148
Innovación en la inteligencia de negocios. Una revisión sistemática
de literatura
Innovation in business intelligence. A systematic literature review
Daniel Yiwady Ordoñez Abril
1
0000-0002-5598-0662 dyordabr@doctor.upv.es
Sandra Viviana Amaya López
2
0000-0002-8687-5275 sandra.amaya01@unicatolica.edu.co
Leydi Paola Lucio Valencia
3
0000-0002-6794-2444 leydi.lucio01@unicatolica.edu.co
Daniela Rodríguez Gómez
4
0000-0003-1839-8101 daniela.rodriguez03@unicatolica.edu.co
1
Doctorante Universidad Politécnica de Valencia - Fundación Universitaria Católica Lumen Gentium - Facultad de Administración,
Contabilidad y Finanzas - Valle del Cauca, Cali, Colombia
2,3,4
Especialista en Gerencia Estratégica - Fundación Universitaria Católica Lumen Gentium - Facultad de Administración,
Contabilidad y Finanzas – Valle del Cauca, Cali, Colombia
Código JEL: O32, O21, D24, L1, M10
Recepción: 2023-02-14 /Aceptación: 2023-05-18 / Publicación: 2023-05-31
Citación/como citar este artículo: Ordoñez, D., Amaya, S., Lucio, L., Rodríguez, D. (2023). Innovación en
la inteligencia de negocios. Una revisión sistemática de literatura. ECA Sinergia, 14(2), 148-164. https://doi.
org/10.33936/ecasinergia.v14i2.5556
Revista ECA Sinergia
ISSN-e: 2528-7869
https://www.revistas.utm.edu.ec/index.php/ECASinergia
Vol. 14 Núm. 2 (148-164) Mayo-Agosto 2023
revistaecasinergia@gmail.com
Universidad Técnica de Manabí
DOI: https://doi.org/10.33936/ecasinergia.v14i2.5556
149
Daniel Yiwady Ordoñez Abril, Sandra Viviana Amaya López, Leydi Paola Lucio Valencia, Daniela Rodríguez Gómez
Innovación en la inteligencia de negocios. Una revisión sistemática de literatura
RESUMEN
La innovación parte de la necesidad de estar en constante cambio y encontrar la manera de mejorar las cosas
ya sea en productos, servicios, procesos o desarrollo de nuevas alternativas que permitan a las organizaciones
obtener una ventaja competitiva que permita agregar valor al cliente. Por lo que el presente artículo tiene por
objetivo, realizar una revisión sistemática de literatura sobre la innovación en la inteligencia de negocios.
Para este propósito se realizaron análisis de base de datos, estableciendo prioridades en la selección del
material, donde se enmarco un método analítico con un enfoque de investigación descriptivo ya que se busca
profundizar acerca de la importancia y las características en relación con la innovación en la inteligencia de
negocios. Por lo anterior se logra relacionar la innovación como elemento fundamental para la inteligencia de
negocios siendo esta una herramienta que permite lograr mayor agudeza de la misma y utilizar directamente
el conocimiento como la base para obtener una ventaja estratégica orientada a la toma de decisiones, a través
del proceso y aplicación de los métodos principales de la inteligencia de negocios.
Palabras clave: innovación, planeación, productividad, estrategia, administración.
ABSTRACT
Innovation is based on the need to be in constant change and to nd ways to improve things, whether in
products, services, processes or the development of new alternatives that allow organizations to obtain a
competitive advantage and add value to the customer. Therefore, the objective of this article is to carry out a
systematic literature review on innovation in business intelligence. For this purpose, database analysis was
carried out, establishing priorities in the selection of the material, where an analytical method with a descriptive
research approach was framed, since it seeks to deepen about the importance and characteristics in relation to
innovation in business intelligence. Therefore, it is possible to relate innovation as a fundamental element for
business intelligence, being this a tool that allows to achieve greater sharpness and to directly use knowledge
as the basis to obtain a strategic advantage oriented to decision making, through the process and application
of the main methods of business intelligence.
Keywords: innovation, planning, productivity, strategy, management.
150
Revista ECA Sinergia
ISSN-e: 2528-7869
https://www.revistas.utm.edu.ec/index.php/ECASinergia
Vol. 14 Núm. 2 (148-164) Mayo-Agosto 2023
revistaecasinergia@gmail.com
Universidad Técnica de Manabí
DOI: https://doi.org/10.33936/ecasinergia.v14i2.5556
INTRODUCCIÓN
La innovación actúa desde diferentes aspectos, siendo importante conocer los aportes y sus características, identicando los
benecios de innovar a través de la aplicación de métodos y relaciones que se pueden considerar para mejorar, construir o apoyar
procesos. Por otro lado, la innovación, no está concebida para todas las empresas en su totalidad, pero aquellas que consiguen
aplicarla, logran crecer a nivel económico y competitivo, agregando a sus productos o servicios características únicas y diferentes
difíciles de imitar por la competencia. (Diaz y Guambi, 2018).
Por lo que el presente artículo tiene por objetivo, realizar una revisión sistemática de literatura sobre la innovación en la inteligencia
de negocios. Buscando llenar vacíos teóricos existentes y lograr entender cual es la importancia de innovar y utilizar la inteligencia
de negocios como base para soportar la toma de decisiones que permitan a la organizar obtener resultados de manera eciente.
