|
Inteligencia de negocio basada en árboles heterogéneos, para proc=
esos
de almacenamiento y distribución de activos |
|
Business intelligence based =
on
heterogeneous trees for asset storage and distribution processes |
|
|
|
Maicol =
Almarales Tamayo |
|
maicol.almarales@uic.cu • =
https:/=
/orcid.org/0000-0003-0857-5928
|
|
|
|
MINFAR |
|
|
|
Recibido: 2024-09-09 • Aceptado: 2024-12-29<= o:p> |
|
RESUMEN |
|
En
una de las entidades del Sistema Empresarial Militar (SEM) se llevan a ca=
bo
procesos de almacenamiento y distribución de activos, procesos que se re=
alizan
a través de sistemas automatizados que poseen bases de datos relacionales
independientes. Realizar la comprobación de estos procesos a nivel de da=
tos
reviste especial importancia para determinar irregularidades y constituye=
el
objetivo principal de este artículo. Para dar solución a la problemáti=
ca
planteada se acudió a conceptos de la Inteligencia de Negocio, basada en=
una
metodología no específica o empírica de tres capas, que toma caracter=
sticas
de otras metodologías establecidas y las adapta al entorno donde se apli=
can.
Se introdujo el uso de árboles heterogéneos, como estructura de datos, =
para
realizar la comprobación y minimizar la cantidad de iteraciones sobre los
ficheros que almacenan los datos de los activos. Se implementó una aplic=
ación
de escritorio sencilla, para visualizar los resultados de la comprobació=
n,
capaz de ejecutarse con pocos recursos de hardware y de procesar miles de
registros almacenados en ficheros .CSV en apenas dos segundos. Finalmente=
, se
adoptaron decisiones basadas en el análisis de los datos procesados y no=
en
archivos documentales impresos. Este trabajo permitió reducir el tiempo =
de
comprobación de faltantes y sobrantes de activos en 66 %.<=
span
class=3D01VAL103TEXTOS> |
|
Palabras clave: activos, árboles heterogéneos, bases de =
datos,
Inteligencia de Negocio.<=
span
lang=3DES-TRAD style=3D'font-size:11.0pt;font-family:"Calibri",sans-serif;
mso-ascii-theme-font:minor-latin;mso-hansi-theme-font:minor-latin;mso-bid=
i-theme-font:
minor-latin;color:#3B3838;mso-themecolor:background2;mso-themeshade:64;
letter-spacing:.55pt'> |
|
ABSTRACT |
|
In one of the entitie=
s of
the Military Enterprise System, asset storage and distribution processes =
are
carried out. These processes are carried out through automated systems th=
at
have independent relational databases. Checking these processes at the da=
ta
level is especially important to determine irregularities and constitutes=
the
main objective of this work. To solve the problem raised, Business
Intelligence concepts were used, based on a non-specific or empirical
three-layer methodology, which takes characteristics from other establish=
ed
methodologies and adapts them to the environment where they are applied. =
The
use of heterogeneous trees was introduced as a data structure to carry out
the check, and to minimize the number of iterations on the files that sto=
re
the asset data. A simple desktop application was implemented to view the
results of the check. Finally, decisions were made based on the analysis =
of
the processed data and not on printed document files. |
|
Keywords: assets, Business Intelligence, Databases,
heterogeneous trees. |
|
|
![](3D"269.Diagramacion_files/image001.png")
![](3D"269.Diagramacion_files/image002.png")
INTRODUCCIÓN
En una de las
entidades pertenecientes al Sistema Empresarial Militar (SEM), se llevan a =
cabo
procesos asociados al almacenamiento y la distribución de activos. Dos de =
estos
procesos son la gestión de las rebajas de las existencias de activos en el
almacén y la gestión del proceso de inventario de activos en los departam=
entos
del edificio.
La gestión d=
e las
rebajas de las existencias de activos en el almacén se realiza a través d=
el
Sistema de Gestión de Almacenes, GestAl 2.0, s=
istema
automatizado con disímiles funcionalidades, aunque la principal es procesa=
r los
activos, incrementando o rebajando las existencias.
