Propuesta de un Data Warehouse para el análisis de la circulación bibliográfica en la biblioteca de la Universidad Nacional de Educación

Lourdes Gabriela Orellana-Guerra, Milton Campoverde-Molina

Resumen


Uno de los principales problemas que enfrentan las bibliotecas, es la falta de información actualizada de la circulación bibliográfica (préstamos, devoluciones y renovaciones). Esto dificulta la toma de decisiones y asignación de presupuestos frente a las necesidades de los usuarios, sobre todo en las bibliotecas públicas. El objetivo de este trabajo de investigación es implementar una herramienta de Inteligencia de Negocios Data Warehouse, para realizar un análisis descriptivo y predictivo de la demanda de libros de los estudiantes de la Universidad Nacional de Educación (UNAE); en esta investigación se utilizan los datos de la Biblioteca de la UNAE (periodo 2016-2021). La metodología empleada en este trabajo, centró su análisis en los requerimientos del negocio, para definir las tablas de dimensiones y la de hechos, con las cuales, se diseñó el modelo de datos aplicando el esquema en estrella. Luego se realizó el proceso de extracción, transformación y limpieza de datos, usando sentencias SQL. Con los datos listos, se procede a la explotación de los mismos y la creación del Dashboard. Los resultados permitieron identificar los libros más prestados y los libros en mora por campus Universitario. En conclusión, este análisis servirá como apoyo a la toma de decisiones, acerca del volumen de libros a adquirir para el siguiente periodo académico, cantidad de atenciones al usuario, para finalmente iniciar campañas de marketing para incentivar el uso de los libros.


Palabras clave


Circulación Bibliográfica; Dashboard; Data Warehouse; Inteligencia de Negocios; Power BI.

Texto completo:

PDF HTML XML

Referencias


Evans, G., & Schonfeld, R. (2020). No es lo que contienen las bibliotecas; Es a quién sirven las bibliotecas: Buscando un futuro centrado en el usuario para las bibliotecas académicas. Retrieved from http://sr.ithaka.org/?p=312608

González Araujo, H., Rivero, E., Méndez Zapata, A., & Bocanegra Esqueda, M. (2014). El Sistema Integral de Autormatización de Bibliotecas Koha y su aplicación en la Biblioteca de Investigación Juan de Córdova.

González, A. A., Vega, R., & Jimén, H. (2009). KOHA como solución para la administración de nuestras bibliotecas. Revista Códice Vol. 5 N.º 1: 85-94, 100.

Haro, V., & Pérez, W. (2014). Diseño e Implementación de un Sistema de Soporte de Decisiones para el Centro de Documentación Regional “Juan Bautista Vázquez”. Maskana, 245-256.

INEC. (2015). Manual de Archivo General y Gestión Documental. Obtenido de http://www.ecuadorencifras.gob.ec/LOTAIP/2015/DIJU/enero/LA3_ENE_DIJU_ArchivoGeneral.pdf

K., W. S. (2017). Big data analytics and electronic resource usage in Academic Libraries. Big data analytics and electronic resource usage in Academic Libraries. erepository.uonbi.ac.ke.

Méndez Del Rio, L. (2006). En Más allá del Business Intelligence (pág. 55). Obtenido de https://www.gestiopolis.com/inteligencia-de-negocios-business-intelligence/

Méndez, A., Mártire, A., Britos, P., & García Martínez, R. (2003). Fundamentos de Datos Warehouse. Buenos Aires, Argentina.

Microsoft Power, P. (2020). Power BI Recuperado en. Obtenido de https://powerbi.microsoft.com/es-es/what-is-power-bi/.

Moody, D., & Kortink, M. (2000). From Enterprise Models to Dimensional Moders: A Methodology for Data Warehouse and Data Mart Design.

Palencia, A. T. (2019). Power BI, inteligencia de negocios. Obtenido de https://n9.cl/iudo2

Patnaik, R. (2019). Data Analytics and Visualization in Libraries. INFLIBNET Centre, Gandhinagar.

Pérez Marqués, M. (2015). En Business Intelligence. Técnicas, herramientas y apliccaciones. RC Libros.

Presidencia de la República del Ecuador. (2008). Decreto 1014. Obtenido de https://cti.gobiernoelectronico.gob.ec/ayuda/manual/decreto_1014.pdf

Ramos, S. (2016). Data Warehouse, data marts y modelos dimensionales. Un pilar fundamental para la toma de decisiones. Albatera: SolidQ.

Siegel, E. (2013). Predictive Analytics. United States of America: John Wiley & Sons, Inc., Hoboken, New Jersey.

Subsecretaría de Infomática de la República del Ecuador. (2009). Estratégia para la implementación de software libre en la administración pública central. Obtenido de https://cti.gobiernoelectronico.gob.ec/ayuda/manual/decreto_1014.pdf

Timón, C. E. (2017). Análisis predictivo:técnicas y modelos utilizados y aplicaciones del mismo - herramientas Open Source que permiten su uso. Recuperado el 05 de Mayo de 2021, de http://openaccess.uoc.edu/webapps/o2/bitstream/10609/59565/6/caresptimTFG0117mem%C3%B2ria.pdf

Wakahia, S. K. (2019). Big Data Analytics and Electronic Resource Usage in Academic Libraries: A Case Study of a Private University in Kenya. European Scientific Journal.




DOI: http://dx.doi.org/10.23857/dc.v7i3.1956

Métricas del Artículos

Cargando Métricas.....

Metrics powered by MI WEB PRO

Enlaces de Referencia

  • Por el momento, no existen enlaces de referencia


Copyright (c) 2021 Lourdes Gabriela Orellana-Guerra, Milton Campoverde-Molina

URL de la Licencia: https://creativecommons.org/licenses/by-nc-sa/4.0/deed.es

Polo de Capacitación, Investigación y Publicación (POCAIP)

Dirección: Ciudadela El Palmar, II Etapa,  Manta - Manabí - Ecuador.

Código Postal: 130801

Teléfonos: 056051775/0991871420

Email: [email protected]

URL: https://www.dominiodelasciencias.com/

DOI: https://doi.org/10.23857/pocaip