Publicación:
Modelo de inteligencia de negocios enfocado a la visualización de datos en Itelca; business intelligence model ofcused on data visualization at Itelca

dc.contributor.advisorLeón Pulido, Jeffrey
dc.contributor.authorSánchez Ortega, Miguel Ángel
dc.contributor.authorGrajales Marín, Karen Tatiana
dc.contributor.authorRamos Contreras, Lina Marcela
dc.contributor.juryMoreno Monsalve, Nelson Antonio
dc.creator.id1022343527
dc.creator.id1014253988
dc.creator.id1102867339
dc.date.accessioned2026-06-23T19:15:10Z
dc.date.issued2026-06-01
dc.description.abstractEn el contexto internacional, la transformación digital y la analítica de datos se han convertido en factores clave para la competitividad de las organizaciones, especialmente en sectores tecnológicos. Las empresas requieren integrar sus sistemas y adoptar modelos de inteligencia de negocios que fortalezcan la toma de decisiones en entornos cambiantes. En Colombia, aunque las MIPYMES representan la mayor parte del tejido empresarial, su nivel de madurez analítica aún es limitado, lo que genera retos importantes para su crecimiento. El objetivo principal de este estudio es diseñar un modelo de inteligencia de negocios para ITELCA que se adapte a sus sistemas de información actuales y mejore la toma de decisiones estratégicas, tácticas y operativas. Además, busca diagnosticar su nivel de madurez analítica y establecer lineamientos de gobierno de datos. La metodología empleada combina un enfoque mixto que integra técnicas cuantitativas y cualitativas mediante revisión documental, encuestas estructuradas aplicadas al equipo directivo y operativo de ITELCA. Se emplearon herramientas de Business Intelligence como Power BI, SQL Server y procesos ETL para analizar las fuentes de datos e identificar brechas informativas concretas. El instrumento de diagnóstico evaluó ocho dimensiones organizacionales mediante 24 preguntas estructuradas; en seis de las ocho dimensiones se identificaron ítems con promedios inferiores a 3,5 sobre 5, evidenciando déficits en el uso analítico de la información, la integración entre sistemas y el apoyo tecnológico a la toma de decisiones estratégicas. A partir de estos hallazgos, se consolidaron cuatro tablas de hechos y seis dimensiones en el modelo dimensional propuesto, cubriendo un histórico de cinco años de información financiera, comercial y operativa de la organización, sentando así las bases para el diseño de una arquitectura de Business Intelligence alineada con los objetivos estratégicos de ITELCA.spa
dc.description.abstractIn the international context, digital transformation and data analytics have become key factors for organizational competitiveness, especially in the technology sector. Companies must integrate their systems and adopt business intelligence models that strengthen decision-making in dynamic environments. In Colombia, although MSMEs represent most of the business fabric, their analytical maturity level remains limited, creating significant challenges for growth. The main objective of this study is to design a business intelligence model for ITELCA that aligns with its current information systems and improves strategic, tactical, and operational decision-making. Additionally, it aims to diagnose the company’s analytical maturity level and establish data governance guidelines. The methodology combines a mixed approach integrating quantitative and qualitative techniques through documentary review and structured surveys applied to ITELCA's management and operational teams. Business Intelligence tools such as Power BI, SQL Server, and ETL processes were used to analyze data sources and identify specific information gaps. The diagnostic instrument assessed eight organizational dimensions through 24 structured questions; in six of the eight dimensions, items with averages below 3.5 out of 5 were identified, revealing deficits in the analytical use of information, system integration, and technological support for strategic decision-making. Based on these findings, four fact tables and six dimensions were consolidated in the proposed dimensional model, covering a five-year historical record of the organization's financial, commercial and operational information, accordingly, laying the foundations for the design of Business Intelligence architecture aligned with ITELCA's strategic objectives.eng
dc.description.degreelevelMaestríaspa
dc.description.degreenameMagíster en Inteligencia de Negociosspa
dc.description.tableofcontentsContenido Lista de Figuras ....................................................................................................... 10 Lista de Tablas ......................................................................................................... 11 Objetivos .................................................................................................................. 17 Objetivo general ...................................................................................................................... 17 Objetivos específicos .............................................................................................................. 17 Justificación ............................................................................................................. 18 Marco Institucional .................................................................................................. 20 Presentación ITELCA .............................................................................................................. 20 Referentes estratégicos .......................................................................................................... 21 Estructura Organizacional ....................................................................................................... 