Revista Innovación y Software
Vol. 5, No. 2, Mes Septiembre - Febrero, 2024
ISSN: 2708-0935
Pág. 143-161
https://revistas.ulasalle.edu.pe/innosoft
Esta obra está bajo una Licencia
Creative Commons Atribución
4.0 Internacional.
Tipo de artículo: Artículos de revisión
Temática: Tecnologías de bases de datos
Recibido: 21/06/2024 | Aceptado: 25/08/2024 | Publicado: 30/09/2024
Identificadores persistentes:
DOI: 10.48168/innosoft.s16.a146
ARK: ark:/42411/s16/a146
PURL: 42411/s16/a146
Datawarehouse y su impacto en la toma de decisiones ágiles de
la empresa Best Cable Perú
Data warehouse and its impact on agile decision-making at
Best Cable Peru
Cesar Alcides Perez Quispe1[0009-0005-1133-4318]*, Juan Pedro Santos Fernandez2[0000- 0002- 8882- 9256],
Robert Jerry Sánchez Ticona3[0000-0001-9387-1945]
1Universidad Nacional de Trujillo. cperezq@unitru.edu.pe
2Universidad Nacional de Trujillo. jsantos@unitru.edu.pe
3Universidad Nacional de Trujillo. rsanchezt@unitru.edu.pe
∗Autor para correspondencia: cperezq@unitru.edu.pe
Resumen
Como introducción la inteligencia de negocios permite una gran ayuda en la toma de decisiones permitiendo
observar un panorama completo del negocio y del flujo que este mismo lleva, ofreciendo de varias alternativas
a los encargados de tomar las decisiones. La investigación tuvo como objetivo agilizar la toma de decisiones
en la compañia mediante la implantación de un Data Warehouse. En el método se implementó empleando la
metodología de Kimball, utilizándose el software Atoti Apache Airflow y PowerBI, alimentándose de los datos
transaccionales que están almacenados en una base de datos MariaDB. Se empleó el software estadístico R en el
entorno RStudio para las pruebas estadísticas. La población de estudio estuvo compuesta por 5 colaboradores
para el indicador nivel de satisfacción de usuarios y se aplicó un muestreo no probabilístico por conveniencia y
se tomó los 5 colaboradores como muestra, para los indicadores tiempo de generación y reportes y costos horas
hombre la población estuvo compuesta por 360 reportes de gestión y se utilizó un muestreo probabilístico simple
y se obtuvo una muestra de 186 reportes de gestión. Los resultados obtenidos se reflejaron que los procesos de
generación de informes y análisis de datos tuvieron una disminución del 94.37 % en el tiempo requerido para
la generación de informes, 94.72 % en los costos asociados a dicha elaboración, un incremento del 72.36 % en el
nivel de satisfacción de los usuarios; después de analizarlo, se determinó que el uso de inteligencia empresarial
o de negocios permitió mejorar la agilidad en la toma de decisiones dentro de la compañía, confirmado su
efectividad.
Palabras claves: Data warehouse, Inteligencia de Negocios, Toma de Decisiones.
Abstract
Business intelligence provides significant assistance in decision-making by offering a comprehensive overview
of the business and its workflow, presenting various alternatives to decision-makers. The research aimed to
streamline decision-making within the company through the implementation of a Data Warehouse. The Kimball
methodology was employed in the process, utilizing Atoti Apache Airflow and PowerBI software, which were
fed with transactional data stored in a MariaDB database. Statistical analysis was conducted using R software
Facultad de Ingeniería
Universidad La Salle, Arequipa, Perú
facin.innosoft@ulasalle.edu.pe
143
Revista Innovación y Software
Vol. 5, No. 2, Mes Septiembre - Febrero, 2024
ISSN: 2708-0935
Pág. 143-161
https://revistas.ulasalle.edu.pe/innosoft
within the RStudio environment. The study population consisted of 5 employees for the user satisfaction indi-
cator, employing a convenience non-probabilistic sampling method, while for the indicators of report generation
time and costs, the population comprised 360 management reports, sampled using a simple probabilistic method,
resulting in a sample of 186 management reports. The results indicated a 94.37 % reduction in the time requi-
red for report generation, a 94.72 % decrease in associated costs, and a 72.36 % increase in user satisfaction
level. Upon analysis, it was determined that the implementation of business intelligence significantly improved
decision-making agility within the company, confirming its effectiveness.
