66
A
r
qu
i
t
e
c
t
u
r
a
D
A
T
A
W
A
R
EH
O
U
S
I
N
G
p
a
r
a
la
op
e
r
a
c
i
ón
d
e
l
o
s S
e
r
v
i
c
i
o
s
d
e
T
e
c
no
l
o
g
í
a
s
d
e
la
I
n
f
o
r
m
a
c
i
ón
d
e
E
T
E
C
S
A
D
A
T
A
w
a
r
e
h
o
u
s
i
n
g
a
r
c
h
i
t
e
c
t
u
r
e
fo
r
t
h
e
o
p
e
r
a
t
i
o
n
of
t
h
e
i
n
fo
r
m
a
t
i
o
n
t
e
c
hn
o
l
o
g
i
e
s s
e
r
v
i
c
e
s
i
n
E
T
E
CS
A
M
Sc
.
D
a
r
i
e
l
P
é
r
e
z F
e
rr
e
r
1
,
M
Sc
.
A
l
e
x
a
nd
e
r
Gó
m
e
z
B
e
t
a
n
c
o
u
rt
2
,
M
Sc
.
R
a
f
a
e
l
E
.
M
a
z
a
i
r
a
F
e
r
n
á
nd
e
z
3
,
D
r
.
Sc
.
L
i
nd
s
a
y
A
l
o
n
s
o
Gó
m
e
z
B
e
l
tr
á
n
4
1
E
m
p
r
e
s
a
d
e
T
e
l
e
c
o
m
un
i
c
a
c
i
o
n
e
s
d
e
C
ub
a
S
.
A
.
,
C
ub
a
.
d
a
r
i
e
l
.
p
e
r
e
z@
e
t
e
cs
a
.
c
u
2
E
m
p
r
e
s
a
d
e
T
e
l
e
c
o
m
un
i
c
a
c
i
o
n
e
s
d
e
C
ub
a
S
.
A
.
,
C
ub
a
.
a
l
e
x
a
nd
e
r
.
g
o
m
e
z@
e
t
e
cs
a
.
c
u
3
E
m
p
r
e
s
a
d
e
T
e
l
e
c
o
m
un
i
c
a
c
i
o
n
e
s
d
e
C
ub
a
S
.
A
.
,
C
ub
a
.
r
a
f
a
e
l
.
m
a
z
a
i
r
a
@
e
t
e
cs
a
.
c
u
4
U
n
i
v
e
rs
i
d
a
d
d
e
C
a
m
a
g
ü
e
y
“
I
g
n
a
c
i
o
A
gr
a
m
o
n
t
e
L
o
y
n
a
z
”
,
C
ub
a
.
li
nd
s
a
y
.
g
o
m
e
z
.
b
e
l
tr
a
n
@g
m
a
il
.
c
o
m
I
N
V
E
S
T
I
G
A
C
I
Ó
N
PALABRA
S
CLAVERE
S
UMEN
se caracteriza la gestión de T
I
pa
r
a identi
f
ica
r
indicado
r
es y mét
r
icas que incidan
directamente en la calidad del se
r
vicio.
A
demás, se estudian di
f
e
r
entes enfoque
s
,
metodologías y he
rr
amientas B
I
vinculadas a los conceptos de almacén de dato
s
y
arquitectura
D
ata Wa
r
ehousing.
Como resultado de la investigación se diseñó e implementó la a
r
quitectu
r
a propue
s
-
ta, lo que permitió a los di
r
ectivos de Tecnologías de la
I
n
f
o
r
mación de ETECS
A
,
obtener información integ
r
ada y ve
r
az pa
r
a la toma de decisiones en el p
ro
ce
s
o de
gestión de TI.
Almacén de Dato
s
;
En esta investigación se p
r
opone el desa
rr
ollo de una a
r
quitectu
r
a
D
ata Wa
r
ehou
s
ing
Inteligencia Negocio;
que permita monito
r
ea
r
los indicado
r
es de la ope
r
ación de los se
r
vicios de Tec
n
ología
s
M
etodología.
de la Información
(
T
I)
pa
r
a mejo
r
a
r
el p
r
oceso de toma de decisiones. Por tanto,
KEYWOR
DS
AB
S
TRACT
identify indicato
r
s and met
r
ics,
w
hich di
r
ectly cont
r
ibute to the quality o
f
s
ervice
s
.
In addition, t
h
e autho
r
o
r
autho
r
s analyses di
ff
e
r
ent app
r
oaches, methodologie
s
and
BI tools associated
w
ith data sto
r
age and data
w
a
r
ehousing a
r
chitectu
r
e.
A
s a result of this
r
esea
r
ch, the p
r
oposed a
r
chitectu
r
e
w
as designed and implemen-
ted, enabling ETECS
A’
s
I
T di
r
ecto
r
s to obtain integ
r
ated and t
r
uth
f
ul in
f
o
r
mation to
make decisions du
r
ing the
I
T management p
r
ocess.
Data wareho
us
e
This research p
r
oposes the development o
f
a
D
ata Wa
r
ehousing
w
hich allo
ws
to
Bu
s
ine
ss
Intelligence
monitor indicato
r
s o
f
I
n
f
o
r
mation Technology
(I
T
)
se
r
vice ope
r
ations to improve
methodology
the decision making p
r
ocess. The
r
e
f
o
r
e,
I
T management is cha
r
acte
r
ized in order to
I
SS
N
:
1813
-
5056
, R
N
P
S:
0514
,
V
o
l
.
15
,
N
o
.
1
,
e
n
e
r
o
-
j
un
i
o
,
2019
,
pp
.
66
-
76
R
e
c
i
b
i
d
o
:
10
/
2018
|
A
c
e
p
t
a
d
o
:
03
/
2019
6
7
I
N
V
E
S
T
I
G
A
C I
Ó
N
A
r
qu
i
t
e
ct
u
r
a
DA
T
A
W
A
R
E
H
O
U
S
I
N
G
p
a
r
a
la
op
e
r
a
c
i
ón
d
e
l
o
s
S
e
r
vi
c
i
o
s
d
e
T
e
c
no
l
o
g
í
a
s
d
e
la
I
n
f
o
r
m
a
c
i
ón
d
e
E
T
E
CS
A
timiza
r
el uso de recursos tecnológico
s
, minimiza
r
el
impacto de los riesgos asociados y cont
r
ibui
r
a la con
-
secución de estrategias empresariales (
P
a
r
edes, 2014
)
.
P
a
r
a un mercado tan competitivo como es el sec
-
to
r
de las telecomunicaciones, Rodríg
u
ez y
A
lma
r
cha
(
2006
)
plantean que los operadores necesitan un ma
-
yo
r
g
r
ado de
f
lexibilidad y la capacida
d
de
r
eacciona
r
con
r
apidez ante nuevos requerimientos de las á
r
eas de
negocio. Estos objetivos son adicionales a los t
r
adicio
-
nales de los responsables de sistemas de in
f
o
r
mación,
como la reducción de costos, el asegura
r
la disponibi
-
lidad de los servicios y garantizar que los sistemas den
el
r
endimiento necesario. Como consecuencia de esta
situación los departamentos de TI han pasado de se
r
conside
r
ados centros de coste, encargados de mantene
r
los sistemas de información, a ser un
v
e
r
dade
r
o socio
est
r
atégico para el área de negocio.
P
o
r
tanto, la actividad de TI como el
r
esto de la
o
r
ganización necesita hacer uso de la in
f
o
r
mación y
t
r
ans
f
o
r
marla en conocimiento, de mane
r
a que apoye
la toma
d
e decisiones, mejore la visión y pe
r
mita de
f
i
-
ni
r
est
r
ategias. En este sentido, los almacenes de datos o
Data Warehouse (
D
W) y las técnicas
O
L
A
P
O
n
-
line
Analytical Processing son las maneras más e
f
ectivas
y tecnológicamente más avanzadas para integ
r
a
r
, t
r
ans
-
f
o
r
ma
r
y combinar los datos que faciliten al usua
r
io o a
I
n
t
r
odu
cc
i
ón
de integ
r
ación e inte
r
ope
r
abilidad ent
r
e dicho
s
s
i
s
te-
En la actualidad las empresas utilizan lasmas pese a que los datos de estos, se encuentran alma-
Tecnologías de la Información (TI) pa
r
a gestiona
r
elcenados en se
r
vido
r
es de MyS
Q
L o Postg
r
eSql, como
negocio, por este motivo la tecnología ha pasado de
son los casos de
G
LP
I
y
D
emandasT
I
r
espectivamente,
se
r
un apoyo administrativo a constitui
r
se en una he
-
o pueden se
r
consultados a t
r
avés de se
r
vicio
s
w
eb y
rr
amienta de diferenciación y ventaja est
r
atégica. Los
r
elacionados po
r
elementos comunes com
o
: u
s
uario
s
,
volúme
n
es de información que requieren las o
r
ganiza
-
entidades, equipamientos, tipos, ent
r
e ot
r
o
s
.
ciones de hoy en día han ocasionado que se deba da
r
A
f
ines del p
r
ime
r
semest
r
e del 2016, en el
s
i
s
tema
un t
r
ato especial a la gestión de las tecnologías de la
G
LP
I
enca
r
gado de gestiona
r
los activos informático
s
,
in
f
o
r
mación y las comunicaciones, por ello se han ela
-
las inte
rr
upciones y las solicitudes de se
r
vicio
s
de TI
bo
r
ado estándares y mejores prácticas tendientes a op
-
en la Emp
r
esa se compo
r
taban de la siguiente manera:
15 154 computado
r
as, 11 902 monito
r
es
,
6 440 im-
p
r
eso
r
as, 2491 elementos del
r
ed, 28 643 di
s
po
s
itivo
s
y 12 667 usua
r
ios, con una media mensual de 5 800
tiques. Sin emba
r
go, el análisis de la in
f
o
r
mación gene-
r
ada en este p
r
oceso se limita al chequeo de incidencia
s
o solicitudes de se
r
vicios abie
r
tas y ce
rr
ada
s
,
s
in medir
a
f
ondo el t
r
abajo de las mesas de ayuda o el per
s
onal
de sopo
r
te que posibilite identi
f
ica
r
las á
r
ea
s
de mejora
en la actividad.
