Modelo de Datamart para el sistema de planeación …148.204.210.201/tesis/1488567701551JAIMESANTANAZ.pdf2017-03-03 · Modelo de Datamart para el sistema de planeación docente en

INSTITUTO POLITÉCNICO NACIONAL

UNIDAD PROFESIONAL INTERDISCIPLINARIA DE

INGENIERÍA Y CIENCIAS SOCIALES Y

ADMINISTRATIVAS

Sección de Estudios de Posgrado e Investigación

“Modelo de Data Mart para el Sistema de Planeación Docente

en la Unidad Interdisciplinaria de Ingeniería y Ciencias

Sociales y Administrativas (UPIICSA) del Instituto

Politécnico Nacional”

T E S I S

Q U E P A R A O B T E N E R E L G R A D O D E :

MAESTRO EN CIENCIAS DE LA INFORMÁTICA

P R E S E N T A :

L I C . J A I M E S A N T A N A Z A L D I V A R

Director de Tesis:

Dr. Eric Manuel Rosales Peña Alfaro

2017

2

3

CARTA CESIÓN DE DERECHOS

En la Ciudad de México, D.F. el día 20 del mes de Diciembre del año 2016, el que suscribe

Jaime Santana Zaldivar alumno del Programa de Maestría en Informática, con número de

registro B121270, adscrito a la Sección de Estudios de Posgrado e Investigación de la

Unidad Profesional Interdisciplinaria de Ingeniería y Ciencias Sociales y Administrativas,

manifiesta que es el autor intelectual del presente trabajo de Tesis bajo la dirección del Dr.

Eric Manuel Rosales Peña Alfaro y cede los derechos del trabajo titulado “Modelo de Data

Mart para el Sistema de Planeación Docente en la Unidad Interdisciplinaria de Ingeniería

y Ciencias Sociales y Administrativas (UPIICSA) del Instituto Politécnico Nacional”, al

Instituto Politécnico Nacional para su difusión, con fines académicos y de investigación.

Los usuarios de la información no deben reproducir el contenido textual, gráficas o datos

del trabajo sin el permiso expreso del autor y director del trabajo. Este puede ser obtenido

escribiendo a la siguiente dirección [email protected]. Si el permiso se otorga,

el usuario deberá dar el agradecimiento correspondiente y citar la fuente del mismo.

Jaime Santana Zaldivar

Nombre y firma del alumno

INSTITUTO POLITÉCNICO NACIONAL

SECRETARÍA DE INVESTIGACIÓN Y POSGRADO

mailto:[email protected]

4

DEDICATORIA

Esta obra está dedicada a mi esposa amada Anabell y a mis tres hijos que junto con Dios son el centro de mi universo.

5

AGRADECIMIENTO

Le agradezco a mi esposa Anabell por su compañía y amor, así como su apoyo todo el tiempo de mi vida.

Al Doctor Eric Rosales por todo su tiempo, sus consejos y el compartir sus conocimientos a lo largo de la maestría y de la realización de este documento.

A mis padres por darme las bases y la confianza necesaria para cumplir con mis metas y retos, buscar siempre seguir adelante y perseguir mis sueños.

Principalmente le agradezco a Dios por permitirme realizar mis sueños y metas, que me bendice a mí y a mi familia todos los días de mi vida y que me ha

acompañado todo el tiempo en esta gran aventura.

6

ÍNDICE GENERAL DEDICATORIA ...................................................................................................................................... 4

AGRADECIMIENTO .............................................................................................................................. 5

ÍNDICE DE ILUSTRACIONES .................................................................................................................. 9

ÍNDICE DE TABLAS ............................................................................................................................. 13

RESUMEN .......................................................................................................................................... 14

ABSTRACT .......................................................................................................................................... 15

INTRODUCCIÓN ................................................................................................................................. 16

Hipótesis ........................................................................................................................................ 17

Hipótesis General ...................................................................................................................... 17

Hipótesis Particulares ................................................................................................................ 17

Objetivo ......................................................................................................................................... 17

Objetivo General ....................................................................................................................... 17

Objetivos Particulares ............................................................................................................... 17

1 Data Mart para el Sistema de Planeación Académico-Administrativa. .................................... 19

1.1 Introducción ...................................................................................................................... 19

1.2 Planeación Académica. ..................................................................................................... 19

1.3 Planeación Académica en México. .................................................................................... 19

1.3.1 Planeación Académica en la Facultad de Administración y Contaduría de la

Universidad Nacional Autónoma de México (FAC) ................................................................... 20

1.3.2 Planeación Académica en la Unidad Profesional Interdisciplinaria de Biotecnología

UPIBI 26

1.3.2.1 ¿Qué se hace? ....................................................................................................... 26

1.3.2.2 Organización de los horarios ................................................................................. 26

1.3.2.3 Evaluación Docente ............................................................................................... 30

1.3.3 Planeación Académica en la Unidad Profesional Interdisciplinaria de Ingeniería y

Ciencias Sociales y Administrativas UPIICSA. ............................................................................ 32

1.3.3.1 ¿Qué se hace? ....................................................................................................... 32

1.3.3.2 Problemas .............................................................................................................. 32

1.3.3.3 Coordinación de Horarios...................................................................................... 33

2 Planeación Académico-Administrativa. .................................................................................... 36

2.1 Introducción ...................................................................................................................... 36

7

2.2 Planeación Académico Administrativa. ............................................................................. 36

2.2.1 Panorama Nacional ................................................................................................... 38

2.2.2 Problemática Nacional .............................................................................................. 38

2.2.3 Puntos a mejorar ....................................................................................................... 40

2.3 Buenas Prácticas Administrativas ..................................................................................... 41

3 Inteligencia de Negocios y sus herramientas. ........................................................................... 43

3.1 Introducción ...................................................................................................................... 43

3.2 Inteligencia Artificial. ......................................................................................................... 43

3.3 Inteligencia de Negocio. .................................................................................................... 45

3.4 Herramientas de Inteligencia de Negocios. ...................................................................... 46

3.4.1 Data Warehouse. ....................................................................................................... 46

3.4.2 Data Mart. ................................................................................................................. 48

3.4.3 Cubos OLAP. .............................................................................................................. 49

3.4.4 Minería de Datos ....................................................................................................... 51

3.4.5 Metodología de Minería de Datos CRISP .................................................................. 53

3.4.5.1 Definición. ............................................................................................................. 53

3.4.5.2 Niveles de Metodología CRISP .............................................................................. 55

3.4.5.3 Fase 1 – Comprensión del negocio ........................................................................ 56

3.4.5.4 Fase 2 – Fase de comprensión de los datos .......................................................... 57

3.4.5.5 Fase 3- Preparación de los Datos .......................................................................... 58

3.4.5.6 Fase 4 – Modelado ................................................................................................ 59

3.4.5.7 Fase 5 – Evaluación ............................................................................................... 60

3.4.5.8 Fase 6– Implementación ....................................................................................... 61

3.5 Metodología de la Inteligencia de Negocios ..................................................................... 62

3.5.1 Metodología .............................................................................................................. 62

3.5.1.1 Fase 1. Determinación de Requerimientos ........................................................... 63

3.5.1.2 Fase 2. Estrategia de Proyecto .............................................................................. 65

3.5.1.3 Fase 3. Planificación del Proyecto ......................................................................... 66

3.5.1.4 Fase 4. Selección de la Tecnología ........................................................................ 66

3.5.1.5 Fase 5. Diseño del Sistema de Información .......................................................... 66

3.5.1.6 Fase 6.- Elaboración del Sistema de Información ................................................. 67

3.5.1.7 Fase 7.- Planificación de la Implantación .............................................................. 67

8

3.5.1.8 Fase 8. Implantación Piloto ................................................................................... 67

3.5.1.9 Fase 9. Formación ................................................................................................. 67

3.5.1.10 Fase 10. Puesta en Marcha del Sistema ............................................................ 68

4 Construcción del Data Mart ...................................................................................................... 69

4.1 Definición del Proyecto ..................................................................................................... 69

4.1.1 Nombre del Proyecto ................................................................................................ 69

4.1.2 Objetivo General ....................................................................................................... 69

4.1.3 Objetivos Particulares ............................................................................................... 69

4.2 Análisis del Negocio........................................................................................................... 69

4.2.1 Comprensión de los datos ......................................................................................... 70

4.3 Diseño de Consultas Empresariales. ................................................................................. 72

4.4 Diseño de Data Mart. ........................................................................................................ 75

4.4.1 Preparación, extracción y carga de los datos. ........................................................... 75

4.5 Modelado del Data Mart ................................................................................................... 82

4.5.1 Modelo Lógico ........................................................................................................... 82

4.5.2 Modelo Físico ............................................................................................................ 89

4.6 Mediciones de optimización del proceso por el Data Mart. ........................................... 101

4.7 Implementación del Data Mart ....................................................................................... 118

4.8 Conclusiones de la Práctica ............................................................................................. 118

CONCLUSIONES ............................................................................................................................... 119

TRABAJOS FUTUROS ........................................................................................................................ 121

ANEXOS ........................................................................................................................................... 122

Anexo A. Contenido de la página web principal de la Facultad de Contaduría y administración de

la U.N.A.M. .................................................................................................................................. 122

Anexo B. Contenido de la página web principal de la Unidad Profesional Interdisciplinaria de

Biotecnología UPIBI ..................................................................................................................... 125

Anexo C. Contenido de la página web de la Unidad Interdisciplinaria de Ingeniería y Ciencias

Sociales y Administrativas UPIICSA. ............................................................................................ 128

Anexo D. Entrevista con el Coordinador de Horarios en la Unidad Interdisciplinaria de Ingeniería

y Ciencias Sociales y Administrativas UPIICSA ............................................................................ 130

Anexo E. Proceso de importación de hojas de Excel a Tablas de SQL Server. ............................ 132

BIBLIOGRAFÍA .................................................................................................................................. 137

9

ÍNDICE DE ILUSTRACIONES Ilustración 1. Esquema actual del intercambio de datos entre la Facultad de Contaduría y Administración y la

Dirección General de la UNAM. ........................................................................................................................ 22

Ilustración 2. Esquema de las áreas y los procesos a gestionar por el sistema SIGAD dentro de la Facultad de

Contaduría y Administración de la UNAM. ....................................................................................................... 23

Ilustración 3. Esquema de las áreas y los procesos a gestionar por el sistema SIGAD dentro de la Facultad de

Contaduría y Administración de la UNAM con los procesos resaltados en color naranja ya analizados y

construidos. ...................................................................................................................................................... 24

Ilustración 4. Esquema de Arquitectura de integración del sistema SIGAD con la base de datos central y

demás servicios de la Dirección General de la UNAM. ..................................................................................... 25

Ilustración 5. Ciclo de vida de la metodología CRISP. ....................................................................................... 54

Ilustración 6. Niveles de abstracción de la Metología CRISP. ........................................................................... 55

Ilustración 7. Esquema de la primera fase de la metodología CRISP: “Comprensión del Negocio”. ................ 56

Ilustración 8. Esquema de la segunda fase de la metodología CRISP: “Comprensión de los datos”. ............... 57

Ilustración 9. Esquema de la tercera fase de la metodología CRISP: “Preparación de los datos”. ................... 58

Ilustración 10. Esquema de la cuarta fase de la metodología CRISP: “Modelado”. ......................................... 59

Ilustración 11. Esquema de la quinta fase de la metodología CRISP: “Evaluación”. ........................................ 60

Ilustración 12. Esquema de la sexta fase de la metodología CRISP: “Implantación”. ...................................... 61

Ilustración 13. Esquema de elementos que conforman el mundo de Business Intelligence. ............................ 63

Ilustración 14. Primera fase de la Metodología de Business Intelligence. ........................................................ 65

Ilustración 15. Fases de la Metodología de Business Intelligence. ................................................................... 68

Ilustración 16. Datos originales para la práctica de Data Mart en Excel.......................................................... 71

Ilustración 17. Tabla de Materias en Excel. ...................................................................................................... 75

Ilustración 18. Tabla de Profesores en Excel. .................................................................................................... 76

Ilustración 19. Tabla de Edificios en Excel. ....................................................................................................... 76

Ilustración 20. Tabla de Secuencias y asignaciones de grupos en Excel. .......................................................... 77

Ilustración 21. Pantalla de SQL Server. ............................................................................................................. 77

Ilustración 22. Pantalla de SQL Server para creación de nuevas bases de datos. ............................................ 78

Ilustración 23. Ventana de SQL Server propiedades de bases de datos “HorariosDB”. .................................... 78

Ilustración 24. Ventana de SQL Server propiedades de bases de datos “HorariosDW”. .................................. 79

Ilustración 25. Pantalla de SQL Server enlistando las nuevas base de datos creadas: HorariosDB y

HorariosDW. ..................................................................................................................................................... 79

Ilustración 26. Pantalla de SQL Server con la opción para importar datos a la base. ...................................... 80

Ilustración 27. Ventana de SQL Server del Asistente para importación/exportación con Servicios de

transformación de datos. ................................................................................................................................. 80

Ilustración 28. Pantalla de SQL Server visualizando las nuevas tablas creadas. .............................................. 81

Ilustración 29. Pantalla de SQL Server visualizando la tabla de Plan072014_1. .............................................. 81

Ilustración 30. Diseño de ejes para la pregunta número uno. .......................................................................... 82

Ilustración 31. Diseño de ejes para la segunda pregunta. ................................................................................ 83

Ilustración 32. Diseño de ejes para la tercera pregunta. .................................................................................. 84

Ilustración 33. Diseño de ejes para la cuatro pregunta. ................................................................................... 85

10

Ilustración 34. Diseño de ejes para la quinta pregunta. ................................................................................... 86

Ilustración 35. Diseño de ejes para la sexta pregunta. ..................................................................................... 87

Ilustración 36. Ilustración 35. Diseño de ejes para la séptima pregunta. ......................................................... 88

Ilustración 37. Diagrama de Entidad Relación del Data Mart .......................................................................... 88

Ilustración 38. Pantalla principal de Mind Designer. ........................................................................................ 89

Ilustración 39. Pantalla principal de Mind Designer, creación de un nuevo cubo. ........................................... 90

Ilustración 40. Pantalla principal de Mind Designer, configuración de conexiones a DBMS. ........................... 90

Ilustración 41. Ventana de Mind Designer, configuración de conexiones a DBMS. ......................................... 91

Ilustración 42. Ventana de Mind Designer, configuración de conexiones a DBMS, creando una nueva

conexión. .......................................................................................................................................................... 91

Ilustración 43. Ventana de Mind Designer, configuración de conexiones a DBMS, creando una nueva conexión

a la base de datos de SQL Server “HorariosDB”. .............................................................................................. 92

Ilustración 44. Ventana de Mind Designer, configuración de conexiones a DBMS, creando una nueva conexión

a la base de datos de SQL Server “HorariosDW”. ............................................................................................. 92

Ilustración 45. Pantalla principal de Mind Designer, menú Cubo, se selecciona la opción de Ver Estructura de

Base de Datos. .................................................................................................................................................. 93

Ilustración 46. Ventana de Mind Designer “Estructura de la Base de Datos”. ................................................. 93

Ilustración 47. Ventana de Mind Designer “Estructura de la Base de Datos”, al momento de seleccionar la

base de datos “HorariosDB” aparece la lista de tablas que la conforman. ...................................................... 94

Ilustración 48. Pantalla principal de Mind Designer visualizando las tablas que componen la base de datos

“HorariosDB”. ................................................................................................................................................... 94

Ilustración 49. Pantalla principal de Mind Designer, menú Cubo, opción Agregar Join. .................................. 95

Ilustración 50. Pantalla principal de Mind Designer, diseño de relaciones con las tablas de la base de datos

“HorariosDB”. ................................................................................................................................................... 95

Ilustración 51. Pantalla principal de Mind Designer, asignación de dimensiones para los ejes del cubo a crear.

.......................................................................................................................................................................... 96

Ilustración 52. Pantalla principal de Mind Designer, diseño de relaciones con las tablas de la base de datos

“HorariosDB” con ejes creados para los cubos. ................................................................................................ 96

Ilustración 53. Pantalla principal de Mind Designer, menú Cubo, opción Editar vistas del cubo. .................... 97

Ilustración 54. Ventana de Mind Designer Horarios con los ejes armados para el cubo. ................................. 98

Ilustración 55. Pantalla principal de Mind Designer, menú Cubo, opción Editar vistas del cubo. .................... 98

Ilustración 56. Ventana de Mind Designer Editar Modelo donde asignamos los datos de la base de datos

origen y la base de datos destino. .................................................................................................................... 99

Ilustración 57. Pantalla principal de Mind Designer, botón Generar las tablas del cubo en una base de datos.

.......................................................................................................................................................................... 99

Ilustración 58. Ventana de Mind Designer llamada Tablas del cubo: Horarios para generar los cubos

necesarios para el Data Mart dentro de la base de datos “HorariosDW”. ..................................................... 100

Ilustración 59. Pantalla principal de Mind Designer, botón de Guardar cambios. ......................................... 100

Ilustración 60. Pantalla principal de Mind Reader.......................................................................................... 101

Ilustración 61. Pantalla principal de Mind Reader. Visualizando la dimensión del RFC. ................................ 101

Ilustración 62. Pantalla principal de Mind Reader. Visualizando la dimensión del EDIFICIO. ........................ 102

11

Ilustración 63. Pantalla principal de Mind Reader. Visualizando la dimensión de la SECUENCIA. ................. 102

Ilustración 64. Pantalla principal de Mind Reader. Visualizando la dimensión de la DESCRIPCION. .............. 103

Ilustración 65. Pantalla principal de Mind Reader. Visualizando la dimensión de NOMBRE_MATERIA ........ 103

Ilustración 66. Pantalla principal de Mind Reader. Visualizando la dimensión de ACADEMIA....................... 104

Ilustración 67. Pantalla principal de Mind Reader. Visualizando la dimensión de NOMBRE_PROFESOR. ..... 104

Ilustración 68. Pantalla principal de Mind Reader. Visualizando la dimensión de NOMBRE_PROFESOR. ..... 105

Ilustración 69. Cuadro de diálogo de Mind Reader para configurar filtros. ................................................... 105

Ilustración 70. Pantalla principal de Mind Reader. Visualizando respuesta de las materias con mayor

capacidad y mayor cantidad de inscritos. ...................................................................................................... 106

Ilustración 71. Pantalla principal de Mind Reader. Visualizando respuesta de las materias con mayor

capacidad y mayor cantidad de inscritos con mayor detalle. ......................................................................... 107

Ilustración 72. Pantalla principal de Mind Reader. Visualizando respuesta de las materias que se imparten en

la academia CIENCIAS BASICAS DE DE LA INGENIERÍA en los edificios con clave CI y la cantidad de alumnos

inscritos. ......................................................................................................................................................... 107

Ilustración 73. Pantalla principal de Mind Reader. Barra de herramientas. .................................................. 108

Ilustración 74. Pantalla principal de Mind Reader. Visualizando grafica de pie del porcentaje de alumnos

inscritos dentro de los edificios de CI. ............................................................................................................. 108

Ilustración 75. Pantalla principal de Mind Reader. Visualizando grafica de barras del porcentaje de alumnos

inscritos dentro de los edificios de CI. ............................................................................................................. 109

Ilustración 76. Pantalla principal de Mind Reader. Visualizando reporte agrupado. ..................................... 110

Ilustración 77. Pantalla principal de Mind Reader. Visualizando reporte con los edificios con capacidad mayor

a mil personas. ............................................................................................................................................... 110

Ilustración 78. Pantalla principal de Mind Reader. Visualizando grafica de pie con los edificios con capacidad

mayor a mil personas. .................................................................................................................................... 111

Ilustración 79. Pantalla principal de Mind Reader. Visualizando grafica de barras con la cantidad de inscritos

para los edificios con capacidad mayor a mil personas. ................................................................................ 111

Ilustración 80. Pantalla principal de Mind Reader. Visualizando grafica de barras tridimensional con la

cantidad de inscritos para los edificios con capacidad mayor a mil personas. .............................................. 112

Ilustración 81. Pantalla principal de Mind Reader. Visualizando grafica de barras con la cantidad de inscritos

para los edificios agrupados por claves con capacidad mayor a mil personas. ............................................. 112

Ilustración 82. Pantalla principal de Mind Reader. Visualizando reporte de los edificios agrupados por su

clave. .............................................................................................................................................................. 113

Ilustración 83. Pantalla principal de Mind Reader. Visualizando reporte de la materia CALCULO DIFERENCIAL,

los maestros que la imparten y el número de alumnos inscritos. ................................................................... 113

Ilustración 84. Pantalla principal de Mind Reader. Visualizando grafica de pie de la materia CALCULO

DIFERENCIAL, los maestros que la imparten y el número de alumnos inscritos. ............................................ 114

Ilustración 85. Pantalla principal de Mind Reader. Visualizando grafica de barras de la materia CALCULO

DIFERENCIAL, los maestros que la imparten y el número de alumnos inscritos. ............................................ 114

Ilustración 86. Pantalla principal de Mind Reader. Visualizando grafica de barras tridimensional de la materia

CALCULO DIFERENCIAL, los maestros que la imparten y el número de alumnos inscritos. ............................ 115

12

Ilustración 87. Pantalla principal de Mind Reader. Visualizando reporte agrupado por SECUENCIA, MATERIA y

NOMBRE_PROFESOR. ..................................................................................................................................... 115

Ilustración 88. Pantalla principal de Mind Reader. Visualizando reporte de las materias asignadas para el

Profesor AUMADA VARGAS JOEL y los alumnos inscritos. .............................................................................. 116

Ilustración 89. Pantalla principal de Mind Reader. Visualizando grafica de pie de las materias asignadas para

el Profesor AUMADA VARGAS JOEL, edificios asignados y los alumnos inscritos. .......................................... 116

Ilustración 90. Pantalla principal de Mind Reader. Visualizando grafica de barras comparando los alumnos

asignados contra la capacidad de los edificios asignados. ............................................................................. 117

Ilustración 91. Pantalla principal de Mind Reader. Visualizando reporte agrupado por NOMBRE_PROFESOR,

RFC, MATERIA, NOMBRE_MATERIA, ACADEMIA, EDIFICIO y SECUENCIA. ..................................................... 117

Ilustración 92. Portal del Profesor de la Facultad de Contaduría y Administración de la UNAM. .................. 122

Ilustración 93. Portal UPIBI. ............................................................................................................................ 125

Ilustración 94. Portal UPIICSA. ........................................................................................................................ 128

Ilustración 95. Ventana de SQL Server del Asistente para seleccionar tablas a importar. ............................. 132

Ilustración 96. Ventana de SQL Server del Asistente para asignaciones y transformaciones de columnas del

catálogo de Edificios. ...................................................................................................................................... 132


catálogo de Materias. .................................................................................................................................... 133


catálogo de Maestros. .................................................................................................................................... 133


catálogo de Plan072014. ................................................................................................................................ 134


catálogo de Plan072014 y la asignación de tipos y tamaños. ........................................................................ 134

Ilustración 101. Ventana de SQL Server del Asistente para importación/exportación con DTS. .................... 135

Ilustración 102. Ventana de SQL Server Completando Asistente para importación/exportación con DTS. ... 135

Ilustración 103. Ventana de SQL Server que Ejecuta la importación de los datos. ......................................... 136

Ilustración 104. Ventana mensaje de SQL Server avisando de la ejecución correcta de la importación de los

datos. .............................................................................................................................................................. 136

13

ÍNDICE DE TABLAS Tabla 1. Ejemplo de asignación de horarios en UPIBI del Primer Semestre del ciclo 2011 - 2012. _ 28

Tabla 2. Ejemplo de asignación de horarios en UPIBI del Primer Semestre del ciclo 2012 – 2013 de

la licenciatura de Bioingeniería. ____________________________________________________ 29

Tabla 3. Ejemplo de Evaluación del Cuerpo Docente en el Instituto UPIBI tomando en cuenta los

periodos 2010, 2011 y 2012. ______________________________________________________ 30

Tabla 4. Tabla de descripción de los términos utilizados en las tablas anteriores 1 y 2. _________ 31

Tabla 5. Diccionario de datos de la práctica. __________________________________________ 71

Tabla 6. Diccionario de tablas desarrolladas para la práctica. ____________________________ 75

Tabla 7. Tabla de relación de las secuencias PLAN072014_1. _____________________________ 97

14

RESUMEN

Las Tecnologías de Información juegan un papel importante en las organizaciones actuales,

particularmente la Inteligencia de Negocios tiene un impacto significativo en los procesos

de toma de decisión; independiente del tipo de organización público o privada.

