2021

Diseño de un Ecosistema de Internet
de las Cosas para el Hogar

Conectado Integrando
Electrodomésticos de Línea Blanca:
Hacia la Creación de Valor con la
Información.
CARLOS ALBERTO LOPEZ CASTAÑO
Universidad Nacional de Colombia

Facultad de Ingeniería y Arquitectura, Departamento Ingeniería Industrial
Manizales, Colombia
2021
Diseño de un Ecosistema de Internet
de las Cosas para el Hogar
Conectado Integrando
Electrodomésticos de Línea Blanca:
Hacia la Creación de Valor con la
Información.
Carlos Alberto López Castaño
Tesis presentada como requisito parcial para optar al título de:

Doctor en Ingeniería Industrial – Industria y Organizaciones
Director (a):
Ph.D. Luis Fernando Castillo Ossa
Línea de Investigación:
Organizaciones, sistemas y gestión de la tecnología, la Información, el conocimiento y la
innovación tecnológica
Universidad Nacional de Colombia

Facultad de Ingeniería y Arquitectura, Departamento Ingeniería Industrial
Manizales, Colombia
2021
Dedicatoria
A mi madre, por enseñarme la disciplina e

inspirarme a dar siempre lo mejor de mí.
A mi esposa por su apoyo y compañía durante
el tiempo de desarrollo de esta tesis doctoral.
A mi amigo Yasaldez por apoyarme y
animarme a continuar.
“Si seguimos a nuestra intuición, erraremos

con más frecuencia que si no lo hacemos”.
Daniel Kahneman
Agradecimientos
A mi familia: por entender las tristezas, regalarme su tiempo, por su apoyo incondicional y
por animarme a continuar.
Al profesor Luis Fernando Castillo, por su dedicación y apoyo en la culminación de este

documento. Luis desde el inicio de la tesis doctoral mostro interés y se comprometió a
participar activamente en su construcción.
A la compañía Mabe por permitir el desarrollo de la comprobación empírica, de igual

manera, un agradecimiento especial a empleados y directivos que mostraron interés en el
desarrollo de la tesis y brindaron su apoyo en actividades clave.
A Rogelio Arizpe por su apoyo incondicional y retroalimentación durante este viaje.
Y por último a todas las personas que de una u otra manera contribuyeron a la finalización
de este proyecto.
Resumen y Abstract IX
Resumen
La estrategia de Internet de las cosas no debe verse solo como un mecanismo de
reducción de costos en las empresas manufactureras; en cambio, debe verse como la
base para la transición a un nuevo modelo de negocio que monetice los datos de un
ecosistema inteligente. No obstante, la revisión de la literatura permitió detectar un vacío
de conocimiento en donde prevalecen las contribuciones técnicas, descriptivas y
generales; en tal sentido, descifrar el funcionamiento del sistema de creación de valor y
encontrar un equilibrio entre la estrategia digital y el despliegue de plataformas
tecnológicas, son las principales motivaciones de esta investigación.
Para lograr los objetivos propuestos se ha adoptado la teoría de sistemas y un estudio de

expertos en la etapa de conceptualización, posteriormente, se ha utilizado la dinámica de
sistemas para construir una representación computacional; luego mediante simulación
dinámica, se ha ajustado el modelo de acuerdo con las iteraciones y los límites
identificados del sistema; en consecuencia, con el conjunto de resultados obtenidos se
han identificado diferentes comportamientos de creación y captura de valor. La
metodología propuesta soporta el diseño de modelos de negocio digitales sustentables, y
está centrada en el aprovechamiento del motor del sistema de creación de valor del
ecosistema IoT (Internet of Things).
La investigación demuestra que el modelo de evaluación del sistema, así como los
procedimientos de análisis asociados y la metodología de diseño, son pertinentes,
aplicables y escalables a otros ámbitos fuera del hogar conectado y en otras empresas de
manufactura. Finalmente, además de la contribución académica a través de artículos y
ponencias, en la parte práctica hubo transferencia de conocimiento y habilitación para la
toma de decisiones en el contexto de la estrategia digital de la compañía.
Palabras clave: creación de valor; ecosistema IoT; oferta de valor; dinámica de sistemas;
captura de valor; modelo de negocio; sistema.
X Diseño de un Ecosistema IoT para el Hogar Conectado
Design of an Internet of Things ecosystem for the

Connected Home integrating white goods:
Towards the creation of value with information.
Abstract
Internet of Things strategy should not be seen only as a cost reduction mechanism for
manufacturing companies; instead, it should be seen as the foundation for transitioning to
a new business model that monetizes the data from an intelligent ecosystem. In this regard,
deciphering the operation of the value creation system and finding the balance between
the digital strategy and the deployment of technological platforms, are the main motivations
behind this research.
To achieve the proposed objectives, systems theory and Delphi study has been adopted
in the conceptualization stage and system dynamics have been used to build a
computational representation; Then, by means of dynamic simulation, the model has been
adjusted according to the iterations and the limits identified of the system, consequently,
with the set of results obtained, different behaviours of creation and capture of value have
been identified. In line with the above, the proposed methodology supports the design of
sustainable digital business models and this focuses on taking advantage of the engine of
the value creation system of IoT ecosystem.
The research demonstrated that the system evaluation model, associated analysis
procedures, and design methodology are relevant, applicable, and scalable, even to other
settings outside of the connected home and white goods companies. Finally, in addition to
the academic contribution through articles and presentations, in the practical side there
was knowledge transfer and enablement for decision-making.
Keywords: value creation; IoT ecosystem; value offer; system dynamics; value capture;
business model; system.
Contenido XI
Contenido
Pág.
Introducción................................................................................................................... 17
Propuesta Investigativa ................................................................................................ 21

Problema de investigación ...........................................................................................22
Preguntas de Investigación ..........................................................................................25
Sistema de Objetivos ...................................................................................................27
1. Marco Teórico y Referencial de la Investigación ................................................. 30

1.1 Discusión de la Perspectiva Teórica Desde el Vacío de Conocimiento .............32
1.2 Los electrodomésticos de línea blanca ..............................................................37
1.2.1 El contexto de la industria de línea blanca ..................................................... 37
1.2.2 De productos a plataformas digitales un enfoque hibrido ............................... 42
1.2.3 El valor de nuevas experiencias con los electrodomésticos ........................... 44
1.3 Internet de las Cosas y la Transformación Digital de la Industria de Línea Blanca
45
1.3.1 La empresa digital ......................................................................................... 47
1.3.2 Habilitadores de la transformación ................................................................. 48
1.3.3 Plataformas IoT, arquitecturas para la creación de valor ............................... 51
1.4 De la Cadena de Valor a los Ecosistemas .........................................................52
1.4.1 Evolución de la cadena de valor .................................................................... 54
1.4.2 Hacia un ecosistema integrado de valor ........................................................ 58
1.5 Creación y captura de valor...............................................................................61
1.5.1 Modelos de negocio ....................................................................................... 63
1.5.2 Perspectiva social del valor............................................................................ 66
1.5.3 Ventaja competitiva transitoria ....................................................................... 67
1.5.4 La creación de valor como sistema ................................................................ 69
1.6 Conclusiones parciales......................................................................................72
2. Estructura de la Investigación............................................................................... 75
2.1 Diseño de la Investigación.................................................................................77
2.1.1 Sistemas de Información, un enfoque mixto .................................................. 80
2.2 Proceso de Desarrollo de la Investigación .........................................................81
2.2.1 Etapa de estructuración ................................................................................. 82
2.2.2 Diseño tentativo ............................................................................................. 85
2.2.3 Panel de expertos .......................................................................................... 86
2.2.4 Mapeo de Valor ............................................................................................. 89
2.2.5 Etapa de simulación y comprobación empírica .............................................. 91
2.2.6 Etapa de diseño de metodología ................................................................... 96
2.2.7 Teorización y generalización de resultados ................................................... 97
2.3 Evaluación de la metodología propuesta ...........................................................98
2.4 Estrategia para probar hipótesis ......................................................................100
3. Visión prospectiva del Sistema de creación de valor ........................................ 103

XII Diseño de un Ecosistema IoT para el Hogar Conectado
3.1 Resultados del estudio de expertos ................................................................ 104

3.1.1 Delimitación de variables iniciales ............................................................... 111
3.1.2 Definición y validación de variables claves .................................................. 112
3.1.3 Análisis estructural ...................................................................................... 119
3.1.4 Identificación de variables estratégicas ....................................................... 132
3.2 Verificación de madurez y actores del ecosistema .......................................... 134
3.3 Caracterización del Ecosistema IoT Integrado ................................................ 139
3.4 Dimensiones de Evaluación del Ecosistema ................................................... 142
3.5 Conclusiones parciales ................................................................................... 145
4. Modelo de evaluación del Sistema (construcción y simulación) ..................... 147

4.1 Sistema de creación de valor .......................................................................... 147
4.2 Representación del Sistema ........................................................................... 151
4.2.1 Subsistema de evaluación ........................................................................... 153
4.2.2 Subsistema de creación y captura de valor ................................................. 159
4.3 Simulación y discusión .................................................................................... 162
4.3.1 Simulación y análisis de sensibilidad ........................................................... 162
4.3.2 Efecto de red ............................................................................................... 166
4.3.3 Estimación de la demanda en compañías de electrodomésticos de línea
blanca 168
4.3.4 Análisis del pronóstico de valor ................................................................... 169
4.4 Implicaciones teóricas ..................................................................................... 172
4.5 Conclusiones parciales ................................................................................... 173
5. Propuesta Metodológica para el Diseño de Ecosistemas IoT .......................... 175

5.1 Marco de trabajo ............................................................................................. 176
5.1.1 Componentes de diseño.............................................................................. 177
5.1.2 Procedimiento de aplicación ........................................................................ 178
5.2 Fase 1: Descubrimiento .................................................................................. 179
5.3 Fase 2: Evaluación ......................................................................................... 181
5.3.1 Calibración .................................................................................................. 183
5.4 Fase 3: Cálculo de Potencia ........................................................................... 184
5.5 Fase 4: Llamado a la Acción ........................................................................... 185
5.6 Conclusiones Parciales ................................................................................... 185
6. Discusión y análisis de resultados ..................................................................... 187

6.1 Involucramiento en la transformación digital de una compañía de manufactura
188
6.1.1 Resultados obtenidos de la inmersión ......................................................... 188
6.2 Resultados de aplicación de la metodología ................................................... 193
6.2.1 Fase 1: Descubrimiento............................................................................... 194
6.2.1 Fase 2: Evaluación ...................................................................................... 194
6.2.2 Fase 3: Cálculo de potencia ........................................................................ 197
6.2.1 Fase 4: Llamado a la acción ........................................................................ 200
6.3 Teorización y generalización de resultados..................................................... 200
6.3.1 Comprobación de la hipótesis de investigación ........................................... 200
6.3.2 Discusión sobre los resultados de comprobación de la hipótesis ................ 201
Producción académica ............................................................................................... 205
Conclusiones, recomendaciones y trabajos futuros ................................................ 209

Contenido XIII
Lista de figuras
Pág.
Figura 0-1: Formulación del vacío de conocimiento. .................................................24

Figura 0-2: Hipótesis del trabajo de investigación. ....................................................27
Figura 0-3: Relación entre las preguntas de investigación y los objetivos. ................28
Figura 0-4: Hilo conductor para la construcción del marco teórico. ...........................29
Figura 1-1: Teorías y disciplinas en el marco teórico. ...............................................36
Figura 1-2: Colisión entre modelos operativos. .........................................................53
Figura 1-3: Perspectiva circular de la creación de valor con la información. .............70
Figura 2-1: Marco de trabajo para investigaciones en sistemas de información........76
Figura 2-2: Enfoque de investigación según el tipo. ..................................................78
Figura 2-3: Enfoque de investigación de acuerdo con el paradigma. ........................79
Figura 2-4: Proceso de investigación. .......................................................................83
Figura 2-5: Análisis del eje estratégico. ....................................................................90
Figura 2-6: Funcionalidades de comprobación del modelo en Vensim ......................95
Figura 2-7: Pilares para la construcción de la metodología. ......................................97
Figura 2-8: Estrategia para probar la hipótesis. ......................................................101
Figura 3-1: Resultados pregunta uno (contextualización con expertos). .................104
Figura 3-2: Resultados pregunta uno (Detalle). ......................................................105
Figura 3-3: Resultados pregunta dos (contextualización con expertos). .................106
Figura 3-4: Ejercicio de definición del concepto de creación de valor. ....................107
Figura 3-5: Top 3 de definiciones más votadas.......................................................109
Figura 3-6: Diagrama de afinidad, definición de creación de valor. .........................109
Figura 3-7: Evaluación de variables. .......................................................................113
Figura 3-8: Distribución de evaluaciones. ...............................................................114
Figura 3-9: Evaluación de variables por grado de escolaridad. ...............................116
Figura 3-10: Evaluación de variables. .......................................................................116
Figura 3-11: Variables descartadas. .........................................................................118
Figura 3-12: Variables sugeridas por expertos..........................................................118
Figura 3-13: Variables seleccionadas para el análisis estructural. ............................119
Figura 3-14: Tipos de influencia entre variables........................................................120
Figura 3-15: Matriz Análisis Estructural.....................................................................121
Figura 3-16: Plano de influencias y dependencias directas .......................................124
Figura 3-17: Grafo de influencias directas ................................................................125
XIV Diseño de un Ecosistema IoT para el Hogar Conectado
Figura 3-18: Plano de influencias y dependencias indirectas ................................... 127

Figura 3-19: Grafo de influencias indirectas ............................................................. 128
Figura 3-20: Plano de influencias y dependencias potenciales ................................. 130
Figura 3-21: Grafo de influencias Potenciales .......................................................... 130
Figura 3-22: Plano de desplazamientos (directo/indirecto/potencial directo) ............. 131
Figura 3-23: Clasificación de variables según su influencia y dependencia .............. 132
Figura 3-24: Plano de influencias y dependencias indirectas potenciales ................. 133
Figura 3-25: Identificación de variables estratégicas ................................................ 133
Figura 3-26: Grafo influencias indirectas potenciales (variables estratégicas) .......... 134
Figura 3-27: Resultado - Madurez del ecosistema IoT.............................................. 135
Figura 3-28: Grupos de interés que controlan o influyen sobre el ecosistema IoT. ... 136
Figura 3-29: Nube de palabras objetivos estratégicos de los grupos de interés. ...... 138
Figura 3-30: Ecosistema integrado. .......................................................................... 141
Figura 3-31: Dimensiones de evaluación sobre el ecosistema IoT. .......................... 143
Figura 4-1: Proyección de conexión de hogares. .................................................... 148
Figura 4-2: Visión del sistema de creación de valor................................................ 150
Figura 4-3: Diagrama conceptual del sistema de creación de valor. ....................... 152
Figura 4-4: Clasificación difusa de VOP. ................................................................ 156
Figura 4-5: Reglas difusas...................................................................................... 157
Figura 4-6: Conjunto difuso. ................................................................................... 158
Figura 4-7: Diagrama de Forrester. ........................................................................ 161
Figura 4-8: Diagrama causal. ................................................................................. 161
Figura 4-9: Comportamiento de los ciclos de captura. ............................................ 162
Figura 4-10: Crecimiento poblacional del tipo logístico. ............................................ 163
Figura 4-11: Comportamiento del efecto de red. ...................................................... 167
Figura 4-12: Comportamiento del valor capturado. ................................................... 170
Figura 5-1: Componentes de diseño metodología SOOV. ...................................... 177
Figura 5-2: Fases de la metodología SOOV. .......................................................... 179
Figura 5-3: Descubrimiento de escenarios para las iniciativas digitales.................. 183
Figura 6-1: Prototipo funcional de visión artificial. ................................................... 192
Figura 6-2: Modelo para la identificación automática de calidad percibida.............. 192
Figura 6-3: Evaluación estado inicial de la iniciativa digital. .................................... 196
Figura 6-4: Resultados de evaluación de desempeño de la iniciativa. .................... 196
Figura 6-5: Resultados cálculo de potencia iniciativa 1........................................... 198
Contenido XV
Lista de tablas
Pág.
Tabla 1-1: Resumen estrategias top 10 + 1 compañías línea blanca. .........................38

Tabla 2-1: Coeficiente de competencia de expertos participantes en la investigación. 88
Tabla 2-2: Criterios para seleccionar iniciativas de transformación. ............................92
Tabla 2-3: Esquema comparativo de valoración de escenarios. ..................................94
Tabla 2-4: Guía para la aplicación de teoría fundamentada. .......................................99
Tabla 3-1: Descripción de variables. .........................................................................111
Tabla 3-2: Características de la MID. ........................................................................122
Tabla 3-3: Relaciones directas, indicador de influencia y dependencia .....................123
Tabla 3-4: Relaciones indirectas, indicador de influencia y dependencia ..................126
Tabla 3-5: Relaciones potenciales, indicador de influencia y dependencia................129
Tabla 3-6: Objetivos estratégicos de los grupos de interés. ......................................137
Tabla 4-1: Descripción del rendimiento de la oferta de valor. ....................................155
Tabla 4-2: Limites subsistema creación de valor. ......................................................164
Tabla 5-1: Descripción de dimensiones y variables a evaluar. ..................................182
Tabla 5-2: Valores para calibración. ..........................................................................184
Tabla 6-1: Iniciativas seleccionadas ..........................................................................195
Tabla 6-2: Captura de valor proyectada ....................................................................197
Tabla 6-3: Construcción de escenarios por iniciativa.................................................199
XVI Diseño de un Ecosistema IoT para el Hogar Conectado
Lista de Símbolos y abreviaturas
Abreviaturas
Abreviatura Término
IoT Internet de las Cosas
VOP Rendimiento de la oferta de valor
TIN Índice de Innovación Tecnológica
VCV Visibilidad de la Captura de valor
TF Teoría Fundamentada
Asociación Nacional de Industriales de

ANDI
Colombia
T2M Time to Market, plazo de lanzamiento
G2M Go to Market, llegar al mercado
Matriz de Impactos Cruzados Multiplicación

MICMAC
Aplicada a una Clasificación
MID Matriz de influencias directas
MIDP Matriz de influencias directas potenciales

Introducción
Antes del nacimiento del concepto de IoT, como mecanismo de rastreo en la cadena de
abastecimiento de Procter & Gamble (Ashton, 2009), el científico Mark Weiser basó su
investigación en lo que llamó computación ubicua, sentando las bases para lo que serían
computadores “invisibles”, ubicados en diferentes lugares de nuestro entorno (ubicuos);
los cuales, ejecutarían diversas funciones, con el fin de cumplir la promesa de hacer las
tareas cotidianas más sencillas para los humanos (Weiser, 1991). Actualmente la
exploración de la integración de las comunicaciones e informática en el entorno de las
personas, se conoce también como Inteligencia Ambiental y específicamente en el hogar,
se enmarca bajo el concepto de “hogar inteligente” (De Silva, Morikawa, & Petra, 2012).
La idea de un hogar conectado a Internet y con funciones “inteligentes” se puede describir

como: “Un ecosistema de dispositivos, electrodomésticos y subsistemas, todos
interconectados e interactuando entre ellos” (Borgia, 2014). Por otro lado, desde la
perspectiva empresarial, el enfoque de los ecosistemas ha permitido que los grupos de
interés alcancen cierto nivel de simbiosis, lo cual permite a las firmas involucradas crear
valor adicional y proveer productos y servicios complementarios diferentes a la plataforma
en sí misma (Ehrenhard, Kijl, & Nieuwenhuis, 2014).
En línea con lo anterior, la revisión de literatura refleja entre los principales retos de las
soluciones IoT del hogar, la reducción de la complejidad, interoperabilidad, confiabilidad,
privacidad y seguridad, entre otros; de igual manera, resalta barreras de tipo social, tales
como la pérdida de control por parte de los consumidores, la apatía y el costo (Balta-Ozkan,
Davidson, Bicket, & Whitmarsh, 2013). En este sentido, se puede evidenciar a través de la
revisión de antecedentes que, la adopción de nuevas tecnologías tiene impactos en la
economía y la sociedad, en un estudio realizado por The Economist, a 779 ejecutivos
líderes de 19 diferentes industrias alrededor del mundo, se encontró que el 30% sentía que
18 Diseño de Ecosistemas IoT para el Hogar Conectado
IoT generaría nuevas oportunidades de ingresos, mientras el 29% creía que inspirarían
nuevas prácticas de trabajo y un 23% creía que eventualmente cambiaria los modelos de
negocio (The Economist, 2013).
Tomando como base los resultados del estado del arte, el estado de la práctica y los
antecedentes de la situación problemática, se definieron tres elementos que motivaron el
desarrollo de la tesis. Por un lado, se evidenció la falta de trabajos que realizaran una
aproximación a los ecosistemas IoT del hogar conectado, desde la perspectiva de creación
de valor con la información; por el otro, se constató la importancia que tienen los
electrodomésticos de línea blanca como producto “inteligente” dentro de un ecosistema
IoT y, por último, se descubrió la ausencia de propuestas para la valoración de desempeño
de los ecosistemas IoT en el hogar conectado.
En consecuencia, después de un análisis crítico de los aspectos teórico-prácticos que

definen la dinámica de creación de valor y ante la falta de artefactos que permitieran
entender como está constituido el sistema de creación de valor, se hizo imperativo diseñar
un modelo que represente el comportamiento del sistema y de esta manera simular las
condiciones sobre las cuales evoluciona la creación y captura de valor. En el mismo
sentido, el abordaje del fenómeno desde la perspectiva sistémica resalta la importancia
teórica de la tesis, por lo que la conceptualización permitió avanzar en la construcción de
artefactos que guían a las compañías en la toma de decisiones sobre los negocios
digitales.
La metodología de investigación inicia con una abstracción del sistema de creación de

valor del ecosistema de consumo (en el contexto del hogar conectado), así como, la
ampliación de conocimiento base sobre la dinámica de creación de valor en el ecosistema,
lo anterior apoyado en el método de expertos y en la experimentación a través de métodos
de lógica difusa y dinámica de sistemas; seguidamente, se utilizó el método de caso con
un valor instrumental, para generalizar a partir de situaciones específicas en el entorno de
una compañía de línea blanca. En el mismo sentido, se planteó usar el enfoque de la teoría
fundamentada, con el objetivo desarrollar una descripción teórica sobre las características
y el diseño de ecosistemas IoT.
Introducción 19
Con base en lo anterior, el documento se estructura de la siguiente manera: se inicia

detallando la propuesta investigativa, donde se encuentra la hipótesis y el sistema de
objetivos que guía la investigación, en el capítulo 1 se desarrolla la revisión teórica y
referencial; seguidamente, en el capítulo 2 se presenta el diseño de la investigación con
cada una de sus etapas.
Posteriormente, los capítulos 3, 4 y 5 muestran el proceso de construcción de la

metodología de diseño de ecosistemas IoT del hogar conectado, en el capítulo 3 se
muestran los resultados de un estudio prospectivo del sistema de creación de valor, el cual
se fundamentó en el método de reflexión colectiva conocido como Análisis Estructural
(MICMAC); el capítulo 4, presenta el detalle del modelaje y simulación del sistema de
creación de valor, concebido en la tesis como el motor que impulsa la generación de valor
en el ecosistema. El capítulo 5 es la consecuencia de los dos anteriores y contiene la
propuesta metodológica para el diseño de ecosistemas IoT.
El documento de tesis termina con la discusión y análisis de resultados, en donde se

detallan los logros en el procedimiento de inmersión en una transformación digital de una
compañía de línea blanca, así como, la aplicación de la metodología; en el mismo sentido,
se desarrolla la teorización y generalización de resultados. La tesis concluye con el detalle
de la producción académica y las conclusiones y recomendaciones.
Propuesta Investigativa
En 2016, la Unión Internacional de Telecomunicaciones & Cisco (2016) exploraban el
potencial de Internet de las Cosas para los países en desarrollo, mostrando la importancia
que tienen para los diferentes grupos de interés en el desarrollo de proyectos en torno a
este tema; destacaban también, la necesidad de regulaciones gubernamentales en todos
los sectores y planteaban además, las oportunidades de mejora en los modelos de negocio
y los posibles impactos para la creación de unos nuevos; recomendando la promoción de
estándares que permitieran la interoperabilidad, a través del ecosistema IoT (Internet of
Things).
Del mismo modo, la adopción de tecnologías IoT en Latinoamérica era la más baja,
respecto a Norteamérica, Europa y Asia Pacífico, en el mismo sentido, la revisión de
literatura mostraba la importancia del Internet de las Cosas en el hogar, a través de las
aplicaciones para reducción de consumo de energía, cuidado de la salud y seguridad
(Paganelli et al., 2015; Services, 2015).
En los siguientes párrafos se podrá observar un resumen de la propuesta investigativa

plasmada en el documento proyecto de investigación, cuyos lineamientos fueron la guía
para el desarrollo de la presente tesis; en este sentido, se utilizó el marco de los modelos
de negocio para contextualizar el problema, encontrar el vacío del conocimiento e integrar
las concepciones que, sobre el fenómeno, tienen los diferentes grupos de interés.
Se puede decir entonces, desde la construcción de la tesis, que existe la necesidad por
parte de la industria de electrodomésticos de aprovechar las oportunidades que IoT
genera, con el fin de adaptarse y generar nuevos modelos de negocio (Whirlpool, 2020;
Zoet, Smit, & de Haan, 2014); del mismo modo, se evidencia un interés académico y
práctico para el desarrollo de metodologías que permitan abordar el diseño de ecosistemas
IoT, buscando hacer frente al creciente desafío de transformar los datos en información
accionable, que ayude a optimizar las tareas cotidianas de las personas en el hogar.
Esta sección inicia con la exposición del problema de investigación, , para luego continuar
con las preguntas e hipótesis de investigación, para finalizar con el sistema de objetivos.
Problema de investigación
Actualmente la exploración de la integración de las comunicaciones e informática en el
entorno de las personas, se conoce también como Inteligencia Ambiental y
específicamente en el hogar, se enmarca bajo el concepto de “hogar inteligente” (De Silva
et al., 2012); la idea de un hogar conectado a Internet y con funciones “inteligentes” se
puede describir como: “un ecosistema de dispositivos, electrodomésticos y subsistemas,
todos interconectados e interactuando entre ellos” (Borgia, 2014).
En línea con lo anterior, y basados en la revisión de literatura realizada para desarrollar el

proyecto de investigación, se detectó que los electrodomésticos de línea blanca se pueden
considerar como un clásico producto de baja tecnología (en contraste por ejemplo con los
productos de electrónica de consumo), desarrollados por empresas que se mueven en un
mercado maduro, con poco impulso de los avances científicos (Peine, 2008).
Por otro lado, algunos estudios han definido al sector global de línea blanca (compañías
manufactureras de electrodomésticos), como moderadamente dinámico, donde la
competencia se da a través del precio y cuya tecnología de producción es madura; en este
sentido, las compañías han perfeccionado técnicas de manufactura flexible y asistida por
computador, con el fin de reducir los costos de producción; de igual forma, sus
preocupaciones se han centrado en que los productos procuren el ahorro energético y el
cuidado del medio ambiente. Los líderes en la industria de línea blanca han prosperado
logrando economías de escala, un mejor control de los canales de distribución y una
innovación simple (Bonaglia, Goldstein, & Mathews, 2007); así mismo, la estrategia de
negocio de estas compañías se desarrolló generalmente centrada en el producto, haciendo
que la perspectiva de los consumidores estuviera en segundo lugar respecto a la
producción en masa.
Propuesta investigativa 23
En cuanto a la evolución de los anteriores aspectos, en años recientes la revolución de

Internet de las Cosas ha planteado nuevas problemáticas; es por eso que Porter &
Heppelmann (2014) argumentan que el entorno competitivo está cambiando gracias a IoT,
por lo que las empresas de línea blanca deberían tomar nota y adaptar sus productos y/o
servicios. En el mismo sentido, podemos inferir basados en la revisión de literatura, que la
mera introducción de software en los electrodomésticos no garantizará beneficios
inmediatos a los fabricantes, al fin y al cabo, estos tienen la necesidad de generar
ganancias por la comercialización de sus productos o servicios; por tal motivo, algunos
autores sugieren marcos de trabajo para abordar el diseño de productos en la era de
Internet de las Cosas, a través de los cuales los fabricantes pueden agregar personalidad
y diferenciación a sus productos “inteligentes” (Rose, 2014).
En consecuencia, los recientes avances a nivel científico y práctico están sentando las
bases de una propuesta de valor para nuevos productos y servicios; así como la mejor
manera de entregarlo a los clientes (Moore, 1993). En este sentido, se manifiesta una
necesidad por parte de la industria y organizaciones, para la comprensión del
funcionamiento de los ecosistemas IoT y la interoperabilidad de los elementos que lo
componen (Peine, 2009; Zambonelli, 2016); es importante recordar que, según S. Chen,
Xu, Liu, Hu, & Wang (2014) la información se dará en diferentes lugares, cosas, empresas,
industrias y diferentes regiones o países; los modelos aplicativos cambiaran de cerrados a
abiertos y serán construidos sistemas IoT que servirán a diferentes industrias.
Del mismo modo y basados en la revisión de literatura, se puede afirmar que, la base de
las soluciones IoT en el hogar se encuentra en la plataforma tecnológica, lo que implica
una arquitectura de solución que se adapte a la situaciones particulares de este ecosistema
(Abdmeziem, Tandjaoui, & Romdhani, 2016), algunos investigadores argumentan que las
plataformas de tipo abierto jugaran un papel preponderante en la adopción de IoT (Hong,
Nam, & Kim, 2019), de ahí que el éxito del ecosistema dependa de proveer esa plataforma
para que otros miembros puedan apalancarse y adicionar valor a sus productos y servicios
en un proceso co-evolucionario (M. L. Weber & Hine, 2015).
Por otro lado, se detecta la necesidad de romper las barreras sociales de adopción, lo cual
implica entender los cambios en los estilos de vida de los consumidores, algunos estudios
confirman la preocupación de ellos por temas como la seguridad y privacidad (R. Weber,
2015), además de otros no menos importantes como la interoperabilidad y la confiabilidad;
sin embargo, la pérdida de control sobre los electrodomésticos es algo que también
inquieta a los consumidores y se establece como una barrera para la adopción de las
nuevas tecnologías en el hogar (Hong et al., 2019). En términos generales comprender las
preocupaciones de los usuarios con respecto a sus datos es una necesidad que ayudará
a las empresas de línea blanca a entender el impacto social del diseño de ecosistemas IoT
en el hogar conectado (Henze et al., 2016).
Figura 0-1: Formulación del vacío de conocimiento.
Fuente: Elaboración propia.
Para examinar los aspectos metodológicos y de arquitectura de diseño de ecosistemas IoT

del hogar conectado, se detecta también la necesidad de desarrollar modelos matemáticos
que incluyan las variables que describen el ecosistema, algunos autores han realizado
aproximaciones desde el paradigma de computación en la nube, y en su extensión llamada
“Fog Computing”, donde el procesamiento de los datos y las aplicaciones se concentran
en los dispositivos al borde de la red, en lugar de hacerlo directamente en la nube
(Subhadeep Sarkar & Misra, 2016). En la figura 0-1 se muestra un árbol resumen de
definición del vacío de conocimiento, diseñado con base en la revisión de literatura, estado
de la práctica y del arte.
Dado lo anterior, es importante resaltar que a medida que los hogares conectados
empiecen a crecer en cantidad, extraer “conocimiento” (entendido como nuevas relaciones
no triviales o fácilmente deducibles por la observación) de ingentes cantidades de datos,
seguirá siendo un problema clave de la Inteligencia Artificial (Cottone, Gaglio, & Ortolani,
2014), de la misma forma, la llegada de Internet de las Cosas al hogar ayudará a aumentar
la complejidad de los ecosistemas, debido en gran medida a la necesidad de investigar y
predecir hábitos y comportamientos, lo cual hace que el número de variables a incluir en
un modelo se incremente considerablemente.
Preguntas de Investigación
Tomando como base los resultados del estado del arte, el estado de la práctica y los
antecedentes de la situación problemática, se pueden definir tres elementos que motivan
el planteamiento de la pregunta general de investigación. Por un lado, se evidencia la falta
de trabajos que realicen una aproximación a los ecosistemas IoT del hogar conectado,
desde la perspectiva de creación de valor con la información; por el otro, se puede
constatar la importancia que tienen los electrodomésticos de línea blanca como producto
“inteligente” dentro de un ecosistema IoT; y por último, se manifiesta la ausencia de
propuestas para la valoración de desempeño de los ecosistemas IoT en el hogar
conectado, que permitan medir los flujos de información. De acuerdo con lo anterior, la
pregunta general de investigación se plantea de la siguiente manera:
¿Cómo estructurar un ecosistema de Internet de las Cosas en el hogar conectado, bajo un

enfoque de creación de valor con la información, que incorpore electrodomésticos de línea
blanca y permita lograr un desempeño equilibrado entre los indicadores de los flujos de
información?
De otra parte, la formulación de la pregunta general de investigación inicia con el “cómo”,

dado que se pretende ejecutar en varias etapas; partiendo de la identificación de
elementos, objetivos, variables, datos, relaciones y escalas que deben ser incluidos en el
diseño de un ecosistema IoT del hogar conectado, así como, los criterios de evaluación de
desempeño de dicho ecosistema; posteriormente, se construirá la aproximación al
fenómeno desde la tesis, indicando la forma de utilización de los planteamientos en los
ecosistemas IoT del hogar conectado. Con base en la pregunta general de investigación,
se plantean las siguientes sub-preguntas:
• ¿Cuáles son los elementos, objetivos, variables, datos, relaciones y escalas que
se deben incluir en el diseño de un ecosistema IoT del hogar conectado?
• ¿Cómo se definen criterios de evaluación que permitan valorar el desempeño de
un ecosistema IoT del hogar conectado?
• ¿De qué manera la analítica de ingentes volúmenes de datos permite describir,
predecir y explotar los flujos de información al interior de un ecosistema IoT del
hogar conectado?
• ¿Cómo se debe estructurar un modelo matemático para abordar el diseño de un
ecosistema IoT del hogar conectado?
• ¿Cuál es la metodología de solución apropiada para diseñar un ecosistema IoT
del hogar conectado que permita hacer frente las a barreras computacionales?
En cuanto a la hipótesis que guio la presente investigación, se formuló de la siguiente

manera:
Un ecosistema de Internet de las Cosas en el hogar conectado, estructurado bajo un

enfoque de creación de valor con la información, permite lograr un desempeño
equilibrado entre los indicadores de los flujos de información.
Teniendo en cuenta que en esta investigación la hipótesis y posiblemente las variables,

podrían cambiar de acuerdo a los resultados iniciales, se plantea una definición
operacional de variables, a través de un marco de referencia diseñado por Raynor and
Cotteleer (2015), del mimo modo y con base en el análisis crítico de los documentos, en la
figura 0-2 se plantea la estructura de un ecosistema IoT del Hogar Conectado, que
integraría electrodomésticos de línea blanca, una plataforma tecnológica abierta y Big Data
Analytics, diseñado con un enfoque de creación de valor con la información; contendría los
elementos necesarios que permitirían lograr un desempeño equilibrado entre los
indicadores de los flujos de información, en este sentido, la hipótesis fue definida de tipo
causal.
Figura 0-2: Hipótesis del trabajo de investigación.
Sistema de Objetivos
A continuación, se presenta el objetivo general:
Diseñar un ecosistema de Internet de las Cosas en el hogar conectado, bajo un enfoque

de creación de valor con la información, que incorpore electrodomésticos de línea blanca
y permita lograr un desempeño equilibrado entre los indicadores de los flujos de
información.
Los siguientes son los objetivos específicos:

• Identificar elementos, objetivos, variables, datos, relaciones y escalas que se
deben incluir en el diseño de un ecosistema IoT del hogar conectado con un
enfoque de creación de valor con la información, aplicando el método de expertos.
• Establecer criterios de evaluación que permitan valorar el desempeño del

ecosistema IoT del hogar conectado.
• Diseñar un modelo matemático para el diseño de un ecosistema IoT del Hogar
Conectado, que integre los elementos y las características identificadas.
• Definir una metodología de solución que se ajuste a las limitaciones impuestas por
las barreras computacionales y al modelo matemático.
• Evaluar el desempeño del modelo matemático mediante su aplicación y
contextualización en el Laboratorio IoT Mabe en la ciudad de Manizales.
La coherencia entre las preguntas de investigación y los objetivos se puede observar en la

figura 0-3.
Figura 0-3: Relación entre las preguntas de investigación y los objetivos.

En síntesis, este apartado se abordó desde el problema de investigación que motivó el
desarrollo de la tesis doctoral, así mismo, se presentó la hipótesis y el sistema de objetivos
propuestos, con lo cual se convierte en la guía que da soporte a los referentes teóricos. Es
importante señalar que, se concibió la construcción del marco teórico y referencial como
un diagrama causa-efecto (ver figura 0-4), cuya secuencia inicia en la parte inferior,
ascendiendo por los diferentes temas, hasta alcanzar un conocimiento crítico del nivel de
comprensión que se tiene en la actualidad sobre el diseño de ecosistemas IoT.
Para la construcción del marco teórico y referencial, se realizó una investigación

documental, con el fin de recuperar y trascender el conocimiento acumulado sobre
“ecosistemas IoT”, de esta manera se posibilitó una comprensión crítica sobre el
fenómeno, generando nuevos conocimientos y comprensiones que permitieron desarrollar
la perspectiva teórica (Londoño Palacio, Maldonado Granados, & Calderón Villafáñez,
2014). La revisión, análisis crítico e interpretación de los documentos, se nutrió también de
los reportes, informes y análisis, de los sectores gubernamentales y privados.
Figura 0-4: Hilo conductor para la construcción del marco teórico.

Capítulo 1 30
1. Marco Teórico y Referencial de la

Investigación
Algunos estudios definen al sector global de línea blanca como moderadamente dinámico,
donde la competencia se da a través del precio, y cuya tecnología de producción es
madura, en este sentido, las compañías han perfeccionado técnicas de manufactura
flexible y asistida por computador, con el fin de reducir los costos de producción; de igual
forma, sus preocupaciones se han centrado en que los productos procuren el ahorro
energético y el cuidado del medio ambiente. Los líderes en la industria de línea blanca han
prosperado logrando economías de escala, un mejor control de los canales de distribución
y una innovación simple (Bonaglia et al., 2007).
En este sentido, se puede observar que en años recientes estas compañías han intentado
cambiar el panorama anteriormente descrito, y gracias a los adelantos tecnológicos en IoT
han aplicado conceptos de lo que se conoce como la cuarta revolución industrial (Industria
4.0) (Frank, Dalenogare, & Ayala, 2019; Muhuri, Shukla, & Abraham, 2019); de este modo,
se puede confirmar que los temas de calidad y eficiencia operativa permanecen con
prioridad alta en los esfuerzos de digitalización de las compañías de línea blanca (Oztemel
& Gursev, 2020).
De la misma manera, la tecnología aplicada al proceso de manufactura de

electrodomésticos, se puede analizar desde múltiples perspectivas; sin embargo, el
enfoque de inteligencia artificial se ha centrado en temas de calidad, es así, como algunas
investigaciones apuntan a la detección de defectos en la línea de ensamble (Carletti,
Masiero, Beghi, & Susto, 2019; López, Ferrin, & Castillo, 2019) o la detección de anomalías
de manera preventiva cuando el producto se encuentra operando en la casa del
consumidor (Hosseini, Agbossou, Kelouwani, Cardenas, & Henao, 2020); por tanto, a
pesar de los esfuerzos por mejorar la calidad y los procesos de manufactura, la industria
Capítulo 1 31
de línea blanca se presenta lenta en el desarrollo de una oferta de valor apoyada en la

explotación de los datos (basado en “digital” para generalizar) (Porter & Heppelmann,
2015).
Lo anterior permite inferir que, aunque la penetración de los productos de línea blanca en
los hogares supera los 90% (APPLIA, 2020; Cabeza et al., 2018), los jugadores
tradicionales en esta industria ya no pueden ganarse los corazones y la lealtad de los
consumidores confiando en modelos tradicionales, en este sentido, se puede comprobar
en diversos estudios que sus intereses están muy por encima de lo que un producto
conectado a Internet puede ofrecer (Affinnova, 2014; Jennings & O'Regan 2020).
En cuanto a las prioridades de innovación en las compañías de línea blanca, la revisión

permite resumirlas en los siguientes aspectos, el primero de ellos versa sobre el desarrollo
de productos eficientes (energéticamente hablando), seguido por los temas de calidad de
producto, para terminar con la eficiencia o un rendimiento superior al de los productos de
la competencia (James, Onarinde, & James, 2017), lo anterior, sin descuidar las
preocupaciones por la sustentabilidad (Bressanelli, Perona, & Saccani, 2017). Para estas
compañías se hace evidente entonces, como ya se ha mencionado, el rediseño de la oferta
de valor teniendo en cuenta los cambios de hábitos de los consumidores, y aprovechando
las nuevas oportunidades que los hogares conectados e “inteligentes” presentan (APPLIA,
2020).
Dicho lo anterior, después del análisis crítico de documentos, se puede confirmar que en
América, la innovación de los modelos de negocio sin cuestionar el negocio original de las
compañías de línea blanca es el imperativo actual (Mcgrath, 2020), las empresas han
enfocado sus esfuerzos en trascender la oferta de valor de sus productos, sin éxito hasta
el momento; por su parte, la corriente europea de investigación se ha centrado en la
búsqueda de nuevos marcos de trabajo y la innovación para adaptar los modelos de
negocio (Geissdoerfer, Bocken, & Hultink, 2016), mientras que en Asia se observan los
más grandes avances prácticos alrededor del Hogar Conectado e Inteligente, en donde los
fabricantes de esa región, adaptaron su oferta de valor alrededor de este concepto (Guo &
Zheng, 2019; Pallas, 2016).
Para finalizar, vale la pena resaltar los esfuerzos del gobierno de Colombia y la Asociación
Nacional de Industriales (ANDI), en términos de apoyar a la industria de electrodomésticos
local, por medio de talleres, estudios de prospección y política pública, buscan la
adaptación de las cadenas de valor de las compañías de línea blanca; el programa Red-
Verde (2020), y el estudio de vigilancia tecnológica para el cierre de brechas en la industria
de línea blanca (Tamayo, 2018), son dos ejemplos de este interés.
En el mismo sentido, se deben resaltar los esfuerzos que la industria ha hecho en pro del
rediseño de su oferta de valor, entre los cuales sobresalen la exploración del concepto
Productos Como Servicio, el cual fue uno de los primeros modelos de negocio que los
fabricantes analizaron, aunque sin resultados concluyentes que permitan inferir que van a
ser aceptados en el futuro (Sousa-Zomer, Magalhães, Zancul, & Cauchick-Miguel, 2017),
la aplicación de enfoques mixtos B2B y B2C para comercializar sus productos (Saccani,
Perona, & Bacchetti, 2017) y también los avances en términos de logística inversa de los
electrodomésticos usados (John, Sridharan, Kumar, & Krishnamoorthy, 2018).
1.1 Discusión de la Perspectiva Teórica Desde el

Vacío de Conocimiento
El estado del arte de los hogares conectados a nivel global, permite inferir que la adopción
de nuevas tecnologías alrededor de las tareas domésticas, continuará creciendo de
manera consistente en los próximos años, lo cual permite evidenciar la evolución del
ecosistema IoT (APPLIA, 2020; Jennings & O'Regan 2020; Serrenho & Bertoldi, 2019), en
este sentido, para los fabricantes de productos de línea blanca latinoamericanos, la
comprensión del funcionamiento del ecosistema se muestra como una necesidad; es por
esto que, los avances en investigación científica sobre la dinámica de creación de valor en
el ecosistema IoT, evidentemente ayudarán a la adaptación de las ofertas de valor de estas
compañías (McKinsey Global Institute, 2015; Taylor, Hunter, Zadeh, Delpechitre, & Lim,
2019).
En línea con lo anterior, existe un cambio en el entorno competitivo de las compañías de

línea blanca tradicionales, lo que ha llevado a algunas a definir estrategias de adaptación;
en este sentido, se pudo evidenciar a través de la revisión de antecedentes, la falta de
marcos de referencia que permitan desarrollar ofertas de valor basadas en lo digital y que
Capítulo 1 33
tengan en cuenta además las particularidades de estas compañías; por tanto, el desarrollo
de la metodología propuesta en esta tesis, permite no solo abordar el fenómeno desde una
perspectiva integral, sino que además, ayuda a completar el vacío de conocimiento que se
encontró en la propuesta de investigación.
De la misma forma, se puede validar que en 2020 tanto el vacío de conocimiento, así como
la hipótesis planteada continúan vigentes, de esta manera, la búsqueda del equilibrio, el
enfoque de ecosistemas y la compresión del sistema de creación de valor, permanecen
dentro de las necesidades de las compañías de línea blanca (y con una urgencia mayor,
en gran medida por la contingencia del Covid-19); por consiguiente, dichos conceptos
serán desarrollados con mayor detalle en las siguientes secciones de este capítulo. Vale
la pena resaltar el hecho que se ha mantenido desde la formulación del vacío de
conocimiento, y que ha sido confirmado por diferentes investigaciones: “la plataforma
tecnológica es el medio que soporta el funcionamiento de la oferta de valor digital de una
compañía de línea blanca” (De Reuver, Sørensen, & Basole, 2018; Jacobides,
Sundararajan, Van Alstyne, & Delloitte, 2019).
Desde la perspectiva teórica, la hipótesis planteada implicaba que a través de la tecnología

como habilitador, se podría adaptar la oferta de valor de las compañías de línea blanca, y
que adicionalmente, el enfoque de creación de valor con la información permitiría construir
una metodología que apoyaría el desarrollo de estrategias para crear, entregar y capturar
valor, y en consecuencia, las empresas de línea blanca podrían enfrentar de mejor manera
los embates de los nuevos disruptores con modelos de negocio digitales (Mcgrath, 2020).
Del mismo modo, se puede deducir de la revisión de antecedentes, que la innovación del
modelo de negocio describe un proceso para la creación de otros completamente nuevos
(Chesbrough, 2010; Geissdoerfer et al., 2016; Osterwalder & Pigneur, 2011), de esta
manera, un análisis profundo de los documentos, señala la existencia de una marco de
trabajo sobre el cual se están apalancando las empresas de línea blanca, dicho marco se
conoce con el nombre de Transformación Digital, concepto que ha permitido a estas
compañías emprender un viaje en donde la tecnología juega un rol diferente, más allá de
la habilitación de los procesos de negocio.
Precisamente, en la medida que los modelos de negocio evolucionaron, así mismo lo

hicieron sus conceptos asociados; a principios de la década el término “nueva economía”
domino la investigación científica (Bukht & Heeks, 2017), esto debido a la creación de
compañías basadas en Internet, posteriormente apareció el concepto “economía
compartida” (Sari, Meyliana, Nizar Hidayanto, & Prabowo, 2019), que implicaría el
desarrollo de otros como el de modelo de negocio basado en datos; de esta manera, los
grandes volúmenes de datos que fueron la constante durante el auge de las compañías
de redes sociales, pasaron a serlo también para la industria en general, gracias a la
evolución del concepto de Internet de las Cosas (Günther, Mehrizi, Huysman, & Feldberg,
2017; Saggi & Jain, 2018).
Por consiguiente, se puede confirmar que las paradojas generadas de los anteriores
enunciados, han hecho que las compañías de línea blanca no encuentren un foco de
acción claro para desarrollar su estrategia “Digital” (y no me refiero al marketing digital), y
de este modo llevarla más allá de las fronteras cerradas de las plantas de producción; sin
embargo, se puede inferir un cambio de paradigma en los modelos de negocio
tradicionales (Ramaswamy & Ozcan, 2018), los cuales se han basado en el fabricación y
entrega de productos físicos (los electrodomésticos) a los hogares. Hay que recordar el
impulso que la investigación científica le está dando a los productos inteligentes y sobre
todo a los avances alrededor de soluciones para el hogar (Porter & Heppelmann, 2014,
2015; Sovacool & Del Rio, 2020; Yassine, Singh, Hossain, & Muhammad, 2019).
En síntesis, los modelos de negocio basados en digital implican el desarrollo de una oferta
de valor en ese mismo sentido, de ahí que, para comprobar la hipótesis planteada, primero
se aborde la comprensión de la dinámica de creación de valor del ecosistema IoT y luego
con base en lo aprendido, se realice una propuesta metodológica que permita abordar el
diseño de modelos de negocio digitales en compañías de línea blanca; se puede evidenciar
basado en la extensa revisión que los marcos de trabajo propuestos en la literatura
científica funcionan como guía general, pero definitivamente en el contexto de las
compañías de línea blanca son pocos los referentes teóricos a seguir (Johannessen &
Olsen, 2010).
En este punto, es necesario definir de manera preliminar el concepto de ecosistema IoT

del hogar conectado, el cual se desarrollará detalladamente más adelante en este capítulo,
Capítulo 1 35
en este sentido, se puede definir como “Un conjunto de empresas y consumidores que
cooperan y compiten, unidos a su entorno socioeconómico, los cuales se coordinan
alrededor de una plataforma tecnológica, que relaciona el mundo físico de las cosas y el
mundo virtual de Internet, y que en su conjunto afectan positiva o negativamente el sistema
de creación de valor” (Evans & Schmalensee, 2017; Mazhelis, Luoma, & Warma, 2012;
Porter & Heppelmann, 2015); así mismo, según Johannessen & Olsen (2010):
La creación de valor implica aumentar el tamaño del pastel en sí, no solo un corte
del pastel. Por lo tanto, mientras que la captura de valor se ve desde el lado de la
oferta de valor, la creación de valor se ve desde el lado de la demanda (p. 503).
Así que, se puede argumentar basado en la revisión teórica, que la investigación científica
proveniente de las ciencias de la administración y la computación, han sido las
responsables del reciente avance de los conceptos aquí tratados, en gran medida por el
interés de los investigadores en analizar el impacto que Internet de las Cosas tiene sobre
los modelos de negocio de la industria y organizaciones. La figura 1-1, permite visualizar
de manera gráfica los elementos teóricos y conceptos mencionados a continuación en este
capítulo.
Los fundamentos teóricos de los modelos de negocio basados en datos, se materializan

en una oferta de valor al cliente, la cual tiene como característica el componente digital y
una entrega intermediada a través de una plataforma tecnológica, sea esta propiedad de
la compañía o de terceros (Ahmad, Botzkowski, Klötzer, & Papert, 2020; Fleisch,
Weinberger, & Wortmann, 2015; Weill & Woerner, 2018b). La propuesta de valor es la guía
por medio de la cual la compañía se organiza para ejecutar las diferentes operaciones que
se deben llevar a cabo para cumplirle al cliente (Kraus, Palmer, Kailer, Kallinger, & Spitzer,
2019; Porter & Kramer, 2019), es decir, es el mecanismo por medio del cual se estimula el
sistema de creación de valor para que este cumpla con su objetivo.
Teniendo en cuenta lo anterior, la línea argumental de este capítulo se define iniciando

desde la perspectiva del producto (electrodomésticos) y su valor para los consumidores,
explicando brevemente la evolución de los productos de línea blanca a lo largo de los años;
luego se tratarán los temas tecnológicos que dieron pie a lo que se conoce como
“Transformación Digital” y sobre los cuales la compañías han centrado sus iniciativas de
cambio; posteriormente se abordará la evolución del concepto de ecosistema,
profundizando en los detalles de cómo esta visión ha cambiado el entorno competitivo de
las compañías de electrodomésticos, finalmente se analizarán los fundamentos teóricos
del sistema de creación de valor con la información y su impacto en el concepto de
ecosistema.
Figura 1-1: Teorías y disciplinas en el marco teórico.
En resumen, partiendo desde la teoría general de sistemas, se desarrollan los elementos

teóricos y se conectan con los demás, por tanto, espero que el grafico 1-1 sirva de ayuda
al lector, en su proceso de entendimiento de las diferentes perspectivas teóricas tratadas
en este capítulo.
Capítulo 1 37
1.2 Los electrodomésticos de línea blanca

Los electrodomésticos de línea blanca se pueden definir como dispositivos de gran tamaño
vinculados a la cocina (nevera, estufa y horno), los cuales tienen la función de apoyo en
las tareas relacionadas al consumo de alimentos; de igual forma, existen otros grupos de
electrodomésticos dedicados al cuidado de la ropa (lavadora y secadora) y al confort
ambiental (como los aires acondicionados), dichos productos han estado presentes en los
hogares por décadas, y actualmente hacen nuestras vidas más fáciles, por lo cual, es difícil
imaginar una casa sin la estufa de gas, el refrigerador y en tiempos de pandemia sin un
lavavajillas; sin embargo, no siempre ha sido así, a los fabricantes de electrodomésticos
les ha tomado años perfeccionarlos y lo siguen haciendo hasta el día de hoy.
Desde esa perspectiva, en las siguientes secciones, se explicará como el enfoque de las
compañías de manufactura de línea blanca sobre el producto (el cual esencialmente es un
hardware que facilita las tareas cotidianas en los hogares), ha empezado a migrar a
productos que tienen mayores componentes de software y que además intentan
interactuar con las personas de una manera diferente, interoperando con otros dispositivos
que ya están omnipresentes en la vida de las personas.
1.2.1 El contexto de la industria de línea blanca

De acuerdo con la revisión de los reportes financieros del año 2018 de las 10 compañías
de electrodomésticos más grandes del mundo (Göbbel, 2018), se evidencia un notable
interés de estas en transformase utilizando los recientes avances en tecnología de
información y de esta manera mejorar sus procesos; trabajando bajo una filosofía del
cliente en el centro, prácticamente todas la compañías quieren mantener su competitividad
mientras buscan alternativas de adaptación a un entorno cada vez más digital. De acuerdo
al el reporte anual de Arcelik, el mercado global de electrodomésticos alcanzó en 2018 un
valor de 213 billones de USD, se puede deducir que juntas estas 10 compañías tienen el
63% del mercado global de línea blanca; por otro lado, para complementar el estudio se
incluye en la tabla 1-1 a la compañía mexicana Mabe, quien tiene una fuerte presencia en
Latinoamérica, dicha compañía no ha sido ajena a estos cambios y ha decidido emprender
un viaje de transformación con el objetivo de mantener su liderazgo.
Tabla 1-1: Resumen estrategias top 10 + 1 compañías línea blanca.

