Conjunto de informes y gráficos consolidados en un solo objeto que facilita la visualización y análisis de la información. 2

Transcripción

1 1. BLOQUE DESCRIPTIVO 1. Título de la Buena Práctica Uso de una base de datos robusta que ayuda en la toma de decisiones (Data Warehouse), como fuente principal del Sistema de apoyo a la gestión (SAG) y de estudios estadísticos requeridos por la PUCP. 2. Año de inicio de la Buena Práctica: 2003 Algunos Hitos: : Piloto mostrando Indicadores de calidad, usando herramientas disponibles sin inversión adicional. 2004: Diseño de primer alcance del Data Warehouse (DWH), obtención de respaldo de autoridades, selección y adquisición de herramientas a usarse en el desarrollo. 2005: Puesta en producción inicial del SAG-PUCP: indicadores de calidad de las carreras de pregrado así como información de graduados y titulados : Puesta en producción de diversos indicadores y dimensiones relacionados a alumnos, postulantes, ingresantes a una unidad, egresados, docentes, cursos y notas. 2008: Ingresantes a una especialidad; Dashboard 1 de un alumno. 2010: Estadísticas de Colegios; Dashboards para Facultades y Departamentos académicos. 2014: Encuestas de Egresados, Dashboards a nivel Universidad de acceso directo a través del campus virtual, incorporación de informes de tipo Self-BI 2, incorporación de informes para dispositivos móviles 3 1 Conjunto de informes y gráficos consolidados en un solo objeto que facilita la visualización y análisis de la información. 2 Brinda libertad al usuario para elaborar sus propios informes de inteligencia de negocios y analizar la información de manera independiente. 3 Programado para fines del año. 1

2 3. Palabras claves: Indique las palabras claves que identifiquen la BP Inteligencia de negocios, Data Warehouse, Estudios estadísticos, Informes estadísticos, Indicadores, Dimensiones, Minería de datos, BI 4, Self BI. 4. Ámbito de la trayectoria de los estudiantes donde aplica Acceso y permanencia, proceso educativo, egreso y empleabilidad. 5. Población objetivo o beneficiarios directos En la PUCP: Rector y Vicerrectores, Directores académicos, Decanos de las facultades, Coordinadores de las especialidades/carreras/titulaciones, Jefes de departamento, Coordinadores de secciones de departamentos, Directores académicos y administrativos, y Analistas de información de las distintas unidades académicas y académico-administrativas, autorizados a ver información de acuerdo a su rol. Fuera de la PUCP: Colegios del Perú INSTITUCIÓN RESPONSABLE Y PERSONA DE CONTACTO Nombre de la institución: Nombre de la persona de contacto: Cargo: Unidad: Correo electrónico: PUCP Ricardo Elías Saavedra López Jefe de la Oficina de Estadística e Inteligencia Institucional Dirección de Informática (DIRINFO) rsaaved@pucp.edu.pe 4 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 - Ver anexos 1 y 2 2

3 2. BUENA PRÁCTICA 1. Descripción de la Buena Práctica Objetivo: Uso de una base de datos robusta que ayuda en la toma de decisiones (Data Warehouse), como fuente principal del Sistema de apoyo a la gestión (SAG) y de estudios estadísticos requeridos por la PUCP. Alcance: El Data Warehouse incluye indicadores y dimensiones asociados a la calidad de la docencia, entre otros temas, y va creciendo en cuanto a contenido según la necesidad. Es la fuente principal del Sistema de apoyo a la Gestión SAG-PUCP así como de informes y estudios estadísticos y de minería de datos que también son usados para la toma de decisiones. Metodología: Definidos la infraestructura y las herramientas de desarrollo, se basa en la definición de requerimientos, diseño dimensional y análisis de fuentes de datos, diseño físico e implementación de base de datos; desarrollo e implementación de los procesos de extracción, transformación y carga de datos; análisis, diseño y desarrollo de aplicaciones para la explotación de la base de datos; implementación, mantenimiento y crecimiento. Limitaciones: Nivel de participación, cultura e interés por el uso de la información estadística para la toma de decisiones. Nivel de difusión de las facilidades que brinda la plataforma para su aprovechamiento adecuado. 3

