Modelo de arquitectura BI para la gestión de información de los procesos de promoción institucional, selección y matrícula de estudiantes.

Abstract

RESUMEN : este proyecto tiene como objetivo optimizar los procesos de promoción, admisión y matrícula de estudiantes en una Institución de Educación Superior, mediante la centralización y organización de los datos institucionales. El enfoque principal es la creación de un Datalake en AWS S3, que centralice la información procesada y depurada, proporcionando una base de datos estructurada que permita un análisis eficiente. A través de la implementación de un flujo de trabajo ELT (Extracción, Carga y Transformación) utilizando AWS Glue, se busca automatizar la integración de datos provenientes de múltiples fuentes, garantizando su calidad, consistencia y accesibilidad. Además, la integración de AWS Quicksight para la visualización de datos facilita el análisis y la toma de decisiones informadas. Los objetivos específicos del proyecto incluyen la mejora continua de la calidad de los datos, la eliminación de duplicados y la optimización de los procesos de recolección de información, lo que resultará en la reducción de errores y reprocesos, y permitirá una toma de decisiones más estratégica y basada en datos, con el fin de impulsar la eficiencia operativa a nivel institucional.

ABSTRACT : This project aims to optimize the promotion, admission, and enrollment processes for students at a Higher Education Institution by centralizing and organizing institutional data. The main focus is the creation of a Data Lake in AWS S3 to centralize processed and cleaned information, providing a structured database that enables efficient analysis. Through the implementation of an ELT (Extract, Load, and Transform) workflow using AWS Glue, the goal is to automate the integration of data from multiple sources, ensuring its quality, consistency, and accessibility. Additionally, the integration of AWS Quicksight for data visualization facilitates analysis and informed decision-making. The specific objectives of the project include continuous improvement of data quality, removal of duplicates, and optimization of information collection processes, resulting in reduced errors and rework, and enabling more strategic, data-driven decision-making to enhance operational efficiency at the institutional level.