El Business Intelligence aplicado al análisis prospectivo ...virtualeduca.red/documentos/23/El BI...

1

El Business Intelligence aplicado al análisis prospectivo del desempeño académico

José Gerardo Moreno Salinas [[email protected]]

Coordinación de Universidad Abierta y Educación a Distancia - UNAM

Resumen

En la constante búsqueda por tener un mejor entendimiento del desempeño

académico de los alumnos, cada vez se ha procesado una mayor cantidad de bases

de datos e instrumentos de evaluación que posibiliten encontrar muchas de las

respuestas de manera más rápida y accesible. Resultado del constante incremento en

los volúmenes de datos, ha sido necesario recurrir a formas más eficaces y eficientes

de explorar en los datos y así obtener información más oportuna e inteligente que les

sea útil a los tomadores de decisiones para la definición de las estrategias que

deberán ser encaminadas en beneficio de los alumnos y por ende, del sistema

educativo.

Se presenta la base de cálculo que se utilizó para hacer un análisis prospectivo de los

desempeños académicos de los alumnos, mismos que están sujetos al tiempo

reglamentario que marcan las carreras y planes de estudio. Para después

programarse en una herramienta de Business Intelligence que permita comparar y

categorizar las diferentes variables de interés sin perder la visión holística del sistema

de una manera rápida, intuitiva e interactiva para el tomador de decisiones (usuario

final).

Además, el artículo tiene el propósito de dejar evidencia de la experiencia que se ha

adquirido en el procesamiento de datos académicos y las herramientas utilizadas, en

este caso del Business Intelligence para su análisis y presentación de la información.

Palabras clave: Business Intelligence; análisis prospectivo; desempeño académico;

educación abierta y a distancia.

2

Introducción

Es cierto que cada vez vivimos en un mundo más globalizado y que las tecnologías de

la información y comunicación lo han propiciado en gran medida, pero no quiere decir

que habitemos en un mundo más conectado o relacional, ya que la gran mayoría de

los datos que generamos son no estructurados y en términos de análisis requieren de

un mayor esfuerzo que los datos estructurados, esto sin considerar el gran problema

de su accesibilidad y que sólo pocas corporaciones gozan de los privilegios de acceso.

La “International Data Corporation” publicó el artículo El universo digital de las

oportunidades1 donde señala que no todos los datos que se generan en el universo

digital están sujetos a hacer analizados; reportó que en el 2013, el 22% de la

información fue candidata para su análisis, pero sólo el 5% de los datos fueron

analizados realmente.

El crecimiento acelerado y exponencial en la generación de datos a nivel mundial no

es exclusivo de las grandes organizaciones, sino de todas aquellas que manejen en

formatos digitales sus procesos, registros de productos y servicios, usuarios,

mensajes, transacciones comerciales u operacionales, entre otros. De acuerdo con la

infografía publicada por Domo2, calcula que por cada minuto que pasa en Internet se

cargan 72 horas de nuevos videos en YouTube, se mandan 204 millones de correos

electrónicos, Google recibe por arriba de cuatro millones de búsquedas, se comparten

347,222 fotografías en WhatsApp y Amazon recibe 83,000 dólares por ventas en línea.

Con lo anterior nos queda claro que son más los datos que generamos que la

información que obtenemos de éstos y mucho menos es el conocimiento que

aprendemos.

Por tal motivo se vuelve imperante contar con las herramientas que posibiliten un

mejor entendimiento de nuestros datos y no sólo esto, que también motiven las

estrategias que habrá que implementar en beneficios de nuestras organizaciones y

tengan respuestas ágiles a los constantes cambios de los datos.

Para el caso particular del Sistema Universidad Abierta y Educación a Distancia

(SUAyED), de la Universidad Nacional Autónoma de México (UNAM), resulta un tema

muy pertinente estudiar el desempeño académico que han tenido los alumnos con

base en sus historias académicas, pero además, es de suma importancia hacer

análisis prospectivos de los desempeños académicos que deberán de tener los

alumnos donde podamos anticipar los escenarios y sean los tomadores de decisiones

los responsables de emprender las acciones en el corto plazo en beneficios de los

alumnos.

