ISSN 2953-6367  
http://revistainvestigo.com  
Julio - diciembre 2026  
Vol. 7 No. 20, PP. 759-775  
https://doi.org/10.56519/9dmt9e51  
IMPLEMENTACIÓN DE UNA ARQUITECTURA DE BASE DE  
DATOS PARA LA CREACIÓN DE UN REPOSITORIO DE DATOS  
ACADÉMICOS EN LA UNIVERSIDAD NACIONAL DE  
CHIMBORAZO  
IMPLEMENTATION OF A DATABASE ARCHITECTURE FOR THE  
CREATION OF AN ACADEMIC DATA REPOSITORY AT THE  
UNIVERSIDAD NACIONAL DE CHIMBORAZO  
María Isabel Uvidia-Fassler1, Christiam Xavier Núñez-Zavala2, Heidy Madeline Remache-  
Remache3, Rene Omar Saigua Paredes4, Jean Pierre Toapanta Ajila5  
{muvidia@unach.edu.ec1, cnunez@unach.edu.ec2, heidy.remache@unach.edu.ec3, renesaigua72@gmail.com4, themrlngalo2002@gmail.com5}  
Fecha de recepción: 19/06/2026 / Fecha de aceptación: 06/07/2026  
/ Fecha de publicación: 08/07/2026  
RESUMEN: El presente estudio permitió implementar una arquitectura de base de datos para  
la creación de un repositorio académico en la Universidad Nacional de Chimborazo (UNACH),  
con el propósito de superar las limitaciones generadas por la dispersión de la información  
mediante la estructuración de los datos en un data warehouse que facilite su gestión y análisis  
estratégico. La investigación tiene un enfoque mixto, los datos cualitativos se centraron en la  
indagación de la integración y arquitectura de los modelos de repositorios, y los datos  
cuantitativos se evaluaron mediante la calidad de los datos bajo la norma ISO/IEC 25012:2008.  
La metodología HEFESTO se aplicó para la construcción del repositorio usando SQL Server  
Integration Services (SSIS) para los procesos de extracción, transformación y carga (ETL) y SQL  
Server para el almacenamiento multidimensional. Además, para el análisis de los datos se  
utilizó Power BI para la generación de reportes visuales y cuadros de mando con base de  
indicadores académicos para la toma de decisiones. Finalmente, los criterios de exactitud,  
consistencia y completitud alcanzaron un valor promedio superior al 95%, demostrando el  
cumplimiento de requerimientos de calidad de la información en el repositorio implementado,  
permitiendo el fortaleciendo de la toma de decisiones y el cumplimiento de las necesidades  
institucionales con datos consistentes que generan conocimiento útil y relevante para la  
determinación de estrategias y acciones académicas.  
¹Universidad Nacional de Chimborazo, Riobamba, Ecuador, https://orcid.org/0000-0001-7862-4460  
²Universidad Nacional de Chimborazo, Riobamba, Ecuador, https://orcid.org/0000-0001-8162-5616  
3Autor Independiente, Riobamba, Ecuador, https://orcid.org/0000-0002-9298-2069  
4Autor Independiente, Ecuador, https://orcid.org/0009-0007-5110-3973  
5Autor Independiente, Riobamba, Ecuador, https://orcid.org/0000-0002-8256-8024  
759  
Revista Científica Multidisciplinaria InvestiGo  
Riobamba – Ecuador  
Cel: +593 97 911 9620  
revisinvestigo@gmail.com  
IMPLEMENTACIÓN DE UNA ARQUITECTURA DE BASE DE DATOS PARA LA CREACIÓN DE UN REPOSITORIO DE DATOS  
ACADÉMICOS EN LA UNIVERSIDAD NACIONAL DE CHIMBORAZO  
Palabras clave: Data warehouse, HEFESTO, ISO/IEC 25012:2008, inteligencia de negocios  
ABSTRACT: This study enabled the implementation of a database architecture for an  
academic repository at the Universidad Nacional de Chimborazo (UNACH) to overcome  
information fragmentation by structuring data in a data warehouse that supports management  
and strategic analysis. The research used a mixed-methods approach: qualitative data  
examined the integration and architecture of repository models, while quantitative data were  
evaluated using data quality standards (ISO/IEC 25012:2008). The HEFESTO methodology was  
applied to build the data warehouse, using SQL Server Integration Services (SSIS) for extraction,  
transformation, and loading (ETL) and SQL Server for multidimensional storage. Power BI was  
also used for data analysis to generate visual reports and dashboards based on academic  
indicators and to support decision-making. Finally, the criteria for accuracy, consistency, and  
completeness achieved average scores above 95%, demonstrating that the implemented  
repository met information quality requirements. This strengthens decision-making and  
addresses institutional needs through consistent data that generates useful, relevant  
knowledge for formulating academic strategies and actions.  
Keywords: Data warehouse, HEFESTO, ISO/IEC 25012:2008, business intelligence  
INTRODUCCIÓN  
En la actualidad, la gestión y uso adecuado de la información se han convertido en factores clave  
que influyen en la toma de decisiones estratégicas, ya que permiten a las organizaciones mejorar  
su competitividad en el mercado (1). En este contexto, las instituciones de educación superior  
(IES) como la Universidad Nacional de Chimborazo (UNACH), durante el proceso importante de  
transformación digital están generando grandes volúmenes de datos en sus actividades  
académicas, administrativas y de investigación. Con el objetivo de que estos datos sean útiles, las  
universidades han aplicado Inteligencia de Negocios (BI) para generar análisis y apoyar la gestión  
institucional (2). Sin embargo, cuando la información está dispersa y no existe un repositorio que  
integre los datos, es más difícil la extracción de conocimiento significativo para la IES. Esta  
problemática también se relaciona con el crecimiento del movimiento de Acceso Abierto (AA),  
que promueve un mayor acceso al conocimiento científico-técnico mediante el uso de las  
Tecnologías de la Información y la Comunicación (TIC).  
