Journal of Scientific and Technological Research
Industrial
ISSNe: 2961-211X
PROF-JSTRI-V-00
Vol. 7 N.º 1
(January - June, 2026)
Página 26 de 37
Journal of Scientific and Technological Research Industrial
Modelo de inteligencia de negocios para la evaluación de la
competitividad en la gestión académica universitaria: estudio de caso en
la UNFV
A Business Intelligence Model for Assessing Competitiveness in University Academic Management: A Case
Study at UNFV
Juan Alfaro-Bernedo
Universidad Nacional Federico Villarreal, Perú
jalfaro@unfv.edu.pe
María Alfaro-Bardales
Universidad Nacional Federico Villarreal, Perú
malfaro@unfv.edu.pe
Isaac Sánchez-Cáceres
Universidad Nacional Federico Villarreal, Perú
isanchez@unfv.edu.pe
Cristhian Lureña Silva
Universidad Nacional Federico Villarreal, Perú
clureña@unfv.edu.pe
Resumen
El presente estudio tiene como objetivo evaluar la competitividad de la gestión
académica universitaria mediante la implementación de un modelo de inteligencia de
negocios (BI). Se desarrolló un enfoque cuantitativo, de nivel descriptivo y diseño no
experimental, tomando como caso de estudio a la Universidad Nacional Federico
Villarreal durante el periodo 2019–2023. El modelo fue operacionalizado mediante
dashboards construidos en Microsoft Power BI, aplicados a los procesos de admisión y
gestión del egreso. Los resultados evidencian variaciones significativas en los
indicadores de vacantes, postulantes, ingresantes, bachilleres y titulados, influenciadas
principalmente por factores externos como la pandemia por COVID-19. Se concluye
que el uso de herramientas de inteligencia de negocios permite mejorar la evaluación
del desempeño institucional y fortalecer la toma de decisiones en la gestión académica.
Palabras claves: inteligencia de negocios, gestión académica, competitividad,
evaluación del desempeño, universidades.
Abstract
This study aims to evaluate the competitiveness of academic management through the
implementation of a business intelligence (BI) model. A quantitative, descriptive, and
non-experimental research design was applied, using the National University Federico
Villarreal as a case study for the period 2019–2023. The model was operationalized
through dashboards developed in Microsoft Power BI, focusing on admission and
graduation processes. The results reveal significant variations in key indicators such as
vacancies, applicants, admitted students, graduates, and degree holders, mainly
influenced by external factors such as the COVID-19 pandemic. It is concluded that the
use of business intelligence tools enhances institutional performance evaluation and
supports decision-making in academic management.
Keywords: business intelligence, academic management, competitiveness,
performance evaluation, universities.
Publicado: 2026-03-13
Aceptado: 2026-03-12
Recibido: 2026-01-13
Open Access
Article scientific
https://doi.org/10.47422/jstri.v7i1.73
Journal of Scientific and Technological Research
Industrial
ISSNe: 2961-211X
PROF-JSTRI-V-00
Vol. 7 N.º 1
(January - June, 2026)
Página 27 de 37
Journal of Scientific and Technological Research Industrial
Introducción
En las últimas décadas, el avance de las tecnologías de la
información y la comunicación (TIC) ha generado
transformaciones significativas en los distintos sistemas
organizacionales, particularmente en aquellos que manejan
grandes volúmenes de información.
En este contexto, las instituciones de educación superior no
han sido ajenas a este proceso, enfrentando el desafío de
gestionar de manera eficiente información compleja,
heterogénea y en constante crecimiento.
La creciente digitalización de los procesos académicos y
administrativos ha dado lugar a la generación masiva de
datos que, si no son adecuadamente procesados, pierden
valor para la toma de decisiones. En este sentido, la gestión
de la información se convierte en un elemento estratégico
para mejorar el desempeño institucional, especialmente en
entornos caracterizados por altos niveles de competencia y
exigencia de calidad.
En el ámbito universitario, la gestión académica constituye
uno de los procesos misionales más relevantes, ya que
articula actividades vinculadas a la admisión, formación
profesional y egreso de los estudiantes. La eficiencia de
estos procesos impacta directamente en los niveles de
competitividad de las instituciones, tanto a nivel nacional
como internacional.
En este escenario, herramientas tecnológicas como la
inteligencia de negocios (Business Intelligence, BI) han
adquirido un papel protagónico, al permitir la integración,
procesamiento y análisis de datos mediante el uso de
plataformas que facilitan la visualización de información
en tiempo real. Estas herramientas contribuyen a mejorar la
toma de decisiones, al proporcionar indicadores clave de
desempeño que permiten evaluar el comportamiento de los
procesos organizacionales.