Desde esta perspectiva es importante reconocer que la innovación actúa como un elemento fundamental en el desarrollo de la
sociedad. En este contexto, Schumpeter (citado por Mella, 2018) entiende que la innovación es una de las causales del desarrollo de
una organización, adaptándolo desde un proceso de transformación como la introducción de nuevos bienes y servicios al mercado,
así como encontrar nuevos métodos de producción y transporte ecientes, generando un cambio en la gestión de innovación en las
organizaciones. Sin embargo, al transcurrir el tiempo el concepto de innovación ha tenido diferentes enfoques e inuencias, por lo
que a continuación también se presentarán algunas de esas ideas según autores de origen latinoamericano:
Donde según Barba (2011) interpreta que innovar hace parte de la sociedad como parte de transición de las cosas y claro esto se
puede observar en la moda, en la música, los lugares a visitar entre otras, por lo que innovación también se debe aplicar en las
organizaciones como el “conocimiento que existe en la empresa o que procede de su entorno. En función del tipo de conocimiento,
la innovación será tecnológica, comercial o gerencial, y en algunos casos se requerirá la suma de los tres” (p. 25).
Por otro lado, las innovaciones tecnológicas se basan en el manejo de nuevas plataformas o adaptación de tecnologías permitiendo
mejorar la aplicación o uso de las mismas. Un ejemplo de ello es la utilización de la tecnología en las plataformas de pagos y
domicilios como n de mejorar los tiempos de espera e interacciones con el cliente brindando un servicio o producto desde la
comida de su casa. De igual forma, la innovación tiene diferentes efectos y aplicaciones en la organización, como también lo sustenta
Romero y Pinzón (2017), quienes indican que la innovación es un fenómeno social, que depende la aceptación y aprovechamiento
que se tenga, ya que puede presentarse en novedades tecnológicos, mejoras a procesos y productos o creación de los mismos, por lo
que el aprovechamiento o creación de dichas capacidades genera conocimiento tácito y explícito (p. 68).
En consecuencia a los anterior también es importante tener como referencia conceptual la inteligencia de negocios ya que según
Viteri (2021), arma que para poder emplearla es importante tener en cuenta una lista de vericación, en las que se encuentra contar
con un sistema transaccional (TPS) y (MIS) que administre todos los datos transaccionales y que administre y diseñe mecanismo
enfocados en la conversión de datos que permitan la explotación de sistemas gerenciales aportando a la toma de decisiones, y
por ultimo diseñar y llevar a cabo un sistema de presentación y visualización: online, con interfaz amigable y exible para la
manipulación y adecuación a los requerimientos (Viteri y Murillo, 2021).
Por lo que se da lugar a exponer el concepto de Cuenca y Flores (2020) como Business Intelligence (BI) que “hace referencia
a las herramientas, tecnologías, aplicaciones y prácticas que satisfacen las necesidades de las empresas para analizar, extraer,
visualizar y explotar la información, siendo esta una necesidad crítica para toda empresa” (p.4). Pero como todo proceso de análisis,
almacenamiento y transformación de datos en información conables y de valor para la organización existen diferentes formas para
hacer BI, como cuatro métodos aplicables, como son Data Warehouse (Bodega de Datos), Olap (Cubos Procesamiento Analítico en
Línea), Balance Scorecard (Cuadro de Mando) y Data Mining (Minería de Datos) (Rosado y Rico, 2010).
Del mismo modo, se expone acerca de cada uno de los métodos aplicables en la inteligencia de negocios en aporte a la toma de
decisiones:
El primer método, según Flores (2004) plantea “Data Warehouse, como el proceso que se lleva a cabo para ejecutar la extracción
de datos” (Rosado y Rico, 2010, p. 322), el cual se realiza a través de las diferentes plataformas con las que cuenta la organización,
partiendo de la información requerida, la depuración d ellos datos y nalmente estableciendo la estructura requerida que reeje las
necesidades y características propias de la organización, sus departamentos, equipos de trabajo y directivos, permitiendo soportar la
toma de decisiones (Rosado y Rico, 2010, p. 322).
151
Daniel Yiwady Ordoñez Abril, Sandra Viviana Amaya López, Leydi Paola Lucio Valencia, Daniela Rodríguez Gómez
Innovación en la inteligencia de negocios. Una revisión sistemática de literatura
El segundo método consiste en realizar BI, siendo este el método en el que se realiza el procesamiento analítico en línea que permite
obtener acceso a datos organizados y agregados de orígenes de datos empresariales” (Rosado y Rico, 2010. p. 323). Esto permite
clasicar la información en subconjuntos en el momento de realizar la transferencia de información, basado en el parámetro de los
algoritmos que se programen como ltro a la hora de extraer datos. Es así como se da paso al tercer método de aplicación, según
Martínez (2008) interpreta el cuadro de mando integral (Balanced Scorecard), en donde se ve “como una herramienta que permite
alinear los objetivos de las diferentes áreas o unidades con la estrategia de la empresa y controlar su evolución”. (Rosado y Rico,
2010, p. 323). Esto quiere decir que el cuadro de mando integral analiza a la organización desde diferentes perspectivas donde
se permite conocer el estado actual de la organización, con el n de llevarla a la movilización del cambio partiendo de innovar
procesos, productos o servicios, generando estrategias de proceso continuo basadas en la inteligencia de negocios e interrelacionar
cada método en la toma de decisiones que tengan como objetivo generar valor y en secuencia cumplir los objetivos organizacionales.
En el cuarto método, se dene el data mining como el proceso de seleccionar, explorar, modicar, modelizar y valorar grandes
cantidades de datos con el objetivo de descubrir conocimiento, donde se logra gestionar en tiempo real la información solicitada
(Pérez, 2006, citado por Rosado y Rico, 2010, p.324). No obstante, es posible determinar que la minería de datos ayuda a las
organizaciones a explorar la información a través de distintas técnicas y tecnologías, con el n de encontrar comportamientos
repetitivos, tendencias o reglas que señalen la manera que actúan los clientes, por medio de la inteligencia articial que son los
que permiten realmente llegar a las conclusiones transformando los datos en información relevante y útil, que les permita seguir
construyendo una mejor visión empresarial y rentabilidad a través de sus resultados.