La implementación de una arquitectura de datos académicos contribuye en una mejor calidad  
informativa, favoreciendo la exactitud, la consistencia y la completitud de los datos. Además,  
facilita los procesos de análisis e incorporación de tecnologías emergentes como la inteligencia  
artificial (IA) adecuada para sistemas informáticos, infraestructura y aplicaciones académicas. De  
acuerdo con Henderson et al. (3), las arquitecturas modernas permiten un manejo eficiente en la  
gestión de grandes volúmenes de datos (Big Data) y promueve la innovación tecnológica. Otro  
punto importante, es que una arquitectura adecuada garantiza la preservación y el acceso a la  
información, siendo vital para las IES (4).  
760  
IMPLEMENTACIÓN DE UNA ARQUITECTURA DE BASE DE DATOS PARA LA CREACIÓN DE UN REPOSITORIO DE DATOS  
ACADÉMICOS EN LA UNIVERSIDAD NACIONAL DE CHIMBORAZO  
Los almacenes de datos (DWH) son fundamentales para la gestión del conocimiento  
organizacional, ya que integran información valiosa de diversas áreas y favorecen la toma de  
decisiones estratégicas. En este sentido, la construcción de repositorios de datos en instituciones  
académicas consiste en diseñar un sistema centralizado que recopila, combina y almacena  
información de diversas fuentes (como sistemas de información estudiantil y de recursos  
humanos) para facilitar la analítica y la toma de decisiones (5). Estas estructuras organizan datos  
históricos en áreas temáticas y enfrentan desafíos que han dado lugar a planteamientos  
metodológicos: impulsados por la oferta, la demanda o híbridos (6).  
Según Kimball y Ross (7) los análisis multidimensionales y la identificación de patrones útiles  
permiten la aplicación de inteligencia de negocios. Además, investigaciones recientes evidencian  
que la metodología de Kimball y el uso de esquemas en estrella representan el enfoque  
arquitectónico más predominante para el diseño de estos almacenes de datos educativos (5). Por  
otro lado, los subconjuntos de un almacén de datos (datamarts) están diseñados para las  
necesidades de un departamento o área específica, lo que facilita un acceso rápido y eficiente a  
la información requerida para el análisis. Asimismo, Inmon et al. (8) señalan que, para una  
adaptación rápida ante los cambios organizacionales es necesario un diseño escalable y  
adaptable. De igual manera, los modelos híbridos destacan por favorecer la integración entre las  
necesidades institucionales y la infraestructura tecnológica, lo que mejora su eficiencia ante los  
cambios constantes.  
En el contexto ecuatoriano, el desarrollo e implementación de estos sistemas en la educación  
superior han presentado resultados favorables para el mejoramiento de la gestión académica. En  
la investigación realizada por Uvidia Fassler et. al. (9) en la Escuela Politécnica de Chimborazo  
(ESPOCH), se demostró que la aplicación de la metodología HEFESTO fue de gran utilidad para la  
gestión de información académica, y si existe el complemento mediante el proceso de  
descubrimiento de conocimiento de bases de datos (KDD), se fortalece aún más la toma de  
decisiones en base al conocimiento obtenido, siendo importante este aporte al enfoque  
tecnológico.  
La evaluación de los repositorios académicos depende de los objetivos para los que fueron  
creados y de las necesidades institucionales, es así como Andrés et al. (10) proponen indicadores  
para su análisis, entre los que destacan los servicios de valor añadido, la orientación del  
repositorio y el alcance institucional. Asimismo, se menciona la importante de comprender el  
nivel de colaboración entre repositorios, para poder determinar si las funciones son procesadas  
por un solo sistema o si la carga de trabajo es compartida entre varios lagos de datos. Por otra  
parte, Cabrera-Gato y Romero-Suárez (11) señalan que es fundamental considerar la evolución  
de las arquitecturas y modelos aplicados a la gestión de datos, entre los que destacan los DWH,  
Data Lake y Data Lakehouse; es por ello por lo que el constante avance tecnológico supone un  
criterio clave para la actualización de los repositorios de datos. Mediante una investigación  
bibliográfica, Kutay (12) establece parámetros comparativos entre estas arquitecturas: mientras  
que los Data Lakes y Lakehouses destacan por su rentabilidad y flexibilidad en el manejo de datos  
semiestructurados y no estructurados, el Data Warehouse (DWH) funciona de manera óptima  
761  
IMPLEMENTACIÓN DE UNA ARQUITECTURA DE BASE DE DATOS PARA LA CREACIÓN DE UN REPOSITORIO DE DATOS  
ACADÉMICOS EN LA UNIVERSIDAD NACIONAL DE CHIMBORAZO  
con datos estructurados y es el modelo más adecuado para casos de uso de análisis de datos e  
inteligencia empresarial (BI).  
Por tal motivo, esta investigación tiene como objetivo implementar una arquitectura de base de  
datos para desarrollar un repositorio de datos académicos para la UNACH, con el fin de mejorar  
la gestión de la información, consolidar los datos existentes y generar informes que faciliten la  
toma de decisiones estratégicas. Finalmente, la evaluación de los criterios de exactitud,  
consistencia y completitud descritos en la norma ISO/IEC 25012:2008 tiene como propósito  
garantizar la calidad de los datos en el repositorio académico.  
MATERIALES Y MÉTODOS  
Enfoque y Diseño de la Investigación  
El propósito de la investigación fue definir las limitaciones y requerimientos del sistema, así como  
evaluar la calidad de los datos bajo la norma ISO/IEC 25012:2008 y las directrices de DAMA-  
DMBOK, mediante la aplicación de las ecuaciones correspondientes. Los datos analizados  
corresponden al régimen presencial del periodo 2016 – 2025.  
