UNIVERSIDAD CATÓLICA BOLIVIANA “SAN PABLO”

MAESTRÍA EN INTELIGENCIA DE NEGOCIOS

PREPARACION Y EVALUACION DE PROYECTOS

PROTOCOLO DE INVESTIGACION/TALLER
MONOGRAFICO

Tema:
“Estrategia basada en la innovación para el apoyo a la toma de
decisiones y desarrollo de competitividad a través de una bodega de
datos. Caso de estudio: WID SRL ‘Quality in engine lubricants’”
Strategy based on innovation to support decision-making and
development of competitiveness through a data warehouse. Case
study: WID SRL ‘Quality in engine lubricants’

Maestrante: Elvis Arnez Saravia

Docente: Dr. Roger Alejandro Banegas

Santa Cruz 29 de abril de 2019

Contenido
Resumen………………………………………………………………………………………..2
Palabras claves…………………………………………………………………………………2
1. Campo General y Tema (Importancia, interés y experiencia)……………………………...3
2. Planteamiento del Problema………………………………………………………………...4
2.1. Conceptualización (Descripción del problema)………………………………………..4
2.2. Preguntas de investigación……………………………………………………………..5
2.2.1. Pregunta Central…………………………………………………………………5
2.2.2. Preguntas Secundarias…………………………………………………………...5
2.3. Objetivos (Generales y particulares)…………………………………………………...5
2.3.1. Objetivo General………………………………………………………………...5
2.3.2. Objetivos Particulares……………………………………………………………5
2.4. Justificación (Teórica y práctica)………………………………………………………6
2.5. Viabilidad……………………………………………………………………………..10
3. Marco de referencia / fundamentación teórica…………………………………………….11
4. Hipótesis y variables / propuesta de implementación……………………………………..13
4.1. Hipótesis y variables…………………………………………………………………13
4.2. Propuesta de implementación………………………………………………………..14
5. Referencia bibliográfica…………………………………………………………………...16

1
Resumen

En la actualidad los informes de datos relevantes son muy esenciales para la toma de
decisiones, la información es esencial para la planificación y la toma de decisiones; sin
embargo, su complejidad y la velocidad con que debe procesarse y analizarse, combinada con
el ritmo acelerado del cambio en los procesos económicos de globalización y los negocios.
Para esto es muy importante tener muy bien estructurada toda esta información relevante,
desde datos históricos hasta datos de atención al cliente en lo que hoy en día es bodega de
datos o data warehouse.

Palabras clave: Bodega de datos, competitividad, toma de decisiones, estrategia de

innovación, base de datos.

2
1. Campo General y Tema (Importancia, interés y experiencia)

Esta empresa de distribución de aceites, lubricantes y filtros para el sector automotriz y

maquinarias (agrícolas e industriales) que está en constante crecimiento, con una
especialización y enfoque principal en lubricantes, en el sector de lubricantes las marcas
nacionales tienen un 70 % del mercado y el total del parque automotor a nivel nacional
llega a un total de 1.711.005 de unidades según el Instituto Nacional de Estadística.

En este escenario es importante y significativo que se tome en cuenta al tamaño de la

cartera de clientes de la empresa además de la consolidación dentro del mercado siendo
muy reconocida e importante dentro de la región, con una alta calidad alta en sus
productos y un trabajo serio de profesionales altamente capacitados.

La importancia de la tecnología en su totalidad americana que utiliza la empresa la sitúa

dentro de una estrategia de diferenciación de sus productos y clientes que desean sacar el
máximo rendimiento de sus unidades automotor.

Para la empresa es muy importante la satisfacción del cliente, el lograr y cumplir con el
objetivo de brindar la protección adecuada a su unidad automotor, además se menciona
que la principal misión de la empresa que es ayudar a los clientes a bajar sus costos
generándoles a través de las soluciones que brinda una notable disminución de costos de
mantenimientos de todos los equipos mecánicos, compra de repuestos o nuevos equipos.

La investigación busca el modelo y metodología adecuada para llevar a cabo el mejor

análisis de la información, en el que los principales empleados involucrados deben estar
comprometidos con la planificación.

