Diseño de una Arquitectura de Inteligencia de Negocios para el Área Asistencial en una Clínica de Alta Complejidad

Abstract

El trabajo de grado aborda la implementación de una arquitectura de inteligencia de negocios para mejorar la toma de decisiones en la Clínica Medicina Intensiva del Tolima S.A. El estudio se enmarca en el campo de las Tecnologías de Información y Comunicaciones (TIC), destacando la necesidad de gestionar grandes volúmenes de datos clínicos de manera eficiente. El propósito del trabajo es diseñar una arquitectura de inteligencia de negocios que permita una mejor gestión y análisis de los datos clínicos en el área asistencial de la clínica. Para ello, se realizó una revisión de la literatura sobre los componentes principales de una arquitectura y se diagnosticaron los procesos actuales de gestión de datos en la clínica. La metodología empleada incluye la implementación de procesos ETL (Extracción, Transformación y Carga), el uso de analítica avanzada de GRD (Grupos Relacionados de Diagnóstico), la creación de un Data Warehouse y el uso de herramientas de visualización. Como resultado, se diseñó una arquitectura con las herramientas de Apache NiFi, Azure Synapse Analytics y Power BI escogidas luego de analizarlas con otras herramientas del mercado. Se especificó la integración con la solución de la metodología de grupos relacionados de diagnóstico de la empresa 3M, explicando los indicadores del sistema de clasificación y se realizó un plan de implementación a través de actividades de gestión del cambio, un cronograma detallando las actividades a realizar y por último un análisis financiero a través de una matriz de costos.

The thesis addresses the implementation of a business intelligence architecture to improve decision-making at Clínica Medicina Intensiva del Tolima S.A. The study is framed within the field of Information and Communication Technologies (ICT), highlighting the need to efficiently manage large volumes of clinical data. The purpose of the thesis is to design a business intelligence architecture that allows for better management and analysis of clinical data in the healthcare area of the clinic. To achieve this, a literature review on the main components of an architecture was conducted, and the current data management processes in the clinic were diagnosed. The methodology employed includes the implementation of ETL (Extract, Transform, Load) processes, the use of advanced DRG (Diagnosis-Related Groups) analytics, the creation of a Data Warehouse, and the use of visualization tools. As a result, an architecture was designed using Apache NiFi, Azure Synapse Analytics, and Power BI, chosen after analyzing them against other tools on the market. The integration with the 3M company's Diagnosis-Related Groups methodology solution was specified, explaining the classification system's indicators, and an implementation plan was developed through change management activities, a detailed schedule of activities to be carried out, and finally, a financial analysis through a cost matrix.