Rev. Cient. Sist. Inform. 4(1), e612, doi: 10.51252/rcsi.v4i1.612
Artículo de revisión
Review article
Ene-Jun, 2024
https://revistas.unsm.edu.pe/index.php/rcsi
e-ISSN: 2709-992X
Este es un artículo de acceso abierto distribuido bajo los términos de la licencia de atribución de Creative Commons, que permite el uso sin restricciones, distribución y
reproducción en cualquier medio, siempre que se cite debidamente la obra original.
Metodologías para la construcción de soluciones de
inteligencia de negocios
Methodologies for the construction of business intelligence solutions
Perales-Domínguez, Cristian1*
Sánchez-Calle, Jeison Eli1
Lévano-Rodriguez, Danny1
Gallegos-Carrillo, Katherine2
1Universidad Peruana Unión, Tarapoto, Perú
2Escuela Superior Politécnica del Chimborazo, Riobamba, Ecuador
Recibido: 08 Sep. 2023 | Aceptado: 30 Oct. 2023 | Publicado: 10 Ene. 2024
Autor de correspondencia*: cristian.perales@upeu.edu.pe
Como citar este artículo: Perales-Domínguez, C., Sánchez-Calle, J. E., Lévano-Rodriguez, D. & Gallegos-Carrillo, K. (2024). Metodologías
para la construcción de soluciones de inteligencia de negocios. Revista Científica de Sistemas e Informática, 4(1), e612.
https://doi.org/10.51252/rcsi.v4i1.612
RESUMEN
En las organizaciones, la inteligencia de negocios es una herramienta tecnológica por excelencia para el análisis
y procesamiento de datos históricos internos explotados a favor de la organización, generando información
oportuna y confiable. Nuestro objetivo fue identificar cuáles son las metodologías para la implantación de
soluciones de inteligencia de negocios basadas en data warehouse, así como la adaptabilidad de las mismas a los
diferentes tipos de empresas. Para ello realizamos una revisión del estado del arte de artículos publicados en
revistas indexadas en base de datos bibliográficas como: Web of Science, Scopus, ScienceDirect, SciELO a través
de Google Scholar con el propósito de tener una selección de información de calidad que nos proporcionen
aportes importantes para esta revisión. Identificamos que las metodologías permiten una construcción de la
solución de manera eficiente mediante fases apoyadas en herramientas, modelos y frameworks para su
construcción; siendo la metodología empírica la más utilizada para la construcción de estas soluciones de
inteligencia de negocios.
Palabras clave: datos; integración; metodologías; procesamiento; soluciones; warehouse
ABSTRACT
In organizations, business intelligence is a technological tool par excellence for the analysis and processing of
internal historical data exploited in favor of the organization, generating timely and reliable information. Our
objective is to identify the methodologies for the implementation of business intelligence solutions based on data
warehouse, as well as their adaptability to different types of companies. To do this, we carry out a review of the
state of the art of articles published in journals indexed in bibliographic databases such as: Web of Science,
Scopus, ScienceDirect, SciELO through Google Scholar with the purpose of having a selection of quality
information that they provide us. important contributions to this review. We identify that the methodologies
allow the construction of the solution efficiently through phases supported by tools, models and frameworks for
its construction; The empirical methodology being the most used for the construction of these business
intelligence solutions.
Keywords: data; integration; methodologies; prosecution; solutions; warehouse
Perales-Domínguez, C. et al.
2 Rev. Cient. Sist. Inform. 4(1): e612; (Ene-Jun, 2024). e-ISSN: 2709-992X
1. INTRODUCCIÓN
En la actualidad podemos identificar que en las organizaciones existen brechas entre la información que
necesitan los altos directivos y la cantidad de datos recopilados en la ejecución de las actividades operativas
de la organización (Y. Xu et al., 2022). Es un hecho que al procesar estos datos y generar información, esta
puede formar la base de conocimientos que se necesita para que los gerentes o las partes interesadas tomen
decisiones objetivas basados en criterios determinísticos antes que probabilísticos (Castillo Abarca et al.,
2020).