La gestión d=
el
proceso de inventario de activos en los departamentos del edificio se reali=
za a
través del Sistema de Gestión de Inventarios, GestIn=
3.0, sistema automatizado con disímiles funcionalidades, aunque la princip=
al es
inventariar cada activo, es decir, asignarle una identidad única.
Al rebajarse
algún activo del almacén, este debe distribuirse hacia algún departament=
o del
edificio e inventariarse. Los activos que se rebajan del almacén están
refrendados en una factura de salida que consigna sus datos y las cantidade=
s, y
que sirve de base para realizar después el inventario. De esta forma, se
garantiza que los activos que se rebajaron del almacén lleguen a los
departamentos del edificio. La factura de salida sirve como documento de
contrapartida en este proceso. La figura 1 muestra los documentos que
intervienen en estos procesos y la relación que existe entre los datos que
almacenan.
![](3D"269.Diagramacion_files/image004.png")
Si se analizan
las bases de datos de los sistemas, debe existir relación entre los datos =
de
ambos: por cada registro de rebaja de activos en el almacén, debe existir
tantos registros de inventarios como se indique en el campo «cantidad». E=
n la
figura 2 se evidencia que las entidades que almacenan las tablas no present=
an
relación física (ambos sistemas almacenan sus registros en bases de datos
independientes), pero sí presentan relación lógica.
![](3D"269.Diagramacion_files/image006.png")
<=
![endif]>
F=
ig.
2
Relación lógica entre las entidades de las bases de datos de los sistemas=
GestAl y GestIn (Fuente:
documentación archivada de proyectos presentados al Consejo
Científico-Tecnológico de la institución).
Corroborar
estas relaciones a nivel de datos permite determinar si existen sobrantes o
faltantes, tanto en el almacén como en los departamentos del edificio, lo =
que
permite determinar además algunas causas de esas irregularidades: falsific=
ación
de facturas y errores humanos o tecnológicos, por una inadecuada consignac=
ión o
revisión de los datos presentes en las facturas de salida, por las partes =
que
intervienen en los procesos.
El proceso
contable es clave para la toma de decisiones y el control organizacional
(Barón, García, & Sánchez, 2021, p. 42). Dar valor al procesamiento e
interpretación de las bases de datos es un punto fundamental en el camino a
generar ventaja, a través de decisiones estratégicas (Treviño, Rivera, &=
amp;
Garza, 2020, p. 4).
El proceso=
de
comprobación de sobrantes y faltantes se realizaba antes de forma manual, =
por
lo que permanecían fisuras en su realización, ya que se tenían en cuenta=
las
facturas de salida archivadas en formato duro, pero no los datos almacenado=
s en
los sistemas GestAl y Gest=
In.
En un inte=
nto
por resolver la problemática, inicialmente se propuso realizar la comproba=
ción
del proceso utilizando Elasticsearch, Kibana y Logstash (ELK); =
pero
dentro de los inconvenientes encontrados en su adopción estaba que esta
multiherramienta es privativa, o sea, de pago; esta misma característica
imposibilitó la creación de reportes resumiendo el estado de la comprobac=
ión de
los procesos. Además, la confección de paneles de visualización no permi=
tía
discriminar los casos en que el proceso de comprobación de faltantes y
sobrantes no tenía problemas, y se mostraban largas listas de datos en for=
mato
tabular. Cabe destacar que la implementación utilizando ELK necesitó el u=
so de
altos recursos de hardware, debido a la cantidad de datos para procesar en =
tiempo
real.
La herrami=
enta
propuesta para dar solución a la problemática en cuestión, no presenta v=
alor
comercial, sino una interfaz sencilla, por lo que no fue necesario crear
paneles complejos de visualización de datos; muestra solo los casos de int=
erés
para la dirección de la institución (cuando existen sobrantes o faltantes=
) y
permite crear resúmenes sencillos que se pueden visualizar en hojas de cá=
lculo
tradicionales. Se comprobó, además, que podía ejecutarse en sistemas ope=
rativos
basados en Windows versión XP o superior, y Linux distribución Nova 8 o
superior, con un mínimo de recursos de 4GB de RAM y un microprocesador Int=
el
Core i5 de 5ta generación. Al trabajar con los datos sin una conexión act=
iva a
las BD, ello permitió disminuir el tiempo empleado en su procesamiento.