En este documento se presenta el diseño de un modelo de Data Mart que nos permitió

comprobar, que las herramientas de Inteligencia de Negocio, pueden ayudar a contestar

preguntas específicas, generando indicadores que permitan apoyar en la labor de la toma

de decisiones, de forma ágil y rápida en el proceso de planeación académico-administrativa.

Así mismo, presenta los puntos importantes a considerar la instrumentación del Data Mart

para el soporte del proceso planeación Académico-Administrativa.

Para este fin se utilizó la metodología CRISP, la cual nos permitió de manera práctica

obtener los resultados necesarios para responder las preguntas planteadas en nuestros

objetivos y concluir con las ventajas de utilizar este tipo de herramientas.

PALABRAS CLAVE: Data Mart, Planeación Académico-Administrativa,

Inteligencia de Negocio.

15

ABSTRACT

The Information Technology plays an important role in today's organizations, particularly

the Business Intelligence has a significant impact on decision-making processes;

independent of the type of public or private organization.

This document will be to develop a model of Data Mart that allows us to verify that the tools

of Business Intelligence can help to answer specific questions and generate indicators that

allow us to support the work of the decision-making, in a flexible and fast in the process of

academic and administrative planning.

It also presents the important points to consider in the implementation of the Data Mart

for the support of academic and administrative planning process.

CRISP methodology was used for this purpose, which allow us in a convenient way to get

the results needed to answer the questions posed in our objectives and conclude with the

advantages to using these tools.

KEYWORDS: Data Mart, Academic and Administrative Planning, Business

Intelligence.

16

INTRODUCCIÓN

Dentro de nuestro país nos encontramos con diferentes problemas, los cuales no nos

permiten seguir avanzando en los diferentes ámbitos que nos llevarían a tener un mejor

nivel de vida para todos los mexicanos, así como un reconocimiento a nivel mundial.

Podríamos aprender de muchos países que le han dado el peso y el impulso necesario a la

educación, la han desarrollado para ser un importante elemento que inclusive aporta en

gran medida a su Producto Interno Bruto (PIB). Alrededor del mundo, muchos estudiantes

están buscando donde estudiar su licenciatura o inclusive postgrados que los posicionarán

como los mejores profesionistas a nivel mundial.

Nuestro país actualmente, está considerado como una de las fábricas más importantes de

ingenieros a nivel mundial. Contamos con una de las mejores “mano de obra” reconocidas

a nivel internacional que nos ha abierto las puertas para participar dentro del avance

tecnológico global.

Se pueden enlistar muchas de los problemas los cuales nos han impedido contar con un

sistema educativo competitivo, tanto problemas sociales como políticos y hasta

económicos, etc. Pero en este documento, nos enfocaremos a la parte administrativa.

La Planeación Académico Administrativa en nuestro país, es un área la cual, no se le ha dado

la importancia necesaria para que sea desarrollada de forma correcta por las instituciones

públicas. Pero, principalmente, no se cuenta con herramientas informáticas automatizadas

que nos permitan realizar este complejo trabajo de forma rápida y correcta.

En cuanto a la posibilidad de la toma de decisiones, esta se realiza confiando en la

experiencia de la gente que labora en la parte administrativa pero se tiene un alto rango de

error, ya que no se cuenta con la visión completa para considerar todas las variables que se

puedan presentar en el proceso, y es necesario que se realicen ajustes importantes sobre

la marcha.

17

Hipótesis

Hipótesis General

¿Al contar con un modelo de Data Mart para el Sistema de Evaluación Docente nos permitirá

construir nuevas herramientas internas que apoyen a la Planeación Académico

Administrativa en la Unidad Interdisciplinaria de Ingeniería y Ciencias Sociales y

Administrativas (UPIICSA) del Instituto Politécnico Nacional?

Hipótesis Particulares

• ¿Cuál es el proceso de planeación Académico Administrativa que se realiza

actualmente en la Unidad Interdisciplinaria de Ingeniería y Ciencias Sociales y

Administrativas (UPIICSA) del Instituto Politécnico Nacional?

• ¿Cuáles son las posibles fuentes de datos que deben alimentar al Sistema de

Evaluación Docente?

• ¿Qué herramientas se necesitarán para extraer, transformar y cargar los datos

desde las fuentes al Data Mart?

• ¿Cuál es el proceso para construir el modelo del Data Mart?

• ¿Qué documentación necesita el modelo del Data Mart?

• ¿Qué parámetros se deben considerar para medir la optimización de la

Planeación Académico Administrativa

Objetivo

Objetivo General

Analizar y diseñar el modelo de un Data Mart para el Sistema de Planeación Docente en la

Unidad Interdisciplinaria de Ingeniería y Ciencias Sociales y Administrativas (UPIICSA) del

Instituto Politécnico Nacional.

Objetivos Particulares

1. Analizar la Planeación Académico Administrativa de la Unidad Interdisciplinaria

de Ingeniería y Ciencias Sociales y Administrativas (UPIICSA) del Instituto

Politécnico Nacional.

2. Analizar las posibles fuentes de datos.

3. Diseñar y construir herramienta de Extracción, Transformación y Carga (ETL por

sus siglas en inglés Extract, Transform and Load).

4. Construir el modelo de Data Mart.

5. Generar la documentación del modelo.

6. Realizar mediciones de la efectividad del proceso de Planeación Académico

Administrativa con el modelo del Data Mart. Así como realizar mediciones de la

efectividad del proceso de Planeación Académico Administrativa con el modelo

del Data Mart.

18

Este documento está compuesto principalmente de cuatro capítulos, los cuales son:

1. Data Mart para el Sistema de Planeación Académico-Administrativa. En este

capítulo, se realizó la justificación de este documento y se llevó a cabo la

investigación para poder identificar las variables comunes a considerar para realizar

la Planeación Académico-Administrativa. Para este estudio, se visitó a tres

instituciones y se entrevistaron a los encargados de realizar las actividades

necesarias para la planeación. El tipo de investigación que se realizó en este análisis,

es de tipo Analítica, ya que el objetivo es contrastar las diferentes formas de trabajar

un mismo problema en las diferentes instituciones y tratar de identificar las

variables comunes que nos llevaron a estandarizar conceptos en el siguiente

capítulo.

2. Planeación Académico-Administrativa. Para este capítulo, se definieron los

conceptos necesarios para poder establecer la definición de la Planeación

Académico-Administrativa, así también se estableció una lista de recomendaciones

y buenas prácticas donde se marcó un estándar a seguir para poder realizar una

mejor planeación.

3. Inteligencia de Negocios y sus herramientas. En este capítulo, se revisaron los

conceptos generales de la Inteligencia de Negocios, así como las herramientas y

metodologías que actualmente se utilizan para el diseño y construcción de las

soluciones de Inteligencia de Negocios.

4. Construcción del Data Mart. Finalmente se realizó una práctica paso a paso del

análisis y diseño de una solución de Data Mart que nos servirá para tener un

panorama acerca de esta solución.

19

1 Data Mart para el Sistema de Planeación Académico-

Administrativa.

1.1 Introducción

En este capítulo se presenta la justificación de la investigación realizada y presentada en

este documento, lo cual corresponde al estudio y análisis realizado a algunas de las

entidades escolares mayormente reconocidas dentro de la Ciudad de México y su desarrollo

en la parte de Planeación Académico Administrativa y la utilización de herramientas de

información para satisfacer las necesidades detectadas en este estudio.

Se describe la importancia del tema tanto para las instituciones, para el autor y para el

desarrollo del sistema educativo para el país. Se describe además, cual es la situación real

de la Unidad Interdisciplinaria de Ingeniería y Ciencias Sociales y Administrativas (UPIICSA)

del Instituto Politécnico Nacional y como la aplicación de herramientas de Inteligencia de

Negocio podrían brindar el impulso necesario para mejorar la Planeación Académica

Administrativa.

1.2 Planeación Académica.

La Planeación Académica es muy importante para el funcionamiento y las tareas diarias de

las instituciones educativas en nuestro país. Cada una de estas instituciones, tienen sus

propias y muy particulares necesidades a considerar para llevar el trabajo de todos los días

de la mejor manera. Sin embargo, se pueden identificar algunos puntos generales en los

que todas ellas consideran los más importantes, los cuales trataremos de identificar en este

estudio y al final podremos establecer las elementos más importantes en los cuales

podemos enfocarnos al momento de realizar la Planeación Académica.

1.3 Planeación Académica en México.

Para poder saber cuál es la situación real de la Planeación Académica en México, se realizó

el estudio de tres importantes instituciones académicas dentro del país para poder saber y

comprender como resuelve cada una de ellas sus propias necesidades de organización y

planeación, los recursos con los que cuenta y utiliza para poder trabajar estas necesidades.

Las instituciones analizadas son:

La Facultad de Administración y Contaduría de la Universidad Nacional Autónoma

de México.

Unidad Profesional Interdisciplinaria de Biotecnologías (UPIBI)

Unidad Profesional Interdisciplinaria de Ingeniería y Ciencias Sociales y

Administrativa (UPIICSA).

20

1.3.1 Planeación Académica en la Facultad de Administración y Contaduría de la

Universidad Nacional Autónoma de México (FAC)

Para este primer estudio, se realizaron una serie de entrevistas al encargado del

Departamento de Nuevos Proyectos, el cual ha dedicado los últimos años en realizar un

cambio importante dentro de la facultad, tratando de atacar la gran necesidad que se tiene

de poder automatizar y sintetizar la información que se maneja todos los días, aparte de

poder realizar la Planeación Académica Administrativa necesaria para cada semestre de

forma puntual y ágil.

La labor realizada en este tiempo no ha sido fácil, ya que el volumen de la demanda a cubrir

es muy grande cada semestre y los recursos que se necesitan deben ser administrados de

forma correcta para evitar errores y desperdicio de estos recursos. La mayoría de la

información se ha trabajado en archivos sencillos de Excel o se han generado esfuerzos

aislados de pequeños sistemas donde se tiene una base de datos, pero no es compartida ni

pregonada a otras áreas.

El encargado, nos compartió el proceso que realiza la facultad para poder realizar su

Planeación Académico Administrativa con el fin de entender las necesidades existentes.

Generalmente, el primer proceso comienza en la Dirección General de la Universidad,

cuando realiza el proceso de ingreso cada año para todas las facultades que conforman a la

universidad. Esta Dirección General concentra los datos de todos los estudiantes y de los

aspirantes en una base de datos centralizada.

Una vez que se tienen seleccionados los nuevos estudiantes de ingreso para el primer

semestre de todas las carreras, los datos son enviados a todas las facultades

correspondientes, al final de cada uno de los semestres, toda la información recabada en

cuanto a su desempeño, es regresada a la base de datos general.

Cada una de las facultades guarda cierta información como histórico de cada uno de sus

estudiantes, pero sí es necesario un reporte más profundo, este debe ser solicitado a la

Dirección General de la Universidad, el tiempo requerido es bastante largo, dependiendo

de la información solicitada.

En cuanto a la información correspondiente a los profesores y su historial, también es

concentrada en esta misma base de datos central, al igual que la información de los

alumnos, también cada una de las facultades, lleva un historial local de su desempeño,

cuando se requiere un reporte o alguna información más específica, es solicitada a la

Dirección General tomando cierto tiempo.

Cabe destacar que cada nuevo año académico se maneja el proceso de planeación

académico-administrativo y la información que se trabaja en este periodo es de los

21

semestres 1º, 3º, 5º, 7º y 9º en algunas carreras; mientas que en periodo de Enero se trabaja

información de los semestres 2º, 4º, 6º y 8º.

La necesidad que se ha identificado primordialmente es la de concentrar toda la

información referente a la facultad en una misma base de datos, la cual se ha construido y

se empieza a alimentar por diversos sistemas. Todo esto aún sigue en construcción y en un

futuro se conectará a la base de datos de la Dirección General de la Universidad.

La planeación Académica Administrativa se centra en los siguientes puntos:

Profesores

Alumnos

Instalaciones

o Aulas

o Butacas

Para los profesores se ha preparado un portal especial en la página de la Facultad de

Contaduría y Administración de la U.N.A.M1. Más detalle del contenido de la página lo

podemos encontrar en el Anexo A.

En la actualidad, la Facultad de Contaduría y Administración depende totalmente del

sistema de la Dirección General de la UNAM, solo se tiene el envío directo de su información

a través de estos portales para mantener la base de datos central actualizada. Pero el

problema aparece cuando se necesite recurrir a los datos históricos para realizar cálculos

complejos.

Al solicitar información histórica a la Dirección General de la UNAM, dependiendo la

petición y el tiempo a considerar, puede tardar hasta meses completos para poder recibir

la información. Esto genera que se debe de considerar mucho tiempo antes para realizar la

petición de esta información y la complejidad que lleve el cálculo.

La necesidad más grande que se presenta en la facultad es la de poder contar con los datos

de forma local para poder consultarlos rápidamente y contar con datos estadísticos para su

análisis y ayuda en la toma de decisiones.

Para ingresar información a la base de datos de la Dirección General, se cuentan con tres

portales principales:

1 Liga al Portal del Profesor: http://profesor.fca.unam.mx/

22

SAE Administración escolar de alumnos. Maneja los datos principales de los alumnos

y su historial académico2.

SIP Sistema Integral de Personal. Maneja los datos de los profesores3.

Dirección General de Presupuestos. Maneja el Banco de Horas de los profesores y

controla los presupuestos de cada facultad4. En el esquema de la figura 2 se

ejemplifica el flujo de los datos que existe para mantener la administración de la

UNAM de forma general.

Ilustración 1. Esquema actual del intercambio de datos entre la Facultad de Contaduría y Administración y la Dirección

General de la UNAM.

Para tener una comunicación directa con la Base de Datos de la Dirección General de la

UNAM, se está preparando un nuevo sistema llamado SIGAD Sistema Integral de la gestión

Administrativa Docente. El cual pretende llevar el control de toda la gestión administrativa

necesaria para cubrir todos los procesos y tareas asociadas al personal docente.

La finalidad máxima de este sistema es poder realizar la mayor parte de las tareas generadas

actualmente en Excel de forma automática como por ejemplo el Cálculo de

2 Liga para el sistema SAE Sistema de Administración Escolar para los Alumnos: http://sae.cuaed.unam.mx 3 Liga para el sistema SIP Sistema Integral del Personal: http://www.personal.unam.mx 4 Liga para el Sistema de Presupuestos: https://presupuesto.unam.mx/

Base de Datos de la Dirección General UNAM

SAE Administración

Escolar de Alumnos

SIP Sistema Integral de Personal

Dirección General de

Presupuestos

23

Ilustración 2. Esquema de las áreas y los procesos a gestionar por el sistema SIGAD dentro de la Facultad de Contaduría

y Administración de la UNAM.

SIGAD

Selección y Desarrollo

Selección de Personal

Grados docentes

Reportes de Avisos

Agenda de citas

Control Docente

Asistencias y Faltas

Justificación de Incidencias

Reportes de Profesores

Estímulos (SIGAD y 7.5 días)

Operación de Mantenimiento

Operación de Sala de

Profesores

Plantillas

Reportes y Avisos

Calendario de Actividades

Proyectos Especiales

Auditoría Interna

Planes de Estudio

Control y Seguimiento de Banco de Horas

Reconocimiento a Desempeño

Académico

Reporte y Avisos

Calendario Académico

Cálculo de Antigüedad

Operación Docente

Control de Expediente

Diagnóstico Salones

Comunicación Docente

Registro y Actualización de

Directorios

Reconocimiento y Medallas

Informe Anual

Informe Trimestral

DGAPA

Informe Trimestral Sría. de Planeación

Reportes y Avisos


Evaluación Docente

Evaluación Docente

Calendario Dinámico

Reporte y Avisos

Movimientos y Prestaciones

Elaboración de Plantillas

Movimientos

Licencias

Honorarios

Prestaciones y Servicios

Guía de Prestaciones

Enisión de Constancias

Reportes y Avisos


Jefatura

Concurso de Oposición

Docente Distinguido

Numeralia Docente

Reporte y Avisos


Expediente Digital

24

Ilustración 3. Esquema de las áreas y los procesos a gestionar por el sistema SIGAD dentro de la Facultad de Contaduría y

Administración de la UNAM con los procesos resaltados en color naranja ya analizados y construidos.

SIGAD

Selección y Desarrollo

Selección de Personal

Grados docentes

Reportes de Avisos

Agenda de citas

Control Docente

Asistencias y Faltas

Justificación de Incidencias

Reportes de Profesores

Estímulos (SIGAD y 7.5

días)

Operación de Mantenimiento

Operación de Sala de

Profesores

Plantillas

Reportes y Avisos


Proyectos Especiales

Auditoría Interna

Planes de Estudio

Control y Seguimiento de Banco de Horas

Reconocimiento a Desempeño

Académico

Reporte y Avisos

Calendario Académico

Cálculo de Antigüedad

Operación Docente

Control de Expediente

Diagnóstico Salones

Comunicación Docente

Registro y Actualización de

Directorios

Reconocimiento y Medallas

Informe Anual

Informe Trimestral

DGAPA

Informe Trimestral Sría. de Planeación

Reportes y Avisos


Evaluación Docente

Evaluación Docente

Calendario Dinámico

Reporte y Avisos

Movimientos y Prestaciones

Elaboración de Plantillas

Movimientos

Licencias

Honorarios

Prestaciones y Servicios

Guía de Prestaciones

Enisión de Constancias

Reportes y Avisos


Jefatura

Concurso de Oposición

Docente Distinguido

Numeralia Docente

Reporte y Avisos


Expediente Digital

Etapas terminadas o en análisis Etapas no iniciadas

25

Reconocimientos del Desempeño Docente, Control de Seguimiento de Banco de Horas, etc.

El sistema SIGAD cubriría la parte del Control Docente, sin embargo, lo ideal también sería

cubrir el Control de Alumnos y el Control de Presupuestos para poder tener el escenario

completo. En la Ilustración 3 encontramos el esquema correspondiente de los procesos a

cubrir por el sistema SIGAD y en la Ilustración 4 encontramos resaltados los procesos ya

analizados y construidos para el sistema en el momento de esta investigación.

La ventaja de contar con el sistema SIGAD es la de poder trabajar con los datos locales que

se genera en la operación diaria para poder gestionar un histórico propio que servirá para

consultas y reportes ágiles que se necesitan para atender las necesidades de los docentes

de la facultad sin necesidad de esperar el tiempo que toma solicitar y recibir la información

requerida por parte de la Dirección General de la UNAM.

El sistema SIGAD también atenderá necesidades específicas de cada uno de los

departamentos y concentrará la información en una misma base para que los datos que se

generen desde una instancia puedan ser, sí así se requiere y se tienen los permisos

necesarios, observados desde otra o inclusive actualizarlos para contar con datos siempre

actuales y confiables. En la Ilustración 5 podemos contar con un esquema simple que nos

permite visualizar la arquitectura con la que se ejemplifica el esquema de integración del

sistema SIGAD con los sistemas actuales de la Dirección General de la UNAM.

Ilustración 4. Esquema de Arquitectura de integración del sistema SIGAD con la base de datos central y demás servicios

de la Dirección General de la UNAM.