22 Productos o servicios ofertados .............................................................................................. 23 Análisis del sector ................................................................................................................... 24 Análisis externo de la organización ........................................................................................ 24 Marco de Referencia ................................................................................................ 27 Inteligencia de Negocios (Business Intelligence, BI) .......................................................... 27 Visualización de Datos ................................................................................................................ 29 Data Warehouse ............................................................................................................................ 30 ETL (Extract, Transform, Load) ................................................................................................ 31 Dashboards .................................................................................................................................... 33 Benchmarking en la gestión de datos .................................................................................... 34 Tecnologías habilitadoras para la gestión de datos ........................................................... 35 Calidad y Gobierno de los Datos: ............................................................................................ 35 Métodos de validación y consenso experto .......................................................................... 36 Adaptación del método Delphi .................................................................................................. 37 Medición de concordancia interjueces ................................................................................... 37 Modelos de madurez para adopción tecnológica y BI ........................................................ 37 Diseño Metodológico ............................................................................................... 41 Tipo y alcance de estudio ....................................................................................................... 43 Técnicas e instrumentos de recolección de información ........................................................ 44 Población y muestra ................................................................................................................ 45 Identificación de las variables ................................................................................................. 46 Operacionalización de las variables - Definición y medición de indicadores clave ................ 47 Método Delphi como instrumento de medición y validación ................................................... 48 Variables de la encuesta en aplicación del método Delphi .................................................... 49 Validación del instrumento de medición ................................................................................. 56 Aplicación del coeficiente V de Aiken ..................................................................................... 57 Resultados Método Delphi ...................................................................................................... 58 Resultados V de Aiken ............................................................................................................ 62 Alfa de Cronbach .................................................................................................................... 66 Diagnóstico Organizacional .................................................................................... 67 Procesamiento estadístico de datos ....................................................................................... 68 Análisis de los resultados de encuesta ................................................................................... 72 Diagnóstico del Nivel de Madurez TDWI ................................................................ 74 Análisis comparativo por área funcional ................................................................................. 76 Análisis y diagnóstico de los Dashboard actuales, de los procesos principales y de la arquitectura de inteligencia de negocios de ITELCA ........................................ 78 Diagnostico Dashboards Actuales: ......................................................................................... 79 Resultado Diagnostico Dashboards Actuales: ........................................................................ 85 Propuesta de arquitectura de inteligencia de negocios BI ................................... 86 Caracterización procesos core (principales) Itelca: ................................................................ 87 Desarrollo e implementación de la propuesta......................................................................... 88 Resultados del diagnóstico y la propuesta ............................................................................. 93 Arquitectura propuesta ............................................................................................................ 96 Modelo Entidad-Relación (ER) ............................................................................................. 100 Lineamientos de gobernanza para la sostenibilidad del modelo en el tiempo: .................... 103 Propuesta de Presentación y visualización de datos ........................................................... 