Implementación Maestría Gerencia de TIC, 2020

Impacto de la Analítica de Negocios en el desempeño empresarial en Latinoamérica: Revisión de la Bibliografía

Enrique Ávila Jiménez, Yuberth Cabezas Peñaloza, Mari Aleyda Cabrera.

RESUMEN

La dinámica empresarial actual obliga a que las industrias sean cada vez más íntegras ofreciendo a sus clientes productos
y servicios cada vez más innovadores y de calidad. El mercado y las tendencias están en constante cambio, la
competencia es agresiva y lograr posicionarse, así como captar la atención del mercado objetivo, implica que las
empresas sean cada vez más eficientes, es importante tener presente la evolución y la debida actualización de la
tecnología, además en la actualidad las empresas generan grandes volúmenes de datos. Si bien la tendencia se ha
volcado a la explotación de la información, existe una disciplina que logra la explotación y exploración de los datos
tanto en el ámbito interno y externo de las organizaciones, y con el procesamiento obtener nuevo conocimiento, el cual
presentado a personal idóneo que conoce el negocio, puede traducirse en la obtención de un conocimiento retrospectivo
y prospectivo del negocio, apoyando la toma de decisiones a nivel estratégico y gerencial. Estos nuevos modelos de
gestión de la información y uso de la misma se condensan en una disciplina llamada Business Analíticos o inteligencia
de negocios, en donde muchos factores intervienen, desde el dato mismo pasando por procesos técnicos, algoritmos de
explotación de datos, y la analítica en sí misma dada por expertos. Business Analítica se convierte en una estrategia
integral, que se ha aplicado ya en grandes industrias obteniendo resultados importantes que han dinamizado el mercado
y han llevado al éxito a dichas organizaciones.

.
Palabras clave: Analítica, tecnología, gerencia, modelos, datos, toma de decisiones.

ABSTRACT

Today's business dynamics requires industries to be increasingly integrated by offering their customers increasingly
innovative and quality products and services. The market and the trends are constantly changing, the competition is
aggressive and to be able to position itself, as well as to capture the attention of the target market, implies that the
companies are more and more efficient, it is important to have in mind the evolution and the due update of the
technology, in addition at the present time the companies generate great volumes of data. Even though the tendency has
turned to the exploitation of the information, there is a discipline that achieves the exploitation and exploration of the
data both in the internal and external environment of the organizations, and with the processing to obtain new
knowledge, which presented to suitable personnel that knows the business, can be translated in the obtaining of a
retrospective and prospective knowledge of the business, supporting the decision making at strategic and managerial
level. These new models of information management and its use are condensed in a discipline called Business Analytics
or business intelligence, where many factors intervene, from the data itself through technical processes, data
exploitation algorithms, and the analysis itself given by experts. Business Analytic becomes an integral strategy, which
has already been applied in large industries obtaining important results that have dynamized the market and led to the
success of such organizations.

Keywords: Analytics, technology, management, models, data, decision making.

1

1. INTRODUCCIÓN
En el pasado, el hecho de poder recopilar, almacenar y
procesar datos se tornaba en algo tedioso y que no
aportaba el valor esperado para ninguna compañía. Con
el transcurrir del tiempo y el acelerado desarrollo
tecnológico en las industrias, se ha facilitado la tarea de
poder reunir, almacenar y procesar datos muy variados
(Power et al., 2018) para que las organizaciones
modernas basan su toma de decisiones en el análisis
exhaustivo de los mismos.
Para aprovechar estos datos almacenados y traducirlos
en conocimientos prácticos, surgió un nuevo campo
llamado Business Analíticos (BA), este campo se ha
convertido en parte de cada proceso importante de toma
de decisiones empresariales, con el potencial de
transformar las mismas y proporcionando datos a los
responsables de toma de decisiones estratégicas,
operativas y tácticas (Bayrak, 2015).
Si bien el concepto de BA es relativamente nuevo, sus
antecedentes históricos datan desde 1958 con la
publicación del artículo “A Business Intelligence
System” del informático Alemán Hans Peter Luhn,
quien trabajaba para IBM. En dicho artículo, Hans
evidencia la necesidad de crear un sistema para
almacenar información en documentos textuales, y
define la inteligencia de negocios como “La capacidad
de aprender las interrelaciones de los hechos
presentados, de tal manera que guíen la acción hacia un
objetivo deseado” (Luhn, 1958).
Para el caso de América latina el concepto de BA
empezó a tener relevancia en el año 2010, y
específicamente para Colombia aproximadamente en el
año 2013, cuando algunas empresas de grandes sectores
como la banca, las telecomunicaciones y los retailers
(Grandes superficies o grandes comercios) empezaron a
acceder a este tipo de soluciones avanzadas (Unipymes,
2014), cona el fin de obtener una ventaja competitiva,
lograr aumentar los niveles de satisfacción de sus
clientes, disminuir los niveles de deserción de los
mismos o anticiparse a resultados positivos o negativos
para tener éxito en el mercado.
Por consiguiente, el objetivo principal de este artículo
es describir el concepto de Business Analíticos a partir
de la literatura consultada, identificar los factores
claves y la importancia de aplicar analítica desde un
enfoque estratégico en una compañía.
2
Implementación Maestría Gerencia de TIC, 2020
Para lo cual, se hace una recopilación de casos de uso,
con el objetivo de validar cómo ha sido su desarrollo en
Latinoamérica y particularmente en Colombia,
identificar en qué áreas o aspectos han aportado para
lograr el éxito y cuál ha sido el alcance que se ha dado
en dichas implementaciones o en la aplicación de este
tipo de soluciones, así como también evidenciar que la
falta de regulaciones y el desconocimiento de los
límites a la hora de hacer uso y tratamiento de la
información, especialmente cuando se trata de
privacidad de datos de una persona natural por parte de
los entes gubernamentales (Gustavo Gutman, 2018), ha
dado lugar a que organizaciones crucen esas fronteras y
saquen provecho de estos vacíos legales para hacer un
uso de este tipo de soluciones con fines poco éticos.
2. MATERIALES Y MÉTODO
En este artículo se presentan los resultados de un
estudio de tipo descriptivo, puesto que se proporcionan
conceptos generales de Business Analíticos como tema
central, basado en técnicas de recolección de
información y análisis documental de fuentes
secundarias.
Este artículo está estructurado de la siguiente forma, en
la tercera sección se revisa la definición del concepto
de BA y se genera una pequeña reseña histórica y
evolución de la misma. En la siguiente sección se
describe el papel de BA en el proceso de innovación.
En la sección 5 se enfatiza en la importancia de aplicar
BA en las organizaciones y la industria. En la sexta
sección se describe la llegada de esta tendencia y su
panorama en Colombia. En la siguiente sección se
describe el BA con un enfoque estratégico. Después de
estas secciones, la siguiente previa a la última trata
sobre algunos casos de éxito en la implementación de
BA en américa latina y una mención sobre un
renombrado caso que hace referencia al uso inadecuado
que se dio a esta tecnología. La sección final discute las
conclusiones del artículo.
3. BUSINESS ANALYTICS
Business Analíticos (BA) o Analítica de negocios, “Es
una disciplina holística y jerárquica, que se extiende
desde las estrategias comerciales hasta el
 Implementación Maestría Gerencia de TIC, 2020

abastecimiento operativo de fuentes de datos.” (GERT

H.N. & JESPER, s. f.).

