A Hybrid Infrastructure of Enterprise Architecture and Business Intelligence & Analytics to Empower Knowledge Management in Education

Resumen

Introducción y Motivación Los grandes volúmenes de datos (Big Data) que se generan hoy en día a escala global y dentro de las organizaciones junto con el conocimiento que reside en las personas y aquel que se plasma en los procesos de negocio hace muy compleja la gestión del conocimiento (GC) organizacional. Una correcta GC puede ser fuente de oportunidades y de ventaja competitiva para aquellas organizaciones que usan sus datos de forma inteligente y posteriormente generan conocimiento con ellos. Dos de los campos que apoyan la GC y que han tenido un acelerado crecimiento en los últimos años son la inteligencia del negocio (IN) y la arquitectura empresarial (AE). Por un lado, la IN permite sacar provecho de la información guardada en los almacenes de datos multidimensionales (data warehouse) con diferentes operaciones como slice, dice, roll-up y drill-down. Esta información se obtiene de las bases de datos operacionales por medio de un proceso de extracción, transformación y carga (conocido en inglés como ETL por extraction, transformation and loading). Por otro lado, la AE permite a las instituciones establecer métodos que permitan crear, compartir y transferir el conocimiento que reside en personas y procesos mediante el uso de mapas y modelos. Uno de los objetivos de la GC es crear una cultura donde el conocimiento tácito (aquel que reside en las personas) se quede en la organización cuando el personal calificado y experto abandone la misma o cuando se requiera realizar cambios en la estructura organizacional, en las aplicaciones informáticas o en la infraestructura tecnológica. En el caso de las instituciones de educación superior (IES) el no tener un adecuado método de GC es un problema incluso mayor debido a la naturaleza de esta industria. Generalmente en las IES, existe muy poca interdependencia entre los departamentos y facultades. Es decir, existe poca estandarización, redundancia de información, duplicidad de aplicaciones y funcionalidades entre departamentos, lo que ocasiona organizaciones poco eficientes. Es por ello, que este trabajo se ha centrado en buscar un método adecuado de GC e investigar sobre la infraestructura tecnológica que apoye la gestión de la información de todas las dimensiones de conocimiento como son: personas, procesos y tecnología. Todo esto con el objetivo de buscar mecanismos innovadores para mejorar la educación y el servicio que brindan las IES a sus estudiantes y docentes mediante la mejora en sus procesos. A pesar de existir algunas iniciativas y artículos sobre los marcos de GC, no pudimos encontrar un marco de trabajo estándar que apoye o guíe las iniciativas de GC. Además, los marcos de trabajo de GC encontrados en la bibliografía científica no presentan un enfoque práctico que permita analizar y consolidar las dimensiones de conocimiento y por ende facilite su implementación. Desarrollo El aporte central de esta tesis es una infraestructura híbrida de GC basada en AE e IN que fue desarrollada completamente desde un enfoque de investigación empírica y tomando como referencia el marco de trabajo desarrollado para la GC. La GC es una disciplina que promueve la creación, uso, distribución y transferencia del conocimiento en las organizaciones. El marco propuesto incorpora la IN mediante el uso de herramientas como un data warehouse que permite tener información depurada para el análisis de grandes cantidades de información para mejorar el performance y la toma de decisiones en las organizaciones. Por otro lado la AE, contempla un conjunto de principios, métodos y modelos que se usan en el diseño, implementación y mantenimiento de la arquitectura de negocio, la estructura organizacional y la arquitectura de información, tomando como eje la estrategia del negocio. La infraestructura desarrollada ayudará a las IES a mejorar la educación de manera general mediante el análisis de datos educativos confiables y depurados e integrando analítica desde la perspectiva de AE. Tomando en cuenta la interdependencia existente entre los objetos que conforman la organización: personas, procesos, aplicaciones y tecnología. A través de la infraestructura presentada, se abren las puertas para la realización de distintos experimentos y proyectos de investigación que permitan incrementar el tipo de conocimiento que se genera integrando la información de