Camacho_CMA-SD

Vista previa del material en texto

ESCUELA DE POSGRADO 
PROGRAMA ACADÉMICO DE MAESTRÍA DE INGENIERIA 
DE SISTEMAS CON MENCIÓN EN TECNOLOGÍAS EN LA 
INFORMACIÓN 
 
Influencia de Business Intelligence en la Gestión de Incidentes en 
una empresa de tecnología, Lima 2023 
2023 
 
TESIS PARA OBTENER EL GRADO ACADÉMICO DE: 
Maestro en Ingeniería de Sistemas 
 
AUTOR: 
Camacho Castro, Manuel Alejandro (orcid.org/0009-0005-2089-0367) 
 
ASESOR: 
Mg. Poletti Guitan, Eduardo Humberto (orcid.org/0000-0002-2143-4444)
 Mg. Tejada Ruiz, Roberto Juan (orcid.org/0000-0003-3669-836X)
 
LÍNEA DE INVESTIGACIÓN: 
Desarrolloyeconómico,yempleo yyemprendimiento 
 
LIMA — PERÚ 
Sistemas de Información y Comunicaciones
 LÍNEA DE RESPONSABILIDAD SOCIAL UNIVERSITARIA: 
https://orcid.org/0009-0005-2089-0367
https://orcid.org/0000-0002-2143-4444
https://orcid.org/%200000-0003-3669-836X
ii 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Dedicatoria 
 
Dedicado a Dios y miyesposa por todo 
el apoyo que me dieron. 
 
 
 
iii 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Agradecimiento 
 
Agradezco a Dios por darme las 
motivaciones mediante mi esposa, 
familia y salud y llegar hasta este 
momento y lugar. 
 
iv 
 
 
 
v 
 
 
vi 
 
Índice de contenidos 
Dedicatoria ii 
Agradecimiento iii 
Índice de contenidos vi 
Índice de tablas ix 
Índice de gráficos y figuras x 
Resumen xi 
Abstract xii 
I. INTRODUCCIÓN 1 
II. MARCO TEÓRICO 5 
III. METODOLOGÍA 15 
3.1 Tipo de diseño de investigación 15 
3.1.1 Tipo Investigación. 15 
3.1.2 Diseño de investigación 15 
3.2 Variables y operacionalización 16 
3.3 Población, muestra y muestreo 19 
3.3.1 Población 19 
3.3.2 Muestra 19 
3.3.3 Muestreo 19 
3.3.4 Unidad de análisis 20 
3.4 Técnicas e instrumentos de recolección de datos, validez y confiabilidad 20 
3.5 Procedimiento 20 
3.6 Método de análisis de datos 20 
3.7 Aspectos éticos 20 
IV. RESULTADOS 21 
V. DISCUSIONES 48 
VI. CONCLUSIONES 53 
VII. RECOMENDACIONES 54 
REFERENCIAS BIBLIOGRAFICAS 55 
ANEXOS 62 
 
 
ix 
 
 
Índice de tablas 
Tabla 1 Eficiencia Business Intelligence 21 
Tabla 2 Efectividad Business Intelligence 23 
Tabla 3 Resolución perfecta Business Intelligence 25 
Tabla 4 Tiempo por Gestión de Incidentes 27 
Tabla 5 Evaluación de normalidad para la Eficiencia de Business Intelligence 31 
Tabla 6 Prueba de Rho de Spearman para la Eficiencia de Business Intelligence
 32 
Tabla 7 Interpretación del coeficiente de correlación de Spearman 33 
Tabla 8 Evaluación de normalidad para la Efectividad de Business Intelligence 34 
Tabla 9 Prueba de Rho de Spearman para la Efectividad de Business Intelligence
 35 
Tabla 10 Evaluación de normalidad para la Resolución perfecta de Business 
Intelligence 36 
Tabla 11 Prueba de Rho de Spearman para la Resolución perfecta de Business 
Intelligence 37 
Tabla 12 Evaluación de normalidad para el tiempo en la gestión de incidentes 38 
Tabla 13 Prueba de Rho de Spearman para tiempo en gestión de incidentes 39 
Tabla 14 Evaluación de normalidad para el tiempo en la gestión de incidentes 40 
Tabla 15 Prueba de Rho de Spearman para tiempo en gestión de incidentes 41 
Tabla 16 Prueba de Wilcoxon para Hipótesis General 42 
Tabla 17 Prueba Wilcoxon para Hipótesis especifica 1 44 
Tabla 18 Prueba Wilcoxon para Hipótesis especifica 2 46 
 
 
 
 
 
 
 
x 
 
 
Índice de gráficos y figuras 
Figura 1 Sistemas de Información Business Intelligence 9 
Figura 2 Componentes Business Intelligence 10 
Figura 3 Proceso ETL 13 
Figura 4 Eficiencia Business Intelligence 22 
Figura 5 Efectividad Business Intelligence 24 
Figura 6 Resolución perfecta Business Intelligence 26 
Figura 7 Tiempo en Gestión de incidentes 28 
Figura 8 Impacto en el cliente 29 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
xi 
 
Resumen 
 
La presente investigación nace de las instituciones que solicitan tecnología 
que les permita de manera oportuna y precisa realizar tomar decisiones de alto 
nivel; Business Intelligence (BI) permite transformar gran cantidad de información, 
explorar datos, producir en tiempo real, además reducir tiempos de espera, tiene 
como objetivo principal analizar la influencia de Business Intelligence en la gestión 
de incidentes en una empresa de tecnología de Lima 2023. La población y muestra 
estuvo conformada por 366 incidentes tomado en el espacio de 2 años paralelos 
2022 y 2023 y en el periodo del 1er semestre de enero a marzo; el diseño de 
investigación empleado es del tipo descriptivo transversal, se utilizó como método 
de análisis con pruebas de rho de spearman y Wilcoxon apoyado en un software 
SPSS para obtener el resultado por cada dimensión mediante gráficos calculados 
y tablas descriptivas. El desarrollo de Business Intelligence en una empresa de 
tecnología, logró mejorar significativamente la efectividad y eficiencia en tiempo e 
impacto al cliente en los tickets de incidente en la gestión de incidentes influyendo 
positivamente en la toma de decisiones en cada caso. Se llegó a la conclusión que 
presente investigación que Business Intelligence si influye en la gestión de 
incidentes en una empresa de tecnología. 
impacto al cliente. 
 
 
 
 
 
Palabras clave: Business Intelligence, gestión de incidentes, tickets, tiempo, 
xii 
 
Abstract 
 
This research is born from the institutions that request technology that allows 
them to make high-level decisions in a timely and precise manner; Business 
Intelligence (BI) allows you to transform a large amount of information, explore data, 
produce in real time, as well as reduce waiting times, its main objective is to analyze 
the influence of Business Intelligence on incident management in a Lima 2023 
technology company. The population and sample consisted of 366 incidents taken 
in the space of 2 parallel years 2022 and 2023 and in the period of the 1st semester 
from January to March; The research design used is of the cross-sectional 
descriptive type. Spearman and Wilcoxon rho tests were used as the method of 
analysis, supported by SPSS software to obtain the result for each dimension using 
calculated graphs and descriptive tables. The development of Business Intelligence 
in a technology company, managed to significantly improve the effectiveness and 
efficiency in time and customer impact in incident tickets in incident management, 
positively influencing decision-making in each case. It was concluded that present 
research that Business Intelligence does influence incident management in a 
technology company. 
customer impact. 
 
Keywords: Business Intelligence, incident management, tickets, time, 
1 
 
 
I.INTRODUCCIÓN 
 
Sestino, Prete, Piper y Guido (2020) en su estudio realizado en Italia, señaló 
que vivimos la era del mundo de la información, pues Internet facilita los avances 
en los sistemas de información empresarial brindan a los ejecutivos acceso a una 
gran cantidad de datos, con mayor calidad y velocidad. Esta situación ofrece un 
enorme potencial para mejorar la toma de decisiones y orientar a las empresas 
hacia un mejor desarrollo. 
 
La Comisión Económica para América Latina y el Caribe (2021), realizó en 
Chile su 7tma reunión, sostuvo que la digitalización de los procesos del sector 
informático dieron lugar a nuevos modelos de administración, negocios y 
producción; impulsando la innovación e inserción en nuevos mercados generando 
un impacto positivo en el crecimiento empresarial. 
 
Oltra y Roig(2017) en su estudio de España, refirió que la gestión de 
incidentes en una compañía de tecnología es de vital importancia porque logra 
afianzar que asegurar los servicios puedan continuar y reducir al mínimo los efectos 
negativos que los problemas técnicos puedan tener en el negocio y sus clientes. 
Cada empresa tecnológica puede tener sus propios requerimientos y necesidadesparticulares, por lo tanto, debe adaptarse para cumplir con las particularidades de 
cada organización. 
 
Ahumada y Perusquia (2017) para generar estrategias para el desarrollo de 
competitividad en empresas de base tecnológica en México, expuso que la 
Inteligencia de negocios surge como una herramienta de apoyo para la gestión y la 
iniciativa de las organizaciones, asegurando que los datos estén organizados y 
accesibles para facilitar el proceso de toma de decisiones. 
 
Valarezo, Córdova y Serrano (2021),en su estudio realizado en Ecuador, 
comentaron que si la inteligencia de negocios se aplica de manera adecuada, 
puede tener un impacto significativo en las empresas, ya que posibilita la capacidad 
2 
 
de decisiones acertadas, fundamentadas en la información verídica, lo que puede 
generar un cambio positivo en su funcionamiento. 
 
Asimismo Cordero, Erazo, Narváez y Cordero. (2020), presentaron un 
estudio Ecuatoriano de adopción herramientas y plataformas diseñadas para 
proporcionar análisis, informes y visualización de datos a nivel empresarial, es 
limitada en muchas organizaciones, principalmente debido a la escasa inversión 
destinada a tecnología e innovación. Como resultado, solo un reducido número de 
empresas se benefician actualmente de estas herramientas y sus ventajas. 
 
Del mismo modo, Haro, Martínez, Nuela., Criollo y Pico. (2023), describieron 
un cambio significativo en la accesibilidad y búsqueda de información esencial para 
el funcionamiento de una organización en Paraguay. A pesar de los beneficios 
evidentes, muchas empresas subestiman su importancia, ya que creen que la 
implementación de tecnologías innovadoras requiere recursos y tiempo 
innecesarios. Sin embargo, desconocen que estas inversiones pueden agilizar los 
servicios ofrecidos y mejorar de manera significativa los procesos internos. 
 