Acorde con lo anterior nalmente se expone los principales conceptos relacionados con la toma de decisiones de acuerdo con los
siguientes autores: Chiavenato (2005) sostiene que la toma de decisiones es el proceso de análisis y escogencia entre diversas
alternativas, teniendo en cuenta que la toma de decisión es el punto focal del enfoque cuantitativo, es decir, se basa de la teoría de
las matemáticas para encontrar y soportar las diferentes alternativas de solución con el n de escoger la más optima generando como
resultado mejoras en la eciencia.
Aunque Toro (2021) menciona que “es importante comprender y racionalizar las decisiones como un proceso, permitiendo reducir al
máximo posible el margen de error, ya que una decisión tomada en un mal momento o haciendo un mal análisis del contexto puede
traer consecuencias irreversibles” (p. 11).
Por esa razón, se logra interpretar que la innovación y la inteligencia de negocios facilitan desde su conocimiento y aplicación la
toma de decisiones, ya que analizan, estudian y lograr interpretar la información de forma adecuada, A lo que Murillo y Cáceres
(2013) establecieron como la convergencia que existe entre los términos antes mencionados, que en la medida que la globalización
permita la ampliación de los espacios económicos y por tanto de los mercados, también se pueden crear mejores condiciones que de
inmediato permitan aumentar las interacciones de distintos intereses fundamentalmente económicos (p. 120).
Finalmente en contraste con lo anterior podemos establecer que también es posible implementar la inteligencia de negocios
favoreciendo la toma de decisiones bajo los lineamientos estratégicos de la empresa evidenciando puntos de vista dentro de los
cuales se destaca, el funcionamiento de diferentes sistemas, la consolidación de información y el mantenimiento de composición
de la base de datos para lograr obtener la información que se requiera como soporte a la toma de elecciones de la gerencia general,
como los monitoreos y resultados relevantes, permitiendo obtener respuestas más acertadas con base a la productividad (Viteri y
Murillo, 2021).
METODOLOGÍA
La metodología denida para lograr el desarrollo de la revisión literaria del presente artículo de investigación será la sugerida por
Cronin et al. (2008) la cual consiste en una búsqueda profunda datos. La cual consta de unos análisis de base de datos, estableciendo
prioridades en la selección del material y generando al nal una síntesis de la información. El presente artículo se enmarca en un
método analítico con un enfoque de investigación descriptivo ya que desea profundizar sobre la importancia y las características en
relación con la innovación en la inteligencia de negocios para la toma de decisiones.
Se estableció profundizar en los tres conceptos esenciales para el desarrollo de la investigación como lo es: innovación, inteligencia
de negocios y toma de decisiones las cuales permitirán ampliar la denición e integración organizacional. Por tanto, el concepto
se relaciona con fundamentos teóricos que permitirán identicar la visión gerencial en los procesos internos de una compañía. Lo
anterior, permitirá tomar decisiones enfocadas en las necesidades, preferencias y comportamiento de sus clientes, y lograr identicar
sus desventajas frente a la competencia.
152
Revista ECA Sinergia
ISSN-e: 2528-7869
https://www.revistas.utm.edu.ec/index.php/ECASinergia
Vol. 14 Núm. 2 (148-164) Mayo-Agosto 2023
revistaecasinergia@gmail.com
Universidad Técnica de Manabí
DOI: https://doi.org/10.33936/ecasinergia.v14i2.5556
La búsqueda de literatura fue realizada principalmente en Emerald, Scopus y Taylor & francis, donde inicialmente se ingresaron
términos de búsqueda como “innovation” AND “decision marking” AND “business intelligence” generando 2.108 resultados, se
ajustaron los ltros de búsqueda para limitar los resultados dejando los artículos que fuesen de los últimos cinco años y que la
temática central de las revistas consultadas fueran los negocios, gestión y contabilidad, lo anterior, arrojo un resultado de 489
publicaciones. A los que se le realizó una selección de pertinencia teniendo en cuenta los principales temas de la investigación,
ltrando 72 artículos relacionados con la "innovación en la inteligencia de negocios para la toma de decisiones", nalmente se
eligieron los 63 artículos los cuales estaban publicados en revistas categorizadas según scimago journal & country Rank.
Para nalizar con el análisis de contenido y sistematización de los artículos en el software informático de análisis cualitativo
Nvivo12. Esto facilitó la percepción de como la innovación para la toma de decisiones en temas asociados con la inteligencia de
negocios es de interés para los diversos escritores y a los que se les realizó un análisis en términos del tipo de estudio, tipo de análisis,
conclusiones y alcance. La ruta metodológica implementada en el desarrollo de la investigación del artículo se muestra en la Figura
1.
Figura 1. Ruta metodológica
Fuente: Elaborado a partir de la ruta metodológica establecida por (Mosquera et al., 2022, p. 4)
Por consiguiente, para la conceptualización del estudio de la innovación, inteligencia de negocios y toma de decisiones, se trabajaron
los 63 artículos en los que se construyó una tabla con la cantidad de revistas indexadas según su categorización. De igual manera,
se representaron en gura de barras los artículos por año de publicación con un rango de los últimos cinco años. También se realizó
dendograma para identicar los conglomerados por correlación de Pearson, producto de este ejercicio se realizó un análisis por
tópicos y tipos de estudios, donde se destacaron el Desarrollo Industrial, la Inteligencia de Negocios, el Análisis de datos y el Big
Data.
