Ronald Tesis Titulo 2018 PDF
Ronald Tesis Titulo 2018 PDF
Ronald Tesis Titulo 2018 PDF
Por:
Ronald Enrique Arrieta Leyva
José Rodrigo Sucapuca Zenteno
Asesor:
Mg. Sergio Omar Valladares Castillo
Ficha catalográfica
A Dios, por iluminarnos en este largo camino que aún falta recorrer, por darnos la fuerza y
perseverancia para salir adelante y continuar con los objetivos trazados a pesar de las pruebas que
acontecen.
A nuestros padres quienes se esfuerzan por ver la felicidad en alcanzar los sueños de sus hijos y
su gran amor, su apoyo incondicional y sus sabios consejos para ser buenas personas en nuestra
profesión.
A esta linda casa de estudios que nos brindó y brinda las pautas, doctrinas, para ser profesionales
eficientes en el campo y vidas personales, junto a ellos los grandes arquitectos de nuestra
formación profesional, los docentes de esta apreciada Universidad Peruana unión, alma mater que
nos diste la formación para esta vida y la venidera.
v
AGRADECIMIENTOS
En primer lugar, deseamos expresar nuestro agradecimiento al Dir. Andrés Santos de la I.E.P
Corazón de Jesús, por brindarnos la confianza a través del acceso a sus instalaciones y
accesibilidad de la información confidencial sobre los procesos que realizan dentro de la
institución, y así ejecutar de forma eficiente este proyecto de investigación.
Por su orientación y atención a las consultas agradecemos al Mg. Sergio Valladares Castillo,
por el conocimiento compartido en la formación académica de la carrera y la dedicación en los
aportes sobre el manejo de la información en este proyecto.
Agradecemos al Ing. María Vidalón Aliaga, por ser el contacto ideal entre la Universidad y la
Institución educativa, su dedicación y disponibilidad que nos ha enseñado la preocupación por sus
estudiantes y los conocimientos impartidos de su persona para con nosotros en el desarrollo de este
proyecto de investigación.
Agradecemos al Dr. Jorge Sánchez Garcés, por el tiempo que nos brindó, por el esfuerzo de
compartir sus conocimientos en el transcurso de la Investigación.
Pero un trabajo de investigación es también fruto del reconocimiento y del apoyo por eso
agradecemos al Ing. Omar Loayza Jara, por su tiempo y aportes del conocimiento compartido en
el transcurso de la carrera y el proyecto de Tesis.
Asimismo agradecemos al Mg. Wilder Marlo Rimarachin, por sus aportes en las correcciones
del Datamart durante el proyecto de investigación.
vi
Índice
1.5 Justificación............................................................................................................... 37
vii
1.5.1 Justificación Teórica ........................................................................................... 37
viii
2.1.14. Dashboard ........................................................................................................ 47
ix
2.2.19 Data Warehouse (DHW) ................................................................................. 73
x
3.3 Materiales y Equipos ................................................................................................ 86
4.2.1 Principios:............................................................................................................ 89
xi
4.7.5 Respecto a la Familia .......................................................................................... 99
4.8.1 Evaluamos para: (En relación a las niñas y niños) ............................................ 100
xii
5.3.2 Capacitaciones a Directores y Docentes. .......................................................... 190
Conclusiones................................................................................................................204
Recomendaciones........................................................................................................206
Bibliografía..................................................................................................................207
Anexos..........................................................................................................................211
xiii
Índice de Tablas
xiv
Tabla Nº 23: Tabla de requerimiento N°12 .......................................................................... 126
xv
Tabla Nº 46: Tabla de descripción de la tabla dbo.Materia_Profesor ................................. 135
Tabla Nº 54: Data mapping table for the dimensional model ............................................... 142
Tabla Nº 59: Physical design table dimension Dim_ Calificación ....................................... 148
Tabla Nº 60: Physical design table dimension Dim_ Carga_Academica ............................. 148
Tabla Nº 61: Physical design table dimension Dim_ Grado_Seccion .................................. 149
Tabla Nº 64: Physical design table dimension Dim_ Profesor ............................................. 150
xvi
Tabla Nº 69: Disponibilidad de la plataforma de Business Intelligence .............................. 198
xvii
Índice de Figuras
Intelligence) .................................................................................................................................. 49
Figura Nº 2: Phases of the Agile Scrum methodology (IDA BLOG- MP) ............................ 50
Figura Nº 3: Phases of the Ralph Kimball methodology (The Data Warehouse Lifecycle
Figura Nº 4: Approach to the Bill Inmon methodology(Building the Data Warehouse, William
H. Inmon) ...................................................................................................................................... 56
Figura Nº 8: Comparison between the main tools.( Produced by Select Hub) ....................... 68
Figura Nº 10: Decision making process 1994 taken from Robbins.( Robbins, S.P (1994; pág.
157)) .............................................................................................................................................. 71
Figura Nº 17: Resultado de ciencia según medida promedio y niveles de desempeño (OCDE
(2016b))....................................................................................................................................... 105
xviii
Figura Nº 18: Diagram of the organization chart (Elaboration PAT 2014-2018) ................ 107
Figura Nº 19: Map of generate an academic load (Own elaboration) .................................. 108
Figura Nº 20: Map of class performance processes (Own elaboration) ............................... 109
Figura Nº 21: Admission and enrollment processes (Own Elaboration) .............................. 109
Figura Nº 23: Cause and effect diagram of the educational institution(Own Elaboration) .. 115
Figura Nº 26: Transactional data base in SQL server.(Own Elaboration) ............................ 131
Elaboration)................................................................................................................................. 151
Figura Nº 29: Data flow “POPULATING DIMENSION ALUMNO”( Own Elaboration) . 152
..................................................................................................................................................... 152
Elaboration)................................................................................................................................. 153
Figura Nº 33: Data flow “POPULATING DIMENSION AÑO”( Own Elaboration) .......... 154
..................................................................................................................................................... 154
..................................................................................................................................................... 155
xix
Figura Nº 36: MAPPINGS “POPULATING DIMENSION Año”( Own Elaboration) ....... 155
Figura Nº 37: Data flow “POPULATING DIMENSION BIMESTRE”( Own Elaboration) 156
..................................................................................................................................................... 156
Elaboration)................................................................................................................................. 157
Figura Nº 41: Data flow “POPULATING FACT BOLETA_NOTA”( Own Elaboration) .. 158
..................................................................................................................................................... 158
..................................................................................................................................................... 159
Figura Nº 44: MAPPINGS “POPULATING FACT Boleta_Nota”( Own Elaboration) ...... 159
..................................................................................................................................................... 160
Elaboration)................................................................................................................................. 160
Elaboration)................................................................................................................................. 161
..................................................................................................................................................... 161
xx
Figura Nº 50: ADO.NET Source “POPULATING DIMENSION Detalle_Carga_Academica”(
Elaboration)................................................................................................................................. 163
Elaboration)................................................................................................................................. 164
Elaboration)................................................................................................................................. 164
Elaboration)................................................................................................................................. 165
Elaboration)................................................................................................................................. 165
Figura Nº 57: Data Flow “POPULATING DIMENSION Materia”( Own Elaboration) .... 166
..................................................................................................................................................... 166
Elaboration)................................................................................................................................. 167
Figura Nº 61: Data flow “POPULATING FACT Matricula”( Own Elaboration) .............. 168
Figura Nº 62: ADO.NET Source “POPULATING FACT Matricula”( Own Elaboration) . 168
xxi
Figura Nº 63: ADO.NET Destination “POPULATING FACT Matricula”( Own Elaboration)
..................................................................................................................................................... 169
Figura Nº 64: MAPPINGS “POPULATING FACT Matricula”( Own Elaboration) .......... 169
Figura Nº 65: Data flow “POPULATING DIMENSION Profesor”( Own Elaboration) .... 170
..................................................................................................................................................... 170
Elaboration)................................................................................................................................. 171
Figura Nº 78: Variables de dimensión FACT BOLETA_NOTA (Own Elaboration) .......... 177
Figura Nº 79: Data sources view of the business intelligence solution (Own Elaboration) . 178
xxii
Figura Nº 83: Destination folder of the installation of QlikView (Own Elaboration) ......... 181
Figura Nº 84: Choose the installation type of QlikView. (Own Elaboration) ...................... 181
Figura Nº 87: Conexión del Datamart con QlikView en el servidor local(Own Elaboration)
..................................................................................................................................................... 183
Figura Nº 91: Hoja de Matriculados a detalle de los Alumnos. (Own Elaboration) ............ 189
Figura Nº 93: Capacitación QlikView & Sistema Local. (Own Elaboration) ...................... 191
Figura Nº 95: Presentación de los Dashboard de QlikView. (Own Elaboration) ................. 192
xxiii
Índice de Anexos
Anexo 12: Manual de Usuario de AcaSys (Sistema de registros académicos). ............... 223
xxiv
Glosario de términos
Data Mining: Significa Minería de datos, referido a descubrir patrones en grandes volúmenes
DM: Datamart.
DSS: Es el acrónimo de Decision Support System, el cual se refiere a los sistemas de apoyo a la
toma de decisiones.
DWH: Data warehouse, es el repositorio unificado para todos los datos de diversos sistemas que
FK: Cuyo significado es Foreing Key (llave foránea), término utilizado en base de datos.
GUI: Cuyo significado en inglés es graphial user interface (interfaz gráfica de usuario).
analítico en línea.
transacciones en línea.
PK: Cuyo significado es Primary Key (llave primaria), término utilizado en base de datos.
xxv
BI: Inteligencia de Negocios (Business Intelligence).
xxvi
Resumen
Actualmente todas las redes de colegios del Perú se encuentran supervisados por el sistema
SIAGIE, mediante MINEDU, sin embargo, existen instituciones que necesitan medir el progreso
institución.
(SQL-Server y Visual Studio 2012) se podrán visualizar en dashboards que brindan las
herramientas de QlikView, puesto que permiten el acceso y análisis de la información para ayudar
en los procesos de toma de decisiones, tanto en agilidad como en rendimiento de sus resultados.
Se combinan informaciones de diversas fuentes para ofrecer información que mejore la toma
apoyo en toma de decisiones además de intuitiva, mucho más fundamentada y ágil que favorece
Palabras clave: Business Intelligence; Minedu, SIAGIE; Datamart, PEA, QlikView, KPI;
xxvii
Abstract
This research project presents the implementation of a local system and the development of the
Currently, all school networks in Peru are supervised by the SIAGIE system through MINEDU,
however, there are institutions that need to measure the progress of teaching according to the
curricular plan and the PAT that are established in each institution.
The purpose of this platform is to enable the academic management information on functional
curricular plans. In the development of the system the conception of the architecture of N-Layers
was adopted with specific functions and independent of each other, keeping the layers of
Presentation and access to separate data. The implementation of the Business Intelligence platform
for data source management of different environments, (SQL-Server and Visual Studio 2012) can
be visualized in dashboards that provide QlikView tools, since they allow access and analysis of
information for help in decision-making processes, both in terms of agility and in the performance
of their results.
Information from various sources is combined to offer information that improves decision
making in the academic area. The conclusion of this implementation is that the process of
integrating different data sources (Data Integration) through BI tools allows a decision-making
support as well as intuitive, much more grounded and agile that favors the improvement of
academic results.
Keywords: Business Intelligence; Minedu, SIAGIE; Datamart, PEA, QlikView, KPI; Decision
xxviii
Capitulo I:
El problema
de Santa Clara.
entre múltiples opciones y realizar la elección más óptima según las necesidades que se tengan,
para esto es necesario contar con información referente al progreso de la institución, con la
datos para obtener información, requiere de conocimientos técnicos, para la generación de nuevos
informes, la falta de integración de la información debido a que las organizaciones cuentan con
varios sistemas de información y sus bases de datos no suelen estar integradas, se emplea bastante
información histórica que nos permita hacer una evaluación del progreso de nuestra organización.
Asimismo, cabe señalar que el problema no reside en estos sistemas transaccionales, pues estos
no fueron diseñados para brindar síntesis, análisis, consolidación de datos, ni para realizar
proyecciones. De manera que la búsqueda de datos se realiza de forma manual, y por ende se
invierte tiempo y los resultados que obtienen no coinciden. Esto se debe a que manipular una gran
29
Actualmente las organizaciones buscan múltiples opciones que les pueda permitir generar una
ventaja competitiva, esta búsqueda se basa en la toma de decisiones eficientes y oportunas, por lo
cual su información debe ir a la par del avance tecnológico para alcanzar el cumplimiento de sus
Business Intelligence que les permita tener una visión clara al momento de tomar decisiones.
Como afirma Duran (2002), “Siguiendo la perspectiva del valor empresarial del conocimiento,
competitividad”.
Según Tello (2012), nos dice que: “El concepto de inteligencia de negocios (Business
relaciones con sus clientes, empleados, accionistas y demás stakeholder involucrado con la
organización.
Las organizaciones educativas, poseen un amplio campo de acción que abarca, las siguientes
ésta última el área encargada de tomar decisiones importantes para el progreso de una
organización.
Según la Ley Nº 26549, Ley de los Centros Educativos Privados y el Decreto Legislativo Nº
30
plan de trabajo que tiene implementarse en cada institución; realmente es menester alcanzar
objetivos para la mejora de la institución; entonces, la necesidad explotar esos registros que
Los sistemas de información se definen como los elementos electrónicos del manejo de la
información (recursos), la influencia de ellos sobre los procesos de negocio y sus implicaciones
prácticas para la generación de conocimiento. De esta manera, son los diferentes sistemas que se
estén utilizando para llevar adelante la operación de una institución y/o empresa.
institución.
Entre los factores principales que generar esta situación se ha diagnosticado los siguientes
problemas:
Estas causas se pueden identificar mediante el almacén de registros físicos que poseen
actualmente en los armarios. Sin embargo al usar los sistemas de información transaccionales, el
existe también una falta de integración de la información, debido a que la institución cuenta con
31
varios libros de excel como base de datos y éstos no suelen estar integrados; se emplea bastante
tiempo al análisis de la información, con ello se suma la muestra de datos obsoletos e incompletos
y la ausencia de información histórica que no permite hacer una evaluación del progreso de la
Institución. Asimismo, cabe señalar que el problema no reside en estos sistemas transaccionales,
pues estos no fueron diseñados para brindar síntesis, análisis, consolidación de datos, ni para
realizar proyecciones.
informes de la información que manejan. Ejecutan registros básicos, lo cual es un problema para
el personal académico - administrativo, quienes necesitan informes más sofisticados para poder
De igual manera la búsqueda de datos se realiza de forma manual, se invierte mucho tiempo y
los resultados que obtienen no siempre son exactos. Esto debido a, que manipular una gran
32
Según las entrevistas realizadas con el personal del área de dirección académica, no se realiza
la capacitación que brinde soporte con respecto a la información, para así realizar un buen control
El área de dirección académica es parte del marco operativo en el que se analizan diferentes
instrumentos, políticas, estrategias, formulados de acuerdo a las políticas nacionales del sector
educacional en la perspectiva del Ministerio de Educación (MINEDU), las mismas que se adopta
para la intervención de estrategias a tomar en los centros educativos de la competencia sea privados
el cual les permite registrar , visualizar reportes y antecedentes de los alumnos y profesores; es un
apoyo que brinda MINEDU (Ministerio de Educación) para el seguimiento de los centros
educativos, sin embargo la gestión de la información queda apartada puesto que, no le es posible
institución educativa Corazón de Jesús de Santa Clara; es posible que no se pueda alcanzar objetivos
trazados por el Minedu, establecidos en el PEI (Plan Educativo Institucional), PCI (Proyecto Curricular
Institucional), PAT (Plan Anual de Trabajo) que ayudan en gran manera al desarrollo y calidad de la
33
Objetivos expuestos en el PEI, PCI, PAT no serán alcanzados.
Reducción de alumnado. **
De no hacer seguimiento en las notas de cada evaluación y por ende esperar el consolidado de
cada trimestre para obtener resultados, ocasionará un bajo rendimiento en cuanto aprendizaje y
enseñanza se refiere. Al tener un ponderado bajo en las notas de los alumnos, los padres optarán
procesos que se ejecutan a diario en la institución; para poder brindar un servicio de educación de
calidad, manteniendo la viabilidad de las métricas que el Minedu establece para cumplir objetivos
Dado el poder visual de los tableros para tomar datos en bruto y convertirlos en una
educativas ofrece a los directores, coordinadores, profesores, una visión consolidada como
“organización” y otra individual de sus diversos procesos clave. En estos tableros se mostrarán
información sobre la tendencia de sus indicadores, gracias a los tableros de gestión se podrá tener
34
1.2.2 Formulación del problema
Clara?
