Revista Científica Enfoques del Conocimiento | V.01 | N.03 | Jul–Sep | 2024 | https://revistacec.blez.edu.ec pág. 42
Impacto del big data en la toma de decisiones
estratégicas empresariales
The impact of big data on strategic business decision-making
Torres-Galves, Génesis Daniela
1
Gruezo-Realpe, Mariela Stephany
2
https://orcid.org/0009-0004-7198-7057
https://orcid.org/0000-0002-5929-4336
gdtorresg@ube.edu.ec
mariela.gruezo.realpe@utelvt.edu.ec
Ecuador, Durán, Universidad Bolivariana del
Ecuador.
Ecuador, Esmeraldas, Universidad Técnica Luis
Vargas Torres de Esmeraldas.
Borja-Almeida, Luis Gonzalo
3
https://orcid.org/0009-0001-1338-1493
lugoboal.espe@gmail.com
México, Cancún, Universidad Americana de
Europa.
Autor de correspondencia
1
DOI / URL: https://doi.org/10.55813/gaea/revistacec/v1/n3/19
Resumen: La expansión del big data ha transformado los
datos en un recurso estratégico para las empresas; sin
embargo, en América Latina persisten brechas de
infraestructura, talento, gobernanza y madurez digital que
limitan su aprovechamiento. El objetivo fue analizar el impacto
del big data en la toma de decisiones estratégicas
empresariales, considerando la calidad decisional, la ventaja
competitiva, los factores condicionantes y los riesgos
regionales. Se desarrolló una revisión bibliográfica
exploratoria de literatura científica, libros, informes técnicos y
documentos institucionales publicados preferentemente entre
2012 y 2025, localizados en bases académicas y examinados
mediante lectura exploratoria, categorización temática, matriz
de síntesis y triangulación documental. Los resultados
evidenciaron que el big data favorece decisiones más
oportunas, trazables y predictivas, además de fortalecer la
eficiencia, la innovación y la capacidad de respuesta
competitiva. No obstante, sus beneficios dependen de la
calidad y pertinencia de los datos, la alineación estratégica, las
competencias analíticas, la cultura organizacional y una
gobernanza responsable. La discusión mostró que la
tecnología no sustituye el juicio directivo y puede reproducir
sesgos, opacidad y desigualdades. Se concluye que el big
data genera valor sostenible cuando se integra como una
capacidad organizacional ética, contextualizada y respaldada
por recursos técnicos y humanos.
Palabras clave: big data; toma de decisiones; estrategia
empresarial; analítica de datos; ventaja competitiva.
Artículo Científico
Received: 05/Jun/2024
Accepted: 07/Jul/2024
Published: 06/Ago/2024
Cita: Torres-Galves, G. D., Gruezo-Realpe, M.
S., & Borja-Almeida, L. G. (2024). Impacto del
big data en la toma de decisiones estratégicas
empresariales. Revista Científica Enfoques
Del Conocimiento, 1(3), 42-
60. https://doi.org/10.55813/gaea/revistacec/v
1/n3/19
Revista Científica Enfoques del Conocimiento
(RCEC)
https://www.blez.edu.ec
https://revistacec.blez.edu.ec
revistacec@blez.edu.ec
© 2024. Este artículo es un documento de
acceso abierto distribuido bajo los términos y
condiciones de la Licencia Creative
Commons, Atribución-NoComercial 4.0
Internacional.
Revista Científica Enfoques del Conocimiento | V.01 | N.03 | Jul–Sep | 2024 | https://revistacec.blez.edu.ec pág. 43
Artículo Científico
Julio – Septiembre 2024
Abstract:
The expansion of big data has transformed data into a strategic business resource;
however, gaps in infrastructure, talent, governance, and digital maturity continue to
limit its use in Latin America. This study aimed to analyze the impact of big data on
strategic business decision-making, considering decision quality, competitive
advantage, determining factors, and regional risks. An exploratory literature review
was conducted using scientific literature, academic books, technical reports, and
institutional documents published mainly between 2012 and 2025. Sources were
examined through exploratory reading, thematic categorization, a synthesis matrix,
and documentary triangulation. The results showed that big data promotes more
timely, traceable, and predictive decisions while strengthening efficiency, innovation,
and competitive responsiveness. Nevertheless, these benefits depend on data quality
and relevance, strategic alignment, analytical competencies, organizational culture,
and responsible governance. The discussion revealed that technology does not
replace managerial judgment and may reproduce biases, opacity, and inequalities. It
is concluded that big data generates sustainable value when integrated as an ethical
and context-sensitive organizational capability supported by adequate technical and
human resources.
Keywords: big data; decision-making; business strategy; data analytics; competitive
advantage.
1. Introducción
La expansión del big data ha convertido los datos en un insumo estratégico para
competir, innovar y reducir la incertidumbre en mercados cada vez más volátiles. A
escala global, la “datasfera” pasaría de 33 zettabytes en 2018 a 175 zettabytes en
2025, lo que evidencia que las empresas ya no enfrentan escasez de información,
sino desafíos de integración, calidad, velocidad analítica y gobernanza (Reinsel et al.,
2018). En América Latina, este fenómeno adquiere especial relevancia porque la
transformación digital se asocia con productividad, inclusión y fortalecimiento
institucional; de hecho, la contribución económica de la inteligencia artificial en 17
países de la región fue estimada en USD 70.748 millones en 2023, equivalentes al
1,11 % del PIB, mientras que 44 % de la fuerza laboral podría verse afectada por estas
tecnologías (CEPAL, 2024).
Ese desplazamiento no se limita a incorporar plataformas, nubes o tableros de control,
porque el valor estratégico del big data depende de la capacidad empresarial para
transformar datos estructurados y no estructurados en decisiones sobre inversión,
clientes, operaciones, riesgos y expansión. La literatura muestra que la toma de
decisiones basada en datos se asocia con ganancias de productividad y rentabilidad
de entre 5 % y 6 % en empresas que la adoptan con mayor intensidad, aunque dichos
Revista Científica Enfoques del Conocimiento | V.01 | N.03 | Jul–Sep | 2024 | https://revistacec.blez.edu.ec pág. 44
Artículo Científico
Julio – Septiembre 2024
efectos dependen de capacidades complementarias como talento analítico, alineación
estratégica y rediseño de procesos (Brynjolfsson et al., 2011; Akter et al., 2016). Por
ello, el big data debe comprenderse como una capacidad organizacional y no como
una simple acumulación tecnológica (Gupta & George, 2016).
En el tejido empresarial latinoamericano la adopción de tecnologías intensivas en
datos ocurre de forma desigual, con diferencias visibles por tamaño, sector y
disponibilidad de infraestructura. En Colombia solo 26 % de las empresas reportaba
velocidades contratadas de banda ancha de 30 Mbps o más, frente a casi 74 % en
países de la OCDE; además, poco más de 1 % de las firmas manufactureras
latinoamericanas encuestadas utilizaba tecnologías de producción inteligente 4.0,
mientras cerca de 30 % permanecía en tecnologías integradas o de producción
ajustada (Cathles et al., 2022). Esta asimetría también aparece en el uso de big data:
en Brasil lo reportaban alrededor de 8 % de firmas pequeñas, 15 % de medianas y 20
% de grandes con área de TI, mientras que en Chile el uso era cercano a 2 % en
pequeñas y medianas y 7 % en grandes (Cathles et al., 2022).
La persistencia de decisiones estratégicas basadas en intuición, datos fragmentados
o reportes tardíos puede traducirse en asignaciones financieras ineficientes,
inventarios sobredimensionados, segmentaciones comerciales imprecisas, fallas de
predicción de demanda y menor capacidad de respuesta ante crisis. En sociedades
donde la conectividad urbana alcanza cerca de 80 %, pero existen brechas de hasta
50 puntos porcentuales entre hogares de mayores y menores ingresos, la baja
adopción analítica también puede reforzar desigualdades empresariales y laborales,
especialmente en pymes con menor capital digital (CEPAL, 2024). A ello se suma que
las decisiones automatizadas sin gobernanza de datos pueden amplificar riesgos de
privacidad, sesgos algorítmicos y pérdida de confianza institucional, lo que exige
analizar no solo beneficios económicos, sino condiciones éticas y organizativas de
uso (Provost & Fawcett, 2013; Ghasemaghaei et al., 2018).
La evidencia científica ha avanzado al demostrar que las capacidades analíticas
pueden mejorar el desempeño empresarial, pero los resultados no son uniformes ni
trasladables automáticamente a América Latina. Estudios con muestras de 175
directivos de TI, 239 gerentes o empresas de economías desarrolladas han mostrado
que los beneficios dependen de configuraciones específicas de recursos, calidad de
datos, capacidades dinámicas y alineación entre analítica y estrategia (Mikalef et al.,
2019; Ghasemaghaei & Calic, 2020). Esta heterogeneidad revela una brecha
relevante: se ha estudiado más la relación general entre big data y desempeño que
su efecto concreto en la toma de decisiones estratégicas dentro de empresas
latinoamericanas, donde pesan restricciones de infraestructura, talento,
financiamiento y madurez digital (Wamba et al., 2017; Cathles et al., 2022).
La brecha también es conceptual y metodológica, porque parte de la literatura
presume que “más datos” equivalen a mejores decisiones, aunque la evidencia
muestra que el volumen no siempre mejora la innovación ni el desempeño, mientras
Revista Científica Enfoques del Conocimiento | V.01 | N.03 | Jul–Sep | 2024 | https://revistacec.blez.edu.ec pág. 45
Artículo Científico
Julio – Septiembre 2024
que la variedad y la velocidad de los datos pueden ser más relevantes bajo ciertas
condiciones (Ghasemaghaei & Calic, 2020). Asimismo, los enfoques predominantes
tienden a privilegiar mediciones tecnológicas y financieras, dejando menos exploradas
variables como cultura analítica, gobernanza de datos, participación directiva, calidad
decisional, aprendizaje organizacional y gestión del riesgo. Esta omisión importa
porque una empresa puede invertir en big data sin mejorar sus decisiones si carece
de procesos de interpretación, responsabilidades claras y mecanismos de validación
que conecten la analítica con la estrategia (Chen et al., 2012; Ghasemaghaei et al.,
2018).
Sobre esta base, el estudio resulta conveniente porque permite explicar cómo las
empresas latinoamericanas pueden convertir datos en decisiones estratégicas más
oportunas, trazables y orientadas al valor. Su relevancia social y económica radica en
que una adopción analítica efectiva puede mejorar productividad, competitividad y
resiliencia empresarial en una región donde la transformación digital aún presenta
brechas significativas por tamaño y sector (CEPAL, 2024; Cathles et al., 2022). En
consecuencia, el objetivo general es analizar el impacto del big data en la toma de
decisiones estratégicas empresariales; de manera articulada, se propone describir el
nivel de adopción de big data, determinar los factores organizacionales asociados,
relacionar las capacidades analíticas con la calidad decisional y comparar diferencias
según tamaño o sector empresarial. La viabilidad del estudio se sustenta en la
disponibilidad de encuestas, indicadores empresariales, registros digitales y evidencia
secundaria, bajo resguardo de confidencialidad, consentimiento informado y uso
responsable de datos (Ghasemaghaei et al., 2018).
La contribución esperada consiste en ofrecer un marco explicativo que conecte big
data, capacidades analíticas, gobernanza y calidad de las decisiones estratégicas en
empresas latinoamericanas, superando aproximaciones que reducen la
transformación digital a inversión tecnológica. La originalidad del trabajo radica en
situar la unidad de análisis en empresas de la región y en examinar relaciones que la
literatura ha tratado de forma dispersa: adopción de big data, alineación estratégica,
competencias analíticas, desempeño decisional y condiciones contextuales. Con ello,
el artículo puede aportar evidencia útil para la academia al refinar modelos de
capacidades analíticas y para la práctica empresarial al orientar inversiones,
formación directiva y políticas de gobernanza de datos hacia decisiones estratégicas
verificables, no solo hacia acumulación de infraestructura digital (Akter et al., 2016;
Wamba et al., 2017; Mikalef et al., 2019).
2. Materiales y métodos
La investigación se planteó como un artículo exploratorio de revisión bibliográfica,
orientado a examinar cóm006F el big data incide en la toma de decisiones estratégicas
empresariales dentro del contexto latinoamericano. Dado que el fenómeno combina
dimensiones tecnológicas, organizacionales y directivas, se optó por una revisión de
Revista Científica Enfoques del Conocimiento | V.01 | N.03 | Jul–Sep | 2024 | https://revistacec.blez.edu.ec pág. 46
Artículo Científico
Julio – Septiembre 2024
alcance amplio que permitiera identificar conceptos dominantes, relaciones teóricas,
hallazgos empíricos y vacíos de conocimiento, sin pretender estimar efectos causales
ni realizar metaanálisis. Esta elección resulta pertinente cuando el campo de estudio
presenta evidencia dispersa, diversidad metodológica y necesidad de ordenar el
conocimiento disponible antes de formular modelos explicativos más cerrados.
El proceso de búsqueda se desarrolló mediante una estrategia documental centrada
en literatura científica, libros académicos, informes técnicos especializados y
documentos institucionales sobre big data, analítica empresarial, capacidades
organizacionales, transformación digital y decisiones estratégicas. Para ampliar la
cobertura temática se utilizaron combinaciones de términos en español e inglés, entre
ellos “big data”, “big data analytics”, “strategic decision-making”, “data-driven decision-
making”, “business analytics”, “firm performance”, “digital transformation”, “Latin
America” y “empresas latinoamericanas”.
La selección de documentos se realizó con criterios de pertinencia temática,
actualidad, rigurosidad académica y utilidad explicativa para el objetivo del artículo.
Se incluyeron estudios publicados preferentemente entre 2012 y 2025, debido a que
la consolidación del big data como campo empresarial se intensificó en ese periodo;
no obstante, también se incorporaron textos seminales cuando aportaban
fundamentos conceptuales sobre analítica, capacidades organizacionales o revisión
bibliográfica. Se priorizaron artículos revisados por pares, revisiones sistemáticas,
estudios empíricos de alto impacto y documentos regionales con datos sobre
digitalización empresarial. Se excluyeron textos duplicados, publicaciones sin
trazabilidad institucional, documentos meramente comerciales y trabajos que
abordaban big data solo desde una perspectiva técnica sin conexión con decisiones
empresariales.
El procedimiento de análisis se estructuró en tres momentos complementarios.
Primero, se realizó una lectura exploratoria para reconocer enfoques recurrentes
sobre big data y toma de decisiones estratégicas; después, se efectuó una lectura
analítica para clasificar los aportes según categorías como adopción tecnológica,
capacidades analíticas, gobernanza de datos, calidad decisional, desempeño
empresarial y brechas latinoamericanas; finalmente, se integraron los hallazgos en
una matriz de síntesis que permitió comparar coincidencias, tensiones e
inconsistencias entre los estudios revisados. Esta secuencia permitió organizar la
evidencia de manera transparente y reducir el riesgo de una revisión narrativa
dispersa o selectiva.
La unidad de análisis estuvo constituida por documentos académicos y técnicos que
examinan el vínculo entre big data y decisiones estratégicas empresariales, con
especial atención a investigaciones aplicadas en organizaciones, sectores productivos
o economías emergentes. Desde esta delimitación, el artículo no analiza empresas
individuales ni levanta información primaria con directivos, sino que interpreta
evidencia secundaria para construir una comprensión integrada del fenómeno. Esta
Revista Científica Enfoques del Conocimiento | V.01 | N.03 | Jul–Sep | 2024 | https://revistacec.blez.edu.ec pág. 47
Artículo Científico
Julio – Septiembre 2024
decisión metodológica es coherente con un estudio exploratorio, pues permite mapear
el estado del conocimiento, reconocer variables aún poco articuladas y proponer
líneas futuras de investigación empírica en empresas latinoamericanas.
La validez del proceso se fortaleció mediante triangulación documental, contraste
entre fuentes académicas y documentos institucionales, y revisión crítica de la
coherencia entre objetivos, categorías de análisis y conclusiones. En lugar de asumir
que la sola disponibilidad de datos mejora la estrategia empresarial, el análisis buscó
identificar bajo qué condiciones el big data se convierte en una capacidad
organizacional efectiva. Por ello, se prestó atención a factores como cultura analítica,
calidad de datos, competencias directivas, infraestructura digital, alineación entre
analítica y estrategia, y gobernanza de la información. Esta orientación permitió
superar una lectura tecnocéntrica y aproximarse al fenómeno desde una perspectiva
organizacional y estratégica.
El tratamiento de la información se efectuó bajo principios de integridad académica,
uso responsable de fuentes y respeto por los derechos de autor. Al tratarse de una
revisión bibliográfica, no se trabajó con datos personales, participantes humanos ni
información empresarial confidencial; por tanto, no se requirió consentimiento
informado ni autorización de comités institucionales para recolección primaria. Aun
así, se mantuvieron criterios éticos asociados con citación adecuada, no manipulación
de hallazgos, reconocimiento de limitaciones y diferenciación entre evidencia
empírica, interpretación teórica y aportes propositivos del artículo.
En conjunto, la metodología adoptada permitió construir una base argumental
suficiente para explorar el impacto del big data en la toma de decisiones estratégicas
empresariales, sin reducir el análisis a indicadores tecnológicos o financieros aislados.
La revisión bibliográfica facilitó identificar avances consolidados, como la relación
entre capacidades analíticas y desempeño, pero también vacíos relevantes sobre
gobernanza, cultura decisional y condiciones específicas de adopción en América
Latina. Desde esta perspectiva, el estudio ofrece una aproximación inicial rigurosa que
puede servir como punto de partida para investigaciones posteriores de tipo
descriptivo, correlacional o explicativo con información primaria en empresas de la
región.
3. Resultados
3.1. Incidencia del big data en la toma de decisiones estratégicas empresariales
La incidencia del big data en la toma de decisiones estratégicas empresariales se
comprende mejor cuando se abandona la idea de que su valor reside únicamente en
el volumen de información almacenada. En realidad, su aporte sustantivo emerge
cuando los datos son capturados, depurados, contextualizados e interpretados para
orientar decisiones de largo alcance sobre mercados, inversión, innovación, clientes,
riesgos y eficiencia operativa. La magnitud del fenómeno es ineludible: la datasfera
Revista Científica Enfoques del Conocimiento | V.01 | N.03 | Jul–Sep | 2024 | https://revistacec.blez.edu.ec pág. 48
Artículo Científico
Julio – Septiembre 2024
global fue proyectada por IDC de 33 zettabytes en 2018 a 175 zettabytes en 2025, lo
que confirma que el desafío empresarial contemporáneo no es acceder a datos, sino
convertirlos en inteligencia estratégica verificable (Reinsel et al., 2018; Chen et al.,
2012).
Desde esta perspectiva, el big data modifica la lógica decisional porque desplaza a la
empresa desde esquemas retrospectivos, sustentados en reportes históricos y
experiencia gerencial acumulada, hacia modelos predictivos y prescriptivos capaces
de identificar patrones antes invisibles. La analítica empresarial permite reconocer
señales débiles del entorno, anticipar fluctuaciones de demanda, estimar riesgos
financieros, segmentar consumidores y evaluar escenarios alternativos con mayor
granularidad; sin embargo, estos beneficios solo se materializan cuando la
organización dispone de capacidades para transformar datos dispersos en
conocimiento accionable (Provost & Fawcett, 2013; Gupta & George, 2016).
En América Latina, esta incidencia adquiere una relevancia particular porque las
empresas operan en entornos caracterizados por volatilidad económica,
heterogeneidad productiva, brechas digitales y desigualdad en el acceso a
capacidades tecnológicas. La CEPAL ha señalado que la transformación digital puede
contribuir a superar rezagos estructurales de productividad, inclusión y sostenibilidad
en la región, pero advierte que su potencial depende de una adopción efectiva y no
meramente declarativa de tecnologías digitales e inteligencia artificial (CEPAL, 2024).
Por ello, el big data no debe interpretarse como una herramienta aislada, sino como
una infraestructura cognitiva que puede fortalecer la calidad de la estrategia
empresarial cuando se articula con gobernanza, talento y cultura analítica (Cathles et
al., 2022; CEPAL, 2024).
3.1.1. Mejora de la calidad decisional
La mejora de la calidad decisional constituye una de las contribuciones más visibles
del big data, porque permite reducir la dependencia de intuiciones directivas no
contrastadas y reemplazarlas por inferencias sustentadas en evidencia. Brynjolfsson,
Hitt y Kim analizaron 179 grandes empresas cotizadas y encontraron que aquellas con
mayor intensidad de toma de decisiones basada en datos presentaban entre 5 % y 6
% más productividad y desempeño que sus pares, incluso después de controlar otros
factores organizacionales y tecnológicos (Brynjolfsson et al., 2011). Este hallazgo
resulta clave porque demuestra que el valor de los datos no se limita a acelerar
decisiones, sino que puede elevar la calidad económica de las mismas cuando se
integra en la gestión estratégica (Brynjolfsson et al., 2011).
La calidad decisional mejora porque el big data amplía el campo de observación de la
empresa y permite combinar información transaccional, comportamiento digital, datos
de clientes, registros operativos, sensores, redes sociales y fuentes externas. Esta
amplitud informacional contribuye a disminuir sesgos de disponibilidad, errores de
extrapolación y decisiones basadas en muestras parciales, siempre que exista una
arquitectura analítica capaz de diferenciar señales relevantes de ruido informativo. En
Revista Científica Enfoques del Conocimiento | V.01 | N.03 | Jul–Sep | 2024 | https://revistacec.blez.edu.ec pág. 49
Artículo Científico
Julio – Septiembre 2024
esa línea, Provost y Fawcett explican que la ciencia de datos se encuentra
estrechamente vinculada con el big data y la toma de decisiones basada en evidencia,
en tanto proporciona métodos para extraer patrones útiles y convertirlos en criterios
de acción empresarial (Provost & Fawcett, 2013).
No obstante, la literatura advierte que la mejora decisional no proviene del volumen
por sí mismo, sino de la calidad, pertinencia y diagnosticidad de los datos utilizados.
Ghasemaghaei y Calic muestran que el uso de big data no mejora automáticamente
la calidad de las decisiones empresariales; su efecto se encuentra mediado por la
calidad de los datos y por su capacidad para diagnosticar adecuadamente el problema
decisional (Ghasemaghaei & Calic, 2019). Esta precisión es decisiva, porque una
empresa puede disponer de grandes bases de datos y, aun así, producir decisiones
deficientes si trabaja con información incompleta, desactualizada, sesgada, mal
clasificada o desconectada del problema estratégico que intenta resolver
(Ghasemaghaei & Calic, 2019).
La calidad decisional también se fortalece cuando la analítica no opera como una
función técnica periférica, sino como un lenguaje compartido entre directivos,
especialistas de datos y responsables de negocio. Ghasemaghaei, Ebrahimi y
Hassanein sostienen que la competencia analítica contribuye a mejorar el desempeño
de la toma de decisiones, especialmente cuando las organizaciones desarrollan
capacidades para interpretar resultados, compartir conocimiento y transformar
hallazgos en cursos de acción (Ghasemaghaei et al., 2018). Por tanto, el big data
eleva la calidad decisional en la medida en que permite decisiones más oportunas,
comparables, trazables y revisables, pero requiere que la empresa cuente con
capacidades humanas para cuestionar los modelos y no solo para operarlos
(Ghasemaghaei et al., 2018; Gupta & George, 2016).
En términos prácticos, esta mejora se refleja en decisiones estratégicas como priorizar
segmentos de clientes más rentables, estimar la probabilidad de abandono, optimizar
inventarios, evaluar ubicaciones de expansión, ajustar precios dinámicos, anticipar
disrupciones logísticas o identificar riesgos crediticios. Tales decisiones ganan
robustez cuando combinan datos históricos con analítica predictiva, aprendizaje
automático y criterios gerenciales contextualizados. Por ello, el big data no elimina el
juicio directivo, sino que lo disciplina: reduce la arbitrariedad, exige explicitar
supuestos, permite comparar escenarios y crea una memoria organizacional que
mejora la capacidad de aprender de decisiones anteriores (Chen et al., 2012; Provost
& Fawcett, 2013).
3.1.2. Fortalecimiento de la ventaja competitiva empresarial
El big data fortalece la ventaja competitiva cuando se convierte en una capacidad
difícil de imitar y no únicamente en una inversión tecnológica replicable por los
competidores. Akter, Wamba, Gunasekaran, Dubey y Childe sostienen que el
desempeño empresarial mejora cuando la capacidad de analítica de big data se alinea
con la estrategia de negocio, ya que esta alineación permite transformar datos en
Revista Científica Enfoques del Conocimiento | V.01 | N.03 | Jul–Sep | 2024 | https://revistacec.blez.edu.ec pág. 50
Artículo Científico
Julio – Septiembre 2024
productividad, eficiencia, diferenciación y respuesta adaptativa al mercado (Akter et
al., 2016). La ventaja no surge, entonces, de poseer plataformas o bases de datos
voluminosas, sino de utilizar la analítica para decidir mejor que los competidores en
condiciones de incertidumbre (Akter et al., 2016).
Este fortalecimiento competitivo se explica por la capacidad del big data para mejorar
la sensibilidad estratégica de la empresa. Al integrar datos de clientes, proveedores,
operaciones, canales digitales y variables macroeconómicas, la organización puede
detectar cambios de comportamiento antes de que se vuelvan evidentes en los
indicadores tradicionales. Wamba y colaboradores plantean que las capacidades de
analítica de big data inciden en el desempeño empresarial mediante capacidades
dinámicas orientadas a percibir oportunidades, reconfigurar procesos y responder a
entornos cambiantes (Wamba et al., 2017). En ese sentido, el big data fortalece la
ventaja competitiva porque permite que la estrategia sea menos reactiva y más
anticipatoria (Wamba et al., 2017).
La ventaja competitiva basada en big data también depende de recursos intangibles
que no se adquieren automáticamente en el mercado. Gupta y George explican que
la capacidad de analítica de big data se configura mediante recursos tangibles,
humanos e intangibles, entre los cuales destacan la infraestructura tecnológica, las
habilidades analíticas, la cultura basada en datos y la intensidad del aprendizaje
organizacional (Gupta & George, 2016). Esta formulación es relevante porque
desplaza el análisis desde la compra de tecnología hacia la construcción de
capacidades organizacionales acumulativas, socialmente complejas y, por tanto, más
difíciles de copiar por otras empresas (Gupta & George, 2016).
La literatura reciente matiza, además, la idea de que existe una ruta única para
convertir big data en desempeño. Mikalef, Boura, Lekakos y Krogstie muestran que
las ganancias de desempeño derivadas de la analítica dependen de configuraciones
específicas de recursos y factores contextuales, lo que significa que las empresas no
obtienen los mismos beneficios con idénticas inversiones tecnológicas (Mikalef et al.,
2019). Esta evidencia resulta especialmente útil para el análisis empresarial
latinoamericano, donde las condiciones de infraestructura, escala, talento,
financiamiento y madurez digital varían considerablemente entre sectores, países y
tamaños de empresa (Mikalef et al., 2019; Cathles et al., 2022).
En términos competitivos, el big data puede sustentar estrategias de liderazgo en
costos, diferenciación, enfoque de mercado e innovación. En una estrategia de costos,
la analítica permite optimizar inventarios, reducir desperdicios, prever mantenimientos
y ajustar la cadena de suministro; en una estrategia de diferenciación, facilita
personalizar ofertas, diseñar experiencias de cliente y anticipar preferencias
emergentes; en una estrategia de innovación, ayuda a identificar necesidades
latentes, probar productos y acelerar ciclos de aprendizaje. Así, el big data incide en
la ventaja competitiva porque modifica la manera en que la empresa aprende, decide
Revista Científica Enfoques del Conocimiento | V.01 | N.03 | Jul–Sep | 2024 | https://revistacec.blez.edu.ec pág. 51
Artículo Científico
Julio – Septiembre 2024
y ejecuta su estrategia en relación con clientes, competidores y ecosistemas
productivos (Chen et al., 2012; Akter et al., 2016).
3.1.3. Factores que condicionan su aprovechamiento estratégico
El aprovechamiento estratégico del big data depende de un conjunto de condiciones
interdependientes que abarcan infraestructura, datos, personas, procesos, cultura y
gobernanza. La infraestructura tecnológica proporciona capacidad de
almacenamiento, procesamiento, interoperabilidad y análisis; sin embargo, su sola
disponibilidad no garantiza valor estratégico si los datos no son confiables, oportunos,
integrables y pertinentes para las decisiones empresariales. En consecuencia, el big
data debe gestionarse como una arquitectura socio-técnica en la que las herramientas
analíticas interactúan con competencias humanas, rutinas organizacionales y criterios
directivos de interpretación (Gupta & George, 2016; Chen et al., 2012).
La calidad de los datos aparece como un factor crítico porque condiciona la validez de
los modelos y la confiabilidad de las decisiones derivadas de ellos. Ghasemaghaei y
Calic demuestran que la diagnosticidad de los datos es fundamental para que el big
data influya en la calidad de las decisiones, lo cual implica que la información debe
ser capaz de explicar el fenómeno analizado y no solo describirlo de forma superficial
(Ghasemaghaei & Calic, 2019). Este punto resulta particularmente relevante en
decisiones estratégicas, porque los errores de clasificación, la duplicidad de registros,
los sesgos de origen o la falta de actualización pueden conducir a decisiones de
inversión, segmentación o expansión que parezcan racionales desde el modelo, pero
sean equivocadas en el mercado real (Ghasemaghaei & Calic, 2019).