Panorama de las publicaciones
La clasicación de las revistas cientícas consultadas es tomada de Scimago Journal & Country Rank (SJR), dado que establece la
calidad de las publicaciones cientícas basándose en el recuento de citas obtenidas por cada publicación, y ordena las revistas de
acuerdo a su factor de impacto de mayor a menor en los cuartiles Q1, Q2, Q3 y Q4. Dicha clasicación se relaciona en la Tabla 1. En
la que se puede evidenciar el ranking de aquellas revistas que cuentan con un enfoque hacia los temas de inteligencia de negocios,
desarrollo industrial, análisis de datos y Big-data. Destacándose por su gran participación de artículos en este estudio, revistas
como Technological Forecasting and Social Change con 9 artículos, Journal of Business Research con 8 artículos, Decision supoort
systems con 7 artículos, Information & Management con 6 artículos, International Journal of Information Management con 5
153
Daniel Yiwady Ordoñez Abril, Sandra Viviana Amaya López, Leydi Paola Lucio Valencia, Daniela Rodríguez Gómez
Innovación en la inteligencia de negocios. Una revisión sistemática de literatura
artículos e Industrial Marketing Management con 4 artículos. El resto de las revistas consultadas tuvieron una participación inferior
al 3,2% con uno o dos publicaciones relevantes frente al tema de investigación consultado, entre las que destacan Government
Information Quarterly, Journal of Air Transport Management, Journal of Innovation & Knowledge, Technovation, Transportation
Research Part E: Logistics and Transportation Review, entre otras.
Tabla 1. Cantidad de revistas indexadas y sus respectivas clasicaciones
CLASIFICACIÓN REVISTA CANTIDAD %
Q1
BRQ Business Research Quarterly 1 1,6
Business Horizons 1 1,6
Decision Support Systems 7 11,1
European Management Journal 1 1,6
Geoforum 1 1,6
Government Information Quarterly 2 3,2
Industrial Marketing Management 4 6,3
Information & Management 6 9,5
International Business Review 1 1,6
International Journal of Hospitality Management 1 1,6
International Journal of Information Management 5 7,9
Journal of Air Transport Management 2 3,2
Journal of Building Engineering 1 1,6
Journal of Business Research 8 12,7
Journal of Innovation & Knowledge 2 3,2
Long Range Planning 1 1,6
Public Relations Review 1 1,6
Technological Forecasting and Social Change 9 14,3
Technovation 2 3,2
Telecommunications Policy 1 1,6
Transportation Research Part E: Logistics and Transportation Review 2 3,2
Value in Health 1 1,6
Q2
Information Economics and Policy 1 1,6
International Journal of Innovation Studies 1 1,6
Government Information Quarterly 1 1,6
Fuente: Elaboración de los autores
A partir de lo trabajado en la anterior tabla, se halla que, 63 artículos investigados se encuentran distribuidos en 25 revistas, de
lo cual 22 de estas se encuentran categorizadas en el cuartil 1, incorporando un total de 60 artículos equivalentes al 95,2% de los
documentos consultados y analizados, destacándose revistas como Technological Forecasting and Social Change. Mientras, en el
cuartíl 2 se encuentran el restante del 4.8% de los artículos analizados.
Figura 2. Artículos por año de publicación
Fuente: Elaboración de los autores
154
Revista ECA Sinergia
ISSN-e: 2528-7869
https://www.revistas.utm.edu.ec/index.php/ECASinergia
Vol. 14 Núm. 2 (148-164) Mayo-Agosto 2023
revistaecasinergia@gmail.com
Universidad Técnica de Manabí
DOI: https://doi.org/10.33936/ecasinergia.v14i2.5556
En la gura 2, se encuentra la clasicación por años de los 63 artículos investigados desde el 2018, donde la mayor cantidad de
publicaciones corresponden al año 2021 con 18 artículos de diversos autores como lo son los de Verboven et al., (2021), Wang y
Coe, (2021), Saura, et al., (2021), entre otros, que representan el 28,6%. Igualmente, se encontraron 14 investigaciones publicadas
en el año 2019, de autores como Kraus y Feuerriegel, (2019), Hernández, et al., (2019) Bilal, et al., (2019) entre otros, y representan
el 22,2%; también se reejan 14 investigaciones correspondiente al año 2022 de autores como Prado y Bauer, (2022), Ballestar, et
al., (2022), Pérez-Campuzano, et al., (2022) entre otros, con una participación del 22,2%, además, en el año 2020 se evidenciaron 13
investigaciones de autores como Paiola y Gebauer, (2020), Irannezhad, et al., (2020), Kilic, et al., (2020) entre otros, representado
un 20,6% y nalmente se hallaron en el año 2018, 4 investigaciones de autores como Buhalis y Leung, (2018), Torres, et al., (2018)
entre otros, representando el 6.3%.
Figura 3. Dendograma – Conglomerados por correlación de Pearson
Fuente: Elaboración de los autores
155
Daniel Yiwady Ordoñez Abril, Sandra Viviana Amaya López, Leydi Paola Lucio Valencia, Daniela Rodríguez Gómez
Innovación en la inteligencia de negocios. Una revisión sistemática de literatura
La gura 3, representa la agrupación de los 4 conglomerados a partir del coeciente de Pearson, en el cual se hace una relación
por similitud de los artículos trabajados en este documento. El primer conglomerado corresponde a investigaciones como las de
Wong y Ngai, (2019) con temas sobre innovación en cadena de suministros e inteligencia de negocios o los de Kraus y Feurriegel,
(2019), quienes hablan sobre aprendizaje automático y pronóstico de vida útil de la maquinaria y Van der Vorrt, et al., (2019) sobre
los grandes datos y el uso de big data. El segundo conglomerado corresponde a investigaciones como las de autores como Prado
y Bauer, (2022) con temas de incentivos a la innovación en diferentes segmentos de la industria tecnológica, los de Bassey, et al.,
(2022). Con temas como los servicios digitales en las administraciones tributarias y los Kilic, et al., (2020). Con temas de mejorar
los procesos de selección de personal en las organizaciones y cómo inuye la toma de decisiones. El tercer conglomerado se
encuentran artículos como los de Nunes, et al., (2021) con temas sobre medición del desempeño de proyectos, riesgos y análisis
de redes sociales; también, los de Cossio-Gil, et al., (2022) quienes hablan sobre la implementación de medición de resultados
en hospitales y a los de Ukobitz y Faullant, (2022) que hablan sobre adopción de tecnología. El último conglomerado, consta de
investigaciones como los de Caseiro y Coelho, (2019) sobre innovación, inteligencia de negocios y su impacto en el aprendizaje en
red; y los de Shrestha, et al., (2021) sobre la tecnología como apoyo al procesamiento de información para la toma de decisiones;
entre otras investigaciones.
