SISTEMA DE INFORMACIÓN ESTADÍSTICO JUDICIAL PARA EL TRIBUNAL SUPREMO DE CUBA

Transcripción

1 SISTEMA DE INFORMACIÓN ESTADÍSTICO JUDICIAL PARA EL TRIBUNAL SUPREMO DE CUBA JUDICIAL STATISTICAL INFORMATION SYSTEM FOR THE SUPREME COURT OF CUBA Idalmys Maza Capote 1, Marisel Santana Rodríguez 2, Yordanka Hechavarría Melo 3 1 Ingeniero en Ciencias Informáticas, UCI, idalmys@uci.cu, Ingeniero en Ciencias Informáticas, UCI, msantana@uci.cu, Ingeniero en Ciencias Informáticas, UCI, yordankah@uci.cu, La Informática como soporte a la gestión en la empresa cubana La Habana, octubre 2013

2 RESUMEN Ante el fenómeno de cúmulo de información en empresas e instituciones surgen los almacenes de datos, con el objetivo de poder responder a cada una de las necesidades existentes en cada una de ellas. Los mercados de datos son un subconjunto pero orientado a áreas específicas y a usuarios limitados. Durante el levantamiento de información realizado en el Departamento Independiente de Estadística Judicial se detectaron algunos elementos que afectan a la toma de decisiones como: la información es recibida por correo en caso de no ser confidencial, la misma es validada vía teléfono por los especialistas de dicho departamento, los ficheros que se almacenan están en diversos formatos y el sistema no permite obtener reportes en diferentes períodos de tiempo, siempre se debe analizar la información acumulada desde enero. Esto provoca mayor esfuerzo en tiempo y costo por parte de los especialistas cuando generan informes de décadas, poca disponibilidad y accesibilidad de la información. El almacén de datos fue guiado por la Metodología de Proceso de Desarrollo en la Línea de Soluciones de Almacenes de Datos e Inteligencia de Negocio, la misma recoge elementos de la metodología de Kimball. Se utilizaron herramientas de modelado e inteligencia de negocio y gestor de Base de Datos PostgreSQL v9.1.permite centralizar la información histórica en un único repositorio de datos, además de generar reportes y vistas de análisis desde diferentes perspectivas. Palabras Clave: análisis, almacén de datos, mercado de datos, toma de decisiones, información.

3 ABSTRACT Because of the phenomenon of accumulation of information in companies and institutions arise data warehouses, in order to be able to answer to each one of the needs that exist there. Data marts are a subset oriented to specific areas and limited users. During the data collection done at the Independent Department of Judicial Statistics were detected some elements that affect decision making, as the information is received by mail if it is not confidential, it is validated on the telephone by the specialists of the department, the files are stored in different formats and the system does not allow to report at different periods of time, should be always analyzed the information accumulated since January. This causes greater effort in time and cost by specialists when they generate reports of decades, also limited availability and accessibility of information. The data warehouse was guided by Methodology of Development Process On-line of Solutions for Data warehouses and Business Intelligence, which contains elements of Kimball methodology. Were used modeling and business intelligence tools and as database manager PostgreSQL v9.1. It allows to centralize historical information in a single data repository and to generate reports and analysis views from different perspectives. KeyWords: analysis, data mart, data warehouse, decision making, information.