En teo
r
ía, las tecnologías debe
r
ían aportar mayor
sistematización y capacidad de cont
r
ol, no ob
s
tante, la
r
ealidad dista mucho de esta visión. La actividad de TI
en la Emp
r
esa no tiene un sistema
r
obusto que
s
oporte
la toma de decisiones. El excesivo volumen de dato
s
,
la duplicidad de estos y la poca síntesis de la informa-
ción, di
f
iculta el t
r
abajo de los di
r
ectivos. Cuando
s
e
emplean sistemas in
f
o
r
máticos destinados a garantizar
los se
r
vicios de T
I
con
f
ines estadísticos, se afecta
s
u
r
endimiento. La
f
alta de análisis de causa
s
, lo
s
com-
po
r
tamientos y las tendencias de inte
rr
upcione
s
en el
tiempo, apo
r
tan una visión incompleta del negocio y
como consecuencia limita la toma de decisione
s
.
Como consecuencia de lo ante
r
io
r
en e
s
ta inve
s
ti-
gación se desa
rr
olla una a
r
quitectu
r
a
D
ata Warehou
s
ing
que pe
r
mita monito
r
ea
r
los indicado
r
es de la operación
de los se
r
vicios de T
I
pa
r
a mejo
r
a
r
el p
r
oce
s
o de toma
de decisiones en ETECS
A
.
ot
r
os sistemas el análisis de la información
(
Pé
r
ez, 2015
)
.
ca
r
acte
r
izada por la operación con si
s
temas de ges
-
En este entorno la actividad de TI e
n
ETECS
A
está
C
on
t
e
n
i
do
tión que concentran los datos primarios pa
r
a calcula
r
G
e
st
i
ón
T
I
indicadores, visualizar la información o most
r
a
r
esta
-
L
as
o
r
ganizaci
o
ne
s
debe
n
i
r
d
e
l
a
man
o
co
n
l
a
te
c-
dísticas de los servicios que brinda en cada unidad o
r-
nol
og
í
a, p
u
es
e
s
un
a v
e
nta
j
a c
ompet
i
tiv
a ya
d
e
f
i
n
id
a
ganizativa.
S
in embargo, esta información es ext
r
aída
(
Po
r
te
r
,
2015
)
;
po
r
tanto
,
invie
r
te
n
e
n la
adqui
s
ició
n
d
e
de mane
r
a manual, lo que hace que el t
r
abajo se hagaha
r
d
w
a
r
e y so
f
t
w
a
r
e con la concepción de que
s
e trata
tedioso y lento, incurriendo en errores humanos e in
-
de una impo
r
tante inve
r
sión, la debilidad entonce
s
s
e
f
o
r
maciones falseadas.
A
demás, se evidencia la
f
altat
r
aslada en su mayo
r
pa
r
te a la gestión que dan a e
s
to
s
.
I
SS
N
:
1813
-
5056
, R
N
P
S:
0514
,
V
o
l
.
15
,
N
o
.
1
,
e
n
e
r
o
-
j
un
i
o
,
2019
,
pp
.
66
-
76
6
8
S
egún Mabilon (2010) gestionar pasa p
or
establece
r
pa
r
ativamente los ma
r
cos
r
e
f
e
r
enciales eT
OM
e ITIL
objetivos y prioridades, valorar mejores opciones, asig
-
con la no
r
ma
I
S
O
9001:2000 y establece una relación
na
r
r
ecu
r
sos, gestionar y evaluar la ejecución, o
r
ientan
-
ent
r
e ellos desde el punto de vista de su inte
r
acción en
do y alineando la mejora del negocio.
S
egún su c
r
ite
r
io,las o
r
ganizaciones a
f
in de ga
r
antiza
r
su e
f
icacia, e
f
i-
la gestión de TI abarca cuatro funciones claves:ciencia y calidad al momento de implementa
r
lo
s
.
Gestión de la
A
rquitectura TIEn síntesis, todos estos ma
r
cos
r
e
f
e
r
enciale
s
, mo-
P
lani
f
icación y
G
obierno TIdelos y no
r
mas se han desa
rr
ollado con un mi
s
mo pro-
Gestión del ciclo de vida TIpósito: mejo
r
a
r
la e
f
iciencia,
f
acilita
r
la calidad de la
Gobie
rn
o del aprovisionamientogestión, inc
r
ementa
r
la e
f
ectividad de los costo
s
, redu-
M
a
r
c
o
s
d
e
t
r
a
b
a
j
o
y
e
st
á
nd
a
r
e
s
ci
r
r
iesgos, ent
r
e ot
r
os.
i
n
t
e
r
n
a
c
i
on
al
e
s
I
n
t
e
li
g
e
n
c
ia
d
e
N
e
g
o
c
i
o
s
Va
r
ios investigadores han discutido la necesidad
H
o
w
a
r
d
Dr
esden, analista de
G
a
r
tne
r
, en 1
9
89 pro-
de gestionar TI soportado en estándare
s
y buenaspone una de
f
inición
f
o
r
mal de
I
nteligencia de Negocio
s
p
r
ácticas
(
Piattini y
H
ervada, 2007;
S
unthon
w
utinuno Business intelligence
(
B
I)
: “conceptos y método
s
y Choop
r
ay
o
on, 2013) para así obtener su mejo
r
r
en
-
pa
r
a mejo
r
a
r
las decisiones de negocio mediante el u
s
o
dimiento, destacándose entre otros las siguientes no
r-
de sistemas de sopo
r
te basados en hechos”.
D
e
s
de en-
mas o ma
r
c
o
s de referencias:tonces, el concepto ha evolucionado
(
Cu
r
to, 2
0
10).
•
IS
O38500, C
O
BIT y
V
al IT: estándar pa
r
a el go
-
Pa
r
a
D
avenpo
r
t y
H
a
rr
is
(
2007
)
la
I
nteligencia de
bie
r
no co
r
porativo de las TI y marcos de trabajo pa
r
a
N
egocios consiste en la obtención, administ
r
ación y re-
el Gobie
r
no TIpo
r
te de la data o
r
ientada a la toma de decisione
s
, y la
s
•
P
MB
OK
y
P
rince: metodologías y mejo
r
es p
r
ác
-
técnicas analíticas y p
r
ocesos computa
r
izado
s
que
s
e
ticas pa
r
a la gestión de proyectos.usan pa
r
a el análisis de la misma.
•
IS
O/
I
EC 20000 y ITIL
V
3: prácticas de
G
estiónCuando se habla de
I
nteligencia de
N
egocio
s
hay
de
S
e
r
vicio
s
TIque conside
r
a
r
los di
f
e
r
entes elementos que la con
s
-
•
IS
O/
I
EC 27002: código de buenas p
r
ácticas detituyen, dent
r
o de los cuales están: la base de dato
s
segu
r
idad.cent
r
alizada
D
ata
W
arehouse, el conjunt
o
de he-
•
IS
O/
I
EC 27001:2005: especi
f
icaciones pa
r
a los
rr
amientas que utiliza
r
á el usua
r
io
f
inal Bu
s
ine
ss
S
istemas de
G
estión de la
S
eguridad de la In
f
o
r
maciónAnalytics, las
r
elaciones no conocidas ent
r
e la
s
va-
(S
G
SI)
.
r
iables, que tienen que descub
r
i
r
se mediante la mine-
•
IS
O/
I
EC 24762:2008: guías de
S
eguridad pa
r
a la
r
ía de datos
(
también mine
r
ía de texto y de la
w
eb), y
continuidad de negocio.metodologías complementa
r
ías como BPM Bu
s
ine
ss
De
f
o
r
ma similar, otros autores como Calde
r
on yPerfor
m
ance
M
anage
m
ent, las cuales si
r
ven para
P
ompa
(
20
1
2) y Mujica y
A
rzola (2007) destacan lamonito
r
iza
r
el desempeño y obtene
r
ventaja competi-
impo
r
tancia de eT
O
M enhanced
T
elecomunicationtiva
(
Tu
r
ban,
V
olonino, y Polla
r
d, 2008
)
.