Base de Datos de la Dirección

General UNAM

SAE Administración Escolar de Alumnos

SIGAD Sistema Integral de

Gestión Administrativa

Docente

Dirección General de

Presupuestos

26

Con esa información recabada en la Facultad de Contaduría y Administración de la UNAM

en la entrevista con el Profesor José Luis Ramírez, podemos concluir los siguientes puntos

como los más importantes a considerar al momento de realizar nuestra Planeación

Académico Administrativa específicamente con la gestión de Docentes:

1. Selección de Personal

2. Expediente Electrónico

3. Clasificación de Profesores

4. Control y Seguimiento de Banco de Horas

5. Asistencia y Faltas

6. Justificación de Incidencias

7. Evaluación del Profesor

8. Reconocimientos a Desempeño Académico

9. Capacitación y Cursos

10. Comunicación y Atención hacia los Profesores

11. Informes Periódicos

12. Prestaciones y Servicios

13. Auditoría Interna

14. Generación de Reportes y Avisos.

1.3.2 Planeación Académica en la Unidad Profesional Interdisciplinaria de

Biotecnología UPIBI

En el caso de la Unidad Profesional Interdisciplinaria de Biotecnología (UPIBI), se contó con

la participación de la que era responsable de la planeación del departamento de bio-

ingeniería.

1.3.2.1 ¿Qué se hace?

La Institución UPIBI cuenta con su propio portal web el cual contiene varios servicios para

los alumnos, docentes y público en general. Este portal nos da una idea muy clara de los

servicios que brinda esta institución y el compromiso que tienen con los jóvenes

estudiantes, los académicos y la sociedad mexicana en general.

Más información detallada acerca de su portal y sus servicios web la podemos encontrar

en el Anexo B.

1.3.2.2 Organización de los horarios

La organización de los horarios que se realiza en la institución UPIBI, se construye

manualmente utilizando tablas en Excel donde la distribución de los maestros depende

mucho de la demanda de los alumnos y la disposición de los profesores. En UPIBI se maneja

un sistema donde cada semestre entran nuevos alumnos. Por lo tanto se deben tener en

cuenta diferentes variables para realizar la planeación de los horarios.

27

Alumnos de nuevo ingreso

Alumnos rezagados

Alumnos de recurso

UPIBI cuenta con las siguientes carreras:

Ingeniería Ambiental

Ingeniería Biomédica

Ingeniería Biotecnológica

Ingeniería en Alimentos

Ingeniería Farmacéutica

En la Tabla 1 podemos encontrar un ejemplo de cómo se realiza la asignación de los horarios

de clase, como podemos apreciar, tenemos la asignatura, el grupo (el cual se le asigna una

clave para poder realizar el seguimiento correcto), los días de la semana que se va a

impartir, el aula y por último el profesor quien va a impartir la asignatura.

El problema de este tipo de asignación, es sin lugar a duda la falta de control y la visión

completa de todas las variantes que se pueden ver involucradas en el proceso de asignación.

Se corre el peligro de no tener en cuenta alguna de las variantes y empezar a empalmar

algún horario con otro ya asignado, así como el de olvidar tomar en cuenta alguna

asignatura o grupo sin asignar profesor o asignar doble grupo a una misma aula.

El problema de la falta de control de los recursos es muy común cuando dentro del control

de la Planeación Académica-Administrativa, se utilizan controles manuales que dependen

mucho de la experiencia que tenga la gente que realiza la planeación y por supuesto del

error humano involucrado en todo el proceso.

Cuando se detecta que existe algún error o problema en la asignación, la corrección se tiene

que hacer en el momento, y esto involucra tratar de negociar con profesores de otras

materias o de otras licenciaturas para tratar de cubrir los huecos que se dejaron vacíos

puede ser de profesor o de alumnos, o tratar de dividir los grupos saturados.

En la Tabla 2, tenemos un nuevo ejemplo de esta asignación, pero ahora como diferencia

podemos ver una nueva columna con la que nos menciona un folio SAES, el cual representa

el grupo de asignación y que es asignado por el sistema.

Estas dos tablas son ejemplos de la planeación y asignación de los recursos que se realiza

en UPIBI en cada semestre que comienza.

28

Tabla 1. Ejemplo de asignación de horarios en UPIBI del Primer Semestre del ciclo 2011 - 2012.

HORARIOS DE CLASES

PRIMER SEMESTRE 2011 – 2012

ASIGNATURA GRUPO LUNES MARTES MIÉRCOLES JUEVES VIERNES AULA PROFESOR

ANÁLISIS DE CIRCUITOS

3MM1 10:00 - 11:30

11:30 - 13:00 10:00 - 11:30

24 Profesor 1

ARQUITECTURA PARA HOSPITALES (OPTATIVA III)

7MV1 17:30 - 19:00

17:30 - 19:00

24 Profesor 2

BALANCE DE MATERIA Y ENERGÍA

3AM1 7:00 - 8:30

7:00 - 8:30

16 Profesor 3

BIOMATERIALES 5MM1 8:30 - 10:00

8:30 - 10:00

20 Profesor 4

BIOSEPARACIONES FLUIDO-FLUIDO

5AM1 8:30 - 10:00

8:30 - 10:00*

19, 21* Profesor 5

BIOSEPARACIONES MECÁNICAS

5AM1 10:00 - 11:30

10:00 - 11:30*

10:00 - 11:30**

7,9*,6** Profesor 6

BIOSEPARACIONES SÓLIDO-FLUIDO

5AM1 10:00 - 11:30

11:30 - 13:00 14 Profesor 7

DINÁMICA DE BIOPROCESOS DEL MEDIO AMBIENTE (TALLER)

6AV1 17:30 - 19:00

17:30 - 19:00

17:30 - 19:00

12 Profesor 8

DINÁMICA Y CONTROL DE BIOPROCESOS

5LV1 13:00 - 14:30

13:00 - 14:30

12 Profesor 9

DISEÑO DE EXPERIMENTOS (TALLER)

5LM1 13:00 - 16:00

11:30 - 13:00

LAB-26 Profesor 10

ELECTROMECÁNICA DE PROCESOS

4BM1 11:30 - 13:00

8:30 - 10:00* 10:00 - 11:30**

14,1*,27** Profesor 11

ELECTRÓNICA I 4MM1 8:30 - 10:00

7:00 - 8:30

26 Profesor 12

ELEMENTOS PARA EL DISEÑO I

4FM1 11:30 - 13:00 6 Profesor 13

ENERGÍAS ALTERNAS

7AV1 16:00 - 17:30

16:00 - 17:30

21 Profesor 14

ENERGÍAS ALTERNAS

7AV1 17:30 - 19:00

LAB Profesor 15

ENERGÍAS ALTERNAS

7AV2 17:30 - 19:00

17:30 - 19:00 20 Profesor 16

ENERGÍAS ALTERNAS

7AV2 19:00 - 20:30

LAB Profesor 17

FENÓMENOS DE TRANSPORTE

3AM1 14:30 - 16:00

14:30 - 16:00 8:30 - 10:00

16 Profesor 18


3AM2 7:00 - 8:30

7:00 - 8:30 7:00 - 8:30

17 Profesor 19


4BM1 7:00 - 8:30

7:00 - 8:30

7:00 - 8:30*

23*, 24 Profesor 20


4FM1 7:00 - 8:30

10:00 - 11:30 7:00 - 8:30

19 Profesor 21


4FV1 16:00 - 17:30

16:00 - 17:30

17:30 - 19:00 4 Profesor 22


4LM1 7:00 - 8:30

7:00 - 8:30* 7:00 - 8:30

12, 9* Profesor 23

FORMULACIÓN Y EVALUACIÓN DE PROYECTOS

6AV1 16:00 - 17:30

14:30 - 16:00

16 Profesor 24

29

Tabla 2. Ejemplo de asignación de horarios en UPIBI del Primer Semestre del ciclo 2012 – 2013 de la licenciatura de

Bioingeniería.

HORARIOS DE CLASES

1ER. SEMESTRE 2012 – 2013

BIOINGENIERÍA

SAES ASIGNATURA LUNES MARTES MIÉRCOLES JUEVES VIERNES AULA/LAB PROFESOR

3MM1 ANALISIS DE CIRCUITOS 10:00 - 11:30

10:00 - 11:30

07:00 - 08:30

20 Profesor 1

7MV4 ARQUITECTURA PARA HOSPITALES (OPT III)

16:00 - 17:30

16:00 - 17:30

17 Profesor 2

3AM4 BALANCE DE MATERIA Y ENERGÍA

10:00 - 11:30

10:00 - 11:30 9 Profesor 3

5MM1 BIOMATERIALES 08:30 - 10:00

08:30 - 10:00 23 Profesor 4

5AM2 BIOSEPARACIONES FLUIDO-FLUIDO

14:30 - 16:00

14:30 - 16:00

11 Profesor 5

6AM1 DINAMICA DE BIOPROCESOS DEL MEDIO AMBIENTE

8:30 - 10:00

8:30 - 10:00

17 Profesor 6

5LM1 DISEÑO DE EXPERIMENTOS (TALLER)

10:00 - 11:30

08:30 - 11:30 BI05 Profesor 7

4BM1 ELECTROMECÁNICA DE PROCESOS

07:00 - 08:30 07:00 - 08:30

07:00 - 08:30*

18,16* Profesor 8

4MM1 ELECTRONICA I 11:30 - 13:00

10:00 - 11:30 15 Profesor 9

4FM2 ELEMENTOS PARA EL DISEÑO I

11:30 - 13:00

10 Profesor 10

3AM4 FENOMENOS DE TRANSPORTE

11:30 - 13:00 11:30 - 13:00

11:30 - 13:00

23 Profesor 11

6AM1 FORMULACION Y EVALUACION DE PROYECTOS

14:30 - 16:00 14:30 - 16:00

13 Profesor 12

6MV2 HIDRAULICA Y NEUMATICA (OPT II)

14:30 - 16:00 14:30 - 16:00

24 Profesor 13

7MV2 IMAGENOLOGÍA 16:00 - 17:30

16:00 - 17:30

15 Profesor 14

4AM1 INGENIERÍA CIVIL E HIDRÁULICA

08:30 - 10:00

08:30 - 10:00

16 Profesor 15

3MM2 INGENIERIA ELECTRICA 13:00 - 14:30

11:30 - 13:00 12 Profesor 16

4LM4 INGENIERÍA INDUSTRIAL 08:30 - 10:00

08:30 - 10:00

08:30 - 10:00*

08:30 - 10:00

24, 25* Profesor 17

4MM2 INSTRUMENTACIÓN Y CONTROL

10:00 - 11:30

10:00 - 11:30

23 Profesor 18

3BM1 LABORATORIO DE BIOINGENIERIA

10:00 - 13:00

07:00 - 10:00 BI01 Profesor 19

3BM2 LABORATORIO DE BIORREACTORES

07:00 - 10:00

07:00 - 10:00

BI03 Profesor 20

4BM1 LABORATORIO DE BIOSEPARACIONES

10:00 - 13:00

10:00 - 13:00

BI02 Profesor 21

5BM1 MECANICA DE FLUIDOS Y SOLIDOS

11:30 - 13:00

11:30 - 13:00 11 Profesor 22

5MV3 METODOS DE INSTRUM. AUTOMATIZADA (OPT I)

17:30 - 19:00

16:00 - 17:30

11 Profesor 23

5LM1 PLANEACION DEL RIESGO E IMPACTO AMBIENTAL

13:00 - 14:30 13:00 - 14:30

23 Profesor 24

5AV1 PLANIFICACION Y ECONOMIA AMBIENTAL

17:30 - 19:00

17:30 - 19:00 16:00 - 17:30

18 Profesor 25

5MM1 PROC. DIGITAL DE BIOSEÑALES E IMAGENES

07:00 - 08:30

07:00 - 08:30

2 Profesor 26

30

1.3.2.3 Evaluación Docente

Dentro de UPIBI, se realiza una evaluación de su cuerpo docente obteniendo índices de desempeño, el cual se considera para realizar la asignación de la carga de trabajo para los periodos actuales, ya que se necesita un criterio base para realizar la toma de decisiones de forma más objetiva.

Tabla 3. Ejemplo de Evaluación del Cuerpo Docente en el Instituto UPIBI tomando en cuenta los periodos 2010, 2011 y

2012.

2011-12.1 2010-11.2 2010-11.1

ASIGNATURA PROFESOR Mediana Eval. Est.

% Aprob.

Eval. Acad.

Índice Eval. Est.

% Aprob.

Índice Eval. Est.

% Aprob.

Índice

Ingeniería de biorreactores

Profesor 1 98.28 9.97 99.7 9.37 100% 96.85


Profesor 2 98.11 9.82 94% 10 97.63 9.72 100% 98.6


Profesor 3 92.41 9.79 97.89 9.07 94% 92.41 9.59 73% 84.31


Profesor 4 90.72 8.09 96% 10 89.49 8.76 96% 91.95


Profesor 5 84.13 9.51 75% 10 91.3 7.13 83% 76.95

Ingeniería de fermentaciones (optativa II)

Profesor 6 88.25 8.65 100% 8 88.25 9.03 100% 95.15 8.03 91% 85.6

Ingeniería de fermentaciones (optativa II)

Profesor 7 84 8.4 84

Ingeniería de reactores y biorreactores

Profesor 8 96.73 10 100 8.69 100% 93.45


Profesor 9 96 9.38 96% 10 95.9 9.22 100% 96.1


Profesor 10

90.44 8.33 96% 9.89 90.38 8.1 100% 90.5


Profesor 11

89.5 8.4 84 9 100% 95


Profesor 12

88.25 8.65 96% 8.4 88.25


Profesor 13

80 8 80

Laboratorio de biorreactores

Profesor 14

98.38 10 100 9.35 100% 96.75


Profesor 15

95.55 8.72 97% 10 92.79 9.48 96% 95.55 9.35 100% 96.75


Profesor 16

93.99 9.28 97% 10 95.69 8.46 100% 92.3

31

Del ejemplo de evaluación que encontramos en la tabla 3 se calculan los siguientes

apuntadores los cuales se utilizan para la asignación de la carga de trabajo para los

docentes del instituto:

Tabla 4. Tabla de descripción de los términos utilizados en las tablas anteriores 1 y 2.

Columna Descripción

Asignatura Materia a impartir

Profesor Nombre del Profesor

Mediana Promedio de los índices obtenidos

Eval. Est. Evaluación Docente. Promedio de las calificaciones obtenidas de los cuestionarios realizados por el cuerpo estudiantil

% Aprob. Porcentaje de Aprobación

Eval. Acad. Evaluación Académica. Calificación obtenida de las supervisiones aplicadas al cuerpo docente

Índice Promedio obtenido de la Evaluación Estudiantil, Porcentaje de Aprobación y Evaluación Académica del periodo.

Para realizar el proceso de Planeación Académico-Administrativa en UPIBI, estos

indicadores de comportamiento sirven para la toma de decisiones al momento de asignar

los maestros y alumnos que van a formar los grupos, ya que se necesita ser lo más objetivo

posible en cuanto a la asignación de los recursos, sin embargo, siempre se debe considerar

otros factores como son:

La disponibilidad de los profesores

Discapacidades en los profesores

La demanda estudiantil de las materias

Las aulas disponibles para los cursos

Cursos tomados por los profesores

El índice apoya el proceso de asignación de horarios, aunque no está bien determinado el

cómo se utiliza. Además este indicador sirve de apoyo a la decisión al momento de

solicitar autorización de horas interinas.

32

1.3.3 Planeación Académica en la Unidad Profesional Interdisciplinaria de Ingeniería

y Ciencias Sociales y Administrativas UPIICSA.

1.3.3.1 ¿Qué se hace?

La Unidad Profesional Interdisciplinaria de Ingeniería y Ciencias Sociales y Administrativas

(UPIICSA) del Instituto Politécnico Nacional cuenta con un sitio web5 que le ayuda a poder

brindar servicios tanto a alumnos como a profesores.

Dentro del sitio podemos encontrar la opción de Docente el cual tiene las siguientes

opciones:

SAES. “Sistema de Administración Escolar de UPIICSA”6.

Educación Continua. Aquí podemos ver información acerca de cursos de

capacitación para profesores7.

Prestaciones. En este apartado se muestran algunas prestaciones e incentivos y los

pasos que se deben de seguir para obtenerlos.

Convocatorias. “Sistema de Desarrollo de Personal”8 el cual contiene información

de promociones para los profesores y los pasos a seguir.

Academias. Información acerca de las Academias que constituyen la institución y las

áreas que se desprenden de cada una de ellas.

Más información en el Anexo 3.

1.3.3.2 Problemas

En la actualidad, la Unidad Interdisciplinaria de Ingeniería y Ciencias Sociales y

Administrativas (UPIICSA) del Instituto Politécnico Nacional, no cuenta con herramientas

que apoyen la planeación de actividades del cuerpo docente, la cual se realiza en forma

manual. Esta planeación, nos permitiría asignar un tipo de perfil para cada uno de los

profesores en cuanto a su desempeño e interacción con los alumnos dentro de la institución

y en base a estas premisas gestionar la asignación de las clases y horarios.

Las herramientas que se pueden construir para solventar esta necesidad son Herramientas

de Inteligencia de Negocios, las cuales nos permiten asistir al análisis y representación de

los datos para una mejor toma de decisiones e inclusive para simular comportamientos y

tendencias del negocio en futuros periodos tomando en cuenta datos e información

presente y pasada, con el fin de calcular riesgos, pérdidas y ganancias.

5 Liga para la página principal de UPIICSA: http://www.upiicsa.ipn.mx 6 Liga para el sistema SAES “Sistema de Administración Escolar de UPIICSA”: https://www.saes.upiicsa.ipn.mx/ 7 Liga para de Educación Continua: http://www.dec.ipn.mx/ 8 Liga para el “Sistema de Desarrollo Personal”: http://www.dsapp.ipn.mx/

33

En el año 2007 se realizó el primer esfuerzo mediante la construcción de un prototipo que

utiliza PROLOG el cual solo creaba horarios y asignaba profesores para finalmente generar

una base de conocimientos. Se planea construir una interfaz web para alimentar el sistema

con los datos iniciales y como siguiente paso generar un Data Mart que contenga los datos

preparados necesarios para poder ser la base de un Sistema de Soporte a las Decisiones

(DSS por sus siglas en inglés Decision Support System).

Un Sistema de Soporte a las Decisiones está compuesto por diferentes herramientas de

Inteligencia de Negocio como pueden ser:

• Data Warehouse (Almacén de Datos)

• Data Mart (Almacén de Mercado)

• OLAP Cubes (Cubos OLAP)

• Dash boards (Paneles de Control)

• Etc.

Cada una de estas herramientas anteriores se pueden ir desarrollando paulatinamente y de

forma secuencial, ya que para cada una de ellas se planea su propio ciclo de vida, pero

definitivamente, la herramienta base para un Sistema de Soporte a las Decisiones es el Data

Warehouse.

1.3.3.3 Coordinación de Horarios

Para continuar con nuestra investigación, se realizó una entrevista con el Coordinador de

los Horarios en UPIICSA donde nos explica a grandes rasgos las funciones que realiza su

departamento y los recursos que se administran (para mayor detalle de la entrevista, revisar

Anexo D).

El encargado con gusto nos da sus propias definiciones de los conceptos principales que

queremos definir en esta investigación, los cuales son los siguientes:

Planeación. Determinar los objetivos y finalidades a tomar en cuenta para alcanzar la

realización de una función determinada.

Planeación Académico-Administrativa. Determinar la demanda de los diferentes

programas y planes académicos para poder generar la oferta de horarios respectiva con

oportunidad y suficiencia de la oferta de lugares adecuados para cubrir la demanda de la

totalidad de las unidades principales de esta unidad.

También en esta entrevista, nos da un resumen de los elementos que son necesarios para

llevar a cabo su importante tarea, al momento de coordinar todos los diferentes recursos

necesarios para su labor, como son:

34

Recursos Humanos:

Maestros 793 de base, 50 interinos, 28 jefes de academia (también a veces son

maestros también).

4 jefes de departamento, 15 secretarias de academia, 8 secretarias de

departamento.

Alumnos 11580 alumnos.

5 programas académicos.

Recursos Materiales:

Salones:

o Departamento de formación básica 40 salones.

o Salas de computo 2.

o Laboratorios química 6 física 6.

o Departamento de competencias integrales e institucionales 17 salones

laboratorio y 1 sala de cómputo.

o Departamento de desarrollo de personal específico 40 salones y 5 salas de

computo.

o Departamento de estudios profesionales genéricos 40 salones y 2 salas de

cómputo.

Programa SAES.

1 computadora para el servicio de internet

Papelería y mobiliario

Línea telefónica

Acceso a la red interna.

Recursos Económicos:

Lo correspondiente a 1500 horas frente a grupo

Lo correspondiente a 1000 aproximadamente horas de extensión académica.

Unidades de Aprendizaje:

Que este autorizada y aprobada con sus planes académicos. Proyectores y pc en

cada salón.

En cada unidad académica existen jefaturas de academia. Que está reglamentada

por un reglamento institucional.

La labor que se realiza para poder llevar a cabo la Planeación Académico-Administrativa

dentro de la institución es bastante fuerte, ya que la demanda que se tiene por parte del

35

cuerpo estudiantil compuesta por más de 11000 alumnos es muy grande, para esto, los

alumnos pueden ser de nuevo ingreso, alumnos en curso normal, los alumnos rezagados,

etc.

Así mismo, se le tiene que dar atención a los casi 900 profesores, a quienes se les brindan

los siguientes servicios:

Control de carácter laboral asistencia y puntualidad

Control administrativo las omisiones o retardos se reflejen en sus percepciones

Control académico seguimiento a la atención docente

En este capítulo, se realizó la investigación requerida para poder obtener los elementos

necesarios y generar un panorama más amplio de la Planeación Académico-Administrativa

que se realiza en tres de las instituciones más grandes y que más demanda tienen en

nuestro país.

Para el siguiente capítulo, veremos un concepto más general sobre este tema y sentaremos

las bases para definir el concepto de Planeación Académico-Administrativo, que nos

permitirá poder realizar un estudio más formal y la implementación de herramientas

tecnológicas informáticas para el apoyo a la gestión en el día a día del trabajo dentro de las

instituciones.