Carranza y Moncada, (2019) reportaron que las compañías Colombianas 
reflejaron un interés en invertir en nuevas soluciones para mejorar sus procesos y 
reducir gastos en diversas áreas. En este sentido, es crucial tomar decisiones 
basadas en información confiable y actualizada para garantizar la eficiencia y el 
éxito en sus operaciones. 
 
Apolaya (2019) manifestó que gracias a la inteligencia de negocios, aplicada 
en un empresa de Perú fue posible agilizar la preparación de informes, lo que 
permite obtener una visión clara del estado de los incidentes laborales. Mediante la 
información generada en estos informes, se facilita el análisis y la toma de 
decisiones para implementar medidas que eviten la repetición de incidentes en el 
futuro. 
 
3 
 
Patel y Sharma (2020), sostuvo en su publicación de India que la inteligencia 
de negocios proporcionará a los usuarios información esencial presentada de 
manera adecuada, mediante gráficos que simplificarán el análisis de los datos. 
 
Moarri, R. (2023), actualmente, varias organizaciones subestiman el valor de 
la automatización de los datos y las mejorías que esto puede ofrecer a sus 
operaciones. Sin embargo, la inteligencia de negocios tiene el potencial de generar 
un impacto positivo en la gestión de incidentes, ya que facilita la organización de la 
información y simplifica la generación de informes que presentan estadísticas 
esenciales para tomar decisiones efectivas y optimizar los procesos de manera más 
eficiente. 
 
Ante esta situación nos hacemos la pregunta del problema general: ¿Cuál 
es la influencia de Business Intelligence en la gestión de incidentes en una empresa 
de tecnología de Lima,2023? También se tiene en cuenta problemas específicos: 
¿Cuál es la influencia de Business Intelligence en la gestión de incidentes según la 
dimensión de tiempo en una empresa de tecnología de Lima,2023?,¿Cuál es la 
influencia de Business Intelligence en la gestión de incidentes según la dimensión 
de impacto al cliente en una empresa de tecnología de Lima,2023?. 
 
Esta investigación reviste importancia en el ámbito profesional, pues busca 
ser de referencia para aplicar nuevas metodologías que se utilizarán como base 
para generar análisis y proponer soluciones en base a estudio de los resultados, 
conclusiones obtenidas serán empleadas con la finalidad de perfeccionar la gestión 
de la unidad de análisis que son los tickets de incidentes de una empresa de 
tecnología a lo largo del tiempo mediante la inteligencia de negocios a través de un 
monitoreo semanal, se genera un informe que detalla los incidentes más 
significativos, con el objetivo de supervisar su desarrollo y resolución. Estos 
incidentes fueron recopilados manualmente mediante un proceso que involucra el 
cálculo y seguimiento a cada responsable, quienes proporcionaron sus informes 
para mantener actualizada la información de cada incidente. Definitivamente 
contribuirá a la empresa frente al aumento de la digitalización en el ámbito 
comercial, pues requieren proveedores y aliados estratégicos capaces de brindar 
4 
 
soluciones inteligentes para mejorar la seguridad, la calidad y brindar un completo 
respaldo en tecnología. En el contexto social, una de estas compañías se encuentra 
establecida en la ciudad de Lima, cuenta con un equipo especializado, 
proporcionando asistencia en todas las etapas del proceso. En general demuestra 
su influencia en mejorar la eficiencia de la evolución de incidentes al analizar sus 
dimensiones mediante comparaciones semanales y la medición de reincidentes. 
Esta herramienta proporciona información valiosa que permite identificar patrones 
y tendencias, lo que a su vez ayuda a tomar decisiones informadas y a implementar 
medidas preventivas para evitar futuros incidentes. Al contar con datos precisos y 
actualizados, se puede optimizar la gestión de incidentes y lograr una respuesta 
más ágil y efectiva frente a situaciones adversas. 
 
De este modo, el objetivo general propuesto es: i) Determinar cuánto influye 
Business Intelligence en la gestión de incidentes en una empresa de tecnología de 
Lima 2023. Además, se tienen en cuenta los objetivos específicos: ii) Determinar 
cuánto influye Business Intelligence en la gestión de incidentes según la dimensión 
de tiempo en una empresa de tecnología de Lima 2023, iii)Determinar cuánto 
influye Business Intelligence en la gestión de incidentes según la dimensión de 
impacto al cliente en una empresa de tecnología de Lima 2023. 
Subsiguiente a la descripción de los objetivos, se propuso la hipótesis 
general: i) Business Intelligence si influye significativamente en los tickets en la 
gestión de incidentes en una empresa de tecnología de Lima, 2023. Del mismo 
modo, se determinan las hipótesis específicas ii) Business Intelligence si influye en 
los tickets en la gestión de incidentes en una empresa de tecnología la dimensión 
de tiempo en una empresa de tecnología de Lima, 2023. iii) Business Intelligence 
si influye en los tickets en la gestión de incidentes en una empresa de tecnología la 
dimensión de impacto al cliente en una empresa de tecnología de Lima, 2023. 
 
 
 
5 
 
II. MARCO TEÓRICO 
 
En el contexto nacional, Chuquitaype y Sotomayor (2022) llevaron a cabo 
una investigación a nivel nacional con el propósito de mejorar la gestión de servicios 
de infraestructura de Tecnologías de la Información (TI) en la empresa Centro S.A., 
buscando asegurar una disponibilidad ininterrumpida de sus servicios para 
garantizar la continuidad del negocio. Este estudio adoptó un enfoque cuantitativo 
con un método hipotético deductivo y se clasificó como tipo aplicado, utilizando un 
diseño pre-experimental. El análisis de datos se basado en los registros, 
requerimientos e incidencias de los servicios de SAP, Plataforma y Correo en los 
meses de agosto y septiembre de 2021. La técnica de recolección de datos 
empleada fue la observación, respaldada por la herramienta de Ficha de 
Observación. Los hallazgos del estudio concluyen que laimplementación de 
inteligencia de negocios mejoró de manera significativa la gestión de servicios de 
infraestructura de TI en la empresa Centro S.A. durante el año 2021, como se 
evidencia en los resultados obtenidos a través de la prueba U de Mann Whitney. 
Los hallazgos muestran diferencias favorables de puntaje entre el Pre-Test y el Post 
Test, con una prueba de significancia de 0.000, menor que 0.05, y un valor de Z de 
-6.775, menor que -1.96. Estos resultados respaldan que la inteligencia de negocios 
tuvo un impacto positivo y relevante en la gestión de servicios de infraestructura de 
TI en la empresa Centro S.A. durante el período de estudio. 
 
Tasa, Maquera, Rojas y Delgado (2022), Se realizó un estudio en Huanta 
sobre incidentes de ciberseguridad en una institución, considerándolos como actor 
principalyparayevaluar laycorrecta implementación de los controles de 
seguridadyen organizacionesypúblicas oyprivadas. Durante la investigación, se 
aplicaron buenasyprácticas de seguridad basadasyen las normas internacionales 
ISO/IECy27001 e ISO/IEC 27002, y se utilizó laymetodologíayMagerit v3 junto con 
técnicas deyinteligencia deynegocios parayintegrar yyprocesar la información 
obtenidayde diversas fuentes heterogéneas de datos implementadas en las 
organizaciones estudiadas. Los resultados del análisis de datos demostraron que 
el monitoreo y la supervisión constante de la aplicación de los controles de 
seguridad conducen a una mejora en los niveles de seguridad en las 
6 
 
organizaciones, lo que garantiza la continuidad de los servicios y procesos. En 
conclusión, la implementación adecuada y el seguimiento de los controles de 
seguridad juegan un papel significativo en fortalecer la seguridad en las 
organizaciones. 
 
Aquino (2021), la investigación se enfocó en crear una soluciónyde 
inteligencia deynegociosypara gestionar los incidentesyen una empresa. La unidad 
de estudio consistió en los registros recopilados durante un período de 21 días. El 
diseño de investigación utilizado fue de tipo pre-experimental y se empleó la prueba 
T de Student como método de análisis, utilizando la metodología de desarrollo 
Hefesto. Despuésyde layimplementaciónyde la inteligenciaydeynegocios, se 
observó una reducción del 3.56% en el Índice de Frecuencia de Lesiones 
Registrables (TRIFR) y una disminución del 40% en el Índice de Incidencia. 
Además, se logró aumentar el Índice de Participación en un 23.60% y el Índice de 
Demanda de Seguridad en un 14.71%. En conclusión, la aplicación de inteligencia 
de negocios tuvo un impacto positivo y significativo en la gestión de incidentes de 
la empresa, mejorando diversos indicadores clave relacionados con la seguridad y 
el bienestar laboral. 
 
Chavarri, C. E. (2021). su investigación se centró en evaluar el impacto de 
un modelo de inteligencia de negocios con respecto a la administración de 
incidencias de Alwa Peru S.A. ubicada en Lima. El estudio presentó un enfoque 
cuantitativo, diseño preexperimental usando una muestra de treinta fichas de 
registros recopilados durante un periodo de treinta días. Se utilizó un muestreo no 
probabilístico por conveniencia de tickets gestionados en ese periodo, y la 
recolección de datos se realizó mediante el fichaje utilizando la ficha de registro 
como instrumento, validado por expertos. 
Los resultados del Modelo de Business Intelligence revelaron una 
disminución significativa en el porcentaje de incidencias escaladas, pasando del 
3.25% al 2.63%, lo que equivale a una reducción del 0.62%. En resumen, la 
implementación del Modelo de Business Intelligence demostró mejorar el proceso 
de gestión de incidencias en la empresa Alwa Peru S.A., lo que a su vez contribuyó 
a una toma de decisiones más efectiva a nivel gerencial. Además, se evidenció un 
7 
 
impacto positivo en la eficiencia y rendimiento del área de soporte técnico de la 
empresa. 
 
A nivel internacional, Postigo, Ugarte, Rivero y Riveros (2023), presentó un 
estudio en España sobre Inteligencia de negocios en relación al consumo de las 
hierbas liofilizadas en un mercado arequipeño, cuyo objetivo fue describir la 
explicación de la situación con el propósito de facilitar la propuesta de implementar 
prácticas, la investigación fue de tipo descriptivo retrospectivo, obteniendo como 
resultado la mejoraría de las ventas, extensión de los mercados usando datos de 
ventas, tendencias y rotación de inventarios en comparación a ventas donde 
generan logros importantes para el negocio como la visión y comportamiento del 
mercado interno y externo, concluyendo que se alcanza impacto en los procesos 
operacionales de producción de liofilizados, tecnología a utilizar y manejo de 
productos terminados donde se evidencia la influencia que representa esta 
herramienta. 
 