Keywords: Data warehouse, Business Intelligence, Make Decisions
Introducción
En la actualidad, de acuerdo con [1], afirma que las compañías se encuentran enfrentando un creciente volumen
de datos e información que vienen de diversas fuentes, como el empleo de tecnologías digitales, plataformas
sociales, transacciones comerciales y operaciones internas. Este flujo masivo de información puede resultar
valioso para las empresas, ya que les otorga una comprensión más profunda del mercado, el comportamiento
de los consumidores, el desempeño de la compañía y otros aspectos relevantes. Según [2], definen que el desafío
radica en gestionar eficientemente esta información, pues una mala administración puede ocasionar problemas
en la toma de decisiones empresariales, lo cual, a su vez, impacta negativamente en el rendimiento de la
organización.
La empresa de telecomunicaciones Best Cable Perú no es ajena a la falta de gestión de la información, esta
empresa se dedica a proveer servicios de internet y cable, entre algunas de sus actividades se encuentra: ofrecer
servicios de internet de alta velocidad, ya sea mediante tecnologías como fibra óptica, cable coaxial o DSL,
ofrecer una variedad de canales de televisión por cable, realizar la colocación y el cuidado continuo de los
equipos necesarios para la conexión de internet y televisión, como módems, routers, decodificadores, entre
otros, proporcionar soporte técnico a los clientes para solucionar problemas relacionados con la conexión a
internet, la televisión por cable y otros servicios relacionados y administrar la facturación y atención al cliente,
incluyendo la recepción de pagos y la resolución de consultas y reclamos de los clientes.
Investigaciones previas en campos similares obtuvieron resultados alentadores que sentaron las bases para
realizar esta investigación. De acuerdo con [3], en su investigación realizada en Ecuador con el fin de mejorar
las decisiones tomadas a través del diseño de una arquitectura tecnológica de inteligencia empresarial, los
resultados revelaron que la solución implementada tuvo un impacto significativo en la gran capacidad de los
dirigentes y colaboradores para lograr tomar decisiones, generando beneficios como la optimización de los
recursos a disposición, una posición más servicial hacia los clientes y la modernización en todo su proceso
comercial. También el estudio de [4], buscaron acelerar el proceso de desarrollo de la toma de decisiones en
Facultad de Ingeniería
Universidad La Salle, Arequipa, Perú
facin.innosoft@ulasalle.edu.pe
144
Revista Innovación y Software
Vol. 5, No. 2, Mes Septiembre - Febrero, 2024
ISSN: 2708-0935
Pág. 143-161
https://revistas.ulasalle.edu.pe/innosoft
una municipalidad distrital mediante la implantación de una aplicación de Data Warehouse, los resultados de
la investigación fueron positivos, ya que se logró una mejora muy significativa en los tiempos de generación de
informes y toma de decisiones. Según [5], realizaron un estudio con el propósito de simplificar el procedimiento
de toma de decisiones de un centro de salud primaria, mediante la implantación de un almacén de datos, los
logros obtenidos indicaron que el uso de un Data Warehouse mejoró de manera muy significativa en el proceso
de decisiones tomadas en el centro de salud.
Como afirman [6], se midió el impacto de una adaptación de inteligencia empresarial en el departamento de
ingresos una municipalidad, cuyo objetivo principal fue evaluar cómo esta solución afectaba diferentes aspectos,
como la eficiencia en la generación de informes, los costos laborales asociados a dicha generación y aumentar el
grado de satisfacción de los usuarios, se determinó que la implantación de una solución basada en inteligencia
empresarial impulsa las decisiones tomadas en el departamento de ingresos de la municipalidad.
El objetivo general de la investigación fue agilizar la toma de decisiones en la organización mediante la im-
plantación de un Data Warehouse. Para lograrlo, se plantearon objetivos específicos: incrementar el nivel de
satisfacción de los colaboradores, reducir el tiempo de generación de reportes y disminuir los costos hora hombre.
Según el valor teórico, esta investigación buscó demostrar el impacto significativo que tiene la implantación de un
Data Warehouse en el proceso de toma de decisiones de la empresa Best Cable Perú S.A.C. Además, en términos
prácticos, los resultados de la investigación respaldaron la idea de que trabajar con instrumentos de inteligencia
de negocios, como un Data Warehouse, para el estudio de la información en la toma de decisiones, se ha vuelto
una principal necesidad creciente en las organizaciones para mantenerse a la vanguardia empresarial. Desde una
perspectiva metodológica, este estudio permitió desarrollar una técnica para medir el efecto del Data Warehouse
en la toma de decisiones en diferentes entornos empresariales. Por último, en términos de conveniencia, esta
investigación proporcionó a los gerentes la capacidad de tomar decisiones eficientes y oportunas, lo que brindará
ventajas competitivas a la organización.