Exactitud: Se refiere al grado en que los datos representan correctamente la realidad.  
푁ú푚푒푟표 푑푒 푑푎푡표푠 푐표푟푟푒푐푡표푠  
퐸푥푎푐푡푖푡푢푑 =  
× 100  
푁ú푚푒푟표 푡표푡푎푙 푑푒 푟푒푔푖푠푡푟표푠 푒푣푎푙푢푎푑표푠  
Consistencia: Consiste en garantizar que no existan contradicciones lógicas entre elementos de  
datos dentro del mismo grupo.  
푁ú푚푒푟표 푑푒 푑푎푡표푠 푐표푛푠푖푠푡푒푛푡푒푠  
퐶표푚푝푙푒푡푖푡푢푑 =  
× 100  
× 100  
푁ú푚푒푟표 푡표푡푎푙 푑푒 푟푒푔푖푠푡푟표푠 푒푣푎푙푢푎푑표푠  
Completitud: Se refiere a si se incluyen todos los datos requeridos.  
푁ú푚푒푟표 푑푒 푑푎푡표푠 푐표푚푝푙푒푡표푠  
퐶표푚푝푙푒푡푖푡푢푑 =  
푁ú푚푒푟표 푡표푡푎푙 푑푒 푟푒푔푖푠푡푟표푠 푒푣푎푙푢푎푑표푠  
Arquitectura de Datos Propuesta  
El modelo diseñado es un sistema integral estructurado como un flujo secuencial donde los  
usuarios interactúan con un sistema centralizado gestionado por un gestor de base de datos  
(DBMS). Posteriormente, la información transita a través de áreas de preparación (Stage), un  
almacén de datos operativos (ODS), la ejecución rigurosa de procesos de Extracción,  
Transformación y Carga (ETL) y un sistema de entrega de datos (DDS), convergiendo finalmente  
en el DWH. Esta arquitectura, detallada en la Figura 1, garantiza una separación estricta entre las  
capas, estableciendo el ecosistema óptimo para la generación de cuadros de mando.  
762  
IMPLEMENTACIÓN DE UNA ARQUITECTURA DE BASE DE DATOS PARA LA CREACIÓN DE UN REPOSITORIO DE DATOS  
ACADÉMICOS EN LA UNIVERSIDAD NACIONAL DE CHIMBORAZO  
Figura 1. Arquitectura de base de datos y del DWH.  
Aplicación de la metodología HEFESTO  
Fase I: Análisis de Requerimientos y Modelo Conceptual  
Como primer paso, con el apoyo de la Dirección de Evaluación para el Aseguramiento de la Calidad  
Institucional (DEACI) y con base en los requerimientos de la investigación, se establecieron 28  
indicadores agrupados en los criterios de Acreditación DEACI, Gestión Académica, Administrativo,  
Carreras y Programas, y Rendimiento Poblacional.  
La interacción de estos requerimientos dio origen al Modelo Conceptual presentado en la Figura  
2, el cual representa gráficamente las perspectivas del dominio y las relaciones estratégicas.  
Figura 2. Modelo Conceptual.  
Fase II: Análisis de los Sistemas Transaccionales (OLTP)  
En la definición del modelo de datos se identificó la relación entre el modelo conceptual y las  
fuentes originales de información, eso garantizó que cada indicador estuviera respaldado por los  
atributos correspondientes. A partir de ello, se estableció un nivel de granularidad adecuada para  
el análisis analítico detallado, incorporando identificadores únicos, fechas de vigencia, claves  
foráneas vinculadas a la dimensiones y campos de auditoría para la trazabilidad.  
Fase III: Diseño del Modelo Lógico del DWH  
Se diseñó un modelo bajo esquema de constelación, ilustrados en la Figura 3, permitiendo  
compartir dimensiones entre múltiples tablas de hechos, ofreciendo alta eficiencia. Las relaciones  
se establecieron mediante vínculos de claves primarias y foráneas (PK-FK).  
763  
   
IMPLEMENTACIÓN DE UNA ARQUITECTURA DE BASE DE DATOS PARA LA CREACIÓN DE UN REPOSITORIO DE DATOS  
ACADÉMICOS EN LA UNIVERSIDAD NACIONAL DE CHIMBORAZO  
DIM_TIPODISTRIBUTIVO  
DIM_CATEGORIA  
TipoDistributivoID  
CategoriaID  
Tipo  
ETLFecha  
ETLCarga  
Nombre  
ETLFecha  
ETLCarga  
HECHOS_ACCION_PERSONAL  
AccionPersonalID  
ServidorID  
RegimenID  
TipoAccionPersonalID  
Activo  
DIM_TIPO_ACCION_PERSONAL  
TipoAccionPersonalID  
Nombre  
ETLFecha  
ETLCarga  
DIM_NIVEL_FORMACION  
NivelFormacionSK  
IdServidor  
Titulo  
Institucion  
NivelSenescyt  
FechaRegistro  
FechaGrado  
ETLFecha  
ETLCarga  
DocenteID  
Numero  
ElaboradoID  
DesdeID  
ETLFecha  
ETLCarga  
Grado  
HECHOS_DOCENTE_DISTRIBUTIVO  
DistributivoID  
DocenteID  
*
DIM_TIEMPO_DEDICACION  
TiempoDedicacionID  
Nombre  
ETLFecha  
ETLCarga  
CategoriaID  
TiempoDedicacionID  
RelacionLaboralID  
TipoDistributivoID  
PeriodoID  
HorasClase  
HorasActividades  
ETLFecha  
DIM_REGIMEN  
RegimenID  
Nombre  
ETLFecha  
ETLCarga  
Nivel  
HastaID  
DIM_DOCENTE  
DocenteID  
ServidorID  
ETLFecha  
ETLCarga  
DIM_RELACION_LABORAL  
RelacionLaboralID  
Nombre  
ETLFecha  
ETLCarga  
ETLCarga  
FactDistribID  
DIM_TIEMPO  
FechaID  
Año  
Mes  
NombreMes  
Trimestre  
Semestre  
SemanaDelAño  
Día  
NombreDía  
DíaLaborable  
EsFinDeSemana  
IdentificadorTecnico  
ETLFecha  
HECHOS_PROCESO_CONTRACTUAL  
ProcesoContractualID  
DependenciaID  
RegimenID  
TipoContratoID  
Nombre  
FechaContractualID  
DesdeID  
HastaID  
ETLFecha  
ETLCarga  
DIM_ASIGNATURA  
AsignaturaID  
AsignaturaCodigo  
Nombre  
CarreraID  
CargaHoraria  
Creditos  
HorasDocencia  
HorasPracticasExperimentacion  
HorasAprendizajeAutonomo  
TeoriaPracticaDiferenteDocente  
AreaConocimientoID  
SubareaConocimientoID  
CampoConocimientoID  
ETLFecha  
DIM_TIPO_CONTRATO  
TipoContratoID  
Nombre  
ETLFecha  
ETLCarga  
HECHOS_DOCENTE_HORARIOS  
DistributivoID  
Dia  
HoraIdent  
ParaleloID  
AsignaturaID  
ETLFecha  
ETLCarga  
*
DIM_DISTRIBUTIVO  
DistributivoID  
ETLFecha  
*
ETLCarga  
ETLCarga  
FechaCompleta  
HECHOS_CALIFICACIONES  
ActaID  
MatriculaID  
ETLCarga  
CarreraNombre  
AreaConocimientoNombre  
SubareaConocimientoNombre  
CampoConocimientoNombre  
DIM_PARALELO  
ParaleloID  
Descripcion  
ETLFecha  
AsignaturaID  
AsistenciaNumero  
AsistenciaPorcentaje  
PromedioNumero  
PromedioLetras  
Observaciones  
Aporte1  
DIM_PERIODO  
PeriodoID  
Descripcion  
Situacion  
FechaInicio  
FechaFin  
FechaTransaccion  
ETLFecha  
DIM_DEPENDENCIA  
IdDependencia  
NombreDependencia  
ETLFecha  
HECHOS_MATRICULA  
MatriculaID  
EstudianteID  
CarreraID  
PeriodoID  
NivelID  
ParaleloID  
FacultadID  
Situacion  
ETLCarga  
ETLCarga  
DIM_TIPOCARRERA  
TipoCarreraID  
DescripcionTipoCarrera  
ETLFecha  
Aporte2  
Aporte3  
ETLFecha  
ETLCarga  
Suma  
HechoCalificacionID  
ETLCarga  
ETLCarga  
DIM_ESTUDIANTE  
EstudianteID  
ETLFecha  
ETLCarga  
TipoCarreraID  
ModalidadID  
IdDependencia  
TituloID  
FechaEmision  
FechaLegalizacion  
ETLFecha  
DIM_MODALIDAD  
ModalidadID  
Descripcion  
ETLFecha  
ETLCarga  
DIM_TITULO  
TituloID  
Descripcion  
CarreraID  
ETLCarga  
DIM_CARRERA  
NivelCarreraID  
NivelAcademico  
Modalidad  
Situacion  
ETLFecha  
ETLCarga  
CarreraID  
NombreCarrera  
Situacion  
Extension  
Nivel  
DIM_NIVEL  
NivelID  
Descripcion  
ETLFecha  
ETLCarga  
DIM_FACULTAD  
FacultadID  
Nombre  
ETLFecha  
ETLCarga  
FechaCreacion  
ETLFecha  
ETLCarga  
Alias  
Figura 3. Diseño lógico del DWH.  
Modelo Matemático de Indicadores Clave (KPIs)  
Se ejecutó sobre un sistema con un procesador Intel Core i5 de décima generación, 16 GB de  
memoria RAM y una unidad de estado sólido (SSD) de 1 TB. Los indicadores se calcularon de un  
total de 307,317 registros transaccionales y se organizaron en los cinco criterios establecidos, con  
el siguiente propósito:  
•
•
•
•
•
Acreditación DEACI (9 indicadores): Evalúa la estabilidad y la calidad de la planta docente  
de la institución.  
Gestión Académica (4 indicadores): Mide el rendimiento y la efectividad del proceso de  
enseñanza-aprendizaje.  
Administrativo (4 indicadores): Da seguimiento a la estabilidad laboral y la gestión de  
talento humano.  
Carreras y Programas (6 indicadores): Analiza la distribución y carga la de las carreras y  
programas académicos.  
Rendimiento Poblacional (5 indicadores): Cuantifica y observa el comportamiento de la  
población estudiantil activa y la evolución de la demanda académica.  
764  
 
IMPLEMENTACIÓN DE UNA ARQUITECTURA DE BASE DE DATOS PARA LA CREACIÓN DE UN REPOSITORIO DE DATOS  
ACADÉMICOS EN LA UNIVERSIDAD NACIONAL DE CHIMBORAZO  
Fase IV: Implementación  
En esta fase se realizó la carga inicial del DWH, implementado bajo un esquema de constelación  
que integró las tablas de dimensiones y hechos. Para ello, se desarrollaron 28 procesos ETL,  
garantizando la correcta integración de la información. En la Figura 4 se presentan los flujos  
creados para el DWH.  
Figura 4. Flujo de datos en el ETL de SSIS.  
Además, se incorporaron mecanismos de validación mediante SSIS y consultas SQL para verificar  
la calidad de los datos y la integridad referencial. En la Figura 5 se observa como ejemplo la carga  
inicial del proceso ETL realizado.  
