FACULTAD DE CIENCIAS E INGENIERÍA PROGRAMA ACADÉMICO DE INGENIERÍA DE SISTEMAS DE INFORMACIÓN TESIS “Data Mart para Optimizar la Gestión de Abastecimiento de Suministros Médicos en el Centro de Investigación de Enfermedades Tropicales – Punchana – 2017” AUTORES : VASQUEZ VALDERRAMA, ALEX JAIME PARA OPTAR EL TITULO PROFESIONAL DE INGENIERO INFORMÁTICO Y DE SISTEMAS FERNANDEZ PINHEIRO, KAXANDRA MILAGROS PARA OPTAR EL TITULO PROFESIONAL DE INGENIERO DE SISTEMAS DE INFORMACIÓN ASESOR : Ing. PERCY JOEL PLAZA TORRES San Juan Bautista – Maynas – Loreto – 2017 DEDICATORIA A mis queridos padres Jenny y Jaime, mis hermanos Paul y Franck, mis hermanas Jenny y Lady, por ser las personas que me apoyaron incondicionalmente, a mi esposa Cintya, mis hijos Thiago y Dylan, porque han sacrificado su tiempo conmigo, para poder elaborar esta tesis. Alex Vásquez ii AGRADECIMIENTO Expresamos nuestra gratitud y agradecimiento al centro de investigación por brindarnos las facilidades de este estudio. A las personas encargadas de la Gestión de suministros médicos. A la Universidad Científica del Perú por la oportunidad de habernos permitido ampliar nuestras convicciones profesionales. El Autor iii iv v vi vii ÍNDICE Pág. Ø PORTADA………………………………………………………………………..i Ø DEDICATORIA………………………………………………………………….ii Ø AGRADECIMIENTO…………………………………………………………...iii Ø APROBACIÓN……………………………………………………………….….v Ø INDICE DE CONTENIDO………………………………………………….…..vii Ø ÍNDICE DE CUADROS…………………………………………………….….ix Ø ÍNDICE DE GRÁFICOS……………………………………………………….xi Ø RESUMEN……………………….………………………………………….….xii Ø ABSTRACT………………………………………………………………….…xiii CAPÍTULO I: INTRODUCCIÓN ......................................................................... 1 CAPÍTULO II: MATERIALES Y MÉTODOS ....................................................... 4 2.1. Tipo y diseño de la Investigación. ............................................................ 5 2.2. Población y Muestra ................................................................................ 6 2.2.1. Población ........................................................................................... 6 2.2.2. Muestra .............................................................................................. 6 2.3. Técnicas, Instrumentos y Procedimientos de Recolección de Datos ....... 8 2.3.1. Técnicas de Recolección de Datos.................................................... 8 2.3.2. Instrumentos de Recolección de Datos ............................................. 8 2.4. Procesamiento de los Datos .................................................................... 9 CAPÍTULO III: RESULTADOS Y DISCUSIÓN ................................................. 41 3.1. Resultados ............................................................................................. 41 3.1.1. Análisis Univariado .......................................................................... 43 3.1.2. Análisis Bivariado ............................................................................ 55 viii 3.2. Discusión ............................................................................................... 61 CAPÍTULO IV: CONCLUSIONES Y RECOMENDACIONES ........................... 62 4.1. Conclusiones ......................................................................................... 62 4.1.1. Conclusiones Específicas ................................................................ 62 4.2. Recomendaciones ................................................................................. 64 4.2.1. Específicas ...................................................................................... 64 CAPÍTULO V: REFERENCIAS BIBLIOGRÁFICAS .......................................... 65 CAPÍTULO VI: ANEXOS .................................................................................. 66 ix ÍNDICE DE CUADROS Nº TÍTULO Pág 1. Software utilizado para el desarrollo de la Investigación ......................... 4 2. Método de Muestreo................................................................................ 7 3. Diagrama de Estudio de la Investigación .............................................. 10 4. Cuadro de Operacionalización .............................................................. 11 5. Indicadores de Medición del Data Mart ................................................. 12 6. Valores para las Fórmulas de los Indicadores ....................................... 13 7. Mapa General de Procesos del Negocio de la Gestión de Suministros 16 8. Comparación de Metodologías para el Desarrollo del Data Mart .......... 18 9. Ciclo de Vida Dimensional de la Metodología de Kimball...................... 20 10. Cronograma Utilizado para el Planeamiento, Desarrollo e Implementación del Data Mart en el Centro de Investigación de Enfermedades Tropicales .............................................................................................................. 22 11. Matriz de Estimación de Riesgos .......................................................... 23 12. Riesgos Identificados ............................................................................ 24 13. Identificación de las Métricas Requeridas ............................................. 26 14. Diagrama General Del Proceso ETL ..................................................... 27 15. Modelo Entidad Relación de la Base de Datos Almacén ...................... 28 16. Dimensiones y Jerarquías ..................................................................... 30 17. Tabla de Hechos y Dimensiones – Modelo Estrella .............................. 32 18. Editor de Ejecución de Tarea Sql - Limpiando Data Mart ...................... 33 19. Cubo Dimensional Topología Estrella ................................................... 36 20. Reporte de Productos Vencidos ............................................................ 37 21. Stock disponible por Protocolo .............................................................. 38 22. Cuadro de Resultados de los Indicadores de Medición del Data Mart. . 41 23. Reportes e Informes del Data Mart en el Centro de Investigación de Enfermedades Tropicales – Punchana – 2017 – Pre Test. ................... 43 24. Reportes e Informes del Data Mart en el Centro de Investigación de Enfermedades Tropicales – Punchana – 2017 – Pos Test.................... 44 25. Optimización de la Gestión en el Centro de Investigación de x Enfermedades Tropicales – Punchana – 2017 – Pre Test. ................... 45 26. Optimización de la Gestión en el Centro de Investigación de Enfermedades Tropicales – Punchana – 2017 – Pos Test.................... 46 27. Suministros Médicos en el Centro de Investigación de Enfermedades Tropicales – Punchana – 2017 – Pre Test. ........................................... 47 28. Suministros Médicos en el Centro de Investigación de Enfermedades Tropicales – Punchana – 2017 – Pos Test. ........................................... 48 29. Suministros Usados en Pacientes en el Centro de Investigación de Enfermedades Tropicales – Punchana – 2017 Pre Test. ...................... 49 30. Suministros usados en Pacientes en el Centro De Investigación de Enfermedades Tropicales – Punchana – 2017 – Pos Test.................... 50 31. Actores de la Gestión de Abastecimiento en el Centro de Investigación de Enfermedades Tropicales – Punchana – 2017 – Pre Test. ................... 51 32. Actores de la Gestión de Abastecimiento en el Centro de Investigación de Enfermedades Tropicales – Punchana – 2017 – Pos Test.................... 52 33. Calidad de la Gestión de Abastecimiento en el Centro de Investigación de Enfermedades Tropicales – Punchana – 2017 – Pre Test. ................... 53 34. Calidad de la Gestión de Abastecimiento en el Centro de Investigación de Enfermedades Tropicales – Punchana – 2017 – Pos Test.................... 54 35. Data Mart y la Optimización de la Gestión de Abastecimiento de Suministros Médicos en el Centro de Investigación Enfermedades Tropicales – Punchana – 2017. ............................................................. 55 36. Prueba de Muestras Relacionadas Antes y Después de la Aplicación del Data Mart en los Niveles Alto y Medio. .................................................. 59 37. Prueba de Muestras Relacionadas Antes y Después de la Aplicación del Data Mart en el Nivel Bajo ..................................................................... 60 38. Instrumentos de Recolección de Datos ................................................. 66 39. Lista de Materiales 1 ............................................................................. 67 40. Lista de Materiales 2 ............................................................................. 68 41. Ubicación Geográfica del Centro de Investigación de Enfermedades Tropicales .............................................................................................. 