Lineamientos para el diseño de un modelo de Inteligencia de Negocios con una herramienta OpenSource para Instituciones Prestadoras de Servicios de Salud (IPS) en el Cauca.

Oscar Enrique Xiques Gómez, Armando OrdonezFundación Universitaria de Popayán cuadro79@gmail.com, jardonez@unicauca.edu.co

Resumen Hoy día a nivel regional (Cauca), muy pocas entidades entienden el valor que llegan a tener los datos registrados en sus sistemas de información, en los procesos de toma de decisiones a nivel gerencial; más aún, desconocen que a nivel informático existen metodologías que permiten transformar esos datos en información y posteriormente en conocimiento. Este caso no es ajeno al sector salud, el cual genera una gran cantidad de registros diarios producto de los procesos de atención y facturación actividades, procedimientos e intervenciones en salud que derivan de todo el proceso de atención a usuarios; muchas de las entidades de éste sector se ajustan a los requerimientos de información basados en reportes estáticos con determinados cortes de tiempo que son generados por sus departamentos de estadística o sistemas. Es por eso que se considera importante a nivel regional, que nuestras empresas conozcan e incursionen en el campo de la Inteligencia de Negocios, lo cual les permitirá adoptar procesos de toma de decisiones basados en el historial de sus registros, datos e información, con miras a optimizar la toma de decisiones en pro de la generación de planes de mejoramiento continuo que las lleven a ser más competitivas, viables y a mejorar en la prestación de sus servicios; es un proceso importante que a nivel de entidades de salud permitiría generar planes de acción para mejorar la calidad de vida y atención de sus usuarios. Por esta razón pensamos que este documento puede ayudar dar los primeros pasos a una institución prestadora de servicios de salud en la búsqueda de la implementación de un modelo de inteligencia de negocios. Palabras clave: Inteligencia de negocio, datos, información, conocimiento. Abstract Today to regional level (Cauca), very few entities understand the value that there manages to have the information registered in his information systems, in the processes of capture of decisions to managerial level;

even more, they do not know that to IT level there exist methodologies that allow to transform this information into information and later into knowledge. This case is not foreign to the sector health, which generates a great quantity of daily records product of the processes of attention and turnover activities, procedures and interventions in health that they derive from the whole process of attention to users; many of the entities of this one sector adjust to the requirements of information based on static reports with certain cuts of time that are generated by his departments of statistics or systems. He is because of it that is considered to be important to regional level, that our companies should know and penetrate into the field of the business Intelligence, which will allow them to adopt processes of capture of decisions based on the record of his records, information and information, with a view to optimizing the capture of decisions in favor of the generation of plans of constant improvement that lead them to being more competitive, viable and to improving in the presentation of his services; It is an important process that to level of entities of health would allow to generate action plans to improve the quality of life and attention of his users. For this reason we think that this document can help give the first steps to an institution prestadora of services of health in the search of the implementation of a model of business intelligence. Key words: Business Intelligence, management decisions, OpenSource. 1. Introducción

El Sistema General de Seguridad Social en Salud (Ministerio de la Protección Social, 2004) es la forma como se brinda un seguro que cubre los gastos de salud a los habitantes del territorio nacional, colombianos y extranjeros, y dentro de su conformación cuenta con 3 grupos principales de entidades que son: Entidades Promotoras de Salud (EPS), Instituciones Prestadoras de Servicios de Salud (IPS) y entidades de vigilancia y control como las Secretarías Municipales de Salud,

Secretarías Departamentales de Salud y el propio Ministerio como tal. Conforme a la estructura del modelo de salud en Colombia, existe una gran cantidad de datos e información que se genera constantemente en los procesos de afiliación

y prestación de servicios a los usuarios la cual circula entre EPS, IPS y organismos de control según el modelo que podemos ver en la imagen 1.

Imagen 1. Esquema intercambio de recursos y datos SGSSS

Nos centraremos principalmente en las IPS. Éstas son entidades que realizan la atención y prestación de los servicios de salud a la población afiliada a una EPS, entre estas encontramos: (hospitales, clínicas, centros de salud, consultorios, laboratorios, etc. Las IPS registran diariamente toda la información de la prestación del servicio que realizan a cada uno de los usuarios afiliados, y posteriormente reportan dicha atención a las EPS para que les sea pagado conforme a acuerdos previos, es por esto que gran parte de los datos que se comparten en el SGSSS son generados desde las IPS, entre los cuales encontramos: datos de caracterización de la IPS, datos de identificación del usuario, datos de la atención del usuario y derivados, datos de la facturación del servicio y datos de identificación del usuario atendido.

Esta información es registrada por los sistemas de información propios de cada unidad, adquiridos a diferentes tipos de proveedores con que cuenta éste mercado. Nuestro caso se establecerá sobre una IPS Universitaria (Unidad de Salud Universidad del Cauca) de la ciudad de Popayán habilitada ante el Ministerio como una institución de prestación de servicios de primer nivel de complejidad (atención básica) la cual cuenta con una población actual de 2879 personas afiliadas que corresponden a la planta laboral de dicha universidad que escogió a la Unidad como su aseguradora en salud y presta los servicios de: consulta médica general, consulta médica especializada (pediatría, ginecología, geriatría), consulta odontológica general, consulta odontológica especializada (endodoncia, periodoncia), dispensación de medicamentos (farmacia), promoción y

prevención y servicios complementarios (fisiatría, psicología, trabajo social, procedimientos menores). Por eso nos preguntamos, ¿qué hacen las IPS con toda esta data? Actualmente en nuestra IPS las decisiones tomadas por la directiva son basadas en estadísticas solicitadas en un determinado momento conforme a ciertas variables y que son generadas por el área de sistemas mediante consulta a los datos del sistema de información, entregada en reportes estáticos. Por ejemplo, el director en determinado momento solicita un reporte de consultas facturadas en último mes para identificar los ingresos recibidos por la IPS y tener una aproximación de la cantidad de usuarios que están siendo atentados; en ese momento, con su equipo directivo toma una decisión dependiendo de lo que logra identificar en dicho reporte bajo su criterio y experiencia. Araníbar (2003) plantea la existencia de 4 fases en el proceso típico de toma de decisiones de las cuales la primera es la “Inteligencia” para luego generar alternativas, seleccionar una y actuar. Keller et al. (2003) se refiere a un concepto llamado Inteligencia de Negocio:

Definitivamente el fundamentar todas las decisiones no estructuradas, presentes en el nivel táctico (gerencia media) y estratégico (alta gerencia), sobre la base de un conocimiento preciso, elaborado y con el uso de herramientas y técnicas evolucionadas y tecnológicas destinadas para el efecto. Este es el concepto de inteligencia de negocios (Business Intelligence). (p.1).

Howson C (2008) escribe sobre BI: Al igual que los ojos son la ventana del alma, la inteligencia de negocios lo es a dinámicas de un negocio. La inteligencia de negocios (Business Intelligence, BI) es un conjunto de tecnologías y procesos que permite a personas de todos los niveles en una organización, tener acceso a datos y su análisis. Sin personas para interpretar información y actuar con base a ella, la inteligencia de

negocios nada logra. Por esta razón, la inteligencia de negocios es menos sobre tecnología que creatividad, cultura e individuos considerando la información como un activo crucial.

Ante esto, para nuestro ámbito, la Inteligencia de Negocios no sería más que el proceso que permite transformar los datos en información, y esa información en conocimiento que permita la toma de decisiones a nivel gerencial; luego los datos generados históricamente por la IPS durante todo su constante funcionar son una gran fuente de información para poder generar un proceso de toma de decisiones apoyado en estrategias BI. El presente artículo se organiza de la siguiente forma: Sección 2, socializa el por qué la iniciativa, de dónde surge la idea y qué motiva la realización de éste artículo. Sección 3, establece conceptos básicos para entender la temática de Inteligencia de Negocios, pilar de éste artículo. Sección 4, muestra los pasos para la implementación de un prototipo, basado en los conceptos mencionados anteriormente. Sección 5, expone de forma general y corta la experiencia del BI en el sector salud. Sección 6, conclusiones obtenidas. 2. Motivación Habiendo entendido el concepto de BI, se identifica su aplicabilidad y necesidad en el ámbito de salud a nivel de una IPS dado que a nivel regional (Cauca) las Instituciones Prestadoras de servicios de Salud se requieren procesos de toma de decisiones que ayuden a mejorar la prestación de servicios, la atención de pacientes y la generación de planes o estrategias para minimizar el impacto y presencia de enfermedades. Por ejemplo, a nivel de una IPS de primer nivel, mensualmente se genera una estadística llamada “10 primeras causas de Morbilidad”, o se solicitan estadísticas sobre la cantidad de consultas facturadas a los pacientes para verificar el ingreso de recursos por parte de la prestación de esta actividad, o de otras en especial. Pero esta información se presenta en reportes estáticos

generados por determinado periodo de tiempo con los cuales las directivas no pueden interactuar, ver patrones de comportamiento o tendencias o verificar comportamientos históricos. Según el Diccionario de la Lengua Española, en su edición 22 se define como Morbilidad a la proporción de personas que enferman en un sitio y tiempo determinado. Ahora bien, para una IPS, conocer el comportamiento de la Morbilidad basado en los datos registrados durante su proceso de atención a usuarios de manera histórica, le puede permitir a un director verificar en qué momentos de tiempo, con qué frecuencias o en qué tipo de población se presentan incrementos de algunas patologías, con lo cual puede generar planes estratégicos que permitan actuar de forma proactiva frente a dichos momentos y prevenir que esos comportamientos; realizar campañas preventivas que permitan evitar esperar la presencia de esas enfermedades y generar costos innecesarios para la IPS producto de la atención y tratamientos que deben recibir los paciente. Esto le permitiría la IPS mejorar la atención, el estado de salud de sus pacientes y ser más competitiva en el mercado actual. 3. Modelo de Inteligencia de Negocios Un modelo de inteligencia de negocios tiene tres características comunes:

Proveen información para el control los procesos de negocio.

Ayudan en la toma de decisiones.

No se pueden tomar decisiones de negocio si no se habla el lenguaje propio del negocio.

De forma general hablaremos de los componentes a tener en cuenta para la implementación del modelo BI:

Sistemas fuente: son los sistemas que soportan las operaciones del negocio y que representan toda la fuente de información que se registra en el continuo funcionar de la entidad.

Data WareHouse: es el almacén o bodega de datos que se construye para manejar, a diferentes niveles de detalle, donde se consolidan los datos que serán objeto de análisis a nivel gerencial.

Tecnologías OLAP: tecnologías que permiten el aprovechamiento de los datos contenidas en un Data WareHouse y que permiten la construcción de cubos para consolidación y manejo de la información a usar.

Sistemas de información gerenciales: sistemas enfocados a las directivas empresariales basados en alertar y semáforos que permiten hacer comparativas sobre los indicadores de negocio.

Gráficamente puede ser representado según se muestra en la imagen 2:

Imagen 2. Representación gráfica del concepto de BI

Los datos representan la mínima unidad semántica y corresponden a los elementos

Información

Datos

Conocimiento

Operación del negocio

Inteligencia del negocio

primarios de información que por sí solos y de manera independiente no generan valor agregado ni son relevantes como apoyo a la toma de decisiones. La información es el conjunto de datos que son organizados y procesados para obtener un significado (relevancia o propósito) y que son de utilidad para tomar decisiones. El conocimiento es una mezcla de experiencia, valores, información y “know-how” que sirve como marco para la incorporación de nuevas experiencias e información, y es supremamente necesario para llevar a cabo la toma de decisiones. Ahora bien, para definir la fuente de datos de un proceso de inteligencia de negocios para una IPS, que sea aplicable a otras, se debe contar con una estructura que sea genérica a todos ellos. Según nuestro modelo ilustrado en la Imagen1, existe una transferencia de información entre las IPS y las EPS y de ellas a los organismos de control. El Ministerio de la Protección Social, mediante la Resolución 3374 regula la forma de comunicación entre las entidades del SGSSS mediante la implementación del uso de archivos planos llamados RIP y definidos como:

RIPS - Es el conjunto de datos mínimos y básicos que el Sistema General de Seguridad Social en Salud requiere para los procesos de dirección, regulación y control, y como soporte de la venta de

servicio, cuya denominación, estructura y características se ha unificado y estandarizado para todas las entidades a que hace referencia el artículo segundo de la presente Resolución. Los datos de este registro se refieren a la identificación del prestador del servicio de salud, del usuario que lo recibe, de la prestación del servicio propiamente dicho y del motivo que originó su prestación: diagnóstico y causa externa. (p.2)

El Data WareHouse (bodega de datos) corresponde a los datos asociados a los registros sobre los cuales se desea obtener información. Estos registros son el histórico de datos del proceso de atención y servicios prestados, soportados mediante los RIPS y que son registrados por la IPS en su sistema de información. La construcción del DW implica que se deben definir claramente las dimensiones y los hechos. Silva J y Silva M (2003) plantean que una dimensión definen una dimensión como la forma en que los datos o información se almacena y consolida, presentándola en forma de variables que a su vez están definidas por una o más dimensiones de forma jerarquizada. Por ejemplo el tiempo lo podemos jerarquizar de la forma en que se muestra en la imagen 3.

Imagen 3. Ejemplo de la dimensión tiempo

Para el caso de las IPS, las variables que pueden ser jerarquizadas para luego ser modeladas como dimensiones y que agrupen y definan el comportamiento de los datos serían:

Tipo Identificación: agrupa los tipos de identificación que puedan tener los usuarios.

Tiempo: que jerarquiza la presentación del tiempo en los datos de la IPS.

Género: que jerarquiza el tipo de género que tienen los usuarios a los cuales se prestaron los servicios, es decir su sexo.

Grupos etáreos: que jerarquiza los rangos de edades sobre los que se

quieran agrupar las edades de los usuarios atendidos.

Diagnóstico: jerarquiza la agrupación de la codificación internacional de enfermedades, las cuales se asocian con las actividades prestadas en la IPS. Cada diagnóstico pertenece a una clase, grupo y subgrupo determinados.

Para Lombart O (2003) los hechos

representan las tablas que contienen las métricas, medidas y datos del negocio como tal, por lo cual, para nuestro criterio vendría siendo los datos y registros de las atenciones realizadas por la IPS. Dado esto, nuestro modelo a nivel conceptual quedaría expresado según el cuadro que se muestra en la imagen 4.

Imagen 4. Relación tabla de hechos y dimensiones

Lo que permitirá esta base de hechos junto con las dimensiones definidas será permitir a la dirección de la IPS interactuar con diferentes variables dentro de los cubos de información construidos para tal fin, de forma que puedan ver los comportamientos de todos sus datos de atención históricos y tomar decisiones que permitan mejorar su gestión, prestación del servicio y competitividad. Pasamos ahora a la selección de la herramienta OLAP mediante la cual generaremos e implementaremos nuestros cubos de información. Para realizar esta actividad hemos tenido en cuenta 3 herramientas que se encuentran disponibles en la web y que han tenido experiencias a nivel de sistemas de información en Salud. A nivel mundial existen soluciones funcionales a nivel salud como: Health Point: es un sistema de información gerencial para entidades de salud basado en el uso de herramientas de inteligencia de negocio sobre un repositorio de datos que permite realizar análisis dinámicos sobre los datos y permite conocer la realidad de las instituciones sobre las cuales se implementa. Esta es una solución ofrecida por Ideasoft a través de su plataforma Ideasoft O3™ Business Intelligence; éstas son un conjunto de tecnologías que brindan acceso a información y facilidad de análisis, la cual se origina como herramientas OLAP (On Line Analitical Processing o Procesamiento Analítico en Línea). (Ideasoft O3, 2014).

Imagen 5. Interface Health Point

Tableu Public: es un software gratuito de BI destinado a organizaciones de salud que permite obtener información epidemiológica, se trata de una herramienta de análisis capaz de mejorar y acelerar los procesos de toma de decisiones. Esta herramienta combina diseño y datos a partir de plantillas de Excel obteniendo visualizaciones interactivas de alto impacto gráfico. (Tableau Software, 2014)

Imagen 6. Interface Tableu Public

Pentaho: La suite Pentaho es una herramienta de libre distribución bajo su licencia comunitaria que ofrece un robusto modelo de inteligencia de negocios y minería de datos; está soportada sobre tecnologías libres como Java y MySQL. Ha sido implementada y usada en muchos campos y cuenta con el soporte y apoyo de una

comunidad mundial, siendo no un programa sino una recopilación de herramientas específicas para cada funcionalidad requerida.

Imagen 7. Modelo de la solución Pentaho

Análisis de las herramientas Realizamos un análisis comparativo entre las herramientas propuestas, teniendo en cuenta criterios como:

Licenciamiento OpenSource: lo cual facilitaría costos al momento de implementar la solución.

Soporte BigData: permitirá manejar conjuntos de datos grandes.

Integración de herramientas: que permitan consumir los orígenes, adecuar datos y finalmente consultar y generar las interfaces, todo de forma modular.

Multiplataforma: que su implementación y uso no dependa de un sistema operativo base predefinido. Aplicable a cualquier arquitectura.

Aplicaciones web: que permita configurar la solución para acceso web minimizando la limitación a su uso.

Apoyo en proceso ETL: que permitan realizar transformación y cargue de los datos conforme al modelo que se defina.

Soporte y documentación: que se encuentren disponibles, accesibles y que tenga soporte al momento de requerirlo, lo cual facilitaría el proceso de implementación de la solución y su mejora continua.

Basados en estas variables, generamos una estructura comparativa que nos permita acercarnos a la herramienta ideal para nuestro proceso.

Imagen 8. Tabla comparativa de soluciones BI

Teniendo en cuenta esta comparativa, se ha decido implementar la solución mediante la suite Pentaho, que si bien por el momento podría resultar muy robusta y completa para la dimensión del modelo a implementar, resultaría beneficiosa para futuros proceso de mejora y ampliación no solo para éste mismo sino para otros procesos de las entidades. 4. Implementación del prototipo Ya hemos definido nuestro modelo, procederemos ahora a la construcción de su prototipo para realizar la implementación y pruebas del mismo.

4.1. Arquitectura Teniendo en cuenta las ventajas que presenta Pentaho a nivel de plataforma y las herramientas con que cuenta hemos optado por:

Servidor con Sistema Operativo Linux distribución OpenSuse 64bits; 4GB RAM, HHDD 250GB, Procesador Intel Xeon 2.0GHz.

JDK Java SE Development Kit (JDK) versión OpenSource disponible para Linux “OpenJDK 1.7.0”.

Motor de base de datos Firebird 2.5.0

Herramientas Pentaho

o BI Server (CE)1 5.0.1

o Data Integration 5.0.1 o Report Designer 5.0.1

Clientes MS Windows y Linux con navegador con plugins y complementos Java instalados (JVM)

2

4.2. Construcción DWH En este paso, lo que hacemos es construir una base de datos con las tablas correspondientes a la bodega de datos (DWH) y a las dimensiones sobre las cuales se apoyarán los cubos para agrupar y mostrar los cubos que se construirán. Se construye una base de datos con nombre DATA_WH.FDB y se configura su alias para que sea identificada por el motor Firebird y las herramientas Pentaho que serán usadas. 4.3. Contrucción ETL Se diseñan los ETL que realizarán el proceso de conexión a los archivos fuentes de datos, extracción de los datos requeridos para el modelo BI, estos datos son transformados conforme a la estructura definida para el DW de forma que no presenten inconsistencias, además de realizar operaciones, conversiones y asociaciones entre ellos de ser necesarias. Posteriormente se realiza la carga de dichos datos al DW para los procesos posteriores. En este paso se pueden definir procesos de actualización o limpieza y cargue nuevo de los datos según requerimiento de la implementación. Para nuestro caso hemos trabajado con el proceso de actualización, el cual cargará información nueva al DW. Lo importante en este punto es garantizar la consistencia e integridad de los datos consignados en los RIPS generados por la IPS para evitar errores en el proceso de ETL y datos errados en el DW. Aquí mediante la herramienta Pentaho Data Integration establecemos el proceso de conexión y cargue de los datos consignados en los RIPS hacía el DW.

1 Community Edition – Versión comunitaria

2 Java Virtual Machine – requisito para interpretar y ejecutar

instrucciones Java

La herramienta presenta una interface gráfica muy interactiva, para la cual es necesario realizar y verificar la conexión a la base de datos (DW).

Imagen 9. Modelo básico de ETL en Pentaho

4.4. Construcción cubos de

información Haciendo uso del módulo Schema work bench realizamos la construcción de los cubos de información que vamos a implementar.

Imagen 10. Interface de la herramienta Shcnema Workbench, construcción de Cubos en Pentaho

En este punto, lo que hacemos es construir de forma interactiva gracias a la interface que ofrece la herramienta, la estructura y conexión entre el DW y las dimensiones que hayamos definido en nuestro modelo. 4.5. Implementación servidor BI Mediante la herramienta BI Server, implementamos una aplicación web que

permitirá consumir los datos cargados en nuestro DW mediante el uso de cubos de información, lo que permitirá la construcción de reportes multidimensionales de forma interactiva. Estos estarán disponibles para las directivas de la IPS mediante una página web de acceso local (o externa de requerirse).

Imagen 11. Construcción de reportes mediante cubos de información Pentaho

En la imagen podemos ver un CUBO creado conforme a los datos de los valores históricos de los servicios facturados en la IPS, aquí las directivas interactúan viendo el comportamiento a lo largo de los años de prestación de

servicios (independientemente de la herramienta o sistema usado), en la que el usuario puede interactuar adicionando o quitando dimensiones, lo que agrupara y detallará la información del reporte generado.

Además, podemos generar reportes estáticos para ser presentados como documentos anexos a los procesos de toma de decisión o reportes a dependencias internas o externas con la

información producto de los cubos de información.

Imagen 12. Reporte estático generado de un cubo de información Pentaho

5. BI en Salud A nivel nacional, el Ministerio de Salud y Protección Social (MinSalud) ha implementado el Sistema Integral de Información de la Protección Social (SISPRO), el cual reúne y consolida los datos obtenidos de todo el modelo del SGSSS entre los que se encuentran los RIPS. En Boletín de Prensa No 225 de 2013 el Ministerio manifestó:

El SISPRO tiene cuatro grandes componentes: Salud, Pensiones, Riesgos Laborales y Promoción Social. En esta oportunidad se lanzó una de las plataformas más importantes y es la que hace referencia al módulo de información epidemiológica del componente de salud.