Zúñiga, Fuertes, Flores y Toulkeridis (2021) realizó un estudio en Ecuador 
cuyo objetivo fue implementar un sistema de BI con los elementos necesarios para 
lograr que el comportamiento transaccional de los servicios financieros sea visible, 
tendiente a mejorar la gestión de incidentes a través de BI. Uso una metodología 
descriptiva, retrospectiva. Los resultados obtenidos fueron gracias a los indicadores 
de gestión fueron identificados, lo que nos permitió evaluar, comprender, y valorar 
los comportamientos y tendencias transaccionales a través de una representación 
gráfica, reflejando ser en una útil herramienta que proporciona información a los 
empleados que necesitan gestionar la detección y resolución de anomalías. 
 
Entre las teorías relacionadas con la investigación, tenemos a Cano, J. 
(2017), describe a la Inteligencia de negocios como el proceso interactivo de 
inteligencia empresarial consiste en examinar y analizar información estructurada 
de un área específica, generalmente almacenada en un almacén de datos, con el 
propósito de descubrir tendencias o patrones, obtener información relevante y llegar 
a conclusiones. Este proceso implica comunicar los resultados obtenidos y realizar 
8 
 
cambios en base a ellos. Las áreas que pueden ser objeto de análisis incluyen 
clientes, proveedores, productos, servicios y competidores. 
La inteligencia empresarial se orienta hacia el soporte continuo y la mejora 
de la competitividad de la organización, proporcionando la información necesaria 
para la toma de decisiones fundamentadas y estratégicas. En resumen, es un 
enfoque dinámico y crucial para obtener ventajas competitivas y alcanzar el éxito 
en el mercado empresarial. 
Dicho proceso se puede dividir en varias etapas: 
● Explorar: En esta fase inicial, se accede a la información por primera vez, y 
el objetivo es comprender lo que está sucediendo en el negocio. A través de la 
exploración, se pueden descubrir relaciones y patrones previamente desconocidos. 
● Analizar: En esta etapa, se busca identificar relaciones entre variables, 
tendencias y patrones. Por ejemplo, se puede prever la evolución de una variable 
o determinar la probabilidad de que un cliente con ciertas características actúe de 
manera similar a otro con características similares. 
● Información estructurada y Data Warehouse: La información utilizada en BI 
se almacena en tablas relacionadas entre sí, y estas tablas, junto con sus registros 
y atributos, se almacenan en un Data Warehouse o almacén de datos. Es una base 
de datos diseñada para almacenar y organizar la información de manera adecuada 
para el análisis. 
● Área de análisis: Cada proyecto de BI se enfoca en un objeto de análisis 
concreto, como clientes, productos o resultados de una localización específica. El 
objetivo del análisis puede ser variado, desde la reducción de costos hasta el 
aumento de ventas o la mejora en la participación de mercado. 
● Comunicar los resultados y efectuar cambios: Un objetivo clave del BI es 
comunicar los hallazgos y resultados a las personas adecuadas dentro de la 
organización.Esto permite tomar decisiones informadas y realizar cambios 
pertinentes para mejorar la competitividad del negocio. 
 
9 
 
En resumen, el proceso interactivo de Business Intelligence se enfoca en 
explorar y analizar información estructurada para obtener conocimientos valiosos 
sobre el negocio. La comunicación efectiva de los resultados y la implementación 
de cambios adecuados son fundamentales para aprovechar al máximo el valor del 
BI en la organización. 
Figura 1 
Sistemas de Información Business Intelligence 
 
 
 
 
 
 
 
 
Nota: Tomado de Business Intelligence: Competir Con Información.Depósito Legal: 
M-41185-2007. 
 
El objetivo base de Business Intelligence es ayudarnos a tomar decisiones 
por medio de los responsables realizan preguntas o buscan información que le 
ayuden a reducir la incertidumbre, que dependerá de distintivos factores como la 
experiencia, formación, disponibilidad, etc. 
 
Se pueden obtener beneficios: 
● Tangibles: Reducción de costos, aumento de ingresos, disminución de 
tiempos. 
● Intangibles: Satisfacción de clientes, mejor acceso a datos, etc. 
● Estratégicos: Mejor toma de decisions, aumentar el valor de mercado, etc. 
Gartner (2003)(Business_Intelligence_competir_con_informacion.pdf, s. f.) 
 
Las principales características de Business Intelligence: 
10 
 
A. Observación, mediante la cual se recopilan los datos para luego analizar lo 
que está pasando. 
B. Comprensión, luego del análisis profundo de los datos se obtiene 
información valiosa 
C. Presión, permite desde los datos recopilados realizar estimaciones a futuro. 
D. Colaboración, la difusión de la información entre todas las áreas 
involucradas, permite compartir la información. 
E. Decisión, propuesta de la estrategia a seguir en función del análisis y 
simulaciones. Carhuaricra (2017)(Inocente & Caporal, s. f.) 
 
Figura 2 
Componentes Business Intelligence 
 
 
 
 
 
 
 
 
 
 
 
Nota: Tomado de Business Intelligence: Competir Con Información.Depósito Legal: 
M-41185-2007. 
 
Los componentes de Business Intelligence son: 
 
● Fuentes de información, para alimentar de información el datawarehouse. 
● Proceso ETL de extracción, transformación y carga de los datos en el 
datawarehouse, los cuales no deben ser transformados. Regularmente, la 
información que tenemos no está preparada para la toma de decisiones. 
11 
 
● El propio datawarehouse o almacén de datos, con el Metadata o Diccionario 
de datos. 
● El motor OLAP51, provee capacidad de cálculo, consultas, funciones de 
planeamiento, pronóstico y análisis de escenarios en grandes volúmenes de datos. 
● Las herramientas de visualización, que nos permitirán el análisis y la 
navegación a través de los mismos. 
 
2.1.1 Dimensiones 
a) Eficacia: 
Según Fernández y Sanchez (1997), es la “capacidad de una organización 
para lograr los objetivos, incluyendo la eficiencia y factores del entorno.” La gestión, 
control y control de la información como arma estratégica es parte de la inteligencia 
de negocios, que con el apoyo de herramientas informáticas y analíticas ayuda a 
las organizaciones a maximizar. Su desempeño genera eficacia operativa. 
Asimismo, la gestión del conocimiento a yuda a conocer y entender mejor el entorno 
y los procesos a partir de las experiencias de las personas y organizaciones. Muñoz 
(2017) 
 
b) Eficiencia: 
Según Fernandez y Sanchez (1997), es una “expresión que mide la 
capacidad o cualidad de la actuación de un sistema o sujeto económico para lograr 
el cumplimiento de un objetivo determinado, minimizando el empleo de recursos.” 
La planificación de recursos organizacionales o (ERP) aumenta la eficiencia de la 
empresa al sistematizar y centralizar sus procesos. Muñoz (2017) la gestión de la 
cadena de suministro, o (SCM), es responsable de transferir esta eficiencia a las 
relaciones con los proveedores. 
 
2.2 Microsoft Power BI 
Microsoft desarrolló Power BI a partir de varios complementos "Power" para 
Excel a partir de la edición de 2013 (Kline, 2014). La capa fundamental es una 
herramienta llamada Power Query, que se ha integrado completamente con Excel 
como "Obtener y transformar" a partir de 2016. Power Query proporciona funciones 
para acceder a datos tabulares en una amplia variedad de formatos, desde bases 
12 
 
de datos a gran escala hasta archivos de texto simples. Luego, estas tablas se 
pueden reformatear y combinar antes de cargarlas en Excel como tablas o como 
parte de un "modelo de datos" que se puede manipular con tablas dinámicas y 
herramientas gráficas. 
 
A partir de la versión 2013, Microsoft desarrolló Power BI a partir de varios 
complementos “Power” para Excel. La base es la herramienta Power Query, que a 
partir de 2016 se ha integrado completamente en Excel como “obtener y 
transformar”, brinda acceso a datos tabulares en una variedad de formatos, desde 
grandes bases de datos hasta archivos de texto simples. Luego, estas tablas se 
pueden reformatear, combinar y cargar en Excel, ya sea como una tabla o como 
parte de un "modelo de datos" que se puede manipular mediante tablas dinámicas 
y gráficos. 
Power Bl consta de tres ofrendas, la primera es una aplicación independiente 
de Windows disponible gratuitamente, Power Bl Desktop, que combina Power 
Query con una capa de visualización y análisis. El segundo es el servicio en la nube 
de Power B1, puede utilizar sin el software de escritorio para análisis y visualización 
básicos. Los cálculos personalizados más allá de las estadísticas descriptivas 
estándar requieren la versión de escritorio. Becker (2019) 
 
2.3 Proceso de extracción, transformación y carga (ETL) 
Extracción, Transformación y Carga (ETL), constituye una técnica de BI, con 
la finalidad de depurar los datos de la Base de Datos y poder hacer que los datos 
procesados sean más consistentes y fiables; y de esta manera el conocimiento 
generado tenga la certeza y validez deseados, el proceso se puede apreciar en la 
figura. 
 
 
 
 
 
 
 
13 
 
Figura 3 
Proceso ETL 
 
 
 
 
 
 
 
 
 
Nota: Elaboración propia. 
 
El proceso ETL carga periódicamente datos desde la fuente al almacén de 
datos en cualquier momento trata de registrar cambios en los datos a lo largo del 
tiempo que determinen, Un almacén de datos se usa solo para leer la información, 
no como una base de datos. 
 
Desde este punto de vista, los procesos ETL son a priori porque Realizan la 
importante tarea de recopilar datos y colocarlos donde se conviertan en una fuente 
de datos. conocimiento de sus analistas. que forma el ETL, y Métodos adicionales 
de visualización de datos serán los encargados de generar toda la información Se 
requiere más análisis. Para ello se debe considerar el diseño y mantenimiento. El 
proceso ETL es un factor crítico de éxito para cualquier proyecto de 
almacenamiento de datos.Villarroel(2013) 
 
2.4 Gestión de incidentes 
Jean-Luc B. (2021). La gestión de incidentes, de acuerdo con la metodología 
ITIL, se refiere a la capacidad de una organización para manejar y resolver 
eficientemente los incidentes que afectan a sus servicios de TI. Es un proceso 
fundamental que tiene como objetivo principal minimizar el impacto negativo de los 
incidentes en el negocio y restaurar los servicios lo más rápido posible. Se 
establece un proceso estructurado para la detección, categorización y resolución 
14 
 
de incidentes, así como para el análisis de datos con el objetivo de identificar 
patrones y tendencias que ayuden a prevenir futuras interrupciones. El objetivo es 
optimizar la disponibilidad y calidad de los servicios de TI de la organización 
 
De Sousa, A. B., Lima, A. S., De Souza, J. N. y Moura, J. A. B. (2019) define 
que un incidente ocurre por una falla o evento no esperado donde puede 
visibilizarse mediante una alerta generada mediante notificaciones a operadores y 
gerentecon el fin que tomen alguna acción. Así mismo los incidentes generan un 
alto impacto en el negocio y mediante la evaluación y experiencia de los 
responsables se puede identificar los puntos críticos a fin de corregirlos y reducir 
las interrupciones. Además, presenta la evaluación de un modelo de simulación 
donde es capaz de reducir interrupciones, fallas y/o incidentes con resultados 
positivos. 
 