El propósito del artículo es presentar uno de los muchos esfuerzos que se han

realizado por entender mejor nuestros datos (alumnos) y presentar los resultados que

hemos obtenido de utilizar herramientas de inteligencia de negocios para el análisis

prospectivo del desempeño académico.

3

Business Intelligence

La inteligencia de negocios o mejor conocido por sus siglas en inglés BI (Business

Intelligence), en una primera necesidad, se concentra en el análisis de datos

estructurados y relacionados que han sido procesados en diferentes formas y

contenidos. El contar con una herramienta en BI ayudará en gran medida en analizar,

catalogar y estructurar los datos para su mejor visualización y presentación de la

información.

No debemos perder de vista que cada vez es mayor la necesidad de estar más y

mejor informados en menos tiempo y el BI es sin duda un excelente aliado para la

identificación de fortalezas y debilidades de nuestros datos, además de ser más

proactivos en apoyo a un mejor entendimiento que soporte la toma de decisiones.

En la actualidad son muchas las herramientas tecnológicas que ofrecen un

procesamiento de BI. De acuerdo con el sitio capterra.com, el cual se especializa en

buscar y ofrecer las mejores soluciones en Software al hacer estudios de

comparabilidad, publicó recientemente que son 270 las herramientas que existen de

BI. Para mayor información se sugiere visitar el siguiente sitio: http://bit.ly/1HoABpR.

La empresa Gartner, quien es especializada en consultoría e investigación de las

tecnologías de información publicó en febrero del 2015 su “Cuadrante Mágico para

Plataformas de Business Intelligence y Analytics3”. En el cual muestra la posición

relativa de cada competidor en el espacio BI, considerando los productos más fáciles

de usar, con mayor accesibilidad y de mejor integración con los sistemas existentes,

ver siguiente imagen.

Imagen 1.

Cuadrante Mágico para Plataformas de Business Intelligence y Analytics.

4

En el cuadrante de Gartner se pueden identificar a los que son aspirantes

(challengers), líderes (leaders), jugadores de nicho (niche player) y visionarios

(visionaries) dentro del mercado del BI. Los competidores que se encuentran dentro

del cuadrante de líderes y visionarios son los que actualmente tienen la habilidad para

ejecutar, es decir, como proveedores de sus productos y servicios a nivel mundial,

además que sus productos cumplen con los últimos requerimientos del mercado al

anticiparse a las necesidades futuras.

Desde una perspectiva empresarial, la escritora del sitio WhatIs.com de TechTarget,

Margaret Rouse4 describe que dentro los beneficios potenciales del BI, incluyen:

acelerar y mejorar la toma de decisiones; optimizar los procesos internos del negocio;

aumentar la eficiencia operativa; conducir nuevos ingresos y la obtención de ventajas

competitivas sobre sus rivales comerciales. También pueden ayudar a las empresas a

identificar las tendencias del mercado y los problemas de negocios punto que hay que

abordar.

5

Datos educativos y su importancia

Una de las principales misiones en las que se ha desarrollado la Coordinación de

Universidad Abierta y Educación a Distancia (CUAED) de la UNAM, es la constante

búsqueda de las mejores prácticas de cada uno de los involucrados en el sistema y

replicarlos entre sus pares. Para ayudar a identificar esas buenas prácticas y tener un

mejor conocimiento del SUAyED y en particular de los alumnos, el Departamento de

Información y Estadística de la CUAED ha trabajado con diversas bases de datos e

instrumentos de evaluación con el propósito de registrar los perfiles de los alumnos

para cada uno de los semestres de primer ingreso, analizando así, sus principales

datos sociodemográficos, socioeconómicos y antecedentes académicos.

Además, se cuenta con la base de datos de rendimiento escolar del SUAyED, la cual

contiene todo lo relacionado a las historias académicas de los alumnos, es decir:

semestre de ingreso, causa de ingreso, asignaturas inscritas, asignaturas reprobadas,

promedio, porcentaje de avance, etcétera; son alrededor de 40 variables las que se

procesan en dicha base de datos, lo cual permite tener información oportuna de las

historias académicas de los alumnos para cada una de las divisiones y licenciaturas.