Materiales y métodos o Metodología computacional
Materiales y métodos
Este estudio se enfocó en la aplicación de conocimientos y técnicas existentes para abordar problemas específi-
cos y proporcionar soluciones efectivas. El objetivo principal fue resolver situaciones problemáticas utilizando
métodos y enfoques que fueron previamente desarrollados y probados. A través de la aplicación de estos cono-
cimientos y técnicas, se buscó ofrecer respuestas concretas y prácticas a los desafíos identificados en el contexto
de estudio. El enfoque aplicado permitió utilizar y adaptar soluciones existentes para abordar los problemas
Facultad de Ingeniería
Universidad La Salle, Arequipa, Perú
facin.innosoft@ulasalle.edu.pe
145
Revista Innovación y Software
Vol. 5, No. 2, Mes Septiembre - Febrero, 2024
ISSN: 2708-0935
Pág. 143-161
https://revistas.ulasalle.edu.pe/innosoft
planteados y lograr resultados concretos y aplicables en la realidad. En resumen, la investigación aplicada se
profundizó la solución de desafíos prácticos a través del uso de métodos y técnicas establecidas. La naturaleza
de esta investigación se clasificó como explicativa, ya que su objetivo principal fue entender y describir las
causas y efectos de un problema específico. Se pretendió analizar detalladamente la relación entre diferentes
variables y cómo una variable puede influir en otra.
Mediante la manipulación de una variable y la observación de los efectos resultantes en otra variable, se
buscó establecer una conexión causal y proporcionar una explicación clara de los fenómenos estudiados. La
investigación explicativa. Se esforzó por ir más allá de la mera narración de los eventos, buscando comprender
las razones subyacentes y las relaciones causales entre las variables involucradas. La población de estudio estuvo
compuesta por 5 colaboradores para el indicador nivel de satisfacción de usuarios y se aplicó un muestreo no
probabilístico por conveniencia y se tomó los 5 colaboradores como muestra, para los indicadores tiempo de
generación y reportes y costos horas hombre la población estuvo compuesta por 360 reportes de gestión y se
utilizó un muestreo probabilístico simple y se obtuvo una muestra de 186 reportes de gestión. Por lo tanto, se
exploró diferentes alternativas y se evaluó sus efectos con el objetivo de brindar una explicación coherente y
comprensible del problema en cuestión.
La investigación empleó un diseño preexperimental con el propósito de evaluar la hipótesis propuesta. Se
empleo el método pretest y postest con el conjunto de indicadores, lo que implica realizar una evaluación inicial
de la variable dependiente, denominada pretest. A continuación, se aplicó la variable independiente al grupo
de muestra seleccionado y posteriormente se llevaron a cabo una nueva medición de la variable dependiente,
conocida como postest. Este diseño permitió evaluar el resultado de la variable independiente en la variable
dependiente al comparar los resultados previos y posteriores de la aplicación de la intervención.
G O1→X→O2(1)
Donde:
G: El mismo grupo será en la evaluación pretest y postest
O1: La toma de decisiones en la empresa Best Cable Perú S.A.C. antes de la implantación del Data
Warehouse.
X: Implantación del Data Warehouse.
O2: La toma de decisiones en la empresa Best Cable Perú S.A.C. después de la implantación del Data
Facultad de Ingeniería
Universidad La Salle, Arequipa, Perú
facin.innosoft@ulasalle.edu.pe
146
Revista Innovación y Software
Vol. 5, No. 2, Mes Septiembre - Febrero, 2024
ISSN: 2708-0935
Pág. 143-161
https://revistas.ulasalle.edu.pe/innosoft
Warehouse.
Para llevar a cabo y cumplir los objetivos de esta investigación se realizó mediante tres indicadores orientados a
medir el impacto de la solución planteada. Estos indicadores fueron: Nivel de satisfacción de usuarios, Tiempo
de generación de reportes y Costos horas hombre. El detalle de estos indicadores se visualiza en la siguiente
Tabla 1.
Tabla 1. Indicadores con instrumentos
Nro. Indicador Tipo de Varia-
ble
Unidades de
Medida
Instrumento
1 Nivel de satisfac-
ción de usuarios
Cualitativo Escala de Likert
(1 a 5)
Encuesta
2 Tiempo de gene-
ración de reportes
Cuantitativo segundos Cronómetro
3 Costos horas
hombre
Cuantitativo Soles/segundos Ficha de registro
Además, se utilizó métodos y herramientas para la evaluación de los datos en una etapa pretest y postest,
también fue crucial identificar las áreas y las fuentes de información dentro de la compañía, tal como se
visualiza en la siguiente Tabla 2.