Operations Map como marco referencial de o
r
ga
-D
i
f
e
r
entes auto
r
es
(
Cu
r
to, 2010;
I
nmon, 2005;
nizaciones de telecomunicaciones que orienta con las
K
imball y Ross, 2013
)
coinciden en que el componente
mejo
r
es p
r
ácticas el desarrollo y gestión de p
r
oce
-
p
r
incipal de una solución de
I
nteligencia de Negocio
s
sos, lo que permite identi
f
icar cuáles procesos e in
-
es el almacén de datos. En este sentido, T
r
ujillo y Song
te
rf
aces so
n
más factibles de integrar, automatiza
r
y
(
2008
)
de
f
inen como
D
ata Wa
r
ehousing al p
r
oce
s
o por
estanda
r
izar.el cual las emp
r
esas ext
r
aen sentido y signi
f
icado de
S
in em
b
argo, para lograr una gestión e
f
ectivasus datos, a t
r
avés del uso de un
r
eposito
r
io de dato
s
o
de las T
I
n
o
es obligatorio seguir un único ma
r
co de
D
ata Wa
r
ehouse.
r
e
f
e
r
encia, los autores Cocanguilla y
S
antino
(
2016
)
Según
K
imball y Ross
(
2013
)
la est
r
uctura bá
s
ica
y
F
alcony (2013) integran en sus investigacionesde la
Ar
quitectu
r
a
D
ata Wa
r
ehousing incluye:
las mejo
r
es prácticas de eT
O
M, ITIL
I
nfor
m
a
-D
atos ope
r
acionales
tion
T
echnology Infrastructure
L
ibrary y Cobit.Ext
r
acción de datos
Ante
r
io
r
mente, Mujica y
A
rzola (2008) analiza com
-
T
r
ans
f
o
r
mación de datos
I
N
V
E
S
T
I
G
A
C I
Ó
N
M
Sc
.
D
a
r
i
e
l
P
é
r
e
z F
e
rr
e
r,
M
Sc
.
A
l
e
x
a
nd
e
r
Gó
m
e
z
B
e
t
a
n
c
o
u
rt,
M
Sc
.
R
a
f
a
e
l
E
.
M
a
z
a
i
r
a
F
e
r
n
á
nd
e
z,
D
r
.
Sc
.
L
i
nd
s
a
y
A
l
o
n
s
o
Gó
m
e
z
B
e
l
tr
á
n
I
SS
N
:
1813
-
5056
, R
N
P
S:
0514
,
V
o
l
.
15
,
N
o
.
1
,
e
n
e
r
o
-
j
un
i
o
,
2019
,
pp
.
66
-
76
6
9
I
N
V
E
S
T
I
G
A
C I
Ó
N
D
a
t
a
W
a
r
e
h
o
u
s
e
Un Data Warehouse según Inmon
(
2005
)
, es una
colección de datos orientada a un determinado ámbito
(
emp
r
esa, organización, etc.), integrado, no volátil y
va
r
iable en el tiempo, que ayuda a la toma de decisio
-
nes en la entidad en la que se utiliza. Se t
r
ata, sob
r
e
todo, de un historial completo de la organización, más
allá de la información transaccional y ope
r
acional, al
-
sultas y análisis”.
Dentro de un
D
W existen dos tecnologías que se
pueden ver como complementarias,
u
na
r
elacional
pa
r
a consultas y una multidimensional pa
r
a análisis.
Así un
D
W resulta ser un recipiente de datos t
r
ansac
-
cionales para proporcionar consultas ope
r
ativas, y la
in
f
o
r
mación con el
f
in de llevar a cabo el análisis mul
-
tidimensional (
K
imball y Ross, 2013).
S
in embargo, el acceso a los datos de toda la em
-
p
r
esa a veces no es conveniente (o necesa
r
io
)
pa
r
a de
-
te
r
mina
d
os usuarios que solo necesitan un subconjunto
de estos, en estos casos se utilizan los
D
ata Ma
r
ts. El
concepto
D
ata Mart es una especialización del
D
W,
y está enfocado a un departamento o á
r
ea especí
f
ica,
como por ejemplo los departamentos de
f
inanzas o
ma
r
keti
n
g, lo que permite un mejor cont
r
ol de la in
f
o
r-
mación que se está abarcando (
K
imball y Ross, 2013
)
.
Ca
r
ga de datosTop
-D
o
w
n: el p
r
oceso ETL concent
r
a la infor-
Data
w
arehousemación p
r
oveniente de las
f
uentes t
r
ansaccionale
s
en
He
rr
amientas de acceso al componente
f
ísico
D
Wuna sola base de datos ge
r
encial co
r
po
r
ativa a partir de
P
o
r
lo antes mencionado, se conside
r
a impo
r
tan
-
donde se pueden gene
r
a
r
múltiples
D
ata
M
art
s
.
te pa
r
a el desarrollo de la investigación p
r
o
f
undiza
r
Bottom
-U
p: el p
r
oceso ETL gene
r
a
D
ata
M
art
s
en los elementos estructurales de la arquitectu
r
a
D
ataindependientes que luego se consolidan en un
D
ata
W
areho
u
sing, en los acápites siguientes se ca
r
acte
-
Wa
r
ehouse co
r
po
r
ativo.
r
izan lo
s
aspectos teóricos sobre
D
W, a
r
quitectu
r
as,
H
yb
r
id:
r
escata las
f
o
r
talezas de los enfoque
s
top-
metodologías de diseño, ETL y herramientas de acce
-
do
w
n y bottom
-
up pa
r
a c
r
ea
r
un escena
r
io de coexi
s
-
so a los
d
atos.tencia ent
r
e ambos.
Fede
r
ated: en
f
oque poco aplicado, pero habilita-
do pa
r
a cambios pe
r
manentes de las exigencia
s
de lo
s
usua
r
ios de bases de datos ge
r
enciales.
El modelo de
K
imball
(
bottom
-
up
)
se adapta me-
jo
r
a p
r
oyectos que se van a
r
ealiza
r
po
r
parte
s
(
D
ata
Ma
r
ts
)
, con equipos más gene
r
ales y pequeño
s
, toman-
do los expe
r
tos el manejo de las mét
r
icas, extracción,
limpieza, t
r
ans
f
o
r
mación y ca
r
ga de datos.
macena
d
o en una base de datos diseña
d
a pa
r
a
f
avo
r
e
-
Teniendo en cuenta todo lo analizado hasta e
s
te punto
ce
r
el análisis y la divulgación e
f
iciente de estos.se decide emplea
r
el en
f
oque de const
r
ucción bottom-
Mientras,
K
imball, Ross, y others (2002
)
de
f
inenup de
K
imball debido a las ca
r
acte
r
ísticas
y
el alcance
Data Warehouse como: “una copia de los datos t
r
an
-
depa
r
tamental de esta investigación, acota
d
a a la
saccionales estructurados especí
f
icamente pa
r
a con
-
actividad de sopo
r
te T
I
de ETECS
A
.
M
e
t
o
d
o
l
o
g
í
a
s
d
e
d
i
s
e
ñ
o
U
n paso lógico en el desa
rr
ollo de cualquier arqui-
tectu
r
a es la elección de la metodología a utilizar.
H
ay muchas metodologías de desa
rr
ollo que pue-
den se
r
utilizadas pa
r
a el desa
rr
ollo de un
D
W, entre
ellas se pueden menciona
r
:
Or
acle
H
ar
m
ony
M
ethodology
S
A
S Rapid
D
ata
W
arehouse
M
ethodology
K
imball Ciclo de Vida.
D
i
m
ensional del Negocio
H
e
f
esto
En su investigación
G
a
r
cés
(
2015
)
establece una
compa
r
ación ent
r
e 18 metodologías, ag
r
upada
s
en 4 ca-
tego
r
ías: t
r
adicionales, B
I
gené
r
icas, B
I
p
r
opietaria
s
y
ágiles. Pa
r
a esto utiliza 68 c
r
ite
r
ios, que cub
r
en la
s
fa
s
e
s
siguientes:
r
eque
r
imientos, est
r
ategia de p
r
oyecto, plani-
f
icación del p
r
oyecto, selección de la tecnol
o
gía, di
s
eño
del sistema de in
f
o
r
mación, elabo
r
ación del
s
i
s
tema de
A
r
qu
i
t
e
ct
u
r
a
s
in
f
o
r
mación, plani
f
icación de la implantación, implan-
Las corrientes surgidas sobre
D
ata Wa
r
ehousingtación piloto, capacitación y puesta en ma
r
cha del
s
i
s
-
tienen varios enfoques de diseño e implementacióntema.
A
l analiza
r
las cali
f
icaciones de las metodología
s
,
pa
r
a la gestión de bases de datos ge
r
enciales, cada
K
imball y
H
e
f
esto obtienen los mejo
r
es
r
esultado
s
cuan-
una con sus propias características y ventajas, a sabe
r
do se analizan en conjunto y tiene un peso
s
igni
f
icativo
(
A
r
anibar, 2013):el tamaño, tiempo y costo de la implantación.
A
r
qu
i
t
e
ct
u
r
a
DA
T
A
W
A
R
E
H
O
U
S
I
N
G
p
a
r
a
la
op
e
r
a
c
i
ón
d
e
l
o
s
S
e
r
vi
c
i
o
s
d
e
T
e
c
no
l
o
g
í
a
s
d
e
la
I
n
f
o
r
m
a
c
i
ón
d
e
E
T
E
CS
A
I
SS
N
:
1813
-
5056
, R
N
P
S:
0514
,
V
o
l
.
15
,
N
o
.
1
,
e
n
e
r
o
-
j
un
i
o
,
2019
,
pp
.
66
-
76
7
0
Di
s
e
ñ
o
m
u
l
t
i
d
i
m
e
n
s
i
o
n
a
l
Las metodologías de diseño de
D
W de
f
o
r
ma ge
-
ne
r
al de
f
inen varias tareas, entre las cuales se encuen
-
t
r
a el diseño de la data que incluye el modelamiento y
la no
r
malización.