4 1. INTRODUCCIÓN Ante el gran cúmulo de información en empresas e instituciones se llegó a la conclusión de que esta podría tener un fin útil, al reflejar la mayoría de las operaciones durante los llamados ciclos de negocios. Por tanto, la manipulación y el almacenamiento eficiente de grandes volúmenes de datos, se ha tornado una exigencia común. La toma de decisiones permite valorar cada proceso que origina cierta cantidad de información y considerarla profundamente para elegir el mejor camino a seguir, pues de la adecuada selección de alternativas depende el éxito de cualquier organización. El Tribunal Supremo Popular de Cuba (TSP) dentro de sus principales funciones están la de dictaminar, a solicitud de la Asamblea Nacional o del Consejo de Estado (CE), acerca de la constitucionalidad de las leyes, decretos leyes y demás disposiciones generales, ejercer la iniciativa legislativa en materia de administración de justicia, y evacuar las consultas de carácter general que le formulen sus propias Salas de Justicia, los Tribunales, el Fiscal General de la República o el Ministro de Justicia. Los datos estadísticos los proporciona el Departamento Independiente de Estadística Judicial el cual analiza cuatro materias específicas: Laboral, Civil-administrativo, Económico y Penal. Este departamento nutre de cualquier información referente a estas materias a jueces que la necesiten y al presidente del tribunal para sus respectivos análisis. La información estadística llega a dicho departamento vía correo en caso de que la misma no sea confidencial, de ser así, se realiza mediante el departamento Oficina de Clasificación de Información (OCIC) que es el encargado de recepcionar la información clasificada. Una vez que se necesita mostrar información histórica de un período de tiempo, la tarea resulta engorrosa a los especialistas del departamento, pues deben revisar cada uno de los documentos que se tienen archivados y validarlos por teléfono con cada Tribunal Popular Provincial. Con el pasar de los años se ha almacenado una colección inmensa de datos en los más disímiles formatos, la cual se incrementa debido a la gran suma de información que se genera constantemente. Esto provoca dificultades a la hora de confeccionar los reportes, consultar la información, analizar los datos y presentar los indicadores de tal manera que apoyen al proceso de toma de decisiones. El objetivo de la presente investigación consiste en mostrar los resultados obtenidos 1

5 del almacén de datos que contribuye a la disponibilidad de la información y facilita el proceso de análisis de los datos para mejorar la toma de decisiones en la institución. 2. CONTENIDO En Cuba, el Departamento Independiente de Estadística Judicial del TSP necesita de un mejor aprovechamiento de la información de los datos que almacenan. Estos son extraídos de los diferentes tribuanles provinciales populares que contribuyen de una manera u otra a que se tenga una visión del comportamiento estadístico judicial en Cuba. Se torna necesario crear un ambiente integrado donde se pueda procesar toda la información acumulada de las diferentes fuentes de datos, llevarlos a un solo formato y garantizar un seguimiento de la evolución a la estrategia. Surge la necesidad de explotar el mismo con el objetivo de garantizar el aprovechamiento de la mayor información posible a extraer. 2.1 Metodología a utilizar Para el desarrollo de un almacén de datos existen numerosas metodologías, entre ellas se distinguen dos enfoques fundamentales: Ralph Kimball y William H. Inmon respectivamente. La visión de Inmon se basa en un enfoque descendente (top down).propone construir primero el almacén de datos y a partir de este, los mercados de datos, plantea la creación de un repositorio de datos corporativo como fuente de información consolidada, resistente, histórica y de calidad. Por su parte, Ralph Kimball es reconocido a nivel mundial en el diseño de almacenes de datos y como creador del enfoque multidimensional. La propuesta de Kimball se basa en dividir el mundo de inteligencia de negocio entre los hechos y las dimensiones, esta es eficaz y conduce a una solución completa en un corto período de tiempo. Cada una de estas metodologías pretenden dar un acercamiento a una propuesta ideal para el desarrollo del Almacén, la orientan a la optimización del rendimiento y a su visión de los principales procesos que se deben tener en cuenta para construir un almacén de datos flexible y dinámico. La construcción del Almacén de Datos para el Departamento de Estadística Judicial amerita la utilización de una metodología robusta y madura que garantice el éxito de la integración de los datos provenientes de los sistemas externos. Por estas razones, para 2