36

2 Planeación Académico-Administrativa.

2.1 Introducción

En este capítulo, se desarrolló los conceptos relacionados a la Planeación Académico-

Administrativa, tratando de sentar las bases para el mejor estudio y comprensión en este

tema.

También se analizó un panorama general dentro de nuestro país en cuanto lo referente a la

educación con el objetivo de comprender la situación actual que justifica la manera en que

se administran las Instituciones Educativas en México y la problemática que da como

resultado en nuestra sociedad a nivel nacional.

Finalmente se presentó una lista de los elementos más importantes a considerar para poder

realizar una mejor Planeación Académica en las Instituciones Educativas en nuestro país.

2.2 Planeación Académico Administrativa.

Conforme al estudio realizado en el capítulo anterior y debido a que no se ha encontrado

documentación alguna sobre el tema, intentaremos realizar y desglosar una definición de

Planeación Académico Administrativa, de la siguiente manera:

Planeación: A través de la planeación, una entidad, que puede ser una persona o una

empresa, fija un plan o estrategia para conseguir una meta u objetivo. El objetivo a

conseguir puede tener un tiempo determinado y debemos considerar diversas cuestiones

para conseguirlo como son la influencia de factores tanto externos como internos y los

recursos con los que se va a contar.

Los recursos pueden ser:

Económicos

Humanos

Materiales

Planeación Académica: Es el procedimiento para realizar la planeación, supervisión y la

evaluación de todo lo correspondiente a las actividades académicas de los docentes y de

los estudiantes para el proceso educativo que se lleva a cabo para el periodo

correspondiente.

Planeación Académico-Administrativa: Para este tipo de planeación se realiza el control y

seguimiento de todos los recursos de forma completa para poder brindar el servicio dentro

de una entidad educativa. De forma más compleja, lo que se pretende es construir una tabla

de actividades o cronograma que nos permita dirigir las actividades de forma más exacta

como son:

37

Aulas o espacios de impartición de clases

Profesores

Alumnos

Materias

Secuencias

Horarios

El objetivo principal es asignar el Profesor ideal, en el lugar ideal para la materia asignada a

un horario con un número de alumnos dependiendo del cupo limitado por el lugar asignado.

Finalmente, es satisfacer una demanda asignada a un tiempo, un espacio y un servicio a

realizar. En cada semestre es imperativo a cubrir y satisfacer una demanda que se tiene con

los alumnos que ya están inscritos y los nuevos alumnos que van llegando con las nuevas

generaciones. Además es importante trabajar con los alumnos que se van rezagando en

cada uno de los semestres trabajados. Como se puede ver, la complejidad es mucha

considerando el tamaño de la demanda, los recursos con que se cuenta, el cuerpo docente

que se tiene, las necesidades de cada una de las entidades y sobre todo la calidad del

servicio que se trabaja y se imparte.

También identificamos dos diferentes formas de realizar la Planeación Académico-

Administrativa, las cuales son:

Planeación Centralizada

Planeación No Centralizada

Planeación Académico-Administrativa Centralizada. Es aquella que se realiza

dependiendo de un organismo central el cual aunque se tenga una organización separada

por academias o con alguna otra clasificación, este organismo realiza todas las labores

académicas y administrativas controlando todas las actividades sin dar libertad a las demás

entidades dependientes.

Planeación Académico-Administrativa No Centralizada o Descentralizada: Es aquella

donde en la que cada una de las entidades correspondientes se encarga de realizar su propia

planeación tomando el control de sus propios recursos, dependiendo de una forma menor

del organismo central que se encarga solo de la coordinación de las entidades.

En este estudio realizado, nos podemos dar cuenta que las tres instituciones involucradas

realizan Planeación Académico-Administrativa No Centralizada o Descentralizada, ya que

cada academia se hace cargo de coordinar su propia planeación.

38

Sin embargo, cada una de ellas trabaja con una metodología única que ha ido evolucionando

de acuerdo a sus propias necesidades y aprendiendo de sus entidades hermanas o de su

propia experiencia. No se cuenta con alguna guía que les pueda ayudar para formar las

bases necesarias para realizar la planeación de la mejor forma.

2.2.1 Panorama Nacional

El panorama actual de nuestro país en lo que concierne al tema de la Planeación Académico-

Administrativa, la cual ha sido desarrollada de forma empírica por las instituciones más

grandes de nuestro país, esto debido a la gran demanda que año tras año ha aumentado

debido a la falta de recursos que se mantiene en la educación en México.

Otro diferente aspecto que no hemos abordado en este escrito, son el de las instituciones

educativas privadas en México, ya que debido a la falta de inversión en el sector educativo,

estas instituciones han crecido cada vez más y más tratando de satisfacer la necesidad

educativa ya que el gobierno no ha sido capaz de lograr.

Las instituciones educativas privadas, han realizado una gran inversión en materia de

infraestructura para brindar un mejor servicio a sus estudiantes y cuerpo académico. Ya que

dentro de una institución privada, el enfoque cambia, ya que ahora ven a los estudiantes

como un cliente que adquiere un servicio, y como todo cliente, en caso de que tenga lo

recursos requeridos, puede exigir calidad en todo aspecto.

La inversión más fuerte que se debe de dar en nuestro país, es la de recursos informáticos

que nos permitan realizar una mejor planeación y llevar un control más exacto de los

recursos que se tienen y los recursos que realmente se aprovechan.

2.2.2 Problemática Nacional

En México tenemos una gran problemática con la educación, ya que como se ha venido

dando en estos últimos años, todo obedece a los intereses de unos cuantos y no a las

necesidades de todo el país. Esto provocado más por los mismos sindicatos que solo pelean

derechos pero no obligaciones.

Nuestros niños, empezando desde las primarias, no tienen una educación de calidad, por lo

tanto, solo les espera un futuro donde tienen que batallar para conseguir un trabajo menor

y mal pagado o hasta llegar a la vida criminal. Este es un problema real que se está viviendo

dentro del país, puesto que la ola de inseguridad, está creciendo cada día más y más.

La educación es una parte sensible dentro de cualquier país, es una de las bases principales

para fortalecer la economía y la estabilidad social. Nuestros profesionistas llegan con niveles

bajos al mercado laboral, más de la parte de universidades privadas con una baja calidad de

39

enseñanza. Y después de que los jóvenes se gradúan, viene un problema mucho mayor, que

es el de conseguir trabajo, esto debido a las escazas oportunidades que se tienen en México.

A nivel licenciatura se encuentran dos problemas principales con los que se enfrentan

nuestros jóvenes que luchan por tener un mejor futuro de forma personal y también

impulsar a nuestro país para tener mejores condiciones como mexicanos, estos problemas

son los siguientes:

1. El gobierno no está preparado cada año para recibir y aceptar toda la demanda que

el pueblo de México requiere dentro de las universidades públicas. Por lo tanto, este

problema se ha convertido en una oportunidad para las universidades privadas de

bajo nivel, ya que les otorgan becas para que sigan estudiando comprometidos

mayormente con el poder ganar dinero y no con realmente brindar una educación

de calidad.

2. El gobierno no está preparado cada año para recibir y aceptar a todos los jóvenes

graduados en el ámbito laboral y cubrir la demanda de puestos de trabajos para los

jóvenes graduados, cada año se van acumulando más y más el número de

desempleados y esto los obliga a abandonar el país en busca de oportunidades o de

abandonar las prácticas profesionales y buscar otras diferentes alternativas para

ganarse la vida.

Estos dos problemas son catalizadores de problemas más grandes que afectan nuestra

sociedad como son los siguientes:

1. Desempleo entre jóvenes menores de 18 años con prepa terminada o por terminar.

2. Desempleo entre jóvenes graduados con licenciatura terminada o pasantes.

3. Profesionistas con un bajo nivel de preparación.

4. Profesionistas desempeñando funciones diferentes al área laboral a la que su

carrera se enfoca.

5. Jóvenes que se integran a la vida delictiva por no contar con las oportunidades de

estudio o trabajo necesarias.

6. Aumento de la inseguridad en la vida diaria de los pobladores de nuestro país.

7. Fuga de cerebros a los países desarrollados.

8. Bajo nivel educativo en nuestra población.

9. Bajo desarrollo tecnológico.

10. Bajo nivel socio económico en nuestro país.

También dentro de las universidades públicas se tienen muchos problemas, ya que los

recursos con los que se cuentan no son suficientes y aparte, los recursos con los que se

40

cuenta, no son administrados de la mejor forma. Las problemáticas identificadas en este

estudio dentro de las universidades son las siguientes:

1. Control deficiente de la información relacionada a los alumnos y su historial

académico.

2. Control deficiente de la información relacionada a los docentes y su desempeño

como profesores.

3. No se cuenta con un sistema informático capaz de realizar una asignación

automática de los horarios tomando en cuenta los apuntadores correspondientes.

4. Centralización deficiente de toda la información generada por las diferentes

entidades académicas.

5. No se cuenta con información fidedigna dentro de las instalaciones de las diferentes

entidades académicas trabajada de forma local.

6. No se cuenta con sistemas informáticos que apoyen la Planeación Académico-

Administrativa de forma ágil dentro de las instituciones.

7. No se cuenta con generación de indicadores en tiempo que apoyen a la toma de

decisiones.

8. No se cuenta con cálculo de tendencias y proyectados que permitan realizar una

Planeación Académico-Administrativa de forma anticipada.

9. No se tiene respuesta a preguntas simples que puedan dar una tendencia rápida y

apoyar la toma de decisiones.

2.2.3 Puntos a mejorar

Dentro de nuestras instituciones educativas y en general en nuestro país, se tienen muchos

puntos a mejorar y aéreas de oportunidad que requieren mucho trabajo desde el gobierno,

las familias y como sociedad en general que podría no nada más mejorar nuestro nivel

educativo, sino hasta nuestra calidad de vida y el nivel socio económico de nuestro país.

Pero todo primero debe ser un cambio interno hablando de nuestras entidades

gobernantes y legislativas así también como todos nosotros como sociedad. La Profesora

Clara Martha González García [1], en su artículo, menciona lo siguiente: “Se considera que

la clave del éxito en la educación radica en las personas. El proceso que a continuación se

analiza y aplica tiene como finalidad principal contribuir a alcanzar dignidad humana donde

no existe e incrementarla donde sólo aparece parcialmente. Así, cada alumno, en forma

individual, es considerado como parte medular del aprendizaje y el punto de partida es la

condición en que se encuentra éste al iniciarse el programa educativo. Busca asegurar la

originalidad e individualidad de cada persona, ya que éstas son el origen para la planeación

educativa y sus realizaciones”.

41

Es una terrible realidad que el camino y el ritmo del avance, la tecnología, la automatización

y la innovación estén detenidos por la mala actitud de las gentes. Es una pena que las

instituciones educativas que más generan ingenieros tengan un atraso administrativo y

burocrático bastante grave. Es una pena que no se genere tecnología para el uso interno

por la misma fuerza laboral a quien se está preparando.

Estos son los puntos a mejorar considerados en el estudio realizado en este documento:

1. Sensibilización y concientización del capital humano que labora en las instituciones

docentes del uso y construcción de sistemas automatizados.

2. Contar con una base de datos centralizada dentro de las instalaciones de las

instituciones que pueda ser consultada en línea.

3. Consulta de la información completa referente al alumno y su historial académico.

4. Consulta de la información completa referente al docente y su historial académico.

5. Evaluación del desempeño del cuerpo docente tanto por los alumnos como por la

institución.

6. Elaboración de un plan de capacitación para el cuerpo docente

2.3 Buenas Prácticas Administrativas

Considerando a las entidades que fueron trabajadas en el estudio anterior, podemos ahora

enlistar algunos puntos los cuales son muy importantes trabajar y enfocarse para realizar

una correcta Planeación Académico-Administrativa.

Los puntos son:

1. Conocimiento de las características de los Profesores:

Grado académico inmediato

Instituciones donde estudió

Perfil Académico

Materias favoritas

Materias posibles

Características físicas especiales

Horario disponible

Categoría del profesor

Cursos, diplomados o seminarios estudiados

2. Calificación de Desempeño del Profesor:

Puntualidad

Porcentaje de Aprobados

Porcentaje de Reprobados

42

Evaluación del Alumno

Cursos o Diplomados estudiados en el semestre

Evaluación y supervisión de la Institución

3. Conocimiento total de la demanda

Alumnos de nuevo ingreso

Alumnos de ingreso a los semestres diferentes al primero

Alumnos rezagados

Alumnos de recurso

4. Conocimiento total de los alumnos:

Historial del desempeño del alumno

Becas asignadas al alumno

Cursos extracurriculares obtenidos por el alumno

Tramites solicitados por el alumno

5. Conocimiento total de los recursos materiales:

Edificios

Aulas por edificios

Capacidad de las aulas

Bancas dentro de las aulas

Materiales dentro de las aulas

Laboratorios

Equipo de laboratorios

6. Conocimiento de los recursos económicos:

Presupuesto asignado

Presupuestos asignados para cada uno de los perfiles de los Profesores

Presupuesto asignado para la adquisición de recursos materiales

Gasto anual por alumno

43

3 Inteligencia de Negocios y sus herramientas.

3.1 Introducción

La Inteligencia de Negocio forma parte de una de las áreas que más se desarrollaron al final

del siglo XX, marcando un avance tecnológico bastante importante y que hoy en día la

podemos encontrar por todos lados dentro de nuestra vida cotidiana. La Inteligencia

Artificial es sin lugar a duda una de las más atractivas para el ser humano, ya que mucha de

la tecnología con la que contamos actualmente es resultado de los trabajos y

descubrimientos en esta rama.

El estudio de la Inteligencia Artificial ha desembocado en diferentes disciplinas, cada una

de ellas muy interesantes y sin lugar a duda un tema completo de estudio. En este capítulo

vemos una de las disciplinas enfocadas al negocio, la Inteligencia de Negocio le da una

aplicación más práctica, la cual nos ha servido para ver un avance más rápido en la

administración y control empresarial.

3.2 Inteligencia Artificial.

Hoy en día, con los avances tecnológicos surgiendo cada vez más rápidos, ha tomado auge

y fuerza una ciencia que es todavía muy joven, la Inteligencia Artificial (IA). Desde los años

cuarenta que empezaron a surgir las nuevas computadoras las cueles fueron llamadas

“cerebros electrónicos”, el hombre soñaba con convivir y platicar con máquinas inteligentes

capaces de realizar funciones humanas así como tareas especializadas.

De cierta forma, en estos tiempos ese sueño no se ve tan lejano ni tan imposible, inclusive

ya empezaron a surgir las nuevas máquinas inteligentes con la función de realizar tareas

que nos hacen la vida más fácil y que han definido un nuevo estilo de vida. Algunos de ellos

son: teléfonos inteligentes, las televisiones inteligentes y algunos más electrodomésticos

inteligentes. A todos les llaman inteligentes por el cierto grado de inteligencia que se ha

logrado desarrollar para estos dispositivos.

Las tendencias son bastantes y muy ambiciosas, gracias a los avances en robótica que se

han logrado en varios países que dedican tiempo y recursos a la investigación, los avances

también en Biocibernética que promete brindarnos nuevas soluciones a problemas físicos

y de salud, y también gracias a la entrada de nuevos materiales como el Grafeno el cuál

podría revolucionar los dispositivos ya utilizados en nuestra vida diaria.

Muchas disciplinas han surgido a partir de la Inteligencia Artificial, la mayoría de ellas sigue

todavía como una propuesta y promesa para el futuro, pero las más inmediatas que ya están

al alcance de nuestras posibilidades, gracias a los avances tecnológicos-computacionales y

44

al abaratamiento de los materiales, son ya una realidad volviendo nuestra vida más ligera y

cómoda.

Algunas décadas atrás, soñábamos con el futuro a treinta, cuarenta o cincuenta años; pero

ahora imaginarnos que va a pasar a cinco años, es bastante excitante tanto para los

investigadores como para la gente común amante de la tecnología. Sin ninguna duda, todas

estas evoluciones tecnológicas afectan nuestra vida considerablemente, tanto para bien

como para mal, ya que dentro de nuestra sociedad también han surgido nuevos problemas

y nuevos tipos de delitos que ponen en peligro nuestra integridad con la información

personal que se maneja dentro de la red, y tanto para los sistemas como para los

dispositivos inteligentes es muy importante la información a analizar para procesar y

generar conocimiento y después inteligencia.

En este capítulo veremos una breve introducción a la Inteligencia Artificial para después

enfocarnos a la Inteligencia de Negocios, una disciplina surgida de la IA aplicada a resolver

problemas dentro de las empresas.

John McCarthy, acuñó el término en 1956, la definió: "Es la ciencia e ingenio de hacer

máquinas inteligentes, especialmente programas de cómputo inteligentes." Aunque hoy en

día se torna tal vez un poco más complejo tomando en cuenta los avances más actuales de

la tecnología o puede ser que se tenga un poco más definido cuál es el alcance de las

posibilidades del término.

Farid Fleifel Tapia describe a la Inteligencia Artificial como: "la rama de la ciencia de la

computación que estudia la resolución de problemas no algorítmicos mediante el uso de

cualquier técnica de computación disponible, sin tener en cuenta la forma de razonamiento

subyacente a los métodos que se apliquen para lograr esa resolución.”.

Entonces podemos decir que la Inteligencia Artificial es la ciencia que busca el diseño y la

construcción de autómatas que puedan emular el comportamiento, el conocimiento o el

pensamiento del ser humano dentro de un tema en específico.

Luis Alberto García Fernández [2] nos comenta en su artículo “Usos y aplicaciones de la

Inteligencia Artificial”, las características de la Inteligencia Artificial:

“Una de sus características es que incluye varios campos de desarrollo, como la robótica, la

comprensión y traducción de lenguajes, el reconocimiento y aprendizaje de palabras de

máquinas o los variados sistemas computacionales expertos, que son los encargados de

reproducir el comportamiento humano en una sección del conocimiento.

45

Tales tareas reducen costos y riesgos en la manipulación humana en áreas peligrosas,

mejoran el desempeño del personal inexperto y el control de calidad en el área comercial“.

3.3 Inteligencia de Negocio.

Como resultado de la evolución de la Inteligencia Artificial se ha desarrolla tecnología para

un entorno más práctico como es el ambiente empresarial. Respondiendo a requerimientos

más específicos dentro de las necesidades de negocio, surge la Inteligencia de Negocios, la

cual busca convertir la información en conocimiento útil para poder realizar la actividad de

toma de decisiones de una mejor y más acertada forma.

En la actualidad, las empresas han dedicado muchos recursos para poder guardar los más

posibles datos y resguardarlos para poder explotarlos en el futuro y para su resguardo. Las

empresas en la parte financiera son las que más generan datos año con año, con el fin de

poder generar ese preciado conocimiento.

Este fenómeno que se ha estado dando en estos tiempos se le ha llamado en ingles “Big

Data” o “Grandes Datos” en español, y que más adelante podría ser una preocupación por

el espacio que implica el resguardo y seguridad de todos esos datos. Sin embargo, solo las

empresas grandes, dedican recursos y esfuerzos a la explotación de todos estos datos en

busca del valioso conocimiento que les permita tener una ventaja competitiva dentro del

mercado. Las empresas medianas y pequeñas raramente tienen alguna herramienta que les

pueda brindar apoyo para realizar el proceso de toma de decisiones.

Sin embargo tener los últimos indicadores del comportamiento de la empresa dentro del

mercado puede ser información muy valiosa que permita el crecimiento o deterioro de la

misma empresa, por lo que los empresarios han aprendido que invertir en tecnologías de

información, se ha vuelto vital para la sobrevivencia y crecimiento de la empresa. Las

computadoras y tecnologías de comunicaciones han permitido estar en un mundo que se

mueve de forma rápida y mientras todas las empresas se alinean con las tendencias

actuales, puede ser que unas nuevas se están desarrollando y parece que nunca nos vamos

a poder actualizar con lo más nuevo.

En este capítulo se analizaron las bases de la Inteligencia de Negocios donde se encuentra

como una herramienta el Data Mart, que se tratará más a fondo para el propósito de este

documento.

La Inteligencia de Negocio se enfoca en la construcción de herramientas para poder

presentar información procesada para apoyar a la toma de decisiones dentro de un

ambiente empresarial. Estas herramientas están construidas para el nivel estratégico donde

se presenta la necesidad de tener información clara, concisa y oportuna.

46

3.4 Herramientas de Inteligencia de Negocios.

A continuación, se realizará un recorrido por las herramientas de Inteligencia de Negocios

para poder tener una mejor visión de cada una de ellas, cuál es su alcance y como se pueden

utilizar.

3.4.1 Data Warehouse.

Un Data Warehouse o Almacén de datos en español, se utiliza, como su nombre lo indica,

para almacenar datos referentes a un determinado sector o ámbito, estos pueden ser una

empresa, una organización, cierta población, etc. Éste es construido a partir de los datos

transaccionales de uno o varios sistemas, así como de archivos digitales e inclusive de

fuentes externas. El punto crítico aquí es poder organizar estos datos de forma que sea más

fácil su explotación, digamos que puede tener información pre procesada para un mejor

análisis.

Un Data Warehouse es la base para poder realizar Minería de datos la cual busca obtener

conocimiento de sus datos almacenados en relación a los objetivos de la empresa. Un Data

Warehouse es también la base para poder construir un sistema completo de Business

Intelligence del cual se podría desglosar un Sistema de Soporte a las Decisiones.

Ya con un Data Warehouse construido podemos también trabajar Data Marts, Cubos OLAP

y como se mencionó anterior mente la Minería de datos, los cuales veremos un poco más a

detalle más adelante. El tamaño y diseño de un Data Warehouse es equivalente al tamaño

de nuestra empresa y de los datos que queremos utilizar, ya que algunos prefieren ir

trabajando departamento por departamento en pequeños Data Marts hasta lograr la

construcción completa de un Data Warehouse, este tipo de diseño lo que nos permite es

trabajarlo parte por parte dependiendo de nuestras necesidades de crecimiento.