Un modelo multidimensional está formado de una
tabla con llave compuesta, llamada tabla de hecho, y
un conjunto de dimensiones que tienen una sola llave
p
r
ima
r
ia que corresponde exactamente a una pa
r
te de
la llave compuesta de la tabla de hecho.
La colección de tablas de hechos y dimensiones se
conoce como esquema multidimensional. En
(I
nmon,
2005; Kimball, Reeves, Ross, y Thornth
w
aite, 1998;
P
e
r
alta, 2001) se identi
f
ican los posibles esquemas. En
(
Be
r
nabeu, 2010;
P
eralta, 2001) se abordan t
r
es de los
f
undamentales:
Esquema en estrella: conformado por una tabla de
hecho con un grupo de dimensiones
Esquema copo de nieve: es una variación del es
-
quema de e
s
trella en las que las tablas de dimensiones
se o
r
ganizan jerárquicamente
Esquema constelación de hecho: constituido po
r
un conjunto de tablas de hechos que compa
r
ten algu
-
nas dimensiones
E
x
tr
a
cc
i
ó
n
, tr
a
n
s
fo
r
m
a
c
i
ó
n
y
c
a
rg
a
Existe
u
n consenso entre los autores
(
Jö
r
g y
Dessloch, 2
0
09;
K
imball y Caserta, 2004) que identi
f
i
-
can a los p
r
ocesos Extracción, Transformación y Ca
r
ga
P
o
r
tanto, se selecciona la metodología
H
e
f
estode son accesibles pa
r
a las aplicaciones de
I
nteligencia
cuya ventaja principal (Brizuela y Blanco, 2013
)
esde
N
egocios
(
Be
r
son y Smith, 1997; El
-
Sappagh,
que especi
f
ica puntualmente los pasos a segui
r
en cada
H
enda
w
i, y El Basta
w
issy, 2011
)
.
f
ase a di
f
e
r
encia de otras metodologías que mencionanEn tanto
K
imball, Ross, Tho
r
nth
w
aite, Mundy y
los p
r
oceso
s
, mas no explican cómo realiza
r
lo.
B
e
cke
r
(
2
0
08
)
se de
f
ine
n 34 s
ubsistem
as p
a
r
a
or
g
a-
niza
r
las dive
r
sas ta
r
eas que son pa
r
te de un proce
s
o
ETL. Estos subsistemas se ag
r
upan en:
Ext
r
acción
(
subsistemas del 1 al 3
)
: obte
n
ción de
los datos de sus
f
uentes de o
r
igen
Limpieza y con
f
o
r
mación
(
subsistemas del 4 al 8):
consiste en acciones que pe
r
miten valida
r
y aumentar
la calidad de la in
f
o
r
mación
Ent
r
ega
(
subsistemas del 9 al 21
)
: ca
r
ga y actuali-
zación de los datos del
D
ata Wa
r
ehouse
G
estión
(
subsistemas del 22 al 34
)
: cont
ro
la y
s
u-
pe
r
visa la co
rr
ecta t
r
amitación de todos los componen-
tes de la solución ETL
H
e
rr
a
m
i
e
n
t
a
s
B
I
Las he
rr
amientas de
I
nteligencia de
N
egocio
s
on
aplicaciones digitales diseñadas pa
r
a colabo
r
ar con el
B
I
du
r
ante el análisis y la p
r
esentación de los dato
s
.
Tomando en cuenta un estudio
r
ealizado por la
emp
r
esa española St
r
atebi
(
2017
)
donde se pre
s
enta,
analiza y compa
r
a 7 de las he
rr
amientas más potente
s
del ento
r
no Business
I
ntelligence: Tableau, Po
w
erBI,
I
n
f
o
r
mation Builde
r
s, S
A
S,
Q
lik
V
ie
w
, Amazon
Q
uickSight y Pentaho se ap
r
ecia que las he
rr
amienta
s
mejo
r
posicionadas son S
A
S y Pentaho.
Sin emba
r
go, una compa
r
ación p
r
evia
r
ealizada
po
r
G
a
r
cés
(
2015
)
donde analiza 20 he
rr
amienta
s
BI
en el pe
r
iodo del 2010 al 2014, excluye a S
A
S de la
s
5
p
r
ime
r
as he
rr
amientas B
I
p
r
opieta
r
ias, pe
r
o mantiene a
Pentaho como segunda opción
O
pen Sou
r
ce.
P
ara e
s
ta
investigación la auto
r
a analiza 72 c
r
ite
r
ios de evalua-
(
ETL
)
com
o
el centro de cualquier
D
W.
S
egún Montalvillo (2012) este proceso consu
-
c
i
ó
n
tomado
s
d
e
lo
s
r
epo
r
te
s
anuale
s
d
e
cuat
r
o
organi
-
me ent
r
e 60% y 80% del tiempo de un p
r
oyecto de
zaciones especialistas en la mate
r
ia:
G
a
r
tne
r
, Forre
s
ter,
I
nteligencia de
N
egocios y un referente como
K
imball
B
I
Su
r
vey B
A
RC Business Application Re
s
ea
r
ch
y Case
r
ta
(
2004) señala que 70% de los recu
r
sos nece
-
Center y
Dr
esne
r
A
dviso
r
y Se
r
vices.
sitados pa
r
a la implementación y mantenimiento de un
Po
r
tanto, se selecciona la Suite Pentaho como
DW son típicamente consumidos por procesos ETL.
he
rr
amienta B
I
pa
r
a el desa
rr
ollo y despliegue de la
Du
r
ante los procesos ETL, los datos son ext
r
aí
-
a
r
quitectu
r
a p
r
opuesta en esta investigación, al
s
er
dos de múltiples y heterogéneas fuentes como bases
una plata
f
o
r
ma desa
rr
ollada en Java bajo la
f
ilo
s
ofía
de datos de Procesamiento de Transacciones en Línea,
de so
f
t
w
a
r
e lib
r
e, que incluye soluciones integrada
s
a
r
chivos de texto, hojas de cálculo, entre
o
t
r
as. Luegopa
r
a gene
r
a
r
in
f
o
r
mes pa
r
amet
r
izables, mine
r
ía de da-
son t
r
ans
f
o
r
mados y limpiados con el objetivo de ajus
-
tos, ETL, análisis multidimensional
O
L
A
P, análi
s
i
s
A
d
ta
r
los al diseño del
D
W y cargados en el mismo don
-H
oc, gene
r
ación de ale
r
tas, ent
r
e ot
r
os.
I
N
V
E
S
T
I
G
A
C I
Ó
N
M
Sc
.
D
a
r
i
e
l
P
é
r
e
z F
e
rr
e
r,
M
Sc
.
A
l
e
x
a
nd
e
r
Gó
m
e
z
B
e
t
a
n
c
o
u
rt,
M
Sc
.
R
a
f
a
e
l
E
.
M
a
z
a
i
r
a
F
e
r
n
á
nd
e
z,
D
r
.
Sc
.
L
i
nd
s
a
y
A
l
o
n
s
o
Gó
m
e
z
B
e
l
tr
á
n
I
SS
N
:
1813
-
5056
, R
N
P
S:
0514
,
V
o
l
.
15
,
N
o
.
1
,
e
n
e
r
o
-
j
un
i
o
,
2019
,
pp
.
66
-
76
7
1
An
áli
s
i
s
d
e
la
i
n
f
o
r
m
a
c
i
ón
e
n
la
op
e
r
a
c
i
ón
d
e
l
o
s s
e
r
vi
c
i
o
s
d
e
T
I
e
n
E
T
E
CS
A
La gestión de las TI en ETEC
SA
,
s
e
r
ige po
r
p
r
o
-
cesos, legislaciones y procedimientos que se apoyan
en no
r
mas y estándares internacionales como
I
T
I
L, la
IS
O 900
0
:2000 e I
SO
9001:2000, entre ot
r
os y en
r
e
-
soluciones internas o del Ministerio de la
I
n
f
o
r
mática y
Comunicaciones de Cuba como la 127/
2
007.
En el procedimiento
P
E-TI-037/10
s
e de
f
ine la
f
o
r-
ma de evaluación, el análisis, el formato de ent
r
ega y
el cont
r
ol de los indicadores, para medi
r
el uso y la
disponibilidad de los recursos tecnológicos, así como
el impacto económico de las TI en ETECS
A
.
En el procedimiento antes mencionado se de
f
inen
19 indicadores, de ellos 5 están relacionados di
r
ecta
-
mente con la operación de los servicios T
I
:
Disponibilidad de los servicios TI
Tiempo promedio de solución
Tiempo medio de atención a incidencias
Tiempo medio de
A
BM usuarios
E
f
ectividad en el cumplimiento del plan de
mantenimiento
P
a
r
a el cálculo de estos 5 indicado
r
es se utiliza la
in
f
o
r
mación proveniente de tres sistema
s
N
agios,
G
LP
I
y
S
A
P-PM
, de los cuales se extraen manualmente y se
llenan los modelos establecidos en el p
r
ocedimiento.
S
in embargo, el análisis de los indicado
r
es po
r
sí
solo, au
n
que puede dar una idea de cómo ma
r
cha la
actividad su valor es incompleto y los di
r
ectivos en
-
ca
r
gados de la toma de decisiones tie
n
en una visión
limitada
,
pues no se profundiza en la
s
causas, no se
analizan las tendencias o comportamiento en el tiem
-
po, sin incluir el análisis desde distinta
s
pe
r
spectivas.