Con lo anterior contravenimos a lo que una vez señaló Peter Drucker en su libro La

Sociedad Post capitalista5, para su tiempo él dijo que habíamos generado una

inmensa cantidad de datos que hemos llegado al término de no saber qué hacer con

ellos y con la ayuda del BI sí tenemos otra forma de saber qué hacer con los datos e

incluso, reconocemos que el contar con más datos relacionados posibilita la

realización de diversos estudios, como son: estadística descriptiva e inferencial,

estudios de correlación y minería de datos, que a su vez permiten explorar posibles

interdependencias entre variables, identifica tendencias, modelos y ayudan a descifrar

los principales factores que inciden en los desempeños académicos de los alumnos

SUAyED, en particular. Sólo que habrá que desarrollar las habilidades y conocimientos

suficientes para saber qué, dónde y cómo buscar.

De ahí su importancia de siempre mantener un registro constante de todos los cortes

semestrales y del respaldo de los instrumentos de evaluación.

6

Análisis prospectivo del desempeño académico

En términos del análisis de desempeño académico de los alumnos SUAyED nos

hemos concentrado más por los enfoques descriptivos históricos donde buscamos

explicar los avances que han tenido los alumnos en determinados cortes de tiempo

pasados, es decir, se sigue prefiriendo entender cómo nos ha ido desde un punto

pasado del tiempo al día de hoy y han sido pocos los esfuerzos por explorar los

análisis de los desempeños académicos de los alumnos en prospectiva, dicho de otro

modo, conocer cómo nos podrá ir en un futuro y con base en ello estar mejor

preparados para definir las posibles líneas de acción que se deberán implementar en

determinados subconjuntos de alumnos que motiven sus avances escolares y a su

vez, mejoren las tasas de absorción entre los semestres consecutivos de las

licenciaturas.

Para poder realizar el estudio en prospectiva de los desempeños académicos de los

alumnos SUAyED es necesario conocer a fondo la base de datos de rendimiento

escolar y sus metadatos, de modo que permita identificar las variables que miden la

temporalidad, como son: carrera y plan de estudios en la que está inscrito, porcentaje

de avance en créditos cubiertos y semestre en el que inició con sus estudios. Decimos

que son variables de temporalidad ya que establecen la duración de los alumnos en el

SUAyED, se explican a continuación.

La carrera y plan de estudios identifica el número de semestres que duran los

estudios, así como su respectivo número de créditos totales a cumplir. Por

ejemplo: El plan de estudios 180 de la carrera de administración tiene una

duración de nueve semestres con 440 créditos, a diferencia del plan 345 de

misma carrera dura 10 semestres con 405 créditos.

El semestre de inicio establece el punto en el que comenzará a contar los

números de semestres que marca la carrera y plan de estudios.

El porcentaje de avance en créditos define en números relativos cuántos

créditos del total ha logrado aprobar el alumno y además, nos ayuda a calcular

la razón de avance que ha tenido el alumno en función del tiempo que ha

utilizado y por lo tanto, sabremos del tiempo que le resta y la razón en créditos

que deberá avanzar en promedio por semestre.

Es importante mencionar que los alumnos del SUAyED y de acuerdo con el

Reglamento de Estatuto General del SUAyED6 tienen dos veces la duración señalada

en el plan de estudios para el cumplimiento de la totalidad de los requisitos de

estudios, al término del cual se causará baja en la institución. A este tiempo se le

conoce como reglamentario y como se mencionó, se aplica a los alumnos inscritos en

las modalidades del SUAyED. El tiempo curricular es la duración que marca los planes

y programas de estudios en la modalidad presencial de la UNAM y en promedio son

nueve los semestres. En el mismo Reglamento establece que los alumnos de los

niveles técnico, bachillerato y licenciatura que no terminen sus estudios en el tiempo

señalado no serán reinscritos y únicamente conservarán el derecho a acreditar sus

asignaturas faltantes por medio de exámenes extraordinarios.

7

Para ampliar el nivel de conocimiento de los alumnos inscritos en el SUAyED, se

procesó una tabla relacional para cada división (escuelas y facultades), carreras,

planes de estudio, número de semestres a cursar y créditos totales de las licenciaturas

del SUAyED, a continuación se muestra un ejemplo de dicha tabla para el caso

particular de la Facultad de Contaduría y Administración.

División Carrera Plan Semestres a cursar Créditos

Fac. CA Administración 345 10 405






Fac. CA Contaduría 344 10 405








Fac. CA Informática 1541 8 408





Tabla 1.

Tabla de datos relacional de la Facultad de Contaduría y Administración.

Para después, relacionar dichos datos con la base de rendimiento escolar y calcular

con base en éstos, las nuevas variables o campos calculados que posibilitarán el

análisis prospectivo del desempeño académico, a continuación se explican.

Semestres transcurridos. Son los semestres que ha cursado el alumno desde

que inició, es decir, el número de semestres resultante de la diferencia del

semestre de análisis (2014-1) con el semestre de inicio particular de cada

alumno. Por ejemplo: Si un alumno inició con sus estudios en el semestre

2012-1 significa que al semestre de análisis 2014-1 han transcurrido cinco

semestres.

Semestres a cursar en tiempo reglamentario (TR). Es el doble de tiempo que

establece el plan y programa de estudios al que está inscrito el alumno.

Semestres para terminar en TR. Es la diferencia en número de semestres de

las dos variables anteriores. Esta variable nos ayuda a identificar el número de

semestres que tienen los alumnos para terminar con sus estudios, de acuerdo

al tiempo que establece el Reglamento del estatuto del SUAyED.

8

Razón en créditos para terminar en TR. Define la razón en números relativos

de los créditos que deberá de avanzar el alumno en promedio por los

semestres que tiene para terminar en TR y así cubrir con el 100% de los

créditos dentro del marco de tiempo (número de semestres) que establecen los

planes y programas de estudios del SUAyED.

Para tratar de explicar mejor cómo es que se calculan dichas variables que posibilitan

el análisis prospectivo, se presenta el siguiente ejemplo:

Variables de desempeño y temporalidad Variables de análisis prospectivo

División: Facultad de Contaduría y Administración Carrera: Administración Plan de estudios: 180 Semestres a cursar: 9 Créditos totales: 440 Créditos aprobados: 180 % de avance en créditos (aprobados): 40% Semestre de inicio: 2012-1 Semestre de análisis: 2014-1 Nota: Son las variables que contiene la base de datos de rendimiento escolar.

Semestres transcurridos: (2014-1) – (2012-1) = 5 Semestres a cursar en TR: 9*2 = 18 Semestres para terminar en TR: 18-5 = 13 Razón en créditos para terminar en TR:

Créditos: (Total) - (Créditos aprobado) (100%) - (40% avance en créditos) = 60% de créditos por terminar

Razón: (% Créditos por terminar) / (Semestres para terminar en TR)

(60) / (13) = 4.6% créditos en promedio por semestre

Nota: Son las variables que se calculan en función de la base de datos de rendimiento escolar.

Interpretación del resultado

Por lo tanto, con base a la carrera, plan de estudio, semestre de inicio y porcentaje de avance en créditos (aprobados), es que el alumno deberá avanzar a una razón de 4.6% créditos en promedio por semestre para el total del tiempo restante (13 semestres) y así cubrir el 100% de créditos en el TR. Nota: Aproximadamente una asignatura refiere a 2% del total de créditos.

Cuadro 1.

Cálculo de análisis prospectivo e interpretación de resultados.

El ejercicio se hizo para el caso particular de un alumno y hacerlo realmente no

requirió más que cálculos aritméticos para conocer la razón en créditos que deberá

tener para cumplir con el total que exige su plan de estudios dentro del TR. Pero la

complejidad se vuelve al querer calcular al mismo tiempo a casi 54,000 alumnos1 que

están distribuidos en dos modalidades del SUAyED, que a su vez están inscritos en

múltiples carreras y en diferentes planes de estudios que refieren a desiguales

semestres duración y créditos a cubrir, y que a su vez se relacionan con diferentes

semestres de inicio, múltiples sedes de registro en los estados que ha habido

convocatorias y con diversos promedios de calificaciones.

Al ser tantos los componentes y las posibles combinaciones entres variables, se

vuelve muy importante tener las herramientas que posibiliten el análisis de los alumnos

1 Número de alumnos registrados en la base de rendimiento escolar 2014-1.

9

SUAyED con una visión holística, que nos permita la comparabilidad y categorización

entre los diferentes elementos del sistema sin perder de vista la complejidad que

representa por sí mismo, pero haciéndolo más accesible y de un mejor entendimiento

para los tomadores de decisiones, de modo que en cualquier momento puedan hacer

relaciones entre variables sin perder el contexto global e identifiquen los conjuntos de

alumnos que serán beneficiados de las diferentes posibles líneas de acción que sean

emprendidas. Es importante mencionar que será responsabilidad de los tomadores de

decisión la definición de las líneas de acción a emprender.

El caso de BI aplicado al análisis prospectivo del desempeño académico

El BI es una de esas herramientas en la cual nos hemos auxiliado para mostrar esta

visión generalizada del sistema a la vez que permite el análisis en particular de sus

componentes. En el Departamento de Información y Estadística de la CUAED en la

UNAM, inició desde el 2010 trabajar de manera experimental con Tableau y ha

resultado ser una potente herramienta con reducidos tiempos de latencia en el

procesamiento de grandes volúmenes datos, además que facilita una interfaz muy

interactiva en la visualización de la información, lo que ha permitido hacer más

accesibles y entendibles los proyectos de análisis que se han desarrollado en dicha

herramienta de BI.

A continuación se presenta la impresión de pantalla del “Dashboard” en la que

aparecen todos los componentes anteriormente descritos y por medio de un ejemplo

se explica la relación entre variables y su interpretación.

10

Imagen 2. “Dashboard” del análisis prospectivo de los alumnos SUAyED 2014-1.

En esta imagen se describen las variables de entrada las cuales pueden ser seleccionadas para refinar el análisis y hacerlo más específico

en relación a los intereses de los tomadores de decisiones. Al aplicar cualquier selección en las variables de entrada en automático

realizará el cálculo anteriormente descrito sobre todos los datos del SUAyED y mostrará el análisis prospectivo del desempeño académico

en la matriz de resultados del “Dashboard”.

Modalidad de estudios

(Abierta y a distancia)

Es la

raz

ón

en

nú

me

ros

rela

tivo

s d

e lo

s

créd

ito

s q

ue

deb

erá

avan

zar

en

pro

med

io

D

ivis

ion

es

SU

AyE

D

(Esc

uel

as y

Fac

ult

ades

)

Número de semestres que tiene

el alumno para terminar en TR

Conjuntos de

alumnos

P

rom

edio

de

calif

icac

ion

es a

l 20

14

-1

Variables de

entrada

Matriz de resultados

11

Imagen 3.

“Dashboard” del análisis prospectivo de los alumnos SUAyED 2014-1.

En esta imagen se explican los ejes de la matriz de resultados así como tres interpretaciones de ciertos subconjuntos de alumnos. En

cualquier momento de acuerdo a la selección que se haga en las variables de entrada se podrá tener acceso de los datos de este

subconjunto de alumnos, por ejemplo, si se desea saber más información de los 977 alumnos basta con posicionarse con el puntero del

mouse sobre el número y aparecerá la siguiente ventana emergente:

Son 977 alumnos que en los siete semestres que les quedan para

terminar en TR deberán de avanzar a una razón de 14% en créditos en

promedio por semestre, es decir, aproximadamente siete asignaturas

Alumnos con mayor

extensión (semestres) para

terminar en TR. Alumnos de

reciente ingreso

Alumnos próximos

en agotar su TR

Menos % de

créditos

(asignaturas)

Más % de

créditos

(asignaturas)

Son 299 alumnos que a pesar de disponer de cuatro semestres para agotar su TR ya

cubrieron el 100% de sus créditos

Son

1,2

41

alu

mn

os

qu

e ag

ota

ron

su

TR

. En

su

cru

ce c

on

0,

-1, y

-2

sig

nif

ica

los

sem

estr

es e

n lo

s q

ue

ago

taro

n s

u T

R c

on

bas

e al

sem

estr

e d

e an

ális

is (

20

14

-1)

12

Imagen 4.

Ventana emergente de un subconjunto de datos de la matriz de resultados.

En la venta emergente habrá que dar clic en el último cuadro donde aparece la leyenda

“Ver datos”, aparecerá otra nueva ventana donde presentará dos hojas tabuladas

(Resumen y Subyacente), se sugiere seleccionar “Subyacente” y por default sólo le

presenta las primeras 200 filas, a continuación se presenta una muestra de dicha pantalla.

También da la posibilidad de descargar todos los datos en un archivo con extensión

“.csv”.

Imagen 5.

Ventana emergente de una muestra de datos.

De este modo podrá ubicar a mayor detalle cualquier subconjunto de datos (alumnos), el

nivel de detalle de la información estará dado por la base de datos que haya sido cargada

en el sistema de BI.

Para ayudar a entender mejor la matriz de resultados y hacer un mejor análisis

prospectivo del desempeño académico se identificaron cuatro posibles cuadrantes con

sus respectivas polaridades, de modo que podemos asociar los siguientes subconjuntos

de alumnos:

Primer cuadrante. Menos % de créditos (asignaturas) que aprobar en menor

tiempo. Son los alumnos que en sus semestres pasados han tenido un buen

avance en créditos y para los semestres restantes llevarán una carga

relativamente ligera de asignaturas.

Segundo cuadrante. Menos % de créditos (asignaturas) que aprobar en más

tiempo. Son los alumnos que en sus semestres pasados han tenido un excelente

avance en créditos y para los semestres restantes llevarán una carga menor de

asignaturas en comparación con los alumnos del primer cuadrante. De éstos se

13

pueden distinguir alumnos de reciente ingreso, es decir, los que están más

cercanos a 20 semestres para terminar en TR.

Tercer cuadrante. Más % de créditos (asignaturas) que aprobar en menor tiempo.

Son los alumnos que en semestres pasados no se preocuparon por acreditar sus

asignaturas y ahora se encuentran en una situación extrema ya que deberán llevar

una carga mayor de asignaturas por los pocos semestres que tienen para terminar

en TR.

Cuarto cuadrante. Más % de créditos (asignaturas) que aprobar en más tiempo.

No es posible que haya alumnos en situación extrema por la cantidad de

asignaturas que deberán aprobar y a la vez dispongan de numerosos semestres

por terminar en TR.

Además, en una franja roja se distinguen los alumnos que han agotado su TR y el número

de semestres que han pasado desde entonces (0, -1 y -2). La fila titulada créditos al 100%

tal como su nombre lo dice, refiere a los alumnos que han cubierto la totalidad de sus

créditos y podemos observar los semestres que aún disponían para terminar sus estudios

en TR, ver siguiente imagen.

Imagen 6.

Matriz de resultados y cuadrantes. El presentar la matriz de resultados por cuadrantes ayudará a los tomadores de

decisiones en identificar fácilmente a los diferentes subconjuntos de alumnos y de

acuerdo a las necesidades que detecten por la combinación de las variables de entrada

que seleccionen, sabrán mejor a quiénes encaminarán las líneas de acción que formulen.

I

(– , –)

II

(– , +)

IV

(+ , +)

III

(+ , –)

14

También será responsabilidad de los tomadores de decisión priorizar el subconjunto que

deberán atender en un primer orden y será deseable que definan diferentes líneas de

acción dependiendo de la situación en la que se encuentren los alumnos. Por último, cabe

mencionar que se podrá accesar desde cualquier dispositivo móvil con conexión a

Internet, lo que responde muy bien a la necesidad de siempre estar informados, desde

cualquier lugar y en cualquier momento.

Para accesar e interactuar con la herramienta de BI aplicado al análisis prospectivo del desempeño académico deberá de ingresar a la siguiente URL: http://galton.cuaed.unam.mx/auth/

Autenticarse con los siguientes datos.

Nombre de usuario: BI2015 Contraseña: muestra2015 Cualquier comentario será bien recibido al correo electrónico: [email protected] Para mayor información se sugiere visitar: http://cienciadato.blogspot.mx/

http://galton.cuaed.unam.mx/auth/

mailto:[email protected]

http://cienciadato.blogspot.mx/

15

Conclusiones

Sabemos que cada vez tendremos más datos (estructurados y no estructurados) y que

nunca nos adelantaremos a su interminable generación, por otro lado tenemos el

compromiso de saberlos entender y relacionar mejor, hasta el momento sólo hemos

examinado datos estructurados, los cuales nos han ayudado muy bien para describir los

perfiles e historias académicas de nuestros alumnos e incluso, han posibilitado el análisis

prospectivo del desempeño académico.

Recordando lo que alguna vez dijo Albert Einstein: “No todo lo que puede ser contado

cuenta, y no todo lo que cuenta puede ser contado”, en términos de análisis de datos

estamos ante está difícil tarea, ¿cómo contar lo que realmente cuenta?, ya que hemos

contado mucho de lo que posiblemente no cuenta con el fin de estimular mejor los

desempeños académicos de los alumnos y es por ello, que nos estamos preparando para

comenzar a analizar datos no estructurados y así explorar qué variables son las que

realmente inciden (cuentan) en los desempeños académicos.

Un aspecto importante de incorporar una herramienta de BI para el análisis de datos es

que permite cambiar en segundos el enfoque de estudio, pudiendo pasar de lo general a

lo particular y viceversa, es decir, de estar viendo el contexto general de los desempeños

académicos del SUAyED, pasar alguna división en particular y a su vez compararla entre

modalidades de estudio todo con una simple selección de las variables de entrada.

En términos de desempeños académicos, es claro que no todos los alumnos son iguales

y ni tienen las mismas necesidades, ya que hay alumnos que disponen de más tiempo

para terminar en TR con sus créditos y están los alumnos que se encuentran en situación

extrema al disponer de menos tiempo para terminar con sus asignaturas, además hay que

considerar los subconjuntos de alumnos que deben cumplir con una mayor carga

asignaturas y los que tienen una menor carga. Por ello que se haya desarrollado la matriz

de resultados por cuadrantes.

Es gratificante participar en los procesos de análisis de datos y poner a disposición de los

tomadores de decisiones algunos de los enfoques que posibilitan una mejor comprensión

de los datos del sistema. Sin duda, la incorporación de BI en el análisis de datos es una

excelente herramienta que facilita y resuelve el problema de estar más y mejor informados

en menor tiempo.

16

Bibliografía

1 Turner, V. The Digital Universe of Opportunities: Rich Data and the Increasing Value of

the Internet of Things. En IDC Analyze the Future. Disponible en

http://idcdocserv.com/1678 (2014, 1 de octubre, 10:17).

2 Data never sleeps 2.0 how much data is generated every minute? En Domo. Disponible

en http://www.domo.com/learn/data-never-sleeps-2 (2014, 1 de octubre, 7:40).

3 “Gartner Magic Quadrant for Business Intelligence and Analytics Platforms” by Rita L.,

Joao T., Josh P., Daniel Y. and Bill H., 20 February 2015. Disponible en

http://gtnr.it/1blOxFd (2015, 10 de abril, 14:07).

4 Rouse, M. Business Intelligence (BI). En TechTarget. Disponible en

http://searchdatamanagement.techtarget.com/definition/business-intelligence (2015, 18 de

abril, 12:32).

5 Drucker P. (2004). La Sociedad Poscapitalista. Colombia: Norma.

6 Reglamento del Estatuto del Sistema Universidad Abierta y Educación a Distancia.

Disponible en http://xenix.dgsca.unam.mx/oag/abogen/documento.html?doc_id=13 (2015,

15 de abril, 21:48).

El Business Intelligence aplicado al análisis prospectivo ...virtualeduca.red/documentos/23/El BI...

Documents

Transcript of El Business Intelligence aplicado al análisis prospectivo ...virtualeduca.red/documentos/23/El BI...