15 
 
III. METODOLOGÍA 
 
3.1 Tipo de diseño de investigación 
 
3.1.1 Tipo Investigación. 
De tipo básica, según Gallardo (2017), el énfasisMse coloca en el análisis 
exhaustivo de conceptos, principios y fenómenos, con el apoyo de instrumentos 
informáticos que faciliten la recopilación, el análisis y la interpretación de datos. Se 
busca profundizar en el conocimiento teórico y expandir la comprensión en un tema 
específico, con la finalidad de aportar nuevos hallazgos y enriquecer la base de 
conocimiento en ese campo. 
 
3.1.2 Diseño de investigación 
Con diseño preexperimental debido a que no se realizó ninguna 
manipulación o alteración de las variables en el estudio según Desai, Pieper y 
Mahaffey (2014), se observanMcaracterísticas tal como se presentan en el contexto 
actual, sin intervenir en ellas, de corte transversal, ya que los datos se recolectaron 
durante un período mensual específico y se realizaron estudios pre y post para 
comparar los datos de dos años, con el fin de evaluar las mejoras a través de los 
resultados obtenidos. 
 
Con un nivel de análisis descriptivo, Hernandez, R., Fernández,C., Baptista 
L.(1997) señala que recopila y presenta información detallada sobre los diferentes 
aspectos del objeto de estudio, sin buscar relaciones causales o explicaciones más 
complejas, con un enfoque como cuantitativo como lo describen Ñaupas, Mejía, 
Novoa y Villagómez (2014) con un enfoque como cuantitativo debido al uso de la 
estadística para cargar y procesar datos, pues se basa en el uso de datos 
numéricos provenientes de fuentes primarias, como la base de datos de tickets de 
incidentes, y la aplicación de métodos estadísticos para obtener información 
relevante y precisa para el estudio. 
 
 
 
16 
 
3.2 Variables y operacionalización 
 Las variablesmde estudios sonmdos clasificadasmen independiente y 
dependiente la categoría de ambas esmcuantitativa 
 
Variable independiente: 
 
BusinessMIntelligence: 
 Definición conceptual: 
Rafael, L., Beatriz, F., Alba, P., & Luis, M. (2021), proporciona a los miembros 
del personal de una entidad la capacidad de tomar decisiones más pertinentes y 
ofrece soluciones integrales para analizar el funcionamiento de la empresa, logra 
ser el vínculo entre laMinformación y lasyherramientasyqueyse generanypara 
optimizar losyservicios haciaylos usuarios, utilizada por lasyorganizaciones como 
unymétodo analíticoyparaMextraer datos deyproducción,Manalizarlos y presentar 
información relevante a lasypartes interesadas. Proporcionayuna visión significativa 
de las operaciones y facilita el soporteyen laytoma deydecisiones, es decir permite 
a las empresas tomar decisiones informadas y estratégicas basadas en datos 
sólidos y análisis profundos. 
 
 Definición Operacional: 
Medina, (2013), es una herramienta poderosa para las organizaciones, ya 
que les permite convertir datos en información valiosa, lo que conduce a una mejor 
comprensión de su negocio y a la toma de decisiones más acertadas y estratégicas. 
 
 Indicadores 
Describiendo la dimensión de la se presentaron los siguientes indicadores: 
Dimensión Eficacia: según Mora (2018), se define como la habilidad de esta 
herramienta para alcanzar sus metas y generar un valor significativo para una 
organización. Su evaluación se basa en cómo contribuye a mejorar la toma de 
decisiones, optimizar la eficiencia operativa y alcanzar los objetivos estratégicos del 
negocio. El indicadorypara estaydimensión incluye: 
17 
 
 Índice del nivel de eficiencia que se medirá con el tiempo invertido en la 
resolución (cuanto demora en resolver el incidente) versus el tiempo objetivo (al 
tiempo máximo permitido o acordado para resolver un incidente) 
 
Dimensión Efectividad: se refiereMa la capacidad de esta herramientaMpara 
lograr sus objetivos y brindar valor real a una organización.El indicadorypara 
estaydimensión incluye: 
 Índice del nivel de efectividad: que se medirá con el tiempo invertido en la 
resolución (tiempo que se necesita para resolver un incidente) versus tiempo 
promedio(representa el valor medio del tiempo que se tarda en resolver un 
incidente). 
 
DimensiónyResolución perfecta: se logra cuando esta herramienta cumple con 
éxito sus objetivos y brinda un valor significativo a la organización.El indicadorypara 
estaydimensión incluye: 
 Índice del nivel de eficacia y efectividad: que se medirá con promedio de 
la eficiencia (medida promedio de cuán eficientemente se resuelven y gestionan los 
incidentes) y la efectividad(medida promedio de cuán efectivamente se gestionan y 
resuelven los incidentes). 
 
 Escala de medición 
La escala usadaMes ordinal aplicando la escala de likert, puesMnos brindará 
la capacidad de hacer el análisis. 
 
Variable dependiente: 
Gestión de incidentes 
 Definición conceptual: 
Málaga, (2018)Mun incidente se define como cualquier interrupción no 
planificada de un servicio de TI, y el enfoqueMde la disciplina de manejo de 
incidentes es restaurar dicho servicio de manera rápida y eficaz, está 
estrechamente relacionado con el manejo de problemas, se diferencia en que no 
se ocupa de analizar e identificar las causas que provocaron un incidente 
específico. Su objetivo principal es exclusivamente restaurar el servicio afectado. 
18 
 
 
 Definición Operacional: 
Santiago (2021), la gestión de incidentes es un proceso esencial para 
mantener la continuidad y la eficiencia de los servicios de TI, asegurando que 
cualquier interrupción sea tratada de manera efectiva y en línea con los acordados. 
Esto garantiza la satisfacción del cliente y la operación fluida de la organización en 
su conjunto.Para poder evaluar se tomará en cuenta las dimensiones de Tiempo e 
impactó al cliente, las cuales serán medidas por medio de una ficha, con escala de 
Likert. 
 Indicadores 
Describiendo la dimensión de la se presentaron los siguientes indicadores: 
 
Dimensión Tiempo : es fundamental para comprender la evolución de los datos y 
su impacto en el rendimientoyyyoperación de una organización. Puede facilitar la 
toma de decisiones informadas y permitir a las empresas adaptarse eficazmente a 
los cambios y desafíos que enfrentan a lo largo del tiempo.El indicadorypara 
estaydimensión incluye: 
 Índice del tiempomde resoluciónmde incidentes: que medirá con tiempo 
de resolución de incidentes (período que transcurre desde que un incidente es 
registrado hasta que se logra resolver y se cierra definitivamente) versus promedio 
de tiempo máximo(es el promedio de los tiempos que se han tardado en resolver 
varios incidentes durante un período determinado). 
 
Dimensión Impacto al cliente: se refiere a la evaluación del efecto que un 
incidente o problema tiene en los clientes o usuarios de una organización.El 
indicadorypara estaydimensión incluye: 
 
 
 Índice del tiempo: se refiere a la evaluación y clasificación de los tickets de 
incidentes o solicitudes de servicio según el nivel de impacto que tienen en los 
clientes o usuarios de una organización. 
 
 Escala de medición: 
19 
 
Se usaron dos tipos de escala: 
La primera escala likert para 3 dimensiones y el último escala usada es la 
razón: 
 Dimensión eficiencia de BI en incidentes 1Q 2022/2023 (TR<=TO): 
Puntaje: 1 muy malo: > 8 Horas, 2 malo: 6-8 Horas, 3 regular 4-6 horas, 4 
bueno: 2-4 horas, 5 muy bueno <= 2 horas. 
 Dimensión efectividad de BI en incidentes 1Q 2022/2023 (TR<=TP) 
Puntaje: 1 muy malo: > 22 Horas, 2 malo: 22 a12 Horas, 3 regular 8-12 
horas, 4 bueno: 4-8 horas, 5 muy bueno <= 4 horas 
 Dimensión tiempo en gestión de incidentes dentro del rango de tiempo 
máximo 
Puntaje: 1 muy malo: > 22 Horas, 2 malo: 22:50 - 13:43, 3 regular 13:42 - 
09:08 horas, 4 bueno: 09:08 - 04:34, 5 muy bueno <= <= 04:33 horas 
 Dimensión Impacto al cliente 2022/2023 
La escala usada es la razón, pues nos brindará la capacidad de hacer el 
análisis. Con escala de razón proporciona una forma cuantitativa de medir y 
analizar el impacto de los incidentes en los clientes, lo que facilita la toma de 
decisiones informadas para mejorar la satisfacción y la calidad del servicio. 
 
3.3 Población, muestra y muestreo 
 
3.3.1 Población: La población de este estudio sonM20635 tickets de incidentes 
registrados y con seguimiento semanal de una empresa tecnológica de Lima. 
 Criterios de inclusión:MSerán incluidos todos los tickets de incidentes que 
sean del 1er semestre (Enero a Marzo) del año 2022 al 2023, donde solo sean de 
prioridad Crítica y Alta. 
 Criterios de exclusión:MSon aquellos que no correspondan al periodo y 
prioridad indicado. 
 
3.3.2 Muestra: El procesamiento con las fórmulas para obtener la muestra se 
encuentra en el Anexo 3, de los cuales alcanzó 376 tickets de incidentes. 
 
3.3.3 Muestreo: se realiza mediante un muestreo aleatorio simple. 
20 
 
3.3.4 Unidad de análisis: Son losytickets deyincidentes. 
 
3.4 Técnicas e instrumentos de recolección de datos, validez y confiabilidad. 
El estudio cuenta con un investigador principal que tiene a cargo 
supervisores que son responsables de la supervisión del registro de los incidentes. 
Así mismo se cuenta con un responsable de registrar y recopilar estos datos que 
serán identificado mediante un código y su detalle. 
El instrumento para usar será una ficha de cotejo para conocer los tipos de 
incidentes. Esta lista será sometida a juicios de expertos para tener una 
confiabilidad óptima según el alfa de cronbach. 
 