4 2. Situación inicial Dependencia de DIRINFO para la obtención de reportes estadísticos Ausencia de acceso a facilidades de procesamiento analítico en línea (OLAP). Ausencia de una metadata que asegurara una forma estándar de extraer, integrar y usar la data. Replica de esfuerzos Nuestro análisis se basó en la comparación entre el ahorro en horas-hombre de trabajo y el costo de la inversión en infraestructura y herramientas de desarrollo, cuyos resultados fueron positivos. Actualmente, con las herramientas de desarrollo libres disponibles, cuya funcionalidad es mucho mejor a la de aquella época y comparables a las actuales comerciales, los resultados de la comparación serían mucho más favorables. 3. Contexto de la Buena Práctica En el 2003 se publicó el primer catálogo y reporte de Indicadores de calidad de la formación en cada carrera, en coordinación con la Dirección Académica de Planeamiento y Evaluación (DAPE). La cultura de uso de información estadística para la toma de decisiones había empezado a crecer en la universidad como resultado del proceso de autoevaluación institucional y la necesidad de definirse metas para el primer plan estratégico institucional, y se vió la necesidad de presentar el proyecto de construcción del Data Warehouse institucional (DWH- PUCP) así como de un Sistema de Apoyo a la Gestión (SAG-PUCP) que pudiera ser usado para todos estos fines. 4. Objetivos de la Buena Práctica Difusión eficiente y eficaz de información de apoyo a la toma de decisiones en la gestión académica 4

5 5. Acciones ejecutadas para la puesta en marcha de la Buena Práctica Consideración de los requerimientos recibidos durante los procesos de autoevaluación y definición de indicadores de calidad, que involucró el respaldo de las autoridades correspondientes. Uso de la metodología publicada en el libro The Data Warehouse Lifecycle Toolkit, de Ralph Kimball, gurú en Inteligencia de negocios. Implementación de un primer piloto usando herramientas de desarrollo beta y de uso libre. Estudio de técnicas de diseño de Data Warehouse Selección y adquisición de HW y SW para manejo de base de datos, de ETC 5 y explotación de información. Capacitación en el uso de las herramientas seleccionadas Diseño y desarrollo del Data Warehouse así como de las aplicaciones de explotación del mismo. 6. Recursos humanos, técnicos y materiales involucrados en la Buena Práctica Personal capacitado en diseño de DWH, técnicas BI y estadísticas. Personal con conocimiento de la institución (know-how durante proceso de autoevaluación e indicadores de calidad) Software: o Manejador de Base de Datos o Herramienta para facilitar el poblamiento de la nueva base de datos (Herramienta ETL) o Herramienta de Desarrollo de Aplicaciones de Usuario Final Hardware: o Servidor para la Base de Datos o Servidor de Aplicaciones o Servidor para la Herramienta ETL 5 Extracción, Transformación y Carga 5

6 7. Resultados de la Buena Práctica Actualmente el equipo profesional que atiende este tipo de requerimientos estadísticos es menor y se atiende pedidos de mayor complejidad (por ejemplo: estudios estadísticos). La solución es duradera. Se observa crecimiento en el uso de la plataforma desde su implantación. Como factores de éxito se considera el know how (institucional y de la metodología) del equipo, el apoyo de la alta dirección y el crecimiento del interés de los usuarios en la utilización de información para la toma de decisiones. Como oportunidades de mejora se puede identificar a la optimización de la estrategia de difusión de la plataforma, así como de su facilidad de uso y acceso. 8. Evaluación de la BP Se cuenta con6: Estadísticas de uso SAG Encuestas de satisfacción SAG Permite mejorar la calidad académica de los admitidos, retroalimentar a los colegios sobre la calidad del resultado de su enseñanza en las distintas áreas; hacer un mejor seguimiento de las cohortes de ingresantes y egresados así como del proceso de formación, con lo que se posibilita la identificación de problemas a tiempo que permiten tomar decisiones oportunas. 9. Carácter innovador de la Buena Práctica La introducción del SAG-PUCP en la universidad sirvió para consolidar una cultura de acceso e interpretación de información estadística. Asimismo, a partir de su uso, las unidades empezaron a ser más independientes para obtener datos de uso periódico. En todo caso, si lo hacen es para solicitar información más compleja que puede necesitar la aplicación de técnicas estadísticas más sofisticadas. 6 Ver anexos 3 y 4 6