Para lleva=
r a
cabo este trabajo, se acudió a conceptos relacionados con la Inteligencia =
de
Negocio, que se define como un conjunto de herramientas y aplicaciones para=
la
ayuda a la toma de decisiones, las cuales aportan un conocimiento valioso s=
obre
la información operativa identificando problemas. El resultado perseguido y
deseado es la continua mejora de la organización (Méndez, 2007, pp. 23-24=
).
Implementar
Inteligencia de Negocio en la solución del problema permitió obtener
información útil para la dirección de la institución, es decir, la exis=
tencia
de sobrantes y faltantes de activos fijos, tanto en el almacén como en los
departamentos donde se utilizan, sin tener que realizar el conteo físico m=
anual
de estos.
La
Inteligencia de Negocio aportó valor a la protección de activos físicos =
al
optimizar la identificación de los problemas en el proceso de comprobació=
n, y
mejorar el análisis y la gestión de riesgos. Tener identificado dónde, c=
ómo y
cuándo surgieron los faltantes y sobrantes, permitió tomar decisiones inc=
luso a
nivel de idoneidad en el colectivo laboral. Todo lo anterior redunda en la
optimización y el uso eficiente de los recursos humanos y materiales.
Han aparec=
ido
numerosos métodos, técnicas y tecnologías que buscan ayudar a las
organizaciones a tomar mejores decisiones a partir de los datos (Curto, 201=
7).
Cada implementación es única para cada proceso empresarial (Barón et al.=
, 2021,
p. 42). La metodología empírica es la más utilizada, lo que permite que =
cada
estudio establece su forma de abordar e implementar una solución de negoci=
os
con analítica de datos en procesos empresariales, por tanto, todavía no s=
e ha
establecido en la literatura el desarrollo de una metodología única en to=
dos
los sectores (Barón et al., 2021, p. 47).
La adopci=
n de
un método propio para realizar las comprobaciones en los procesos contables
asociados a los activos, constituye el principal aporte práctico de este
trabajo, destacando que no hace uso de almacenes de datos (datawarehouses),
como se plantea en varias visiones de trabajo (Morales & Carrión, 2020;
Pérez, 2020; Varona et al., 2021).
METODOLOGÍA
Para realizar las comprobaciones a los procesos asociados al
almacenamiento y la distribución de activos se siguió el siguiente métod=
o:
·&n=
bsp;
·&n=
bsp;
·&n=
bsp;
Ext=
racción
de los datos
En =
las
arquitecturas de Inteligencia de Negocio, el primer proceso consiste en rec=
oger
los datos de las transacciones realizadas de productos y servicios (López,
Guerrero, & Bedoya, 2022, p. 46). Este proceso de extracción es necesa=
rio
para mover los datos de la aplicación a la base de datos provisional (Haro,
Carranza, Pico, Naranjo, & Nuela, 2023, p. =
49).
Este proceso está asociado a la capa de fuente de datos (Joyanes, 2019, p.=
9).
El
método en cuestión tiene la peculiaridad de que los datos extraídos de l=
as
bases de datos de los sistemas GestAl y GestIn no son almacenados en Data Marts
o Data Wherehouses, sino que son volcados a fic=
heros
con extensión .CSV (figura 3).
![](3D"269.Diagramacion_files/image008.png")
Fig=
. 3 Relación lógica entre las entidades de las bases de d=
atos
de los sistemas GestAl y G=
estIn,
vista a través de los .CSV (Fuente: ficheros obtenidos de las consultas SQ=
L a
las BD de los sistemas).
Un
fichero CSV (Comma-Separated Values)
es un archivo de texto plano que contiene datos tabulares. Cada línea del
archivo representa un registro y los valores en ese registro están separad=
os
por un carácter, generalmente coma. Este formato es ampliamente utilizado =
para
el intercambio de datos entre diferentes aplicaciones, ya que es sencillo y
compatible con muchos programas, como hojas de cálculo y BD.