6 el desarrollo de los mismos se realiza una adaptación de la metodología de Kimball, tomando de si su estrategia de trabajo divido en grupos que se hacen corresponder con cada de las etapas por las que pasa un almacén; análisis, diseño, transformación y carga de los datos e inteligencia de negocios. 2.2 Postgres PostgreSQL es un sistema de gestión de bases de datos objeto-relacional, distribuido bajo licencia BSD (Berkeley Software Distribution) y su código fuente disponible libremente. Este sistema utiliza un modelo cliente/servidor y usa multiprocesos en vez de multihilos para garantizar la estabilidad del sistema. Por lo cual un fallo en uno de los procesos no afecta al resto y el sistema continúa funcionando.[1] Entre las características generales que posee PostgreSQL se encuentran: Crea una base de datos 100% ACID (Atomicidad, Consistencia, Aislamiento y Durabilidad). Presenta integridad referencial. Presenta transacciones anidadas (nested transactions (savepoints). Presenta representación asincrónica/sincrónica / Streaming replication Hot Standby. Posee Two-phase commit. Posee PITR (Point In Time Recovery). Posibilita la realización de copias de seguridad (Online/hot backups). Presenta MVCC (Multi-Version Concurrency Control). Posee acceso encriptado vía SSL. Es multiplataforma, está disponible para Linux, UNIX en todas sus variantes y Windows. De las características de desarrollo más importantes soportadas por PostgreSQL se encuentran: Posee funciones y procedimientos almacenados (stored procedures) en numerosos lenguajes de programación. 3

7 Presenta bloques anónimos de código de procedimiento (sentencias DO). Posee numerosos tipos de datos y posibilidad de definir nuevos tipos, además de los estándares en cualquier base de datos. Soporta almacenamiento de objetos binarios grandes (gráficos, videos, sonido). Posee diversas APIs que facilitan el uso de la programación en C/C++, Java,.Net, Perl, Python, Ruby, ODBC, PHP, entre otros. Entre las características SQL están: Compatibilidad con SQL92, SQL99, SQL2003 y SQL2008. Uso de llaves primarias (primary keys) y llaves foráneas (foreing keys). Check, Unique y Not null constraints. Restricciones de unicidad postergables (deferrable constraints). Posee columnas auto-incrementales. Presenta índices compuestos, únicos, parciales y funcionales en cualquiera de los métodos de almacenamiento disponible (B-tree, R-tree, hash o GiST). Posibilita el uso de sub-selects, consultas recursivas, Joins, eventos LISTEN/NOTIFY, herencia de tablas (Inheritance), reglas (rules), vistas (views), funciones Windows y disparadores (triggers) comunes, por columna, condicionales. 2.3 Repositorio Multidimensional Para almacenar los datos estadísticos es necesario crear el Repositorio Multidimensional Corporativo donde los datos estarán depurados, estandarizados y preparados para el análisis de forma tal que se organicen y estructuren de manera temática. Los datos a almacenar en el Repositorio son aquellos que se encuentran en los archivos dbf y excel, luego de pasar por los procesos de ETL y limpieza de datos. Para llevar a cabo esta tarea es necesario diseñar el modelo de datos del repositorio, entendiendo también que dicho repositorio irá evolucionando a medida que se añadan más fuentes de datos y que evolucionen los modelos de reporte necesarios a diferentes niveles en la organización. Para el diseño e implementación del Repositorio de Datos se utilizó Pentaho 4

8 Workbench como herramienta de modelado y gestión de metadatos en esta capa. Como gestor de Base de Datos PostgreSQL v9.1 y Pentaho Mondrian como motor OLAP. 2.4 Procesos de Extracción, Transformación y Carga (ETL) El principal objetivo del Subsistema de ETL y Calidad de Datos es la Implementación de Procesos de Integración de los datos estadísticos, recopilados de cada uno de Modelos Estadísticos de las diferentes materias, según la periodicidad y la cobertura que se desea, y que actualmente son almacenados en archivos dbf y excel. Como parte del proceso de ETL y Calidad de datos, se implementan mecanismos de limpieza automática de datos, a fin de lograr una consolidación y completitud de los datos antes de tenerlos disponibles para análisis e investigaciones posteriores y además para responder a las exigencias de calidad que se demandan tanto por usuarios internos como externos. Se necesita conocer además en qué medida se depuraron los datos, lo que determina la mesura en que la información fue debidamente recolectada (Calidad de Recolección). El producto no optimiza ni mejora los mecanismos de recolección a fin de obtener mejor calidad, sino que depura la información que reside en los dbf y excel y las bases de datos con la información. 2.4 Inteligencia de Negocio La Inteligencia de Negocio (BI por sus siglas en inglés) enmarca las distintas estrategias encaminadas a resolver problemas de administración de información y creación de conocimiento, y por lo tanto, constituye un componente esencial de los almacenes de datos, ya que es el punto de contacto directo entre estos y el usuario final. A través del uso de la inteligencia de negocio, los usuarios pueden tomar decisiones o acciones con el propósito de obtener el mayor beneficio para su organización. El BI puede utilizar como herramientas algunos software de consultas, generadores de reportes, procesamiento analítico en línea, herramientas de minería de datos, entre otras, dependiendo de los tipos de usuarios y sus requerimientos particulares. Generalmente una sola herramienta no satisface estos requerimientos, por lo cual se hace necesario el uso de varias herramientas. [2] 5