Figura 5. Revisión y Comprobación de la carga de datos.  
Para las actualizaciones periódicas del DWH, se establecieron mecanismos de validación  
posteriores a la carga incremental o actualizaciones masivas con el fin de detectar inconsistencias  
765  
   
IMPLEMENTACIÓN DE UNA ARQUITECTURA DE BASE DE DATOS PARA LA CREACIÓN DE UN REPOSITORIO DE DATOS  
ACADÉMICOS EN LA UNIVERSIDAD NACIONAL DE CHIMBORAZO  
y asegurar la exactitud y consistencia de la información almacenada, tal como se muestra en la  
Figura 6.  
Figura 6. Comprobaciones del flujo de datos de una tabla de hechos.  
RESULTADOS  
Resultados de Inteligencia de Negocios (BI)  
La pantalla de inicio del Sistema de Visualización de Indicadores Académicos de la UNACH sirve  
como el acceso principal donde se integran las funciones esenciales de la herramienta. Como se  
evidencia en la Figura 7 la navegación detalla las áreas funcionales abarcadas: Acreditación DEACI,  
Gestión Académica, Administrativo, Carreras y Programas, y Rendimiento Poblacional.  
766  
 
IMPLEMENTACIÓN DE UNA ARQUITECTURA DE BASE DE DATOS PARA LA CREACIÓN DE UN REPOSITORIO DE DATOS  
ACADÉMICOS EN LA UNIVERSIDAD NACIONAL DE CHIMBORAZO  
Figura 7. Pantalla de Inicio.  
Como resultado de la implementación, se obtuvieron un conjunto de reportes institucionales y  
estratégicos para la toma de decisiones gerenciales, como se muestra en la Figura 8. En el  
dashboard del criterio Acreditación DEACI (Periodo 2025 – 2S) se evidenció que la institución  
contaba con un 82.68% de docentes a tiempo completo y una relación de 15 estudiantes por  
docente. Sin embargo, la mayor parte del personal académico pertenecía a la categoría Ocasional  
(55.12%) superando a la Titular (41.57%), mientras que solo el 25.98% de los docentes contaba  
con formación doctoral.  
Figura 8. Visualización de reportes en Power BI.  
En el panel de KPIs se realizó un análisis formal sobre el rendimiento institucional en relacion con  
las metas planteadas (Figura 9):  
767  
   
IMPLEMENTACIÓN DE UNA ARQUITECTURA DE BASE DE DATOS PARA LA CREACIÓN DE UN REPOSITORIO DE DATOS  
ACADÉMICOS EN LA UNIVERSIDAD NACIONAL DE CHIMBORAZO  
•
•
•
Porcentaje de Titulares: El indicador es de 41.57% calificado como “Poco satisfactorio” al  
ubicarse entre 40% y 50%, estando un 30.71% por debajo de la meta de 0.60.  
Tasa de Dedicación a Tiempo Completo: El valor de 82.68% se consideró “Satisfactorio”  
(mayor o igual al 50%), superando el objetivo inicial en 66.67% respecto a la meta de 0.50.  
Docentes con Formación Doctoral: Con un 25.98% fue evaluado como “Satisfactorio”  
(superior al 20%) sobrepasando la meta en 29.92%.  
Figura 9. Escalas de valoración para indicadores cuantitativos del CACES.  
Evaluación de la Calidad de Datos (ISO/IEC 25012:2008)  
Con el propósito de analizar la calidad de los datos del sistema implementado en el repositorio  
de la UNACH, se llevó a cabo una evaluación basada en el estándar ISO/IEC 25012:2008,  
contemplando dimensiones clave como exactitud, consistencia y completitud mediante  
codificación en SQL Server.  
Exactitud Semántica: Se evaluaron aspectos como el cumplimiento de los dominios establecidos,  
la ausencia de valores nulos y la alineación con las normas académicas. Los resultados se detallan  
en la Tabla 1.  
768  
 
IMPLEMENTACIÓN DE UNA ARQUITECTURA DE BASE DE DATOS PARA LA CREACIÓN DE UN REPOSITORIO DE DATOS  
ACADÉMICOS EN LA UNIVERSIDAD NACIONAL DE CHIMBORAZO  
Tabla 1. Evaluación del criterio de exactitud semántica.  
Filas  
totales  
Nivel de  
Calidad  
Tabla  
Atributos Evaluados  
Errores  
Validez %  
AreaConocimientoID  
AsignaturaCodigo  
Alta exactitud  
semántica  
2451  
0
100.0  
dim_asignatura  
CampoConocimientoID  
Descripcion  
FechaTransaccion  
Situacion  
Alta exactitud  
semántica  
dim_periodo  
84  
0
0
100.0  
100.0  
FechaLegalizacion  
PeriodoID  
Situacion  
hechos_matricula  
Alta exactitud  
semántica  
70226  
Consistencia: Se centró en asegurar la completitud a través de la verificación de reglas de  
integridad referencial y de dominio, preservando la uniformidad e impidiendo registros sin  
conexión. Los resultados se observan en la Tabla 2.  
Tabla 2. Evaluación del criterio de consistencia.  
Filas  
totales  
Validez  
%
Nivel de  
Calidad  
Tabla  
Atributos Evaluados  
Errores  
Referencias válidas para:  
hechos_docente_distributivo CategoriaID, DistributivoID, 5904  
DocenteID  
Alta  
consistencia  
0
100.0  
Regla  
DocenteID,  
NivelFormacionSK  
NOT NULL  
para:  
Alta  
consistencia  
dim_nivel_formacion  
IdServidor, 8608  
0
0
100.0  
100.0  
Regla  
NOT NULL  
para:  
DistributivoID, FactHorarioID  
Alta  
consistencia  
hechos_docente_horarios  
67873  
Referencia  
ParaleloID  
válida  
para:  
Completitud: Garantizó que los datos transaccionales se transfieran correctamente desde la  
fuente (OLTP) al destino (DWH) mediante un balance de conteos de filas. Los hallazgos se  
muestran en la Tabla 3.  