Además, el empleo de sistemas ope
r
acionales pa
r
a
con
f
o
r
mar los indicadores de una forma manual es un
En
r
esumen, hasta este punto se han
r
evisado lostene
r
en cuenta pa
r
a medi
r
la calidad y el trabajo de
r
e
f
e
r
entes teóricos asociados a los componentes de unalas mesas de ayuda, como la cantidad de incidencia
s
a
r
quitectura
D
ata Warehousing, permitiendo seleccio
-
a
t
endida
s
e
n
1
n
i
vel
y
2
n
ivel
,
la
c
antida
d
y
t
ie
m
p
o
de
na
r
el enfoque, la metodología y la her
r
amienta B
I
a
solución de incidencias g
r
aves, ent
r
e ot
r
os, que hoy no
utiliza
r
en esta investigación.
son analizados.
En conclusión, aplicaciones como
G
LPI
s
e cen-
t
r
an en la gestión de incidencias o solicitude
s
y en
el cont
r
ol de la técnica instalada pe
r
o su enfoque e
s
r
eactivo y en consecuencia necesita se
r
a
p
oyado por
sistemas p
r
eventivos y p
r
edictivos, que
p
ermitan el
análisis de los datos en el tiempo pa
r
a encontrar po-
sibles mejo
r
as o elimina
r
causas de p
r
oblema
s
. Por
tanto, la Emp
r
esa
r
equie
r
e de mecanismo
s
má
s
e
f
i-
cientes que posibiliten monito
r
ea
r
la operación de
los se
r
vicios de T
I
y apoyen la toma de deci
s
ione
s
po
r
pa
r
te de los di
r
ectivos.
A
r
qu
i
t
e
ct
u
r
a
p
r
opu
e
st
a
Los estudios
r
ealizados pe
r
mitie
r
on establecer lo
s
elementos esenciales que
f
o
r
man pa
r
te de la arquitec-
tu
r
a
D
ata Wa
r
ehousing p
r
opuesta.
(
Figu
r
a 1)
El diseño de esta a
r
quitectu
r
a sigue el enfoque de
const
r
ucción bottom
-
up donde el o
r
igen de lo
s
dato
s
se
r
á el sistema
G
LP
I
, aplicación
w
eb desarrollada en
P
H
P con un gesto
r
de base datos Mysql Server.
Pa
r
a el p
r
oceso ETL se seleccionó la herramien-
ta Pentaho
D
ata
I
nteg
r
ation, pe
r
teneciente a la Suite
Pentaho mediante la cual se t
r
ans
f
o
r
man e integran da-
tos ent
r
e sistemas de in
f
o
r
mación existentes y lo
s
D
ata
Ma
r
ts que compond
r
án el sistema B
I
.
Como gesto
r
de base de datos, pa
r
a el di
s
eño,
desa
rr
ollo e implementación del almacén de dato
s
s
e
emplea
r
á un se
r
vido
r
Postg
r
eS
Q
L v 9.3, debido fun-
damentalmente a la estabilidad, potencia, robu
s
tez,
f
acilidad de administ
r
ación e implementación de e
s
-
tánda
r
es de este gesto
r
de Base de
D
atos.
El p
r
ocesamiento analítico en línea OL
A
P, e
s
el
componente más pode
r
oso del
D
ata Warehou
s
ing
(
Be
r
nabeu, 2010
)
. En la a
r
quitectu
r
a p
r
opue
s
ta Pentaho
A
nalysis Se
r
vice
f
ue seleccionado como
s
ervidor
O
L
A
P al esta
r
integ
r
ado en la Suite B
I
de Pentaho.
p
r
oceso lento que puede llevar a errores.
A
simismo, la
necesidad de información que no esté comp
r
endida en
Como elementos
f
inales de la a
r
quitectura
s
e en-
r
epo
r
tes
d
e la aplicación conlleva a consultas di
r
ectas so
-
cuent
r
an las he
rr
amientas que pe
r
mitan
r
ealizar aná-
b
r
e las bases de datos que pueden afectar el
r
endimiento
lisis, con
f
ecciona
r
r
epo
r
tes y cuad
r
os de mando
s
.
de los aplicativos y ocasionar afectación del se
r
vicio.
Pentaho Repo
r
ting, Community
D
ashb
o
ard Editor
El estudio del marco de referencia
I
T
I
L como
(
C
D
E
)
y las vistas de análisis
(
jPivot y Sai
k
u),
s
on lo
s
pa
r
te de esta investigación aporta nuevos elementos aenca
r
gados de ga
r
antiza
r
esta actividad.
I
N
V
E
S
T
I
G
A
C I
Ó
N
A
r
qu
i
t
e
ct
u
r
a
DA
T
A
W
A
R
E
H
O
U
S
I
N
G
p
a
r
a
la
op
e
r
a
c
i
ón
d
e
l
o
s
S
e
r
vi
c
i
o
s
d
e
T
e
c
no
l
o
g
í
a
s
d
e
la
I
n
f
o
r
m
a
c
i
ón
d
e
E
T
E
CS
A
I
SS
N
:
1813
-
5056
, R
N
P
S:
0514
,
V
o
l
.
15
,
N
o
.
1
,
e
n
e
r
o
-
j
un
i
o
,
2019
,
pp
.
66
-
76
7
2
F
i
g
u
r
a
1
.
A
r
qu
i
t
e
c
t
u
r
a
p
r
o
pu
e
s
t
a
Acontinuación se desarrollan las cuatro
f
ases de
f
i
-
nidas en la metodología
H
efesto, seleccionada pa
r
a el
desa
rr
ollo de la investigación y a las caracte
r
ísticas p
r
o
-
pias de la metodología de
f
inidas por Bernabeu
(
2010
)
los usua
r
ios a través de preguntas que expliciten los
objetivos de la organización. Luego, se analiza
r
on es
-
tas p
r
egunta
s
con el
f
in de identi
f
icar cuále
s
f
ue
r
on los
indicado
r
es y perspectivas que se tuvieron en cuenta
pa
r
a la con
s
trucción del
D
W.
F
inalmente, se con
f
ec
-
cionó un modelo conceptual que permitirá visualiza
r
el
r
esultado obtenido en este primer paso.
S
e con
f
ormó un equipo de trabajo integ
r
ado
po
r
di
r
ectiv
o
s de la
D
ivisión de Tecnol
o
gías de la
I
n
f
o
r
mació
n
, jefes de departamento de TI en divisiones
te
rr
ito
r
iales y especialistas de la actividad. Se estable
-
cie
r
on encuentros de trabajo donde se analiza
r
on los
indicado
r
es asociados a la operación de l
o
s se
r
vicios
En esta fase se identi
f
icaron los requerimientos de
2
.
6
.
Ap
li
c
a
c
i
ón
d
e
la
m
e
t
odo
l
o
g
í
a
ción, tiempo medio en espe
r
a, tiempo medio
d
e aten-
ción, tiempo medio de a
f
ectación
Con sus
r
espectivas pe
r
spectivas de análisi
s
: nivel
r
esolución, solicitante, técnico asignado, abierta por,
tipo, entidad, tipo solución, catego
r
ía, nivel re
s
olu-
ción, o
r
igen incidencia, p
r
io
r
idad, estado,
f
echa crea-
A
n
á
li
s
i
s
d
e
r
e
qu
e
r
i
m
i
e
n
t
o
s
do
,
f
ec
ha
so
lu
ció
n e
incidenc
i
a
.
A
n
á
li
s
i
s
d
e
l
o
s
O
LTP
Seguidamente, se analizan las
f
uentes
O
LTP para
dete
r
mina
r
cómo son calculados los indicadore
s
y
pa
r
a establece
r
las
r
espectivas co
rr
espondencia
s
en-
t
r
e el modelo conceptual c
r
eado en el paso anterior y
las
f
uentes de datos
(
base de dos mysql del
s
i
s
tema
G
LP
I)
. Luego, se de
f
ine qué campos se incl
u
yen en
cada pe
r
spectiva. Finalmente, se amplia
r
á el modelo
conceptual con la in
f
o
r
mación obtenida en este pa
s
o.
M
o
d
e
l
o
l
ó
g
i
c
o
d
e
l
D
a
t
a
W
a
r
e
h
o
u
s
e
En este punto, se con
f
ecciona el modelo lógico de
la est
r
uctu
r
a del almacén de datos, teniendo como ba
s
e
el modelo conceptual que ya ha sido c
r
eado. Tomando
T
I
de
f
inidos en el procedimiento
P
E-TI-037/10 del
en
cuenta las ca
r
acte
r
ísticas del
p
r
oyecto y
lo e
s
tudia-
Pr
oceso T
I
.
A
demás, se tomaron como guía las mét
r
i
-
do se seleccionó el esquema en est
r
ella, po
r
que
s
u u
s
o
cas ope
r
ativas y los
KP
Is relacionados con la gestión
pe
r
mite optimiza
r
el tiempo de
r
espuesta de lo
s
repor-
de incidencias en el marco de trabajo ITIL.
tes en compa
r
ación al modelo copo de nieve donde
S
e les p
r
eguntó cuáles eran, según ellos, los indi
-
r
esulta más complejo.
cado
r
es que representan de mejor modo la ope
r
ación
Pa
r
a de
f
ini
r
las tablas de dimensiones se analiza-
de los se
r
vicios de TI y qué es exactamente lo que se
r
o
n l
a
s
pe
r
specti
v
a
s
obtenida
s
e
n l
o
s
paso
s
ant
e
riore
s
;
desea analizar de este. La respuesta obtenida
r
emitió a
s
e
c
r
e
ó
un n
omb
r
e
p
a
r
a
c
ad
a
t
abl
a
d
im
e
nsió
n
c
o
n
u
n
a
tene
r
en cue
n
ta y consultar datos sobre la cantidad de
l
l
av
e
p
r
ima
r
ia
; y a
demá
s
s
e
r
enomb
r
a
r
o
n
lo
s
atri
b
u
to
s
tiques
r
esueltos, abiertos y pendientes, además de losque se conside
r
a
r
on necesa
r
ios, en total se c
r
earon 14
tiempos de
r
esolución, en espera y atención de inciden
-
dimensiones.
cias o solicitudes.