35
1.3.2 Objetivos específicos
1.4 Hipótesis
36
Mediante la implementación de una plataforma de Business Intelligence basado
en la metodología de Ralph Kimball se logra una eficaz interpretación de
indicadores de la institución educativa.
1.5 Justificación
Según Arce (2015), afirma que QlikView posee: “Tecnología In-Memory o llamado también
fuentes de datos, cargado de la data en la memoria RAM (pseudo red neural) y permite el análisis
Se busca información más detallada de los diferentes procesos con un enfoque que se centra en
la institución educativa.
Este proyecto sirve como ejemplo para las distintas instituciones educativas que buscan mejorar
37
Un beneficio que favorece a la institución que lo utiliza es que mejora la rapidez de ciertos
procesos en el que son necesarios reportes, así como también a la directiva como un apoyo al
envergaduras, tanto públicas como privadas. Ya sea para mediciones de rendimiento de sus
procesos de negocio, como para el apoyo a la toma de decisiones de la media y alta dirección que
éstas poseen.
desarrollo del software del sistema de registros en primera instancia; seguidamente la metodología
metodología QPM para realizar la visualización de información y por ende la visualización de los
Dashboards, con ello brindar una herramienta de apoyo integral en la toma de decisiones en el área
los recursos usados por la empresa en cuanto a información se refiere, así como el aumento de la
38
mejorando en gran medida la toma de decisiones brindando a la empresa que usa el método estar
Los módulos a desarrollar en el proyecto están enfatizados en los procesos que existen en
el área de dirección académica. Los indicadores de este proyecto están basados en los indicadores
del Minedu, para una educación de calidad (MINEDU, Propuesta de metas educativas e
Indicadores al 2021).
39
El producto final del proyecto es un sistema local junto a una plataforma de Business
Intelligence que consta de Dashboards en base a indicadores académicos para el buen control de
mediante el ETL que analizará en las dimensiones del datamart y la conexión de la plataforma de
Business Intelligence.
El proyecto solo será utilizado por el área de dirección académica de la institución, por razones
áreas.
40
Se ejecuta el sistema integral con información histórica recibida de la institución para pruebas
de confiabilidad.
El resultado final de este estudio solo podrá servir como punto de referencia para instituciones
En la toma de las encuestas serán aplicadas al personal docente para ver la evolución y
de la plataforma.
Capitulo II:
generaba ventajas competitivas. Hasta el presente este término fue propagándose hasta volverse
Intelligence para la toma de decisiones en un centro de salud”, nos dice que la gran demanda de
información y los grandes volúmenes de datos han sido un desafío para las organizaciones en
nuestro país, donde se ven inmersas los grandes hospitales y clínicas, con ellos los centros de salud.
En un primer nivel de atención, en donde uno de los problemas más frecuentes son el pésimo
control en la gestión de atención ambulatoria, esto hace que el proceso de toma decisiones no sea
eficiente, incluso algunos centros de salud aún almacenan sus datos de atención ambulatoria en
41
registros físicos y archivos planos. Como solución al problema nace Business Intelligence como
conocimiento necesario para escoger la alternativa que sea más conveniente para el éxito de la
Matamala, Díaz, Cuello & Leiva (2011), en su artículo “Análisis de rendimiento académico
estudiantil usando data warehouse y redes neuronales”, menciona que, las organizaciones tienen
mayor cantidad de datos en sus sistemas puesto que, sus ellos producen mayor cantidad de registros
que se guardan en sus bases de datos transaccionales, por ello, es menester analizar la información
histórica, sin embargo, la alternativa de implementar un Data Warehouse es una opción para
almacenar información, pero no es accesible para realizar un análisis predictivo por sí mismo. El
Data Warehouse es utilizado como entrada de una arquitectura de red neuronal con tal de analizar
asignaturas aprobadas por los estudiantes usando solamente su propia información histórica.
negocios para la administración de justicia sobre una metodología ad-hoc”, donde el objetivo
del sistema de defensores de oficio de forma que, ayude a mejorar la calidad del servicio que
que este sistema proporcione a los directivos de la institución. Los resultados muestran la
42
información consolidada que permitió realizar un mejor control con la aplicación de tecnologías
de información, el uso de Data Mart, contribuyó en el benefició de todos los ciudadanos con lo
cual se podrá disponer de herramientas de gestión y a su vez de control para el sector de justicia.
Según Erazo (2015), en su tesis “Análisis, Diseño y Desarrollo del Datamart Formación
de Toma de Decisiones del Área de Admisión de la Universidad Autónoma del Perú, en lo que
de malas decisiones tomadas, número de reportes solicitados por ciclo, comprensión de los
reportes. La solución al problema que se propone es, realizar un Business Intelligence que nos
permite almacenar sólo la información requerida e ir eliminando aquellos datos que dificultan el
trabajo del análisis y entregando la información que se requiera en la forma más apropiada,
facilitando así el proceso de gestión de la misma. Business Intelligence. Los resultados obtenidos
permitieron el manejo y control de la información, donde las vista de los datos se pudieron
por Howard Dresner, sin embargo, en la actualidad Business intelligence tiene una perspectiva
43
alcanzado un nivel muy alto en la gestión del área administrativa y gerencial, apoyando en la toma
de decisiones.
Posteriormente en el año de 1970, se desarrolla la primera base de datos al junto con las primeras
aplicaciones para las empresas. Después, en el año de 1980, se implementa el concepto de data
warehouse por Ralph Kimball, y Bill Inmon, y con ellos la nace los primeros sistemas de reporting,
Fue que, hasta el año de 1989, se introdujo la noción de bussines intelligence por Howard Dresner.
En el año de 2000, Inteligencia de negocios en su segunda versión se logró consolidar con las
Microsoft.
a su vez se pueda mejorar el desempeño en la institución y obtener ventajas con las competencias,
por ende, el concepto requiere de analizar tres aspectos: ser más rápidos, transformar datos en
institución.
La educación privada no es privativa de pocos, más bien hace referencia a que su gestión
está en manos de particulares, quienes asumen toda la responsabilidad tanto de los éxitos como de
los fracasos. Otra gran diferencia es que la educación llamada pública es ‘gratuita’, los servicios
servicio educativo los costos son pagados directamente por el padre de familia. Atendiendo a esa
44
sola diferencia se corre el riesgo de etiquetar como social y humanitaria la una y exclusiva y elitista
la otra. Cuando en verdad el costo de la educación privada incluye el costo de la educación pública.
El padre de familia no puede deducir los gastos por la enseñanza de sus hijos.
de Educación), que sirve para registrar en ella los datos generales del alumno como información
2.1.4. SIAGIE.
a disposición de las Instituciones Educativas públicas y privadas a nivel nacional, el cual les
estudiantes.
2.1.6. Datamart.
Es una versión especial de un almacén de datos (data warehouse). Esta base de datos
específica. Se caracteriza por disponer la estructura óptima de datos para analizar la información
al detalle desde todas las perspectivas que afecten a los procesos de dicho departamento.
45
2.1.7. Data warehouse.
otros datos más actuales y, de esta forma, la función de reporting se ve enriquecida, ya que
grandes bases de datos, información que revela inteligencia del negocio, a través de factores
ocultos, tendencias y correlaciones para permitir al usuario realizar predicciones que resuelven
problemas del negocio proporcionando una ventaja competitiva. Las herramientas de Data Mining
predicen las nuevas perspectivas y pronostican la situación futura de la empresa, esto ayuda a los
2.1.9. Metadatos.
La definición más óptima de los metadatos es “datos acerca de los datos” y sirven para
suministrar información sobre los datos producidos, es decir nos permite ubicar datos. Los
metadatos consisten en información que caracteriza datos, describen el contenido de los datos, la
calidad, sus condiciones, historia, disponibilidad y otras características que poseen cada
determinado dato.
46
2.1.10. KPI (Key performance indicator):
rendimiento.
2.1.11. Eficacia.
Es la capacidad para producir el efecto deseado o de ir bien para una determinada cosa. En
2.1.12. Eficiencia.
2.1.13. Productividad.
recursos utilizados.
2.1.14. Dashboard
Data Warehousing and Business Intelligence Solutions”, define la inteligencia de negocios como
47
de informes consolidados de alto nivel se condensan la esencia de esos datos en la base de las
Así mismo Tascón (2013), en su libro “Pasado, presente y futuro” en introducción a Big
Data plantea a Business Intelligence afirma que: “…frente a las denominadas ‘3v’( la esencia del
de la privacidad de la información, por lo tanto concluye con una reflexión acerca de la dimensión
del concepto big en un contexto de crecimiento exponencial de la información”, esto nos muestra
la gestión importante que se tiene que hacer con respecto a la información es trascendental para
Según Rajan (Ranjan, 2009), menciona que son: “Las herramientas de BI son vistas como
una tecnología que permite la eficiencia de la operación del negocio al proporcionar un mayor
valor a la información empresarial y por lo tanto la forma en que se utiliza esta información.”
automatizan una gran parte de los procesos de la organización, con el transcurso del tiempo estas
implementación de business intelligence, así mismo los detalles de los resultados obtenidos.
48
Figura Nº 1: Structure of the business intelligence implementation (Centrical it – business Intelligence)
Data Source: Son las fuentes de información que almacena todo tipo de datos en el Data
Warehouse.
ETL: Son las fases de extracción, transformación y carga de los datos en el Data
Warehouse. Permitiéndonos transformar datos en un Data Warehouse, lo cual deben ser
transformados, limpiados, filtrados y redefinidos.
metodología ágil, donde su objetivo es controlar y planificar proyectos con un gran volumen de
49
Es con la metodología Scrum que cliente se compromete y se siente parte con el proyecto
dado que lo ve crecer iteración a iteración. Así mismo, le permite en cualquier momento realinear
el software con los objetivos de negocio de su empresa, ya que puede introducir cambios
funcionales o de prioridad en el inicio de cada nueva iteración sin ningún problema. Esta
forma parte del proyecto según se detalla en la Figura N° 2, los procesos que implica ésta
metodología ágil; por lo que, los profesionales encuentran un ámbito propicio para desarrollar sus
capacidades.
Es una metodología que se aplica a un conjunto de procesos para trabajar en equipo y con ello
tener buenos resultados en desarrollo del software, a continuación, se detalla las fases:
50
Sprint Backlog. Es el conjunto de elementos tomados del Product Backlog que fueron
priorizados, medidos y aceptados en las reuniones de Sprint Planning. Por ende, forman
oficialmente los requerimientos a elaborar en cada uno de los Sprint que tendrá en
Sprint Planning Meeting. En esta fase se realiza una reunión con los miembros del
cumplir en el tiempo que crea prudente para llevar a cabo sus tareas.
Sprint Review. En estas reuniones se denota el avance la mejora de los procesos, para
presentárselo al cliente.
una bodega de datos o Data Warehouse, este almacén es una colección de datos orientado a
cualquier tipo de organización, pues hace que los datos que se guarden sean integrados, no volátiles
la que se utiliza.
Además, Kimball nos muestra a un Data Warehouse como un conjunto de todos los Data
Marts que existe en una organización, siendo a su vez una copia de los datos transaccionales
estructurados de una forma ordenada y especial para su análisis, de acuerdo, al modelo dimensional
51
(no normalizado) que incluyen los paquetes de análisis y sus atributos (dimensiones), su
organización jerárquica, así como los diferentes hechos de negocio que se quieren analizar.
Entonces, tenemos tablas analizadas para representar las dimensiones y tablas para los hechos (las
Facts tables), que nos permite optimizar los procesos, por ende, en la Figura N° 3 se muestra las
fases de la esta metodología de desarrollo que presenta Kimball y se divide en los siguientes:
Figura Nº 3: Phases of the Ralph Kimball methodology (The Data Warehouse Lifecycle Toolkit, Ralph Kimball)
Según RALPH K. & ROSS M. (2002), define todos los procesos que interactúan:
Planificación del proyecto: En la primera fase se enfoque la definición del proyecto, esto
quiere decir la identificación del escenario, para saber de dónde surge la necesidad del Data
Warehouse. Según sentencia Kimball, “Antes de comenzar un proyecto de Data Warehouse
o Datamart, hay que estar seguro si existe la demanda y de dónde proviene. Si no se tiene
un sólido usuario sponsor y no hay usuarios entusiasmados, posponga el proyecto”.
52
enfoques tradicionales guiados por los datos. También se deben entender los principales
factores claves que se ejecutan en el negocio para determinar los requerimientos y
traducirlos en modo de diseño para los ETL.
Diseño e implementación del subsistema de ETL: En el siguiente paso las tareas del
proyecto de DW son subestimadas, puesto que las principales sub etapas en esta zona del
53
Diseño de la arquitectura técnica: En esta etapa se utiliza para administrar el entorno
del Data Warehouse creado es menester considerar a los usuarios de negocio como
desarrollo. Dónde se clasifica a los usuarios según su perfil de consulta, así tenemos,
usuarios con un perfil estratégico y menos predecibles (power users), otra de las clases son
los usuarios netamente operacionales que realizan una serie de reportes estándares (final
users) pasando por los usuarios de administración con uso de interfaces push-button.
datos y las aplicaciones de usuarios finales que son accesibles desde un entorno escritorio
del usuario de la institución. También se muestran factores extras que aseguran el correcto
funcionamiento de todas estas piezas, las cuales se encuentran la capacitación del personal,
necesario que las tareas sean consideras en primera instancia antes de que el usuario pueda
54
Mantenimiento y crecimiento: El Data Warehousing es un proceso de etapas definidas,
con inicio y fin, pero de naturaleza espiral, puesto que, acompaña al crecimiento de la
empresa. Se necesita continuar con los relevamientos de forma constante para poder seguir
el crecimiento de las metas por conseguir. Por lo tanto, si se ha empleado el ciclo de vida
dimensional del negocio, la Data Warehouse está lista para evolucionar y crecer en la
empresa.
Administración del proyecto: La dirección del proyecto asegura que las actividades del
Entre las principales actividades se encuentran el dar seguimiento del estado del proyecto,
La metodología de Bill Inmon busca transferir los datos de distintos sistemas transaccionales
de las instituciones a un almacén central donde puedan ser utilizados para el análisis o CIF
(Corporate Information Factory). Sugiere seguir los siguientes parámetros para una
implementación de éxito:
Orientado a temas: Los almacenes de datos están estructurados de tal modo que
los componentes de los datos relativos al mismo objeto de manera que todos los
elementos de datos relativos al mismo evento u objeto del mundo real queden
unidos entre sí.
Integrado: Los almacenes de datos contienen los datos de todos los sistemas
operacionales de la empresa, y estos deben ser estables y consistentes.
55
No volátil: La información no se pierde, no se modifica, ni se elimina, una vez
almacenado.
Figura Nº 4: Approach to the Bill Inmon methodology(Building the Data Warehouse, William H. Inmon)
Tabla Nº 1:
Comparación de las metodologías de Kimball y Inmon
Kimball Inmon
Objetivo Las organizaciones en general necesitan generar, analizar y almacenar los datos que van
produciendo y aglomerando, para después tomar decisiones críticas que les permitan alcanzar
la misión de empresa. Con ese fin es menester tener un sistema que les permita transformar
esos datos en información para realizar cambios que beneficien a la empresa, con esa
finalidad nace Intelligence Business y con ella la implementación de ésta plataforma.
56
Desarrollo y Diseño Utiliza el enfoque “Bottom – Up” Utiliza el enfoque “Top – Down”
del Data WareHouse
Objetivos Posee un enfoque de procesos que son manejados Tiene un enfoque global de toda la
por las diferentes áreas del proceso. Responde las organización. No está basado en
necesidades específicas según el tema. requerimientos específicos.
Presupuesto Al implementar cada DM, permite que la solución Los costos aumentan, debido a que
no presente un alto presupuesto. se replican grandes cantidades de
datos.
57
2.2.6 Metodología QPM
QlikView Project Methodology contempla proyectos de Qlikview, están enfocados en todas las
QlikView en dashboards.
Discovery: Esta etapa cuenta con la participación del consultor de negocio, jefe de
proyecto y arquitecto asignados.
58
Cierre: A continuación, se presenta la fase de culminación del proyecto, enfocado en el
cierre con la aprobación firmada del acta de aceptación del proyecto y entrega de la
documentación del proyecto.
Control de expectativas.
Reducción de riesgos.
2.2.6.1 Responsabilidades
español Propietario o Persona interesada del proyecto. Esta persona es el ejecutivo del
cliente con la autoridad general para todo el proyecto. Las responsabilidades son:
tareas, así como contratar y motivar al equipo del proyecto. Básicamente, cuyos roles
presenta:
59
Se debe comunicar y delegar tareas y actividades.