Las=
BD
de los sistemas GestAl y G=
estIn
son del tipo relacional. El modelo de datos relacional representa la BD com=
o un
conjunto de tablas (Osorio, 2008, p. 43). El lenguaje de consulta para obte=
ner
los datos necesarios es SQL (Structured Query Language), creado p=
or IMB a
principios de los años 1970 (Christine & Godoc,
2018, p. 12).
Transformación=
y
análisis de los datos
A
priori, una posible solución es recorrer ambos ficheros y comparar sus dat=
os.
La cantidad total de iteraciones (CTI) donde se analizan las posibles
irregularidades está dada por la fórmula:
CTI=
=3D
CRF1*CRF2 (1)
Don=
de
CRF1 es la cantidad de registros almacenados en el fichero extraído de
El =
siguiente
proceso luego de obtener los datos pertenece a la capa de ETL (Extract, Transform, Load)=
, la
cual se encarga de integrar y unificar los datos de las fuentes internas
(Joyanes, 2019, p. 12). En el caso que se analiza, las fuentes de datos son=
los
ficheros .CSV, que almacenan las operaciones con los activos almacenados y
rebajados de las existencias, y distribuidos e inventariados. El método en
cuestión tiene la peculiaridad de que la carga de los datos no se realiza =
hacia
Data Marts o Data Wherehou=
ses,
sino que los mantiene en una estructura de memoria intermedia. La estructura
seleccionada es un árbol heterogéneo.
Un
árbol es un grafo simple que recorre un camino, utilizando un vector. Pose=
e ramificaciones y constituye un orden dentro de los e=
lementos
que posee (Zambrano, Alay, Polanco, Zambrano, & Castro, 2022, p. 35). L=
os
árboles heterogéneos tienen la peculiaridad de que el dominio de sus nodos
intermedios y hojas son distintos. De esta forma, los nodos hojas del árbol
guardan información relativa a las cantidades de activos por cada operaci=
n, y
los nodos intermedios guardan información asociada al código y la descrip=
ción
de los activos, el departamento al que fueron distribuidos y los datos de la
factura, como el número y la fecha en que se formalizaron las operaciones.=
Ini=
cialmente,
se cargan en el árbol las operaciones almacenadas en el fichero .CSV
correspondiente a la distribución de activos, es decir, a las rebajas en
existencias del almacén. Las operaciones de distribución consignadas en l=
as
facturas de salida siempre tienen asociadas cantidades, por tanto, el nodo
Departamento debe tener un nodo hoja asociado al sistema GestAl,
que guarda la cantidad de activos que se distribuyeron y se rebajaron de las
existencias.
Lue=
go
se procede a cargar en el árbol las operaciones almacenadas en el fichero =
.CSV
correspondiente a la distribución de activos. Por cada registro, se increm=
enta
en uno la cantidad almacenada en el nodo hoja correspondiente al sistema
En =
este
caso, la cantidad total de iteraciones (CTI) donde se analizan las posibles
irregularidades está dada por la fórmula:
CTI=
=3D
CAF1 + CAF2 (2)
Don= de CAF1 es la cantidad de tipos de activos almacenados en el fichero extraído= de GestAl y CAF2 es la cantidad de tipos de activos almacenados en el fichero extraído de GestIn.<= o:p>
Com=
o se
puede observar, en (1) la CTI depende de las cantidades de registros
almacenados en ambos ficheros y se implementa recorriendo dos ciclos anidad=
os.
Sin embargo, la CTI en (2), no depende de las cantidades de los registros
almacenados en los ficheros extraídos de GestAl y GestIn, sino de la cantidad de tipos de activos, es d=
ecir,
de códigos almacenados en estos, y se implementa recorriendo un árbol
heterogéneo una única vez. La cantidad máxima de iteraciones para el caso
extremo e improbable, se alcanza solo si los tipos de activos almacenados e=
n GestAl difieren en 100 % de los activos almacenados e=
n GestIn.