Tomando como referencia este estudio se pretende aprovechar de manera eficaz y

consistente la información que se almacena dentro de la empresa para dar soporte a todos
los departamentos de la empresa y generar mayor confianza en los involucrados con los
datos, a través de la planificación para implementar una bodega de datos.

Como resultado de este estudio lo que se propone es una estrategia de innovación para
apoyar en la toma de decisiones y el mejor u optimo desarrollo de competitividad a través
de la implementación de una bodega de datos que se creara con todas las fuentes de datos
de la empresa.

3
2. Planteamiento del Problema
2.1. Conceptualización (Descripción del problema)
Actualmente la mayoría de las empresas utilizan la información para apoyar la toma
de decisiones. Esto en un contexto de alta competitividad y globalización de
mercados. Adicionalmente, el aumento de información en las empresas genera dos
grandes problemas; el primero, identificar los datos relevantes para dar seguimiento a
la estrategia y lograr que cumplan los planes con las metas establecidas; el segundo
problema, administrar una gran cantidad de información seleccionando la relevante
para la toma de decisiones y verificar que apoye con el objetivo de la estrategia
Para esto es muy importante tener muy bien estructurada toda esta información
relevante, desde datos históricos hasta datos de atención al cliente en lo que hoy en día
es bodega de datos o data warehouse. (Medina; Fariña; Castillo, 2018).
La información es esencial para la planificación y la toma de decisiones; sin embargo,
su complejidad y la velocidad con que debe procesarse y analizarse, combinada con el
ritmo acelerado del cambio en los procesos económicos de globalización y los
negocios, ha hecho que este proceso sea cada vez más crítico (Porter, 1990).
La información cohesiva es uno de los elementos que los ejecutivos utilizan al tomar
decisiones, y requieren una base que permita el análisis de datos para generar
información. El conocimiento se considera un recurso económico importante y se crea
en base a la capacidad de interpretar hechos, crear ideas, innovar productos, percibir
relaciones complejas y resolver problemas (Davenport, 1998; Choo, 2004).
Se menciona que la relación entre la información y las tomas de decisión es un aspecto
primordial a la hora de cumplir con los objetivos de la empresa que a su vez tiene una
estrategia dentro del mercado. Pero todo esto puede influir de gran manera negativa en
la competitividad de la empresa el como este posicionada y como la verán los rivales
dentro el mercado.
Por otro lado cabe mencionar que toda la información que se recolecta dentro de la
empresa por su sistema ERP necesita ser analizada de manera especializada y la falta
de una adecuada obtención y procesamiento de la información no le permite a la
empresa enfocarse adecuadamente en sus objetivos y mirar desde atrás hasta la
actualidad dentro de toda su información para ver que procesos o modelos se pueden
perfeccionar y que tendencias nuevas se pueden descubrir es casi como si la empresa
no tuviese una visión solida en base a su poca explotación de la información.

4
2.2. Preguntas de investigación
2.2.1. Pregunta Central
¿Cuáles son los principales factores negativos que influyen en el apoyo a la
toma de decisiones y el desarrollo de un mejor nivel de competitividad en la
empresa?
2.2.2. Preguntas Secundarias
 ¿Cuáles son los elementos negativos que afectan en la preparación de los
datos relevantes de la empresa?
 ¿Cuál es el principal problema de los principales departamentos y gerencia?
 ¿Como se relaciona la falta de información precisa y adecuada con la baja
competitividad en el mercado?
 ¿En qué área o departamento de la empresa no existe una de información
precisa y relevante?
 ¿Como influye el no tener una estructura adecuada de los datos o
información a las distintas áreas gerenciales, ventas y clientes?
 ¿Cuántos tipos de orígenes de datos tienen actualmente en la empresa?
2.3. Objetivos (Generales y particulares)
2.3.1. Objetivo General
Proponer una estrategia basada en el análisis y estructuración de la información
para el apoyo en la toma de decisiones y desarrollo de mayor competitividad a
través de la implementación de una bodega de datos.
2.3.2. Objetivos Particulares
 Obtener la información desde todas las fuentes de datos existentes.
 Preparar los datos para identificar la información adecuada a ser estructurada.
 Recolectar los requerimientos de las distintas áreas de trabajo de la empresa.
 Analizar la información relevante para ser procesada y depurada de datos
inconsistentes y excluyentes.
 Estructurar la información para tener centralizada toda la información más
relevante a través de los estándares y metodologías adecuadas.
 Implementar una bodega de datos para ayudar a la toma de decisiones a través
del diseño de reportes y dashboards.