Dentro de la historia del Data Warehouse tenemos a dos investigadores quienes nos han

brindado las bases para entender este concepto, así como para poder desarrollarlo de la

mejor manera. Estos autores son Bill Inmon y Ralph Kimball.

Bill Inmon define un Data Warehouse en términos de las características del repositorio de

datos:

Orientado a temas: Los datos en la base de datos están organizados de manera que

todos los elementos de datos relativos al mismo evento u objeto del mundo real

queden unidos entre sí.

Variante en el tiempo. Los cambios producidos en los datos a lo largo del tiempo

quedan registrados para que los informes que se puedan generar reflejen esas

variaciones.

47

No volátil. La información no se modifica ni se elimina, una vez almacenado un dato,

este se convierte en información de sólo lectura, y se mantiene para futuras

consultas.

Integrado. La base de datos contiene los datos de los sistemas operacionales de la

organización y dichos datos deben ser consistentes.

La metodología de Inmon que propone, es la descendente (top-down) para el diseño del

Data Warehouse lo cual permite alinear los objetivos que se tienen a nivel estratégico con

los objetivos particulares de cada departamento que va a formar parte del Data Warehouse.

En esta metodología que propone Inmon después de tener el Data Warehouse se crean los

Data Marts para seccionar los datos recolectados.

Ralph Kimball nos define el Data Warehouse como: “una copia de las transacciones de datos

específicamente estructurada para la consulta y el análisis”. Kimball también visualiza el

Data Warehouse como la unión de todos los Data Marts construidos en una sola entidad, y

por lo tanto sugiere una metodología ascendente (bottom-up) para el diseño.

Entre estos dos investigadores se ha mantenido esta polémica en lo concerniente a la

metodología de diseño de un Data Warehouse, ya que son totalmente opuestas, sin

embargo los estudios realizados por cada uno de ellos de forma separada, ha logrado que

el campo de estudio de un Data Warehouse se vuelva más interesante y completo,

brindando una guía para todos aquellos que comienzan a introducirse a este tema.

Harjinder S. Gill y Prakash C. Rao, en su libro “DATA WAREHOUSING, La integración de

información para la mejor toma de decisiones” [3], comentan que para algunas

organizaciones el Data Warehouse es tan solo una arquitectura, pero para otras “Es un

deposito semánticamente consistente en datos (separados y que no interfieren con los

sistemas operativos y de producción existentes) que llenan por completo los diferentes

requerimientos de acceso y reporte de datos. Para algunos otros, el Data Warehouse es un

proceso continuo que mezcla los datos de varias fuentes heterogéneas, incluyendo datos

históricos y adquiridos para soportar la constante necesidad de consultas estructuradas y/o

ad hoc, reportes analíticos y soporte de decisiones”.

También en su trabajo, Harjinder S. Gill y Prakash C. Rao nos comentan que muchos de los

problemas fundamentales implícitos que se encuentran en el ámbito de la informática y

más específico en la explotación de bancos de datos, aún no se solventan de forma

adecuada, algunos de estos retos que mencionan son los siguientes:

La integración de datos y metadatos de varias fuentes.

Calidad de información: limpiar y refinar.

48

Condensación y adición de datos.

Sincronización de las fuentes con el Data Warehouse para asegurar una

actualización constante del Data Warehouse conforme se crean nuevos datos

dentro de las fuentes.

Aspectos del desempeño relacionados con compartir la misma computadora y

plataformas RDBMS (Sistema Manejador de Bases de Datos Relacionales en

español), tales como la base de datos y las herramientas del Data Warehouse.

Administración de metadatos.

Entonces Harjinder S. Gill y Prakash C. Rao nos definen un Data Warehouse con las

siguientes funciones:

Está orientado a una materia.

Administra grandes cantidades de información.

Guarda información en diversos medios de almacenamiento.

Comprende múltiples versiones de un esquema de base de datos.

Condensa y agrega información.

Integra y asocia información de muchas fuentes de información.

También ellos mismos nos definen que para construir un Data Warehouse, podemos

trabajar las metodologías que se utilizan de forma común para cualquier tipo de desarrollo

de software que conozcamos, esto es porque el Data Warehouse puede ser tratado como

cualquier tipo de proyecto de software. Una característica que puede hacer un proyecto de

construcción de un Data Warehouse diferente a un proyecto de desarrollo de software

común es el tamaño al que puede llegar a tener un proyecto de Data Warehouse.

Ellos nos mencionan dos diferentes metodologías que nos puedes servir para su desarrollo,

el Método de análisis y diseño estructurado (en cascada) y el método de desarrollo espiral.

3.4.2 Data Mart.

Ya tomando como base un Data Warehouse podemos construir Data Marts que serían un

subconjunto del Data Warehouse enfocado a resolver las cuestiones de un área específica

del negocio. Un Data Mart está orientado a la consulta de datos de un departamento o área

específica, por lo tanto debe ser alimentado frecuentemente como lo es un Data

Warehouse, esta consulta se pueda dar por medio de herramientas OLAP (On Line

Analytical Processing), las cuales nos brindan una visión multidimensional de la información

contenida en el Data Mart.

Un Data Mart no necesariamente puede ser alimentado de un Data Warehouse, ya que por

sí mismo, puede ser construido, alimentado e integrado por distintas fuentes de

49

información. Inclusive dependiendo del tamaño y las características de la empresa, puede

ser que no se necesite construir un complejo Data Warehouse, sino simplemente un Data

Mart que cubra con las necesidades de la empresa.

Algunas características de un Data Mart, serían las siguientes:

Son pobladas por usuarios finales.

Se actualizan constantemente.

Contiene información detallada.

Escalable.

Orientada al tema.

Algunos Beneficios del Data Mart que se pueden encontrar gracias a sus estructuras

óptimas de análisis son:

Acelera las consultas reduciendo el volumen de datos a recorrer.

Estructura los datos para su adecuado acceso por una herramienta.

Consultas SQL y/o MDX sencillas

Segmenta los datos en diferentes plataformas de hardware.

Validación directa de la información

Facilidad para la visualización histórica de los datos.

Los costos que implica la construcción de un Data Mart son mucho menores a un

Data Warehouse.

3.4.3 Cubos OLAP.

Otra herramienta dentro de Business Intelligence que en la actualidad es una de las más

usadas y más difundidas son las llamadas OLAP ya que se ha convertido en un elemento

trascendental para optimizar las operaciones productivas dentro de la empresa. El término

OLAP se deriva de su nombre en inglés On-Line Analytical Processing o en español Proceso

Analítico en Línea.

Su objetivo es el de entregar consultas y evaluaciones de los datos de manera ágil, sencilla

y veloz que se desprende de la información que genera todos los días una empresa de todos

los sectores que la conforman. La velocidad de respuesta que nos ofrece las herramientas

OLAP, permite que las posibles soluciones a los retos y problemas que surgen durante los

procesos productivos, además de las decisiones gerenciales, se puedan realizar en tiempo

y forma precisa.

Para funcionar, las herramientas OLAP se valen de estructuras “multidimensionales”, las

cuales son llamadas también Cubos OLAP, que son bases de datos que contienen

50

“resúmenes” extraídos de las bases de datos operativas que nos permiten el rápido acceso

a la información.

El término Cubo OLAP fue introducido por el Dr. Edgar F. Codd, de la compañía EF Codd &

Associates, y hasta ese entonces solo se utilizaban bases de datos relacionales para el

proceso y generación de reportes de la información, y se utilizaban sistemas tales como el

ROLAP.

Internamente, los Cubos OLAP son vectores en los cuales se organiza y se pone a disposición

los datos, y gracias a esta ordenada jerarquía se puede realizar un análisis más poderoso y

más rápido de los datos. Gracias a estas herramientas y a las bases de datos tipo

multidimensional, se han ampliado las posibilidades de las bases de datos relacionales y por

supuesto las herramientas de soluciones para sistemas enfocados a Business Intelligence,

han avanzado notablemente en cuanto a la visión y valor agregado que estas aplicaciones

brindan a la empresa.

Por lo general los Cubos OLAP están compuestos de tres dimensiones como por ejemplo

podrían ser para un reporte el tiempo, el producto o servicio y la zona geográfica; sin

embargo, existe la posibilidad de que nuestra aplicación OLAP este compuesta de muchas

más dimensiones, inclusive de que un mismo Cubo OLAP este alimentado de varios cubos

con su propio diseño, dimensiones y datos; lo cual nos permite ampliar más la potencia de

la aplicación.

Cada una de las dimensiones que presentan los Cubos OLAP contiene un campo específico

para un dato, el cual podrá ser cruzado o comparado con el resto de las dimensiones con

las cuales podremos responder preguntas como las siguientes.

¿Qué carga de trabajo tiene cada uno de nuestros maestros?

¿Cuál es el promedio de reprobación de la materia Inteligencia Artificial?

¿Qué material se ocupó más para la producción el año pasado?

¿Qué carrera tiene más demanda?

¿Cuánto recurso le cuesta a la escuela cada uno de los alumnos en su primer

semestre?

Preguntas puntuales como las anteriores son utilizadas para diseñar nuestros cubos de

manera que respondan las preguntas o necesidades del área o departamento donde

nuestro sistema se va a implementar. Es muy importante que desde inicio se evalúen y se

concentren las cuestiones a cubrir por el sistema más que nada porque una desventaja que

se tienen de las herramientas OLAP es que son muy difíciles de modificarlos y prácticamente

se tendría que construir un nuevo cubo cuando se requiere un cambio de estructura.

51

Las ventajas que se presentan en esta tecnología son bastantes y se han implementado en

muchísimas empresas en diferentes situaciones realizando su labor con éxito dentro del

ámbito de la toma de decisiones siendo una herramienta valiosa para el Business

Intelligence.

Para Harjinder S. Gill y Prakash C. Rao en su libro “DATA WAREHOUSING La integración de

información para la mejor toma de decisiones” [3], nos definen la tecnología OLAP como

una tecnología de análisis de datos que hace lo siguiente:

Presenta una visión multidimensional lógica de los datos en el Data Warehouse. La

visión es independiente de cómo se almacenan los datos.

Comprende siempre la consulta interactiva y el análisis de los datos. Por lo regular

la interacción es de varias pasadas. Lo cual incluye la profundización de niveles cada

vez más detallados o el ascenso a niveles superiores de resumen y adición.

Ofrece opciones de modelado analítico, incluyendo un motor de cálculo para

obtener proporciones, desviaciones, etcétera, que comprende mediciones de datos

numéricos a través de muchas dimensiones.

Crea resúmenes y adiciones (también conocidas como consolidaciones), jerarquías,

y cuestiona todos los niveles de adición y resumen en cada intersección de las

dimensiones.

Maneja modelos funcionales de pronósticos, análisis de tendencias y análisis

estadísticos.

Recupera y exhibe datos tabulares en dos o tres dimensiones, cuadros y gráficas,

con un pivoteo fácil de los ejes. El pivoteo es fundamental ya que los usuarios

empresariales necesitan analizar los datos desde perspectivas diferentes; y el

análisis desde una perspectiva conduce a otra cuestión empresarial que se va a

examinar desde otra perspectiva.

Responde con rapidez a las consultas, de modo que el proceso de análisis no se

interrumpe y la información sigue siendo actual.

Tiene un motor de depósito de datos multidimensional, que almacena los datos en

arreglos. Estos arreglos son una representación lógica de las dimensiones

empresariales.

3.4.4 Minería de Datos

Cuando contamos ya con un Data Warehouse trabajando en nuestra compañía,

La Minería de Datos o en inglés Data Mining, es el conjunto de tecnologías y técnicas que

se utilizan para poder explorar grandes bases de datos y poder detectar información

procesable que intenta descubrir patrones repetitivos, tendencias o reglas que expliquen el

comportamiento de los datos en un determinado contexto.

52

Los patrones que se pueden recopilar y definir con un modelo de Minería de Datos, nos

permiten generar tendencias de comportamiento del negocio, como se puede ver en los

siguientes escenarios vistos para la planeación académica:

Pronóstico: Calculo de asignación de horas de trabajo, predicción de las asignaciones

de aulas para cada materia.

Riesgo y probabilidad: Identificación de materias con alto grado de reprobación para

poder brindar apoyo y asesoría a los estudiantes, así como brindar capacitación a

los maestros.

Recomendaciones: Determinación de número de alumnos por materia y por aula,

determinación de puntos de equilibrio para la asignación de recursos y materiales

para los alumnos

Búsqueda de secuencias: análisis de comportamientos y tendencias de los maestros

para asignación de clases y aulas predicción de escenarios y construcción de

modelos estadísticos de comportamiento.

Agrupación: Agrupación de materias y horarios que pueden ser seleccionadas por

los maestros dependiendo de sus gustos y posibilidades

Las técnicas que se utilizan para realizar el típico proceso de la Minería de Datos pueden

variar dependiendo del autor, pero por lo regular los pasos son bastante parecidos en cada

uno de los propuestos, aquí presentamos los siguientes pasos:

1. Selección del conjunto de datos a utilizar, realizando un análisis de las respuestas

que se necesitan responder, nos podemos basar para poder saber que datos

necesitamos como primarios y como secundarios que datos necesitamos para poder

hacer el cálculo de los primarios, puede ser que para obtener un solo dato,

necesitamos de realizar varias operaciones con diferentes datos antes de generar

un dato resultante.

2. Análisis de las propiedades de los datos, que tipos de datos vamos a utilizar, el

tamaño de los datos y si se aceptaran valores nulos; son algunos ejemplos de las

propiedades que vamos a manejar de cada uno de los datos.

3. Transformación del conjunto de datos de entrada, cada uno de los datos

identificados n los pasos anteriores puede ser que necesite un tratamiento previo

para ser preparado y afinado para que nos pueda servir al momento de presentar la

información para mejor comprensión del usuario. Se realiza un procesamiento de

los datos para que se puedan adaptar de una mejor forma a nuestro proceso.

4. Selección y aplicación de la técnica de Minería de Datos, en este momento se realiza

la construcción del modelo predictivo de clasificación o segmentación.

53

5. Extracción de conocimiento, esta se realiza con técnicas de Minería de Datos y el

resultado es la obtención de un modelo de conocimiento, el cual presenta patrones

de comportamiento identificados en los valores de las variables del problema a

resolver o relaciones de asociación entre dichas variables.

6. Interpretación y evaluación de los datos, ya que tenemos construido nuestro

modelo de conocimiento, podemos realizar una evaluación de los resultados

comprobando que realmente se cubra con lo esperado de forma satisfactoria o

seguir realizando cambios en el modelo hasta que se alcancen los resultados

idóneos.

Este tipo de técnicas han tenido gran aceptación en distintas áreas de estudio, tratando de

pronosticar comportamientos y tendencias, algunas de las áreas en las que se ha utilizado

son:

Negocios

Hábitos de compra

Patrones de fuga

Fraudes

Recursos humanos

Comportamiento en Internet

Terrorismo

Juegos

Ciencias e Ingeniería

Genética

Ingeniería eléctrica

Análisis de gases.

3.4.5 Metodología de Minería de Datos CRISP

3.4.5.1 Definición.

CRISP-DM, de Cross Industry Standard Process for Data Mining. Se trata de un modelo de

proceso de minería de datos que describe los enfoques comunes que utilizan los expertos

en minería de datos.

Encuestas realizadas en 2002, 2004 y 2007 muestran que es la principal metodología

utilizada para esta tarea. El único otro estándar de Data Mining nombrado en estas

encuestas era el SEMMA. No obstante, 3-4 veces más personas reportaron optar por CRISP-

DM. Una revisión y crítica de los modelos de minería de datos en 2009 llamó a CRISP-DM el

54

"estándar de facto para el desarrollo de la minería de datos y los proyectos de

descubrimiento de conocimiento". [4]

Ilustración 5. Ciclo de vida de la metodología CRISP.

Entendimiento

Del Negocio

Entendimiento

De los Datos

Preparación de

Los Datos

Modelado

Evaluación

Implementación

55

3.4.5.2 Niveles de Metodología CRISP

Los niveles de la metodología CRISP los describe Yoshibauco en su blog “Algoritmos TDIDT

aplicado al análisis de suelo”, [5] quien a su vez se basa en la tesis doctoral “Metodología

de la definición de requisitos en proyectos de Data Mining (ER – DM)” [6] de José Alberto

Gallardo Arancibia.

La metodología CRISP consta de 4 niveles de abstracción organizados en forma jerárquica

en tareas que van desde el nivel más general, hasta los casos más específicos y organiza el

desarrollo de un proyecto de minería de datos, en una serie de 6 fases:

Ilustración 6. Niveles de abstracción de la Metodología CRISP.

http://yoshibauco.files.wordpress.com/2011/04/crisp-dm.png

56

3.4.5.3 Fase 1 – Comprensión del negocio

Ilustración 7. Esquema de la primera fase de la metodología CRISP: “Comprensión del Negocio”.

Yoshibauco describe las principales tareas de esta fase:

Determinar los objetivos del negocio: tenemos que determinar cuál sería el

problema que queremos resolver, porqué usamos minería de datos para dicho

propósito y definir los criterios de éxito. En cuanto a este último, pueden ser de tipo

cualitativo o de tipo cuantitativo, por ejemplo sí el problema es detectar fraude en

el uso de tarjetas de crédito, el criterio de éxito cuantitativo seria el número de

detecciones de fraude.

Evaluar la situación actual: en esta tarea debemos evaluar antecedentes y

requisitos del problema, tanto en términos del negocio como en términos de la

Minería de datos. Algunos de los aspectos a tomar en cuenta pueden ser: el

conocimiento previo acerca del tema, la cantidad de datos requeridos para resolver

el problema, ventajas de aplicar minería de datos al problema, entre otros.

Determinar los objetivos de la Minería de datos: el objetivo de esta tarea es

representar los objetivos de negocio en términos de las metas del proyecto de

Minería de datos. Por ejemplo, sí el objetivo de negocio es el desarrollo de una

http://yoshibauco.files.wordpress.com/2011/04/comprension-de-negocio-fig-1.png

57

campaña publicitaria para incrementar asignación de créditos hipotecarios, la meta

de la minería de datos seria determinar el perfil de los clientes respecto de su

capacidad de endeudamiento.

Producir de un plan de proyecto: la última tarea de esta fase tiene como objetivo

desarrollar el plan de proyecto considerando los pasos a seguir y los métodos a

emplear en cada paso.

3.4.5.4 Fase 2 – Fase de comprensión de los datos

Ilustración 8. Esquema de la segunda fase de la metodología CRISP: “Comprensión de los datos”.

Recolectar datos iniciales: tiene como objetivo principal la recolección de datos iniciales y

adecuación de datos para su posterior procesamiento. Se debe elaborar informes con una

lista de los datos adquiridos, su localización, las técnicas utilizadas en su recolección y los

problemas y soluciones inherentes a este proceso.

Describir los datos: debemos describir los datos iniciales obtenidos, tales como número de registros y campos por registro, su identificación, el significado de cada campo y la descripción del formato inicial.

Explorar los datos: Su finalidad es descubrir una estructura general para los datos. Involucra la aplicación de pruebas estadísticas básicas, que revelen propiedades en los datos, se crean tablas de frecuencia y se construyen gráficos de distribución. Se crea un informe de exploración de datos.

Verificar la calidad de los datos: se realiza la verificación de los datos para determinar la consistencia de los valores de los campos, la cantidad y distribución

http://yoshibauco.files.wordpress.com/2011/04/comprension-de-los-datos-2.png

58

de los valores nulos, encontrar valores fuera de rango que pueden ser ruido para el proceso. Se tiene como objetivo asegurar la completitud y corrección de los datos.

3.4.5.5 Fase 3- Preparación de los Datos

Ilustración 9. Esquema de la tercera fase de la metodología CRISP: “Preparación de los datos”.

Seleccionar los datos: se selecciona un subconjunto de datos considerando la calidad de los

datos, la limitación en el volumen o en los tipos de datos que están relacionadas con las

técnicas de minería de datos seleccionadas.

Limpiar los datos: existe una diversidad de técnicas aplicables a esta tarea con el fin de optimizar la calidad de los datos para prepararlos para la fase de modelación. Algunas de las técnicas pueden ser: la normalización de los datos, discretización de campos numéricos, tratamiento con valores vacíos, reducción del volumen de datos, etc.

Estructurar los datos: algunas de las operaciones a realizar en esta tarea puede ser la generación de nuevos atributos a partir de atributos ya existentes, integración de nuevos registros o transformación de valores para atributos existentes.

http://yoshibauco.files.wordpress.com/2011/04/preparacion-de-los-datos-fig-3.png

59

Integrar los datos: involucra la creación de nuevas estructuras, por ejemplo crear nuevos campos, nuevos registros, fusión de tablas o nuevas tablas.

Formatear los datos: consiste principalmente en transformar sintácticamente los datos sin modificar su significado con el fin de permitir o facilitar el empleo de alguna técnica de minería de datos en particular. Por ejemplo, eliminar comas, tabuladores, caracteres especiales, espacios, máximos y mínimos para las cadenas de caracteres, etc.

3.4.5.6 Fase 4 – Modelado

Ilustración 10. Esquema de la cuarta fase de la metodología CRISP: “Modelado”.

Seleccionar la técnica del modelado: se debe elegir una técnica de modelado más

apropiado para el proyecto específico. Se pueden elegir de acuerdo a los siguientes

criterios:

1. Ser apropiada al problema 2. Disponer de los datos adecuados 3. Cumplir requisitos del problema 4. Tiempo adecuado para obtener un modelo 5. Conocimiento de la técnica

Yoshibauco nos da el siguiente ejemplo: sí el problema es de clasificación podemos elegir de entre arboles de decisión, k-nearest neigbour o razonamiento basado en caos (CBR)

http://yoshibauco.files.wordpress.com/2011/04/modelado-fig-4.png

60

Generar plan de prueba: se debe generar un plan para probar la calidad y validez del modelo construido. Por ejemplo, en una tarea como la clasificación es posible usar la razón de error como medida de la calidad. Entonces, típicamente se separan los datos en dos conjuntos, uno de entrenamiento y otro de prueba.