Ventas
Línea Participación
Top Blanca en el
Empresa País Estrategia de Manufactura
Global 2018 mercado
Millones global
USD
1 Haier Group China 26,867 13% Con 10 centros de investigación y desarrollo
alrededor del mundo, en 2018 ocupo el ranking
No 1 en patentes en el sector de
electrodomésticos; la ventaja competitiva que
está desarrollando esta compañía es la
manufactura inteligente, migrando de
manufactura a gran escala a customización a
gran escala, para esto Haier ha establecido 11
fábricas interconectadas como ejemplo para la
industria. Del mismo modo le apuesta a un
sistema de distribución omnicanal (Haier, 2019).
2 Whirlpool EE. UU. 21,037 10% Reinventar la cadena de valor, con una
Corp manufactura de clase mundial, digital e industria
4.0 en todas las fábricas, buscando mantener la
diciplina de costos y la competitividad en
calidad. La estrategia global de manufactura
busca establecer un lenguaje común y métricas
iguales a través de operaciones y regiones.
visualización de los datos, automatización
inteligente y la aplicación de tecnologías
disruptivas habilitan la velocidad y eficiencia
(Whirlpool, 2019).
3 LG Corp Corea de 16,040 8% Tiene una fuerte estrategia de mejorar la
Sur estructura de costos y foco en la aplicación de
nuevas tecnologías en el negocio de
electrodomésticos (LG, 2019).
4 BSH Alemania 14,540 7% Esta compañía ha enfocado todos sus esfuerzos
Hausgerate en el ecosistema digital y ha incorporado esos
GmbH avances para el diseño y construcción de sus
electrodomésticos, ha desarrollado tecnologías
de prototipos con realidad virtual para probar las
innovaciones. Su pilar fundamental es ser una
compañía más allá del hardware + (Bosch, 2019).
5 Midea China 14,300 7% Midea cree que invirtiendo en capacidad de
Group Co innovación impulsará el desarrollo de sus
Ltd productos y la llevara al liderazgo global, por eso
invierte en robótica, automatización, logística
inteligente y Internet de las cosas, esa ventaja
competitiva se basa en tres elementos
"conocimiento industrial, Software y Hardware”,
por eso está liderando plataformas IoT
industriales y soluciones digitales en toda
Capítulo 1 39
Ventas
Top Blanca en el
Global 2018 mercado
Millones global
USD
5 Midea China 14,300 7% la cadena de valor. Midea ha centrado su
Group Co estrategia en desarrollar componentes claves
Ltd como compresores, controles eléctricos y
magnetrones. Algunos analistas argumentan
que Midea tiene por 3 años consecutivos la
mayor cantidad de patentes en el área de
electrodomésticos a nivel global. Lidera la
capacidad de producción (Midea, 2019).
6 Samsung Corea de 14,100 7% Su foco se mantiene en la producción de
Corp Sur productos premium, como sus refrigeradores
Family Hub y secadoras de gran capacidad. Se
apalanca en su fuerte presencia de manufactura
de electrodomésticos unida a su manufactura de
Televisiones (Samsung, 2019).
7 Electrolux Suecia 11,878 6% Esta compañía está pasando por una interesante
AB transformación, uno de sus pilares se centra en
incrementar la eficiencia a través de la
digitalización, automatización y modularización,
este foco es muy importante para apalancar la
reducción de costos; le apuntan a una cadena de
valor integrada y una manufactura que ayude a
mejorar la productividad y flexibilidad de sus
operaciones. La planta de refrigeradores de
estados unidos es la más automatizada del grupo
gracias a una importante inversión en
reingeniería (Electrolux, 2019).
8 Hon Hai Taiwán 5,333 3% El objetivo principal de esta empresa es producir
Precision productos eco amigables, mejorando la
Industry Co satisfacción de los clientes con productos y
Ltd servicios de alta calidad seguros, confiables y
conscientes del medio ambiente, el sistema de
aseguramiento de calidad de esta compañía
asegura que los empleados de cada
departamento están involucrados en la
planeación del diseño, la producción y el servicio
postventa (Sharp, 2019).
9 Panasonic Japón 4,781 2% Está realizando reformas para promover la

Corp innovación, continuar produciendo productos
superiores basado en las capacidades en
manufactura avanzada, apalancados en la
tecnología; persigue también el rendimiento,
Ventas
Top Blanca en el
Global 2018 mercado
Millones global
USD
9 Panasonic Japón 4,781 2% calidad y usabilidad de sus electrodomésticos.
Corp Manifiesta en su reporte anual grandes
capacidades de manufactura en revestimientos,
moldes procesamiento de máquinas CAE y
control de calidad. Su lema está en aplicar la
experiencia, mejorar en materiales y ahorro de
energía (Panasonic, 2019).
10 Arcelik AS Turquía 4,413 2% Tiene un plan de continuidad de negocio
estructurado para evitar interrupciones en las
operaciones, cuenta con 21 plantas y 19 centros
globales de investigación y desarrollo, 2800
invenciones 10 de las cuales se muestran en las
ligas globales, modelos de producción agiles y
tener fabricas inteligentes sobre las cuales se
puede crear valor a partir de los datos, la
eficiencia operacional basada en la aplicación de
la robótica en las fábricas, controlando los
procesos de extremo a extremo. Arcelik colabora
con más de 500 universidades en 20 países
(Arcelik, 2019).
* Mabe México 3,154 1% Esta compañía no cotiza en bolsa; por lo que no
(Expansion, es posible acceder a sus reportes anuales; sin
2019) embargo, dentro de sus iniciativas de
transformación está enfocada en hacer
eficientes sus plantas de producción, aplicando
los conceptos de industria 4.0 y mejorando sus
procesos; de la misma manera, busca generar
una ventaja competitiva en su cadena de
suministro que le permita servir mejor a sus
clientes y consumidores.
El cambio en la industria de línea blanca, hacia una estrategia en donde el cliente está en
el centro, ha generado que las estrategias competitivas se transformen, en la tabla 1-1 se
puede observar un resumen de los intereses que en términos de estrategia y manufactura
tienen estos fabricantes; aunque los años venideros se muestran retadores, existe un
interés general de crear y fabricar productos de calidad, amigables con el medio ambiente
y con una mejor usabilidad, de igual manera, la aplicación de los avances tecnológicos
Capítulo 1 41
hechos en la electrónica de consumo, seguirán siendo un factor diferenciador y por eso los
grandes fabricantes están mezclando estos dos mundos.
De la misma forma, se puede decir que el mercado global de línea blanca continúa
creciendo y la preferencia de los consumidores por productos con mayores prestaciones
ejerce presión no solo sobre la manufactura, si no también, la tendencia por productos
conectados e inteligentes en el entorno del hogar, está retando los actuales modelos de
negocios de estas compañías, es por esto que, varias de ellas se han dado cuenta y así lo
manifiestan en sus reportes: “La mera fabricación de hardware no generara la rentabilidad
que estos negocios necesitan para mantener las plantas y su importante fuerza laboral”
(Bosch, 2019, p. 39).
En línea con lo anterior se puede inferir que además de la construcción de un hardware de

calidad, para estas compañías el reto está en migrar a un concepto en donde el software
se vuelve relevante, sin perder de vista sus orígenes en la parte de manufactura; sin duda
un reto grande que no todos van a acometer con éxito, sobre todo si recordamos que estas
compañías son ajenas a las estructuras organizaciones, métodos y estrategias de trabajo
que las compañías digitales si conocen bien. En el mismo sentido, existen compañías en
este sector que tienen una ventaja competitiva importante y son precisamente las que
tienen dentro de sus modelos de negocios, los relacionados con el mundo de las
tecnologías de información y comunicaciones; sin embargo, se puede deducir que los
primeros 5 fabricantes a nivel global (ver tabla 1-1) y su contraparte en Latinoamérica
tendrán que desarrollar una estrategia integral de cara a afrontar estos nuevos retos.
En cuanto al desempeño de la cadena de suministro, se confirma que optimizarla de

manera integral es una de las prioridades en esta industria, de hecho, 6 de las 10
compañías establecen dentro de su estrategia un marcado interés en mejorar su cadena
de suministro completa y aunque lo abordan desde perspectivas diferentes, todas
ambicionan convertir este tema en una ventaja competitiva (Büchi, Cugno, & Castagnoli,
2020).
Para finalizar esta parte, en varios párrafos se ha mencionado el concepto “ventaja

competitiva”, sin hacer referencia a la teoría de ventaja competitiva de Porter (2008), de
acuerdo con la revisión, para explicar el reto de cambio en la industria de línea blanca, la
teoría de disrupción aunado a los aportes hechos por Iansiti & Lakhani (2020b) explican
mejor este fenómeno, por consiguiente, más adelante cuando se aborde el tema de los
productos conectados en ecosistema IoT del hogar, la teoría de Porter apoyará la
fundamentación teórica.
1.2.2 De productos a plataformas digitales un enfoque hibrido

Teniendo en cuenta el avance de las nuevas tecnologías y su impacto en el diseño de los
electrodomésticos, los productos inteligentes crean un dilema para los fabricantes de línea
blanca, debido a la larga duración de sus productos; por lo que modelos de negocio
digitales del tipo: “producto como servicio”, “productos compartidos” o esquemas híbridos,
están siendo considerados por estas compañías (Ahmad et al., 2020; Porter &
Heppelmann, 2015); de otro lado, insisten en la necesidad de aplicar el lente digital a los
productos existentes, con el fin de aprovechar las ventajas de la ubicuidad; al respecto
Atzori, Iera, and Morabito (2019) plantean que en IoT se requiere dominar la construcción
de complejos servicios de valor agregado, a través de la colaboración en las redes sociales
de objetos; es decir, se deberían entender los electrodomésticos más allá de productos
inteligentes, llevándolos al nivel de objetos que socializan.
De acuerdo con lo anterior, se evidencia que la investigación científica está dando a la

industria de línea blanca los elementos para realizar una transformación en sus productos,
se logra evidenciar que los fabricantes en general tienen una estrategia hacia la producción
de productos conectados (Aheleroff et al., 2020); aunque, la cautela con la que trabajan,
hace que se desarrollen prototipos y luego se compruebe si los consumidores están
preparados para adoptarlos; del mismo modo, es importante resaltar que en el CES 2020
(Consumer Electronic Show, Las Vegas, Nevada), se comprobó la aparición de nuevas
empresas en segmentos como los hornos inteligentes, superficies inteligentes para la
cocina y algunos otros dispositivos (Wolf, 2020).
En esta línea, se puede confirmar que en el campo de los productos conectados existe la
mayor investigación científica y aplicación práctica; sin embargo, la introducción de
software en los electrodomésticos, no garantizará beneficios inmediatos a los fabricantes,
al fin y al cabo estos tienen la necesidad de generar ganancias por la comercialización de
Capítulo 1 43
sus productos o servicios (Van Loon, Delagarde, Van Wassenhove, & Mihelic, 2017); el
equilibrio entre mantener la rentabilidad con los productos y hacer apuestas arriesgadas
es una de las premisas en esta industria.
Por otro lado, al desarrollar productos que se puedan conectar a internet, los fabricantes
llegan necesariamente a la adopción y/o construcción de un plataforma tecnológica que
permita interactuar con ellos; en la práctica, se evidencia que cada fabricante está
desarrollando su propia plataforma de conexión, con el fin de ofrecer servicios básicos
(como el mantenimiento predictivo o remoto) (Bican & Brem, 2020), lo cual, se puede
comprobar después de analizar los reportes anuales de las compañías globales del sector.
Existen casos de éxito como el de la plataforma Smart Home de Haier en China; sin
embargo, todo lo anterior se debe entender como esfuerzos aislados de cada fabricante
por no quedarse atrás en los temas de plataforma tecnológica (Jacobides et al., 2019).
Del mismo modo, algunos investigadores exponen que para los fabricantes de línea blanca
no será suficiente ser líderes en su industria para convertirse en líderes del hogar
conectado, argumentando además que la industria de iluminación, seguridad y electrónica
en general tiene ese mismo reto, según Porter & Heppelmann (2014) estas compañías
deben optar por los ecosistemas abiertos en donde ellos tendrían acceso contralado a las
capacidades totales de sus productos, pero con acceso abierto a otras compañías, algo
similar a lo que ocurre en la industria de dispositivos médicos.
En línea con lo anterior, la tecnología no debe verse como un mecanismo únicamente para
reducir costos; en cambio, IoT debe ser visto como la base para la transición a un nuevo
modelo de negocio que monetiza los datos de un ecosistema inteligente conectado a través
de un modelo de producto como servicio, en este sentido, según Plant & Tophan (2018)
cada empresa necesita reconsiderar su competencia central y la propuesta de valor del
producto para incluir un "como servicio", la cual es una dimensión basada en los datos de
los dispositivos conectados.
En definitiva, es necesario resaltar sobre los electrodomésticos conectados, que algunos

generan en los consumidores más interés que otros, es así como, la nevera se presenta
como el dispositivo sobre el cual se esperan mayor cantidad de características
“inteligentes”, seguido de la lavadora y la estufa (Rao & Ummel, 2017), esto ha guiado a
las compañías de línea blanca en cuanto a la priorización sobre inversiones y líneas de
trabajo alrededor del ecosistema, algo que también se evidencia en los reportes anuales
de las compañías (Whirlpool, 2020).
1.2.3 El valor de nuevas experiencias con los

electrodomésticos
En 2020, una de las prioridades de los fabricantes de electrodomésticos es el desarrollo
de nuevas experiencias alrededor de sus productos, en la feria CES 2020 se notó un
especial énfasis en el tema de neveras inteligentes, superficies adaptativas e inteligentes,
tecnologías para la preparación de bebidas y robots cocineros (Wolf, 2020); del mismo
modo, las aplicaciones relacionadas con recetas parecen estar en crecimiento, en el caso
de Whirlpool, ellos exponen el logro de tener 26 millones de usuarios con la aplicación
Yummly y otras Startups de Silicon Valley le siguen los pasos (Innit es un ejemplo); lo
anterior permite inferir el avance hacia un ecosistema de aplicaciones que explote las
nuevas funcionalidades de los electrodomésticos, todo con el fin de brindar una nueva
experiencia y desarrollar nuevos servicios en el hogar (Alaa, Zaidan, Zaidan, Talal, & Kiah,
2017).
Desde el ámbito científico, el análisis de documentos permite identificar que, los fabricantes
de electrodomésticos buscan potenciar el uso de sus productos mediante la aplicación de
tecnologías digitales y la innovación en el desarrollo de los mismos (Tao et al., 2018;
Zheng, Xu, & Chen, 2020); del igual modo, estas compañías tienen el reto de digitalizar los
procesos de la cadena de valor (Maei, Grahn, & Nuur, 2019), lo cual implica sacar provecho
de los datos que se generan en los diferentes ecosistemas digitales de la empresa.
De esta manera, es importante señalar que, en los últimos años los fabricantes dieron un
salto de la manufactura convencional, al diseño y fabricación de productos conectados;
con esto en mente, las compañías están explorando posibilidades de nuevos modelos de
negocio basados en datos, los cuales, de acuerdo con la revisión, estarán soportados por
plataformas tecnológicas. De acuerdo con el análisis, se puede concluir que no hay
consenso en cuanto a las características que deben tener las plataformas y sus
capacidades de interoperabilidad con los productos conectados de diferentes fabricantes;
de manera análoga, muy pocos investigadores se atreven a predecir si las compañías de
Capítulo 1 45
manufactura dominaran y/o serán exitosos en este nuevo entorno (Zheng, Lin, Chen, & Xu,
2019).
Sin embargo, desde el punto de vista teórico, existe cierto consenso entre la comunidad
científica sobre la importancia de crear nuevas experiencias para los consumidores, y de
esta manera aprovechar las oportunidades que IoT genera; de hecho, la creación de
nuevas experiencias se establece como uno de los factores más relevantes a la hora de
pensar en una iniciativa digital que rete el modelo de negocio actual, en el mismo sentido,
para crear valor de esas nuevas experiencias, se hace necesario desde la perspectiva de
la gestión empresarial el desarrollo de nuevas habilidades digitales (Sousa & Rocha, 2019).
De la misma forma, las compañías de manufactura se están apalancado en la

incorporación de metodologías Agile para diseñar las nuevas experiencias en tiempos
razonables; no podemos olvidar que durante muchos años estas compañías han lidiado
con proyectos de tecnología demorados y costosos, por lo que la adopción de estos nuevos
marcos de trabajo se muestran bastante alentadores para el logro de los objetivos (Ghezzi
& Cavallo, 2020).
1.3 Internet de las Cosas y la Transformación Digital

de la Industria de Línea Blanca
El concepto de IoT surgió en la industria de manufactura como mecanismo de rastreo en
la cadena de abastecimiento de Procter & Gamble (Ashton, 2009); sin embargo, desde el
punto de vista teórico, el científico Mark Weiser abordó el tema de cosas conectadas varios
años atrás, él basó su investigación en lo que denominó computación ubicua, con lo cual
sentó las bases para lo que serían computadores “invisibles”, ubicados en diferentes
lugares de nuestro entorno (ubicuos); los cuales, ejecutarían diversas funciones, con el fin
de cumplir la promesa de hacer las tareas cotidianas más sencillas para los humanos
(Weiser, 1993).
En este sentido, en años recientes el interés científico y el desarrollo industrial en torno al

tema IoT ha aumentado, se puede evidenciar que desde el año 2011 empieza un aumento
sostenido en la publicación de artículos científicos; en tanto, en la práctica, se observa a
IoT como una de las tecnologías que más interés y expectativa genera dentro de las
empresas, los gobiernos y la sociedad en general; consecuentemente, en febrero de 2016

durante Foro Económico Mundial, el cual tuvo como tema principal “los desafíos de la
cuarta revolución industrial”, se analizó cómo la transformación digital tiene el potencial
para cambiar la industria en general, generando nuevos modelos de desarrollo basados
en conectividad e Internet de las Cosas (Ellen MacArthur Foundation in collaboration with
the World Economic Forum, 2016).
Así mismo, se ve una clara relación entre las tecnologías IoT y el concepto de Industria
4.0, por consiguiente, el conjunto de tecnologías IoT son una palanca para el desarrollo de
la cuarta evolución industrial; no obstante, aunque la Industria 4.0 no tiene una definición
ampliamente aceptada, a nivel científico existe cierto consenso sobre su impacto, múltiples
estudios evidencian cambios en las estrategias, la organización, los modelos de negocio,
las cadenas de valor y suministro, los procesos, los productos, las habilidades y las
relaciones con los grupos de interés de las empresas (Büchi et al., 2020).
Ahora bien, los resultados de las investigaciones en torno a la preparación de las

compañías de manufactura para afrontar los nuevos retos, difieren de acuerdo al sector,
la gran mayoría de estudios se centran en los sectores de alta tecnología que han
prosperado durante los última década; sin embargo, un análisis detallado evidencia la
proliferación de marcos de referencia para que las compañías emprendan una
transformación digital, con lo cual según sus promotores lograrán la adaptación de sus
modelos de negocio tradicionales (Weill & Woerner, 2018a).
En consecuencia, el valor de la tecnología ha crecido en los últimos años en la medida que

deja de ser solo un habilitador, por lo que del lado de la gestión empresarial se aboga por
el desarrollo de nuevas capacidades y el planteamiento de nuevos objetivos para las áreas
de tecnología de información, las cuales según Woerner & Weill (2019), se deben
establecer bajo una disciplina digital, al estilo de las grandes empresas de tecnología. Por
tal razón, la tecnología de información (o lo digital para usar el término de moda), juega un
rol relevante en la transformación de las industrias y organizaciones (Bunduchi, 2018).
Capítulo 1 47
1.3.1 La empresa digital

Los avances en las tecnologías de información y las comunicaciones, pueden hacer que
una empresa altere fundamentalmente uno o más aspectos de su estrategia y
organización, en este sentido, la digitalización (entendida como la innovación que va más
allá de la optimización de los procesos de negocio), lleva a la empresa hacia la explotación
de un universo más amplio de tecnología digital y los nuevos modelos de negocio basados
en datos (Yli-Viitala, Arrasvuori, Silveston-Keith, Kuusisto, & Kantola, 2020) .
Del mismo modo, las compañías de manufactura han reconocido la necesidad de ejecutar
cambios en su cadena de suministro y han emprendido la transformación en diferentes
frentes, una de las compañías analizadas, tiene tres frentes principales de transformación,
las iniciativas enfocadas al consumidor (Customer centricity), un segundo frente que busca
la transformación de la cadena de suministro y el ultimo frente que busca la aplicación de
Industria 4.0 en las plantas de manufactura, con lo anterior en mente, podemos afirmar
que las organizaciones de hoy buscan la innovación empresarial, con unas tecnologías
más integradas, cadenas de suministro resilientes y un modelo operativo más ágil
(Wellener et al., 2020).
Así mismo, en el campo practico, las compañías están siendo forzadas a tomar acciones
decisivas para transformar digitalmente las organizaciones, revitalizar la experiencia del
cliente y tomar control sobre su propio destino, de esta manera, las motivaciones se
pueden confirmar debido a un cambio del entorno competitivo (Mcgrath, 2020); como he
mencionado anteriormente, las compañías de línea blanca están compitiendo en un
mercado maduro, en donde la mayor barrera de entrada son las capacidades de
manufactura (Karabag, 2019); sin embargo, de acuerdo con Grubler & Nemet (2012) el
conocimiento tecnológico de las industrias se deprecia e incluso se puede volver obsoleto
en periodos cortos de tiempo, esto pone de manifiesto la necesidad del desarrollo de
capacidades y conocimiento digital alrededor del ecosistema IoT del hogar conectado por
parte de las empresas de línea blanca.
1.3.2 Habilitadores de la transformación

La transformación digital en la industria de línea blanca, se fundamenta en el desarrollo de
capacidades que lleven la digitalización al ecosistema de producción, así como la
exploración de nuevos modelos de negocio en el ecosistema de consumo (el ecosistema
IoT del hogar conectado) (Savastano, Amendola, Bellini, & D’Ascenzo, 2019), dicho lo
anterior, se evidencian tres elementos claves que son parte integral del cambio, el primero,
la arquitectura organizacional, la cual está relacionada con la ambición de un nuevo modelo
operativo digital, seguido por dos habilitadores tecnológicos como son la analítica
avanzada de datos y la inteligencia artificial aplicada a lo largo de la cadena de suministro
(United Nations Conference on Trade Development, 2019).
Consecuentemente, en los siguientes párrafos, tratare de explicar la importancia que estos

elementos representan para la transformación de las empresas de línea blanca, tratando
de ir un poco más allá de la mera implementación de soluciones tecnológicas (Yli-Viitala et
al., 2020); más bien mostrando, la hoja de ruta que ha guiado las transformaciones en esta
industria durante los últimos años.
▪ Arquitectura organizacional
De acuerdo con Iansiti and Lakhani (2020b) las empresas tradicionales de manufactura
(ej. Compañías de línea blanca) deben definir nuevas maneras de trabajar que permitan
ejecutar modelos operativos digitales, estos investigadores argumentan que las
estructuras tradicionales diseñadas por silos no son suficientes para enfrentar el entorno
competitivo actual, así mismo, Wellener et al., (2020), presentan la experimentación y la
definición de equipos cros funcionales como una manera de desarrollar capacidades
digitales en las empresas de manufactura; en el mismo sentido, Wellener et al., (2020) y
World Economic Forum and Bain & Company (2019) coinciden en que no necesariamente
los primeros en moverse y adoptar nuevos modelos operativos obtienen los mejores
resultados a largo plazo, por el contrario argumentan que, las compañías pueden
adaptarse siendo seguidores rápidos y de esta manera apropiar las buenas prácticas de
las compañías pioneras.
Igualmente, las compañías digitales (ej. Google, Amazon), han apalancado su exitoso
modelo de negocio en la inteligencia artificial (Jacobides et al., 2019); sin embargo, eso no
Capítulo 1 49
quiere decir que las compañías de línea blanca deban adoptar ese modelo y volverse
compañías digitales, o quizás crear una spin off, o mejor aún, un departamento de
Inteligencia Artificial, más bien según Iansiti & Lakhani (2020b), deben crear una
arquitectura operativa centrada en los datos y soportada por una organización ágil que
habilite el cambio continuo.
Del mismo modo, en el trabajo realizado con la compañía de línea blanca en esta
investigación, se puede confirmar que una de las ambiciones más importantes es alcanzar
una organización ágil (usando el modelo Agile, basado en Scrum), y aunque los retos son
grandes, la hoja de ruta ya está creada y hasta el momento los resultados se muestran
esperanzadores.
▪ Inteligencia Artificial
La inteligencia artificial, se puede aplicar entonces a los dos ecosistemas en los que se
mueve la industria de línea blanca (el ecosistema de consumo y el de producción), esto
quiere decir que, aunque la tecnología en general es la misma, los casos de negocio son
diferentes para ambos, en este sentido, en el ecosistema de consumo, de acuerdo a la
revisión se identifica como caso de uso general, la integración de la Inteligencia Artificial
en torno a las personas en el hogar, se conoce también como Inteligencia Ambiental, y se
soporta en los avances en sensores, redes de sensores, computación ubicua e inteligencia
artificial (Leurent & Boer, 2019).
Por otro lado, se identificó que:

Entre 1998 y 2018, la proporción de documentos de IA entre todos los trabajos
publicados en todo el mundo se han triplicado, y ahora representan el 3% de las
publicaciones de revistas revisadas por pares y el 9% de los trabajos de
conferencias publicados (Perrault et al., 2019, p. 14) .
En consecuencia, se puede confirmar el interés científico y practico de la aplicación de la

investigación alrededor de este tópico.
En el mismo sentido, del lado del ecosistema de producción, se pudo evidenciar que la
robótica, la gestión de la cadena de suministro y la automatización industrial completaron
el top tres de categorías en donde más se invirtió durante el año 2019 por parte del sector
privado; en esta línea, los creadores del Índice de Inteligencia Artificial 2019 (Perrault et
al., 2019), argumentan que en la comunidad científica se cree que la adopción de
tecnologías de IA impulsan la innovación en todos los sectores y podría generar grandes
beneficios en términos de productividad; se puede concluir entonces que, la Inteligencia
Artificial es vista como una de los habilitadores más importantes de la transformación de
las compañías de línea blanca (Chui, 2017).
▪ Analítica avanzada
En cuanto a los grandes de volúmenes de datos, generados por el aumento de los
sensores de los ecosistemas de consumo y de producción, es importante resaltar que
extraer “conocimiento” (entendido como nuevas relaciones no triviales o fácilmente
deducibles por la observación) de ingentes cantidades de datos, ha sido un problema clave
de la industria de línea blanca (Günther et al., 2017), es por eso que, la llegada de Internet
de las Cosas al hogar aumenta la complejidad de los ecosistemas, debido en gran medida
a la necesidad de investigar y predecir hábitos y comportamientos.
De la misma manera, en el ecosistema de producción, la analítica avanzada se relaciona

con las tecnologías que capturan, archivan, analizar y difundir grandes cantidades de datos
derivados de los productos, procesos, máquinas y personas interconectadas a lo largo de
la cadena de suministro (Büchi et al., 2020), por tanto, diseñar una cadena de suministro
que se convierta en una ventaja competitiva y que además sea resiliente y ágil, está ligado
al buen desempeño que la compañía tenga en el análisis de los datos (Dubey,
Gunasekaran, & Childe, 2019), en tanto, Jernigan, Ransbotham, & Kiron (2016) concluyen
en su investigación que las organizaciones que han desarrollado fuertes las capacidades
analíticas están bien posicionadas para lidiar con la complejidad adicional que trae el IoT.
Por otro lado, uno de los elementos que impacta la creación de valor en el ecosistema
integrado, es la capacidad de extraer conocimiento y convertirlo en acciones que lleven las
compañías al siguiente nivel de rendimiento (Saggi & Jain, 2018), así mismo, algunos
investigadores definen la analítica avanzada como una fuente de innovación de los
negocios, los resultados de la investigación de Ransbotham & Kiron (2017), muestran que
más del 80% de las compañías que innovan en este campo y la mitad de los profesionales
en analítica usan sus análisis para innovar en nuevos productos, servicios y procesos.
Capítulo 1 51
1.3.3 Plataformas IoT, arquitecturas para la creación de valor

La digitalización del ecosistema de producción genera cambios en los trabajos de
manufactura, generalmente con la disminución del número de rutinas y de los trabajos que
son repetitivos; sin embargo, más allá de la reducción de tareas, las compañías de
manufactura deben ampliar su visión fuera de las fronteras internas de sus cadenas de
suministro (Stallkamp & Schotter, 2019), en este sentido, las plataformas IoT combinan y
despliegan tecnologías con el fin de hallar nuevas maneras de incubar y coordinar los
sistemas de demanda y suministro (Hein et al., 2019).
Igualmente, a los fabricantes de electrodomésticos se les ha dificultado desplegar

plataformas para atender directamente con nuevos productos y servicios al consumidor
final, es decir, el despliegue de plataformas para llegar a los hogares conectados ha sido
muy tímido; de esta manera, expertos de la industria argumentan que, se debe en gran
medida a su modelo de negocio, el cual involucra llegar al consumidor final por medio de
terceros. El dilema que genera llegar al consumidor final sin minar la relación con los
distribuidores ha empezado cambiar en los últimos años, en esto sentido, se evidencian
algunos casos de éxito como el de la compañía Haier en China (Li, Cao, Liu, & Luo, 2020;
X. Xu, Zhang, & He, 2020)
Por consiguiente, independientemente de si la plataforma está dirigida a la cadena de valor

de una compañía o si conecta directamente a los consumidores, de acuerdo con la teoría
el paso previo al despliegue se conoce como la arquitectura, proceso sobre el cual se
hacen diseños conceptuales y se definen elementos arquitectónicos que traducen la
visión, el modelo de negocio y la oferta de valor, en elementos tecnológicos
interrelacionados entre sí (Doufene & Krob, 2020).
En el mismo sentido, algunas características deben prevalecer en términos de arquitectura,

de manera general, los investigadores promueven la adopción de arquitecturas abiertas en
donde se pueden obtener beneficios, aun integrando soluciones con productos fabricados
por empresas competidoras (Lund, MacGillivray, Turner, & Morales, 2014), y del mismo
modo, la co-innovación con diferentes grupos de interés es algo que debe estar presente
desde el diseño y evolución de la plataforma (Wang & Lai, 2020).
En línea con la arquitectura, Abdmeziem et al., (2016) proponen una clasificación de tres
categorías para las diferentes tecnologías que hacen parte de IoT: en primer lugar las
tecnologías de censado, con las cuales se recopilan los datos, luego, la capa de
middleware, la cual está a cargo de procesar y manejar los datos, y por ultimo las
tecnologías de actuación, las cuales representan la extensión física de las aplicaciones
IoT; estas categorías permiten inferir la necesidad de incluir en el diseño de la plataforma
una arquitectura de análisis de datos mediante la aplicación de analítica avanzada.
En definitiva, es necesario resaltar la importancia que tienen las arquitecturas como medio
para seleccionar la correcta combinación de tecnología, lo cual redundará en creación y
captura de valor en el ecosistema (Tavalaei, 2020), por tanto, el valor es creado con una
arquitectura escalable, que se adapta de acuerdo con las necesidades de los grupos de
interés, pero también con una disciplina de gestión que permite a esta ser resiliente, en
este sentido, una buena arquitectura permitirá también reducir Time to Market de la
plataforma y sus aplicaciones asociadas (Li et al., 2020).
1.4 De la Cadena de Valor a los Ecosistemas

En años recientes y gracias a la evolución del Internet de las Cosas y los conceptos de
industria 4.0, el entorno competitivo para los fabricantes de productos de línea blanca
empezó a cambiar, en este sentido, nuevos competidores y retos aparecen en el horizonte,
los cuales surgen incluso de áreas no relacionadas con la manufactura o tradicionales
negocios enfocados al hogar; de este modo, basado en el análisis de documentos se
evidencia una presión sobre el modelo de negocio de estas compañías, la cual genera una
preocupación sobre la sostenibilidad del mismo a largo plazo (Iansiti & Lakhani, 2020b;
Mcgrath, 2020; Porter & Heppelmann, 2015), y aunque las empresas de línea blanca
siguen siendo exitosas hoy día, es claro que su estrategia y modelos operativos se están
reconfigurando.
En consecuencia, se puede inferir que varios sectores de la industria están

experimentando disrupciones en sus modelos operativos y de negocio, en gran medida
apalancados por la innovación que generan los avances tecnológicos y los cambios en las
tendencias de consumo, prueba de ello es el caso del transporte de pasajeros, y el
alojamiento, en donde de una manera totalmente nueva se ofrecieron servicios que ya eran
Capítulo 1 53
ofrecidos por compañías tradicionales en un modelo de negocio igualmente "tradicional"

(Iansiti & Lakhani, 2020b), del mismo modo, el sector de manufactura no ha estado exento
del impacto, la industria automotriz (Randulfe, 2020) y la industria relojera suiza (Dans,
2020) son ejemplos de cómo los consumidores pueden cambiar de tendencia y optar por
productos novedosos a los cuales los nuevos fabricantes incorporar nuevas
funcionalidades de software y nuevas experiencias de compra y uso de los dispositivos,
esos nuevos actores y sus revolucionarios modelos de negocios son el espejo de lo que
puede suceder con la industria de línea blanca.
Los anteriores aspectos, de acuerdo con Iansiti & Lakhani (2020b) encajan con la teoría
de la disrupción, argumentando además que el reto de transformación es más grande y
profundo que la mera adopción de tecnología, dicha transformación debe conducir al
diseño de otro tipo de compañía; por tanto, se debe redefinir la arquitectura organizacional,
es decir, como la compañía funciona y cambia la manera de obtener y usar datos, la
manera cómo actúa con la información, construye las decisiones operativas y ejecuta las
tareas operativas.
Figura 1-2: Colisión entre modelos operativos.
Fuente: Elaboración propia, adaptado de Iansiti & Lakhani (2020b)
En la Teoría de la Disrupción aparece el concepto de inercia de la arquitectura de la firma

(resistencia a la adaptación), la cual se define como la inercia ya establecida por los
enlaces con los clientes, dicha inercia impide a una organización, responder efectivamente
a un cambio disruptivo. Iansiti & Lakhani (2020a) presentan nuevos hallazgos que aportan
a la teoría de la disrupción, los cuales se basan en los resultados de sus investigaciones

con empresas a nivel global. En su más reciente publicación proponen el concepto de
“colisión”, ellos argumentan que la teoría de disrupción no puede explicar lo que está
sucediendo con Uber o Airbnb, por ejemplo, por lo que definen ese fenómeno como un
choque entre modelos operativos de compañías digitales y un modelo operativo tradicional
ejecutado por compañías que han trabajado bajo los mismos parámetros y restricciones
durante las últimas décadas.
En La figura 1-2 se puede ver como dos compañías, una con un modelo operativo digital y
otra con uno tradicional chocan cuando las curvas de valor se interceptan, después de ese
choque se evidencia que el valor económico generado por el modelo operativo digital se
incrementa sustancialmente, mientras el modelo operativo tradicional se mantiene
constante e incluso podría llegar a declinar. De acuerdo a la revisión de antecedentes se
puede evidenciar que algunas compañías del sector de línea blanca están cambiando su
modelo operativo, según Yu & Greeven (2020) gracias a la novedosa estructura
organizacional de la compañía de electrodomésticos Haier, esta pudo sobrellevar de mejor
manera los embates de un evento extraordinario, el Covid-19, aunque no es precisamente
otra compañía con la que se chocó, Haier demostró que su estructura organizacional le
permitió enfrentar de una mejor manera el suceso y evitar una total afectación en su
cadena de suministro.
Las compañías de línea blanca se mueven en un mercado maduro, por tanto, se puede
inferir que su ubicación en la curva de valor se encuentra en el punto de estabilidad (ver
figura 1-2 lado derecho); sin embargo, la adopción de los hogares de productos conectados
los pone en línea de choque con compañías con modelos operativos digital, las cuales
quieren aprovechar las oportunidades que los datos del hogar representan.
1.4.1 Evolución de la cadena de valor

Tradicionalmente la cadena de valor de una empresa de manufactura está definida por
procesos lineales, desde la consecución de la materia prima con los proveedores, pasando
por la producción, para luego entregar sus productos a los clientes; de este modo, los
procesos y estructuras organizacionales diseñadas por silos han dominado el diseño de
las cadenas de valor; sin embargo, algunos investigadores advierten que este modelo no
Capítulo 1 55
permite la adaptación de las compañías al nuevo entorno competitivo (Porter &

Heppelmann, 2015), en línea con lo anterior, según Rong, Hu, Lin, Shi, & Guo (2015) las
teorías de gestión de la cadena de suministro se centran principalmente en la eficiencia de
la producción, los flujos de información y aspectos financieros, pero no consideran las
incertidumbres en la información, el flujo de caja o la logística.
Ahora bien, las nuevas interrelaciones impulsadas por las tecnologías digitales en la
industria de línea blanca se pueden analizar mejor haciendo la distinción entre los
ecosistemas de producción y consumo; los ecosistemas de producción consisten en
interrelaciones que se dan dentro de la cadena de valor, como la producción y venta de un
producto o el servicio postventa (Subramaniam, Iyer, & Venkatraman, 2019); por el
contrario, los ecosistemas de consumo consisten en interrelaciones que evolucionan
después de que se vende un producto o se ofrece un servicio digitalmente, y que en el
caso del hogar conectado los grupos de interés son totalmente diferentes a los de la
cadena de valor de una compañía fabricante de electrodomésticos.
Por tanto, se puede decir que el ecosistema empresarial basado en IoT no es solo una red
de suministro con elementos conectados; en cambio, es una red de suministro extendida
que conecta a todas las partes interesadas, los cuales son actores que pueden conectarse
con IoT y contribuir a la evolución del ecosistema empresarial; en este sentido, desde una
perspectiva de coevolución, estos interesados pueden estar vinculados directa o
indirectamente (Moore, 1993). Se puede definir entonces a los ecosistemas de negocio
digitales, como una extensión del ecosistema de negocios definido por (Moore, 1993); solo
que en el contexto de Internet de las Cosas (tanto Industrial como en el hogar conectado)
la tecnología digital juega un rol dominante (Senyo, Liu, & Effah, 2019).
Por otro lado, para entender y hacer frente a los retos que el ecosistema IoT del hogar
conectado presenta para los fabricante de electrodomésticos, algunos de ellos han
incorporado practicas comunes en la industria tecnológica, es así como, Electrolux
estableció la alianza Open Connectivity Foundation para entre otras cosas “crear una
especificación y patrocinar un proyecto Open Source para hacer posible la
interoperabilidad de los dispositivos IoT” (Darrow, 2016); Otras compañías del sector como
Haier (Pallas, 2016), Midea, LG y Samsung, participan en otras asociaciones, lo cual
demuestra que el sector no es ajeno a los retos y oportunidades de los ecosistemas

digitales.
▪ Visibilidad de la cadena de valor

Durante los últimos años los ejecutivos de la cadena de valor de las compañías fabricantes
de productos de línea blanca, han intentado mejorar sus procesos y llevar la cadena de
suministro al siguiente nivel de madurez, buscando obtener una ventaja competitiva1, en
este viaje, la visibilidad de principio a fin de la cadena de suministro se afianzó como
concepto relevante, es por eso que, la implementación de proyectos relacionados con
torres de control en la cadena de suministro se hicieron más frecuentes.
En resumen, se puede definir una torre de control como un conjunto de procesos más un
equipo interdisciplinario, quienes en su día a día toman decisiones relevantes basadas en
datos sobre la cadena de suministro de una empresa, de este modo, podemos inferir que
la tecnología tanto software como hardware (Ej. sensores IoT, Big Data, Inteligencia
Artificial entre otros) es clave para poder habilitar la visibilidad (observar lo que sucede en
tiempo real) y tomar acciones con base a esa información, de ahí que, el concepto sea una
aplicación en la cadena de los procesos que ejecutan los operadores aéreos en una torre
de control de un aeropuerto.
Desde 2019, la compañía Mabe en Latinoamérica se encuentra desarrollando el concepto

de visibilidad de la cadena de suministro, a través de diferentes iniciativas que buscan la
digitalización de procesos y la construcción de nuevas formas de trabajar; para esta
compañía ha sido un viaje de aprendizaje, en donde el éxito han sido sus equipos de
trabajo empoderados, los cuales en algunas ocasiones han contado con el apoyo de firmas
de consultoría especializadas en transformaciones a gran escala.
▪ Colaboración con clientes y proveedores

Parar integrar los ecosistemas de producción y hogar conectado, se hace necesario llevar
a un nivel superior la colaboración que las empresas de línea blanca tienen con sus
1
Esto se evidenció en foros de tecnología entre el 2017 y 2019, en Europa, Norteamérica y
Suramérica, Ej. SAPhire en Orlando, USA 2018, SAP Forum, México 2019 y el Hannover Messe
en Alemania 2018.
Capítulo 1 57
proveedores y clientes, en la práctica, existen iniciativas del sector retail con los fabricantes
y así mismo de los fabricantes con sus proveedores, por lo que hay dos elementos que
deben estar claros a la hora de establecer colaboraciones, el primero tiene que ver con las
expectativas de colaboración para ambos participantes y el segundo tiene que ver en cómo
medir el avance de esta colaboración, aunque parece trivial no se pueden dejar a un lado.
En cuanto a la revisión de antecedentes, no se evidencia la existencia de un marco de
trabajo que ayude a establecer reglas y objetivos claros de colaboración, más bien cada
intento se aborda por separado y depende en demasía de la madurez de la relación que
tengan las empresas a nivel comercial.
Desde la perspectiva tecnológica, tiene más sentido soportar los flujos de información tanto
de proveedores como de clientes en una única plataforma de colaboración, al fin y al cabo
la gestión de los flujos de información es la misma en ambos sentidos, lo que varía es la
información en sí misma, es por esto que, los investigadores Jernigan et al., (2016)
argumentan en sus estudios que los flujos de información entre compañías se hacen cada
vez más interdependientes a medida que la adopción de IoT incrementa, esto llevaría
según dicen, a que la cadena de valor de las organizaciones se expanda, pronostican
además, que las compañías con mejor gestión de este nuevo enfoque capturarían mayor
valor de estas colaboraciones; en este sentido, Jernigan et al., (2016) hacen una
declaración también muy importante, las compañías deben estar dispuestas a colaborar
incluso con los competidores y con el sector gubernamental, algo que de seguro será muy
común en el ecosistema IoT del hogar conectado.
En conclusión, la tendencia consiste en actualizar los macroprocesos de la cadena de

suministro a la nueva realidad, es decir, la Gestión de Relaciones con el Cliente (CRM por
sus siglas en ingles) y la Gestión de Relaciones con los Proveedores (SRM por sus siglas
en inglés) se plantean de una forma diferente con la incorporación de IoT, del mismo modo,
la gestión interna del Supply Chain Management (ISCM) está cambiando a una visión de
plataforma integral, esto es algo que se ha podido comprobar en la práctica en compañías
del sector y al mismo tiempo en la recomendación que hacen firmas de consultoría de
renombre global; según S. Chen et al., (2014) esos flujos de información entre el mundo
físico y el mundo de internet se darán en diferentes lugares, cosas, empresas, industrias y
diferentes regiones o países.
1.4.2 Hacia un ecosistema integrado de valor

Los ecosistemas de negocio se pueden definir como un conjunto de actores con diversos
grados de multilateralidad, sin complementariedades genéricas que no están
completamente controladas genéricamente (Jacobides et al., 2019) dado lo anterior, las
características esenciales de los ecosistemas empresariales son las siguientes: son
entidades múltiples, formadas por grupos de empresas que no pertenecen a una sola
organización. Del mismo modo, implican redes de relaciones cambiantes y
semipermanentes, unidas por flujos de datos, servicios y dinero; así mismo, las relaciones
combinan aspectos de competencia y colaboración, que a menudo implican
complementariedad entre diferentes productos y capacidades (por ejemplo, teléfonos
inteligentes y aplicaciones). Finalmente, en los ecosistemas, los jugadores evolucionan a
medida que redefinen sus capacidades y relaciones con los demás a lo largo del tiempo
(Fuller, Jacobides, & Reeves, 2019).
Por esta razón, un ecosistema IoT del hogar conectado puede ser definido como un tipo
especial de ecosistema de negocios, que se compone de un conjunto de empresas y
particulares con su entorno socio-económico; donde las empresas están compitiendo y
cooperando mediante la utilización de un conjunto común de activos centrales,
relacionados con la interconexión del mundo físico de las cosas y el mundo virtual de
Internet (Mazhelis et al., 2012). En este sentido, las empresas de línea blanca entienden
que los productos que fabrican, llegan a los hogares y forman parte de ese ecosistema, de
acuerdo a la revisión de sus reportes financieros, prácticamente todos analizan la
importancia de la interoperabilidad de sus electrodomésticos con los otros elementos que
componen dicho ecosistema (Peine, 2009; Zambonelli, 2016).
Ahora bien, el ecosistema IoT del hogar conectado a nivel general tiene tres componentes
fundamentales, el hogar, como espacio físico donde convive la familia, los productos
conectados, los cuales en términos generales buscan el confort de las personas que
habitan el hogar y por último, las plataformas digitales, sobre las cuales se hace el enlace
entre el mundo físico del hogar y el mundo virtual de las compañías (en este caso de las
compañías de electrodomésticos), en el siguiente apartado, revisaremos estos
componentes.
Capítulo 1 59
▪ El hogar conectado
Como ya lo he mencionado anteriormente, un hogar conectado a Internet y con funciones
“inteligentes” se puede describir como: “un ecosistema de dispositivos, electrodomésticos
y subsistemas, todos interconectados e interactuando entre ellos” (Borgia, 2014), de
acuerdo con la teoría existe una superposición significativa entre las definiciones de hogar
conectado que dan los diferentes investigadores; sin embargo, según Marikyan,
Papagiannidis, & Alamanos (2019), dichas definiciones comparten tres características en
común: tecnología, servicios y la capacidad de satisfacer las necesidades de los usuarios.
El núcleo del hogar inteligente es la tecnología, que consta de componentes de hardware
y software, incluidos sensores y electrodomésticos.
Con lo anterior en mente, la revisión de literatura ha permitido identificar que, las

compañías de línea blanca han encontrado oportunidades para desarrollo de nuevos
productos basados en datos y Big Data Analytics (Turner, Gantz, Reinsel, & Minton, 2014).
Encontrar nuevos orígenes de datos y con los avances en Bigdata nuevas vías para
analizarlos, permitirán pasar del análisis descriptivo a uno predictivo y de esta manera,
alcanzar la analítica prescriptiva con análisis de datos en tiempo real; estos nuevos retos,
de acuerdo con la revisión de los reportes anuales de las compañías de electrodomésticos
(ver tabla resumen 1-1), evidencia un interés sobre las oportunidades para desarrollo de
nuevos productos basados en datos.
Desde la perspectiva empresarial, el enfoque de los ecosistemas ha permitido que los

grupos de interés alcancen cierto nivel de simbiosis, lo cual permite a las firmas
involucradas crear valor adicional y proveer productos y servicios complementarios
diferentes a la plataforma en sí misma (Senyo et al., 2019). Porter & Heppelmann (2014)
argumentan que con IoT la brecha entre la industria tecnológica y la de manufactura (en
este trabajo la industria de línea blanca) se hace cada vez más estrecha, al punto que la
separación según ellos, es cosa del pasado, por eso vemos el interés en empresas 100%
digitales o “platform companies” (estilo Google, Apple y Amazon) para desarrollar
productos y servicios alrededor del ecosistema IoT del Hogar Conectado.
En tanto, Harvard Business Review Analytic Services (2014) publicó los resultados de una
investigación que exploraba la conexión entre la adopción de nuevas tecnologías (entre
las cuales se encuentra las comunicaciones machine to machine o IoT) en las empresas y
el rendimiento de los negocios; una de las principales conclusiones, tiene que ver con que
el 54% de las empresas catalogadas como pioneras (las que primero invierten y
aprovechan las oportunidades generadas por la tecnología) han experimentado cambios
significativos en su estrategia central de negocios o modelo de negocios, debido a la
adopción de las nuevas tecnologías; comparado con el 29% en las empresas seguidoras
y el 10% en las empresas cautelosas (dentro de las cuales se encuentran las compañías
de línea blanca).
Por otro lado, la necesidad de romper las barreras sociales de adopción por parte de los
fabricantes, implica entender los cambios en los estilos de vida de los consumidores,
algunos estudios confirman la preocupación de estos por temas como la seguridad y
privacidad (Hong et al., 2019), además de otros no menos importantes como la
interoperabilidad y la confiabilidad; sin embargo, la pérdida de control sobre los
electrodomésticos es algo que también inquieta a los consumidores y se establece como
una barrera para la adopción de las nuevas tecnologías en el hogar (Sanguinetti, Karlin, &
Ford, 2018; Shuhaiber & Mashal, 2019).
De acuerdo a lo anterior, la aceptación individual o el uso de la tecnología es uno de los

temas más estudiados en la investigación de sistemas de información y el modelo más
comúnmente utilizado para investigar la aceptación de la tecnología es el TAM
(Technological Acceptance Model), en este modelo se basan gran cantidad de
investigaciones empíricas sobre las percepciones de las nuevas tecnologías (en este caso
sobre las tecnologías del hogar conectado) por parte de los usuarios y para explicar
proceso de adopción (Nikou, 2019).
Para concluir, es importante resaltar que Internet de las Cosas permite que los
electrodomésticos “inteligentes” sean conectados a la nube (Botta, de Donato, Persico, &
Pescapé, 2016; Missbach et al., 2016), lo que representa un reto para los fabricantes en
el desarrollo de productos y servicios que además de mejorar la eficiencia energética
(Aazam, Huh, St-Hilaire, Lung, & Lambadaris, 2016), brinden nuevas posibilidades a los
usuarios de mejorar sus estilos de vida, sin descuidar los temas de ciberseguridad y
protección de los datos (Henze et al., 2016).
Capítulo 1 61
1.5 Creación y captura de valor

De acuerdo con la teoría, se puede evidenciar que los estudios que abordan la creación
de valor, han aumentado en cantidad y calidad en años recientes, en este sentido, crear
valor con base en la información, se puede definir como la transformación de los datos en
inteligencia, dicha “inteligencia” o proceso, permite crear y capturar el valor de los datos
crudos generados por IoT; por tanto, controlarlos y gestionarlos de manera adecuada se
vuelve en un imperativo para las empresas de línea blanca, ya que más que un activo (con
dudoso valor económico), los datos son una manera de acelerar la innovación en los
modelos de negocio digitales. Al final para algunas compañías será una cuestión de
sobrevivencia, como lo demuestra la actual contingencia del Covid-19.
La economía digital continúa evolucionando a un ritmo vertiginoso, impulsada en gran

medida, por la capacidad de recopilar, leer, usar y analizar cantidades masivas de
información (datos digitales) sobre prácticamente todo; en el mismo sentido, las
plataformas son vistas como otro gran impulsor, en la última década han surgido una gran
cantidad de plataformas digitales que utilizan modelos de negocio basados en datos,
chocando (o colisionando de acuerdo con Iansiti and Lakhani (2020b)) con las industrias
existentes a su paso. El poder de las plataformas se refleja en el hecho de que siete de los
las ocho principales compañías del mundo por capitalización de mercado usan modelos
de negocio basados en plataformas (United Nations Conference on Trade Development,
2019).
Ahora bien, desde una perspectiva empresarial, la medición de la creación y captura de

los ecosistemas digitales presenta retos importantes, en general, no existe un definición
unificada de lo que a “digital” se refiere, del mismo modo, el valor puede ser percibido de
distintas maneras, de ahí la importancia de recalcar que los datos son una fuerza para la
innovación de las empresas, con lo cual se apalanca el crecimiento de la productividad, la
calidad de los productos y la reducción de costos, otros por su parte proponen marcos de
valoración de las empresas basados en la medición de los datos que poseen de sus
clientes (McCarthy et al., 2020) o explicando como el uso de la información afecta el valor
de los activos (Rusho & Raban, 2019); teniendo en cuenta que el objetivo último de un
modelo de negocio digital es mejorar la experiencia del cliente o consumidor, estos
enfoques tienen todo el sentido.
Por otro lado, desde la perspectiva teórica de los sistemas algunos investigadores apuntan
a valorar la información desde la perspectiva de los flujos de información, llevando la
medición del valor de los datos más allá de la perspectiva clásica de la teoría de
información de Shannon, en donde el tamaño del dato y por tanto la medición de la
información permanece inmutable durante el proceso de transmisión; según M. Chen, Hao,
Gharavi, & Leung (2019) aplicando conceptos de la computación cognitiva se pueden
valorar los datos que se transmiten en una red de telecomunicaciones de acuerdo a las
emociones humanas que llevan los mismos, algo útil que permitiría filtrar las grandes
cantidades de datos que se requieren en procesos de aprendizaje de máquina.
Por otra parte, el concepto de valor percibido que ha sido ampliamente estudiado por los
investigadores en marketing y negocios, se refiere a una evaluación general realizada por
los usuarios para un producto o servicio (Da Costa Fernandes, Pigosso, McAloone, &
Rozenfeld, 2020); el cual se puede resumir como la discrepancia entre los beneficios que
obtienen y el costo que deben pagar; en la literatura existente, dependiendo del área de
análisis se presentan diferentes enfoques, tanto para definir el significado del concepto,
así como, la manera de aumentarlo a través de una oferta de valor bien estructurada
(Antonopoulou & Begkos, 2020).
Otra visión es la Ramaswamy & Ozcan (2018), donde el valor se crea no solo en el
intercambio o uso de recursos y procesos en actividades, sino también a través de
interacciones, ellos extienden la visión de (Callon, 2016), que critica las opiniones
tradicionales del marketing basadas en intercambio de bienes y servicios, los cuales según
ella fueron insuficientes para reconocer el nuevo dinamismo de la creación valor; en el
mismo sentido, los investigadores Orlikowski and Scott (2015) teorizan sobre la nueva
dinámica de creación de valor en los servicios, argumentan que la experiencia de usar un
refrigerador involucra seres humanos en una variedad de actividades recurrentes y con
múltiples artefactos (cocinas, comestibles), por tanto, desde una perspectiva práctica, los
bienes y servicios requieren la coordinación de actividades, personas y artefactos para
producirse y consumirse.
En este sentido, se puede confirmar la existencia de diferentes marcos de trabajo que

permiten la generación de ofertas de valor (Payne, Frow, Steinhoff, & Eggert, 2020),
Capítulo 1 63
alternativamente, en esta investigación se realizó un panel de expertos donde emergieron

dos valores percibidos que son los dominantes en términos de evolución del sistema (valor
económico y social) (Lopez & Castillo, 2020), los cuales de acuerdo con la literatura se
clasifican como valores percibidos extrínsecos si se toma la perspectiva de orientación a
objetivos (Zhang, Li, Wu, & Li, 2017); por tanto, la definición de creación de valor en el
ecosistema IoT consensuada con los expertos, alcanzada mediante un taller de innovación
entre los años 2018 y 2019, es la siguiente:
En resumen, en este trabajo la creación, entrega y captura de valor están definidas por
procesos sistemáticos que buscan transformar los datos en “inteligencia accionable”,
mejorar la experiencia de clientes y consumidores y desarrollar la capacidad de innovar en
los modelos de negocio digitales; de este modo, los conceptos se entrelazan en un círculo
virtuoso que impulsa la construcción de una ventaja transitoria sobre los competidores,
todo lo anterior en el contexto de una compañía de manufactura de productos de línea
blanca.
1.5.1 Modelos de negocio

Aunque no existe un consenso sobre la definición de modelo de negocio, se puede definir
un modelo de negocio como: el conjunto de actividades que ejecuta una empresa para
crear y capturar valor, es decir, como una empresa articula su propuesta de valor, esto es,
el valor creado para los usuarios y/o consumidores con la oferta (Chesbrough, 2007). Del
mismo modo, es importante aclarar que el concepto de modelo de negocio y estrategia no
son lo mismo; en este sentido se expresan Santos, Spector, and Van der Heyden (2009)
aclarando que el modelo de negocio existe separado del de estrategia, lo anterior cobra
relevancia ya que algunos investigadores y hombres de negocios se refieren
indistintamente a la estrategia o al modelo de negocio.
De manera que, se puede confirmar que los procesos de las compañías de manufactura
fueron diseñados para ser predecibles y consistentes, en este sentido, durante muchos
años se aplicaron metodologías como Seis Sigma, manufactura esbelta, calidad total, entre
otras, para perfeccionar los procesos y mantener la estandarización y consistencia; por
tanto, pensar en romper ese paradigma puede ser complicado para cualquier empresa de
manufactura. Aunque las empresas de línea blanca enfrentan el mismo reto, de acuerdo
con la revisión se evidencia que en años recientes algunas de este sector han emprendido
la transformación buscando un equilibrio entre eficiencia y velocidad.
Por otro lado, en cuanto a las estructuras organizaciones, las compañías de línea blanca
operan tradicionalmente por silos, los cuales son vistos como la principal barrera de la
innovación interna, esto confirma los argumentos de Iansiti & Lakhani, (2020a) que ven la
transformación como la creación de valor a través del cambio organizacional apalancado
con modelos de negocio impulsados por la inteligencia artificial; Sin embargo, una de las
mayores limitantes para el cambio en las compañías de manufactura, es paradójicamente
la tecnología, durante muchos años los modelos operativos por silos llevaron a que las
áreas de tecnología de estas organizaciones se organizaran del mismo modo por silos, lo
cual ha generado una gran cantidad soluciones especializadas, esto ha complicado la
arquitectura empresarial.
En resumen, los modelos de negocio definen como las empresas crean y capturan valor,
en el caso de las compañías de línea blanca, su modelo de negocio se basa en la
fabricación de electrodomésticos, los cuales venden a través de los almacenes de cadena
(retail) a los consumidores finales, estos últimos usan los productos para hacer más
cómodas las labores domésticas en el hogar.
▪ Modelo de negocio Digital

En 2005, Naciones Unidas mencionan por primera vez el término "Internet of Things", en
un reporte publicado por la Unión Internacional de Telecomunicaciones (ITU) (ITU Strategy
and Policy Unit, 2005), dicho reporte expone las oportunidades que se abren al conectar
nuevos dispositivos a Internet, mientras que explica ampliamente las aplicaciones que
puede tener en este sentido la tecnología RFID (Radio Frequency IDentification), además
de analizar los retos éticos y de privacidad de información, concluyendo con las
oportunidades para el desarrollo del mundo.
En 2016, de nuevo la Unión Internacional de Telecomunicaciones (ITU) y la compañía

Cisco (2016) exploran el potencial de Internet de las Cosas para los países en desarrollo,
mostrando la importancia que tienen para los diferentes grupos de interés el desarrollo de
proyectos en torno a este tema; destacan también, la necesidad de regulaciones
gubernamentales en todos los sectores y plantean además, las oportunidades de mejora
Capítulo 1 65
en los modelos actuales de negocio y los posibles impactos para la creación de nuevos,
recomendando la promoción de estándares que permitan la interoperabilidad, a través del
ecosistema IoT. En este sentido, un modelo de negocio digital se puede definir como la
utilización mixta de productos inteligentes, la digitalización de procesos internos, la
operación dentro de un ecosistema, la accesibilidad de una plataforma, así como la
utilización de analítica de datos (Ahmad et al., 2020).
De acuerdo con lo anterior, se puede inferir que con Internet de las Cosas se generaron
posibilidades de construcción de nuevos modelos de negocio para los fabricantes de línea
blanca (Fleisch et al., 2015; Teece & Linden, 2017), en este sentido, una de las
herramientas de exploración más usadas para crearlos, es el Business Model Canvas, el
cual permite probar las hipótesis que ponen en riesgo la viabilidad de los supuestos de un
plan de negocio (Osterwalder & Pigneur, 2011); en esta línea, existen varios ejemplos en
la literatura sobre negocios digitales lanzados con este marco de trabajo; sin embargo, es
interesante contrastar que una compañía tradicional como Nestlé, fue capaz de lanzar
exitosamente el negocio digital Nespresso (Joyc & L. Paquin, 2016); de este modo, no solo
se convierte en un referente, sino que además aporta pruebas a la hipótesis de que las
compañías tradicionales pueden ser exitosas en la era digital.
▪ La oferta de valor digital

Medir el desempeño de la creación y captura de valor, es clave para poder corregir el
rumbo de las innovaciones, se puede evidenciar en la revisión de antecedentes que no
existen marcos de medición comúnmente aceptados; algunos investigadores argumentan
que las lecciones las lecciones del mundo del software son muchas y sobre ellas proponen
estrategias de como capturar el valor (Odusote, Naik, Tiwari, & Arora, 2016) y otros aplican
la ingeniería de software para proponer mediciones de la efectividad de los proyectos
digitales (Zambonelli, 2016).
En términos generales, se puede inferir que el monitoreo de la captura de valor es un

proceso que retroalimenta las decisiones de innovación en los modelos de negocio
digitales (Teece & Linden, 2017), en tanto, desde la perspectiva científica, se puede afirmar
que la agenda de investigación sobre las plataformas que soportan los modelos de negocio
digitales esta delineada (De Reuver et al., 2018); sin embargo, de acuerdo con la
experiencia, el monitoreo de la captura de valor debe hacerse sobre toda la cadena de

valor del dato y su frecuencia debe ser cercana al tiempo real, para que las decisiones
sean tomadas en el momento oportuno.
1.5.2 Perspectiva social del valor

La digitalización del ecosistema de producción genera cambios de los trabajos de
manufactura, generalmente la disminución del número de rutinas y de los trabajos que son
demandantes físicamente (Ghobakhloo & Fathi, 2019), en este sentido, se evidencia que
algunas compañías pioneras han tomado nota de esta problemática y empiezan a trabajar
en una filosofía de “empleado al centro”, se infiere entonces que es vista como una manera
de avanzar en nuevas maneras de trabajar, en todo caso, bajo la premisa que los
empleados juegan un rol clave en la creación y captura de valor en los ecosistemas
Por otro lado, en el ecosistema de consumo, se evidencia que las compañías de línea
blanca entienden las preocupaciones de los usuarios con respecto a sus datos; sin
embargo, lo ven como una barrera de adopción de la nuevas tecnología y no con una
perspectiva de impacto social (Henze et al., 2016), en este sentido, es necesario tener en
cuenta que los consumidores tienen preocupaciones que van más allá de mejorar su
calidad de vida, la adopción de Internet de las Cosas no se logrará si no se tienen en
cuenta los aspectos de privacidad y seguridad de los datos; el equilibrio entre los aspectos
económicos, el desarrollo industrial y el social, son la clave para el éxito de las soluciones
IoT.
En atención a lo expuesto, el IERC (2016) plantea que: “es necesario examinar el alto
volumen de relaciones entre muchos actores hiperconectados (ya sea humanos,
organizaciones, algoritmos o máquinas), buscando entre otras cosas la previsibilidad y la
seguridad jurídica de esas relaciones” y propone los principales retos a trabajar desde el
punto de vista de impacto social:
- Entendimiento común
- Necesidad de políticas publicas
- Protección de los datos personales
- Administración de los derechos digitales
- Propiedad y acceso a los datos
Capítulo 1 67
- Libre flujo de los datos

- Responsabilidad y rendición de cuentas
- Regulación y estandarización
Por esta razón, de acuerdo con la perspectiva social, los elementos más importantes en
un ecosistema IoT son la tecnología y el uso de la misma por parte de las personas, dicha
tecnología debe ser neutral y a la vez monitoreada regularmente, para estar al día con los
avances de última generación; en tanto, el monitoreo se debe realizar basado en los
principios de seguridad, datos personales, gestión digital de derechos, facilidad de uso,
portabilidad y responsabilidad (Jacobides et al., 2019).
1.5.3 Ventaja competitiva transitoria

Según la investigadora Mcgrath (2020), en el entorno hiper dinámico actual es imposible
para un empresa crear una ventaja competitiva que permanezca vigente por un periodo de
tiempo largo, sugiere además, que la mentalidad de emprendedor en las organizaciones
tradicionales es un elemento clave para reducir el tiempo entre que la compañía identifica
la oportunidad y moviliza recursos para capitalizarla. Consecuentemente, podemos inferir
que para la industria de línea blanca es necesario aplicar el concepto de “arenas”, es decir,
no ver la competencia por sectores (ej. El sector de línea blanca), sino más bien ampliar la
visión a los ecosistemas integrados (producción y consumo),
En el mismo sentido, las nuevas compañías con modelos de negocio digitales, están
eliminando la complejidad de las operaciones, según Mcgrath (2020) casi todo puede ser
resuelto como “As a Service” y estas nuevas compañías pueden competir directamente en
lo que realmente importa, una mejor experiencia del cliente; de este modo, vale la pena
resaltar que en el contexto de línea blanca existen varios ejemplos de este tipo de
empresas, June Oven es uno de ellos, desarrollaron desde cero un horno totalmente
conectado a internet, con un modelo de servicio al cliente alrededor del cocinado de
alimentos, pero quizás lo más importante es el mensaje del CEO de la compañía: “nosotros
queremos ser el Tesla de los electrodomésticos” 2 .
2
Reunión: Digital Trek, Silicon Valley, febrero 2018
Por otro lado, el tema de la arquitectura organizacional, del cual hable en párrafos
anteriores, ha permitido a compañías como Haier, avanzar en la construcción de una
cadena de suministro resiliente, la cual soportó el embate de la pandemia del Covid-19; de
acuerdo con la revisión, este tipo de arquitectura organizacional crea una ventaja transitoria
(Yu & Greeven, 2020), del mismo modo, el análisis estratégico de los datos, para entender
su utilidad y tiempo de obsolescencia son el fundamento de la ventaja (Hagiu, Wright, &
Lakhani, 2020), por último, es importante señalar que según Abood, Quilligan, and
Narsalay (2017), quien basó su investigación en Saunders & Brynjolfsson (2016), las
inversiones correctas en tecnología son un factor decisivo a la hora de medir el éxito de
una plataforma digital, por tanto, de la creación de la ventaja competitiva transitoria.
Para revitalizar la experiencia del consumidor en el ecosistema IoT del hogar conectado,
las compañías de línea blanca deben controlar y gestionar de manera estratégica la
inteligencia digital, de tal manera que este proceso continuo de innovación construya una
nueva experiencia de servicio adaptada a la era digital (Lee & Lee, 2020) y del mismo
modo, monitoreé constantemente las posibilidades de disrupción en los negocios digitales
(Webb, 2020), sin descuidar además, el camino de la adopción de los hogares conectados,
en donde nuevos productos y servicios, proporcionarán fuentes de ingresos adicionales
para las compañías (Sanguinetti et al., 2018).
En línea con lo anterior, gestionar la innovación en modelos de negocio es un tema de

investigación relativamente reciente; sin embargo, los artículos seminales proponen una
visión holística, en donde se mezclan la experiencia y conocimiento de diferentes
disciplinas (Nambisan, Lyytinen, Majchrzak, & Song, 2017), en este sentido, se puede
inferir que las empresas de manufactura conocen los temas de innovación y están
adoptando marcos de trabajo dirigidos a lo digital (Svahn, Mathiassen, & Lindgren, 2017);
ahora bien, para las compañías de línea blanca trabajar bajo un marco de referencia puede
ser definitivo, en el dinámico ecosistema IoT del hogar conectado ya se perfilan nuevas
líneas de investigación, como por ejemplo, teorizar sobre plataformas en donde la familia
es el centro del consumo de productos y servicios en el hogar (diferente a la visión
tradicional de consumidor individual) (Goulden, 2019), o las ya mencionadas redes
sociales de objetos.
Capítulo 1 69
1.5.4 La creación de valor como sistema

Según Lepak, Smith, & Taylor (2007), la creación de valor es un concepto central en la
literatura sobre administración y organización, el cual ha sido aplicado para la investigación
tanto a nivel micro (individual, grupal) como a nivel macro (teoría de la organización,
administración estratégica); sin embargo, argumentan el poco consenso sobre qué es la
creación de valor o cómo se puede lograr. Por otro lado, adoptando la perspectiva de la
teoría de sistemas, se puede inferir que dentro del ecosistema IoT puede existir un sistema
especial que se encargue de producir el valor, el cual se beneficia de la dinámica de
conexión de una gran cantidad de dispositivos en los hogares, empresas y socios de
negocio, y que en su conjunto conforman el ecosistema de una compañía de línea blanca
(Cunha & Kidanu, 2017).
Bajo la premisa que cada ecosistema tiene características y dinámicas que afectan la
generación de valor a largo plazo la creación de valor para los accionistas también requiere
satisfacer a otras partes interesadas, no se puede crear valor ignorando las necesidades
de los clientes, proveedores y empleados. Invertir para un crecimiento sostenible debería,
y a menudo resulta, en economías más fuertes, en niveles de vida más altos y más
oportunidades para las personas, en este sentido, priorizar la creación de valor a largo
plazo, es un paso adelante en desarrollo de modelos de negocio digitales perdurables en
el tiempo (Goedhart & Koller, 2020).
Por esta razón, el enfoque sistémico aporta una nueva visión al análisis de la creación de
valor en los ecosistemas IoT, en la revisión de antecedentes no se evidencian estudios
que analicen la creación de valor como un sistema que es afectado por unas variables, y
cuyo comportamiento está influenciado por las dinámicas internas de creación y captura
de valor. En el mismo sentido, reconociendo que la creación de valor y la captura de valor
son dos procesos distintos, de acuerdo con Lepak et al. (2007) se hace necesario explorar
las relaciones existentes entre estos dos conceptos.
Dinámica de la Creación de valor

Internet de las Cosas ha permitido crear valor de practicante cualquier cosa conectada, en
este sentido, y bajo la premisa que cada ecosistema tiene características y dinámicas que
afectan la creación de valor (Perera et al., 2017), la revisión de antecedentes muestra la
existencia de interés sobre el tema, en general, para descubrir los mecanismos de

generación de valor en los modelos de negocio digital, de esta manera, se han creado
marcos de trabajo que buscan pasar de la mera captura de los datos a su explotación como
activo de una compañía (Lim et al., 2018).
Como punto de partida para entender la dinámica de la creación de valor, se puede inferir,
que como lo argumenta Iansiti and Lakhani (2020a) son varios los factores los que explican
la dinámica de creación de valor, pero también muchos los beneficios que la adopción de
tecnologías IoT generan para las empresas (Merritt & Sarma, 2019), con esto en mente,
se confirma que son pocos los estudios que abordan la creación de valor en el ecosistema
IoT del hogar conectado.
Figura 1-3: Perspectiva circular de la creación de valor con la información.
Fuente: Elaboración propia, adaptado de (Raynor & Cotteleer, 2015).
En consecuencia de acuerdo con Raynor & Cotteleer (2015), en los ecosistemas IoT la
información crea valor a través de la perspectiva circular, este enfoque se puede observar
el gráfica 1-3; básicamente según los investigadores, la información crea valor solo cuando
es usada para modificar una acción en el futuro, obteniendo un beneficio. La información,
entonces, crea valor no en una cadena lineal de pasos del proceso, sino más bien, en un
ciclo de valor continuo, de este modo, se puede resolver un problema característico de los
ecosistemas IoT, donde no es sencillo extraer conocimiento de los grandes volúmenes
de datos generados por las nuevas conexiones (F. Chen et al., 2015).
Capítulo 1 71
▪ Dinámica de la Captura de valor

El trabajo empírico basado en la teoría de captura de valor es joven pero ha conseguido
valiosos avances, en particular, las predicciones generales de la teoría aparecen en los
datos en una variedad de aplicaciones; sin embargo, algunos trabajos empíricos han
demostrado que la competencia por sí sola no puede explicar toda la variación en el
desempeño de la empresa (Gans & Ryall, 2017). En este sentido, los estudios de Sjödin,
Parida, Jovanovic, & Visnjic (2020) demuestran la importancia de la alineación entre la
creación y la captura de valor, dicha alineación se da según ellos a través del proceso de
innovación en los modelos de negocio. Por su parte, según Stefan, Hurmelinna-
Laukkanen, & Vanhaverbeke (2020), varias corrientes de literatura han señalado los
diferentes tipos de tensiones entre la creación y la captura de valor, especialmente en los
proyectos de innovación abierta, su trabajo ofrece soluciones a los puntos de vista
divergentes entre los diferentes grupos de interés; según ellos, combinando los puntos de
vista se pueden definir guías que ayudan a investigar sistemas complejos.
En el campo práctico, al poner al cliente en el centro, se busca darle igual importancia a

esta variable que a otros factores, por lo que la influencia del lado de la demanda en la
creación de una ventaja sostenida es un enfoque bastante común en la literatura sobre
captura de valor (Bouncken, Fredrich, Ritala, & Kraus, 2020). De este modo, se evidencian
diversas teorías y modelos sobre la ejecución del proceso de estimación de la demanda,
desde la aplicación de reglas básicas para la organización y predicción de datos basadas
en ratios, hasta la aplicación de técnicas neuro económicas; sin embargo, dentro de la
comunidad académica existen argumentos a favor y en contra del uso de algunas técnicas
(Kilimci et al., 2019).
Según la revisión de antecedentes, la demanda de electrodomésticos está estrechamente

relacionada con el desempeño económico de un país (Temür, Akgün, & Temür, 2019); en
este sentido, varios estudios confirman que también existe una correlación entre las ventas
de viviendas, matrimonios y divorcios, y la sustitución de electrodomésticos, lo que
representa según algunos estudios, casi la totalidad de la demanda de estos productos
(Akdağ, 2019). En consecuencia, la estimación de la demanda en una compañía de línea
blanca se puede entender como un proceso estructurado que dichas compañías saben
gestionar; de esta manera, basadas en la experiencia lo han extendido a los nuevos

productos y servicios digitales.
Por otro lado, según el glosario tecnológico de la compañía Gartner:
La monetización de datos se refiere al proceso de utilizar datos para obtener un beneficio

económico cuantificable. Los métodos internos o indirectos incluyen el uso de datos para
realizar mejoras medibles en el desempeño comercial e informar decisiones. Los métodos
externos o directos incluyen el intercambio de datos para obtener términos o condiciones
beneficiosos de los socios comerciales, el intercambio de información, la venta de datos
directamente (a través de un intermediario de datos o de forma independiente) u ofrecer
productos y servicios de información (por ejemplo, incluida la información como un
componente de valor agregado de una oferta existente) (Gartner, 2019).
En línea con lo anterior, para las compañías de línea blanca, encontrar estrategias de
monetización se muestra novedoso, la revisión de antecedentes demuestra que el top 10
de compañías de este sector está trabajando sistemáticamente en iniciativas de
transformación digital; sin embargo, solo Whirlpool y Haier muestran indicios de estrategias
de monetización de sus datos; se puede afirmar además, de acuerdo con (Faroukhi, El
Alaoui, Gahi, & Amine, 2020a, 2020b) que existen diferentes alternativas para monetizar
los datos, que van desde la venta de datos como activo, pasando por la contextualización
de datos e incluso ofreciendo garantía de control y privacidad de los (Baecker, Engert,
Pfaff, & Krcmar, 2020).
1.6 Conclusiones parciales

La dinámica de creación de valor de este sistema está influenciada por la configuración
que la empresa tenga para capturar el mismo, esto se hace a través del concepto de
modelo de negocio y modelo operativo. Desde la perspectiva sistémica, el ecosistema IoT
integrado (producción y consumo) posee un subsistema que se encarga de “gestionar” la
dinámica de creación de valor en el ecosistema.
En un mundo en el que la incertidumbre empresarial ha aumentado debido a Covid-19, no

existe una respuesta correcta sobre cómo afrontar la colisión entre las empresas de
fabricación y las empresas digitales. A pesar de esto, se deben seguir buscando
Capítulo 1 73
soluciones; este marco teórico identifica mecanismos científicos para el análisis y el diseño,
lo que permite crear modelos operativos resistentes. La integración de la plataforma
tecnológica IoT que soporta el modelo operativo, así como la oferta de valor, ha derivado
en el desarrollo de una visión holística e integral.
Más allá de los marcos de referencia para ejecutar proyectos de transformación digital en
la industria, la investigación científica está creciendo en torno a cómo los ecosistemas
digitales crean valor; sin embargo, se ha avanzado a pasos agigantados en el
entendimiento de la adopción y las tendencias sobre el hogar conectado. Desde la
perspectiva metodológica, la aplicación de la teoría de sistemas en el análisis del objeto
de estudio, las ideas, relaciones y conceptos identificados en la teoría, han permitido la
identificar elementos clave del sistema de creación de valor en el ecosistema IoT.
Los fundamentos teóricos del modelo de negocio basado en datos se cristalizan en una
oferta de valor al cliente. La característica de esta oferta de valor es su componente digital
y una entrega mediada a través de una plataforma tecnológica, siendo esta propiedad de
la empresa o una plataforma tecnológica de un tercero. Esta oferta de valor estimula la
creación de valor del ecosistema. Finalmente, La propuesta de valor es la guía por la cual
la empresa se organiza para ejecutar las diferentes operaciones que deben realizarse para
satisfacer las necesidades del cliente; es decir, los mecanismos mediante los cuales se
estimula el sistema de creación de valor para que su objetivo pueda cumplirse.
2. Estructura de la Investigación
El fenómeno de los ecosistemas de Internet de las Cosas presenta múltiples dimensiones,
por lo que tratar de abordarlo desde una sola perspectiva seria minimizar el impacto que
este ha tenido en la industria y sociedad en general, del mismo modo, desligar los aspectos
relacionados con las plataformas tecnológicas de la estrategia digital empresarial, privaría
al investigador de la comprensión más allá de lo técnico, por tanto, formular una
metodología para esta investigación que aborde por un lado, lo cualitativo (enmarcado en
la estrategia digital empresarial) y por el otro, lo cuantitativo (basado en la comprensión y
modelaje de como la información crea valor en los ecosistemas IoT), requiere de una
propuesta rigurosa unida a una visión holística que permita dar solución al problema
científico planteado, y del mismo modo crear nuevo conocimiento .
En línea con lo anterior, este capítulo expone el proceso ejecutado para construir una
metodología que permita abordar el diseño de Ecosistemas Integrados IoT (ecosistema de
producción y ecosistema de consumo), con un enfoque de creación de valor basado en
datos, en este sentido, es necesario aclarar que el contexto de desarrollo de esta
investigación fue el de empresas de manufactura de productos de línea blanca. Ahora bien,
el concepto de diseño significa "inventar y crear", por tanto, el proceso de investigación
condujo a la creación de un nuevo artefacto que no existe, en parte debido a que el
conocimiento requerido para crearlo está incompleto (Vaishnavi, Kuechler, & Petter, 2019),
lo cual fue demostrado a través de la definición del vacío de conocimiento; es así que, para
resolver el problema de investigación se requirió adoptar el paradigma de la ciencia del
diseño, con el fin de llenar los vacíos, extender los límites de las capacidades del
investigador y las de la compañía, mediante la creación de artefactos nuevos e
innovadores (A. R. Hevner, March, Park, & Ram, 2004).
De esta manera, la investigación se diseñó de manera cuidadosa, buscando una mejor

justificación de los elementos que componen el ecosistema IoT del hogar conectado,
76 Diseño de Ecosistemas IoT para el hogar conectado
garantizando a su vez el rigor científico y la relevancia para la industria y organizaciones

(Moeini, Rahrovani, & Chan, 2019); para alcanzar ese objetivo, se tomó como base el
trabajo sobre sistemas de información, el cual se puede apreciar en la figura 2-1. Este
marco toma sentido, debido a que como se mencionó en el marco teórico, el ecosistema
integrado (de producción y consumo) soporta su funcionamiento en la plataforma digital (o
sistema de información) y, por otro lado, dicho marco presenta un balance entre la
investigación científica y las necesidades de negocio de la industria de línea blanca (Lopez
Castaño & Castillo, 2016).
Así que, la investigación relacionada con el diseño de modelos de negocio se identifica

como una de las entradas (de conocimiento base) que apalancan la construcción de la
metodología; por tanto, esta tesis parte de la base que el diseño de un ecosistema IoT
lleva implícito el diseño de un modelo de negocio, por tanto, abordar estos conceptos para
el entorno del negocio de línea blanca es un imperativo.
Figura 2-1: Marco de trabajo para investigaciones en sistemas de información.
Fuente: Elaboración propia, adaptado de A. R. Hevner et al. (2004)

También, es importante aclarar que de ninguna manera esta investigación pretende
abordar los aspectos técnicos o de desarrollo de un sistema de información, de este modo,
Capítulo 2 77
la plataforma tecnológica que de acuerdo con la revisión de antecedentes es la columna

vertebral de un ecosistema IoT y en donde se concretan los flujos de información, es
visualizada como un elemento clave que en conjunto con otros no menos importantes
permiten la evolución del ecosistema.
Este contiene, primero una revisión del enfoque de la investigación, el cual se desarrolla
en dos perspectivas: por un lado usando la clasificación del tipo de investigación
desarrollada y por el otro, desde la visión del paradigma de la investigación de la ciencia
del diseño, el cual ha sido ampliamente usado en las investigaciones sobre sistemas de
información; posteriormente se identifican las etapas en las que se desarrolló el proceso
investigativo, luego se abordan los aspectos de evaluación del mismo proceso y,
finalmente se expone la estrategia para probar la hipótesis planteada.
2.1 Diseño de la Investigación

Desde el punto de vista del tipo de investigación la tesis se definió como mixta, con diseño
descriptivo explicativo en dos fases, una primera fase descriptiva basada en el método de
expertos y la simulación (Hernandez Sampieri, Fernández, & Baptista, 2014), en donde se
buscaba tener una abstracción del sistema de creación de valor del ecosistema de
consumo (en el contexto del hogar conectado), así como, la ampliación de conocimiento
base sobre la dinámica de creación de valor en el ecosistema, lo anterior apoyado en el
método de expertos y en la experimentación a través de métodos de lógica difusa y
dinámica de sistemas; para ilustrar esto se elaboró la figura 2-2.
La segunda parte, se diseñó con una línea explicativa, utilizando el método de caso con
un valor instrumental, lo cual quiere decir, que se usó para generalizar a partir de
situaciones específicas en el entorno de la compañía de línea blanca; en términos
generales, dicho caso tomó un papel de apoyo en esta investigación con el fin de formular
afirmaciones sobre el diseño de ecosistemas IoT (Jiménez & Comet, 2016). En el mismo
sentido, se planteó usar el enfoque de la teoría fundamentada, el cual tenía como objetivo
desarrollar una descripción teórica sobre las características y el diseño de ecosistemas
IoT, en esta línea, para alcanzar este objetivo se tuvo en cuenta la revisión de literatura,
además de las observaciones y entrevistas ejecutadas en el estudio de caso (Walsh,
2015).
Figura 2-2: Enfoque de investigación según el tipo.
Fuente: Elaboración propia
Por otro lado, desde la perspectiva del paradigma, esta tesis se fundamentó en la ciencia
del diseño (Design-Science), dicho enfoque aplicado alrededor de estudios sobre sistemas
de información, versa sobre el diseño de artefactos de Tecnología de Información (TI) y
aunque existen diferentes opiniones sobre lo que constituye el diseño de artefactos de TI,
en esta investigación adopta la visión pragmática de Markus, Majchrzak, and Gasser
(2002) sobre la teoría de diseño, la cual define la utilización de esta teoría para explicar la
relación medios-fines como un mecanismo práctico y prescriptivo causal para justificar los
componentes del diseño.
Con el anterior en mente, la figura 2-3 muestra de manera esquemática la estructuración

del diseño metodológico de la investigación, visto a través del lente de la ciencia del diseño;
en este sentido, la aplicación de este paradigma tiene como objetivo la creación de
artefactos que apoyen la estructuración de la metodología de diseño de ecosistemas IoT;
a su vez, esta investigación tuvo especial cuidado en mantener de principio a fin la visión
Capítulo 2 79
de creación de valor con la información, la cual hace parte fundamental de la hipótesis e

igualmente apunta también a garantizar la rigurosidad.
Dicho lo anterior, el contexto de trabajo en una compañía de manufactura de productos de

línea blanca permitió alcanzar tres objetivos, el primero está relacionado con el alcance de
la investigación, para acotar el problema, el segundo por su parte, tiene que ver con la
ampliación de conocimiento sobre el ecosistema de producción (cuyo concepto en la
empresa está ligado a la cadena de suministro y manufactura de productos) y el tercero,
permitió alcanzar adicionalmente el objetivo de novedad practica y relevancia que debe
tener una investigación. En resumen, desde la perspectiva de la ciencia de diseño esta
tesis busca trabajar en el ámbito del diseño de ecosistemas IoT ajustados al enfoque de
creación de valor con la información y al contexto de compañías de manufactura de
productos de línea blanca.
Figura 2-3: Enfoque de investigación de acuerdo con el paradigma.

En definitiva, en este enfoque iterativo que será explicado con más detalle en la siguiente
sección, el rigor científico de la construcción de artefactos y su evaluación, se materializa
mediante las siguientes actividades, por un lado, justificar la propuesta metodológica para
el diseño de ecosistemas IoT, a través de la aplicación del método de expertos y la teoría
fundamentada, y por el otro, evaluar la metodología mediante la identificación de las
debilidades en los aportes teóricos o en la construcción misma del artefacto, por medio del
método de caso y la simulación (A. R. Hevner et al., 2004).
2.1.1 Sistemas de Información, un enfoque mixto

Desde el ámbito de las tecnologías de información y las comunicaciones, la investigación
de la ciencia del diseño es un paradigma o conjunto de técnicas y perspectivas sintético-
analíticas, las cuales complementan las perspectivas positivista, interpretativa y crítica; con
esto en mente, el paradigma busca crear innovaciones que definan las ideas, prácticas y
productos a través de los cuales el análisis, diseño, implementación, gestión y uso de los
sistemas de información pueden realizarse de manera efectiva y eficiente (Denning, 1997).
Según Simon (1996), el paradigma de la ciencia del diseño es usado fundamentalmente
para la resolución de problemas, en gran parte debido a que los sistemas complejos en la
industria y organizaciones combinan componentes humanos y tecnológicos, cuyos
atributos funcionales y técnicos no se conocen necesariamente por separado o de manera
integrada.
En tal sentido, la investigación de la ciencia del diseño generalmente implica la creación

de un artefacto y/o teoría del diseño como un medio para mejorar el estado actual de la
práctica, así como el conocimiento de investigación existente (Baskerville, Baiyere, Gregor,
Hevner, & Rossi, 2018); así mismo, la creación de estos elementos se basa en las teorías
base, que por un lado se evalúan (aplicándolas y/o probándolas) y por el otro, se refinan
(modifican y/o amplían) a través de la experiencia, la reactividad, la intuición y las
capacidades del investigador (Markus et al., 2002; Walls, Widmeyer, & El Sawy, 1992).
En consonancia, según (Vaishnavi et al., 2019) este paradigma involucra dos actividades
principales para mejorar y comprender el comportamiento de los aspectos de los sistemas
de información, el primero está relacionado con la creación de nuevos conocimientos a
través del diseño de artefactos (constructos, modelos o métodos) novedosos o
Capítulo 2 81
innovadores y el segundo, a través del análisis del uso y/o rendimiento del artefacto con
reflexión y abstracción.
En síntesis, las contribuciones de la ciencia del diseño a la investigación sobre sistemas

de información en la industria y organizaciones, se pueden evidenciar desde diferentes
ópticas, por ejemplo, las contribuciones de Drechsler and Hevner (2016) y Mullarkey and
Hevner (2019) tratan sobre el desarrollo de ciclos iterativos como pilares de los procesos
inmersivos en la industria y organizaciones, por su parte Peffers, Tuunanen, & Niehaves
(2018) proponen la simulación como medio de evaluación riguroso; en tanto que, los
sistemas de toma de decisiones en las organizaciones son especialmente abordados por
(Arnott & Pervan, 2016; Coenen et al., 2018).
En la misma línea, las innovaciones a los aspectos teóricos de la ciencia del diseño son
ampliamente tratados por investigadores como (Baskerville et al., 2018; Hatchuel, Le
Masson, Reich, & Subrahmanian, 2018; Peffers et al., 2018; Schultze, 2017), así mismo,
los temas de la rigurosidad científica que debe tener el paradigma son analizados por
Venable, Pries-Heje, & Baskerville (2016) y para finalizar, pero no menos importantes, los
aportes que están relacionados con los procesos de innovación y emprendimiento digital
(Dimov, 2016; A. Hevner, vom Brocke, & Maedche, 2019) y la alineación de la ciencia del
diseño con la ingeniería de software (Engström, Storey, Runeson, Höst, & Baldassarre,
2019).
2.2 Proceso de Desarrollo de la Investigación

Para el desarrollo de esta investigación, fue necesario desarrollar una visión holística del
fenómeno de ecosistemas IoT, lo que presentó un alto grado de dificultad, en términos
generales debido a la integración de las perspectivas de sistemas de información, cadenas
de suministro, manufactura y estrategia empresarial; en este sentido, el entendimiento
detallado sobre el modelo de negocio y operativo de una compañía de línea blanca, fue
fundamental para articular los diferentes elementos de investigación hacen parte de esta
tesis.
Por consiguiente, a pesar del diseño en siete etapas mostrado en la figura 2-4, es muy
difícil establecer con claridad un orden de eventos a través del tiempo, debido en gran
medida a la naturaleza del enfoque de la ciencia del diseño, así como el trabajo de
retroalimentación con la compañía de línea blanca, que por su naturaleza prioriza y ejecuta
actividades en tiempos opuestos a los del desarrollo de esta tesis.
2.2.1 Etapa de estructuración

Como quedo establecido en la fase de arquitectura, en años recientes el fenómeno de
ecosistemas IoT ha implicado que los sectores de manufactura se vean especialmente
impactados; una de las referencias del sector y con el cual el de línea blanca comparte
prácticas, es la industria automovilística, cuyo modelo de negocio estaba en línea de
colisión con compañías emergentes de diferentes sectores (Weiller, Shang, Neely, & Shi,
2015), con lo anterior en mente, el punto de partida de esta investigación surge sobre el
cuestionamiento de si lo mismo le pasaría al sector de línea blanca.
Asimismo, en años recientes surgieron conceptos de transformación organizacional

basados en lo digital, los cuales desencadenaron un cambio en la agenda de investigación
y derivaron en la definición de nuevos componentes de construcción (building blocks)
(Kohtamäki, Parida, Oghazi, Gebauer, & Baines, 2019); de esta manera, nuevas
metodologías ayudarían (en teoría) a las compañías a adaptarse a este nuevo entorno
competitivo (Chanias, Myers, & Hess, 2019); sin embargo, en la etapa de estructuración
de esta investigación, se adoptó el cambio en la dinámica de creación de valor en los
ecosistemas, como eje central y guía de la tesis (Vial, 2019).
De esta manera, la fase de estructuración se basó en la amplia revisión de literatura (Lopez

Castaño & Castillo, 2016) y la formulación del problema científico y practico, seguidamente,
en el año 2018 se desarrolló una propuesta metodológica preliminar para abordar el
fenómeno, la cual fue presentada a la compañía de línea blanca y enmarcada
específicamente un su naciente iniciativa de transformación digital. Es necesario aclarar
que no hubo un criterio específico para seleccionar a la empresa de línea blanca, más bien
se debió a la oportunidad por parte del investigador de interactuar con una empresa de
línea blanca con alcance global y no solo en una ciudad o país específico.
Figura 2-4: Proceso de investigación.

Por otro lado, desde la perspectiva de la ciencia del diseño aplicada a la investigación de
sistemas de información, esta fase hace parte de la identificación de conocimiento
aplicable necesario para ejecutar la investigación, el cual se nutre de la diferentes teorías
y conceptos prácticos de la industria y organizaciones (Reinartz, Wiegand, & Imschloss,
2019). Finalmente, los tres pasos de esta fase de estructuración cumplieron los objetivos
de analizar, diseñar y proponer, y concluyeron con la aprobación de la propuesta por parte
de la universidad, así como el posterior visto bueno de ejecución en la compañía de línea
blanca a través de sus oficinas corporativas.
2.2.2 Diseño tentativo

El siguiente paso en la metodología de investigación, fue el diseño tentativo con miras a la
identificación de expertos para el desarrollo del panel, quienes aportarían al entendimiento
de la dinámica de creación de valor en los ecosistemas IoT del hogar conectado, así como
los expertos (internos y externos) de la compañía que ayudarían a validar los resultados
del método de caso aplicado sobre la transformación digital en ejecución. Este diseño
permitió no solo alcanzar una interlocución efectiva con los expertos, sino que, además
permitió comprender de manera preliminar los diferentes componentes de la solución
propuesta.
De otra parte, para el desarrollo de esta etapa se definieron como guía las siguientes
preguntas de investigación:
• ¿Cuáles son los elementos, objetivos, variables, datos, relaciones y escalas que se
deben incluir en el diseño de un ecosistema IoT del hogar conectado?
• ¿Cómo se definen criterios de evaluación que permitan valorar el desempeño de
un ecosistema IoT del hogar conectado?
• ¿De qué manera la analítica de ingentes volúmenes de datos permite describir,
predecir y explotar los flujos de información al interior de un ecosistema IoT del
hogar conectado?
• ¿Cómo se debe estructurar un modelo matemático para abordar el diseño de un
ecosistema IoT del hogar conectado?
• ¿Cuál es la metodología de solución apropiada para diseñar un ecosistema IoT del
hogar conectado que permita hacer frente las a barreras computacionales?
Las anteriores preguntas están orientadas al “cómo”, “de qué manera” y “cuál”, debe ser
la metodología de diseño de ecosistemas IoT, en el contexto de las compañías de línea
blanca y con visión en la creación de valor basada en la información; el entendimiento en
profundidad sobre estas preguntas sería desarrollado en las fases posteriores de
ejecución, por lo que el diseño tentativo tuvo que ser refinado y ajustado a partir de las
interacciones con los expertos.
2.2.3 Panel de expertos

La ruta metodológica continúa con la selección de expertos, por medio del cual se buscará
establecer la convergencia de opiniones respecto al diseño de ecosistemas IoT en el hogar
conectado y deducir los eventuales consensos; en este sentido, se propone integrar el
proceso propuesto por Skinner, Nelson, Chin, & Land (2015) para desarrollar estudios
relacionados con los sistemas de información.
Esta investigación fue desarrollada con el apoyo de un grupo de expertos, inicialmente, se

seleccionaron, invitaron y contactaron a más de 50 candidatos que representan a
diferentes organizaciones, universidades y centros de investigación en Iberoamérica; en
consecuencia, para la verificación de la idoneidad de cada uno de ellos, se diseñó un
instrumento de autoevaluación experto, dicho instrumento se estructuró bajo la modalidad
de encuesta en línea y estuvo conformado por nueve preguntas, dividida en las siguientes
secciones:
• Sección 1: Información demográfica. A través de tres preguntas se requiere

establecer el perfil general del candidato a experto.
• Sección 2: Autoevaluación de experiencia. El objetivo es realizar una valoración del
nivel de experiencia que poseen los candidatos, evaluando los niveles de
conocimientos sobre Internet de las Cosas.
• Sección 3: Determinación de fuentes de argumentación o fundamentación. Permite
valorar un grupo de aspectos que influyen sobre el nivel de argumentación o
fundamentación del candidato en su comprensión del fenómeno de Internet de las
Cosas.
• Sección 4: Recomendaciones para la selección de expertos. Permite obtener las
recomendaciones de mejora para la selección de expertos.
Capítulo 2 87
En cuento a la valoración sobre el nivel de experiencia, se diseñó el instrumento para medir

el nivel de conocimiento basado en (Hurtado De Mendoza, 2012), lo cual genero un
proceso de tres etapas:
1. Autoevaluación de los niveles de información y fundamentación que posee el

candidato sobre el tema de Internet de las Cosas, de acuerdo con lo que conoce,
ha escuchado, leído o investigado.
Se calcula el Coeficiente de Conocimiento o Información (Kc), a través de la siguiente

fórmula:
Kc = ∑ n/t
Donde:
Kc: Coeficiente de Conocimiento o Información

n: Rango seleccionado por el experto
t: número de temas relacionados con Internet de las Cosas que se están evaluando.
2. Valoración de un grupo de aspectos que influyen sobre el nivel de argumentación

o fundamentación sobre Internet de las Cosas. Aquí se determinan los aspectos de
mayor influencia. A partir de estos valores reflejados por cada experto en la tabla
se contrastan con los valores de una tabla patrón. Los aspectos que influyen sobre
el nivel de argumentación o fundamentación permiten calcular el Coeficiente de
Argumentación (Ka) de cada experto:
Ka = a * ni = (n1 + n2 + n3 + n4 + n5 + n6)
Donde:
Ka: Coeficiente de Argumentación

ni: Valor correspondiente a la fuente de argumentación i (1 hasta 6).
3. Una vez obtenido los valores del Coeficiente de Conocimiento (Kc) y el Coeficiente
de Argumentación (Ka), se desarrolla el Coeficiente de Competencia (K) que
finalmente es el coeficiente que determina cual experto se toma en consideración
para trabajar en esta investigación. Este coeficiente (K) se calcula de la siguiente

forma:
K = 0,5 (Kc + Ka)
Donde:
K: Coeficiente de Competencia
Kc: Coeficiente de Conocimiento
Ka: Coeficiente de Argumentación.
En cuanto a la evaluación del instrumento, su ejecución fue realizada por cinco expertos;
dicho instrumento consta siete preguntas cuyo objetivo era evaluar la pertinencia de cada
una de las secciones anteriormente descritas (Lopez & Castillo, 2020); es importante
resaltar que en este estudio se seleccionaron expertos de competencia alta (80% o
superior), no obstante, se valoró incluir expertos de competencia media cuando el
coeficiente de competencia promedio de todos los posibles expertos fuera alto, finalmente
no se utilizaron expertos de competencia baja, en la tabla 2-1 se pueden observar los
coeficientes.
Tabla 2-1: Coeficiente de competencia de expertos participantes en la investigación.