El
árbol heterogéneo simplifica el proceso, pues se carga en memoria una ún=
ica
vez, y los ficheros .CSV son cerrados. Esta simple característica deja cla=
ro
que el acceso a disco es mucho más costoso en tiempo que el acceso a la Me=
moria
de Acceso Aleatorio (RAM, por sus siglas en inglés). Existe el inconvenien=
te de
que los ficheros .CSV no están organizados. Para paliar esta situación, l=
os
datos almacenados en esos ficheros podrían organizarse atendiendo a los
códigos, los datos de las facturas y los departamentos, desde la consulta =
SQL,
que se realiza para obtener los datos de las BD, pero el problema de acceso=
a
los datos persistiría, porque sobre los ficheros no existe la indexación.=
En
términos prácticos, esto significa que los activos salidos de una factura=
del
almacén y que se inventariaron en los departamentos, hay que obtenerlos
necesariamente recorriendo el fichero .CSV línea a línea hasta encontrarl=
os.
Una=
vez
llenado el árbol, el proceso de comprobación se realiza comparando las
cantidades de activos en los nodos hojas del árbol. Esta comprobación per=
mite
determinar faltantes y sobrantes de activos, tanto en el almacén como en l=
os
departamentos del edificio.
Con=
sulta
de datos
Por
último, existe una capa superior que es la más cercana al usuario, el
Para
mostrar los resultados de la comprobación de los procesos de almacenamient=
o y
la distribución de activos, se previó la implementación de una aplicaci=
n de
escritorio sencilla, que permitiera cubrir los siguientes requisitos
funcionales:
1.
2.
3.
4.
5.
La
decisión
El
análisis de grandes cantidades de información sirve como base para la tom=
a de
decisiones y favorece la mejora continua (Solana, 2021, p. 14). La decisió=
n es
el proceso de transformación de la información en acción (Castro, 2013, =
p. 89).
Las transformaciones implican profundos ajustes en los procesos referidos
(Mirabal, 2009, p. 267). El proceso referido a la toma de decisiones puede
considerarse como uno de los desafíos más comunes y a la vez más difíci=
les a
los que se enfrenta el ser humano (Nariño, 2021, p. 37).
Tom=
ar
decisiones basada en datos, en lugar de confiar únicamente en la intuició=
n o la
experiencia, permite minimizar los riesgos y optimizar los recursos,
identificar lo que funciona y lo que no, es decir, abordar los problemas de
forma sistemática, mitigar la incertidumbre y el riesgo de decisiones sesg=
adas
o erróneas.
Las
decisiones tomadas como parte del análisis de los datos arrojados durante =
la
comprobación de los procesos de almacenamiento y distribución de activos,=
están
mencionadas en la sección de resultados.
RESULTADOS Y DISCUSIÓN
La aplicación
Se implementó =
una
aplicación de escritorio que utiliza lenguaje Pascal a través del Entorno=
de
Desarrollo Integrado (IDE) Embarcadero Delphi 11, versión 28.0.45591.0253.=
Este
IDE permite el compilado de paquetes ejecutables para varios sistemas
operativos. La implementación de clases y demás componentes estuvo orient=
ada a
objetos y sus pilares de herencia, encapsulamiento y polimorfismo. Como pat=
rón
de diseño se siguió el clásico Modelo-Vista-Controlador. Se cubrieron lo=
s cinco
requisitos funcionales planteados en la sección anterior de metodología. =
En la
figura 4 se muestra la interfaz de la aplicación durante la carga de los d=
atos
en un árbol y la comprobación de la correspondencia entre las cantidades.=
![](3D"269.Diagramacion_files/image010.png")
<=
![endif]>
Fig=
. 4 Interfaz de la aplicación.
Des=
de
el menú «Fichero» de la herramienta, se pueden cargar a través de una i=
nterfaz
visual, los datos almacenados en los .CSV correspondientes a los sistemas <=
span
class=3DSpellE>GestAl y GestIn. Estos fi=
cheros
se obtienen previamente, ejecutando de forma programada un script que reali=
za
consultas SQL hacia las BD de esos sistemas. Esta característica de la
herramienta, aunque se considera no favorable, pues los datos que se van a
procesar están desfasados en tiempo, también resulta una ventaja, pues ev=
ita
consultas reiteradas a las BD que están en constante servicio.
Des=
de
el menú «Analizar» de la herramienta se puede ejecutar la comprobación =
de
faltantes y sobrantes, y de esta manera procesar los datos cargados con
anterioridad. Luego de terminada la ejecución se pueden visualizar a deman=
da,
los faltantes, sobrantes e incluso las operaciones satisfactorias,
seleccionando ese comportamiento a través del grupo de opciones «Mostrar=
.
Sin
dudas, la parte más importante a nivel de implementación de la herramient=
a es
la correspondiente al modelo. Para formalizar la estructura del árbol
heterogéneo se implementó la clase abstracta «CNodo=
».
Todos los nodos del árbol heredan de esta clase, pero en su implantación
cambian los atributos referentes a los datos que almacenan y ahí reside la
heterogeneidad del árbol.
Los
nodos del tipo «Activo», están asociados a la clase CActivo
y tienen un campo denominado código del tipo cadena de caracteres y longit=
ud
cinco, que presentan además un arreglo de punteros a los nodos del tipo
«Factura».
Los
nodos del tipo «Factura», están asociados a la clase «CFactura»
y tienen un campo denominado «no» del tipo entero corto, y un campo denom=
inado
«fecha» del tipo fecha. Además, presentan un arreglo de punteros a los n=
odos
del tipo «Departamento». La decisión de adoptar como tipo de dato un arr=
eglo y
no una única instancia de un puntero, está dada por la necesidad de deter=
minar
los activos que salieron del almacén y se distribuyeron erróneamente hacia
varios departamentos. Para los casos favorables, este arreglo tendría un t=
amaño
de uno.
Los
nodos del tipo «Departamento» están asociados a la clase «CDepartamento»
y tienen dos campos de tipo entero corto, denominados =
cant_gestal
y cant_gestin, respectivamente. En estos campos=
se
almacenan las cantidades de activos salidos del almacén e inventariados en=
los
departamentos, y constituyen el núcleo de la comprobación de sobrantes y
faltantes de activos. Para los casos favorables, ambas cantidades deberían=
ser
iguales.
Dur=
ante
la utilización de la herramienta, se pudo comprobar que tras la obtención=
del
fichero .CSV que almacena las salidas del almacén, con una cantidad de
registros igual a 28.365, tras la obtención del fichero .CSV que almacena =
los
inventarios de los departamentos, con una cantidad de registros igual a 39.=
054,
y con una referencia entre ambos ficheros a 4968 códigos y 160 departament=
os.
La herramienta demoró 2.003 segundos en procesar todos los datos y realizar
1010 informes, satisfactorios o arrojando los faltantes o sobrantes.
Los
datos en cuestión representan la totalidad de las operaciones, que compren=
de
desde enero de 2012 hasta agosto de 2024. Este mismo escenario se intentó
reproducir utilizando la multiherramienta ELK, lo que fue imposible, debido=
a
que el sistema Kibana se detuvo durante la carg=
a de
los datos almacenos en los índices de Elasticsearch.
Cabe
resaltar que el proceso para determinar sobrantes y faltantes, amparado por=
el
conteo físico de los activos de forma manual, pasó de durar 9 días
aproximadamente para departamentos con entre 150 y 200 activos fijos, a sol=
o 3
días, lo que representa una disminución del tiempo empleado en 66 %
aproximadamente.
Irregularidades identificadas
Dur=
ante
la comprobación de los procesos de almacenamiento y distribución de activ=
os, se
pudieron determinar los siguientes tipos de irregularidades:
1.
2.
3.
4.
![](3D"269.Diagramacion_files/image012.png")
<=
![endif]>
Fig=
. 5 Comprobación del proceso a través del árbol heterog=
neo.
Otras decisiones=
Lue=
go
de obtener los resultados, se tomaron las decisiones de establecer la
comprobación automatizada y basada en datos, de los procesos de almacenami=
ento
y distribución, con una periodicidad semanal, y seguir el desarrollo de la
herramienta para que pueda realizarse la comprobación en tiempo real.