3.5 Procedimiento. 
La recolección de los datos se llevará a cabo por un personal debidamente 
capacitado en el contenido de los datos de la base obtenida por la empresa 
aplicando la ficha de cotejo que será formada según los incidentes. 
 
3.6 Método de análisis de datos. 
Con la data obtenida se realizará una limpieza de los valores obtenidos, así 
mismo una clasificación en el software spss 21. Se realizarán tablas y gráficos 
según lo amerite los objetivos del estudio. 
 
3.7 Aspectos éticos 
La data obtenida por la empresa de tecnología se manejará con 
confidencialidad y así mismo se entregarán los resultados para fines de 
conocimiento. 
21 
 
 
IV. RESULTADOS 
 
Análisis Descriptivo 
 
Para elyanálisisydescriptivo, esta investigación realizóyevaluaciones de pre-
testyy post-testypara determinar si Business Intelligence influye en la gestión de 
incidentes. Los datos se recolectaron mediante la obtención de todos los tickets de 
incidentes en el periodo del 1Q (de enero a marzo) en diferentes años y luego se 
aplicó antes y después de implementar Business Intelligence para cada 
identificador. 
 
Indicador 1: Eficiencia Business Intelligence 
 
El proceso se inició realizando la evaluación del indicador de Eficacia 
Business Intelligence donde hubo un análisis pre-test y otro post-test usando la 
muestra en los incidentes donde se aplicó la escala de Likert para tabular el 
indicador. 
 
Tabla 1 
Eficiencia Business Intelligence 
Estadísticos descriptivos 
 N Media Desviación 
Estadístico 
Varianza 
Estadístico 
 Estadístico Estadístico Desv. 
Error 
Eficiencia BI Pre 188 1.02 0.009 0.126 0.016 
Eficiencia BI Pos 188 4.35 0.035 0.477 0.227 
N 188 
Nota: Obtenido de IBM SPSS v. 29.0.1.0(171). Construcción propia. 
 
22 
 
Los resultados ilustrados en la tabla 1 sobre el indicador de eficacia Business 
Intelligence usando la escala de Likert aplicado a los tickets de incidencias nos 
muestran que la evaluación pre-test resulta con un valor de 1.02 siendo equivalente 
al grupo de muy malo y malo y la evaluación post-test resulta con una media de 
4.35 siendo equivalente en el grupo de bueno a muy bueno evidenciando que hay 
una mejora aplicando Business Intelligence en la gestión de procesos. 
 
Figura 4 
Eficiencia Business Intelligence 
 
Nota: Elaboraciónypropia. 
 
Los resultadosyde layfigura 4 para laymedia delyindicadoryde Eficiencia 
Business Intelligence; la evaluación de 185 tickets de incidentes en nivel Muy Malo 
y 3 tickets de incidentes en nivel Malo del periodo 2022 comparado con los 0 en 
Muy Malo y 0 Malo del 2023 muestran que existen eficiencia ya que disminuye los 
tickets de incidentes considerados Muy malos y malos. Así mismo los 123 tickets 
de incidentes en nivel Bueno y 65 tickets de incidentes en nivel Muy Bueno en el 
periodo de 2023 en comparación con los 0 en bueno y 0 muy bueno en el periodo 
del 2022 muestra que existe también eficiencia por aumentar los niveles Bueno y 
23 
 
muy bueno en la evaluación post-test considerándose de esta manera una mejor 
eficiencia para la gestión de incidentes. 
 
Indicador 2: Efectividad Business Intelligence 
 
El proceso se inició realizando la evaluación del indicador de Efectividad de 
Business Intelligence donde hubo un análisis pre-test y otro post-test usando la 
muestra en los incidentes donde se aplicó la escala de Likert para tabular el 
indicador. 
 
Tabla 2 
 Efectividad Business Intelligence 
Estadísticos descriptivos 
 N Media Desviación 
Estadístico 
Varianza 
Estadístico 
 Estadístico Estadístico Desv.Error 
Efectividad BI Pre 188 1.01 0.008 0.103 0.011 
Efectividad BI Pos 188 4.06 0.018 0.245 0.06 
N 188 
Nota: Obtenido de IBM SPSS v. 29.0.1.0(171). Construcción propia. 
 
Los resultadosyilustrados en la tabla 2 sobreyel indicadoryde efectividadyen 
Business Intelligence usando la escala de Likert aplicado a los tickets de 
incidencias nos muestran que la evaluación pre-test resulta con un valor de 1.01 
siendo equivalente al grupo de muy malo y malo y la evaluación post-test resulta 
con una media de 4.06 siendo equivalente en el grupo de bueno a muy bueno 
evidenciando que hay una mejora aplicando Business Intelligence en la gestión de 
procesos. 
 
 
 
24 
 
Figura 5 
Efectividad Business Intelligence 
 
Nota: Elaboración propia. 
 
Los resultadosyde la figura 5 parayla media del indicadoryde Eficiencia 
Business Intelligence; la evaluación de 186 tickets de incidentes en nivel Muy Malo 
y 2 tickets de incidentes en nivel Malo del periodo 2022 comparado con los 0 en 
Muy Malo y 0 Malo del 2023 muestran que existen efectividad ya que disminuye los 
tickets de incidentes considerados Muy malos y malos. Así mismo los 176 tickets 
de incidentes en nivel Bueno y 12 tickets de incidentes en nivel Muy Bueno en el 
periodo de 2023 en comparación con los 0 en bueno y 0 muy bueno en el periodo 
del 2022 muestra que existe también eficiencia por aumentar los niveles Bueno y 
muy Bueno en la evaluación post-test considerándose de esta manera una mejor 
efectividad para la gestión de incidentes. 
 
 
 
 
 
25 
 
Indicador 3: Resolución perfecta Business Intelligence 
 
El proceso se inició realizando la evaluación del indicador de resolución 
perfecta de Business Intelligence donde hubo un análisis pre-test y otro post-test 
usando la muestra en los incidentes donde se aplicó la escala de Likert para tabular 
el indicador. 
 
Tabla 3 
Resolución perfecta Business Intelligence 
Estadísticos descriptivos 
 N Media Desviación 
Estadístico 
Varianza 
Estadístico 
 Estadístico Estadístico Desv. Error 
Resolución 
perfecta Pre 
188 1.03 0.012 0.161 0.026 
Resolución 
perfecta Pos 
188 4.35 0.035 0.479 0.229 
N 188 
Nota: Obtenido IBM SPSS v. 29.0.1.0(171). Construcción propia 
 
Losyresultados ilustrados en laytabla 3 sobreyel indicadoryde resoluciónperfecta en Business Intelligence usando la escala de Likert aplicado a los tickets 
de incidencias nos muestran que la evaluación pre-test resulta con un valor de 1.03 
siendo equivalente al grupo de muy malo y malo y la evaluación post-test resulta 
con una media de 4.35 siendo equivalente en el grupo de bueno a muy bueno 
evidenciando que hay una mejora aplicando Business Intelligence en la gestión de 
procesos. 
 
 
26 
 
Figura 6 
Resolución perfecta Business Intelligence 
 
Nota: Elaboraciónypropia. 
 
Losyresultados deyla figuray6 parayla mediaydel indicadoryde resolución 
perfecta Business Intelligence; la evaluación de 183 tickets de incidentes en nivel 
Muy Malo y 5 tickets de incidentes en nivel Malo del periodo 2022 comparado con 
los 0 en Muy Malo y 0 Malo del 2023 muestran que existen resolución perfecta ya 
que disminuye los tickets de incidentes considerados Muy malos y malos. Así 
mismo los 117 tickets de incidentes en nivel Bueno y 71 tickets de incidentes en 
nivel Muy Bueno en el periodo de 2023 en comparación con los 0 en bueno y 0 muy 
bueno en el periodo del 2022 muestra que existe también resolución perfecta por 
aumentar los niveles Bueno y muy Bueno en la evaluación post-test 
considerándose de esta manera una mejor resolución perfecta para la gestión de 
incidentes. 
 
 
 
 
 
27 
 
Indicador 4: Tiempo Gestión de Incidentes 
 
El proceso se realizó con la evaluación del indicador de tiempo en la gestión 
de incidentes donde hubo un análisis pre-test y otro post-test usando la muestra en 
los incidentes donde al tiempo de resolución se le aplicó la escala de Likert para 
tabular el indicador. 
 
Tabla 4 
Tiempo por Gestión de Incidentes 
Estadísticos descriptivos 
 N Media Desviación 
Estadístico 
Varianza 
Estadístico 
 Estadístico Estadístico Desv. Error 
Tiempo Incidentes 
Pre 
188 1.22 0.053 0.734 0.538 
Tiempo Incidentes 
Pos 
188 4.66 0.035 0.484 0.235 
N 188 
Nota: Obtenido de IBM SPSS v. 29.0.1.0(171). Construcciónypropia. 
 
Losyresultados ilustrados en laytabla 4 sobre elyindicador de tiempoyen la 
gestión de incidentes usando la escala de Likert aplicado a los tickets de incidencias 
nos muestran que la evaluación pre-test resulta con un valor de 1.22 siendo 
equivalente al grupo de muy malo y malo y la evaluación post-test resulta con una 
media de 4.66 siendo equivalente en el grupo de bueno a muy bueno evidenciando 
que hay una mejora aplicando Business Intelligence en la gestión de procesos. 
 
 
 
28 
 
Figura 7 
Tiempo en Gestión de incidentes 
 
Nota: Elaboraciónypropia. 
 
Losyresultados de layfigura 7 parayla media delyindicador de tiempo en la 
gestión de incidentes; la evaluación de 169 tickets de incidentes en nivel Muy Malo, 
6 tickets de incidentes en nivel Malo, 4 tickets de incidentes en nivel regular, 8 
tickets de incidentes en nivel bueno y 1 ticket de incidente en nivel muy bueno en 
el periodo 2022 comparado con los 0 tickets de incidente en nivel Muy Malo, 0 
tickets de incidente en nivel Malo, 1 ticket de incidente en nivel Regular, 61 ticket 
de incidentes en nivel bueno y 126 tickets de incidentes en nivel muy bueno en el 
periodo 2023 muestran que existen mejora en el tiempo en la gestión de incidentes 
considerando de esta manera que los tiempos si tuvo una mejora.para la gestión 
de incidentes. 
 