No obstante, a pesar de la disponibilidad de estas
tecnologías, muchas universidades públicas peruanas
presentan limitaciones en la implementación de sistemas
analíticos que permitan evaluar de manera sistemática su
desempeño académico.
Esta situación se traduce en una toma de decisiones basada
en información fragmentada, lo que dificulta la
identificación de oportunidades de mejora y la
optimización de los procesos institucionales.
En este contexto, la evaluación de la competitividad
académica adquiere especial relevancia, ya que permite
analizar el desempeño de las universidades en función de
indicadores asociados a sus procesos misionales. Sin
embargo, esta evaluación suele realizarse de manera
aislada o con herramientas tradicionales que no permiten
un análisis integral de la información.
Frente a esta problemática, surge la necesidad de
desarrollar modelos basados en inteligencia de negocios
que permitan integrar y analizar datos provenientes de
diferentes fuentes, facilitando una evaluación más precisa
y dinámica de la gestión académica.
En este sentido, el presente estudio tiene como objetivo
evaluar la competitividad de la gestión académica
universitaria mediante la implementación de un modelo de
inteligencia de negocios, tomando como caso de estudio a
la Universidad Nacional Federico Villarreal durante el
periodo 2019–2023.
Para ello, se analizan los procesos de admisión y gestión
del egreso, considerados representativos dentro del sistema
académico universitario, mediante el uso de dashboards
desarrollados en Microsoft Power BI, que permiten
visualizar indicadores clave como vacantes, postulantes,
ingresantes, bachilleres y titulados.
El análisis del periodo 2019–2023 permite, además,
observar el comportamiento de estos indicadores en
distintos contextos, incluyendo la etapa prepandemia, la
crisis sanitaria generada por la COVID-19 y el proceso de
recuperación pospandemia, factores que han influido
significativamente en la dinámica de la gestión académica.
1.1 Planteamiento del Problema
En el Perú, la actividad universitaria se rige por la Ley
Universitaria N.° 30220, la cual reconoce la autonomía de
las universidades en los ámbitos normativo, académico,
administrativo, económico y de gobierno.
No obstante, en la práctica, el sistema universitario peruano
enfrenta diversas limitaciones que afectan su desempeño,
especialmente en la gestión académica.
A pesar del marco normativo vigente, las universidades
públicas operan en un entorno caracterizado por
restricciones institucionales, limitaciones en la gestión de
recursos y una creciente demanda por mejorar sus
estándares de calidad y competitividad.
Esta situación se ve reflejada en los resultados de rankings
internacionales y nacionales, como Webometrics, donde
las universidades peruanas ocupan posiciones poco
competitivas en comparación con otras instituciones de
educación superior a nivel global.
Journal of Scientific and Technological Research
Industrial
ISSNe: 2961-211X
PROF-JSTRI-V-00
Vol. 7 N.º 1
(January - June, 2026)
Página 28 de 37
Journal of Scientific and Technological Research Industrial
Figura 1
Competitividad de las universidades peruanas según Webometrics (2023)
Nota. Adaptado de Webometrics (2023), https://www.webometrics.info/es/latin_america_es/per%C3%BA?page=1
Figura 2
Top 100 mejores universidades del Perú-2023
Nota. Adaptado de “Mejores universidades del Perú: Top 100”, por Estudia Perú (2023), https://estudiaperu.pe/mejores-
universidades-peru/ranking-estudiaperu/
Journal of Scientific and Technological Research
Industrial
ISSNe: 2961-211X
PROF-JSTRI-V-00
Vol. 7 N.º 1
(January - June, 2026)
Página 29 de 37
Journal of Scientific and Technological Research Industrial
En este contexto, uno de los principales problemas
identificados es la ausencia de herramientas integradas que
permitan evaluar de manera objetiva, sistemática y en
tiempo real la competitividad de los procesos académicos.
Esta limitación dificulta la identificación de brechas de
desempeño, así como la implementación de estrategias
orientadas a mejorar la calidad de la gestión académica.
Particularmente, los procesos de admisión y gestión del
egreso presentan deficiencias en la recopilación,
procesamiento y análisis de información, lo que impide
contar con indicadores confiables para la toma de
decisiones. Estas limitaciones afectan la eficiencia de la
gestión académica y, en consecuencia, la competitividad
institucional.