Mediante este sistema el ministerio ha puesto a disposición de EPS e IPS gran cantidad de información a nivel nacional que permite, mediante cubos de información consumidos por Excel ver el comportamiento y tendencias desde diferentes perspectivas. Desafortunadamente esta es una información que depende de todo un proceso nacional de verificación, validación, ajuste y cargue para que pueda estar disponible, por lo que a la

fecha en una IPS a nivel nacional se pueden tener reportes con corte de información a los meses finales de 2013. Si bien es una gran ayuda para una IPS, presenta una gran desventaja en cuanto a la actualización de los datos y a los registros que hayan podido ser omitidos por inconsistencias o errores aún no reportados y por ende no corregidos. A nivel regional, en el Cauca, desafortunadamente no se cuentan con proyectos de implementación de un modelo BI, salvo los iniciados por mano propia por cuenta de los grupos de sistemas de las entidades o por parte de valores agregados de los proveedores de los sistemas de información actualmente instalados en las IPS. Lemus A (2005) manifiesta:

Paradójicamente, uno de los sectores menos beneficiados con la implantación de herramientas tecnológicas destinadas para optimizar los recursos, ha sido el sector salud, debido a que gran porcentaje del presupuesto anual está destinado a la adquisición y mejoramiento de los recursos que

soportan el área asistencial, y es apenas lógico, que el mejoramiento comience por el core del negocio. Sin embargo, hoy en día, la prestación de servicios de salud no solo se soporta en el uso de instrumentos medico quirúrgicos, también requieren herramientas que protejan uno de los activos más importantes de las instituciones del sector, la información. (p.62)

Para Lemus, la implementación de una solución BI en una IPS es considerada una ventaja competitiva ya que mejora la administración de sus recursos. A nivel nacional se conocen proyectos no documentados de incursión en el campo de BI en algunas IPS, pero siendo estos procesos internos de cada entidad o de los proveedores de los sistemas de información es muy escasa la documentación que al respecto pueda ser obtenida. Guanyabens J (2012) comenta como experiencias de Business Intelligence en el sector salud el proyecto Herramienta de seguimiento Pla de Salut (Cataluña 2011-2015), el cual busca definir, seguir y reportar el progreso de la ejecución de los objetivos de dicho plan. Madrid Salud, un organismo autónomo del Área de Gobierno de Seguridad y Movilidad del Ayuntamiento de Madrid, ha apostado por una solución que les permita el monitoreo de sus actividades basada en BI llamada QlikView. Roldan J (2010) manifiesta:

La implantación de QlikView en Madrid Salud ha facilitado la selección, ponderación y seguimiento de indicadores estratégicos, permitiendo la ordenación y el acceso estructurado a los datos.

Desafortunadamente, como ya hemos manifestado, es un terreno aún inexplrado por la mayoría de las IPS del ámbito nacional, más aún para las del sector regional (Cauca) debido a la falta de recursos destinados para tal fin, el desconocimiento de estas herramientas y el temor por parte de las directivas a incursionar en estas estrategias de las cuales no conocen enteramente sus bondades.

6. Conclusiones

Implementar un proceso de inteligencia de negocio para las entidades que prestan servicios de salud, requiere inicialmente de la definición de un lenguaje común en el intercambio de información entre estos actores del sistema de salud nacional, ya que esto permitiría llegar a diferentes entidades basados en el mismo modelo y arquitectura.

Las herramientas OpenSource ofrecen grandes beneficios sobre el software privativo sobre todo al momento de realizar este tipo de implementaciones en entidades que justamente no se caracterizan por la inversión en sus sistemas de información y sus áreas de sistemas y estadística. También ofrecen plataformas de fácil acceso y coste para iniciar procesos de inteligencia de negocio. La implementación de estos modelos facilitará a los directivos de las entidades de salud la toma de decisiones e implementación de planes de mejora en sus entidades.

Una de las herramientas más robustas y con mejor soporte a nivel mundial es la suite Pentaho, que se perfila como una de las más completas opciones para la implementación de modelos de inteligencia de negocio.