Region where Competence
Expert Workplace Role
expert works Coefficient
Expert1 Colombia University 1 PhD Research 82%
Expert2 Mexico University 2 PhD Research 82%
Expert3 Colombia Innovation Center 1 PhD Innovation 90%
Expert4 Colombia University 1 Phd Research 84%
Expert5 Spain University 3 PhD Research 74%
Expert6 Colombia University 4 PhD Research 77%
Expert7 Spain University 5 PhD Research 78%
Expert8 Spain Innovation Center 4 Practitioner 72%
Expert9 LATAM US Tech Company 1 Sales in Tech Company 96%
Expert10 Colombia Consultancy-Tech Company Innovation 86%
Expert11 Mexico Appliances Company Practitioner 73%
Expert12 Colombia Innovation Center 2 Research - (PhD Candidate) 97%
Expert13 Spain Innovation Center 3 Research 76%
Expert14 LATAM US Tech Company 2 Product Manager in Tech Company 76%
Average KC 82%

Capítulo 2 89
2.2.4 Mapeo de Valor

En esta etapa se desarrolló un proceso investigativo en tres partes, la primera se denominó
descubrimiento del sistema y tenía como finalidad, entender la dinámica de la creación de
valor en el ecosistema IoT del Hogar conectados; dicho esto, para facilitar la comunicación
con los expertos y alcanzar el objetivo de investigación, se partió de la base de que la
dinámica de creación de valor en el ecosistema, por si misma era un sistema con unos
componentes y comportamientos aún por descubrir.
La segunda parte, está compuesta por un análisis de influencia de las variables, basados
en la perspectiva de sistema, una variable existe solo por su red de relaciones con los
demás, la comparación de las variables en diferentes clasificaciones permite confirmar la
importancia de algunas de ellas, pero de la misma manera permite identificar variables que
debido a sus acciones indirectas juegan un papel importante (y que el ranking directo no
reveló) (Arcade, Godet, Meunier, & Roubelat, 2009). Para este proceso de análisis, se
utilizó el software de código abierto Lipsor - MICMAC, que se basa en la investigación de
Michael Godet (Godet, 2001; Godet, Monti, Meunier, & Roubelat, 2000).
En línea con lo anterior, para la identificación de variables clave, que son esenciales para
la evolución del sistema; Se diseñó un instrumento web que permitía a cada experto
relacionar cada una de las 27 variables inicialmente identificadas mediante la
determinación del tipo de relación (nula, débil, media, fuerte o potencial) y, en primer lugar,
se realizó una matriz de clasificación directa con la ayuda de software, luego se construyó
una matriz de clasificación indirecta (llamada MICMAC, Matriz de Impacto Cruzado
Multiplicación Aplicada a la Clasificación). Esta clasificación indirecta se obtiene después
de la elevación de potencia de la matriz.
El análisis estructural para identificar variables críticas, ha sido usado en diferentes

investigaciones, tanto en Colombia como alrededor del mundo, en donde resaltan algunos
temas como la definición de procesos de intervención en las organizaciones (Uribe &
Vargas, 2016), la gestión de proyectos (Al Zaabi & Bashir, 2020; Bashir, Ojiako, & Mota,
2020), en el contexto de ciudades inteligentes (Gandhi, Haleem, Shuaib, & Kumar, 2020)
y barreras logísticas en la industria de un país (Waqas, Qianli, Ahmad, Zhu, & Nadeem,
2020).
La tercera y última parte de esta etapa, se define mediante la interpretación de un plano

de cuatro cuadrantes (ver figura 3-10) que relaciona la influencia y dependencia de las
variables, con lo cual se obtiene una lectura completa del sistema de acuerdo las variables
“motor” y dependientes; es decir, para cualquier variable su valor estratégico estaría
determinado por la suma de su valor motor y su valor de dependencia, así:
VE (n) = VM (n) + VD(n)
Donde:
VE= Valor Estratégico
VM= Valor Motor
VD= Valor de Dependencia
n = Variable Clave
De esta manera, la combinación de ambos resultados define las variables según su

tipología, su disposición en el plano en relación con las diagonales muestra una primera
clasificación, que de acuerdo con la teoría del análisis estructural, las variables que se
encuentran en el área superior derecha son definidas como las variables clave o variables
de desafío del sistema, de este modo, dichas variables juegan un papel principal en el
ecosistema y son bastante dependientes; en el mismo sentido, estas variables también
pueden alterar el funcionamiento normal del sistema, así como sobre determinarlo, en
estricta teoría, son inestables por naturaleza.
Figura 2-5: Análisis del eje estratégico.
Fuente: Elaboración propia basado en (Godet, 2001).

Capítulo 2 91
2.2.5 Etapa de simulación y comprobación empírica

Una de las dinámicas más importantes del sistema de creación de valor de los ecosistemas
IoT, es poder conectar una gran cantidad de dispositivos que conforman el ecosistema
empresarial de una compañía de línea blanca (Cunha & Kidanu, 2017), en este sentido,
conectar lo desconectado permite que la información en toda la cadena de suministro se
recopile y se alimente a un proceso de análisis (Dunbrack, Ellis, Hand, Knickle, & Turner,
2016) , con el fin último de crear Inteligencia Accionable (termino al que me refiero para
definir la información que permite a una compañía generar acciones en tantas facetas del
negocio como sea necesario) .
En línea con lo anterior, según Dunbrack et al., (2016), el valor empresarial se crea
combinando los datos de los dispositivos IoT, integrándolos con otros, generando un
círculo virtuoso de generación de valor (Inteligencia Accionable); de esta manera, las
soluciones basadas en IoT forman parte integral del modelo operativo de una empresa y
por tanto, deben verse como parte integral de una estrategia digital (Reddy & Reinartz,
2017); en el mismo sentido, la medición del valor a lo largo de toda la cadena de suministro
se vuelve imperativo para buscar mejoras al desempeño del sistema (Gencer, 2018).
Dicho lo anterior, la estrategia de evaluación y comprobación de resultados se diseñó en

tres partes, en primera instancia se evaluaron los constructos (modelos y metodología),
mediante la aplicación del método de caso, en este sentido, se seleccionaron algunas
iniciativas digitales que la compañía de línea blanca estaba planeando ejecutar y que
cumplían con los criterios definidos en la tabla 2-2, de igual manera, después de confirmar
con la empresa la inmersión en los proyectos, se confirmó también la participación de
algunos directivos como expertos de apoyo, con el fin de brindar retroalimentación sobre
los resultados de aplicación de la metodología propuesta.
Con lo anterior en mente, el método de caso pretende generalizar a partir de un conjunto

de situaciones específicas (algunos proyectos de transformación digital en una compañía
de línea blanca); con esto en mente, el caso se examina para profundizar en un tema o
afinar una teoría, de tal modo que el caso juega un papel secundario, de apoyo, para llegar
a la formulación de afirmaciones sobre el objeto de estudio (Jiménez & Comet, 2016). En
esta parte de la investigación, la observación (enmarcada en la dinámica de ejecución de
los proyectos) jugo un papel importante y al igual que la recopilación de datos utilizando
múltiples fuentes para cada proyecto, permitió la triangulación de la evidencia; de esta
manera; se mejoró la precisión e integridad del estudio, con lo cual se fortalece la
credibilidad de los resultados de la investigación (Morgan, Pullon, Macdonald, McKinlay, &
Gray, 2017).
Para terminar esta primera parte, es necesario resaltar que el método de caso ha sido
ampliamente usado en investigaciones sobre ingeniería de software (Amershi et al., 2019;
Dremel, Herterich, Wulf, & Vom Brocke, 2020) y proyectos de innovación (Brix, 2017), por
lo que el entorno de aplicación en una compañía que estaba ejecutando una
transformación digital a gran escala (Vial, 2019), permitió desarrollar un marco de
interacción en donde los conceptos fueron abordados con total transparencia; en este
sentido, a juicio del investigador, no hubo resistencia en la compañía, más bien, se
demostró total apertura e interés por comprender como es que la información crea valor
para la empresa.
Tabla 2-2: Criterios para seleccionar iniciativas de transformación.

Criterio Descripción
Objetivo de la iniciativaPreferiblemente la iniciativa debe tener la ambición de hacer
cambios al modelo operativo o de negocio actual, el caso de
negocio debe tener cuantificados los beneficios que la
iniciativa trae para la compañía, la estrategia de medición de
esos avances debe estar estructurada.
Estado Debe estar activa o parcialmente activa, de tal manera que se
pueda interactuar con el equipo de desarrollo de la iniciativa.
Tipo de iniciativa Debe estar orientada a la transformación de la cadena de
suministro, con la ambición de generar nuevas eficiencias en
el proceso, o generar nuevas experiencias al cliente o
consumidor.
Estructura Se deben seleccionar proyectos cuyos líderes tengan la
apertura para la colaboración y brindar la información
necesaria. Los proyectos que tengan un marco Ágil de trabajo
serán prioritarios, esto con el fin de poder interactuar de mejor
manera en las reuniones de los Sprint, de esta manera la
recopilación de información será más efectiva.
Aspectos tecnológicos El componente tecnológico debe ser parte fundamental de la
iniciativa, la iniciativa debe contar con una visión y arquitectura
clara que permita observar como la tecnología apalanca la
creación de valor.
Capítulo 2 93
En segunda instancia, para analizar el comportamiento del sistema de creación de valor

del ecosistema IoT, se definió en el diseño metodológico la utilización de técnicas de
simulación, de esta manera, se lograría evidenciar el comportamiento del sistema (cuya
determinación fue hecha por los expertos) en términos de creación de valor. En esta línea,
a pesar de los retos computacionales de modelación que los sistemas complejos
representan, la simulación dinámica es una herramienta idónea para construir modelos
que reproduzcan el comportamiento de sistemas complejos (Fujimoto et al., 2017; Lane &
Sterman, 2011; Lyneis, 2020); Sin embargo, no existe un método de evaluación
universalmente aceptado para validar un modelo dinámico, el enfoque usado en esta tesis
es el de comprobar los resultados en la práctica, utilizando la opinión de expertos.
De la misma manera, no se pudo evidenciar modelos de referencia sobre los cuales

basarse para representar el sistema de creación de valor del ecosistema IoT, en el mismo
sentido, tampoco fue posible compararlo con un el modelo que contenga las estructura
del sistema real; con esto en mente, para construir el modelo se desarrolló un exhaustivo
análisis de documentos, lo cual unido a un panel de expertos de primer nivel definió la
conceptualización del modelo, así como, los mecanismos necesarios para realizar
simulaciones y comprobar los resultados.
Por tanto, una vez construido el modelo del sistema de creación de valor, este fue simulado
empleando un conjunto de supuestos alternativos, dando lugar en cada simulación a un
conjunto de resultados; con los cuales, un análisis comparativo de los distintos escenarios
permitirá elegir el más favorable en función de los objetivos perseguidos por la compañía
de línea blanca.
Consecuentemente, el proceso de validación se dividió en cuatro partes: Primero, la

validación estructural permite comprobar los componentes y variables clave del sistema de
creación de valor del ecosistema IoT, en este sentido, la explicación de este proceso fue
hecha en el apartado anterior; en segunda instancia, se usa la opinión de expertos para
validar que el modelo mental creado define satisfactoriamente el sistema (Bariss,
Bazbauers, Blumberga, & Blumberga, 2017), en este sentido, debe cumplir con el criterio
de “adecuada representación” propuesto por Forrester (1997); sin embargo, según Lyneis
(2020) algunos profesionales sostienen que los modelos grandes y complejos deben
evitarse, por varias razones: pueden ser entendidos como cajas negras, pueden ser
difíciles de entender (no solo para los no modeladores, sino incluso para los modeladores)
y difíciles de desarrollar, por tanto, la simplicidad del modelo es uno de los objetivos a
alcanzar en esta tesis (Proper & Bjeković, 2020).
En tercer lugar, una vez creado el modelo en una herramienta informática, se ejecutan
pruebas de consistencia dimensional y verificación de parámetros (Izquierdo, Galán,
Santos, & Del Olmo, 2008), finalmente se ejecutan pruebas de comportamiento del modelo,
en las cuales se evalúan las ecuaciones de flujos a través de ecuaciones auxiliares
(Alvarado & Ontiveros, 2016), según Saeed (2017) esta prueba es una métrica abstracta
de como las intervenciones de la vida real que se pueden mapear en el modelo y simular
para evaluar su desempeño; en esta última parte se desarrolló un esquema comparativo
de cuatro puntos para tres tipos de escenario, el cual se puede observar en la siguiente
tabla:
Tabla 2-3: Esquema comparativo de valoración de escenarios.

Criterios Escenarios
Básico Optimista Excepcional
Nivel de generación de nuevas experiencias
al cliente y/o Consumidor
Nivel de nuevas eficiencias en la cadena de
suministro
Análisis de impactos en el Modelo Operativo
Análisis de impactos en la Oferta de Valor,
Visibilidad y monitoreo de la estrategia digital
La investigación de Za, Pallud, Agrifoglio, and Metallo (2020) muestra que la dinámica de
creación de valor en los modelos de negocio digital, tiene presentes conceptos que se
interrelacionan entre sí, identifican dos clústeres de conceptos, el primero tiene que ver
con la "Co-creación", "Redes sociales" y "Comunidades en línea" y el segundo las "Redes
de colaboración" y "Creación de valor", de igual manera, el puente que los une es el
concepto de “con-Innovación”.
Capítulo 2 95
Igualmente, se puede inferir que la dinámica de sistemas es una herramienta útil para
abordar el modelaje de este sistema complejo; en este sentido, diferentes investigadores
lo han aplicado para, realizar análisis estratégicos en organizaciones (Morales, Velásquez,
& Beltrán, 2016), para analizar las nuevas realidades de los modelos de negocio digitales
(Y. Xu & Koivumäki, 2019), otros, como análisis de casos en donde las compañías
cambiaron su modelo de negocio (Baber, Ojala, & Martinez, 2019) y como instrumento
para proponer modelos de madurez en los procesos de transformación digital en la
industria (Klötzer & Pflaum, 2017); por tanto, existe evidencia de que este enfoque es una
buena alternativa para modelar y simular el sistema de creación de valor del ecosistema
IoT.
Derivado de lo anterior, en la simulación de la dinámica del sistema de creación de valor,

se utilizó el software Vensim, el cual fue desarrollado por la compañía Ventana Systems y
que ellos autodenominan como: “Potente software de simulación para mejorar el
rendimiento de sistemas reales”; por tanto, las actividades para comprobar el modelo
empiezan con el análisis de consistencia dimensional, en este sentido, el software posee
una función para revisar la sintaxis del modelo (Check Model), mediante esta funcionalidad,
el editor de ecuaciones verifica que esta use toda las entradas, revisando además que la
estructura del modelo sea la misma que lo representado en el diagrama (ver figura 2-6).
Figura 2-6: Funcionalidades de comprobación del modelo en Vensim
Seguidamente, para detectar errores de coherencia en las unidades, se ejecuta la

funcionalidad de Units Check, de esta manera, se garantiza que en el proceso iterativo de
construcción del modelo paralelamente se hace una verificación del mismo; del mismo
modo, se deben realizar Verificaciones de Parámetros, con el objetivo de analizar su
correspondencia conceptual y numérica con las observaciones realizadas en el contexto
de la compañía de línea blanca y con los proporcionados por los expertos (Radzicki, 2020).
Según Alvarado and Ontiveros (2016) la prueba de condiciones extrema es necesaria para
mejorar la comprensión y utilidad del mismo, en este sentido, esta prueba genera mayor
confianza en los resultados, que una simulación bajo condiciones controladas.
Por último, la validación estadística se ejecuta con treinta y seis simulaciones, es decir,
tres escenarios por cada una de las doce combinaciones que resultan de la tabla 2-3, en
esta línea, se utiliza la técnica de error relativo, para analizar el porcentaje de error
generado por los datos reales y simulados.
2.2.6 Etapa de diseño de metodología

El diseño o adaptación de un modelo de negocio digital para una compañía de línea blanca,
debe contemplar el contexto de funcionamiento del ecosistema IoT integrado, es decir el
ecosistema de consumo, representado como el ecosistema que funciona en torno realizar
una oferta de valor para el consumidor final y el ecosistema de producción, el cual está
representado por la cadena de suministro de la compañía de línea blanca, en este sentido,
la colaboración con clientes y proveedores apalanca el valor en la cadena de suministro
digital.
De esta manera, las actividades necesarias para conceptualizar la metodología propuesta

en esta tesis se fundamenta en cinco pilares, los cuales se pueden ver en la gráfica 2-7 y
que explicare brevemente en los siguientes párrafos; primero, el sistema de creación de
valor es el motor de todo el sistema, el cual genera inteligencia accionable para hacer que
el modelo de negocio y el modelo operativo funcionen sincronizadamente, en este sentido,
la potencia del motor está definida por la configuración de estos elementos.
En línea con lo anterior, la oferta de valor permite potenciar la creación de valor del sistema
y entregar el valor a los consumidores, clientes o proveedores, mientras que por medio del
modelo operativo se materializa la captura de valor, basados en los niveles de servicio,
mismos que deben ser mejorados con la creación de nuevas eficiencias basadas en digital.
Capítulo 2 97
Figura 2-7: Pilares para la construcción de la metodología.
2.2.7 Teorización y generalización de resultados

La aplicación de la teoría fundamentada en el campo de los sistemas de información ha
sido amplia, en este sentido, el articulo seminal de Orlikowski (1993) sentó las bases para
su utilización. En termino generales la teoría fundamentad comprende tres procesos, la
descripción de los constructos conceptuales, el cual usualmente se desarrolla a través del
proceso de codificación abierta, en este proceso se identifican “categorías” y sus
“propiedades” detalladas; el segundo proceso, es la interpretación de las categorías y
propiedades identificadas en la etapa anterior, de este modo, en la segunda etapa se
refinan los constructos conceptuales, en esta etapa el problema de investigación se refina,
en muchos casos con los mapas mentales construidos por el investigador (Elbanna &
Linderoth, 2015).
Del mismo modo, la tercera y última etapa corresponde a la codificación teórica, que resulta
en el proceso de formulación de teoría sobre el fenómeno estudiado, de esta manera, el
proceso de análisis de datos de los etapas anteriores, se pueden resumir en los siguientes
aspectos de la teoría fundamentada: la codificación abierta, la cual se ayuda en técnicas

de análisis descriptivo, una codificación axial, para agrupar la categorías abiertas a través
de los lentes del modelo utilizado como paradigma (en esta tesis el lente de la creación de
valor con la información, en el contexto de los ecosistemas IoT y de las compañías de línea
blanca) y por ultimo una codificación selectiva, en donde se desarrollan detalladamente las
categorías, identificando una categoría central que se integra o interrelaciona con las
demás (De la Torre et al., 2011).
En línea con lo anterior, el impacto de implementar sistemas de información en las

organizaciones ha sido del mismo modo ampliamente estudiado (Aanestad & Jensen,
2016), en esta tesis el impacto es analizado de manera prospectiva, en una etapa inicial
de diseño de un modelo de negocio que derivará posteriormente en el análisis, diseño e
implementación de un sistema de información que lo soporte; en este sentido, la
perspectiva de creación de valor con la información es el paradigma que permite guiar
estas actividades de construcción del sistema (Halaweh, 2012); por tanto, se hace
necesario comprender desde la conceptualización del sistema de información, la dinámica
de creación de valor en un entorno especifico (Barrett, Oborn, & Orlikowski, 2016).
2.3 Evaluación de la metodología propuesta

Evaluar la metodología es el procedimiento que permite determinar la fiabilidad de la
propuesta realizada en esta tesis De la Torre et al. (2011), en este sentido la teoría
fundamentada tiene la particularidad de permitir un proceso metódico, sistemático e
interpretativo del fenómeno de estudio (Bonilla-García & López-Suárez, 2016) .
De esta manera, para evaluar la construcción de teoría materializada en la metodología,

esta investigación tendrá como guía la propuesta de Urquhart, Lehmann, and Myers
(2010), la cual permite tener un hilo conductor para desarrollar la teoría fundamentada y
evaluarla; es necesario resaltar, que esta estrategia es usada regularmente en estudios de
sistemas de información, y para resaltar el proceso se desarrolló la siguiente tabla.
Capítulo 2 99
Tabla 2-4: Guía para la aplicación de teoría fundamentada.

Categorías para la teorización Descripción
1 Comparación constante Es el proceso de comparar constantemente las
categorías identificadas en el diseño de ecosistemas
IoT con otras instancias de datos en investigaciones y
casos prácticos relacionadas a este fenómeno.
Este proceso contribuye al desarrollo de la teoría al
exponer las propiedades analíticas de los códigos y
categorías al escrutinio riguroso.
2 Conceptualización Iterativa Este proceso se ejecuta a través del proceso de
codificación teórica, con el cual se aumenta el nivel de
abstracción y relacionan categorías entre sí. Las
relaciones entre categorías pueden ser de muchos tipos
diferentes, no solo causales. De este modo se
contribuye a la comprensión de las relaciones entre los
conceptos o factores de una teoría.
3 Muestreo Teórico El muestreo teórico ayuda a asegurar la naturaleza
integral de la teoría; de esta manera, el estudio de
expertos, la aplicación práctica en una empresa de
línea blanca y la revisión de literatura, garantizan el
desarrollo de teoría basado en los datos.
4 Escalamiento Con el fin de evitar la producción de una teoría de bajo
nivel, es necesario ampliar el proceso de agrupación de
categorías a un nivel superior en temas más amplios,
esta ampliación, contribuye a la generalización de la
teoría. En esta tesis el proceso de escalamiento de la
teoría se hace teniendo en cuenta los ecosistemas
digitales en general y su aplicación industria de
manufactura, y no la especifica abordada aquí.
5 Integración Teórica Según Urquhart et al. (2010), “la Integración teórica
significa relacionar la teoría con otras teorías en el
mismo campo o similar. Este principio contribuye a la
integración teórica en la disciplina y podría ayudar en la
generación de teorías formales”.
2.4 Estrategia para probar hipótesis

Teniendo en cuenta que la hipótesis de investigación planteada: Un ecosistema de Internet
de las Cosas en el hogar conectado, estructurado bajo un enfoque de creación de valor
con la información, permite lograr un desempeño equilibrado entre los indicadores de los
flujos de información; es necesario resaltar que, el paradigma de investigación de la teoría
fundamentada, según Urquhart et al., (2010), se define como “Una metodología inductiva
de descubrimiento de teorías que permite al investigador desarrollar una descripción
teórica de las características generales de un tema y al mismo tiempo basar la cuenta en
observaciones o datos empíricos” (p.357).
En línea con lo anterior, se diseñó una estrategia de comprobación de la hipótesis basada

en dos grandes pilares y que se puede observar en la figura 2-8, antes de explicar cada
uno de los pilares es importante señalar que, el objetivo último de la metodología es crear
una ventaja competitiva transitoria, que permita a una compañía de línea blanca, potenciar
el sistema de creación de valor del ecosistema IoT Integrado.
De este modo, se diseña la estrategia de comprobación de la hipótesis de investigación

basada en dos pilares que se explican a continuación:
- La simulación permite probar la hipótesis con la construcción de escenarios del tipo

“que pasaría sí”, lo cual produce cambios en el fenómeno de creación de valor del
sistema, en el mismo sentido, la simulación computacional no es posible sin teoría,
por tanto, la construcción del modelo mental cobra sentido gracias a la Teoría
fundamentada.
- La modelización se circunscribe al contexto de los ecosistemas IoT en compañías
de manufactura de productos de línea blanca, en este sentido la teoría
fundamentada es el elemento usado para interpretar este mundo.
Figura 2-8: Estrategia para probar la hipótesis.

Capítulo 3 103
3. Visión prospectiva del Sistema de

creación de valor
La amplia gama de opciones que brinda IoT, ha permitido al sector público y privado de
varios países enfocar esfuerzos para el aprovechamiento de las investigaciones en este
campo, buscando mejorar la competitividad o diseñar nuevos productos y servicios que
resuelvan problemas de la comunidad, la industria y las organizaciones; en el mismo
sentido, se estima que para el año 2025, la creación de valor económico de los
ecosistemas IoT estará generando negocios por 350 billones de dólares, solo en lo
relacionado con las tareas del hogar (McKinsey Global Institute, 2015).
De manera que, diversos sectores de la economía participan en el ecosistema IoT del

hogar, en lo relacionado con la preparación de alimentos se integran: productores,
fabricantes de electrodomésticos, utensilios de cocina, supermercados, empresas de los
sectores de energía, gas y agua que proporcionan servicios públicos; así como empresas
de tecnología, que desarrollan aplicaciones, por ejemplo para pedir domicilios; estos
aspectos permiten apostar al desarrollo e innovación de productos y servicios. Por tanto,
se debe entender que los ecosistemas IoT del hogar conectado no son solo redes de
suministro con electrodomésticos conectados; en lugar de eso, son una red extendida que
conecta todos los grupos de interés y contribuyen a la evolución del mismo (Rong et al.,
2015).
En resumen, después de un análisis crítico de los aspectos teórico-prácticos que definen

la dinámica de creación de valor y ante la falta de artefactos que permitan entender como
está constituido el sistema de creación de valor, se hace imperativo diseñar un modelo que
represente el comportamiento del sistema y de esta manera simular las condiciones sobre
las cuales evoluciona la creación y captura de valor en el ecosistema IoT del hogar
conectado. En el mismo sentido, abordar el fenómeno desde la perspectiva sistémica

resalta la importancia teórica de la tesis, por lo que la conceptualización permite avanzar
en la construcción de artefactos que guíen a las compañías en la toma de decisiones sobre
los negocios digitales.
3.1 Resultados del estudio de expertos

Uno de los objetivos del estudio Delphi, fue la valoración de alternativas que las compañías
tienen para adaptarse al entorno competitivo, así como identificar las barreras para
establecer vínculos de colaboración (basados en datos) con otras compañías. Para la
ejecución de este ejercicio se trabajó con un total de 47 expertos, los cuales respondieron
las preguntas que se muestran a continuación:
Pregunta 1: Ordene de acuerdo con la importancia relativa, las alternativas que tienen las
empresas y organizaciones para adaptar sus modelos de negocio y participar en los
ecosistemas digitales del hogar conectado.
Figura 3-1: Resultados pregunta uno (contextualización con expertos).

Capítulo 3 105
Con base en los resultados, la primera categoría mejor valorada obtuvo una nominación
del 31.91% y 27.66% de los expertos, que la definieron como primera y segunda alternativa
respectivamente (ver figura 3-1 y 3-2), de la misma manera, dicha categoría contó con un
puntaje general de 5,89, en una escala de valoración de 0 a 10 puntos; las dos categorías
siguientes obtuvieron una puntuación de 5,17 para el segundo puesto y de 5,15 para el
tercero. Es necesario resaltar que todas las categorías obtuvieron al menos una
nominación para el primer lugar, de lo que se puede deducir una amplia gama de enfoques
por parte de los expertos sobre la pregunta.
Por consiguiente, se puede confirmar según los expertos que el top tres de alternativas
para adaptar el modelo de negocio de una compañía son:
1. Adoptar la cultura de innovación.
2. Adoptar la visión de ecosistemas.
3. Innovar en los modelos de negocio actuales.
Figura 3-2: Resultados pregunta uno (Detalle).

De acuerdo con la revisión de antecedentes, se puede inferir que los primeros tres
conceptos están relacionados entre sí, en este sentido, es interesante confirmar que la
innovación como proceso sistemático en una empresa, emerge también como un concepto
clave en la revisión teórica de la tesis. Por su parte, adaptar los modelos de negocio y
adoptar la visión de ecosistemas se establecieron como la guía para conceptualizar el
sistema de creación de valor. En términos generales adoptar una cultura de innovación,
adoptar la visión de ecosistemas e innovar en los modelos de negocio emergen como
componentes relevantes para la construcción de la metodología propuesta en esta tesis.
Pregunta 2: ¿Cuáles son los principales obstáculos que tiene una organización para
establecer vínculos de colaboración basados en compartir datos con otras compañías?
Seleccione 3.
Figura 3-3: Resultados pregunta dos (contextualización con expertos).
De los resultados de esta pregunta se puede deducir que entre el 44% y 71% ven las
preocupaciones por la seguridad, privacidad, la inmadurez de los estándares y
plataformas, así como la cultura existente en las organizaciones, como principales
barreras; en el mismo sentido, algunos expertos sugirieron la falta de interés para construir
Capítulo 3 107
casos de negocio y evaluar el costo beneficio de estas iniciativas, como otra de las barreras
que tienen las empresas para abordar enfoques digitales basados en compartir datos.
▪ Definición de “creación de valor”

Basados en la revisión de antecedentes y ante la falta de acceso a expertos con
conocimiento y/o experiencia en la dinámica de creación de valor en los ecosistemas
digitales, se planteó el objetivo de establecer una definición consensuada del significado
de “creación de valor”, en el contexto de los ecosistemas IoT del hogar conectado. Para
lograr lo anterior se desarrolló un ejercicio de ideación adaptado del método de doble
diamante (Design Council, 2019), en donde se realizó una exploración de manera general
de la definición de creación de valor (pensamiento divergente), y luego se desarrolló una
actividad de enfoque para buscar consensos sobre la definición (pensamiento
convergente). A continuación, se detallan los resultados del ejercicio:
Pregunta: Para usted, ¿Cuál de los siguientes enunciados define mejor la creación de valor
con la información en un ecosistema digital del hogar conectado?
Figura 3-4: Ejercicio de definición del concepto de creación de valor.

En un primer análisis, se puede deducir de las respuestas que el grupo de Investigadores

(figura 3-4) en un 42.11% y los expertos de la industria en un 29.17% tienen una
coincidencia en que la creación de valor económico basado en datos define el concepto;
sin embargo, para el grupo de expertos de industria en un 41,67% emerge: “la capacidad
de los grupos de interés de generar riqueza por medio de la adaptación de la propuesta de
valor digital” como la mejor definición; aunque se puede inferir que desde la perspectiva
del investigador esta última definición lleva implícito el valor económico, por ende se puede
deducir que las dos definiciones convergen en cierto sentido. No deja de ser anecdótico
que los expertos de la industria se inclinen por la definición que incluye la generación de
riqueza, esto evidencia las posiciones encontradas entre los expertos de la industria y la
academia respecto a la creación de valor económico.
Capítulo 3 109
Figura 3-5: Top 3 de definiciones más votadas.
Figura 3-6: Diagrama de afinidad, definición de creación de valor.

Consecuentemente y con el fin de llegar a la definición del concepto, se desarrolló el

análisis de la figura 3-5, el cual muestra las opciones más votadas por parte de los
expertos. De manera general se puede concluir que, la creación de valor económico para
los grupos de interés en el ecosistema, con un porcentaje del 34.88% de los votos, así
como la capacidad de los grupos de interés de generar riqueza por medio de la adaptación
de su propuesta de valor digital, con un 32.56% de los votos, fueron las seleccionadas por
parte de los expertos; sin embargo, en este ejercicio emergieron otras opciones no
contempladas inicialmente que se posicionaron en tercer lugar con 13.95 %.
Derivado de lo anterior, para analizar las propuestas hechas por parte de los expertos se
construyó un diagrama de afinidad unido a la técnica de visualización de nube de palabras,
la cual según Hearst et al. (2019) es más efectiva para las categorías semánticas, en
comparación con el diseño relativamente desorganizado de la visualización típica, de esta
manera, las propuestas provenientes de los expertos se organizan en la figura 3-6.
Finalmente emergen nuevas categorías, en donde se resaltan: el valor para los usuarios
del hogar, la salud y resiliencia del ecosistema, el valor social, la capacidad de los grupos
de interés para cumplir las metas de negocio basado en la explotación de datos y las
oportunidades de nuevos modelos de negocio para los grupos de interés. Desde la
perspectiva del investigador, existe una categoría que no se puede dejar de lado y que fue
identificada como la más importante para definir el concepto, la “construcción de una mejor
experiencia para el cliente final”.
Finalmente, después de un proceso de validación con los expertos participantes, se llegó

a la siguiente definición consensuada de creación de valor:
"Creación de valor económico y social a través del diseño de una propuesta de valor digital
para el consumidor, que se basa en la explotación de datos y la adaptación de modelos de
negocio y, por tanto, ayuda a fortalecer la resiliencia y el crecimiento del ecosistema de IoT
del Hogar Conectado "
Capítulo 3 111
3.1.1 Delimitación de variables iniciales

El primer paso para realizar el análisis del sistema de creación de valor fue su delimitación,
proceso que consiste en la enumeración de variables internas y externas que caracterizan
el sistema estudiado; en este sentido, basado en el marco teórico de la investigación, la
interacción con expertos y la inmersión en la transformación digital de una compañía de
electrodomésticos, se identificaron un conjunto de variables iniciales, las cuales se pueden
observar en la tabla 3-1.
Tabla 3-1: Descripción de variables.

Identificador Descripción
V1 Volumen- Corresponde al número de instancias que contienen los flujos de
información.
V2 Variedad- Se refiere a las diferentes fuentes y tipos de datos.
V3 Frecuencia-intervalo entre las oportunidades de adaptar una acción basado en
nueva información.
V4 Oportunidad-Define si la información está disponible para usarse en los momentos
oportunos.
V5 Latencia- Se refiere a si la información muestra el estado del mundo tal como es o
cómo era.
V6 Seguridad-Define si la información es usada solo con la autorización necesaria.
V7 Confiabilidad- Define si la información consistentemente generada como se
espera.
V8 Exactitud- Define si la información captura el valor actual de lo que representa.
V9 InvTecPlat-Hace referencia a la inversión tecnologías en la nube concentradas en la
plataforma como un Core del ecosistema.
V10 InvTecHom- Hace referencia a la inversión en tecnologías para sensar el hogar.
V11 InvTecApo-Se refieren a la inversión en tecnologías que permiten el desarrollo de
los ecosistemas (ej. Big Data, telecomunicaciones, seguridad).
V12 InvCap-Inversiones que permiten el desarrollo del ecosistema (eje: consultorías,
capacitaciones, asesorías).
V13 Cobertura-Cantidad de hogares a los que tiene alcance un stakeholder con sus
productos y/o servicios tradicionales.
V14 Empleados-Cantidad de empleados dedicados a digital.
V15 CapMercado-se refiere al precio actual de una acción multiplicado por el número
de acciones en venta de un Stakeholder en el ecosistema.
V16 Ventas-Se refiere a los ingresos obtenidos por ventas de un stakeholder.
Identificador Descripción
V17 Transformación-Se refiere a los factores estratégicos que desarrolla un Stakeholder
para capturar valor de los datos en el ecosistema.
V18 InnoModelo- Se refiere a un índice que permite medir la capacidad de un
stakeholder para innovar en su modelo de negocio.
V19 CapAnaliticas-Se refiere al nivel de madurez que tiene un stakeholder en cuanto a
capacidades analíticas.
V20 Colaboración-Se refiere al índice de colaboración/integración que tiene un
stakeholder con proveedores, clientes y competidores.
V21 Control-Define que tanto control tienen los usuarios sobre los datos que se
comparten en el ecosistema.
V22 Protección-Nivel de seguridad y gobierno que tienen los stakeholders sobre los
datos en el ecosistema.
V23 MadurezTec-Nivel de madurez de las tecnologías alrededor del hogar conectado
(estándares, redes entre otras).
El método de lluvia de ideas apoyó la depuración e inclusión de variables, en este sentido,

tres iteraciones (filtros) con los expertos fueron suficientes para garantizar la exhaustividad
del proceso, para no excluir variables relevantes y para concretar el resultado de la tabla
3-1. Es necesario resaltar que en este tipo de procesos cada una de las variables se debe
describir de forma clara, en este ejercicio hubo casos en que la dificultad para explicar una
variable derivó en no tenerla en cuenta; por lo que una descripción clara, facilitó la
identificación de las relaciones con otras variables.
3.1.2 Definición y validación de variables claves

Con las variables definidas en la sección anterior, se procede a ejecutar una ronda de
evaluación con expertos, desde dos perspectivas, primero valorando el impacto de la
variable en la creación de valor, la cual tiene impacto si es usada para modificar una acción
en el futuro, obteniendo un beneficio tangible; de esta manera, la acción modificada genera
nueva información, creando así un aprendizaje continuo. Según Raynor and Cotteleer
(2015) se puede valorar la información retomando el concepto que caracteriza el valor
como inherente a los flujos de información, desde que este es creado en una acción de
sensar, hasta que retorna informando una acción más efectiva.
Capítulo 3 113
En esta fase de la investigación, los expertos participantes fueron 14, por medio de los
cuales primeramente se analizó la creación de valor en el ecosistema IoT del hogar
conectado desde tres dimensiones:
1- Valorando los flujos de Información.

2- Estudiando el impacto de la combinación de tecnologías.
3- Determinando el impacto de la estrategia empresarial.
Es segunda instancia, se evaluaron las variables desde la perspectiva del impacto en la

propuesta de valor, esta se definió como la razón por la cual los usuarios/consumidores
adoptan los servicios del ecosistema por encima de otros; en otras palabras, la estrategia
empresarial que maximiza la demanda a través de configurar óptimamente la oferta.
Figura 3-7: Evaluación de variables.
Finalmente, para combinar las dos perspectivas y ejecutar un procedimiento de selección

de variables por parte de los expertos, se construyó la figura 3-7, en ella se tiene un eje x
con una escala de valoración de 0-5 puntos, para identificar el impacto de la variable en la
propuesta de valor; del mismo modo, en el eje y, se tiene una escala de valoración de 0-5
para validar el impacto de la variable en el proceso de creación de valor. Se puede deducir
de la gráfica que las variables ubicadas en el cuadrante superior derecho serían las mejor
evaluadas y por tanto las que se deben tener en cuenta para el análisis estructural, y para
las variables ubicadas en los otros cuadrantes, hacer una revisión individual que permita
justificar su eliminación.
Teniendo en cuenta lo anterior, se diseñaron dos preguntas a responder por el grupo de

expertos, las cuales se muestran a continuación:
Pregunta Impacto en la creación de valor: Por favor califique cada una de las
variables indicando que tan positivo es el impacto en la creación de valor. La escala es de
1 a 5 (siendo 5 el impacto más alto).
Pregunta Impacto en la propuesta de valor: Por favor califique cada una de las
variables indicando que tan positivo es el impacto en la propuesta de valor. La escala es
de 1 a 5 (siendo 5 el impacto más alto)
Una vez diseñado y validado el instrumento de recopilación de información, el trabajo de

campo fue desarrollado mediante el apoyo de herramientas informáticas, por medio de las
cuales se consolidaron los resultados que se detallan a continuación:
Figura 3-8: Distribución de evaluaciones.

Capítulo 3 115
La figura 3-8 muestra la distribución de las evaluaciones para los grupos de académicos y
empresarios, en donde de manera general se puede observar la dispersión de las
evaluaciones con respecto a la mediana, los percentiles 25 y 75 y los valores máximos y
mínimos. Se pudo comprobar con este análisis que tanto académicos como empresarios
(o expertos de industria), presentan divergencia en sus evaluaciones, en el caso de los
académicos se presenta asimetría en la distribución de los datos para la pegunta
relacionada con la propuesta de valor, mientras que se establece una simetría en las
evaluaciones de la creación de valor, por su parte el grupo de empresarios (expertos de
industria) presenta una simetría en los datos en las dos categorías evaluadas.
Del mismo modo, se presentan algunos valores atípicos en el grupo de académicos:

• La caja superior de la categoría creación de valor es más grande que la inferior, lo
cual quiere decir que las evaluaciones comprendidas entre el 50% y 75% del total
están más dispersas que las comprendidas entre el 25% y 50%; caso contrario
sucede con la propuesta de valor.
• En ambas categorías, el bigote inferior (Xmím, Q 1) es más corto que el de la parte
superior; por ello el 25% de las evaluaciones bajas están más concentradas que el
25% de las altas.
• El rango intercuartílico = Q3 - Q1 = 0.6 y 0.47; es decir, el 50% de las evaluaciones
está disperso en 0,6 puntos y 0.47 para el impacto en la creación de valor y la
propuesta de valor respectivamente.
Para el grupo de empresarios (expertos de la industria):

• La caja inferior de la categoría creación de valor es visiblemente más grande que
la inferior, mientras que las evaluaciones de impacto en la propuesta de valor
comprendidas entre el 50% y 75% del total están más dispersas que las
comprendidas entre el 25% y 50%.
• En ambas categorías, el bigote inferior (Xmím, Q 1) empieza en el mismo valor (3);
sin embargo, en la categoría propuesta de valor el 25% de las evaluaciones bajas
están menos concentradas que el 25% de las altas.
• El rango intercuartílico = Q3 - Q1 = 0.7 y 0.54; es decir, el 50% de las evaluaciones
está disperso en 0,7 puntos y 0.54 en ambas categorías.
Con el fin de identificar si el grado de escolaridad tendría algún impacto en la generación

de valores atípicos en las evaluaciones, se construyó la figura 3-9; en el análisis visual de
la gráfica no se evidencian tendencias relacionadas con el grado de escolaridad (pregrado,
maestría y doctorado) y la evaluación.
Figura 3-9: Evaluación de variables por grado de escolaridad.
Figura 3-10: Evaluación de variables.

Capítulo 3 117
De esta manera, consolidando los resultados y agrupándolos de nuevo en dos grupos, se

puede observar en la figura 3-10 que, desde la perspectiva de los expertos de industria
todas las variables fueron evaluadas por encima del límite inferior de descarte (en la gráfica
se puede observar como la media); por su parte la valoración del impacto de las variables
en los académicos difiere de los expertos de industria en prácticamente todas las 23
variables evaluadas.
Observando detenidamente el clúster de evaluaciones (figura 3-10) , se puede deducir que

los datos presentan una forma ovalada, alargados sobre el eje x; esta característica se
debe a los rango de valores de las dos categorías, para la categoría creación de valor (eje
y) la evaluación mínima fue para la variable capitalización de mercado (CapMercado) con
2.77 puntos, mientras que la evaluación máxima fue para Oportunidad con 4.71 puntos; de
otro lado para la categoría de propuesta de valor (eje x), los valores oscilaron entre 2.97 y
4.53 puntos, para las variables Empleados y Confiabilidad respectivamente.
Después del análisis descriptivo de los resultados, se procedió a filtrar las variables que
debían descartarse por no alcanzar el umbral necesario para considerarse una variable
que describa el sistema de creación de valor; por tal razón, la capitalización de mercado
entendida como “el precio actual de una acción multiplicado por el número de acciones en
venta de una compañía en el ecosistema” y cantidad de empleados dedicados a digital,
obtuvieron las calificaciones más bajas en el grupo de investigadores (ver figura 3-11),
razón por la cual fueron descartadas como variables críticas del ecosistema.
Adicionalmente, en la segunda ronda de interacción con los expertos se les motivo a

sugerir nuevas variables que no hubieran sido tenidas en cuenta en el inventario inicial y
que según su rol de experto deberían estar incluidas como descriptoras del sistema de
creación de valor; como resultado, nuevas variables emergieron aumentando el inventario
inicial. En la figura 3-12 se pueden observar todas las sugerencias hechas por los expertos.
Figura 3-11: Variables descartadas.
Figura 3-12: Variables sugeridas por expertos.

Capítulo 3 119
Finalmente, después de un filtro adicional para revisar la pertinencia de las sugerencias de

los expertos, las variables seleccionadas para el análisis fueron identificadas,
categorizadas y descritas tal como se representa en la figura 3-13. Las variables se
asociaron de acuerdo con sus características a tres dimensiones: “Datos Compartidos”,
Tecnología, “Estrategia Digital”.
Figura 3-13: Variables seleccionadas para el análisis estructural.
Fuente: Elaboración propia en el software LIPSOR-EPITA-MICMAC.
3.1.3 Análisis estructural

El análisis estructural es una herramienta de reflexión colectiva con expertos, que permite
comprender y describir el sistema de creación de valor en un ecosistema IoT del hogar
conectado, con esto en mente, el proceso permitió alcanzar una representación exhaustiva
del sistema y de esta manera reducir su complejidad; en este sentido y bajo la visión de
ecosistemas IoT, una variable existe únicamente por su red de relaciones con las otras
variables.
Según Godet et al. (2000), el objetivo del análisis estructural es la reflexión colectiva, por
lo que, para determinar el grado de influencia entre variables por parte de los expertos, se
definió en el siguiente glosario:
• Influencia. Es el grado de poder que ejerce una variable sobre las otras que
representan el Sistema de creación de valor.
• Influencia Nula: Cuando la relación que se da entre las variables no presenta
influencia de una sobre la otra. La influencia no se puede percibir en el presente,
se piensa que no debería existir y que tampoco va a surgir en los próximos años.
• Influencia directa. Cuando cualquier cambio en una variable (Vi) influye también
en una segunda variable (Vj) y la influencia se puede percibir en el presente. Se
puede presentar en los siguientes niveles:
• Fuerte: Cuando Vi influye significativamente en Vj
• Media: Cuando Vi influye moderadamente en Vj
• Débil: Cuando Vi influye débilmente en Vj.
• Influencia potencial: Esta relación se da cuando, a pesar de no suceder en el
momento, se considera que Vi influirá en Vj. La influencia no se puede percibir en
el presente, pero se piensa que debería existir o que va a surgir en el futuro.
Del mismo modo, el proceso de aplicación de matriz, se les solicitó a los expertos
determinar la relación de influencia entre las variables, igualmente, se les pidió tener en
cuenta que la influencia entre una misma variable debía ser valorada como nula; para
complementar el ejercicio de evaluación, se desarrolló para mejor entendimiento de los
expertos una ayuda visual en donde se puede observar los tres tipos de influencia (figura
3-14).
Figura 3-14: Tipos de influencia entre variables.

Capítulo 3 121
Figura 3-15: Matriz Análisis Estructural
El proceso de llenado de la Matriz Análisis Estructural se hace de manera ordenada con la

ayuda de un cuadro de doble entrada, en donde se cruza cada variable con las otras
evaluado la influencia que ejerce cada una sobre las demás (ver figura 3-14); el resultado
de este proceso se asemeja al representado en figura 3-15. Es importante resaltar además
que, la cantidad de variables (27) hizo que se definieran 729 relaciones, motivo por el cual
se desarrollaron cuatro sesiones de trabajo para alcanzar el objetivo.
Para analizar las relaciones entre las variables se utilizó el software MICMAC, este
programa informático permite la multiplicación matricial, con el fin de jerarquizar las
variables por orden de influencia y dependencia (Godet et al., 2000); de esta manera,
prestando atención a la relaciones clave, las que identifican los elementos de mayor
impacto en el plano llamado de influencia y dependencia, se puede elaborar un marco de
referencia para los escenarios futuros del sistema de creación de valor y por tanto, alcanzar
una representación del mismo. De acuerdo con la metodología, la influencia es el grado
de poder que ejerce una variable sobre las restantes, y la dependencia es el grado en el
cual una variable se ve afectada por las otras (Rodríguez-Rivero, Ortiz-Marcos, Díaz-
Barcos, & Lozano, 2020).
La evaluación de las relaciones directas permite identificar el comportamiento de las

variables en un horizonte temporal de corto plazo, en este sentido, por medio del software
se construye la Matriz de Influencia Directas (MID), en la tabla 3-2 se puede observar el
resumen de características.
Tabla 3-2: Características de la MID.

Característica Valor
Tamaño de la matriz 27 x 27
Cantidad de 0 36
Cantidad de 1 114
Cantidad de 2 216
Cantidad de 3 356
Cantidad de P 7
Total 693
De acuerdo con lo anterior, para el análisis de relaciones directas, se procedió en primera

instancia a revisar las condiciones de influencias, o magnitud de poder que ejerce una
variable sobre las restantes que definen el sistema; en segunda instancia, se ejecutó una
revisión de las condiciones de dependencia de cada variable (Syed Mithun Ali et al., 2020).
En la tabla 3-3 se puede observar que, las variables seguridad y resiliencia se encuentran
con la influencia más alta (4.52%), por su parte, confiabilidad y cobertura se posicionaron
en tercer y cuarto lugar con 4.46%, en quinto lugar aparece protección de los datos con
4.34%; en su conjunto, estas variables representan un 22.30% de influencia en el sistema
de creación de valor, en este sentido, aunque representan casi un cuarto del total, las
variables del top cinco no determinan por sí solas el comportamiento del mismo, debido a
que no existe una significativa diferencia con los valores de las demás variables del
sistema.
En el mismo sentido, se evidencia que, las variables latencia, experiencia de usuario y

G2M (Go to Market) se encuentran en el primer lugar con 4.09%, así mismo, Variedad,
InvTecPlat (inversiones en la plataforma), Desempeño y Ventas se posicionaron en el
puesto cuarto al siete con 4.03%, son las variables más influenciadas del sistema.
Capítulo 3 123
Tabla 3-3: Relaciones directas, indicador de influencia y dependencia

Sumatoria
Sumatoria
N° Variable Influencia N°2 Variable2 por Dependencia
por filas
columnas
1 Seguridad 73 4.52% 1 Latencia 66 4.09%
2 Resiliencia 73 4.52% 2 ExperienciaUsuario 66 4.09%
3 Confiabilidad 72 4.46% 3 G2M 66 4.09%
4 Cobertura 72 4.46% 4 Variedad 65 4.03%
5 Protección 70 4.34% 5 InvTecPlat 65 4.03%
6 InvTecPlat 67 4.15% 6 V15 Desempeño 65 4.03%
7 Colaboración 67 4.15% 7 Ventas 65 4.03%
8 MadurezTec 67 4.15% 8 Volumen 64 3.97%
9 Desempeño 66 4.09% 9 Cobertura 64 3.97%
10 InvTecApo 64 3.97% 10 Oportunidad 62 3.84%
11 ExperienciaUsuario 62 3.84% 11 Confiabilidad 62 3.84%
12 Variedad 61 3.78% 12 InvTecApo 62 3.84%
13 Exactitud 61 3.78% 13 Frecuencia 61 3.78%
14 InvTecHom 61 3.78% 14 Seguridad 61 3.78%
15 Control 61 3.78% 15 InnoModelo 60 3.72%
16 Latencia 59 3.66% 16 Colaboración 60 3.72%
17 Volumen 57 3.53% 17 T2M 59 3.66%
18 Oportunidad 57 3.53% 18 InvTecHom 58 3.59%
19 InvCap 55 3.41% 19 Control 57 3.53%
20 Formalización 55 3.41% 20 Exactitud 56 3.47%
21 Frecuencia 51 3.16% 21 Transformación 56 3.47%
22 Transformación 50 3.10% 22 Protección 56 3.47%
23 InnoModelo 50 3.10% 23 Formalización 56 3.47%
24 CapAnaliticas 48 2.97% 24 MadurezTec 54 3.35%
25 T2M 46 2.85% 25 InvCap 52 3.22%
26 G2M 45 2.79% 26 Resiliencia 51 3.16%
27 Ventas 44 2.73% 27 CapAnaliticas 45 2.79%
Total 100% 100%
Figura 3-16: Plano de influencias y dependencias directas
La ubicación de las variables de acuerdo a las condiciones de influencia y dependencia,

se puede observar en la gráfica 3-16, de acuerdo con la metodología MICMAC el plano
está divido en cuatro zonas; en la zona de poder (donde se ubican variables influyentes y
poco dependientes), se encuentran las variables Resiliencia y Madurez, por su en lado en
la zona de conflicto (variables inestables, pueden afectar a otras), es donde se encuentran
la mayor cantidad de variables, se resaltan Seguridad, Cobertura, InvTecPlat,
Confiabilidad, Desempeño, Variedad, Experiencia, entre otras; en la zona de salida
(variables muy influyentes y muy dependientes, de naturaleza inestable), se encuentran
las variables, G2M, Ventas, T2M, Frecuencia, InnoModelo entre otras, finalmente dos
variables se encuentran en la zona de problemas autónomos (no son determinantes para
el futuro), InvCap y CapAnaliticas.
En línea con lo anterior, en la figura 3-17 se destacan las variables sobre las cuales se
ejercen las influencias más importantes (de acuerdo con la magnitud), entre ellas se
encuentran: Protección, Colaboración, Madurez, Formalización, Confiabilidad y T2M
(Time to Market).
Capítulo 3 125
Figura 3-17: Grafo de influencias directas
▪ Análisis en el mediano plazo

De otro lado, el examen de las relaciones indirectas entre variables permite evaluar nuevas
tendencias en un horizonte de tiempo de mediano plazo, de esta manera, el investigador
genera nuevas predicciones y de paso se ocupa de las problemáticas futuras que tendrá
el sistema de creación de valor del ecosistema IoT. La matriz de influencias indirecta MII
se obtiene de la elevación en potencia de la MID hasta que esta logra su estabilidad, en
otras palabras, hasta que cualquier variación en el tiempo no ocasiona cambios en las
condiciones de influencia y dependencia de las variables (Arcade et al., 2009).
En la tabla 3-4 se condensan las condiciones de influencia e independencia existentes

entre variables, el top 5 de mayor influencia aparece representado en primer lugar por la
variable Resiliencia con 4.5%, seguida por seguridad con el mismo porcentaje, en tercer
lugar se encuentra confiabilidad con 4.42%, en cuarto lugar la variable cobertura con 4.41%
de influencia y en el quinto lugar protección con 4.32%; del lado de la dependencia, la
variable Go to Market (G2M) encabeza el listado con un 4.08%, seguido por Latencia con
4.07%, ExperienciaUsuario con 4.06%, InvTecPlat con 4.06% y completa el top 5

Desempeño con el 4.04% de dependencia.
Tabla 3-4: Relaciones indirectas, indicador de influencia y dependencia

Sumatoria
Sumatoria
por filas
columnas
1 Resiliencia 260,133 4.50% 1 G2M 235,635 4.08%
2 Seguridad 260,122 4.50% 2 Latencia 235,114 4.07%
3 Confiabilidad 255,395 4.42% 3 ExperienciaUsuario 234,490 4.06%
4 Cobertura 254,707 4.41% 4 InvTecPlat 234,454 4.06%
5 Protección 249,651 4.32% 5 Desempeño 233,158 4.04%
6 Colaboración 239,440 4.15% 6 Variedad 231,532 4.01%
7 MadurezTec 239,064 4.14% 7 Ventas 230,318 3.99%
8 InvTecPlat 237,536 4.11% 8 Cobertura 229,558 3.98%
9 Desempeño 233,579 4.04% 9 Volumen 228,700 3.96%
10 InvTecApo 227,071 3.93% 10 Oportunidad 222,746 3.86%
11 ExperienciaUsuario 224,306 3.88% 11 Confiabilidad 220,115 3.81%
12 Control 221,338 3.83% 12 InvTecApo 220,090 3.81%
13 Variedad 220,439 3.82% 13 Frecuencia 217,751 3.77%
14 Exactitud 220,207 3.81% 14 Seguridad 217,225 3.76%
15 InvTecHom 217,547 3.77% 15 Colaboración 214,227 3.71%
16 Latencia 211,942 3.67% 16 InnoModelo 213,388 3.70%
17 Oportunidad 208,495 3.61% 17 T2M 211,265 3.66%
18 Volumen 208,161 3.60% 18 InvTecHom 209,151 3.62%
19 Formalización 197,925 3.43% 19 Control 205,418 3.56%
20 InvCap 194,829 3.37% 20 Formalización 203,391 3.52%
21 Frecuencia 183,374 3.18% 21 Protección 201,915 3.50%
22 InnoModelo 177,204 3.07% 22 Transformación 201,254 3.48%
23 Transformación 176,273 3.05% 23 Exactitud 199,894 3.46%
24 CapAnalíticas 171,160 2.96% 24 MadurezTec 191,292 3.31%
25 T2M 165,920 2.87% 25 InvCap 187,081 3.24%
26 G2M 162,245 2.81% 26 Resiliencia 185,207 3.21%
27 Ventas 156,973 2.72% 27 CapAnalíticas 160,667 2.78%
Total 100% 100%
Continuando con el análisis de relaciones indirectas, se construyó el plano 3-18 en donde

se puede observar la distribución de variables de acuerdo con su nivel de influencia en el
eje Y, dependencia en el X; en la zona de poder, donde se encuentran clasificadas las
variables que pueden impulsar o inhibir el sistema, se ubican Resiliencia y Madurez; de
Capítulo 3 127
otro lado, en el cuadrante de variables autónomas, se encuentran variables que pueden

relacionarse con tendencias pasadas o inercias del sistema y que de acuerdo con la
metodología no constituyen parte determinante del futuro del sistema de creación de valor,
en este cuadrante se encuentran las variables: InvCap y CapAnaliticas.
Figura 3-18: Plano de influencias y dependencias indirectas
Del mismo modo, en la zona de salida, en donde se encuentran variables caracterizadas

por su baja motricidad (influencia) y alta dependencia, las cuales se deben monitorear para
constatar la efectividad del sistema, se ubican: Transformación, Formalización,
Frecuencia, InnoModelo, Time to Market (T2T), Go to Market (G2M) y ventas; finalmente
en la zona de conflicto es donde se ubican más variables, las cuales al ser muy motrices y
dependientes afectan de manera importante el normal funcionamiento del sistema. En la
figura 3-19, se encuentran resaltadas variables sobre las que se ejerce la mayor influencia.
Figura 3-19: Grafo de influencias indirectas
▪ Análisis en el largo plazo

La evaluación de relaciones potenciales habilita los análisis en un horizonte de tiempo de
largo plazo, ya que se integran relaciones que se prevén surgirán en el futuro y por
consiguiente impactarán la creación de valor en el ecosistema.
Capítulo 3 129
Tabla 3-5: Relaciones potenciales, indicador de influencia y dependencia

Sumatoria
Sumatoria
por filas
columnas
1 Resiliencia 267,354 4.45% 1 Seguridad 243,526 4.05%
2 Seguridad 267,094 4.44% 2 G2M 242,337 4.03%
3 Confiabilidad 262,235 4.36% 3 Latencia 241,990 4.02%
4 Cobertura 261,877 4.36% 4 ExperienciaUsuario 240,991 4.01%
5 Protección 256,191 4.26% 5 InvTecPlat 240,541 4.00%
6 Colaboración 246,415 4.10% 6 Desempeño 239,326 3.98%
7 MadurezTec 245,496 4.08% 7 Variedad 238,147 3.96%
8 InvTecPlat 243,899 4.06% 8 InvTecApo 237,766 3.95%
9 Desempeño 239,678 3.99% 9 Ventas 236,984 3.94%
10 ExperienciaUsuario 239,297 3.98% 10 Cobertura 235,822 3.92%
11 Variedad 237,314 3.95% 11 Volumen 235,306 3.91%
12 InvTecApo 233,482 3.88% 12 Oportunidad 228,884 3.81%
13 Control 226,864 3.77% 13 Confiabilidad 226,961 3.77%
14 Exactitud 225,898 3.76% 14 InvTecHom 225,786 3.76%
15 Volumen 224,442 3.73% 15 Frecuencia 224,000 3.73%
16 InvTecHom 223,544 3.72% 16 Control 220,571 3.67%
17 Latencia 217,792 3.62% 17 Colaboración 220,134 3.66%
18 Oportunidad 214,063 3.56% 18 InnoModelo 218,647 3.64%
19 InvCap 211,494 3.52% 19 Exactitud 217,513 3.62%
20 Formalización 203,400 3.38% 20 T2M 217,160 3.61%
21 InnoModelo 195,696 3.25% 21 Formalización 208,899 3.47%
22 Transformación 194,603 3.24% 22 Protección 207,792 3.46%
23 Frecuencia 187,772 3.12% 23 Transformación 206,387 3.43%
24 G2M 177,761 2.96% 24 MadurezTec 197,175 3.28%
25 CapAnaliticas 176,266 2.93% 25 InvCap 192,670 3.20%
26 T2M 170,789 2.84% 26 Resiliencia 190,319 3.17%
27 Ventas 161,995 2.69% 27 CapAnaliticas 177,077 2.95%
Total 100% 100%
Las condiciones de influencia y dependencia de la tabla 3-5, surgen de la Matriz de

influencias directas potenciales (MIDP), la cual es una variación de la MID.
En el mismo sentido en la tabla 3-5 se resaltan, el top 5 de variables con más influencia y
dependencia, por su parte, la figura 3-20 muestra las variables clasificadas en cuadrantes
y en la figura 3-21 se clasifica las influencias más relevantes que ejercen y reciben las
variables del sistema.
Figura 3-20: Plano de influencias y dependencias potenciales
Figura 3-21: Grafo de influencias Potenciales

Capítulo 3 131
De otro lado, la figura 3-22 permite identificar los desplazamientos que se dan entre los
diferentes horizontes de tiempo analizados (corto, mediano y largo plazo), allí se puede
evidenciar que los desplazamientos más pronunciados están en las variables Protección,
Formalización, Transformación y Volumen que se mueven entre zonas, así como la
variable seguridad que pasa de la parte media de la zona de conflicto a la parte superior
del cuadrante.
Figura 3-22: Plano de desplazamientos (directo/indirecto/potencial directo)
En la figura 3-23 es posible observar el comportamiento de las variables de acuerdo son

su índice de influencia y dependencia, en donde, en termino de influencia el 56% de las
variables cambia de posición en el mediano plazo, aunque sin una variación significativa,
mientras que en el largo plazo el 74% cambia de posición, pero sin saltos importantes; del
lado de la dependencia, en el mediano plazo el 52% cambia de posición, mientras que en
el largo plazo el 74%, presentando variaciones significativas en: Seguridad e InvTecApo.
Figura 3-23: Clasificación de variables según su influencia y dependencia
3.1.4 Identificación de variables estratégicas

De acuerdo con las condiciones de influencia y dependencia, en la figura 3-24 se muestran
las 27 variables que describen el comportamiento del sistema de creación de valor,
clasificadas en 7 categorías a saber: variables de poder, variables clave, reguladoras,
variables objetivo, variables de resultado, palancas secundarias y variables autónomas.
Para realizar un análisis del eje estratégico, el cual nos ofrece una visión plástica de los
retos estratégicos del sistema de creación de valor en el ecosistema IoT del hogar
Conectado, se proyectan cada una de las variables de la zona de conflicto en el plano de
influencias indirectas potenciales, marcando una bisectriz desde la esquina superior
derecha hasta la esquina inferior derecha.
La figura 3-25 muestra esta priorización de variables estratégicas.

Capítulo 3 133
Figura 3-24: Plano de influencias y dependencias indirectas potenciales
Figura 3-25: Identificación de variables estratégicas

Finalmente, para las variables Seguridad, Experiencia de Usuario, Desempeño, Cobertura

e InverTecPlat, se identifica su correspondiente grafo de influencias indirectas potenciales
(ver figura 3-26). Estas variables tienen las influencias más importantes, por lo que pueden
modificar el comportamiento del sistema, cualquier variación en ellas afecta las demás.
Figura 3-26: Grafo influencias indirectas potenciales (variables estratégicas)
3.2 Verificación de madurez y actores del ecosistema

Ahora bien, para contrastar las previsiones futuras sobre sistema de creación de valor, se
desarrolló una encuesta con un grupo de seis expertos interesados, en donde se evaluó el
estado de madurez del ecosistema IoT del hogar conectado (El-Gazzar, Hustad, & Olsen,
2016), mediante las siguientes pregunta:
Según el analista de Gartner Fernando Elizalde, el hogar conectado tenía en 2018 una
penetración de mercado del 5 al 20% a nivel global, con un nivel de madurez de
"adolescente” y unas perspectivas de consolidación para los siguientes años.
P1 ¿Cuantos años tomará la consolidación del ecosistema IoT del hogar conectado?
Capítulo 3 135
En resumen, los resultados que se muestran en la figura 3-24, muestran que para los
expertos el ecosistema IoT del hogar conectado se consolidará en el largo plazo. Con un
67% de valoración los expertos consultados se muestran optimistas sobre el
fortalecimiento dentro de los próximos 5 años, mientras que el restante 33% ve una
consolidación en los próximos 10 años.
Figura 3-27: Resultado - Madurez del ecosistema IoT.
Con la finalidad de ahondar sobre los principales actores en el hogar conectado, se

desarrolló la pregunta dos, en tal sentido, se seleccionó la clasificación de actividades
económicas de la revisión 4 de las Naciones Unidas, en las cuales se encuentran
agrupados los diferentes grupos de interés que influyen sobre el ecosistema y por tanto su
sistema de creación de valor.
P2 Pensando en el presente, seleccione cuales de los siguientes grupos de interés

controlan o influyen sobre las variables clave.
La grafica 3-28 muestra las respuestas de los expertos, las cuales ponen en primer lugar
a las plataformas tecnológicas o la industria tecnológica en general, se puede inferir que,
por parte de los expertos el poder que tienen estas plataformas sobre el ecosistema IoT
del hogar conectado es bastante grande y como se ha contrastado en la revisión de
antecedentes, es un reto desde el punto de vista de asociación o selección de tecnologías

para las compañías que deseen desarrollar iniciativas en este ecosistema.
Figura 3-28: Grupos de interés que controlan o influyen sobre el ecosistema IoT.
En segundo lugar, aparece la industria de manufactura y alimentos, las cual por naturaleza
propia fábrica productos y alimentos dirigidos al hogar; seguidamente, uno de los hallazgos
relevantes, muestra que las empresas de servicios públicos relacionados con el hogar
presentan una influencia importante para el desarrollo del concepto de hogar conectado.
Con lo anterior en mente se buscó profundizar sobre cuáles son los objetivos estratégicos
de los grupos de interés en términos de valor, buscando contrastar lo que en la revisión de
antecedentes se muestra como una barrera para las compañías manufactureras, el
excesivo poder de las firmas tecnológicas sobre las plataformas digitales; en este sentido,
se desarrolló la siguiente pregunta:
Capítulo 3 137
P3. Desde la perspectiva de cada uno de los siguientes actores, especifique cual sería el
objetivo estratégico para la creación y captura de valor en el ecosistema IoT del hogar
conectado.
Tabla 3-6: Objetivos estratégicos de los grupos de interés.

Categorías Respuestas
C - Fabricación-Manufactura, Incluye Inclusión tecnologías IoT en su fabricación
electrodomésticos y alimentos Mercado
Normatividad y estándares
Seguimiento e integración con los actores del
negocio
D - Suministro de electricidad, gas, vapor y aire Nuevas estrategias de venta de servicios
acondicionado Lograr el monitoreo en tiempo real de las
necesidades de energía en el hogar y en la
industria
Servicios
Prevención, monitoreo y nuevos servicios
F - Construcción Inclusión de tecnologías/diseños para el hogar
conectado
Calidad de Servicio
Normatividad
construcción de edificios hogares inteligentes
J - Información y comunicación, Incluye las Mejorar estandarización protocolos de
plataformas tecnológicas e industria de software comunicación
Desarrollar sistemas computacionales
inteligentes para un monitoreo eficiente de cada
vez más variables ambientales
Calidad de Servicio
Creación y venta de nuevos servicios
P - Educación Nuevas estrategias enseñanza aprendizaje
Calidad de Servicio
Formación del personal en torno a habilidades
para entender los modelos de IoT
Transformación de los métodos de aprendizaje y
medios de acceso
Q - Actividades de salud humana y trabajo social Monitoreo de variables críticas
Calidad de Servicio
edificios sanos
mejorar el acceso a los servicios de salud
En la tabla 3-6 se consolidan todas las respuestas de los expertos, en esta tabla se puede
observar cada uno de los comentarios; sin embargo, para tener una visión general de los
conceptos que emergen, se desarrolló la figura 3-29, en la cual se define de manera visual
las palabras que conforman el texto y donde el tamaño es mayor para las palabras que
aparecen con más frecuencia; diversos estudios utilizan estas técnicas para identificar por
ejemplo oportunidades en la implementación de futuros servicios digitales (Jittrapirom,
Marchau, van der Heijden, & Meurs, 2018).
Figura 3-29: Nube de palabras objetivos estratégicos de los grupos de interés.
Los puntos que sobresalen tanto para las empresas de tecnología, de manufactura y
empresas de servicios públicos, es la búsqueda de calidad en el servicio, así como el
monitoreo de los nuevos servicios digitales, para prevenir y ofrecer una experiencia
superior, finalmente la integración de los diferentes actores del ecosistema sobresale como
concepto, esto es relevante ya que a lo largo de la investigación se ha mantenido la
Capítulo 3 139
hipótesis sobre la colaboración entre los grupos de interés como palanca del sistema de
creación de valor.
3.3 Caracterización del Ecosistema IoT Integrado

El ecosistema IoT integrado puede ser definido como un tipo especial de ecosistema de
negocios, que se compone de un conjunto de empresas y particulares, con su entorno
socioeconómico; donde las empresas compiten y cooperan mediante la utilización de un
conjunto común de activos centrales, los cuales están relacionados con la comunicación
entre el mundo físico de las cosas y el virtual de Internet (Mazhelis et al., 2012); en este
sentido, el concepto ha evolucionado hasta convertirse en un marco que aprovecha la
disponibilidad de dispositivos heterogéneos (sensores) y soluciones de interconexión, así
como objetos físicos aumentados (electrodomésticos) que proporcionan una base de
información compartida a escala global, con el fin de apoyar el diseño de aplicaciones que
involucran en el mismo nivel virtual a personas y representaciones de objetos (Atzori, Iera,
& Morabito, 2017).
Por su parte, Tafti, Kordnaeij, Hoseini, and Jamali (2015) argumentan que en un
ecosistema además de la competencia, la cooperación incrementaría la eficiencia y
mejoraría el rendimiento de los negocios; con lo anterior en mente y basado en la revisión
de literatura, se puede afirmar que los ecosistemas IoT del Hogar Conectado están en una
etapa de “nacimiento”, en donde a nivel científico y práctico se sientan las bases de una
propuesta de valor para nuevos productos y servicios; así como la mejor manera de
entregarlo a los clientes (Moore, 1993).
En línea con lo anterior, la principal implicación para las empresas de electrodomésticos,

pasa por la unión de dos ecosistemas que han estado separados durante décadas; según
Iansiti and Lakhani (2020a) el ecosistema de producción y el de consumo se vuelven uno
solo, en otras palabras, la cadena de valor de una empresa de manufactura penetra en el
hogar de los consumidores (se vuelve pervasiva), mediante la fabricación de
electrodomésticos conectados (aumentados) e “inteligentes”, los cuales abren la puerta al
diseño de modelos de negocio digitales; de tal manera que, la oferta de valor de estas
empresas, evoluciona más allá de la venta y servicio postventa de bienes duraderos de
consumo (Porter & Heppelmann, 2015).
No obstante, son varias las preocupaciones respecto al uso y destino de los datos
resultantes de las interacciones en el ecosistema, de hecho, el tema se establece como
una de las principales barreras de adopción de los adelantos tecnológicos en la materia
(Casado-Vara, Chamoso, De la Prieta, Prieto, & Corchado, 2019; Holdowsky, Mahto,
Raynor, & Cotteleer, 2015); sin embargo, se puede inferir que las potenciales soluciones
ayudarán al desarrollo y apropiación de los mismos, en este sentido, para los fabricantes
de electrodomésticos comprender las preocupaciones de los usuarios con respecto a sus
datos, apalancará el desarrollo social y sostenible del diseño de ecosistemas IoT (Henze
et al., 2016).
En tal sentido, la transformación en la industria de línea blanca, se fundamenta en el

desarrollo de capacidades que lleven la digitalización al ecosistema de producción, así
como la exploración de nuevos modelos de negocio en el ecosistema de consumo (Vial,
2019); dicho lo anterior, se evidencian dos elementos claves como parte integral de esta
digitalización; el primero, está relacionado con la arquitectura organizacional, por medio
de la cual la empresas buscan romper las tradicionales arquitecturas por silos, con el fin
de lograr organizaciones agiles, innovadoras y adaptadas al nuevo entorno, en este marco,
se confirma la ambición de un nuevo modelo operativo digital (Rachinger, Rauter, Müller,
Vorraber, & Schirgi, 2019).
El segundo elemento, está compuesto por habilitadores tecnológicos, lo cuales son vistos
por los investigadores como palanca para la innovación de los modelos de negocio
(Bouwman, Nikou, & de Reuver, 2019); en este sentido, varias tendencias tecnológicas
sobresalen; aunque, el común denominador en las diferentes investigaciones se puede
resumir en dos, las tecnologías relacionadas con la analítica avanzada de datos
(Yigitcanlar et al., 2020), y por el otro lado, la inteligencia artificial aplicada a lo largo de la
cadena de suministro (Parida, Sjödin, & Reim, 2019; United Nations Conference on Trade
Development, 2019).
En efecto, las nuevas interrelaciones impulsadas por las tecnologías digitales en la

industria de línea blanca se pueden analizar mejor haciendo la distinción entre los
ecosistemas de producción y consumo; por tanto, los ecosistemas de producción consisten
en interrelaciones que se dan dentro de la cadena de valor, como la producción y venta de
un producto o el servicio postventa; por el contrario, los ecosistemas de consumo consisten
Capítulo 3 141
en interrelaciones que evolucionan después de vender un producto u ofrecer un servicio

digitalmente (Reddy & Reinartz, 2017; Reinartz et al., 2019).
En consecuencia, para aclarar e integrar lo mencionado en el párrafo anterior, se construyó

la figura 3-30, de esta forma, los elementos y flujos de información en el diagrama muestran
la interacción entre diferentes plataformas digitales que soportan el ecosistema integrado,
así como los flujos de información desde los proveedores de materia prima, incluyendo la
visualización de información del proveedor del proveedor (tier 2) (Kembro, Näslund, &
Olhager, 2017); hasta los clientes, consumidores y otros grupos de interés que se
encuentran de lado del ecosistema de consumo.
Figura 3-30: Ecosistema integrado.
Fuente: Elaboración propia basado en (Schrauf & Berttram, 2016).
Desde la perspectiva de arquitectura tecnológica, representada en la figura 3-30 como

plataforma digital y los flujos de información, la investigación científica se ha centrado en
enfoques que utilizan el paradigma de la computación en la nube, así como su extensión,
denominada “Computación en la niebla”, donde el procesamiento de datos y las
aplicaciones se concentran en los dispositivos en el borde de la red, y no en la nube

(Subhadeep Sarkar & Misra, 2016).
En línea con la arquitectura, Abdmeziem et al. (2016) proponen una clasificación de tres
categorías para las diferentes tecnologías que forman parte de IoT: primero, las
tecnologías de detección, con las que se recopilan los datos, luego la capa de middleware,
que es encargada de procesar y administrar los datos y, por último, las tecnologías de
desempeño, que representan la extensión física de las aplicaciones de IoT. Estas
categorías permiten inferir la necesidad de una arquitectura de análisis de datos en el
diseño de la plataforma, mediante la aplicación de analítica avanzada.
En resumen, las arquitecturas son un medio importante para seleccionar la combinación

correcta de tecnologías, lo que impulsa la creación y captura de valor en el ecosistema
(Tavalaei, 2020); por tanto, se crea valor cuando una arquitectura es escalable, cuando
esta es resiliente y cuando se adapta a las necesidades de los grupos de interés. En este
sentido, una arquitectura óptima también reduce el tiempo de comercialización de la
plataforma (Time to Market) y sus aplicaciones informáticas asociadas (Li et al., 2020).
3.4 Dimensiones de Evaluación del Ecosistema

Basados en los resultados de la visión prospectiva del sistema de creación de valor, la
verificación de madurez y actores del ecosistema IoT y la extensa revisión de
antecedentes, se hace necesario dentro del proceso de abstracción del ecosistema
integrado, identificar las dimensiones básicas sobre las cuales se harán valoraciones que
permitan evaluar el desempeño de una configuración futura de ese ecosistema (Bokrantz,
Skoogh, Berlin, & Stahre, 2017; Culot, Orzes, Sartor, & Nassimbeni, 2020).
De esta manera, con una visión de principio a fin en términos de proceso, del lado de la
oferta de valor, se definen la creación de nuevas experiencias y eficiencias como
dimensiones principales (von Briel, 2018); del lado del modelo operativo emergen dos
dimensiones, visibilidad inteligente e innovación tecnológica; de modo que, las
dimensiones se definen de la siguiente manera:
• Modelo de Negocio (Oferta de valor)

Capítulo 3 143
o Nuevas experiencias
o Nuevas eficiencias
• Modelo Operativo (Operaciones Inteligentes)
o Visibilidad inteligente
o Innovación tecnológica
Para integrar las cuatro dimensiones en un solo punto y facilitar las interpretaciones de los
resultados obtenidos de la evaluación, se construyó un diagrama tipo radar, también
conocido como Araña, el cual permite mostrar visualmente los gaps entre la evaluación
actual de la iniciativa digital y la proyección de los escenarios futuros; de esta manera, las
variaciones en las dimensiones permiten identificar fortalezas y debilidades en el modelo
de negocio y operativo, por tanto, los análisis derivados del diagrama permiten un punto
de control, búsqueda de sinergias y fuente de información para nuevos análisis y
simulaciones (Kowalkiewicz, Safrudin, & Schulze, 2017).
Figura 3-31: Dimensiones de evaluación sobre el ecosistema IoT.
Del mismo modo, tal como se observa en la gráfica 3-31, las cuatro dimensiones muestran
una representación consolidada del rendimiento teórico del sistema de creación de valor
en el ecosistema IoT integrado de producción y consumo, en tal sentido, el diagrama

permite reconocer las diferentes percepciones que los evaluadores tienen sobre el diseño
del ecosistema (Rusho & Raban, 2019).
De acuerdo con lo anterior, la dimensión de Nuevas experiencias sintetiza los aspectos

que la oferta de valor tiene, en sentido de construir experiencias excepcionales para los
consumidores; de acuerdo con el marco teórico y referencial, los datos como fuente de
aprendizaje continuo, el desarrollo de una ventaja transitoria y la experiencia de usuario
son claves para tener una oferta de valor exitosa. Por su parte las nuevas eficiencias y la
innovación tecnológica, apuntan a la construcción de una cadena de valor digital en donde
el aprovechamiento de los datos y el monitoreo constantes facilitan la evolución del
ecosistema, estas dimensiones dan guía para no perder de vista los aspectos más
importantes de la iniciativa digital, la perdida de foco es un problema que se debe evitar.
Con el fin de establecer un lenguaje común para la evaluación de las diferentes

dimensiones, a continuación se hace una descripción de cada una de ellas: la Nuevas
experiencias valoran los factores que impulsan el desarrollo de funcionalidades
orquestadas, cuyo objetivo es la generación de experiencias digitales excepcionales, las
cuales a su vez son ofertadas a clientes y/o consumidores de los productos y servicios de
la empresa de manufactura; por su parte, la Visibilidad inteligente evalúa los factores que
describen el proceso de monitoreo de la dinámica de captura de valor en el ecosistema,
es decir, en esta dimensión se evalúa la habilidad de la compañía para capturar valor.
En tercer lugar, nuevas eficiencias valoran los factores que permiten desarrollar
capacidades digitales a lo largo de la cadena de suministro, por tanto, están íntimamente
ligadas al desempeño de las plataformas involucradas en el ecosistema IoT; por último, la
Innovación tecnológica consolida una evaluación de los factores que habilitan y soportan
la innovación digital. En resumen, las dimensiones en su conjunto muestran una manera
de valorar una configuración futura de la oferta de valor y el modelo operativo de una
iniciativa digital en el ecosistema IoT del hogar conectado.
Capítulo 3 145

Para el año 2023 el sistema de creación de valor del ecosistema IoT del hogar conectado
estará fuertemente influenciado y determinado por acciones relacionadas con las variables
estratégicas Seguridad, Experiencia de Usuario y Desempeño. En el mismo sentido, no se
deben perder de vista dos variables también importantes, como son las Inversiones en la
plataforma y la Cobertura; esta última indica que se deben desarrollar estrategias para
llegar a la mayor cantidad de hogares posible, lo cual está directamente relacionado con
el efecto de red de la plataforma.
Para el mediano y largo plazo, las variables que determinarán el funcionamiento del
sistema serán la seguridad, el desempeño del sistema y la experiencia de usuario. La
dinámica del sistema de creación de valor puede tener fuertes variaciones, debido a la
cambios en la influencia y dependencia de las variables, sobre todo en temas de seguridad
que se ve influenciada por la cantidad de hogares que se integran al ecosistema y que a
su vez influyen en las inversiones necesarias para gestionar los temas de seguridad de la
información y ciberseguridad; de igual manera, el desempeño de la plataforma se verá
afectado por los temas de seguridad, por lo que se infiere que la búsqueda de equilibrio
entre estas dos variables y las inversiones debe ser foco de atención.
En el corto plazo, el sistema se ha visto determinado por la variable Resiliencia, esto

evidencia la importancia de un diseño de ecosistema IoT que tenga en cuenta no solo
aspectos de cumplimiento, también debe soportar los embates en términos de
ciberseguridad o problemas en el mundo físico que afecten su normal funcionamiento. El
año 2020 presento una comprobación empírica de la anterior conclusión, debido en gran
medida a los impactos que la pandemia tuvo en el ecosistema IoT integrado de las
empresas de manufactura.
Para concluir, las dimensiones de evaluación que emergen del estudio de expertos se
presentan como uno de los principales resultados, la simplicidad e integralidad del
artefacto, permiten visualizar las valoraciones que los grupos de interés tienen sobre el
modelo de negocio y operativo de una iniciativa digital, además de dar cobertura al objetivo
de investigación específico de identificación de elementos y variables.
4. Modelo de evaluación del Sistema
(Construcción y Simulación)
Para entender el funcionamiento del sistema de creación de valor, se hace necesario
abordar sus elementos constitutivos y comportamientos de una manera integral, en este
sentido la teoría de sistemas ayuda a establecer un análisis de lo general a lo particular, o
lo que es lo mismo, del todo a cada una de sus partes.
4.1 Sistema de creación de valor

Dentro del ecosistema de IoT, la conexión de los hogares a los nuevos servicios digitales
crece de forma dinámica con el tiempo. Según APPLIA (Asociación Europea de
Fabricantes de Electrodomésticos), el número de hogares conectados en Europa se
multiplicará por cuatro en 2024, en comparación con los 18 millones registrados en 2017
(APPLIA, 2020). En este sentido, existen diferentes formas de calcular esta conexión y
verificar la forma de la curva que representa este crecimiento. Según un modelo de
simulación dinámica simple (hasta 60 meses), que relaciona el número de hogares
conectados mediante una tasa de asociación y disociación; como se muestra en la figura
4-1, las curvas de las viviendas nuevas en la red y las viviendas disociadas están en
constante crecimiento. Así, es posible inferir que el número de usuarios que están
vinculados seguirá siendo significativamente mayor que el de aquellos que están
desconectados, y el efecto de red provocará la creación de valor al aumentar de acuerdo
con la adopción del ecosistema.
Analizando la curva, se puede observar que las conexiones incrementan a lo largo del
tiempo en una función que toma forma cuadrática (𝑥 2 ), en este sentido, la aproximación
sobre el crecimiento de la red no explica muy bien el comportamiento de la misma, sobre
todo por la suposición de que las redes de hogares conectados están influenciadas por
externalidades, lo cual según Larrosa (2016) se debe a las limitaciones que tienen las leyes
de valoración; de tal forma que, leyes como la de Metcalfe requieren de varios supuestos
que limitan las proyecciones. Por otro lado, se puede aducir de estos primeros análisis que
la curva de crecimiento de hogares conectados se muestra interesante para las compañías
de línea blanca, el desarrollo de soluciones alrededor del hogar tiene desde el punto de
vista teórico un gran potencial, en el apartado del efecto de red se abordara el tema con
más detalle.
Figura 4-1: Proyección de conexión de hogares.
De manera semejante, el concepto de Valor Percibido que ha sido ampliamente estudiado

por los investigadores en marketing y negocios, se refiere a una evaluación general
realizada por los usuarios para un producto o servicio (Da Costa Fernandes et al., 2020);
Capítulo 4 149
el cual se puede resumir como la discrepancia entre los beneficios que obtienen y el costo
que deben pagar; en la literatura existente dependiendo del área de análisis se presentan
diferentes enfoques, tanto para definir el significado del concepto, así como la manera de
aumentarlo a través de una oferta de valor estructurada efectivamente (Antonopoulou &
Begkos, 2020).
En este sentido, se puede confirmar la existencia de diferentes marcos de trabajo que

permiten la generación de ofertas de valor (Payne et al., 2020), alternativamente, en esta
investigación se realizó un panel de expertos donde emergieron dos valores percibidos
que son los dominantes en términos de evolución del sistema (valor económico y valor
social) (López & Castillo, 2020), los cuales de acuerdo con la literatura se clasifican como
valores percibidos extrínsecos si se toma la perspectiva de orientación a objetivos (Zhang
et al., 2017); por tanto, la definición de creación de valor en el ecosistema IoT consensuada
con los expertos, y que fue alcanzada mediante un taller de innovación entre los años 2018
y 2019, es la siguiente:
"Creación de valor económico y valor social a través del diseño de una propuesta de valor
digital para el consumidor, que se basa en la explotación de datos y la adaptación de
modelos de negocio y, por tanto, ayuda a fortalecer la resiliencia y el crecimiento del
ecosistema de IoT del Hogar Conectado "
Nuestra hipótesis en esta tesis implica entonces que, los modelos de negocio representan
una nueva unidad de análisis y, por tanto, ilustran una visión holística de cómo las
empresas hacen negocios; sin embargo, las empresas de línea blanca se enfrentan a los
mismos problemas que las empresas jóvenes (Start Ups), buscando la definición y el
desarrollo de una propuesta de valor digital, la cual es esencial en la fase inicial de puesta
en marcha y permite conectar las ideas de transformación de estas compañías con el
mercado (Rydehell, Löfsten, & Isaksson, 2018) .
Del mismo modo, la novedad es esencial para que las iniciativas compitan apalancadas en
la nueva tecnología, sobre todo en los mercados de hoy, los cuales por naturaleza son
inciertos y donde el valor de la marca, la calidad o las capacidades de manufactura ya no
son suficientes para atraer a los nuevos consumidores; de esta manera, las investigaciones
de Van Le & Suh (2019) confirman que las proposiciones de valor han evolucionado en la
última década y se han centrado en mantener en el centro la perspectiva del cliente o

consumidor.
Las compañías de línea blanca han emprendido procesos de transformación digital que las
ha llevado a crear nuevas ofertas de valor, las cuales en gran medida han estado
enfocadas en la eficiencia operacional (Taylor et al., 2019); por esa razón, desde la
práctica, se evidencia la timidez de estas compañías en ofrecer soluciones basadas en lo
digital directamente al consumidor final; por tanto, entender el sistema de creación de valor
del ecosistema IoT es un paso hacia adelante en la innovación de los modelos de negocio
y sus ofertas de valor. En el contexto de esta investigación, es necesario resaltar que un
ecosistema IoT es definido como un ecosistema de negocios que afecta el sistema de
creación de valor, positiva o negativamente.
Figura 4-2: Visión del sistema de creación de valor.
De este modo, bajo la perspectiva de la teoría de sistemas, se puede indicar que dentro
del ecosistema IoT existe un sistema que se encarga de producir el valor (ver figura 4-2),
cuya dinámica se beneficia de la conexión de gran cantidad de dispositivos que conforman
el ecosistema empresarial de una compañía de línea blanca (Cunha & Kidanu, 2017),
conectar lo desconectado permite que la información en toda la cadena de suministro se
Capítulo 4 151
recopile y se alimente a un proceso de análisis (Casado-Vara, Martin-del Rey, Affes, Prieto,

& Corchado, 2020; Dunbrack et al., 2016; Liu, Purvis, Mason, & Wells, 2020) , con el fin
último de crear Inteligencia Accionable; por tanto, se puede inferir que, el sistema de
creación de valor es el motor de todo el ecosistema, el cual genera inteligencia accionable
para hacer que el modelo de negocio y el modelo operativo funcionen sincronizadamente,
del mismo modo, la potencia del motor está definida por la configuración de estos
elementos.
4.2 Representación del Sistema

Para analizar el comportamiento del sistema de creación de valor en el ecosistema IoT, se
utilizaron las técnicas de simulación presentadas en el diseño metodológico, lo cual permite
evaluar el comportamiento del sistema en términos de creación de valor. En esta línea, a
pesar de los desafíos de modelado computacional que representan los sistemas
complejos, la simulación dinámica es una herramienta ideal para construir modelos que
reproduzcan el comportamiento de este tipo de sistemas (Fujimoto et al., 2017; Lane &
Sterman, 2011; Lyneis, 2020); Sin embargo, no existe un método de evaluación aceptado
universalmente para validar un modelo dinámico. Por lo tanto, el enfoque utilizado en esta
investigación es verificar los resultados en la práctica, empleando la opinión de expertos.
No ha sido posible encontrar un modelo de referencia en el que basar la representación

del sistema de creación de valor del ecosistema IoT y, asimismo, no ha sido posible
compararlo con un modelo un sistema real; teniendo esto en cuenta, para la construcción
del modelo se ha realizado un exhaustivo análisis documental que, junto con un panel de
expertos de primer nivel, ayudo a conceptualizar el modelo e identificar los mecanismos
para realizar simulaciones y verificar los resultados.
En consecuencia, una vez construido el modelo del sistema, se simuló mediante un

conjunto de supuestos alternativos, dando lugar a un conjunto de resultados en cada
simulación. seguidamente, se realiza un análisis comparativo de los diferentes escenarios,
permitiendo a los autores elegir el más prometedor, de acuerdo con los objetivos que
persiguen las empresas de línea blanca.
Habiendo revisado la literatura existente los elementos que componen el sistema de

creación de valor se han identificado y se muestran en la figura 4-3.
El sistema de creación de valor está compuesto por cuatro elementos, los cuales pueden
ser vistos como subsistemas o estados por los que pasa la información, dichas etapas
inician con un proceso de evaluación de la oferta de valor desde dos frentes, la oferta de
valor en sí misma, así como, la evaluación de la gestión tecnológica que soportara dicha
oferta; el siguiente estado, se puede observar en la figura como el de la captura de valor,
en donde la combinación de los elementos de entrada afectan positiva o negativamente el
desempeño del sistema, en esta parte se diseñó un modelo que permite evaluar el
comportamiento de la captura, que se podría expresar como la capacidad de la oferta de
capturar el valor.
Figura 4-3: Diagrama conceptual del sistema de creación de valor.
El siguiente estado es el de creación de valor, que después de una revisión de

antecedentes está relacionado con la demanda, de esta manera, el sistema se modela
mediante la interacción de tres elementos: los objetivos comerciales de la oferta de valor,
los objetivos de la cadena de suministro para entregar el producto y/o servicio y el cálculo
de pronóstico de la demanda; en este sentido, se puede revisar el comportamiento del
efecto de red para una oferta de valor especifica. Es necesario resaltar que, algunas
variables de contexto del ecosistema, tales como las relacionadas con el número de
Capítulo 4 153
personas por familia, la cantidad de socios de negocio de una compañía y la participación

de mercado, son utilizadas para ajustar el comportamiento del efecto de red del sistema a
las variables existentes en el mundo real.
Finalmente, el último subsistema está relacionado con el cálculo de valor total que se crea
en el sistema y la cantidad capturada por el escenario de entrada; en este sentido, la
combinación del proceso de creación con el de captura tendrá como resultado unos
pronósticos basados en la dinámica de interacción de los subsistemas
4.2.1 Subsistema de evaluación

El concepto de subsistema de evaluación se concibió como un proceso de revisión en dos
partes que combina los cuatro dimensiones de evaluación (ver figura 3-31) , la primera
parte trata de la evaluación de las operaciones digitales de la compañía, el cual está
dividido en dos índices, el primero es la Gestión Tecnológica para una iniciativa digital,
para ello se construyó un índice compuesto, el segundo es el Índice de Visibilidad de la
captura de valor (VCV); el segundo se define como la evaluación del desempeño de la
oferta de valor digital a través de las nuevas eficiencias y nuevas experiencias generadas,
para ello se desarrolló un modelo de lógica difusa. Las salidas de este subsistema permiten
simular el comportamiento de la creación de valor a través de un modelo dinámico que se
presenta más adelante en este trabajo.
▪ Índice de innovación tecnológica

Las investigaciones de Saunders & Brynjolfsson (2016) confirmaron que la tecnología
impulsa la creación de valor hasta un 52% por encima de la media en las empresas
tradicionales (incluidos los fabricantes de electrodomésticos); por su lado, Abood et al.,
(2017) sostienen que la correcta combinación de tecnologías en las empresas genera
nuevas experiencias y nuevas eficiencias que ayudan a reinventar el modelo operativo.
Teniendo en cuenta que las compañías de electrodomésticos están enfrentando un

entorno competitivo cambiante, la innovación en torno a la tecnología de la información
parece ser la forma de enfrentar los grandes desafíos que esto representa; en este sentido,
una correcta gestión permitirá a estas compañías adaptar su manera de trabajar (Ikävalko,
Turkama, & Smedlund, 2018; Merritt & Sarma, 2019).
Por consiguiente, para intentar medir este impacto en la creación de valor del sistema, se
desarrolló un índice que mezcla tres variables: la “combinación adecuada de tecnologías”
en la plataforma, la “Resiliencia”, entendida como la capacidad que tiene la plataforma de
reanudar rápidamente las operaciones normales después de una contingencia; dicha
variable surgió del estudio de expertos y se volvió de las más relevantes en 2020 gracias
al impacto de la pandemia en la industria y organizaciones (Saenz, Anderson, Ledingham,
& Supko, 2020), y por último, el nivel de “inversiones” que se proyecta sobre la plataforma
(Abood et al., 2017).
En este sentido, asumiendo que la gestión adecuada de tecnología aumenta o disminuye

el valor, la descripción de este índice se puede distribuir dentro del siguiente rango de
valores porcentuales:
Índice de innovación tecnológica = TIN = valor entre (80% y 120%)
▪ Índice de visibilidad de la captura de valor

Este índice busca valorar la dimensión de visibilidad, mediante la evaluación de tres
variables: el análisis del efecto de red, la participación de mercado y la visibilidad de la
captura de valor (Faber, Hernandez-Mendez, Rehm, & Matthes, 2020).
Índice de visibilidad de la captura de valor = VCV= valor entre (80% y 120%)
▪ Efectividad de la oferta de valor

Considerando la incertidumbre del sistema de creación de valor, donde no existe una lista
completa de factores a considerar para el dominio del problema y, dado que no se conoce
un modelo teórico que lo moldeé, fue necesario aplicar la lógica difusa en esta
investigación; como Zadeh (1973) mencionó: "A medida que aumenta la complejidad, las
declaraciones precisas pierden su significado y las declaraciones significativas pierden
precisión", por lo que para moldear el desempeño de la oferta de valor (VOP) en el sistema
de creación de valor en el ecosistema de IoT, se ha construido un modelo de evaluación
basado en lógica difusa (Z. Chen, Lu, Ming, Zhang, & Zhou, 2020; Zimmermann, 2010).
Este modelo resuelve el problema asociado con la identificación del desempeño perfecto
de la oferta de valor; dado un grupo de variables de entrada (espacio de entrada), las
Capítulo 4 155
variables de salida tienen el valor correcto (espacio de salida). Por tanto, la lógica difusa
es la forma adecuada de mapear estas variables. Dicho esto, según Abood et al., (2017)
la efectividad del valor ofrecido en los modelos de negocios digitales se forja gracias a las
nuevas experiencias y eficiencias creadas para el cliente y consumidor, con esto en mente,
han definido los siguientes elementos en el lenguaje de lógica difusa.
▪ Universo del discurso y variable lingüística

El concepto de rendimiento de la oferta de valor (VOP) se definió como variable lingüística,
que será pronosticada en el universo de difusión, así, la tabla 4-1 da el rango de valores
expresado por los procesos de propiedad a través de la variable lingüística. No se puede
olvidar que un valor por ejemplo del 85%, tiene un porcentaje de valor bajo y también
aceptable; lo cual en definitiva es la esencia de los conjuntos difusos, diferentes niveles de
pertenencia que dependen de las reglas establecidas.
Tabla 4-1: Descripción del rendimiento de la oferta de valor.
VOP Grupos Impacto en la creación de Valor

difusos FG
VOP < 80% Unacceptable La creación de valor es insuficiente para mantener

el punto de equilibrio. Inaceptable competitividad
de la oferta
80 % < VOP < 90% Low La creación de valor es baja. Se deben corregir los
errores de diseño de la oferta.
90 % < VOP < 100% Acceptable La creación de valor tiene ligeras variaciones a la
baja, lo cual hace que la competitividad de la oferta
deba revaluarse.
100 % < VOP < 110% Outstanding Se ha logrado una ventaja competitiva aceptable,
el motor de creación de valor está en el rango de
desempeño óptimo.
VOP > 110% Best in Class Se ha logrado una ventaja transitoria, la creación
de valor en el sistema es excelente, el desempeño
del motor de valor está al tope de su Potencial.

▪ Función de membresía
El proceso de Fusificación, consiste en tomar los valores nítidos de las entradas y
determinar el grado de pertenencia de estos a los conjuntos difusos asociados, se trabaja
entonces a través de la función de pertenencia para las nuevas experiencias y eficiencias
del conjunto, lo cual nos indica el grado en que cada elemento de un universo dado
pertenece a dicho conjunto.
De acuerdo con lo anterior, el cambio de la función de pertenencia de un conjunto a otro

es gradual y está limitado por la falta de límites bien definidos entre estos conjuntos. La
siguiente función de pertenencia se ha definido para indicar el grado en que cada elemento
del universo del discurso (Efectividad = EF), pertenece a un conjunto. En otras palabras,
la función de pertenencia de un conjunto FG (Fuzzy Groups) en un universo EF tiene la
forma: µ_FG: EF → [0,1], donde µ_FG (EF) = s si s es el grado al que pertenece EF a FG.
La función de pertenencia toma valores en el intervalo [0, 1].
0, 𝑖𝑓 𝑥 ≤ 𝑎 𝑜𝑟 𝑥 ≥ 𝑑
⃕
𝑥−𝑏
, 𝑖𝑓 𝑥 > 𝑎 𝑎𝑛𝑑 𝑥 < 𝑏
𝑏−𝑎
Membership Function (𝑥, [𝑎, 𝑏, 𝑐, 𝑑]) = ⃕
1, 𝑖𝑓 𝑏 ≤ 𝑥 ≤𝑐
⃕
𝑑−𝑥
{𝑑 − 𝑐 , 𝑖𝑓 𝑥 > 𝑐 𝑎𝑛𝑑 𝑥 < 𝑑
Figura 4-4: Clasificación difusa de VOP.

Capítulo 4 157
La figura 4-4, por ejemplo, muestra cómo los valores inferiores al 70% tienen un alto grado
de pertenencia al conjunto difuso inaceptable y los valores superiores al 100% tienen un
alto grado de pertenencia al conjunto difuso mejor en su clase. Entonces, para pronosticar
el rendimiento de VOP se toman valores de efectividad, para hacer una clasificación difusa
de la misma en cinco conjuntos difusos.
En línea con lo anterior, una regla difusa (If-Then) se expresa simbólicamente como:
IF <Fuzzy Proposal> Then <Fuzzy Proposal>
Donde <Fuzzy Proposal> puede ser una proposición difusa atómica o compuesta; también
es posible definir una propuesta simple de este tipo a través de:
p: IF X is A THEN Y is B
El antecedente y el consecuente de una regla puede tener múltiples partes (Khan &
Haleem, 2013; Zadeh, 1973), de esta manera, se definieron reglas difusas para especificar
el mapeo lógico apropiado basado en el desempeño de la Oferta de Valor (VOP), las reglas
desarrolladas para este escenario se muestran en la figura 4-5.
Figura 4-5: Reglas difusas.

Después de modelar el conjunto difuso, se pueden analizar el conjunto de probabilidades

para que la oferta de valor sea efectiva, en función de las nuevas experiencias (Experiencia
de usuario, Inteligencia Accionable y Ventaja transitoria) y las nuevas eficiencias en la
plataforma (seguridad, rendimiento y Arquitectura), para realizar esto se puede observar
en la figura 4-6, el comportamiento de la efectividad en el conjunto difuso definido.
Luego de dar forma al grupo difuso, se pueden analizar el conjunto de probabilidades para
que la oferta de valor sea efectiva, en función de las nuevas experiencias (experiencia de
usuario, Inteligencia accionable y ventaja transitoria) y las nuevas eficiencias en la
plataforma (seguridad, rendimiento y arquitectura). Se crea entonces un programa en el
software Scilab con los parámetros previamente establecidos, la superficie de salida se
establece mediante la función Plotsurf, que ha sido ejecutada con los siguientes
parámetros Plotsurf (fis, [1 2], 1, [0 0]); de esta manera, el comportamiento de efectividad
en el grupo difuso definido se puede observar en la Figura 4-6.
Figura 4-6: Conjunto difuso.

Capítulo 4 159
▪ Variables de entrada
Al modelo entran básicamente dos tipos de variables, las primeras son variables
lingüísticas, las cuales representan las nuevas experiencias de un modelo de negocio, y
toman valores entre básico y sobresaliente del universo del discurso. La segunda variable
de entrada son las nuevas eficiencias en el modelo operativo, las cuales toman valores del
universo del discurso entres inaceptable y mejor de su clase.
▪ Variables de salida
La variable de salida en este modelo es la probabilidad de que la configuración de las
nuevas experiencias y eficiencias generen valor, es decir, el valor porcentual que el
escenario de configuración de entrada crea o destruye valor. Dicha escala de valores y su
respectivo impacto en la oferta de valor están definidos en la tabla anterior.
En resumen, para modelar este subsistema se desarrolló un índice compuesto (TIN), que
evalúa la gestión tecnológica, de igual forma se construyó un modelo de lógica difusa para
evaluar el desempeño de una oferta de valor digital (VOP). Teniendo en cuenta lo anterior,
en los siguientes apartados se explican la construcción de un modelo basado en dinámica
de sistemas que busca identificar el comportamiento de creación de valor en un ecosistema
IoT del hogar conectado.
4.2.2 Subsistema de creación y captura de valor

Luego de conceptualizar el sistema de creación de valor y con el subsistema de evaluación
definido en el apartado anterior, el siguiente objetivo fue desarrollar un modelo que
permitiera simular su comportamiento. Consecuentemente, se diseñó el diagrama de
Forrester que se muestra en la figura 4-7, el cual permitió la escritura de ecuaciones en
computador con el fin de validar el modelo, observar la evolución temporal de las variables
y realizar análisis de sensibilidad.
En línea con lo anterior, en 2020 debido a la pandemia, se evidencian algunas tendencias

en las organizaciones que brindan algunos hallazgos del estudio de expertos realizado en
esta investigación, el más relevante está relacionado con que para enfrentar la pandemia
y tener un negocio sustentable en el tiempo, se tienen algunos imperativos digitales que
no dan espera, los cuales tienen que ver con la búsqueda de nuevas formas de trabajar y
operar, apalancados en la digitalización inteligente (Saenz et al., 2020).
De esta manera, la oferta de valor digital y la gestión de tecnología se trabajan bajo el

enfoque de efectividad, en donde la sincronización adecuada de los dos conceptos debe
permitir en primera instancia, crear nuevas experiencias al cliente o consumidor, y luego,
teniendo en cuenta que la plataforma tecnológica hace parte integral del ecosistema, debe
darse una gestión efectiva y eficiente de la misma.
Por tanto, para el desarrollo del modelo dinámico, se establecen las siguientes
consideraciones:
1. La dinámica de creación de valor está influenciada por la cantidad de nuevas
conexiones que se dan en el ecosistema.
2. La plataforma tecnológica es el habilitador del ecosistema integrado, se identifican dos
plataformas que funcionan integradamente, una orientada a los procesos internos de
la compañía y la otra que esté al frente del consumidor (en el hogar conectado).
3. La configuración de la oferta de valor y la gestión tecnológica son las que definen la
potencia del sistema de creación de valor.
4. La potencia (o rendimiento teórico) del sistema de creación de valor se mueve en un
conjunto difuso de valores posibles.
Dicho lo anterior, el diagrama de Forrester (figura 4-7), también conocido como diagrama
de flujos, permite que el modelo se implemente en una herramienta informática, en este
caso se utilizó el software Vensim. El modelo se desarrolló teniendo en cuanta el diagrama
conceptual antes mencionado y consta de tres partes, el subsistema de captura de valor,
en donde se simula la dinámica de este proceso, seguido del modelo del subsistema de
creación de valor, para luego, con los resultados de estos subsistemas, modelar el
subsistema de pronóstico de valor.
Cada uno de los subsistemas tiene sus respectivos ciclos de realimentación, niveles e
interacciones, los cuales fueron usados para ejecutar la simulación y fueron refinados con
el análisis de sensibilidad y de validación de la hipótesis dinámica. El diagrama causal del
modelo se puede ver en a figura 4-8.
Capítulo 4 161
Figura 4-7: Diagrama de Forrester.
Figura 4-8: Diagrama causal.

4.3 Simulación y discusión

Los siguientes apartados explican los resultados obtenidos en los cientos de simulaciones
que se realizaron, estos resultados fueron interpretados en base a una revisión de
antecedentes ampliada, con las observaciones realizadas en el contexto de las empresas
de línea blanca y con los aportes de los expertos (Radzicki, 2020).
4.3.1 Simulación y análisis de sensibilidad

Basado en cientos de simulaciones, se descubrió la forma de la curva que describe el
crecimiento de los ciclos de captura de valor en el sistema (ver figura 4-9), para crear la
gráfica se ejecutaron variaciones en los parámetros de entrada en una escala de 5% cada
vez, en este sentido, las simulaciones fueron apoyadas por la herramienta de simulación
dinámica Vensim. En conclusión, se puede deducir entonces que la dinámica del
subsistema de creación de valor muestra un comportamiento de crecimiento logístico.
Figura 4-9: Comportamiento de los ciclos de captura.

Capítulo 4 163
El crecimiento del tipo logístico, representa el aumento de una variable cuando la densidad
de la misma ejerce presión sobre la tasa intrínseca de crecimiento (Sterman, 2010a),
sentido, reflexionando sobre la figura 4-9, es posible descubrir su relación con las curvas
de crecimiento poblacional de tipo logístico, que representa el crecimiento de una
población cuando su densidad ejerce cierta presión sobre la tasa intrínseca de crecimiento,
como se muestra en la figura 4-10.
Figura 4-10: Crecimiento poblacional del tipo logístico.
Fue Pierre François Verhulst en 1838 quien definió la ecuación para expresar este tipo de
crecimiento autolimitado (Sterman, 2010b), la cual se puede ver a continuación:
𝐾
𝑅(𝑡) =
1 + ec−𝑟𝑡
Donde:
K es la “capacidad de carga” del subsistema.
C es la constante adquirida en el proceso de integración.
R(t) es el número de ciclos de captura en el tiempo t.
r es el coeficiente que indica la magnitud del potencial de crecimiento de cada captura de
valor.
Continuando con las simulaciones para identificar los límites del sistema, se generó la tabla
4-2, por medio de la variación del parámetro de entrada de Efectividad (combinación de
VOP y TIN), el cual se incrementó en una unidad porcentual a la vez; por consiguiente, se
generaron valores para la tasa de crecimiento r y la capacidad máxima K, en cada una de
las iteraciones. De acuerdo con los resultados y el ajuste de los parámetros del modelo,
los límites fueron identificados donde el subsistema se comporta de manera estable; es
decir, genera un grado positivo en los ciclos de captura de valor. Es necesario precisar en
este punto lo siguiente:
Efectividad = Combinación de VOP y TIN

Tasa de Crecimiento = r
Capacidad Máxima = K.
Tabla 4-2: Limites subsistema creación de valor.
Efectividad r K Efectividad r K Efectividad r K
5% 0.22 0.10 17% 0.34 1.50 29% 0.46 4.37

6% 0.23 0.15 18% 0.35 1.68 30% 0.47 4.68
7% 0.24 0.22 19% 0.36 1.88 31% 0.48 5.00
8% 0.25 0.30 20% 0.37 2.08 32% 0.49 5.32
9% 0.26 0.40 21% 0.38 2.29 33% 0.50 5.66
10% 0.27 0.50 22% 0.39 2.52 34% 0.51 6.01

11% 0.28 0.61 23% 0.40 2.75 35% 0.52 6.37
12% 0.29 0.74 24% 0.41 3.00 36% 0.53 6.74
13% 0.30 0.87 25% 0.42 3.25 37% 0.54 7.12
14% 0.31 1.01 26% 0.43 3.52 38% 0.55 7.51

15% 0.32 1.17 27% 0.44 3.79 39% 0.56 7.91
16% 0.33 1.33 28% 0.45 4.08 40% 0.57 8.32
Capítulo 4 165
En este subsistema a partir del 5% de efectividad de la oferta de valor, los ciclos de captura
crecen hasta alcanzar su límite en 8.32 ciclos y 40% de efectividad, de esta manera, la
ecuación diferencial logística que describe la curva es la siguiente:
k𝑛
𝑅(𝑡) =
1 + ec−(r𝑛 𝑡)
Donde C = 7.32
0.56
r𝑛 = 𝑇𝑎𝑠𝑎 𝑑𝑒 𝑃𝑜𝑡𝑒𝑛𝑐𝑖𝑎 (𝑇𝑃) = 0.22 ≥ TP𝑛 ≤ 0.57 = ∑ 𝑛 + 0.01

𝑛=0.21
k 𝑛 = 0.1 ≤ k 𝑛 ≤ 8.32 = -1.7107 + 0.2348 * n + (n-18.5) * ((n-18.5) * 0.0051)
𝑛 = 𝑒𝑓𝑒𝑐𝑡𝑖𝑣𝑖𝑑𝑎𝑑 𝑑𝑒 𝑙𝑎 𝑜𝑓𝑒𝑟𝑡𝑎 𝑑𝑒 𝑣𝑎𝑙𝑜𝑟 = 5 ≤ 𝑛 ≤ 40
k𝑛
Reemplazando k, C y r en 𝑅(𝑡) =
1 + eC−(TP𝑛 𝑡)
-1.7107 + 0.2348 * n + (n-18.5)*((n-18.5)*0.0051)

𝑅(𝑡) =
1 + e7.32−(TP𝑛 𝑡)
-1.7107 + 0.2348 * n + (n-18.5)*((n-18.5)*0.0051)

𝑅(𝑡) = 0.56
1 + e7.32−((∑𝑛=0.21 𝑛+0.01)𝑡)
La solución de la ecuación diferencial logística dada anteriormente permite identificar el

número de ciclos de captura del sistema. En otras palabras, esta ecuación predice el
posible valor de R, dada una efectividad de la oferta de valor y un período de tiempo en el
futuro.
En el contexto de los hogares conectados, los resultados anteriores tienen especial

relevancia en la planificación de las iniciativas digitales de una empresa; entender que el
comportamiento del valor económico es logístico y no exponencial ayuda a mejorar los
casos de negocio antes de lanzar una iniciativa. Asimismo, resolver la ecuación
matemática de la curva permite pronosticar el número de ciclos de captura de valor, esto
permitirá a las empresas evaluar si una iniciativa digital tendrá éxito. La curva logística en
forma de S muestra cómo la creación de valor se ve afectada por factores que limitan el
crecimiento ilimitado; se puede deducir que esta curva representa un comportamiento más
ajustado a la realidad de los negocios digitales, especialmente de los que operan en el
ámbito de los hogares conectados.
4.3.2 Efecto de red

El efecto red es un fenómeno de los modelos de negocio digitales, el cual ha sido
ampliamente estudiado por diferentes investigadores, Iansiti & Lakhani (2020a) lo definen
como “el valor añadido por el incremento del número de conexiones dentro y a través de
las redes” (p. 6); mientras que otros lo definen como el impacto que tiene el número de
usuarios de una plataforma sobre el valor creado por cada usuario y por tanto son la
principal fuente de creación de valor (Constantinides, Henfridsson, & Parker, 2018; Parker,
Petropoulos, & Van Alstyne, 2020); por su parte, Tiwana (2018) lo define como “el grado
por el cual cada usuario de una plataforma o App, hace está más valiosa a los demás
usuarios existentes”; en este sentido, los economistas denominan este efecto como
externalidades de la red o la ley de Metcalfe.
Del mismo modo, investigaciones de Zhang et al. (2017) sobre la red social China WeChat
muestran que las externalidades indirectas, las cuales se refieren al beneficio acumulado
del creciente número de participantes de la red, afectan significativamente el valor de la
información, pero no el valor social; es decir, el beneficio acumulado del creciente número
de participantes, impacta la reducción del precio promedio y la mayor cantidad de servicios
disponibles que WeChat puede proporcionar (Fainmesser & Galeotti, 2019). Por el
contrario, cuando los servicios auxiliares se utilizan o consumen solos, no son útiles para
obtener valor social, lo que implica que WeChat no desarrolló una ventaja competitiva
sobre proveedores de juegos, noticias e historias.
En contraste, es importante resaltar que el tamaño de la red determina los contactos

potenciales con los que un usuario interactuar, pero no garantiza ni las conexiones virtuales
que un usuario puede construir ni las utilidades proporcionadas por las conexiones. En
esta línea, la experiencia de las compañías de línea blanca en la implementación de
sistemas a gran escala, se erige como una barrera que impide la agilidad del desarrollo de
nuevas ofertas basadas en digital, en los estudios de sistemas de información esto se
Capítulo 4 167
refiere a la resistencia que tienen los usuarios internos ante los proyectos que implican
nuevas tecnologías (Hao & Duan, 2019; Ilie & Turel, 2020); en consecuencia, buscar
nuevas formas de interactuar con los consumidores debe ser una de las premisas de las
oferta de valor (Subhro Sarkar & Khare, 2019; Xue, Liang, Xie, & Wang, 2020).
De manera análoga, es necesario mencionar que algunos investigadores se han

preocupado por explicar el efecto de red y su impacto en la competencia, se puede
confirmar en la práctica que, en algunos casos las plataformas tecnológicas han creado
monopolios difíciles de controlar; por lo que las políticas públicas aún no han tenido el
alcance requerido; en 2020 este tema se muestra como uno de los principales intereses
de la sociedad en general (Evans & Schmalensee, 2017; Halaburda, Jullien, & Yehezkel,
2020).
Figura 4-11: Comportamiento del efecto de red.
Con respecto a la simulación dinámica de la creación de valor o efecto de red en el sistema

modelado, se observa un crecimiento de los usuarios que aparentemente tiene una forma
cuadrática; Sin embargo, un análisis detallado de las variaciones en la efectividad de la
oferta de valor muestra que a mayores niveles de efectividad la curva se vuelve del tipo
exponencial, pero más impresionante está el hecho de que a una efectividad superior al
20% se genera hasta un 80% aprox. del efecto de red, en unas condiciones estables del
sistema; del mismo modo, en los rangos inferiores de efectividad, el efecto de red es
prácticamente lineal con valores muy pequeños, ver figura 4-11.
4.3.3 Estimación de la demanda en compañías de

electrodomésticos de línea blanca
La estimación de demanda es un proceso sobre el cual existen varias teorías y modelos
para su ejecución, desde la aplicación de sencillas reglas para organizar datos y predecir
con base en promedios, hasta la aplicación de técnicas de neuroeconomía; sin embargo,
dentro de la comunidad académica existen criterios a favor y en contra de determinadas
técnicas, en esta línea, existe consenso sobre los algoritmos de regresión de series de
tiempo, sobre los cuales se puede decir que generan uno de los mejores resultados de
pronóstico, del mismo modo, no se puede dejar de lado que usar las redes neurales para
este tipo de problemas es una técnica que también se usa en la práctica y sobre la cual se
han escrito numerosos artículos científicos (Kilimci et al., 2019).
En línea con lo anterior, es importante mencionar que el resultado de los modelos de

pronóstico depende en gran medida de los datos, por lo que, conseguirlos, organizarlos y
procesarlos, implica un método estructurado, basado en el conocimiento de estos y sus
características; solo de esta manera, se podrá extraer conocimiento con un impacto
positivo en la toma de decisiones.
De acuerdo con la revisión de literatura, la demanda de los electrodomésticos está

íntimamente ligada con el desempeño económico de un país (Temür et al., 2019), en este
sentido, varios estudios confirman que también existe una correlación entre las ventas de
casas, matrimonios y divorcios, y la renovación de electrodomésticos, que explican casi en
su totalidad la demanda de este tipo de productos (Akdağ, 2019); de esta manera, en la
revisión practica se confirma que los algoritmos de regresión múltiple son los más usados
para predecir la demanda de refrigeradores y que aún combinando su resultados con
métodos de inteligencia artificial, los incrementos en la asertividad no superan el 5%
(YÜCESAN, 2018).
Capítulo 4 169
Teniendo en cuenta lo anterior, se puede confirmar entonces que los algoritmos del tipo
ARIMA son los que presentan mejores resultados en cuanto a predecir la demanda de
refrigeradores se refiere, en este sentido, los modelos de este tipo tienen una combinación
formada por procesos autorregresivos y de medias móviles, que buscan encontrar
patrones en una serie de tiempo y pronosticar el futuro. En términos generales la función
que representa estos algoritmos de describe de la siguiente manera:
𝑦𝑡 = µ + 𝜑1 𝑦𝑡−1 + ⋯ + 𝜑p 𝑦𝑡−p + 𝜃1 𝑒𝑡−1 + ⋯ + 𝜃q 𝑒𝑡−q + 𝑒𝑡
Donde:
µ es una constante
𝜑1 𝑦𝑡−1 + ⋯ + 𝜑p 𝑦𝑡−p son los términos autorregresivos (valores rezagados de y)
𝜃1 𝑒𝑡−1 … − 𝜃q 𝑒𝑡−q son los términos de las medias móviles (errores rezagados)
𝑒𝑡 Error o perturbación estocástica
En conclusión, se puede afirmar entonces que, a pesar de las limitaciones existentes entre
los diferentes modelos de pronóstico, el efecto de red puede ligarse también a un
pronóstico de la demanda sobre los productos que vende una compañía de
electrodomésticos y de esta manera enriquecer el modelo.
4.3.4 Análisis del pronóstico de valor

Finalmente, se puede inferir que la relación entre los subsistemas define la cantidad teórica
de valor proyectado al futuro, en este sentido, la formula usada en el modelo es la siguiente:
Valor(t) = ((Ciclos de Captura de Valor * Nodos de Red * Unidad de Valor) - Valor Capturado)
El valor capturado por su parte es representado como una fracción del valor total que
puede generar el sistema, este se debe acotar con base en la participación de mercado
(Market Share) que posee la compañía, en otras palabras, la capacidad de captura está
influenciada por la participación de mercado que la compañía tiene; en este sentido, se
infiere que, a mayor participación de mercado mayor es la capacidad de capturar valor. Del
mismo modo, como ya se mencionó anteriormente, el desempeño económico del negocio
de línea blanca está relacionado directamente con el desempeño económico del país
(Akdağ, 2019), por tanto, se integra en el modelo el comportamiento del Producto Interno
Bruto; por último y no menos importante la capacidad de resiliencia del sistema puede
generar una demora en la captura de valor. La fórmula que representa el pronóstico es la
siguiente:
DELAY FIXED (Valor * Market Share * PIB, Resiliencia, 0)
Los resultados de las simulaciones muestran una curva de crecimiento de valor de tipo
cuadrático; sin embargo, en un ambiente en donde el PIB ronda el 5% y la resiliencia refleja
una demora en la captura de 2 meses, la curva presenta las oscilaciones que se evidencian
en la figura 4-12.
Del mismo modo, el comportamiento reflejado en el crecimiento de los nodos de red se

evidencia también en la cantidad de valor, en donde a tasas de efectividad superiores al
20%, mayor es la probabilidad de capturar una mayor porción del pastel; sin embargo, el
modelo no alcanza a comportarse de manera exponencial, como se puede observar en la
siguiente gráfica.
Figura 4-12: Comportamiento del valor capturado.

Capítulo 4 171
De esta manera, el valor en el mes t se define como el valor teórico que genera cada hogar
multiplicado por el efecto de red de la conexión de nuevos hogares al ecosistema IoT.
Ahora bien, las compañías de electrodomésticos han hecho una búsqueda aparentemente
lógica de valor basada en el cálculo del retorno sobre la inversión (ROI) (aunque este punto
parece ser uno de los aspectos más paralizantes de la adopción de IoT); sin embargo, por
una gran cantidad de razones en el los primeros días de cualquier tecnología nueva es
muy difícil obtener estimaciones adecuadas (Lim et al., 2018). En este sentido, el enfoque
usado para el valor económico creado por cada hogar se basa en la premisa que en una
compañía de manufactura los proyectos de inversión relacionados con los nuevos
negocios utilizan el concepto financiero de punto de equilibrio, para conocer antes de iniciar
operaciones el nivel de ingresos que se necesita alcanzar para recuperar la inversión, de
esta manera, el valor por hogar se define así:
𝐶𝑜𝑠𝑡𝑜𝑠 𝐹𝑖𝑗𝑜𝑠 𝑝𝑜𝑟 𝐻𝑜𝑔𝑎𝑟

𝑉𝑎𝑙𝑜𝑟 𝑝𝑜𝑟 𝐻𝑜𝑔𝑎𝑟 =
Margen de Contribucion por Hogar
Donde:
Valor por hogar = ingresos obtenidos por la comercialización de servicios digitales al hogar
Costos fijos por hogar= son los gastos que permanecen constantes a pesar de la cantidad
de servicios comercializados.
Margen de Contribución por Hogar= diferencia entre los ingresos (facturación) y los costos
variables.
Por tanto, si tenemos en cuenta que el punto de equilibrio está dado por un Valor por Hogar
= 1, podemos inferir entonces que a partir de ahí podemos hacer la proyección de valor,
por lo que:
Valor por Hogar = Unidad de Valor
Donde Unidad de Valor (VU) es = Valor Teórico que generará un flujo de información (flujo
de inteligencia accionable) en el sistema, es importante resaltar que, el flujo de
inteligencia accionable es la unidad central del escenario de modelo de negocio a probar;
ejemplo: un Servicio de mantenimiento preventivo a los electrodomésticos, receta para
cocinar, un pedido automático de alimentos al super, un reabastecimiento automático de
electrodomésticos a un almacén de cadena (retail), etc. (Piscicelli, Ludden, & Cooper,

2018).
De este modo la formula general de pronóstico de valor se define como:
𝑽𝒂𝒍𝒐𝒓𝒕 = (𝑽𝑼 ∗ 𝑹 ∗ 𝑵) − 𝑽𝑪
Donde 𝑉𝑎𝑙𝑜𝑟𝑡 = Pronóstico de la cantidad de valor

VU = Unidad de Valor, representa el valor teórico de un flujo de inteligencia
accionable.
R = Impacto de la Oferta de Valor.
N = Calculo del efecto de red.
𝑉𝐶 = Valor Capturado.
4.4 Implicaciones teóricas

Los fundamentos teóricos de los modelos de negocio basados en datos se materializan en
una oferta de valor al cliente, la cual tiene como característica el componente digital y una
entrega intermediada a través de una plataforma tecnológica, sea esta propiedad de la
compañía o de terceros (Ahmad et al., 2020; Fleisch et al., 2015; Weill & Woerner, 2018b).
Esa oferta de valor estimula la creación de valor del ecosistema, la propuesta de valor es
la guía por medio de la cual la compañía se organiza para ejecutar las diferentes
operaciones que se deben llevar a cabo para cumplirle al cliente (Kraus et al., 2019; Porter
& Kramer, 2019), es decir, es el mecanismo por medio del cual se estimula el sistema de
creación de valor para que este cumpla con su objetivo.
Los resultados obtenidos confirman la hipótesis dinámica sobre el efecto de la oferta de

valor en la creación de valor y presenta nuevos elementos para entender este sistema
complejo; en el mismo sentido, se puede concluir que las leyes tradicionales de valoración
están basadas en algunos supuestos que no necesariamente aplican al contexto del hogar
conectado, por lo que uno de los aportes de esta investigación es precisamente mostrar
una conceptualización adaptada para este ecosistema. De ahí que, se puede confirmar la
existencia de diversos marcos de referencia para el diseño de casos de negocio digitales,
por tanto, complementar dichos marcos con los resultados obtenidos, fortalecerán las
Capítulo 4 173
iniciativas en sí mismas y permitirán desarrollar indicadores para monitorear el desempeño

a lo largo del tiempo.
La representación del sistema de creación de valor es una de las contribuciones de la tesis,

de acuerdo con la revisión de literatura no se evidencia un aporte similar; en este sentido,
contar con un artefacto que permita imaginar la dinámica de creación de valor en un
ecosistema IoT, permite establecer un vínculo entre la teoría, el mundo virtual de los
ecosistemas IoT y el mundo físico de las cadenas de suministro. Hacia adelante existe un
potencial para la construcción de sistemas de información o el desarrollo de nuevos
modelos que aprovechen el entendimiento del comportamiento de la creación y captura de
valor.

El sistema de creación de valor y sus elementos constitutivos fueron un artefacto
fundamental para modelar y simular el comportamiento del valor en el ecosistema IoT del
hogar conectado, en este sentido, el subsistema de evaluación propuesto permite una
valoración integral de la oferta de valor (que define el modelo de negocio) y la gestión
tecnológica (que define el modelo operativo digital). En esta línea, la lógica difusa habilitó
una evaluación cuantitativa y con sentido de negocio de la oferta de valor, que por su
naturaleza contiene elementos cualitativos y que en la práctica se trabajan con una óptica
de las percepciones de los diferentes grupos de interés. En consecuencia, aplicar la
perspectiva de la lógica difusa culminó en el desarrollo de un artefacto de evaluación útil,
que pudo ser escalado a la evaluación de otros problemas en la empresa de manufactura
objeto de la inmersión.
Con respecto a la innovación tecnológica, haber evidenciado en la revisión de literatura

que las arquitecturas son un artefacto fundamental en la creación de valor en el ecosistema
y del mismo modo, identificadas las variables claves en el estudio de expertos; habilitó la
construcción de un índice que ofrece una perspectiva cuantitativa de la innovación
tecnológica, con lo cual una empresa puede identificar si la combinación de tecnología, las
inversiones proyectas y su arquitectura resiliente son las adecuadas para operar un
modelo de negocio digital (Pérez-Castillo, Ruiz, & Piattini, 2020).
De acuerdo con lo anterior, se puede concluir que los resultados de esta parte de la tesis
ayudan a llenar el vacío de conocimiento y a alcanzar dos objetivos específicos de
investigación expuestos en el problema de investigación, los cuales están relacionados
con establecer criterios de evaluación para valorar el desempeño del ecosistema IoT y
diseñar un modelo matemático.
Por otro lado, el diagrama de Forrester se presenta como una excelente herramienta para
el análisis de la causalidad presente en el sistema de creación de valor, por lo que ha sido
posible validar el modelo y observar la evolución temporal de los subsistemas de creación
y captura de valor. Gracias a los resultados se ha podido formular matemáticamente el
comportamiento y obtener una fórmula general que permite estimar la cantidad de valor
que genera el sistema en un período de tiempo t.
A su vez, de acuerdo con la revisión de antecedentes, la fórmula general de cálculo de

valor se erige como una propuesta audaz que tendrá que ser puesta a prueba en futuras
investigaciones; sin embargo, es un resultado académico de la tesis, que se establece
como un punto de partida para futuras investigaciones sobre la creación de valor con la
información en los ecosistemas IoT del hogar conectado.
Asimismo, el análisis de sensibilidad permitió conocer el comportamiento de los

subsistemas de creación y captura de valor, el primero está influenciado por el efecto red,
que a su vez se relaciona con el comportamiento relacionado con la demanda. Al respecto,
la curva que representa este fenómeno muestra que a valores de efectividad pequeños el
crecimiento es prácticamente lineal, y a niveles intermedios se comporta de forma
cuadrática; sin embargo, en niveles sobresalientes, la curva representa un comportamiento
exponencial. En el caso del subsistema de captura de valor, se ha descubierto que este
componente es responsable de potenciar o disminuir la capacidad de captura de valor, por
lo que, a niveles de efectividad sobresalientes, la curva logística alcanza su máxima
capacidad, impactando finalmente la cantidad de valor que podría ser capturada. para una
oferta específica en circunstancias establecidas.
5. Propuesta Metodológica para el Diseño
de Ecosistemas IoT
En un ambiente de incertidumbre, con obstáculos y contingencias, la autopista de
información debe construirse dinámicamente por la empresa, de este modo, la compañía
se hace dueña de su propio destino, por tanto, la metodología para el diseño de
ecosistemas IoT en el contexto del hogar conectado, facilita a las empresas de
manufactura, la articulación de un nuevo modo de pensar en lo que a digital se refiere
(Robnett & Sexton, 2020); la estrategia digital, no es un elemento aislado que desarrollan
las áreas de sistemas, es más bien un concepto que alineado con la estrategia empresarial
apalanca una ejecución efectiva, permitiendo obtener resultados sobresalientes.
De igual manera, la renovación de los modelos operativos es la manera de afrontar los

turbulentos momentos que estamos viviendo, en este sentido, morir no debería ser la
opción para las empresas de manufactura, sus importantes fuentes de empleo son
necesarias para el progreso de los países donde operan. La resiliencia de las compañías
es una capacidad que se desarrolla con disciplina y también incluye lo digital, de esta
manera, los paradigmas y las fronteras entre la manufactura y las demás áreas de la
cadena de valor no son más la excusa para mantener los silos organizacionales de
décadas pasadas.
Por tanto, compañías que no se adaptaron a las nuevas tendencias tecnológicas, se

reinventan en 2020 con una nuevas ambiciones y objetivos, tal es el caso de Kodak en
2020 emprendió un trabajo diferente en el campo de la farmacéutica (DFC, 2020), lo cual
indica que aun en tiempos de adversidad se pueden encontrar oportunidades para renovar
el modelo de negocio.
Uno de los aspectos más relevantes que respalda esta propuesta metodológica, es la
necesidad de la industria de línea blanca de mantener la disciplina digital en sus iniciativas,
en este sentido, mantener una visión de largo plazo es necesario para adoptar nuevos
conceptos de trabajo y así evitar, su aplicación como una moda pasajera. La metodología
busca crear esa disciplina, partiendo primeramente del entendimiento y modelación del
sistema de creación de valor y luego proponiendo una secuencia lógica de fases para
gestionar iniciativas digitales bajo una perspectiva de creación de valor con la información
y en el contexto de compañías de manufactura.
Las siguientes secciones explican la metodología propuesta, se inicia con los componentes
de diseño y las premisas que la rigen, seguidamente se explica el modelo operativo de
aplicación, para finalmente, explicar cada una de las etapas que componen la metodología.
5.1 Marco de trabajo

La metodología propuesta tiene como objetivo apoyar el diseño de modelos de negocio
digitales sustentables, y está centrada en el aprovechamiento del motor del sistema de
creación de valor del ecosistema IoT, por tanto, se fundamenta en cinco pilares (los cuales
se pueden ver en la gráfica 2-6 del capítulo 2); de esta manera, cada uno de ellos se
articula con los otros para sustentar el modelo operativo y de negocio, definiendo en
consecuencia la potencia que el motor genera. Con base en el entendimiento que se dio
en el capítulo anterior sobre la creación de valor en el ecosistema IoT del hogar conectado,
se puede concluir que el valor fluye desde el centro, hacia la oferta y operaciones
inteligentes; por lo que, el sistema de creación de valor se conceptualiza como el motor
que impulsa el ecosistema, y que genera inteligencia accionable para hacer que el modelo
de negocio y el modelo operativo funcionen sincronizadamente.
Dicho motor, genera impulso para hacer que la creación y captura de valor, que se
desarrollan en el modelo operativo, aprovechen el potencial del ecosistema; del lado del
modelo de negocio digital, la metodología busca analizar los efectos esperados del modelo
de negocio en los niveles de oferta de valor y de visibilidad a través del ecosistema.
El diseño de la entrega de valor se analiza con base en escenarios futuros sobre los cuales
la compañía tomará decisiones en el presente, en este sentido, se plantea un proceso
Capítulo 5 177
sistemático y colaborativo entre los grupos de interés para seleccionar las apuestas
digitales y de esta manera desarrollar capacidades e impulsar el desarrollo de nuevos
negocios digitales.
5.1.1 Componentes de diseño

Los componentes de diseño de la metodología son la unidad de intervención básica para
que la empresa de manufactura logre la transformación de sus modelos de negocios
análogos, a partir de las acciones sobre estos componentes, el sistema de creación de
valor genera beneficios al negocio. Las diferentes acciones que se construyen deben
operar de manera integrada, empezando por la oferta de valor, la cual contiene la ambición
digital de la compañía, y que en la gráfica 5-1 se puede observar en la parte superior de la
pirámide.
Figura 5-1: Componentes de diseño metodología SOOV.
Seguidamente, en el componente de operaciones inteligentes se analizan los diferentes

procesos internos del ecosistema que están relacionados con consumidores y clientes, es
decir, allí se concentra la cadena de valor digital, y es el lugar donde se materializa la

entrega de valor. Otro de los componentes de diseño de la metodología tiene que ver con
la visibilidad, en esta propuesta, la visibilidad está relacionada con el dimensionamiento y
monitoreo en tiempo real de la captura de valor; en la medida que los diferentes grupos de
interés obtengan claridad de los avances en la captura de valor, más patrocinio e impulso
obtendrá la iniciativa.
Como principios rectores de la metodología se encuentran la agilidad, el patrocinio y apoyo

a la experimentación; en este sentido, es de resaltar que, basados en la inmersión en la
compañía de línea blanca, la agilidad ha permitido el desarrollo de iniciativas digitales en
un menor tiempo y con mejores resultados versus las metodologías tradicionales. El
patrocinio entendido como el apoyo que da la alta dirección a la agilidad y experimentación
es un principio que se hace necesario para que la innovación interna prospere.
Los componentes que dan nombre a la metodología son: Sistema de Creación de Valor
(S), la Oferta de Valor (O), las Operaciones Inteligentes (O), y la Visibilidad (V), estos cuatro
elementos se sustentan en la innovación tecnológica, la cual debe ser entendida como un
eje trasformador que impulsa la gestión tecnológica y las operaciones inteligentes en el
ecosistema integrado, bajo este paraguas conceptual se busca la transformación y
optimización de los procesos digitales de la organización.
5.1.2 Procedimiento de aplicación

El procedimiento de aplicación de la metodología inicia con la fase de descubrimiento,
pasando por la fase de evaluación y el cálculo de potencia, para finalizar con las diferentes
acciones que llevan a la descripción de un proyecto piloto. La simplicidad de la metodología
hace que esta sea de fácil aplicación, en la figura 5-2, se puede observar como en la
primera fase se ejecuta la recopilación de información y las actividades necesarias para
identificar esos nuevos negocios digitales, manteniendo siempre presente dos preguntas,
¿cómo está articulada la oferta de valor? y ¿cómo está estructurada la cadena de
suministro digital?
Capítulo 5 179
Seguidamente, se realiza un proceso de evaluación de variables que deriva en el

planteamiento de escenarios futuros, dichos escenarios se dividen en tres categorías: el
excepcional, el optimista y el básico.
Figura 5-2: Fases de la metodología SOOV.
Posteriormente y con los resultados de la evaluación, se realizan simulaciones para

identificar la potencia de la oferta, así como el valor estimado que generará la iniciativa a
lo largo de un periodo de tiempo; finalmente, una vez se consensúa que la iniciativa es
viable, se plantea un proyecto piloto con tres características mínimas: describir el producto
digital mínimo viable, la plataforma digital mínima que lo soporta y por ultimo una serie de
actividades que permitan el monitoreo en tiempo real de la captura de valor.
5.2 Fase 1: Descubrimiento

Esta fase tiene como objetivo hacer una inmersión en la iniciativa de transformación digital
que se va a evaluar y del mismo modo establecer un vínculo entre las personas que
ejecutarán el trabajo con el equipo que está desarrollando o desarrollará la iniciativa, esta
fase permite conocer a la empresa y sus colaboradores de manera profunda; en este punto
se trata de entender las situaciones que rodean el entorno digital de la compañía, del
mismo modo, los diferentes problemas y motivaciones que la han llevado a construir el
caso de negocio.
Desde el punto de vista de los datos, son cinco los documentos mínimos que se deben
analizar en esta fase, los cuales se enumeran a continuación:
• Caso de negocio
• Plan de captura de valor
• Reporte de madurez de la transformación digital
• Arquitectura tecnológica actual y objetivo de la compañía
• Análisis actualizado del ecosistema IoT del hogar conectado.
Desde el punto de vista del contenido, el caso de negocio debe incluir la información
general de la iniciativa digital, por tanto, debe poseer los lineamientos generales de la
oferta de valor, es deseable, aunque en la práctica no se evidencia que se haga
regularmente, que el documento contenga el diseño de la oferta de valor bajo alguna
metodología (ej. Business Model Canvas); por otro lado, el plan de captura de valor debe
contener los elementos estratégicos y proyecciones económicas sobre cuánto dinero
regresara a la compañía una vez se haya puesto en marcha dicho proyecto; por su parte,
el reporte de madurez de la transformación digital, permite visualizar como la compañía ha
avanzado en los últimos meses en este tópico y cuál es la ambición digital de la compañía.
De la misma manera, la arquitectura tecnológica actual y objetivo, debe contener el estado

actual de los procesos de la compañía, pasando por la arquitectura de información,
aplicaciones e infraestructura; de acuerdo con el análisis teórico, dentro del ámbito de la
transformación digital, los elementos arquitectónicos pueden marcar la diferencia y ayudar
a las compañías de línea blanca a generar una ventaja competitiva digital. Finalmente, un
análisis actualizado del ecosistema IoT del hogar conectado, permite tener presente las
tendencias y el estado del arte del mercado objetivo de las soluciones digitales para una
compañía de línea blanca, las estadísticas que se puedan obtener en este reporte,
ayudarán a moldear las simulaciones del subsistema de creación de valor.
El papel de la conversación en esta fase es muy importante, no se trata simplemente de

recopilar información u observar dinámicas de trabajo, lo que se requiere es involucrarse
Capítulo 5 181
con las personas para que compartan sus puntos de vista y de esta manera identificar de
manera preliminar la variedad de dificultades y necesidades que puede tener la iniciativa
digital que se está analizando.
Para esta fase es ampliamente recomendado realizar un taller con los involucrados, con el
pensamiento de diseño y sus herramientas asociadas se pueden obtener buenos
resultados, esto se evidencio analizando los resultados de más de 30 talleres ejecutados
en el periodo 2017-2019, en la inmersión en la transformación digital de la compañía de
línea blanca; en este sentido, es claro que los talleres servirán para ajustar las siguientes
fases de la metodología. Utilizando las dimensiones de personas, procesos y tecnología
se puede validar el “viaje del cliente” que satisface la oferta de valor digital, así como la
tecnología asociada.
Así mismo, Es necesario identificar en esta fase si la iniciativa es aislada, o está en

relacionada con otras iniciativas digitales de la organización, esto es relevante ya que no
se quiere desperdiciar recursos que puedan apalancar iniciativas complementarias o
dependientes una de otra. Se considera un plus adicional contar con un estudio prospectivo
actualizado que permita contextualizar los hallazgos, este tipo de análisis, se muestran
como una herramienta versátil que puede brindar información fundamental para la
evolución del ecosistema IoT del hogar conectado.
5.3 Fase 2: Evaluación

Una vez recopilada la información y mediante un taller dirigido, encuesta en línea o la
combinación, se propone la evaluación de 12 variables distribuidas en cuatro dimensiones
tal como se muestra en la tabla 5-1; con base en los conceptos de generación de nuevas
experiencias y eficiencias, así como las operaciones inteligentes en la cadena de valor
digital, el resultado de esta etapa es la construcción de indicadores que le permitan al
analista tener una fotografía actual y una proyección de la iniciativa digital.
Las cuatro dimensiones propuestas, Nuevas experiencias, Nuevas eficiencias, Visibilidad

Inteligente e Innovación tecnológica permiten tener una visión holística del ecosistema, en
el mismo sentido, los datos generados en esta fase alimentan los procesos de simulación
de la siguiente.
Tabla 5-1: Descripción de dimensiones y variables a evaluar.
Creación y captura Dimensión Variable Variable Clave Descripción de la medición
de valor en el Del estudio
ecosistema prospectivo
integrado
modelo de negocio Nuevas Aprendizaje habilitado por datos Flujos de datos Factores que determinan la cantidad de información que
experiencias tiene una acción
Experiencia de Usuario UX Factores que apuntan a crear nuevas experiencias a los
consumidores
Ventaja transitoria Estrategia Digital Índice que mide que tanto crea una ventaja transitoria
Nuevas Seguridad de la plataforma Seguridad Nivel de seguridad de las plataformas que soportan el
eficiencias ecosistema integrado
Rendimiento de la plataforma Desempeño Medido en términos de disponibilidad y desempeño
Arquitectura de la plataforma Estrategia Digital Nivel de madurez de la arquitectura actual y la objetivo
modelo operativo Visibilidad Participación de mercado Cobertura Factores que apuntan a mantener y aumentar la
inteligente participación del mercado
Análisis estratégico de red Cobertura Valoración de los resultados de los análisis estratégicos de
la red
Visibilidad de captura de valor Estrategia Digital Índice de visibilidad
Innovación Combinación adecuada de Estrategia Digital Índice de combinación de tecnología
Tecnológica tecnología
Resiliencia del ecosistema Resiliencia Índice de resiliencia
integrado
Análisis estratégico de InverTecPlat Índice de inversiones en la plataforma
inversiones
Los resultados de las 12 variables analizadas en esta fase se condensan en un diagrama
de radar, y muestran la estimación del rendimiento de la oferta de valor en diferentes
escenarios y la estimación de rendimiento de las operaciones tecnológicas; en la gráfica
5-3 se muestra el ejemplo de salida para los tres escenarios, escenario excepcional,
escenario moderado y básico. Observar las dimensiones de manera visual, facilita su
análisis y permite la toma de decisiones agiles y pragmáticas, más allá de los valores
numéricos de las mismas.
Figura 5-3: Descubrimiento de escenarios para las iniciativas digitales.
5.3.1 Calibración
La colaboración entre las partes interesadas es necesaria para tener consensos sobre las
evaluaciones, el ejercicio de calibración permite mediante una sesión de trabajo, analizar
los resultados y ajustar las evaluaciones. Para facilitar este proceso se construyó la tabla
5-2, la cual establece los limites porcentuales para los tres tipos de escenarios propuestos.
Es necesario resaltar que estos límites fueron consensuados con los expertos de la
compañía de línea blanca, bajo la premisa de experimentación, es decir, los valores de

calibración pueden variar de acuerdo con los resultados de las evaluaciones ejecutadas.
Tabla 5-2: Valores para calibración.
Valor actual Rango de evaluación en escenarios

Excepcional Moderado Básico
0% - 100% 90% - 100% 70% - 90% 50% - 70
En resumen, en el arsenal de herramientas de innovación, existen varias que ayudan a

lograr consenso; sin embargo, tomar decisiones basada en datos y menos en percepción
genera mejores resultados. Los análisis de la fase uno, guían el proceso de calibración y
apoyan las definiciones de este, en este sentido, la calibración debe ser entendida como
un proceso iterativo, de esta manera la compañía obtendrá mejores resultados.
Por otra parte, se recomienda desarrollar también un reporte que muestre un análisis
resumido de las variables externas que afectan el sistema de creación de valor, dicho
informe debe contener información macroeconómica relevante, datos de la demanda de
productos e información sobre las tendencias y comportamiento futuro de la cadena de
suministro de la compañía de manufactura.
Finalmente, una vez consensuados los escenarios, se ejecuta el modelo de lógica difusa
explicado en el capítulo anterior, para obtener una evaluación final del rendimiento de la
oferta de valor, así mismo, se calculan los índices de innovación tecnológica y visibilidad
de la captura de valor.
5.4 Fase 3: Cálculo de Potencia

La tercera etapa en la metodología busca realizar simulaciones para obtener datos sobre
el comportamiento del sistema de creación de valor, bajo unas condiciones de entrada que
expresan las configuraciones del modelo de negocio y modelo operativo digital; se propone
la simulación dinámica para obtener estimaciones sobre los ciclos de captura de valor que
desarrolla el sistema, el valor económico capturado en un periodo de tiempo y
estimaciones sobre el efecto de red.
Capítulo 5 185
De acuerdo con lo anterior, el modelo de simulación dinámica revisado en el capítulo

anterior se constituye en la piedra angular para ejecutar esta fase.
5.5 Fase 4: Llamado a la Acción

Con los análisis y simulaciones ya ejecutados es necesario estructurar los siguientes
pasos, los cuales se enmarcan básicamente en la definición de un plan de acción sobre el
futuro piloto a implementar, dicho plan de acción se enfoca en el proyecto piloto y en las
cuatro dimensiones definidas para potencializar el sistema de creación de valor.
El producto digital mínimo viable, de acuerdo con la definición comúnmente aceptada,

contiene las características básicas suficientes que permiten lanzar un producto o servicio,
de tal manera que la lanzarlo podemos aprender información relevante del lanzamiento
mismo y más importante aún de la interacción con los usuarios o consumidores; en esta
fase entonces uno de los entregables es la definición de las características básicas que
debe contener el producto o servicio a probar.
Desde el lado tecnológico, se aplica el mismo concepto de producto mínimo viable, esto
con el fin de evitar costosas inversiones o largos proyectos de tecnología sin probar que el
concepto del producto o servicio sea probado con anterioridad, esta plataforma mínima
viable debe alinearse con la arquitectura objetivo de la compañía y a las innovaciones
proyectadas en la ruta de desarrollo (Bocken & Snihur, 2020).
Finalmente, el plan de captura de valor permite comprometer resultados sobre el proyecto,

y por tanto establecer unas métricas financieras que validarán las simulaciones realizadas
en la fase anterior.
5.6 Conclusiones Parciales

La metodología propuesta constituye un aporte adicional de esta tesis a las estrategias de
transformación digital y al diseño de ecosistemas IoT, la cual puede ser aplicada no solo
en compañías de manufactura de productos de línea blanca, sino también a compañías
que participen en el ecosistema IoT del hogar conectado.
La metodología, sintetiza variables cualitativas y cuantitativas para obtener un panorama

más o menos completo del modelo de negocio digital y el modelo operativo que lo soporta,
en este sentido se puede inferir integralidad en la metodología; los elementos, escalas y
conceptos se fundamentaron en la revisión de antecedentes, la inmersión en una
transformación digital y las interacciones con expertos.
Una de las limitaciones de la metodología, está relacionado con que no elimina la

subjetividad inherente al juicio de las personas que la van a ejecutar; sin embargo, el
desarrollar herramientas guía y modelos de simulación, ayudan a disminuir el sesgo.
De esta manera, se puede concluir que la metodología propuesta ayuda a resolver el vacío
de conocimiento, en este sentido, contribuye a generar disciplina y a desarrollar también
capacidades digitales en la organización, de igual forma, contiene componentes y
principios no detectados en el estado de arte y, lo cual le confiere un grado de novedad
que permite resolver el problema científico definido en la tesis.
6. Discusión y análisis de resultados
En este capítulo se detallan los resultados de la inmersión, la aplicación de la metodología
definida en el capítulo anterior y la teorización sobre el sistema de creación de valor, se
describe inicialmente el proceso de transformación digital llevado a cabo por una
multinacional dedicada a la fabricación de productos de línea blanca, pasando luego a
explicar los resultados obtenidos de la inmersión en ese proceso; seguidamente se analiza
la aplicación de la metodología, describiendo los resultados en cada una de sus fases;
posteriormente se dedica una sección al proceso de teorización sobre el sistema de
creación de valor de los ecosistema IoT del hogar conectado, la cual, como se planteó en
el diseño de investigación, se sustenta en el enfoque de la teoría fundamentada;
finalmente, se presentan los resultados de la comprobación de la hipótesis de
investigación.
Con respecto al diseño de ecosistemas IoT, aunque, la revisión del estado del arte y de la
práctica muestra un proceso aún inmaduro; la metodología propuesta en esta tesis es una
contribución a la sistematización de la formulación e innovación de estrategias digitales,
en el contexto de las compañías de manufactura, las cuales tienen entre sus objetivos
ofrecer productos y servicios al mercado del hogar conectado.
Al mismo tiempo, la metodología y el conjunto de herramientas desarrollado en esta tesis,

facilita la intervención sobre el modelo de negocio digital, en resumen, son herramientas
que ayudan a los grupos de interés a enfocarse en los aspectos estratégicos, a través de
la construcción de una oferta de valor digital y definiendo de forma paralela una hoja de
ruta tecnológica y funcional que da impulso a las ambiciones digitales de las compañías
de manufactura; así mismo, conduce a repensar y moldear un futuro en donde la
producción y la comercialización de bienes físicos se adapta al nuevo contexto de la era
digital.
6.1 Involucramiento en la transformación digital de

una compañía de manufactura
La trasformación digital como objeto de estudio, se desarrolló en una compañía de 70 años

de historia, que cuenta con plantas de producción en diferentes países del continente
americano y más de veinte mil empleados a nivel global. Mabe es una multinacional que
diseña, produce y distribuye electrodomésticos a más de 70 países de todo el mundo. La
empresa se estableció en la Ciudad de México en 1946.
Con respecto a su proyecto de transformación digital, este fue concebido en el año 2016,
como una manera de abordar los retos relacionadas con el rápido avance de la tecnología
IoT, además de los cambios en las preferencias de los consumidores hacia los productos
inteligentes; este viaje derivo en la creación de una oficina de transformación, en donde se
gestionan las diferentes iniciativas digitales de la organización. En palabras del CIO y líder
de la transformación digital, esta oficina se caracteriza por ser “facilitadores digitales de
procesos de transformación, para potencializar los proyectos de implementación”.
En línea con lo anterior, durante los primeros años de desarrollo del proceso de
transformación, la firma de consultoría Bain & Company, apoyo a Mabe en la definición de
una ambición digital, así como una estrategia para trabajar en todos los frentes de la
organización, desde la mejora de los niveles de servicio a clientes y consumidores,
pasando por la transformación de la cadena de suministro y llegando a la transformación
de los procesos productivos.
6.1.1 Resultados obtenidos de la inmersión

Durante veinticuatro meses el autor de la presente tesis doctoral participo en el proyecto
de transformación de la compañía de línea blanca, iniciando con un trabajo de
descubrimiento para el desarrollo del modelo de evaluación y posteriormente aplicando la
metodología en un grupo de iniciativas digitales; durante este periodo, el investigador
asistió a diferentes sesiones, en donde se interactúo con directivos y empleados en función
de revisar el avance, así como recibir retroalimentación sobre la aplicación de la
metodología; en este sentido, este proceso se enmarca en la fase seis de comprobación
empírica enunciada en el capítulo dos.
Capítulo 6 189
De la misma manera, se estima un tiempo total dedicado a la inmersión de 694 horas, las
cuales están distribuidas en cuatro categorías, viajes de preparación, visitas de
aprendizaje, talleres de diseño y proyectos de innovación, cada una de ellas tiene
resultados interesantes de acuerdo con el objetivo de la actividad; por ejemplo, en la etapa
de preparación y construcción del modelo de evaluación y la metodología, se realizaron
tres viajes en el año 2018 , los cuales marcaron las fases iniciales de la investigación.
Dicho lo anterior, el primer viaje fue al Valle del Silicon en California, en donde durante dos
días se visitaron 17 Start Ups para conocer sus propuestas digitales, las cuales variaban
desde la aplicación de la inteligencia artificial a los procesos de negocio, robótica,
desarrollo de nuevos electrodomésticos, hasta la aplicación de soluciones informáticas
para la gestión de la cadena de suministro. El segundo viaje, fue a la exposición industrial
conocida como Hanover Messe3 y a las oficinas corporativas de la compañía SAP en
Alemania, durante las diferentes jornadas, se pudo descubrir el estado del arte de la
transformación de las cadenas de suministro en compañías de manufactura, el avance del
hogar conectado en Europa y Asia, así como la aplicación de IoT en las empresas y
hogares; en el mismo sentido, se pudo intercambiar ideas con investigadores y
profesionales, sobre el fenómeno de creación de valor en los ecosistemas digitales.
Seguidamente, el tercer viaje a la exposición SAPHIRE en Orlando Florida, apoyo la

conceptualización de la metodología, en dicho viaje, se intercambió información y
establecieron contactos con compañías globales respecto a la transformación digital de
sus organizaciones. En la categoría de viajes de preparación, se invirtieron en total aprox.
120 horas, las cuales redundaron en el conocimiento del estado de la práctica de los
ecosistemas integrados IoT.
Por otro lado, para el entendimiento del estado actual del ecosistema de producción, el
investigador se apalanco en tres visitas a las oficinas corporativas de compañías del sector
de manufactura, dichas visitaron fueron realizadas a Stanley Black & Decker en Baltimore,
3
https://www.hannovermesse.de/en/, catalogados por algunos como la feria industrial más grande
del mundo, se desarrolla en el mes de julio en la ciudad Hannover, Alemania.
Ge Appliances a Haier Company en Lousville y Flex en Palo Alto, todas ubicadas en

Estados Unidos. En resumen, se pudieron identificar las estrategias de visibilidad de la
cadena de suministro (enmarcadas en el concepto de control tower), colaboración con
proveedores y desarrollo de nuevos modelos de planeación; cada una de las compañías
antes mencionadas, englobaba sus esfuerzos en el proceso de transformación de sus
cadenas de suministro. En esta categoría de visitas de referencia el investigador invirtió 24
horas.
Con respecto a los talleres de diseño en los que el investigador tuvo la oportunidad de
participar, se pueden resumir en aprox. 20, en donde además de la compañía objeto de la
inmersión, participaron firmas de consultoría como McKinsey, Bain & Company y
Capgemini, así mismo compañías de tecnología como SAP y Google entre otras; los
talleres de diseño buscaban sentar las bases para la transformación de cadena de
suministro en temas como planeación, producción, logística, relación con proveedores,
gestión de ingresos y precios. La interacción con un grupo de más de 150 personas entre
directivos, colaborares y socios de negocio, ayudó al investigador a identificar los
elementos y conceptos que, desde la percepción práctica definían el sistema de creación
de valor.
En consecuencia, la inmersión genero logros que apoyaron la construcción del marco

teórico y referencial de la tesis, el análisis prospectivo del sistema de creación de valor, la
posterior construcción del modelo de evaluación y finalmente la propuesta metodológica
para el diseño de ecosistemas IoT del hogar conectado; en este sentido, las percepciones
de las personas y compañías con las que se interactuaron, permitió moldear el enfoque de
creación de valor con la información, definido como elemento rector desde el inicio de la
tesis.
▪ Resultado de ejecución de proyectos de investigación

En el marco del desarrollo de la tesis se ejecutaron dos proyectos de investigación
paralelos, el primero entre la Universidad Nacional de Colombia sede Manizales, la
Universidad de Caldas y la empresa Mabe, el cual buscaba explorar el desarrollo de una
plataforma de sensores para electrodomésticos en la cocina; el segundo, tenía como
objetivo la construcción de un sistema ciber físico para la detección de problemas de
Capítulo 6 191
calidad en una línea de producción de refrigeradores. En los dos proyectos se invirtieron

250 horas de trabajo por parte del investigador.
A continuación, se resumen los principales resultados de los proyectos de investigación,

cada uno de ellos tenía sus propios objetivos, alcance y equipo de trabajo; sin embargo,
los descubrimientos más importantes permitieron afinar el modelo del sistema de creación
de valor y la metodología propuesta.
En el primer proyecto, se puede concluir que la construcción del prototipo de un sistema

ciber físico para el monitoreo de calidad percibida en una línea de producción, fue el
principal resultado; de hecho, para los grupos de interés, ver físicamente los resultados de
una investigación se presentaba mucho más interesante que los aspectos teóricos (ver
figura 6-1). Los aportes de este proyecto al desarrollo de la presente tesis fueron variados,
a continuación, se resumen los más importantes:
- Identificación de los retos para estructurar proyectos entre centros de investigación

y Empresa
- La articulación de una arquitectura tecnológica, que guiara el diseño y construcción
del prototipo.
- En términos de innovación, medir el desempeño de un proyecto con múltiples
grupos de interés, derivo en la definición de algunos indicadores (KPI’s).
- Identificación de los retos y barreras para escalar proyectos cuando el producto
mínimo viable está listo.
- Definición del ecosistema IoT involucrado en la solución.
Por último, dentro de los resultados más relevantes del proyecto fue la construcción de una
metodología para el monitoreo de calidad en una línea de producción de neveras mediante
el uso de visión artificial, la cual se puede observar en la figura 6-2. Los resultados
obtenidos de la aplicación de la metodología fueron publicados en artículos científicos y
congresos nacionales e internacionales.
Figura 6-1: Prototipo funcional de visión artificial.
Figura 6-2: Modelo para la identificación automática de calidad percibida.