Asimismo, la falta de integración de tecnologías de análisis
de datos, como la inteligencia de negocios, restringe la
capacidad de las universidades para transformar datos
operativos en información estratégica, lo que constituye
una desventaja frente a instituciones que sí han incorporado
estas herramientas en su gestión.
Frente a esta problemática, se plantea la necesidad de
implementar modelos basados en inteligencia de negocios
que permitan evaluar de manera integral la competitividad
de la gestión académica, mediante el uso de herramientas
que faciliten el análisis y la visualización de información
relevante para la toma de decisiones.
Problema general
¿De qué manera la implementación de un modelo de
inteligencia de negocios contribuye a la evaluación de la
competitividad de la gestión académica universitaria en la
Universidad Nacional Federico Villarreal durante el
periodo 2019–2023?
Problemas específicos
¿De qué manera la implementación de un modelo de
inteligencia de negocios contribuye a la evaluación del
proceso de admisión en la Universidad Nacional Federico
Villarreal durante el periodo 2019–2023?
¿De qué manera la implementación de un modelo de
inteligencia de negocios contribuye a la evaluación del
proceso de gestión del egreso en la Universidad Nacional
Federico Villarreal durante el periodo 2019–2023?
1.2 Antecedentes
En los últimos años, la aplicación de la inteligencia de
negocios (Business Intelligence, BI) en el ámbito
universitario ha sido objeto de diversos estudios orientados
a mejorar la gestión académica mediante el uso de
herramientas tecnológicas para el análisis de datos.
Asto (2018) analizó el impacto del uso de un datamart en
la gestión académica universitaria, evidenciando que la
implementación de modelos basados en inteligencia de
negocios permite mejorar la confiabilidad en la toma de
decisiones mediante la estructuración y análisis de datos
institucionales. Asimismo, el autor destaca la utilidad de
metodologías como la propuesta por Kimball para la
construcción de almacenes de datos orientados a la gestión
académica.
Por su parte, Santos (2022) evaluó el impacto de la
inteligencia de negocios en la gestión universitaria en la
Facultad de Ingeniería de la Universidad Nacional de
Trujillo, empleando un diseño cuasi-experimental. Los
resultados evidenciaron mejoras en los procesos de toma
de decisiones, destacando la relevancia del uso de
herramientas analíticas en contextos educativos.
De manera similar, Sarmiento (2018) desarrolló una
solución de inteligencia de negocios utilizando Pentaho,
orientada a optimizar el análisis de información en la
gestión académica universitaria. El estudio demostró que la
implementación de estas herramientas permite transformar
datos operativos en información útil para la toma de
decisiones, mejorando la eficiencia de los procesos
académicos.
En la misma línea, Barrera (2022) implementó una
aplicación web basada en inteligencia de negocios para
mejorar el proceso de gestión de documentos de titulación
en la Universidad Tecnológica del Perú. Los resultados
mostraron mejoras en el control de documentos, tiempos de
procesamiento y acceso a la información, evidenciando el
impacto positivo de estas tecnologías en la gestión
institucional.
Finalmente, Reyes (2019) desarrolló una solución de
inteligencia de negocios orientada a mejorar la efectividad
de la gestión académica en el Centro de Entrenamiento en
Tecnologías de Información, evidenciando mejoras en el
análisis de indicadores y en la toma de decisiones
estratégicas.
En conjunto, estos estudios evidencian que la inteligencia
de negocios constituye una herramienta clave para
optimizar la gestión académica; sin embargo, la mayoría de
investigaciones se enfocan en el uso de datamarts o
soluciones específicas, sin abordar de manera integral la
evaluación de la competitividad académica mediante
modelos basados en dashboards, lo cual constituye el
principal aporte del presente estudio.
1.3 Justificación
La presente investigación se justifica en la necesidad de
fortalecer la gestión académica universitaria mediante el
Journal of Scientific and Technological Research
Industrial
ISSNe: 2961-211X
PROF-JSTRI-V-00
Vol. 7 N.º 1
(January - June, 2026)
Página 30 de 37
Journal of Scientific and Technological Research Industrial
uso de herramientas tecnológicas que permitan evaluar el
desempeño institucional de manera objetiva y sistemática.
En un contexto caracterizado por la creciente competencia
entre instituciones de educación superior, resulta
fundamental contar con mecanismos que faciliten la toma
de decisiones basada en evidencia.