La cultura organizacional constituye otro condicionante decisivo, ya que una empresa
puede tener datos y modelos avanzados, pero continuar decidiendo por jerarquía,
intuición o presión política interna. La cultura analítica supone que los datos sean
valorados como insumos legítimos para deliberar, contrastar hipótesis y corregir
decisiones, sin convertirlos en un sustituto acrítico del razonamiento estratégico. En
esta línea, Gupta y George subrayan que los recursos humanos e intangibles, como
el talento analítico y la cultura basada en datos, son componentes centrales de la
capacidad de analítica de big data y explican por qué algunas organizaciones capturan
más valor que otras con tecnologías similares (Gupta & George, 2016).
La gobernanza de datos también condiciona el aprovechamiento estratégico porque
define responsabilidades, estándares, permisos, trazabilidad, seguridad y reglas de
uso de la información. Sin mecanismos de gobernanza, los datos pueden quedar
dispersos entre áreas, duplicarse en sistemas incompatibles, usarse sin criterios
éticos o generar conflictos sobre propiedad y acceso. La CEPAL advierte que la
efectividad de la transformación digital en América Latina se ve limitada por
debilidades institucionales, fragmentación de esfuerzos y falta de mecanismos de
coordinación o evaluación en parte de las agendas digitales nacionales (CEPAL,
2024). Esta observación puede trasladarse al nivel empresarial: sin coordinación,
Revista Científica Enfoques del Conocimiento | V.01 | N.03 | Jul–Sep | 2024 | https://revistacec.blez.edu.ec pág. 52
Artículo Científico
Julio – Septiembre 2024
presupuesto, métricas y responsabilidades, el big data se fragmenta y pierde
capacidad estratégica (CEPAL, 2024).
La disponibilidad de talento especializado representa una condición adicional, debido
a que las empresas requieren perfiles capaces de diseñar modelos, interpretar
resultados, comunicar hallazgos y traducir información técnica en decisiones
gerenciales. Este desafío no se limita a contratar científicos de datos; también implica
formar directivos capaces de formular preguntas estratégicas, evaluar la pertinencia
de un modelo y comprender los límites de una predicción. La CEPAL señala que el
talento humano incide positivamente en la demanda de computación en la nube y que
la complementariedad entre inteligencia artificial y nube puede impulsar el crecimiento
económico, lo cual refuerza la idea de que los recursos humanos y tecnológicos deben
desarrollarse de manera conjunta (CEPAL, 2024).
La región latinoamericana muestra, además, condiciones de adopción empresarial
heterogéneas que condicionan el impacto del big data. El BID documenta que, en las
empresas de América Latina y el Caribe, la adopción de tecnologías avanzadas
disminuye a medida que aumenta la sofisticación tecnológica; además, en
manufactura, apenas algo más de 1 % de las firmas latinoamericanas encuestadas
utilizaba tecnologías de producción inteligente 4.0, mientras cerca de 30 % se ubicaba
en tecnologías integradas o de producción ajustada (Cathles et al., 2022). Estos datos
sugieren que el aprovechamiento estratégico del big data exige resolver primero
brechas de infraestructura, madurez digital y capacidades productivas básicas
(Cathles et al., 2022).
3.1.4. Limitaciones y riesgos en el contexto empresarial latinoamericano
Las limitaciones del big data en América Latina no se explican únicamente por
restricciones tecnológicas, sino por una combinación de brechas estructurales,
institucionales y organizacionales. La CEPAL ha señalado que, a pesar de las
oportunidades asociadas con la inteligencia artificial y las tecnologías digitales, su
adopción regional continúa rezagada frente a economías avanzadas; en 2023, el
gasto regional en inteligencia artificial fue estimado en 11.590 millones de dólares,
equivalente a solo 3,7 % de la demanda mundial, mientras en varios países
latinoamericanos la penetración de usuarios no alcanzaba el 4 % (CEPAL, 2024).
Estas cifras reflejan una brecha que limita la incorporación empresarial de analítica
avanzada y reduce el potencial de competir en mercados basados en información
(CEPAL, 2024).
La adopción empresarial de big data también presenta fuertes diferencias por tamaño,
sector y país. La evidencia del BID muestra que, en Brasil, el uso de big data en firmas
con área de tecnologías de información alcanzaba aproximadamente 8 % en
pequeñas, 15 % en medianas y 20 % en grandes; en Chile, el uso se ubicaba
alrededor de 2 % en pequeñas y medianas y cerca de 7 % en grandes; mientras que
en Colombia el uso era mucho más alto en servicios de sistemas informáticos y
procesamiento de datos que en comercio, industria o alimentos y bebidas (Cathles et
Revista Científica Enfoques del Conocimiento | V.01 | N.03 | Jul–Sep | 2024 | https://revistacec.blez.edu.ec pág. 53
Artículo Científico
Julio – Septiembre 2024
al., 2022). Esta heterogeneidad implica que el big data puede ampliar ventajas de
empresas grandes y digitalmente maduras si las pymes no acceden a infraestructura,
financiamiento y talento analítico (Cathles et al., 2022).
Otra limitación relevante es la dependencia de tecnologías complementarias,
especialmente computación en la nube, conectividad, ciberseguridad e
interoperabilidad. El big data requiere capacidad de procesamiento escalable y acceso
oportuno a información integrada; por ello, las empresas con conectividad deficiente,
sistemas heredados o baja digitalización operativa enfrentan mayores dificultades
para pasar de datos dispersos a decisiones estratégicas. La CEPAL estima que la
contribución económica agregada de la inteligencia artificial en 17 países de la región
fue de 70.747,61 millones de dólares en 2023, equivalente a 1,11 % del PIB bajo un
escenario optimista, y subraya que la computación en la nube cumple un papel crucial
como tecnología complementaria (CEPAL, 2024).
Los riesgos éticos y reputacionales constituyen una dimensión igualmente crítica,
porque las decisiones basadas en datos pueden reproducir sesgos históricos, generar
discriminación indirecta o producir exclusiones difíciles de detectar. Barocas y Selbst
explican que el uso de minería de datos puede generar impactos discriminatorios aun
sin intención explícita, especialmente cuando los datos de entrenamiento reflejan
desigualdades previas o cuando las variables utilizadas funcionan como sustitutos de
atributos sensibles (Barocas & Selbst, 2016). En el ámbito empresarial, este riesgo
puede manifestarse en sistemas de selección de personal, scoring crediticio,
segmentación comercial, fijación de precios, evaluación de desempeño o asignación
de beneficios, con consecuencias jurídicas y reputacionales significativas (Barocas &
Selbst, 2016).
La opacidad algorítmica también limita el valor estratégico del big data, porque una
decisión difícil de explicar puede ser técnicamente sofisticada pero institucionalmente
frágil. Cuando los directivos no comprenden por qué un modelo recomienda una
acción, la empresa enfrenta riesgos de sobreconfianza, dependencia tecnológica y
debilitamiento de la rendición de cuentas. Esta tensión es especialmente delicada en
América Latina, donde los marcos regulatorios, las capacidades institucionales y la
gobernanza digital se encuentran en procesos de consolidación desigual; la CEPAL
advierte que muchas agendas digitales nacionales aún muestran debilidades de
coordinación, evaluación y apoyo presupuestario, lo que dificulta una implementación
coherente de tecnologías emergentes (CEPAL, 2024).