Tabla 2. Instrumentos y técnicas
Técnica Instrumento Fuente Informantes
Observación di-
recta
Ficha de reco-
lección de datos
(cronómetro)
Gerencia, área
administrativa y
área de contabili-
dad
Gerentes, admi-
nistrador y jefe
de contabilidad
Cuestionario Encuesta Gerencia y área
administrativa
Administrador
Revisión docu-
mental
Ficha de resumen Gerencia y área
de redes
Gerente y jefe de
redes
Estas técnicas y pruebas permitieron establecer el valor el instrumento de encuesta usado en esta investigación,
asegurando su confiabilidad y validez para obtener datos precisos y confiables.
Para abordar el presente proyecto, se implementó una respuesta funcional de inteligencia de negocios como será
el Data Warehouse, para lo cual se utilizó la reconocida metodología diseñada por Ralph Kimball. Esta elección
Facultad de Ingeniería
Universidad La Salle, Arequipa, Perú
facin.innosoft@ulasalle.edu.pe
147
Revista Innovación y Software
Vol. 5, No. 2, Mes Septiembre - Febrero, 2024
ISSN: 2708-0935
Pág. 143-161
https://revistas.ulasalle.edu.pe/innosoft
se fundamenta en diversas razones estratégicas y técnicas que son relevantes para el éxito del proyecto. Según [7],
la metodología propuesta por Ralph Kimball se caracteriza por su rapidez en la construcción, lo que implica
una pronta implementación del almacenamiento de datos de los procesos empresariales. Esto es especialmente
adecuado para el enfoque del presente proyecto, que se centra en la gestión comercial. Otro aspecto destacado
de la metodología es su enfoque en campos comerciales y de negocios individuales, en lugar de abarcar toda
la compañía. Esto ayuda a tener una atención más específica y detallada a las necesidades y particularidades
de cada área, lo cual es fundamental para lograr resultados efectivos. Además, esta la metodología ofrece
ventajas en términos de rapidez en la extracción de datos del Data Warehouse. Al emplear tablas de hechos
y dimensiones, se agiliza la obtención y la evaluación de los datos requerida, lo que ayuda a poder tomar
decisiones con mayor rapidez y sustentada en la calidad de la información analizada [8].
Metodología
El estudio se dividió en tres etapas: identificación de procesos, diseño y arquitectura de la solución, y desarrollo
de la aplicación con pruebas exhaustivas. El método de Ralph Kimball como se muestra en la figura 1, centrada
en un ciclo de vida empresarial con dimensiones definidas, se adoptó para garantizar la adaptabilidad a los
procesos del negocio. Este enfoque busca exponer datos en un contexto estructurado para facilitar el acceso
rápido y el alto rendimiento. El objetivo principal es construir data marts interrelacionados para satisfacer las
demandas del negocio. Las cuatro etapas de la metodología incluyen: enfoque en la empresa, construcción de
infraestructura de datos, entrega de valor en plazos cortos y propuesta de solución integral. Estas fases pueden
desarrollarse en paralelo o secuencialmente, asegurando particularidad en el progreso de la data warehouse.
Tecnologías usadas
A continuación, en la figura 2, se detalla las tecnologías usadas durante el desarrollo del programa:
Descripción
Python 3.10.13:
Función: Utilizado para scripting y programación en diversas etapas del desarrollo.
Justificación: Flexibilidad y amplio soporte para manipulación y procesamiento de datos.
Atoti 0.8.8:
Función: Herramienta para análisis multidimensional y creación de cubos OLAP.
Justificación: Facilita el análisis interactivo y la visualización de datos complejos.
Apache Airflow 2.5.2:
Facultad de Ingeniería
Universidad La Salle, Arequipa, Perú
facin.innosoft@ulasalle.edu.pe
148
Revista Innovación y Software
Vol. 5, No. 2, Mes Septiembre - Febrero, 2024
ISSN: 2708-0935
Pág. 143-161
https://revistas.ulasalle.edu.pe/innosoft
Figura 1. Metodología de Ralph Kimball
Figura 2. Tecnologías utilizadas
Función: Orquestación y programación de tareas, automatizando flujos de trabajo.
Justificación: Coordinación eficiente de procesos y programación de actividades en el desarrollo de la data
warehouse.
MariaDB 10.5:
Función: Base de datos relacional utilizada para guardar y administrar la información.
Justificación: Escalabilidad y rendimiento, además de ser una alternativa de código abierto compatible
con MySQL.