5
2.4. Justificación (Teórica y práctica)
 El valor del conocimiento en las organizaciones

Siguiendo la perspectiva del valor empresarial del conocimiento, se presenta así

mismo la necesidad de determinar qué impacto tiene este en el desarrollo de la
competitividad (Duran, 2002). En el ámbito organizacional surge esta capacidad
cuando una organización es capaz de producir bienes y servicios de calidad sin
denotar una distinción entre lo que sean de tipo tangible o intangible. Este enfoque
indica la capacidad de producir valor; el conocimiento y su gestión, por lo tanto, se
convierte en uno de los factores clave para la innovación y la consolidación de una
organización en el entorno global de los negocios (Araya Guzmán, 2004).

Procedimientos y métodos computacionales también forman parte de los factores

de apoyo para otorgar valor al conocimiento (Goitia; Sáenz; Bilbao, 2008).

 Gestión del conocimiento

“Todas las organizaciones saludables generan y usan conocimiento. A medida
que las organizaciones interactúan con sus entornos, absorben información, la
convierten en conocimiento y llevan a cabo acciones sobre la base de la
combinación de ese conocimiento y de sus experiencias, valores y normas internas.
Sienten y responden. Sin conocimiento, una organización no se podrá organizar a
sí misma” (Davenport y Prusak, 2001).
“La creación de conocimiento organizacional es la clave del proceso peculiar a
través del cual estas firmas innovan. Son especialmente aptas para innovar
continuamente, en cantidades cada vez mayores y en espiral generando ventaja
competitiva para la organización” (Nonaka y Takeuchi, 1999).
 Modelo de Cuadro de Mando Integral
Este modelo, propuesto por Kaplan y Norton (2006), establece una serie de
indicadores capaces de ofrecer una visión global de la empresa, de activos tanto
tangibles como intangibles. Sus funciones son:
 Clarificar la visión y la estrategia organizacional.
 Comunicar los objetivos estratégicos.
 Alinear las iniciativas estratégicas.
 Aumentar la comunicación organizacional.

6
  Facilitar la toma de decisiones.
 Aumentar la competitividad en el mercado.
 Indicadores por objetivos particulares

OBJETIVOS INDICADORES
Obtener la 1.1 Numero de fuente de datos.
información desde 1.2 Tiempo para recolectar la información.
1 todas las fuentes de
datos existentes.
1.3 Porcentaje de conexiones por día.
Preparar los datos 2.1 Numero de área o departamentos.
para identificar la
2 información 2.2 Tiempo de limpieza de datos inconsistentes.
adecuada a ser Número de clientes involucrados directamente con
estructurada. 2.3 la información.
3.1 Número total de requerimientos.
3.2 Número de observaciones.
Recolectar los
Número de reuniones para la obtención de
requerimientos de
3.3 requerimientos.
3 las distintas áreas
de trabajo de la 3.4 Número de empleados de TI
empresa. Porcentajes de proyectos sobre análisis de la
3.5 información.
3.6 Inversión efectuada en capacitación al personal.
4.1 Tasa de actualizaciones de procesos.
Analizar la 4.2 Número de tablas excluidas.
información
4.3 Porcentaje de datos de nivel relevante.
relevante para ser
4 procesada y 4.4 Número de sugerencias internas de mejoras.
depurada de datos Número de reconocimientos e incentivos para el
inconsistentes y 4.5 personal.
excluyentes. 4.6 Número de compromisos y objetivos logrados.
4.7 Número de encuestas de puntuación al personal.
Estructurar la 5.1 Número de tablas desde el diseño relacional.
información para Número de hojas de trabajo por departamentos de
tener centralizada 5.2 trabajo.
toda la información Número de procesos ETL para la consolidación de
5 más relevante a 5.3 la información.
través de los
5.4 Número de actualizaciones a los procesos.
estándares y
metodologías
adecuadas. 5.5 Número de metodologías y estándares aplicados.
Implementar una
bodega de datos 6.1 Número de sugerencias internas.
para ayudar a la 6.2 Puntuación de satisfacción de los clientes.
6 toma de decisiones Número de encuestas para medir la calidad de los
a través del diseño 6.3 servicios.
de reportes y 6.4 Número de personas guiadas por el C.M.I.
dashboards. 6.5 Nivel de competitividad en el mercado contra otras
7
 marcas.
Tabla 1. Elaboración propia a partir de Kaplan y Norton, 2006