Supervisión general del proyecto, incluyendo la marcha del proyecto con los
objetivos del proyecto y el presupuesto.
recomendaciones.
diferentes tipos, capaz de escoger y aplicar las mejores prácticas y lecciones aprendidas
e. Technical Specialist (TE): Ellos son los expertos técnicos para el proyecto. Conocen de
60
El conocimiento en temas de seguridad de redes.
interactúa con esta persona para asegurar que las contraseñas de red y conectividad para que
funcionen correctamente.
sistemas operativos. El desarrollador interactúa con esta persona para garantizar que la
de TI del cliente para proporcionar a las empresas informar a la gente necesaria dentro
clientes.
61
2.2.7 Proceso de ETL
Todo proceso de ETL consta específicamente de tres etapas los cuales son: extracción,
transformación y carga.
Se tiene que interpretar el chequeo para verificar que los datos extraídos se debe
comprobar los requisitos de estructura que se esperaba. Si no fuese así, los datos
deberían ser rechazados.
En esta fase de transformación de un proceso de ETL aplica una serie de reglas de negocio
o funciones, sobre los datos extraídos para convertirlos en datos que serán cargados. Estas
62
directrices pueden ser declarativas, pueden basarse en excepciones o restricciones, pero, para
potenciar su pragmatismo y eficacia, hay que asegurarse de que sean:
Declarativas.
Independientes.
Claras.
Inteligibles.
organización, este proceso puede abarcar una amplia variedad de acciones diferentes.
Integration services (SSIS) nos permiten implementar desde un solo origen de datos, para
así poder gestionar la ejecución utilizando diversos entornos. SSIS es un contenedor donde la base
datos se utiliza para todos los paquetes implementados. los archivos de configuración son
63
Figura Nº 7: Catalog of Integration Services (SQLShack Integration Services)
dinámicamente afinados para realizar su trabajo de una forma eficaz, a menudo en tiempo real, la
ejecución de los mainframes y con otros servidores grandes. Capturan las transacciones de un
Ejecutan transacciones en tiempo real del proceso de un negocio, con lo cual los datos
organización.
Todas las estructuras de datos tienen que estar mejoradas para corroborar la entrada de
los mismos, y negarlos si no cumplen con los requerimientos de las reglas de negocio.
64
Para la toma de decisiones, proporciona capacidades limitadas ya que no es su objetivo,
diseñada para ayudar a la toma de decisiones y una mejor comprensión de la información. La idea
central es poder contestar las preguntas de los usuarios, de una forma fácil, poderosa e intuitiva.
filtra, ordena, rankea y reagrupa datos, calculando totales intermediarios y finales en forma
instantánea. La tecnología OLAP permite un uso más eficaz de los almacenes de datos para el
análisis en línea, lo que proporciona respuestas rápidas a consultas analíticas complejas e iterativas.
Los modelos de datos multidimensionales de OLAP y las técnicas de agregados de datos organizan
y resumen grandes cantidades de datos para que puedan ser evaluados con rapidez mediante el
Los sistemas OLAP brindan la accesibilidad y velocidad indispensables para asistir al analista
tiempo real. Cabe resaltar que los sistemas OLAP tienen como base el proceso de transacciones
Las bases de datos de OLAP tienen un esquema que está optimizado para que las preguntas
realizadas por los usuarios sean respondidas rápidamente. Las preguntas que se le hacen a un
65
Los cubos de OLAP guardan varios niveles de datos constituidos por estructuras mejoradas que
Un sistema OLAP está preparado para realizar informes complejos de una manera simple.
OLAP proporciona una vista de datos multidimensional. Los cubos proporcionan una vista de los
datos multidimensional que se extiende más allá del análisis de dos dimensiones que puede
proporcionar una simple planilla de cálculo utilizada como tal. Los usuarios pueden cambiar
fácilmente las filas, las columnas, y las páginas en informes de OLAP, pudiendo leer la
información de la forma más óptima para un correcto análisis de la información. Así pues en la
Tabla N° 2, se puede visualizar las diferencias entre las tecnologías de OLTP y OLAP.
Tabla Nº 2
Differences between technologies OLTP and OLAP
66
ACCESO Y Aquí se posee una carga y acceso masivo
MANIPULACIÓN de datos, no se realizan inserts, updates o
DE DATOS deletes. La carga y refresco es batch (lo que Se realiza un manejo de datos de
se conoce como proceso BULK COPY). La registro con gran cantidad de inserts,
validación de datos se realiza antes o después updates y deletes. Además, necesitan de
de la carga (nunca a nivel registro o rutinas de validación y transacciones a
transacción). Principalmente, se realizan nivel registro (OLTP on-line
sentencias de SELECT sobre varios registros TRANSACTION processing).
y tablas (OLAP on-line ANALYTICAL Generalmente, poseen pequeñas
processing). Es por ello, que generalmente, cantidades de datos involucrados en un
no se respetan las formas normales tan solo proceso o Transacción .
necesarias en los sistemas operacionales
clásicos.
PATRONES DE Mantienen una estructura de uso
Poseen un patrón de uso ágil con picos de
USO constante necesitando grandes cantidades
usos eventuales en el tiempo (afectados por
de recursos y consumiendo sólo el tiempo
la disponibilidad de los datos y el flujo de
querido al momento de realizar la
trabajo del negocio).
transacción.
GRANUALIDAD Se encuentran los datos a nivel
DE DATOS La especificación en detalle de los datos detallado o nivel transaccional. Una
viene dada por el uso de los mismos, pero no transacción incluye a nivel granular cada
significa que veamos la información a nivel uno de los componentes de su estructura
transaccional. (fecha, hora, código de cliente, código de
movimiento, etc.)
PERFIL DE En el perfil de usuario con respecto a este El perfil de usuario interactúa con los
USUARIO tipo de sistemas se enlaza directamente a la sistemas y encuadra dentro del personal
dirección de gerencia alta en una institución operacional de la institución(comunidad
que comprometen la visión de ésta. operativa).
Fuente: Own Elaboration
sólo la convirtió en líder, sino que cambió la forma de ver la inteligencia de negocio en la
competencia. Actualmente, estas herramientas ofrecen diferentes características que los mantienen
interactivo(véase la Tabla N° 3), lo que las convierte en líderes indiscutibles del mercado. Qlik
ofrece mejores resultados frente a Tableau en seguridad de los datos y velocidad de carga; mientras
que Tableau supera a Qlik con una comunidad de usuarios más activa y un interfaz más amigable
al usuario.
67
Tabla Nº 3:
QlikView vs Tableau
diferentes empresas sobre el papel de Qlikview, además ofrece una garantía empresarial muy
sólida gracias a las medidas de seguridad y la extensa red de partners que tiene. Por otro lado,
Tableau brinda interfaces que interesantes que permite al usuario interactuar en tiempo real las
68
2.2.14 Desarrollo de tableros de control con QlikView
definidas en diferentes capas que tratan de hacer posibles cuadros de mando o informes de
De esta forma, hacen posible definir e incluso, descubrir nuevos puntos de vista sobre los datos
operacionales, lo que trae como consecuencia una fuerte demanda en mayor capacidad y velocidad
Según Wheatley (1991), nos lleva a la siguiente pregunta: "¿Qué haces cuando no sabes
personalidad, tus habilidades y tus competencias, te enfrentarás a problemas y tendrás que tomar
69
decisiones. La forma en que gestionas esos problemas determina tu éxito en los negocios. Sin
embargo, existen distintas teorías que pueden ayudarte en esta tarea. El éxito depende de cómo
Moody, P. E. (1983), describe este proceso como “un circuito cerrado, que se inicia con
definición”.
Según Lourdes (2006), nos dice que “es un proceso sistemático y racional a través del cual
Umanzor (2011), afirma que “La toma de decisiones es el proceso de aprendizaje natural o
estructurado mediante el cual se elige entre dos o más alternativas, opciones o formas para
resolver diferentes situaciones o conflictos de la vida, la familia, empresa, organización. Cada día
tomamos decisiones para las cuales no necesariamente tomamos la mejor opción”. (p.174)
Tomar decisiones tomando en cuenta las definiciones de estos conceptos implica saber
70
Figura Nº 10: Decision making process 1994 taken from Robbins.( Robbins, S.P (1994; pág. 157))
problema, es decir, la discrepancia entre un estado actual de cosas y un estado que se desea.
Identificación de los criterios de decisión: Una vez que se haya establecido la existencia
la fase anterior son relevantes, para ello es necesario ponderar esas variables para así darle
un valor y priorizarlas.
Desarrollo de alternativas: En este paso se obtiene todas las alternativas posibles que
Análisis de las alternativas: Una vez que se han identificado las alternativas posibles, la
persona encargada en tomar las decisiones debe empezar a analizar cuidadosamente cada
71
Selección de una alternativa: Este paso consiste en seleccionar la mejor alternativa de
alternativa elegida debe ser concretada con la implantación de la misma, pero a pesar de
Como resultado a la decisión implementada, si aún existe el problema, habrá que reevaluar
el estudio y ver en qué se hizo mal en una serie de preguntas que pueden llevar de regreso a uno
Las herramientas de análisis de negocios son tipos de software de aplicación que recuperan
datos de uno o varios sistemas empresariales y los combinan en un repositorio, como un almacén
de datos, para revisarlos y analizarlos. La mayoría de las organizaciones utilizan más de una
herramienta de análisis, como hojas de cálculo con funciones estadísticas, paquetes de software
Juntas, estas herramientas de análisis de negocios le aportan a la organización una visión completa
de la compañía que le permite conocer y comprender el negocio, de modo que pueden tomar
Los sistemas de información ejecutivos (EIS, Executive Information System) son el tipo
de DSS que más se suele emplear en Inteligencia de Negocios, puesto que, proveen a la
72
administración de un acceso sencillo a información interna y externa de su compañía, y que es
información de una o más fuentes distintas, para luego procesarla permitiendo su análisis desde
warehouse representa en la mayoría de las ocasiones el primer paso, desde el punto de vista técnico,
operacionales).
2.2.20 Dimensiones
Las dimensiones son perspectivas distintas para realizar un análisis de la información. Las
dimensiones comprenden los diversos atributos que queremos analizar, además se estructuran en
forma jerárquica, conforme a diferentes niveles de detalle. Las tablas de dimensiones se construyen
con todos los atributos que incluyen de una forma desnormalizada y con una clave que identifica
73
Normales, son aquellas que agrupan diferentes atributos que están relacionados por el
Causales, éstos son atributos que pueden causar cambios en los procesos de negocio
Junk, agrupa indicadores de baja cardinalidad como pueden ser flags o indicadores
dentro de la tabla.
Role-playing, cuando una misma dimensión interviene en una tabla de hechos varias
veces (por ejemplo, la fecha en una tabla de hechos donde se registran varias fechas
tiene sentido crear tantas dimensiones como usos se hagan de ella. En consecuencia, se
dimensión completa que nos permiten usarla varias veces o jugar con los alias de tabla.
Degeneradas, estas dimensiones no poseen ningún atributo y, por tanto, no tienen una
interesa tener determinada la transacción (para realizar data mining, por ejemplo), pero
74
los datos interesantes de este elemento los tenemos repartidos en las diferentes
dimensión principal, pues se suelen analizar de forma diferente. El típico ejemplo son
los datos socio demográficos asociados a un cliente (que se utilizan, por ejemplo, para
el data mining).
2.2.21 Métricas
Vienen a ser los atributos que reúnen del proceso de una actividad, donde son utilizados
por los analistas en sus consultas para medir el desarrollo del comportamiento de un proceso en la
organización. Las medidas candidatas son los datos numéricos, pero no cada atributo numérico en
una medida candidata. Estas medidas proceden del resultado de la actividad de negocio.
plataforma de Bussines Intelligence que serán sustentados por los requerimientos de la institución
75
2.2.22.2 Indicadores de Medida del proyecto:
En toda base de datos, y más en concreto en un DWH, una tabla de hechos (o tabla Fact)
almacenan los valores de las medidas de negocio cuyos indicadores de negocio se toman mediante
la intersección de las dimensiones que la definen, dichas dimensiones estarán reflejadas en sus
correspondientes tablas de dimensiones que rodearán la tabla de hechos y estarán relacionadas con
ella.
76
2.2.24 Modelo Estrella
los datos se encuentran en orden en función a la tabla Fact y las dimensiones. Una tabla Fact o
hecho es un evento que se cuenta o se mide, por ejemplo, una venta o ingreso
. Una dimensión contiene información sobre el hecho, como la fecha, producto o cliente. Un
esquema en estrella se esquematiza por alrededor de cada tabla de hechos con su tabla de
dimensiones asociadas.
77
Figura Nº 12: Snowflake Model(Contribution of Jesuja)
Capitulo III:
Materiales y métodos
Según Arias (1999), afirma que “la investigación descriptiva consiste en la caracterización
que se da en un hecho”. Los estudios descriptivos miden de forma independiente las variables.
Descriptivo/Tecnológico (aplicado).
78
El tipo de investigación que se emplea es la Investigación Aplicada, ya que se inicia de los
Es longitudinal (Pre/post), puesto que, el interés es analizar los cambios a través del tiempo
Según Hernández, Fernández & Batista (2003), se basan en hacer la recolección de datos
en diferentes instancias, a través del tiempo para realizar inferencias acerca del cambio, en una
El enfoque que emplea el proyecto de investigación es cuantitativo puesto que hace referencia
al estudio a partir del análisis de cantidades de registro, es decir que involucra un proceso de
Según Farhat (2016). menciona que “la recolección de datos para probar una hipótesis con
comportamiento y probar teorías”. Ya que los datos recolectados y analizados son en base a las
entrevista.
79
3.1.5 Metodología de la investigación
La metodología de investigación está compuesta por tres etapas muy importantes en el desarrollo del
proyecto.
3.2.1 Material
80
observación, con el fin de conocer como es la interacción entre el modelo de
inteligencia de negocios y la dirección académica.
3.2.2 Métodos
Esta etapa se analiza la situación actual para identificar los problemas claves en la
análisis de problemas. En esta etapa se describe la situación actual que se encuentran en su gran
mayoría las instituciones educativas del estado peruano, seguidamente se realiza una descripción
general teniendo en cuenta el plan anual de trabajo de la institución educativa(PAT) planteada por
procede a seleccionar los servicios, áreas y procesos que interactúan con la misma, después se
describe la situación actual de cada proceso seleccionado con los respectivos datos que manejan,
junto a ello se describe los objetivos estratégicos alineados con los P.E.I (Plan Estratégico
análisis del procesamiento de información, teniendo en cuenta el problema general que afecta en
la toma de decisiones, una vez realizado el análisis de los problemas se define las causas
principales con las herramientas de análisis como el brainstorming, el diagrama de Ishikawa, árbol
81
de causa y efecto, procediendo seleccionar, analizar y comprobar las causas más probables.
Concluyendo con una prueba de consistencia de la causa fundamental apoyada por la herramienta
Luego se realiza un plan de desarrollo con la metodología escogida a través de una descripción
de cada proceso a medir, realizando módulos de implementación para determinar las causas más
probables, después se describe y documenta la situación actual y una posible solución en función
al conocimiento que se deba aportar, para ello se debe de concientizar al docente mediante
capacitaciones.
En la Figura N°14 se puede visualizar las herramientas utilizadas para el análisis durante la
investigación.
82
3.2.4 Etapa 2: Diseño de indicadores de gestión educativas
Esta etapa se realiza las reuniones respectivas para los requerimientos del sistema con el cliente
estableciendo los sprint en prioridad, luego se plantea el diseño de los indicadores de gestión para
educativo. Así mismo se identifican procesos que intervienen en la institución para determinar las
variables a controlar, se seleccionan los objetivos del negocio que se especifican en el PEI y PAT
que están a su vez alineados con los procesos, se realiza una propuesta de indicadores basados en
inicia con el desarrollo de la metodología Kimball que está compuesta por 9 fases. Se procede a
instalar los siguientes programas en el servidor del (PC del desarrollador). La creación e implementación
del Datamart se realizará utilizando el INTEGRATION SERVICES como herramienta OLAP, SQL-
SERVER como base de datos transaccional, como base de datos base para el almacenamiento y
procesamiento del modelo estrella y QlikView como visor Entorno Escritorio del ETL para los usuarios.
83
SERVICE PACK DEL ANALISYS SERVICE
QlikView v9 (Desktop)
Enterprise V2008, para la gestión del Data mart que extraerá tablas de la base de datos transaccional.