Facultad de Ingeniería
Universidad La Salle, Arequipa, Perú
facin.innosoft@ulasalle.edu.pe
149
Revista Innovación y Software
Vol. 5, No. 2, Mes Septiembre - Febrero, 2024
ISSN: 2708-0935
Pág. 143-161
https://revistas.ulasalle.edu.pe/innosoft
Power BI 2.124.2028.0:
Función: Herramienta de visualización de datos para la creación de informes y paneles interactivos.
Justificación: Facilita la presentación visual de los resultados y proporciona insights mediante gráficos y
tableros dinámicos.
Resultados y discusión
Fase I: Planificación del proyecto
Se definió la finalidad, los beneficios, el alcance, el análisis de la viabilidad financiera y el cronograma de tareas,
demostrándose la viabilidad financiera del proyecto.
Fase II: Requerimientos del negocio
Dentro de la implementación de la solución se tuvieron en cuenta ciertos requerimientos funcionales los cuales
están detallados en la figura 3. Adicionalmente, en el contexto de los requisitos no funcionales para un data
warehouse, se consideraron aspectos clave como la usabilidad y presentación de los datos, la eficiencia y rendi-
miento en el tratamiento de cantidades extensos de datos, la seguridad de almacenamiento y acceso, así como
la robustez del software. Se estableció la necesidad de que la interfaz proporcionará una experiencia de usua-
rio intuitiva, facilitando la exploración y extracción de datos sin requerir un conocimiento técnico exhaustivo.
El sistema debía ser eficiente, respondiendo ágilmente a las consultas y análisis de datos, estando disponible
de manera oportuna. La seguridad de los datos se priorizó mediante restricciones de acceso, garantizando la
protección de los datos guardados en el almacén de datos.
Para la estimación de tiempo de desarrollo, se utilizó planning poker para la realización de cada fase de la
metodología Kimball; se llegó a obtener 65 días en los cuales se procedió con la implantación de la solución de
inteligencia de negocios, por esa razón el tiempo de desarrollo es de 3.25 meses, lo cual se muestra en la Tabla
3.
Los resultados de la viabilidad económica indican que el proyecto de inversión es viable lo cual se detalla den
la tabla 4.
Con un Valor Actual Neto (VAN) positivo de S/. 3,603,52, una Tasa Interna de Retorno (TIR) del 41.43 %, y
un Índice de Beneficio-Costo (B/C) de 1.19, se sugiere que el proyecto generará retornos económicos favorables
y superará los costos iniciales. Estos valores superan los criterios de aprobación, ya que el VAN es mayor que
cero, la TIR es superior al 8.17 %, y el B/C es mayor que 1, respaldando la decisión de aprobar el proyecto
Facultad de Ingeniería
Universidad La Salle, Arequipa, Perú
facin.innosoft@ulasalle.edu.pe
150
Revista Innovación y Software
Vol. 5, No. 2, Mes Septiembre - Febrero, 2024
ISSN: 2708-0935
Pág. 143-161
https://revistas.ulasalle.edu.pe/innosoft
Figura 3. Requerimientos funcionales
Tabla 3. Estimación de desarrollo de puntos por días estimados
ID Fases Puntos de fase Tiempos de estimación (días)
F1 Planificación del proyecto 2 2
F2 Requerimientos del negocio 3 3
F3 Modelado dimensional 13 15
F4 Diseño físico 8 10
F5 Diseño e implementación de ETL 13 15
F6 Implementación 13 15
F7 Informe del proyecto 5 5
Total 57 65
Tabla 4. Resultados de indicadores económicos
Indicador económico Valor obtenido Condición Estado
VAN 3603,52 VAN>0 APROBADO
TIR 0.4143 TIR>8.17 % APROBADO
B/C 1.19 B/C>=1 APROBADO
desde el punto de vista financiero.
Se identificaron las fuentes de información, para luego realizar las entrevistas los encargados de las respectivas
áreas, luego se precisaron los indicadores los cuales se definieron en un tablero de control detallando las fórmulas
Facultad de Ingeniería
Universidad La Salle, Arequipa, Perú
facin.innosoft@ulasalle.edu.pe
151
Revista Innovación y Software
Vol. 5, No. 2, Mes Septiembre - Febrero, 2024
ISSN: 2708-0935
Pág. 143-161
https://revistas.ulasalle.edu.pe/innosoft
y sus estados, los cuales se detallan en la Figura 4.
Figura 4. Indicadores para la elaboración de datawarehouse
Facultad de Ingeniería
Universidad La Salle, Arequipa, Perú
facin.innosoft@ulasalle.edu.pe
152
Revista Innovación y Software
Vol. 5, No. 2, Mes Septiembre - Febrero, 2024
ISSN: 2708-0935
Pág. 143-161
https://revistas.ulasalle.edu.pe/innosoft
Fase III: Modelo dimensional
Luego de identificar las medidas y dimensiones, que permitieron satisfacer los requerimientos de información,
se desarrolló el análisis dimensional, el cual se visualiza en la Figura 5 y Figura 6.