Así mismo, las organizaciones tienen alta demanda de análisis, interpretación y procesamiento de datos
que les genera la necesidad de sistemas de información que combinen información de fuentes heterogéneas
para crear información homogénea, de fácil interpretación, disponible y transparente (Tunowski, 2020).
Para este propósito, la inteligencia de negocios es altamente efectiva, pues permite la explotación de la data
de los procesos operativos obtenida a través de sus sistemas transaccionales (Yiu et al., 2020).
Según una encuesta realizada por Figalist et al. (2022), ponen en evidencia que el 37% de trabajadores a
menudo incorporan inteligencia de negocios en sus proyectos y un 4% nunca la han aplicado ya que no
satisfacen sus necesidades, puesto que eventualmente aplican técnicas analíticas básicas, estadísticas
complejas y aprendizaje automático. En contraste Wang et al, (2022) manifiestan que estos sistemas son
incapaces de satisfacer las expectativas de los responsables de la toma de decisiones en las organizaciones.
Según Duque et al. (2021) las organizaciones dependen cada vez más de las soluciones de inteligencia de
negocios para extraer, transformar, procesar y organizar los datos. Ello nos permite afirmar lo importante
que es aplicar metodologías adecuadas para desarrollar estas soluciones que ayuden a agilizar y a hacer
más eficiente el proceso de toma de decisiones (Viteri et al., 2022). Por su parte, Cruz et al. (2022) detallan
la aplicación de la metodología de Hefesto V2.0 como guía para el desarrollo de su solución que proporciona
información relevante y precisa para los directivos, seguir la metodología garantiza una implantación
exitosa.
Por su parte, Vanegas et al. (2020) usan el análisis de datos históricos, la discusión del análisis con panel
de expertos y la unificación de la información recolectada como metodología para su construcción,
proporcionando ventajas competitivas, reducción de tiempos de horas a minutos en la obtención de
información y precisión de la información para la empresa.
La revisión de García Estrella et al. (2021) descubre que en Perú, en el sector empresarial se desarrolla más
la inteligencia de negocios y analítica de datos, siendo la metodología empírica la que más se aplica en las
soluciones de inteligencia de negocios, seguida de CRISP-DM y la metodología de Ralph Kimball.
Por otro lado, Azevedo et al. (2021) proponen implementar dos instancias metodológicas en la
construcción de la solución de inteligencia de negocios, tanto para el tratamiento de los datos en DW (Data
Warehouse) con la metodología Kimball y la metodología para la creación de indicadores. La primera
consta de 12 fases, desde los requerimientos del negocio hasta la solución de BI, la segunda consta de cuatro
fases para supervisar el rendimiento de las diversas actividades de la organización. La solución extrae,
almacena y procesa completamente los datos, brinda información en tiempo real a través de una interfaz
visual con un conjunto de métricas para satisfacer las necesidades de los tomadores de decisiones.
Luego de revisar la bibliografía disponible, y a fin de comprender el proceso constructivo de las soluciones
de inteligencia de negocios, llegamos a preguntarnos: ¿cuáles son las metodologías más empleadas?,
¿cuáles sus características, fases y procesos que son más utilizados para la construcción de este tipo de
soluciones?, ¿cómo se adaptan a las metodologías de construcción de inteligencia de negocios? Para ello,
realizamos una revisión sistemática de la literatura sobre las metodologías usadas para la construcción
exitosa de soluciones de inteligencia de negocios.
Perales-Domínguez, C. et al.
3 Rev. Cient. Sist. Inform. 4(1): e612; (Ene-Jun, 2024). e-ISSN: 2709-992X
2. MATERIALES Y MÉTODOS
A fin de lograr nuestro objetivo planteado, aplicamos dos (2) etapas metodológicas: a) búsqueda de la
literatura, y b) revisión y selección de estudios.