D
e igual
f
o
r
ma, se c
r
eó una tabla de hecho que
Luego
d
e analizar las preguntas del negocio comoincluye las medidas
(
indicado
r
es obtenidos) como
se indica en la metodología, se obtienen los siguientespa
r
te de sus at
r
ibutos y las claves
f
o
r
áneas de la
s
indicado
r
es: tiques cerrados, tiempo medio de solu
-
dimensiones.
I
N
V
E
S
T
I
G
A
C I
Ó
N
M
Sc
.
D
a
r
i
e
l
P
é
r
e
z F
e
rr
e
r,
M
Sc
.
A
l
e
x
a
nd
e
r
Gó
m
e
z
B
e
t
a
n
c
o
u
rt,
M
Sc
.
R
a
f
a
e
l
E
.
M
a
z
a
i
r
a
F
e
r
n
á
nd
e
z,
D
r
.
Sc
.
L
i
nd
s
a
y
A
l
o
n
s
o
Gó
m
e
z
B
e
l
tr
á
n
I
SS
N
:
1813
-
5056
, R
N
P
S:
0514
,
V
o
l
.
15
,
N
o
.
1
,
e
n
e
r
o
-
j
un
i
o
,
2019
,
pp
.
66
-
76
7
3
I
n
t
e
gr
a
c
i
ó
n
d
e
d
a
t
o
s
Una vez construido el modelo lógico se p
r
ocede a
pobla
r
lo con datos, utilizando técnicas de limpieza, cali
-
dad de datos y procesos ETL.
P
osteriormente se de
f
inie
-
r
on las
r
eglas y políticas para su respectiva actualización,
así como también los procesos que la lleva
r
án a cabo uti
-
lizando la herramienta
P
entaho
D
ata Integ
r
ation
(
P
DI)
.
La e
s
trategia de poblado para todas las dimensiones
pasa po
r
capturar el valor de sus atributos de la base de
datos del sistema
G
L
P
I o generarlos en caso de no existi
r
como, por ejemplo: los campos nombre
s
de las dimen
-
siones dim_tracking_priority o dim_tracking_
r
eques
-
día ante
r
ior.
Los datos de las dimensiones dim_a
ff
edted_se
r-
vice, dim_solutiontype, dim_entity, dim_use
r
, dim_
t
r
acking
_
state,dim_tracking_category,dim_t
r
ac
-
king_level, dim_tracking_requesttype,
d
im_t
r
acking y
dim_itilcategories serán incrementados o actualizados
en cada ejecución de la tarea “M
AS
TER”.
Los datos de la dimensión “dim_date” se
r
án inc
r
e
-
mentado
s
en correspondencia a la nece
s
idad de inclui
r
nuevos a
ñ
os.
F
inalmente, en esta fase se obtiene el esquema ló
-
pobla
r
las dimensiones y la tabla de hechos, por tanto,
gico del DW, al establecer las uniones ent
r
e las tablassolo
r
esta
r
ealiza
r
el diseño y publicación de lo
s
cubo
s
de dimensiones y la tabla de hecho, con las je
r
a
r
quías
O
L
A
P en el se
r
vido
r
de Pentaho, pa
r
a que puedan
s
er
identi
f
icadas en sus respectivas dimensiones.utilizados po
r
las he
rr
amientas de análisis.
Con este objetivo se utiliza la aplicación Schema
Wo
r
kbench 5.2 que
f
o
r
ma pa
r
te de la suite Pentaho.
Pa
r
a el análisis de la in
f
o
r
mación se pueden de
f
i-
ni
r
tantos cubos como sean necesa
r
ios, don
d
e cada uno
esta
r
ía o
r
ientado a un tipo de análisis en pa
r
ticular. Por
ejemplo, se c
r
ea
r
on dos cubos de
f
inidos de la mi
s
ma
tabla de hechos pe
r
o con p
r
opósitos di
f
e
r
e
n
te
s
.
Cubo Tiques Ce
rr
ados: cubo gene
r
al que incluye
la mayo
r
ía de las dimensiones y medidas obtenida
s
en
pasos ante
r
io
r
es.
Cubo
N
iveles
A
tención: cubo cent
r
ado en el análi-
sis de la e
f
iciencia de la mesa de ayuda y el e
s
calonado
de los tiques.
ttype. Después de capturar los datos se modi
f
ican los
valo
r
es nulos o tratan las incongruencia
s
y como paso
R
e
p
o
rt
e
s
y
T
a
b
l
e
r
o
s
d
e
m
a
nd
o
f
inal se insertan o actualizan en la tabla dimensión enLa he
rr
amienta usada pa
r
a la c
r
eación de reporte
s
dependencia del tipo
S
C
D
D
imensiones Lentamentees Pentaho Repo
r
t
D
esigne
r
, un edito
r
basado en eclip-
Cambiantes de
f
inido para cada campo p
r
eviamente.se destinado a desa
rr
ollado
r
es que pe
r
mite con
s
truir
El p
r
oceso comienza con la inserción o actuali
-
y pe
r
sonaliza
r
in
f
o
r
mes aco
r
des a las nece
s
idade
s
de
zación de los datos de las dimensiones pa
r
a entoncesin
f
o
r
mación.
p
r
ocede
r
a poblar la tabla de hecho. Esta ta
r
ea
f
inalizaPa
r
a el desa
rr
ollo de los table
r
os de mando
s
e utili-
con una transformación encargada de envia
r
mensa
-
zó Comunity
D
ashboa
r
d Edito
r
(
C
D
E
)
, instalada como
jes a los administradores de
D
W cuando el t
r
abajo
f
uepa
r
te de CTools: conjunto de he
rr
amienta
s
de código
p
r
ocesado con éxito.abie
r
to desa
rr
ollado po
r
Webdetails.
Además, se de
f
inen las siguientes políticas de ca
r-D
e
f
o
r
ma gene
r
al, se desa
rr
olla
r
on 10
r
eporte
s
y 4
ga y actualización del almacén de datos tomando encuad
r
os como, po
r
ejemplo: e
f
iciencia en las Operacione
s
.
cuenta los tiempos de ejecución de los ETL en base aEste cuad
r
o de mando tiene dos vistas una nacional y una
gene
r
a
r
la menor afectación sobre el servicio:te
rr
ito
r
ial. Mediante el mismo se puede comprobar a
s
im-
La información se refrescará todo
s
los días a lasple vista cómo se está compo
r
tando la
G
esti
ó
n de Tique
s
12:10 de la noche y se cargarán los datos
r
elativos alen las distintas mesas de ayuda del país.
V
a
li
d
a
c
i
ó
n
d
e
l
a
a
r
qu
i
t
e
ct
u
r
a
Con el objetivo de valo
r
a
r
la e
f
ectividad de la ar-
quitectu
r
a desa
rr
ollada se aplicó una encue
s
ta ba
s
ada
en el modelo desa
rr
ollado po
r
G
onzález
(
2012) para
medi
r
el impacto del
D
ata Wa
r
ehouse y la Inteligencia
de
N
egocio en las emp
r
esas.
En el estudio antes mencionado el autor propone
el empleo de 29 va
r
iables que
r
esponden a 6 con
s
truc-
tos: Calidad de la
I
n
f
o
r
mación, Calidad del Si
s
tema,
Calidad del Se
r
vicio,
U
so, Satis
f
acción del
Us
uario e
C
ub
o
s
O
L
A
P
I
mpacto
I
ndividual. Las medidas utilizadas para medir
En los epígrafes anteriores se de
f
inió el modelo ló
-
cada uno de los ítems de los const
r
uctos s
o
n medida
s
gico del DW y se construyeron los ETL enca
r
gados depe
r
ceptuales.
I
N
V
E
S
T
I
G
A
C I
Ó
N
A
r
qu
i
t
e
ct
u
r
a
DA
T
A
W
A
R
E
H
O
U
S
I
N
G
p
a
r
a
la
op
e
r
a
c
i
ón
d
e
l
o
s
S
e
r
vi
c
i
o
s
d
e
T
e
c
no
l
o
g
í
a
s
d
e
la
I
n
f
o
r
m
a
c
i
ón
d
e
E
T
E
CS
A
I
SS
N
:
1813
-
5056
, R
N
P
S:
0514
,
V
o
l
.
15
,
N
o
.
1
,
e
n
e
r
o
-
j
un
i
o
,
2019
,
pp
.
66
-
76
7
4
C
on
c
l
u
s
i
on
e
s
Tecnología
s
de la Información y en particula
r
a la ope
-
r
ación de los servicios.