69 xi ÍNDICE DE GRÁFICOS Nº TÍTULO Pág 1. Poblado del diseño Dimensional para el Modelo Físico ........................ 34 2. Carga de la Tabla Dimensional al Modelo Físico .................................. 35 3. Diagrama de Despliegue del Proyecto .................................................. 39 4. Materiales con mayor demanda en el Centro de Investigación ............. 40 5. Distribución del Data Mart y la Optimización de la Gestión de Abastecimiento de Suministros Médicos en el Centro de Investigación Enfermedades Tropicales – Punchana – 2017 – Antes y Después de la Aplicación del Instrumento .................................................................... 56 6. Comparación de Diferencia Significativa de la Aplicación del Data Mart Antes y Después ................................................................................... 58 xii Data Mart para Optimizar la Gestión de Abastecimiento de Suministros Médicos en el Centro de Investigación de Enfermedades Tropicales – Punchana – 2017 Autores: Fernandez Pinheiro, Kaxandra Milagros Vásquez Valderrama, Alex Jaime RESUMEN La implementación del Data Mart para Optimizar la Gestión de Abastecimiento de Suministros Médicos, se ejecutó en el Centro de Investigación de Enfermedades Tropicales – Punchana – 2017 en Perú. El enfoque de la investigación es desarrollar la Pre y Pos Prueba con un solo grupo experimental, conformada por 35 trabajadores del Departamento de VEID (Virología). Para la recolección de datos se utilizó la encuesta, aplicando a las personas involucradas en todos los procesos relacionados con la gestión de suministros médicos. Se utilizó la base de datos del software de la gestión de materiales médicos, para el diseño de la solución. Los resultados obtenidos en esta investigación han demostrado que la implementación de un Data Mart tiene incidencia significativa en la Optimización de la Gestión de Abastecimiento de suministros Médicos en el Centro de Investigación de Enfermedades Tropicales – Punchana – 2017. Se encontró diferencia en los Niveles Medio y Alto. En el Nivel Alto con gl = 34, t = 3.190, P-valor es menor de 0.05. En el Nivel Medio con gl = 34, t = -3.189, P-valor es menor de 0.05. Se demostró que hay diferencia significativa en la prueba de muestras relacionadas en la calificación Alto y Medio en el pre y pos test de la aplicación del Data Mart para Optimizar la Gestión de Abastecimiento de Suministros Médicos – Punchana – 2017. xiii Palabras Claves: Data Mart, Suministros Médicos, niveles. Data Mart to Optimize the Management of Medical Supplies at the Naval Medical Research Unit Six – Punchana – 2017” Autores: Fernandez Pinheiro, Kaxandra Milagros Vásquez Valderrama, Alex Jaime ABSTRACT The implementation of the Data Mart to optimize the management of medical supplies was executed at the Naval Medical Research Unit Six – Punchana in Peru. The focus of the research is to develop the pre and post-test with a one experimental group, it is composed by 35 workers of the VEID (Virology) department. It was used the survey to collect data, it was applied to the people involved in all processes related to the management of medical supplies. For the design of the solution, the database of the medical supplies management software was used. The results obtained in this investigation show that the application of the Data Mart has a significant effect in the management of medical supplies at the Naval Medical Research Unit Six – Punchana – Perú. The difference was found in the Middle and High Levels. In the High Level with gl = 34, t = 3.190 P-valor is less than 0.05. In the Middle Level with gl = 34, t = -3.189, P-valor is less than 0.05. It was demonstrated that there is significant difference between the Test for related samples, in the Middle and High Levels in the pre and posttest of the Data Mart application for the Supply Management of Medical Supplies – Punchana – 2017. Keywords: Data Mart, medical supplies, levels 1 CAPÍTULO I: INTRODUCCIÓN En muchos países del mundo el problema de abastecimiento para las empresas que dependen considerablemente de la gestión de sus suministros, se ha vuelto un serio problema a la hora de tomar decisiones. Inclusive las grandes compañías añaden estrategias para enfrentarse a este reto tan complejo como es el abastecimiento. “Hoy en día, una crisis en cualquier país remoto puede extenderse velozmente a través de la economía mundial, creando una tremenda turbulencia. Dadas que existen cadenas de suministro globales, ninguno de nosotros es inmune para gestionar el riesgo con eficiencia y cumplir con los objetivos empresariales, creemos que las cadenas de suministro deben ser mucho más inteligentes”.[1] En Latinoamérica, por ejemplo, en la Microred de Salud “el Bosque” en TrujilloPerú, mencionan que la evaluación de la Gestión de stock de medicamentos es realizada mensualmente a través de los informes de movimiento de medicamentos: Informe de Consumo Integrado-ICI e Informe de Movimiento Económico-IME. Además, hace hincapié para desarrollar correctamente los procesos del suministro de medicamentos, el personal responsable debe conocer y manejar los métodos y procedimientos técnicos del Sistema Integrado de Suministros de Medicamentos e Insumos Médico- Quirúrgico -SISMED, que están registrados en manuales elaborados por el Ministerio de Salud, pero que tienen limitada difusión entre los profesionales involucrados.[2, p. 98] En la ciudad de Iquitos en el distrito de Punchana, se encuentra la Unidad Seis de Investigación Médica Naval (Naval Medical Research Unit Six-NAMRU6) o más conocido como el Centro de Investigación de Enfermedades Tropicales, 2 cuyas siglas de la denominación original en inglés, es NAMRU6, dedicada a la investigación, de diversas enfermedades tropicales en esta región. El desarrollo del estudio permitió observar, las pruebas realizadas en laboratorio por los trabajadores, cuya actividad es la obtención de muestras de sangre tomadas a las personas denominadas pacientes. Cada proceso desde la obtención de las muestras hasta las publicaciones de los Investigadores en las revistas científicas, conlleva a utilizar muchos materiales y suministros médicos que la institución les provee. El centro de investigación ha considerado necesario desarrollar una estrategia que permita controlar todos los materiales médicos, porque en la gestión de abastecimiento se utiliza Microsoft Excel, y otros programas de computadores para realizar las actividades. El poseer cierta información de los materiales no es suficiente para mejorar la gestión de los suministros. Ésta gestión implica saber qué y cuantos materiales tienen fechas muy próximas a vencer, siendo esto un serio problema cuando el material está vencido les obliga a desecharlos, produciendo pérdidas económicas. En otras ocasiones, el exceso de abastecimiento, da lugar a un sobre stock de los suministros médicos, porque existen épocas de brotes de enfermedades donde no se puede predecir cuánto se necesitará. Se denomina brote al incremento de un número significativamente anormal de casos, en un corto espacio de tiempo y en un sector geográfico bien delimitado [3, p. 201]. Los brotes de las enfermedades, según los registros del Centro de Investigación, se dan aproximadamente de 1 a 2 temporadas por año, aunque existen años en que no se presentan. Un caso es el estado o situación de un 3 paciente o grupo de pacientes, que presentan un fenómeno en el organismo, por diversas causas. En este sentido, ésta investigación denominada Data Mart para Optimizar la Gestión de Abastecimiento de Suministros Médicos en el Centro de Investigación de Enfermedades Tropicales – Punchana – 2017, permitió ver la incidencia del Data Mart en la optimización de la Gestión. Lo que permite estar acorde con el avance de la tecnología para poder llevar a cabo sus operaciones. La investigación realizada es importante porque están enmarcados en la visión de la Institución, ellos podrán hacer uso de ésta herramienta y los beneficiados son los trabajadores, fortaleciendo la gestión de una manera más rápida y eficaz. 4 CAPÍTULO II: MATERIALES Y MÉTODOS En la Implementación de la Solución del Data Mart, se empleó los siguientes recursos que a continuación se detalla: Recursos Humanos: Los principales colaboradores de esta investigación, son los trabajadores de la Institución, encargados de la gestión de suministros, que contribuyeron al desarrollo de ésta investigación. Hardware: Son los equipos informáticos necesarios, para desarrollar el Data Mart, acceder, recuperar información, y llevar a cabo la investigación. El Servidor principal del Centro de Investigación es un Power Edge R320 Marca DELL, con 12GB RAM 2000 TB de capacidad, procesador Intel Xeon E5-1410. Éstas características fueron suficientes para la implementación del Data Mart. Software: Son programas de computador que se usaron para la construcción del Data Mart. CUADRO Nº 1. Software utilizado para el desarrollo de la Investigación Nombre Versión SQL Server 2008 Management Studio 10.50.1600.1 SQL Server Integration Server SQL Server Analysis Services Fuente: La Institución. 