769  
   
IMPLEMENTACIÓN DE UNA ARQUITECTURA DE BASE DE DATOS PARA LA CREACIÓN DE UN REPOSITORIO DE DATOS  
ACADÉMICOS EN LA UNIVERSIDAD NACIONAL DE CHIMBORAZO  
Tabla 3. Evaluación del criterio de completitud.  
Filas  
totales  
2451  
Tabla  
Errores  
Validez %  
100.0  
100.0  
100.0  
100.0  
100.0  
97.14  
100.0  
Nivel de Calidad  
dim_asignatura  
dim_carrera  
dim_categoria  
dim_paralelo  
0
0
0
0
0
Alta completitud  
Alta completitud  
Alta completitud  
Alta completitud  
Alta completitud  
Alta completitud  
Alta completitud  
Aceptable  
295  
28  
24340  
2858  
6078  
67873  
hechos_accion_personal  
hechos_docente_distributivo  
hechos_docente_horarios  
174  
0
hechos_matricula  
107903  
3664  
37677  
46  
65.08  
98.74  
completitud  
Alta completitud  
hechos_proceso_contractual  
Los datos faltantes, que representan al 35% de la tabla de hechos_matricula corresponden a las  
columnas de cédula, nombres, apellidos, correos electrónicos, género y fecha de nacimiento.  
Dado que esta información es administrada por CODESI, su actualización y corrección forman  
parte de los procesos gestionados por el departamento.  
Representación técnica de calidad de datos  
Para finalizar el análisis, se generaron graficas de tendencias. El gráfico de pastel sobre el nivel de  
formación (Figura 10) indica que el 83.0% de la información se encuentra en la categoría “Calidad  
promedio”, lo que significa un alto nivel de cumplimiento, mientras que el 17.0% restante se  
designa como “Pendiente”.  
Figura 10. Porcentaje de calidad de datos en la Formación Académica.  
El Radar de calidad de la tabla hechos_docente_distributivo (Figura 11) evidenció una  
completitud alta (aproximadamente 97%), mientras que los atributos de exactitud y consistencia  
lograron la perfección con un valor de 100.  
770  
   
IMPLEMENTACIÓN DE UNA ARQUITECTURA DE BASE DE DATOS PARA LA CREACIÓN DE UN REPOSITORIO DE DATOS  
ACADÉMICOS EN LA UNIVERSIDAD NACIONAL DE CHIMBORAZO  
Figura 11. Radar de calidad de hechos_docente_distributivo  
Este cumplimiento se corrobora en la Figura 12, donde el gráfico de barras detalla  
porcentualmente que la exactitud y consistencia alcanzan el 100.00% y la completitud se  
establece en un 97.14%.  
Figura 12. Cumplimiento de estándares ISO en hechos_docente_distributivo.  
DISCUSIÓN  
La implementación de la arquitectura tuvo como resultado la consolidación de los datos  
académicos dispersos de la UNACH en un repositorio centralizado y multidimensional. Al  
respecto, Correa-Peralta et al. (13), mencionan que las instituciones que adoptan arquitecturas  
centralizadas logran una transición crítica hacia una gobernanza académica proactiva y predictiva,  
lo cual es validado por la propuesta de Sequeira et al. (14), quienes definen este avance como la  
evolución hacia un "ecosistema de datos" interconectado que trasciende los sistemas aislados.  
Para este estudio se creó un DWH empleando procesos ETL bajo la metodología HEFESTO. En  
relación con esto, Dinesh & Devi (15) destacan que los procesos de extracción deben priorizar la  
exactitud para garantizar una explotación analítica confiable. La efectividad de este  
procedimiento coincide con la experiencia de Castro (16), quienes demostraron que HEFESTO  
771  
   
IMPLEMENTACIÓN DE UNA ARQUITECTURA DE BASE DE DATOS PARA LA CREACIÓN DE UN REPOSITORIO DE DATOS  
ACADÉMICOS EN LA UNIVERSIDAD NACIONAL DE CHIMBORAZO  
reduce la ambigüedad en entornos complejos. No obstante, en la UNACH la heterogeneidad de  
fuentes requirió un esfuerzo de limpieza superior, lo cual concuerda con lo expuesto por Souibgui  
et al. (17), quienes señalan que la calidad en el proceso ETL es la condición sine qua non para el  
éxito de cualquier sistema de inteligencia de negocios.  
La aplicación de la norma ISO/IEC 25012 en entornos universitarios requiere considerar su  
capacidad de adaptación a los datos académicos y sus características. Debido a que esta  
información está en constante cambio, el estándar proporciona directrices de calidad que pueden  
ajustarse a diferentes contextos y necesidades institucionales (18), esto permite que se pueda  
definir las reglas de negocios acorde a la organización y así adaptar la evaluación de la calidad  
(19,20). De esta forma, los diccionarios de datos pueden ser actualizados conforme a la evolución  
institucional, manteniendo los mismos criterios de evaluación (20).  
Aplicar este estándar también presenta algunos desafíos en el proceso ETL. Al verificar la calidad  
de los datos se realizan validaciones adicionales que aumentan el tiempo de procesamiento y el  
uso de recursos del sistema (17). Sin embargo, este impacto se justifica por los beneficios que  
aporta a la calidad de los datos. En un contexto universitario, el tener información confiable es  
fundamental para la generación de reportes que puedan apoyar la toma de decisiones;  
manteniendo un equilibrio entre el esfuerzo de procesamiento y la calidad de la información.  