9 3. RESULTADOS Y DISCUSIÓN La solución consta de cuatro mercados de datos que corresponden a cada una de las materias con las que se trabajan en el Departamento Independiente de Estadística Judicial: Laboral, Civil-Administrativo, Económico y Penal. 3.1 Implementación del subsistema de almacenamiento Para la realización y correcto funcionamiento del mercado de datos se realiza el modelo dimensional de los datos, el cual contiene las tablas de hechos identificadas en el negocio, las dimensiones y las relaciones que existen entre estas. Se selecciona como modo de almacenamiento el Procesamiento Analítico Relacional en Línea (ROLAP) debido a que el SGBD utilizado no soporta el almacenamiento multidimensional de los datos. A continuación se presenta el modelo dimensional asociado al modelo 137 Índice de Peligrosidad para el mercado penal. Fig.1 : Modelo Dimensional 3.2 Implementación del subsistema de integración Los procesos de Extracción, Transformación y Carga, conocidos como ETL (Extraction, Transformation and Loading), son los componentes más críticos de la infraestructura de 6

10 integración de datos para la Inteligencia de Negocio. Mientras que estos pasan desapercibidos para la mayoría de los usuarios de Inteligencia de Negocio, los procesos ETL recuperan los datos de las distintas fuentes y los pre-procesan para las herramientas de análisis e informes. [3] Estos procesos que tienen gran importancia en la precisión de la Inteligencia de Negocio se detallan en: [4]. -Extracción: normalmente el almacén de datos integra diferentes sistemas de fuentes de datos. Cada uno de estos sistemas por separado puede utilizar una organización diferente de los datos o formatos distintos. Es aquí donde entra a jugar un papel importante el proceso de extracción, ya que convierte los datos de los diferentes sistemas a un formato preparado para iniciar el proceso de transformación. -Transformación: esta fase aplica una serie de reglas de negocio sobre los datos extraídos para convertirlos en datos que puedan ser cargados en el almacén de datos. Algunas fuentes de datos requieren de una pequeña manipulación de los datos para poder ser cargados. -Carga: esta fase transcurre en el momento en el que los datos de la fase anterior son cargados en el almacén de datos de destino. Este proceso abarca una amplia variedad de procesos diferentes dependiendo de los requerimientos de la organización. 7

11 Fig.2 : Transformación del modelo Implementación del subsistema de visualización Los requisitos de información representan las necesidades de los usuarios finales. Se definen mediante dos aristas: la información que debe presentar y a la que debe acceder el sistema. Para la capa de presentación de los datos se utilizó la herramienta Pentaho Bi-Server vs4.5 y para la confección de reportes operacionales Pentaho Report Designer vs En correspondencia con los requisitos de información se definieron 20 áreas de análisis (AA) agrupadas a partir de las diferentes temáticas y 107 libros de trabajos (LT) formados por 177 reportes y 340 vistas de análisis que corresponden a el área definida. 8

12 Fig.3 : Pantalla de bienvenida En la Figura 3 se puede apreciar la pantalla de bienvenida de la solución, donde cada usuario debe identificarse antes de acceder al sistema.de esta forma se garantiza que los datos estadísticos del país solo sean visualizados de acuerdo a los requerimientos de seguridad planteados por los especialistas responsables de cada una de las áreas. 9