2.1. Tipo y diseño de la Investigación. El nivel de Investigación es Descriptivo pre experimental 5 Tipo de Investigación El estudio pertenece al enfoque descriptivo pre experimental de investigación porque los análisis versan sobre un antes y después, el cual tiene como objetivo optimizar la gestión de abastecimiento de suministros médicos (Variable dependiente) que tendrá la implementación de un Data Mart (Variable independiente), luego se analizó la aplicación de la herramienta, se revisó lo que se hizo y se sometió a prueba la hipótesis mediante el empleo de los diseños de investigación apropiados. Diseño de Investigación El diseño de investigación que se empleó en el estudio fue el experimental del tipo pre experimento de pre prueba – pos prueba con un solo grupo El diagrama del diseño es: Donde: G = Grupo 01 = Pre – Test X = DM (Data Mart) O2 = Post – Test. G 01 X O2 2.2. Población y Muestra 2.2.1. Población La investigación se ejecutó en el Centro de Investigación de Enfermedades Tropicales en el Distrito de Punchana de la Ciudad de Iquitos en Loreto-Perú. 6 En esta investigación se recogió reportes de los usuarios del departamento de VEID (Virología y Enfermedades Infecciosas Emergentes), para realizar la medición. Siendo este diseño preexperimental, se tomó mediciones antes de aplicar el instrumento. En consecuencia, la población está conformado por 36 trabajadores del Departamento de VEID (Virología y Enfermedades Infecciosas Emergentes) del Centro de Investigación de Enfermedades Tropicales – Punchana – 2017. 2.2.2. Muestra El tipo de muestreo utilizado es el probabilístico estratificado, es más precisa y asegura que la muestra represente adecuadamente a la población en función de las variables seleccionadas. La muestra utilizada para esta investigación fue de 35 personas, siendo éstos, casi todos los trabajadores del departamento de Virología y previamente aplicada la fórmula en el método de muestreo. Considerando que la población es pequeña se consideró casi la totalidad de la población para la muestra, por consiguiente, para la formalidad del muestreo y la demostración de la obtención de la muestra se empleó la siguiente fórmula: Donde: n : Tamaño de la Muestra que queremos calcular N : 36 (La Población) Z 2 : 1,96 (Coeficiente del Nivel de Confianza) e : 0.03(% Error) pq : 0.25 (Proporción de elementos del estudio por el complemento) 7 La aplicación de los datos en la fórmula se obtiene 35 trabajadores del departamento de VEID en la Institución. La fórmula aplicada para el muestreo probabilístico estratificado, se tiene f=0.97222 CUADRO Nº 2. Método de Muestreo Secciones – Protocolos de Investigación VEID N/3 F N/3xF A 12 0.972 11.67 B 12 0.972 11.67 C 12 0.972 11.67 Total 36 35 Fuente: Los Autores El método de muestreo aplicado es el muestreo probabilístico, se dividió a la población en tres grupos A, B y C, para seleccionar a los sujetos aleatoriamente en forma proporcional. 2.3. Técnicas, Instrumentos y Procedimientos de Recolección de Datos 2.3.1. Técnicas de Recolección de Datos - La técnica utilizada para la recolección de datos es la Encuesta a través de un cuestionario de preguntas (ver Anexo 1). 8 - Participaron los trabajadores del departamento de VEID, quienes están involucradas en los procesos relacionados con la gestión de suministros médicos. - Se utilizó como técnica la encuesta y como instrumento el cuestionario a las personas identificadas en el proceso de la gestión de suministros. - Se utilizó la base de datos donde se almacenan todos los movimientos de la gestión de suministros, para ello utilizan un software para el control de los materiales. 2.3.2. Instrumentos de Recolección de Datos - Se utilizaron los índices establecidos en el cuadro de Operacionalización, desarrollando el cuestionario y los instrumentos necesarios, según objetivos específicos y acorde a los siguientes niveles: Bajo, Medio y Alto, para la puntuación de los indicadores. - La ficha de recolección de datos (Anexo 1). 2.4. Procesamiento de los Datos Con la guía de entrevista se visitó el Centro de Investigación de Enfermedades Tropicales y se aplicó el cuestionario a los involucrados de la organización. De éste cuestionario se obtuvo la información necesaria con un pre test y pos test, para el análisis estadístico. 9 Entiéndase por análisis o tratamiento estadístico, al análisis de los resultados de la entrevista realizados a los Involucrados del centro de Investigación, en donde se usó cuadros estadísticos, con un pre y pos test y se procedió a analizar las preguntas abiertas que se harán con respecto a los procesos primarios que se desarrolla en el Centro de Investigación. Eso significa que se utilizó un software especializado en estadísticas o elaboración de gráficas, el análisis se realiza en el mismo documento con la utilización de tablas y un estándar de medición en tres niveles Alto, Medio, Bajo. Para los datos recogidos (Ver Anexo 1) se utilizaron los instrumentos de recolección de datos elaborados previamente, y fueron cargados directamente al programa estadístico SPSS v23. CUADRO Nº 10 3. Flujograma de Estudio de la Investigación Fuente: Los Autores. El diagrama de estudio, muestra el resumen del flujo de los procesos de cada etapa del desarrollo de la tesis, en cada etapa existe un conjunto de actividades que se llevaron a cabo a lo largo de ésta investigación. 4. Operacionalización y Análisis de La variable Variables Dimensiones Indicadores Índices CUADRO Nº 11 Data Mart (Variable Independiente) Reportes Informes. e Tiempo de procesamiento de la Información. Número de horas en generar reportes. Números de horas laborales en procesar la información. Alto Medio Bajo Optimizar la Gestión de Abastecimiento de Suministros Médicos en el Centro de Investigación de enfermedades Tropicales (Variable Dependiente) Optimización la Gestión de Velocidad de los procesos. Números de procesos. Suministros Médicos. Stock de Materiales Médicos. Materiales Oportunos en momentos críticos. Materiales Vencidos. Tiempo en Atender un pedido. Suministros Usados Pacientes. en Cantidad de Pacientes atendidos. Número de atenciones. Tiempo utilizado en atender al paciente. Actores de Gestión Abastecimiento. la de Disposición de los Materiales oportunamente. Tiempo de solicitar un pedido. Tiempo de ser atendido un Pedido. Calidad. % de pedidos que ingresan al almacén correctamente. % de pedidos recepcionados con cantidades exactas solicitadas. % de pedidos despachados a tiempo. Fuente: Los Autores El cuadro de Operacionalización está basado en el análisis de la variable dependiente e independiente. Permitieron determinar el método a través del cual las variables serán medidas o analizadas, a través de las dimensiones, indicadores e índices. 5. Indicadores de Medición del Data Mart CUADRO Nº 12 Nro. Indicadores Unidad de Medición Fórmula de Medición 1 NIVEL DE SERVICIO Cantidad de Materiales Entregados Porcentaje % Donde: ME: Materiales Entregados MS: Materiales Solicitados. NS: Nivel de Servicio. 2 NIVEL DE DISPONIBILIDAD Cantidad de Stock disponible. Porcentaje % Donde: ME: Materiales entregados MA: Cantidad de material actual ND: Nivel de Disponibilidad 3 NIVEL DE CALIDAD DE LOS MATERIALES Cantidades Vencidas Porcentaje % Donde: MV: Materiales vencidos. MD: Materiales disponibles NC: Nivel de calidad de Materiales. 4 NIVEL DE CUANTIFICACIÓN Cantidad de Materiales Entregados a cada trabajador Ordinal !" = ∑(') Donde: M: Sumatoria Cantidades de materiales entregados a los trabajadores. NQ: Nivel de cuantificación de materiales. Fuente: Los Autores. Los indicadores de medición, están basados en la definición de requerimientos para la implementación del Data Mart. Éstos requerimientos fueron proporcionados por los trabajadores de la Institución. 6. Valores para las Fórmulas de los Indicadores CUADRO Nº 13 Nro. Parámetros de la Fórmula Antes del Data Mart Después de Implementar el Data Mart 1 Materiales Entregados (ME) 1,500 2,600 2 Materiales Solicitados (MS) 2,800 3,000 3 Cantidad de Material Actual (MA) 25,000 25,500 4 Materiales Vencidos (MV) 800 500 5 Materiales Disponibles (MD) 25,000 25,500 6 Sumatoria Cantidades de Materiales Entregados 25,000 25,500 Fuente: Los Autores, base de datos de la institución. El cuadro muestra el promedio de materiales según parámetros de la fórmula de los trabajadores de la institución antes y después de la implementación del Data Mart. Éstos datos fueron extraídos de la base de datos de la Gestión de suministros del departamento de VEID. 14 Para encontrar el nivel de mejora se resta el resultado del indicador antes, menos el resultado del indicador después, para cada uno de los indicadores. Fórmula de Medición para encontrar el Nivel de Mejora: !' = )*+ − )*- Donde: NM: Nivel De Mejora RIA: Resultado del Indicador Antes RID: Resultado del Indicador Después 15 Alineamiento Estratégico La implementación del Data Mart está alineada a la Estrategia del Centro de Investigación de Enfermedades Tropicales, es una institución que investiga enfermedades infecciosas en diversas partes del mundo, y debe contar con la tecnología adecuada para poder llevar a cabo sus operaciones, cuya misión es Investigar, entender y desarrollar estrategias: • De protección contra las enfermedades infecciosas que afectan a la población militar y civil en el Perú, Centro y Sudamérica. • Reforzar la capacidad de salud pública, mediante la cooperación respetuosa y mutua entre sus colaboradores. 