7 10. Sostenibilidad de la Buena Práctica Se cuenta con un equipo permanente que tiene buen conocimiento de la metodología y de la institución y que da mantenimiento tanto al DWH como al SAG. Este mismo equipo es el que atiende pedidos de información que aún no está incluida. Gracias a ello, se va incorporando nueva información que es pedida reiteradamente. 11. Replicabilidad de la Buena Práctica La metodología es replicable en cualquier otra universidad. Un requisito importante para el éxito del proyecto es contar con el respaldo de las altas autoridades y con un equipo que domine el know how de la institución. Es muy favorable contar con una sólida base de datos transaccional que guarde información histórica. Asimismo, es muy importante que antes de poner a disposición el sistema se haya hecho una buena limpieza de los datos y que la información que se muestre sea confiable. Esto es importante no solo por las decisiones que se pueden tomar a partir de ellos sino porque de eso dependerá la confianza que genere y el uso que se le dé. 12. Originalidad Es original porque que cuando se puso en marcha no habíamos visto en ninguna otra universidad el uso de metodologías propias del ámbito empresarial (BI). Hemos hecho diversas presentaciones a nivel nacional e internacional del SAG- PUCP y años después sí sabemos que existen otras universidades que generan informes estadísticos y de indicadores aunque no sabemos si utilizan una metodología similar. 7

8 13. Generación de valor Decanos de las facultades y coordinadores de especialidades: Les provee información, histórica o de un período, de indicadores de calidad de postulantes, ingresantes, alumnos, egresados, graduados y titulados de su facultad o de su especialidad. Jefes de departamento y coordinadores de secciones de departamentos: Les provee información de indicadores de calidad de docentes. Rector y vicerrectores, directores académicos, autoridades académicas: Les provee información de indicadores de calidad según su rol. Colegios: Les provee de información de indicadores de calidad de sus egresados en la universidad (rendimiento global y por áreas, en el proceso de admisión, en los cursos de nivelación y en los estudios en la universidad) Alumnos: Les provee seguimiento de su desempeño ciclo a ciclo Docentes 7 : Les provee seguimiento de su desempeño ciclo a ciclo Institucional: Plataforma para poder hacer un seguimiento de los principales indicadores de la institución para efectos de evaluación, acreditación y comparación. 14. Compromiso Declaro que acepto el compromiso de aportar información adicional sobre la BP a las instituciones que lo soliciten. 15. Información complementaria Ver anexos. 7 Próximo a implementarse en el SAG-PUCP 8

9 ANEXO 1 Etapas y productos de un proyecto de BI Etapa Productos Análisis del requerimiento institucional Objetivos en términos de BI Poblaciones a estudiar (Unidades de observación) Relación preliminar de indicadores y dimensiones a estudiar Relación preliminar de informes, aplicaciones o técnicas a usar Exploración de fuentes de datos disponibles Descripción y modelos de datos disponibles (de bases de datos transaccionales, de encuestas, etc.) Informe de diagnóstico de calidad de los datos disponibles ETL Diseño Modelos de datos a generar (DW, DM u otra base con los indicadores y dimensiones en estructura apropiada para procesamiento analítico) Especificaciones para ETC Desarrollo Puesta en producción Ejecución Programas o jobs ETC Manuales de uso Base de datos a ser usada en el procesamiento analítico Procesamiento analítico Diseño Desarrollo Puesta en producción Ejecución (a cargo de personal BI especializado o del usuario) Prototipos de informes y aplicaciones o Relación de técnicas a usar Programas o aplicaciones de procesamiento analítico Manuales de uso Resultados del procesamiento analítico Análisis de resultados Informe con Conclusiones y Recomendaciones (a cargo de personal BI especializado o del usuario) Decisiones (a cargo del usuario) 9

