2026-09-18T21:42:50Zhttps://repository.universidadean.edu.co/server/oai/requestoai:repository.universidadean.edu.co:10882/193112026-06-24T09:00:22Zcom_10882_83com_10882_48col_10882_10091
Modelo de inteligencia de negocios enfocado a la visualización de datos en Itelca; business intelligence model ofcused on data visualization at Itelca
Business intelligence model focused on data visualization in Itelca; business intelligence model focused on data visualization at Itelca
Sánchez Ortega, Miguel Ángel
Grajales Marín, Karen Tatiana
Ramos Contreras, Lina Marcela
León Pulido, Jeffrey
Moreno Monsalve, Nelson Antonio
Competitividad
Transformación digital
Inteligencia de negocios
Analítica de negocios
Negocios -- Toma de decisiones
Innovaciones tecnológicas
Inteligencia de negocios
Tecnología
Visualización de datos
Tecnologías de la información
Transformación digital
Business intelligence
Data governance
Analytics maturity
ETL Processes
Data integration
Digital transformation
Dashboards
En 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.
In 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.
Contenido
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
Magíster en Inteligencia de Negocios
Maestría
2026-06-23T19:15:10Z
2026-06-01
Trabajo de grado - Maestría
Trabajo de grado - Maestría
http://purl.org/coar/resource_type/c_bdcc
info:eu-repo/semantics/masterThesis
info:eu-repo/semantics/acceptedVersion
http://purl.org/coar/version/c_ab4af688f83e57aa
Text
http://purl.org/redcol/resource_type/TM
https://hdl.handle.net/10882/19311
BDM-MINE
instname:Universidad Ean
reponame:Repositorio Institucional Biblioteca Digital Minerva
repourl:https://repository.ean.edu.co/
spa
Alshareef, 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.
Atribución-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)
https://creativecommons.org/licenses/by-nc-sa/4.0/
info:eu-repo/semantics/openAccess
Abierto (Texto Completo)
Atribución-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)
http://purl.org/coar/access_right/c_abf2
pdf
148 páginas
Recurso electrónico
application/pdf
application/pdf
application/pdf
application/zip
Maestría en Inteligencia de Negocios Virtual
Facultad de Ingeniería