16 CUADRO Nº 7. Mapa General de Procesos del Negocio de la Gestión de Suministros Fuente: Los Autores 16 19 El cuadro, Mapa General de Procesos del Negocio de la Gestión de Suministros, se divide en tres bloques horizontales: 1. Procesos. Agrupa las actividades de entradas y salidas de los materiales. Cuando los trabajadores de la Institución solicitan materiales al control de almacén, éste entrega al trabajador, en caso de no contar con stock disponible, gestiona el abastecimiento a la sede central en Lima-Perú. A su vez, la sede central cuenta con proveedores para la compra de los suministros médicos. 2. Software. Son todos aquellos programas utilizados para la gestión computarizada de los suministros médicos. En las dos actividades de entradas y salidas de los materiales, se usa software, para llevar a cabo el control. 3. Hardware. Son todos los dispositivos físicos instalados para la gestión de los suministros médicos. Cada bloque horizontal define actividades y procesos, que permiten llevar a cabo la gestión de suministros sin utilizar el Data Mart. Éstos tres bloques se cruzan con dos columnas, que separan el ingreso y las salidas de los suministros médicos, permitiendo ver de una manera global los procesos identificados. 20 CUADRO Nº 8. Comparación de Metodologías para el Desarrollo del Data Mart Aspectos de Comparación Metodologías Kimball Immon Hefesto Principios Básicos Si No No Adaptable a los Cambios Si No Si Tipo de Diseño Botton-Up Top-Down Híbrido Modelo dimensional Si No(Pero Sugiere utilizar) Si Enfoque Data Mart Data Warehouse Data Warehouse –Data Mart Tiempo de implementación Medio Alto(Completo DW) Medio Fuente: Los Autores y [4] El cuadro es una comparación de tres metodologías más usadas para el desarrollo e implementación de un Data Mart y Data Warehouse, en base a seis aspectos. (Anexo 5). La Metodología de Ralph Kimball para el Diseño de Almacenes de Datos. 21 El desarrollo e implementación de un Data Warehouse es compleja, por lo que la metodología Kimball nos simplifica esta complejidad. La metodología se basa en lo que Ralph Kimball denomina ciclo de vida dimensional del negocio, el cual está basado en cuatro principios. [5] • Centrarse en el Negocio. • Construir Infraestructura de Información Adecuada. • Realizar entregas de Incrementos Significativos. • Ofrecer una Solución Completa. Estos cuatro principios consolidan la metodología como una solución completa. (Anexo 5) CUADRO Nº 22 9. Ciclo de Vida Dimensional de la Metodología de Kimball Fuente: Dimensional Lifecycle (Kimball et al 98, 08, Mundy &Thornthwaite 06) [5, p. 59]. Las fases del desarrollo de la Metodología Kimball, está divido en una serie de etapas o fases de desarrollo del proyecto simplificando la complejidad del desarrollo de un Data Mart. Ciclo de Vida Dimensional para la Implementación del Data Mart En el Centro de Investigación 1. Planificación del Proyecto El objetivo de implementar el Data Mart, es optimizar la gestión de suministros médicos a través del uso de una herramienta que permita ver los datos multidimensionalmente, por parte de los involucrados. Los involucrados son los encargados del manejo de materiales del departamento de VEID (Virología). 23 El alcance funcional del proyecto serán los movimientos diarios de pedidos de materiales (salidas o despachos) por parte de los trabajadores. El nivel de granularidad serán las solicitudes de materiales de cada trabajador que realizan día a día. El alcance técnico está definido por el hardware y software como se menciona en el capítulo II. Materiales y Métodos, con las licencias respectivas propios de la institución. 10 Cronograma Utilizado para el Planeamiento, Desarrollo e Implementación del Data Mart en el Centro de Investigación de Enfermedades Tropicales CUADRO Nº . 24 Fuente: Los Autores Riesgos La identificación de los riesgos y los niveles de impacto de riesgos, se planteó con una escala de valores de cuatro niveles. Niveles de Valoración de Riesgos Nivel Valor Muy Alto 16-20 Alto 11-15 Medio 6-10 Bajo 1-5 Niveles de Impacto de Riesgo Nivel Muy Alto Alto Medio Bajo CUADRO Nº 11. Matriz de Estimación de Riesgos Probabilidad/Frecuencia Sin Probabilidad( SP) Poco Probable(P P) Probable (P) Muy Probable (MP) Altamente Probable (AP) Muy Alto 4 8 12 16 20 Alto 3 6 9 12 15 Medio 2 4 6 8 10 Bajo 1 2 3 4 5 Fuente: Los Autores. 12 Riesgos Identificados Nº RIESGO PROBABILIDAD IMPACTO NIVEL DE RIESGO VALOR DEL RIESGO MITIGACIÓN DE RIESGOS Im pa ct o 25 1 Mal levantamiento de la información P Muy Alto Alto 12 Realizar entrevistas claras y objetivas 2 Mal elección de la metodología P Medio Medio 6 Definir correctamente el alcance. 3 Empleo Inadecuado de las Herramientas para la implementación MP Alto Alto 12 Comparar las herramientas adecuadas que se ajusten a las necesidades del proyecto. 3 No cumplir con el cronograma establecido MP Medio Medio 8 Establecer periodos extemporáneos de tiempo. 5 Uso de Software sin licencia. AP Alto Alto 15 Usar software libre como alternativa Fuente: Los Autores, CUADRO Nº 11 En el cuadro, la columna “valor del riesgo”, fue llenado para obtener la probabilidad, impacto y nivel de riesgo, basándonos en la matriz de estimación de riesgos. 2. Definición de Requerimientos del Negocio Los requerimientos solicitados por los usuarios fueron los siguientes: • NIVEL DE SERVICIO o Qué, cuánto y a quien se ha entregado materiales por año, mes, trimestre, semana o día. • NIVEL DE DISPONIBILIDAD o Cuántos materiales hay en stock disponible. • NIVEL DE CALIDAD DE LOS MATERIALES o Poder ver de una manera resumida los materiales que estén vencidos o próximos a vencer. • CANTIDAD DE MATERIALES ENTREGADOS AL TRABAJADOR. CUADRO Nº . 26 27 13 Identificación de las Métricas Requeridas Nº Indicador Métricas Propuestas Descripción 1 NIVEL DE SERVICIO Cantidades de Materiales Entregados Sumatoria de los materiales entregados a los trabajadores. 2 NIVEL DE DISPONIBILIDAD Cantidades de Materiales con Stock disponible. Sumatoria de los materiales con stock mayor a 0. 3 NIVEL DE CALIDAD DE LOS MATERIALES Cantidad de Materiales Vencidos. Sumatoria de los materiales vencidos o próximos a vencer. 4 NIVEL DE CUANTIFICACIÓN Cantidad de Materiales Entregados a cada trabajador Sumatoria de los materiales entregados a cada trabajador. Fuente: Los Autores, Implementación de un Data Mart…[6] Partiendo del Análisis dimensional (Pág. 43), se obtuvo el siguiente cuadro para la identificación de las Métricas para poder medir el rendimiento del Data Mart. 3. Diseño de la Arquitectura Técnica de la Solución La arquitectura de la solución está conformada por un centro de datos, equipada con seguridad física, para el acceso no autorizado. El servidor es marca DELL Xeon, utilizado como Servidor Principal conteniendo Active Directory y otros servicios de red. Dispone de Sql Server 2008, Analysis Services, para ser explotado el Data Mart implementado. CUADRO Nº . 28 CUADRO Nº 14. Diagrama General Del Proceso ETL Fuente: Los Autores El Diagrama General de Procesos ETL (Extract Transform and Load) Extracción, transformación y carga, los datos son movidos y transformados desde diversas fuentes (Server) a una base de datos especializada (Data Mart) con el objetivo de analizarlos multidimensionalmente (Microsoft Analysis Services) a través de reportes y visualizadores amigables para el usuario (Excel, SharePoint). 29 4. Modelo Dimensional CUADRO Nº 15. Modelo Entidad Relación de la Base de Datos Almacén Fuente: Los Autores El modelo dimensional diseñado para el Data Mart se centra en el proceso de despacho de materiales solicitado por los trabajadores del departamento de VEID (Virología). En el modelo de la entidad relación se identificó las principales tablas que participan en la implementación del Data Mart, las demás tablas se han excluido. Análisis Dimensional 30 Para poder identificar las métricas, dimensiones y jerarquías se revisaron los reportes de los usuarios (Ver Anexo 2 y 3) y con lo que normalmente trabajan. Se analizó y se preguntó a los usuarios que realizan estos reportes. El significado de cada título de las columnas se describe a continuación: 1. Descripción. Los nombres de los materiales médicos 2. Fecha de vencimiento. La fecha de vencimiento de los materiales médicos 3. Stock de materiales. La cantidad de materiales disponibles 4. Cantidad Total. Cantidad que representa según el título del cuadro mostrado. 