10 ANEXO 2 Ficha resumen Ejemplo de Proyecto BI no estándar: Estudio Estadístico Objetivo institucional Objetivo en términos de BI Población a estudiar Relación preliminar de indicadores y dimensiones a estudiar Mejorar la calidad de los admitidos Mejorar la capacidad que tienen los procesos de admisión de predecir el rendimiento en la universidad. Admitidos a la PUCP de los últimos n años Indicadores de rendimiento en el colegio (Promedios de notas escolares por área, por año y total, condición de haber tenido buen rendimiento en el colegio) Indicadores de rendimiento en las pruebas de admisión (Puntajes parciales y final) Indicador de rendimiento académico en la universidad (Coeficiente de rendimiento académico estandarizado en la PUCP) Descripción de datos disponibles y su calidad Modelo de datos a generar Relación de técnicas a usar Existe información de buena calidad de: Notas en los cursos llevados en el colegio en secundaria Puntajes parciales y final en las pruebas de admisión Notas en los cursos llevados en la PUCP de los admitidos a la PUCP de los últimos n años El modelo E-R de los datos a generar se encuentra en Análisis factorial considerando los indicadores de rendimiento en el Colegio y en las Pruebas de admisión Análisis de correlación bivariados del rendimiento en la Universidad versus cada indicador de rendimiento en el Colegio y en las Pruebas de admisión Análisis de regresión considerando como variable dependiente al rendimiento en la Universidad y como variables independientes a las variables que mostraron buena correlación 10

11 Conclusiones y decisiones Conclusiones El rendimiento escolar es una dimensión importante y diferente a la de las partes de las pruebas de admisión Existe una muy buena correlación entre el rendimiento en el colegio y el rendimiento académico en la universidad. El rendimiento en el colegio debe tener un peso igual a p% para maximizar la capacidad predictiva de los procesos de admisión masivos. Decisiones Usar un peso igual a p% en las fórmulas de los procesos masivos de admisión Crear modalidades de admisión para los alumnos con buen rendimiento escolar: o Para el 1/3 superior de los mejores colegios (ITS) o Para el 1/5 superior de todos los colegios (PAEE) Hacer otro estudio para seleccionar a los mejores colegios. 11

12 ANEXO 3 Estadísticas de uso SAG 98 Promedio mensual de usuarios del SAG Considera los meses de febrero a noviembre Fuente: SAG PUCP Elaborado por: Oficina de Estadística e Inteligencia Institucional DIRINFO PUCP Accesos a informes en el SAG Fuente: SAG PUCP Elaborado por: Oficina de Estadística e Inteligencia Institucional DIRINFO PUCP 12

13 ANEXO 4 Encuesta de satisfacción con el SAG PREGUNTA TOTAL DE UNIDADES % Top 2 TOTAL DE UNIDADES % Top 2 Indique el grado de confiabilidad que le asigna a la información brindada por el SAG en general: % % Sobre la ubicación de la información en el SAG, Ud. considera que encontrarla es: % % Sobre esta funcionalidad, Ud. considera que el SAG es: % % Indique el grado en el que los informes del SAG ayudan a tomar decisiones: % % Indique el grado de satisfacción sobre el SAG en general: % % Respuestas tienen valores del 1 al 5, donde 1 es menos favorable y 5 más favorable % Top 2 es el % de unidades que respondieron 4 o 5. Fuente: Oficina de Estadística e Inteligencia Institucional DIRINFO PUCP 13