También hace referencia a las habilidades, tecnologías,

prácticas para la exploración continua e iterativa y la
investigación del rendimiento en las organizaciones,
encaminadas a obtener una visión e impulsar la
planificación empresarial (Beller., 2009), en ese
sentido, todo este tipo de prácticas de exploración
iterativa y metódica de los datos de una organización,
con énfasis en el análisis estadístico y búsqueda de
análisis de negocios (Nerkar, 2016), aportan a la toma
de decisiones en la medida que genera nuevo
conocimiento o predice comportamientos a futuro.

No obstante, teniendo en cuenta que "La analítica es el

proceso científico de transformación de datos en
información para mejorar la toma de decisiones"
(Power et al., 2018). y basados en las definiciones
anteriores, el proceso de la analítica de negocios BA, se
apoya herramientas de análisis de datos, y
particularmente en un equipo de personas que van
desde la parte técnica en manejo de datos, hasta los
niveles de toma de decisiones en diferentes aspectos del
negocio, para generar y entregar valor a la compañía.
Buscando un lenguaje y una definición a un nivel
básico y entendible para cualquier persona, se puede
decir que el objetivo de BA, es extraer conocimiento
significativo del negocio a partir del análisis e
interpretación de los datos que la misma organización
genera en conjunto con información externa a la
empresa, para apoyar los procesos de toma de
decisiones.
Ahondando un poco en la historia de BA, sus primeras
referencias se encuentran finalizando los años 50, con
la publicación del artículo “A Business Intelligence
System” (Luhn, 1958), acá Luhn identifica la
importancia de tener un sistema que permita almacenar
información en documentos textuales, el uno de los
primeros en visualizar la importancia de la
información, y en su momento definió el business
intelligence como “La capacidad de aprender las
interrelaciones entre los hechos presentados de tal
manera que guíen la acción hacia un objetivo deseado”
(Luhn, 1958).
Figura 1. Sistema de BI (Luhn, 1958)
Dos décadas más tarde, Richard Kimball y Bill Inmon
orientados a la consulta de información rápida y el
almacenamiento de grandes cantidades de datos,
revolucionaron la arquitectura de bases de datos
analíticas, proponiendo el modelado de las bases de
datos orientado a optimizar el almacenamiento a causa
de sus costos (Enrique Cabrían Llebrés, 2018).
En 1989 Howard Dresner describió el término de
Business Intelligence (BI) como “término general para
describir conceptos y métodos para mejorar la toma de
decisiones comerciales mediante el uso de sistemas de
soporte basados en hechos” (Nylund, A. 1999). A
finales de los noventa e inicio del año 2000 surge un
tipo de analítica más moderna, proactiva, ágil y eficaz,
que se basa en BI para sus cálculos estadísticos, nace
entonces Business Analíticos (BA), y a partir del año
2010, surgen grandes avances respecto a la gestión y
almacenamiento de grandes cantidades de datos (Big
data) lo que junto con el abaratamiento del hardware,
hicieron posible incrementar las muestras de datos y la
analítica cognitiva basadas en machine learning, hoy
día la evolución de plataformas y paradigmas como IoT
ayudan a los negocios en todos los sectores en sus
procesos de toma de decisiones (Enrique Cabrían
Llebrés, 2018).

En este punto en el que acabamos de realizar una breve

reseña histórica de BA, se destaca la mención de varios
términos en los que se basa la analítica y otros tantos

3

que también están asociados a la misma, como lo son
Business Intelligence, decision science, data science,
data mining, big data entre otros.
Si bien, BA puede ser interpretado como obtener una
cantidad significativa, es necesario aclarar que dicha
obtención de datos es solo una de las tareas de todo el
proceso, que va desde consolidar todas las fuentes,
también se requieren una depuración y validación antes
de que se pueda probar su utilidad, para proceder con el
análisis de los mismos. Se hace énfasis en la labor de
probar utilidad, ya que no todos los datos son útiles,
algunos son sólo ruido o garbage y se puede convertir
en un verdadero desafío la selección de la data que nos
generará valor.
Tampoco se debe confundir Business Analíticos BA
con Business Intelligence BI, si bien, en términos
generales, las dos permiten analizar extraer de los datos
una visión útil para cumplir los objetivos de la
organización, presentan ciertas diferencias en aspectos
como su definición, uso, facilidad de operación,
herramientas de implementación, su campo de
aplicación. Por ejemplo, una diferencia importante
radica en que BI es el proceso que comprende las
tecnologías y estrategias incorporadas por las industrias
empresariales para analizar los datos existentes que
proporcionan los acontecimientos pasados (históricos),
y de la operación de la compañía. Mientras que BA es
el proceso de tecnologías y estrategias utilizadas para
seguir explorando y extraer los conocimientos y el
rendimiento de la información empresarial pasada, pero
con un enfoque predictivo para impulsar la
planificación empresarial futura con éxito (Educba,
2018).
Por otra parte, hay quienes consideran que BA
únicamente se trata de herramientas de gráficos
llamativos y cuadros de mando que denotan una visión
general de la empresa, si bien, todos estos aspectos
visuales también son parte vital dentro del proceso de la
analítica, la filosofía de BA es mucho más compleja y
profunda, por ende tampoco se puede confundir BA
con Big Data, puesto que es importante tener en cuenta
que esas grandes cantidades de datos almacenados no
se torna importantes para una organización en la
medida que los explotamos usando acá técnicas de Big
Data per adicional haciendo un análisis e interpretación
que sólo puede darla los expertos en el negocio.
Cuando las compañías requieren interpretar esa gran
cantidad de datos almacenados, están aplicando
técnicas BA, por ende, es en esta etapa donde se
4
Implementación Maestría Gerencia de TIC, 2020
pueden obtener los conocimientos necesarios para
tomar mejores decisiones de negocios y movimientos
estratégicos (Molly Galetto, 2016).
Hablando específicamente de BA, los tipos de analítica
se clasifican en tres, como se muestra en la figura 2.
Figura 2. Tipos de analítica, elaboración propia.
Analítica descriptiva, entendida como el análisis de
¿qué paso?, es decir que los datos que se analizan son
de naturaleza histórica (Wright, 2017) lo que le permite
a la organización responder preguntas específicas de
negocio como, ¿Cuáles fueron las ventas del último
trimestre? ¿Cuál fue la escasez del producto X el año
pasado? ¿Cómo se desempeñan los representantes de
ventas en las distintas regiones? entre otras. En este tipo
de analítica, se hace énfasis en los datos históricos. En
este ejercicio se tendrá una mejor comprensión de sus
procesos de negocio, lo que debería apoyar la toma de
mejores decisiones. (Wright, 2017).
El análisis predictivo inicia con un conjunto
retrospectivo de respuestas basadas en datos históricos
pasando a un conjunto de respuestas centradas en las
perspectivas futuras que ayudan a predecir el
rendimiento y prescribir recomendaciones. El modelado
predictivo le permite pronosticar resultados, así como
también escenarios o eventos que pueden suceder en el
futuro (Educba, 2018).
Por último, tenemos la analítica prescriptiva, en la cual
sus técnicas están enfocadas también al futuro, pero van
un paso más allá del análisis predictivo, ya que el
objetivo aquí, es que el resultado del modelo informe
sobre las mejores acciones para lograr un objetivo. A
menudo se formulan como problemas de optimización
y simulación en los que una empresa o un gerente trata
de maximizar (o minimizar) algún objetivo (por
ejemplo, el beneficio, la eficiencia, el costo, la
satisfacción de los empleados, etc.) (Wright, 2017).