5. Protocolo. Dado que es un centro de investigación los proyectos son resumidos con el nombre de Protocolo. Cada Material Médico está destinado para un protocolo específico. 6. Lote. Un grupo de materiales representados por un código de fabricación del material médico establecido por el fabricante. 7. Marca. Identificación comercial del Material Médico. 8. Presentación. Es la medida y/o características en que vienen los materiales médicos, por ejemplo, unidades, paquetes, litros, etc. Es decir comúnmente llamado presentación. La Tabla de hechos está basado en el Cuadro Nº 13, y en el análisis dimensional, luego se procedió a realizar las dimensiones y jerarquías relacionadas con sus respectivas tablas y atributos físicos. CUADRO Nº 16. Dimensiones y Jerarquías Nombre de la Tabla Atributos Dimensiones Jerarquía employees Id_employee Dim_empleados - fullname nombre_completo productos Id Dim_productos - categoría categoría 31 description nombre products_detalle Id Dim_protocolos - protocolo - fecha protocolo lote lote vigente vigente prod_salidas fechsalida Dim_tiempo fecha mes anno trimestre dia_del_anno semana_del_anno Fuente: Los Autores, Implementación de un Data Mart… [6] El Cuadro Nº 16, muestra las dimensiones que conforman el Data Mart: Dim_empleados. Es aquella dimensión que representa a todos los trabajadores de la institución del Departamento de VEID (Virología). Dim_productos. En esta dimensión, muestra todos los materiales controlados y gestionados por el departamento de VEID (Virología). Dim_protocolos. Los materiales médicos son despachados de acuerdo a qué Protocolo pertenece el estudio de investigación el protocolo es analogía de detalle del producto. Dim_tiempo. La dimensión tiempo contiene las fechas de los materiales médicos despachados y materiales vencidos. Fact Table. La Tabla de Hechos contiene todas las llaves primarias de las dimensiones, además de contar con las tres medidas mencionadas en el Cuadro 32 Nº 13, la cuarta medida se encuentra implícito en la dimensión empleados y la medida Cantidad de Materiales. 5. Diseño Físico. El diseño físico está basado en una tabla relacionado con las dimensiones denominada tabla de hechos, representada por la tabla fact_table. Todo el diseño físico se basó en el Cuadro Nº 13 y Cuadro Nº 16. CUADRO Nº 17. Tabla de Hechos y Dimensiones – Modelo Estrella Fuente: Los Autores, Cuadro Nº 13 y Cuadro Nº16. 33 Las dimensiones se relacionan con la tabla fact_table, y cada una de ellas tiene una llave primaria lo que le otorga integridad referencial al Data Mart. 6. Construcción del Proceso ETL CUADRO Nº 18. Editor de Ejecución de Tarea Sql - Limpiando Data Mart Fuente: Los Autores ETL (Extract Transform and Load). Para el proceso de extracción, transformación y carga ejecutado en el servidor, se utilizó SQL Server Integration Server. El origen de los datos está en la base de datos namru_veid, que permitió crear la nueva base de datos de destino llamada namru_veid_olap. Se creó un “Execute SQL Task”, para la limpieza del Data Mart, así mismo, poblando la base de datos namru_veid_olap desde la base de datos origen. 34 GRÁFICO Nº 1. Poblado del diseño Dimensional para el Modelo Físico Fuente: Los Autores Las dimensiones están conformadas por: Empleados, Productos, Protocolos y Tiempo, estos fueron creados con tareas de flujo de datos, y a su vez estas dimensiones son pobladas con un Data Source (Origen) y Data Destination (Destino). GRÁFICO Nº 2. Carga de la Tabla Dimensional al Modelo Físico Fuente: Los Autores 35 El proceso de carga se realiza en el Data Mart, luego de las transformaciones respectivas y cargas es insertada en la tabla hechos, por consiguiente en el cuadro de abajo se muestra el diseño físico del Modelo Dimensional Terminado. 7. Implementación del Data Mart Las herramientas Microsoft Excel y Microsoft SQL Server Reporting Services (SSRS) se eligieron para la explotación del Data Mart, flexible para el usuario encargado de llevar el control de almacén. Los usuarios mencionan su deseo de realizar, ellos mismos los reportes, utilizando la infraestructura existente. Implementado el Data Mart se utilizó Microsoft SQL Server Analysis Services (SSAS) para la elaboración del cubo dimensional La Generación de los reportes se hizo con Microsoft Excel y Microsoft SQL Server Reporting Services (SSRS) . 36 CUADRO Nº 19 Cubo Dimensional Topología Estrella Fuente: Los Autores Creado el Modelo Dimensional, con sus dimensiones dim_empleados, dim_productos, dim_protocolos y dim_tiempo, todas relacionadas con la tabla de hechos llamada fact_table y tres medidas, cantidades_entregadas, stock_disponible y cantidades_vencidas, se creó el cubo dimensional topología estrella, cuyo contenido de medidas y dimensiones, permitirán obtener reportes, vistas, informes para optimizar la gestión de suministros médicos en el Centro de investigación de Enfermedades Tropicales. . 37 CUADRO Nº 20 Reporte de Productos Vencidos Fuente: Los Autores Se comparó la solicitud de los usuarios con los objetivos del proyecto, para dar coherencia al desarrollo, las solicitudes de los usuarios están en la definición de los requerimientos del Data Mart, el cuadro es una vista multidimensional de productos con fecha vencida o próxima a vencer en el mes de Enero 2018. CUADRO Nº 21 Stock disponible por Protocolo . 38 Fuente: Los Autores El cuadro muestra las cantidades de productos con stock disponible por protocolo, esto permitió observar al usuario que es posible tener los materiales apropiados y oportunos. Cada protocolo es un estudio de investigación en la institución, y cada estudio tiene sus propios materiales. GRÁFICO Nº 3 Despliegue del Proyecto . 39 Fuente: Los Autores El gráfico muestra dos componentes, software y hardware. En el software, por el lado del servidor consiste en MS SQL Server 2008 SQL Server Integration Services, SQL Server Analysis Services. En el lado del cliente Power BI, Microsoft Excel. En el componente hardware, por el lado del Servidor DELL Power Edge R320 y por el lado del cliente a la computadora personal del Usuario. Todo esto es la arquitectura de ejecución del sistema, que representa todo el funcionamiento del Data Mart. GRÁFICO Nº 4. Materiales con mayor demanda en el Centro de Investigación Fuente: Los Autores El gráfico presenta datos con los materiales que más demandas tuvieron de los trabajadores en cinco meses. 40 42 CAPÍTULO III: RESULTADOS Y DISCUSIÓN 3.1. Resultados El Cuadro Nº 22 muestra los resultados de las mediciones en los indicadores, aplicando la fórmula según cada indicador. (Ver CUADRO Nº 5). CUADRO Nº 22. Cuadro de Resultados de los Indicadores de Medición del Data Mart. Indicadores Antes de implementar el Data Mart Después de implementar el Data Mart Nivel de Mejora % NIVEL DE SERVICIO 2600 $% = ( 100 3000 $% = 86.66 % $. = 86.66 − 53.57 $. = 33.09 % NIVEL DE DISPONIBILIDAD 1500 $3 = ( 100 25000 $3 = 6 % 2600 $3 = ( 100 25500 $3 = 10.19 % $. = 10.19 − 6 $. = 4.19 % NIVEL DE CALIDAD DE LOS MATERIALES 800 $5 = ( 100 25000 $5 = 3.2 % 500 $5 = ( 100 25500 $5 = 1.9 % $. = 1.9 − 3.2 $. = −1.3% NIVEL DE CUANTIFICACIÓN $6 = (25000) $6 = (25500) Fuente: Los Autores y CUADRO Nº 5 En el Indicador Nivel de Servicio: Previo a la implementación del Data Mart, el promedio de materiales solicitados por los trabajadores de la institución fue de 2,800 y el promedio de materiales entregados fue de 1,500. Posterior a la implementación del Data Mart el 43 promedio de materiales entregados se incrementó a 2,600 de 3,000 materiales solicitados. Encontrándose un nivel de mejora del 33.09%. Indicador Nivel de Disponibilidad: Previo a la implementación del Data Mart, el promedio de materiales solicitados por los trabajadores de la institución fue de 25,000 y el promedio entregado fue de 1,500. Posterior a la implementación del Data Mart el promedio se incrementó a 25,500 y el promedio de entrega fue de 2,600. Encontrándose un nivel de mejora de 4.19%. Indicador Nivel de Calidad de los Materiales: Previo a la implementación del Data Mart, el promedio de materiales vencidos en la institución fue de 800 de 25,000 materiales disponibles. Posterior a la implementación del Data Mart, el promedio de materiales vencidos fue de 500 de 25,500 materiales disponibles. Encontrándose un nivel de mejora al reducirse materiales vencidos en - 1.3%. Indicador Nivel de Cuantificación: Previo a la implementación del Data Mart, el promedio de materiales en stock fue de 25,000. Posterior a la implementación fue de 25,500. Mostrando un nivel de mejora de 500. 