Esto
implicaría interrelacionar los sistemas a través de interfaces de program=
ación
de aplicaciones y microservicios para permitir que, por cada tipo de activo=
en
una factura de salida creada en GestAl, se gene=
ren de
forma automática tantos registros de inventario en Ge=
stIn
como se indique en el campo «cantidad», eliminando así el error humano d=
e no
inventariar los activos (figura 5c), y validar los datos utilizados durante=
el
registro de inventario, para que exista correspondencia entre el número de=
la
factura, la fecha, el código de los activos y su descripción, eliminando =
así el
error humano de inventariar incorrectamente los activos (figura 5f).
Se
decidió además modificar el proceso de inventariado de activos en los
departamentos, estableciendo que todos los activos destinados para los
departamentos no pueden llegar a estos sin haber pasado antes por el almac=
n.
Esta decisión está encaminada a impedir que a los departamentos lleguen a=
ctivos
no controlados o de procedencia sesgada, por tanto, el documento que avale =
el
inventario siempre será una factura de salida generada por GestAl.
Por
último, se decidió modificar el proceso de conteo físico periódico de l=
os
activos en los departamentos, estableciendo que los activos sobrantes, deben
devolverse al almacén, para luego ser distribuidos nuevamente bajo un proc=
eso
correcto.
CONCLUSIONES
Se realizó la comprobación de los procesos de almacenamiento y
distribución de activos en la entidad, según el análisis de datos almace=
nados
en BD relacionales y no en archivos documentales impresos. La comprobación
mostró como resultados las irregularidades fundamentales en los procesos de
almacenamiento y distribución. Para mitigar estos problemas se pusieron a
consideración varias decisiones para adoptar de manera operativa.
Cabe mencionar como limitaciones de la comprobación, que esta no se
realizó en tiempo real (no existen Data Wherehouses o
Data Marts), sino de forma periódica, por tant=
o, la
identificación de las irregularidades pasó por la ruta crítica del tiemp=
o. Para
determinar las irregularidades oportunamente, se debe ejecutar la herramien=
ta
de forma periódica, con intervalos de tiempo reducidos.
Durante la utilización de la herramienta, se pudo comprobar que se
pueden procesar ficheros .CSV con cantidades de registros superiores a los =
25
000, demorando apenas 2 segundos y mostrando una cantidad de reportes
superiores a los 1 000. Esta rapidez permite sin dudas, disminuir el tiempo
empleado en la realización del conteo físico de activos en 66 %.
Este tipo de comprobación, adoptando una estructura intermedia en f=
orma
de árbol heterogéneo, puede aplicarse además a la comprobación de otros
procesos donde intervienen activos, como es el proceso de reparación de ac=
tivos
con piezas e insumos rebajados de las existencias del almacén, y el proces=
o de
devolución de activos al almacén, que contempla la baja del inventario e
incremento en existencias del almacén, lo cual es posible, porque existen
registros en BD que almacenan el movimiento inicial de un activo, ya sea pa=
ra
ser utilizado en la reparación o para ser devuelto al almacén; y finalmen=
te
también existen registros en BD que almacenan el estado final de los activ=
os,
ya sea el uso de estos como insumos de la reparación o el depósito final =
en el
almacén.
Agradecimientos
El autor desea agradecer a todos los profesores que impartieron clas=
es,
como parte de la Maestría en Informática Aplicada (sexta edición), en la
Universidad Tecnológica de La Habana José Antonio Echeverría, especialme=
nte a
los que impartieron el posgrado de Inteligencia de Negocio y Bases de Datos=
. Un
agradecimiento especial a la Dra. C. Raisa Soco=
rro
Llanes, por su certera guía y su vocación de servicio.
REFERENCIAS
Barón Ramírez=
, E.,
García Estrella, C. W., & Sánchez Gárate, S. K. (2021, julio 19). La
inteligencia de negocios y la analítica de datos en los procesos empresari=
ales.
Revista científica de sistemas e informática, 1(2): 37-53.
Castro Rozo, F.=
E.
(2013). Indic=
ators
for making decisions based on Business Intelligence. Tecnología Investigación y Academia, 1(2). Recuperado =
de
https://geox.udistrital.edu.co/index.php/tia/article/view/4639
Chris=
tine
Bisson, A., & Godoc, E. (2018). SQL: Los fundamentos del lenguaje: con ejercicios
corregidos, Ediciones ENI.