La agrupación de conglomerados como se observa en la gura anterior, permite la identicación de varios conjuntos de artículos que
resultan anes entre sí, además de mostrar la distancia existente entre los artículos analizados, que van desde Mariani, Nambisan,
(2021) que habla sobre innovación digital a través de una herramienta que aporta valor estratégico con experimentos digitales como
lo es una plataforma basados en OR, lo que llama plataformas de revisión en línea impulsadas por la investigación (RORP, por
sus siglas en inglés), pasando por Torres, et al:, (2018), que habla sobre el papel del BI&A en la consecución de los resultados de
la empresa, como facilitador de las transformaciones organizativas, hasta llegar artículos como el Giusti, et al., (2019) , que habla
sobre logística sincroomodal.
En la siguiente tabla se detalla las conclusiones de cada uno de los conglomerados de los estudios abordados como lo fue: el
desarrollo industrial, la inteligencia de negocios, el análisis de datos y el big data debido a sus relaciones e implicaciones en cada
una de estas temáticas.
Tabla 2. Tópicos de estudio
Tema Principales conclusiones Estudios
Desarrollo Industrial De acuerdo al análisis realizado en las revistas
académicas se logra concluir que el desarrollo
industrial tiene un alto impacto en la investigación
de nuevas tecnologías, las cuales buscan la
reorganización de las cadenas de valor industrial
para facilitar un reconcomiendo positiva en las
empresas innovadoras, modulares con sistemas
inteligentes, las cuales facilitaran la oportuna
monitorización de los recursos y procesos. Estos
sistemas, crean una copia virtual del mundo físico
y digital permitiendo de forma descentralizada la
toma de decisión. A través de la transformación
digital, el desarrollo de la ciencia permite la
comunicación y cooperación adecuado con
las estrategias establecidas en cada una de las
organizaciones facilitando brindar una adecuada
oferta de productos y servicios a sus clientes.
Caseiro & Coelho, (2019); Smaldone, et
al., (2022). Boccali, et al., (2022). Ahí,
et al., (2022). Mikalef, et al., (2021).
Shrestha, et al., (2021). Torres, et al.,
(2018). López-Robles et al., (2019).
Sheng, et al., (2019). Paschen, et al.,
(2020). Merhi, (2021).
156
Revista ECA Sinergia
ISSN-e: 2528-7869
https://www.revistas.utm.edu.ec/index.php/ECASinergia
Vol. 14 Núm. 2 (148-164) Mayo-Agosto 2023
revistaecasinergia@gmail.com
Universidad Técnica de Manabí
DOI: https://doi.org/10.33936/ecasinergia.v14i2.5556
Inteligencia de negocios Por otro lado, la inteligencia de negocios logra
combinar un acertado estudio e investigación en
la minería y visualización de los datos, los cuales
les permitirá a las organizaciones tomar decisiones
de forma idónea enfocados 100% en los valores
suministrados. Actualmente, las empresas manejan
técnicas avanzadas las cuales les posibilita
tener una visión amplia del comportamiento
de su organización, facilitando generar nuevos
negocios y adaptarse fácilmente a los cambios
que el mercado requiera. Asimismo, por medio de
esta implementación se muestran datos actuales
e históricos del comportamiento empresarial,
proporcionando puntos de referencia a los
profesionales del rendimiento y de la competencia
que debe tener la compañía para obtener procesos
y gestiones claras, ecientes y de calidad.
Santa Soriano, Torres Valdés, (2021).
Lv, et al., (2022). Kohtamäki, et al.,
(2019). Kohtamäki, et al., (2021).
Kristoffersen, et al., (2021). Fischer, et,
al., (2020). Horváth, & Szabó, (2019).
Ballestar, et al., (2022). Govindan, et
al., (2022). Giusti, et al., (2019). Kraus,
Feuerriegel, (2019). Hernández-Linares,
et al., (2019). Van Capelleveen, et al.,
(2021). Lin, et al., (2020). Van der Voort,
et al., (2019). Wong, Ngai, (2019).
Wang, Coe, (2021). Verboven, et al.,
(2021). Pereira, et al., (2021). Ortiz de
Guinea, Raymond, (2020). Lei, et al.,
(2021). Urbinati, et al., (2019). Sun, et
al., (2020). Irannezhad, et al., (2020).
Buhalis, Leung, (2018). Dwivedi, et al.,
(2021).
Análisis de datos Por otra parte, los análisis de datos son los
estudios que se encargan de examinar un conjunto
de resultados con el propósito de obtener unas
conclusiones precisas sobre la información para
la toma las decisiones. Esta aplicación facilita
una adecuada interpretación de los datos de las
operaciones y rendimientos de una compañía,
logrando alcanzar los objetivos gerenciales y
organizacionales. El enfoque es muy útil para la
medición del clima laboral logrando identicar las
capacidades de los empleados potenciales y mejor
calicados de una compañía.
Olan, et al., (2022). Saura, et al., (2021).
Oesterreich, et al., (2022). Pérez-
Campuzano, et al., (2022). Jha, et al.,
(2020). Cossio-Gill, et al., (2022).
Nunes, et al., (2021). Ukobitz, Faullant,
(2022). Li, et al., (2022). Paré, et al.,
(2020). Mikalef, et al., (2021). Mikalef,
et al., (2019). Bilal, et al., (2019).
Mariani, Nambisan, (2021). Maruccia,
et al., (2020). Ashaari, et al., (2021).