13 Fig.4 : Pantalla principal de la solución En esta Figura 4 se puede apreciar las pantalla principal de la solución, a la izquierda se observa las Áreas de Análisis General (A.A.G) y dentro de esta las Áreas de Análisis (A.A) que conforman la solución SIEJT, a la derecha la pantalla donde se visualizan las vistas de análisis y los reportes. 10

14 Fig.5 : Áreas de análisis de SiEJT En la Figura 5 se puede apreciar cada una de las A.A correspondiente a cada uno de los mercados de datos que conforman la solución SIEJT. 11

15 Fig.6 : Visualización de una vista de análisis En la Figura 6 se muestra la visualización de una vista de análisis, en el cual se analiza el total de apelaciones por provincia, el tipo de la apelación, la sala del tribunal y tipo de procedimiento. Por la sensibilidad de la información no se muestran los datos. 12

16 Fig.7 : Visualización de un reporte En la Figura 7 se muestra la visualización de un reporte, estos reportes son las salidas tablas que entregan mensualmente las especialistas del Departamento Independiente de Estadística Judicial al presidente del TSP, en este caso específico es el análisis de Los asegurados y absueltos por índice peligrosidad en los tribunales municipales populares con sentencias firmes según motivo de absolución. Por la sensibilidad de la información no se muestran los datos. 3.4 Funcionalidades obtenidas Este almacén de datos le permite al Departamento Independiente de Estadística Judicial: Centralizar la información histórica en un único repositorio de datos. Agilizar la entrega de reportes a las máxima dirección del TSP que apoye al proceso de toma de decisiones. Mostrar vistas de análisis por los diferentes indicadores de las materias judiciales 13

17 del país. Mostrar reportes con los principales indicadores de las materias judiciales del país por períodos de tiempos. Visualizar gráficamente las diferentes áreas de análisis. Exportar e imprimir cada una de las vistas de análisis y reportes que brinda el sistema. 4. CONCLUSIONES Con esta investigación se definieron cada una de las temáticas a analizar. Se siguió la metodología de desarrollo para el departamento de almacenes de datos, con el objetivo de guiar toda la implementación de la solución. Se realizó el análisis y diseño donde se obtuvo los hechos y dimensiones correspondientes para cada mercado, permitiendo el diseño eficiente de la estructura de almacenamiento. Mediante las transformaciones y trabajos se pobló el almacén, logrando que la información contenida en el mismo esté homogenizada y sin errores. Las vistas de análisis y reportes permiten la disponibilidad y accesibilidad de los datos para su posterior análisis en apoyo a la toma de decisiones. 14

18 5. REFERENCIAS BIBLIOGRÁFICAS [1]PostgreSQL. Portal en español sobre PostgreSQL. [En línea] 2 de octubre de [Citado el: 15 de marzo de 2012.] [2]Inteligencia de Negocios para empresas(bi). Business Intelligence Open Source en Argentina. La explotación de un data warehouse. [En línea] 21 de octubre de [Citado el: 7 de marzo de 2012.] [3]Talend - Opens Source Data Integration Solutions for ETL. [En línea] [Citado el: 6 de marzo de 2012.] [4]Espinosa, Itziar Angoitia. Data Warehouse para la Gestión de Lista de Espera Sanitaria (2008). Facultad de Informática, Universidad Politécnica de Madrid.Madrid :s.n.pág

19 6. BIBLIOGRÁFÍA -Inmon, Bill Building the Data Warehouse. Fourth Edition Crosspoint Boulevard Indianapolis, IN 46256: Wiley Publishing, Inc., págs Inmon, William H, Strauss, Derek y Neushloss, Genia DW 2.0 The Architecture for the Next Generation Kimball, Ralph y Ross, Margy. The Data Warehouse Toolkit: The Complete Guide to Dimensional Modeling. Second Edition [ed.] Robert Elliott. s.l., Canada: John Wiley & Sons, Inc. ISBN Ricardo, Bernabeu. Data Warehousing: Investigación y Sistematización de Conceptos. Hefesto 16