2.1. Búsqueda de la literatura
En la Fase I, se siguieron las recomendaciones presentadas por Castiblanco Montañez et al. (2022) y Zheng
et al. (2018), se sugieren cuatro (4) fases para este proceso: en la primera fase, sugiere la elaboración de la
pregunta que se pretende investigar, en la segunda fase, la formulación de las ecuaciones de búsqueda, y la
tercera fase, la revisión de literatura adecuada (Tabla 1).
Tabla 1.
Metodología de la revisión literaria
Fase
Método
Resultado
I
Elaboración de la
pregunta
¿Cuáles son las metodologías más empleadas, características, fases y procesos
en la construcción de soluciones de inteligencia de negocios?
II
Formulación de
ecuaciones de
búsqueda
Se formularon ecuaciones de búsqueda combinando operadores booleanos
AND y OR y palabras clave: business, intelligence, dashboard, solutions,
methodology, bi, developing, analytics, impact, case study, systems,
implementation, application, empirical, datamart.
Los artículos han sido tomados de bases de datos como: scopus, ScienceDirect,
Web of Science (WOS) y Google académico.
III
Selección y revisión de
literatura
Para los criterios de inclusión se consideraron los artículos publicados entre
los años 2018 y 2022, respectivamente, en idioma español, inglés y portugués.
Se obtuvieron un total de 84 artículos, entre los cuales comprenden
publicaciones nacionales e internacionales.
Fuente: Adaptado de Castiblanco Montañez et al. (2022) y (Zheng et al. (2018)
2.2. Selección y revisión de estudios
Los documentos tomados para esta revisión están clasificados como artículos de revistas indexadas, los
cuales fueron importados al gestor de referencias bibliográficas Mendeley Desktop, para luego ser leídos,
los párrafos más importantes subrayados para un mejor entendimiento y aplicamos la técnica de
paráfrasis.
Los criterios de inclusión se centraron en la idoneidad del contenido en relación con las metodologías para
la construcción de soluciones de inteligencia de negocios. Se consideró estudios que proporcionan una
contribución sustancial en términos de enfoques metodológicos, herramientas o prácticas publicados en
idioma inglés, español o portugués. Los estudios incluidos comprenden publicaciones entre el año 2018
hasta 2022.
Se excluyeron estudios aquellos estudios que carecieron de datos relevantes y no alcanzaron los estándares
de calidad metodológica requerida. Asimismo, trabajos de análisis cualitativo, descriptivo o documental,
investigaciones de otras cuestiones relacionadas con las metodologías para la construcción de soluciones
de inteligencia de negocios y publicaciones inferiores al año 2017.
3. RESULTADOS Y DISCUSIÓN
Cada día las organizaciones generan grandes volúmenes de información, las cuales demandan del uso de
herramientas y guías metodológicas para su construcción (Saura & Bennett, 2019). Existen diversos
estudios que detallan la aplicación de estas metodologías en diferentes unidades de negocio como
respuesta a sus objetivos organizacionales y de apoyo para la toma de decisiones. Asimismo, la capacidad
de adaptabilidad de las metodologías en la construcción de inteligencia de negocios en diversas
Perales-Domínguez, C. et al.
4 Rev. Cient. Sist. Inform. 4(1): e612; (Ene-Jun, 2024). e-ISSN: 2709-992X
organizaciones y procesos que demandan de la implantación de herramientas solución de inteligencia de
negocios (Orcajo & Fonseca, 2022).