Mariani, Wamba, (2020). Van Rijmenam,
et al., (2019). Paiola, Gebauer, (2020).
Big data Por último, las revistas académicas muestran como
el big data facilita el análisis de un gran volumen
de datos estructurados como no estructurados.
Con esta metodología se puede obtener ideas
que permitan mejores decisiones estratégicas. Lo
que hace que Big Data sea tan útil para muchas
empresas es que proporciona respuestas a muchas
inquietudes, logrando identicar los problemas de
una forma más clara. La consolidación de grandes
cantidades de datos ayuda a las organizaciones
a promover nuevas oportunidades, permitiendo
unos procesos más inteligentes, operaciones
más ecientes, mejores utilidades y clientes más
satisfechos.
Prado & Bauer, (2022). Bassey, et al.,
(2022). Kilic, et al., (2020). Roßmann,
et al., (2018). Ranjan, Foropon, (2021).
Ju, et al., (2018). Maroufkhani, et al.,
(2020).
Fuente: Elaboración de los autores
Con respecto a los estudios abordados sobre la innovación en la inteligencia de negocios para la toma de decisiones con respecto a
su conceptualización y relaciones entre sí, se logra igualmente analizar la tipología de los estudios con respecto al tipo de análisis
realizado como se relaciona en la tabla 3, mostrando que dentro de los tipos de estudios destacados se encuentran los teóricos a nivel
cualitativo y los empíricos divididos ente cuantitativos, cualitativos y mixtos.
157
Daniel Yiwady Ordoñez Abril, Sandra Viviana Amaya López, Leydi Paola Lucio Valencia, Daniela Rodríguez Gómez
Innovación en la inteligencia de negocios. Una revisión sistemática de literatura
Tabla 3. Tipo de Estudio y Tipo de Análisis
Fuente: Elaboración de los autores
Finalmente, se analizó la tipología de los estudios con respecto al tipo de análisis realizado. Como se establece en la tabla 3, donde
se encuentran que 21 artículos son estudios teóricos cualitativos con una participación de 33,3% , y por otro lado 42 son estudios
empíricos donde predomina la aplicación de técnica cualitativas aplicando el análisis de conjuntos borrosos, análisis temático,
análisis de contenido, análisis lingüístico y estudio de caso con 30 artículos para un 47,6%, mientras que en el cuantitativo el 17,5%
con 11 artículos se realiza la aplicación de técnicas estadísticas, ecuaciones estructurales, mínimos cuadraros perfectos, factor local
de valores atípicos y la aplicación mixta con un 1.6% solo con 1aticulo trabajando la técnica de Análisis de contenido y estadísticas
descriptivas.
158
Revista ECA Sinergia
ISSN-e: 2528-7869
https://www.revistas.utm.edu.ec/index.php/ECASinergia
Vol. 14 Núm. 2 (148-164) Mayo-Agosto 2023
revistaecasinergia@gmail.com
Universidad Técnica de Manabí
DOI: https://doi.org/10.33936/ecasinergia.v14i2.5556
DISCUSIÓN
Sobre la base de los resultados presentados por los diferentes autores, se puede identicar unas similitudes en el abordaje de los
distintos temas que evidencian la importancia de la innovación para la toma de decisiones encontrando la importancia de relacionar
procesos y metodólogas compartidas por ambos conceptos, como la aplicación de big data, análisis de datos, desarrollo industrial
e inteligencia de negocios partiendo dela inuencia e importancia de innovar en cada factor que permita soportar la toma de
decisiones y llevar a cabo la implicación de las estrategias adecuadas para lograr los objetivos organizacionales; como fueron
analizadas de acuerdo a la revisión de la literatura para responder al objetivo principal de este artículo.
Así que la gestión de la innovación permite a las compañías implementar metodologías para disminuir riesgos al innovar, mediante
el gobierno de innovación asegurar los recursos, la toma decisiones sobre la viabilidad de los proyectos, la ejecución de los mismos,
el apoyo para generar una cultura adecuada, un proceso y la gestión del conocimiento siendo los factores fundamentales para que
el sistema de gestión de la innovación se mantenga. (Cuesta Alba,2020). En consecuencia la inteligencia de negocios actúa como
dentro de las organizaciones como una herramienta que brinda la oportunidad de ofrecer diferentes benecios como lo menciona
(Cordero et al., 2020), como mejorar la capacidad de aprender diferentes facetas de los consumidores y futuros clientes, reducir
gastos, acelerar la velocidad de estudio del comportamiento de los clientes y cumplimiento de los indicadores, ayudar a crear
objetivos prácticos. Por lo tanto, el uso de un sistema inteligente de negocios es importante, de modo que se hace necesario llevar
a cabo el control para el cumplimiento de los mismos, además estos permiten que bajo la presentación de informes los gerentes
puedan construir predicciones basadas en el conocimiento recopilado y, por lo tanto, determinar posibles estrategias que permitan
el crecimiento de la empresa.
Es decir, los hallazgos clave sugieren que el uso de la inteligencia de negocios se asocia positivamente con la capacidad de equilibrar
las actividades de innovación que compiten entre sí, lo que a su vez mejora el desempeño de la empresa (Kohtamäki, et al., 2021).
Por lo que, al concentrarse en la creación de conocimiento y la mejora de las habilidades de innovación, se puede comprender mejor
el proceso de convertir el uso de la inteligencia de negocios y el bigdata en valor organizacional. (Kilic, et al., 2020). Toda vez que, al
usar la inteligencia de negocios se inuye directamente en las habilidades de innovación al acortar el proceso de retroalimentación e
identicar las debilidades en los productos o servicios antes en la fase de desarrollo y apoyando el desarrollo de productos receptivos
(Ahí, et al., 2022; Mikalef, et al., 2021).
