviles

Aplicaciones WEB

Aplicaiones de Escritorio

IMAGEN N.º 15

REPORTE DE LÍNEA POR SUBLÍNEA INVESTIGATIVA

GRÁFICO N.º 14

GRÁFICA DE REPORTE DE LÍNEA DE INVESTIGACIÓN



Propuesta 74

Asignación de estudiantes a docentes tutores: Mostrara a cada

estudiante con su respectivo tutor

9%

9%

9%

9%

8%

8%8%

8%

8%

8%

8%

8%

BUSTAMANTEALVARADO JARAMILLO JOSEVICTORALVARADO VALLE MARIOJOSEALVAREZ CUENCA JOHNWILLYANCHUNDIA ZORRILLAGUADALUPE RAQUELBAQUE CEDEÑO JACKSONARIELBELLOLIO MERO MANUEL DEJESUSCAMPUZANO TRUJILLOLUIGUI STEFANOCHAVEZ MELGAR PABLOCESAR

IMAGEN N.º 16

REPORTE DE ASIGNACIÓN DE ESTUDIANTES A TUTORES

GRÁFICO N.º 15

GRÁFICA DE ASIGNACIÓN DE ESTUDIANTES A TUTORES



Propuesta 75

Reporte del detalle de unidades de los documentos: Mostrara

como están subdivididas las unidades.

IMAGEN N.º 17

REPORTE DE DETALLE DE LAS UNIDADES DEL DOCUMENTO

GRÁFICO N.º 16

GRÁFICA DE UNIDADES DEL DOCUMENTO DE TITULACIÓN

20%

20%

20%

20%

20%

Capitulo I - Introducción

Introduccion Justificacion Objetivo especificos

Objetivo general Objeto de estudio



Propuesta 76

3.12. Conclusiones y recomendaciones

3.12.1. Conclusiones

Los procesos de Extracción, Transformación, Carga se lograron

implementar de manera eficiente, correcta y coherente de la base de

datos origen.

Con la creación del modelo multidimensional se logró abarcar las

necesidades de información y luego se representaron mediante

diagramas para una mejor visualización y comprensión de los datos.

El Datamart creado logro cubrir las necesidades de los interesados

del proyecto, ya que ahora cuentan con una herramienta que le

permitirá analizar los datos de forma eficiente.

El Datamart permitió apoyar al departamento de titulación en la toma

de decisiones, a través de la entrega oportuna de información.

La implementación de un Datamart redujo el tiempo en la

elaboración de los reportes al área de Informática.

3.12.2. Recomendaciones

Se recomienda capacitar a los usuarios sobre el uso de la

herramienta Power Pivot para un mejor manejo de esta.

Conocer a fondo conceptos de inteligencia de negocios y la

importancia de cada uno de los componentes que este tiene.

Se recomienda tener un repositorio de datos actualizado para

una mejor utilización del aplicativo.

Se recomienda la realización de un mayor número de pruebas

para lograr una mayor confiabilidad de la información que se

obtiene, así como un estudio más a fondo de todas las funciones

que brinda Power Pivot para lograr un mejor análisis de los

reportes generados.

GLOSARIO DE TÉRMINOS

Almacén de datos: es un conjunto de datos orientado a determinado

ámbito que ayudan a las tomas de decisiones.

Analítico: Es un estudio donde se analiza y se recopila los datos para

luego convertirlos en información.

Cubo: Es una forma gráfica de representar el modelo multidimensional.

DAX: Son operadores y funciones que se combinan para poder crear

expresiones y formulas en Microsoft, el análisis lo hace power pivot.

Indicadores: Es un instrumento que nos permite indicar o presentar

algo.

Metadata: Se refiere a un conjunto de datos que se encuentran en la

base para luego ser migrados.

Metodología: Son un grupo de procedimientos empleados para lograr

objetivos.

Multidimensional: Se utilizan para implementar aplicaciones OLAP,

está compuesto por tablas de hechos y sus dimensiones.

Pivot: Es un componente de Excel que sirve para hacer el análisis de

forma eficiente.

Rolling: Es una manera fácil que se utiliza para disminuir el detalle.

ANEXOS

Anexos 79

ANEXO N. º 1

ENTREVISTA AL GESTOR DE TITULACIÓN

Anexos 80

ANEXO N. º 2

INFORME DE AVANCE DE TUTORÍAS

Anexos 81

ANEXO N. º 3

ACUERDO DE TUTORÍAS

Anexos 82

ANEXO N. º 4

INFORME DE TUTORÍ

Anexos 83

ANEXO N. º 5

CERTIFICADO DEL URKUND

Anexos 84

ANEXO N. º 6

FORMATO DE ENCUESTA REALIZADA A ESTUDIANTES

Anexos 85

ANEXO N. º 7

FORMATO DE ENCUESTA A ESTUDIANTES

Anexos 86

ANEXO N. º 8

PRESENTACIÓN DE REPORTES AL GESTOR DE TITULACIÓN

BIBLIOGRAFÍA

Almeida, G. (5 de junio de 2011). Bitacora sobre el analisis de negocios.

Obtenido de http://gabrielalmeida.com.mx/361/modelado-

de-procesos-como-obtener-excelentes-resultados-en-poco- tiempo/

Bizagi. (2010). BPMNbyExampleSPA. Obtenido de

http://resources.bizagi.com/docs/BPMNbyExampleSPA.pdf

BPM, C. (3 de Noviembre de 2012). apuntesBPMN. Obtenido de

http://www.club-bpm.com/ApuntesBPM/ApuntesBPM01.pdf

CES, C. D. (2013). CES. Obtenido de http://www.ces.gob.ec/doc/2-

seminario/unidad-de-titulacion.pdf

Data Warehouse Institute. (2012). ORACLE., obtenido de

http://www.oracle.com/ocom/groups/public/@otn/documents/webco

ntent/317529_esa.pdf

García, J. H. (2011). La inteligencia de negocios como herramienta para la

toma de decisiones estratégicas en las empresas. Análisis de su

aplicabilidad en el contexto corporativo colombiano. Obtenido de

http://www.docentes.unal.edu.co/

Hernández, E. N. (2012). Pentaho. Revista Telem@ tica, 10.

Bibliografía 88

Hidalgo, M. C. (25 de Febrero de 2013). Informe y reportes informaticos.

Obtenido de Reportes:

http://manuelcruzhidalgo19.blogspot.com/2013/02/informes-y-

reportes_8863.html

Rocha, M. (2010). Moc-Pro. Obtenido de http://e-

conomicas.eco.unc.edu.ar/archivos/_2/U3-ModProc-11.pdf

Sinexus. (2016). Sinexus. Obtenido de

http://www.sinnexus.com/business_intelligence/datamart.aspx

Sthephen. (2012). ModeladoBPMN. Obtenido de

http://users.dcc.uchile.cl/~nbaloian/DSSDCC/Software/ModeladoBP

MN.pdf

Varggas, M. (2013). dspace.ue. Recuperado el 2016, de DSPACE:

http://www.dspace.uce.edu.ec/bitstream/25000/2175/1/T-UCE0011-

70.pdf

YalanCastillo, J. (2012). BI. Revista de Investigacion, 12.

universidad de guayaquil facultad ingenierÍa …repositorio.ug.edu.ec/bitstream/redug/30778/1/tesis...

Documents