Dado que BA requiere métodos cuantitativos y datos
basados en la evidencia, este proceso tiene un ciclo de
vida para poder lograr el modelado de negocios y la
toma de decisiones. Dicho ciclo de vida inicia con el
entendimiento del negocio, sus objetivos, problemas y
limitaciones, por ejemplo, en una empresa de la
industria del retail, se pueden plantear objetivos como
optimizar la fijación de precios para aumentar los
ingresos, segmentar a los clientes para adaptar las
ofertas de productos o simplemente señalar los cuellos
de botella y los puntos de falla en la cadena de
suministro.
Una vez cumplida esta fase el paso a seguir es el
entendimiento de la data, donde se deben establecer
aspectos relacionados a la disponibilidad, calidad y
granularidad de los datos. La frecuencia con que se
actualiza y así sucesivamente (Cody Baldwin, 2020).
Parte del entendimiento y exploración de los datos
incluye el uso de un espacio seguro para no estropear o
borrar accidentalmente los datos que se está intentando
entender; una vez se logra este entendimiento, es donde
se tiene claro qué tipo de información se necesita y es
cuando se da paso a la fase que consume la mayor
cantidad de tiempo en el proceso, se trata de la
preparación de la data, la cual puede requerir mucho
esfuerzo con tareas de limpieza y depuración con el
objetivo de prepararlos para la siguiente fase de
modelado y análisis (Cody Baldwin, 2020).
El modelado de datos puede ser entendido como una
descripción simplificada de un sistema o proceso para
ayudar a los cálculos y predicciones. (Cody Baldwin,
2020). La forma de interpretar esta definición es que,
en esta etapa, se hace una imitación de la versión real,
ejemplo, una entidad aseguradora genera un modelo
que predice la probabilidad que tiene un cliente con
acreedor de un seguro de automóvil para padecer un
accidente el próximo año. El modelo realiza la
predicción e imita lo que podría pasar en el mundo real.
Por último, se procede con las fases de evaluación y
despliegue del modelo en donde se generan los
condicionales para determinar cuán efectivo es el
modelo propuesto y ya está listo para realizar el
despliegue. Si las respuestas se tornan positivas se
completará el ciclo de vida de BA, de lo contrario se
debe regresar a las fases anteriores para determinar qué
hace falta, cual es la falla y corregirlas para lograr el
despliegue, el proceso se detalla en la figura número 3.
5
Implementación Maestría Gerencia de TIC, 2020
Figura 3. Ciclo de vida Business Analíticos, Elaboración propia.
Por último, las herramientas para BA se destacan por su
facilidad de uso, diseño de navegación intuitiva y
profundidad de los puntos de integración. Cada una
tiene el potencial de escalar más allá de sus funciones
principales para incluir la funcionalidad analítica
avanzada. Las herramientas analíticas de negocios
tienen como objetivo proporcionar una visión más
profunda añadiendo soporte de modelado avanzado.
(Keller, 2019).
Para el 2021 Gartner predice que, el 70% de las
organizaciones globales grandes y medianas
desplegarán BA avanzados como parte de una
plataforma o aplicación de análisis de datos. Ya que el
factor precio no se convierte en un factor disuasorio
(Jyotsna Vadakkanmarveettil, 2017). Aunque en estos
momentos coyunturales por los que pasa el mundo la
mayoría de las pequeñas y medianas empresas no
podían permitirse adquirir una herramienta de este tipo,
y no haría sentido que invirtieran en una ya que sus
necesidades de análisis son diferentes. Es importante
recalcar el gran crecimiento de las herramientas de
código abierto en el campo de la analítica, entre las
cuales se destacan el lenguaje R, Python, Apache
Spark, Apache Storm y PIG and HIVE (Jyotsna
Vadakkanmarveettil, 2017). Ahora para las empresas
que tienen la posibilidad de adquirir herramientas
comerciales, dentro de las más populares se encuentran
SAS, Tableau, Excel, QlikView y Splunk (Keller,
2019).
4. BUSINESS ANALYTICS EN EL
PROCESO DE INNOVACIÓN
El mercado actual, es cada vez más exigente, lo que ha
obligado a las empresas a estar en la constante
búsqueda de ventajas competitivas que les permita
sobresalir en el mercado, es en este tipo de estrategias
en las que BA juega un papel muy importante en las
empresas, si bien muchos gerentes han caído en cuenta

que lograr esa ventaja competitiva se puede lograr a
través de procesos de innovación de producto o
servicios, y muchos aún acuden a sus corazonadas para
plantear ideas, es más fácil si se apoya en procesos de
BA.
En el entendido de que las técnicas de BA me permiten
tener una visión holística de la empresa y del entorno,
dado que me facilita visualizar tanto al interior de mi
negocio como desde la perspectiva del cliente, esto
facilita a los gerentes identificar oportunidades sea de
optimización de procesos, tiempos de respuesta al
cliente, así como identificar también esas necesidades
aún no satisfechas de los clientes objetivo y con ello
ofrecer un producto líder que cumpla con sus
expectativas, en ese sentido las empresas para quienes
ser competitivo significa que sus productos y servicios
puedan ser caracterizados como ''lo último'' captarán la
atención dado que pueden diferenciarse positivamente
en el mercado. (GERT H.N. & JESPER, s. f.).
Lograr llegar a este punto está íntimamente ligado al
análisis del conocimiento tecnológico sobre el
desarrollo de productos, y en cierta medida al
conocimiento sobre el comportamiento del cliente, o al
conocimiento sobre cómo producir y entregar
productos y servicios de manera eficiente, hora, el
conocimiento que estos análisis aportan al proceso de
planificación estratégica es la información básica que
describe qué productos aseguran ganancias y dónde la
inversión en tecnología parece estar dando un
rendimiento positivo estimado durante toda la vida útil
del producto. (GERT H.N. & JESPER, s. f.).
Otro tipo de actividades que se pueden trabajar de
analítica, es en segmentaciones de mercado, por lo
general, se realizan con fines de marketing y a menudo,
se complementan con análisis de mercado, sin
embargo, siguen siendo esenciales en un contexto
estratégico, porque son los que le dicen a la
organización información sobre las tendencias se
experimentan en el mercado. (GERT H.N. & JESPER,
s. f.). Esto aporta en el proceso de innovación toda vez
que los análisis y la oferta de producto o servicios debe
actualizarse en función de las necesidades del cliente y
adaptarse al futuro.
BUSINESS ANALYTICS CON ENFOQUE
ESTRATÉGICO
6
Implementación Maestría Gerencia de TIC, 2020
El proceso de evolución de la decisión desde la
intuición al análisis muestra que la analítica empresarial
juega un papel importante para fortalecer las
capacidades de la organización y apoyar en el
cumplimiento de los objetivos estratégicos. Sin
embargo, la aplicación de la analítica empresarial
también está restringida por algunos factores, y muchas
empresas se enfrentan al dilema de cómo utilizar la
analítica empresarial (Kiron et al., 2012).
Pese a que los gerentes de las empresas hoy en día
hablan de analítica y aplicación de técnicas que
permitan optimizar sus procesos para ser más rentables,
aún no se tiene claro cómo hacerlo, entonces “los
proveedores de tecnología les ofrecen soluciones de
hardware y software como la «panacea» a las
necesidades de análisis de información”. (NEBI, s. f.).
sin entender que BA no es solo la herramienta sino todo
un proceso que hay que hacerlo con un enfoque global.
Es importante que las organizaciones que deciden
implementar analítica de negocios orienten sus
estrategias, de manera que puedan garantizar la
consecución de metas mediante la sinergia entre los
stakeholders, y guiar sus recursos: tanto humanos como
tecnológicos, en pro de una mejora continua, siempre
profundizando en ese cliente, lo cual permitirá
consolidar una cultura basada en la analítica
empresarial.
Por consideraciones anteriores abordamos el tema de
Business Analíticos con enfoque estratégico, dado que
muchos de los problemas radican en que las empresas
que ya están aplicando técnicas de BA, los hacen en los
departamentos o áreas de forma aislada, o únicamente
en áreas de marketing. (NEBI, s. f.)., desaprovechando
todo el potencial que Business Analíticos ofrece.
Sin embargo, el mayor reto que enfrentan muchas
empresas es la descentralización en la captura,
evaluación y toma de decisiones por diferentes grupos
dentro de una misma organización, por ejemplo,
podemos utilizar softwares estadísticos y sofisticados
análisis predictivos, mientras que, en la sala de al lado,
colegas se frustran analizando el pasado en largos e
ineficientes procesos de generación y análisis de hojas
de cálculo. ¿Por qué sucede esto? Porque el énfasis
analítico sobre los diversos aspectos de un negocio no
es uniforme, así como no son uniformes la madurez de
los procesos y su atención dedicada a cada uno de ellos.
(NEBI, s. f.).

Entonces, si las organizaciones en este entorno
globalizado ya son conscientes de la necesidad de
implementar analítica empresarial, y de los beneficios
que obtienen mediante esa prospectiva en la toma de
decisiones asertivas, que van a generar cambios
positivos en la organización, y ahorros en los
determinados proyectos de la compañía, para esto es
preciso identificar la herramienta de analítica
adecuadas y poner en marcha un plan de acción que
conlleve a la adopción, y posterior asimilación de la
tecnología por parte de los diferentes actores de la
empresa, se debe ser consecuente que la información
analizada debe contribuir en la generación de valor, y
que solo se coloca de manifiesto en ese tratamiento de
los datos (DINERO, 2017).
5. BUSINESS ANALYTICS EN COLOMBIA
Es preciso que se tenga claridad en factores que
influyen y marcan diferencia en los países en la
actualidad. Un país como Colombia debe tener presente
un factor determinante como es la Información, la cual
se considera como el activo más valioso (Musiño,
2010); al hablar de información de un país, es
fundamental hablar de las leyes, y las nociones que las
rigen, en este caso la Ley 1712 de 2014, que trata en
detalle sobre los Datos en Colombia, con el objetivo de
establecer que se brinde una Transparencia en el acceso
a la información pública, con lo cual se establezcan
garantías, y que los datos tengan una claridad y certeza
generando la confianza de los entes y el ciudadano del
común (CONGRESO DE LA REPÚBLICA, 2020).
Es por esto que un estado como el colombiano debe
orientar a las organizaciones a la adecuada captura,
perfección y la optimización de los datos para obtener
una ventaja competitiva y sobresalir siempre de manera
innovadora, potenciando en la medida la
implementación de las TIC y sus herramientas, en
especial, perfilar en nuestras organizaciones la
Analítica Empresarial, y gestionar de manera
inteligente habilidades y destrezas en la comprensión y
tratamiento de los datos con objetivos centrados en
brindar soluciones a necesidades actuales o del mañana
a diferentes sectores de la economía (Ministerio TIC,
2015).
Al hablar de ventaja competitiva Simón Gaviria
presidente del DNP-Departamento Nacional de
7
Implementación Maestría Gerencia de TIC, 2020
Planeación en el lanzamiento de Alianza CAOBA en el
país, primer Centro de Excelencia y Apropiación en
Big Data y Analíticos estableciendo una alianza entre el
sector privado y público el 1 de marzo de 2016 expresa
que: Colombia presenta falencias en la adopción de una
cultura basada en Datos que conlleve a políticas de
carácter público y que respondan a las necesidades de
la sociedad; de esta manera el reto que se plantea el
centro de excelencia es realizar una gestión en donde
los datos se transformen en ese valor agregado que va a
garantizar un cambio social (Universidad de los Andes,
2016).
Cabe resaltar que Alianza CAOBA cuenta en su
gestación con la presencia de once actores estratégicos
en los sectores públicos, privados y académicos entre
ellos: Bancolombia, DNP, la Pontificia Universidad
Javeriana, la Universidad de Los Andes y
organizaciones del sector tecnológico como IBM
(AlianzaCAOBA, 2016), que van a ayudar a que
Colombia sea reconocido como uno de los países con
mayor competitividad debido a la innovación e
investigación en escenarios en donde los volúmenes de
datos y la analítica de negocios son cada vez más
relevantes.
Al tener una masificación de los datos en el país es
prioridad que se establezcan políticas, y es por razones
como la mencionada, que aparece la política contenida
en el CONPES 3920 el 17 de abril de 2018,
denominada “política de explotación de datos (Big
Data) para el Estado Colombiano”, con esta nuestro
país da pasos agigantados en la realidad del Big Data y
el BA, convirtiéndose en el pionero en la región
Latinoamericana, y el octavo en la esfera global en
contar con una norma de carácter integral y pública,
enfatizada en la usabilidad, inspirando a sectores que
incentiven la economía, especialmente en cuatro ejes
estructurales como son: la gestación, la cultura, el
recurso humano, y el entorno reglamentario de los
datos. La prospectiva de esta norma para el año 2022 es
superar la barrera del 4% de las entidades que cuenten
con una datificación e implementación de Big Data
(DNP-DEPARTAMENTO NACIONAL DE
PLANEACIÓN, 2018).
La actualidad de los datos abiertos en nuestro país nos
remite al estudio realizado por la OCDE en el año
2019, el cual nos ubica en el primer lugar de los países
de América Latina y el Caribe – ALC en el índice
OURdata (Datos Abiertos, Útiles, y Reutilizables) con
un valor de 0,88 siendo 1 el más alto en este rango
(OCDE, 2020); este informe propicia ecosistemas en

donde el gobierno y entidades como MINTIC
desarrollan e impulsan la gestación de planes que
cooperan de manera articulada y estratégica en la
optimización de la información digital y el manejo de
los datos de forma recurrente (MINTIC, 2019). En este
apartado es pertinente traer a colación las entidades
nacionales que al momento según el DNP en su análisis
las cataloga como ejemplares en el proceso de
digitalización de la información, a continuación, se
enumeran las organizaciones con mayor trato de la
información en Terabytes TB:
a). Ecopetrol: 3600 TB, b). DIAN: 1000 TB, c).
Dirección general de la Policía Nacional: 800 TB, d).
Servicio Geológico Colombiano: 370 TB, e). Fodesep
(Fondo de Desarrollo de la Educación Superior): 301
TB, f). Contraloría: 223 TB, g). Departamento
Administrativo para la Prosperidad Social (DPS): 210
TB, h). Banco de la República: 201 TB, Ideam
(Instituto de hidrología, meteorología y estudios
ambientales): 200 TB, i). DANE: 200 (DNP-
DEPARTAMENTO NACIONAL DE PLANEACIÓN,
2017).
Como se puede observar la adopción de tecnologías
como Big Data y Data Analíticos en nuestro país es
llevada a cabo por esas entidades que tienen poder
adquisitivo alto y que cuentan con el apoyo del
gobierno, es por esta razón que se debe seguir
impulsando la implementación de estas tecnologías
para no quedar en la obsolescencia tanto a nivel
nacional e internacional.
6. CASOS DE ÉXITO
CASO MUNDIAL DE BRASIL 2014
“En la copa mundial Brasil 2014, algunas marcas
presentaron versiones mejoradas de sus productos que
se encontraban en el mercado, otros mostraron
innovación en los mismos”, (Alexander Ibarra, 2014).,
este caso de éxito en el cual se aplicó Business
Analíticos para lograr unas campañas publicitarias
ganadoras, dicho trabajo se logró “a partir de
información de procesos internos, competencia, el
mercado, los clientes y prospectos, con lo que se generó
conocimiento clave que guió a los expertos para
producir todas esas innovaciones”, (Alexander Ibarra,
2014).
Marielys Flores, la editora de Marketing de Nebi, la
empresa que hizo toda la labor de analítica de negocios
8
Implementación Maestría Gerencia de TIC, 2020
para dichas campañas, comenta que de los objetivos
estratégicos que se plantearon las marcas que
estuvieron presentes en el mundial de Brasil 2014,
estaban enfocadas hacia el cliente y partieron desde el
análisis de la información que se tenía de los mismos.
Entre los objetivos estratégicos planteados estaban:
recordación de marca y branding, posicionamiento
como marca global y como marca embajadora, mejorar
la disposición de compra de productos y servicios,
diseño de apps móviles para generar engagement con
las marcas. (Alexander Ibarra, 2014).
Las empresas entendieron que sus productos y servicios
deben ofrecer al mercado algo novedoso, por ende,
tener en cuenta la voz del cliente su punto de partida,
para ello “se procesó información almacenada en los
CRM, ERP, email, redes sociales, comentarios en los
blogs, llamadas a los call center, App de celulares,
adicional utilizó algoritmos análisis de comportamiento
de cliente prospectos en la web, (Alexander Ibarra,
2014). Por otro lado, fue vital el análisis de los
competidores, con el fin de conocer sus fortalezas y
debilidades en cuanto a productos y servicios, poder
generar estrategias para aprovechar esas oportunidades.
Dentro de los aspectos identificados en se encontraron
aspectos razones de deserción clientes, preferencias de
marcas y razones por las cuales preferían la
competencia, se identificó procesos claves a optimizar
para retener clientes, se descubrió oportunidades que
ningún competidor había abordado, las exigencias del
mercado. todo esto resultó benéfico pues una vez se
tuvo los resultados y el conocimiento las empresas
ejecutaron las acciones para mejorar.
La conclusión de este caso según Alexander Ibarra, es
que al aplicar Business Analíticos identificaron los
verdaderos objetivos estratégicos que debían priorizar,
establecieron metas alcanzables y con mayor grado de
certeza, segmentar el mercado para enfocar de forma
más óptima sus esfuerzos de publicidad y mercadeo, así
como lograron optimizar procesos minimizar costos y
lo más importante, innovar en sus productos y
servicios, todo basado en las expectativas del mercado.
CASO DIRECTV ARGENTINA
En DIRECTV ya se utilizaba Big Data para diferentes
objetivos, pero se mejoró la implementación y uso de
estas herramientas aplicando técnicas de analítica de
negocio, llegando a descubrir que el factor más
relevante en su negocio era la optimización de la

experiencia del usuario. Estas técnicas de analítica de
negocio predijeron y posteriormente probaron que
mejorar la experiencia de uso del cliente resultaba más
productivo que invertir en campañas cuyo objetivo sea
aumentar las ventas, generando altos costos en
estrategias de marketing.
DIRECTV posee un call center grande, que representa
la principal forma de contacto con el cliente, esta gran
base de datos de las grabaciones de las llamadas, fueron
el insumo para aplicar técnicas de Big Data y posterior
analítica para llegar a las conclusiones antes
mencionadas, para ello se hizo un proceso de text
mining que consiste en volcar la llamada a texto
mediante un algoritmo, y luego utilizar el texto
obtenido para hacer un análisis de sentimiento, que
revela comportamientos que alteran la efectividad de un
llamado. Eso revela factores como el humor y la
connotación de un texto. (Belén et al., s. f.).
En una entrevista Damián Ignacio Ramos, director del
Centro de Analíticos DIRECTV, explica que “En
DIRECTV por cada punto de satisfacción que mejoran,
ingresan más de $10.000.000 de dólares adicionales a
DIRECTV al final de cada año.” (Abril & Tamborini,
2015). Debido a la probabilidad de que un cliente
recomiende el servicio, lo cual genera ganancias y sin
invertir en campañas de marketing se logra incrementar
ventas y captar mayor cantidad de clientes los cuales se
ven reflejados en los informes de final de año, así como
también se logra aumentar el nivel de retención de los
clientes.
CASO ESTUDIO DE LA MOVILIDAD DE LOS
CICLISTAS EN LA CIUDAD DE ROSARIO,
ARGENTINA
El caso de estudio detalla la implementación del BA,
en particular en datos que son rescatados de manera
masiva, los cuales son catalogados como Vitales en
nuevas decisiones, mitigando la incertidumbre en el
sector público y privado de América Latina. A
continuación, se plasmarán nociones pertinentes del
caso de estudio:
La movilidad que ejercen los ciclistas le permite al
especialista del Banco Interamericano de Desarrollo -
BID comprender mediante la analítica de datos la
relación existente entre las rutas que conforman la
malla vial de la ciudad y la frecuencia con que las
toman los ciclistas, por ende, poder visualizar la
9
Implementación Maestría Gerencia de TIC, 2020
cantidad de accidentes de tránsito ocurridos; para esto
es fundamental extraer información mediante GPS.
Al rescatar los datos de los GPS implementados se
tienen presentes dos ítems como lo son: en primer
lugar, la velocidad que se alcanza en cada uno de los
recorridos, y en segundo lugar entidades del sector
público como el Ente de Movilidad de Rosario
encargada de toda la accidentalidad, por otro lado, se
tiene en cuenta los datos obtenidos mediante entrevistas
a ciclistas privados.
El análisis de la data se obtiene en un intervalo de
tiempo de ocho semanas, en este periodo se analiza la
información obtenida; una vez se tiene dicho análisis se
logra sistematizar los viajes, teniendo presente en la
data factores como: distancias, velocidades, rutas,
horarios y género de los ciclistas, posteriormente a la
sistematización viene el procesamiento de la data lo
cual va a ser influyente en la gestación de mapas con
afluencia de ciclistas, la zona exacta en donde se tienen
mayor cantidad de accidentes y que van a necesitar un
cuidado y vigilancia constante.
El estudio permitió la toma de decisiones basadas en
rutas que son perfiladas como seguras y rápidas, y que
en la actualidad cuentan con ciclovías, esto debido a
que la cantidad de accidentes es menor. La importancia
de la aplicación de BA en este caso, es que ayuda a la
mejora continua y la planificación de estrategias en la
malla vial pública, como fue el caso de la Calle Bulevar
Oroño. (Patricio Rodríguez, 2017).
CASO CAMBRIDGE ANALYTICA EN LATINO
AMERICA.
En el año 2018 se generó uno de los más grandes
escándalos debido a una serie de investigaciones
periodísticas de diarios mundialmente conocidos como
Té New York Times y Té Observer en las que afirmaron
que la consultora Cambridge Analytica adquirió de
forma indebida información de 50 millones de usuarios
de la red social Facebook en los Estados Unidos y
luego utilizaron esa información para manipular
psicológicamente a los votantes en las elecciones
presidenciales de EE.UU. en 2016.
El caso creció más allá del mundo digital y de la
frontera de estados unidos y el continente europeo,
generando potenciales implicaciones en Latinoamérica

en países como México, Colombia, Brasil y Argentina,
donde esa compañía tuvo alguna operación.
Cambridge Analítica fue una empresa privada creada
en el 2013 cuya sede principal estaba ubicada en la
ciudad de Londres, capital del Reino Unido, Se
dedicaba a la minería de datos y la analítica de datos
con el objetivo de generar comunicaciones estratégicas.
Esta compañía usaba el análisis de datos para
desarrollar campañas para marcas y políticos que
buscaban "cambiar el comportamiento de la audiencia".
poseían dos divisiones, una comercial y otra política.
Sus mayores casos de éxito fueron su trabajo en la
campaña presidencial de Trump y de otros candidatos
republicanos al Congreso de Estados Unidos las cuales
definieron su participación como decisiva.
Otro de sus casos de éxito que se atribuyen fue el de la
campaña "Leave.EU", uno de los dos grupos
proselitistas más grandes de Reino Unido a favor del
Brexit. En mayo de 2018 esta compañía anunció su
cierre tras el gran escándalo generado por la filtración
de datos personales antes mencionados.
Esta filtración se generó debido a la obtención de
perfiles de 50 millones de usuarios de Facebook a
través de un test de personalidad desarrollado como
proyecto personal por el profesor de la universidad de
Cambridge Aleksandr Kogan. Unos 265.000 usuarios
completaron el test que requería permiso para acceder a
información personal y de la red de amigos, sin el
consentimiento de estos últimos. Luego toda la
información recopilada como actualizaciones de estado,
"me gusta" y hasta mensajes privados de más del 15%
de la población de EE. UU fueron vendidos. (BBC,
s. f.).
Según las políticas de Facebook, los datos recopilados
en su plataforma solo pueden ser usados para
propósitos de la misma aplicación y no pueden ser
transferidos o vendidos pero la situación se dio y una
vez que Cambridge analítica contaba con esta
información cruzaron los datos del test de Kogan con la
información de Facebook para inferir perfiles
psicológicos de cada usuario. Así, esta compañía logró
saber cuál debía ser el contenido, tema y tono de un
mensaje para cambiar la forma de pensar de los
votantes de forma casi individualizada. (BBC, s. f.).
Pero este tipo de actividades trascendió las fronteras de
estas grandes potencias mundiales para llegar a latino
américa, en 2015 se comprobó la participación de la
compañía en la elaboración de una campaña EE. UU,
10
Implementación Maestría Gerencia de TIC, 2020
cuando Mauricio Macri y Daniel Scioli se disputaban la
presidencia de Argentina. Luego en México se reveló
por parte de un canal de noticias británico la existencia
de pruebas las cuales vinculan al Partido
Revolucionario Institucional con Cambridge Analítica,
sugiriendo un modus operandi semejante al llevado a
cabo en Estados Unidos para la campaña Trump. En
Colombia esta compañía publicó como caso de éxito la
asesoría durante la última campaña a la Alcaldía de
Enrique Peñalosa.
El otro vínculo entre Cambridge Analítica y Colombia
se da por una alianza con Pig.gi, una aplicación que
ofrece datos móviles gratuitos a cambio de ver anuncios
e historias patrocinadas. La estrategia de Pig.gi para
recopilar información consentida de sus usuarios era
sencilla. Cuando las personas se querían conectar gratis
a una red de internet ellos les pedían que aceptaran los
términos y condiciones en los que aclaraban: “El
Usuario permitía expresamente recopilar información
para la realización de seguimiento de tráfico, con
intención de identificar grupos y perfiles de usuarios,
así como para fines de orientación publicitaria”, pero
realmente utilizan los datos extraídos de la aplicación
para generar contenido personalizado buscando influir
en el proceso electoral del país.
En su momento por parte del gobierno de Colombia los
diferentes ministerios involucrados de la regulación de
los datos personales en la web eximieron su
responsabilidad sobre la regulación del tema, lo cual es
una puerta abierta para que este tipo de compañías
continúan con este tipo de prácticas poco éticas para
obtener la data requerida en los procesos diferentes
procesos de analítica.
CASO BANCOLDEX, COLOMBIA
Escuchar el nombre BANCOLDEX para muchos se
nos hace desconocido, pero para IBM Cognos no lo
fue, primero lo reconoce como un banco con
oportunidad de mejora y decide apoyarlo en la
implementación de una herramienta o solución con la
cual se llevaría a cabo el trato de la información,
gestionando sistemas y creando una prospectiva de
presupuesto; la puesta en marcha de la solución estaría
a cargo de la empresa Procalidad, firma partner de
IBM.
La gestión del presupuesto era desarrollada de manera
elemental (a mano) lo cual conllevaba a la pérdida de
tiempo valioso, al implementar la herramienta de