 Indicadores por perspectiva

PERSPECTIVA INDICADORES PROPUESTOS

3.
3 Numero de reuniones para la obtención de requerimientos
3.
4 Número de empleados de TI
3.
5 Porcentajes de proyectos sobre análisis de la información.
4.
APRENDIZAJE Y 4 Numero de sugerencias internas de mejoras.
CRECIMIENTO 4.
5 Numero de reconocimientos e incentivos para el personal.
4.
6 Numero de compromisos y objetivos logrados.
4.
7 Numero de encuestas de puntuacion al personal.
6. Nivel de competitividad en el mercado contra otras
5 marcas.
1.
1 Numero de fuente de datos.
1.
2 Tiempo para recolectar la información.
1.
3 Porcentaje de conexiones por día.
2.
1 Numero de área o departamentos.
2.
2 Tiempo de limpieza de datos inconsistentes.
3.
1 Numero total de requerimientos.
4.
PROCESOS
1 Tasa de actualizaciones de procesos.
INTERNOS
4.
2 Numero de tablas excluidas.
4.
3 Porcentaje de datos de nivel relevante.
5.
2 Número de hojas de trabajo por departamentos de trabajo
5. Número de procesos ETL para la consolidación de la
3 información.
5.
4 Número de actualizaciones a los procesos.
5.
5 Número de metodologías y estándares aplicados.
6. Numero de sugerencias externas de los clientes.
8
 1
6.
2 Puntuacion de satisfacción de los clientes directos.
6.
4 Número de personas guiadas por el C.M.I.
5.
1 Numero de tablas desde el diseño relacional.
2. Número de clientes involucrados directamente con la
3 información.
CLIENTES
3.
2 Numero de observaciones.
6. Numero de encuestas para medir la calidad de los
3 servicios.
3.
FINANCIERA 6 Inversión efectuada en capacitación al personal.
  Ingresos
Tabla 2. Elaboración propia a partir de CMI Kaplan y Norton, 2006

 Validación de los indicadores

9
 Figura 1. Elaboración propia a partir del CMI de Kaplan y Norton, 2006

En la figura de arriba se valida los indicadores en el Cuadro de Mando Integral

(CMI) de acuerdo a las distintas perspectivas. La base principal es el CMI y desde
la perspectivita de aprendizaje y crecimiento tenemos empleados motivados y
formados, si los empleados están motivados y formados, los procesos internos
tendrán alta competitividad, apoyo en la toma de decisiones, mejor negociaciones,
que generan procesos eficientes y una gestión transparente, si tenemos procesos
internos solidos la perspectiva de clientes nos permitirá tener clientes satisfechos y
fidelizados, que finalmente en lo financiero nos generaría buenos resultados y
mayor financiación.
2.5. Viabilidad
El proyecto se llevará a cabo en un tiempo de 6 meses, se detectarán las falencias y los
procesos que retardan la obtención de información relevante para realizar el
estructurado de forma inmediata y con mayor prioridad, además se adaptara un
modelo MOLAP, para conformar un conjunto de por departamentos (datamarts) que
en su totalidad estos formaran nuestra bodega de datos. El cronograma se llevará a
cabo de la siguiente manera:
 En el 1er y 2do mes se llevarán a cabo los procesos mas exigentes ya que se
llevará a cabo la definición y planificación del inicio del proyecto. El peso para
estos meses es del 35%
 Definir el límite y el alcance del proyecto por la gerencia de la empresa.
 Definir el personal IT con conocimientos avanzados de base de datos y
herramientas de modelado de datos.
 Evaluación y análisis de las licencias.
 Recolección de los requerimientos de todos los departamentos.
 Preparación de las fuentes de datos.
 Diseño del modelo conceptual de toda la estructura de base de datos.
 Aprobación de los informes por un gerente IT o gerente de la empresa.