Desde el punto de vista práctico, el estudio propone la
implementación de un modelo de inteligencia de negocios
que permite integrar, procesar y visualizar información
relevante de los procesos académicos, contribuyendo a
mejorar la eficiencia en la gestión institucional.
En el ámbito teórico, la investigación aporta al campo de
estudio de la inteligencia de negocios aplicada a la
educación superior, al proponer un enfoque basado en
dashboards para la evaluación de la competitividad
académica, lo cual amplía las perspectivas tradicionales
centradas en el uso de almacenes de datos.
Asimismo, desde el enfoque metodológico, el estudio
establece un modelo aplicable a otras universidades
públicas con características similares, lo que permite su
replicabilidad en distintos contextos institucionales.
En términos sociales, la investigación contribuye a mejorar
la calidad de la educación superior al fortalecer la gestión
académica mediante el uso de información confiable para
la toma de decisiones.
1.4. Marco Teórico
La inteligencia de negocios (Business Intelligence, BI) se
concibe como un conjunto de tecnologías, aplicaciones y
metodologías orientadas a la recopilación, integración y
análisis de datos, con el propósito de apoyar la toma de
decisiones en las organizaciones. Su principal valor radica
en la capacidad de transformar grandes volúmenes de datos
en información útil, facilitando la comprensión de los
procesos institucionales y el comportamiento de sus
indicadores.
Desde el punto de vista técnico, la inteligencia de negocios
se sustenta en la construcción de estructuras de
almacenamiento de datos, como los data warehouse y
datamarts, que permiten organizar la información
proveniente de diferentes fuentes. En este contexto, la
metodología propuesta por Kimball constituye uno de los
enfoques más difundidos para el diseño de soluciones
analíticas, al priorizar la modelación dimensional y la
accesibilidad de la información para los usuarios.
El desarrollo de herramientas como Pentaho y Microsoft
Power BI ha ampliado las posibilidades de aplicación de la
inteligencia de negocios, al incorporar funcionalidades que
permiten la creación de dashboards interactivos. Estas
plataformas facilitan la visualización de indicadores clave
de desempeño mediante gráficos dinámicos, lo que
contribuye a una interpretación más clara y oportuna de la
información.
En el ámbito de la educación superior, la aplicación de la
inteligencia de negocios ha permitido optimizar la gestión
académica mediante el análisis de variables asociadas al
desempeño estudiantil, la eficiencia de los procesos
administrativos y la calidad educativa. A través de estas
herramientas, es posible identificar patrones, tendencias y
desviaciones que orientan la toma de decisiones
institucionales.
Desde una perspectiva sistémica, la metodología de
sistemas suaves desarrollada por Checkland permite
abordar problemas complejos en contextos
organizacionales, considerando la interacción de múltiples
actores y variables. Este enfoque resulta pertinente en el
análisis de la gestión académica, debido a la naturaleza
dinámica y multifactorial de los procesos universitarios.
La gestión académica, entendida como un proceso misional
dentro de las instituciones de educación superior, involucra
actividades relacionadas con la admisión, formación y
egreso de los estudiantes. Su adecuado funcionamiento
incide directamente en los niveles de desempeño
institucional, lo que la convierte en un eje central para la
evaluación de la competitividad universitaria.
La competitividad académica puede ser analizada a partir
de indicadores que reflejan la eficiencia y eficacia de los
procesos académicos, tales como el número de postulantes,
ingresantes, egresados y titulados. Estos indicadores
permiten evaluar el rendimiento institucional y su
capacidad para responder a las demandas del entorno
educativo.
Bajo este enfoque, la integración de herramientas de
inteligencia de negocios en la gestión académica permite
consolidar información dispersa en plataformas analíticas
que facilitan su interpretación. La visualización de datos
mediante dashboards contribuye a mejorar el monitoreo de
los procesos y fortalece la toma de decisiones basada en
evidencia.
1.5. Objetivos del estudio
Evaluar la competitividad de la gestión académica
universitaria mediante la implementación de un modelo de
inteligencia de negocios en la Universidad Nacional
Federico Villarreal durante el periodo 2019–2023.
Objetivos específicos
Analizar el comportamiento del proceso de admisión a
partir de indicadores como postulantes, vacantes e
Journal of Scientific and Technological Research
Industrial
ISSNe: 2961-211X
PROF-JSTRI-V-00
Vol. 7 N.º 1
(January - June, 2026)
Página 31 de 37
Journal of Scientific and Technological Research Industrial
ingresantes en la Universidad Nacional Federico Villarreal
durante el periodo 2019–2023.