carácter Gerencial este proceso da un paso a la
sistematización, el cual genera cambios significativos
en la estrategia y la prospectiva, lo cual impacta de
manera positiva en el ahorro de tiempo de los procesos.
Además, con la solución los procesos pueden ser
llevados a cabo de manera colaborativa utilizando la
nube y la base de datos enfocada en una información
veraz y confiable, para rescatar los riesgos en cada fase
de los proyectos se agudiza considerablemente.
BANCOLDEX al tener la solución enfatizó esfuerzos
en el proceso de la socialización en los diferentes
actores, incentivando una cultura basada en la
tecnología, lo cual exige una actualización y
capacitación del recurso humano; alcanzando el
objetivo de crear valor medido en las mejoras de la vida
de los empleados con una optimización del tiempo.
Gustavo Ardila presidente del banco expresa que el
éxito de la herramienta se detalla en la sinergia entre la
gerencia y las demás áreas de la organización, así como
el compromiso de cada uno de los stakeholders, y en la
adopción de la nueva herramienta, y el
acompañamiento por parte del proveedor
(BANCOLDEX, 2009).
7. CONCLUSIONES
Como se evidencia no sólo en la teoría sino también a
través de los casos de éxito analizados, las
posibilidades para el uso de Business Analíticos son
crecientes y varían de acuerdo con la situación de cada
empresa o industria, así como también del momento y
tendencia de cada mercado, ahora, si bien los gerentes
son conscientes de este hecho, y de que el poder se
centra en la analítica de negocios, este es un trabajo
conjunto a nivel de todas las áreas de la organización,
por ende los líderes de TI, están llamados a hacer parte
de la construcción de este tipo de estrategia, quienes
deben ser los facilitadores a nivel empresarial del uso
eficiente de las tecnologías encaminadas a la
centralización y estandarización de los procesos de
generación de datos, almacenamiento y custodia de los
mismos, y por otro lado el establecimiento de medios
que permitan la generación de valor adicional para el
negocio a partir el uso de BA.
Concluir que Business Analíticos impacta
positivamente en el desempeño empresarial no es nada
nuevo, hemos evidenciado en los casos de éxito
analizados que es una realidad, el reto radica
básicamente en establecer una arquitectura y
metodología adecuada a implementar teniendo en
11
Implementación Maestría Gerencia de TIC, 2020
cuenta el momento de la empresa, es por eso que este
tipo de estrategias no pueden implementarse
aisladamente, sino integrando todos los niveles de la
compañía y con el acompañamiento de expertos que
guíen un proyecto hacia la consecución y apoyo de los
objetivos estratégicos de las empresas.
Se ha evidenciado que la Analítica Avanzada de Datos
Masivos, no puede considerarse como un reemplazo a
métodos y análisis cotidianos para desarrollar procesos
de investigación, sino que debe ser un articulador de
todos los ámbitos de una organización, ahora, si se
traslada este concepto al gobierno, estas estrategias
deben inspirar a los entes gubernamentales de los países
de Latinoamérica a que tengan en cuenta estas
herramientas TIC como estrategia complementaria para
diferentes métodos investigativos, además pensar en la
meta de consolidar una institucionalidad y una sinergia
orientada por las tecnologías de la información y las
comunicaciones en la consecución de una transferencia
de datos limpios y que puedan ser trabajados por las
organizaciones de los gobiernos de manera colaborativa
siempre con el enfoque de generar procesos que
conlleven hacia esa cultura basada en la toma acertada
de decisiones.
Al tratarse de datos que tienen en su origen actividades
propias de personas que conviven en una sociedad, es
fundamental que esta información sea verificada y que
contenga garantías en una posterior auditoría ante estos
ciudadanos, ya que se analizan datos masivos del sector
público y privado, esto con la finalidad de poder contar
con una mejora continua y brindar soluciones en tiempo
real, sabemos que en esta era de la revolución 4.0 las
filtraciones de la información se tornan repetitivas, y es
prioridad del gobierno que los ciudadanos puedan gozar
hoy en día de esa seguridad, la cual va abrazar esa
confianza que le genera el gobierno en las diferentes
organizaciones, y potenciar esa capacidad para el
desarrollo de proyectos que confluyan en multisectores
entre ellos el medio ambiente. Para que todos estos
procesos se lleven a cabo es necesario que las políticas
sean enfocadas hacia los stakeholders, y se consoliden
los proyectos de manera eficaz y eficientes.
10. REFERENCIAS BIBLIOGRÁFICAS
Alexander Ibarra. (2014, julio 8). Business Analíticos
respalda la innovación de las marcas en Brasil 2014.
NEBI. http://www.nebi.co/bi/business-analytics-
respalda-la-innovacion-de-las-marcas-en-brasil-2014/.

AlianzaCAOBA. (2016). AlianzaCAOBA. Retrieved
from AlianzaCAOBA: http://alianzacaoba.co/que-es-
caoba/alianzas-2/
BANCOLDEX. (2009, Julio 03). Bancoldex.com.
Retrieved from Bancoldex.com:
https://www.bancoldex.com/sites/default/files/documen
tos/1554_comunprensa473.pdf
Bayrak, T. (2015). A Review of Business Analytics: A
Business Enabler or Another Passing Fad. Procedia -
Social and Behavioral Sciences, 195, 230-239.
https://doi.org/10.1016/j.sbspro.2015.06.354
BBC, M. (s. f.). 5 claves para entender el escándalo de
Cambridge Analytica que hizo que Facebook perdiera
US$37.000 millones en un día—BBC News Mundo.
Recuperado 8 de noviembre de 2020, de
https://www.bbc.com/mundo/noticias-43472797.
Belén, C., Yael, M., Laura, C., Belén, C., Arteche, D.,
Regina, M., & Adrián, F. (s. f.). BIG DATA Y
ANALYTICS, NUEVAS TENDENCIAS EN
RECURSOS HUMANOS. Fundación UADE.
Beller, Michael J., & Barnett, Alan. (2009). Next
Generation Business Analytics. Lightship Partners
LLC. http://www.docstoc.com/docs/7486045/Next-
Generation-Business-Analytics-Presentation.
Bril, A., & Tamborini, M. F. (2015). Trabajo de
Licenciatura en Administración de Empresas.
Universidad de San Andrés.
CONGRESO DE LA REPÚBLICA. (2020, octubre
15). Secretariasenado.gov.co. Retrieved from
Secretariasenado.gov.co:
http://www.secretariasenado.gov.co/senado/basedoc/ley
_1712_2014.html.
Cody Baldwin. (2020, September 3). Introduction to
Business Analytics (2020 Edition).
https://www.youtube.com/watch?v=diaZdX1s5L4
Dinero. (2017, junio 19). Dinero. Retrieved from
Dinero: https://www.dinero.com/empresas/articulo/big-
data-y-analitica-en-las-empresas-de-colombia/246643.
Educba. (2018, marzo 3). Business Analytics vs
Predictive Analytics | Learn Top 7 Useful Comparison.
EDUCBA. https://www.educba.com/business-
analytics-vs-predictive-analytics/.
12
Implementación Maestría Gerencia de TIC, 2020
Enrique Cabrían Llebrés. (2018, julio 4). Historia y
filosofía de la analítica de negocio [Blog]. Viewnext.
https://www.viewnext.com/historia-y-evolucion-de-la-
analitica-de-negocio/
GERT H.N., L., & JESPER, T. (s. f.). Business
Analytics for Managers Taking Business Intelligence
Beyond Reporting.
GOV.CO. (2018, Abril 17). DNP.GOV.CO. Retrieved
from DNP.GOV.CO:
https://www.dnp.gov.co/Paginas/Colombia-primer-pa
%C3%ADs-en-Latinoam%C3%A9rica-con-una-pol
%C3%ADtica-p%C3%BAblica-para-la-explotaci
%C3%B3n-de-datos-Big-Data.aspx.
Gustavo Gutman. (2018, septiembre 20). Evolución
Analítica en Latinoamérica [Blog]. SAS Latin America.
https://blogs.sas.com/content/sasla/2018/09/20/evolucio
n-analitica-en-latinoamerica/.
Jyotsna Vadakkanmarveettil. (2017). 10 Most Popular
Analytics Tools in Business. Jigsaw Academy.
https://www.jigsawacademy.com/10-most-popular-
analytic-tools-in-business/.
Keller, J. (2019, noviembre 5). Business Analytics
Tools | 7 Advanced BI Analytical Tools For 2020.
https://www.selecthub.com/business-analytics/7-
cutting-edge-business-analytics-tools/
Kiron, D., Prentice, P. K., & Ferguson, R. B. (2012).
Innovating with analytics. MIT Sloan
Luhn, H. P. (1958). A Business Intelligence System.
IBM Journal of Research and Development, 2(4), 314-
319. https://doi.org/10.1147/rd.24.0314.
Educba. (2018, marzo 3). Business Intelligence vs
Business Analytics | Find Out Top 6 Differences.
EDUCBA. https://www.educba.com/business-
intelligence-vs-business-analytics/.
Luhn, H. P. (1958). A Business Intelligence System.
IBM Journal of Research and Development, 2(4), 314-
319. https://doi.org/10.1147/rd.24.0314.
Ministerio TIC, C. C. (2015, junio 04). BIG DATA
ELPODER DE LA INFORMACIÓN. CIO@GOV, 30.
Retrieved from
https://www.mintic.gov.co/gestionti/615/articles-
11129_Revista_pdf.pdf.
 Implementación Maestría Gerencia de TIC, 2020

MINTIC. (2019, Noviembre 15). Mintic.gov.co.
Retrieved from Mintic.gov.co:
https://www.mintic.gov.co/portal/inicio/Sala-de-
Prensa/Noticias/116115:Colombia-es-el-tercer-pais-
con-mejor-progreso-en-datos-abiertos-OCDE
Rodríguez, P., Palomino, N., & Mondaca, J. (2017). El
uso de datos masivos y sus técnicas analíticas para el
diseño e implementación de políticas públicas en
Latinoamérica y el Caribe. Banco interamericano de
desarrollo.

Molly Galetto. (2016, febrero 16). NGDATA | What is
Business Analytics? See Benefits and Applications.
NGDATA. https://www.ngdata.com/what-is-business-
analytics/.
Musiño, C. M. (2010). El valor de la información, su
administración y alcance en las organizaciones.
Artículo publicado en Revista mexicana de ciencias de
la información. Vol. 1, No. 2, 2010. pp. 10-20., 21.
Retrieved from
http://eprints.rclis.org/16211/1/Elvalordelainformaci
%C3%B3n.pdf.
NEBI, A. I. (s. f.). Business Analíticos con enfoque
estratégico. Decideo: Noticias sobre Inteligencia de
Negocios, Big Data, Data Science, Data Mining.
Recuperado 8 de noviembre de 2020, de
https://www.decideo.com/Business-Analytics-con-
enfoque-estrategico_a846.html.
Unipymes. (2014, agosto 11). La analítica de los
negocios una tendencia que llega a Colombia.
Unipymes - Diplomados Virtuales Cursos
Empresariales. https://www.unipymes.com/empresas-
colombianas-en-crecimiento-empiezan-acceder-la-
analitica-de-negocios/.
Universidad de los Andes. (2016, Marzo 07).
sistemas.uniandes.edu.co. Retrieved from
sistemas.uniandes.edu.co:
https://sistemas.uniandes.edu.co/es/inicio/noticias/item/
597-nace-caoba,-alianza-de-big-data-y-analytics-para-
colombia.
Wright, T. (2017, junio 26). Descriptive, Predictive,
and Prescriptive Analytics—Getting to know the right
tools for the job. https://www.axisgroup.com/data-
industry-insights-blog/descriptive-predictive-
prescriptive-analytics-getting-know-right-tools-job.

Nerkar, A. D. (2016). Business Analytics (BA): Core of

Business Intelligence (BI). Infogain Publication, 2(12),
3.

Nylund, A. (1999). Tracing the BI family tree.

Knowledge Management, 60, 70-71.

OCDE. (2020). Panorama de las Administraciones

Públicas América Latina y el Caribe 2020. OCDE.
doi:https://doi.org/10.1787/1256b68d-es

Patricio Rodríguez, N. P. (2017, Julio). Banco

Interamericano de Desarrollo. Retrieved from Banco
Interamericano de Desarrollo:
https://publications.iadb.org/publications/spanish/docu
ment/El-uso-de-datos-masivos-y-sus-t%C3%A9cnicas-
anal%C3%ADticas-para-el-dise%C3%B1o-e-
implementaci%C3%B3n-de-pol%C3%ADticas-p
%C3%BAblicas-en-Latinoam%C3%A9rica-y-el-
Caribe.pdf

Power, D. J., Heavin, C., McDermott, J., & Daly, M.

(2018). Defining business analytics: An empirical
approach. Journal of Business Analytics, 1(1), 40-53.
https://doi.org/10.1080/2573234X.2018.1507605.

13