Uso de data Warehouse para la toma de decisiones empresariales: una revisión literaria
DOI:
https://doi.org/10.51252/rcsi.v3i2.543Palabras clave:
casos de éxito, diseño, DwH, implantación, metodologíaResumen
Los Data Warehouse (DwH) al pasar los años han comenzado a ser necesarios para empresas que manejan inmensas cantidades de datos provenientes de una o varias fuentes, como sistemas transaccionales u otras bases de datos relacionales, esta herramienta permite tratar y transformar los datos brutos en información útil, volverlos disponibles y accesibles para que los usuarios puedan analizarla. Nuestro objetivo fue identificar el motivo por el cual se requiere implementar DwH en las organizaciones, así como identificar casos de éxito, para lograrlo nos basamos en la técnica de revisión integradora, empleando motores de búsqueda bibliográficos, asegurando la revisión de artículos publicados en revistas indexadas entre los años 2018 y 2022. La revisión ha permitido determinar que el uso de los DwH juega un rol importante en la toma de decisiones en las organizaciones. En conclusión, el Data Warehouse (DwH) es una herramienta fundamental en la toma de decisiones empresariales al proporcionar infraestructura sólida para recopilar, almacenar y analizar grandes volúmenes de datos relevantes, permitiendo una visión holística del negocio y tomar decisiones basadas en evidencia, empodera a los líderes empresariales a identificar tendencias, oportunidades y tomar decisiones estratégicas, mejorando la eficiencia, la rentabilidad y la ventaja competitiva de las empresas.
Citas
Alvarez Gonzaga, B. R. (2021). Inteligencia de negocios para la toma de decisiones: Un enfoque desde la dirección estratégica de instituciones educativas. Revista Scientific, 6(19), 295–312. https://doi.org/10.29394/Scientific.issn.2542-2987.2021.6.19.15.295-312
Arias La Rosa, A., Rodríguez Cruz, Y., & Rodríguez Martínez, A. (2019). Comportamiento de la producción científica sobre Inteligencia Organizacional en la base de datos SCOPUS (2009-2019). Alcance, 10(26). https://revistas.uh.cu/alcance/article/view/5206%0A
Avila Cruz, C. A., & Chiquito Muñiz, J. J. (2022). La integración de Datamart con Datawarehouse. UNESUM-Ciencias. Revista Científica Multidisciplinaria. ISSN 2602-8166, 6(1), 23–30. https://doi.org/10.47230/unesum-ciencias.v5.n4.2021.470
Bouchra, A., Larbi, K., Wakrime, A., & Abderrahim, S. (2019). Linking Context to Data Warehouse Design. International Journal of Advanced Computer Science and Applications, 10(1). https://doi.org/10.14569/IJACSA.2019.0100102
Božič, K., & Dimovski, V. (2019). Business intelligence and analytics for value creation: The role of absorptive capacity. International Journal of Information Management, 46, 93–103. https://doi.org/10.1016/j.ijinfomgt.2018.11.020
Bustamante- Granda, W. X., Macas- Ruiz, E. M., & Cevallos- Macas, F. B. (2018). Data Warehouse: Análisis Multidimensional de BAFICI utilizando Power Pivot. Revista Espacios, 39(34), 24. https://www.revistaespacios.com/a18v39n34/18393424.html
Cantero Díaz, A., Goire Castilla, M. M., & Quintana Cassulo, Y. (2019). Sistema para la gestión y análisis de datos de una red de sensores inalámbricos basado en un almacén de datos. Revista Cubana de Ciencias Informáticas, 13(3), 76–90. http://scielo.sld.cu/pdf/rcci/v13n3/2227-1899-rcci-13-03-76.pdf
Eschrich, S. A., Teer, J. K., Reisman, P., Siegel, E., Challa, C., Lewis, P., Fellows, K., Malpica, E., Carvajal, R., Gonzalez, G., Cukras, S., Betin-Montes, M., Aden-Buie, G., Avedon, M., Manning, D., Tan, A. C., Fridley, B. L., Gerke, T., Van Looveren, M., … Rollison, D. E. (2021). Enabling Precision Medicine in Cancer Care Through a Molecular Data Warehouse: The Moffitt Experience. JCO Clinical Cancer Informatics, 5, 561–569. https://doi.org/10.1200/CCI.20.00175
Forero Castañeda, D. A., & Sánchez Garcia, J. A. (2021). Introducción a La Inteligencia De Negocios Basada En La Metodología Kimball. Revista Tia, 9(1), 5–17. https://revistas.udistrital.edu.co/index.php/tia/article/view/18082/17993
Gacitua, R., Mazon, J. N., & Cravero, A. (2019). Using Semantic Web technologies in the development of data warehouses: A systematic mapping. WIREs Data Mining and Knowledge Discovery, 9(3). https://doi.org/10.1002/widm.1293
García-Jiménez, A. de-J., Aguilar-Morales, N., Hernández-Triano, L., & Lancaster-Díaz, E. (2021). La inteligencia de negocios: herramienta clave para el uso de la información y la toma de decisiones empresariales. Revista de Investigaciones Universidad Del Quindío, 33(1), 132–139. https://doi.org/10.33975/riuq.vol33n1.514
García Estrella, C. W., Barón Ramírez, E., & Sánchez Gárate, S. K. (2021). La inteligencia de negocios y la analítica de datos en los procesos empresariales. Revista Científica de Sistemas e Informática, 1(2), 38–53. https://doi.org/10.51252/rcsi.v1i2.167