La dimensión laboral tampoco puede ignorarse, ya que la expansión del big data, la
inteligencia artificial y el aprendizaje automático transforma perfiles ocupacionales,
demanda nuevas competencias y puede profundizar desigualdades si las empresas
no invierten en reconversión. La CEPAL estima que, en siete países latinoamericanos,
la fuerza laboral afectada por aprendizaje automático e inteligencia artificial generativa
varía aproximadamente entre 33,9 % y 49,9 %, según el país analizado (CEPAL,
2024). En consecuencia, el impacto estratégico del big data no debe medirse
Revista Científica Enfoques del Conocimiento | V.01 | N.03 | Jul–Sep | 2024 | https://revistacec.blez.edu.ec pág. 54
Artículo Científico
Julio – Septiembre 2024
únicamente por indicadores financieros, sino también por su capacidad para promover
aprendizaje organizacional, actualización de competencias y transición laboral
responsable (CEPAL, 2024).
En síntesis, el big data incide positivamente en la toma de decisiones estratégicas
empresariales cuando se integra como una capacidad organizacional transversal,
sostenida por datos confiables, talento analítico, infraestructura, gobernanza y
liderazgo directivo. Su contribución más relevante no consiste en reemplazar la
estrategia por algoritmos, sino en enriquecer el juicio estratégico con evidencia,
trazabilidad, anticipación y aprendizaje. Sin embargo, en América Latina su potencial
se encuentra condicionado por brechas de adopción, infraestructura, talento,
regulación y ética, por lo que el principal reto empresarial consiste en pasar de la
acumulación de datos a una inteligencia decisional responsable, explicable y orientada
a valor sostenible (Akter et al., 2016; Ghasemaghaei & Calic, 2019; Cathles et al.,
2022).
4. Discusión
La discusión de los hallazgos permite sostener que el big data incide en la toma de
decisiones estratégicas empresariales no por la mera acumulación de información,
sino por su capacidad para transformar datos heterogéneos en conocimiento
organizacional utilizable. Esta distinción es central, porque el crecimiento exponencial
de la datasfera global —proyectada de 33 zettabytes en 2018 a 175 zettabytes en
2025— no garantiza por sí mismo mejores decisiones, sino que intensifica la
necesidad de capacidades analíticas, criterios de gobernanza y estructuras
organizativas que conviertan la abundancia informacional en juicio estratégico
(Reinsel et al., 2018; Chen et al., 2012). Así, el principal aporte del big data no reside
en reemplazar la deliberación directiva, sino en dotarla de mayor trazabilidad,
oportunidad y densidad empírica para enfrentar entornos empresariales
caracterizados por volatilidad, presión competitiva y asimetrías de información
(Provost & Fawcett, 2013).
Los resultados revisados muestran que la mejora de la calidad decisional constituye
uno de los efectos más consistentes del uso estratégico del big data, aunque dicho
efecto no debe interpretarse de manera lineal ni tecnodeterminista. Brynjolfsson et al.
(2011) evidenciaron que las empresas con mayor intensidad de toma de decisiones
basada en datos alcanzan entre 5 % y 6 % más productividad y desempeño que sus
pares, lo que confirma que la analítica puede generar retornos organizacionales
tangibles cuando se integra en los procesos de gestión. Sin embargo, Ghasemaghaei
y Calic (2019) matizan este argumento al demostrar que el big data no mejora
automáticamente la calidad de las decisiones, pues su influencia está mediada por la
calidad y la diagnosticidad de los datos. En consecuencia, una decisión estratégica
solo mejora cuando los datos son pertinentes, comprensibles, verificables y capaces
Revista Científica Enfoques del Conocimiento | V.01 | N.03 | Jul–Sep | 2024 | https://revistacec.blez.edu.ec pág. 55
Artículo Científico
Julio – Septiembre 2024
de explicar el problema que se pretende resolver (Brynjolfsson et al., 2011;
Ghasemaghaei & Calic, 2019).
Esta evidencia permite discutir una tensión relevante: el big data amplía la racionalidad
decisional, pero no elimina los límites cognitivos, políticos y culturales de las
organizaciones. La analítica puede reducir sesgos asociados con la intuición, la
experiencia aislada o la extrapolación de casos particulares; no obstante, también
puede producir una falsa sensación de objetividad si los directivos asumen que los
modelos son neutrales o que los datos expresan la realidad sin mediaciones. De ahí
que la calidad decisional dependa de una interacción virtuosa entre algoritmos,
conocimiento contextual y criterio gerencial, especialmente en decisiones de
inversión, segmentación, expansión, innovación o gestión del riesgo. En este sentido,
el big data no sustituye la estrategia, sino que la reconfigura al exigir preguntas mejor
formuladas, supuestos explícitos y mecanismos de evaluación continua de los
resultados (Provost & Fawcett, 2013; Ghasemaghaei et al., 2018).
Respecto al fortalecimiento de la ventaja competitiva, la literatura revisada converge
en que el big data adquiere valor cuando se articula con la estrategia empresarial y
con capacidades difíciles de imitar. Akter et al. (2016) sostienen que la alineación entre
la capacidad analítica de big data y la estrategia de negocio mejora el desempeño
organizacional, mientras que Wamba et al. (2017) explican que dicha relación se
potencia mediante capacidades dinámicas que permiten reconfigurar procesos,
anticipar oportunidades y responder con mayor agilidad a cambios del entorno. Esta
perspectiva es particularmente relevante porque desplaza el análisis desde la
posesión de infraestructura hacia la orquestación de recursos tecnológicos, humanos
e intangibles. Por tanto, la ventaja competitiva no proviene de “tener datos”, sino de
aprender más rápido, decidir con mayor precisión y ejecutar con mayor coherencia
que los competidores (Akter et al., 2016; Wamba et al., 2017).
La discusión también evidencia que el big data debe ser entendido como una
capacidad organizacional compleja, no como una herramienta aislada. Gupta y
George (2016) señalan que la capacidad analítica de big data se compone de recursos
tangibles, humanos e intangibles; esta formulación resulta decisiva porque muestra
que la tecnología solo produce valor cuando se combina con talento analítico, cultura
basada en evidencia, aprendizaje organizacional y liderazgo directivo. Mikalef et al.
(2019) refuerzan esta lectura al demostrar que los beneficios de la analítica no
responden a una fórmula universal, sino a configuraciones específicas de recursos y
condiciones contextuales. En consecuencia, dos empresas con tecnologías similares
pueden obtener resultados muy distintos si difieren en cultura decisional, gobernanza,
madurez digital o capacidad para traducir hallazgos analíticos en acciones
estratégicas (Gupta & George, 2016; Mikalef et al., 2019).
En el contexto latinoamericano, estos hallazgos adquieren una complejidad adicional
porque la región presenta brechas estructurales de infraestructura, talento,
financiamiento y madurez digital. El BID documenta que la adopción empresarial de
Revista Científica Enfoques del Conocimiento | V.01 | N.03 | Jul–Sep | 2024 | https://revistacec.blez.edu.ec pág. 56
Artículo Científico
Julio – Septiembre 2024
tecnologías como inteligencia artificial, big data e internet de las cosas sigue siendo
desigual en América Latina y el Caribe, con diferencias relevantes por tamaño de
empresa, sector y país (Cathles et al., 2022). La CEPAL, por su parte, plantea que la
transformación digital y la inteligencia artificial pueden contribuir a mejorar
productividad, reducir desigualdades y fortalecer capacidades institucionales, pero
advierte que ese potencial exige políticas, inversión, conectividad y capacidades
complementarias (CEPAL, 2024). Por ello, el big data puede convertirse tanto en un
mecanismo de modernización empresarial como en un factor que amplíe brechas
entre empresas digitalmente maduras y organizaciones rezagadas, especialmente
pymes con recursos limitados (Cathles et al., 2022; CEPAL, 2024).