las aplicaciones que se encuentra en los almacenes de datos junto con la información de las personas y de los procesos organizacionales que se encuentran en los repositorios de AE. Para validar la propuesta se realizó un caso de estudio dentro de una universidad con resultados iniciales prometedores. Como trabajos futuros se planea automatizar distintas actividades de la IES mediante una metodología de desarrollo de software basada en modelos de AE. Además, se está desarrollando un sistema de gestión del conocimiento que permitirá generar distintos y nuevos tipos de analítica, que solo con bases de datos transaccionales o multidimensionales sería imposible obtener. Conclusiones El marco de conocimiento y la infraestructura de conocimiento propuestos en este trabajo proporcionan la base para la creación, transferencia y gestión del conocimiento, que puede ser una piedra angular para que las IES se conviertan en organizaciones de excelencia. El uso de las herramientas de IN y AE permite la captura de todas las dimensiones del conocimiento. Por un lado, IN permite la transformación de información simple en conocimiento valioso mediante la aplicación de métodos y técnicas OLAP y de minería de datos. Por otro lado, la AE admite la digitalización del conocimiento implícito de personas y procesos mediante la creación de arquitecturas en diferentes dominios. Estas arquitecturas facilitan la transferencia y distribución de conocimiento a diferentes niveles de personas en la organización. Algunos de los beneficios de utilizar este marco son la reducción de los costos de capacitación de la rotación de personal, la mejora de los procesos de toma de decisiones y la creación de un repositorio de conocimientos. En general, se ha demostrado con la investigación realizada durante los estudios de doctorado que esta propuesta se puede utilizar para mejorar los flujos de conocimiento de la organización que, al mismo tiempo, se utilizan para mejorar las diferentes áreas de las IES y el proceso de aprendizaje-enseñanza. Referencias Bibliográficas Ackermann, F., & Eden, C. (2011). Strategic Management of Stakeholders: Theory and Practice. Long Range Planning, 44 (3), 179-196. Baepler, P., & Murdoch, C. J. (2010). Academic Analytics and Data Mining in Higher Education. International Journal for the Scholarship of Teaching and Learning, 4 (2), 1-9. Bichsel, J. (2012). Analytics in Higher Education Benefits, Barriers, Progress and, Recommendations. Louisville, CO. Retrieved 2019-01-05, from https://library.educause.edu/~/media/files/library/2012/6/ers1207.pdf?la=en Bricknall, R., Darrell, G., Nilsson, H., & Pessi, K. (2006, 01). Enterprise architecture: Critical factors affecting modeling and management. In 14th European conference on information systems (pp. 2349-2361). Campbell, H. M. (2006). The role of organizational knowledge management strategies in the quest for business intelligence. In IEEE international engineering management conference (IEMC) (pp. 231-236). Bahia, Brazil. Comella-Dorda, S., John, D., Lewis, G., Edwin, M., Patricia, O., & Erin, H. (2004). A Process for COTS Software Evaluation (Tech. Rep. No. July). Pittsburg, PA: Carnegie Mellon Software Engineering Institute. Retrieved from https://resources.sei.cmu.edu/asset_files/TechnicalReport/2004_ 005_001_14252.pdf Correa, A., Angélica, A., & Correa, S. (2009). La Gestión Educativa un nuevo paradigma. Fundación Universitaria Luis Amigó, 57 (4). Retrieved from http://virtual.funlam.edu.co/repositorio/sites/default/files/6lagestioneducativaunnuevoparadigma.pdf de Vries, M., & van Rensburg, A. (2008). Enterprise Architecture - New business value perspectives. Southafrican Journal of Industrial Engineering, 19, 1-16. Edwards, J. (2011). A Process View of Knowledge Management: It Ain't What you do, it's the way that you do it. Journal of Knowledge Management, 9 (4), 297-306. Fayyad, U., Piatetsky-Shapiro, G., & Smyth, P. (1996). Knowledge Discovery and Data Mining: Towards a Unifying Framework. In 2nd international conference on knowledge discovery and data mining (pp. 82-88). Menlo Park, California Gartner Inc. (2019). Gartner Business intelligence. Retrieved 2019-01-20, from http://goo.gl/LmJRG3 Gomez-Torres, E., Moscoso-Zea, O., Herrera, N., & Lujan-Mora, S. (2018). Towards a forensic analysis of mobile devices using Android. In Á. Rocha & T. Guarda (Eds.), Advances in intelligent systems and computing (Vol. 721, pp. 30-39). Springer International