Esta elección metodológica fue acertada por su compatibilidad con Power BI, herramienta que,  
según Belghith et al. (21), transforma datos complejos en tableros interactivos que reducen la  
resistencia al cambio directivo. En esta misma línea, Uvidia Fassler et al. (9) destaca que la  
explotación de estos repositorios es una necesidad estratégica fundamental para transparentar  
la gestión institucional. Esto se complementa con lo hallado por Rivera-Baena et al. (22), quienes  
demuestran que el uso de dashboards analíticos es vital para caracterizar fenómenos complejos  
como la deserción estudiantil, permitiendo a los administradores visualizar relaciones  
multivariables y tomar decisiones basadas en evidencia concreta.  
La evaluación de la norma ISO/IEC 25012:2008 arrojó un 100% en exactitud semántica y  
consistencia. Sin embargo, la tabla de hechos de matrículas registró un 65.08% de completitud.  
De acuerdo con Mositsa et al. (23), esto ocurre habitualmente por fallas estructurales en la  
gobernanza original, tales como migraciones deficientes o falta de validación en formularios  
históricos. El impacto de este 65.08% representa una limitación para el análisis a largo plazo, al  
poder sesgar métricas de deserción y alterar proyecciones requeridas para acreditación. Por ello,  
tal como sostienen Guerra-García et al. (24), es imperativo transicionar hacia un enfoque de  
“Calidad de Datos por Diseño”, implementando rutinas de validación automatizadas en los  
sistemas transaccionales antes de que la información llegue a los procesos ETL.  
Finalmente, los resultados obtenidos evidencian la importancia de evaluar la calidad de los datos  
mediante estándares internacionales como la norma ISO/IEC 25012:2008. Los resultados de la  
investigación mediante el data warehouse desarrollado cumple con los criterios establecidos en  
la norma, lo que evidencia la importancia de la solución tecnológica confiable para la toma de  
decisiones estratégica en la gestión académica. A pesar de que existen grandes ventajas, también  
es preciso señalar que es vital asegurar la calidad de la información, que debe mantenerse  
772  
IMPLEMENTACIÓN DE UNA ARQUITECTURA DE BASE DE DATOS PARA LA CREACIÓN DE UN REPOSITORIO DE DATOS  
ACADÉMICOS EN LA UNIVERSIDAD NACIONAL DE CHIMBORAZO  
actualizada de manera periódica y además, se debe mantener un control adecuado que garantice  
la gestión de los datos.  
CONCLUSIONES  
El diseño e implementación de una arquitectura cliente-servidor permitió centralizar e integrar  
los datos académicos de la Universidad Nacional de Chimborazo (UNACH) mediante un DWH.  
Mediante Power BI se crearon reportes y cuadros de mando realizados en base a los indicadores  
académicos más importantes para la toma de decisiones y el planteamiento de estrategias y  
acciones que contribuyen a mejorar el rendimiento académico de los estudiantes.  
La metodología HEFESTO permitió la implementación del DHW con datos integrados mediante  
ETLs, el resultado fue un repositorio compuesto por 6 tablas de hechos y 22 tablas de  
dimensiones. Esta arquitectura permitió estructurar la información académica e implementar  
cuadros de mando para dar respuesta a los 28 indicadores académicos estratégicos mediante el  
uso de KPIs, los cuales fueron fundamentales para realizar un seguimiento del desempeño  
institucional a partir de la información integrada y actualizada. Entre los resultados obtenidos, se  
evidenció con un 82.68% el nivel satisfactorio del desempeño del personal académico a tiempo  
completo, mientras que el porcentaje de docentes con título de cuarto nivel fue de 25.98%,  
ambos valores superan las metas establecidas por la UNACH. Sin embargo, el porcentaje de  
personal académico con titularidad fue de 41.57%, ubicándose por debajo de la meta definida,  
evidenciando la necesidad de establecer estrategias de mejora. Por este motivo, el DHW y los  
cuadros de mando son una herramienta confiable para dar seguimiento a estos indicadores y  
fortalecer la toma de decisiones enfocadas a cumplimiento de los objetivos institucionales.  
Finalmente, la evaluación de la calidad de los datos basada en el estándar ISO/IEC 25012:2008  
fue favorable para los criterios de exactitud consistencia y completitud alcanzaron un valor  
promedio superior al 95%. Sin embargo, existieron limitaciones en la completitud de algunos  
registros históricos, lo que determinó la reducción de años de análisis de los datos de la  
universidad sin afectar a la calidad de los mismos.  
REFERENCIAS BIBLIOGRÁFICAS  
1.  
Reyes CCDL, Viñán-Ludeña S, Vivanco-Villavicencio MI, Moncayo-Serrano F. Architecture  
research trends between 2016-2020 in the scopus database, and their relationship with the  
creation  
of  
research  
groups.  
Habitat  
Sustentable  
2021;11:46–59.  
https://doi.org/10.22320/07190700.2021.11.02.04.  
2.  
3.  
AL-maaitah TA. Determinants of business intelligence adoption in the public Jordanian  
Universities. Discover Sustainability 2025;7:56. https://doi.org/10.1007/s43621-025-  
02327-x.  
Henderson Deborah, Earley Susan, Bradley Chris. DAMA-DMBOKꢀ: data management body  
of knowledge. 2nd ed. Technics Publications; 2024.  
773  
IMPLEMENTACIÓN DE UNA ARQUITECTURA DE BASE DE DATOS PARA LA CREACIÓN DE UN REPOSITORIO DE DATOS  
ACADÉMICOS EN LA UNIVERSIDAD NACIONAL DE CHIMBORAZO  
4.  
Concepción Sánchez Espinoza J. Data Warehousing Architecture Model Applying Business  
Intelligence for Small and Medium Enterprises. Proceedings of the LACCEI international  
Multi-conference for Engineering, Education and Technology, Latin American and  
Caribbean  
Consortium  
of  
Engineering  
Institutions;  
2024.  
https://doi.org/10.18687/LACCEI2024.1.1.1031.  