Las limitaciones identificadas no se restringen al acceso tecnológico, pues también
involucran problemas de gobernanza, interoperabilidad, seguridad, calidad de datos y
legitimidad institucional. Una empresa puede invertir en plataformas de
almacenamiento, visualización o aprendizaje automático y, aun así, fracasar en la
captura de valor si los datos permanecen fragmentados, si no existen responsables
claros de su uso o si los modelos analíticos no se conectan con decisiones
estratégicas concretas. Esta discusión es especialmente pertinente para América
Latina, donde la transformación digital empresarial avanza en un entorno de
heterogeneidad productiva, informalidad, restricciones presupuestarias y desigualdad
en capacidades digitales (Cathles et al., 2022; CEPAL, 2024). Desde esta perspectiva,
el reto no consiste únicamente en incorporar big data, sino en construir arquitecturas
organizacionales capaces de sostener decisiones basadas en datos confiables,
éticamente gestionados y estratégicamente interpretados (Gupta & George, 2016;
Ghasemaghaei & Calic, 2019).
El análisis también obliga a discutir los riesgos éticos, jurídicos y reputacionales
asociados con el uso empresarial del big data. Barocas y Selbst (2016) advierten que
los sistemas basados en minería de datos pueden reproducir patrones históricos de
discriminación, heredar sesgos de decisiones previas o utilizar variables
aparentemente neutras que operan como sustitutos de atributos sensibles. En el plano
empresarial, estos riesgos pueden manifestarse en decisiones de crédito,
contratación, fijación de precios, segmentación comercial, evaluación de desempeño
o asignación de beneficios. Por tanto, una estrategia empresarial basada en big data
no puede limitarse a maximizar eficiencia o rentabilidad; debe incorporar criterios de
transparencia, explicabilidad, proporcionalidad, privacidad y rendición de cuentas,
porque una decisión algorítmicamente eficiente puede ser socialmente problemática
o jurídicamente vulnerable si carece de legitimidad ética (Barocas & Selbst, 2016;
Provost & Fawcett, 2013).
El carácter exploratorio y bibliográfico del artículo permite integrar evidencia dispersa
y delimitar con mayor claridad el estado del conocimiento, pero también impone
cautela al interpretar los resultados. Al no trabajar con datos primarios de empresas
latinoamericanas, la discusión no permite establecer relaciones causales ni estimar
magnitudes específicas de impacto por país, sector o tamaño empresarial. No
Revista Científica Enfoques del Conocimiento | V.01 | N.03 | Jul–Sep | 2024 | https://revistacec.blez.edu.ec pág. 57
Artículo Científico
Julio – Septiembre 2024
obstante, esta limitación no reduce la utilidad del estudio, ya que las revisiones
bibliográficas bien estructuradas permiten ordenar campos emergentes, identificar
tensiones conceptuales y proponer agendas de investigación posteriores (Snyder,
2019; Xiao & Watson, 2019). En este caso, la principal contribución consiste en
evidenciar que la relación entre big data y toma de decisiones estratégicas está
mediada por capacidades organizacionales, condiciones contextuales y mecanismos
de gobernanza, lo cual abre espacio para estudios empíricos comparativos,
longitudinales y mixtos en empresas latinoamericanas (Snyder, 2019; Page et al.,
2021).
En síntesis, la discusión confirma que el impacto del big data en la toma de decisiones
estratégicas empresariales es significativo, pero condicionado. Su potencial se
expresa en decisiones más informadas, ventajas competitivas más sostenibles y
mayor capacidad de anticipación; sin embargo, tales beneficios solo emergen cuando
los datos se articulan con estrategia, talento, cultura analítica, gobernanza y
responsabilidad ética. En América Latina, esta conclusión adquiere especial
relevancia porque la transformación digital puede contribuir a cerrar brechas
productivas, aunque también puede profundizarlas si la adopción de big data queda
concentrada en empresas grandes, sectores intensivos en conocimiento o países con
mayor madurez tecnológica. Por ello, la originalidad del artículo radica en plantear que
el big data no debe analizarse como una solución tecnológica autosuficiente, sino
como una capacidad estratégica situada, cuya eficacia depende de condiciones
organizacionales e institucionales específicas (Akter et al., 2016; Wamba et al., 2017;
CEPAL, 2024).
5. Conclusiones
El análisis desarrollado permite concluir que el big data incide de manera significativa
en la toma de decisiones estratégicas empresariales cuando se integra como una
capacidad organizacional y no como una simple herramienta tecnológica. Su aporte
principal consiste en transformar grandes volúmenes de datos heterogéneos en
información interpretable, oportuna y útil para orientar decisiones vinculadas con
inversión, innovación, clientes, operaciones, riesgos y posicionamiento competitivo.
En consecuencia, el valor estratégico del big data no depende únicamente de la
disponibilidad de datos, sino de la capacidad empresarial para depurarlos,
contextualizarlos, analizarlos y convertirlos en conocimiento accionable.
También se concluye que la mejora de la calidad decisional representa uno de los
efectos más relevantes del big data, debido a que permite reducir la dependencia de
juicios intuitivos, reportes fragmentados o experiencias directivas aisladas. Las
empresas que incorporan analítica avanzada pueden anticipar escenarios, reconocer
patrones, comparar alternativas y sustentar sus decisiones en evidencia más precisa.
No obstante, esta mejora no es automática, ya que depende de la calidad, pertinencia
Revista Científica Enfoques del Conocimiento | V.01 | N.03 | Jul–Sep | 2024 | https://revistacec.blez.edu.ec pág. 58
Artículo Científico
Julio – Septiembre 2024
y diagnosticidad de los datos utilizados, así como de la capacidad de los directivos
para interpretar críticamente los resultados analíticos.
En relación con la ventaja competitiva, el big data fortalece la posición empresarial
cuando se articula con la estrategia corporativa, la cultura organizacional y las
capacidades dinámicas de la empresa. Su incidencia se expresa en la posibilidad de
optimizar procesos, personalizar ofertas, anticipar cambios de mercado, mejorar la
relación con los clientes y responder con mayor agilidad a entornos inciertos. Sin
embargo, la ventaja competitiva no surge por acumular tecnología, sino por construir
capacidades difíciles de imitar, como talento analítico, gobernanza de datos,
aprendizaje organizacional y liderazgo orientado a decisiones basadas en evidencia.
El estudio permite establecer que el aprovechamiento estratégico del big data está
condicionado por factores técnicos, humanos e institucionales. Entre ellos destacan la
infraestructura digital, la interoperabilidad de los sistemas, la seguridad de la
información, la disponibilidad de talento especializado, la cultura analítica y la
existencia de mecanismos claros de gobernanza. En el contexto latinoamericano,
estos factores adquieren mayor relevancia debido a las brechas de conectividad,
madurez digital, inversión tecnológica y capacidades empresariales, especialmente
en pequeñas y medianas empresas.
Finalmente, se concluye que el big data ofrece un potencial considerable para
modernizar la toma de decisiones estratégicas en las empresas latinoamericanas,
pero su implementación exige una visión responsable, ética y contextualizada. Las
organizaciones deben evitar asumir que toda decisión basada en datos es
necesariamente objetiva, pues los modelos analíticos pueden reproducir sesgos,
generar opacidad o profundizar desigualdades si no existen controles adecuados. Por
ello, la contribución central del artículo radica en plantear que el big data debe
comprenderse como una capacidad estratégica situada, cuyo impacto depende de la
integración entre tecnología, gobernanza, talento, ética y orientación directiva hacia la
creación de valor sostenible.
CONFLICTO DE INTERESES
“Los autores declaran no tener ningún conflicto de intereses”.