Publishing. Greenhalgh, T., & Peacock, R. (2005). Effectiveness and efficiency of search methods in systematic reviews of complex evidence: audit of primary sources. BMJ, 331 (7524), 1064-1065. Hevner, A., March, S., Park, J., & Ram, S. (2004). Design Science in Information Systems Research. Management Information Systems Quarterly, 28 (1), 75-105. Huebner, R. A. (2013). A Survey of Educational Data-Mining Research. Research in Higher Education Journal, 19, 1-13. Inga, E., Campaña, M., Hincapié, R., & Moscoso-Zea, O. (2018a). Optimal Deployment of FiWi Networks Using Heuristic Method for Integration Microgrids with Smart Metering. Sensors, 18 (8), 1-22. Inga, E., Campaña, M., Hincapié, R., & Moscoso-Zea, O. (2018b). Optimal Dimensioning of Electrical Distribution Networks Considering Stochastic Load Demand and Voltage Levels. In Applications of computational intelligence (Vol. 721, pp. 200-215). Isik, O., Jones, M., & Sidorova, A. (2011). Business intelligence (BI) success and the role of BI capabilities. Intelligent systems in accounting, finance, and management, 76 (1), 161-176. Ivanov, K. (2009). 10 Definitions of Enterprise Architecture. Retrieved 2019-04-25, from http://www.ariscommunity.com/users/koiv/2009-08-20-10-definitions-enterprise-architecture-which-corresponds-yours Jindal, R., & Borah, M. D. (2013). A Survey on Educational Data Mining and Research Trends. International Journal of Database Management Systems, 5 (3), 53-73. Karemente, K., Aduwo, J. R., Mugejjera, E., & Lubega, J. (2009). Knowledge Management Frameworks A Review of Conceptual Foundations and a KMF for IT-based Organizations. In strengthening the role of ICT in development (Vol. 5, pp. 35-57). Kimball, R., & Ross, M. (2013). The Data Warehouse Toolkit (3rd ed.). Indianapolis US: John Wiley & Sons, Inc. Kitchenham, B., Budgen, D., & Brereton, O. P. (2010). The value of mapping studies - A participant-observer case study. In 14th international conference on evaluation and assessment in software engineering (EASE) (pp. 25-33). Staffordshire, UK. Kontio, J., Chen, S.-F., Limperos, K., Tesoriero, R., Caldiera, G., & Deutsch, M. (1995). A COTS Selection Method and Experiences of Its Use. In 20th annual software engineering workshop (sew) (pp. 1_16). Greenbelt, MD. Lankhorst, M. (2013). Enterprise Architecture at Work Modelling Communication and Analysis (3rd ed.). Berlin Heidelberg: Springer-Verlag. Lloyd, J. (2011). Identifying Key Components of Business Intelligence Systems and Their Role in Managerial Decision making. Applied Information Management Program, 1277 (2), 1-76. Markets and Markets. (2017). Business Intelligence Market worth 26.88 Billion USD by 2021. Retrieved 2019-01-15, from http://www.marketsandmarkets.com/ PressReleases/social-business-intelligence-bi.asp McIntyre, S., Gauvin, M., & Waruszynski, B. (2003). Knowledge Management in the Military Context. Canadian Military Journal, 4 (1), 35-40. Morera, D. (2002). COTS Evaluation Using Desmet Methodology & Analytic Hierarchy Process (AHP). In 4th international conference, product focused software process improvement (PROFES) (pp. 485-493). Rovaniemi, Finland. Morris, L., Wu, S.-S., & Finnegan, C. (2015). Predicting retention in online general education courses. American journal of Distance Education, 19 (1), 23-36. Moscoso-Zea, O., Castro, J., Paredes, J., & Luján-Mora, S. (2019). A Hybrid Infrastructure of Enterprise Architecture and Business Intelligence & Analytics for Knowledge Management in Education. IEEE Access, 7, 38778-38788. Moscoso-Zea, O., & Lujan-Mora, S. (2016). Educational data mining: An holistic view. In 11th Iberian conference on information systems and technologies, CISTI (pp. 600-605). Canary Islands, Spain. Moscoso-Zea, O., & Luján-Mora, S. (2016). Evaluation and Selection of Enterprise Architecture Tools for Knowledge Management. In 1st international conference on information systems and computer science (INCISCOS) (pp. 292-296). Quito, Ecuador. Moscoso-Zea, O., & Lujan-Mora, S. (2017). Knowledge management in higher education institutions for the generation of organizational knowledge. In 12th Iberian conference on information systems and technologies (CISTI) (pp. 1593-1599). Lisbon, Portugal. Moscoso-Zea, O., & Luján-Mora, S. (2017). Suggested Methodologies for Evaluation and Selection of Enterprise Architecture Software for Knowledge Digitization. Enfoque UTE, 8 (1), 315-328. Moscoso-Zea, O., Luján-Mora, S., Esquetini Cáceres, C., & Schweimanns, N. (2016). Knowledge Management Framework