Luego se realizará los programas de carga de dimensiones que permitan leer las tablas de los sistemas
transaccionales (normalizadas) para que puedan ser cargadas en las tablas dimensiones con su detalle
Después las dimensiones para la carga en las Fact-Table. El programa de SQL-Server conectado a
Visual Studio 2012 nos permitirá hacer los Jobs de cada dimensión(tabla), para controlar el flujo de la
información.
En la etapa final se muestra los módulos trabajados anteriormente, sin embargo, QlikView
basada en su tecnología asociativa AQL in memory, utiliza la metodología QPM (QlikView Project
Methodology) que permitirá brindar a una interfaz amigable y activa al usuario, que a su vez será
los objetivos del negocio, se realiza el cronograma de actividades, alcances del proyecto; luego en
se documenta las fuentes de los datos e indicadores a ser utilizados, y se determina un plan de
84
datos y las interfaces de los módulos en la herramienta de SQL-Server, terminando con un manual
Intelligence.
Institución Educativa, previamente revisado por los usuarios finales, donde los usuarios verifican
Con respecto a los materiales y equipos que se utilizarán en el proyecto, se detalla en la Tabla
85
3.3 Materiales y Equipos
Tabla Nº 4:
Materials and Equipment
Dispositivos
Hardware Software
Laptop Nº 1 QlikView
Marca: TOSHIBA Microsoft Office 2016
Modelo: Satélite C55-B5214KL Sql Server 2008
Procesador: Intel Core i5-4210U 1.7 GHz (c/TB 2.7 GHz) NetBeans 7.4 / 8.2
Memoria RAM: 4 GB DDR3 ampliable a 16GB Trello
Disco Duro: 500 GB 5400RPM Microsoft Project
Pantalla: LED 15.6" HD 1366*768 Microsoft Office
Unidad óptica: DVD ± RW JDK –SDK
Tarjeta de video: Intel HD 4400
Conectividad: Ethernet 10/100 (RJ-45), Wi-Fi 802.11b/g/n
Laptop Nº 2
Marca: COMPAQ-HP
Microprocesador: Procesador AMD Single-Core E-240
Memoria: Memoria de sistema DDR3 de 1GB (1 DIMM)
Disco duro: Disco duro de 320 GB (5400 RPM)
Tarjeta de red: LAN Ethernet 10/100 integrada
Conectividad inalámbrica: LAN inalámbrica WLAN 802.11b/g/n
01 Proyector
Mitsubishi
X260U
02 Monitores Dell
30 pulgadas
Fuente: Own Elaboration
86
3.4 Presupuesto
Tabla Nº 5:
Presupuesto de Inversión
TALENTO HUMANO
Descripción Cantidad Me Costo TOTAL
Analista del BI 1 6 S/.1.500 S/. 9.000
Desarrollador 1 ses 2 S/.1.500 S/. 3.000
Tester 1 2 S/.1.500 S/. 3.000
Analista del BI 1 6 S/. 1.500 S/. 9.000
DBA 1 5 S/1. 500 S/. 7.500
TOTAL S/. 31.500.00
HARDWARE
Descripción Cantidad PrecioU TOTAL
Laptop TOSHIBA, i5 1 S/. 900.00 S/. 900.00
Laptop COMPAQ- 1 S/. 600.00 S/. 600.00
3.1 Préstamo
Ghz de 1 S/. 250.00 S/. 250.00
HPPréstamo de 2 S/. 150.00 S/. 150.00
Proyector
USB kingston 60 Gb 2 S/. 45.00 S/. 90.00
Monitores TOTAL S/. 1.960.00
SOFTWARE
Descripción Licencia Precio/U TOTAL
Windows 10 1 S/. 80.00 S/. 80.00
Google Chrome Open Source 0 0
SQL Server 2008 1 S/. S/. 28,269.54
Visual Studio 1 S/. S/. 16,426.46
Erwin 7.6 Open Source 28,269.54
0 0
Microsoft Office 1 16,426.46
S/. 150.00 S/. 150.00
Qlik View Desktop Open Source 0 0
2016 TOTAL S/. 44,926.00
SERVICIOS
Descripción Mes Precio/Mes TOTAL
Internet 7 S/. 120.00 S/ 840.00
Impresiones 7 S/. 20.00 S/. 140.00
Llamadas telefónicas 7 S/. 20.00 S/. 140.00
Pasajes y viáticos 7 S/. 25.00 S/. 175.00
TOTAL S/. 1,295.00
TOTAL, PRESUPUESTO DE INVESTIGACIÓN S/. 79,681.00
Fuente: Own Elaboration
87
Capitulo IV:
La institución es de tipo global y abarca las siguientes dimensiones: gestión pedagógica, gestión
88
4.2 Conceptos básicos del PAT 2014-2018
4.2.1 Principios:
Para promover una formación integral, una educación en y para la vida, una educación de
calidad en los programas de educación formal, vemos que nuestro quehacer educativo debe
La educación debe ser ética. Es decir, debe rescatar los valores que permitan la construcción
de una sociedad democrática, justa y solidaria. La educación debe orientarse al desarrollo humano.
natural.
aprendizaje: La interacción entre los actores se producen, sobre todo, a través del
lenguaje.
89
aplicarlos en la vida; esto se haría mediante instrumentos como los mapas y redes
conceptuales.
4.2.1.4 Creatividad:
4.2.1.5 La Calidad:
aseguramos las condiciones adecuadas para una educación integral a favor de nuestros educandos.
4.2.1.6 La inclusión:
Tomamos en cuenta este principio, ya que buscamos incorporar a las personas con
rural, sin distinción de etnia, religión, sexo u otra causa de discriminación, contribuyendo así a la
90
eliminación de la pobreza, la exclusión y as desigualdades. Todos los niños son iguales y pueden
4.2.1.7 La interculturalidad:
Asume como riqueza la diversidad cultural, étnica y lingüística del país, y encuentra en el
aprendizaje del otro, para la convivencia armónica y el intercambio entre las diversas culturas del
mundo.
“La institución Educativa tiene como fin la formación integral del alumno.”
Formar estudiantes como personas y ciudadanos capaces de tomar decisiones para construir la
recursos.
docentes.
91
Ejecutar capacitaciones pedagógicas a través de grupos de inter- aprendizajes
indispensable para llevar a cabo la perfección de las personas. Nuestros valores son:
Identidad: Que nuestros educandos sean efectivamente la persona que dice ser,
aprendan a cumplir las normas y reglas, que sepa comportarse con cortesía hacía
92
Solidaridad. Que el educando aprenda a prestar ayuda sin esperar una
recompensa, más bien debe ser una entrega sin reservas para vencer los
utilizamos el método globalizado que consiste en enlazar todas las áreas en forma dinámica a través
93
Las estrategias que se utilicen deben ser flexibles y deben contemplar una
capacidades y actitudes.
Los materiales educativos son considerados en nuestra institución como uno de los
componentes de calidad, es decir que estamos equipados con materiales adecuados para ser usados
por los niños que nos sirve para organizar experiencias de aprendizaje y reforzar el logo de
capacidades y actitudes; contamos con materiales hechos por la profesora, padres de familia, niños
4.4.1.1 Características
Resistentes y duraderos.
De fácil manejo.
Atractivos.
Polivalentes.
94
4.5 Lineamientos de evaluación y tutoría:
saber qué características tienen los lugares que le son fuente de aprendizaje.
actitudes y valores.
competencias, habilidades y destrezas de cada uno de las niñas y niños según sus
periodo dado. Se debe evaluar a cada niña y niño en relación así mismo, a sus
95
4.6 Técnicas de evaluación:
conducen a la obtención relevante sobre el aprendizaje de los estudiantes, como se puede visualizar
Las técnicas de evaluación pueden ser no formales, semiformales y formales. (Díaz &
Hernández (2002)).
Es el soporte físico que se emplea para recoger información sobre los aprendizajes esperados
pretende evaluar. Contiene un conjunto estructurado de ítems los cuales posibilitan la obtención
de la información deseada.
necesitan de un instrumento que permita recoger los datos de manera confiable. Por ejemplo, la
observación sistemática es una técnica que necesita obligadamente de un instrumento que permita
96
recoger los datos deseados en forma organizada, dicho instrumento será, por ejemplo, una lista de
cotejo.
Los instrumentos de evaluación deben ser válidos y confiables: Son válidos cuando el
instrumento se refiere realmente a la variable que pretende medir: en nuestro caso, capacidades y
actitudes. Son confiables en la medida que la aplicación repetida del instrumental mismo sujeto,
Exposición:
Diálogo
Debate
Exámenes orales
Ejercicios prácticos
Mapa conceptual
Mapa mental
Red semántica
Análisis de casos
Proyecto
Diario
Portafolio
Ensayo.
97
Pruebas escritas (Pruebas de Desarrollo)
Examen temático
Ejercicio interpretativo.
Pruebas objetivas.
De respuesta alternativa.
De correspondencia.
De selección múltiple.
De ordenamiento.
considerar la interacción que se crea con los alumnos, el estado de desarrollo de todo y cada uno
en común.
98
la acción del equipo de profesores y controlando el cumplimiento de las normas
en su grupo.
Son las más importantes están referidas al hecho de conocer los problemas y situaciones de
cada participante. Atender especialmente a los problemas relacionados con la falta de motivación
ante el estudio, dificultad e integración, crisis madurativas, problemas familiares. En algunos casos
Ellas están referidas a contribuir a la creación y cohesión del grupo; a animar y fomentar
cultura; en la colaboración con el grupo en la preparación del plan de trabajo, de viajes y salidas;
informar al grupo sobre la estructura, normatividad, centro o unidades de investigación con que
cuenta la institución.
En ella, el tutor orienta a los padres sobre el momento evolutivo que vive el alumno y formas
de abordar los posibles problemas; poner en relación a padres y alumnos en actividades conjuntas
99
4.7.6 Respecto a la Institución
Participar en las reuniones de coordinación con el resto de los tutores para programar y
evaluar las actividades de la tutoría; llevar a la Junta de evaluación las opiniones y dificultades del
actividades.
Estimular su aprendizaje.
En relación al docente
100
Establecer la eficacia de las estrategias de las que se están utilizando.
Buscar nuevos métodos de trabajo para las actividades a realizar con las niñas y
Retroalimentar el aprendizaje
Capitulo V:
Ingeniería de la propuesta
En este capítulo se presenta la construcción del software de registros que servirá de soporte
Según el diseño Curricular Nacional de la Educación Básica Regular establece los logros
educativos por niveles Inicial, Primaria y Secundaria teniendo el 73% de la población de edades
aprecia el panorama de rendimiento de los países en ciencias, lectura y matemáticas donde Perú
está superándose del año 2001 cuando el 54% de estudiantes se ubicó en el nivel más bajo de
la escala establecida. Perú en la evaluación de Pisa obtuvo un puntaje de 397 en ciencias, 398
en lectura y 387 en matemáticas estando rozando el nivel 2, teniendo en cuenta que a partir del
101
nivel dos se considera como línea base en el punto de partida del dominio del área que es
Así mismo en la Tabla N° 7, el resultado el puntaje promedio de ciencias que llegaron a obtener
Nivel 1a: El puntaje total debe ser entre 335 y menor a 410.
Nivel 1b: El puntaje total debe ser entre 261 y menor a 335.
102
TablaNº6:
Panoramaderendimientoenciencias,Lecturaymatemáticas
Ciencias Lectura Matemáticas Ciencias, lecturaymatemáticas
Rendimiento Tendencia Rendimiento Tendencia Rendimiento Tendencia Proporcióndealumnoscon bajo Proporcióndealumnoscon
medio en PISA mediaen medioenPISA mediaentres medioenPISA mediaen rendimientoenlastres
nivelexcelenteenalmenos asignaturas
2015 tresaños 2015 años 2015 tresaños unaasignatura(nivel5o6) (pordebajodel
nivel2)
Media Dif.nota Media Dif.nota Media Dif.nota % %
Media OCDE 493 -1 493 -1 490 -1 15.3 13.0
Hong Kong -5
523 527 -3 548 1 29.3 4.5
(China)
P-S-J-G
518 m 494 m 531 m 27.7 10.9
(China)
República -5 -6
493 487 5 492 14.0 13.7
Checa
103
Lituania 475 -3 472 2 478 -2 9.5 15.3
CABA 51 46 38
475 475 456 7.5 14.5
(Argentina)
Emiratos -12
437 434 -8 427 -7 5.8 31.3
Árabes Unidos
Trinidad y 7 5
425 427 417 2 4.2 32.9
Tobago
República
332 m 358 m 328 m 0.1 70.7
Dominicana
Fuente:OCDE,BasededatosdePISA2015,TablasI.2.4a, I.2.6, I.2.7, I.4.4ayI.5.4ª
104
Figura Nº 17: Resultado de ciencia según medida promedio y niveles de desempeño (OCDE (2016b))
105
5.1.2 Situación de la Institución Educativa en estudio
5.1.2.1 Visión:
por visión, ser el mejor colegio en sus alrededores y ser considerada en un plazo no mayor de 4
años como una de las Instituciones Educativas que dentro de su jurisdicción brinda un servicio de
calidad a sus estudiantes, con grandes resultados, brindando el servicio educativo, con una
pedagogía centrada en valores Éticos – Morales, buscando la formación integral del educando a
Nivel inicial, Primaria y Secundaria para mejorar la infraestructura física implementándolo con
todos los requerimiento que demanda la educación actual, para lograr los objetivos planteados por
la institución Educativa.
5.1.2.2 Misión:
Plantea como misión educativa, hacer del Colegio una institución que brinde un servicio
106
5.1.2.3 Organigrama
secretaria valida los datos del alumno. Si tiene deuda disponible debe cancelarla de caso contrario
el proceso terminara. Una vez el alumno no tiene deuda se procede a realizar el pago de matrícula.
107
Registrar datos del alumno: El software registra la información del alumno en base
a la ficha dada por la institución educativa.
Registrar Matricula: El software registra la matricula del alumno insertando el grado
sección y año como datos
108
Mapa de procesos de ejecución de clases: En la Figura N° 20 se visualiza el proceso de
ejecución de clases, que es realizado por los docentes de la institución en cada día de labores,
brindando así una secuencia interactiva de las actividades educacionales de los educandos.
institución continua del colegio Corazón de Jesús de Santa Clara. Para realizar esto, realiza
109
5.1.2.6 Mapa de procesos de registro de notas
calificaciones para permitir determinar la combinación de categorías y pesos que reflejará los
objetivos de su clase.
disponibilidad de todos los docentes y arma un horario. El Director da el visto bueno al horario y
horario, si se aprueba el horario el coordinador envía el posible horario a los docentes. Los docentes
revisan el horario si están conformes se registra el horario si no están conformes el docente vuelve
Cursos en horas, relacionar docentes con curso, relacionar docente con grado y
110
relacionar docente con curso y relacionar docente con grado y año mostrando así
reportes como docentes que trabajan en determinado año, que curso y en qué
grado enseña.
secretaria revisa el sistema, imprime el registro de notas y envía una copia al coordinador. Padres
de familia reciben un correo de aviso terminando el proceso con la obtención de la lista de notas
impresa.
Registra plan evaluación: El sistema registra los temas que son calificados por
grado y área.
Registra Notas en el Sistema: El sistema registra las notas del alumno de acuerdo
alumno tal como: Ficha integral del educando, partida de nacimiento, certificado de estudios,
documentos. En el caso que los documentos están en conformidad se procede a registrar los datos
en el sistema
111
Después de haber analizado los procesos que se ejecutan en la institución educativa, nos
enfocaremos en el área de dirección académica con ello se determina características que generan
en conocimiento.
Nivel de análisis básico, esto debido a que no se cuenta con sistema de registros.
alumnos.
112
Tabla Nº 7:
Identificación de problemas
Proceso de
Problemas
análisis
Registros en ficheros físicos: La acumulación de registros físicos genera un tiempo que
los docentes deben aplicar, por ende, se acumula data histórica en gran medida y no se
logra analizar el progreso o resultados sin poder tomar medidas de control o prevención
en cuanto al rendimiento estudiantil.
Obtención de Datos erróneos: Como existen registros con datos iguales eso con lleva a tener muchos
datos datos iguales que sólo entorpecen en el proceso de obtención y filtro de datos.
Tiempo de espera en la obtención de reportes académicos: Ciertamente los
consolidados son reportes académicos de los alumnos, donde en ellos se muestran el
desempeño de cada alumno en el tiempo de estudio, los cuales son muy importantes
para su análisis de aprovechamiento escolar.
Toma de decisiones de forma empírica o por intuición
- Tener demasiada información no basta, ya que, al momento de tomar una decisión
es basada en conocimiento e indicadores académicos, es decir data procesada, por
lo tanto, si no hay un manejo óptimo de la información no se podrá alcanzar
objetivos de la institución.
- Control en la gestión de indicadores académicos no adecuado en el área de
dirección académica.
- El término control es clave para los directores de la institución, puesto que, en ellos
análisis de la se encuentran inmersos los procesos de monitoreo, supervisión y evaluación, cuya
información gestión no realizada correctamente implica un proceso muy largo y a la vez no
preciso, con ello poniendo en peligro el alcance objetivos y mejoramiento de la
misma.
Información procesada no disponible en el momento oportuno
- Se determina que la toma de decisiones es esencial para los directores y docentes de
la institución, ya que, con la información procesada se puede convertir en
conocimiento para un uso estratégico, sin embargo, al generar reportes a destiempo
es muy difícil tomar una decisión correcta en función a resultados eficientes.
Fuente: Own Elaboration
Según el diagrama de Causas y dimensiones (véase la Tabla N° 8), se muestran las causas
que se obtuvieron a través de reuniones y tormentas de ideas realizadas con la dirección académica,
cuyos representantes son los directores de la institución educativa, sin embargo, el área a trabajar
es el área de dirección académica, por ende, los directores fueron la fuente de consulta directa.
113
Tabla Nº 8:
Causas y dimensiones de Brainstorming
Causas Dimensiones
de la institución educativa nos permitieron percibir algunas situaciones que se suscitan con mayor
114
Figura Nº 23: Cause and effect diagram of the educational institution(Own Elaboration)
115
TablaNº9:
Mostprobablecauses
Eltenerdatosenfísico, registraramanualmente,yelnocontarconsistemade
Esperadecalificacionesbimestrales. Probable informacióngeneragrancantidaddedatahistóricaquenoproporcionaayudaaun
seguimientoeneldesempeñodelosdocentesconrespectoa losalumnos.
Información
Estoafectadirectamentealmomentodelas tomasdedecisiones,nosecuentacon
Deficientedisponibilidaddereportes Muyprobable informaciónprecisapara
tomarunadecisiónoportuna
Riesgoelevadodepérdidade Muyprobable Unagranpartedela informaciónestaalmacenadaenfísicolocualnoayudaasegurala
información. perdidadeinformación.
Luego de realizar un análisis de las causas más probables; en la Figura N°24, se muestra
las causas más probables según el tipo de prioridad que el gráfico estadístico visualiza que
identificar los problemas principales que se manifiestan en el área de dirección académica basadas
117
Tabla Nº 10:
Aplicando las 5W +H
Pregunta Respuesta
Toma de decisiones por intuición y de forma
¿Qué?(¿Que se quiere mejorar?) empírica de los directores y docentes de la
institución educativa.
Porque el proceso de control de
¿Por qué?(Por qué se quiere mejorar) indicadores académicos no es eficiente en la
institución educativa.
Las posteriores preguntas, determinan los límites del problema que se analiza, los actores que
participan en la fase del proceso y en qué momento se gestionan los problemas.
En el área de dirección académica de la
¿Dónde?(¿Dónde se quiere mejorar?)
institución educativa
A los directores y docentes responsables de
¿Quién?(¿Quién se quiere mejorar?)
la toma de decisiones.
En cualquier momento se desea saber el
nivel de avance o retraso con respecto
¿Cuándo?(¿Cuándo se quiere mejorar?) desempeño académico que a su vez están
alineados a las metas y objetivos de la
institución.
La posterior pregunta determinan la planificación de la mejora
Implementado una plataforma de Business
¿Cómo?(¿Cómo lo van a mejorar?) Intelligence con los indicadores académicos
que el MINEDU promueve.
Fuente: Own Elaboration
118
5.1.5.3 Entrevistas con el personal de la institución corazón de Jesús
5.1.6.1 Objetivos
119
Integrar la información relevante e histórica de una manera consistente y
enfocada.
5.1.6.2 Alcance
El proyecto busca ayudar al área dirección académica del colegio Corazón de Jesús de
Santa Clara, a través de reportes estadísticos analíticos con la información almacenada en la base
de datos transaccional, veraz y consolidada en tiempo real, permitiendo dar soporte a la toma de
A continuación, en la Tabla N° 11, se muestra aspectos relevantes de los beneficios que aporta
120
Tabla Nº 11:
Benefits of implementing business intelligence
ASPECTO BENEFICIOS
- Nos brinda respuestas más rápidas.
- Nos proporciona una herramienta de apoyo para mejorar la toma de decisiones.
- Optimiza el proceso de análisis de la información en el área de dirección
HUMANO
académica.
- Encuentra cuáles son tus costes de producción reales y accesibles.
- Agiliza la gestión en la institución educativa.
- Se consigue importantes métricas sobre la institución.
5.2.1 Análisis
focalizados en los módulos que cuentan el área de dirección académica del Colegio Corazón de
121
Figura Nº 25: Propuesta de indicadores al 2021(Own Elaboration)
122
Luego de haber identificado los indicadores de gestión que el MINEDU promueve, se procede
siguientes tablas.
Tabla Nº 12:
Tabla de requerimiento N°1
Request Cantidad de Alumnos matriculados por
Identifier:
RF-01 Name: año.
Type: Funcional Date: 07/12/2017
Priority: Alta Need: SI
Description:
La implementación de Business Intelligence posibilitará ver la Cantidad de
Alumnos matriculados por año en la institución educativa.
Fuente: Own Elaboration
Tabla Nº 13:
Tabla de requerimiento N°2
Request
Identifier: RF-02 Alumnos matriculados por Grado y sección.
Name:
Type: Funcional Date: 07/12/2017
Priority: Alta Need: SI
Tabla Nº 14:
Tabla de requerimiento N°3
Request Cantidad de Materias aprobadas de alumnos por grado y
Identifier: RF-03
Name: sección.
Funcion
Type:
al Date: 07/12/2017
Priority: Need: SI
Alta
Description La implementación de Business Intelligence permitirá conocer Cantidad de Materias
: aprobadas de alumnos por grado y sección en la institución educativa.
123
Tabla Nº 15:
Description:
La implementación de Business Intelligence permitirá conocer Cantidad de Materias
desaprobadas de alumnos por grado y sección en la institución educativa.
Fuente: Own Elaboration
Tabla Nº 16:
Tabla de requerimiento N°5
Request Tasa de conclusión, primaria y segundaria,
Identifier:
RF-05 Name: por grupo de edades
Type: Funcional Date: 07/12/2017
Priority: Alta Need: SI
Tabla Nº 17:
Tabla de requerimiento N°6
Request Cantidad de Materias desaprobadas de
Identifier: RF-06
Name: alumnos por grado y sección.
Type: Funcional Date: 07/12/2017
Priority: Alta Need: SI
124
Tabla Nº 18:
Tabla de requerimiento N°7
Request Tasa de Matriculados iniciados de
Identifier
RF-07 Name: primaria y secundaria por edades
Type: Funcional Date: 07/12/2017
Priority: Alta Need: SI
Description:
La implementación de Business Intelligence permitirá ver la cantidad de
matriculados iniciados de primaria y secundaria
Fuente: Own Elaboration
Tabla Nº 19:
Tabla de requerimiento N°8
Request Alumnos con ponderado sobresaliente en
Identifier: RF-08
Name: los cursos por grado y sección.
Type: Funcional Date: 07/12/2017
Priority: Alta Need: SI
La implementación de Business Intelligence mejorará la visualización de los
Description: Alumnos con ponderado sobresaliente en los cursos por grado y sección en la
institución educativa.
Fuente: Own Elaboration
Tabla Nº 20:
Tabla de requerimiento N°9
Request Alumnos con ponderado de bajo nivel en
Identifier:
RF-09 Name: los cursos por grado y sección.
Type: Funcional Date: 07/12/2017
Priority: Alta Need: SI
125
Tabla Nº 21:
Tabla de requerimiento N°10
Tasa neta de matrícula, educación inicial,
Identifier: RF-10 Request Name:
primaria y segundara
Type: Funcional Date: 07/12/2017
Priority: Alta Need: SI
La implementación de Business Intelligence permitirá conocer el porcentaje
Description:
matriculados en inicial, primaria y secundaria según sus edades
Fuente: Own Elaboration
Tabla Nº 22:
Tabla de requerimiento N°11
Tendencia de materias con mejores notas por
Identifier: RF-11 Request Name:
alumno
Type: Funcional Date: 07/12/2017
Priority: Alta Need SI
La implementación de Business Intelligence facilitará conocer a los Alumnos con
Description:
mejor eficiencia en la carga académica en la institución educativa.
Fuente: Own Elaboration
Tabla Nº 23:
Tabla de requerimiento N°12
Profesores con mayor eficiencia en el
Identifier: RF-12 Request Name: desempeño de la carga académica por
Bimestre.
Type: Funcional Date: 07/12/2017
Priority: Alta Need: SI
La implementación de Business Intelligence permitirá conocer Profesores con
Description: mayor eficiencia en el desempeño de la carga académica por Bimestre en la
institución educativa.
Fuente: Own Elaboration
126
Tabla Nº 24:
Tabla de requerimiento N°13
Request Profesores con mayor eficiencia en el
Identifier: RF-13
Name: desempeño de la carga académica por Año.
Type: Funcional Date: 07/12/2017
Priority: Alta Need: SI
La implementación de Business Intelligence facilitará el conocer a los Profesores
Description: con mayor eficiencia en el desempeño de la carga académica por Año en la
institución educativa.
Fuente: Own Elaboration
Tabla Nº 25:
Tabla de requerimiento N°14
Request Profesores con menor desempeño en la carga
Identifier: RF-14
Name: académica por Bimestre.
Type: Funcional Date: 07/12/2017
Priority: Alta Need: SI
La implementación de Business Intelligence facilitará la visualización de los
Description: Profesores con menor desempeño en la carga académica por Bimestre en la
institución educativa.
Fuente: Own Elaboration
Tabla Nº 26:
Tabla de requerimiento N°15
Request Profesores con menor desempeño en la carga
Identifier: RF-15
Name: académica por Año.
Type: Funcional Date: 07/12/2017
Priority: Alta Need: SI
127
Tabla Nº 27:
Tabla de requerimiento N°16
Request Cantidad de grados y secciones sobresalientes
Identifier: RF-16
Name: en el año.
Type: Funcional Date: 07/12/2017
Priority: Alta Need: SI
Tabla Nº 28:
Tabla de requerimiento N°17
Request Cantidad de grados y secciones sobresalientes
Identifier: RF-17
Name: en el Bimestre.
Type: Funcional Date: 07/12/2017
Priority: Alta Need: SI
Tabla Nº 29:
Tabla de requerimiento N°18
Request Cantidad de boletas de notas aprobadas de
Identifier: RF-18
Name: alumnos por grado y sección.
Type: Funcional Date: 07/12/2017
Priority: Alta Need: SI
128
Tabla Nº 30:
Tabla de requerimiento N°19
Request Profesor con mayor eficiencia en cursos por
Identifier: RF-19
Name: grado y sección.
Type: Funcional Date: 07/12/2017
Priority: Alta Need: SI
Tabla Nº 31:
Tabla de requerimiento N°20
Tabla Nº 32:
Tabla de requerimiento N°21
Request Cantidad de boletas de notas desaprobadas de
Identifier: RF-21
Name: alumnos por grado y sección.
Type: Funcional Date: 07/12/2017
Priority: Alta Need: SI
129
Tabla Nº 33:
Tabla de requerimiento N°22
Request Cantidad de boletas de Notas desaprobadas de
Identifier: RF-22
Name: alumnos por grado y sección.
Type: Funcional Date: 07/12/2017
Priority: Alta Need SI
Tabla Nº 34:
Tabla de requerimiento N°23
Request Cantidad de cursos menos desaprobados por
Identifier: RF-23
Name: grado y sección.
Type: Funcional Date: 07/12/2017
Priority: Alta Need: SI
Tabla Nº 35:
Tabla de requerimiento N°24
Request Cantidad de cursos más desaprobados por grado y
Identifier:
RF-24 Name: sección.
Type: Funcional Date: 07/12/2017
Priority: Alta Need: SI
a partir de lo que desea medir(como se muestra en la Figura N° 26), los registros que se desean
130
5.2.2 Diseño
131
5.2.2.2 Diccionario de datos a nivel general de la base de datos transaccional de
bd_colegio
Tabla Nº 36:
Descripción de base de datos transaccional de la Institución
TABLA DESCRIPCIÓN
dbo.Ano_Bimestre Se registran los años de cada bimestre.
132
5.2.2.3 Diccionario de datos de la base de datos transaccional del bd_colegio.
Sobre las consideraciones anteriores, se procede a definir los datos que tendrán cada tabla en la
Tabla Nº 37:
Tabla de descripción de la tabla dbo.Ano_Bimestre
Opción PK
Nombre de Columna Tipo de dato Nulo Descripción FK
id_Ano_Bimestre int No nulo Clave del Año PK -
id_Periodo int nulo Clave del Periodo - FK
id_Bimestre int nulo Clave del Bimestre - FK
Fuente: Own Elaboration
Tabla Nº 38:
Tabla de descripción de la tabla dbo.Bimestre
Opción
Nombre de Columna Tipo de dato Descripción PK FK
Nulo
id_bimestre int No nulo Clave del Bimestre PK -
bimestre nvarchar(50) nulo Número del Bimestre - -
Fuente: Own Elaboration
Tabla Nº 39:
Tabla de descripción de la tabla dbo.Boleta_Nota
Tipo de Opción
Nombre de Columna dato Nulo Descripción PK FK
id_boleta_Nota int No nulo Clave de la Boleta Nota PK
id_calificacion int nulo Clave de la -
Calificación FK
id_Detalle_Carga_Academica int nulo Clave del Detalle Carga -
Académica FK
Nota numeric nulo Número de la -
Calificación -
id_Bimestre int nulo Clave del Bimestre - FK
fecha_ingreso date nulo Fecha de ingreso a la -
I.E -
Estado_Boleta_Nota nchar(1) nulo Activo o Desactivo de -
la boleta -
Nota_Letra nchar(2) nulo Letra de la Calificación - -
Fuente: Own Elaboration.