Figura 5. Diagrama de hecho cobros
Facultad de Ingeniería
Universidad La Salle, Arequipa, Perú
facin.innosoft@ulasalle.edu.pe
153
Revista Innovación y Software
Vol. 5, No. 2, Mes Septiembre - Febrero, 2024
ISSN: 2708-0935
Pág. 143-161
https://revistas.ulasalle.edu.pe/innosoft
Figura 6. Diagrama de hecho servicio técnico
Fase IV: Diseño dimensional
La aplicación se realizó en el software Atoti Apache Airflow y otros programas para la inteligencia de negocios
tales como Power BI, MariaDB. En la Figura 7 se detalla el modelo dimensional, además en la Figura 8 se
muestra el diagrama del cubo olap.
Facultad de Ingeniería
Universidad La Salle, Arequipa, Perú
facin.innosoft@ulasalle.edu.pe
154
Revista Innovación y Software
Vol. 5, No. 2, Mes Septiembre - Febrero, 2024
ISSN: 2708-0935
Pág. 143-161
https://revistas.ulasalle.edu.pe/innosoft
Figura 7. Diagrama de base multidimensional
Figura 8. Diagrama de cubo Olap
Asimismo, para medir el estrés del uso de la implementación, principalmente en el apartado móvil se utilizó
jmeter en el cual se puede apreciar en la Figura 9, la ejecución de esta prueba con 200 hilos dando un error de
0 %
Facultad de Ingeniería
Universidad La Salle, Arequipa, Perú
facin.innosoft@ulasalle.edu.pe
155
Revista Innovación y Software
Vol. 5, No. 2, Mes Septiembre - Febrero, 2024
ISSN: 2708-0935
Pág. 143-161
https://revistas.ulasalle.edu.pe/innosoft
Figura 9. Resultados de prueba de estrés de jmeter
Fase VI: Desarrollo de la aplicación
Para la implementación de la aplicación se utilizaron herramientas de gestión y visualización de datos que
soporten la integración de cubos Olap, en este caso el utilizado fue PowerBI, permitiendo un manejo completo
para la creación de dashboards.
Se hace referencia a las siguientes figuras:
Figura 10: Dashboard para análisis de abonados.
Figura 11: Dashboard para análisis de cajas.
Figura 12: Vista de módulo móvil de la aplicación.
Figura 10. Dashboard para análisis de abonados
Facultad de Ingeniería
Universidad La Salle, Arequipa, Perú
facin.innosoft@ulasalle.edu.pe
156
Revista Innovación y Software
Vol. 5, No. 2, Mes Septiembre - Febrero, 2024
ISSN: 2708-0935
Pág. 143-161
https://revistas.ulasalle.edu.pe/innosoft
Figura 11. Dashboard para análisis de cajas
Figura 12. Vista de modulo móvil de la aplicación
Contrastación de hipótesis
Respecto al indicador 1: Nivel de satisfacción de usuarios, en resumen, la información que se obtuvieron para
el indicador de nivel de satisfacción de los usuarios, se tiene la siguiente Tabla 5.
Facultad de Ingeniería
Universidad La Salle, Arequipa, Perú
facin.innosoft@ulasalle.edu.pe
157
Revista Innovación y Software
Vol. 5, No. 2, Mes Septiembre - Febrero, 2024
ISSN: 2708-0935
Pág. 143-161
https://revistas.ulasalle.edu.pe/innosoft
Tabla 5. Nivel de impacto en el nivel de satisfacción de usuarios
PRETEST POSTEST Nivel de impacto (Incremento)
Escala (1-
5)
Porcentaje ( %) Puntaje
(1-5)
Porcentaje ( %) Puntaje (1-
5)
∆Porcentaje
( %)
1.47 23.50 % 4.52 72.30 % 3.05 48.80 %
En la tabla 1, apreciamos que el nivel de satisfacción de usuarios actualmente fue con un puntaje de 1.47 y el
nivel de satisfacción de usuarios presentado fue de 4.52, con un impacto de 3.05 y un porcentaje de 48.80 %.
Esto se muestra en la Figura 13:
Figura 13. Resultados del pretest - postest del nivel de satisfacción de los usuarios
Respecto al indicador 2: Tiempo de generación de reportes, los datos que se obtuvieron para el indicador de
tiempo promedio de ejecución en la elaboración de reportes, se tiene la siguiente Tabla 6.