Evaluar el proceso de gestión del egreso mediante
indicadores como bachilleres y titulados en la Universidad
Nacional Federico Villarreal durante el periodo 2019–
2023.
Método
2.1. Tipo y diseño del estudio
El estudio corresponde a una investigación aplicada, con
enfoque cuantitativo, orientada al análisis de datos
académicos mediante herramientas de inteligencia de
negocios. El diseño es no experimental, de tipo longitudinal
retrospectivo, ya que se analizan datos históricos
correspondientes al periodo 2019–2023 sin manipulación
de variables.
2.2. Unidad de análisis
La unidad de análisis está conformada por los registros
académicos relacionados con los procesos de admisión y
gestión del egreso, incluyendo información sobre
postulantes, vacantes, ingresantes, bachilleres y titulados.
2.3. Fuente de datos
Los datos fueron obtenidos de los registros institucionales
de la Universidad Nacional Federico Villarreal,
correspondientes al periodo 2019–2023. Estos registros
fueron organizados y estructurados para su procesamiento
mediante herramientas de inteligencia de negocios.
2.4. Procedimiento
El procedimiento se desarrolló en cuatro etapas:
1. Extracción de datos: recopilación de información
académica proveniente de las bases de datos
institucionales.
2. Transformación de datos: depuración, limpieza y
estructuración de la información para su análisis.
3. Carga de datos: integración de los datos en un entorno
analítico utilizando Microsoft Power BI.
4. Visualización: desarrollo de dashboards interactivos
que permiten analizar indicadores clave de desempeño
de los procesos académicos.
2.5. Técnicas e instrumentos
Se emplearon técnicas de análisis de datos mediante
herramientas de inteligencia de negocios. Como
instrumento principal se utilizó Microsoft Power BI para la
construcción de dashboards interactivos, que permitieron la
visualización y análisis de indicadores académicos.
2.6. Análisis de datos
El análisis se realizó mediante estadística descriptiva,
utilizando indicadores como frecuencias y tendencias a lo
largo del periodo de estudio. La visualización de los datos
se efectuó mediante gráficos dinámicos que facilitaron la
interpretación de los resultados.
Resultados
3.1. Análisis de los procesos académicos
Con el propósito de evaluar la competitividad de la gestión
académica, se analizaron los procesos de admisión y
gestión del egreso, considerando sus principales
componentes. Estos procesos fueron estructurados en
función de indicadores clave que permiten medir el
desempeño académico institucional.
Tabla 1
Procesos y componentes del modelo de inteligencia de negocios para la evaluación de la gestión académica.
Proceso
Componente 1
Componente 3
Componente 4
Admisión
Vacantes
Ingresantes
Consolidado
Grados y títulos
Egresado
Título
Consolidado
Nota. Elaboración propia.
Como se observa en la Tabla 1, el proceso de admisión está
conformado por los componentes vacantes, postulantes e
ingresantes, mientras que el proceso de gestión del egreso
incluye egresados, bachilleres y titulados. La integración
de estos componentes permite consolidar información
relevante para el análisis de la competitividad académica.
3.2. Registros de los procesos académicos
Se procesaron los registros correspondientes a los procesos
de admisión y gestión del egreso durante el periodo 2019–
2023, considerando los indicadores definidos previamente.
Journal of Scientific and Technological Research
Industrial
ISSNe: 2961-211X
PROF-JSTRI-V-00
Vol. 7 N.º 1
(January - June, 2026)
Página 32 de 37
Journal of Scientific and Technological Research Industrial
Tabla 2
Registros de los procesos de admisión y egreso en el periodo 2019–2023
Proceso
Componente 1
Componente 2
Componente 3
Admisión
12,240
46,897
10,169
Grados y títulos
10,169
14,200
7,703
Nota. Datos obtenidos de registros institucionales de la UNFV.
Los resultados muestran que el proceso de admisión
presenta una mayor concentración de datos en el número
de postulantes, seguido por vacantes e ingresantes.
En el caso del proceso de egreso, se observa una mayor
cantidad de bachilleres en comparación con titulados, lo
que evidencia una brecha en la culminación del proceso
académico.
3.3. Visualización de indicadores mediante dashboards
Con la finalidad de facilitar el análisis de los indicadores,
se desarrollaron dashboards interactivos utilizando
Microsoft Power BI, los cuales permiten visualizar el
comportamiento de los procesos académicos a lo largo del
periodo de estudio.