133
Tabla Nº 40:
Tabla de descripción de la tabla dbo.Calificacion
Opción
Nombre de Columna Tipo de dato Descripción PK FK
Nulo
id_Calificacion int No nulo Clave de la Calificación PK -
Tabla Nº 41:
Tabla de descripción de la tabla dbo.Carga_Academica
Tipo de Opción
Nombre de Columna Descripción PK FK
dato Nulo
id_Carga_Academica int No nulo Clave de Carga Académica PK -
id_Matricula int nulo Clave de la Matrícula - FK
Fuente: Own Elaboration
Tabla Nº 42:
Tabla de descripción de la tabla dbo.Detalle_Carga_Academica
Tipo de Opción
Nombre de Columna dato Nulo Descripción PK FK
id_Detalle_Carga_Academica int No nulo Clave del Detalle de Carga PK
Académica -
id_Carga_Academica int nulo -
Clave de carga académica. FK
id_Materia_Profesor int nulo -
Clave de Materia profesor FK
Fuente: Own Elaboration
134
Tabla Nº 43:
Tabla de descripción de la tabla dbo.Grado
Opción
Nombre de Columna Tipo de dato Nulo Descripción PK FK
id_Grado int No nulo Clave del Grado PK -
nombre_Grado nvarchar(50) nulo Nombre del grado - -
li_Nivel nchar(1) nulo Tipo de Nivel - FK
id_seccion int nulo Clave de la Sección -
Estado_Grado nchar(1) nulo Activo/ Desact. Grado - -
Fuente: Own Elaboration
Tabla Nº 44:
Tabla de descripción de la tabla dbo.Grado_Materia
Tipo de Opción
Nombre de Columna dato Nulo Descripción PK FK
id_Grado_Materia int No nulo Clave del Grado Materia PK -
id_Materia int nulo Clave de la Materia - FK
id_Grado int nulo Clave del Grado - FK
Fuente: Own Elaboration
Tabla Nº 45:
Tabla de descripción de la tabla dbo.Materia
Opción
Nombre de Columna Tipo de dato Nulo Descripción PK FK
id_Materia int No nulo Clave de Materia PK -
Nombre_Materia nvarchar(50) nulo Nombre de la materia - -
li_Ti_Materia nchar(1) nulo Tipo de la materia - -
Estado_Materia nchar(1) nulo Ingreso de la materia - -
Fuente: Own Elaboration
Tabla Nº 46:
Tabla de descripción de la tabla dbo.Materia_Profesor
Tipo de Opción
Nombre de Columna dato Nulo Descripción PK FK
id_Materia_Profesor int No nulo Clave de la Materia Profesor PK -
id_Persona_Profesor int nulo Clave del Persona Profesor - FK
id_Grado_Materia int nulo Clave del Grado Materia - FK
id_Periodo int nulo Clave del Periodo - FK
Fuente: Own Elaboration
135
Tabla Nº 47:
Tabla de descripción de la tabla dbo.Matricula
Opción
Nombre de Columna Tipo de dato Nulo Descripción PK FK
id_Matricula int No nulo Clave de la matrícula PK -
id_persona int nulo Clave de la Persona - FK
id_grado int nulo Clave del grado - FK
id_Periodo int nulo Clave del Periodo - -
Fecha_Matricula date No nulo Fecha de matrícula - -
li_estado_Matricula nchar(1) nulo Tipo de Matrícula - -
Estado_Trabaja nchar(1) nulo Trabaja Si/No - -
Horas_Sem_Labora nchar(10) nulo Tiempo de Trabajo - -
Estado_Matricula nchar(1) nulo - -
Fuente: Own Elaboration
Tabla Nº 48:
Tabla de descripción de la tabla dbo.Periodo
Tipo de Opción
Nombre de Columna dato Nulo Descripción PK FK
id_Periodo int No nulo Clave del Periodo PK -
ano nchar(10) nulo Número del año - -
Fuente: Own Elaboration
Tabla Nº 49:
Tabla de descripción de la tabla dbo.Persona
Opción
Nombre de Columna Tipo de dato Nulo Descripción PK FK
id_Persona int No PK
nulo Clave de la Persona -
Cod_Estudiante nchar(14) nulo Código del Estudiante - -
Nombre_Persona nvarchar(50) nulo Nombres de las personas - -
Apellido_Paterno nvarchar(50) nulo Apellidos Paternos - -
Apellido_Materno nvarchar(50) nulo Apellidos Maternos - -
li_tipo_persona nchar(1) nulo Tipo de cargo - -
dni nvarchar(8) No -
nulo Dni -
Estado_Persona nchar(1) nulo Activo/ Desactivo - -
Sexo nchar(1) nulo Género de las Personas - -
Estado_Alumno nchar(1) nulo Activo/ Desactivo - -
Fecha_Nacimiento date nulo Fecha de Nacimiento - -
Es_Vida_Padre nchar(1) nulo El padre vive - -
Es_Vida_Madre nchar(1) nulo La Madre Vive - -
Segunda_Lengua nchar(1) nulo Segundo idioma - -
136
Lengua_Materna nchar(1) nulo Idioma de Origen - -
Pais nchar(1) nulo País de origen - -
Escolaridad_Madre NCHAR(1) NULL Estudios de la Madre - -
Nacimiento_Registrado NCHAR(1) NULL Registro de Nacimiento - -
Tipo_Discapacidad NCHAR(1) NULL Discapacitado Si/No - -
Fuente: Own Elaboration
Tabla Nº 50:
Tabla de descripción de la tabla dbo.Profesor_Materia
Opción
Nombre de Columna Tipo de dato Nulo Descripción PK FK
id_Profesor_Materia int No nulo Clave del Profesor PK -
id_Persona int nulo Clave de la Persona - FK
id_Materia int nulo Clave de la Materia - FK
Fuente: Own Elaboration
Tabla Nº 51:
Tabla de descripción de la tabla dbo.Seccion
Opción
Nombre de Columna Tipo de dato Descripción PK FK
Nulo
id_Seccion int No nulo Clave de la Sección PK -
Nombre_Seccion nvarchar(50) nulo Nombre de la Sección - -
Estado_Seccion nchar(1) nulo Activo/ Desactivo - -
Fuente: Own Elaboration
Tabla Nº 52:
Tabla de descripción de la tabla dbo.Usuario
Nombre de Opción Nulo
Columna Tipo de dato Descripción PK FK
id_Usuario int No nulo Clave del Usuario PK -
id_Persona int nulo Clave de la Persona - FK
Nombre_Usuario nvarchar(50) nulo Nombre de los usuarios - -
TPassword nvarchar(50) nulo Ingreso de Password - -
Fe_Vencimiento date nulo Privilegio de Accesibilidad - -
Estado_Usuario nchar(1) nulo Activo/ Desactivo - -
Fuente: Own Elaboration
137
5.2.2.4 Elección de dimensiones
del Datamart, por ello se describe las variables estratégicas con las que se elabora los consolidados
Rendimientos de Aulas
Estados de Profesores
Tipo de Evaluación
Boletas Aprobadas
Privilegios de Usuarios
Es evidente entonces que las dimensiones se encuentran agrupadas por afinidad, a veces
las variables representan los atributos de una entidad que llega a ser el objetivo de una dimensión
a gestionar y analizar (Véase la Tabla N°53), para observar el desglose de cada dimensión.
138
Tabla Nº 53:
Dimension selection box
Dimensiones Campos
Grados de Aulas
Dim_Grado_Seccion
Secciones de Aulas
Código Estudiante
Nombres del Alumno
Estado del Alumno
Dim_Alumno
Fecha de Nacimiento
Genero/Sexo
Tipo de Discapacidad
Fecha de matriculas
Dim_Año
Mes de ingreso
Nombres del Profesor
Dim_Profesor
Dni
Nombre de Materia
Dim_Materia
Tipo de Materia
Dim_Bimestre Tipo de Bimestre
Profesor
Dim_Detalle_Carga_Academica Materia
Matricula
Curso
Dim_Calificacion Bimestre
Estado de Calificación
Nombre del alumno
Grado y Sección
Fact_Matricula Estado de Matricula
Fecha de Matricula
Año
Notas
Fact_Boleta_Nota Carga Académica
Tipos de Calificación
Bimestre
Fecha de Evaluación
Estado de la Boleta_Nota
Fuente: Elaboration Own
139
5.2.2.4.1 Dimensiones halladas
A continuación, se muestra todas las dimensiones que serán parte del Datamart, entre ellos
están:
Dim_Grado_Seccion
Dim_Alumno
Dim_Año
Dim_Profesor
Dim_Materia
Dim_Bimestre
Dim_Detalle_Carga_Academica
Dim_Calificacion
Fact_Matricula
Fact_Boleta_Nota
Luego de haber realizado el análisis de las tablas a trabajar se hallaron las siguientes
medidas:
140
Las tablas Fact’s o tabla de hechos, simboliza las calificaciones de los alumnos y la cantidad
de matrícula que posee la institución educativa en el año, y poder ver el progreso de los profesores,
Boletas de Notas
Matricula
5.2.3 Construcción
a identificar las medidas y las dimensiones orientados a analizar los datos para convertirlos en
procesos y herramientas que se aplican a los datos. En la fase técnica existen dos conjuntos que
datos, por lo que se consideran cada uno aparte: El back room (habitación trasera) y el front room
(habitación frontal). El back room es el responsable de la obtención y preparación de los datos, por
lo que también se conoce como adquisición de datos y el front room es responsable de entregar los
141
DBO.AÑO: Contiene información los registros efectuados de cada año.
Para cargar los datos en el modelo dimensional se requiere la información de las tablas
Tabla Nº 54:
Data mapping table for the dimensional model
Dimensions Data Source
dbo.Alumno
Alumno_Dim
dbo.Matricula
Año_Dim dbo.Año
dbo.Bimestre
Bimestre_Dim
dbo.Boleta_Nota
142
dbo.Calificacion
Calificacion_Dim
dbo.Boleta_Nota
dbo. Carga_Académica
dbo.Boleta_Nota
Carga_Academica_Dim dbo.Materia
dbo.Matricula
dbo.Profesor
dbo. Matricula
Grado_Seccion_Dim
dbo.Grado_Seccion
dbo. Materia
Materia_Dim
dbo.Carga_Academica
dbo.Profesor
Profesor_Dim
dbo.Carga_Academica
Fuente: Own Elaboration
Estos datos que contribuyen la estructura del DataMart, se refieren a los componentes
principales de los procesos que llevan a la construcción de la aplicación. Para el análisis de los
datos, se comienza por analizar los datos fuentes que maneja el Colegio corazón de Jesús, el tipo
servicio, grupo de bien-servicio. Para este caso las tablas utilizadas de la base de datos de la
Contraloría fueron:
Es el área del DataMart responsable de extraer y preparar los datos. Aquí se explica cómo
se realizó el proceso ETL en la bodega de datos. Se parte de los datos fuentes en los sistemas de
143
5.2.3.6 Extracción
de información. En el desarrollo del proyecto, se realizó una extracción de las tablas que interesan
para el desarrollo en el modelo dimensional como son: DIM ALUMNO, DIM AÑO, DIM
FACT_MATRICULA.
5.2.3.7 Transformación
Para las transformaciones de los datos se realizó el mapeo de todas las tablas. Para
comprender la transformación se puede observar que las con consultas que llenarán las tablas
dimensionales no contienen toda estructura de las tablas fuentes, pues solo se hizo la extracción
5.2.3.8 Carga
modelo dimensional, de tal manera queden óptimos para usarlos en las herramientas de business
Intelligence o herramientas OLAP o análisis multidimensionales. Por último, los datos extraídos y
encuentra estructurado para el modelo dimensional de Matrícula y Boleta de Notas, con respecto
144
según el bimestre, cuando el usuario ejecute el sistema y la aplicación de carga para actualizar la
En la Figura N° 27, se observa las dimensiones que contará el datamart, para seguir con el
145
5.2.3.10.1 DIMENSION ALUMNO: Dim_Alumno
Tabla Nº 55:
Physical design table dimension Dim_Alumno
La dimensión Año se encuentra conformada por los siguientes atributos que se muestran
en la Tabla N° 56:
Tabla Nº 56:
Physical design table dimension Dim_Año
146
5.2.3.10.3 DIMENSION BIMESTRE: Dim_Bimestre
Tabla Nº 57:
Physical design table dimension Dim_Bimestre
Tabla Nº 58:
Physical design table FACT_ Boleta_Nota
147
5.2.3.10.5 DIMENSION CALIFICACIÓN: Dim_Calificación
Tabla Nº 59:
Physical design table dimension Dim_ Calificación
Lengt
Camp Type h Description
Li_Tipo_Calificacion NCHAR 1 -
Fuente: Own Elaboration
Tabla Nº 60:
Physical design table dimension Dim_ Carga_Academica
148
5.2.3.10.7 DIMENSIÓN GRADO: Dim_Grado_Seccion
Tabla Nº 61:
Physical design table dimension Dim_ Grado_Seccion
Lengt
Camp Type h Description
id_Grado_Seccion INT - Key
NVARCHA
Grado_Seccion R 100 Nombre del grado y Sección
Fuente: Own Elaboration
Tabla Nº 62:
Physical design table dimension Dim_Materia
Lengt
Camp Type h Description
id_Materia INT - Key
NVARCHA
Materia R 50 Nombre de los Cursos
Activo o desactivo el tipo de
li_Tipo_Materia NCHAR 1 materia
Fuente: Own Elaboration
Tabla Nº 63:
Physical design table FACT Matricula
Camp Type Length Description
id_Matricula INT - Key
149
id_Alumno INT - FK del alumno
id_Grado_Seccion INT - FK de Grado y Sección
id_Año INT - FK del Año
li_Estado_Matricula DATE - Se encuentra activo el alumno
Fecha_Matricula NCHAR 1 Fecha de la matrícula
Estado_Trabaja NCHAR 1 Trabaja el alumno
Edad INT - Edad del Alumno
Fuente: Own Elaboration
Tabla Nº 64:
Physical design table dimension Dim_ Profesor
que la empresa necesita, donde se puede visualizar las iteraciones (Leer y Dimensiones), y una
150
También se muestra las tablas de modelo adecuado para la empresa, donde es comprobada
en cada una de las tablas Dim Alumno, Dim Año, Dim Bimestre, Dim Grado_Seccion, Dim
comprueba cada una de las tablas, donde se verifica si existe o no la tabla en el datamart creado
Colegio_Datamart_Final; si es que ya existe tablas creadas, pasa a la siguiente tabla donde señala
con el check de color verde y finaliza la ejecución, y si no la ejecución de los script no permiten
realizar la extracción.
A continuación, se muestra el proceso del desarrollo del ETL de las dimensiones y Fact
Tables, las herramientas que permitieron realizar son Visual Studio, el paquete de INTEGRATION
SERVICES que es una herramienta básica que brinda SQL SERVER 2008 r2 muy utilizada para
151
En la Figura N° 29, muestra la extracción de la base de datos operacional (BDColegio), y
CONSULTA
SELECT DISTINCT P.ID_PERSONA, P.COD_ESTUDIANTE,
LTRIM(DBO.CONVERTIRFORMATO(RTRIM(P.NOMBRE_PERSONA)))+'
+LTRIM(DBO.CONVERTIRFORMATO(RTRIM(P.APELLIDO_PATERNO))) +'
'+LTRIM(DBO.CONVERTIRFORMATO(RTRIM(APELLIDO_MATERNO)))AS
ALUMNO,P.DNI,P.SEXO,P.ESTADO_ALUMNO,P.FECHA_NACIMIENTO, P.PAIS
FROM PERSONA P,MATRICULA M WHERE M.ID_PERSONA=P.ID_PERSONA AND
LI_TIPO_PERSONA=1
152
DESTINO Colegio_Datamart_Final [dbo] DIM_Alumno
TRANSFORMACIÓN:
153
En la Figura N°33, muestra la extracción de la base de datos operacional (BDColegio), y la
CONSULTA:
154
DESTINO Colegio_Datamart_Final [dbo] DIM_Año
TRANSFORMACIÓN:
155
En la Figura N° 37, muestra la extracción de la base de datos operacional (BDColegio), y
CONSULTA:
156
DESTINO Colegio_Datamart_Final [dbo] DIM_Bimestre
Transformación:
157
En la Figura Nº 41, muestra la extracción de la base de datos operacional (BDColegio), y
CONSULTA:
SELECT ID_BOLETA_NOTA,ID_DETALLE_CARGA_ACADEMICA,
ID_CALIFICACION,ID_BIMESTRE,NOTA,FECHA_INGRESO,ESTADO_BOLETA_NOTA
FROM BOLETA_NOTA
158
DESTINO Colegio_Datamart_Final [dbo] FACT Boleta_Nota
TRANSFORMACIÓN:
159
En la Figura Nº 45, muestra la extracción de la base de datos operacional (BDColegio), y
CONSULTA:
160
DESTINO Colegio_Datamart_Final [dbo] DIM_Calificacion
TRANSFORMACIÓN:
161
En la Figura Nº 49, muestra la extracción de la base de datos operacional (BDColegio), y la
CONSULTA:
SELECT DCA.ID_DETALLE_CARGA_ACADEMICA,
MP.ID_PERSONA_PROFESOR,GM.ID_MATERIA,CA.ID_MATRICULA FROM
CARGA_ACADEMICA CA, DETALLE_CARGA_ACADEMICA DCA,
MATERIA_PROFESOR MP,GRADO_MATERIA GM WHERE
CA.ID_CARGA_ACADEMICA=DCA.ID_ CARGA_ACADEMICA AND
DCA.ID_MATERIA_PROFESOR= MP.ID_MATERIA_PROFESOR
ANDMP.ID_GRADO_MATERIA=GM.ID_ GRADO_MATERIA ORDER BY
ID_DETALLE_CARGA_ACADEMICA
162
DESTINO Colegio_Datamart_Final [dbo] DIM_Detalle_Carga_Academica
Elaboration)
TRANSFORMACIÓN:
poblada.