Construir el modelo: se ejecuta la técnica seleccionada sobre los datos preparados para generar uno o más modelos. Todas las técnicas del modelado tienen un conjunto de parámetros que determinan características del modelo a generar. La tarea de selección de los mejores parámetros es iterativa basado en los resultados generados. Estos deben ser interpretados y su rendimiento justificado.

Evaluar el modelo: se debe interpretar los modelos de acuerdo al conocimiento del dominio y los criterios de éxitos preestablecidos.

3.4.5.7 Fase 5 – Evaluación

Ilustración 11. Esquema de la quinta fase de la metodología CRISP: “Evaluación”.

Evaluar los resultados: esta tarea involucra la evaluación del modelo en relación a los

objetivos del negocio y busca determinar si es aconsejable probar el modelo o determinar

si hay alguna razón de negocio para el cual, el modelo es deficiente.

Revisar el proceso: consiste en la calificación del proceso entero de la minería de datos, con el objeto de identificar elementos que pudieran ser mejorados.

Determinar próximos pasos: en caso de que no se han generado resultados satisfactorios, se podría decidirse por otra iteración desde la fase de preparación de datos o modelación con otros parámetros.

http://yoshibauco.files.wordpress.com/2011/04/evaluacion-fig-5.png

61

3.4.5.8 Fase 6– Implementación

Ilustración 12. Esquema de la sexta fase de la metodología CRISP: “Implantación”.

Planear la implementación: esta tarea toma los resultados de la evaluación y concluye una estrategia para su implementación. Si un procedimiento general se ha identificado para crear el modelo, este procedimiento debe estar documentado para su posterior implementación.

Monitorizar y mantener: se debe preparar estrategias de monitorización y mantenimiento para ser aplicada sobre los modelos.

Informe final: dependiendo del plan de implementación, esta puede ser un resumen de los puntos importantes del proyecto y la experiencia lograda o puede ser una presentación final que incluya y explique los resultados logrados con el proyecto.

Revisar el proyecto: se evalúa lo correcto y lo incorrecto.

http://yoshibauco.files.wordpress.com/2011/04/implementacion-6.png

62

3.5 Metodología de la Inteligencia de Negocios

3.5.1 Metodología

Dentro del desarrollo de proyectos de Inteligencia de Negocios, aún no existe una

metodología que pueda ser realmente ser probada, inclusive, existe un grado muy alto de

fracaso al momento de implementar un proyecto. Es por eso que la documentación es

mínima para esta área, sin embargo, el Licenciado Juan Carlos García Alcázar dentro de su

blog “Decisiones y Tecnología” [7], que dedica a la Inteligencia de Negocios, propone una

metodología llamada “Metodología para el Diseño e Implantación de un Sistema de BI” la

cual está basada en su experiencia que le ha dado el participar en varios proyectos de

Inteligencia de Negocios.

En este mismo escrito, García Alcázar señala que existe un porcentaje muy alto de fracaso

en los desarrollos actuales de proyectos de Inteligencia de Negocios, debido principalmente

a que no se cuenta con una metodología bien establecida, y por las variantes que aparecen

en cada proyecto, es por eso que su metodología propuesta, trata de ser una respuesta a la

frustración de no poder encontrar información relacionada a este tema. Él señala que

existen los recursos tecnológicos para poder implementar con éxito cualquier proyecto de

Inteligencia de Negocios, sin embargo, una metodología correcta puede hacer la diferencia.

Juan García Alcázar de inicio nos dice que el mundo de la Inteligencia de Negocios incluye

diferentes tecnologías que dan cobertura a diferentes problemáticas, y que, de manera

resumida responden a 5 grandes Ejes Funcionales:

Captación de Información.

Manejo de la Información.

Visualización y Distribución.

Análisis de la Información.

Gestión de las decisiones adoptadas.

La figura 15 García Alcázar recoge los diferentes elementos que hoy conforman el mundo

de la tecnología de Business Intelligence y la Gestión del Proceso de Toma de Decisiones:

http://decisionesytecnologia.wordpress.com/2013/02/07/metodologia-para-el-diseno-e-implantacion-de-un-sistema-de-bi/

63

Ilustración 13. Esquema de elementos que conforman el mundo de Business Intelligence.

Estos cinco ejes mencionados anteriormente, son básicos para poder gestionar la toma de

decisiones, lo cual García Alcázar nos dice que podemos definir a la Inteligencia de Negocios

como la Tecnología para la Gestión del Proceso de Toma de Decisiones.

En esta propuesta García Alcázar separa la metodología en 10 fases principales para poder

implementar un proyecto de Inteligencia de Negocios, a continuación veremos la

esquematización de las fases propuestas:

3.5.1.1 Fase 1. Determinación de Requerimientos

3.5.1.1.1 Determinación de Necesidades.

El objetivo de esta etapa es obvio: definir qué necesidades tenemos cuando nos planteamos

la realización de un proyecto de BI. Sin embargo, como se detalla a continuación, este es un

proceso mucho menos simplista de lo que pudiera parecer. Podemos estructurar esta etapa

en tres actividades:

a) Determinación de la Necesidad Emergente.

b) Una vez analizada la necesidad emergente es fundamental revisar si el resto de

necesidades existen también.

c) Como tercer elemento, es necesario establecer el alcance de estas necesidades.

Determinación de los Requerimientos del Sistema BI

http://decisionesytecnologia.files.wordpress.com/2013/02/alcance-tecnologia-bi.png

64

3.5.1.1.2 Determinación de las características de la Organización y su impacto sobre las

Necesidades.

Si en la implantación de cualquier ERP es necesario analizar las características de la

Organización antes de abordar el proyecto, en un proyecto de BI es una actividad

fundamental: la forma de realizar la toma de decisiones, depende de muchos elementos

internos de la empresa. En este sentido, deberemos analizar, al menos, los siguientes

elementos:

a) Proceso de Toma de Decisiones.

b) Gestión de Responsabilidades.

c) Política de Comunicación.

d) Sistemas de Control de Actuaciones.

e) Planificación.

f) Cultura de Empresa.

3.5.1.1.3 Definición de las características de los usuarios.

Tres aspectos debemos pararnos a considerar en esta fase del proyecto:

a) Cómo son los usuarios finales

b) Si el proyecto afecta sólo a una parte de la Organización, deberemos considerar

cómo es lo que está fuera del proyecto y cómo va a condicionar su implantación

y su desarrollo posterior.

c) Cuál es el perfil del área de sistemas y sus relaciones con los usuarios finales.

65

En la figura 16 Juan Carlos García Alcázar nos esquematiza esta primera fase de una forma

más puntual:

Ilustración 14. Primera fase de la Metodología de Business Intelligence.

Con esta primera fase, nosotros sabemos ahora cuáles son las condiciones y los elementos

con los que vamos a contar para realizar nuestro proyecto.

3.5.1.2 Fase 2. Estrategia de Proyecto

Para esta segunda fase es necesario realizar una reflexión para ver cómo se va a concebir el

proyecto y cuáles son los pasos a seguir. Varios son los aspectos que deberemos establecer

antes de lanzarnos a realizarlo:

Explicitemos nuestra necesidad, a corto y a medio plazo

Definamos su nivel de criticidad, lo que nos jugamos con este proyecto

Establezcamos nuestros ventajas y nuestros puntos débiles para ponerlo en marcha

Reflexionemos sobre las barreras que nos vamos a encontrar y cómo hacerlas frente

Definamos las responsabilidades y los intervinientes

http://decisionesytecnologia.files.wordpress.com/2013/02/determinacic3b3n-de-requerimientos.png

66

Analicemos cómo deberíamos abordar cada fase para que tenga éxito (pero

hagámoslo ahora, no cuando se produzcan los problemas)

Establezcamos los niveles de éxito y fracaso aceptables para cada aspecto incluido,

y las alternativas si no se consiguen

Establezcamos la política de comunicación que vamos a seguir

Finalmente, deberemos definir la estrategia de implantación

La definición previa de todos estos elementos nos permitirá adelantarnos a los problemas,

explicarlos a la Organización y transmitir la implicación de la Dirección en el Proyecto.

3.5.1.3 Fase 3. Planificación del Proyecto

La planificación del proyecto, es trabajada como cualquier otro proyecto de Tecnologías de

la Información en la cual se necesita generar un plan donde se detectan las tareas, los

recursos humanos asignados a las tareas y los recursos materiales que se van a ocupar, todo

esto reflejado dentro de un cronograma para que todos sepan sus tareas asignadas y el

tiempo que tienen destinado para realizar estas tareas.

3.5.1.4 Fase 4. Selección de la Tecnología

Dentro de esta fase necesitamos saber qué tipo de tecnología vamos a utilizar a lo largo del

desarrollo de nuestro sistema de Inteligencia de Negocios, saberlo lo más rápido posible

nos permite pensar en el tipo de persona a contratar y el tipo de capacitación que vamos a

necesitar para el usuario final. Sin embargo, necesitamos realizar un análisis más profundo

de estas tecnologías para realmente cumplir con los objetivos establecidos.

Dos serán los elementos a analizar:

¿Qué tecnología cubre funcionalmente nuestras necesidades?

¿Qué tecnología podemos soportar en nuestra Organización?

En función de ello, estableceremos nuestros requerimientos tecnológicos para la nueva

solución.

3.5.1.5 Fase 5. Diseño del Sistema de Información

En esta fase necesitamos presentar un avance o un modelo del sistema a implantar a

nuestro usuario, para esto, debemos de tener en cuenta las siguientes sub fases:

Determinación del Modelo de Información

Diseño de la plataforma de visualización por tipo de usuario

Diseño de la interfaz de usuario

67

3.5.1.6 Fase 6.- Elaboración del Sistema de Información

En esta parte ahora tenemos la construcción de la solución con la cual, el problema más

importante que nos podemos encontrar es la resistencia al cambio del usuario, el usuario

puede ser que en ese momento ya trabaje con un sistema anterior el cual después de mucho

trabajo debe dominar, por lo tanto, es muy difícil que quiera aprender uno nuevo.

Para esto, necesitamos hacer partícipe al usuario de la construcción del sistema pidiendo

su opinión cuando se vaya construyendo las secciones las cuales trabajará cuando este sea

implementado. Es importante que el usuario sea involucrado en cada una de las fases de

diseño y construcción para que pueda aceptar el uso del nuevo sistema con una mejor

actitud.

3.5.1.7 Fase 7.- Planificación de la Implantación

En este punto empezaremos con planificar la implementación, ya que, aunque se haya

considerado en la fase de planeación puede ser que se hayan identificado algún otro

problema o factor que pueda retrasar o entorpecer la implantación del sistema, como por

ejemplo los mismos usuarios que se rehúsan a aceptar el nuevo sistema. En este momento

ya podemos saber que usuarios pueden ser más renuentes al cambio.

También es una buena oportunidad de revisar que todos los puntos que en un principio se

plantearon, se hayan conseguido con éxito, ver cuáles son los puntos que nos faltan y

replantear algunos que se necesiten modificar para estar listos con la implantación del

nuevo sistema

3.5.1.8 Fase 8. Implantación Piloto

En esta fase es cuando podemos realizar algunas pruebas a nuestro sistema realizando un

primer acercamiento con el mundo real, para esto se puede seleccionar algún área o grupo

de usuarios que cumplan con el perfil del usuario final.

Inclusive, algunas veces si ya existe un sistema anterior, este puede trabajar en paralelo con

el anterior para no detener la parte operativa y saber con datos precisos cuál es el

comportamiento real de nuestro sistema.

3.5.1.9 Fase 9. Formación

Para que el sistema sea utilizado de forma correcta y realmente cumpla con el trabajo que

se le ha encomendado, es necesario capacitar al usuario el cual va a utilizar el sistema y

formarlo para que sepa sus características y el alcance que tiene la misma.

Qué debe incluir la formación:

Formación a áreas técnicas:

o Formación en el uso de las tecnologías.

68

o Formación en la utilidad de esas tecnologías.

Formación a usuarios finales:

o Formación operativa en el uso de su modelo de negocio.

o Formación a los usuarios sobre cómo gestionar con ésta nueva tecnología.

3.5.1.10 Fase 10. Puesta en Marcha del Sistema

Para la última fase es cuando implementamos el sistema pero ahora para toda la empresa

o para todos los usuarios que van a estar involucrados, aún en esta fase se pueden detectar

las fallas que pueden arrojar la implementación del sistema y se tienen que corregir

esperando que sean menores y no surja nada fuerte que implique dar marcha atrás con la

puesta en marcha.

Finalmente García Alcázar nos presenta la figura 17 ejemplificando las fases de la

metodología:

Ilustración 15. Fases de la Metodología de Business Intelligence.

http://decisionesytecnologia.files.wordpress.com/2013/02/fases_implantacic3b3n_tecnologc3ada_bi.png

69

4 Construcción del Data Mart

4.1 Definición del Proyecto

4.1.1 Nombre del Proyecto

Análisis de Asignación de Horarios y Clases en UPIICSA

4.1.2 Objetivo General

Realizar un análisis profundo del comportamiento de la Asignación de Horarios para la

escuela UPIICSA para poder identificar tendencias y comportamientos utilizando el

Programa MIND.

4.1.3 Objetivos Particulares

En este proyecto, se buscará contestar las siguientes preguntas que se identifican como

objetivos particulares:

1. ¿Cuáles son las materias con más alto número de inscritos?

2. ¿Cuál es el aprovechamiento de los cupos de los salones más grandes?

3. ¿Cuáles son las materias que se imparten de la academia CIENCIAS BASICAS DE LA

INGENIERÍA en los edificios con clave CI?

4. ¿Cuántos son los alumnos inscritos en las materias que se imparten de la academia

CIENCIAS BASICAS DE LA INGENIERÍA en los edificios con clave CI?

5. ¿Cuáles son los edificios que tienen capacidad de más de mil personas?

6. ¿En qué secuencias está contemplada la materia de CALCULO DIFERENCIAL?,

¿Cuáles son los maestros que la imparten? ¿Cuál es el número de alumnos inscritos

para cada una de las secuencias?

7. ¿Qué cursos tiene asignados el Profesor AUMADA VARGAS JOEL? ¿En qué edificio

está asignado? ¿Cuántos alumnos tiene asignado?

4.2 Análisis del Negocio

Dentro de la Escuela UPIICSA se realiza una Asignación de Horarios para los Profesores cada

semestre, a un grupo de estas asignaciones, se le llama SECUENCIA, la cual nos permite

clasificar y agrupar dichas asignaciones.

La mayoría de las asignaciones se repite cada semestre, por lo tanto, se pueden identificar

ciertos patrones los cuales nos pueden ser útiles en el estudio de comportamientos que en

caso de identificarse como constantes, podemos decir que se está generando

conocimiento. Para asignar las secuencias se toman en cuenta los perfiles de los profesores,

su desempeño, los tiempos de disposición, etc.

Otras cosas a considerar para realizar la asignación de los horarios son:

70

Los salones a asignar, que no se empalmen o se asigne el mismo salón a dos materias

en el mismo horario.

Asignar un número igual o menor de alumnos al cupo permitido para cada salón.

El tipo de edificio que se está asignando a la clase, ya que puede ser un aula,

laboratorio o taller.

Se debe de ser muy cuidadosos para no cometer el error de empalmar horarios de

profesores, asignar clases diferentes en un mismo salón y en el mismo horario o sobrepasar

el cupo establecido para cada uno de los salones.

El estudio de estos comportamientos, nos brindaran una información valiosa para la

comprensión de los patrones y comportamientos que aparecen a la hora de asignar las

clases y cargas de trabajo para cada uno de los profesores.

4.2.1 Comprensión de los datos

Para realizar este estudio, se facilitó una tabla trabajada en Excel, con los datos de la

asignación de horarios del Plan 07 correspondiente al año 2014 en el mes de Enero. Esta

tabla contiene las siguientes columnas:

1. Secuencia

2. Clave de la Materia

3. Nombre de la Materia

4. Academia

5. RFC del Profesor

6. Nombre del Profesor

7. Horarios Asignados

8. Edificio

9. Descripción del Edificio

10. Salón

11. Cupo del Salón

12. Número de Alumnos inscritos

71

Esta tabla contiene un número total de 384 registros, en la siguiente figura aparece una

vista de la tabla de los datos a utilizar:

Ilustración 16. Datos originales para la práctica de Data Mart en Excel.

A continuación aparece el diccionario de los datos que vamos a utilizar:

Tabla 5. Diccionario de datos de la práctica.

Nombre del Campo Descripción Tipo

SECUENCIA Clave de la clase asignada Cadena de Caracteres MATERIA Clave de la materia Cadena de Caracteres NOMBRE_MATERIA Descripción de la materia Cadena de Caracteres ACADEMIA Academia a la que

pertenece la materia Cadena de Caracteres

RFC RFC del Profesor Cadena de Caracteres NOMBRE_PROFESOR Nombre del Profesor Cadena de Caracteres LUNES Asignación de horario en

Lunes Cadena de Caracteres

MARTES Asignación de horario en Martes

Cadena de Caracteres

MIERCOLES Asignación de horario en Miércoles


JUEVES Asignación de horario en Jueves


VIERNES Asignación de horario en Viernes


EDIFICIO Clave del Edificio Cadena de Caracteres DESCRIPCION Descripción del Edificio Cadena de Caracteres

72

SALON Numero de Salón Cadena de Caracteres CUPO Límite del Salón NUMERICO INSCRITOS Número de Alumnos

inscritos a la clase NUMERICO

4.3 Diseño de Consultas Empresariales.

Las consultas empresariales son recabadas directamente con la dirección de la empresa o

entidad, específicamente con el usuario del sistema, ya que es quien va a avalar el

funcionamiento correcto de la aplicación.

A continuación presentamos las preguntas que vamos a utilizar en esta práctica, así como

sus correspondientes modelos:


En esta pregunta, queremos saber las materias más demandadas. Esto nos permitirá

saber a qué materias podemos asignarle las aulas más grandes, cuantos grupos

vamos a poder abrir para cubrir la demanda y que maestros podemos asignar.

Las dimensiones que tomaremos como ejes son:

MATERIA (como base)

ACADEMIA

NOMBRE_MATERIA

Y realizaremos conteos con las siguientes columnas considerando solo los mayores

a 1500 alumnos:

S_CUPO

S_INSCRITOS


Esta pregunta va de la mano con la anterior, ya que las materias con más alto

número de alumnos inscritos, son asignados a los salones más grandes, por lo tanto

las dimensiones para los ejes son los siguientes:

MATERIA (como base)

ACADEMIA

NOMBRE_MATERIA

Y al igual que el anterior, realizaremos conteos con las siguientes columnas

considerando solo los mayores a 1500 alumnos:

S_CUPO

S_INSCRITOS

73

El objetivo de esta pregunta es conocer realmente cuantos alumnos se tienen

asignados en cada salón, y ver si realmente son aprovechados al máximo sus

capacidades.



El objetivo de esta pregunta es saber las materias que se imparten en la academia

CIENCIAS BASICAS DE INGENIERÍA, pero solo de los edificios con clave CI. Para

contestar esta pregunta, utilizaremos las siguientes dimensiones como ejes:

MATERIA

NOMBRE_MATERIA

ACADEMIA

EDIFICIO

DESCRIPCIÓN

Y también como el anterior, realizaremos conteos con las siguientes columnas

considerando solo los mayores a 1500 alumnos:

S_CUPO

S_INSCRITOS



Esta pregunta va de la mano con la anterior ya que con el campo S_INSCRITOS

podemos ver el conteo de inscritos para cada materia, por lo tanto las dimensiones

quedan de la siguiente forma:

MATERIA

NOMBRE_MATERIA

ACADEMIA

EDIFICIO

DESCRIPCIÓN

Y realizaremos conteos con las siguientes columnas considerando solo los mayores

a 1500 alumnos:

S_CUPO

S_INSCRITOS

74


La finalidad de esta pregunta es la de conocer los edificios con los que podemos

contar con una capacidad mayor a 1000 personas, los cuales podemos utilizar tal vez

para realizar convenciones o eventos más grandes que nos requieran mayor

capacidad de cupo. Los campos que utilizaremos para este reporte son los

siguientes:

EDIFICIO

DESCRIPCION

Realizaremos conteos con las siguientes columnas considerando solo los mayores a

1000 alumnos:

S_CUPO

S_INSCRITOS




Aquí nos encontramos ya con una pregunta más compleja, en realidad compuesta

de tres preguntas específicas. Para esto contaremos con los siguientes campos que

nos servirán de dimensiones para nuestro reporte:

SECUENCIA

NOMBRE_MATERIA

NOMBRE_PROFESOR

Y realizaremos conteos con las siguientes:

S_CUPO

S_INSCRITOS



Ahora tenemos la última pregunta que es mucho más puntual, ya que tenemos a un

profesor en específico y el objetivo es tener más detalle acerca de la asignación de

este maestro, para esta pregunta contamos con las siguientes dimensiones que

tomaremos en cuenta como ejes del reporte:

RFC

NOMBRE_PROFESOR

MATERIA

ACADEMIA

EDIFICIO

75

DESCRIPCION

Y realizaremos conteos con las siguientes:

S_CUPO

S_INSCRITOS

4.4 Diseño de Data Mart.

4.4.1 Preparación, extracción y carga de los datos.

Para poder trabajar los datos de forma correcta, se partió la información en cuatro tablas

para poder realizar la asignación de Referencias, las tablas que se diseñaron son las

siguientes:

Tabla 6. Diccionario de tablas desarrolladas para la práctica.

Tabla Descripción

Materias Catálogo de Materias Profesores Catálogo de Profesores Edificios Catálogo de Edificios Plan072014_1 Horarios Asignados

La tabla de las Materias quedó de la siguiente manera:

Ilustración 17. Tabla de Materias en Excel.