Tabla 6. Nivel de impacto del tiempo de generación de reportes
TP1 TP2 Nivel de impacto (Decremento)
Segundos
(s)
Porcentaje ( %) Segundos
(s)
Porcentaje ( %) Segundos (s) ∆Porcentaje
( %)
75.54 100 % 4.25 5.63 % 71.29 94.37 %
En la tabla 2, se aprecia que el tiempo de generación de reportes fue de 75.54 segundos y el tiempo de generación
de reportes propuesto fue de 4.25 segundos, con un decremento de 71.29 segundos y un porcentaje de 94.37 %.
Lo cual se puede apreciar en la siguiente Figura 14:
Facultad de Ingeniería
Universidad La Salle, Arequipa, Perú
facin.innosoft@ulasalle.edu.pe
158
Revista Innovación y Software
Vol. 5, No. 2, Mes Septiembre - Febrero, 2024
ISSN: 2708-0935
Pág. 143-161
https://revistas.ulasalle.edu.pe/innosoft
Figura 14. Resultados del pretest - postest del tiempo promedio en la elaboración de reportes
Respecto al indicador 3: Costo por hora hombre en la elaboración de reportes, para poder calcular los costos
hora hombre en la elaboración de reportes, se tuvo una muestra de 189 observaciones en soles/segundos, la
información de un costo aproximado invertido para la elaboración de reportes usando métodos convencionales
(Pretest) y un mes posterior de la implantación de Data Warehouse.
Para esto, se estimuló el precio por cada intervalo de tiempo, transformando el sueldo del principal encargado
de elaborar los reportes de meses a segundos, se aplicó la formula:
Costos x segundo =1025 soles
1mes ×
1mes
30 días ×
1día
24 horas ×
1hora
3600 segundos (2)
Se obtuvo un costo promedio de 0.0004 soles por cada reporte elaborado. Resumiendo, los datos que se han
obtenido para el indicador de costos por hora hombre, se tiene la siguiente Tabla 7.
Tabla 7. Nivel de impacto de costos horas hombre
CPRE CPOST Nivel de impacto (Decremento)
Costo (so-
les)
Porcentaje ( %) Costo (so-
les)
Porcentaje ( %) Costo (soles) ∆Porcentaje
( %)
0.028 100 % 0.002 5.28 % 0.027 94.72 %
En la tabla 3, se aprecia que los costos hora hombre en la elaboración de reportes actualmente fue de 0.028
por segundo y los costos hora hombre en la elaboración de reportes propuesto fue de 0.002 por segundo, con
Facultad de Ingeniería
Universidad La Salle, Arequipa, Perú
facin.innosoft@ulasalle.edu.pe
159
Revista Innovación y Software
Vol. 5, No. 2, Mes Septiembre - Febrero, 2024
ISSN: 2708-0935
Pág. 143-161
https://revistas.ulasalle.edu.pe/innosoft
un impacto de decremento de 0.027 y un porcentaje de 94.72 %. Esto se puede mostrar en la Figura 15:
Figura 15. Resultados del pre - pos test del costo hora hombre en la elaboración de reportes
Discusión
Los resultados obtenidos evidencian notables avances en los objetivos estratégicos tras la implementación del
data warehouse con el método de Ralph Kimball en la gestión académica de la institución. En primer lugar, al
analizar la eficiencia en la utilización del tiempo hora hombre, se observa una reducción sustancial del 94.72 %
en comparación con los procesos anteriores. Este logro refleja la eficacia de la data warehouse en optimizar
las tareas y disminuir los costos asociados en comparación con [7] quien logro reducir el costo hombre en un
75.84 %.
En relación con el tiempo de generación de reportes, se logró una mejora del 94.37 %, indicando una significativa
aceleración en la obtención de generación de reportes gracias a la implementación de la metodología de Ralph
Kimball. Esta reducción en los tiempos de generación de reportes demuestra la eficacia de la estructuración
y diseño lógico de la solución propuesta teniendo un resultado mejor en [5] quienes lograron un 95.12 % de la
mejora en reducción de tiempo de la generación de informes.
Además, el nivel de satisfacción de los colaboradores experimentó un aumento del 48.80 % tras la implemen-
tación de la data warehouse. Este incremento señala el impacto positivo en la experiencia y percepción de los
usuarios, respaldando la eficacia del enfoque de Ralph Kimball en construir soluciones integrales que generen
valor y mejoren la satisfacción del personal, viendo que de los informes obtenidos tanto [3] como [8] obtuvieron
un porcentaje mayor al nuestro, siento el primero mencionado 65.45 % y el segundo mencionado 66.12 % en la
Facultad de Ingeniería
Universidad La Salle, Arequipa, Perú
facin.innosoft@ulasalle.edu.pe
160
Revista Innovación y Software
Vol. 5, No. 2, Mes Septiembre - Febrero, 2024
ISSN: 2708-0935
Pág. 143-161
https://revistas.ulasalle.edu.pe/innosoft
satisfacción del personal.