10
  Para el 3er al 5to mes, se tienen las siguientes estrategias y procesos. Su peso para
estos meses es del 45%
 Creación de las conexiones a todas las fuentes de datos.
 Creación de la bodega de datos independiente.
 Desarrollo de las tablas dimensiones y hechos.
 Estructura de los datos por departamentos.
 Creación de hojas de trabajo.
 Implementación de ETL en los procesos.
 Actualización de la información.
 Para el 6to mes o la parte final del proyecto se tienen las siguientes estrategias. Su
peso para este mes es de 20%
 Finalización de la estructura de la bodega de datos.
 Diseño de los reportes y dashboards de acuerdo a los requerimientos.
 Finalización de la implementación de la bodega de datos.
 Prueba de los resultados con los usuarios finales.
 Entrenamiento para interpretación de datos a los usuarios finales.
3. Marco de referencia / fundamentación teórica
Existen dos enfoques respecto a los conceptos bodega de datos (DW) y Datamarts (DM)
(Kimball; Ross, 2002):
 Bill Inmon propone la idea que los DM se sirven de un DW para extraer información
que esta almacenada de manera estructurada en un modelo relacional, a esto se le
conoce como enfoque Top-Down.
 Ralph Kimball, plantea la idea de un enfoque dimensional para el diseño de un DW, y
afirma que la unión de todos los DM de una organización constituye el DW
corporativo, a lo cual se le conoce como el enfoque Bottom-Up.
 La metodología de Hefestos consta de 4 etapas: Análisis de requerimientos, Análisis de
los OLTP, modelo lógico de la bodega de datos e integración de datos.

Las bodegas de datos pueden estar compuestas por Data Marts, que son una
particularización de las bodegas de datos, que heredan las mismas características. Además
de ello, podemos precisar los Data Marts como partes indispensables y necesarias para
integrar el sistema, y que además influyen en el manejo de un control más adecuado de los
datos bajo la filosofía OLAP (On-Line Analytical Processing) que a su vez usa estructuras
multidimensionales para planear una mejor distribución del modelo y para que obtenga

11
más confiabilidad, efectividad y transparencia para el usuario final o persona que requiera
del análisis de los datos (Salcedo; Galeano; Rodríguez, 2009).

Figura 2: Subdivisión OLAP (Salcedo; Galeano; Rodríguez, 2009)

Las Bodegas de Datos nacen como tentativa a la construcción de un nuevo concepto

tecnológico y herramienta competitiva que promete diseñar nuevas alternativas de negocio
con base en la información de la empresa, generando informes consolidados o detallados
según los niveles definidos en las diferentes dimensiones; además con la particularidad de
ofrecer información de carácter gerencial para la toma de decisiones (Salcedo; Galeano;
Rodríguez, 2009).

W.H. Inmon, considerado el padre de las bodegas de datos en 1992, define las bodegas de
datos como: “Un sistema orientado al usuario final, integrado, con variaciones de tiempo
y sobre todo una colección de datos como soporte al proceso de toma de decisiones”.

Por otra parte, Ralph Kimball, considerado como uno de los mas importantes precursores
y padre del concepto bodega de datos, lo define como: “Una copia de los datos de la
transacción, estructurados específicamente para preguntar, divulgar y diseñado para dar
soporte a un departamento o unidad de negocio en particular. Puede ser independiente,
parte de una red distribuida de Data Mart, o dependiente de los datos de una bodega de
datos”

Choo (2004) propone que la información no sea considerada como un objeto (recurso),
sino como un resultado de personas, constituyendo un significado a través de mensajes e
insinuaciones, ya que no reside en artefactos (sistemas, hojas de cálculo, documentos),
sino en la mente de las personas. Por lo tanto, hay tres pasos básicos para obtener y
utilizar la información:

a) Información necesaria: Representan brechas cognitivas que impiden que las

personas progresen y causan incertidumbre. En este sentido determinar estas

12
 necesidades so solo de considerar la pregunta ¿Qué debemos saber? Sino también
¿Por qué necesitamos saber?, ¿Cuál es el problema en cuestión?, ¿Qué es lo que
sabemos?, ¿Qué esperamos encontrar?, ¿Cómo ayudara esto?
b) Búsqueda de información: Después de identificar la necesidad, en función de
determinar las posibles fuentes, seleccione que fuentes utilizar, ubicar o contactar
con las fuentes. La elección y la búsqueda de información depende de la cantidad
de tiempo, esfuerzo, costo requerido para la interacción, complejidad y entorno.
c) Usar la información: Como una persona usa la información seleccionada:
desarrollo contextual, entender una situación particular, sabe como y que hacer,
recopilar datos, confirmar otra información, pronosticar eventos futuros, motivar o
mantener la participación personal, desarrollar y mejorar relaciones y realización
personal.

En adición a las cuestiones relacionadas con la obtención y el uso de la información,

Thomsen (2002) presenta un ejemplo para el alcance de la decisión, relacionándolo con
los sistemas y los niveles jerárquicos de las organizaciones. En los niveles operativos, la
cantidad de decisiones es mas frecuente y el alcance implica menos información.

En el nivel táctico, el alcance y la cantidad de entradas aumentan, mientras que la cantidad

de salida disminuye. En el nivel estratégico, una decisión abarca una mayor cantidad de
información de entrada.

4. Hipótesis y variables / propuesta de implementación

4.1. Hipótesis y variables
 Hipótesis central
Se espera lograr alcanzar un mayor y eficiente aprovechamiento de la información
para alcanzar un nivel de competitividad y para apoyar en la toma de decisión del
nivel gerencial de la empresa para solucionar los problemas y pronosticar mejores
objetivos y resultados, así también lograr motivar y capacitar al personal
involucrado en el manejo de la información.
 Hipótesis secundarias
 Los elementos de mayor relevancia identificando los requerimientos e
indicadores para lograr un buen análisis de la información.
 Si es existe una mejor gestión del conocimiento se obtendrá un ambiente
más motivado y confiable.

13
  El alto nivel de organización de la información, generara mayor eficiencia
y problemas resueltos en poco tiempo.
 Las empresas de área de aceites y lubricantes en el país son una industria
aun en sus primeros pasos y cuentan con un mercado en constante
crecimiento.
 Variable de Control
 Edad de la empresa.
 Tamaño de la empresa.
 Cantidad de clientes.
 Nivel de tecnologías y maquinarias.
 Variables dependientes
 Motivos de desorganización.
 Volumen de información.
 Nivel de cultura organizacional.
 Cantidad de requerimientos gerenciales.
 Motivo para organización de la información.
 Numero de decisiones estratégicas.
4.2. Propuesta de implementación (Metodología Propuesta)
En esta investigación se tomará en la metodología y definición de Kimball para
combinarla con las 4 etapas de Hefesto esta combinación se consolida con la facilidad
y alineamiento estratégico a nuestra propuesta de proyecto, se formó un estudio en
base a una investigación basada en la experiencia (Castillo-Rojas; Medina; Fariña,
2018).
 Etapa de Análisis
Esta etapa se vincula fuertemente con los usuarios estratégicos. Consta de dos
actividades; análisis de los requerimientos KPI y el análisis de los sistemas
operacionales. Para la primera actividad, la entrada corresponde a una plantilla ad-
hoc diseñada para la especificación de los requisitos de información estratégica o
KPI. La plantilla, permite definir y entender claramente, por parte de los usuarios
los indicadores obtenidos, su análisis, así como la validación de cada uno.
La segunda actividad de esta etapa, corresponde al análisis de los sistemas
operacionales, cuyas entradas la componen las fuentes de datos de la organización,