3.3.1. Análisis del proceso de admisión
Figura 3
Interfaz inicial del modelo de inteligencia de negocios para
el proceso de admisión
Nota. Elaboración propia.
La interfaz inicial del modelo permite acceder a los
principales componentes del proceso de admisión,
organizados en indicadores como vacantes, postulantes,
ingresantes y consolidado.
Esta estructura facilita la navegación y el análisis
segmentado de la información.
3.3.2. Vacantes
Figura 4
Visualización del indicador vacantes en el proceso de
admisión
Nota. Elaboración propia.
El análisis del indicador vacantes muestra la distribución
de plazas ofertadas a lo largo del periodo evaluado,
evidenciando variaciones en la disponibilidad de cupos en
función de la planificación institucional.
3.3.3. Postulantes
Figura 5
Visualización del indicador postulantes en el proceso de
admisión
Nota. Elaboración propia.
Journal of Scientific and Technological Research
Industrial
ISSNe: 2961-211X
PROF-JSTRI-V-00
Vol. 7 N.º 1
(January - June, 2026)
Página 33 de 37
Journal of Scientific and Technological Research Industrial
El comportamiento del número de postulantes presenta
variabilidad a lo largo del periodo de estudio, lo que refleja
cambios en la demanda de acceso a la institución.
3.3.4. Ingresantes
Figura 6
Visualización del indicador ingresantes en el proceso de
admisión
Nota. Elaboración propia.
El número de ingresantes muestra una relación directa con
las vacantes ofertadas, permitiendo identificar el nivel de
cobertura del proceso de admisión.
3.3.5. Análisis consolidado del proceso de admisión
Figura 7
Dashboard consolidado del proceso de admisión
Nota. Elaboración propia.
La visualización consolidada integra los principales
indicadores del proceso de admisión, facilitando una
evaluación global del desempeño académico en términos
de oferta y demanda.
Figura 8
Dashboard del indicador postulantes con criterios de
segmentación
Nota. Elaboración propia.
El dashboard del indicador postulantes permite analizar la
distribución de los aspirantes según diferentes criterios de
segmentación, como tipo de institución de procedencia,
preparación académica, sexo, distrito y edad. Esta
visualización facilita la identificación de patrones en la
demanda de ingreso a la universidad.
Figura 9
Dashboard del indicador ingresantes en el proceso de
admisión
Nota. Elaboración propia.
Journal of Scientific and Technological Research
Industrial
ISSNe: 2961-211X
PROF-JSTRI-V-00
Vol. 7 N.º 1
(January - June, 2026)
Página 34 de 37
Journal of Scientific and Technological Research Industrial
El dashboard del indicador ingresantes permite analizar la
distribución de los estudiantes admitidos según variables
como año, escuela profesional y sexo. Esta visualización
facilita la evaluación del comportamiento del ingreso en
función de la oferta académica.
Figura 10
Distribución de ingresantes según sexo por escuela
profesional
Nota. Elaboración propia mediante Microsoft Power BI.
La visualización del indicador ingresantes según sexo
permite identificar diferencias en la distribución de
estudiantes admitidos entre las distintas escuelas
profesionales. Se observa variabilidad en la proporción de
ingresantes masculinos y femeninos, lo que evidencia
patrones diferenciados en la demanda de acceso según área
académica.
Figura 11
Dashboard consolidado de los indicadores del proceso de
admisión
Nota. Elaboración propia mediante Microsoft Power BI.
El dashboard consolidado integra los principales
indicadores del proceso de admisión, permitiendo
visualizar de manera conjunta la relación entre vacantes,
postulantes e ingresantes a lo largo del periodo analizado.
Esta visualización facilita la identificación de tendencias y
variaciones en la dinámica del proceso académico.
Figura 12
Indicadores de competitividad del proceso de admisión
(razones postulantes/vacantes, ingresantes/vacantes y
postulantes/ingresante)
Nota. Elaboración propia mediante Microsoft Power BI.
Los indicadores derivados permiten evaluar la
competitividad del proceso de admisión mediante la
relación entre postulantes, vacantes e ingresantes. Se
observa variabilidad en las razones a lo largo del periodo
analizado, destacando una mayor relación
postulantes/vacantes en determinados años, lo que refleja
cambios en la demanda y en la presión de ingreso a la
institución.
3.4. Resultados del proceso de gestión del egreso
Con el propósito de evaluar la competitividad del proceso
de gestión del egreso, se analizaron los indicadores
correspondientes a bachilleres y titulados mediante la
implementación del modelo de inteligencia de negocios.