105 Instrumento de validación de usabilidad ..............................................................113 Análisis de resultados ........................................................................................................... 116 Plan de implementación del modelo BI para ITELCA ...........................................118 Conclusiones y Recomendaciones .......................................................................124 Referencias .............................................................................................................128 Anexos .....................................................................................................................134 Anexo 8.Diccionario de datos, Matriz bus, Gobernanza aplicada. ....................................... 135 Dim_Tiempo ..................................................................................................................................141 CRM_Clientes ...............................................................................................................................142 Dim_Usuarios ................................................................................................................................142 CRM_Proyectos ............................................................................................................................142 ERP_Cuentas................................................................................................................................142 Dim_Geo ........................................................................................................................................142
dc.formatpdf
dc.format.extent148 páginas
dc.format.mediumRecurso electrónicospa
dc.format.mimetypeapplication/pdf
dc.identifier.instnameinstname:Universidad Eanspa
dc.identifier.localBDM-MINE
dc.identifier.reponamereponame:Repositorio Institucional Biblioteca Digital Minervaspa
dc.identifier.repourlrepourl:https://repository.ean.edu.co/
dc.identifier.urihttps://hdl.handle.net/10882/19311
dc.language.isospa
dc.publisher.facultyFacultad de Ingenieríaspa
dc.publisher.programMaestría en Inteligencia de Negocios Virtualspa
dc.relation.referencesAlshareef, H. R., & Emeagwali, O. L. (2026). Business intelligence capabilities and SME innovation. Systems, 14(4), 339. https://doi.org/10.3390/systems14040339 Amazon Web Services (AWS). (2024). What is cloud computing? https://aws.amazon.com/what-is-cloud-computing/ Bahaaudeen, A. (2024). The impact of the data warehouse on decision making quality and speed in education. 2023 International Conference on IT Innovation and Knowledge Discovery (ITIKD). https://doi.org/10.1109/ITIKD56332.2023.10099501 Banco Interamericano de Desarrollo (BID). (2025). Transformación digital en América Latina: avances y desafíos. BID. Bangor, A., Kortum, P. T., & Miller, J. T. (2008). An empirical evaluation of the System Usability Scale. International Journal of Human-Computer Interaction, 24(6), 574–594. https://doi.org/10.1080/10447310802205776 Barboza, M. I., & Huamani, P. E. (2022). Implementación de un modelo de business intelligence para PYMES. Universidad Peruana de Ciencias Aplicadas. https://repositorioacademico.upc.edu.pe/bitstream/handle/10757/620692/Barboza_MI_Hu amani_PE.pdf Brooke, J. (1996). SUS: A quick and dirty usability scale. En P. W. Jordan, B. Thomas, B. A. Weerdmeester & I. L. McClelland (Eds.), Usability evaluation in industry (pp. 189 194). Taylor & Francis. Caballero Muñoz-Reja, I., Caro, A., Calero, C., & Piattini, M. (2019). IQM3: Information quality management maturity model. Journal of Universal Computer Science, 15(3), 3–24. Cairo, A. (2023). The art of insight: How great visualization designers think. Pearson. Creswell, J. W., & Plano Clark, V. L. (2018). Designing and conducting mixed methods research (3rd ed.). SAGE Publications. Crooks, R., Lankow, J., & Ritchie, J. (2012). Infographics: The power of visual storytelling. Wiley. DAMA International. (2017). DAMA-DMBOK: Data management body of knowledge (2nd ed.). Technics Publications. Davenport, T. H., & Bean, R. (2020). Big data @ work: Dispelling the myths, uncovering the opportunities. Harvard Business Review Press. Davenport, T. H., & Harris, J. G. (2017). Competing on analytics: The new science of winning (Updated ed.). Harvard Business Review Press. Departamento Administrativo Nacional de Estadística (DANE). (2025). Encuesta de Tecnologías de la Información y las Comunicaciones (ENTIC). DANE. Deloitte. (2022). Global data management survey. https://www.deloitte.com/insights/data-management Enterprise Information Systems. (2025). Business intelligence for SMEs: A hybrid review of models, barriers, and future directions. Enterprise Information Systems, 19(1). https://doi.org/10.1080/17517575.2025.2588755 Escobar-Pérez, J., & Cuervo-Martínez, Á. (2008). Validez de contenido y juicio de expertos: una aproximación a su utilización. Avances en Medición, 6(1), 27–36. https://www.humanas.unal.edu.co/psicometria/files/7113/8574/5708/Articulo3_Juicio_de_expertos_27-36.pdf Escurra, L. M. (1988). Cuantificación de la validez de contenido por criterio de jueces. Revista de Psicología, 6(1-2), 103–111. https://revistas.pucp.edu.pe/index.php/psicologia/article/view/4555 Evelson, B. (2023). The Forrester Wave™: Augmented business intelligence platforms, Q2 2023. Forrester Research, Inc. https://www.forrester.com/report/augmented intelligence Evergreen, S. D. H. (2021). Effective data visualization: The right chart for the right data (2nd ed.). SAGE Publications. Few, S. (2020). Now you see it: An introduction to visual data sensemaking (2nd ed.). Analytics Press. Gartner. (2023). Magic Quadrant for analytics and business intelligence platforms. Gartner, Inc. https://www.gartner.com/en/documents/magic-quadrant-analytics Gartner. (2024). Magic Quadrant for analytics and business intelligence platforms. Gartner, Inc. https://www.gartner.com/en/documents/magic-quadrant-for-analytics-and business-intelligence-platforms Gartner. (2025). Magic Quadrant for analytics and business intelligence platforms. Gartner, Inc. George, D., & Mallery, P. (2003). SPSS for Windows step by step: A simple guide and reference (4th ed.). Allyn & Bacon. Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2022). Multivariate data analysis (8th ed.). Cengage Learning. Hernández-Sampieri, R., & Mendoza Torres, C. P. (2023). Metodología de la investigación. McGraw-Hill Interamericana. https://www-ebooks7-24 com.bdbiblioteca.universidadean.edu.co/?il=31455 Hsu, C. C., & Sandford, B. A. (2007). The Delphi technique: Making sense of consensus. Practical Assessment, Research & Evaluation, 12(10), 1–8. IBM. (2022). What is a dashboard? https://www.ibm.com/topics/dashboard IBM. (2023). What is ETL (extract, transform, load)? https://www.ibm.com/topics/etl International Data Corporation (IDC). (2026). Worldwide artificial intelligence spending guide. IDC. Irizarry, R. A. (2023). Introducción a la ciencia de datos: Análisis de datos y algoritmos de predicción con R. HarvardX Data Science Series. https://rafalab.dfci.harvard.edu/dslibro/ ITELCA. (2024). ITELCA Integradora tecnológica. https://www.itelca.com.co/ Joyanes Aguilar, L. (2019). Inteligencia de negocios y analítica de datos (1.ª ed.). Alfaomega. Kimball, R., & Ross, M. (2013). The data warehouse toolkit: The definitive guide to dimensional modeling (3rd ed.). Wiley. Knaflic, C. N. (2015). Storytelling with data: A data visualization guide for business professionals. Wiley. Landeta, J. (1999). El método Delphi: Una técnica de previsión para la incertidumbre. Ariel. Laursen, G. H. N., & Thorlund, J. (2016). Business analytics for managers: Taking business intelligence beyond reporting (2nd ed.). Wiley. McHugh, M. L. (2012). Interrater reliability: The kappa statistic. Biochemia Medica, 22(3), 276–282. Merino-Soto, C. (2018). Intervalo de confianza para el coeficiente V de Aiken. Psychologia, 12(2), 39–48. https://doi.org/10.21500/19002386.3407 Microsoft. (2024). What is Azure Data Factory? https://learn.microsoft.com/en us/azure/data-factory/introduction MIT Sloan Management Review. (2025). Becoming a data-driven organization. MIT Sloan Management Review. Nielsen, J. (2000). Why you only need to test with 5 users. Nielsen Norman Group. https://www.nngroup.com/articles/why-you-only-need-to-test-with-5-users/ Okoli, C. (2012). A guide to conducting a standalone systematic literature review. Communications of the Association for Information Systems, 37(1), Article 43. https://doi.org/10.17705/1CAIS.03743 Okoli, C., & Pawlowski, S. D. (2004). The Delphi method as a research tool: An example, design considerations and applications. Information & Management, 42(1), 15 -29. Oracle. (2022). What is big data? https://www.oracle.com/big-data/what-is-big-data/ Otto, B. (2011). Organizing data governance: Findings from the telecommunications industry and consequences for large service providers. Communications of the Association for Information Systems, 29(1), 45–66. https://doi.org/10.17705/1CAIS.02903 Pedrosa, I., Suárez-Álvarez, J., & García-Cueto, E. (2013). Evidencias sobre la validez de contenido: avances teóricos y métodos para su estimación. Acción Psicológica, 10(2), 3–18. https://doi.org/10.5944/ap.10.2.11820 Penfield, R. D., & Giacobbi, P. R. (2004). Applying a score confidence interval to Aiken's item content-relevance index. Measurement in Physical Education and Exercise Science, 8(4), 213–225. https://doi.org/10.1207/s15327841mpee0804_3 Petzold, B., Roggendorf, M., Rowshankish, K., & Sporleder, C. (2022). The data-driven enterprise of 2025. McKinsey & Company. https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-data-driven enterprise-of-2025 Reguant-Álvarez, M., & Torrado-Fonseca, M. (2016). El método Delphi. REIRE Revista d'Innovació i Recerca en Educació, 9(1), 87–102. https://doi.org/10.1344/reire2016.9.1916 Reis, J., & Housley, M. (2022). Fundamentals of data engineering: Plan and build robust data systems. O'Reilly Media. Romero, A. L. D. V. H. (2024). Modelo de inteligencia de negocios para PYMES: una propuesta de desarrollo. Innovación y Desarrollo Tecnológico, 16(2), 1–18. https://iydt.wordpress.com/wp-content/uploads/2024/06/2_55_modelo-de-inteligencia-de negocios-para-pymes-una-propuesta-de-desarrollo_-1.pdf Romero-Chuquital, A., & Melendres-Velasco, J. J. (2023). Use of data warehouse for business decision making: A literary review. Revista Científica de Sistemas e Informática, 3(2), e543. https://doi.org/10.51252/rcsi.v3i2.543 Saunders, M., Lewis, P., & Thornhill, A. (2021). Research methods for business students (8th ed.). Pearson. Sharda, R., Delen, D., & Turban, E. (2017). Business intelligence, analytics, and data science: A managerial perspective (4th ed.). Pearson. Superintendencia de Sociedades. (2024). Sistema de información y reporte empresarial (SIREM). https://www.supersociedades.gov.co/ Tableau. (2023). What is a dashboard? https://www.tableau.com/learn/articles/dashboards Tafuro, A., Colamartino, C., Dammacco, G., & Toma, P. (2025). Business intelligence for SMEs: A hybrid review. Enterprise Information Systems. TDWI. (2016). TDWI analytics maturity model guide. TDWI Research. https://tdwi.org/research/2016/09/maturity-model-guide-analytics.aspx Tristán-López, A. (2008). Modificación al modelo de Lawshe para el dictamen cuantitativo de la validez de contenido de un instrumento objetivo. Avances en Medición, 6(1), 37–48. Wong, D. (2010). The Wall Street Journal guide to information graphics. Dow Jones & Company. Yau, N. (2011). Visualize this. Wiley.