163
En la Figura Nº 53, visualiza la extracción de la base de datos operacional (BDColegio), y
CONSULTA:
164
DESTINO Colegio_Datamart_Final [dbo] DIM_ Grado_Seccion
Transformación:
165
En la Figura Nº 57, visualiza la extracción de la base de datos operacional (BDColegio), y la
CONSULTA:
166
DESTINO Colegio_Datamart_Final [dbo] DIM_ Materia
TRANSFORMACIÓN:
167
En la Figura Nº 61, muestra la extracción de la base de datos operacional (BDColegio), y la
CONSULTA:
SELECT M.ID_MATRICULA,M.ID_PERSONA,M.ID_GRADO,M.ID_
PERIODO,M.LI_ESTADO_MATRICULA,M.FECHA_MATRICULA,M.ESTADO_TRABAJA
,M.ESTADO_MATRICULA,FLOOR((CAST(CONVERT(VARCHAR(8),GETDATE(),112)
AS INT)-CAST(CONVERT(VARCHAR(8),P. FECHA_NACIMIENTO,112) AS INT) ) /
10000) AS EDAD FROM MATRICULA M, PERSONA P WHERE
P.ID_PERSONA=M.ID_MATRICULA
168
DESTINO Colegio_Datamart_Final [dbo] FACT_ Matricula
TRANSFORMACIÓN:
169
En la Figura Nº 65, muestra la extracción de la base de datos operacional (BDColegio), y la
CONSULTA:
SELECT DISTINCT
P.ID_PERSONA,LTRIM(DBO.CONVERTIRFORMATO(RTRIM(P.NOMBRE_PERSONA)))+'
'+LTRIM(DBO.CONVERTIRFORMATO(RTRIM(P.APELLIDO_PATERNO)))+''+LTRIM(DBO.CON
VERTIRFORMATO(RTRIM(APELLIDO_MATERNO)))AS PROFESOR,P.DNI FROM PERSONA P,
MATERIA_PROFESOR MP WHERE P.ID_PERSONA=MP.ID_PERSONA_PROFESOR AND
P.LI_TIPO_PERSONA=2
170
DESTINO Colegio_Datamart_Final [dbo] DIM_ Profesor
TRANFORMACIÓN:
171
5.2.4 Despliegue
A continuación, se desarrolla los elementos del cubo que se ejecutará con Visual
Studio 2012, proceso de iteración de las variables, se usarán éstas herramientas de Microsoft
5.2.4.2.1 DIM_ALUMNO
personas de tipo estudiante, obteniendo los datos relevantes para hacer filtros que serán necesarios
172
5.2.4.2.2 DIM_AÑO
tabla periodo de la base de datos transaccional, obteniendo solo él año con lo cual es la base para
5.2.4.2.3 DIM_BMESTRE
datos transaccional por la simple razón que se necesita saber información de los alumnos en
bimestres determinados.
173
5.2.4.2.4 DIM_CALIFICACION
calificaciones que evalúan al alumno en distintas áreas, esta dimensión solo tiene sentido al estar
Nombre_Califiacion y Estado_Califiacion.
5.2.4.2.5 DIM_CARGA_ACADEMICA
174
5.2.4.2.6 DIM_GRADO_SECCION
las tablas de grado y sección de la base de datos transaccional concatenando el nombre de grado y
5.2.4.2.7 DIM_MATERIA
En la siguiente Figura N° 75, se muestra la dimensión Materia extrae las materias existentes
175
5.2.4.2.8 DIM_PROFESOR
En la siguiente Figura N° 76, se muestra la Dimensión Profesor extrae las personas de tipo
profesor y los ingresa concatenando los nombres y apellidos, el campo dni es obtenido para
5.2.4.2.9 FACT_MATRICULA
En la siguiente Figura N° 77, se muestra la Fact Matricula tiene relación con la dimensión
Alumno, Grado_Seccion, Año que se usarán como filtros en los reportes. La dimensión tiene como
alumno aprobó, repitió o desertó el año) y edad (para sabes la edad de egresados de los diferentes
niveles)
176
5.2.4.2.10 FACT BOLETA_NOTA
En la siguiente Figura N° 78, se muestra la Fact Boleta_Nota extraen las calificaciones de los
alumnos para tener su progreso escolar en distintas Materias. La Fact Boleta_Nota tiene relación
con la Tabla Carga_Academica, con la tabla Calificacion y con la tabla bimestre, teniendo como
A continuación, en la Figura N° 79, nos muestra el diseño del cubo que tiene el datamart, el
proceso ya ejecutado será con el análisis de toda la información mediante el diagrama que contiene
las dimensiones y las tablas fact que se han de medir como indicadores de gestión educativos en
177
Figura Nº 79: Data sources view of the business intelligence solution (Own Elaboration)
178
5.2.4.3 Implementación de la plataforma de business intelligence
Luego, en la Figura N° 81, se acepta la licencia, teniendo en cuenta los parámetros de uso
179
Figura Nº 81: QlikView installation license (Own Elaboration)
a cabo la instalación de los paquetes de QlikView, elegir la opción SIGUIENTE para que proceda
con la instalación:
180
Figura Nº 83: Destination folder of the installation of QlikView (Own Elaboration)
Luego en la Figura N° 84, se le selecciona el tipo de instalación, que este caso será TÍPICA
Después, en la Figura N° 85, se muestra la carga de todos los componentes que posee
181
Figura Nº 85: Ready to start the installation of QlikView(Own Elaboration)
182
5.3 Etapa 3: Implementación de la plataforma Business Intelligence:
En la Figura N°87, se puede apreciar la conexión de Qlik con el datamart elaborado, creando
así su propio esquema, puesto que, la plataforma Qlik trabaja con tecnología en memoria que hace
Figura Nº 87: Conexión del Datamart con QlikView en el servidor local(Own Elaboration)
Para hacer la conexión con el datamart y extraer la información necesaria para los reportes
Conexión:
183
SQL SELECT * FROM SQL SELECT edad as edad_1,CASE WHEN
"Colegio_Datamart_Final".dbo.Bimestre; edad>=3 and edad<=5 THEN 'Inicial 3-5'
CASE WHEN Pais ='1' THEN 'Peru' CASE WHEN Estado_Matricula ='1' THEN
'En Proceso'
WHEN Pais ='2' THEN 'Ecuador'
WHEN Estado_Matricula ='2' THEN
WHEN Pais ='3' THEN 'Colombia' 'Pasante'
WHEN sexo =' ' THEN 'No registrado' end as WHEN "li_Estado_Matricula" ='R' THEN
Genero, 'Repitente'
184
SQL SELECT "Grado_Seccion", WHEN edad>=20 and edad<=24 THEN '20-
"id_Grado_Seccion" 24'
185
5.3.1.2 Hoja de Introducción
En la Figura N° 88, se muestra la hoja principal del proyecto, en la parte izquierda se encuentra
por el usuario. Cada módulo actúa como un canal de entrada digital para depurar código, iniciar y
visualizar procesos o para soporte en la toma de decisiones. Toda capacidad de análisis que muestra
la herramienta queda soportada por una base de datos que tiene la empresa, brindando Back-up, y
Recovery para recuperación de datos e información; esto cada semana para posibles contingencias.
186
5.3.1.3 Hoja del Producto e Impacto de la Educación
En la Figura N° 89, se muestra la hoja del Producto e Impacto de la Educación y dentro de ella
una serie de indicadores y gráficos tentativos para el control y monitoreo en el área de dirección
académica, entre los gráficos se aprecia las tendencias, concentraciones e evoluciones matrículas
en la institución durante los años, con ello las respectivas dimensiones permitirán ver el
187
5.3.1.4 Hoja de Aprovechamiento de Alumnos
en ella una serie de opciones que nos permitirá controlar y monitorear mediante gráficos los
alumnos aprobados por grado y en el tiempo, junto a ello ver la evolución y la tendencia del
188
5.3.1.5 Hoja de Matriculados a detalle de los Alumnos
Institución Educativa Corazón de Jesús, y dentro de ella una serie de opciones que nos permitirá
controlar y monitorear mediante gráficos los alumnos Matriculados por grado y en el tiempo, junto
a ello ver la evolución y la tendencia del comportamiento que tiene cada sección.
189
5.3.1.6 Hoja de Progreso escolar
En la Figura N° 92, se muestra la Hoja de Progreso escolar a detalle de los cursos que el alumno
lleva en su horario que la Institución Educativa brinda al inicio de año, en el dashboard se puede
seleccionar opciones que nos permitirá visualizar los gráficos para tener un análisis de los alumnos
en cada clase con diferentes profesores en el tiempo que son evaluados, permitiendo visualizar el
del 2017 en las instalaciones del I.E.P “Corazón de Jesús” de la Ciudad de Lima, distrito de Santa
190
Figura Nº 93: Capacitación QlikView & Sistema Local. (Own Elaboration)
notas) e interpretación de datos que brinda el sistema y la plataforma de soporte con respecto a la
toma de decisiones.
191
Finalmente, en la Figura N° 95 se realiza una breve introducción de algunos de los programas de
una comparación de las herramientas con el fin de seleccionar la que mejor cumpla con los
requerimientos para hacer una investigación más profunda en las áreas subyacentes.
192
Capitulo VI:
Resultados de la investigación
en el programa SPSS 22 para el análisis de la misma, para ello se utilizará los siguientes baremos:
193
Tabla Nº 65:
Factibilidad de la plataforma de Business Intelligence
P P P
ANTES F P P válido AHORA F P
cumulado válido acumulado
cuya apreciación de la calidad del sistema que tienen como soporte en la toma de decisiones antes
categorías Muy bueno o Excelente. Por otro lado, la apreciación del mismo grupo de docentes y
decreciente fue: 1) 77.3 % determinó muy bueno, 2) el 40.9 % determinó Excelente y 3) 22.7 %
valoró como Bueno. Acumulando los porcentajes podemos concluir que el 77.3% al menos
194
Tabla Nº 66:
Eficiencia de la plataforma de Business Intelligence
P P P P
ANTES F P AHORA F P
válido acumulado válido acumulado
Muy
4 18.2 18.2 18.2 Excelente 5 22.7 22.7 22.7
Bueno
Muy
Bueno 12 54.5 54.5 72.7 12 54.5 54.5 77.3
Válido Válido Bueno
Regular 5 22.7 22.7 95.5 Bueno 3 13.6 13.6 90.9
Malo 1 4.5 4.5 100.0 Regular 2 9.1 9.1 100.0
Total 22 100.0 100.0 Total 22 100.0 100.0
Fuente: Own Elaboration
encuestados cuya apreciación de la calidad del sistema que tienen como soporte en la toma de
es: 1) el 54.5% es Bueno, 2) el 22.5 % es Regular, y 3) el 18.2% es Muy Bueno. El 72.7 % de los
de información en las categorías Muy bueno o Excelente. Por otro lado, la apreciación del mismo
Intelligence, en orden decreciente fue: 1) 54.5 % determinó muy bueno, 2) el 22.7 % determinó
Excelente y 3) 13.6 % valoró como Bueno. Acumulando los porcentajes podemos concluir que el
Muy Bueno.
195
Tabla Nº 67:
Satisfacción de la plataforma de Business Intelligence
P P P P
ANTES F P AHORA F P
válido acumulado válido acumulado
Muy
2 9.1 9.1 9.1 Excelente 11 50.0 50.0 50.0
Bueno
Muy
Válido Bueno 9 40.9 40.9 50.0 Válido 8 36.4 36.4 86.4
Bueno
Regular 9 40.9 40.9 90.9 Bueno 3 13.6 13.6 100.0
Malo 2 9.1 9.1 100.0 Total 22 100.0 100.0
Fuente: Own Elaboration
cuya apreciación de la calidad del sistema que tienen como soporte en la toma de decisiones antes
es Bueno, 2) el 40.9% es Regular, 3) el 9.1% es Muy Bueno y 4) 9.1% es Malo. El 90.9% de los
del sistema de información es Regular. Igualmente, algunos encuestados determinaron que los
sistemas de información se encontraban en las categorías Muy bueno o Excelente. Por otro lado,
el 36.4 % determinó Muy Bueno y 3) 13.6 % valoró como Bueno. Acumulando los porcentajes
196
Tabla Nº 68:
Efectividad de la plataforma de Business Intelligence
cuya apreciación de la calidad del sistema que tienen como soporte en la toma de decisiones antes
en las categorías Muy bueno o Excelente. Por otro lado, la apreciación del mismo grupo de
4.5% valoró como Bueno. Acumulando los porcentajes podemos concluir que el 95.5% al menos
197
Tabla Nº 69:
Disponibilidad de la plataforma de Business Intelligence
Válido Regular 11 50.0 50.0 90.9 Válido Muy Bueno 8 36.4 36.4 100.0
cuya apreciación de la calidad del sistema que tienen como soporte en la toma de decisiones antes
en las categorías Muy bueno o Excelente. Por otro lado, la apreciación del mismo grupo de
en orden decreciente fue: 1) 63.6% determinó Excelente, y 2) el 36.4% determinó Muy Bueno.
Acumulando los porcentajes podemos concluir que el 63.6% al menos determinó que la
198
Tabla Nº 70:
Accesibilidad de la plataforma de Business Intelligence
cuya apreciación de la calidad del sistema que tienen como soporte en la toma de decisiones antes
en las categorías Muy bueno o Excelente. Por otro lado, la apreciación del mismo grupo de
en orden decreciente fue: 1) 59.1% determinó Muy Bueno, 2) el 36.4% determinó Excelente y 3)
4.5% valoró como Bueno. Acumulando los porcentajes podemos concluir que el 95.5% al menos
199
Tabla Nº 71:
Eficacia de la plataforma de Business Intelligence
cuya apreciación de la calidad del sistema que tienen como soporte en la toma de decisiones antes
en las categorías Muy bueno o Excelente. Por otro lado, la apreciación del mismo grupo de
en orden decreciente fue: 1) 50.0% determinó Muy Bueno, 2) el 40.9 % determinó Excelente y 3)
9.1% valoró como Bueno. Acumulando los porcentajes podemos concluir que el 90.9% al menos
200
Tabla Nº 72:
Desempeño de la plataforma de Business Intelligence
cuya apreciación de la calidad del sistema que tienen como soporte en la toma de decisiones antes
Excelente. Por otro lado, la apreciación del mismo grupo de docentes y directores, después de 1
determinó muy Excelente, 2) el 36.4% determinó Muy Bueno y 3) el 4.5 % valoró como Bueno.
Acumulando los porcentajes podemos concluir que el 95.5% al menos determinó que la
201
Tabla Nº 73:
Seguridad de la plataforma de Business Intelligence
P P P P
ANTES F P AHORA F P
válido acumulado válido acumulado
Muy
4 18.2 18.2 18.2 Excelente 10 45.5 45.5 45.5
Bueno
Muy
Bueno 8 36.4 36.4 54.5 11 50.0 50.0 95.5
Bueno
Válido Válido
Regular 8 36.4 36.4 90.9 Bueno 1 4.5 4.5 100.0
cuya apreciación de la calidad del sistema que tienen como soporte en la toma de decisiones antes
el 36.4% es Regular, 3) el 18.2% es Muy Bueno y 4) el 9.1% es Malo. El 90.9% de los docentes y
información en la categoría Excelente. Por otro lado, la apreciación del mismo grupo de docentes
decreciente fue: 1) 50.0% determinó muy bueno, 2) el 45.5% determinó Excelente y 3) 4.5 %
valoró como Bueno. Acumulando los porcentajes podemos concluir que el 95.5% al menos
202
Figura Nº 96: Porcentaje de satisfacción de la implementación de BI (Own Elaboration)
203
Conclusiones
entre múltiples opciones y realizar la elección más óptima. Realizando una descripción de la
situación actual mediante herramientas de análisis como Brainstorming (Tabla N° 8), diagrama
existente en la institución educativa, también se logró identificar los procesos y área más crítica,
con el fin de mejorar así la gestión de los indicadores académicos que el MINEDU promueve
(véase Anexo 3), actuando a su vez como soporte en la toma de decisiones y apoyo de los
objetivos del negocio, junto a ello, la necesidad de crear una plataforma de inteligencia de
negocios que permita realizar un análisis de la información que se genera en el área de dirección
académica para una mejor toma de decisiones en la institución, tomándolo como propuesta de
decisiones, que eran ocasionados por causas diferentes, siendo los que más predominan: la
destiempo (no disponible en tiempo real), esto siendo descubierto con el diagrama de
inteligencia de negocios.
204
3. Obtener reportes de consolidados de registros académicos, y seguimiento de los alumnos
4. Que la institución educativa cuente con una plataforma de business intelligence que ayude
determinó Muy Bueno y 13.6 % valoró como Bueno dando un valor total de
determinó Excelente y 9.1% valoró como Bueno dando un valor total de 90.9%
205
Recomendaciones
registros de los módulos para un correcto análisis de la información, y así obtener mejores
Qlikview y algunos temas relacionados con minería de datos para la gestión de pronósticos
4. El datamart elaborado tiene las dimensiones especificas obtenidas de los indicadores del
visualización de la información.
206
Bibliografía
[1] Ahumada-Tello et al., 2012 E. Ahumada-Tello, R.E. Zárate Cornejo, I. Plascencia López,
las pymes del sector de tecnologías de información en Baja California. Revista International
[4] Calzada, L. &, & Abreu, J. L. (2009). El impacto de las herramientas de inteligencia de
[5] Camargo Vega, Juan José & Joyanes Aguilar, L. &, & Giraldo Marín, L. M. (2016). La
https://doi.org/10.14483/udistrital.jour.RC.2016.24.a11
[6] Díaz, F., & Hernández, G. (2002). Estrategias docentes para un aprendizaje significativo.