Capítulo 6 193
Por su parte, el proyecto ejecutado con la Universidad Nacional de Colombia, la

Universidad de Caldas y la empresa Mabe, el cual buscaba caracterizar el comportamiento
e interacción de los usuarios en una cocina, se desarrolló durante 18 meses y contó con
el apoyo de estudiantes de pregrado de cada una de las instituciones, los principales
aportes a la tesis fueron los siguientes:
- Contrastación de los retos y la importancia de la seguridad informática en el

ecosistema IoT de consumo.
- Contrastación de la importancia de la selección correcta de tecnologías en las
iniciativas digitales del ecosistema IoT integrado.
- Confirmación de la dificultad de expresar el valor que la iniciativa generara en el
futuro.
- Confirmación práctica de la necesidad de contar con arquitecturas objetivo para las
iniciativas digitales.
- Confirmación de la dificultad para los participantes del proyecto de estructurar una
oferta de valor digital.
6.2 Resultados de aplicación de la metodología

Aunque los objetivos de la tesis doctoral se alcanzaron hasta la conceptualización y
simulación del sistema de creación de valor, la adopción del enfoque de estudio de caso
con valor instrumental permitió refinar y aplicar la metodología propuesta, lo cual conllevó
una inversión de tiempo adicional de seis meses, en donde como resultado final se realizó
la socialización de resultados con la Oficina de Transformación Corporativa de la compañía
de línea blanca.
En cuanto a la definición de los equipos, roles y responsabilidades para la aplicación, se

estableció que fuera la Oficina de Transformación en pleno quien seleccionara las
iniciativas y realizara las evaluaciones de las iniciativas; en este sentido, la conformación
de la oficina está dada por el CIO de la compañía, el Director del Centro de Excelencia, la
Dirección de Finanzas asignada a la oficina, la Dirección de Gestión del Cambio y el
investigador; en cuanto a los roles, la oficina se estableció como garante del proceso y
participación a nivel estratégico en las actividades que considero oportunas, mientras que
del lado del investigador, se definió un rol de observador, facilitador y colaborador para la
aplicación y socialización de la metodología establecida.
6.2.1 Fase 1: Descubrimiento

En la fase de descubrimiento, la selección de los documentos a analizar fue el resultado
de la discusión con los líderes de la oficina de transformación, que semanalmente se
reunían para ver los avances de cada una de las iniciativas. Con lo anterior en mente, se
identificaron cinco iniciativas de transformación, las cuales cumplieron con los requisitos
establecidos en el diseño de la investigación (ver tabla 2-2). Los proyectos fueron
numerados en orden ascendente y con el fin de garantizar la confidencialidad de los
participantes y de las iniciativas estratégicas, se identificaron con los nombres ID01 hasta
ID05 como se muestra en la tabla 6-1. Los 5 proyectos correspondían al 25% de los
proyectos abiertos y gestionados en la oficina de transformación.
Una vez se obtuvieron los resultados, se preparó una presentación con la compilación y
se autorizó continuar a la siguiente fase de evaluación.
6.2.1 Fase 2: Evaluación

Para realizar la valoración de cada una de las dimensiones se ejecutó un taller con la
oficina de transformación donde se les pidió valorar cada variable de cuerdo a la
información disponible de cada iniciativa, en la figura 6-3 se puede observar el resumen
de la evaluación inicial de las iniciativas en cada una de las dimensiones propuestas en la
metodología.
En términos generales se observa que las iniciativas fueron valoradas de manera diferente
en las cuatro dimensiones, es necesario resaltar que el objetivo de esta fase no es decir si
la iniciativa está bien o mal, más bien es presentar un diagnostico que permita identificar
unas acciones para corregir las debilidades en las dimensiones analizadas. posterior a
eso se utiliza la misma grafica para mostrar por cada iniciativa los escenarios posibles,
excepcional, moderado y básico.
Tabla 6-1: Iniciativas seleccionadas
Iniciativa Descripción Tipo Duració Cantida Metodologí Ecosistema Cantidad Inversión

Grande/Mediano/Peq n d de a de Impactado de Estimada
ueño estimad persona abordaje (Producción/Consum sistemas Millones
a s (cascada/A o/ambos) involucrad USD
(meses) impacta gile) os
das
ID01 Transformar un proceso Grande 36 100 Cascada Ambos 25 ≈5
de negocio transversal en
la cadena de suministro
ID02 Mejorar las operaciones Grande 36 300 Cascada Ambos 10 ≈2
de la cadena de
suministro
ID03 Integración con socios de Grande 24 200 Agile Producción 5 ≈1
negocio en el ecosistema
de producción
ID04 Nuevo producto IoT para Grande 24 50 Agile Ambos 3 ≈3
el hogar conectado
ID05 Nuevo servicio digital para Mediano 12 40 Agile Consumo 6 ≈ 0.5
los consumidores
Figura 6-3: Evaluación estado inicial de la iniciativa digital.
Subsecuentemente, con la evaluación de cada iniciativa se procede a ejecutar los cálculos

de los indicadores relevantes, Desempeño de la Oferta de Valor (VOP), índice de
Innovación Tecnológica (TIN) e índice de Visibilidad de la Captura de Valor (VCV), cuyos
resultados se pueden observar en la figura 6-4.
Figura 6-4: Resultados de evaluación de desempeño de la iniciativa.

Capítulo 6 197
Adicionalmente, se desarrolló un informe de dos páginas, cuyo contenido presentaba un

párrafo resumen de tendencias macroeconómicas, una breve reseña de las proyecciones
sobre el comportamiento de la cadena de suministro y finalmente un par de párrafos
explicando las proyecciones de comportamiento de la demanda de productos de línea
blanca; lo anterior contextualizado en México, país en el cual se estaban desarrollando las
5 iniciativas.
6.2.2 Fase 3: Cálculo de potencia

Con los resultados de las fases anteriores, el investigador realizó diversas simulaciones
variando los parámetros de entrada al modelo construido en el software Vensim, de esta
manera, las gráficas resultantes de la figura 6-5 muestran el comportamiento del sistema
de creación de valor a lo largo de un periodo de 60 meses; las gráficas permiten analizar
el sistema desde cuatro perspectiva, primero, el comportamiento del “motor del sistema”
representado en la gráfica de Potencia de Valor; la segunda perspectiva está representada
en la gráfica de cobertura, la cual muestra la dinámica proyectada de conexiones y
desconexiones del producto y/o servicio.
La tercera perspectiva, se resume en la gráfica Efecto de Red, que como su nombre lo

indica analiza el comportamiento del efecto a lo largo del tiempo; la última grafica muestra
el análisis del valor total, en la cual se muestran las curvas de Valor Creado y Valor
Capturado. Otro resultado de las simulaciones fue el cálculo de valor capturado futuro, el
cual se puede observar en la tabla 6-2, en términos generales el modelo muestra que
alrededor del tercer año se empiezan a obtener los mejores resultados y el potencial
máximo.
Tabla 6-2: Captura de valor proyectada

Iniciativa Valor proyectado ($) en el mes
12 24 36 48 60
ID01 465 15,036 33,055 88,762 106,606
ID02 58 265 104 208 143
ID03 25 65 6 5 6
ID04 25 65 6 5 6
ID05 -5 -1 3 -2 -0
Figura 6-5: Resultados cálculo de potencia iniciativa 1.

Tabla 6-3: Construcción de escenarios por iniciativa.
Iniciativa Descripción de la acción Prioridad Responsable Estatus fecha
de compromiso
ejecución
ID01 Oportunidades en monitoreo de la captura de valor. establecer KPI alineados con el Alto Abierto
negocio para monitorear de manera mensual el avance de la iniciativa.
ID02 Realizar un taller con el negocio para revisar las nuevas eficiencias que genera la Alto Abierto
iniciativa, de acuerdo con las simulaciones los valores se muestran bajos
ID03 Es necesario revisitar el caso de negocio antes de presentar la iniciativa con la alta Alto Abierto
dirección, se contratará una asesoría externa con conocimiento del tema para reformular
el proyecto
ID04 Los aspectos de captura de valor están deficientemente formulados, por lo que se hace Alto Abierto
necesario validar los supuestos de la iniciativa, el área financiera apoyara en este
proceso de revisión
ID05 Se formará un equipo de trabajo con el apoyo de consultoría externa para reformular el Alto Abierto
caso de negocio, debido a que los resultados proyectados se muestran negativos, al
igual que en todas las iniciativas se diseñara un mecanismo para el monitoreo de la
captura de valor
6.2.1 Fase 4: Llamado a la acción
En la fase de llamado a la acción, se propusieron los planes de acción, que de acuerdo
con los análisis debían reforzar algunas de las dimensiones de valor, en términos
generales para la (ver tabla 6-3).
6.3 Teorización y generalización de resultados

En el proceso metodológico de la Teoría Fundamentada (TF) intervienen dos grandes
estrategias: el muestreo teórico y el método de comparación constante. Según Soneira
(2006), el método de comparación constante expresa por sí mismo la flexibilidad de la TF
e implica por parte del investigador (1) la recolección, (2) la codificación y (3) el análisis de
los datos, en forma simultánea. Con el muestreo teórico se descubren las características
o atributos de la categoría; también se verifican las semejanzas y las diferencias de dichas
propiedades y se sugieren interrelaciones entre ellas para la generación de la teoría.
Asimismo, el muestreo teórico representa a la muestra de la investigación ya definida, es

decir, al total de participantes de la investigación, determinado por la saturación teórica.
"En el instante en que las comparaciones constantes entre los datos no evidencian nuevas
relaciones o propiedades de los datos; la riqueza que representan los datos se comienza
a agotar. En ese momento se evidencia la saturación teórica, donde el muestreo teórico
comienza a definir su término, por lo tanto, no es conveniente realizar más entrevistas y
observaciones. Los datos comienzan a tornarse repetitivos y no se obtiene nada nuevo"
(San Martín Cantero, 2014, p.113).
6.3.1 Comprobación de la hipótesis de investigación

En este apartado se busca probar la hipótesis de investigación planteada:
Un ecosistema de Internet de las Cosas en el hogar conectado, estructurado bajo un

enfoque de creación de valor con la información, permite lograr un desempeño equilibrado
entre los indicadores de los flujos de información.
Capítulo 6 201
A partir de tres elementos centrales se comprobó la hipótesis de investigación, primero,

mediante el estudio de expertos, se caracterizó el sistema de creación de valor, se
identificaron las variables claves con sus relaciones de influencia y dependencia y se
construyó una visión prospectiva del sistema, en este sentido, se pudo investigar cada
subsistema y verificar la hipótesis basado en su función dentro del sistema, del mismo
modo, el modelo entendido como la representación abstracta de un sistema virtual,
permitió definir una estructura, características y sobre permitió interpretar los conceptos
relacionados con la creación de valor y los flujos de información en el ecosistema IoT.
Segundo, la simulación permitió probar la hipótesis mediante la evaluación de escenarios,

los cuales producen cambios en el funcionamiento del sistema de creación de valor, al
mismo tiempo, permitió explorar que sucede en cada uno de los subsistemas definidos. La
simulación computacional no hubiera sido posible sin teoría, por lo que para simular fue
necesario la construcción de un modelo mental previo, que se materializo posteriormente
en una representación gráfica del sistema, que a su vez derivó en una representación
basada en la notación de la dinámica de sistemas.
El tercer elemento, contrastar la hipótesis mediante la comprobación empírica de la

realidad, obtuvo resultados satisfactorios respecto a la aplicabilidad y pertenencia de
metodología en un entorno de compañías de manufactura, además, se cuenta con
evidencias que las acciones definidas en un plan de acción de la fase 4 de la metodología,
generan un impacto sobre la estrategia digital definida; en este sentido, los procesos de
mejora continua ampliamente conocidos en las empresas de manufactura (Seis Sigma,
Gestión Lean, entre otras), sustentan esta afirmación.
6.3.2 Discusión sobre los resultados de comprobación de la

hipótesis
A lo largo de este capítulo se pueden evidenciar los elementos a favor de la aplicabilidad
y pertinencia de la metodología propuesta, con esto en mente, la comprobación empírica
en una transformación digital de clase mundial, confirman la credibilidad de los resultados
y más importante aún, permite inferir el potencial futuro de la metodología, la cual a ojos
del investigador es una propuesta en evolución que será enriquecida por siguientes
investigaciones.
Del mismo modo, se puede afirmar que el proceso prospectivo aportó evidencias que
fundamentan los principios de diseño del sistema, las cuatro dimensiones y sus variables
asociadas, así como la metodología propuesta. Aunque la conceptualización del modelo y
la simulación fue especialmente retadora para el investigador, se puede concluir que, fue
uno de los aspectos más enriquecedores, la ciencia de diseño aplicada a investigación en
sistemas de información permitió construir un hilo conductor que iba entregando resultados
tempranos en cada etapa de la investigación; es relevante mencionar aquí también, que la
dinámica de sistemas fue una elección acertada para modelar el sistema complejo y la
construcción de los artefactos (Minatogawa et al., 2020).
Al mismo tiempo, la construcción del concepto de sistema de creación de valor como

elemento integrador del desempeño equilibrado de los flujos de información, el cual a su
vez es la variable independiente de la hipótesis; garantizo un mecanismo innovador para
probarla, dado que en la revisión de literatura no se encontraron investigaciones con
artefactos similares; en este sentido, la socialización en congresos internacionales y la
retroalimentación obtenida de profesionales, muestran evidencias a favor sobre diseño de
ecosistemas IoT bajo un enfoque de creación de valor con la información, los cuales
presentan un desempeño equilibrado, versus otros en donde no se balancean las
dimensiones de la oferta de valor y operaciones.
Desde la perspectiva teórica, fue fundamental la identificación y conceptualización de las

diferentes teorías involucradas en la tesis, la teoría fundamentada permitió ampliar y
construir teoría nueva que llevo a una metodología cuyos fundamentos están sólidamente
construidos. La codificación como proceso sistemático permitió la pre-codificación de
subcategorías, las cuales fueron generadas gracias a la subjetividad inductiva del
investigador; mientras que los códigos in vivo (las expresiones y el lenguaje de los
participantes) encontrados en las frases literales que emplearon, evitaron que se perdiera
la riqueza de estos aportes. La teoría fundamentada está diseñada para generar teoría a
partir de datos empíricos en vez de validar teorías existentes. El objetivo último, por lo
tanto, fue desarrollar teorías explicativas que permitieran generar un modelo del sistema
de creación de valor en el ecosistema IoT del hogar conectado y en el contexto de las
compañías de manufactura de línea blanca.
Capítulo 6 203
En línea con lo anterior, la comprobación empírica fue un elemento clave para contrastar
la hipótesis en la vida real, esta permitió obtener evidencia en tiempo real de los impactos
de la estrategia digital, así como el impacto de la tecnología en este tipo de proyectos; es
necesario resaltar que, el concepto de elección correcta de la tecnología e inversiones
inteligentes ha sido uno de los que más interés han causado en la comunidad de
profesionales con los cuales se ha compartido los resultados (Athanasopoulou & De
Reuver, 2020).
Respecto a la aplicación en una compañía de manufactura, se puede resaltar que,

contrastar el conocimiento teórico con el práctico, permitió alinear las dos perspectivas y
evidencio las posibilidades futuras de la metodología, su aplicabilidad en otro tipo de
empresas y otros contextos digitales; es decir, la generalización y escalabilidad fueron
comprobadas. La aplicación de la investigación científica aplicada en la industria y
organizaciones se muestra igualmente alentadora, el aporte de la metodología a los
aspectos estratégicos de la gestión tecnológica fue ampliamente valorado por la oficina de
transformación digital.
Desde la perspectiva estratégica para una empresa de manufactura, la construcción de

artefactos que apalanquen el concepto de creación valor con la información, es una
manera de dirigirse hacia el aprovechamiento no solo de la tecnología, sino también de la
gran cantidad de datos que se están generando hoy día en las cadenas de suministro de
las empresas, de esta manera, se comprueba que, esta visión es un paso adelante para
el objetivo de convertirse en empresas guiadas por datos.
Para la comprobación de la hipótesis fue necesario, la transferencia de conocimiento a la

empresa, lo que permite inferir que se requiere ahondar en el proceso de entendimiento
de como las compañías pueden crear valor con la información y en el mismo sentido,
entender como es el funcionamiento del sistema de creación de valor en el contexto de un
ecosistema IoT específico. Desde la perspectiva del ecosistema de producción los
conceptos desarrollados en la tesis se muestran como un aporte en la gestión digital de la
cadena y especialmente en cómo generar valor de los datos que se generar en la ella, lo
cual deriva en el objetivo de alcanzar eficiencias que soporten el desarrollo de una ventaja
competitiva transitoria.
Finalmente, en su conjunto la tesis de investigación presenta unos resultados

sobresalientes en lo que a práctica empresarial se refiere, el interactuar con los personas
de la empresa y sus socios de negocio es una experiencia que difícilmente se podrá
igualar, la escala y magnitud de los proyectos trabajados en la compañía permitieron
desarrollar diferentes capacidades en el investigador, sin embargo, se debe resaltar la
capacidad de diseño de soluciones innovadoras como una de las más importantes y de
mayor demanda en las organizaciones de hoy.
Producción académica
A continuación, se presentan de los artículos científicos desarrollados y presentados
durante construcción de la tesis doctoral. La producción académica está compuesta por
ponencias en eventos nacionales e internacionales, capítulo de libro, resultados de
proyectos y artículos publicados en revistas indexadas.
Artículo
Discovering the Value Creation System in IoT Ecosystems
Journal Sensors, Special Issue "Evolution of Distributed Computing in Sensor Systems",
MDPI.
https://www.mdpi.com/1424-8220/21/2/328
https://doi.org/10.3390/s21020328
2021
Artículo
Value creation system in the connected home ecosystem
Journal of Ambient Intelligence and Humanized Computing, Springer
https://www.springer.com/journal/12652
https://doi.org/10.1007/s12652-020-01805-6
2020
Artículo
Análisis de la Escena en la Cocina por Medio de Sensores IoT Diseñados Basados en el
Microcontrolador Node MCU ESP8266 y Conectados al Servidor ThingSpeak.
Revista Información Tecnológica
https://scielo.conicyt.cl
Información tecnológica vol.30 no.5 La Serena mar.
http://dx.doi.org/10.4067/S0718-07642019000500173
2019
Artículo
Un Enfoque para Aplicar la Visión por Computador en el Control de Calidad de
Refrigeradores sobre la Línea de Ensamble.
Revista Información Tecnológica
https://scielo.conicyt.cl
Información tecnológica. vol.30 no.2 La Serena mar.
http://dx.doi.org/10.4067/S0718-07642019000200143
2019
Capítulo de libro
Computer Vision and the Internet of Things Ecosystem in the Connected Home
15th International Conference. DCAI 2018. Advances in Intelligent Systems and
Computing, vol 800. Springer, Cham.
ISBN 978-3-319-94648-1
https://doi.org/10.1007/978-3-319-94649-8_26
2018
Ponencia congreso internacional

“Computer Vision and the Internet of Things Ecosystem in the Connected Home”
15th International Conference on Distributed Computing and Artificial Intelligence, Toledo,
España.
2018
Artículo
Visión por Computador aplicada al control de calidad en procesos de manufactura:
seguimiento en tiempo real de refrigeradores.
Revista Escuela de Ingeniería de Antioquia
https://revistas.eia.edu.co/index.php/reveia
Revista EIA, 2018, vol. 15, no 30, p. 57-71.
https://doi.org/10.24050/reia.v15i30.1150
2018
207
Trabajo del IV Coloquio de Investigación Posgrado Ingeniería Industrial

Visión por Computador aplicada al control de calidad en procesos de manufactura:
seguimiento en tiempo real de refrigeradores
Universidad Nacional de Colombia, Manizales
2017
Muestra académica
“Internet de las Cosas: La adaptación de las empresas de manufactura a la economía
digital”.
EXPOASI 2016, Muestra académica Nacional.
Universidad Nacional de Colombia, Manizales
2016

“Internet de las Cosas: La adaptación de las empresas de manufactura a loa economía
digital”.
V congreso internacional de gestión tecnológica y de la innovación, Bucaramanga
(Colombia)
2016
Simposio doctoral
ID=195 "Diseño de un ecosistema de Internet de las Cosas para el Hogar Conectado
integrando electrodomésticos de línea blanca: Hacia la creación de valor con la
información"
11 congreso Colombiano de Computación, Popayán, Cauca, Colombia.
2016
Proceedings
What the white goods sector should understand in order to join the Internet of Things
ecosystem in the connected home.
International Journal of Advances in Computer Science and Its Applications
http://journals.theired.org/journals/paper/details/7870.html
Volume 6: Issue 1 [ISSN 2250-3765]
2016

Second International Conference on Advances in Information Processing and
Communication Technology - IPCT 2015, Roma, Italia.
“What the white goods sector should understand in order to join the Internet of Things
ecosystem in the connected home”
2015
Proyectos de investigación
1. Universidad Nacional de Colombia, Universidad de Caldas, Mabe
“Prototipo computacional para la fusión y análisis de grandes volúmenes de datos en

entornos IoT (internet de las cosas) a partir de técnicas de machine learning y arquitecturas
seguras entre sensores, para caracterizar el comportamiento e interacción de los usuarios
en un ecosistema de connected home”. Código de proyecto DIMA 36715.
2. Mabe – Universidad Nacional de Colombia
Construir un prototipo de un sistema Ciber-físico (CPS) de inspección visual para el control

de calidad percibida en una línea de ensamble de neveras, que permita la detección de
defectos con un 95% de precisión, para mantener la competitividad de la empresa a través
de la calidad de los productos.
Conclusiones, recomendaciones y
trabajos futuros
En un mundo donde la incertidumbre empresarial ha aumentado debido a la pandemia, no
existe una respuesta correcta sobre cómo afrontar la colisión entre las empresas de
manufactura y las empresas digitales; a pesar de esto debemos seguir buscando
soluciones. Los resultados de la tesis proporcionan mecanismos científicos para el análisis
y diseño de ecosistemas IoT, por tanto, habilitan el desarrollo de modelos operativos
resilientes. En el mismo sentido, la visión holística de integración digital de los ecosistemas
de consumo y producción, soportada por la plataforma IoT, ha permitido la
conceptualización del sistema de creación de valor, así como la construcción del modelo
de simulación y como resultado se han caracterizado los comportamientos del sistema.
La creación de nuevas eficiencias y experiencias en el ecosistema IoT son algunos de los

desafíos que deben enfrentar las empresas de línea blanca en 2020, en estos retos, la
lógica difusa apalancó el desarrollo de un modelo que evita la incertidumbre asociada a la
evaluación del valor de la oferta; su aplicación práctica permitió alinear los conceptos de
entrada del sistema de creación de valor y sirvió de base para el desarrollo de aplicaciones
informáticas que apoyan la transformación digital de las empresas de línea blanca.
Desde un punto de vista práctico, comprender los comportamientos relacionados con la

creación y captura de valor en el ecosistema de IoT de los hogares conectados es un gran
paso hacia adelante. Permitirá a las empresas de línea blanca adecuar sus modelos
operativos y diseñar una oferta de valor de base digital, que podría incluir los conceptos
aquí descritos desde el inicio y, por tanto, tendría más probabilidades de captar valor
económico.
Además, la unión de los ecosistemas de producción y consumo permite integrar los

objetivos de la cadena de valor en estas iniciativas digitales, algo que no es una práctica
común. Esto permitirá a las empresas adaptar sus modelos comerciales más allá de la
venta de electrodomésticos y el servicio postventa. Del mismo modo, este trabajo
contribuye al desarrollo de las capacidades digitales de una empresa y a la comprensión
de cómo el valor creado es un factor diferenciador que apalanca el desarrollo de una
ventaja competitiva para cualquier empresa.
Desde la perspectiva metodológica, la aplicación de la teoría de sistemas en el análisis del

objeto de estudio ha permitido conceptualizar un modelo de creación de valor para el
ecosistema IoT. De manera similar, las ideas, relaciones y conceptos identificados en la
teoría ayudaron a refinar el modelo e integrar exitosamente los subsistemas propuestos.
El estudio con expertos y el análisis crítico de documentos ha llevado a la inclusión de
nuevos elementos en la construcción de la representación del sistema, pasando de la
conceptualización-generalización al modelado a través de la dinámica del sistema.
En efecto, el paradigma de investigación usado en esta tesis permitió verificar que en la

literatura existente había muy pocas investigaciones con esta perspectiva, lo cual fue
definitivamente un reto a vencer, en este sentido, el aporte teórico y sus contribuciones
académicas, se unen a la contribución práctica; la cual no hubiera sido posible sin la
estructuración adecuada de la tesis de investigación.
Por otra parte, la inmersión permitió una exposición excepcional del investigador con el
mundo practico de la industria y las organizaciones, a pesar de la dificultad adicional de
combinar la investigación científica con la práctica empresarial, el apoyo del tutor permitió
clarificar los alcances y resultados para ambas partes, en este sentido, no solo se llegó a
la culminación de la tesis, también se entregaron productos tangibles para la compañía.
De la misma manera, al analizar los proyectos digitales y estructurar los planes de acción,
se encontraron posibilidades de investigación futura, en donde la redefinición de los
modelos de negocios basado en la óptica de creación de valor con la información e integrar
lo físico del hardware con lo digital, es ya un imperativo para las empresas de manufactura.
Del mismo modo, ejecutar en el marco del desarrollo de esta tesis, dos proyectos de
investigación adicionales fue un gran reto; sin embargo, los resultados de ambas iniciativas
211
aportaron elementos estratégicos y tecnológicos, que ayudaron a comprobar la hipótesis

de investigación y al logro de los objetivos planteados, del mismo modo confirmaron la
importancia de desarrollar un marco de trabajo bajo la perspectiva de creación de valor
con la información y adicionalmente, hizo posible mantener el interés general en la tesis
por parte de la empresa, gracias a la entrega de resultados físicos tangibles.
Con base en los resultados de esta investigación, emergen algunas recomendaciones para
la academia y entidades públicas y privadas relacionadas con el fortalecimiento
empresarial; por el lado de la academia, romper con el paradigma de resultados a largo
plazo es una de las tareas que se muestra retadora, entendiendo que el desarrollo de una
tesis doctoral toma tiempo, es necesario establecer entregables parciales, basado en la
experiencia de esta tesis, la recomendación a los investigadores y asesores, es la de
descomponer el problema de investigación en partes pequeñas, de tal manera que se
puedan obtener resultados parciales, los cuales deben ser socializados de manera
adecuada con los diferentes grupos de interés. Aunque lo anterior es algo que puede
chocar con statu quo de la investigación científica, definitivamente derribar esa barrera,
establece un vínculo de entendimiento entre universidad-empresa-estado.
Finalmente, para las entidades encargadas de apoyar el fortalecimiento empresarial, todos

los conceptos y artefactos diseñados en esta tesis se pueden aplicar en compañías de
manufactura de diferentes tamaños; por tanto, fortalecer los aspectos estratégicos de
creación de valor, puede servir de impulso a las diferentes metodologías de apoyo que
usan en sus proyectos, apalancarse en el entendimiento de como la información crea valor
en un ecosistema, es un factor diferenciador, sobre el cual los países desarrollados llevan
la delantera.
▪ Trabajos futuros
En lo que respecta a futuras líneas de investigación, el modelo de evaluación propuesto

puede perfeccionarse desde la perspectiva de integración de nuevas variables, en este
sentido, se puede confirmar que las incorporadas al modelo son susceptibles de mejorar;
un nuevo estudio con una base de expertos internacionales más amplia identificaría
variables no tratadas en la tesis, las cuales podrían representar factores de aceleración de
la creación de valor en los ecosistemas digitales. Investigar y experimentar con variables
no encontradas, como resiliencia post pandemia, demanda censada (demanda que se

calcula en el muy corto plazo), priorización de proyectos y riesgos en la cadena de
suministro, permitiría hacer simulaciones más sofisticadas que refinarían el modelo y en
consecuencia nutrirían con nuevos elementos las recomendaciones de la fase “llamado a
la acción” de la metodología propuesta.
Por otro lado, modelar y ensayar con diferentes tipos de algoritmos para el cálculo de la
demanda de electrodomésticos, se visualiza como un trabajo sobre el cual se pueden
aplicar técnicas de machine learning e incorporación de nuevas fuentes de información
para incrementar la certeza del pronóstico; el principal impacto en este aspecto seria
obtener un análisis de efecto de red ajustado a la realidad y abriría nuevas líneas de
investigación, como el análisis de los efectos sobre el sistema de creación de valor
derivados del confinamiento de las personas en sus hogares durante los años 2020 y 2021.
Desde el punto de vista conceptual, se abren posibilidades para el entendimiento de los

entornos complejos más allá de los ecosistemas IoT del hogar conectado, por tanto, los
conceptos planteados en la tesis pueden ponerse a prueba y evolucionar de acuerdo con
la dinámica de creación de valor en cada ecosistema; en este sentido, la dinámica de
sistemas se muestra como la herramienta adecuada para abordar este tipo de
investigaciones.
En línea con lo anterior, ampliar los estudios sobre el hogar conectado ayudaría a obtener
información relevante para mejorar el modelo de evaluación del sistema de creación de
valor; tal como se realizó en este proyecto de tesis, ejecutar proyectos paralelos pero
complementarios permitirían guiar y alinear los aspectos estratégicos, operativos y
tecnológicos que se mezclan en los ecosistemas digitales; del mismo modo, no está por
demás comentar la importancia de profundizar en el entendimiento de los diferentes grupos
de interés alrededor del hogar conectado.
Desde el punto de vista tecnológico, se identifican dos líneas de investigación futuras, la

primera busca profundizar en la arquitectura tecnológica objetivo, como base para valorar
las iniciativas tecnológicas, así como incorporar las capacidades analíticas e inteligencia
artificial con fin de brindar herramientas a la industria y organizaciones en el desarrollo de
ventajas competitivas transitorias. El segundo punto está relacionado con la alineación
213
entre la estrategia del negocio y el diseño de ecosistemas IoT, aunque la metodología

propuesta presenta una novedosa manera de abordarlo; desarrollar metodologías
alternativas o perfeccionar las presentadas, permitiría guiar la discusión y agregaría valor
a lo logrado en esta tesis.
En consecuencia, aplicar el modelo de evaluación a nuevas iniciativas digitales, permitiría

refinarlo bajo la perspectiva de la recuperación económica en 2021 y más allá; en este
sentido, es importante señalar que nuevos impactos en los ecosistemas digitales empiezan
a emerger en la literatura científica, tal es el caso de la reputación empresarial y la
sustentabilidad de los ecosistemas debido a preocupaciones de tipo medioambiental.
Para finalizar, explorar aplicaciones en sistemas productivos de otros sectores

económicos, como alimentos, servicios bancarios y retail, ayudaría a la generalización de
resultados; aunque, en esta tesis se desarrollaron indicadores de basados en modelo
operativo y de negocio, futuras investigaciones podrían profundizar en la integración con
otros provenientes la evaluación económica de proyectos, de este modo, se buscaría el
equilibrio entre los indicadores financieros, la gestión tecnológica, el modelo operativo y la
estrategia de negocio.
Bibliografía
(ITU), I. T. U., & CISCO. (2016). Harnessing the Internet of Things for Global
Development. Retrieved from
http://www.itu.int/en/action/broadband/Documents/Harnessing-IoT-Global-
Development.pdf
Aanestad, M., & Jensen, T. B. (2016). Collective mindfulness in post-
implementation IS adaptation processes. Information and Organization,
26(1-2), 13-27. doi:10.1016/j.infoandorg.2016.02.001
Aazam, M., Huh, E.-N., St-Hilaire, M., Lung, C.-H., & Lambadaris, I. (2016). Cloud
of Things: Integration of IoT with Cloud Computing. In A. Koubaa & E.
Shakshuki (Eds.), Robots and Sensor Clouds (Vol. 36, pp. 77-94): Springer
International Publishing.
Abdmeziem, M., Tandjaoui, D., & Romdhani, I. (2016). Architecting the Internet of
Things: State of the Art. In A. Koubaa & E. Shakshuki (Eds.), Robots and
Sensor Clouds (Vol. 36, pp. 55-75): Springer International Publishing.
Abood, D., Quilligan, A., & Narsalay, R. (2017). Industry X.0 Combine and Conquer,
Unlocking the power of digital. Retrieved from Accenture.com:
https://www.accenture.com/us-en/insights/industry-x-0/vision-value-
combine-conquer
Affinnova. (2014). Innovation Trend Watch: How “Smart” Products Can Win Over
Mainstream Consumers. Retrieved from http://www.affinnova.com/resource-
story/internet-of-things/
Aheleroff, S., Xu, X., Lu, Y., Aristizabal, M., Velásquez, J. P., Joa, B., & Valencia,
Y. (2020). IoT-enabled smart appliances under industry 4.0: A case study.
Advanced Engineering Informatics, 43, 101043.
Ahmad, M., Botzkowski, T., Klötzer, C., & Papert, M. (2020). Behind the Blackbox
of Digital Business Models. Paper presented at the Proceedings of the 53rd
Hawaii International Conference on System Sciences.
Akdağ, T. (2019). Application of sales forecasting techniques for a company in the
home appliances. MARMARA UNIVERS ITY, MARMARA UNIVERS ITY.
Al Zaabi, H., & Bashir, H. (2020). Modeling and analyzing project interdependencies
in project portfolios using an integrated social network analysis-fuzzy
TOPSIS MICMAC approach. International Journal of System Assurance
Engineering and Management, 1-24.
216 Título de la tesis o trabajo de investigación
Alaa, M., Zaidan, A. A., Zaidan, B. B., Talal, M., & Kiah, M. L. M. (2017). A review
of smart home applications based on Internet of Things. Journal of Network
and Computer Applications, 97, 48-65.
Alvarado, L. W. R., & Ontiveros, M. Á. L. (2016). Aplicación de Técnicas de
Validación de un Modelo de Simulación de Dinámica de Sistemas. Caso de
Estudio. Revista Latinoamericana de Ingenieria de Software, 4(4), 187-196.
Amershi, S., Begel, A., Bird, C., DeLine, R., Gall, H., Kamar, E., . . . Zimmermann,
T. (2019). Software engineering for machine learning: A case study. Paper
presented at the 2019 IEEE/ACM 41st International Conference on Software
Engineering: Software Engineering in Practice (ICSE-SEIP).
Antonopoulou, K., & Begkos, C. (2020). Strategizing for digital innovations: Value
propositions for transcending market boundaries. Technological Forecasting
and Social Change, 156, 120042.
APPLIA. (2020). BY THE NUMBERS: The Home Appliance Industry in Europe,
2018-2019. Retrieved from https://applia-europe.eu/: https://applia-
europe.eu/
Arcade, J., Godet, M., Meunier, F., & Roubelat, F. (2009). Structural Analysis with
the MICMAC Method & Actors’ Strategy with MACTOR Method. Futures
Research Methodology, 3rd edn. Futures Research Methodology. The
Millennium Project, Washington DC.
Arcelik. (2019). annual report 2018. Annual reports. Retrieved from
http://www.arcelikas.com/page/152/Annual_Reports
Arnott, D., & Pervan, G. (2016). A critical analysis of decision support systems
research revisited: the rise of design science Enacting Research Methods in
Information Systems (pp. 43-103): Springer.
Ashton, K. (2009). That ‘Internet of Things’ thing in the real world, things matter
more than ideas. RFID Journal, 22(7), 97-114.
Athanasopoulou, A., & De Reuver, M. (2020). How do business model tools
facilitate business model exploration? Evidence from action research.
Electronic Markets, 1-14.
Atzori, L., Iera, A., & Morabito, G. (2017). Understanding the Internet of Things:
definition, potentials, and societal role of a fast evolving paradigm. Ad Hoc
Networks, 56, 122-140.
Atzori, L., Iera, A., & Morabito, G. (2019). Sociocast: A New Network Primitive for
IoT. IEEE Communications Magazine, 57(6), 62-67.
Baber, W. W., Ojala, A., & Martinez, R. (2019). Effectuation logic in digital business
model transformation. Journal of Small Business and Enterprise
Development.
Baecker, J., Engert, M., Pfaff, M., & Krcmar, H. (2020). Business Strategies for Data
Monetization: Deriving Insights from Practice. WI2020 Zentrale Tracks, GITO
Verlag, 972-987.
Balta-Ozkan, N., Davidson, R., Bicket, M., & Whitmarsh, L. (2013). Social barriers
to the adoption of smart homes. Energy Policy, 63, 363-374.
doi:10.1016/j.enpol.2013.08.043
Bibliografía 217
Bariss, U., Bazbauers, G., Blumberga, A., & Blumberga, D. (2017). System
Dynamics Modeling of Households' Electricity Consumption and Cost-
Income Ratio: a Case Study of Latvia. 20(1), 36.
doi:https://doi.org/10.1515/rtuect-2017-0009
Barrett, M., Oborn, E., & Orlikowski, W. (2016). Creating value in online
communities: The sociomaterial configuring of strategy, platform, and
stakeholder engagement. Information Systems Research, 27(4), 704-723.
Bashir, H., Ojiako, U., & Mota, C. (2020). Modeling and Analyzing Factors Affecting
Project Delays Using an Integrated Social Network-Fuzzy MICMAC
Approach. Engineering Management Journal, 32(1), 26-36.
Baskerville, R., Baiyere, A., Gregor, S., Hevner, A., & Rossi, M. (2018). Design
science research contributions: Finding a balance between artifact and
theory. Journal of the Association for Information Systems, 19(5), 3.
Bican, P. M., & Brem, A. (2020). Digital Business Model, Digital Transformation,
Digital Entrepreneurship: Is There A Sustainable “Digital”? Sustainability,
12(13), 5239.
Bocken, N., & Snihur, Y. (2020). Lean startup and the business model:
Experimenting for novelty and impact. Long Range Planning, 53(4), 101953.
Bokrantz, J., Skoogh, A., Berlin, C., & Stahre, J. (2017). Maintenance in digitalised
manufacturing: Delphi-based scenarios for 2030. International Journal of
Production Economics, 191, 154-169.
Bonaglia, F., Goldstein, A., & Mathews, J. A. (2007). Accelerated
internationalization by emerging markets' multinationals: The case of the
white goods sector. Journal of World Business, 42(4), 369-383.
doi:10.1016/j.jwb.2007.06.001
Bonilla-García, M. Á., & López-Suárez, A. D. (2016). Ejemplificación del proceso
metodológico de la teoría fundamentada. Cinta de moebio(57), 305-315.
Borgia, E. (2014). The Internet of Things vision: Key features, applications and open
issues. Computer Communications, 54, 1-31.
doi:10.1016/j.comcom.2014.09.008
Bosch. (2019). Annual Report 2018. Annual reports. Retrieved from
https://www.bosch.com/company/annual-report/
Botta, A., de Donato, W., Persico, V., & Pescapé, A. (2016). Integration of Cloud
computing and Internet of Things: A survey. Future Generation Computer
Systems, 56, 684-700. doi:http://dx.doi.org/10.1016/j.future.2015.09.021
Bouncken, R. B., Fredrich, V., Ritala, P., & Kraus, S. (2020). Value-creation-
capture-equilibrium in new product development alliances: A matter of
coopetition, expert power, and alliance importance. Industrial Marketing
Management, 90, 648 - 662.
doi:https://doi.org/10.1016/j.indmarman.2020.03.019
Bouwman, H., Nikou, S., & de Reuver, M. (2019). Digitalization, business models,
and SMEs: How do business model innovation practices improve
performance of digitalizing SMEs? Telecommunications Policy, 43(9),
101828.
Bressanelli, G., Perona, M., & Saccani, N. (2017). Reshaping the Washing Machine
Industry through Circular Economy and Product-Service System Business
Models. Procedia CIRP, 64, 43-48.
doi:https://doi.org/10.1016/j.procir.2017.03.065.
Brix, J. (2017). Exploring knowledge creation processes as a source of
organizational learning: A longitudinal case study of a public innovation
project. Scandinavian Journal of Management, 33(2), 113-127.
Büchi, G., Cugno, M., & Castagnoli, R. (2020). Smart factory performance and
Industry 4.0. Technological Forecasting and Social Change, 150, 119790.
Bukht, R., & Heeks, R. (2017). Defining, conceptualising and measuring the digital
economy. Development Informatics working paper(68).
Bunduchi, R. (2018). SOCIALIZING THE VALUE OF TECHNOLOGY–A MULTI-
STAKEHOLDER PERSPECTIVE ON VALUING IS. AISNET.
Cabeza, L. F., Ürge-Vorsatz, D., Palacios, A., Ürge, D., Serrano, S., & Barreneche,
C. (2018). Trends in penetration and ownership of household appliances.
Renewable and Sustainable Energy Reviews, 82, Part 3(4044-4059).
doi:https://doi.org/10.1016/j.rser.2017.10.068.
Callon, M. (2016). Revisiting marketization: from interface-markets to market-
agencements. Consumption Markets & Culture, 19(1), 17-37.
Carletti, M., Masiero, C., Beghi, A., & Susto, G. A. (2019). A deep learning approach
for anomaly detection with industrial time series data: a refrigerators
manufacturing case study. Procedia Manufacturing, 38, 233-240.
doi:https://doi.org/10.1016/j.promfg.2020.01.031
Casado-Vara, R., Chamoso, P., De la Prieta, F., Prieto, J., & Corchado, J. M.
(2019). Non-linear adaptive closed-loop control system for improved
efficiency in IoT-blockchain management. Information Fusion, 49, 227-239.
Casado-Vara, R., Martin-del Rey, A., Affes, S., Prieto, J., & Corchado, J. M. (2020).
IoT network slicing on virtual layers of homogeneous data for improved
algorithm operation in smart buildings. Future Generation Computer
Systems, 102, 965-977.
Coenen, T., Coertjens, L., Vlerick, P., Lesterhuis, M., Mortier, A. V., Donche, V., . .
. De Maeyer, S. (2018). An information system design theory for the
comparative judgement of competences. European Journal of Information
Systems, 27(2), 248-261.
Constantinides, P., Henfridsson, O., & Parker, G. G. (2018). Introduction—platforms
and infrastructures in the digital age: INFORMS.
Cottone, P., Gaglio, S., & Ortolani, M. (2014). A Structural Approach to Infer
Recurrent Relations in Data Advances onto the Internet of Things (pp. 105-
119). Switzerland: Springer International Publishing.
Culot, G., Orzes, G., Sartor, M., & Nassimbeni, G. (2020). The future of
manufacturing: A Delphi-based scenario analysis on Industry 4.0.
Technological Forecasting and Social Change, 157, 120092.
Cunha, L., & Kidanu, D. (2017). The use of digital technologies to improvethe post-
purchase phase of a traditional company in the white goods sector: Case
study on Electrolux.
Bibliografía 219
Chanias, S., Myers, M. D., & Hess, T. (2019). Digital transformation strategy making
in pre-digital organizations: The case of a financial services provider. The
Journal of Strategic Information Systems, 28(1), 17-33.
Chen, F., Deng, P., Wan, J., Zhang, D., Vasilakos, A. V., & Rong, X. (2015). Data
mining for the internet of things: literature review and challenges.
International Journal of Distributed Sensor Networks, 501, 431047.
Chen, M., Hao, Y., Gharavi, H., & Leung, V. C. (2019). Cognitive information
measurements: A new perspective. Information Sciences, 505, 487-497.
Chen, S., Xu, H., Liu, D., Hu, B., & Wang, H. (2014). A vision of IoT: Applications,
challenges, and opportunities with china perspective. Internet of Things
Journal, IEEE, 1(4), 349-359. doi:10.1109/JIOT.2014.2337336
Chen, Z., Lu, M., Ming, X., Zhang, X., & Zhou, T. (2020). Explore and evaluate
innovative value propositions for smart product service system: A novel
graphics-based rough-fuzzy DEMATEL method. Journal of Cleaner
Production, 243, 118672.
Chesbrough, H. (2007). Business model innovation: it's not just about technology
anymore. Strategy & leadership, 35(6), 12-17.
Chesbrough, H. (2010). Business Model Innovation: Opportunities and Barriers.
Long Range Planning, 43(2-3), 354-363. doi:10.1016/j.lrp.2009.07.010
Chui, M. (2017). Artificial intelligence the next digital frontier? McKinsey and
Company Global Institute, 47, 3.6.
Da Costa Fernandes, S., Pigosso, D. C., McAloone, T. C., & Rozenfeld, H. (2020).
Towards product-service system oriented to circular economy: A systematic
review of value proposition design approaches. Journal of Cleaner
Production, 120507.
Dans, E. (2020). How Apple Killed The Swiss Watch Industry. Forbes. Retrieved
from https://www.forbes.com/sites/enriquedans/2020/02/07/how-apple-
killed-the-swiss-watchindustry/#afec21760ce3
Darrow, B. (2016). Microsoft, Qualcomm Join Rebranded Internet of Things Club
[Press release]. Retrieved from http://fortune.com/2016/02/19/microsoft-
qualcomm-join-rebranded-internet-of-things-club/
De la Torre, G., Di Carlo, E., Florido, A., Opazo, H., Ramírez, C., Rodríguez, P., . .
. Tirado, J. (2011). Teoría fundamentada o grounded theory. Universidad
Autónoma de Madrid.
De Reuver, M., Sørensen, C., & Basole, R. C. (2018). The digital platform: a
research agenda. Journal of Information Technology, 33(2), 124-135.
De Silva, L. C., Morikawa, C., & Petra, I. M. (2012). State of the art of smart homes.
Engineering Applications of Artificial Intelligence, 25(7), 1313-1321.
doi:10.1016/j.engappai.2012.05.002
Denning, P. J. (1997). A new social contract for research. Communications of the
ACM, 40(2), 132-134.
Design Council. (2019). What is the framework for innovation? Design Council's
evolved Double Diamond. Design Council. Retrieved from
https://www.designcouncil.org.uk/news-opinion/what-framework-innovation-
design-councils-evolved-double-diamond
DFC, U. S. I. D. F. C. (2020). DFC to Sign Letter of Interest for Investment in Kodak’s
Expansion Into Pharmaceuticals [Press release]. Retrieved from
https://www.dfc.gov/media/press-releases/dfc-sign-letter-interest-
investment-kodaks-expansion-
pharmaceuticals?CID=exit&idhbx=dfcrelease
Dimov, D. (2016). Toward a design science of entrepreneurship. Advances in
entrepreneurship, firm emergence and growth, 18, 1-31.
Doufene, A., & Krob, D. (2020). Towards a Comprehensive Design Approach for
Complex Systems Architecture and Optimization.
Drechsler, A., & Hevner, A. (2016). A four-cycle model of IS design science
research: capturing the dynamic nature of IS artifact design. Paper presented
at the Breakthroughs and Emerging Insights from Ongoing Design Science
Projects: Research-in-progress papers and poster presentations from the
11th International Conference on Design Science Research in Information
Systems and Technology (DESRIST) 2016. St. John, Canada, 23-25 May.
Dremel, C., Herterich, M. M., Wulf, J., & Vom Brocke, J. (2020). Actualizing big data
analytics affordances: A revelatory case study. Information & Management,
57(1), 103121.
Dubey, R., Gunasekaran, A., & Childe, S. J. (2019). Big data analytics capability in
supply chain agility. Management Decision.
Dunbrack, L., Ellis, S., Hand, L., Knickle, K., & Turner, V. (2016). IoT and Digital
Transformation: A Tale of Four Industries. IDC White Paper.
Ehrenhard, M., Kijl, B., & Nieuwenhuis, L. (2014). Market adoption barriers of multi-
stakeholder technology: Smart homes for the aging population.
Technological Forecasting and Social Change, 89, 306-315.
El-Gazzar, R., Hustad, E., & Olsen, D. H. (2016). Understanding cloud computing
adoption issues: A Delphi study approach. Journal of Systems and Software,
118, 64-84.
Elbanna, A., & Linderoth, H. C. J. (2015). The formation of technology mental
models: the case of voluntary use of technology in organizational setting.
Information Systems Frontiers, 17(1), 95-108. doi:10.1007/s10796-014-
9513-6
Electrolux. (2019). Annual Report and Annual Review 2018. Annual reports.
Retrieved from https://www.electroluxgroup.com/en/annual-reports-and-
reviews-27641/
Ellen MacArthur Foundation in collaboration with the World Economic Forum.
(2016). Intelligent Assets: Unlocking the Circular Economy Potential.
Retrieved from
http://www3.weforum.org/docs/WEF_Intelligent_Assets_Unlocking_the_Cri
cular_Economy.pdf
Engström, E., Storey, M.-A., Runeson, P., Höst, M., & Baldassarre, M. T. (2019). A
review of software engineering research from a design science perspective.
arXiv preprint arXiv:1904.12742.
Bibliografía 221
Evans, D. S., & Schmalensee, R. (2017). Network Effects: March to the Evidence,
not to the Slogans. Forthcoming, Antitrust Chronicle.
Expansion. (2019). Las 500 empresas mas importantes de Mexico. Expansion.
Retrieved from https://expansion.mx/empresas/2019/06/28/estas-son-las-
500-empresas-mas-importantes-de-mexico-2019
Faber, A., Hernandez-Mendez, A., Rehm, S.-V., & Matthes, F. (2020). Collaborative
Modelling and Visualization of Business Ecosystems. Australasian Journal
of Information Systems, 24.
Fainmesser, I. P., & Galeotti, A. (2019). Pricing network effects: Competition. Johns
Hopkins Carey Business School Research Paper(17-08).
Faroukhi, A. Z., El Alaoui, I., Gahi, Y., & Amine, A. (2020a). An Adaptable Big Data
Value Chain Framework for End-to-End Big Data Monetization. Big Data and
Cognitive Computing, 4(4), 34.
Faroukhi, A. Z., El Alaoui, I., Gahi, Y., & Amine, A. (2020b). Big data monetization
throughout Big Data Value Chain: a comprehensive review. Journal of Big
Data, 7(1), 1-22.
Fleisch, E., Weinberger, M., & Wortmann, F. (2015). Business Models and the
Internet of Things Interoperability and Open-Source Solutions for the Internet
of Things (pp. 6-10): Springer.
Forrester, J. W. (1997). Industrial dynamics. Journal of the Operational Research
Society, 48(10), 1037-1041.
Frank, A. G., Dalenogare, L. S., & Ayala, N. F. (2019). Industry 4.0 technologies:
Implementation patterns in manufacturing companies. International Journal
of Production Economics, 210, 15-26.
Fujimoto, R. M., Carothers, C., Ferscha, A., Jefferson, D., Loper, M., Marathe, M.,
& Taylor, S. J. (2017). Computational challenges in modeling & simulation of
complex systems. Paper presented at the 2017 Winter Simulation
Conference (WSC).
Fuller, J., Jacobides, M. G., & Reeves, M. (2019). The Myths and Realities of
Business Ecosystems. MIT Sloan Management Review, 60(3), 1-9.
Gandhi, N., Haleem, A., Shuaib, M., & Kumar, D. (2020). Analysis of Logistical
Barriers Faced by MNCs for Business in Indian Smart Cities Using ISM-
MICMAC Approach Smart Cities—Opportunities and Challenges (pp. 571-
582): Springer.
Gans, J., & Ryall, M. D. (2017). Value capture theory: A strategic management
review. Strategic management journal, 38(1), 17-41.
Gartner. (2019). Data Monetization. Information Technology Gartner Glosary.
Retrieved from https://www.gartner.com/en/information-
technology/glossary/data-monetization
Geissdoerfer, M., Bocken, N. M. P., & Hultink, E. J. (2016). Design thinking to
enhance the sustainable business modelling process – A workshop based
on a value mapping process. Journal of Cleaner Production, 135, 1218-1232.
doi:https://doi.org/10.1016/j.jclepro.2016.07.020.
Gencer, Y. G. (2018). MEASURING VALUE ALONG THE SUPPLY CHAIN: A