3.1. Metodologías para la construcción de soluciones de inteligencia de negocios
A través de la revisión efectuada, se han identificado diversas metodologías para la construcción de
soluciones de inteligencia de negocios que proporcionan un conjunto de pasos, luego de los cuales, es
posible proporcionar información confiable y en el momento oportuno, con el menor uso de recursos a los
tomadores de decisiones (Olszak, 2022). Una característica de estos resultados es que son muy
heterogéneos en su contexto de aplicación; sin embargo, tienen una particularidad en común: siempre hay
una tabla de hechos que acopia todas las dimensiones de análisis en función de las cuales se proporcionan
las métricas de evaluación del desempeño de la organización (Tešendić & Krstićev, 2019).
Así, es posible afirmar que los datos procesados son fundamentales para generar información de sus
productos y servicios, que no solo les ayude a crecer, sino que sean mejores que sus competidores (Al-
Okaily et al., 2022). Bajo este contexto, Fraihat et al. (2021) afirman la necesidad de incorporar
metodologías y marcos de solución de inteligencia de negocios para los datos procesados, brindando alta
calidad y fiabilidad de la información como apoyo en la toma de decisiones.
Metodología BAM: Un enfoque empírico para la inteligencia de negocios en organizaciones
benéficas
De acuerdo al estudio realizado por Hindle & Vidgen (2018), quienes a través de la implementación de su
metodología empírica business analytics methodology (BAM, por sus siglas en inglés) para una
organización benéfica del Reino Unido, proporcionan valor a las organizaciones, alineando sus proyectos
de análisis de negocio con su estrategia empresarial. Ellos proponen cuatro fases fundamentales:
- La primera fase consiste en la estructuración de la problemática que enfrenta la organización.
- La segunda fase consiste en el mapeo del modelo de negocio identificando procesos claves para su
comprensión eficiente.
- Como tercera fase se tiene el fortalecimiento del análisis del negocio.
- Como cuarta fase consiste en la implementación de la analítica de los datos representados en
indicadores y metas contempladas para fortalecer la estrategia comercial.
Para el desarrollo de sus dos (2) fases iniciales, la metodología BAM propone la técnica de soft systems
methodology (SSM, por sus siglas en inglés) para la diagramación de modelos mentales de una situación
problema del mundo real; y la técnica de business model canvas (BMC, por sus siglas en inglés), que apunta
a considerar cuidadosamente cada elemento estudiados en la técnica SSM, obteniendo como resultado el
lienzo del modelo de negocio.
Consecuentemente para la tercera fase usan los modelos generados por la técnica BMC y los sistemas
obtenidos de la segunda fase, para identificar aspectos de apoyo que ayuden a identificar datos,
herramientas y análisis para responder a los objetivos de la empresa.
Tabla 2.
Fases de la Metodología BAM
N°
Técnicas utilizadas
1
Utilización de la técnica Soft Systems Methodology (SSM) para diagramar
modelos mentales de la situación problema del mundo real.
2
Aplicación de la técnica Business Model Canvas (BMC) para analizar y
considerar cuidadosamente cada elemento identificado en la técnica
SSM, resultando en el lienzo del modelo de negocio.
Perales-Domínguez, C. et al.
5 Rev. Cient. Sist. Inform. 4(1): e612; (Ene-Jun, 2024). e-ISSN: 2709-992X
3
Utilización de los modelos generados por la técnica BMC y los sistemas
identificados en la fase 2 para identificar aspectos de apoyo, datos,
herramientas y análisis necesarios para cumplir los objetivos de la
empresa.
4
Realización de búsquedas preliminares de datos internos y públicos para
identificar la disponibilidad y calidad de los mismos. Creación de
modelos predictivos relacionados con el ciclo de madurez de los bancos
de alimentos para la toma de decisiones
La metodología BAM concluye con su cuarta fase con la implementación analítica, realizando búsquedas
preliminares de datos internos y públicos con la finalidad de conocer qué datos están disponibles y la
calidad de los mismos, realizaron modelos predictivos del ciclo de madurez de los bancos de alimentos para
la toma de decisiones (Moreno et al., 2020).
Metodología de Inteligencia Empresarial para Mipymes
Por su parte, la metodología planteada por Guitarra Romero (2019), provee un proceso metodológico
empírico de tres (3) fases, las cuales están vinculadas a los cuatro (4) procesos de inteligencia empresarial
(Figura 1) adecuadas a las características y necesidades de las Mipymes. La nueva metodología permite la
generación de estrategias de base sistémica a mediano y largo plazo para la toma de decisiones.
Figura 1. Adaptado de Guitarra Romero (2019)
Fases de la metodología propuesta:
La primera fase consiste en conocer a la empresa, que es relacionada con las dos primeras fases de la
inteligencia empresarial: “Planeación e investigación y recolección”, para identificar temas críticos de la
organización, descubrir los sectores de negocio en la cual desarrollan sus actividades, asimismo sus
procesos, productos o servicio que ofrecen.
La segunda fase consiste en examinar las posibilidades de la empresa en cuanto a identificar tendencias y
formar escenarios futuros a nivel de nuevos mercados, productos, competidores, tecnología, etc. Esta fase
está relacionada con la segunda fase de inteligencia empresarial: “Análisis y producción”.
La tercera fase consiste en diseñar estrategias para la empresa, la cual vinculada a la fase de la inteligencia
empresarial: “Diseminación y explotación”, para el desarrollo de esta fase se utiliza la información obtenida
Perales-Domínguez, C. et al.
6 Rev. Cient. Sist. Inform. 4(1): e612; (Ene-Jun, 2024). e-ISSN: 2709-992X
de la fase anterior con el propósito de generar productos y conocimiento operable de manera adecuada y
pertinente.
En la Figura 1 se observa el proceso metodológico propuesto, dividida en tres (3) fases: Conociendo la
empresa, Posibilidades de la empresa y Estrategias de la empresa. Estas fases se asocian a los procesos de
la inteligencia empresarial: Planeación, Investigación y recolección, Análisis y Producción y Diseminación
y Explotación, permitiendo la construcción de una nueva metodología dinámica y cíclica.
Tabla 3.
Fases de la metodología de inteligencia empresarial para Mipymes
N°
Fase
Técnicas utilizadas
1
Conocer a la empresa, identificar
temas críticos, sectores de negocio y
procesos.
Relacionada con las fases de "Planeación e investigación y
recolección" de la inteligencia empresarial.
2
Examinar las posibilidades de la
empresa y formar escenarios
futuros.
Relacionada con la fase de "Análisis y producción" de la
inteligencia empresarial
3
Diseñar estrategias para la empresa
utilizando la información obtenida
en la fase anterior.
Relacionada con la fase de "Diseminación y explotación" de la
inteligencia empresarial.
En efecto, esta nueva metodología permite construir una herramienta prospectiva de inteligencia de
negocios para generar estrategias a mediano y largo plazo para los tomadores de decisiones (Božič &
Dimovski, 2019). Así mismo, contribuye en la construcción de la solución de inteligencia de negocios futura.
Metodología de Inteligencia empresarial y desarrollo de soluciones de datos para Mipymes
Por su parte Viteri et al., (2022) plantean una “una nueva metodología para la inteligencia de negocios en
banca por internet” para la industria bancaria y financiera que como ya se mencionó en la introducción,
buscan proporcionar información que dinamice el proceso de toma de decisiones. Para definir la nueva
metodología se tomaron en cuenta factores críticos que influyen en el desarrollo de la solución como las
herramientas de software y sistemas de inteligencia de negocios.
Para el desarrollo de esta nueva metodología, ellos revisaron diferentes metodologías existentes como la
de Ralph Kimball, DWEP y SAS Rapid. Como parte del trabajo, analizaron factores críticos de éxito con una
matriz de ponderación, en la que Ralph Kimball y DEWEP fue la que obtuvo mayor puntaje en el meta-
análisis. Su resultado fue el desarrollo de una metodología empírica basada en las metodologías del meta-
análisis (Figura 2).