Curto Díaz, J.
(2017). Organizaciones orientadas al dato: Transformando las organizaciones
hacia una cultura analítica, Editorial UOC.
Fierro Ovalle, =
J.
R., & José Ávila, R. (2019). Propuesta de un modelo de inteligencia de
negocio para optimizar el desempeño de los factores que influyen en la
productividad de las Palas de la Mina Pribbenow.
Recuperado de https://alejandria.poligran.edu.co/handle/10823/1834
Haro Sarango, A.
F., Carranza Guerrero, M. N., Pico Lescano, J. =
C.,
Naranjo Lozada, S. G., & Nuela Sevilla, R. =
M.
(2023). Inteligencia de negocios en las Pymes, Casa Editora Del Polo.
Joyanes Aguilar=
, L.
(2019). Inteligencia de negocios y analítica de datos: Una visión global =
de
Business Intelligence & Analytics.
Alpha Editorial.
López Trujillo=
, M.,
Guerrero Mendieta, L. E., & Bedoya Herrera, O. M. (2022). Un modelo de
inteligencia de negocios para una institución universitaria, Editorial
Universidad de Caldas.
Méndez del Rí=
o, L.
(2007). Más allá del Business Intelligence: 16
experiencias de éxito, Grupo Planeta (GBS).
Mirabal, W. (20=
09).
Estrategias claves para tomar decisiones en los negocios. Telos:
Revista de Estudios Interdisciplinarios en Ciencias Sociales, 11(2): 266-26=
8.
Monge Sainz, A.
(2019). Herramientas de Inteligencia de Negocio para la explotación y aná=
lisis
de fuentes Open Data. Recuperado de
https://repositorio.unican.es/xmlui/handle/10902/16108
Morales, M. F.,
& Carrión, R. B. (2020). Bibliominería, d=
atos y
el proceso de toma de decisiones. Revista Interamericana de Bibliotecologí=
a,
43(2): eI8/1-eI8/12.
Nariño Herrera=
, N.
A. (2021). Characterization of
strategic decision-making<=
/span> processes in SMEs in the commercial sector
Osorio Rivera, =
F.
L. (2008). Base de datos relacionales. ITM.
Pérez, A. M. G.
(2020). Aplicación de técnicas de inteligencia de negocios y análisis de=
datos
en el entorno empresarial cubano: Retos y perspectivas. Revista Cubana de
Ciencias Informáticas, 14(4): 191-209.
Solana Nogales,=
B.
(2021). Implantación de un sistema de diseño y gestión integral de
instalaciones eléctricas en el marco de la industria 4.0. Recuperado de
https://repositorio.unican.es/xmlui/handle/10902/21753
Treviño Reyes,=
R.,
Rivera Rodríguez, F. S., & Garza-Alonso, J. A. (2020). La analítica de
datos como ventaja competitiva en las organizaciones. =
Vinculatégica
EFAN, 6(2): 1063-1074. https://doi.org/10.29105/vtga6.2-520
Varona Taborda,=
M.
A., Mosquera Ramírez, J. C., Medina Moreno, C. A., Lemus Muñoz, D. F., Mu=
ñoz
Hernández, C. J., & Arias Iragorri, C. G. (2021). Business Intelligence for the Programs of the
Secretaries of Health, Education and Planning in a Territorial Entity. Facultad de Ingeniería, 30(58). Recuperado de
https://www.redalyc.org/articulo.oa?id=3D413969810006
Zambrano, K. C.=
C.,
Alay, D. D. L., Polanco, L. A. V., Zambrano, J. M. V., & Castro, V. F. =
R.
(2022). Importancia de árboles binarios en la programación. Journal
TechInnovation, 1(2): 33-42.
https://doi.org/10.47230/Journal.TechInnovation.v1.n2.2022.33-42
=
|
C=
opyright
© 2024, Autores: Almarales Tamayo, Maicol |
|
<= o:p> |
|
|
|
E=
sta
obra está bajo una licencia de Creative Commons
Atribución-No Comercial 4.0 Internacional |
![](3D"269.Diagramacion_files/image014.jpg")
=
=