 
 
 
29 
 
183 187
5 1
0
20
40
60
80
100
120
140
160
180
200
PRE POS
IMPACTO AL CLIENTE
ALTO CRÍTICO
Indicador 5: Impacto en el cliente 
 
El proceso se realizó evaluando las muestras donde hubo un análisis pre-
test y otro post-test e identificando los tipos de incidentes que impactan al cliente. 
 
Figura 8 
Impacto en el cliente 
 
 
 
 
 
 
 
 
 
 
 
Nota: Elaboraciónypropia 
 
Los resultadosyilustrados enyla tabla 5 sobreyel indicadoryde impacto en el 
cliente nos muestran que la evaluación pre-test resulta una mejora en el impacto 
del cliente en relación a los tickets de incidentes Críticos reduciéndose a 1 vs los 5 
antes de implementar Business Intelligence así mismo el número de ticket incidente 
Alto aumenta de 183 a 187 generando así reducir el impacto de los incidentes en 
los clientes. 
 
 
 
 
 
 
 
30 
 
Prueba de normalidad 
 
Esta investigación se analizó en situaciones en donde no se tenía 
implementado business intelligence y donde si se implementa para la gestión de 
incidentes en una empresa de tecnología. Por ello, las evaluaciones seyrealizaron 
con layinformación que cumple conylos requisitos deynormalidad necesariosypara 
emplear lasypruebas paramétricasyo no paramétricas. 
 
H0y(Hipótesis Nula): 
Layinformación analizadaycumple con el requisitoydeynormalidad. 
 
Hay(Hipótesis alterna): 
Layinformación analizadayno cumple el requisitoydeynormalidad. 
 
Los lineamientosypara la decisiónycuando se rechazayo se aceptaylas 
hipótesis son: 
 
La H0 (Hipótesis Nula) 
Se estableceyque noyseyrechaza cuando suyvaloryde Sig (p-valor) 
esymayoryque 0,05. 
 
La Ha (Hipótesis Alterna) 
Seyestablece que seyrechazayla Hipótesis Nulayy acepta Haycuandoysu 
valoryde Sigy(p-valor) esymenoryque 0,05. 
 
Para layinvestigación, se considera que seyutiliza como pruebayno 
paramétrica enylas pruebas deylos indicadoresya e Kolmogorov-Smirnov,yen 
razónyque la muestra esyde 188 y por lo tantoyes mayor ay30; la pruebayse 
procesóymediante softwareyIBM ® SPSS Statisticsyversión 29.0.1.0, conyun 
nivelydeyconfianza de 95%. 
 
 
 
31 
 
Indicador 1. Eficiencia Business Intelligence 
 
En la tabla 5 se visualizan los resultados descriptivos obtenidos para el 
indicador Eficiencia de Business Intelligence posterior al aplicar el análisis pre-test 
y post-test. 
 
Tabla 5 
Evaluación de normalidad para la Eficiencia de Business Intelligence 
Prueba de normalidad 
Kolmogorov-Smirnov 
 Estadístico gl Sig. 
Eficiencia BI Pre 0.103 188 0.000 
Eficiencia BI Pos 0.601 188 0.000 
Nota: Obtenido IBM SPSS v. 29.0.1.0(171). Construcción propia 
 
Los resultadosyobtenidos en laytabla 5, muestra unaysignificancia 
enyrelación al pre-testycomo enyel post-testy0.000, el cual es menor al p-
valory0.05 entonces podemosyindicar queypresentayuna distribución noynormal y 
es noyparamétrica, en consecuencia utilizaremos layprueba no paramétrica de Rho 
de Spearman para encontrar la correlación. 
 
 
32 
 
Tabla 6 
Prueba de Rho de Spearman para la Eficiencia de Business Intelligence 
Correlaciones 
 
Eficacia BI 
Pre 
Eficacia BI 
Pos 
Rho de 
Spearman 
Eficacia BI 
Pre 
Coeficiente de 
correlación 1.000 0.175 
 Sig. (bilateral) . 0.016 
 N 188 188 
 
Eficacia BI 
Pos 
Coeficiente de 
correlación 0.175 1.000 
 Sig. (bilateral) 0.160 . 
 N 188 188 
Nota: Obtenido IBM SPSS v. 29.0.1.0(171). Construcción propia 
 
Los datos muestran que hay una correlación positiva y débil entre "Eficacia 
BI Pre" y "Eficacia BI Pos". Esto significa que a medida que aumenta la "Eficacia BI 
Pre", la "Eficacia BI Pos" tiende a aumentar, y viceversa. 
 
La correlación positiva sugiere que la eficacia percibida antes de la 
intervención ("Eficacia BI Pre") está positivamente relacionada con la eficacia 
percibida después de la intervención ("Eficacia BI Pos"). En otras palabras, a 
medida que la "Eficacia BI Pre" aumenta, es probable que la "Eficacia BI Pos" 
también aumenta, y viceversa, aunque de manera débil. 
 
Es importante tener en cuenta que la magnitud de la correlación (0.175) 
sugerida según la tabla 7 es de relación positiva muy baja, lo que implica que los 
cambios en una variable están débilmente relacionados con los cambios en la otra 
33 
 
variable. La interpretación debe considerar el contexto del estudio para entender la 
relevancia práctica o sustancial de esta correlación muy baja. 
 
En resumen, los datos indican una correlación positiva muy baja y 
significativa entre "Eficacia BI Pre"y "Eficacia BI Pos". Esta relación tiene 
implicaciones en el contexto del estudio y sugiere que las percepciones de eficacia 
antes y después de la intervención están relacionadas positivamente. 
 
Tabla 7 
Interpretación del coeficiente de correlación de Spearman 
Valor de rho Significado 
-1 Correlación negativa grande y perfecta 
-0.9 a -0.99 Correlación negativa muy alta 
-0.7 a -0.89 Correlación negativa alta 
-0.4 a -0.69 Correlación negativa moderada 
-0.2 a -0.39 Correlación negativa baja 
-0.01 a -0.19 Correlación negativa muy baja 
0 Correlación nula 
0.01 a 0.19 Correlación positiva muy baja 
0.2 a 0.39 Correlación positiva baja 
0.4 a 0.69 Correlación positiva moderada 
0.7 a 0.89 Correlación positiva alta 
0.9 a 0.99 Correlación positiva muy alta 
1 Correlación positiva grande y perfecta 
Nota: Obtenido de Martínes, A., Campos, W. (2015). 
 
 
 
34 
 
Indicador 2. Efectividad Business Intelligence 
 
En la tabla 8 se visualizan los resultados descriptivos obtenidos para el 
indicador Efectividad de Business Intelligence posterior al aplicar el análisis pre-test 
y post-test. 
 
Tabla 8 
Evaluación de normalidad para la Efectividad de Business Intelligence 
Prueba de normalidad 
Kolmogorov-Smirnov 
 Estadístico gl Sig. 
Efectividad BI Pre 0.531 188 0.000 
Efectividad BI Pos 0.539 188 0.000 
Nota: Obtenido IBM SPSS v. 29.0.1.0(171). Construcción propia 
 
Los resultados obtenidos en la tabla 8, muestra una significancia en relación 
al pre-test como en el post-test 0.000, el cual es menor al p-valor 0.05 entonces 
podemos indicar que presenta una distribución no normal y es no paramétrica, en 
consecuencia utilizaremos la prueba no paramétrica de Rho de Spearman para 
encontrar la correlación. 
 
 
35 
 
Tabla 9 
Prueba de Rho de Spearman para la Efectividad de Business Intelligence 
Correlaciones 
 
Efectividad 
BI Pre 
Efectividad 
BI Pos 
Rho de 
Spearman 
Efectividad 
BI Pre 
Coeficiente de 
correlación 1.000 0.185 
 Sig. (bilateral) . 0.011 
 N 188 188 
 
Efectividad 
BI Pos 
Coeficiente de 
correlación 0.185 1.000 
 Sig. (bilateral) 0.011 . 
 N 188 188 
Nota: Obtenido IBM SPSS v. 29.0.1.0(171). Construcción propia 
 
Los datos muestran que hay una correlación positiva y débil entre 
"Efectividad BI Pre" y "Efectividad BI Pos". Esto significa que a medida que aumenta 
la "Efectividad BI Pre", la "Efectividad BI Pos" tiende a aumentar, y viceversa, 
aunque la relación es débil y los cambios en una variable están débilmente 
relacionados con los cambios en la otra variable. 
 
La correlación positiva sugiere que la efectividad percibida antes de la 
intervención ("Efectividad BI Pre") está positivamente relacionada con la efectividad 
percibida después de la intervención ("Efectividad BI Pos"). En otras palabras, a 
medida que la "Efectividad BI Pre" aumenta, es probable que la "Efectividad BI Pos" 
también aumenta, y viceversa, aunque de manera débil. 
 
36 
 
Es importante tener en cuenta que la magnitud de la correlación (0.185) 
sugiere según la tabla 7 que la relación positiva muy baja, lo que implica que los 
cambios en una variable están débilmente relacionados con los cambios en la otra 
variable. 
 
En resumen, los datos indican una correlación positiva débil y significativa 
entre "Efectividad BI Pre" y "Efectividad BI Pos". Esta relación tiene implicaciones 
en el contexto del estudio y sugiere que las percepciones de efectividad antes y 
después de la intervención están relacionadas positivamente. 
 
Indicador 3. Resolución perfecta Business Intelligence 
 
En la tabla 10 se visualizan los resultados descriptivos obtenidos para la 
Resolución perfecta de Business Intelligence posterior al aplicar el análisis pre-test 
y post-test. 
 
Tabla 10 
Evaluación de normalidad para la Resolución perfecta de Business Intelligence 
Prueba de normalidad 
Kolmogorov-Smirnov 
 Estadístico gl Sig. 
Resolución perfecta BI 
Pre 0.539 188 0.000 
Resolución perfecta BI 
Pos 0.417 188 0.000 
Nota: Obtenido IBM SPSS v. 29.0.1.0(171). Construcción propia 
 
Los resultados obtenidos en la tabla 10, muestra una significancia en 
relación al pre-test como en el post-test 0.000, el cual es menor al p-valor 0.05 
entonces podemos indicar que presenta una distribución no normal y es no 
37 
 
paramétrica, en consecuencia utilizaremos la prueba no paramétrica de Rho de 
Spearman para encontrar la correlación. 
 