Referencias Bibliográficas
Akter, S., Wamba, S. F., Gunasekaran, A., Dubey, R., & Childe, S. J. (2016). How to
improve firm performance using big data analytics capability and business
strategy alignment? International Journal of Production Economics, 182, 113–
131. https://doi.org/10.1016/j.ijpe.2016.08.018
Barocas, S., & Selbst, A. D. (2016). Big data’s disparate impact. California Law Review,
104, 671–732. https://doi.org/10.2139/ssrn.2477899
Revista Científica Enfoques del Conocimiento | V.01 | N.03 | Jul–Sep | 2024 | https://revistacec.blez.edu.ec pág. 59
Artículo Científico
Julio – Septiembre 2024
Bonilla Bonilla, M. A. (2023). Oposición real y contradicción; acerca de la noción de
antagonismo por Ernesto Laclau. Journal of Economic and Social Science
Research, 3(3), 39–51. https://doi.org/10.55813/gaea/jessr/v3/n3/72
Brynjolfsson, E., Hitt, L. M., & Kim, H. H. (2011). Strength in numbers: How does data-
driven decisionmaking affect firm performance? SSRN.
https://doi.org/10.2139/ssrn.1819486
Casanova-Villalba, C. I., Herrera-Sánchez, M. J., & Proaño-González, E. A. (2023).
Impacto de la analítica predictiva en la toma de decisiones gerenciales. Revista
Científica Ciencia Y Método, 1(3), 16-30.
https://doi.org/10.55813/gaea/rcym/v1/n3/17
Casanova-Villalba, C. I., Herrera-Sánchez, M. J., Lopez-Pincay, P. R., & Rivera-
Guerrero, A. L. (2024). Transparencia contable y su relación con la confianza
de los inversionistas. Innova Science Journal, 2(2), 1-14.
https://doi.org/10.63618/omd/isj/v2/n2/34
Cathles, A., Suaznábar, C., & Vargas, F. (2022). The 360° on digital transformation in
firms in Latin America and the Caribbean. Inter-American Development Bank.
CEPAL. (2024, 6 de noviembre). A real and effective digital transformation can help
Latin America and the Caribbean overcome the traps hindering its development.
https://www.cepal.org/en/pressreleases/real-and-effective-digital-
transformation-can-help-latin-america-and-caribbean
CEPAL. (2024). Superar las trampas del desarrollo de América Latina y el Caribe en
la era digital: El potencial transformador de las tecnologías digitales y la
inteligencia artificial. Comisión Económica para América Latina y el Caribe.
https://conferenciaelac.cepal.org/9/sites/elac9/files/s2401013_es.pdf
Chen, H., Chiang, R. H. L., & Storey, V. C. (2012). Business intelligence and analytics:
From big data to big impact. MIS Quarterly, 36(4), 1165–1188.
https://doi.org/10.2307/41703503
Franco-Coello, M. R., Sandoval-Cuji, M. M., & Recalde-Aguilar, L. M. (2026).
Optimización estocástica mediante modelos de riesgo GARCH-Cox para
mitigar la quiebra de las pymes agrícolas en las economías
emergentes. Journal of Economic and Social Science Research, 6(2), 113-
131. https://doi.org/10.55813/gaea/jessr/v6/n2/244
Ghasemaghaei, M., & Calic, G. (2019). Can big data improve firm decision quality?
The role of data quality and data diagnosticity. Decision Support Systems, 120,
38–49. https://doi.org/10.1016/j.dss.2019.03.008
Ghasemaghaei, M., & Calic, G. (2020). Assessing the impact of big data on firm
innovation performance: Big data is not always better data. Journal of Business
Research, 108, 147–162. https://doi.org/10.1016/j.jbusres.2019.09.062
Ghasemaghaei, M., Ebrahimi, S., & Hassanein, K. (2018). Data analytics competency
for improving firm decision making performance. The Journal of Strategic
Information Systems, 27(1), 101–113. https://doi.org/10.1016/j.jsis.2017.10.001
Revista Científica Enfoques del Conocimiento | V.01 | N.03 | Jul–Sep | 2024 | https://revistacec.blez.edu.ec pág. 60
Artículo Científico
Julio – Septiembre 2024
Gupta, M., & George, J. F. (2016). Toward the development of a big data analytics
capability. Information & Management, 53(8), 1049–1064.
https://doi.org/10.1016/j.im.2016.07.004
Herrera-Sánche, M. J., Casanova-Villalba, C. I., & Jacome-Vélez, T. G. (2024).
Transformación digital en la banca y su efecto en la experiencia del cliente.
Revista Científica Ciencia Y Método, 2(1), 1-13.
https://doi.org/10.55813/gaea/rcym/v2/n1/27
Herrera-Sánchez, M. J., & Casanova-Villalba, C. I. (2024). Inteligencia artificial y su
impacto en la transformación de la gestión financiera. Space Scientific Journal
of Multidisciplinary, 2(1), 52-64. https://doi.org/10.63618/omd/ssjm/v2/n1/43
Herrera-Sánchez, M. J., Casanova-Villalba, C. I., Concha-Ramirez, J. A., & López-
Pérez, P. J. (2024). Impacto de la inteligencia artificial en los procesos de
auditoría contable. Innova Science Journal, 2(1), 1-14.
https://doi.org/10.63618/omd/isj/v2/n1/28
Jara-Álvarez, G. X., Salgado-Ortiz, P. J., Santander-Salmon, E. S., & Quiñonez-
Cabeza, B. M. (2024). Estrategias de diversidad e inclusión en procesos de
reclutamiento asistidos por IA. Revista Científica Ciencia Y Método, 2(4), 50-
62. https://doi.org/10.55813/gaea/rcym/v2/n4/53
Lopez-Mallama, O. M., Lemos-Muñoz, A. J., & Córdova-Ardila, Y. P. (2023).
Protección Social en la Región Caribe de Colombia: una Mirada desde la
Equidad en 2021. Journal of Economic and Social Science Research, 3(3), 13–
24. https://doi.org/10.55813/gaea/jessr/v3/n3/70
Mikalef, P., Boura, M., Lekakos, G., & Krogstie, J. (2019). Big data analytics and firm
performance: Findings from a mixed-method approach. Journal of Business
Research, 98, 261–276. https://doi.org/10.1016/j.jbusres.2019.01.044
Prado-Chinga, A. E. (2024). Evolución de las Prácticas de Gestión Corporativa:
Tendencias y Desafíos Actuales. Revista Científica Zambos, 3(3), 15-29.
https://doi.org/10.69484/rcz/v3/n3/55
Provost, F., & Fawcett, T. (2013). Data science and its relationship to big data and
data-driven decision making. Big Data, 1(1), 51–59.
https://doi.org/10.1089/big.2013.1508
Reinsel, D., Gantz, J., & Rydning, J. (2018). The digitization of the world: From edge
to core. IDC/Seagate. https://www.seagate.com/files/www-content/our-
story/trends/files/idc-seagate-dataage-whitepaper.pdf
Sarmiento-Martínez, R. G. (2024). Estrategias de Gestión para la Optimización del
Tránsito Urbano en el Cantón La Concordia: Desafíos y Oportunidades. Revista
Científica Zambos, 3(3), 64-77. https://doi.org/10.69484/rcz/v3/n3/54
Wamba, S. F., Gunasekaran, A., Akter, S., Ren, S. J.-F., Dubey, R., & Childe, S. J.
(2017). Big data analytics and firm performance: Effects of dynamic capabilities.
Journal of Business Research, 70, 356–365.
https://doi.org/10.1016/j.jbusres.2016.08.009