3.4.1. Interfaz del modelo de egreso
Figura 13
Interfaz inicial del modelo de inteligencia de negocios para
el proceso de egreso
Nota. Elaboración propia mediante Microsoft Power BI.
Journal of Scientific and Technological Research
Industrial
ISSNe: 2961-211X
PROF-JSTRI-V-00
Vol. 7 N.º 1
(January - June, 2026)
Página 35 de 37
Journal of Scientific and Technological Research Industrial
La interfaz permite acceder a los principales componentes
del proceso de egreso, facilitando la visualización
segmentada de los indicadores académicos.
3.4.2. Bachilleres
Figura 14
Dashboard del indicador bachilleres por programa
académico
Nota. Elaboración propia mediante Microsoft Power BI.
El análisis del indicador bachilleres muestra una
concentración en determinadas carreras profesionales,
evidenciando una distribución heterogénea en la
producción académica. Asimismo, se identifican
programas con baja generación de bachilleres, lo que
sugiere la necesidad de fortalecer este proceso.
3.4.3. Titulados
Figura 15
Dashboard del indicador titulados por programa
académico
Nota. Elaboración propia mediante Microsoft Power BI.
El comportamiento del indicador titulados refleja una
menor proporción en comparación con los bachilleres,
evidenciando una brecha en la culminación del proceso
académico. Se observa variabilidad entre programas, lo que
indica diferencias en la eficiencia del proceso de titulación.
3.4.4. Análisis consolidado del egreso
Figura 16
Dashboard consolidado del proceso de egreso
Nota. Elaboración propia mediante Microsoft Power BI.
La visualización consolidada permite identificar una
tendencia afectada por factores externos durante el periodo
analizado, con una disminución inicial seguida de una
recuperación progresiva en los indicadores de egreso.
3.5. Resultado general
Con base en el modelo implementado, se integraron los
resultados de los procesos de admisión y egreso para
evaluar la competitividad académica de manera global.
Figura 17
Dashboard consolidado de la competitividad académica
Journal of Scientific and Technological Research
Industrial
ISSNe: 2961-211X
PROF-JSTRI-V-00
Vol. 7 N.º 1
(January - June, 2026)
Página 36 de 37
Journal of Scientific and Technological Research Industrial
Nota. Elaboración propia mediante Microsoft Power BI.
El análisis integrado evidencia diferencias entre los
indicadores de ingreso y egreso. La relación entre
bachilleres e ingresantes muestra una disminución en la
población estudiantil a lo largo del proceso académico,
mientras que la relación entre titulados y bachilleres refleja
una brecha en la culminación del proceso formativo.
Asimismo, la proporción entre titulados e ingresantes
evidencia que una parte de los estudiantes no alcanza la
obtención del título profesional, lo que permite identificar
oportunidades de mejora en la eficiencia de la gestión
académica.
Discusión
Los resultados obtenidos evidencian que la
implementación de un modelo de inteligencia de negocios
permite analizar de manera integrada los procesos de
admisión y egreso, facilitando la evaluación de la
competitividad académica mediante el uso de indicadores
clave.
En relación con el proceso de admisión, se observó
variabilidad en la relación entre postulantes, vacantes e
ingresantes, lo que refleja cambios en la demanda de acceso
a la institución a lo largo del periodo analizado. Estos
hallazgos coinciden con lo reportado por Asto (2018),
quien señala que el uso de herramientas de inteligencia de
negocios permite mejorar la interpretación de datos
académicos mediante la estructuración de la información.
Asimismo, el análisis del proceso de egreso evidenció una
diferencia entre el número de bachilleres y titulados, lo que
pone de manifiesto una brecha en la culminación del
proceso formativo. Este comportamiento es consistente con
lo planteado por Sarmiento (2018), quien destaca que el uso
de herramientas analíticas permite identificar deficiencias
en los procesos académicos y orientar la toma de
decisiones.
Por otro lado, la integración de los indicadores de admisión
y egreso permitió identificar una disminución progresiva
de la población estudiantil a lo largo del proceso
académico, evidenciando limitaciones en la eficiencia de la
gestión institucional. Estos resultados se relacionan con lo
señalado por Santos (2022), quien destaca la importancia
de la inteligencia de negocios en la optimización de la
gestión universitaria.
Desde una perspectiva metodológica, el uso de dashboards
desarrollados en Power BI permitió visualizar de manera
dinámica los indicadores, facilitando la identificación de
patrones y tendencias. En este sentido, los resultados
refuerzan la utilidad de la inteligencia de negocios como
herramienta para la toma de decisiones basada en evidencia
en el ámbito educativo.