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2
dc.rights.creativecommonsAtribución-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)
dc.rights.licenseAtribución-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)
dc.rights.localAbierto (Texto Completo)spa
dc.rights.urihttps://creativecommons.org/licenses/by-nc-sa/4.0/
dc.subject.armarcTransformación digitalspa
dc.subject.armarcInteligencia de negociosspa
dc.subject.armarcAnalítica de negociosspa
dc.subject.armarcNegocios -- Toma de decisionesspa
dc.subject.armarcInnovaciones tecnológicasspa
dc.subject.lembCompetitividadspa
dc.subject.proposalInteligencia de negocios
dc.subject.proposalTecnología
dc.subject.proposalVisualización de datos
dc.subject.proposalTecnologías de la información
dc.subject.proposalTransformación digital
dc.subject.proposalBusiness intelligence
dc.subject.proposalData governance
dc.subject.proposalAnalytics maturity
dc.subject.proposalETL Processes
dc.subject.proposalData integration
dc.subject.proposalDigital transformation
dc.subject.proposalDashboards
dc.titleModelo de inteligencia de negocios enfocado a la visualización de datos en Itelca; business intelligence model ofcused on data visualization at Itelcaspa
dc.titleBusiness intelligence model focused on data visualization in Itelca; business intelligence model focused on data visualization at Itelcaeng
dc.typeTrabajo de grado - Maestríaspa
dc.type.coarhttp://purl.org/coar/resource_type/c_bdcc
dc.type.coarversionhttp://purl.org/coar/version/c_ab4af688f83e57aa
dc.type.contentText
dc.type.driverinfo:eu-repo/semantics/masterThesis
dc.type.otherTrabajo de grado - Maestría
dc.type.redcolhttp://purl.org/redcol/resource_type/TM
dc.type.versioninfo:eu-repo/semantics/acceptedVersion
dspace.entity.typePublication
person.affiliation.nameMaestría en Inteligencia de Negocios - Virtual
person.affiliation.nameMaestría en Inteligencia de Negocios - Virtual
person.affiliation.nameMaestría en Inteligencia de Negocios - Virtual
relation.isDirectorOfPublication6c5739ef-034b-41ce-b134-e4b5979f893e
relation.isDirectorOfPublication.latestForDiscovery6c5739ef-034b-41ce-b134-e4b5979f893e
relation.isReviewerOfPublication5899cdd5-1550-4b71-b77f-dd882e51fbe9
relation.isReviewerOfPublication.latestForDiscovery5899cdd5-1550-4b71-b77f-dd882e51fbe9

Archivos

Bloque original

Mostrando 1 - 3 de 3
Cargando...
Miniatura
Nombre:
GrajalesKaren2026.pdf
Tamaño:
4.01 MB
Formato:
Adobe Portable Document Format
Descripción:
Tesis de Maestría
Cargando...
Miniatura
Nombre:
GrajalesKaren2026_Anexo.pdf
Tamaño:
269.76 KB
Formato:
Adobe Portable Document Format
Descripción:
Autorización Publicación
Cargando...
Miniatura
Nombre:
GrajalesKaren2026_Anexo1.pdf
Tamaño:
2.06 MB
Formato:
ZIP SCORM
Descripción:
Anexo 1

Bloque de licencias

Mostrando 1 - 1 de 1
Cargando...
Miniatura
Nombre:
license.txt
Tamaño:
1.92 KB
Formato:
Item-specific license agreed upon to submission
Descripción: