FACULTAD DE CIENCIAS E INGENIERIA

PROGRAMA ACADEMICO DE INGENIERIA DE

SISTEMAS DE INFORMACION

ANTEPROYECTO DE TESIS

“APLICACIÓN DE INTELIGENCIA DE NEGOCIOS EN LA TOMA

DE DECISIONES DE SERVICIOS DEL TERMINAL PORTUARIO
IQUITOS ENAPU - 2018”

PARA OPTAR EL TÍTULO PROFESIONAL EN CIENCIAS E

INGENIERÍA. MENCIÓN: INGENIERÍA DE SISTEMAS DE
INFORMACIÓN

AUTOR (es) : CAPUENA ARIRAMA, Lorenzo

DEL AGUILA AMARINGO, Marcelo

ASESOR: Ing.

San Juan Bautista - Loreto – Maynas – Perú

2018
 I. Datos Generales

1. Título
APLICACIÓN DE INTELIGENCIA DE NEGOCIOS EN LA TOMA DE
DECISIONES DE SERVICIOS EN EL TERMINAL PORTUARIO IQUITOS
ENAPU 2018

2. Áreas y Líneas de Investigación

2.1. Línea: Ingeniería de Software.
2.2. Área: Gestión de Proyectos de Software.

3. Autor: CAPUENA ARIRAMA, Lorenzo

DEL AGUILA AMARINGO, MARCELO
4. Colaboradores.
4.1. Instituciones: Terminal Portuario Iquitos ENAPU
4.2. Personas: Gerente General del T.P.I. ENAPU

5. Duración Estimada de Ejecución: De marzo de 2018 a agosto de 2018

6. Fuentes de Financiamiento:
6.1. Recursos Propios:
 Autofinanciado
6.2. Recursos Externos en Gestión:
 Ninguno
7. Presupuesto Estimado:
 S/. (Nuevos Soles)
 II. Plan de Investigación

1. Título

“APLICACIÓN DE INTELIGENCIA DE NEGOCIOS EN LA TOMA

DECESIONES DE SERVICIOS DEL TERMINAL PORTUARIO
IQUITOS 2018”
2. Planteamiento del Problema
II.1. Descripción del Problema

ENAPU brinda las líneas de negocio como: servicio a la nave, a la carga y

complementarios, por tal motivo tiene la necesidad de mejorar sus servicios
para que sus clientes y las embarcaciones se sientan a gusto. No se da un
seguimiento adecuado de los servicios portuarios diarios, de manera que tienen
dificultades para obtener información rápida y veraz de todas las operaciones
que se realizan en los muelles ya que se realiza de manera manual.

ENAPU cuenta con un sistema transaccional SIOP (Sistema Integral de

Operaciones Portuarias), donde se registran todos sus servicios portuarios, sin
embargo, el sistema cuenta con una dificultad para emitir reporte con exactitud,
para saber cuántas naves realizaron operaciones diarias, cuantas naves
acoderaran por recepción y zarpe, y por último cuantos clientes puntuales y
morosos existen. Las respuestas pueden llevar semanas y es posible que para
cuando se realice la información ya no esté actualizado , de manera que todos
estos datos son clave para ser transformados en información y conocimiento de
manera rápida y oportuna.
El principal problema es el alto índice de clientes morosos ya que el sistema
emite reportes con errores y duplicidad de datos, de tal manera esto hace que
se genere confusión de los clientes puntuales y que figuran como clientes
morosos o al revés, causando incomodidad para que puedan realizar sus
operaciones con normalidad más aún si la mercadería tiene reintegro.
Actualmente se observa que las necesidades de información en las empresas
han crecido de forma acelerada, a causa de la mayor complejidad de sus
actividades y de las decisiones que han de adoptar; la evolución de las
tecnologías de información ha permitido atender estas necesidades, mediante
el desarrollo de un sistema de Inteligencia de Negocios.
Cada vez es más importante saber qué está pasando en nuestro mercado y en
nuestras propias organizaciones. El tiempo de que disponemos para acceder a
esa información es cada vez menor; consecuentemente, necesitamos obtener
la información más rápidamente para analizarla y tomar decisiones a partir de
ella1
Por lo que se realiza la investigación: aplicación de inteligencia de negocios en
la toma de decisiones de servicios del terminal portuario Iquitos ENAPU 2018.
Cuyos resultados permitirán mejorar la gestión de información para apoyar a la
toma de decisiones.

1
JOSEP LLUIS CANO GINER. (2017). Business Intelligence: competir con información. Madrid:
Fundación Banesto, p 13
II.2. Formulación del Problema

II.2.1. Problema General

¿Cómo es la aplicación de inteligencia de negocios en la toma de decisiones
de servicios del terminal portuario Iquitos ENAPU 2018?

II.2.2. Problema Especifico

 ¿Cuál es la aplicación de inteligencia de negocios en el terminal
portuario Iquitos ENAPU 2018?
 ¿Cuál es la toma de decisiones de servicios del terminal portuario Iquitos
ENAPU 2018?
 ¿En qué medida la aplicación de inteligencia de negocios mejora la toma
de decisiones de servicios del terminal portuario Iquitos ENAPU 2018?
3. Objetivos

3.1. Objetivo General

Conocer la aplicación de inteligencia de negocios en la toma de decisiones de
servicios del terminal portuario Iquitos ENAPU 2018.

3.2. Objetivos Específicos

 Verificar la aplicación de inteligencia de negocios en el terminal portuario
Iquitos ENAPU 2018.
 Verificar la toma de decisiones de servicios del terminal portuario Iquitos
ENAPU 2018.
 Establecer la incidencia de la aplicación de inteligencia de negocios en la
mejora de la toma de decisiones de servicios del terminal portuario Iquitos
ENAPU 2018
4. Justificación de la Investigación

La inteligencia de Negocios es aplicable a organizaciones de distintas

envergaduras, tanto públicas como privadas. Ya sea para mediciones de
rendimiento de sus procesos de negocio, como para el apoyo a la toma de
decisiones de la media y alta gerencia.

Optamos aplicar inteligencia de negocios como la mejor solución para el

Terminal Portuario Iquitos ENAPU S.A., debido a que nos va permitir
incrementar la eficiencia en el aprovechamiento de los recursos usados por la
empresa, así como el aumento de la eficacia en la toma de decisiones al
mejorar el apoyo a la misma. De esa manera tener un óptimo control y orden
de todos los servicios portuarios que se brindan a diario.

La propuesta de aplicación de inteligencia de negocios se crea a consecuencia

de un desorden de los datos que se detectan al realizar los registros de los
servicios portuarios ya que no obtenemos información con exactitud al
momento de generar un reporte en una hoja de cálculo. Los diferentes
sistemas de información ayudan a que los usuarios cumplan con tareas
específicas, pero por lo general no funcionan bien para proporcionar
información a los usuarios finales, con la aplicación de inteligencia de negocios,
los usuarios pueden convertir esta información en conocimiento y el
conocimiento en ganancia. Así mismo disminuir el alto índice de clientes
deudores ya que tienen más egresos que ingresos de productividad.

Esta mejora contribuirá con la empresa y al mismo tiempo con los empleados,
teniendo un mayor control adecuado de los registros de los servicios portuarios
ya sea a la nave, a la carga o complementarios.

Esta investigación será importante para la empresa y los empleadores, en lo

teórico porque nos permitirá tomar mejores decisiones, en lo practico ayudará a
obtener información rápida, actualizado y disponible en cualquier momento y en
lo metodológico servirá a mejorar las mediciones en el aprovechamiento de
recursos usados por la empresa.
5. Marco Teórico Referencial

5.1. Antecedentes de Estudio

A nivel Internacional:
Espinosa Montiel, Carlos A; (2013)2, Pontificia Universidad Católica del
Ecuador, en su estudio titulada “Guía Para Implementar una solución B.I
(Business Intelligence), Caso de Estudio Empresa Espinosa & Espinoza”.
Problema: Debido a que la tendencia actual es implementar soluciones B.I.
(Business Intelligence o Inteligencia de Negocios) en las empresas, muchas de
ellas implantan este tipo de soluciones sin haber realizado un estudio previo de
las necesidades y problemas de la empresa, de los beneficios que se
pretenden obtener con la implantación la solución además de diferentes
situaciones y condiciones que se deberían tener en cuenta para la implantación
de esta clase de sistemas en cualquier tipo de organización.
Conclusión:
 Que al momento de diseñar un proyecto de B.I. es necesario definir
correctamente los requerimientos de la empresa para poder obtener un
sistema adecuado para el manejo de análisis de información.
 Las soluciones de B.I. contribuyen al mejoramiento de las empresas,
proporcionando un mejor ambiente entre sus clientes, mejorando sus
procesos y aumentando la rentabilidad de sus productos y servicios.
 La inteligencia de Negocios es una herramienta primordial dentro de las
empresas proporcionado elementos que permitirá un mejor nivel análisis
del entorno que la rodea mejorando su capacidad de toma de decisiones
y manejo de la misma.

A nivel Nacional:
2
Carlos Alejandro Espinosa Montiel. “Guía para Implementar una Solución B.I (Business Intelligence),
Caso de Estudio Empresa Espinosa & Espinoza”. Pontificia Universidad Católica del Ecuador, Facultad
de Ingeniería, Escuela de Sistemas. Quito Ecuador 2013, p1, p113.
Zegarra Fuentes, Gustavo F; (2015)3, Universidad de San Martin de Porres,
en su estudio titulada “Solución de Inteligencia de Negocios Orientada a
Mejorar la Toma de Decisiones en las Operaciones Mineras de Extracción y
Metalurgia de HOCHSCHILD Mining”.
Problema: Hochschild Mining cuenta con un sistema transaccional (SIO) el cual
registra la información de las operaciones en los campamentos mineros desde
hace cinco años. Sin embargo, la elaboración de reportes (generalmente
semanales) de las operaciones mineras se realiza de manera manual y demora
tres días. Debido al ineficiente uso de recursos de la empresa (horas hombre
del personal y de TI) para elaborar reportes, la poca actualización con la que
cuentan dichos consolidados (cada semana) además del tiempo que le toma
reunir, depurar y transformar los datos obtenidos durante las operaciones
mineras diarias (como pedidos de materiales, facturas, lista de minerales
extraídos, entre otros además de consolidar la información).
La empresa minera adolece de una mejor forma de sintetizar los registros
digitales. Donde dichos datos puedan ser transformados en información y
conocimiento de manera rápida y oportuna. De modo que permita un uso
eficiente de los recursos de personal dedicado a esa labor y de Tecnologías de
Información. Con la finalidad de obtener un mejor apoyo para una toma de
decisiones más eficaz por parte de la Gerencia de Producción y de los Jefes de
los campamentos mineros.
Conclusiones:
 Se evidenció que, en el proceso de toma de decisiones a nivel de la
gerencia de operaciones mineras, el tener una alta disponibilidad de la
información, así como una síntesis fiable de la misma sobre los procesos
de extracción y metalurgia resultó en una mejora en la toma de
decisiones que propició la consecución de metas.
 Se comprobó una disminución sustancial del tiempo que se tomaba para
la elaboración de reportes de estado de operaciones mineras de 2 a 3
días hábiles a un intervalo entre 6 y 18 horas con un tiempo medio de
tan solo 12 horas.

3
Gustavo Fernando Zegarra Fuentes. “Solución de Inteligencia de Negocios Orientada a Mejorar la Toma
de Decisiones en las Operaciones Mineras de Extracción y Metalurgia de HOCHSCHILD Mining”.
Universidad de San Martin de Porres, Facultad de Ingeniería y Arquitectura. Lima Perú 2015, p20,106.
 Se concluye que se logró un mejor aprovechamiento de recursos tanto
humanos, con menor carga de horas-hombre por día, así como como
tecnológicos al optimizar el uso de infraestructura para implementar la
solución de inteligencia de negocios.
A nivel Local:
Cueva Vásquez, Luis M; (2016)4, Universidad Nacional de la Amazonía
Peruana, en su estudio titulada “Desarrollo de un Sistema de Información
Utilizando Inteligencia de Negocios, para Apoyar a la Toma de Decisiones de
las Áreas de Ventas – Cobranza de la Empresa Cervecería Amazónica SAC”.
Problema:
 Los ejecutivos y/o responsables de área o negocio, casi no disponen de
la información pertinente necesaria para tomar las mejores decisiones
fundamentadas y puntuales; y de esta manera determinar en dónde
están con respecto a sus objetivos y cuál es el camino más fácil para
llegar a ellos.
 Impide un diagnóstico oportuno y limita seriamente la acción de los
responsables de las áreas de ventas - cobranzas, ya que no ubican con
claridad los problemas que suscitan en sus determinada área o proceso.
 No se da un seguimiento adecuado al cumplimiento de las ventas
proyectadas, a la aceptación de los pedidos que son facturados; a las
cobranzas y la morosidad de los clientes.
A todo esto, se plantea lo siguiente ¿De qué manera se podría brindar
información estratégica para la toma de decisiones en la empresa cervecería
amazónica SAC, enfocándose a las áreas de ventas - cobranzas?
Conclusiones:
 El proceso de recolección de información es una parte muy importante
de la fase de inicio, el cual sirve para identificar los requerimientos del
sistema, de esta manera se pudo tener una visión más amplia y
detallada de los procesos que interactúan en éste, para permitir concluir
esta etapa satisfactoriamente.
 El diseño de los Datamarts se logró utilizando el gestor de base de datos
SQL SERVER, y el sistema se implementó en un servidor principal, el
cual está ubicada en el directorio de la empresa, debidamente
configurado para que los usuarios puedan acceder a éste localmente.

4
Luis Miguel Cueva Vásquez. “Desarrollo de un Sistema de Información Utilizando Inteligencia de
Negocios, para Apoyar a la Toma de Decisiones de las Áreas de Ventas – Cobranzas de la Empresa
Cervecería Amazónica SAC”. Universidad Nacional de la Amazonia Peruana, Facultad de Ingeniería de
Sistemas e Informática. Iquitos Perú 2014, p17, p82.
 La extracción de los datos se logró con la migración de las tablas
necesarias de la base de datos principal a una base de datos temporal,
las cuales fueron previamente analizadas, se desarrolló la
transformación de los datos con la elaboración de los datamarts de las
áreas de ventas y cobranzas, para luego ser cargados en lo cubos
OLAP, se logró generar los indicadores de gestión de acorde a los datos
analizados, se podrá medir y observar los procesos que se están
realizando en las áreas de ventas y cobranzas.
 5.2. Bases Teóricas
5.2.1. Inteligencia de Negocios
El primero que acuñó el término inteligencia de negocios o BI (Business
Intelligence) fue Howard Dresner que, cuando era consultor de Gartner,
popularizó Business Intelligence o BI como un término paraguas para
describir un conjunto de conceptos y métodos que mejoraran la toma de
decisiones, utilizando información sobre qué había sucedido (hechos).

Para definir BI partiremos de la definición del glosario de términos de

Gartner:

“BI es un proceso interactivo para explorar y analizar información

estructurada sobre un área (normalmente almacenada en un
datawarehouse), para descubrir tendencias o patrones, a partir de los
cuales derivar ideas y extraer conclusiones”5.

5.2.2. Tecnologías que forman parte de la Inteligencia de Negocios

[Link]. Sistema de Información

El Sistema de Información de una Organización es aquella parte de

toda organización que formalmente se dedica a capturar, almacenar y
transmitir información relevante y pertinente para la Organización a
todos los miembros de la Organización, para que puedan realizar las
actividades encomendadas, así como también intercambiar
información de interés para la misma Organización con otras
personas u organizaciones6.

Básicamente, las organizaciones necesitan la información:

 Como soporte a las Transacciones

 Para toma de decisiones y control.
 Para nuevos negocios

Estos usos de la información están relacionados con los distintos

niveles de la organización. Dependiendo del área funcional en la que

5
JOSEP LLUIS CANO GINER. (2017). Business Intelligence: competir con información. Madrid:
Fundación Banesto, p22-23
6
JOSEP LLUIS CANO GINER. (2017). Business Intelligence: competir con información. Madrid:
Fundación Banesto, p44.
 nos encontremos (comercial, administración, producción, logística,
marketing, recursos humanos, etc.)

Está información la recogemos en los sistemas de información, bien

en herramientas estándar que hemos adquirido e implementado en
nuestra organización, o bien en aplicaciones desarrolladas7.

[Link].1. Sistemas Transaccionales

Introducción al Business Intelligence (2010). Josep Curto, los define

como sistemas que permiten a las empresas manejar sus
operaciones diarias. Debido a su importancia, los sistemas
operacionales siempre han sido las primeras partes de la empresa
en ser informados, sin ellos no podrían operar sin sus sistemas
operacionales y los datos que estos tienen, sin embargo, debido al
volumen de información y las constantes actualizaciones que se
realizan, dificultan la obtención de:

 Reportes históricos: debido a que no almacenan información

histórica o los datos tienen un diseño muy complejo.
 Estudios históricos por indicado: debido a que la estructura de
información no lo permite.
 Reportes estadísticos: la información cambia constantemente y
los resultados varían con cada reporte8.

[Link]. Data Warehouse

Hay muchas definiciones de datawarehouse; una primera

aproximación es la del Profesor Hugh J. Watson, que lo define en su
esencia como: “Un datawarehouse es una colección de información
creada para soportar las aplicaciones de toma de decisiones”.

7
JOSEP LLUIS CANO GINER. (2017). Business Intelligence: competir con información. Madrid:
Fundación Banesto, p42.
8
GUSTAVO FERNANDO ZEGARRA FUENTES. “Solución de Inteligencia de Negocios Orientada a
Mejorar la Toma de Decisiones en las Operaciones Mineras de Extracción y Metalurgia de
HOCHSCHILD Mining”. Universidad de San Martin de Porres, Facultad de Ingeniería y Arquitectura.
Lima Perú 2015, p14.
 [Link].1. Características
Bill Inmon fue el que definió las características que debe cumplir un
datawarehouse, que son:

 Orientado a un área
Significa que cada parte del datawarehouse está construida para
resolver un problema de negocio, que ha sido definido por los
tomadores de decisiones.

 Integrado
La información debe ser transformada en medidas comunes,
códigos comunes y formatos comunes para que pueda ser útil.

 Indexado en el Tiempo
Significa que se mantiene la información histórica y se almacena
referida a determinadas unidades de tiempo, tales como horas,
días, semanas, meses, trimestres o años.

 No volátil
significa que los usuarios no la mantienen, como lo harían en los
entornos transaccionales. La información se almacena para la
toma de decisiones. No se va actualizando continuamente, sino
periódicamente, de forma preestablecida.

[Link]. Data Mart

Los Data Mart están dirigidos a una comunidad de usuarios dentro de

la organización, que puede estar formada por los miembros de un
departamento, o por los usuarios de un determinado nivel
organizativo, o por un grupo de trabajo multidisciplinar con objetivos
comunes.
[Link]. Modelo Dimensional

Es una estructura lógica adecuada, generalmente sin normalización o

poco normalizada, que permite resolver consultas analíticas de
manera rápida asegurando bajos tiempos de respuesta,
principalmente debido a la sencillez de su estructura. Este Modelo
Dimensional, surge a partir de hacer un análisis de la empresa y la
identificación de las dimensiones, que son vistas de un cierto proceso
de negocio, así como las relaciones entre ellas. Esta estructura
relacional está compuesta por:

 Tabla de hecho: es la representación en el data warehouse de los

procesos de negocio de la organización.

 Dimensión: es la representación en el data warehouse de una vista

para un cierto proceso de negocio.

 Métrica: son los indicadores de negocio de un proceso de negocio.

Aquellos conceptos cuantificables que permiten medir nuestro
proceso de negocio.

Además, dicho modelo dimensional puede ser representado

mediante los siguientes esquemas:

 Esquema en estrella: Consiste en una tabla de hechos en el centro

para el hecho objeto de análisis y una o varias tablas de dimensión
por cada punto de vista de análisis que participa de la descripción
de ese hecho. En la tabla de hecho encontramos los atributos
destinados a medir (cuantificar): sus métricas. La tabla de hechos
sólo presenta uniones con dimensiones.

 Esquema en copo de nieve: es un esquema derivado del esquema

en estrella, en el que las tablas de dimensión se normalizan en
múltiples tablas. Por esta razón, la tabla de hechos deja de ser la
única tabla del esquema que se relaciona con otras tablas. Es
posible distinguir dos tipos de esquemas en copo de nieve:
Completo (Normalización completa), Parcial (Normalización
parcial).

[Link]. Data Mining

Datamining es el proceso para descubrir e interpretar patrones

desconocidos en la información mediante los cuales resolver
problemas de negocio. Los usos más habituales del Datamining son:
segmentación, venta cruzada, sendas de consumo, clasificación,
previsiones, optimizaciones, etc.
 [Link]. Procesos ETL

Vamos analizar el proceso de extracción, transformación y carga y las

herramientas que nos facilitan este proceso y que nos permitirán
alimentar un datawarehouse. El proceso trata de recuperar los datos
de las fuentes de información y alimentar el datawarehouse.

El proceso de ETL consume entre el 60% y el 80% del tiempo de

un proyecto de Business Intelligence, por lo que es un proceso
clave en la vida de todo proyecto.

La extracción, transformación y carga (el proceso ETL) es

necesario para acceder a los datos de las fuentes de información al
datawarehouse.

El proceso ETL se divide en 5 subprocesos:

 Extracción9
La extracción de los datos se puede realizar bien de forma
manual o bien utilizando herramientas de ETL. De forma
manual significa programar rutinas utilizando lenguajes de
programación (por ejemplo: COBOL) que extraigan los datos
de las fuentes de datos origen, aunque en otros casos se opta
por las utilidades de replicar la base de datos que tienen los
motores de bases de datos.
El principal objetivo de la extracción es extraer tan sólo
aquellos datos de los sistemas transaccionales que son
necesarios y prepararlos para el resto de los subprocesos de
ETL.

 Limpieza10

9
JOSEP LLUIS CANO GINER. (2017). Business Intelligence: competir con información. Madrid:
Fundación Banesto, p105.
10
JOSEP LLUIS CANO GINER. (2017). Business Intelligence: competir con información. Madrid:
Fundación Banesto, p107.
 Los sistemas transaccionales contienen datos que no han sido
depurados y que deben ser limpiados. Las herramientas ETL
tienen funcionalidades de limpieza de datos, aunque existen
herramientas especializadas para ello. En proyectos de CRM,
la limpieza de los datos es clave: los nombres y las direcciones
de los clientes siempre necesitan ser limpiados, eliminar
duplicados, etc. Si no llevamos a cabo este subproceso de
forma exquisita, crearemos escépticos al mostrar los resultados
si, por ejemplo, mostramos los mejores clientes de nuestra
organización y aparecen duplicados; en tal caso, lo más
habitual es que se cuestione la validez del modelo.

La limpieza de datos se divide en distintas etapas, que vamos a

escribir a continuación:

 Depurar los valores (Parsing): Este proceso localiza e

identifica los elementos individuales de información en las
fuentes de datos y los aísla en los ficheros destino.
 Corregir (Correcting): Este proceso corrige los valores
individuales de los atributos usando algoritmos de corrección y
fuentes de datos externas.
 Estandarizar (Standardizing): Este proceso aplica rutinas de
conversión para transformar valores en formatos definidos (y
consistentes) aplicando procedimientos de estandarización y
definidos por las reglas del negocio.
 Relacionar (Matching): Este proceso busca y relaciona los
valores de los registros, corrigiéndolos y estandarizándolos,
basándose en reglas de negocio para eliminar duplicados.
 Consolidar (Consolidating): Este proceso analiza e identifica
relaciones entre registros relacionados y los junta en una sola
representación.
  Transformación11
La transformación de los datos se hace partiendo de los datos
una vez “limpios”. Transformamos los datos de acuerdo con las
reglas de negocio y los estándares que han sido establecidos.
La transformación incluye: cambios de formato, sustitución de
códigos, valores derivados y agregados.