En la selección se tuvo en cuenta que estuvie
r
an
r
ep
r
esentados todos los actores y roles que inte
r
actúan
con la A
r
quitectura en los diferentes niveles de la ac
-
tividad de TI. Entre los que se encuentran: di
r
ecto
r
es,
je
f
es de departamentos, jefes de grupos de sopo
r
te y
especialista
s
vinculados al desarrollo de aplicaciones
B
I
. En total, se recogieron criterios de 18 sujetos con
más de un año de experiencia en el cargo.
P
a
r
a que realizaran sus valoraciones se les p
r
esen
-
tó la A
r
quitectura detallando su funcionamiento, las
ca
r
acte
r
ísticas, el alcance de los cuadros de mandos y
los cubos e
n
las vistas de análisis y después de 3 meses
de uso se les aplicó el instrumento diseñado. Los datos
f
ue
r
on p
r
ocesados haciendo uso del soft
w
a
r
e estadís
-
S
e toma en cuenta que los métodos más co
-A
l medi
r
el
I
mpacto
I
ndividual se obtuvo 61,11%
nocidos para medir por escalas las variables que“Bueno” y 38,89
%
“Muy Bueno”, algo pa
r
ecido
s
u-
constituyen actitudes son el método de escalamien
-
cede con el
I
mpacto en la ope
r
ación de se
r
vicio
s
TI
to de Like
r
t, el diferencial semántico y la escala decon
r
esultados de 72,22
%
como “Bueno” y un 27,78%
Guttman
(
Hernández,
F
ernández, y Baptista, 2014
)
.“Muy Bueno”.
P
a
r
a la con
f
ección del cuestionario se emplea
r
on 11
D
e
f
o
r
ma gene
r
al, se puede evalua
r
la e
f
ectividad
a
f
i
r
maciones, que se evalúan utilizando una escala dede la a
r
quitectu
r
a
D
ata Wa
r
ehousing desa
rr
ollada entre
Di
f
e
r
encial
S
emántico de 5 puntos y 8 a
f
i
r
maciones“Buena” y “Muy Buena” después de p
r
ocesa
r
toda
s
la
s
que utilizan una escala de Likert de 5 punto
s
asociadasencuestas como se muest
r
a en la
f
igu
r
a 2.
a los const
ru
ctos Calidad de la Información, CalidadSin emba
r
go, un análisis de los desc
r
ipti
v
o
s
e
s
ta-
de la A
r
quitectura, Impacto Individual e Impacto en ladísticos indica la necesidad de mejo
r
a
r
los tiempo
s
de
Ope
r
ación de
S
ervicios TI.
r
espuesta de la
Ar
quitectu
r
a, inc
r
ementa
r
lo
s
indica-
La encuesta se sometió a consideración de di
-
do
r
es a analiza
r
, capacita
r
a los usua
r
ios y mejorar la
s
r
ectivos de la empresa, vinculados al
pr
oceso dehe
rr
amientas pa
r
a el análisis de datos.
tico
I
BM
-
SPSS
.En esta investigación se ha analizado el papel de la
P
o
r
tanto, después de procesar todas las encues
-
gestión de las Tecnologías de la
I
n
f
o
r
mación y
s
u im-
tas se obtuvo que 77,78% de los sujetos encuestadospo
r
tancia en el mundo emp
r
esa
r
ial. La ca
r
acterización
coincidie
r
a
n
que la calidad de la Información es “Muyde los se
r
vicios de T
I
pe
r
mitió identi
f
ica
r
indicadore
s
y
Buena” y 22,22% restante “Buena”, medida a t
r
avés 6mét
r
icas asociadas a la ope
r
ación de las T
I
, ademá
s
de
a
f
i
r
maciones: relevancia (utilidad y aplicabilidad
)
deconstata
r
la necesidad de desa
rr
olla
r
una a
r
quitectura
los datos, ni
v
el de detalle de los datos, exactitud de loscomo base pa
r
a soluciones de
I
nteligencia de
N
egocio,
datos, actualidad de los datos, comprensión de los da
-
que velen po
r
la calidad de los se
r
vicios.
tos y los datos que provee el sistema están completosEl estudio de los
r
e
f
e
r
entes teó
r
icos
r
elativo a la
s
(
todo lo que se necesita).tecnologías pa
r
a el desa
rr
ollo de a
r
quitectu
r
a
s
D
ata
El 50
%
de los encuestados opina que la calidadWa
r
ehousing p
r
opició la selección del en
f
oque, me-
de la A
r
quitectura es “Muy Buena” y el restante 50
%
todología y las he
rr
amientas a utiliza
r
. Siguiendo lo
s
“Buena”, se emplearon 5 a
f
irmaciones relativas a lapasos desc
r
itos en la metodología
H
e
f
esto, se obtuvo
f
acilidad para ubicar los datos, acceso al sistema, he
-
el diseño lógico del almacén de datos pa
r
tiendo de
rr
amientas de acceso a los datos, tiempo de espe
r
a ype
r
spectivas e indicado
r
es de
f
inidos a pa
r
ti
r
de la
s
ne-
r
espuesta de la arquitectura y
f
lexibilidad de la a
r
qui
-
cesidades in
f
o
r
mación y los
r
eque
r
imientos del grupo
tectu
r
a pa
r
a cambiar frente a nuevas exige
n
cias.de t
r
abajo de T
I
c
r
eado pa
r
a estos
f
ines.
los
r
epo
r
tes desarrollados.
S
e les explicó cómo utiliza
r
F
i
g
u
r
a
2
.
E
f
e
c
t
i
v
i
d
a
d
A
r
qu
i
t
e
c
t
u
r
a
D
W
M
Sc
.
D
a
r
i
e
l
P
é
r
e
z F
e
rr
e
r,
M
Sc
.
A
l
e
x
a
nd
e
r
Gó
m
e
z
B
e
t
a
n
c
o
u
rt,
M
Sc
.
R
a
f
a
e
l
E
.
M
a
z
a
i
r
a
F
e
r
n
á
nd
e
z,
D
r
.
Sc
.
L
i
nd
s
a
y
A
l
o
n
s
o
Gó
m
e
z
B
e
l
tr
á
n
I
N
V
E
S
T
I
G
A
C I
Ó
N
I
SS
N
:
1813
-
5056
, R
N
P
S:
0514
,
V
o
l
.
15
,
N
o
.
1
,
e
n
e
r
o
-
j
un
i
o
,
2019
,
pp
.
66
-
76
7
5
La implementación de la arquitectu
r
a se susten
-
En consecuencia, se desa
rr
olló una arquitectura
tó en soluciones de soft
w
are libre,
P
o
s
tg
r
eS
Q
L como
D
ata Wa
r
ehousing que pe
r
mitió monito
r
ea
r
indicadore
s
gesto
r
de base de datos y las herramientas de la Suitede la ope
r
ación de los se
r
vicios de T
I
, b
r
indando a lo
s
P
entaho BI para garantizar los procesos de ext
r
acción,di
r
ectivos la posibilidad de analiza
r
el comportamiento y
t
r
ans
f
o
r
mación y carga del
D
W, el análisis multidimen
-
tendencia de los mismos en el tiempo, y actuar en con
s
e-
sional de los datos, el diseño y publicación de
r
epo
r
tescuencia pa
r
a mejo
r
a
r
la calidad del se
r
vicio. Cumpliendo
y cuad
r
o
s
de mando.de esta
f
o
r
ma el objetivo gene
r
al de la investigación.
R
e
f
e
r
e
n
c
ia
s
Ar
aniba
r
,
J
. C.
(
2013). Si
s
tema
s
de Información Gerencial para la Admini
s
tración del De
s
empeño
Emp
r
e
s
a
r
ial. La Pa
z
, Bolivia: G
r
á
fi
ca Holding
sr
l.
Be
r
nabeu, R.
D
. (2010). Data Warehou
s
ing: Inve
s
tigación y Si
s
tematización de Concepto
s
.
L
ib
r
o
Elect
r
ónico http://www. datap
r
ix. com/e
s
/data-wa
r
ehou
s
ing-hefe
s
to, Co
r
dova, Argentina.
Be
rs
on,
A
., y
S
mith, S.
J
. (1997). Data wa
r
ehou
s
ing, data mining, and OLAP.
M
cGraw-Hill, Inc.
B
r
izuela, E.
I
. L., y Blanco, Y. C. (2013).
M
etodología
s
para de
s
arrollar Almacén de Dato
s
.
Revi
s
ta A
r
quitectu
r
a e Ingenie
r
ía, 7(3), 3–12.
Calde
r
ón, C.
A.
, y Pompa, A. S. (2012). El
M
apa de Operacione
s
de la
s
Telecomunicacione
s
mejo
r
ado, eTO
M
. Revi
s
ta Telem@ tica, 10(2).
Cocanguilla,
S
., y Santino, P. (2016). Di
s
eño e implementación de un modelo pa
r
a el cont
r
ol de
la
s
r
utina
s
de ope
r
ación y mantenimiento de acue
r
do a la
s
mejo
r
a
s
p
r
áctica
s
E
T
OM, I
T
I
L
Y
C
O
B
IT
pa
r
a la
r
ed IP/MPLS de la Co
r
po
r
ación Nacional de Telecomunicacione
s
. (B.
S
. the-
s
i
s)
.
U
nive
rs
idad de la
s
Fuerza
s
Armada
s
ESPE. Carrera de Ingeniería Electrónica en Rede
s
y Comunicación de Dato
s
.
Cu
r
to,
J
.
(
2010
)
. Int
r
oducción al bu
s
ine
ss
intelligence. Barcelona, E
s
paña: Editorial UOC.