3.1.1. Análisis Univariado Evaluación del Data Mart en el Centro de Investigación de Enfermedades Tropicales – Punchana – 2017. CUADRO Nº 23. Reportes e Informes del Data Mart en el Centro de Investigación de Enfermedades Tropicales – Punchana – 2017 – Pre Test. Reportes e Informes Alto Medio Bajo Total 44 N % N % N % N 1 Tiempo de procesamiento de la Información. 12 34.0 21 60.0 2 53.0 35.0 100.0 2 Número de horas en generar reportes. 10 29.0 24 69.0 1 3.0 35.0 100.0 3 Números de horas laborales por Generar Reportes e informes 13 37.0 18 51.0 4 11.0 35.0 100.0 Promedio ( x ) 12 33.0 21 60.0 2 7.0 35.0 100.0 Fuente: Los Autores El cuadro Reportes e Informes del Centro de Investigación de Enfermedades Tropicales – Punchana – 2017 en el Pre-Test de la Investigación, a continuación, se detalla: Del Promedio ( x ) de 35 (100%) trabajadores, 21 (60%) manifestaron un nivel Medio, predominando el indicador: Número de Horas en Generar Reportes con 24 (69%) trabajadores que manifestaron, mientras que 2 (7%) trabajadores manifestaron un nivel Bajo y 12 (33%) un nivel Alto. Concluyendo que en el nivel medio se da el más alto índice. CUADRO Nº 45 24. Reportes e Informes del Data Mart en el Centro de Investigación de Enfermedades Tropicales – Punchana – 2017 – Pos Test. Reportes e Informes Alto Medio Bajo Total N % N % N % N % 1 Tiempo de procesamiento de la Información. 4 11.0 24 69.0 7 20.0 35 100.0 2 Número de horas en generar reportes. 2 6.0 19 54.0 14 40.0 35 100.0 3 Números de horas laborales por Generar Reportes e informes 1 3.0 23 66.0 11 31.0 35 100.0 Promedio ( x ) 2 7.0 22 63.0 11 30.0 35 100.0 Fuente: Los Autores El cuadro Reportes e Informes del Centro de Investigación de Enfermedades Tropicales – Punchana – 2017 en el Pos test de la Investigación, a continuación, se detalla: Del Promedio ( x ) de 35 (100%) trabajadores, 22 (63%) manifestaron un nivel Medio, predominando el indicador: Tiempo de Procesamiento de la Información con 24 (69%), mientras que 2 (7%) trabajadores manifestaron un nivel Alto y 11 (30%) un nivel Bajo. Concluyendo que en el nivel Medio se da el más alto índice. CUADRO Nº . 46 CUADRO Nº 25 Optimización de la Gestión en el Centro de Investigación de Enfermedades Tropicales – Punchana – 2017 – Pre Test. Eficiencia de la Gestión Alto Medio Bajo Total N % N % N % N % 1 Velocidad de procesamiento en la Gestión 7 20.0 27 77.0 1 3.0 35 100.0 2 Número de Procesos en la Gestión 14 40.0 19 54.0 2 6.0 35 100.0 Promedio ( x ) 11 30.0 23 66.0 2 4.0 35 100.0 Fuente: Los Autores El cuadro Optimización del Centro de Investigación de Enfermedades Tropicales – Punchana – 2017 en el Pre Test de la Investigación, a continuación, se detalla: Del Promedio ( x ) de 35 (100%) trabajadores, 23 (66%) manifestaron un nivel Medio en la dimensión Eficiencia de la Gestión, predominando el indicador: Velocidad de Procesamiento en la Gestión con 27 (77%), mientras que 11 (30%) . 47 trabajadores manifestaron un nivel Alto y 2 (4%) un nivel Bajo. Concluyendo que en el nivel Medio se da el más alto índice. 26 Optimización de la Gestión en el Centro de Investigación de Enfermedades Tropicales – Punchana – 2017 – Pos Test. Eficiencia de la Gestión Alto Medio Bajo Total N % N % N % N % 1 Velocidad de procesamiento en la Gestión 1 3.0 26 74.0 8 23.0 35 100.0 2 Número de Procesos en la Gestión 0 0.0 24 69.0 11 31.0 35 100.0 Promedio ( x ) 1 1.0 25 72.0 10 27.0 35 100.0 Fuente: Los Autores El cuadro Optimización del Centro de Investigación de Enfermedades Tropicales – Punchana – 2017 en el Pos Test de la Investigación, a continuación, se detalla: Del Promedio ( x ) de 35 (100%) trabajadores, 25 (72%) manifestaron un nivel Medio en la dimensión Eficiencia de la Gestión, predominando el indicador: Velocidad de Procesamiento en la Gestión con 26 (74%), mientras que 1 (1%) CUADRO Nº . 48 trabajadores manifestaron un nivel Alto y 10 (27%) un nivel Bajo. Concluyendo que en el nivel Medio se da el más alto índice. CUADRO Nº . 49 27 Suministros Médicos en el Centro de Investigación de Enfermedades Tropicales – Punchana – 2017 – Pre Test. Suministros Médicos Alto Medio Bajo Total N % N % N % N % 1 Stock de Materiales Médicos. 9 26.0 12 34.0 14 40.0 35 100.0 2 Materiales Oportunos en Momentos Críticos. 9 26.0 12 34.0 14 40.0 35 100.0 3 Materiales Vencidos 12 34.0 17 49.0 6 17.0 35 100.0 4 Tiempo en Atender un pedido. 10 29.0 18 51.0 7 20.0 35 100.0 Promedio ( x ) 10 29.0 16 45.0 9 26.0 35 100.0 Fuente: Los Autores El cuadro Optimización del Centro de Investigación de Enfermedades Tropicales – Punchana – 2017 en el Pre Test de la Investigación, a continuación, se detalla: Del Promedio ( x ) de 35 (100%) trabajadores, 16 (45%) manifestaron un nivel Medio en la Dimensión Suministros Médicos, predominando el indicador: Tiempo en Atender un Pedido con 18 (51%), mientras que 10 (29%) trabajadores manifestaron un nivel Alto y 9 (26%) en el nivel Bajo. Concluyendo que en el nivel Medio se da el más alto índice. CUADRO Nº . 50 28 Suministros Médicos en el Centro de Investigación de Enfermedades Tropicales – Punchana – 2017 – Pos Test. Suministros Médicos Alto Medio Bajo Total N % N % N % N % 1 Stock de Materiales Médicos. 13 37 20 57 2 6 35 100.0 2 Materiales Oportunos en Momentos Críticos. 12 34 20 57 3 9 35 100.0 3 Materiales Vencidos 1 3 15 43 19 54 35 100.0 4 Tiempo en Atender un pedido. 3 9 28 80 4 11 35 100.0 Promedio ( x ) 5 15 21 60 9 25 35 100.0 Fuente: Los Autores El cuadro Optimización del Centro de Investigación de Enfermedades Tropicales – Punchana – 2017 en el Pre Test de la Investigación, a continuación, se detalla: Del Promedio ( x ) de 35 (100%) trabajadores, 16 (45%) manifestaron un nivel Medio en la dimensión Suministros Médicos, predominando el indicador: Tiempo en Atender un Pedido con 28 (80%), mientras que 10 (29%) trabajadores manifestaron un nivel Alto y 9 (26%) un nivel Bajo. Concluyendo que en el nivel Medio se da el más alto índice. 51 CUADRO Nº 29. Suministros Usados en Pacientes en el Centro de Investigación de Enfermedades Tropicales – Punchana – 2017 Pre Test. Suministros Usados en Pacientes Alto Medio Bajo Total N % N % N % N % 1 Cantidad de Pacientes Atendidos. 8 23.0 24 69.0 3 9.0 35 100.0 2 Número de Pacientes Enrolados. 7 20.0 20 57.0 8 23.0 35 100.0 3 Tiempo Utilizado en Atender Pacientes 11 31.0 17 49.0 7 20.0 35 100.0 Promedio ( x ) 9 25.0 20 58.0 6 17.0 35 100.0 Fuente: Los Autores El cuadro Suministros Usados en Pacientes del Centro de Investigación de Enfermedades Tropicales – Punchana – 2017 en el Pre Test de la Investigación, a continuación, se detalla: Del Promedio ( x ) de 35 (100%) trabajadores, 20 (58%) manifestaron un nivel Medio en la dimensión Suministros Médicos, predominando el indicador: Cantidad de Pacientes Atendidos con 24 (69%), mientras que 9 (25%) trabajadores manifestaron un nivel Alto y 6 (17%) un nivel Bajo. Concluyendo que en el nivel Medio se da el más alto índice. CUADRO Nº 52 30. Suministros usados en Pacientes en el Centro De Investigación de Enfermedades Tropicales – Punchana – 2017 – Pos Test. Suministros Usados en Pacientes Alto Medio Bajo Total N % N % N % N % 1 Cantidad de Pacientes Atendidos. 4 11.0 30 86.0 1 3.0 35 100.0 2 Número de Pacientes Enrolados. 4 11.0 28 80.0 3 9.0 35 100.0 3 Tiempo Utilizado en Atender Pacientes 0 0.0 26 74.0 9 26.0 35 100.0 Promedio ( x ) 3 8.0 28 80.0 4 12.0 35 100.0 Fuente: Los Autores El cuadro Suministros Usados en Pacientes del Centro de Investigación de Enfermedades Tropicales – Punchana – 2017 en el Pos Test de la Investigación, a continuación, se detalla: Del Promedio ( x ) de 35 (100%) trabajadores, 28 (80%) manifestaron un nivel Medio en la dimensión Suministros Usados en Pacientes, predominando el indicador: Cantidad de Pacientes Atendidos con 30 (86%), mientras que 3 (8%) trabajadores manifestaron un nivel Alto y 4 (12%) un nivel Bajo. Concluyendo que en el nivel Medio se da el más alto índice. CUADRO Nº 31 Actores e Abastecimiento de . de la Gestión d en el Centro – 53 Investigación de Enfermedades Tropicales – Punchana – 2017 Pre Test. Actores de la Gestión de Abastecimiento Alto Medio Bajo Total N % N % N % N % 1 Disposición de Materiales Oportunos. 10 29.0 13 37.0 12 34.0 35 100.0 2 Tiempo de solicitar un pedido. 5 14.0 24 69.0 6 17.0 35 100.0 3 Tiempo de ser Atendido un Pedido. 10 29.0 18 51.0 7 20.0 35 100.0 Promedio ( x ) 8 24.0 18 52.0 8 24.0 35 100.0 Fuente: Los Actores El cuadro Actores de la Gestión de Abastecimiento del Centro de Investigación de Enfermedades Tropicales – Punchana – 2017 en el Pre Test de la Investigación, a continuación, se detalla: Del Promedio ( x ) de 35 (100%) trabajadores, 18 (54%) manifestaron un nivel Medio en la dimensión Actores de la Gestión de Abastecimiento, predominando el indicador: Tiempo de Solicitar un Pedido con 24 (69%), mientras que 8 (24%) trabajadores manifestaron un nivel Alto y 8 (24%) un nivel Bajo. Concluyendo que en el nivel Medio se da el más alto índice. CUADRO Nº 32 Actores e Abastecimiento de . de la Gestión d en el Centro – 54 Investigación de Enfermedades Tropicales – Punchana – 2017 Pos Test. Actores de la Gestión de Abastecimiento Alto Medio Bajo Total N % N % N % N % 1 Disposición de Materiales Oportunos. 20 57.0 13 37.0 2 6.0 35 100.0 2 Tiempo de solicitar un pedido. 2 6.0 26 74.0 7 20.0 35 100.0 3 Tiempo en ser Atendido un Pedido. 3 9.0 29 83.0 3 9.0 35 100.0 Promedio ( x ) 8 24.0 23 65.0 4 11.0 35 100.0 Fuente: Los Autores El cuadro Actores de la Gestión de Abastecimiento del Centro de Investigación de Enfermedades Tropicales – Punchana – 2017 en el Pos Test de la Investigación, a continuación, se detalla: Del Promedio ( x ) de 35 (100%) trabajadores, 18 (65%) manifestaron un nivel Medio en la dimensión Actores de la Gestión de Abastecimiento, predominando el indicador: Tiempo en ser atendido un Pedido con 29 (83%), mientras que 8 (24%) Trabajadores manifestaron un nivel Alto y 4 (11%) un nivel Bajo. Concluyendo que en el nivel Medio se da el más alto índice. CUADRO Nº 33 Calidad e Abastecimiento de . de la Gestión d en el Centro – 55 Investigación de Enfermedades Tropicales – Punchana – 2017 Pre Test. Calidad de la Gestión de Abastecimiento Alto Medio Bajo Total N % N % N % N % 1 % de pedidos que ingresaran almacén correctamente. 6 17.0 22 63.0 7 20.0 35 100.0 2 % de pedidos recepcionados con cantidades exactas solicitadas. 6 17.0 20 57.0 9 26.0 35 100.0 3 % de pedidos despachados a tiempo. 10 29.0 18 51.0 7 20.0 35 100.0 Promedio ( x ) 7 21.0 20 57.0 8 22.0 35 100.0 Fuente: Los Autores El cuadro Calidad de la Gestión de Abastecimiento del Centro de Investigación de Enfermedades Tropicales – Punchana – 2017 en el Pre Test de la Investigación, a continuación, se detalla: Del Promedio ( x ) de 35 (100%) trabajadores, 20 (57%) manifestaron un nivel Medio en la dimensión Actores de la Gestión de Abastecimiento, predominando el indicador: Porcentaje de pedidos que ingresan al almacén correctamente con . de la Gestión d en el Centro – 56 22 (63%), mientras que 7 (21%) trabajadores manifestaron un nivel Alto y 8 (22%) un nivel Bajo. Concluyendo que en el nivel Medio se da el más alto índice. CUADRO Nº 34 Calidad e Abastecimiento de Investigación de Enfermedades Tropicales – Punchana – 2017 Pos Test. Calidad de la Gestión de Abastecimiento Alto Medio Bajo Total N % N % N % N % 1 % de pedidos que ingresaran almacén correctamente. 11 31.0 23 66.0 1 3.0 35 100.0 2 % de pedidos recepcionados con cantidades exactas solicitadas. 15 43.0 15 43.0 5 14.0 35 100.0 3 % de pedidos despachados a tiempo. 9 26.0 24 69.0 2 6.0 35 100.0 Promedio ( x ) 12 33.0 21 59.0 3 8.0 35 100.0 Fuente: Los Autores El cuadro Calidad de la Gestión de Abastecimiento del Centro de Investigación de Enfermedades Tropicales – Punchana – 2017 en el Pos Test de la Investigación, a continuación, se detalla: . de la Gestión d en el Centro – 57 Del Promedio ( x ) de 35 (100%) trabajadores, 21 (59%) manifestaron un nivel Medio en la dimensión Calidad de la Gestión de Abastecimiento, predominando el indicador: Porcentaje de pedidos despachados a tiempo con 24 (69%), mientras que 12 (33%) trabajadores manifestaron un nivel Alto y 3 (8%) un nivel Bajo. Concluyendo que en el nivel Medio se da el más alto índice. 58 3.1.2. Análisis de la Relación de las dos Variables. Evaluación de la Relación entre la Optimización de la Gestión de Abastecimiento de Suministros Médicos y el Data Mart en el Centro de Investigación Enfermedades Tropicales – Punchana – 2017. CUADRO Nº 35. Data Mart y la Optimización de la Gestión de Abastecimiento de Suministros Médicos en el Centro de Investigación Enfermedades Tropicales – Punchana – 2017. Data Mart para Optimizar la Gestión de Suministros Médicos Antes de la Aplicación del Data Mart Después de la Aplicación del Data Mart Alto( x ) Medio( x ) Bajo( x ) Alto( x ) Medio( x ) Bajo( x ) N % N % N % N % N % N % Reportes e Informes 12 33.0 21 60.0 2 7.0 2 7.0 22 63.0 11 30.0 Eficiencia de la Gestión 11 30.0 23 66.0 2 4.0 1 1.0 25 71.0 10 27.0 Suministros Médicos 10 30.0 16 45.0 9 26.0 5 15.0 21 60.0 9 25.0 Suministros Usados en Pacientes 9 25.0 20 58.0 6 17.0 3 8.0 28 80.0 4 12.0 Actores de la Gestión de Abastecimiento 8 24.0 18 52.0 8 24.0 8 24.0 23 65.0 4 11.0 Calidad de la Gestión de Abastecimiento 7 21.0 20 57.0 8 22.0 12 33.0 21 59.0 3 8.0 Fuente: Los Autores y cuadros Nº 23 al Nº 34. El cuadro permite ver la relación entre las dos variables Data Mart y la Gestión de Suministros. GRÁFICO Nº 5. Distribución del Data Mart y la Optimización de la Gestión de Abastecimiento de Suministros Médicos en el Centro de Investigación Enfermedades Tropicales – Punchana – 2017 – Antes y Después de la Aplicación del Instrumento Fuente: Cuadro Nº 35 33 60 7 7 63 30 30 66 4 1 71 27 30 45 26 15 60 25 25 58 17 8 80 12 24 52 24 24 65 11 21 57 22 33 59 8 0 10 20 30 40 50 60 70 80 90 % % % % % % Alto Medio Bajo Alto Medio Bajo Antes de la Aplicación del Data Mart Después de la Aplicación del Data Mart Distribución del Data Mart para Optimizar la Gestión de Suministros Médicos en Punchana 2017 Reportes e Informes Eficiencia de la Gestión Suministros Médicos Suministros Usados en Pacientes Actores de la Gestión de Abastecimiento Calidad de la Gestión de Abastecimiento % 56 61 El Gráfico Nº 13, se observa que antes de la Aplicación del Data Mart, la dimensión Reportes e Informes es el predominante en el nivel Alto con un índice de 33%, la Eficiencia de la Gestión en el nivel Medio con un índice de 66% y Suministros Médicos en el nivel Bajo con un índice de 24%, posteriormente a la aplicación, la dimensión Calidad de la Gestión de abastecimiento en el nivel Alto, presenta un índice de 33%, en Suministros Usados en Pacientes en el nivel Medio presenta un índice de 80%, y en Reportes e Informes en el nivel Bajo un índice de 30%. Se concluye que, en ambos tiempos, antes y después de la aplicación del Data Mart, en el nivel Medio, los Reportes e Informes, Eficiencia de la Gestión y Suministros Usados en Pacientes son las tres dimensiones que presentan los más altos índices. De acuerdo a la naturaleza del estudio, la medición de todos los indicadores se realizó en dos tiempos. 62 GRÁFICO Nº 6. Comparación de Diferencia Significativa de la Aplicación del Data Mart Antes y Después Fuente: Los Autores El Gráfico, representa la distribución de los datos en los tres niveles antes y después de la aplicación del Data Mart. Como se observa, el nivel bajo muestra un pequeño rango de valores, a diferencia de los niveles Alto y Medio, porque en eso niveles se dieron los índices más altos. Sin embargo, en el nivel Medio después de la aplicación del Data Mart, se observa dos puntos fuera del límite inferior, lo que indica valores atípicos y en consecuencia no entra en el estudio estadístico. CUADRO Nº 36. Prueba de Muestras Relacionadas Antes y Después de la Aplicación del Data Mart en los Niveles Alto y Medio. 63 MEDIO Media N Desviación típ. Error típ. de la media Par 1 Antes- Después 9,8857 35 2,69827 0,45609 11,8000 35 2,20694 0,37304 Diferencias relacionadas t gl Sig. (bilater al) Media Desviación típ. Error típ. de la media 95% Intervalo de confianza para la diferencia Inferior Superior Par 1 Antes - Después - 1,91429 3,55107 0,60024 - 3,13412 - 0,69445 -3,189 34 0,003 Fuente: Los Autores El nivel de significancia P-valor es menor de 0.05, en los dos niveles Alto y Medio se concluye que hay diferencia significativa, antes y después de la aplicación del Data Mart para Optimizar la Gestión de Abastecimiento de Suministros Médicos. CUADRO Nº 37. Prueba de Muestras Relacionadas Antes y Después de la Aplicación del Data Mart en el Nivel Bajo 64 BAJO Media N Desviación típ. Error típ. de la media Par 1 Antes- Después 3,2857 35 1,74173 0,29441 3,2000 35 1,60514 0,27132 Diferencias relacionadas t gl Sig. (bilater al) Media Desviación típ. Error típ. de la media 95% Intervalo de confianza para la diferencia Inferior Superior Par 1 Antes - Después 0,08571 1,66930 0,28216 -0,48771 0,65914 0,304 34 0,763 Fuente: Los Autores En este nivel de significancia P-valor es mayor de 0.05, se concluye que No existe diferencia significativa en la calificación Bajo antes y después de la aplicación del Data Mart para Optimizar la Gestión de Abastecimiento de Suministros Médicos 3.2. Discusión Los valores obtenidos en P-valor mayor de 0.05 en los Niveles Alto y Medio, indica que existe diferencia significativa, aceptando la Hipótesis Alterna. Es decir, el Data Mart tiene incidencia estadística significativa en la Optimización de la Gestión de Abastecimiento de Suministros Médicos en el Centro de investigación de Enfermedades Tropicales. Es decir, la implementación del Data Mart influye en la Optimización. Resultado que se consolida con el Estudio “Propuesta de un Data Mart para Mejorar el Proceso de toma de Decisiones en la Empresa Cresko, 2017”. En [7, p. 81]…”La Elaboración de un Data Mart como un sistema de inteligencia de negocios influirá positivamente en el proceso de toma de decisiones en el área comercial de la empresa Cresko S.A”. 