76

La tabla de profesores:

Ilustración 18. Tabla de Profesores en Excel.

La tabla de Edificios:

Ilustración 19. Tabla de Edificios en Excel.

77

La tabla de Plan072014_1:

Ilustración 20. Tabla de Secuencias y asignaciones de grupos en Excel.

Para nuestro estudio utilizaremos SQL Server que nos servirá como repositorio tanto de

nuestros datos como el de un Data Mart que se necesita para trabajar los datos procesados

por el programa MIND. A continuación, presentamos la pantalla del Administrador de SQL

Server:

Ilustración 21. Pantalla de SQL Server.

78

Ahora, realizamos los siguientes pasos para migrar nuestros datos que se encuentran en

EXCEL a SQL Server. Empezaremos por crear dos nuevas bases de datos:

Ilustración 22. Pantalla de SQL Server para creación de nuevas bases de datos.

Creamos la base de datos “HorariosDB” para almacenar nuestros datos fuente:

Ilustración 23. Ventana de SQL Server propiedades de bases de datos “HorariosDB”.

79

Y creamos la base de datos HorariosDW que nos servirá como repositorio de nuestros datos

procesados por MIND:

Ilustración 24. Ventana de SQL Server propiedades de bases de datos “HorariosDW”.

Ahora, aparecen nuestras dos nuevas bases de datos en el administrador de SQL Server:

Ilustración 25. Pantalla de SQL Server enlistando las nuevas base de datos creadas: HorariosDB y HorariosDW.

80

Lo siguiente que necesitamos hacer es importar el archivo en Excel donde se encuentran

nuestros datos para convertirlos en tablas de SQL Server. Realizamos el siguiente proceso

para importar el archivo:

Ilustración 26. Pantalla de SQL Server con la opción para importar datos a la base.

Nos aparece el asistente de importación quien nos va guiando en el proceso, (para más

detalle del proceso véase el Anexo E).

Ilustración 27. Ventana de SQL Server del Asistente para importación/exportación con Servicios de transformación de

datos.

81

Ahora podemos ver nuestras nuevas tablas enlistadas en la base “HorariosDB”:

Ilustración 28. Pantalla de SQL Server visualizando las nuevas tablas creadas.

La tabla “Plan072014_1” se muestra de la siguiente forma en SQL Server:

Ilustración 29. Pantalla de SQL Server visualizando la tabla de Plan072014_1.

82

Y con esto terminamos la preparación de los datos para enfocarnos en la siguiente fase de

diseño y modelado de nuestra solución.

4.5 Modelado del Data Mart

4.5.1 Modelo Lógico

Para nuestro modelo lógico partimos nuevamente del modelado que hemos realizado en el punto

4.4 de este capítulo, el tema “Diseño de Data Mart” para empezar a comprender nuestro modelo


Dimensiones que tomaremos como ejes:

MATERIA como base

ACADEMIA

NOMBRE_MATERIA

Campos para conteos:

S_CUPO

S_INSCRITOS

Ilustración 30. Diseño de ejes para la pregunta número uno.

NOMBRE DE LA MATERIA

AC

AD

EMIA

MATERIA

83



MATERIA como base

ACADEMIA

NOMBRE_MATERIA


S_CUPO

S_INSCRITOS




MATERIA

NOMBRE_MATERIA

ACADEMIA

EDIFICIO

DESCRIPCIÓN


S_CUPO

S_INSCRITOS

Ilustración 31. Diseño de ejes para la segunda pregunta.

MATERIA

AC

AD

EMIA

84




MATERIA

NOMBRE_MATERIA

ACADEMIA

EDIFICIO

DESCRIPCIÓN


S_CUPO

S_INSCRITOS

MATERIA (NOMBRE DE LA MATERIA)

AC

AD

EMIA

Ilustración 32. Diseño de ejes para la tercera pregunta.

85



EDIFICIO

DESCRIPCION


S_CUPO

S_INSCRITOS

MATERIA (NOMBRE DE LA MATERIA)

AC

AD

EMIA

Ilustración 33. Diseño de ejes para la cuatro pregunta.

86





SECUENCIA

NOMBRE_MATERIA

NOMBRE_PROFESOR


S_CUPO

S_INSCRITOS

EDIF

ICIO

DESCRIPCION DEL EDIFICIO

Ilustración 34. Diseño de ejes para la quinta pregunta.

87




RFC

NOMBRE_PROFESOR

MATERIA

ACADEMIA

EDIFICIO

DESCRIPCION


S_CUPO

S_INSCRITOS

MAT

ERIA

PROFESOR

Ilustración 35. Diseño de ejes para la sexta pregunta.

88

Para poder contestar estas preguntas, construimos el modelo de tablas el cual va a quedar

de la forma siguiente:

EDIFICIOS EDIFICIO DESCRIPCION

MATERIAS MATERIA NOMBRE_MATERIA ACADEMIA

PROFESORES RFC NOMBRE_PROFESOR

PLAN072014_1 NUMERICO SECUENCIA MATERIA RFC LUNES MARTES MIERCOLES JUEVES VIERNES EDIFICIO SALON CUPO INSCRITOS

Ilustración 37. Diagrama de Entidad Relación del Data Mart

MAT

ERIA

PROFESOR

Ilustración 36. Ilustración 35. Diseño de ejes para la séptima pregunta.

89

En la ilustración anterior vemos ya el diagrama de Entidad – Relación, el cual nos dice que

vamos a tener tres tablas maestras las cuales van a conformar la estructura de nuestro Data

Mart, y una cuarta tabla la cual se puede llamar una tabla relación, ya que es donde se lleva

la parte operativa donde se van a registrar todas las secuencias calculadas. Al poder

relacionar todas las tablas podemos jugar con el modelo de datos y sacar la información

posible.

Veremos ahora el diseño del Data Mart y el cálculo de sus dimensiones las cuales quedarán

construidas en la base de datos HorariosDW.

Para poder calcular utilizaremos la siguiente formula:

Número de Dimensiones = Número de Valores de las Dimensiones * Número de Registros

Históricos * Número de Medidas

En el siguiente tema veremos cómo realizar la construcción del modelo físico tomando en

cuenta los diseños anteriores.

4.5.2 Modelo Físico

Para poder realizar el modelado de nuestra solución, utilizaremos el programa MIND

Designer elaborado por Prosoftica / Fractanet, S.A. de C.V. en el año de 2002.

La siguiente es la pantalla principal del Programa:

Ilustración 38. Pantalla principal de Mind Designer.

90

Para comenzar a realizar nuestro modelo, le damos un nombre para crear un nuevo cubo,

en este caso le daremos el nombre de “Horarios”:

Ilustración 39. Pantalla principal de Mind Designer, creación de un nuevo cubo.

El siguiente paso es configurar nuestras conexiones a nuestras bases de datos creadas en

SQL Server, para que podamos utilizar las tablas con los datos migrados, para esto, nos

vamos al siguiente menú:

Ilustración 40. Pantalla principal de Mind Designer, configuración de conexiones a DBMS.

91

Nos aparecerá la siguiente pantalla con la cual configuraremos nuestras conexiones:

Ilustración 41. Ventana de Mind Designer, configuración de conexiones a DBMS.

Para generar una nueva conexión, utilizamos el siguiente botón:

Ilustración 42. Ventana de Mind Designer, configuración de conexiones a DBMS, creando una nueva conexión.

92

Asignamos los siguientes datos para crear la conexión a la base de datos “HorariosDB” y

hacemos pruebas de conexión con el botón “Intentar Conexión”:

Ilustración 43. Ventana de Mind Designer, configuración de conexiones a DBMS, creando una nueva conexión a la base

de datos de SQL Server “HorariosDB”.

Hacemos lo propio para la conexión con la base de datos “HorariosDW”:

Ilustración 44. Ventana de Mind Designer, configuración de conexiones a DBMS, creando una nueva conexión a la base

de datos de SQL Server “HorariosDW”.

93

Ya que se realizó la conexión a las bases de datos con éxito, nos disponemos a ver las tablas

que trabajamos en la base de datos de SQL Server para continuar con el modelado,

utilizando la siguiente opción:

Ilustración 45. Pantalla principal de Mind Designer, menú Cubo, se selecciona la opción de Ver Estructura de Base de

Datos.

Nos aparecerá la siguiente ventana donde seleccionaremos la base de datos “HorariosDB”

para seleccionar las tablas correspondientes al diseño:

Ilustración 46. Ventana de Mind Designer “Estructura de la Base de Datos”.

94

Al seleccionar la base de datos, se enlistaran nuestras tablas para poder realizar nuestro

diseño, es necesario arrastrarlas hacia la parte de trabajo de MIND Designer para continuar

con nuestro modelado:

Ilustración 47. Ventana de Mind Designer “Estructura de la Base de Datos”, al momento de seleccionar la base de datos

“HorariosDB” aparece la lista de tablas que la conforman.

Seleccionaremos las tablas de Edificios, Materias, Profesores y Plan072014_1; ahora

nuestro diseño se verá de la siguiente manera:

Ilustración 48. Pantalla principal de Mind Designer visualizando las tablas que componen la base de datos “HorariosDB”.

95

Es importante agregar las relaciones a nuestro diseño, MIND tiene la siguiente opción

llamada Agregar JOIN:

Ilustración 49. Pantalla principal de Mind Designer, menú Cubo, opción Agregar Join.

Las relaciones (o JOIN’s), quedan de la siguiente manera:

Ilustración 50. Pantalla principal de Mind Designer, diseño de relaciones con las tablas de la base de datos “HorariosDB”.

96

Considerando las siguientes relaciones para que los cubos puedan funcionar

correctamente:

Edificios.Edificio Plan072014_1.Edificio

Profesores.RFC Plan072014_1.RFC

Materias.Materia Plan072014_1.Materia

Ahora trabajamos y asignamos las dimensiones que serán ejes para modelar los cubos, los

cuales serán los campos principales de cada tabla:

Ilustración 51. Pantalla principal de Mind Designer, asignación de dimensiones para los ejes del cubo a crear.

Las dimensiones y los campos a calcular, quedaron de la siguiente manera:

Ilustración 52. Pantalla principal de Mind Designer, diseño de relaciones con las tablas de la base de datos “HorariosDB”

con ejes creados para los cubos.

97

Tabla 7. Tabla de relación de las secuencias PLAN072014_1.

Campo Tabla Tipo

EDIFICIO Edificios Dimensión DESCRIPCIÓN Edificios Dimensión MATERIA Materias Dimensión NOMBRE_MATERIA Materias Dimensión ACADEMIA Materias Dimensión RFC Profesores Dimensión NOMBRE_PROFESOR Profesores Dimensión SECUENCIA Plan072014_1 Dimensión CUPO Plan072014_1 Función (Sumarizar) INSCRITOS Plan072014_1 Función (Sumarizar)

En seguida vamos a la siguiente opción para editar las vistas del cubo:

Ilustración 53. Pantalla principal de Mind Designer, menú Cubo, opción Editar vistas del cubo.

98

Nos aparece la siguiente pantalla donde podremos ahora seleccionar las posibles

dimensiones o ejes que tendrán nuestras vistas en el reporte, puede ser que solo deseamos

trabajar con algunas de ellas y aceptamos para que guarde nuestra configuración:

Ilustración 54. Ventana de Mind Designer Horarios con los ejes armados para el cubo.

A continuación realizaremos una práctica para poder ejemplificar la integración de un Data

Mart con tecnología de Minería de Datos. Para poder realizarlo, utilizaremos un software

especializado llamado MIND, el cual nos permitirá hacer de fácil manera esta integración.

Ahora nos iremos a la opción de editar modelo para asignar la base de datos de destino

para la construcción de nuestro Data Mart:

Ilustración 55. Pantalla principal de Mind Designer, menú Cubo, opción Editar vistas del cubo.

99

Nos aparecerá la siguiente pantalla donde asignaremos el nombre del modelo y la base de

datos de HorariosDW para que se puedan almacenar las tablas del nuestro Data Mart que

se va a generar:

Ilustración 56. Ventana de Mind Designer Editar Modelo donde asignamos los datos de la base de datos origen y la base

de datos destino.

Para generar las tablas del cubo a nuestra base de datos “HorariosDW” le damos clic al

siguiente botón:

Ilustración 57. Pantalla principal de Mind Designer, botón Generar las tablas del cubo en una base de datos.

100

Nos aparecerá la siguiente pantalla donde nos indica el número de tablas a generar para

poder construir los cubos y además la base de datos donde va a almacenar estas tablas, le

damos clic en el botón de “Aceptar” para su generación:

Ilustración 58. Ventana de Mind Designer llamada Tablas del cubo: Horarios para generar los cubos necesarios para el

Data Mart dentro de la base de datos “HorariosDW”.

Para concluir con la fase de Modelado, simplemente guardamos el cubo, el cual

utilizaremos para nuestra siguiente fase:

Ilustración 59. Pantalla principal de Mind Designer, botón de Guardar cambios.

101

4.6 Mediciones de optimización del proceso por el Data Mart.

En esta etapa, nos dispondremos ahora a comprobar que sí nuestro modelo satisface con

las necesidades del negocio y pueda contestar las preguntas que se hicieron en el inicio.

Para esto vamos a seguir utilizando MIND pero ahora será en su versión Reader. MIND

Reader nos ayuda a trabajar con los cubos antes diseñados, al momento de que abrimos

nuestro proyecto nos muéstrala siguiente pantalla con una lista de las dimensiones que

seleccionamos. La primera que nos muestra por default es la dimensión MATERIA:

Ilustración 60. Pantalla principal de Mind Reader.

Vamos a realizar un recorrido con las diferentes dimensiones, en seguida se muestra la

dimensión del RFC:

Ilustración 61. Pantalla principal de Mind Reader. Visualizando la dimensión del RFC.

102

Después tenemos la dimensión EDIFICIO, la cual nos muestra solo la clave de los edificios:

Ilustración 62. Pantalla principal de Mind Reader. Visualizando la dimensión del EDIFICIO.

A continuación la dimensión SECUENCIA:

Ilustración 63. Pantalla principal de Mind Reader. Visualizando la dimensión de la SECUENCIA.

103

La dimensión DESCRIPCION, la cual contiene la descripción de los Edificios:

Ilustración 64. Pantalla principal de Mind Reader. Visualizando la dimensión de la DESCRIPCION.

En seguido se muestra la dimensión de NOMBRE_MATERIA:

Ilustración 65. Pantalla principal de Mind Reader. Visualizando la dimensión de NOMBRE_MATERIA

104

Después tenemos la dimensión de ACADEMIA:

Ilustración 66. Pantalla principal de Mind Reader. Visualizando la dimensión de ACADEMIA.

Y finalmente tenemos la dimensión NOMBRE_PROFESOR:

Ilustración 67. Pantalla principal de Mind Reader. Visualizando la dimensión de NOMBRE_PROFESOR.

Entonces tenemos que del lado Izquierdo se encuentra una lista de las dimensiones, en la

parte de arriba se encuentran también las dimensiones pero en este caso son para agregar

105

los datos al reporte. Las columnas que siempre aparecen, ya que es la parte estadística son

S_CUPO (Sumatoria del Cupo) y S_INSCRITO (Sumatoria de los Inscritos).

A continuación se muestra un reporte más completo utilizando la dimensión MATERIA

como base y agregando ACADEMIA y NOMBRE_MATERIA, la cual utilizaremos para

contestar la primera pregunta:

Ilustración 68. Pantalla principal de Mind Reader. Visualizando la dimensión de NOMBRE_PROFESOR.

El manejo del software MIND Reader es muy sencillo, ya que se asemeja mucho al manejo

de EXCEL. A continuación agregamos un filtro a la columna de S_CUPO ya que por el

momento, solo nos interesan los que tienen un tope de 1500 o mayor:

Ilustración 69. Cuadro de diálogo de Mind Reader para configurar filtros.

106

Con este reporte contestamos las primeras preguntas:

¿Cuáles son las materias con más alto número de inscritos?

¿Cuál es el aprovechamiento de los cupos de los salones más grandes?

En la siguiente pantalla nos presenta el resultado del reporte:

Ilustración 70. Pantalla principal de Mind Reader. Visualizando respuesta de las materias con mayor capacidad y mayor

cantidad de inscritos.

107

Ahora, podemos llegar a un nivel de detalle más profundo, utilizando el reporte anterior,

agregamos más columnas NOMBRE_MATERIA, ACADEMIA, EDIFICIO, y DESCRIPCIÓN;

vemos el reporte en la siguiente pantalla:

Ilustración 71. Pantalla principal de Mind Reader. Visualizando respuesta de las materias con mayor capacidad y mayor

cantidad de inscritos con mayor detalle.

Y por último realizamos un filtro para contestar las siguientes preguntas:

¿Cuáles son las materias que se imparten de la academia CIENCIAS BASICAS DE LA


¿Cuántos son los alumnos inscritos en las materias que se imparten de la academia

CIENCIAS BÁSICAS DE LA INGENIERÍA en los edificios con clave CI?

Ilustración 72. Pantalla principal de Mind Reader. Visualizando respuesta de las materias que se imparten en la academia

CIENCIAS BASICAS DE LA INGENIERÍA en los edificios con clave CI y la cantidad de alumnos inscritos.

108

MIND Reader tiene herramientas que nos permiten graficar los resultados de los reportes,

obtener un mejor entendimiento de los datos y poder realizar un mejor análisis de los

resultados. A continuación utilizamos el botón de “Gráfica Circular”, para poder generar

nuestra gráfica:

Ilustración 73. Pantalla principal de Mind Reader. Barra de herramientas.

En seguida MIND Reader nos presenta una gráfica circular donde nos presenta el porcentaje

del número de inscritos dentro de los edificios del reporte anterior:

Ilustración 74. Pantalla principal de Mind Reader. Visualizando grafica de pie del porcentaje de alumnos inscritos dentro

de los edificios de CI.

109

De los mismos datos anteriores, ahora podemos ver una gráfica de barras y flechas donde

las barras representan el cupo de las aulas y las flechas el número de los alumnos inscritos

para cada una de las aulas. Esto es considerando los edificios con clave “CI”, de los cuales

obtenemos el siguiente gráfico:

Ilustración 75. Pantalla principal de Mind Reader. Visualizando grafica de barras del porcentaje de alumnos inscritos

dentro de los edificios de CI.

110

Y por último, podemos obtener un reporte con las dimensiones utilizadas de forma

agrupada, lo cual nos permite solo desplegar las dimensiones y el detalle que queremos ver.

A continuación tenemos el reporte:

Ilustración 76. Pantalla principal de Mind Reader. Visualizando reporte agrupado.

En el siguiente reporte se muestra la respuesta para la siguiente pregunta:

¿Cuáles son los edificios que tienen capacidad de más de mil personas?

Ilustración 77. Pantalla principal de Mind Reader. Visualizando reporte con los edificios con capacidad mayor a mil

personas.

111

En seguida encontramos su gráfica circular:

Ilustración 78. Pantalla principal de Mind Reader. Visualizando grafica de pie con los edificios con capacidad mayor a mil

personas.

Para la Gráfica de barras, solo trabajamos la cantidad de inscritos para cada uno de los

edificios:

Ilustración 79. Pantalla principal de Mind Reader. Visualizando grafica de barras con la cantidad de inscritos para los

edificios con capacidad mayor a mil personas.

112

A continuación, tenemos nuestra gráfica comparativa del número de los alumnos inscritos

para cada uno de los edificios:

Ilustración 80. Pantalla principal de Mind Reader. Visualizando grafica de barras tridimensional con la cantidad de

inscritos para los edificios con capacidad mayor a mil personas.

Una nueva Gráfica Comparativo pero ahora tomando en cuenta las claves de los edificios:

Ilustración 81. Pantalla principal de Mind Reader. Visualizando grafica de barras con la cantidad de inscritos para los

edificios agrupados por claves con capacidad mayor a mil personas.

113

Y por último, tenemos una agrupación de los edificios por su clave:

Ilustración 82. Pantalla principal de Mind Reader. Visualizando reporte de los edificios agrupados por su clave.

Ahora tenemos un nuevo reporte que contesta las siguientes preguntas:

¿En qué secuencias está contemplada la materia de CALCULO DIFERENCIAL?,

¿Cuáles son los maestros que la imparten? ¿Cuál es el número de alumnos

inscritos para cada una de las secuencias?

A continuación se muestra el reporte que contesta esas preguntas:

Ilustración 83. Pantalla principal de Mind Reader. Visualizando reporte de la materia CALCULO DIFERENCIAL, los

maestros que la imparten y el número de alumnos inscritos.

114

Generamos la Grafica Circular del reporte con los porcentajes de los alumnos inscritos:

Ilustración 84. Pantalla principal de Mind Reader. Visualizando grafica de pie de la materia CALCULO DIFERENCIAL, los

maestros que la imparten y el número de alumnos inscritos.

A continuación presentamos la Gráfica de Barras con los alumnos inscritos:

Ilustración 85. Pantalla principal de Mind Reader. Visualizando grafica de barras de la materia CALCULO DIFERENCIAL,

los maestros que la imparten y el número de alumnos inscritos.

115

Con los mismos datos encontramos ahora la Grafica comparativa de los maestros y los

alumnos inscritos a cada clase:

Ilustración 86. Pantalla principal de Mind Reader. Visualizando grafica de barras tridimensional de la materia CALCULO

DIFERENCIAL, los maestros que la imparten y el número de alumnos inscritos.

Por último obtenemos su tabla agrupada por SECUENCIA y MATERIA:

Ilustración 87. Pantalla principal de Mind Reader. Visualizando reporte agrupado por SECUENCIA, MATERIA y

NOMBRE_PROFESOR.

116

Continuamos ahora con un reporte más complejo para contestar las siguientes preguntas:

¿Qué cursos tiene asignados el Profesor AUMADA VARGAS JOEL? ¿En qué edificio


Ilustración 88. Pantalla principal de Mind Reader. Visualizando reporte de las materias asignadas para el Profesor

AUMADA VARGAS JOEL y los alumnos inscritos.

