Administración de Empresas - Virtual · 2025
Modelo de business intelligence para el área de marketing en la Fundación Educar
La Fundación Educar ofrece educación técnico-laboral y bachillerato de manera virtual a nivel nacional en Colombia. Últimamente, ha experimentado un incremento en la demanda educativa en los últimos años. Este crecimiento ha afectado el rendimiento del área de marketing. Lo que se plantea la necesidad de proponer un modelo de Business Intelligence (BI). En este proyecto se investiga las mejores prácticas de Business Intelligence en marketing expuestos por diferentes autores que será la base para el modelo. También, se identifica las necesidades del área de marketing con ayuda de diferentes instrumentos, como aplicación de encuestas a los líderes de la organización, cuyos resultados fueron analizados con el lenguaje de programación Python (EDA) para determinar que variables dentro de la organización son determinantes para el proyecto. Y se realizó focus group para analizar qué procesos son determinantes en el área de marketing. Finalmente, después del diagnóstico se propone un modelo de siete fases que abarcara desde la identificación de fuente de datos, modelado, creación de dashboards, automatización e indicadores adaptados al área de marketing para un modelo un robusto y completamente adaptado a la organización.
Texto completo 130 páginas con texto de 132
Leer la tesis completa Ficha en el repositorio
Contenido
- Lista de figurasp. 10
- Lista de tablasp. 13
- Introducciónp. 14
- Planteamiento de problemap. 15
- Objetivosp. 16
- Objetivo generalp. 16
- Objetivos específicosp. 16
- Justificaciónp. 18
- Marco Institucionalp. 21
- Análisis del sectorp. 25
- Marco de Referenciap. 26
- Business Intelligencep. 26
- Desventajas por ausencia de BI en las empresasp. 27
- Buenas prácticas de BIp. 28
- ¿cómo se estructuran procesos de BI en las organizaciones?p. 29
- ¿Cómo se diseñan modelos de gestión de BI?p. 33
- Business Intelligence aplicado a procesos de marketingp. 41
- BI en acción: Casos de uso prácticosp. 43
- Ventajas y desventajas de implementar procesos de BI en las organizacionesp. 47
- Herramientas para BIp. 50
- Tendencias de Business Intelligencep. 55
- BI en el sector educativop. 56
- Diseño Metodológicop. 57
- Tipo de investigaciónp. 57
- Análisis externop. 57
- Análisis internop. 58
- Población, Muestra y ficha técnicap. 59
- Identificación de variablesp. 60
- Instrumentos de mediciónp. 62
- Diagnóstico Organizacionalp. 64
- Análisis externo: Análisis de las cinco fuerzas de Porterp. 66
- Análisis internop. 58
- Análisis exploratoriop. 68
- Focus group: Journey de procesosp. 94
- Propuesta de modelo Bi para área de marketing de la fundación Educarp. 102
- Fase 1: Definir los Objetivos del área de Marketingp. 103
- Fase 2: Identificar las Fuentes de Datosp. 107
- Fase 3: Diseñar el Modelo de Datosp. 107
- Fase 4: Definir la Arquitectura e Ingesta de Datosp. 108
- Fase 5: Automatización de tablerosp. 110
- Fase 6: Indicadoresp. 110
- Fase 7: Seleccionar las Herramientas Tecnológicasp. 112
- Plan de implementaciónp. 117
- Proyección de costosp. 121
- Conclusionesp. 122
- Recomendacionesp. 124
- Anexosp. 124
- Referenciasp. 125
- Figura 1: Misión y visiónp. 21
- Figura 2: Pensum bachiller Fundación Educarp. 22
- Figura 3. Organigramap. 24
- Figura 4. Referencias de marcop. 26
- Figura 5. El ciclo del business Intelligencep. 30
- Figura 6. Arquitectura de Business Intelligence de cinco capasp. 31
- Figura 7. Fases de un Proyecto BIp. 33
- Figura 8. Modelo de Gobierno de BIp. 36
- Figura 9. Modelo de gestión de Shermanp. 38
- Figura 10. Los siete pasos del proceso de la analítica de marketingp. 39
- Figura 11. Un marco de mezcla de marketing para la gestión de big datap. 41
- Figura 12.Dashboard de restaurante Surabayap. 44
- Figura 13.Implementación de BIp. 45
- Figura 14.Cuadrante Mágico para Plataformas de Análisis y Business Intelligencep. 53
- Figura 15.Las fuerzas de Porterp. 58
- Figura:16. Cadena de valor de la Fundación Educarp. 65
- Figura 17.Fases del análisis exploratorio de datosp. 69
- Figura 18.Análisis de variables categóricasp. 70
- Figura 19. Análisis variables numéricasp. 70
- Figura 20. Resultados de medidas de tendencia centralp. 72
- Figura 21. Resultados df.info ()p. 74
- Figura 22 Preguntas 1,2,3,4,5,6p. 75
- Figura 23 Resultados preguntas 7,8,9p. 76
- Figura 24 Resultados preguntas 10, 11, 12 y 13p. 77
- Figura 25.Resultados de preguntas 14 15 y16p. 78
- Figura 26.Resultado pregunta 17p. 79
- Figura 27 Resultados de preguntas 18, 19, 20 y 21p. 80
- Figura 28.Resultados de preguntas 23, 24, 25 y 26p. 82
- Figura 29.Identificación de valores nulosp. 83
- Figura 30.Eliminación de valores nulosp. 85
- Figura 31. Código y resultado de boxplot con outliersp. 87
- Figura 32.Código Python y matriz de calor de correlaciónp. 90
- Figura 33.Matriz de correlación de variables de preguntas 2 y 19p. 93
- Figura 34. Proceso de matriculap. 94
- Figura 35.Seguimiento a estudiantesp. 96
- Figura 36. Encuesta post-graduaciónp. 97
- Figura 37.Modelo de BI para área de marketing de la fundación Educarp. 103
- Figura 38 Objetivos de marketing implementando BIp. 103
- Figura 39. Modelo físico de datosp. 107
- Figura 40.Cuadrante mágico de Gartner 2024p. 115
- Personalp. 24
- Buenas prácticas de BIp. 28
- Ventajas y desventajas de implementar procesos de BIp. 47
- Ficha técnicap. 59
- Variablesp. 60
- DOFAp. 98
- Necesidadesp. 101
- Indicadores para marketingp. 110
- Herramientas de BIp. 112