En ese sentido, los estudios revisados como los de Wong, Ngai, (2019) indican que el uso de la innovación en la inteligencia de
negocios contribuye directamente al desempeño de la empresa. Donde, de acuerdo con (Oesterreich, et al., 2022) se puede aprovechar
como una fuente de ventaja competitiva mejorada al respaldar las habilidades de innovación. Por lo tanto, los profesionales deben
capitalizar simultáneamente la mayor diversidad y riqueza de la información y el conocimiento disponible; y explorar formas
de garantizar una mayor adaptabilidad con una experimentación más rápida con las ofertas (productos o servicios) y una mejor
previsibilidad del valor de los nuevos productos y servicios.
Por ende, se hace necesario proponer futuras línea se investigación, que busquen profundizar mas sobre la conceptualización
y aplicación de la innovación en la inteligencia de negocios, permitiendo a las organizaciones encontrar las metodologías más
acertadas según su tamaño, ubicación y actividad económica. Por lo tanto, en lo que se queda por resolver y profundizar seria ¿Que
tipos de innovación existen y como aplicarla en las organizaciones con el n de impulsar los resultados?
CONCLUSIONES
El desarrollo del presente artículo de investigación permitió crear un amplio panorama literario sobre las conceptos, características
y aspectos importantes relacionados con el desarrollo industrial, la inteligencia de negocios, el big data y el análisis de datos, lo cual
facilitó identicar la relación entre cada una de estos conjuntos de datos, los que permiten sacar conclusiones objetivas a través de
la denición del tipo de análisis, la clasicación de los datos, el análisis e interpretación de los datos que facilita aclarar el panorama
para la toma de decisiones organizacionales.
La literatura analizada muestra que para las compañías cada vez tiene mayor fuerza las nuevas tecnologías, en donde buscan mejorar
y reestructurar las cadenas de valor para un mayor reconocimiento y participación en el mercado, con unos procesos y sistemas más
innovadores e inteligentes garantizando la optimización de los recursos. Por lo anterior, a través de la innovación las organizaciones
son más propensas a aplicar la inteligencia de negocios en sus procesos para asegurar ser más ecaces y lograr una gestión de
datos más integrada presentando opciones informativas y convincentes para la compañía por medio de informes, grácos, tablas
y resultados procesables para poder determinar las tendencias de las industrias e implementar un modelo estratégico acorde de las
necesidades de sus clientes.
159
Daniel Yiwady Ordoñez Abril, Sandra Viviana Amaya López, Leydi Paola Lucio Valencia, Daniela Rodríguez Gómez
Innovación en la inteligencia de negocios. Una revisión sistemática de literatura
En conclusión, la inteligencia de negocios logra la proyección de futuros escenarios posibles a los que se podrían enfrentar las
empresas por lo que la innovación logra implementar cambios por medio de la recopilación, almacenamiento, análisis y gestión de
los datos para poder disminuir el margen de error en las tomas de decisiones empresariales. El trabajo integrado entre estos estudios
permite obtener respuestas más rápidas, optimizar las operaciones y conocer el comportamiento y necesidades de los usuarios.
En consecuencia, la revisión de literatura permite identicar la importancia que es para las empresas visualizar el panorama de
la innovación organizacional y asegurarse de que su uso en la inteligencia de negocios coincida con sus requisitos. Donde los
conocimientos proporcionados por la inteligencia de negocios deben estar disponible para todos los involucrados en el proceso de
la innovación, ya que facilita la implementación de estrategias para generar organizaciones competitivas en entornos dinámicos,
y, que sean capaces de gestionar el conocimiento. De ahí que, se asocie el tema con el desarrollo de la industria, la información, el
análisis de los datos y la innovación.
REFERENCIAS BIBLIOGRÁFICAS
Ahi, A.A., Sinkovics, N., Shildibekov, Y., Sinkovics, R.R. y Mehandjiev, N. (2022). Advanced technologies and international
business: A multidisciplinary analysis of the literature. International Business Review, 31(4), 1-17. https://www.sciencedirect.com/
science/article/pii/S0969593121001852
Ashaari, M.A., Singh, K.S.D., Abbasi, G.A., Amran, A. y Liebana-Cabanillas, F.J. (2021). Big data analytics capability for improved
performance of higher education institutions in the Era of IR 4.0: A multi-analytical SEM & ANN perspective. Technological
Forecasting and Social Change, 173, 1-16. https://www.sciencedirect.com/science/article/pii/S0040162521005527
Ballestar, M.T., García-Lazaro, A., Sainz, J. y Sanz, I. (2022). Why is your company not robotic? The technology and human capital
needed by rms to become robotic. Journal of Business Research, 142, 328-343. https://www.sciencedirect.com/science/article/pii/
S0148296321009759
Barba, E. (2011). Innovación: 100 consejos para inspirarla y gestionarla. Libros de Cabecera. https://books.google.
com.co/books?id=b-_gDwAAQBAJ&lpg=PP3&dq=Innovaci%C3%B3n%20100%20Consejos%20para%20
Inspirarla&lr&hl=es&pg=PP15#v=onepage&q=Innovaci%C3%B3n%20100%20Consejos%20para%20Inspirarla&f=false
Bassey, E., Mulligan, E. y Ojo, A. (2022). Un marco conceptual para la administración tributaria digital - Una revisión sistemática.
Government Information Quarterly, 39(4), 1-15. https://www.sciencedirect.com/science/article/pii/S0740624X22000909
Bilal, M., Oyedele, L.O., Kusimo, H.O., Owolabi, H.A., Akanbi, L.A., Ajayi, A.O., Akinade, O.O. y Dávila-Delgado, J.M. (2019).