Hanine, M., Lachgar, M., Elmahfoudi, S., & Boutkhoum, O. (2021). MDA Approach for Designing and Developing Data Warehouses: A Systematic Review & Proposal. International Journal of Online and Biomedical Engineering (IJOE), 17(10), 99. https://doi.org/10.3991/ijoe.v17i10.24667
Medina, F., Fariña, F., & Castillo, R. (2018). Data mart to obtain indicators of academic productivity in a university | Data mart para obtención de indicadores de productividad académica en una universidad. Ingeniare, 26, 88–101. https://www.scielo.cl/pdf/ingeniare/v26s1/0718-3305-ingeniare-26-00088.pdf
Mora, G. (2018). Siglo XXI economía de la información: gestión del conocimiento y Business Intelligence, el camino a seguir hacia la competitividad. SIGNOS - Investigación En Sistemas de Gestión, 10(2), 161–174. https://doi.org/10.15332/s2145-1389.2018.0002.09
Pavlenko, E., Strech, D., & Langhof, H. (2020). Implementation of data access and use procedures in clinical data warehouses. A systematic review of literature and publicly available policies. BMC Medical Informatics and Decision Making, 20(1), 157. https://doi.org/10.1186/s12911-020-01177-z
Reyes-Mena, F. X., Fuertes-Díaz, W. M., Guzmán-Jaramillo, C. E., Pérez-Estévez, E., Bernal-Barzallo, P. F., & Villacís-Silva, C. J. (2018). Aplicación de Inteligencia de Negocios para el análisis de vulnerabilidades en pro de incrementar el nivel de seguridad en un CSIRT académico. Revista Facultad de Ingeniería, 27(47), 21–29. https://doi.org/10.19053/01211129.v27.n47.2018.7747
Romero, Yamila Mateu Guevara, J. A., & Cano, F. A. (2020). Estrategia de Integración de un Proyecto de Almacenes de Datos Integration Strategy of a Data Warehouse Project. Serie Científica de La Universidad de Las Ciencias Informáticas, 13(7), 144–162. https://dialnet.unirioja.es/servlet/articulo?codigo=8590329
Santoso, L. W., & Yulia. (2017). Data Warehouse with Big Data Technology for Higher Education. Procedia Computer Science, 124, 93–99. https://doi.org/10.1016/j.procs.2017.12.134
Silva-Peñafiel, G. E., Córdova-Vaca, A. M., Cusco-Vinueza, V. A., & Estrada-Velasco, M. V. (2021). Implementación de un Data Warehouse mediante la metodología Hefestos para la toma de decisiones en el Instituto Nacional de Patrimonio Cultural Regional 3. Dominio de Las Ciencias, 7(3), 1116–1135. https://dominiodelasciencias.com/index.php/es/article/view/2044
Silva Peñafiel, G. E., Zapata Yánez, V. M., Morales Guamán, K. P., & Toaquiza Padilla, L. M. (2019). Análisis de metodologías para desarrollar Data Warehouse aplicado a la toma de decisiones. Ciencia Digital, 3(3.4.), 397–418. https://doi.org/10.33262/cienciadigital.v3i3.4..922
Snyder, H. (2019). Literature review as a research methodology: An overview and guidelines. Journal of Business Research, 104, 333–339. https://doi.org/10.1016/j.jbusres.2019.07.039
Tamayo Yero, H. A., Milanés Batista, C., & Milanés Clavijo, V. A. (2019). Almacén de Datos para la gestión de estudios de Peligro, Vulnerabilidad y Riesgo en Cuba. Revista Cubana de Ciencias Informáticas, 13(2). http://scielo.sld.cu/pdf/rcci/v13n2/2227-1899-rcci-13-02-61.pdf
Valarezo-Avila, B., Córdova-Aponte, M., & Serrano-Orellana, B. (2021). Inteligencia de negocios como herramienta clave en el desempeño empresarial. 593 Digital Publisher CEIT, 6(6), 306–325. https://doi.org/10.33386/593dp.2021.6.727
Vallejos, C., Caniupan, M., & Gutierrez, G. (2018). Compact Data Structures to Represent and Query Data Warehouses into Main Memory. IEEE Latin America Transactions, 16(9), 2328–2335. https://doi.org/10.1109/TLA.2018.8789552
Zambrano, C. del C., Rojas, D. F., & Salcedo, P. A. (2018). Un Método para Analizar Datos de Pruebas Educacionales Estandarizadas usando Almacén de Datos y Triangulación. Formación Universitaria, 11(4), 3–14. https://doi.org/10.4067/S0718-50062018000400003
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2023 Alexander Romero-Chuquital, John Jeanfranco Melendres-Velasco
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los autores retienen sus derechos:
a. Los autores retienen sus derechos de marca y patente, y tambien sobre cualquier proceso o procedimiento descrito en el artículo.
b. Los autores retienen el derecho de compartir, copiar, distribuir, ejecutar y comunicar públicamente el articulo publicado en la Revista Científica de Sistemas e Informática (RCSI) (por ejemplo, colocarlo en un repositorio institucional o publicarlo en un libro), con un reconocimiento de su publicación inicial en la RCSI.
c. Los autores retienen el derecho a hacer una posterior publicación de su trabajo, de utilizar el artículo o cualquier parte de aquel (por ejemplo: una compilación de sus trabajos, notas para conferencias, tesis, o para un libro), siempre que indiquen la fuente de publicación (autores del trabajo, revista, volumen, número y fecha).