Conclusiones
La implementación del data warehouse con el método de Ralph Kimball ha arrojado resultados altamente
positivos, alineados con los objetivos estratégicos de la empresa. La reducción significativa de costos hora
hombre en un 94.72 %, la drástica disminución del tiempo de generación de reportes en un 94.37 %, y el notable
incremento del nivel de satisfacción del personal en un 48.80 % reflejan el impacto exitoso de esta solución en
la gestión académica.
Lo novedoso de este enfoque radica en la capacidad del sistema para proporcionar a la empresa exactamente
lo que solicitaba: un sólido sistema de apoyo a las decisiones. La estructuración de la data warehouse con el
método de Ralph Kimball ha permitido la emisión precisa y oportuna de todo tipo de informes, proporcio-
nando a los gerentes acceso inmediato a información actualizada y relevante. Este aspecto se traduce en una
mejora significativa en la toma de decisiones, permitiendo a la empresa ser más ágil y eficiente en un mercado
caracterizado por su constante variabilidad.
Para futuras investigaciones se recomienda utilizar la metodología Kimball en soluciones de inteligencia
de negocios, así como la integración de tecnologías emergentes como inteligencia artificial, la evaluación de
rendimiento en diversos entornos empresariales, el fortalecimiento de la seguridad de datos en entornos BI
basados en Kimball, y la adopción de metodologías ágiles para mejorar la flexibilidad en el desarrollo. Estos
enfoques ofrecen oportunidades para avanzar en la comprensión y perfeccionamiento de la implementación de
Kimball y soluciones de BI, contribuyendo al progreso continuo en este ámbito.
Contribución de Autoría
Cesar Alcides, Pérez Quispe: Conceptualización,Investigación,Metodología,Software,Validación,Redac-
ción - borrador original.
Referencias
[1] K. Alcázar, “Gravitar.biz,” Octubre 2022, [Último acceso: 09 Diciembre 2023]. [Online]. Available:
https://gravitar.biz/datawarehouse/beneficios-data-warehouse/
[2] L. A. Huamán, “Inteligencia de negocios en la gestión académica de la educación superior universitaria,”
Rev. Investig, vol. 7, no. 2, pp. 526–536, 2018.
Facultad de Ingeniería
Universidad La Salle, Arequipa, Perú
facin.innosoft@ulasalle.edu.pe
161
Revista Innovación y Software
Vol. 5, No. 2, Mes Septiembre - Febrero, 2024
ISSN: 2708-0935
Pág. 143-161
https://revistas.ulasalle.edu.pe/innosoft
[3] P. N. N. Picon, M. E. A. Valarezo, and D. M. C. Guzmán, “La inteligencia de negocios como apoyo a la
toma de decisiones en el área de comercialización de la empresa azuaynet,” Polo del Conocimiento: Revista
científico - profesional, vol. 7, no. 8, pp. 2460–2483, 2022.
[4] V. Salazar and E. José, “Aplicativo datawarehouse para la toma de decisiones en la unidad de recaudación
tributaria en la municipalidad distrital de punchana 2018,” Master’s thesis, Universidad Nacional de la
Amazonía Peruana, 2019.
[5] O. Rios and L. Jack, “Implementación de un data warehouse para mejorar el proceso de toma de decisiones
del centro asistencial primaria de salud - essalud. iquitos,” Master’s thesis, 2020.
[6] E. López and F. Peralta, “Desarrollo de una solución de inteligencia de negocios para mejorar el proceso de
toma de decisiones en el área de rentas de la municipalidad distrital de moche,” Master’s thesis, Universidad
Nacional de Trujillo, 2020.
[7] Y. Rodríguez Cruz and M. Pinto, “Modelo de uso de información para la toma de decisiones estratégicas
en organizaciones de información,” Transinformação, vol. 30, no. 1, pp. 51–64, 2018.
[8] C. A. S. Retiz and L. R. Bello, “Toma de decisiones en empresas pequeñas que combinan varias actividades
econ. construcción de un tablero de control,” Univ. Empresa, vol. 21, no. 37, p. 228, 2019.
Facultad de Ingeniería
Universidad La Salle, Arequipa, Perú
facin.innosoft@ulasalle.edu.pe
162
