Implementación de un Data Warehouse para la toma de decisiones en el proyecto de investigación de la evaluación de campos electromagnéticos de radio, televisión y celulares en la ESPOCH
DOI:
https://doi.org/10.55204/trj.v5i1.e168Palabras clave:
Data Warehouse, DW, Procesos ETL, Python, Kimball, Campos electromagnéticosResumen
El incremento en el uso de tecnologías de radiodifusión y telecomunicaciones ha incrementado la exposición de la población a campos electromagnéticos, generando grandes volúmenes de datos en el marco del proyecto de evaluación desarrollado en la ESPOCH. Las campañas de medición produjeron alrededor de 13.000 archivos CSV con más de 1.5 millones de registros geoespaciales y espectrales, lo cual dificulta su integración, depuración y análisis mediante herramientas tradicionales. Esta investigación aborda la necesidad de integrar y analizar dicha información mediante la implementación de un Data Warehouse orientado a la toma de decisiones, fundamentado en la metodología Kimball, con un modelo dimensional en estrella y un proceso ETL programático en Python, comparado con una herramienta gráfica. El caso de estudio demuestra que el enfoque programático ofrece mejor rendimiento, además de facilitar la flexibilidad y la integración de datos espaciales y temporales. Se concluye que el DW constituye una solución robusta y escalable para apoyar decisiones basadas en evidencia en contextos académicos y técnicos.Descargas
Referencias
Inmon, W. H. (2005). Building the data warehouse (4.ª ed.). Wiley.
Dragomir, R. G. (2016). The role of the modern informatics systems in assisted decisions. Annals of Spiru Haret University. Economic Series, 14(4), 49–58. https://doi.org/10.26458/1445 DOI: https://doi.org/10.26458/1445
Santoso, L. W., & Yulia. (2017). Data warehouse with big data technology for higher education. Procedia Computer Science, 124, 93–99. https://doi.org/10.1016/j.procs.2017.12.134 DOI: https://doi.org/10.1016/j.procs.2017.12.134
Ñauta Ñauta, F. O., & Silva Peñafiel, G. E. (2025). Data Warehouse para la toma de decisiones oportunas: caso de estudio Empresa de Agua Potable de Azogues (EMAPAL). Código Científico Revista de Investigación, 6(1), 710–730. https://doi.org/10.55813/gaea/ccri/v6/n1/914 DOI: https://doi.org/10.55813/gaea/ccri/v6/n1/914
Souibgui, M., Atigui, F., Zammali, S., Cherfi, S., & Ben Yahia, S. (2019). Data quality in ETL process: A preliminary study. Procedia Computer Science, 159, 676–687. https://doi.org/10.1016/j.procs.2019.09.223 DOI: https://doi.org/10.1016/j.procs.2019.09.223
Silva-Peñafiel, G. E., Córdova-Vaca, A. M., Cusco-Vinueza, V. A., Cusco-Vinueza, V. A., & Estrada-Velasco, M. V. (2021). Implementación de un Data Warehouse mediante la metodología Hefestos para la toma de decisiones en el Instituto Nacional de Patrimonio Cultural Regional 3. Dominio de las Ciencias, 7(3), 1116–1135. https://doi.org/10.23857/dc.v7i3.2044
Kimball, R., Ross, M., Thornthwaite, W., Mundy, J., & Becker, B. (2008). The Data Warehouse Lifecycle Toolkit (2nd ed.). Wiley.
Guerrero García, M. J., & Rodas Silva, J. (2022). Análisis comparativo de metodologías y herramientas tecnológicas para procesos de Business Intelligence orientado a la toma de decisiones. Informática y Sistemas: Revista de Tecnologías de la Informática y las Comunicaciones, 6(1), 38–44. https://doi.org/10.33936/isrtic.v6i1.4522 DOI: https://doi.org/10.33936/isrtic.v6i1.4522
Kirmani, M. M. (2017). Dimensional Modeling Using Star Schema for Data Warehouse Creation. Oriental Journal of Computer Science and Technology, 10(4), 745–754. http://dx.doi.org/10.13005/ojcst/10.04.07 DOI: https://doi.org/10.13005/ojcst/10.04.07
Wijaya, W., Wiratama, J., & Wijaya, S. F. (2024). The implementation of data warehouse and star schema for optimizing property business decision making. G-Tech: Jurnal Teknologi Terapan, 8(2), 1242–1250. https://doi.org/10.33379/gtech.v8i2.4091 DOI: https://doi.org/10.33379/gtech.v8i2.4091
Jensen, S. K., Thomsen, C., Pedersen, T. B. & Andersen, O. (2021). pygrametl: A Powerful Programming Framework for Easy Creation and Testing of ETL Flows. En Transactions on Large-Scale Data- and Knowledge-Centered Systems XLVIII (pp. 45–84). Springer. https://doi.org/10.1007/978-3-662-63519-3_3 DOI: https://doi.org/10.1007/978-3-662-63519-3_3
Kamlofsky, J., Manzano, F., & Lopez Yse, D. (2024). Tareas ETL más simples con Pandas: funciones útiles aplicadas sobre datos públicos. Revista Abierta de Informática Aplicada, 8(1), 47–70. https://doi.org/10.59471/raia2024204 DOI: https://doi.org/10.59471/raia2024204
Almeida, E. C. de. (2011). Estudo de viabilidade de uma plataforma de baixo custo para data warehouse (Preprint). arXiv. https://doi.org/10.48550/arXiv.1108.0729
Barreno-Pilco, B. A., & Silva-Peñafiel, G. E. (2025). Calidad de datos en el Data Lake de una Fintech de Servicios Financieros, basado en las dimensiones de la norma ISO/IEC 25012. Código Científico Revista de Investigación, 6(1), 731–759. https://doi.org/10.55813/gaea/ccri/v6/n1/915 DOI: https://doi.org/10.55813/gaea/ccri/v6/n1/915
Vilela, F. de A., Times, V. C., Bernardi, A. C. de C., Freitas, A. de P., & Ciferri, R. R. (2023). A non-intrusive and reactive architecture to support real-time ETL processes in data warehousing environments. Heliyon, 9(5), e15728. https://doi.org/10.1016/j.heliyon.2023.e15728 DOI: https://doi.org/10.1016/j.heliyon.2023.e15728
Romero-Chuquital, A., & Melendres-Velasco, J. J. (2023). Uso de Data Warehouse para la toma de decisiones empresariales: una revisión literaria. Revista Científica de Sistemas e Informática, 3(2), 1–23. https://doi.org/10.51252/rcsi.v3i2.543 (revistas.unsm.edu.pe) DOI: https://doi.org/10.51252/rcsi.v3i2.543
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Danilo Llangarí Silva, Pedro Severo Infante Moreira

Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los autores conservan los derechos morales y patrimoniales de sus obras.
Se permite el autoarchivo de la versión final (maquetada tal como saldrá publicada en la revista).
Véase también "Derechos de autor y licencias".