 Integración12
La última etapa es la de integración en el datawarehouse: es el
momento en el que cargamos los datos y debemos comprobar
si, por ejemplo, los totales de ventas que hemos cargado
coinciden con la información que residía en nuestro sistema
transaccional, así como si los valores que tienen los registros
cargados corresponden a los definidos en el datawarehouse.

 Actualización13
Este proceso determina la periodicidad con el que haremos
nuevas cargas de datos al datawarehouse.

[Link]. OLAP

Las herramientas OLAP nos permiten “rotar” (en inglés “slicing”) los
cubos, es decir, cambiar el orden de las distintas dimensiones: En
lugar de analizar por clientes, como en el caso anterior, quizás
estamos interesados en analizarlo por libros, ya que los usuarios que
lo quieren consultar son distintos y tienen distintas necesidades.

[Link].1. Tipos de Herramientas OLAP

 ROLAP: Relational OLAP

Las capacidades OLAP acceden directamente a la base de
datos relacional. Se accede por tanto a una base de datos

11
JOSEP LLUIS CANO GINER. (2017). Business Intelligence: competir con información. Madrid:
Fundación Banesto, p108.
12
JOSEP LLUIS CANO GINER. (2017). Business Intelligence: competir con información. Madrid:
Fundación Banesto, p109.
13
JOSEP LLUIS CANO GINER. (2017). Business Intelligence: competir con información. Madrid:
Fundación Banesto, p109.
 relacional (RDBMS). Accede habitualmente sobre un modelo
“estrella”. La principal ventaja es que no tiene limitaciones en
cuanto al tamaño, pero es más lento que el MOLAP, aunque
algunos productos comerciales nos permiten cargar cubos
virtuales para acelerar los tiempos de acceso.

 MOLAP: Multimensional OLAP

La implementación OLAP accede directamente sobre una base
de datos multidimensional (MDDB). La ventaja principal de esta
alternativa es que es muy rápida en los tiempos de respuesta y
la principal desventaja es que, si queremos cambiar las
dimensiones, debemos cargar de nuevo el cubo.

 HOLAP: Hybrid OLAP

Accede a los datos de alto nivel en una base de datos
multidimensional y a los atómicos directamente sobre la base
de datos relacional. En esencia utiliza las ventajas del ROLAP
y del MOLAP.

[Link]. Dashboard

Introducción al Business Intelligence (2010). Josep Curto, los define

como dashboards o tableros de control son un resumen visual de
información que muestra, de una mirada, la comprensión del total de
las condiciones mediante Indicadores Clave de Desempeño (KPI).
Los elementos gráficos usados buscan captar la atención visual del
usuario, informando tendencias y cambios o excepciones de manera
rápida y resumida14.

5.2.3. Toma de Decisiones

14
GUSTAVO FERNANDO ZEGARRA FUENTES. “Solución de Inteligencia de Negocios Orientada a
Mejorar la Toma de Decisiones en las Operaciones Mineras de Extracción y Metalurgia de
HOCHSCHILD Mining”. Universidad de San Martin de Porres, Facultad de Ingeniería y Arquitectura.
Lima Perú 2015, p20.
La toma de decisiones es un proceso sistemático y racional a través del
cual se selecciona una alternativa de entre varias, siendo la
seleccionada la optimizadora (la mejor para nuestro propósito).

[Link]. Proceso de Toma de Decisiones

Administración (2010). Según Robbins y Coulter, en la mayoría de las

decisiones que toman los gerentes no incluyen el clima, puede ver
que las decisiones tienen un rol importante en lo que una
organización tiene que hacer o es capaz de hacer. Los gerentes de
todos niveles y de todas las áreas de las empresas toman decisiones.
Es decir, hacen elecciones. Por ejemplo, los gerentes de nivel alto
toman decisiones sobre los objetivos de su organización, dónde
ubicar instalaciones de manufactura, o a qué nuevos mercados
enviar.
Los gerentes de niveles medio y bajo toman decisiones sobre
programas de producción, problemas de calidad de producto,
aumentos de sueldos y disciplina de empleados. Aunque la toma de
decisiones generalmente se describe como la elección entre
alternativas, esa visión es demasiado simplista. Debido a que la toma
de decisiones es un proceso, no es un simple acto de elegir entre
alternativas. Este proceso se clasifica en 8 etapas, las cuales son:

 Etapa 1: Identificación de un problema:

Administración (2010). Según Robbins y Coulter, toda decisión
inicia con un problema, una discrepancia entre una condición
existente y una deseada. ¿Cómo identifican los gerentes los
problemas? En la realidad, la mayoría de los problemas no se
presentan con luces de neón señalando que hay un "problema". Los
gerentes también deben ser cautelosos para no confundir los
problemas con los síntomas de un problema. ¿Una disminución del
5 por ciento en las ventas, es un problema? ¿O la disminución de
las ventas es tan sólo un síntoma del problema real, como
productos de baja calidad, precios elevados, o mala publicidad?
Además, recuerde que la identificación de problemas es algo
subjetivo. Lo que un gerente considera un problema, otro gerente
podría considerar que no lo es. Como puede ver, identificar
problemas eficazmente es importante, pero no sencillo.
 Etapa 2: Identificación de los criterios de decisión:
Administración (2010). Según Robbins y Coulter, Una vez que un
gerente ha ubicado un problema, debe identificar los criterios de
decisión que son importantes o relevantes para resolverlo.
Cualquiera que tome decisiones tiene criterios que lo guían para
decidir, incluso si no están explícitamente enunciados.

 Etapa 3: Ponderación de criterios

Administración (2010). Según Robbins y Coulter mencionan que si
los criterios relevantes no tienen la misma importancia, el tomador
de decisiones debe ponderar los elementos para priorizar
 correctamente y decidir. ¿Cómo? Una forma sencilla es darle al
criterio más importante un valor de 10 y luego asignar
ponderaciones al resto utilizando ese estándar (podría utilizar
cualquier número como el valor más alto).

 Etapa 4: Desarrollo de alternativas

Administración (2010). Según Robbins y Coulter mencionan que en
la cuarta etapa del proceso de toma de decisiones requiere que el
tomador de decisiones liste alternativas viables que pudieran
resolver el problema. Esta es la etapa en la que un tomador de
decisiones debe ser creativo. En este punto, las alternativas sólo se
listan, no se evalúan.

 Etapa 5: Análisis de alternativas

Administración (2010). Según Robbins y Coulter mencionan que
una vez identificadas las alternativas, quien toma las decisiones
debe evaluar cada una. Por medio de los criterios establecidos en
la etapa 2. Recuerde que estos datos representan una evaluación
de las ocho alternativas utilizando los criterios de decisión, pero no
la ponderación. Cuando multiplica cada alternativa por el peso
asignado, obtiene las alternativas ponderadas. El puntaje total para
cada alternativa es entonces la suma de sus criterios ponderados.
Hay ocasiones en que quien toma las decisiones no tiene que
pasar por esta etapa.

 Etapa 6: Selección de una alternativa

Administración (2010). Según Robbins y Coulter mencionan que la
sexta etapa del proceso de toma de decisiones es la elección de la
mejor alternativa o de aquella con el total más elevado en la etapa
5.

 Etapa 7: Implementación de una alternativa

Administración (2010). Según Robbins y Coulter mencionan que en
la etapa 7 del proceso de toma de decisiones, lleva la decisión a la
acción al comunicarla a todos los afectados y al lograr que todos se
comprometan con ella. Sabemos que si las personas que deben
implementar una decisión participan en el proceso, es más
probable que la apoyen que si solamente se les dice qué hacer.
Otra cosa que es probable que los gerentes tengan que hacer
durante la implementación es reevaluar el ambiente por si existe
algún cambio, en especial con respecto a decisiones de largo
plazo. ¿Los Criterios, alternativas y opciones aún son los mejores,
o el entorno ha cambiado de tal forma que es necesario
reevaluarlo?
 Etapa 8: Evaluación de la efectividad de la decisión
Administración (2010). Según Robbins y Coulter, definen una La
última etapa del proceso de toma de decisiones involucra la
evaluación del resultado de la decisión para ver si se resolvió el
problema. Si la evaluación muestra que el problema aún existe,
entonces el gerente necesita evaluar lo que salió mal. ¿Se definió
incorrectamente el problema? ¿Se cometieron errores cuando se
evaluaron las alternativas? ¿Se seleccionó la alternativa correcta
pero se implementó deficientemente? Las respuestas podrían
llevarlo a repetir una etapa anterior o incluso podría ser necesario
iniciar nuevamente todo el proceso.

[Link]. Tipos de Decisiones

Administración (2010). Según Robbins y Coulter, señala que los

gerentes enfrentan distintos tipos de problemas y decisiones cuando
realizan su trabajo. De acuerdo con la naturaleza del problema, un
gerente puede optar por uno de dos tipos diferentes de decisiones.

[Link].1. Problemas estructuradas y desiciones programadas

Administración (2010). Según Robbins y Coulter, señala que

algunos problemas son sencillos. El objetivo del tomador de
decisiones es claro, el problema es conocido y la información sobre
él se define y completa fácilmente. Un ejemplo puede ser el manejo
que da una universidad al intento de un estudiante de abandonar
los estudios. Tales situaciones se conocen como problemas
estructurados, ya que son sencillos, conocidos y se definen
fácilmente. A esto le llamamos decisión programada, una decisión
repetitiva que puede manejarse por medio de un método de rutina.
Como el problema es estructurado, el gerente no tiene que
molestarse en pasar por el proceso de toma de decisiones
involucrado. Con este tipo de decisión, la etapa de desarrollo de
alternativas del proceso de toma de decisiones o no existe o se le
da poca atención. Debido a que una vez que se define el problema
estructurado, la solución generalmente es muy evidente o al menos
se reduce a unas cuantas alternativas que son conocidas y que
han funcionado en el pasado. El gerente confía en uno de los tres
tipos de decisiones programadas: procedimiento, regla o política.

 El procedimiento es una serie de etapas secuenciales que utiliza

un gerente para responder a un problema estructurado. La única
dificultad es identificar el problema. Una vez que el problema es
claro, lo es el procedimiento. Por ejemplo, un procedimiento de
compras.

 La regla es una afirmación explícita que le indica a un gerente lo

que puede o no hacer. Las reglas se utilizan frecuentemente
debido a que son sencillas de seguir y garantizan consistencia.
Por ejemplo, una regla de ausentismo en el trabajo.

 Las políticas, las cuales son pautas para tomar una decisión. A
diferencia de una regla, las políticas establecen parámetros
generales para el tomador de decisiones, en lugar de establecer
específicamente qué debe o no hacer. Por lo general, las
políticas contienen un término ambiguo que permite la
interpretación del tomador de decisiones. Por ejemplo, el cliente
siempre tiene preferencia y siempre debe estar satisfecho.

[Link].2. Problemas no estructuradas y desiciones no

programadas

Administración (2010). Según Robbins y Coulter, señala que no

todos los problemas que enfrentan los gerentes pueden resolverse
mediante decisiones programadas. Muchas situaciones
organizacionales involucran problemas no estructurados, los cuales
son problemas que son nuevos o inusuales y para los cuales la
información es ambigua o incompleta. Construir o no una nueva
fábrica en China es un ejemplo de un problema no estructurado.
Cuando los problemas son no estructurados, los gerentes deben
confiar en la toma de decisiones no programada para desarrollar
soluciones únicas. Las decisiones no programadas son únicas y no
recurrentes, e involucran soluciones a la medida. Los gerentes de
nivel bajo en general confían en decisiones programadas
(procedimientos, reglas y políticas) debido a que enfrentan
problemas conocidos y repetitivos. Conforme los gerentes
ascienden en la jerarquía de la organización, los problemas que
 enfrentan se vuelven menos estructurados. Porque los gerentes de
nivel bajo manejan decisiones de rutina y dejan a los gerentes de
niveles superiores lidiar con las decisiones inusuales o difíciles.
Además, los gerentes de nivel alto delegan decisiones rutinarias a
sus subordinados para que ellos lidien con asuntos más difíciles.
Entonces, algunas decisiones gerenciales reales no son
completamente programadas ni no programadas. La mayoría se
encuentran en medio.

[Link]. Importancia de la Toma de Decisiones

 Constituye un aspecto primordial de la alta gerencia, un buen

gerente es aquel que maneja adecuadamente la responsabilidad
de tomar decisiones acertadas, ya que diariamente toman grandes
decisiones que suponen riesgos para las organizaciones.

 Es parte fundamental del proceso de planeación, ayuda a mantener

la armonía y la eficiencia organizacional.

 Una decisión acertada tomada bajo un buen procedimiento nos

ahorrara tiempo, esfuerzo, energía y dinero. Debido al avance
tecnológico y la competencia, los gerentes una organización con un
óptimo crecimiento y desarrollo.

[Link]. Principios Básicos de la Toma de Decisiones

 Es importante decidir bien, mas no importa si aciertas, el

sentimiento de responsabilidad puede llevar a pensar que, al hacer
bien las cosas, todo saldrá tal como estaba previsto.

 Se deben Identificar los objetivos, si no sabes a dónde vas

difícilmente llegaras allí. Esto permite actuar en función de las
metas u objetivos.

 Utiliza sólo la información relevante, esta información reduce la

incertidumbre a la hora de tomar una decisión.

 Utiliza la creatividad en ti, genera diferentes alternativas, no te

vayas a la primera, a medida que desarrollas nuevas ideas suelen
surgir mejores opciones. A más alternativas, mayor calidad de las
decisiones.
  Las decisiones no deben ser juzgadas por lo eficaces que son, una
decisión puede traer muchos otros tipos de consecuencias. Razona
todas las consecuencias que se pueden tener con esta decisión y
plantea un terreno de valoración donde los aspectos negativos
sean los mínimos posibles.

5.2.4. ENAPU
La Empresa Nacional de Puertos S.A. de conformidad con el Decreto
Legislativo N° 098 cumple con la misión de administrar, operar y
mantener los Terminales Portuarios de la República, brindando
servicios a los movimientos de naves y cargas del comercio exterior
peruano.
Sus funciones fueron incluidas en la Ley del Sistema Portuario
Nacional, promulgada en marzo de 2003. Actualmente administra los
Terminales Portuarios de: Salaverry, Ilo, Huacho-Supe, Iquitos,
Yurimaguas, Puerto Maldonado y el Malecón al Servicio del Perú en
Arica.
[Link]. Misión
Atender la demanda de servicios portuarios a través de la
administración, operación y mantenimiento de los Terminales
Portuarios bajo su ámbito de manera eficaz, eficiente, confiable y
oportuna a fin de contribuir a la competitividad del Comercio Exterior y
a la Integración Territorial.
[Link]. Visión
ENAPU S.A., hacia el año 2017, es una Empresa fortalecida y eficiente,
posicionada en el Mercado, administrando Terminales Portuarios que
proveen servicios a la carga y a la nave con oportunidad de
confiabilidad, con rapidez y con tarifas competitivas. Posee una
Infraestructura Portuaria adecuada, con equipamiento y Tecnología
Portuaria moderna, desarrollada en asociación con entidades públicas
y/o privadas contando para ello con un recurso humano idóneo,
capacitado y comprometido con la Empresa.
[Link]. Valores
5.3. Definición de Términos

BI: Inteligencia de Negocios es la habilidad para transformar los datos en

información, y la información en conocimiento, de forma que se pueda
optimizar el proceso de toma de decisiones en los negocios.
ETL: Extraer, cargar y Transformar, se refiere al movimiento y
transformación de datos. Se trata del proceso que permite a las
organizaciones mover datos desde múltiples fuentes, reformatearlos y cargarlos
en otra base de datos (denominada data mart o data warehouse) con el
objeto de analizarlos. También pueden ser enviados a otro sistema
operacional para apoyar un proceso de negocio.
CRM: "Gestión de Relaciones con Clientes", es un software / programa /
herramienta / aplicación en el que cualquier conversación que un
compañero de tu empresa tenga con un cliente (o potencial cliente) se
guarda en una zona común y accesible para todo el mundo en tu empresa.
Estas conversaciones son los emails, llamadas, reuniones, notas y
tareas que surgen del día a día en la relación con los clientes.
DATA WAREHOUSE: Un Datawarehouse es una base de datos
corporativa que se caracteriza por integrar y depurar información de una o
más fuentes distintas, para luego procesarla permitiendo su análisis desde
infinidad de perspectivas y con grandes velocidades de respuesta.
DATA MART: Un Datamart es una base de datos departamental,
especializada en el almacenamiento de los datos de un área de negocio
específica. Se caracteriza por disponer la estructura óptima de
datos para analizar la información al detalle desde todas las perspectivas
que afecten a los procesos de dicho departamento.
DATA MINING: El datamining (minería de datos), es el conjunto de
técnicas y tecnologías que permiten explorar grandes bases de datos, de
manera automática o semiautomática, con el objetivo de encontrar
patrones repetitivos, tendencias o reglas que expliquen el comportamiento
de los datos en un determinado contexto.
SQL: Lenguaje de Consulta Estructurada, es un lenguaje de programación
estándar e interactivo para la obtención de información desde una base de
datos y para actualizarla. Aunque SQL es a la vez un ANSI y una norma
ISO, muchos productos de bases de datos soportan SQL con extensiones
propietarias al lenguaje estándar.
OLAP: Procesamiento Analítico en Línea, es una solución utilizada en el
campo de la llamada inteligencia empresarial (o Business Intelligence) cuyo
objetivo es agilizar la consulta de grandes cantidades de datos. Para ello
utiliza estructuras multidimensionales (o cubos OLAP) que contienen datos
resumidos de grandes bases de datos o Sistemas Transaccionales (OLTP).
Se usa en informes de negocios de ventas, marketing, informes de
dirección, minería de datos y áreas similares.
MOLAP: Multidimensional OLAP, proporciona el tiempo más rápido de
respuesta a consultas, dependiendo sólo del porcentaje y diseño de las
agregaciones del cubo. En general, MOLAP es más apropiado para cubos
de uso frecuente y que necesitan tiempos de respuesta muy cortos.
ROLAP: Relacional (ROLAP), Las respuestas a las consultas ROLAP
suelen ser más lentas que las que se realizan con MOLAP u HOLAP.
Normalmente, ROLAP se utiliza para tener acceso a grandes conjuntos de
datos que se consultan con poca frecuencia, por ejemplo, datos históricos
menos recientes.
HOLAP: Híbrido (HOLAP) equivale a MOLAP, Las consultas que tienen
acceso a los datos base, como el aumento del nivel de detalle de un solo
hecho, deben recuperar los datos de la base de datos relacional y no serán
tan rápidas como si la base de datos estuviera almacenada en la estructura
MOLAP. Los cubos almacenados como HOLAP tienen un tamaño menor
que los cubos MOLAP equivalentes y responden con mayor rapidez que los
cubos ROLAP a consultas relativas a datos de resumen. El
almacenamiento HOLAP suele ser adecuado para cubos que requieren
tiempos cortos de respuesta para consultas realizadas en resúmenes
basados en grandes cantidades de datos base.
 Dashboard: Es una representación gráfica de los principales indicadores
(KPI) que intervienen en la consecución de los objetivos de negocio, y que
está orientada a la toma de decisiones para optimizar la estrategia de la
empresa.

6. Hipótesis
6.1. Hipótesis General

LA APLICACION DE INTELIGENCIA DE NEGOCIOS ES ESTADISTICAMENTE

SIGNIFICATIVA EN LA TOMA DE DECISIONES DE SERVICIOS DEL TERMINAL
PORTUARIO IQUITOS ENAPU 2018.

6.2. Hipótesis Derivadas

 LA APLICACION DE INTELIGENCIA DE NEGOCIOS ES BUENA EN EL

TERMINAL PORTUARIO IQUITOS ENAPU 2018.

 LA TOMA DE DECISIONES DE SERVICIOS ES BUENA EN EL TERMINAL

PORTUARIO IQUITOS ENAPU 2018.

 LA APLICACION DE INTELIGENCIA DE NEGOCIOS INSIDE EN LA MEJORA DE

LA TOMA DE DECISIONES DE SERVICIOS DEL TERMINAL PORTUARIO
IQUITOS ENAPU 2018.
7. Variables
7.1. Identificación de Variables

Variable independiente (X) Inteligencia de Negocios.

Variables dependientes (Y) Toma de decisiones.

7.2. Definición de Variables

7.2.1. Definición Conceptual

La variable independiente (X) Inteligencia de Negocios se define
conceptualmente como un proceso interactivo para explorar y analizar
información estructurada sobre un área (normalmente almacenada en un
datawarehouse), para descubrir tendencias o patrones, a partir de los cuales
derivar ideas y extraer conclusiones.
La variable dependiente (Y) Toma de decisiones se define conceptualmente
como el proceso mediante el cual se realiza una elección entre diferentes
opciones o formas posibles para resolver diferentes situaciones en la vida en
diferentes contextos: empresarial, labora, familiar, económico, personal y
social.

7.2.2. Definición Operacional

La variable independiente (X) Inteligencia de Negocio se define

operacionalmente como la forma que se puede optimizar el proceso de toma de
decisiones para la entrega de la información rápida y resumida, con la
apreciación: De 0 - 10 Regular (R). De 11 - 15 Bueno (B). De 16 – 20 Muy
Bueno (MB)
La variable independiente (Y) Toma de Decisiones se define operacionalmente
como la capacidad de la persona que le permite resolver distintos desafíos y
dar con una solución adecuada, con la apreciación: De 0 - 10 Regular (R). De
11 - 15 Bueno (B). De 16 – 20 Muy Bueno (MB)

7.3. Operacionalización de las Variables

VARIABLES DIMENSIONES INDICADORES INDICES

Nivel de los Sistemas de
Información como MUY BUENO
soporte a las 16 – 20
transacciones

Nivel de los Sistemas de

SISTEMA DE
Información para mejorar BUENO
INFORMACIÓN
la toma de decisiones y 11 – 15

control

Nivel de los Sistemas de

REGULAR
Información para innovar
0 – 10.
nuevos negocios

Nivel de análisis de datos MUY BUENO

VARIABLE para generar información 16 – 20
INDEPENDIENTE relevante
(X) Nivel de análisis de datos
INTELIGENCIA DE para la toma de BUENO
ANÁLISIS DE DATOS
NEGOCIOS decisiones 11 – 15

Nivel de análisis de datos

para capturar nuevos
clientes. REGULAR
0 – 10.

Grado de Satisfacción MUY BUENO

para tener acceso a los 16 – 20
datos de los Sistemas
Transaccionales BUENO
EXPLOTACIÓN
Grado de Satisfacción 11 – 15

para usar herramientas

de BI REGULAR
0 – 10.

VARIABLE PROCESO DE TOMA DE Nivel de identificación de

DEPENDIENTE DECISIONES problemas en el proceso MUY BUENO
(Y) de toma de decisiones 16 – 20
TOMA DE DECISIONES Nivel de elección de las
alternativas en el
 proceso de toma de BUENO
decisiones 11 – 15

Nivel de implementación
de las alternativas en el
proceso de toma de REGULAR

decisiones 0 – 10.

Evaluación en el proceso
de toma de decisiones

8. Aspecto metodológico
8.1. Nivel y Tipo de Investigación
8.1.1. Nivel de Investigación
La investigación de acuerdo al nivel de conocimiento que se adquirirá
pertenece a una investigación descriptiva, con dos variables: Variable
independiente (X) Inteligencia de Negocios. Variables dependientes (Y) Toma
de Decisiones.
8.1.2. Tipo de Investigación
La investigación será de tipo correlacional, ya que el propósito de la
investigación es examinar la relación entre dos variables: Inteligencia de
Negocios y Toma de Decisiones.

8.2. Diseño de Investigación

El diseño general de la investigación será el no experimental y el diseño
específico será el transaccional correlacional.
Será no experimental porque no se manipulará la variable independiente:
Inteligencia de Negocios.
Será transaccional correlacional porque se recolectará los datos en el mismo
lugar y en un mismo momento
El diseño es: OX
M r
OY

Donde:
M = Muestra
OX = Observación a la variable independiente: Inteligencia de
Negocios.
OY = Observación a la variable dependiente: Toma de Decisiones.
r = Posible asociación entre las variables.

8.3. Población y Muestra

8.3.1. Población
La población estará conformada por todos los trabajadores de la empresa
ENAPU S.A. Iquitos, que hacen un total de 50 trabajadores
8.3.2. Muestra
La muestra estará conformada por el total de la población, es decir 50
trabajadores de la empresa ENAPU S.A. Iquitos.
La selección de la muestra se hará de forma no aleatoria intencionada.

8.4. Técnica, Instrumentos y Procedimientos de Recolección de

Datos
8.4.1. Técnica de Recolección de Datos
La técnica que se empleará en la recolección de los datos será la encuesta
porque se recogerá la información en forma indirecta.
8.4.2. Instrumentos de Recolección de Datos
El instrumento que se empleará en la recolección de los datos será. El
cuestionario el que será sometido a prueba de validez y confiabilidad antes de
su aplicación.
8.4.3. Procedimientos de Recolección de Datos
Los procedimientos que se seguirán en la recolección de datos serán:
- Coordinación con la Empresa ENAPU S.A.
- Elaboración de los instrumentos de recolección de datos
- Validación y confiabilidad de los instrumentos de recolección de datos
- Aplicación de los instrumentos de recolección de datos para recoger la
información
- Procesamiento de los datos
- Organización de los datos en cuadros
- Representación de los datos mediante gráficos
- Análisis e interpretación de los datos
- Elaboración del informe de la tesis
- Presentación del informe de la tesis
- Aprobación del informe de la tesis
- Sustentación de la tesis

8.5. Procesamiento y Análisis de la Información

8.5.1. Procesamiento de la Información
La información será procesada en forma computarizada utilizando el paquete
estadístico computacional SPSS versión 23 en español, sobre la base de datos
con el cual se organizará la información en cuadros para luego representarlos
en gráficos.
8.5.2. Análisis de la Información
El análisis e interpretación de la información se realizará utilizando la
estadística descriptiva frecuencia, promedio ( x ), porcentaje y desviación
estándar y la estadística inferencial t de student con p < 0.05 %
9. Aspecto Administrativo
9.1. Cronograma

N 2018
Actividades
° M A M J J A S O N D
Elaboración y aprobación del
1 X X
proyecto de tesis.
Elaboración del instrumento de
2 X X
recolección de datos.
Prueba de validez y confiabilidad
2 al instrumento de recolección de X
datos.
4 Recojo de la información. X
Procesamiento de la
5 X
información.
Organización de la información
6 X
en cuadros.
7 Análisis de la información. X X
8 Interpretación de datos. X X
Elaboración de discusión y
9 X
presentación del informe.
10 Sustentación del informe. X
 9.2. Presupuesto

Partida Descripción Monto S/

Remuneracione Asesoría, temática, metodología, estadística.
s Consultoría. 2,000. 00
Personal de apoyo
Bienes Materiales de consumo
Útiles de escritorio.
Libros. 1,000. 00
Internet
Servicios Movilidad.
Servicios de impresión. 1,000. 00
Servicio
Total 4,000. 00
10. Bibliografía
Referencias Bibliográficas:
1. JOSEP LLUIS CANO GINER. (2017). Business Intelligence: competir
con información. Madrid: Fundación Banesto, p 13
2. Carlos Alejandro Espinosa Montiel. “Guía para Implementar una
Solución B.I (Business Intelligence), Caso de Estudio Empresa
Espinosa & Espinoza”. Pontificia Universidad Católica del Ecuador,
Facultad de Ingeniería, Escuela de Sistemas. Quito Ecuador 2013, p1,
p113.
3. Gustavo Fernando Zegarra Fuentes. “Solución de Inteligencia de
Negocios Orientada a Mejorar la Toma de Decisiones en las
Operaciones Mineras de Extracción y Metalurgia de HOCHSCHILD
Mining”. Universidad de San Martin de Porres, Facultad de Ingeniería y
Arquitectura. Lima Perú 2015, p20, 106.
4. Luis Miguel Cueva Vásquez. “Desarrollo de un Sistema de Información
Utilizando Inteligencia de Negocios, para Apoyar a la Toma de
Decisiones de las Áreas de Ventas – Cobranzas de la Empresa
Cervecería Amazónica SAC”. Universidad Nacional de la Amazonia
Peruana, Facultad de Ingeniería de Sistemas e Informática. Iquitos Perú
2014, p17, p82.
5. JOSEP LLUIS CANO GINER. (2017). Business Intelligence: competir
con información. Madrid: Fundación Banesto, p22-23
6. JOSEP LLUIS CANO GINER. (2017). Business Intelligence: competir
con información. Madrid: Fundación Banesto, p44.
7. JOSEP LLUIS CANO GINER. (2017). Business Intelligence: competir
con información. Madrid: Fundación Banesto, p42.
8. GUSTAVO FERNANDO ZEGARRA FUENTES. “Solución de
Inteligencia de Negocios Orientada a Mejorar la Toma de Decisiones en
las Operaciones Mineras de Extracción y Metalurgia de HOCHSCHILD
Mining”. Universidad de San Martin de Porres, Facultad de Ingeniería y
Arquitectura. Lima Perú 2015, p14.
9. JOSEP LLUIS CANO GINER. (2017). Business Intelligence: competir
con información. Madrid: Fundación Banesto, p105.
10. JOSEP LLUIS CANO GINER. (2017). Business Intelligence: competir
con información. Madrid: Fundación Banesto, p107.
11. JOSEP LLUIS CANO GINER. (2017). Business Intelligence: competir
con información. Madrid: Fundación Banesto, p108.
12. JOSEP LLUIS CANO GINER. (2017). Business Intelligence: competir
con información. Madrid: Fundación Banesto, p109.
13. JOSEP LLUIS CANO GINER. (2017). Business Intelligence: competir
con información. Madrid: Fundación Banesto, p109.
14. GUSTAVO FERNANDO ZEGARRA FUENTES. “Solución de
Inteligencia de Negocios Orientada a Mejorar la Toma de Decisiones en
las Operaciones Mineras de Extracción y Metalurgia de HOCHSCHILD
Mining”. Universidad de San Martin de Porres, Facultad de Ingeniería y
Arquitectura. Lima Perú 2015, p20.
Bibliografía:
 BUSINESS INTELLIGENCE: Competir con Información (2017) de Josep
Luis Cano.
 Carlos Alejandro Espinosa Montiel. “Guía para Implementar una
Solución B.I (Business Intelligence), Caso de Estudio Empresa Espinosa
& Espinoza”. Pontificia Universidad Católica del Ecuador, Facultad de
Ingeniería, Escuela de Sistemas. Quito Ecuador 2013.
 Gustavo Fernando Zegarra Fuentes. “Solución de Inteligencia de
Negocios Orientada a Mejorar la Toma de Decisiones en las
Operaciones Mineras de Extracción y Metalurgia de HOCHSCHILD
Mining”. Universidad de San Martin de Porres, Facultad de Ingeniería y
Arquitectura. Lima Perú 2015.
 Luis Miguel Cueva Vásquez. “Desarrollo de un Sistema de Información
Utilizando Inteligencia de Negocios, para Apoyar a la Toma de
Decisiones de las Áreas de Ventas – Cobranzas de la Empresa
Cervecería Amazónica SAC”. Universidad Nacional de la Amazonia
Peruana, Facultad de Ingeniería de Sistemas e Informática. Iquitos Perú
2014.
 [Link]
 [Link]
[Link]
 [Link] (Importancia y
Principios)
 [Link]
 [Link]
 [Link]
procesos-etl-definici-n-caracter-sticas-beneficios-y-retos
 [Link]
 [Link]
 [Link]
 [Link]
 [Link]
 [Link]
de-consultas-estructuradas
 [Link]
olapmolaprolap/
 [Link]
 [Link]
dashboard/
 [Link]
los-sistemas-de-informacion-1
 [Link]
negocios-el-secreto-esta-en-los-datos
11. Anexos
Anexo 01: Matriz de Consistencia
Anexo 02: Instrumento de Recolección de Datos
 ANEXO N° 01: Matriz de Consistencia
TÍTULO: APLICACIÓN DE INTELIGENCIA DE NEGOCIOS EN LA TOMA DE DECISIONES DE SERVICIOS DEL TERMINAL PORTUARIO IQUITOS ENAPU – 2018

Problema Objetivo Hipótesis Variables Indicadores Metodología

Problema General Objetivo General Hipotesis General VARIABLE Tipo de Investigación
¿Cómo es la aplicación Conocer la La Aplicación de INDEPENDIENT La investigación será de
Muy
de inteligencia de aplicación de Inteligencia de E Regula Bueno tipo correlacional, ya que
INTELIGENCIA DE NEGOCIOS Bueno
negocios en la toma de inteligencia de Negocios es (X) r 0 - 10 11 - 15 el propósito de la
16 - 20
decisiones de servicios negocios en la estadísticamente INTELIGENCIA investigación es examinar
del terminal portuario toma de significativa en la DE NEGOCIOS Sistemas de Información la relación entre dos
Iquitos ENAPU 2018? decisiones de toma de decisiones 1.1. Nivel de los Sistemas de Información variables: Sistema de
servicios del de servicios del como soporte a las transacciones Información y Gestión de
Problema Específicos terminal portuario Terminal Portuario 1.2. Nivel de los Sistemas de Información Capacitaciones.
¿Cuál es la aplicación Iquitos ENAPU Iquitos Enapu 2018. para mejorar la toma de decisiones y Diseño de Investigación
de inteligencia de 2018. control El diseño general de la
negocios en el terminal Hipotesis 1.3. Nivel de los Sistemas de Información investigación será el no
portuario Iquitos Objetivo Derivadas para innovar nuevos negocios experimental y el diseño
ENAPU 2018? Específicos La Aplicación De x
Promedio ( )
específico será el
¿Cuál es la toma de Verificar la Inteligencia de transeccional
decisiones de servicios aplicación de Negocios es Análisis de Datos correlacional.
del terminal portuario inteligencia de buena en el 1.1. Nivel de análisis de datos para Será no experimental
Iquitos ENAPU 2018? negocios en el Terminal generar información relevante porque no se manipulará
¿En qué medida la terminal Portuario Iquitos 1.2. Nivel de análisis de datos para la la variable independiente:
aplicación de portuario Enapu 2018. VARIABLE toma de decisiones Sistema de Información.
inteligencia de negocios Iquitos ENAPU DEPENDIENTE 1.3. Nivel de análisis de datos para Será transeccional
mejora la toma de 2018. La Toma de (Y) capturar nuevos clientes correlacional porque se
decisiones de servicios
del terminal portuario
Verificar
toma
la
de
decisiones
Servicios
de
es
TOMA DE
DECISIONES Promedio ( x) recolectará los datos en el
mismo lugar y en un
Iquitos ENAPU 2018? decisiones de buena en el Explotación mismo momento.
servicios del Terminal 1.1. Grado de Satisfacción para tener El diseño es:
terminal Portuario Iquitos acceso a los datos de los Sistemas
Transaccionales OX
portuario Enapu 2018.
Iquitos ENAPU 1.2. Grado de Satisfacción para usar
M r
2018. La Aplicación De herramientas de BI
Establecer la Inteligencia de OY
incidencia de la Negocios inside Muy
Regula Bueno
aplicación de en la mejora de la TOMA DE DECISIONES Bueno
r 0 - 10 11 - 15
inteligencia de Toma De 16 - 20 Donde:
negocios en la Decisiones De Proceso de Toma de Decisiones M= Muestra
mejora de la Servicios Del 1.1. Nivel de identificación de problemas OX = Observación a la
toma de Terminal en el proceso de toma de decisiones variable independiente:
decisiones de Portuario Iquitos 1.2. Nivel de elección de las alternativas Sistema de Información.
servicios del Enapu 2018. en el proceso de toma de decisiones OY= Observación a la
terminal 1.3. Nivel de implementación de las variable dependiente:
portuario alternativas en el proceso de toma de Gestión de
Iquitos ENAPU decisiones Capacitaciones.
2018 1.4. Evaluación en el proceso de toma de r = Posible asociación
decisiones entre las variables.
La población estará
Promedio ( x) conformada por todos los
trabajadores de la
empresa ENAPU S.A.
Iquitos, que hacen un total
de 50.
La muestra estará
conformada por el total de
la población, es decir 50
trabajadores de la
empresa ENAPU SA.
Iquitos.
La selección de la
muestra se hará de forma
no aleatoria intencionada.
Técnicas de recolección
de Datos.
La técnica que se
empleará en la
recolección de los datos
será la encuesta porque
se recogerá la información
en forma indirecta.
Instrumentos de
Recolección de Datos
Los instrumentos a utilizar
serán:
El instrumento que se
empleará en la
recolección de los datos
será. El cuestionario el
que será sometido a
prueba de validez y
confiabilidad antes de su
aplicación.
Procesamiento y
Análisis de la
Información
La información será
procesada en forma
computarizada utilizando
el paquete estadístico
computacional SPSS
versión 23 en español y
MINITAB 17 en español,
sobre la base de datos
con el cual se organizará
la información en cuadros
para luego representarlos
en gráficos.
El análisis e interpretación
de la información se
realizará utilizando la
estadística descriptiva

frecuencia, promedio ( ), x
porcentaje y desviación
estándar y la estadística
inferencial t de student
con p < 0.05 %.
 FACULTAD DE CIENCIAS E INGENIERÍA
PROGRAMA ACADEMICO DE INGENIERÍA DE SISTEMA
DE INFORMACIÓN
APLICACIÓN DE INTELIGENCIA DE NEGOCIOS EN LA TOMA DE
DECISIONES DE SERVICIOS EN EL TERMINAL PORTUARIO IQUITOS
ENAPU 2018

ANEXO 02
Cuestionario
(Para Trabajadores de la Empresa ENAPU S.A.)

CÓDIGO: ------------------------------

El presente cuestionario tiene como propósito obtener información sobre

APLICACIÓN DE INTELIGENCIA DE NEGOCIOS EN LA TOMA DE DECISIONES
DE SERVICIOS EN EL TERMINAL PORTUARIO IQUITOS ENAPU 2018, a fin de
obtener el Título Profesional de Ingeniero de SISTEMA DE INFORMACIÓN.
Gracias
I. Datos generales:

Empresa :……………………………………………………
Grado :…………………………………………………….
Sección :…………………………………………………….
Día :…………………………………………………….
Hora :……………………...……………….……………..
II. Instrucciones
 Marque con una X la respuesta que crea conveniente.
 Lee detenidamente las cuestiones y respóndalas
 La información que nos proporciona será confidencial.
 No deje preguntas sin responder.
III. Contenido.
Muy Bueno
INTELIGENCIA DE NEGOCIOS Regular 0 - 10 Bueno 11 - 15
16 - 20
Sistemas de Información
1.1. Nivel de los Sistemas de Información como soporte a las
transacciones
1.2. Nivel de los Sistemas de Información para mejorar la toma
de decisiones y control
1.3. Nivel de los Sistemas de Información para innovar nuevos
negocios

Promedio ( x)
Análisis de Datos
1.1. Nivel de análisis de datos para generar información
relevante
1.2. Nivel de análisis de datos para la toma de decisiones
1.3. Nivel de análisis de datos para capturar nuevos clientes

Promedio ( x)
Explotación
1.1. Grado de Satisfacción para tener acceso a los datos de
los Sistemas Transaccionales
1.2. Grado de Satisfacción para usar herramientas de BI

Muy Bueno
TOMA DE DECISIONES Regular 0 - 10 Bueno 11 - 15
16 - 20
Proceso de Toma de Decisiones
1.1. Nivel de identificación de problemas en el proceso de
toma de decisiones
1.2. Nivel de elección de las alternativas en el proceso de toma
de decisiones
1.3. Nivel de implementación de las alternativas en el proceso
de toma de decisiones
1.4. Evaluación en el proceso de toma de decisiones

Promedio ( x)