STUDY ON WHITE GOODS SECTOR. Electronic Journal of Social
Sciences, 17(66).
Ghezzi, A., & Cavallo, A. (2020). Agile business model innovation in digital
entrepreneurship: Lean startup approaches. Journal of Business Research,
110, 519-537.
Ghobakhloo, M., & Fathi, M. (2019). Corporate survival in Industry 4.0 era: the
enabling role of lean-digitized manufacturing. Journal of Manufacturing
Technology Management.
Göbbel, T. (2018). The white goods market. Retrieved from
https://www.rolandberger.com/en/Point-of-View/The-white-goods-
market.html
Godet, M. (2001). Creating futures: Economica.
Godet, M., Monti, R., Meunier, F., & Roubelat, F. (2000). La caja de herramientas
de la prospectiva estratégica. Retrieved from
Goedhart, M. H., & Koller, T. M. (2020). The value of value creation. McKinsey &
Company, 2.
Goulden, M. (2019). ‘Delete the family’: platform families and the colonisation of the
smart home. Information, Communication & Society, 1-18.
Grubler, A., & Nemet, G. (2012). Sources and Consequences of Knowledge
Depreciation. Historical Case Studies of Energy Technology Innovation. The
Global Energy Assessment, 133-146.
Günther, W. A., Mehrizi, M. H. R., Huysman, M., & Feldberg, F. (2017). Debating
big data: A literature review on realizing value from big data. The Journal of
Strategic Information Systems, 26(3), 191-209.
Guo, Y., & Zheng, G. (2019). How do firms upgrade capabilities for systemic catch-
up in the open innovation context? A multiple-case study of three leading
home appliance companies in China. Technological Forecasting and Social
Change, 144, 36-48. doi:https://doi.org/10.1016/j.techfore.2019.04.001.
Hagiu, A., Wright, J., & Lakhani, K. R. (2020). When Data Creates Competitive
Advantage. Harvard business review, 98(1), 94-101.
Haier. (2019). Quidao Haier FY 2018 Annual Report. Annual reports. Retrieved
from http://www.haier.net/en/investor_relations/haier/
Halaburda, H., Jullien, B., & Yehezkel, Y. (2020). Dynamic competition with network
externalities: how history matters. The RAND Journal of Economics, 51(1),
3-31.
Halaweh, M. (2012). Using grounded theory as a method for system requirements
analysis. JISTEM-Journal of Information Systems and Technology
Management, 9(1), 23-38.
Hao, S., & Duan, L. (2019). Economics of age of information management under
network externalities. Paper presented at the Proceedings of the Twentieth
ACM International Symposium on Mobile Ad Hoc Networking and
Computing.
Harvard Business Review Analytic Services. (2014). The Digital Dividend: First-
Mover Advantage. Harvard business review.
Bibliografía 223
Hatchuel, A., Le Masson, P., Reich, Y., & Subrahmanian, E. (2018). Design theory:
a foundation of a new paradigm for design science and engineering.
Research in Engineering Design, 29(1), 5-21.
Hearst, M., Pedersen, E., Patil, L. P., Lee, E., Laskowski, P., & Franconeri, S.
(2019). An evaluation of semantically grouped word cloud designs. IEEE
transactions on visualization and computer graphics.
Hein, A., Schreieck, M., Riasanow, T., Setzke, D. S., Wiesche, M., Böhm, M., &
Krcmar, H. (2019). Digital platform ecosystems. Electronic Markets, 1-12.
Henze, M., Hermerschmidt, L., Kerpen, D., Häußling, R., Rumpe, B., & Wehrle, K.
(2016). A comprehensive approach to privacy in the cloud-based Internet of
Things. Future Generation Computer Systems, 56, 701-718.
doi:http://dx.doi.org/10.1016/j.future.2015.09.016
Hernandez Sampieri, R., Fernández, C., & Baptista, P. (2014). Metodología de la
Investigación. 6ta. Mexico.
Hevner, A., vom Brocke, J., & Maedche, A. (2019). Roles of Digital Innovation in
Design Science Research. Business & Information Systems Engineering,
61(1), 3-8. doi:10.1007/s12599-018-0571-z
Hevner, A. R., March, S. T., Park, J., & Ram, S. (2004). Design science in
information systems research. MIS quarterly, 75-105.
Holdowsky, J., Mahto, M., Raynor, M. E., & Cotteleer, M. J. (2015). Inside the
Internet of Things (IoT). Retrieved from
http://www2.deloitte.com/us/en/pages/technology-media-and-
telecommunications/topics/the-internet-of-things.html
Hong, A., Nam, C., & Kim, S. (2019). What will be the possible barriers to
consumers’ adoption of smart home services? Telecommunications Policy,
101867.
Hosseini, S. S., Agbossou, K., Kelouwani, S., Cardenas, A., & Henao, N. (2020). A
Practical Approach to Residential Appliances on-Line Anomaly Detection: A
Case Study of Standard and Smart Refrigerators. IEEE Access, 8, 57905-
57922.
Hurtado De Mendoza, S. (2012). Criterio de expertos. Su procesamiento a través
del método Delphi. Histodidáctica, web de la Universitat de Barcelona.
Retrieved from Histodidactica website:
http://www.ub.edu/histodidactica/index.php?option=com_content&view=arti
cle&id=21:criterio-de-expertos-su-procesamiento-a-traves-del-metodo-
delphy&catid=11:metodologia-y-epistemologia&Itemid=103
Iansiti, M., & Lakhani, K. R. (2020a). Competing in a Age of AI. Harvard business
review, 98(1), 59-67.
Iansiti, M., & Lakhani, K. R. (2020b). From Disruption to Collision: The New
Competitive Dynamics. MIT Sloan Management Review, 61(3), 6.
IERC. (2016). IoT Societal Impact Legal Considerations and Perspectives. In A. v.
d. Wess, J. Breewusma, & A. v. Sleen (Eds.), Digitising the Industry - Internet
of Things Connecting the Physical, Digital and Virtual Worlds (Vol. 49, pp.
215-233). Denmark: European Research Cluster on Internet of Things. River

Publishers.
Ikävalko, H., Turkama, P., & Smedlund, A. (2018). Enabling the mapping of Internet
of Things ecosystem business models through roles and activities in value
co-creation. Paper presented at the Proceedings of the 51st Hawaii
International Conference on System Sciences.
Ilie, V., & Turel, O. (2020). Manipulating user resistance to large-scale information
systems through influence tactics. Information & Management, 57(3),
103178.
ITU Strategy and Policy Unit. (2005). ITU Internet Reports 2005: The internet of
things. Retrieved from
http://www.itu.int/osg/spu/publications/internetofthings/
Izquierdo, L. R., Galán, J. M., Santos, J. I., & Del Olmo, R. (2008). Modelado de
sistemas complejos mediante simulación basada en agentes y mediante
dinámica de sistemas. EMPIRIA. Revista de Metodología de las Ciencias
Sociales(16), 85-112.
Jacobides, M. G., Sundararajan, A., Van Alstyne, M., & Delloitte. (2019). Platforms
and Ecosystems: Enabling the Digital Economy. Retrieved from World
Economic Forum:
http://www3.weforum.org/docs/WEF_Digital_Platforms_and_Ecosystems_2
019.pdf
James, C., Onarinde, B. A., & James, S. J. (2017). The use and performance of
household refrigerators: A review. Comprehensive Reviews in Food Science
and Food Safety, 16(1), 160-179.
Jennings , S., & O'Regan , R. (2020). Connected Home 2.0. Two years on… what
do your customers really want now? Retrieved from pwc.com:
https://www.pwc.co.uk/industries/power-
utilities/insights/energy2020/connected-home.html
Jernigan, S., Ransbotham, S., & Kiron, D. (2016). Data sharing and analytics drive
success with IOT. MIT Sloan Management Review (September 2016).
Retrieved from MIT Sloan Managment Review website:
https://sloanreview.mit.edu/projects/data-sharing-and-analytics-drive-
success-with-internet-of-things/
Jiménez, V., & Comet, C. (2016). Los estudios de casos como enfoque
metodológico. ACADEMO revista de investigación en Ciencias Sociales y
Humanidades, 3(2), 1-11.
Jittrapirom, P., Marchau, V., van der Heijden, R., & Meurs, H. (2018). Future
implementation of Mobility as a Service (MaaS): Results of an international
Delphi study. Travel Behaviour and Society.
Johannessen, J.-A., & Olsen, B. O. (2010). The future of value creation and
innovations: Aspects of a theory of value creation and innovation in a global
knowledge economy. International Journal of Information Management,
30(Issue 6), 502-511. doi:https://doi.org/10.1016/j.ijinfomgt.2010.03.007
Bibliografía 225
John, S. T., Sridharan, R., Kumar, P. R., & Krishnamoorthy, M. (2018). Multi-period
reverse logistics network design for used refrigerators. Applied Mathematical
Modelling, 54, 311-331.
Joyc, A., & L. Paquin, R. (2016). The triple layered business model canvas: A tool
to design more sustainable business models. Journal of Cleaner Production,
135, 1474 - 1486. doi:https://doi.org/10.1016/j.jclepro.2016.06.067
Karabag, S. F. (2019). Factors impacting firm failure and technological
development: A study of three emerging-economy firms. Journal of Business
Research, 98, 462-474.
Kembro, J., Näslund, D., & Olhager, J. (2017). Information sharing across multiple
supply chain tiers: A Delphi study on antecedents. International Journal of
Production Economics, 193, 77-86.
Khan, J., & Haleem, A. (2013). An integrated ISM and fuzzy MICMAC approach for
modelling of the enablers of technology management. Indian Journal of
Applied Research, 3(7), 236-242.
Kilimci, Z. H., Akyuz, A. O., Uysal, M., Akyokus, S., Uysal, M. O., Atak Bulbul, B., &
Ekmis, M. A. (2019). An improved demand forecasting model using deep
learning approach and proposed decision integration strategy for supply
chain. Complexity, 2019.
Klötzer, C., & Pflaum, A. (2017). Toward the development of a maturity model for
digitalization within the manufacturing industry’s supply chain.
Kohtamäki, M., Parida, V., Oghazi, P., Gebauer, H., & Baines, T. (2019). Digital
servitization business models in ecosystems: A theory of the firm. Journal of
Business Research, 104, 380-392.
Kowalkiewicz, M., Safrudin, N., & Schulze, B. (2017). The business consequences
of a digitally transformed economy Shaping the digital enterprise (pp. 29-67):
Springer.
Kraus, S., Palmer, C., Kailer, N., Kallinger, F. L., & Spitzer, J. (2019). Digital
entrepreneurship. International Journal of Entrepreneurial Behavior &
Research.
Lane, D., & Sterman, J. (2011). Profiles in Operations Research: Jay Wright
Forrester. Profiles in Operations Research: Pioneers and Innovators. New
York: Springer.
Larrosa, J. M. (2016). Leyes de valoración de redes. Redes De Ingeniería, 7(2),
183-196.
Lee, S. M., & Lee, D. (2020). “Untact”: a new customer service strategy in the digital
age. Service Business, 14(1), 1-22. doi:10.1007/s11628-019-00408-2
Lepak, D. P., Smith, K. G., & Taylor, M. S. (2007). Value creation and value capture:
A multilevel perspective. Academy of Management Review, 32(1), 180-194.
Leurent, H., & Boer, E. d. (2019). Fourth Industrial Revolution Beacons of
Technology and Innovation in Manufacturing. Retrieved from
https://www.weforum.org/whitepapers/fourth-industrial-revolution-beacons-
of-technology-and-innovation-in-manufacturing
LG. (2019). 2018 Consolidated Financial Staments. Annual reports. Retrieved from
https://www.lg.com/global/investor-relations-reports
Li, X., Cao, J., Liu, Z., & Luo, X. (2020). Sustainable Business Model Based on
Digital Twin Platform Network: The Inspiration from Haier’s Case Study in
China. Sustainability, 12(3), 936.
Lim, C., Kim, K.-H., Kim, M.-J., Heo, J.-Y., Kim, K.-J., & Maglio, P. P. (2018). From
data to value: A nine-factor framework for data-based value creation in
information-intensive services. International Journal of Information
Management, 39, 121-135.
Liu, H., Purvis, L., Mason, R., & Wells, P. (2020). Developing logistics value
propositions: Drawing Insights from a distributed manufacturing solution.
Industrial Marketing Management.
Londoño Palacio, O. L., Maldonado Granados, L. F., & Calderón Villafáñez, L. C.
(2014). GUÍA PARA CONSTRUIR ESTADOS DEL ARTE. Retrieved from
http://www.colombiaaprende.edu.co/html/investigadores/1609/articles-
322806_recurso_1.pdf
Lopez, C. A., & Castillo, L. F. (2020). Value creation system in the connected home
ecosystem. Journal of Ambient Intelligence and Humanized Computing, 1-
11.
López, C. A., Ferrin, C. D., & Castillo, L. F. (2019). Un Enfoque para Aplicar la Visión
por Computador en el Control de Calidad de Refrigeradores sobre la Línea
de Ensamble. Información tecnológica, 30(2), 143-156.
Lopez Castaño, C. A., & Castillo, L. F. (2016). What the white goods sector should
understand in order to join the Internet of Things ecosystem in the connected
home. International Journal of Advances in Computer Science & Its
Applications, 6(225-231).
Lund, D., MacGillivray, C., Turner, V., & Morales, M. (2014). Worldwide and regional
internet of things (iot) 2014–2020 forecast: A virtuous circle of proven value
and demand. IDC.
Lyneis, J. M. (2020). Business policy and strategy, System Dynamics Applications
to. System Dynamics: Theory and Applications, 179-207.
Maei, A., Grahn, S., & Nuur, C. (2019). Characterization of the impact of
digitalization on the adoption of sustainable business models in
manufacturing. Procedia CIRP, 81, 765 - 770.
doi:https://doi.org/10.1016/j.procir.2019.03.191
Marikyan, D., Papagiannidis, S., & Alamanos, E. (2019). A systematic review of the
smart home literature: A user perspective. Technological Forecasting and
Social Change, 138, 139-154.
Markus, M. L., Majchrzak, A., & Gasser, L. (2002). A design theory for systems that
support emergent knowledge processes. MIS quarterly, 179-212.
Mazhelis, O., Luoma, E., & Warma, H. (2012). Defining an internet-of-things
ecosystem Internet of Things, Smart Spaces, and Next Generation
Networking (pp. 1-14): Springer.
McCarthy, D., Fader, P., Peterson, E. G., Alexander, P. A., Powell, M. G., Hull, D.
M., . . . Barricelli, B. R. (2020). HOW TO VALUE A COMPANY BY
Bibliografía 227
ANALYZING ITS CUSTOMERS. Harvard Business Review. Jan/Feb2020,

98(1), 3.
Mcgrath, R. G. (2020). The new Disrupters. MIT Sloan Management Review, 63(3),
12.
McKinsey Global Institute. (2015). the internet of things mapping the value beyond
the hype. Retrieved from
http://www.mckinsey.com/insights/business_technology/the_internet_of_thi
ngs_the_value_of_digitizing_the_physical_world
Merritt, J., & Sarma, S. (2019). Realizing the Internet of Things: A Framework for
Collective Action. Retrieved from
https://es.weforum.org/whitepapers/realizing-the-internet-of-things-a-
framework-for-collective-action website:
Midea. (2019). Annual Report 2018. Annual reports. Retrieved from
https://www.midea-group.com/Investors
Minatogawa, V. L. F., Franco, M. M. V., Rampasso, I. S., Anholon, R., Quadros, R.,
Durán, O., & Batocchio, A. (2020). Operationalizing Business Model
Innovation through Big Data Analytics for Sustainable Organizations.
Sustainability, 12(1), 277.
Missbach, M., Staerk, T., Gardiner, C., McCloud, J., Madl, R., Tempes, M., &
Anderson, G. (2016). SAP and the Internet of Things SAP on the Cloud (pp.
139-151): Springer.
Moeini, M., Rahrovani, Y., & Chan, Y. E. (2019). A review of the practical relevance
of IS strategy scholarly research. The Journal of Strategic Information
Systems, 28(2), 196-217.
Moore, J. F. (1993). Predators and prey: a new ecology of competition. Harvard
business review, 71(3), 75-83.
Morales, M. L. V., Velásquez, J. R., & Beltrán, C. Y. B. (2016). Análisis estratégico
de la colaboración entre empresas nacionales y multinacionales de software
en Colombia utilizando dinámica de sistemas. International Journal of
Psychological Research, 9(1), 83-97.
Morgan, S. J., Pullon, S. R., Macdonald, L. M., McKinlay, E. M., & Gray, B. V.
(2017). Case study observational research: A framework for conducting case
study research where observation data are the focus. Qualitative health
research, 27(7), 1060-1068.
Muhuri, P. K., Shukla, A. K., & Abraham, A. (2019). Industry 4.0: A bibliometric
analysis and detailed overview. Engineering Applications of Artificial
Intelligence, 78, 218-235.
Mullarkey, M. T., & Hevner, A. R. (2019). An elaborated action design research
process model. European Journal of Information Systems, 28(1), 6-20.
Nambisan, S., Lyytinen, K., Majchrzak, A., & Song, M. (2017). Digital innovation
management: Reinventing innovation management research in a digital
world. MIS quarterly, 41(1).
Nikou, S. (2019). Factors driving the adoption of smart home technology: An
empirical assessment. Telematics and Informatics, 45, 101283.
Odusote, A., Naik, S., Tiwari, A., & Arora, G. (2016). Turning value into revenue:
What IoT players can learn from software monetization. Deloitte: Deloitte
University Press.
Orlikowski, W. J. (1993). CASE tools as organizational change: Investigating
incremental and radical changes in systems development. MIS quarterly,
309-340.
Orlikowski, W. J., & Scott, S. V. (2015). The algorithm and the crowd: Considering
the materiality of service innovation.
Osterwalder, A., & Pigneur, Y. (2011). Generación de modelos de negocios.
Barcelona: Editorial Deusto.
Oztemel, E., & Gursev, S. (2020). Literature review of Industry 4.0 and related
technologies. Journal of Intelligent Manufacturing, 31(1), 127-182.
Paganelli, F., Paradiso, F., Turchi, S., Luchetta, A., Castrogiovanni, P., & Giuli, D.
(2015). Appliance Recognition in an OSGi-Based Home Energy
Management Gateway. International Journal of Distributed Sensor
Networks. doi:http://dx.doi.org/10.1155/2015/937356
Pallas, F. (2016). Haier: A Case Study on How One of China’s First Global Brands
Keeps Expanding. In T. R. Segers (Ed.), Multinational Management: A
Casebook on Asia’s Global Market Leaders (pp. 55-74). Cham: Springer
International Publishing.
Panasonic. (2019). Annual Report 2018. Annual reports. Retrieved from
https://www.panasonic.com/global/corporate/ir/annual.html
Parida, V., Sjödin, D., & Reim, W. (2019). Reviewing literature on digitalization,
business model innovation, and sustainable industry: Past achievements
and future promises: Multidisciplinary Digital Publishing Institute.
Parker, G., Petropoulos, G., & Van Alstyne, M. W. (2020). Digital Platforms and
Antitrust. Available at SSRN.
Payne, A., Frow, P., Steinhoff, L., & Eggert, A. (2020). Toward a comprehensive
framework of value proposition development: From strategy to
implementation. Industrial Marketing Management.
Peffers, K., Tuunanen, T., & Niehaves, B. (2018). Design science research genres:
introduction to the special issue on exemplars and criteria for applicable
design science research: Taylor & Francis.
Peine, A. (2008). Technological paradigms and complex technical systems—The
case of Smart Homes. Research Policy, 37(3), 508-529.
doi:10.1016/j.respol.2007.11.009
Peine, A. (2009). Understanding the dynamics of technological configurations: A
conceptual framework and the case of Smart Homes. Technological
Forecasting and Social Change, 76(3), 396-409.
doi:10.1016/j.techfore.2008.04.002
Perera, C., Wakenshaw, S. Y., Baarslag, T., Haddadi, H., Bandara, A. K., Mortier,
R., . . . Crowcroft, J. (2017). Valorising the IoT databox: creating value for
everyone. Transactions on Emerging Telecommunications Technologies,
28(1), e3125.
Bibliografía 229
Pérez-Castillo, R., Ruiz, F., & Piattini, M. (2020). A decision-making support system
for Enterprise Architecture Modelling. Decision Support Systems, 131,
113249.
Perrault, R., Shoham, Y., Brynjolfsson, E., Clark, J., Etchemendy, J., Grosz, B., . . .
Niebles, J. C. (2019). The AI Index 2019 Annual Report. Retrieved from
Stanford University: https://hai.stanford.edu/research/ai-index-2019
Piscicelli, L., Ludden, G. D., & Cooper, T. (2018). What makes a sustainable
business model successful? An empirical comparison of two peer-to-peer
goods-sharing platforms. Journal of Cleaner Production, 172, 4580-4591.
Plant, R., & Tophan, C. (2018). Driving Enterprise Value through Smart Connected
Devices. Retrieved from Forber.com: https://www.forbes.com/forbes-
insights/our-work/hitachi-vantara-smart-connected-devices/
Porter, M. E. (2008). The five competitive forces that shape strategy. Harvard
business review, 86(1), 25-40.
Porter, M. E., & Heppelmann, J. E. (2014). How smart, connected products are
transforming competition. Harvard business review, 92(11), 64-88.
Porter, M. E., & Heppelmann, J. E. (2015). How smart, connected products are
transforming companies. Harvard business review, 93(10), 96-114.
Porter, M. E., & Kramer, M. R. (2019). Creating shared value Managing sustainable
business (pp. 323-346): Springer.
Proper, H. A., & Bjeković, M. (2020). Fundamental challenges in systems modelling.
40 Years EMISA 2019.
Rachinger, M., Rauter, R., Müller, C., Vorraber, W., & Schirgi, E. (2019).
Digitalization and its influence on business model innovation. Journal of
Manufacturing Technology Management.
Radzicki, M. J. (2020). System dynamics and its contribution to economics and
economic modeling. System Dynamics: Theory and Applications, 401-415.
Ramaswamy, V., & Ozcan, K. (2018). Offerings as Digitalized Interactive Platforms:
A Conceptual Framework and Implications. Journal of Marketing, 82(4), 19-
31. doi:10.1509/jm.15.0365
Randulfe, A. (2020). Nadie quiere ser el Nokia de las cuatro ruedas. El Pais.
Retrieved from Retina website:
https://retina.elpais.com/retina/2020/03/22/tendencias/1584905245_349432
.html
Ransbotham, S., & Kiron, D. (2017). Analytics as a source of business innovation.
MIT Sloan Management Review, 58(3).
Rao, N. D., & Ummel, K. (2017). White goods for white people? Drivers of electric
appliance growth in emerging economies. Energy Research & Social
Science, 27, 106-116.
Raynor, M. E., & Cotteleer, M. J. (2015). The more things change: value creation,
value capture and Internet of Things. Retrieved from
https://www2.deloitte.com/us/en/insights/deloitte-review/issue-17/value-
creation-value-capture-internet-of-
things.html?id=us:2el:3dp:dup1199:eng:dup:072715:dr17:ddblog
Red-Verde. (2020). Red Verde Postcosumo de electrodomesticos. Retrieved from

https://www.redverde.co/
Reddy, S. K., & Reinartz, W. (2017). Digital transformation and value creation: Sea
change ahead. Marketing Intelligence Review, 9(1), 10-17.
Reinartz, W., Wiegand, N., & Imschloss, M. (2019). The impact of digital
transformation on the retailing value chain. International Journal of Research
in Marketing, 36(3), 350-366.
Robnett, S., & Sexton, T. (2020). Estos son los 10 temas tecnológicos más
discutidos durante COVID-19. Retrieved from Foro Economico Mundial
website: https://es.weforum.org/agenda/2020/07/estos-son-los-10-temas-
tecnologicos-mas-discutidos-durante-covid-19/
Rodríguez-Rivero, R., Ortiz-Marcos, I., Díaz-Barcos, V., & Lozano, S. A. (2020).
Applying the strategic prospective approach to project management in a
development project in Colombia. International Journal of Project
Management, 38(8), 534-547.
Rong, K., Hu, G., Lin, Y., Shi, Y., & Guo, L. (2015). Understanding business
ecosystem using a 6C framework in Internet-of-Things-based sectors.
International Journal of Production Economics, 159, 41-55.
doi:10.1016/j.ijpe.2014.09.003
Rose, D. (2014). Enchanted Objects: Design, Human Desire, and the Internet of
Things. New York: Simon and Schuster.
Rusho, Y., & Raban, D. R. (2019). Hands on: Information Experiences as Sources
of Value. Journal of the Association for Information Science and Technology.
Rydehell, H., Löfsten, H., & Isaksson, A. (2018). Novelty-oriented value propositions
for new technology-based firms: Impact of business networks and growth
orientation. The Journal of High Technology Management Research, 29(2),
161-171.
Saccani, N., Perona, M., & Bacchetti, A. (2017). The total cost of ownership of
durable consumer goods: A conceptual model and an empirical application.
International Journal of Production Economics, 183 Part A, 1-13.
doi:https://doi.org/10.1016/j.ijpe.2016.09.021.
Saeed, K. (2017). Circumscribing System Dynamics Modeling and Building
Confidence in Models a Personal Perspective. Available at SSRN 3093080.
Saenz, H., Anderson, N., Ledingham, D., & Supko, M. (2020). The “New Normal” Is
a Myth. The Future Won’t Be Normal at All. Retrieved from Bain.com:
https://www.bain.com/insights/the-new-normal-is-a-myth-the-future-wont-
be-normal-at-all/
Saggi, M. K., & Jain, S. (2018). A survey towards an integration of big data analytics
to big insights for value-creation. Information Processing & Management,
54(5), 758-790.
Samsung. (2019). 2018 Audited Financial Staments. Annual reports. Retrieved
from https://www.samsung.com/global/ir/financial-information/audited-
financial-statements/
Bibliografía 231
San Martín Cantero, D. (2014). Teoría fundamentada y Atlas. ti: recursos

metodológicos para la investigación educativa. Revista electrónica de
investigación educativa, 16(1), 104-122.
Sanguinetti, A., Karlin, B., & Ford, R. (2018). Understanding the path to smart home
adoption: Segmenting and describing consumers across the innovation-
decision process. Energy Research & Social Science, 46, 274-283.
Santos, J., Spector, B., & Van der Heyden, L. (2009). Toward a theory of business
model innovation within incumbent firms. INSEAD, Fontainebleau, France.
Sari, R., Meyliana, M., Nizar Hidayanto, A., & Prabowo, H. (2019). Sharing
Economy in People, Process and Technology Perspective: A Systematic
Literature Review. International Journal of Mechanical Engineering and
Technology, 10(3).
Sarkar, S., & Khare, A. (2019). Influence of expectation confirmation, network
externalities, and flow on use of mobile shopping apps. International Journal
of Human–Computer Interaction, 35(16), 1449-1460.
Sarkar, S., & Misra, S. (2016). Theoretical modelling of fog computing: a green
computing paradigm to support IoT applications. IET Networks, 5(2), 23-29.
doi:10.1049/iet-net.2015.0034
Saunders, A., & Brynjolfsson, E. (2016). Valuing Information Technology Related
Intangible Assets. MIS quarterly, 40(1).
Savastano, M., Amendola, C., Bellini, F., & D’Ascenzo, F. (2019). Contextual
Impacts on Industrial Processes Brought by the Digital Transformation of
Manufacturing: A Systematic Review. Sustainability, 11(3), 891.
Schrauf, S., & Berttram, P. (2016). How digitization makes the supply chain more
efficient, agile, and customer-focused Industry 4.0. Retrieved from
https://www.strategyand.pwc.com/gx/en/insights/2016/digitization-more-
efficient.html
Schultze, U. (2017). What kind of world do we want to help make with our theories?
Information and Organization, 27(1), 60-66.
Senyo, P. K., Liu, K., & Effah, J. (2019). Digital business ecosystem: Literature
review and a framework for future research. International Journal of
Information Management, 47, 52-64.
Serrenho, T., & Bertoldi, P. (2019). Smart home and appliances: State of the art.
Retrieved from https://ec.europa.eu/jrc/en
Services, T. C. (2015). Internet of Things: The complete Reimaginative Force.
Retrieved from http://www.tcs.com/resources/white_papers/Pages/Internet-
of-Things-Complete-Reimaginative-Force.aspx
Sharp. (2019). Annual Report 2018. Annual reports. Retrieved from
https://global.sharp/corporate/ir/library/annual/
Shuhaiber, A., & Mashal, I. (2019). Understanding users’ acceptance of smart
homes. Technology in Society, 58, 101110.
Simon, H. (1996). The Sciences of the Artificial (0262691914). Retrieved from
Sjödin, D., Parida, V., Jovanovic, M., & Visnjic, I. (2020). Value creation and value
capture alignment in business model innovation: A process view on outcome-
based business models. Journal of Product Innovation Management, 37(2),

158-183.
Skinner, R., Nelson, R. R., Chin, W. W., & Land, L. (2015). The Delphi Method
Research Strategy in Studies of Information Systems. Communications of
the Association for Information Systems, 37(1), 2.
Soneira, A. J. (2006). La teoría fundamentada en los datos (Grounded Theory) de
Glaser y Strauss. Estrategias de investigación cualitativa, 153-173.
Sousa-Zomer, T. T., Magalhães, L., Zancul, E., & Cauchick-Miguel, P. A. (2017).
Lifecycle Management of Product-service Systems: A Preliminary
Investigation of a White Goods Manufacturer. Paper presented at the
Procedia CIRP.
Sousa, M. J., & Rocha, Á. (2019). Skills for disruptive digital business. Journal of
Business Research, 94, 257-263.
Sovacool, B. K., & Del Rio, D. D. F. (2020). Smart home technologies in Europe: A
critical review of concepts, benefits, risks and policies. Renewable and
Sustainable Energy Reviews, 120, 109663.
Stallkamp, M., & Schotter, A. P. (2019). Platforms without borders? The
international strategies of digital platform firms. Global Strategy Journal.
Stefan, I., Hurmelinna-Laukkanen, P., & Vanhaverbeke, W. (2020). Trajectories
towards balancing value creation and capture: Resolution paths and tension
loops in open innovation projects. International Journal of Project
Management. doi:https://doi.org/10.1016/j.ijproman.2020.06.004
Sterman, J. (2010a). Business dynamics: Irwin/McGraw-Hill c2000..
Sterman, J. (2010b). The Dinamics of Growth Business dynamics - Systems
Thinking and Modeling for a Complex World (pp. 293): McGraw-Hill Higher
Education.
Subramaniam, M., Iyer, B., & Venkatraman, V. (2019). Competing in digital
ecosystems. Business Horizons, 62(1), 83-94.
Svahn, F., Mathiassen, L., & Lindgren, R. (2017). Embracing Digital Innovation in
Incumbent Firms: How Volvo Cars Managed Competing Concerns. MIS
quarterly, 41(1).
Syed Mithun Ali, Md. Anwar Hossen, Zuhayer Mahtab, Golam Kabir, Sanjoy Kumar
Paul, & Adnan, Z. u. H. (2020). Barriers to lean six sigma implementation in
the supply chain: An ISM model. Computers & Industrial Engineering, 149,
106843. doi:https://doi.org/10.1016/j.cie.2020.106843
Tafti, S. F., Kordnaeij, A., Hoseini, S. H. K., & Jamali, M. (2015). Business
Ecosystem as a New Approach in Strategy. Management and Administrative
Sciences Review, 4(1), 198-205.
Tamayo, V. (2018). Cierre de brechas de innovación y tecnología. Retrieved from
ANDI: https://innpulsacolombia.com/es/cierre-de-brechas-de-innovacion-y-
tecnologia
Tao, F., Cheng, J., Qi, Q., Zhang, M., Zhang, H., & Sui, F. (2018). Digital twin-driven
product design, manufacturing and service with big data. The International
Journal of Advanced Manufacturing Technology, 94(9), 3563-3576.
doi:10.1007/s00170-017-0233-1
Bibliografía 233
Tavalaei, M. M. (2020). Waiting time in two-sided platforms: The case of the airport
industry. Technological Forecasting and Social Change, 159, 120181.
doi:https://doi.org/10.1016/j.techfore.2020.120181
Taylor, S. A., Hunter, G. L., Zadeh, A. H., Delpechitre, D., & Lim, J. H. (2019). Value
propositions in a digitally transformed world. Industrial Marketing
Management.
Teece, D. J., & Linden, G. (2017). Business models, value capture, and the digital
enterprise. Journal of Organization Design, 6(1), 1-14.
Temür, A. S., Akgün, M., & Temür, G. (2019). Predicting housing sales in Turkey
using ARIMA, LSTM and hybrid models. Journal of Business Economics and
Management, 20(5), 920-938.
The Economist. (2013). The Internet of Things Business index. Retrieved from
http://www.arm.com/files/pdf/eiu_internet_business_index_web.pdf
Tiwana, A. (2018). Platform synergy: Architectural origins and competitive
consequences. Information Systems Research, 29(4), 829-848.
Turner, V., Gantz, J. F., Reinsel, D., & Minton, S. (2014). The digital universe of
opportunities: Rich data and the increasing value of the internet of things.
Framingham (MA): IDC.
United Nations Conference on Trade Development. (2019). Digital Economy Report
2019 (978-92-1-004216-1). Retrieved from United Nations: https://www.un-
ilibrary.org/content/publication/c7dc937a-en
Uribe, R. I. P., & Vargas, H. A. (2016). El uso del método MICMAC, para la
definición de procesos de intervención en las organizaciones. Ciencia y
poder aéreo, 11(1), 92-105.
Urquhart, C., Lehmann, H., & Myers, M. D. (2010). Putting the ‘theory’back into
grounded theory: guidelines for grounded theory studies in information
systems. Information Systems Journal, 20(4), 357-381.
Vaishnavi, V., Kuechler, W., & Petter, S. (2019). Design Science Research in
Information Systems. Retrieved from http://desrist.org/design-research-in-
information-systems/
Van Le, H., & Suh, M.-h. (2019). Changing trends in internet startup value
propositions, from the perspective of the customer. Technological
Forecasting and Social Change, 146, 853-864.
Van Loon, P., Delagarde, C., Van Wassenhove, L. N., & Mihelic, A. (2017).
Comparing leasing and buying white goods for themanufacturer and
consumer. Paper presented at the ICoR 2017. 3rd International Conference
on. Remanufacturing (ICoR-17) 24-26 October 2017 in Linköping, Sweden.
Venable, J., Pries-Heje, J., & Baskerville, R. (2016). FEDS: a framework for
evaluation in design science research. European Journal of Information
Systems, 25(1), 77-89.
Vial, G. (2019). Understanding digital transformation: A review and a research
agenda. The Journal of Strategic Information Systems.
von Briel, F. (2018). The future of omnichannel retail: A four-stage Delphi study.
Technological Forecasting and Social Change, 132, 217-229.
Walsh, I. (2015). Using quantitative data in mixed-design grounded theory studies:

an enhanced path to formal grounded theory in information systems.
European Journal of Information Systems, 24(5), 531-557.
Walls, J. G., Widmeyer, G. R., & El Sawy, O. A. (1992). Building an information
system design theory for vigilant EIS. Information Systems Research, 3(1),
36-59.
Wang, J., & Lai, J.-Y. (2020). Exploring innovation diffusion of two-sided mobile
payment platforms: A system dynamics approach. Technological
Forecasting and Social Change, 157, 120088.
doi:https://doi.org/10.1016/j.techfore.2020.120088
Waqas, M., Qianli, D., Ahmad, N., Zhu, Y., & Nadeem, M. (2020). Modeling Reverse
Logistics Barriers in Manufacturing Industry of Pakistan: An ISM and
MICMAC Approach. Journal of Advanced Manufacturing Systems.
Webb, A. (2020). The 11 Sources of Disruption Every Company Must Monitor. MIT
Sloan Management Review, 61(3), 65-70.
Weber, M. L., & Hine, M. J. (2015). Who Inhabits a Business Ecosystem? The
Technospecies as a Unifying Concept. Technology Innovation Management
Review, 31-34.
Weber, R. (2015). Internet of things: Privacy issues revisited. Computer Law &
Security Review, 31(5), 618-627.
doi:http://dx.doi.org/10.1016/j.clsr.2015.07.002
Weill, P., & Woerner, S. (2018a). Is your company ready for a digital future? MIT
Sloan Management Review, 59(2), 21-25.
Weill, P., & Woerner, S. (2018b). What's Your Digital Business Model?: Six
Questions to Help You Build the Next-generation Enterprise: Harvard
Business Press.
Weiller, C., Shang, A., Neely, A., & Shi, Y. (2015). Competing and Co-existing
Business Models for Electric Vehicles: Lessons from International Case
Studies.
Weiser, M. (1991). The computer for the 21st century. Scientific american, 265(3),
94-104.
Weiser, M. (1993). Hot topics-ubiquitous computing. Computer, 26(10), 71-72.
Wellener, P., Shepley, S., Dollar, B., Laaper, S., Manolian, H. A., & Beckoff, D.
(2020). 2019 Deloitte and MAPI Smart Factory Study. Retrieved from
Deloitte.com:
https://documents.deloitte.com/insights/2019DeloitteandMAPISmartFactory
Study
Whirlpool. (2019). 2018 annual report. Annual reports. Retrieved from
https://investors.whirlpoolcorp.com/financial-information/annual-reports-
and-proxy-statements/default.aspx
Whirlpool. (2020). 2019 annual report. Annual reports. Retrieved from
https://investors.whirlpoolcorp.com/financial-information/annual-reports-
and-proxy-statements/default.aspx
Woerner, S. L., & Weill, P. (2019). Companies with a digitally savvy IT unit perform
better.
Bibliografía 235
Wolf, M. (2020). The Complete CES 2020 Kitchen Tech Report [Press release].
Retrieved from https://thespoon.tech/the-complete-ces-2020-kitchen-tech-
report/
World Economic Forum, & Bain & Company. (2019). The Digital Enterprise Moving
from experimentation to transformation. Retrieved from World Economic
Forum:
http://www3.weforum.org/docs/Media/47538_Digital%20Enterprise_Moving
_Experimentation_Transformation_report_2018%20-%20final%20(2).pdf
Xu, X., Zhang, M., & He, P. (2020). Coordination of a supply chain with online
platform considering delivery time decision. Transportation Research Part E:
Logistics and Transportation Review, 141, 101990.
doi:https://doi.org/10.1016/j.tre.2020.101990
Xu, Y., & Koivumäki, T. (2019). Digital business model effectuation: An agile
approach. Computers in Human Behavior, 95, 307-314.
Xue, J., Liang, X., Xie, T., & Wang, H. (2020). See now, act now: How to interact
with customers to enhance social commerce engagement? Information &
Management, 103324.
Yassine, A., Singh, S., Hossain, M. S., & Muhammad, G. (2019). IoT big data
analytics for smart homes with fog and cloud computing. Future Generation
Computer Systems, 91, 563-573.
Yigitcanlar, T., Butler, L., Windle, E., Desouza, K. C., Mehmood, R., & Corchado, J.
M. (2020). Can Building “Artificially Intelligent Cities” Safeguard Humanity
from Natural Disasters, Pandemics, and Other Catastrophes? An Urban
Scholar’s Perspective. Sensors, 20(10), 2988.
Yli-Viitala, P., Arrasvuori, J., Silveston-Keith, R., Kuusisto, J., & Kantola, J. (2020).
Digitalisation as a driver of industrial renewal–perception and qualitative
evidence from the USA. Theoretical Issues in Ergonomics Science, 21(1), 1-
21.
Yu, H., & Greeven, M. J. (2020). How Autonomy Creates Resilience in the Face of
Crisis. MIT Sloan Management Review. Retrieved from
https://sloanreview.mit.edu/article/how-autonomy-creates-resilience-in-the-
face-of-crisis/
YÜCESAN, M. (2018). Forecasting Monthly Sales of White Goods Using Hybrid
Arimax and Ann Models. Atatürk Üniversitesi Sosyal Bilimler Enstitüsü
Dergisi, 22(4), 2603-2617.
Za, S., Pallud, J., Agrifoglio, R., & Metallo, C. (2020). Value Co-creation in Online
Communities: A Preliminary Literature Analysis Exploring Digital
Ecosystems (pp. 33-46): Springer.
Zadeh, L. A. (1973). Outline of a new approach to the analysis of complex systems
and decision processes. IEEE Transactions on systems, Man, and
Cybernetics(1), 28-44.
Zambonelli, F. (2016). Towards a General Software Engineering Methodology for
the Internet of Things. arXiv preprint arXiv:1601.05569.
Zhang, C.-B., Li, Y.-N., Wu, B., & Li, D.-J. (2017). How WeChat can retain users:
Roles of network externalities, social interaction ties, and perceived values
in building continuance intention. Computers in Human Behavior, 69, 284-
293.
Zheng, P., Lin, Y., Chen, C.-H., & Xu, X. (2019). Smart, connected open architecture
product: an IT-driven co-creation paradigm with lifecycle personalization
concerns. International Journal of Production Research, 57(8), 2571-2584.
Zheng, P., Xu, X., & Chen, C.-H. (2020). A data-driven cyber-physical approach for
personalised smart, connected product co-development in a cloud-based
environment. Journal of Intelligent Manufacturing, 31(1), 3-18.
Zimmermann, H. J. (2010). Fuzzy set theory. Wiley Interdisciplinary Reviews:
Computational Statistics, 2(3), 317-332.
Zoet, M., Smit, K., & de Haan, E. (2014). Business Model for Business Rules.

2021

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

2021

Cargado por

Copyright:

Formatos disponibles

Diseño de un Ecosistema de Internet

de las Cosas para el Hogar

CARLOS ALBERTO LOPEZ CASTAÑO

Universidad Nacional de Colombia

Carlos Alberto López Castaño

Tesis presentada como requisito parcial para optar al título de:

Universidad Nacional de Colombia

A mi madre, por enseñarme la disciplina e

“Si seguimos a nuestra intuición, erraremos

Al profesor Luis Fernando Castillo, por su dedicación y apoyo en la culminación de este

A la compañía Mabe por permitir el desarrollo de la comprobación empírica, de igual

A Rogelio Arizpe por su apoyo incondicional y retroalimentación durante este viaje.

Para lograr los objetivos propuestos se ha adoptado la teoría de sistemas y un estudio de

Design of an Internet of Things ecosystem for the

Propuesta Investigativa ................................................................................................ 21

1. Marco Teórico y Referencial de la Investigación ................................................. 30

3. Visión prospectiva del Sistema de creación de valor ........................................ 103

3.1 Resultados del estudio de expertos ................................................................ 104

4. Modelo de evaluación del Sistema (construcción y simulación) ..................... 147

5. Propuesta Metodológica para el Diseño de Ecosistemas IoT .......................... 175

6. Discusión y análisis de resultados ..................................................................... 187

Producción académica ............................................................................................... 205

Conclusiones, recomendaciones y trabajos futuros ................................................ 209

Figura 0-1: Formulación del vacío de conocimiento. .................................................24

Figura 3-18: Plano de influencias y dependencias indirectas ................................... 127

Tabla 1-1: Resumen estrategias top 10 + 1 compañías línea blanca. .........................38

Lista de Símbolos y abreviaturas

IoT Internet de las Cosas

VOP Rendimiento de la oferta de valor

TIN Índice de Innovación Tecnológica

VCV Visibilidad de la Captura de valor

Asociación Nacional de Industriales de

T2M Time to Market, plazo de lanzamiento

G2M Go to Market, llegar al mercado

Matriz de Impactos Cruzados Multiplicación

MID Matriz de influencias directas

MIDP Matriz de influencias directas potenciales

La idea de un hogar conectado a Internet y con funciones “inteligentes” se puede describir

En consecuencia, después de un análisis crítico de los aspectos teórico-prácticos que

La metodología de investigación inicia con una abstracción del sistema de creación de

Con base en lo anterior, el documento se estructura de la siguiente manera: se inicia

Posteriormente, los capítulos 3, 4 y 5 muestran el proceso de construcción de la

El documento de tesis termina con la discusión y análisis de resultados, en donde se

En los siguientes párrafos se podrá observar un resumen de la propuesta investigativa

En línea con lo anterior, y basados en la revisión de literatura realizada para desarrollar el

En cuanto a la evolución de los anteriores aspectos, en años recientes la revolución de

Figura 0-1: Formulación del vacío de conocimiento.

Fuente: Elaboración propia.

Para examinar los aspectos metodológicos y de arquitectura de diseño de ecosistemas IoT

¿Cómo estructurar un ecosistema de Internet de las Cosas en el hogar conectado, bajo un

De otra parte, la formulación de la pregunta general de investigación inicia con el “cómo”,

En cuanto a la hipótesis que guio la presente investigación, se formuló de la siguiente

Un ecosistema de Internet de las Cosas en el hogar conectado, estructurado bajo un

Teniendo en cuenta que en esta investigación la hipótesis y posiblemente las variables,

Figura 0-2: Hipótesis del trabajo de investigación.

Fuente: Elaboración propia.

Diseñar un ecosistema de Internet de las Cosas en el hogar conectado, bajo un enfoque

Los siguientes son los objetivos específicos:

• Establecer criterios de evaluación que permitan valorar el desempeño del

La coherencia entre las preguntas de investigación y los objetivos se puede observar en la

Figura 0-3: Relación entre las preguntas de investigación y los objetivos.

Fuente: Elaboración propia.

Para la construcción del marco teórico y referencial, se realizó una investigación