Tabla 11 
Prueba de Rho de Spearman para la Resolución perfecta de Business Intelligence 
Correlaciones 
 
Res. 
Perfecta Pre 
Res. 
Perfecta Pos 
Rho de 
Spearman 
Res. 
perfecta BI 
Pre 
Coeficiente de 
correlación 1.000 0.155 
 Sig. (bilateral) . 0.033 
 N 188 188 
 
Res. 
perfecta BI 
Pos 
Coeficiente de 
correlación 0.155 1.000 
 Sig. (bilateral) 0.033 . 
 N 188 188 
Nota: Obtenido IBM SPSS v. 29.0.1.0(171). Construcción propia 
 
Los datos muestran que hay una correlación positiva y débil entre 
"Resolución perfecta BI Pre" y "Resolución perfecta BI Pos". Esto significa que a 
medida que aumenta la "Resolución perfecta BI Pre", la "Resolución perfecta BI 
Pos" tiende a aumentar, y viceversa, aunque la relación es débil y los cambios en 
una variable están débilmente relacionados con los cambios en la otra variable. 
 
La correlación positiva sugiere que la efectividad percibida antes de la 
intervención ("Resolución perfecta BI Pre") está positivamente relacionada con la 
efectividad percibida después de la intervención ("Resolución perfecta BI Pos"). En 
otras palabras, a medida que la "Resolución perfecta BI Pre" aumenta, es probable 
38 
 
que la "Resolución perfecta BI Pos" también aumenta, y viceversa, aunque de 
manera débil. 
 
Es importante tener en cuenta que la magnitud de la correlación (0.155) 
sugiere según la tabla 7 que la relación positiva muy baja, lo que implica que los 
cambios en una variable están débilmente relacionados con los cambios en la otra 
variable. 
 
En resumen, los datos indican una correlación positiva débil y significativa 
entre "Resolución perfecta BI Pre" y "Resolución perfecta BI Pos". Esta relación 
tiene implicaciones en el contexto del estudio y sugiere que las percepciones de 
efectividad antes y después de la intervención están relacionadas positivamente. 
 
Indicador 4. Tiempo Gestión de Incidentes 
 
En la tabla 12 se visualizan los resultados descriptivos obtenidos para el 
tiempo en Gestión de incidentes posterior al aplicar el análisis pre-test y post-test. 
 
Tabla 12 
Evaluación de normalidad para el tiempo en la gestión de incidentes 
Prueba de normalidad 
Kolmogorov-Smirnov 
 Estadístico gl Sig. 
Tiempo BI Pre 0.539 188 0.000 
Tiempo BI Pos 0.426 188 0.000 
Nota: Obtenido IBM SPSS v. 29.0.1.0(171). Construcción propia 
 
Los resultados obtenidosyen la tabla 12, muestrayuna significancia 
enyrelación al pre-test comoyen el post-test 0.000, elycual es menor al p-valory0.05 
entonces podemos indicar que presentayuna distribución noynormal y esyno 
39 
 
paramétrica, en consecuencia utilizaremos la prueba no paramétrica de Rho de 
Spearman para encontrar la correlación. 
 
Tabla 13 
Prueba de Rho de Spearman para tiempo en gestión de incidentes 
Correlaciones 
 Tiempo Pre Tiempo Pos 
Rho de 
Spearman Tiempo Pre 
Coeficiente de 
correlación 1.000 -0.222 
 Sig. (bilateral) . 0.002 
 N 188 188 
 Tiempo Pos 
Coeficiente de 
correlación -0.222 1.000 
 Sig. (bilateral) 0.002 . 
 N 188 188 
Nota: Obtenido IBM SPSS v. 29.0.1.0(171). Construcción propia 
 
Los datos muestran en la tabla 13 y según la tabla 7 se indica que hay una 
correlación negativa baja entre "Tiempo Pre" y "Tiempo Pos". Esto significa que a 
medida que aumenta la "Tiempo Pre", la "Tiempo Pos" tiende a disminuir, y 
viceversa. La relación entre estas dos variables es estadísticamente significativa (p 
<0.05) en la muestra analizada. 
 
La correlación negativa indica que la eficacia percibida antes de la 
intervención ("Tiempo Pre") está inversamente relacionada con la eficacia percibida 
después de la intervención ("Tiempo Pos"). En otras palabras, a medida que la 
"Tiempo Pre" aumenta, es probable que la "Tiempo Pos" disminuya, y viceversa. 
 
40 
 
Es importante tener en cuenta que la magnitud de la correlación (-0.222) 
sugiere que la relación es negativa baja, lo que implica que los cambios en una 
variable están relacionados con los cambios en la otra variable. 
 
En resumen, los datos indican una correlación negativa baja y significativa 
entre "Tiempo Pre" y "Tiempo Pos". Esta relación tiene implicaciones importantes 
en el contexto del estudio y sugiere que las percepciones de eficacia antes y 
después de la intervención están relacionadas inversamente. 
 
Indicador 5. Impacto en el cliente 
 
En la tabla 14 se visualizan los resultados descriptivos obtenidos para el 
impacto en la Gestión de incidentes posterior al aplicar el análisis pre-test y post-
test. 
 
Tabla 14 
Evaluación de normalidad para el tiempo en la gestión de incidentes 
Prueba de normalidad 
Kolmogorov-Smirnov 
 Estadístico gl Sig. 
Impacto Cliente Pre 0.539 188 0.000 
Impacto Cliente Pos 0.524 188 0.000 
Nota: Obtenido IBM SPSS v. 29.0.1.0(171). Construcción propia 
 
Los resultadosyobtenidos en la tabla 12, muestra unaysignificancia en 
relación al pre-test comoyen el post-test 0.000, el cual esymenor al p-valor 0.05 
entoncesypodemos indicar queypresenta una distribuciónyno normal y es no 
paramétrica, en consecuencia utilizaremosyla prueba no paramétrica de Rho de 
Spearman parayencontrar la correlación. 
 
 
41 
 
Tabla 15 
Prueba de Rho de Spearman para tiempo en gestión de incidentes 
Correlaciones 
 
Impacto 
Cliente Pre 
Impacto 
Cliente Pos 
Rho de 
Spearman 
Impacto 
Cliente Pre 
Coeficiente de 
correlación 1.000 -0.12 
 Sig. (bilateral) . 0.869 
 N 188 188 
 
Impacto 
Cliente Pos 
Coeficiente de 
correlación -0.12 1.000 
 Sig. (bilateral) 0.869 . 
 N 188 188 
Nota: Obtenido IBM SPSS v. 29.0.1.0(171). Construcción propia 
 
Los datos muestran que hay unaycorrelación muy cercana aycero entre 
"Impacto al cliente Pre" e "Impacto al cliente Pos". Esto sugiere que no hay una 
relación lineal entre ambasyvariables y que los cambios enyuna variable no están 
asociados con los cambios en la otra variable desde una perspectiva estadística. 
Sin embargo desdeyuna perspectiva operativa losytickets de incidentes críticos se 
redujeron según la figura 8. 
 
Contrastación de Hipótesis 
 
Para demostrar debidamente la influencia de Business Intelligence en la 
gestión de incidentes en una empresayde tecnología, en la contrastación, se 
empleó prueba no paramétrica de Wilcoxon, los indicadoresyfueron procesados y 
42 
 
evaluados en el pre-test y post-test, de acuerdo la prueba de Kolmogorov-
Smirnov,ypor lo tanto, respecto ayla hipótesis se ha propuesto: 
 
Hipótesis General 
H0: Business Intelligence noyinfluye significativamenteyen los ticketsyen la 
gestión de incidentes en una empresa de tecnología de Lima, 2023. 
 
Ha: Business Intelligence si influye significativamente en los tickets en la 
gestión de incidentes en una empresa de tecnología de Lima, 2023. 
 
Tabla 16 
Prueba de Wilcoxon para Hipótesis General 
Rangos 
 N Rango 
promedio 
Suma de rangos 
Post_Total - 
Pre_Total 
Rangos negativos 0a ,00 ,00 
 
Rangos positivos 188b 94,50 17766,00 
 
Empates 0c 
 
 Total 188 
a Post_Total < Pre_Total 
 
b Post_Total > Pre_Total 
 
c Post_Total = Pre_Total 
 
 
Estadisticos de pruebaa 
 
Post_Total - 
Pre_Total 
Z 
 
-12.320b 
Sig. Asintótica 0.000 
43 
 
a. Prueba deyrangosyconysigno deyWilcoxon 
 
b. Se basayen rangosynegativos 
 
Nota: Obtenido IBM SPSS v. 29.0.1.0(171). Construcción propia 
 
El resultado con una significancia p=0.000 (< 0.050) y un coeficiente 
Rs=0.175 en la prueba Rho de Spearman en la dimensión de eficiencia. Además 
se confirmó la asociación positiva entre las variables, con una significancia p=0.000 
(< 0.050) y un coeficiente Rs=0.185 en la prueba Rho de Spearman en la dimensión 
de efectividad y finalmente también se confirma una asociación positiva entre las 
variables con una significancia p=0.000 (<0.050) y un coeficiente Rs=0.155 en la 
prueba de Rho de Spearman en la dimensión de Resolución perfecta concluye 
mediante la prueba de Wilcoxon deylaytabla 16 y de acuerdoya la hipótesis 
general,yel valor obtenidoyen el Sig. es 0,00 < 0,05; enyconsecuencia, seyrechaza 
la hipótesisynula. Entonces,yse concluye aceptaryla hipótesis alterna donde 
indicayque el BusinessyIntelligence siyinfluye significativamenteyen los tickets en 
la gestiónyde incidentes enyuna empresa de tecnología de Lima, 2023. Se 
establece también que se rechaza la hipótesis nula que determina que el Business 
Intelligence no influyeysignificativamente en los tickets en la gestión de incidentes 
en una empresa de tecnología de Lima, 2023. 
 
Hipótesis especifica 1 
En la contrastaciónyparayla hipótesis general, seyutilizó Wilcoxonycomo 
layprueba no paramétricaylos indicadoresyfueron procesadosyy evaluadosyen el 
pre-testyy post-test, deyacuerdo a la pruebayKolmogorov-Smirnov, porylo tantoyla 
hipótesisyse ha propuestoylo siguiente: 
 
H0: Business Intelligence no influye en los tickets en la gestión de incidentes 
en una empresa de tecnología la dimensión de tiempo en una empresa de 
tecnología de Lima, 2023. 
 
44 
 
Ha: Business Intelligence si influye en los tickets en la gestión de incidentes 
en una empresa de tecnología la dimensión de tiempo en una empresa de 
tecnología de Lima, 2023. 
 