En seguida vemos la Grafica Circular con los porcentajes de alumnos asignados y los edificios

donde tiene la asignación:

Ilustración 89. Pantalla principal de Mind Reader. Visualizando grafica de pie de las materias asignadas para el Profesor

AUMADA VARGAS JOEL, edificios asignados y los alumnos inscritos.

117

Con los mismos datos, tenemos una gráfica de barras comparando los alumnos que tiene

asignado en cada uno de los edificios contra la capacidad real de los edificios.

Ilustración 90. Pantalla principal de Mind Reader. Visualizando grafica de barras comparando los alumnos asignados

contra la capacidad de los edificios asignados.

Finalmente tenemos un reporte agrupado por NOMBRE_PROFESOR, RFC, MATERIA,

NOMBRE_MATERIA, ACADEMIA, EDIFICIO y SECUENCIA:

Ilustración 91. Pantalla principal de Mind Reader. Visualizando reporte agrupado por NOMBRE_PROFESOR, RFC,

MATERIA, NOMBRE_MATERIA, ACADEMIA, EDIFICIO y SECUENCIA.

118

4.7 Implementación del Data Mart

En esta parte de la implementación del proyecto, si queremos hacer real se necesita

conseguir una licencia que nos permita instalarlo en varias computadoras, sin embargo,

todos estos reportes que se trabajan, se pueden exportar hacia Excel, simplificando a un

más su trabajo.

Sería bastante bueno tener una herramienta capaz de generar este tipo de conocimiento

que apoyara a la parte administrativa para la gestión de recursos dentro de la Escuela

UPIICSA.

4.8 Conclusiones de la Práctica

Este estudio se realizó con secuencias reales trabajadas para la generación y asignación de

Horarios dentro de la Escuela UPIICSA, se contestaron algunas preguntas simples pero muy

específicas, demostrando que una herramienta para la minería de datos como MIND, puede

ser una herramienta muy potente y muy útil para el descubrimiento de conocimiento

(Knowledge Discovery).

Estas herramientas lo que nos permite, es realizar cada vez una mejor administración de los

recursos, ya que podemos realizar análisis de comportamiento para después poder obtener

pronósticos y tendencias del comportamiento de los datos.

Es muy importante contar con alguna de estas herramientas para la planeación de

asignación de recursos, pero para poder contar con una de estas herramientas como MIND,

primero es imperativo hacer la captura de los datos en algún sistema que nos permita

obtener datos confiables y limpios, además de estructurados; para que la generación de

todos estos reportes pueda ser confiable.

El resultado de este estudio fue satisfactorio ya que se pudieron contestar las preguntas

planteadas en los objetivos de la definición del proyecto, logrando responder de forma

gráfica y de diferentes maneras para la facilitación del análisis de los datos.

119

CONCLUSIONES

El presente trabajo describió la manera de realizar la Planeación Académico-Administrativa

en tres casos prácticos; mostrando potenciales problemas e impactos por la información

que se maneja. Con base en esa problemática se detectaron requerimientos comunes

reflejados en el caso UPIICSA, donde podemos encontrar numerosos puntos de mejora así

como de reflexión para desarrollar un crecimiento tecnológico que mejore las tareas.

Para poder dar solución a la problemática que se plantea en este documento, se

describieron aquí los fundamentos teóricos necesarios de las herramientas de la

Inteligencia de Negocio. Mediante la tecnología revisada se diseñó el modelo de un Data

Mart, el cual nos ha permito contestar algunas requerimientos modelados en forma de

preguntas puntuales.

A través de este modelo de Data Mart diseñado, hemos podido demostrar que la utilización

de las herramientas de Inteligencia de Negocio, pueden ser una alternativa para la gran

necesidad de automatizar procesos complejos de planeación, así como de poder facilitar el

análisis de comportamientos actuales y futuros por medio de reportes o apuntadores.

Tomando en cuenta el Objetivo General presentado al inicio de este documento:

Analizar y diseñar el modelo de un Data Mart para el Sistema de Planeación

Docente en la Unidad Interdisciplinaria de Ingeniería y Ciencias Sociales y

Administrativas (UPIICSA) del Instituto Politécnico Nacional.

Considero que se alcanzó propiamente el objetivo inicial, ya que se presentó la técnica de

diseño de un Data Mart, a través del software Mind, así como el diseño y modelado de

algunas preguntas que gráficamente, se han podido responder de forma satisfactoria.

Considerando nuestra Hipótesis General presentada al principio de este documento:

¿Al contar con un modelo de Data Mart para el Sistema de Evaluación Docente

nos permitirá construir nuevas herramientas internas que apoyen a la

Planeación Académico Administrativa en la Unidad Interdisciplinaria de

Ingeniería y Ciencias Sociales y Administrativas (UPIICSA) del Instituto

Politécnico Nacional?

120

A través de una práctica realizada en este documento desde el software Mind, se ha

demostrado que la Inteligencia de Negocio es una opción muy viable y exacta para poder

apoyar a la toma de decisiones durante la Planeación Académico-Administrativa, ya que a

través del diseño de preguntas y datos reales, hemos podido realizar una práctica paso a

paso de cómo podemos brindar una respuesta puntual y certera para estas preguntas

diseñadas.

En este trabajo, se ha comprobado que el diseño de nuevas herramientas basadas en la

Inteligencia de Negocio, son una alternativa a ser considerada para los nuevos sistemas

informáticos que se puedan gestionar en el futuro, pero también que se pueden ir

contemplando desde el presente para poder adquirir las aptitudes necesarias.

121

TRABAJOS FUTUROS

1. Construcción e implementación de un modelo de Data Warehouse o Data Mart para

la Unidad Interdisciplinaria de Ingeniería y Ciencias Sociales y Administrativas

(UPIICSA) en apoyo a la Planeación Académico-Administrativa.

2. Crear un sistema web de Administración de los horarios para la administración y

generación de las secuencias de forma automática y manual.

3. Propuesta de un Sistema de Soporte a la Decisión para la Unidad Interdisciplinaria

de Ingeniería y Ciencias Sociales y Administrativas (UPIICSA) en apoyo a la

Planeación Académico-Administrativa donde se puedan implementar las diferentes

herramientas de Inteligencia de Negocio.

122

ANEXOS

Anexo A. Contenido de la página web principal de la Facultad de Contaduría

y administración de la U.N.A.M9.

Ilustración 92. Portal del Profesor de la Facultad de Contaduría y Administración de la UNAM.

Aquí se manejan los siguientes servicios:

Ingreso a la Docencia. Aquí se encuentran cuáles son los pasos a seguir para ingresar

como candidato a Profesor de Asignatura.

Servicios al Profesor. Esta es una sección para poder solicitar diferentes documentos

por parte de los profesores.

Sala de Profesores. En estos momentos esta sección se encuentra en construcción.

Asistencia y Evaluaciones. En estos momentos esta sección se encuentra en

construcción.

Calendario Escolar. Calendario de fechas importantes de cada una de las facultades.

Listas de Alumnos por Grupo. Sistema de “Administración Escolar Sistema

Escolarizado”10, donde se administran los datos generales de los alumnos, la cual es

gestionada por la Dirección General.

9 Liga al Portal del Profesor: http://profesor.fca.unam.mx/ 10 Liga al sistema de Administración Escolar del Sistema Escolarizado: http://meteora.contad.unam.mx/escolar/licenciatura/inscripcion_nuevo/index_prof.html

123

Registro y Corrección de Calificaciones. “Sistema Integral de Administración Escolar

S.I.A.E.”11, donde se gestionan las calificaciones de los alumnos por parte de los

maestros.

Firma Electrónica Avanzada. Donde aparecen las recomendaciones a seguir para

adquirir a Firma Electrónica Avanzada (FEA) por parte de los profesores.

Programa de Trabajo. “Sistema de Información para el Proyecto e Informe de

Actividades Académicas”12 donde se pueden consultar los diferentes planes de

trabajo de las diferentes carreras.

Informe de Actividades. El “Sistema de Información para el Proyecto e Informe de

Actividades Académicas”13 donde se pueden consultar los diferentes planes de

trabajo de las diferentes carreras.

Currículum Académico

La Facultad de Contaduría y Administración cuenta con su propio portal de internet14 donde

también se desprenden diferentes servicios y páginas o sitios alternos para consultar. En

este portal también, se puede encontrar el vínculo que nos lleva al portal de los Profesores

y donde encontramos también algunos servicios para los alumnos:

Administración Escolar. Departamento donde se lleva el control y gestión de los

datos referentes al alumno15.

Dirección General de Administración Escolar (DGAE)16.

Servicio Social. En este apartado se encuentra una breve explicación del objetivo del

servicio social y los trámites a seguir para cumplir con este requisito.

Opciones de Titulación. Aquí se pueden ver las diferentes formas en que los alumnos

de esta facultad pueden conseguir su título.

Bolsa de Trabajo17. En el caso de los alumnos que desean conseguir un trabajo

cuando ya se tiene un avance en la carrera o están a punto de terminar, esta sección

les puede ayudar a conseguir un empleo.

11 Liga al Sistema Integral de Administración Escolar S.I.A.E.: https://www.dgae-siae.unam.mx/www_gate.php 12 Liga al Sistema de Información para el Proyecto e Informe de Actividades Académicas: http://intranet.fca.unam.mx/SIPIAD/ 13 Liga al “Sistema de Información para el Proyecto e Informe de Actividades Académicas”: http://intranet.fca.unam.mx/SIPIAD/ 14 Liga al Portal de la Facultad de Contaduría y Administración de la UNAM: http://www.fca.unam.mx/ 15 Liga de acceso a control escolar: http://meteora.contad.unam.mx/escolar/entra_lic/docs/ 16 Liga de servicios de control escolar: https://www.dgae.unam.mx/ 17 Liga para la Bolsa de Trabajo de la FCA: http://cetus.fca.unam.mx/sibt/

124

Movilidad Estudiantil. Esta sección contiene información para los alumnos que

desean continuar sus estudios en el extranjero o tener una experiencia de

intercambio con alumnos de otros países.

Biblioteca. En este apartado se pueden realizar consulta de libros y textos desde

internet18.

Videoteca. En la Videoteca Virtual es donde se concentran videos de conferencias o

eventos realizados en la UNAM19.

Actividades Deportivas. En este apartado se puede encontrar información de

diferentes torneos deportivos que se organizan dentro de la facultad

Boletín Algo Más. Algo más es el órgano informativo de la Facultad de Contaduría y

Administración de la UNAM y tiene por objeto informar a la comunidad universitaria

sobre los acontecimientos académicos que se celebran en las diversas áreas de la

Facultad, como: División de Estudios Profesionales, División de Estudios de

Posgrado, y División de Educación Continua.

Herramientas. Herramientas diversas para el alumno que les brindan ayuda para

realizar algunas tareas de su vida diaria.

18 Liga para realizar búsqueda de libros y documentos desde internet: http://biblio.contad.unam.mx/ 19 Liga a la Videoteca Virtual: http://videoteca.fca.unam.mx/videoteca/index.php

125

Anexo B. Contenido de la página web principal de la Unidad Profesional

Interdisciplinaria de Biotecnología UPIBI

Ilustración 93. Portal UPIBI.

Los apartados más importantes con los que cuenta el portal son:

Inicio. Presentación del portal web.

Conócenos20. En la cual se puede encontrar información valiosa acerca de la

institución como son:

o Directorio

o Escudo

o Historia

o Mensaje de la Directora

o Misión y visión

o Organigrama

o Ubicación

Oferta Educativa21. En esta parte puedes encontrar la lista de las carreras con las

que cuenta la institución y la descripción de cada una de ellas.

20 Liga para la sección Conócenos portal UPIBI: http://www.upibi.ipn.mx/Conocenos/Paginas/Bienvenida.aspx 21 Liga para la sección Oferta Educativa portal UPIBI: http://www.upibi.ipn.mx/OfertaEducativa/Paginas/OfertaEducativa.aspx

126

Estudiantes22. Aquí se encuentra la información concerniente a la parte escolar

como son:

o Gestión Escolar

Manual para Alumnos

SAES. Herramienta informática diseñada para apoyar en la consulta y

realización de trámites escolares.

COSIE. Comisión de Situación Escolar del Consejo General Consultivo.

Gestión Escolar

Becas

Titulación

Tutorías

Movilidad Académica

o Servicios

Servicio Médico

Seguro de Vida

Servicio Social

Bolsa de Trabajo

Biblioteca UPIBI

Biblioteca Nacional de Ciencia y Tecnología (BNCT)

o Otros

Actividades Deportivas

Cursos y Seminarios

Horarios de Asesoría

Egresados23. Cuenta con servicios para los ex-alumnos que siguen en contacto con

la institución o quienes se encuentran en el proceso de titulación, como son:

o Biblioteca UPIBI

o Bolsa de Trabajo

o Colegios y Asociaciones

o Servicio Social

o Titulación

Postgrado e Investigación24. En esta parte se encuentran diferentes ofertas de

Maestrías y Doctorados con las que cuenta la institución.

22 Liga para la sección Estudiantes portal UPIBI: http://www.upibi.ipn.mx/Estudiantes/Paginas/Estudiantes.aspx 23 Liga para la sección Egresados portal UPIBI: http://www.upibi.ipn.mx/Egresados/Paginas/Titulacion.aspx 24 Liga para la sección Postgrado e Investigación portal UPIBI: http://www.upibi.ipn.mx/PosgradoInvestigacion/Paginas/OfertaEducativa.aspx

127

Docentes25. En esta parte, encontramos información y servicios a los que tienen

acceso los profesores de esta institución, los cuales son:

o Prestaciones

o Formación Docente

o Presidentes de Academias

o SAES (registro de calificaciones)

o Tutorías

Personal de apoyo26. Aquí se encuentra los servicios generales con los que cuenta la

institución para todo el capital humano que labora dentro de las instalaciones, como

son:

o Trámites y Formatos

o Seguro de Vida

o Normatividad

o Formación PAAE

Servicios27. Estos servicios son en general para el cuerpo estudiantil, como son:

o UPIS

o Laboratorio de Control Sanitario

o Vinculación

25 Liga para la sección Docentes portal UPIBI: http://www.upibi.ipn.mx/Docentes/Paginas/BienvenidosDocentes.aspx 26 Liga para la sección Personal de Apoyo portal UPIBI: http://www.upibi.ipn.mx/PersonalApoyo/Paginas/TramitesFormatos.aspx 27 Liga para la sección Servicio portal UPIBI: http://www.upibi.ipn.mx/Servicios/Paginas/UPIS.aspx

128

Anexo C. Contenido de la página web de la Unidad Interdisciplinaria de

Ingeniería y Ciencias Sociales y Administrativas UPIICSA.

Ilustración 94. Portal UPIICSA.

Podemos encontrar algunos servicios dedicados a los Alumnos del plantel como se puede

ver en las siguientes opciones:

Gestión Escolar. Sección dedicada a brindar información escolar para los alumnos

como son los reglamentos, dictámenes, aportaciones voluntarias y otros servicios.

Bibliotecas. Sección dedicada a brindar información acerca de la Biblioteca “Ing.

Manuel Zorrilla Carcaño” que se localiza dentro de las instalaciones del campus

UPIICSA.

Becas. Sección dedicada a brindar información acerca de becas y ayudas que pueden

solicitar los alumnos como apoyo a sus estudios.

Servicio Social. Sección dedicada a brindar información a los alumnos acerca de su

servicio social, dónde lo pueden realizar y los trámites que deben de seguir para

poder solicitarlo y liberarlo.

Bolsa de Trabajo. En esta sección se puede encontrar información del departamento

que apoya a los alumnos para poder encontrar una actividad laborar mientras

estudian o al final de su carrera.

129

Actividades Deportivas y Culturales. En esta sección se presenta información acerca

de las coordinaciones que se dedican al fomento de actividades deportivas y

culturales de UPIICSA.

Comunidades. En este apartado encontramos información acerca de algunas

comunidades que han formado los alumnos como clubes sociales para fomentar la

unidad del cuerpo estudiantil.

Tutorías. En esta sección encontramos información para los estudiantes que quieren

mejorar en algún área escolar y que quieren solicitar o participar en tutorías

académicas.

130

Anexo D. Entrevista con el Coordinador de Horarios en la Unidad

Interdisciplinaria de Ingeniería y Ciencias Sociales y Administrativas

UPIICSA

Nombre: Licenciado Alfredo Ortiz Moctezuma

Puesto: Coordinador de horarios UPIICSA.

¿Qué es Planeación?

Determinar los objetivos y finalidades a tomar en cuenta para alcanzar la realización de

una función determinada.

¿Qué es Planeación Académico-Administrativa?

Determinar la demanda de los diferentes programas y planes académicos para poder

generar la oferta de horarios respectiva con oportunidad y suficiencia de la oferta de

lugares adecuados para cubrir la demanda de la totalidad de las unidades principales de

esta unidad.

Objetivo del Departamento:

Generar la oferta de unidades de aprendizaje de los programas y planes académicos de

manera oportuna en condiciones de calidad, cantidad y suficiencia.

Recursos Humanos:

Maestros 793 de base, 50 interinos, 28 jefes de academia también a veces son

maestros también

4 jefes de departamento, 15 secretarias de academia, 8 secretarias de

departamento.

Alumnos 11580 alumnos

5 programas académicos

Recursos Materiales:

Salones:

o Departamento de formación básica 40 salones

o Salas de computo 2

o Laboratorios química 6 física 6

o Departamento de competencias integrales e institucionales 17 salones

laboratorio y 1 sala de cómputo.

131

o Departamento de desarrollo de personal específico 40 salones y 5 salas de

computo.

o Departamento de estudios profesionales genéricos 40 salones y 2 salas de

cómputo.

Programa SAES.

1 computadora para el servicio de internet

Papelería y mobiliario

Línea telefónica

Acceso a la red interna.

Recursos Económicos:

1500 horas frente a grupo

1000 aproximadamente horas de extensión académica.

Unidades de Aprendizaje:

Que este autorizada y aprobada y con sus planes académicos. Proyectores y pc en

cada salón.

En cada unidad académica existen jefaturas de academia. Que está reglamentada

por un reglamento institucional.

Actividades referentes a los Profesores:

Control de carácter laboral asistencia y puntualidad

Control administrativo las omisiones o retardos se reflejen en sus percepciones

Control académico seguimiento a la atención docente

132

Anexo E. Proceso de importación de hojas de Excel a Tablas de SQL Server.

Seleccionamos las tablas a importar:

Ilustración 95. Ventana de SQL Server del Asistente para seleccionar tablas a importar.

Verificamos los tipos y el tamaño de los datos para el catálogo de Edificios:

Ilustración 96. Ventana de SQL Server del Asistente para asignaciones y transformaciones de columnas del catálogo de

Edificios.

133

Verificamos los tipos y el tamaño de los datos para el catálogo de Materias:


Materias.

Verificamos los tipos y el tamaño de los datos para el catálogo de Maestros:


Maestros.

134

Y por último, verificamos los tipos y el tamaño de los datos para la tabla operativa

Plan072014_1:


Plan072014.

Asignamos el tipo y el tamaño para cada uno de los campos de la tabla del Plan072014:


Plan072014 y la asignación de tipos y tamaños.

135

Configuramos la importación para que sea ejecutada inmediatamente:

Ilustración 101. Ventana de SQL Server del Asistente para importación/exportación con DTS.

Finalmente, finalizamos el asistente para que pueda ejecutar nuestra importación:

Ilustración 102. Ventana de SQL Server Completando Asistente para importación/exportación con DTS.

136

La importación tarda algunos minutos copiando los datos hacia SQL Server:

Ilustración 103. Ventana de SQL Server que Ejecuta la importación de los datos.

Si todo fue correcto, nos arroja el siguiente resultado de la importación:

Ilustración 104. Ventana mensaje de SQL Server avisando de la ejecución correcta de la importación de los datos.

137

BIBLIOGRAFÍA

[1] C. M. González García, «Congresos Retos y Espectativas,» [En línea]. Available:

http://www.congresoretosyexpectativas.udg.mx/Congreso%204/Mesa%204/m406.pdf.

[Último acceso: 27 Febrero 2015].

[2] L. A. G. Fernández, «Ciencia y el Hombre, Revista de divulgación Científica y Tecnológica de la

Universidad Veracruazana,» 2004. [En línea]. Available:

http://www.uv.mx/cienciahombre/revistae/vol17num3/articulos/inteligencia/.

[3] H. S. G. P. C. Rao, DATA WAREHOUSING La integración de información para la mejor toma de

decisiones, Prentice Hall Hispanoamericana, S.A., 1996.

[4] G. M. y. J. S. Oscar Marbán, «A Data Mining & Knowledge Discovery Process Model,» 2009.

[5] Yoshibauco, «Alagoritmos TDIDT aplicado al Análisis de suelo,» 27 04 2011. [En línea].

Available: https://yoshibauco.wordpress.com/2011/04/27/empezando-con-las-etapas-de-

crisp-dm/. [Último acceso: 2014].

[6] J. A. G. Arancibia, Metodología para la definción de requisitos en proyecto de data mining,

2009.

[7] J. C. G. Alcázar, «Decisiones y Tecnología,» 7 Febrero 2013. [En línea]. Available:

http://decisionesytecnologia.wordpress.com/2013/02/07/metodologia-para-el-diseno-e-

implantacion-de-un-sistema-de-bi/. [Último acceso: 11 Noviembre 2013].

[8] Sinnexus, «Sistemas de Soporte a la Decisión (DSS),» 2012. [En línea]. Available:

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

[9] IPN, «Upibi.ipn.mx,» [En línea]. Available: http://www.upibi.ipn.mx/Paginas/Inicio.aspx.

Documents

Modelo de Datamart para el sistema de planeación …148.204.210.201/tesis/1488567701551JAIMESANTANAZ.pdf2017-03-03 · Modelo de Datamart para el sistema de planeación docente en