using Enterprise Architecture and Business Intelligence. In 18th international conference on enterprise information systems (ICEIS) (pp. 244-249). Rome - Italy. Moscoso-Zea, O., Paredes-Gualtor, J., & Lujan-Mora, S. (2018). A Holistic View of Data Warehousing in Education. IEEE Access, 6, 64659-64673. Moscoso-Zea, O., Paredes-Gualtor, J., & Luján-Mora, S. (2019). Enterprise Architecture, an enabler of change and knowledge management. Enfoque UTE, 10 (1), 247-257. Moscoso-Zea, O., Paredes-Gualtor, J., Saa, P., & Sandoval, F. (2018). Moving the IT Infrastructure to the Cloud. Enfoque UTE, 9 (1), 79-89. Moscoso-Zea, O., Saa, P., & Luján-Mora, S. (2019). Evaluation of algorithms to predict graduation rate in higher education institutions by applying educational data mining. Australasian Journal of Engineering Education, 1-10. Moscoso-Zea, O., Sampedro, A., & Luján- Mora, S. (2016). Datawarehouse design for Educational Datamining. In 15th information technology based higher education and training (ITHET) (pp. 1-6). Istanbul - Turkey. Moscoso-Zea, O., Vizcaino, M., & Luján-Mora, S. (2017). Evaluation of methods and algorithms of educational data mining. In Research in engineering education symposium (REES) (pp. 972-980). Bogota - Colombia. Nonaka, I. (1994). A Dynamic Theory of Organizational Knowledge Creation. Organization Science, 5 (1), 14-37. Nonaka, I., Toyama, R., & Konno, N. (2000). SECI, Ba, and Leadership: a Unified Model of Dynamic Knowledge Creation. Long Range Planning, 33, 5-34. Paredes-Gualtor, J., Moscoso-Zea, O., & Luján-Mora, S. (2018). The role of enterprise architecture as a management tool. In 3rd international conference on information systems and computer science (INCISCOS) (p. 306-311). Quito - Ecuador. Paredes-Gualtor, J., Moscoso-Zea, O., Saa, P., Sandoval, F., & Rodas, P. (2017). Unified cloud computing adoption framework. In 2nd international conference on information systems and computer science (INCISCOS) (pp. 247-252). Quito - Ecuador. Roger, S. (2007). A Comparison of the Top Four Enterprise Architecture Methodologies. Retrieved 2019-04-28, from http://tiny.cc/zqly6y Saa, P., Cueva, A., Moscoso-Zea, O., & Lujan-Mora, S. (2017). Moving ERP Systems to the Cloud - Data Security Issues. Journal of Information Systems Engineering & Management, 2 (4), 1-9. Saa, P., Moscoso-Zea, O., Costales, A., & Lujan-Mora, S. (2017). Data security issues in cloud-based Software-as-a-Service ERP. In 12th Iberian conference on information systems and technologies (CISTI) (pp. 1828_1834). Lisbon - Portugal. Saa, P., Moscoso-Zea, O., & Lujan-Mora, S. (2017). Bring your own device (BYOD): Students perception _ Privacy issues: A new trend in education? In 16th international conference on information technology based higher education and training (ITHET) (pp. 1-5). Ohrid, Macedonia. Saa, P., Moscoso-Zea, O., & Lujan-Mora, S. (2018). Wearable technology, privacy issues. In Á. Rocha & T. Guarda (Eds.), Advances in intelligent systems and computing (Vol. 721, pp. 518-527). Springer International Publishing. Sandoval, F., Galvez, V., & Moscoso-Zea, O. (2017). Development of Enterprise Architecture using a Framework with Agile Approach. Enfoque UTE, 8 (1), 135-147. Sandoval, F., Moscoso-Zea, O., Galvez, V., & Tutillo, P. (2016). Enterprise Architecture Framework with Agile Approach based on TOGAF. In 1st international conference on information systems and computer science (INCISCOS) (pp. 77-81). Quito, Ecuador. Schekkerman, J. (2011). Enterprise Architecture Tool Selection Guide (Tech. Rep.). Netherlands: Institute for Enterprise Architecture Developments. Shahid, M. B., Sheikh, U., Raza, B., Shah, M. A., Kamran, A., & Anjum, A. (2016).Application of Data Warehouse in Real Life: State-of- the-art Survey from User Preferences' Perspective. International Journal of Advanced Computer Science and Applications, 7 (4), 415-426. The Open Group. (2018). The TOGAF Standard, Version 9.2. Retrieved 03/05/2019, from http://pubs.opengroup.org/architecture/togaf9-doc/ arch/index.html (cited on pages 16) Tucker, R., & Debrosse, D. (2003). Enterprise Architecture Roadmap for Modernization. Enterprise Modernization Issue, 7 (2). Velasco, J., Ullauri, R., Pilicita, L., Jácome, B., Saa, P., & Moscoso-Zea, O. (2018).Benefits of implementing an ISMS according to the ISO 27001 standard in the ecuadorian manufacturing industry. In 3rd international conference on information systems and computer science (INCISCOS) (p. 294-300). Quito - Ecuador.