Modelo tecnológico de Data Analytics para los procesos de la cadena de abastecimiento para pymes

• Autores: Barrenechea Flores, Oscar Felipe, Mendieta Retuerto, Aaron Andres
• Formato: tesis de grado
• Fecha de Publicación: 2019
• Institución: Universidad Peruana de Ciencias Aplicadas
• Repositorio: UPC-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorioacademico.upc.edu.pe:10757/639533
• Enlace del recurso: http://hdl.handle.net/10757/639533
• Nivel de acceso: acceso abierto
• Materia: Cadena de abastecimiento; Gestión de la información; Arquitectura de datos; Data analytics; Supply chain; Information management; Data architecture

Este proyecto de inteligencia de negocios tiene como objetivo general implementar un modelo tecnológico de Data Analytics para los procesos de la cadena de abastecimiento para pymes para el fortalecimiento en la toma decisiones. Para su desarrollo, principalmente se recopiló información de la empresa identificando sus requerimientos de negocio. Asimismo, se utilizó la metodología Kimball y PMBOK para la elaboración de entregables y artefactos del proyecto y como herramienta principal para la implementación se seleccionó Pentaho Business Analytics 7.1. Nuestra propuesta pretende mejorar la eficiencia en los procesos de Compras, Inventarios y Ventas y obtener respuestas en tiempo real que permitan mejorar el servicio al cliente, así como medir el desempeño del personal y de los procesos de la cadena de abastecimiento. De esta forma se utilizó una metodología de inteligencia de negocios que soporte el desarrollo de nuestra solución, con la cual proponemos Indicadores de gestión, Dashboards, elaboración de reportes y gráficas de manera dinámica. Para poder validar nuestro modelo tecnológico de Data Analytics, se realizó el despliegue correspondiente de la plataforma y se empezó a evaluar el progreso a lo largo del tiempo obteniendo los siguientes resultados y conclusiones en base a los tiempos y costos: Ayudar a controlar los procesos de la cadena de abastecimiento a partir métricas específicas. Apoyar en la toma de decisiones para obtener resultados confiables y efectivos con base en las buenas prácticas y herramientas de BI. Reducir tiempo y costos que se emplean para analizar la información registrada en el sistema.