Respecto a los factores críticos de éxito los autores utilizaron la técnica de The Quantitative Strategic
Planning Matrix (QSPM, por sus siglas en inglés) desde un enfoque de gestión estratégica. La técnica designa
a cada factor crítico un peso (b) y una clasificación (c), la multiplicación de b * c designa el puntaje para
cada metodología. Luego de calcular, Ralph Kimball obtiene 29.4, DEWEP un 27.15 y SAS RAPID un 23.84.
A partir de ello, plantean una metodología que dividida en tres fases (Tabla 4), el cual se describe de la
siguiente manera:
En primer lugar, el análisis y diseño para la arquitectura de la solución, obteniendo el diseño de los casos
de uso, así como la arquitectura y el flujo de entrada y salida de datos.
En segundo lugar, el desarrollo de la base de datos y la construcción de procesos de extracción,
transformación y carga de datos (Extration, transformation and Load, ETL por sus siglas en inglés).
En tercer lugar, la integración a través de paneles de información.
Perales-Domínguez, C. et al.
7 Rev. Cient. Sist. Inform. 4(1): e612; (Ene-Jun, 2024). e-ISSN: 2709-992X
Figura 2. Adaptado de Viteri et al. (2022)
Tabla 4.
Fases de la metodología de Inteligencia empresarial propuesta
N°
Fase
Herramientas/Enfoques Utilizados
1
Análisis y diseño para la arquitectura de la
solución. Incluye el diseño de casos de uso y la
arquitectura.
Análisis de casos de uso, diseño arquitectónico y la
definición de flujos de entrada y salida de datos.
2
Desarrollo de la base de datos y construcción de
procesos ETL.
Construcción de la base de datos. Procesos de Extracción,
Transformación y Carga (ETL).
3
Integración a través de paneles de información.
Creación e implementación de paneles de información.
La implementación de su nueva metodología tuvo resultados significativos en la banca por internet,
indicando una mayor productividad y reducción de tiempo, así como un número reducido de personas
involucradas y costos generados por el trabajo de cada persona en el proceso de toma de decisiones (Nithya
& Kiruthika, 2021).
Metodología de Ralph Kimball para la construcción de soluciones de inteligencia de negocios en
entidades territoriales
Para la construcción de la solución de inteligencia de negocios, Varona-Taborda et al., (2021) utilizaron la
metodología de Ralph Kimball que les permitió integrar y analizar la información de los programas de
secretarías de salud, educación y planeación para una entidad territorial.
La metodología consta de nueve (9) fases (5) que son: Definición de requerimientos del negocio, Diseño de
la arquitectura técnica, Selección de productos e implementación, Modelado Dimensional, Diseño Físico,
Diseño e implementación del Subsistema de ETL, Implementación, Especificaciones de aplicaciones de BI,
Desarrollo de aplicaciones de BI, Administración del proyecto de DW/BI.
Asimismo, presenta aspectos importantes para la construcción de la solución de inteligencia de negocios y
para el desarrollo de contenedores de datos DW; sin embargo, los autores consideraron usar seis (6) fases
de la metodología, puesto a que estas instituciones son ricas en datos, pero no cuentan con herramientas
necesarias para explotar al máximo las aplicaciones de inteligencia de negocios.
Las fases adoptadas por estos autores son: Planificación, Análisis de requisitos, Modelado dimensional,
Diseño físico, Diseño del sistema ETL, Especificación y desarrollo de aplicaciones de BI.
Tabla 5.
Fases de la metodología de Ralph Kimball
N°
Fase
Descripción
1
Planificación
Etapa inicial que implica la planificación general del proyecto de
inteligencia de negocios, incluyendo la definición de objetivos, alcance y
recursos.
2
Análisis de requisitos
Identificación y análisis de las necesidades y requisitos de la
organización para determinar qué datos y métricas son cruciales para la
toma de decisiones.