D
avenpo
r
t, T.
H
., y Harri
s
,
J
. G. (2007). Competing on analytic
s
: The new
s
cience of winning.
H
a
r
va
r
d Bu
s
ine
ss
Pre
ss
.
El
-S
appagh,
S
.
H
. A., Hendawi, A.
M
. A., y El Ba
s
tawi
ss
y, A. H. (2011). A propo
s
ed model for
data
w
a
r
eho
us
e ETL proce
ss
e
s
. Jou
r
nal of King Saud Unive
rs
ity-Compute
r
an
d
Info
r
mation
Science
s
, 2
3
(2), 91–104.
F
alcony,
J
.
A
.
(2
013).
M
odelo de referencia para el mejoramiento de proce
s
o
s
en el área de di
s
eño
y calidad de rede
s
de acce
s
o inalámbrico aplicado a empre
s
a
s
de telefonía móvil del
s
urocci-
dente colom
b
iano integrando la
s
buena
s
práctica
s
de eTO
M
, ITIL y COBIT.
G
a
r
cé
s
,
M
. B.
(
2015). E
s
tudio compa
r
ativo de metodología
s
e implementación de alte
r
nativa
s
bu
s
ine
ss
intelligence open
s
ou
r
ce v
s
. p
r
opieta
r
ia
s
en ento
r
no
s
t
r
adicionale
s
; ca
so
p
r
ototipo en
la
s
py
m
e
s
en el
s
ecto
r
ag
r
oindu
s
t
r
ial. Quito: Univer
s
idad de la
s
América
s
, 2015
.
Recuperado
a pa
r
ti
r
de http://200.24.220.94/handle/33000/2660
G
onzález, R.
A
. (2012). Impacto de la Data Wa
r
ehou
s
e e Inteligencia de Negocio
s
en el
D
e
s
e
m
peño de la
s
Emp
r
e
s
a
s
: Inve
s
tigación Empí
r
ica en Pe
r
ú, como Paí
s
en Vía
s
de
D
e
s
a
rr
ollo. Univer
s
itat Ramon Llull.
H
e
r
nández, R., Fernández, C., y Bapti
s
ta, P. (2014). Metodología de la inve
s
tigación (Vol. 6).
M
cg
r
a
w-
hill
M
éxico.
I
nmon, W.
H
.
(
2005). Building the data wa
r
ehou
s
e.
J
ohn wiley &
s
on
s
.
J
ö
r
g, T., y
D
e
ss
loch, S. (2009). Formalizing ETL
J
ob
s
for Incremental Loading of Data
Wa
r
ehou
s
e
s
. En BTW (pp. 327–346).
K
imball, R., y Ca
s
erta,
J
. (2004). The Data Wa
r
ehou
s
e ETL Toolkit: P
r
actical Technique
s
fo
r
Ext
r
acting, Cleaning, Confo
r
ming, and Delive
r
ing Data.
J
ohn Wiley & Son
s
.
I
SS
N
:
1813
-
5056
, R
N
P
S:
0514
,
V
o
l
.
15
,
N
o
.
1
,
e
n
e
r
o
-
j
un
i
o
,
2019
,
pp
.
66
-
76
I
N
V
E
S
T
I
G
A
C I
Ó
N
A
r
qu
i
t
e
ct
u
r
a
DA
T
A
W
A
R
E
H
O
U
S
I
N
G
p
a
r
a
la
op
e
r
a
c
i
ón
d
e
l
o
s
S
e
r
vi
c
i
o
s
d
e
T
e
c
no
l
o
g
í
a
s
d
e
la
I
n
f
o
r
m
a
c
i
ón
d
e
E
T
E
CS
A
7
6
K
imball, R., Reeves, L., Ro
ss
,
M
., y Thornthwaite, W. (1998). The data wa
r
ehou
s
e lifecycle tool-
kit
:
expe
r
t
m
eth
o
d
s
fo
r
de
s
igning, developing, and deploying data wa
r
ehou
s
e
s
.
J
ohn Wiley &
S
on
s
.
K
imball, R., y Ro
s
s,
M
. (2013). The data wa
r
ehou
s
e toolkit: The de
fi
nitive guide to dimen
s
ional
m
odeling.
J
ohn Wiley & Son
s
.
K
imball, R., Ro
ss
, M., y other
s
. (2002). The data warehou
s
e toolkit: the complete guide to dimen-
s
ional modellin
g
. Nachd
r
.
]
. New Yo
r
k
[
ua
]
: Wiley.
K
imball, R., Ro
ss
, M., Thornthwaite, W.,
M
undy,
J
., y Becker, B. (2008). The Data Wa
r
ehou
s
e
L
ifecycle
T
oolkit.
J
ohn Wiley & Son
s
. Recuperado a partir de http://dl.acm.org/citation.
c
f
m?id=1571714
M
abilon,
A
.
(
2010
).
Reto
s
de la ge
s
tión de la
s
tecnología
s
de información en una nueva era de co-
labo
r
ación
s
ocial. Nueva
s
tendencia
s
en management: Fundamento
s
y aplicacione
s
, 97–125.
M
ontalvillo, L.
(
2012). De
fi
nición y de
s
a
rr
ollo de he
rr
amienta web de ge
s
tión de metadato
s
Bu
s
ine
ss
I
ntelligence. Univer
s
itat Politècnica de Catalunya.
M
ujica,
J
.
F
., y
Ar
zola,
M
. (2007). Análi
s
i
s
comparativo entre eTO
M
e ISO 9001: 2000 para empre-
s
a
s
de telecomunicacione
s
. En XI Cong
r
e
s
o de Ingenie
r
ía de O
r
gani
z
ación (pp. 0185–0194).
M
ujica,
J
.
F
., y
Ar
zola,
M
. (2008). Análi
s
i
s
comparativo de modelo
s
con enfoque
s
ba
s
ado en
p
r
oce
s
o
s
pa
r
a empre
s
a
s
de Telecomunicacione
s
. En II Inte
r
national Confe
r
ence on I
n
du
s
t
r
ial
Enginee
r
ing and Indu
s
t
r
ial Management (pp. 105–114).
P
a
r
ede
s
, B. R.
(
2014). He
rr
amienta de cont
r
ol e
s
t
r
atégico de la tecnología. Univer
s
idad de la
s
F
ue
r
za
s
Ar
mada
s
ESPE.
M
ae
s
tría en Plani
f
icación y Dirección E
s
tratégica.
P
e
r
alta,
V
.
(
2001
)
.
D
i
s
eño lógico de Data Wa
r
ehou
s
e
s
a pa
r
ti
r
de e
s
quema
s
conceptuale
s
multi-
di
m
en
s
ionale
s
.
M
a
s
ter The
s
i
s
. Univer
s
idad de la República, Uruguay.
P
é
r
ez,
M
.
(
2015
)
. Bu
s
ine
ss
Intelligence. Técnica
s
, he
rr
amienta
s
y aplicacione
s
. RC Libro
s
.
P
iattini,
M
.
G
., y
H
ervada, F. (2007). Gobie
r
no de la
s
tecnología
s
y lo
s
s
i
s
tema
s
de información.
P
o
r
te
r
,
M
. E.
(
2015). Ventaja competitiva: c
r
eación y
s
o
s
tenimiento de un de
s
empeño supe
r
io
r
.
Gr
upo Edito
r
ial Patria.
Rod
r
íguez, C., y
A
lmarcha, C. (2006). Agilidad empre
s
arial y tendencia
s
en lo
s
s
i
s
tema
s
de infor-
mación de lo
s
o
p
eradore
s
de telecomunicacione
s
. Economía Indu
s
t
r
ial, (361), 81–91.
S
t
r
atebi, T.
(
2017
)
. Comparativa de herramienta
s
Bu
s
ine
ss
Intelligence. Recuperado 4 de julio de
2017, a pa
r
ti
r
de http://todobi.blog
s
pot.com/2017/04/comparativa-de-herramienta
s
-bu
s
ine
ss
.
html
S
unthon
w
utinun, W., y Chooprayoon, V. (2013). A benchmarking
s
tudy of
s
tandard framework
s
f
o
r
in
f
o
r
mation technology governance. En The Second A
s
ian Confe
r
ence on Inf
or
mation
Sy
s
te
ms
, AC
I
S.
T
r
ujillo,
J
., y
S
ong, I.-Y. (2008). New t
r
end
s
in data wa
r
ehou
s
ing and OLAP. North-Holland.
Tu
r
ban, E.,
V
olonino, L., y Pollard, C. (2008). Information technology for management:
T
r
an
sf
o
r
ming o
r
ganization
s
in the digital economy.
I
N
V
E
S
T
I
G
A
C I
Ó
N
M
Sc
.
D
a
r
i
e
l
P
é
r
e
z F
e
rr
e
r,
M
Sc
.
A
l
e
x
a
nd
e
r
Gó
m
e
z
B
e
t
a
n
c
o
u
rt,
M
Sc
.
R
a
f
a
e
l
E
.
M
a
z
a
i
r
a
F
e
r
n
á
nd
e
z,
D
r
.
Sc
.
L
i
nd
s
a
y
A
l
o
n
s
o
Gó
m
e
z
B
e
l
tr
á
n
I
SS
N
:
1813
-
5056
, R
N
P
S:
0514
,
V
o
l
.
15
,
N
o
.
1
,
e
n
e
r
o
-
j
un
i
o
,
2019
,
pp
.
66
-
76