5.  
6.  
Zeqo E, Naka E. A Historical Review of Data Warehouse Implementation in Higher  
Education. Interdisciplinary Journal of Research and Development 2025;12:253.  
https://doi.org/10.56345/ijrdv12n328.  
Rudniy A. Data Warehouse Design for Big Data in Academia. Computers, Materials &  
Continua 2021;71:979–92. https://doi.org/10.32604/cmc.2022.016676.  
7.  
8.  
9.  
Kimball R, Ross M. The Data Warehouse Toolkit. 3rd ed. John Wiley & Sons, Inc.; 2013.  
Inmon B, Levins M, Srivastava R. Building the Data Lakehouse. Technics Publications; 2021.  
Uvidia Fassler MI, Cisneros Barahona AS, Ávila-Pesántez DF, Rodríguez Flores IE. Moving  
Towards a Methodology Employing Knowledge Discovery in Databases to Assist in Decision  
Making Regarding Academic Placement and Student Admissions for Universities. In: Botto-  
Tobar M, Esparza-Cruz N, León-Acurio J, Crespo-Torres N, Beltrán-Mora M, editors.  
Technology Trends, Cham: Springer International Publishing; 2018, p. 215–29.  
Andrés G, Cortassa C, Wursten A, Legaria J. Repositorios institucionales digitales de acceso  
abierto: una mirada socio-tecnológica. Estudio de caso del repositorio de la Universidad  
Nacional de Entre Ríos - Argentina. Información, Cultura y Sociedad 2020:35–52.  
https://doi.org/10.34096/ics.i42.7404.  
10.  
11.  
12.  
Cabrera-Gato JE, Romero-Suárez PL. Note of a review of the management of institutional  
repositories in sciencie, technology and innovation Cuban entities. vol. 19. 2023.  
Kutay J. Data Warehouse vs. Data Lake vs. Data Lakehouse: An Overview of Three Cloud  
Data Storage Patterns - Striim n.d. https://www.striim.com/blog/data-warehouse-vs-data-  
lake-vs-data-lakehouse-an-overview/ (accessed July 2, 2026).  
13.  
Correa-Peralta M, Vinueza-Martínez J, Castillo-Heredia L. Evolution, topics and relevant  
research methodologies in Business Intelligence and Data Analysis in the Academic  
Management of Higher Education Institutions. A literature review. Results in Engineering  
2024;25:103782. https://doi.org/10.1016/j.rineng.2024.103782.  
14.  
15.  
Sequeira R, Reis A, Branco F, Alves P. From Roadmap to Ecosystem: A Comprehensive  
Framework for Implementing Business Intelligence in Higher Education Institutions.  
Systems 2025;13. https://doi.org/10.3390/systems13111032.  
Dinesh L, Devi KG. An efficient hybrid optimization of ETL process in data warehouse of  
cloud  
architecture.  
Journal  
of  
Cloud  
Computing  
2024;13:12.  
https://doi.org/10.1186/s13677-023-00571-y.  
Castro B. Diseñar e implementar la metodología HEFESTO para un Data Warehouse y Data  
Mining en un sistema ERP. 2022.  
16.  
17.  
Souibgui M, Atigui F, Zammali S, Cherfi S, Ben Yahia S. Data quality in ETL process: A  
preliminary  
https://doi.org/10.1016/j.procs.2019.09.223.  
Caballero I, Gualo F, Rodríguez M, Piattini M. BR4DQ: A methodology for grouping business  
study.  
Procedia  
Comput  
Sci  
2019;159:676–87.  
18.  
rules  
for  
data  
quality  
evaluation.  
Inf  
Syst  
2022;109:102058.  
https://doi.org/https://doi.org/10.1016/j.is.2022.102058.  
774  
IMPLEMENTACIÓN DE UNA ARQUITECTURA DE BASE DE DATOS PARA LA CREACIÓN DE UN REPOSITORIO DE DATOS  
ACADÉMICOS EN LA UNIVERSIDAD NACIONAL DE CHIMBORAZO  
19.  
20.  
21.  
Gualo F, Caballero I, Rodríguez M, Piattini M. A Data Quality Model for Master Data  
Repositories. Informatica 2023:1–30. https://doi.org/10.15388/23-INFOR534.  
Karagiannis A, Vassiliadis P, Simitsis A. Scheduling strategies for efficient ETL execution. Inf  
Syst 2013;38:927–945. https://doi.org/10.1016/j.is.2012.12.001.  
Belghith M, Hanen BA, Elloumi A, Hachicha W. A new rolling forecasting framework using  
Microsoft Power BI for data visualization: A case study in a pharmaceutical industry. Ann  
Pharm Fr 2024;82:493–506. https://doi.org/10.1016/j.pharma.2023.10.013.  
22.  
Rivera-Baena O, Patiño-Rodríguez C, Úsuga-Manco O, Barajas F. ADHE: A Tool to  
Characterize Higher Education Dropout Phenomenon. Revista Facultad de Ingeniería  
Universidad de Antioquia 2023. https://doi.org/10.17533/udea.redin.20230519.  
Mositsa RJ, der Poll JA, Dongmo C. Towards a conceptual framework for data management  
in business intelligence. Information 2023;14:547. https://doi.org/10.3390/info14100547.  
Guerra-García C, Nikiforova A, Jiménez S, Perez-Gonzalez H, Ramírez-Torres M, Ontañon L.  
ISO/IEC 25012-based methodology for managing data quality requirements in the  
development of information systems: Towards Data Quality by Design. Data Knowl Eng  
2023:102152. https://doi.org/10.1016/j.datak.2023.102152.  
23.  
24.  
775