Empezamos esta relatoría analítica defiendo a los sistemas de informaron basados en las teorías de Laudon y Laudon, como un conjunto de componentes interrelacionados que acceden, procesan, almacenan y distribuyen información para apoyar la toma de decisiones, coordinación y control en una empresa . Esos sistemas pueden cambar su roll debido al auge del Internet, la globalización y la transformación de las sociedades productivas a sociedades prestadoras de servicios quienes se basan en el conocimiento y la información para sus negocios, debido a que los (S1) se nutren de los nuevos conocimientos.
Las sociedades contemporáneas poseen economías de conocimiento y sus organizaciones corporativas han do implementado proyectos de “Data Warehouse” (DW) para mejorar la capacidad de medir, de entender y de analizar las operaciones de negocio. La labor de un DW es extraer datos desde múltiples sistemas transaccionales u operacionales para integrarlos y almacenarlos, para de esa manera convertirlos en un nuevo producto informativo. Por lo tanto, un Data Warehouse (DW), es un conjunto de datos orientados a un dominio, integrado, no volátil, que no varia en tiempo y ayuda a la toma de decisiones de la empresa u organización. En un (DW), los datos se organizan por temas para facilitar su acceso y entendimiento por parte de los usuarios finales. Posee una estructura consistente en distintos niveles de detalle para adaptarse a las distintas necesidades de los usuarios, haciendo de esa una información leíble, no modificada y permanente. El DW posee un subconjunto, departamento o área de negocio concreto, denominado Data Martel el cual puede funcionar de manera autónoma o estar enlazado al DW corporativo central.
El DW se alimenta de los almacenes operacionales de datos (ODS) quienes son los que proveen el procesamiento operacional básico. Los investigadores deben tratar el éxito de SI como una construcción multifacética e interdependiente, seleccionar varias medidas de éxito apropiadas basadas en los objetivos de la investigación y en el fenómeno bajo investigación. Los investigadores exploran y construyen sus modelos bao la versión revisada del modelo de éxito para SI de Delone y Malean. El modelo añade una nueva métrica a las medidas de éxito: el comercio electrónico. El modelo, establece seis dimensiones de éxito para SI: calidad del sistema, calidad de los datos, calidad del servicio, uso, satisfacción del usuario y beneficios netos. Para los cuales la calidad del sistema, calidad de los datos y la calidad del servicio afectan el uso y la satisfacción del usuario mientras que el uso y la satisfacción del usuario anteceden los beneficios netos percibidos.
La evidencia de confiabilidad se prepara, mediante el cálculo del coeficiente alfa de Cronbach, este método es empleado para estimar la consistencia interna del cuestionario. El coeficiente alfa puede ser calculado mediante valores crudos o valores estandarizados.
Cuando el cálculo del coeficiente alfa sea mayor de 0.7 se considera alto y por lo tano confiable como evidencia, según Nunnally. Esto implica que existe una asociación entre los ítems del instrumento con relación a los constructos que lo constituyen (consistencia interna) como sugieren Crocker y Algina. Para establecer la asociación entre las variables de estudio se utiliza el coeficiente de correlación de Pearson indicado por Hinkdle (Σ ZX ZY r X Y = n – 1), donde r es la suma del los productos cruzados de los valores estándares (ZX ZY) dividido por n – 1. El valor estándar se obtiene a partir del valor original menos la media dividida por la desviación estándar tal como sugiere Hinkdle. Este coeficiente de correlación se usa cuando las variables estudiadas son medidas en escala intervalar o de razón.
El coeficiente de correlación es un numero (entre -1.00 y +1.00) que indica el grado de la relación entre las dos variables. El signo indica la dirección de la relación. Cuando el valor es positivo significa que existe una relación directa entre ambas variables, esto es, si las dos aumentan al mismo tiempo. El valor negativo indica que la relación es inversa, es decir, cuando una variable disminuye a medida que la otra aumenta, cuando no hay correlación entre dos variables el coeficiente de correlación es cero.
Para aceptar o rechazar las hipótesis formuladas en el estudio se utiliza la significancia estadística, que es el grado de riesgo asociado a no tener una certeza de 100% de que la diferencia se debe a lo que creemos que se debe, pues podría deberse a un factor imprevisto. Por lo anto, Se rechaza la hipótesis nula si el valor de la probabilidad asociado al resultado observado es igual o menor que el nivel de significación establecido, convencionalmente 0.05 o 0.01 como señala Hinkdle.
La magnitud del coeficiente de correlación es la evidencia para relacionar los factores técnicos, la calidad de los datos, la calidad del sistema y la calidad del servicio. El éxito de la implementación del DW se basa en como los usuarios perciben el DW y como el DW satisface las necesidades de los usuarios y de la organización. Para la implementación exitosa de un DW se debe tener en cuenta a los factores organizacionales quien es su principal variable. Dentro de los factores organizacionales se distinguen el apoyo gerencial y la alineación estratégica como los más significativos. Estudios anteriores establecen que los factores organizacionales tienen un rol significativo en la implementación exitosa de un Data Warehouse.
No hay comentarios:
Publicar un comentario