Descarga la aplicación para disfrutar aún más
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
Compartir