Spanish (pdf)
Article in xml format
Article references
Automatic translation
Send this article by e-mail
Cited by SciELO 
Cited by Google 
Similars in
SciELO 
Similars in Google 
Permalink
INTRODUCCIÓN
Para las organizaciones es importante conocer cómo se encuentran los procesos a través de la gestión del riesgo y la evaluación de los KPI, de tal manera que sea posible aplicarles reingeniería y así establecer un ciclo de mejoramiento continuo PHVA, que mediante la gestión del riesgo determine la posibilidad de desviación por los riesgos a que se ven sujetos dichos indicadores. Los KPI suelen presentarse en un cuadro de mando integral, con clave de colores para facilitar su interpretación [1], y deben ser específicos, medibles y cuantificables [2] para evaluar el éxito de la organización [3]. Se pueden extraer por métodos o técnicas de minería de datos, los cuales acceden a las bodegas de datos o modelos analíticos y permiten analizar las variables que corresponden a los KPI [4]. Sin embargo, la carencia de reingeniería y optimización de procesos de negocio es uno de los principales problemas que afecta la competitividad de las organizaciones [5]. Una solución es hacer seguimiento con BPM, que se aplica sobre el rediseño, configuración, ejecución y monitoreo de procesos [6], con lo que se facilita la gestión empresarial con herramientas tecnológicas [7] para analizar los procesos y obtener mejora continua [8]; esto, a su turno, permite a las organizaciones hacer operaciones inteligentes [9] [10].
Las etapas que comprende el seguimiento con BPM son [11]: cinco:
1) Diseño: definición de los objetivos y estrategias.
2) Modelamiento: especificación de los usuarios y reglas para la ejecución del proceso.
3) Ejecución: entrega de la información a los usuarios involucrados.
4) Monitoreo: control del proceso para su correcta ejecución.
5) Optimización: identificación de rutas críticas, flujos a mejorar y cuellos de botella.
Algunas investigaciones relacionan este proceso de BPM con MD, para explorar las grandes bases de datos de manera automática o semiautomática. Así, es posible encontrar patrones que expliquen el comportamiento de los datos en un determinado contexto [12] y analizar el conocimiento a partir de datos almacenados [13]. Para desarrollar proyectos de MD se sigue una metodología de obtención de conocimiento conocida como Cross Industry Standard Process for Data Mining (CRISP-DM) [14], que consta de seis fases:
1) Comprensión del negocio: que se centra en objetivos, requerimientos y necesidades de minería de datos.
2) Comprensión de los datos: se orienta a la recopilación, exploración y comprobación de calidad de los datos.
3) Preparación de los datos: corresponde a la elección del conjunto final de datos.
4) Modelado: selección de técnicas de modelado que cumpla con los requisitos.
5) Evaluación: se evalúan los modelos para el cumplimiento de los objetivos.
6) Despliegue: se usa el conocimiento obtenido [15] [16] [17] [18].
En la literatura se encuentran, en menor cantidad, propuestas que integran BPM y MD con PHVA, hecho que plantea la necesidad de investigar y aportar propuestas que relacionen MD, BPM, Y PHVA [19]. El agregar el ciclo PHVA hace posible la planear y entender el problema, definir objetivos e identificar procesos, en aras de medir la efectividad de los cambios. Cada etapa de PHVA tiene un propósito [20]:
Planificar: establecer objetivos y procesos.
Hacer: implementar cambios planificados.
Verificar: establecer un periodo de prueba para medir y valorar la efectividad de los cambios.
Actuar: en el caso de que los resultados no se ajusten a las expectativas y objetivos predefinidos, realizar las correcciones y modificaciones necesarias.
Según Cardoso [21] es posible aprender a partir de MD encontrando reglas, usándolas para establecer la predicción del comportamiento y buscar la mejora de procesos en los cuales se presentan grandes volúmenes de datos y su análisis manual es bastante complejo [22]; con ello se optimizaría el proceso a partir de indicadores y patrones obtenidos de los datos [23]. En [24] se establece que BPM aporta de forma significativa a cumplir con los objetivos de una organización con el análisis sistemático de los procesos, sumado a la aplicación de técnicas de MD (como Clustering [25]) para generar conocimiento, mejorar los indicadores KPI, y apoyar en la toma de decisiones [26] [27]. Estas investigaciones han utilizado algunas técnicas de MD o BPM, o una fusión de ambas para llegar a los resultados esperados; pero se tiene la necesidad de realizar un monitoreo frecuente sobre los procesos a través de los KPI, y un análisis de riesgo que permita aplicar PHVA sobre la cadena de valor de la organización, de tal suerte que se identifiquen amenazas o peligros que puedan surgir [28].
La gestión del riesgo, según el Sistema de Gestión ISO 31000, aporta a la valoración y tratamiento del riesgo para su respectiva evaluación, dado que tiene inmerso el ciclo PHVA. El análisis del riesgo, a su turno, se realiza a partir de la determinación de la probabilidad de ocurrencia y del efecto/consecuencia. Luego de la evaluación, se determina la priorización del riesgo, antes de la siguiente etapa -tratamiento [29]-. Empresas pertenecientes a los grupos Sura, Orbis y Aval, y la Organización Leonisa, entre otros, con buenas prácticas de gestión y que cuentan o han contado con alguno o varios sistemas de gestión ISO, han establecido sus indicadores KPI apoyados por la gestión del riesgo respecto a posibles desviaciones, con una debida "calificación de regla para relacionar indicadores respecto a sus metas"; establecen con ello su estado como "crítico", "alerta" o "ideal", y a partir de ello priorizan planes de acción y su respectivo seguimiento.
Este artículo presenta un modelo que integra PHVA, BPM, y MD para alcanzar el estado ideal de los KPI [30]. Su medición es la clave para dar información de gestión, reduciendo la incertidumbre y tomar decisiones adecuadas [31], aportando en la reconstrucción de procesos con MD y obtención de conocimiento. El resto del artículo se organiza así: en la primera sección se establecen los materiales y métodos, que presentan la descripción del proceso para el diseño del modelo. En la segunda y tercera sección se especifica el modelo propuesto y los resultados de su aplicación en el caso de estudio, respectivamente. En la cuarta sección se plantea una discusión acerca del modelo obtenido. Por último, se presentan las conclusiones.
1. MATERIALES Y MÉTODOS
A partir de un proceso de revisión de literatura se identificaron las características y funcionalidades de algunos modelos que integran BPM y MD, y por ende las carencias en el monitoreo de actividades de procesos organizacionales. Como una forma de superar estas debilidades, se propone una forma de hacer seguimiento, evaluación y mejoramiento de los KPI. Para la aplicación y evaluación del modelo se tomó como caso de estudio el proceso de los semilleros de investigación del Tecnológico de Antioquia, siguiendo la metodología CRISP-DM como estándar para desarrollo de proyectos de obtención de conocimiento y MD. Consideradas las etapas de CRISP-DM se especifican los componentes del modelo y sus actividades, articuladas con MD, BPM, y PHVA, como se describe en la tabla 1.
Tabla 1 Especificación de componentes del modelo a partir de CRISP-DM
| Etapas modelo propuesto | Etapas de CRISPDM |
|---|---|
| Modelado de la organización | Contexto del negocio, de los datos, y su preparación |
| Análisis de procesos | Modelado |
| Mejora de procesos | Evaluación |
| Realimentación | Despliegue |
Fuente: elaboración propia.
1.1 Modelado de la organización
El modelado de la organización busca establecer la estructuración de la organización en función de los objetivos. Esta etapa comprende las siguientes actividades:
Con MD: comprensión del negocio (involucra la descripción de la organización, del proceso e indicadores), comprensión y preparación de los datos.
Con BPM: diseño y modelamiento del proceso.
Con PHVA mediante la gestión del riesgo: planeación, que involucra la determinación del contexto de la organización que articula la actividad de comprensión del negocio de la MD y la identificación de las amenazas o riesgos.
1.2 Análisis de procesos
El análisis de procesos busca encontrar los registros o datos de los diferentes indicadores, determinándolos a partir de los datos que se hayan ingresado al sistema de registros. Consta de las siguientes actividades:
1.3 Mejora de procesos
En la mejora de procesos, al margen del estado en que se encuentren los KPI, se evalúa la situación de cada una de las variables frente al proceso de gestión. Comprende las siguientes actividades:
2. MODELO PROPUESTO
En esta sección se presenta el modelo propuesto, integrado por componentes y actividades, especificados a partir de las etapas de la metodología CRISP-DM, el ciclo PHVA y la estrategia para BPM. En la figura 1 se representa el modelo.
2.2 Especificación y articulación de los componentes del modelo
A continuación se presenta la relación de los componentes propuestos para el modelo, y su articulación con MD, BPM y PHVA con gestión del riesgo.
Articulación con el componente modelado de la organización: planear permite conocer la organización, establecer los objetivos y el estado actual de los indicadores del proceso, y definir un cronograma de trabajo (figura 2).
Articulación del componente análisis del proceso: hacer es el camino hacia la acción; se ejecuta el cronograma planeado y se evalúa todo el proceso en ejecución, con lo que se cumple el respectivo análisis de procesos (figura 3).
Articulación con el componente mejora de procesos: verificar es el camino hacia la revisión y monitoreo de la ejecución del cronograma planeado, demostrándose el despliegue respectivo (figura 4).
Articulación con el componente retroalimentación: actuar es la última etapa de la revisión y seguimiento del proceso; en su desarrollo se toman decisiones de rediseño de procesos, se realizan acciones de despliegue, y se da paso a la retroalimentación o plan de mejora (figura 5).
3. CASO DE ESTUDIO
3.1 Modelado de la organización
El caso de estudio para evaluar la aplicación del modelo se llevó a cabo en el Tecnológico de Antioquia Institución Universitaria - TdeA (Medellín, Colombia), al interior de la Dirección de Investigaciones de dicha institución.
3.1.1 Comprensión del negocio
El proceso analizado corresponde a la planeación y seguimiento a semilleros de investigación del TdeA (figura 6).
3.1.2 Comprensión y preparación de los datos
Especificación de fuentes de datos. Los datos se encuentran en una hoja de cálculo (en la aplicación Microsoft Excel®) que contiene la información de registros que realiza la Dirección de Investigaciones. Se seleccionaron las hojas correspondientes al primer y segundo semestres académicos de los años 2016, 2017 y 2018 (6 hojas de registros en total), con la selección de campos periodo, facultad y grupo de investigación.
Especificación de Indicadores. La Dirección de Investigaciones requiere varios indicadores, entre los que se encuentran los siguientes: participación de estudiantes en semilleros de investigación; cantidad anual de semilleros; proporción anual de estudiantes por semillero; total acumulado de estudiantes en semilleros por facultades; y total acumulado de cantidad semilleros por facultades, entre otros.
3.2 Análisis de procesos
El análisis realizado a partir de los indicadores respecto a la meta definida se presenta en la tabla 2. Para cada indicador de gestión de procesos se definió una regla compuesta por un valor base y un porcentaje (parámetros establecidos con anterioridad por expertos de la organización).
Tabla 2 Calificación de regla para relacionar indicadores respecto a su meta.
Fuente: elaboración propia.
3.2.1 Modelado
El indicador de valor KPI se determinó a partir del periodo anual, con una regla compuesta por el presupuesto o meta, el resultado obtenido, y el porcentaje de cumplimiento. Para establecer la participación de los estudiantes del TdeA en semilleros de investigación se definieron variables que indican la relación en cada año, de lo proyectado a alcanzar y lo obtenido al finalizar cada periodo académico. Estas metas son establecidas desde la Dirección de Investigaciones.
3.2.2 Ejecución
En la tabla 3 se especifica la regla de determinación del indicador KPI para presupuestos vs. resultados y el porcentaje de cumplimiento por cada año.
Tabla 3 Determinación del indicador KPI y meta del proceso para participación de los estudiantes en los semilleros
Fuente: elaboración propia.
Hacer - ejecutar. En este punto se realiza la aplicación de la metodología de gestión del riesgo, con la determinación de su análisis respectivo.
Análisis del Riesgo. Se establecen las probabilidades y frecuencias, con lo cual se definen los rangos y niveles. Las probabilidades establecidas permitirán determinar la frecuencia de las ocurrencias -en este caso, las causas que relacionan las acciones o actividades que corresponden a la participación de los estudiantes en los semilleros-. En la tabla 4 se presenta la probabilidad/frecuencia de la metodología de gestión de riesgo.
Tabla 4 Tabla de probabilidad / frecuencia
| Tabla de Probabilidad / Frecuencia | ||
|---|---|---|
| Descripción detallada | Rangos | Nivel |
| Ocurriría solo bajo circunstancias excepcionales | Raro | 1 |
| Podría ocurrir algunas veces | Improbable | 2 |
| Puede ocurrir en algún momento | Posible | S |
| Ocurrencia en la mayoría de las circunstancias | Probable | 4 |
| La ocurrencia se da en la mayoría de las circunstancias | Casi seguro | 5 |
Fuente: elaboración propia con base en la Norma ISO 31000.
Los impactos de la metodología de gestión de riesgos se reflejan en lo financiero, lo operativo, la imagen organizacional y los clientes. Para cada uno de estos aspectos en las se describen los impactos, con los rangos y niveles definidos, en las tablas 5, 6, 7 y 8.
Tabla 5 Impacto en lo financiero.
| Impacto en lo financiero | ||
|---|---|---|
| Descripción detallada en millones | Rangos | Nivel |
| Pérdida menor a $ 10 | Insignificante | 1 |
| Pérdida mayor o igual a $ 10 y menor a $ 20 | Menor | 2 |
| Pérdida mayor o igual a $ 20 y menor a $ 30 | Intermedio | 3 |
| Pérdida mayor o igual a $ 30 y menor a $ 40 | Mayor | 4 |
| Pérdida mayor o igual a $ 40 | Superior | 5 |
Fuente: elaboración propia con base en la Norma ISO 31000.
Tabla 6 Impacto en la operación
| Impacto en la operación | ||
|---|---|---|
| Descripción detallada | Rangos | Nivel |
| Indisponibilidad del semillero de investigación | Insignificante | 1 |
| Indisponibilidad a nivel del Grupo de investigación | Menor | 2 |
| Indisponibilidad a nivel de Facultad | Intermedio | 3 |
| Indisponibilidad de la Dirección de Investigación | Mayor | 4 |
| Indisponibilidad a nivel externo | Superior | 5 |
Fuente: elaboración propia con base en la Norma ISO 31000.
Tabla 7 Impacto en la imagen
| Impacto en la imagen | ||
|---|---|---|
| Descripción detallada | Rangos | Nivel |
| Identifica el problema de Imagen en el grupo | Insignificante | 1 |
| Identifica el problema de imagen institucional | Menor | 2 |
| Identifica el problema de imagen a nivel regional | Intermedio | 3 |
| Identifica el problema de imagen a nivel nacional | Mayor | 4 |
| Identifica el problema de imagen internacionalmente | Superior | 5 |
Fuente: elaboración propia con base en la Norma ISO 31000
Tabla 8 Impacto en los clientes / mercado
| Impacto en los clientes / mercado | ||
|---|---|---|
| Descripción detallada | Rangos | Nivel |
| Pérdida menor de 5 % de estudiantes en semilleros | Insignificante | 1 |
| Pérdida hasta 10 % de estudiantes en semilleros | Menor | 2 |
| Pérdida hasta 15 % de estudiantes en semilleros | Intermedio | 3 |
| Pérdida hasta 25 % de estudiantes en semilleros | Mayor | 4 |
| Pérdida superior a 50 % de estudiantes en semilleros | Superior | 5 |
Fuente: elaboración propia con base en la Norma ISO 31000.
Evaluación
La evaluación del riesgo es el producto del nivel de la probabilidad/frecuencia por el nivel de cada impacto involucrado. En la tabla 9 se presenta la evaluación del riesgo a partir de la definición de valores de probabilidad/frecuencia (tabla 4) y los impactos (tablas 5, 6, 7 y 8). La evaluación del riesgo facilita la toma de decisiones en función de la manera en que se priorizan, dentro de lo cual se destaca la criticidad de cada grado de riesgo (GR).
3.3 Mejora de procesos
3.3.1 Despliegue
Se aplicó la técnica clustering de MD al conjunto de registros conformado por los atributos de año; nombre de facultad; nombre del grupo; nombre del programa; nombre del semillero; semestre o periodo académico; y total de estudiantes. El algoritmo se entrenó tomando como variables de entrada los atributos anteriores, y como variable de predicción el Total Estudiantes.
Diagrama de perfiles. Con la aplicación de la técnica se muestran los registros agrupados en subconjuntos o subgrupos -denominados 'clústeres'-, en un diagrama de perfiles que se presenta en la figura 7. Este diagrama muestra cuatro columnas: variables (atributos que se eligieron para el análisis de datos, esto es, variables de predicción y entrada); estados (colores que identifican a cada uno de los datos de las variables); datos que contiene cada variable; y concentración de datos por variable (especifica los porcentajes indicados por colores).
De acuerdo con el análisis del comportamiento de las variables de la figura 7, "año" muestra la mayor concentración de datos en el 2018, y el color que relaciona es azul. Los datos relacionados con el total de estudiantes que participan en semilleros de investigación a nivel institucional indican una mayor concentración (color violeta) para el año 2017 y menor para el 2016 (color verde). Para la variable "facultad", los colores indican el espacio en que se presentó más concentración de estudiantes mediante otro código de colores; y la variable "total estudiantes" muestra un comportamiento general, lo cual indica que entre 1 y 18 estudiantes se concentran en uno o más semilleros.
Diagrama de características. Este presenta un resumen del comportamiento de las variables respecto al total de registros. La probabilidad más alta se presenta en los datos del atributo "semestre" (valor 2), y se destaca el año 2018; así mismo, la facultad con más concentración de estudiantes es la de Ingeniería: entre 5 y 7 estudiantes participan en semilleros de investigación (figura 8).
En la figura 9 puede observarse el comportamiento de la participación de los estudiantes frente a su meta. De aquí se observa el crecimiento de la participación en semilleros entre 2016 y 2018, representado en un 10 %, 70 % y 111 %, respectivamente. Igualmente, se destaca que la meta ha estado por encima de los estudiantes participantes, excepto en el año 2018, en que se superó.
Fuente: elaboración propia.
Figura 9 Total de estudiantes en semillero anual institucional vs. estudiantes participantes esperados (meta)
Monitoreo. A partir de la aplicación de la metodología de gestión del riesgo se presentan los resultados de las acciones de monitoreo. En la figura 10 se evidencia un crecimiento paulatino de la cantidad de semilleros de investigación entre 2016 y 2018 -representado en 18 %, 29 % y 53 % sobre el total, respectivamente-.
En la figura 11 se observa un crecimiento paulatino en la proporción del número de estudiantes por semillero por año de 314 % y 262 % en 2017 y 2018, respectivamente, frente al 2016.
Fuente: elaboración propia.
Figura 11 Proporción del número de estudiantes por semillero por año a nivel institucional
La proporción de estudiantes en los semilleros está representada por las facultades de Ingeniería, Educación y Ciencias Sociales, Ciencias Administrativas y Económicas, y Derecho y Ciencias Forenses, y por el Departamento de Ciencias Básicas y Áreas Comunes: ostentan el 40 %, 32 %, 16 %, 6 % y 6 % en el periodo estudiado, respectivamente (figura 12).
Fuente: elaboración propia.
Figura 12 Total acumulado de estudiantes en semilleros por facultad, 2016 - 2018
De las cinco facultades de la investigación, el 72 % de los estudiantes participantes en semilleros pertenecen a las de Ingeniería, Educación y Ciencias Sociales.
Evaluación del riesgo. A partir de la información analizada, en las tablas 10, 11 y 12 se presenta la evaluación del riesgo de las amenazas.
Los colores del semáforo utilizado en la determinación de GR en las tablas anteriores van de rojo (crítico) a verde (menos crítico). Se observa un decremento de los rojos y los amarillos hacia los verdes con el incremento de los años del estudio desde 2016 hasta 2018.
3.3 Retroalimentación o plan de mejora
3.3.1 Despliegue
La retroalimentación o plan de mejora se realiza a las medidas e indicadores del periodo actual: se determina el grado de cumplimiento con rangos por valor absoluto, porcentaje referente a la meta y priorización del estado (ideal, alerta o crítico), tal como se presenta en la tabla 13.
Luego de la priorización de la evaluación del riesgo por año se realizó la consolidación de las amenazas sobre el "No cumplimiento de la meta de cantidad de estudiantes en los semilleros", dentro de lo que se destacaron los estados "crítico" y "alerta" (tablas 14, 15 y 16).
Optimización y actuar. El tratamiento del riesgo, como optimización y actuación frente a las debilidades manifestadas durante la valoración del GR, se describe en la tabla 17. Este tratamiento implica la selección de acciones, entre las que se puede nombrar: evitar el riesgo, incrementar el riesgo como una oportunidad, retirar la fuente de riesgo, cambiar la probabilidad, cambiar las consecuencias, transferir o compartir el riesgo, y retener el riesgo como decisión informada.
4. DISCUSIÓN
Las investigaciones revisadas a manera de antecedentes permitieron identificar fortalezas en cuanto a la integración de MD y BPM para la gestión del riesgo. Sin embargo, se encontraron debilidades referidas a los temas de mejora continua con gestión del riesgo, aplicables a la determinación de indicadores y sus posibles incumplimientos. Frente a ello, en este trabajo se presenta un modelo que integra los resultados desde las áreas del ciclo PHVA, BPM y MD: aporta más integralidad en dichos resultados y brinda apoyo para la gestión del riesgo y el análisis del estado de los KPI obtenidos a partir de un modelo dimensional.
En el marco de los procesos vitales de la Dirección de Investigaciones del Tecnológico de Antioquia se estableció una escala de calificación que permite conocer el nivel de cumplimiento y posible optimización de los KPI y de los registros estadísticos, luego de un proceso de minería de datos. Para ello, se definió un listado de amenazas que pudiesen afectar de forma negativa el cumplimiento de la meta asociada a la cantidad de estudiantes en los semilleros de investigación proyectados. Al generar un listado y tablas de probabilidad - frecuencia, así como y la respectiva valoración de impactos en varios aspectos (como los que se involucran en este trabajo), se logró llegar a la valoración del riesgo, su priorización y la determinación de planes de mejora para su gestión.
5. CONCLUSIONES
El modelo propuesto se presenta como una aproximación para realizar gestión del riesgo a partir del ciclo PHVA. Su valor agregado está representado por la incorporación de componentes que no solo permiten la verificación del proceso de negocio bajo análisis a través de BPM, sino que a la vez se obtienen y analizan sus indicadores, con lo que se identifica su estado a partir de probabilidades y frecuencias que se miden desde la gestión del riesgo.
La incorporación del modelo propuesto en el proceso que relaciona los semilleros de investigación de la institución estudiada ha permitido conocer el comportamiento de la participación de los estudiantes a nivel institucional. En este sentido, el proceso permitió resaltar las variables más significativas que permiten determinar por qué se ha presentado más participación en unos periodos académicos respecto a otros, y las causas que motivan dicho comportamiento. Estas últimas se analizaron a partir de los riesgos y permitieron activar elementos del modelo que están orientados a revisar el proceso con el componente BPM, y generar mejora continua a través del componente PHVA. La incorporación del modelo aplicado periodo tras periodo en la definición, valor y seguimiento de los indicadores ayuda a definir planes de acción que favorezcan y posibiliten una mayor participación de los estudiantes en los diferentes semilleros de investigación de las facultades del Tecnológico de Antioquia.