[7] Erazo Pancho, J. A. (2015). Análisis, Diseño y Desarrollo del Datamart Formación Docentes
207
[9] Farhat, S. D. (2016). Qu㉠Es Una Teoria: C㠓Mo Se Desarrolla En El Enfoque
Sociales, (2016_01).
[10] Hernández, R., Fernández, C., & Baptista, P. (2003). Metodología de la investigación.
Ciudad de México.
EDITION-, 41-54.
[14] Karen, D. C. (2015). Sistema de información para la toma de decisiones. MacGraw Hill,
[17] Lourdes, M. (2006). Planeación estratégica, el rumbo hacia el éxito. Editorial TRILLAS.
[18] Matamala, C. Z., Díaz, D. R., Cuello, K. C., & Leiva, G. A. (2011). Análisis de rendimiento
academic performance using data warehouse and neural networks. Ingeniare: Revista
76).
208
[20] Mora García, L. A. (2007). Indicadores de la gestión logística: KPI “Los indicadores claves
[21] Moody, P. E. (1983). Decision making: Proven methods for better decisions. McGraw-Hill
Companies.
[22] Parco Iquiapaza, A. A., & Eguila Canales, A. (2007). Implementación de una herramienta
http://www.prediqtdata.com/5-clientes.html
[26] Quequejana, H., & Oscar, W. (2015). Implementación de una plataforma de Business
[27] Ranjan, J. (2009). Business intelligence: Concepts, components, techniques and benefits.
[28] Rojas Zaldívar, A. (2014). Implementación de un Data Mart como solución de inteligencia
ART.
209
[31] Sinnexus Business Intelligence Informatica Estrategica. (2007). Business
http://www.sinnexus.com/business_intelligence/piramide_negocio.aspx
[32] Stackowiak, R., Rayman, J., & Greenwald, R. (2007). Oracle data warehousing & business
[33] Solano, A. (2003). Toma de decisiones gerenciales. Tecnología En Marcha, 16(3), 44–51.
Retrieved from
http://site.ebrary.com/lib/bupeusp/docDetail.action?docID=10436512&p00=3.
[34] Tascón, M. (2013). Pasado, presente y futuro. Big Data, 95, 47.
[35] Tello, E. A., & Velasco, J. M. A. P. (2016). Inteligencia de negocios: estrategia para el
[36] Umanzor, C. (2011). ¿ Cómo enseñar a tomar decisiones acertadas. Procesos para la toma
http://www.businessintelligence.info/index.html
210
Anexos
Instrucciones:
De acuerdo a su experiencia educativa, evalué la ejecución del sistema de información con
respecto a los indicadores académicos del Colegio “Corazón de Jesús de Santa Clara”,
211
Datos de la calidad de información del
sistema de información
Evaluador: __
Puesto: _________________________________________________
La información que nos proporcione será indispensable para evaluar la calidad y medir
el impacto alcanzado.
1. ¿La plataforma implementada en el área de dirección académica cumple con los objetivos
planteados?
4. ¿Identificas deficiencias en alguno de los servicios del sistema y los consolidados físicos
de tu trabajo? (Reportes no congruentes en la información digital con los físicos),
FECHA:
212
5. ¿La requisición de equipos, mobiliario y alguna otra herramienta para tu trabajo se entregó en tiempo
y forma?
7. ¿La información que genera y presenta Sistemas sobre tu área es clara, precisa, comprobable?
Del sistema
COMENTARIOS GENERALES:
QUEJAS:
SERVICIO NO CONFORME:
213
Anexo 2:Plantilla del metadata.
214
Anexo 4: Matriz de consistencia.
215
Anexo 5: Cronograma de actividades
216
Anexo 6:Carta de Presentación
217
Anexo 7: Carta de felicitaciones por capacitación y entrenamiento
218
Anexo 8: Evidencia de Capacitación a Directores y entrega de Manual
219
Anexo 9: Carta de Satisfacción al Usuario.
220
Anexo 10: Evidencia de Capacitación a Docentes de la institución.
221
Anexo 11: Acta de Conformidad del Proyecto.
222
Anexo 12: Manual de Usuario de AcaSys (Sistema de registros académicos).
223
Índice
224
5.3. Ingresar Usuario ................................................................................................ 256
225
Índice de Ilustraciones
Ilustración 12: Cambia los datos deseados y hacer clic sobre el botón Modificar......... 236
226
Ilustración 25: Buscar alumnos.......................................................................................... 241
Ilustración 30: Muestra de los datos en la Base de datos transaccional. .................................. 243
227
Ilustración 50: Formulario de grado y sección. .................................................................... 256
228
Índice de Tablas
229
1. Objetivos De La Aplicación
En este módulo se ingresa las materias y grados donde los profesores van a enseñar.
1.2.Módulo de Matricula:
2. Programación Académica
230
Fuente: Elaboración Propia:
Ilustración 2: Diagrama de Módulos
2.1.Ingreso
231
¡Importante!
Esta aplicación ha sido desarrollada para trabajar bajo ambiente Windows, por lo cual los
usuarios sistema deben estar familiarizados con este ambiente de trabajo y conocer aspectos
básicos como:
2.2.Ingreso - Login
232
Menú Principal del Sistema El menú del sistema presenta 11 opciones que ayudaran a
No existe el profesor para registrar o Modificar al Profesor se Siguen estos PasosHacer clic
en el botón Registrar Persona. Seleccionar el botón Ingresar.
233
Rellenar los datos y seleccionar el botón Registrar.
Seleccionar una fila de la tabla, hacer clic en el botón izquierdo del mouse y seleccionar la
opción Modificar.
234
2.3.Registrar Materia
Para Modificar una Materia seleccionar una fila de la tabla, hacer clic en el botón izquierdo
del mouse y seleccionar Modificar. Si se quiere Activar o Desactivar materia seleccionar los
cursos respectivos.
235
Fuente: Elaboración Propia.
Ilustración 12: Cambia los datos deseados y hacer clic sobre el botón Modificar
a continuación hacer clic sobre el botón Asignar. En caso ya este asignado el sistema lo
236
2.5. Registrar o Modificar Calificación
El paso siguiente se Registrar las calificaciones de la materia y grado, en caso que existe
modificarlos según criterio a calificar. Para hacer estos pasos hacer clic en Registrar
correspondientes.
237
Para Registrar Calificación, una vez seleccionado Grado y Materia rellenar los datos de la
sección Registrar o Modificar Calificación y hacer clic sobre el botón Registrar. Si se quiere
limpiar los recuadros hacer clic sobre el botón Limpiar Para modificar, Activar o Desactivar
la calificación seleccionar una fila (en caso de Activar y Desactivar puedes seleccionar más
de una fila), hacer clic en el botón izquierdo del mouse y seleccionar la opción correspondiente.
Modificar Calificación, lo cual se cambia y se termina al hacer clic sobre el botón Modificar.
238
Para esta operación hacer clic en Asignar Profesor en el Menú Principal y seguir estos
pasos.
de la tabla tiene un filtro por año para la lista. Para registrar una nueva asignación hacer clic
239
Seleccionar un Profesor, rellenar los datos correspondientes y Hacer clic en el botón
Registrar.
Para Eliminar una Asignación se debe seleccionar una fila de la tabla y hacer clic en el botón
izquierdo del mouse y seleccionar eliminar (la asignación solo se eliminará si la asignación no
240
3. Proceso de Matricula
3.1.REGISTRAR DE ALUMNO
Buscar Alumno
241
Si quieres buscar un alumno ingresado ir al sector de buscar alumno y rellenar más de uno
Cod Alumno Ingresar el código del Alumno (No permite ingresar letras)
Nombres y Apellidos Ingresar nombres y apellidos del alumno
Dni Ingresar el DNI(No permite ingresar letras)
Buscar Hacer clic en el botón izquierdo del mouse sobre el comando
para confirmar con la operación
Fuente: Elaboración Propia:
Tabla Nº 2: Asignando materia a grado.
Para registrar alumnos de forma manual se rellena los datos en la sección de registrar alumno
y hacer clic en el botón registrar. Si quiere borrar todos los datos ingresados hacer clic en el
botón Limpiar.
242
Hacer click en botón Importar Alumno.
243
Una vez cargado la lista hacer clic sobre el botón Ingresar y al lado derecho se mostrará los
alumnos insertados (No se permitirá ingresar alumnos con mismo código de alumno o DNI).
Modificar Alumno
Seleccionando una fila de la tabla hacer clic en el botón derecho del mouse y seleccionar
Modificar.
244
Modificar los datos y hacer clic en botón Modificar. En caso de cancelar la operación hacer
clic en Limpiar
La opción de Exportar Alumno Exporta los datos que están en la tabla, la opción de Listar
3.2.MATRICULAR ALUMNO
245
Seleccionar Alumno Hacer clic en el botón izquierdo de mouse sobre el comando
para abrir la ventana de Seleccionar Alumno
Alumno En este espacio se muestra datos básicos del alumno
seleccionado.
Tipo Matricula Hacer clic sobre el botón derecho del mouse sobre el
comando y seleccionar un tipo de Matricula.
Grado Sección Hacer clic en el botón izquierdo del mouse sobre el comando
y seleccionar un grado y sección (Automáticamente se listara las
matriculas con ese filtro de grado).
Año Hacer clic en el botón izquierdo del mouse sobre el comando
y seleccionar un año (Automáticamente se listara las matriculas
de ese año).
Trabaja? Hacer clic en el botón izquierdo del mouse sobre el comando
y seleccionar un estado Si/No de acuerdo a la selección se
habilitara el siguiente comando.
Nro Horas Semanales Solo si está habilitado se puede modificar hacer clic en el
botón izquierdo del mouse sobre el comando y modificar el
numero o hacer clic sobre las flechas del comando para
modificar el número.
Matricular Hacer clic en el botón izquierdo del mouse sobre el comando
para Matricular al alumno (Solo Matriculara si están rellenados
los demás datos a excepción de Nro Horas Sem).
246
Fuente: Elaboración Propia:
Ilustración 35: Selección del alumno.
247
Una vez seleccionado el Alumno rellenar los datos y hacer clic en Matricular
acer clic en el botón derecho del mouse sobre la tabla y seleccionar Modificar
(Automáticamente se rellenarán los datos de Matricula). Modificar los datos y hacer clic sobre
el botón Modificar.
248
Modificar los datos modificables y hacer clic sobre el botón Modificar. Para cancelar la
operación hacer clic en el botón Limpiar.
4. Registro Notas
En este módulo se hace clic sobre el botón de Registrar Notas y seguir los siguientes pasos:
249
Año Hacer clic sobre el botón izquierdo sobre el comando y
seleccionar Año.
Grado Sección Hacer clic sobre el botón izquierdo sobre el comando y
seleccionar Grado Sección.
Seleccionar Alumno Hacer clic sobre el botón izquierdo sobre el comando
para abrir la ventana de Seleccionar Alumno.
Limpiar Si se quiere Limpiar el Alumno seleccionado hacer clic
sobre el botón izquierdo sobre el comando.
Materia Una vez seleccionado el Alumno Matriculado se listará
las materias en el comando. Hacer clic sobre el botón
izquierdo sobre el comando y seleccionar Materia.
Buscar Notas Una vez seleccionado la Materia hacer clic sobre el botón
izquierdo sobre el comando para listar las calificaciones y
notas del Alumno.
Tabla de Notas En la Tabla se listará las Calificaciones y Notas de la
Materia Seleccionada. Para Modificar las notas se hace clic
sobre el campo y se modifica.
Modificar Una vez Modificado las Notas hacer clic sobre el botón
izquierdo sobre el comando para modificar las notas del
Alumno.
Atras Para Cancelar la operación y volver al Menú Principal
hacer clic en el botón izquierdo del mouse sobre el comando
.
Fuente: Elaboración Propia:
Tabla Nº 5: Asignando materia a grado.
4.1.Seleccionar Alumnos
ventana anterior.
250
Nombres y Apellidos Ingresar el Nombre y Apellido (No permite ingresar
números).
Cod Alumno Ingresar el DNI (No permite ingresar letras).
Dni Ingresar el Código Alumno (No permite ingresar números).
Buscar Hacer clic sobre el comando para hacer un filtro con las
casillas rellenadas.
Enviar Envía el Alumno Ingresado para Registrar Notas (Es
necesario seleccionar una fila de la tabla).
ATRAS Hacer clic sobre el comando para cancelar la operación de
Seleccionar un alumno.
Fuente: Elaboración Propia:
Tabla Nº 6: Ítems de las Opciones Grado y sección.
251
4.3.Modificar Notas
Hacer doble clic sobre el boton izquierdo del mouse sobre la columna de Nota y Nota en
Letra para modificar sobre la misma tabla una vez modificado hacer clic en el boton izquierdo
na vez registrado las notas hacer clic en Aceptar para terminar la operación de Registro de
Notas. Una vez Registrado las Notas para volver al Menu Proncipal hacer clic en el boton
izquierdo del mouse sobre el comando Atrás.
252
5. Modulo Complementario
En este módulo están todas las implementaciones que no son necesarias para los procesos
Para registrar grado y sección hacer clic en el botón de Registrar Grado y Sección en el
Menú Principal.
Registrar Sección Hacer clic en el botón izquierdo del mouse sobre el comando
para abrir la ventana de Registrar Sección.
Tabla Sección Se lista todas las secciones que hay. Para Modificar,
Activar, Desactivar una sección selecciona una fila de la tabla
y hacer clic en el botón derecho del mouse y seleccionar
Modificar.
Registrar Grado Hacer clic en el botón izquierdo del mouse sobre el comando
Sección para abrir la ventana de Registrar Grado Sección.
Tabla Grado Sección Se lista todos los grados con sus secciones que existen. Para
Modificar un grado selecciona una fila de la tabla y hacer clic
en el botón derecho del mouse y seleccionar Modificar.
ATRAS Para terminar y volver al menú principal hacer clic sobre el
botón izquierdo del mouse sobre el comando
Fuente: Elaboración Propia:
Tabla Nº 7: Ítems de la opción grado y sección.
253
Al hacer clic sobre el comando Registrar Sección. Rellenar la Sección, seleccionar el estado
y hacer clic en el botón Registrar.
254
5.2.Registrar Grado Sección
Al hacer clic sobre el comando Registrar Grado Sección. Rellenar los datos y hacer clic
sobre el comando Registrar. Para cancelar la operación hacer clic sobre el comando Cancelar.
255
Al hacer anti-clic sobre la tabla Grado Sección. Modificar los datos rellenados y hacer clic
sobre el comando Modificar para completar la operación. Para cancelar la operación hacer clic
sobre el comando Cancelar.
Al hacer anti-clic sobre la tabla Grado Sección se muestra la opción Modificar. Para volver
5.3.Ingresar Usuario
Para ingresar a esta implementación se debe hacer clic en el botón Ingresar Usuario en el
Menú Principal
256
Fuente: Elaboración Propia
Ilustración 51: Registro de usuarios.
257
5.4.Registrar Usuario
258
Modificar Usuario En la ventana de modificar se muestra el mismo modelo que la ventana
de Registrar Usuario, con la diferencia de que esta rellenado. Hacer los Cambios
5.5.Periodo
259
Sección Ingresar (Periodo) Sección donde está el formulario de registrar y
Modificar Periodo
Periodo Ingresar Periodo (Solo acepta números).
Ingresar (Periodo) Hacer clic sobre el comando para ingresar el nuevo
Periodo.
Limpiar (Periodo) Hacer clic sobre el comando para Limpiar el la
sección Ingresar de Periodo.
Sección Ingresar (Bimestre) Sección donde está el formulario de registrar y
Modificar Bimestre
Bimestre Ingresar Bimestre
Ingresar (Bimestre) Hacer clic sobre el comando para ingresar el nuevo
Bimestre.
Limpiar (Bimestre) Hacer clic sobre el comando para Limpiar el la
sección Ingresar de Bimestre.
Tabla Periodos Hacer anti-clic sobre la tabla periodos para Eliminar
y Modificar.
Tabla Bimestre Hacer anti-clic sobre la tabla Bimestre para Eliminar
y Modificar
Tabla Año Bimestre Hacer anti-clic sobre la tabla periodos para Eliminar.
Fuente: Elaboración Propia:
Tabla Nº 10: Ítems del Formulario Registro periodo.
260