Tabla 17 
Prueba Wilcoxon para Hipótesis especifica 1 
 
Rangos 
 N Rango 
promedio 
Suma de rangos 
Tiempo Post - 
Tiempo Pre 
Rangos 
negativos 
1a 4.00 4.00 
 
Rangos positivos 181
b 
91.98 16649.00 
 
Empates 6c 
 
 Total 188 
a Tiempo Post < Tiempo Pre 
 
b Tiempo Post > Tiempo P 
 
c Tiempo Post = Pre_Total 
 
 
Estadisticos de pruebaa 
 
Post_Total - 
Pre_Total 
Z 
 
-12.164b 
Sig. Asintótica 0.000 
a. Prueba deyrangos conysigno deyWilcoxon 
 
b. Seybasa enyrangosynegativos 
 
Nota: Obtenido IBM SPSS v. 29.0.1.0(171). Construcción propia 
45 
 
Hipótesis especifica 2 
Enylaycontrastaciónyparaylayhipótesisyespecífica 1, se 
utilizóyWilcoxonycomoyla prueba no paramétricaylos indicadoresyfueron 
procesadosyy evaluadosyen el pre-testyy post-test,yde acuerdoya la 
pruebayKolmogorov-Smirnov,ypor loytanto la hipótesisyse 
haypropuestoyloysiguiente: 
 
H0: Business Intelligence no influye en los tickets en la gestión de incidentes 
en una empresa de tecnología la dimensión de impacto al cliente en una empresa 
de tecnología de Lima, 2023. 
 
Ha: Business Intelligence si influye en los tickets en la gestión de incidentes 
en una empresa de tecnología la dimensión de impacto al cliente en una empresa 
de tecnología de Lima, 2023. 
 
 
46 
 
Tabla 18 
Prueba Wilcoxon para Hipótesis especifica 2 
 
Rangos 
 N Rango 
promedio 
Suma de rangos 
Impacto Cliente 
Post - Impacto 
Cliente Pre 
Rangos 
negativos 
84a 43.00 3612.00 
 
Rangos positivos 1b 43.00 43.00 
 
Empates 103
c 
 
 Total 188 
a Tiempo Post < Tiempo Pre 
 
b Tiempo Post > Tiempo P 
 
c Tiempo Post = Pre_Total 
 
 
Estadisticos de pruebaa 
 
Post_Total - 
Pre_Total 
Z 
 
-9.003b 
Sig. Asintótica 0.000 
a. Prueba de rangos con signo de Wilcoxon 
 
b. Se basa en rangos negativos 
 
Nota: Obtenido IBM SPSS v. 29.0.1.0(171). Construcción propia 
 
Los resultados de laytabla 18 y de acuerdoya la hipótesis específica 2, el valor 
obtenidoyen el siguiente es 0.000 < 0.005; enyconsecuencia,ylayhipótesisynula es 
descartada. Poryloytanto,yseyconcluyeyqueyseyaceptaylayhipótesisyalterna47 
 
donde indica queyel BusinessyIntelligence si influyeyenylos ticketsyen la gestión de 
incidentes en una empresa de tecnología en la dimensión de impacto al cliente en 
una empresa de tecnología de Lima, 2023. Se establece que se descarta la 
hipótesis nula que indica que Business Intelligence no influye en los tickets en la 
gestión de incidentes en una empresa de tecnología la dimensión de impacto al 
cliente en una empresa de tecnología de Lima, 2023. 
 
 
 
 
48 
 
V. DISCUSIONES 
 
Para estayinvestigación,yse realizó un análisis comparativo pre-test y post-
test en la gestión de incidentes de una empresa de tecnología en el periodo de 2 
años para evaluar cómo influye Business Intelligence en la gestión de incidentes y 
se obtuvieron resultados positivos para cada indicador propuesto de las variables 
definidas. Esteyanálisisyseysustentayenylosyresultadosyde la dimensión 
propuesta tanto para elygrupoydeyestudioycomo para cada indicador. 
 
El objetivo general fue concluir la influencia de Business Intelligence en la 
gestiónydeyincidentes tomando como unidad de análisis los tickets de incidentes. 
A través de los análisis, fue posible confirmar una asociación positiva entre las 
variables. Tras la realización de los análisis descriptivos de las dimensiones de 
eficiencia, efectividad y resolución perfecta indican el mismo resultado donde tiene 
un nivel de significancia p = 0.000 (p < 0.050), así también las pruebas de 
normalidad confirmaron que se trata de datos no normales y no paramétricos por 
el resultado de 0.000 y por medio es una evaluación de Rho de Spearman nos 
devuelve un valor máximo de 0.185 concluyendo queyla hipótesisyalterna es la 
aceptada y la nula la rechazada. Además, en las dimensiones de tiempo e impacto 
al cliente se tuvo resultados importantes ya que existe diferencias importantes 
después de aplicar pre-test y pos-test donde la evaluación de normalidad devuelve 
un nivel de significancia de p = 0.000 (p < 0.050) y al ser datos no normales y no 
paramétricos se aplicó la prueba de Rho de Spearman resultando la relación entre 
las dos variables es estadísticamente significativa (p < 0.050). Así mismo las 
pruebas de Wilcoxon nos devuelve una significancia de 0.000 (p < 0.050) 
resultando incluyente y positiva. 
 
Los resultados están alineados a Chuquitaype y Sotomayor (2022) donde 
refiere que a nivel nacional en la empresa centro S.A dedicada al servicio de 
infraestructura de Tecnologías de la Información llevaron a cabo una investigación 
con Business Intelligence con el fin de mejoraryla gestión de servicios aplicado 
mediante un estudio que adoptó un enfoque cuantitativo con un método hipotético 
deductivo y que se clasificó como tipo aplicado usando un diseño pre-experimental. 
49 
 
La unidad de análisis que aplicaron a este estudio fueron todos los registros de 
requerimientos e incidentes de los servicios SAP, plataforma y correo en los meses 
de agosto y septiembre de 2021 similar al presente estudio. Así mismo, la técnica 
de recolección fue la observación, respaldada por la herramienta de ficha de 
observación como fue también aplicado en la investigación presente mediante el 
fichaje aprobado por juicio de expertos. Los resultados de este estudio concluyeron 
a través de la prueba U de Mann Whitney que la implementación de Business 
Intelligence mejoró significativamente la gestión de servicios de infraestructura de 
TI en la empresa Centro S.A. durante el año 2021. Tomando en cuenta las 
diferencias favorables en los puntajes entre el pre-test y post-test, con una 
significancia del p=0.000 donde es (< 0.050) y un valor de Z de -6.775 donde es (<-
1.96). Apoyando la investigación actual ya que mediante el resultado p=0.000 
donde es (<0.050) apoya que la hipótesis alterna es aceptada y rechazada la 
hipótesis nula interpretando así que Business Intelligence influye positivamente en 
la gestión. 
 
Así también nos alineamos con Aquino (2021) donde refiere que 
BusinessyIntelligenceytuvoyimpactoypositivoyyysignificativoyenylaygestión de 
incidentes en una empresa, en la investigación utilizó la metodología de desarrollo 
Hefesto y con un diseño de investigación de tipo pre-experimental y aplicando 
prueba de t de Student como método de análisis y fue aplicado en el periodo de 21 
días. Posterior a la implementación de Business Intelligence se observa una 
reducción del 3.56% en el índice de Frecuencia de lesiones registrables y una 
disminución del 40% en el índice de incidencias donde concluyen un impacto 
positivo y significativo en la gestión de incidentes de la empresa. De esta manera 
fortalece nuestra investigación donde si existe una influencia de Business 
Intelligence en la gestión de incidentes además que ayuda a tomar decisiones a 
corto, mediano y largo plazo. 
 
También Tasa, Maquera, Rojas y Delgado (2022) realizó un estudio en 
Huanta sobre la gestión de incidentes en el campo de ciberseguridad que 
representa un área importante dentro del negocio de tecnología. Luego de 
identificar los factores claves donde implementar se realizó la implementación de 
50 
 
Business Intelligence integrando y procesando diferentes fuentes heterogéneas 
donde también se acompañó junto con esta implementación reglas de normativas 
internacionales ISO/IEC 27001 e ISO/IEC 27002 para asegurar las buenas 
prácticas de seguridad y se utilizó también una metodología Magerit v3 junto al 
Business Intelligence. Al finalizar la implementación se desarrollaron dashboard de 
control, seguimiento, monitoreo y supervisión que demostraron mediante los 
objetos visuales mejoras en los niveles de seguridad en la organización. Además 
que se difundió una práctica de monitoreo y revisión de los gráficos para asegurar 
la continuidad de mejora mediante la información procesada. Finalmente 
concluyendo que Business Intelligence ayuda a garantizar la correcta fluidez de 
servicios y procesos, así como también la decisión basada en información juega un 
papel significativo en fortalecer la seguridad en las organizaciones. Este estudio 
apoya a que Business Intelligence influye positivamente en la gestión de incidentes 
y extiende su aplicación en mejora de los procesos de los negocios. 
 
También Chavarri, C.E. (2021) en un entorno local indica que Business 
Intelligence influye positivamente en la gestión de incidentes mediante su 
investigación en la empresa Alwa Perú S.A. en Lima. La investigación asociada a 
la gestión de incidentes, aplicó una investigación con un un enfoque cuantitativo y 
diseño pre-experimental con una muestra de treinta fichas que se obtuvo durante 
el periodo de treinta días calendario, la muestra obtenido fue no probabilística por 
conveniencia de tickets gestionados en ese periodo de treinta días. Así mismo la 
recolección de datos se realizó mediante el fichaje, utilizando una ficha de registro 
como instrumento y también fue validado por expertos apoyando las practicas 
realizadas en la investigación presente. Los resultados reflejaron una reducción 
significativa en el porcentaje de incidencias escaladas pasando de un valor 
porcentual de 3.25% a 2.63% después de la implementación representando una 
disminución del valor porcentual del 0.62%. Business Intelligence contribuyó 
positivamente mejorando significativamente el valor porcentual de incidentes en el 
proceso de gestión de incidentes de la empresa Alwa Perú S.A. y además que 
mediante dashboard de control se tiene una toma de decisión basada en 
información considerándose de esta manera más efectiva a nivel gerencial. Con 
este resultado coincidimos con Chavarri ya que su investigación apoya y fortalece 
51 
 
la presente investigación. La implementación, procesamiento y análisis de Business 
Intelligence tiene una influencia positiva en la gestión de incidentes de las 
empresas. 
 
Además, Postigo, Ugarte, Rivero y Riveros (2023) apoya que Business 
Intelligence