Herramienta basada en Inteligencia de Negocios y Analíticas para la toma de decisiones académicas. Caso de Bluefields Indian & Caribbean University

En los últimos años las organizaciones y las Instituciones de Educación Superior han generado grandes cantidades de datos a través de distintos sistemas informáticos. Esto ha marcado la transición de una era; ahora, estamos en la era del Big Data donde los esfuerzos se centran en qué hacer con los d...

Descripción completa

Detalles Bibliográficos
Autores principales: Ordoñez Cuthbert, Deyvon Kestner, Sambola, Dexon-Mckensy
Formato: Online
Idioma:spa
Publicado: Facultad Regional Multidisciplinaria de Estelí. UNAN-Managua/FAREM-Estelí 2023
Acceso en línea:https://rcientificaesteli.unan.edu.ni/index.php/RCientifica/article/view/1623
Descripción
Sumario:En los últimos años las organizaciones y las Instituciones de Educación Superior han generado grandes cantidades de datos a través de distintos sistemas informáticos. Esto ha marcado la transición de una era; ahora, estamos en la era del Big Data donde los esfuerzos se centran en qué hacer con los datos generados; debido a esto, la Inteligencia de Negocio y Analíticas, que engloban un conjunto de tecnologías y estrategias que permiten analizar datos y proporcionar información para apoyar en la toma de decisiones. La Bluefields Indian & Caribbean University (BICU), ha expresado en los últimos años interés en adquirir e implementar herramientas que le permitan minimizar el tiempo de gestión, análisis, extracción y visualización de sus datos académicos. El objetivo de este proyecto es el desarrollo de una herramienta basada en Inteligencia de Negocios y Analítica para aumentar la eficiencia de la toma de decisiones de la universidad BICU. El desarrollo se centró en la metodología de Bill Inmon; de este modo, se garantiza que los datos estén organizados por temas y entidad conocidos por los trabajadores de la institución para asegurar una buena interpretación de los datos, el diseño de la Data Warehouse, se realizó de forma descendente. Se obtuvo resultados satisfactorios; sin embargo, hay aspectos que pueden ser mejorados, entre las consideradas está, incorporar modelos de predicción para predecir si, el historial académico previa a la universidad, localización de procedencia, etnia o sexo influye en el desempeño académico de los aprendientes.