65 El estudio,” La generación de reportes del Data Mart para cada estrategia sanitaria permite el ahorro de tiempo, pues actualmente cada estrategia debe solicitar a un área central (área de estadística) lo cual implica sobrecarga en dicha área. Además, los reportes que dicha área entrega son “estáticos” y en un formato definido, en cambio con el Data Mart los involucrados podrán colocar los filtros deseados y realizar cambios como modificación en el nivel de detalle, selección de determinadas dimensiones, límite de valores, entre otros.” [8, p. 71]. También en este estudio, la Generación de Reportes automatizados producto del funcionamiento del Data Mart, permite el ahorro de tiempo, costos, registros archivos físicos y que los usuarios encargados del abastecimiento puedan obtener los reportes deseados para realizar futuras solicitudes de pedidos, optimizando la Gestión de suministros Médicos. CAPÍTULO IV: CONCLUSIONES Y RECOMENDACIONES 4.1. Conclusiones 4.1.1. Conclusiones Específicas 1. En esta investigación se determinó que la implementación del Data Mart, en el nivel Medio tiene un índice de 60%, en la dimensión: Suministros Médicos, predominando el indicador Tiempo en Atender un Pedido (80%). Sin embargo, existe diferencia significativa en el indicador Materiales Vencidos. 2. La reducción de materiales médicos sin excedente o escasez es 60% en el nivel Medio, mostrando diferencia significativa en el Indicador: Stock de Materiales Médicos con un índice de 57%. 3. Los suministros médicos apropiados y oportunos en el nivel Medio tiene un índice de 65%, predominando el indicador Tiempo de ser Atendido un Pedido. Mostrando Diferencia Significativa en el indicador: Disposición de Materiales Oportunamente en los niveles: 66 Alto y Bajo. Se comprueba que la Implementación del Data Mart utilizando una Metodología, optimiza la Gestión de Abastecimiento de Suministros Médicos en el Centro de Investigación de Enfermedades Tropicales – Punchana – 2017. Habiendo diferencia significativa en los Niveles Alto y Medio en el Antes y Después de la Aplicación del Instrumento (Data Mart). 4.1.2 Conclusiones Generales � La aplicación del Data Mart tuvo un efecto significativo en los niveles Alto y Medio para Optimizar la Gestión de Abastecimiento de Suministros Médicos en el Centro de Investigación de Enfermedades Tropicales – Punchana – 2017.. 67 4.2. Recomendaciones 4.2.1. Específicas 1. La Implementación del Data Mart contribuyó a tener información precisa y confiable a través de reportes e informes avanzados, permitiendo a los usuarios visualizar los Materiales Vencidos y próximos a vencer, de una manera rápida y eficaz, se recomienda adoptar la solución brindada. 2. Se recomienda la utilización de la Implementación, porque en lo que se refiere a los stocks de suministros, el excedente o escasez de materiales dependen de las cantidades que se solicitan, y para saber con exactitud la cantidad de materiales a solicitar, la inteligencia de negocio es crucial, el cual se empleó en esta investigación. 3. En consecuencia, en la disposición de Materiales oportunos, el indicador que marcó diferencia es el: “Tiempo de ser atendido un Pedido”, es decir se recomienda tomar en cuenta el tiempo que se realiza un pedido, ya que de ello depende la disposición Oportuna. 4.1.2. Generales � Es necesario definir muy bien los alcances a la hora de implementar el Data Mart, es posible que en el transcurso del desarrollo, existan aspectos ajenos al tema, que pueden llevar a la ofuscación. Además se debe utilizar una Metodología adecuada para su implementación. CAPÍTULO V: REFERENCIAS BIBLIOGRÁFICAS 68 [1] Robert W. Moffat, Jr., «La Cadena de Suministro más Inteligente del Mundo». 2009. [2] K. Ibañez, «Intervención farmacéutica sobre la gestión de suministro de medicamentos en la microred de salud “El Bosque” de Trujillo, Perú», Rev. Cienc. Tecnol., vol. 10, n.o 2, pp. 95-110, jun. 2014. [3] R. A. Rojas, Epidemiología básica en atención primaria de la salud. Ediciones Díaz de Santos, 1993. [4] E. I. Leonard Brizuela y Y. Castro Blanco, «Metodologías para desarrollar Almacén de Datos.», Rev. Arquit. E Ing., vol. 7, n.o 3, 2013. [5] Gustavo R. Rivadera, «La metodología de Kimball para el diseño de almacenes de datos (Data warehouses)». . [6] FERNANDO RAMÓN AVELLANEDA ROJAS, «IMPLEMENTACIÓN DE UN DATAMART COMO HERRAMIENTA DE MEJORA EN LA TOMA DE DECISIONES DEL SERVICIO DE COLOCACIONES BANCARIAS EN UNA ENTIDAD FINANCIERA DEL ESTADO.», UNIVERSIDAD SAN MARTÍN DE PORRES, LIMA-PERU, 2015. [7] Br. Arroyo Raymundo, Hector Esteban, «Propuesta de un Datamart para mejorar el proceso de toma de decisiones en la Empresa Cresko, 2016», sintagma holístico y enfoque mixto, con tipo de investigación proyectiva no experimental, NORBERT WIENER, LIMA - PERÚ, 2017. [8] Carmen Pamela Rosales Sedano, «Análisis, Diseño E Implementación De Un Datamart Para el soporte de toma de decisiones y Evaluación de las estrategias sanitarias en las Direcciones de salud», Pontificia Universidad Católica del Perú, LIMA – PERÚ, 2009. CAPÍTULO VI: ANEXOS 1. Anexo 1. Instrumentos de Recolección de Datos. Alto, Medio, Bajo. CUADRO Nº 38. Instrumentos de Recolección de Datos 69 Variable Data Mart Alto Medio Bajo Dimensión Reportes e Informes 1 Tiempo de procesamiento de la Información. 2 Número de horas en generar reportes. 3 Números de horas laborales por Generar Reportes e informes Variable Optimizar la Gestión de Abastecimiento de Suministros Médicos Dimensión Eficiencia de la Gestión 1 Velocidad de procesamiento en la Gestión 2 Número de Procesos en la Gestión Dimensión Suministros Médicos 1 Stock de Materiales Médicos. 2 Materiales Oportunos en Momentos Críticos. 3 Materiales Vencidos 4 Tiempo en Atender un pedido. Dimensión Suministros Usados en Pacientes 1 Cantidad de Pacientes Atendidos. 2 Número de Pacientes Enrolados. 3 Tiempo Utilizado en Atender Pacientes Dimensión Actores de la Gestión de Abastecimiento 1 Disposición de Materiales Oportunos. 2 Tiempo de solicitar un pedido. 3 Tiempo de ser Atendido un Pedido. Dimensión Calidad 1 % de pedidos que ingresaran almacén correctamente. 2 % de pedidos recepcionados con cantidades exactas solicitadas. 3 % de pedidos despachados a tiempo. Fuente: Los Autores La ficha de recolección de datos está basado en el cuadro de Operacionalización. 2. Anexo 2. Lista de Materiales en Excel para visualizar Fecha de Vencimiento Stock y Lote. CUADRO Nº 39. Lista de Materiales 1 70 Fuente: Reportes e Informes de los usuarios. 3. Anexo 3. Cuadro de Materiales en Excel para visualizar la lista, y se encuentra agrupado por dos protocolos. 71 CUADRO Nº 40. Lista de Materiales 2 Fuente: Reportes e Informes de los Usuarios antes de la implementación. 4. Anexo 4. Ubicación Geográfica del Centro de Investigación de Enfermedades Tropicales en la Ciudad de Iquitos distrito de Punchana. CUADRO Nº 41. Ubicación Geográfica del Centro de Investigación de Enfermedades Tropicales 72 Fuente: Adaptado de Google Maps 5. Anexo 5. Aspectos de Comparación de Metodologías de Desarrollo de Data Warehouse y Data Mart. 1. Principios Básicos. Son características elementales, el cual se basa la metodología. En este caso la metodología Kimball cuenta con estas características: a. Centrarse en el negocio. b. Construir una infraestructura de información adecuada. c. Realizar entregas en incrementos significativos. d. Ofrecer la solución completa. Las otras metodologías no ofrecen principios básicos. 2. Adaptable a los Cambios. Kimball y Hefesto son adaptables a cambios, pero Kimball al ser un modelo dimensional y tener principios básicos se optó por este modelo. 73 3. Tipo de Diseño. El tipo de diseño está relacionado con la orientación de la construcción de un Data Mart o Dataware house, en este caso es Botton-Up (de menos a más), permite construir desde la base de datos especializada (Data mart) hasta un almacén de datos (Dataware house), que es lo que mejor se adapta a nuestro proyecto. La metodología Immon Top Down la inversa, y Hefesto es Híbrido. 4. Modelo Dimensional. La metodología Immon no cuenta con modelo dimensional, pero sugiere utilizar. Hefesto y Kimball tienen, pero Kimball está más especializado en modelado dimensional. 5. Enfoque. Kimball, a diferencia de las otras metodologías está orientado al Data Mart. 6. Tiempo de Implementación. El tiempo que toma la implementación de un Data mart con Kimball y Hefesto no es tan alto, a diferencia de Immon es muy alto. Sin embargo, se eligió usar Kimball. 7. Anexo 6. Namru_veid, es la base de datos del departamento de virología. Allí se almacenan los registros de los suministros médicos. Namru_veid_olap, es la base de datos especializada para usar el Data Mart