14
 ya sean internas o externas, mas toda la información acerca de los datos que
dispongan.
 Etapa de Modelo Multifuncional
Las salidas de la etapa de análisis, son las entradas en esta etapa. Y ella, se
encuentran en dos actividades; el diseño conceptual y el diseño físico (relacional)
del modelo multifuncional, cuyas salidas corresponden a los modelos bajo el
mismo nombre, conceptual y físico respectivamente.
Para esto, es necesario analizar las KPI especificados junto al meta-datos de las
fuentes de origen, para poder realizar el diseño conceptual. La parte tecnológica de
esta etapa la constituye las bases de datos.
 Etapa Proceso ETL + V
La tercera etapa es el clásico proceso ETL de extracción, transformación y carga,
aumentado con una cuarta actividad incorporada explícitamente y denominada
validación de KPI. Se trata de la etapa más técnica y que mayor tiempo demanda,
la de mayor complejidad y la que mas entradas y salidas tiene. Las entradas de
estas etapas son: las especificaciones de los KPI, el modelo multifuncional
relacional, la descripción (meta-datos) de los datos seleccionados y las fuentes de
datos originales. Sus salidas corresponden a; diagrama de flujo de trabajo del
proceso ETL (generada a través de una herramienta o software para esto, tal como
Talend, Pentaho o simplemente con el uso de lenguaje SQL), el repositorio
temporal relacional. En este repositorio, se realizan todas las transformaciones,
cálculos, agregaciones y validaciones de calidad de datos. También se debe
realizar la actividad de carga de los datos integrados en el repositorio temporal, las
fuentes de datos originales y el data mart.
 Etapa de Procesamiento Analítico
La ultima etapa corresponde a la explotación y análisis de la información
contenida en los Data Marts, y para esto se requiere una herramienta de la
tecnología OLAP, con la cual generar el análisis multidimensional de los datos, y
las visualizaciones graficas de los KPI.
Adicionalmente, se considera como segunda actividad la integración de
visualizaciones de los distintos objetos de análisis y KPI, utilizando el concepto de
tablero de control o dashboards (Marcus, 2006), y que permiten proporcionar a los

15
 usuarios finales, una mirada integral de los indicadores provistos por los Data
Marts, a través de interfaces graficas y con reportabilidad interactiva e intuitiva.
(Castillo-Rojas; Medina; Fariña, 2018).
En la siguiente pagina de la investigación se muestra en modelo seleccionado por
etapas que se describió anteriormente con una combinación de las etapas de
Hefestos y Kimball.

Figura 3. Metodología propuesta (Castillo-Rojas; Medina; Fariña, 2018).

5. Referencia bibliográfica
 Ahumada, Perusquia. (2015). Inteligencia de Negocios: estrategia para el desarrollo de
competitividad en empresas de base tecnológica. (6) 127-158.
 Medina, Fariña, Castillo-Rojas. (2018). Data Mart para la obtención de indicadores de
productividad académica en una universidad. (26) 88-101.
 Giraldo, Montoya, Jimenez. (2017). Knowledge-based model to support decision-
making when choosing between two association data mining techniques.
 Sobrosa, Da Silva. (2013). Information architecture analysis using business
intelligence tools based on the information needs of executives. 10(2) 251-270.
 Bustamante, Galvis, Gómez. (2013). Técnicas de modelado de procesos ETL: una
revisión de alternativas y su aplicación en proyecto de desarrollo de una solución de
BI. (18) 1.

16
 Castillo-Rojas, Medina, Fariña. (2018). Una metodología para procesos Data
Warehousing basada en la experiencia. (26).
 Salguero, Jiménez. (2013). Competitive Intelligence in the Tourism Sector, with
special focus on Southern Europe. 136-144.
 Salcedo, Galeano, Rodríguez. (2009). Metodología crisp para la implementación Data
Warehouse.
 Abril Frade, Pérez Castillo. (2007). Estado actual de las tecnologías de bodegas de
datos y OLAP aplicadas a bases de datos espaciales. (27) 58-67.
 Cavero, Sepúlveda. (2012). Estudio cronológico de paradigmas para el diseño de
almacenes de datos. 32(2) 58-62.
 Freire, De Souza, Almeida. (2015). Integrating Brazilian health information systems in
order to support the building of data warehouses. 31(3) 196-207.
 De Mesquita, Freitas. (2011). Business intelligence (BI) implementation from the
perspective of individual change. 8(1) 25-50.7
 Marotta, Motz, Ruggia. (2015). Managing Source schema Evolution in Web
warehouses.
 Prieto Morales, Meneses, Vega. (2014). Análisis comparativo de modelos de madurez
en inteligencia de negocio. 23(3) 361-371.
 Gómez-Beltrán, Romero-Rodríguez, Pérez-Vásquez. (2013). Generación asistida por
computadoras de modelos de almacenes de datos: análisis de la información. 80(177)
49-58.

17