7. Referencias BI-Spain portal en español sobre Business

Intelligence. (2014). Ventajas de la suite Pentaho

sobre otros proveedores de software open source

y sobre el BI propietario. Recuperado de

http://www.bi-spain.com/articulo/68286/open-

source-software-libre/otros/ventajas-de-la-suite-

pentaho-sobre-otros-proveedores-de-software-

open-source-y-sobre-el-bi-propietario

Centro de Competencias SpagoBI - Engineering

Group, SpagoBI. (2014). Recuperado de

http://www.indiciumm.com/uploads/SpagoBI-

ENG-Feb2012_ES.pdf

Elizabeth León Guzmán, Universidad Nacional de

Colombia. Inteligencia de Negocios

(Introducción). Recuperado de

http://dis.unal.edu.co/profesores/eleon/cursos/tebd

/presentaciones/IntroBI.pdf

Grupo Abits. (2014). Tendencias en inteligencia

de negocios para el 2014. Recuperado de

http://www.abits.com/noticias-de-abits/339-

inteligencia-de-negocios-2014

Grupo Abits. (2014). Casos de éxito. Recuperado

de http://www.abits.com/clientes-abits-

inteligencia-de-negocios/casos-de-exito-

inteligencia-de-negocios

ITMadrid- ITBusiness School. (2014). Qué es

Inteligencia de Negocios (Business Intelligence).

Recuperado de

http://www.itmadrid.com/blog/que-es-

inteligencia-de-negocios-business-intelligence/

Joan Guanyabens. (2012). Business Intelligence

aplicada en el ámbito de la salud. Recuperado de

http://www.slideshare.net/Guajardo/business-

intelligence-aplicada-en-el-mbito-de-la-salud

Microsoft. (2014). Microsoft en la salud,

Inteligencia de negocios – Microsoft. Recuperado

de http://www.microsoft.com/health/es-

xl/soluciones/Paginas/inteligencia-de-

negocios.aspx

Wikipedia Enciclopedia Libre. (2014).

Inteligencia empresarial. Recuperado de

http://es.wikipedia.org/wiki/Inteligencia_empresar

ial

Dómina, M.C. (2008). Data Warehousing.

Relevamientoy aplicación de técnicas de

modelado dimensional. Tesis de Licenciatura en

Ciencias de la Computación. Universidad

Nacional del Sur, Bahía Blanca, Argentina.

Zapata, R.M. (2010). Implantación en una

empresa de un sistema Business Intelligence SaaS

/ On Demand a través de la plataforma LITEBI.

Proyecto fin de carrera. Universidad Politécnica

de Valencia. España.

Espino, L.F. (2007). Pirámide Informática

Gerencial. Escuela de Ingeniería en Ciencias y

Sistemas Universidad de San Carlos de

Guatemala.

Magallanes, R.N. (2012). Inteligencia de Negocio

aplicada en la Gestión de Producción. Instituto

Universitario Aeronáutico, Córdoba, Argentina.

Lemus, M.A (2005). Business Intelligence como

herramienta de competitividad, en las IPS de

segundo y tercer nivel en la ciudad de Bogotá,

bajo el modelo del Sistema General de Seguridad

Social en Salud. Universidad de la Sabana,

Bogota.

Departamento de Salud, Generalidad de Cataluña

(2012). Pla de Salud de Cataluña 2011-2015,

Barcelona, España.

García, J (2009). Las Tic´s en el marco de la e-

Salud. RevistaeSalud.com, Málaga, España.

Araníbar, J.C. (2003). Inteligencia de Negocios.

Universidad Católica Boliviana. San Pablo,

Bolivia.

Grupo ASIS (2013). Análisis de situación de

salud según regiones Colombia. Ministerio de

Salud y Protección Social. Bogotá, Colombia.

Lombart, O.A. (2003). BI: Inteligencia aplicada

al negocio. CMS-Spain.com

Howson C (2008) Business Intelligence,

Traducción: María José Giault. Primera edición

2008. Editorial McGraw Hill