En conjunto, los hallazgos del estudio confirman que la
implementación de modelos de inteligencia de negocios
contribuye a mejorar la evaluación de la competitividad
académica, al permitir integrar y analizar información
relevante de los procesos institucionales.
Conclusiones
La implementación del modelo de inteligencia de negocios
permitió evaluar la competitividad de la gestión académica
mediante el análisis integrado de los procesos de admisión
y egreso, evidenciando su utilidad como herramienta para
la toma de decisiones.
Se identificó variabilidad en los indicadores del proceso de
admisión, lo que refleja cambios en la demanda de acceso
a la institución a lo largo del periodo analizado.
El análisis del proceso de egreso evidenció una brecha
entre bachilleres y titulados, lo que pone de manifiesto
limitaciones en la culminación del proceso académico.
La integración de los indicadores permitió identificar una
disminución de la población estudiantil desde el ingreso
hasta la titulación, lo que evidencia oportunidades de
mejora en la eficiencia de la gestión académica.
El uso de dashboards facilitó la visualización de los
indicadores, permitiendo un análisis más dinámico y
accesible de la información institucional.
Recomendaciones
Implementar de manera permanente herramientas de
inteligencia de negocios en la gestión académica, con el fin
de fortalecer la toma de decisiones basada en evidencia.
Desarrollar estrategias orientadas a reducir la brecha entre
bachilleres y titulados, mediante la optimización de los
procesos de titulación.
Fortalecer el monitoreo de los indicadores académicos
mediante el uso de dashboards que permitan un
seguimiento continuo del desempeño institucional.
Promover la integración de los sistemas de información
académica para mejorar la calidad y disponibilidad de los
datos.
Desarrollar futuras investigaciones que incorporen análisis
predictivos mediante técnicas avanzadas de inteligencia de
negocios.
Journal of Scientific and Technological Research
Industrial
ISSNe: 2961-211X
PROF-JSTRI-V-00
Vol. 7 N.º 1
(January - June, 2026)
Página 37 de 37
Journal of Scientific and Technological Research Industrial
Referencias Bibliográficas
Asto, L. (2018). Inteligencia de negocios en la gestión
académica de la educación superior universitaria.
https://alicia.concytec.gob.pe/vufind/Record/2077-
8686_1a937c7449da46c7fadf818910645620
Barrera, J., & Zoila, Z. (2022). Implementación de una
aplicación web basada en inteligencia de negocios
para mejorar el proceso de gestión de documentos de
titulación en la Universidad Tecnológica del Perú,
2022.
https://alicia.concytec.gob.pe/vufind/Record/UTPD
_588d26d362fa1163896ac71a14feb8e9
Checkland, P., & Scholes, J. (2002). La metodología de
sistemas suaves en acción. Editorial Limusa.
Galindo, M. (2018). La pirámide de Kelsen o jerarquía
normativa en la nueva CPE y el nuevo derecho
autonómico. Revista Jurídica Derecho, 7(9), 126–
148.
Hernández-Sampieri, R. (2018). Metodología de la
investigación: Las rutas cuantitativa, cualitativa y
mixta. McGraw-Hill.
Ley Universitaria N.° 30220. (s. f.).
https://diariooficial.elperuano.pe/pdf/0021/ley-
universitaria-30220.pdf
Estudia Perú. (s. f.). Mejores universidades del Perú: Top
100. Recuperado el 15 de febrero de 2023, de
https://estudiaperu.pe/mejores-universidades-
peru/ranking-estudiaperu/
Webometrics. (s. f.). Ranking web de universidades.
Recuperado el 15 de febrero de 2023, de
https://www.webometrics.info/es/latin_america_es/
per%C3%BA?page=1
Reyes, L. (2019). Implementación de una solución de
inteligencia de negocios para mejorar la efectividad
de la gestión académica del Centro de Entrenamiento
en Tecnologías.
Santos, J. (2022). Impacto de la inteligencia de negocios en
la gestión universitaria de la Facultad de Ingeniería
de la UNT.
https://alicia.concytec.gob.pe/vufind/Record/UNIT
_717c00ef21d4c5307910e092833cc10a
Sarmiento, H. (2018). Inteligencia de negocios usando
Pentaho para la gestión académica en la UNAMBA-
2016.
https://alicia.concytec.gob.pe/vufind/Record/UNM
B_595f685ed437b08af38404d734b83d92