Investigating protability performance of construction projects using big data: A project analytics approach. Journal of Building
Engineering, 26, 1-11. https://www.sciencedirect.com/science/article/pii/S2352710219302463
Boccali, F., Mariani, M.M., Visani, F. y Mora-Cruz, A. (2022). Innovative value-based price assessment in data-rich environments:
Leveraging online review analytics through Data Envelopment Analysis to empower managers and entrepreneurs. Technological
Forecasting and Social Change, 182, 1-14. https://www.sciencedirect.com/science/article/pii/S0040162522003316
Buhalis D. y Leung, R. (2018). Smart hospitality—Interconnectivity and interoperability towards an ecosystem. International
Journal of Hospitality Management, 71, 41-50. https://www.sciencedirect.com/science/article/pii/S0278431917301974
Caseiro, N. y Coelho, A. (2019). The inuence of Business Intelligence capacity, network learning and innovativeness on
startups performance. Journal of Innovation & Knowledge, 4(3), 139-145. https://www.sciencedirect.com/science/article/pii/
S2444569X18300374
Cevallos-Cuenca, J.J. y Vera-Flores, H.G. (2020). Inteligencia de negocios de nueva generación en manufactura. Polo del
Conocimiento: Revista cientíco-profesional, 5(2), 294-315. https://dialnet.unirioja.es/descarga/articulo/7435299
Chiavenato, I. (2005). Introducción a la teoría general de la administración. Mexico: Higher Educatión. https://frrq.cvg.utn.
edu.ar/pluginfile.php/15525/mod_resource/content/0/Chiavenato%20Idalverto.%20Introducci%C3%B3n%20a%20la%20
teor%C3%ADa%20general%20de%20la%20Administraci%C3%B3n.pdf
160
Revista ECA Sinergia
ISSN-e: 2528-7869
https://www.revistas.utm.edu.ec/index.php/ECASinergia
Vol. 14 Núm. 2 (148-164) Mayo-Agosto 2023
revistaecasinergia@gmail.com
Universidad Técnica de Manabí
DOI: https://doi.org/10.33936/ecasinergia.v14i2.5556
Cordero-Naspud, E.I., Erazo-Álvarez, J.C., Narváez-Zurita, C.I., & Cordero-Guzmán, D.M. (19 de Mayo de 2020). Portal Amelica.
Obtenido de http://portal.amelica.org/ameli/jatsRepo/105/1051316017/html/
Cossio-Gil, Y., Omara, M., Watson, C., Casey, J., Chakhunashvili, A., Gutiérrez-San Miguel, M., Kahlem, P., Keuchkerian, S.,
Kirchberger, V., Luce-Garnier, V., Michiels, D., Moro, M., Philipp-Jaschek, B., Sancini, S., Hazelzet, J. y Stamm, T. (2022). The
Roadmap for Implementing Value-Based Healthcare in European University Hospitals—Consensus Report and Recommendations.
Value in Health, 25(7), 1148-1156. https://www.sciencedirect.com/science/article/pii/S1098301521031806
Cuesta, A.L. (2020). Modelo para la implementación del sistema de gestión de la innovación (Doctoral dissertation, Bogotá DC).
https://repositorio.ecci.edu.co/handle/001/821.
Cronin, Ryan, And Coughlan (2008) Undertaking a LR-A Step-By-step Approach. https://doi.org/10.12968/bjon.2008.17.1.28059
Diaz-Muñoz, G. y Guambi-Espinosa, D. (2018). La innovación: baluarte fundamental para las organizaciones. INNOVA Research
Journal, 3(10), 212-229. http://revistas.uide.edu.ec/index.php/innova/index
Dwivedi, Y.K., Hughes, L., Ismagilova, E., Aarts, G., Coombs, C., Crick, T., Duan, Y., Dwivedi, R., Edwards, J., Eirug, A.,
Galanos, V., Llavarasan, P.V., Janssen, M., Jones, P., Kar, A.K., Kizgin, H., Kronemann, B., Lal, B., Lucini, B.,… Williams, M.D.
(2021). Articial Intelligence (AI): Multidisciplinary perspectives on emerging challenges, opportunities, and agenda for research,
practice and policy. International Journal of Information Management, 57, 1-47. https://www.sciencedirect.com/science/article/pii/
S026840121930917X
Fischer, M., Imgrund, F., Janiesch, C. y Winkelmann, A. (2020). Strategy archetypes for digital transformation: Dening meta
objectives using business process management. Information & Management, 57(5), 1-13. https://www.sciencedirect.com/science/
article/pii/S0378720618303197
Giusti, R., Manerba, D., Bruno, G. y Tadei, R. (2019). Synchromodal logistics: An overview of critical success factors, enabling
technologies, and open research issues. Transportation Research Part E: Logistics and Transportation Review, 129, 92-110. https://
www.sciencedirect.com/science/article/pii/S1366554519303928
Govindan, K., Kannan, D., Ballegård-Jørgensen, T. y Straarup-Nielsen, T. (2022). Supply Chain 4.0 performance measurement:
A systematic literature review, framework development, and empirical evidence. Transportation Research Part E: Logistics and
Transportation Review, 164, 1-41. https://www.sciencedirect.com/science/article/pii/S1366554522001168
Hernández-Linares, R., Kellermanns, F.W., López-Fernández, M.C. y Sarkar, S. (2019). The effect of socioemotional wealth on the
relationship between entrepreneurial orientation and family business performance. BRQ Business Research Quarterly, Article in
press. https://www.sciencedirect.com/science/article/pii/S2340943618300641
Horváth, D. y Szabó, R.Z. (2019). Driving forces and barriers of Industry 4.0: Do multinational and small and medium-sized
companies have equal opportunities?. Technological Forecasting and Social Change, 146, 119-132. https://www.sciencedirect.com/
science/article/pii/S0040162518315737
Irannezhad, E., Prato, C.G. y Hickman, M. (2020). An intelligent decision support system prototype for hinterland port logistics.
Decision Support Systems, 130,1-41. https://www.sciencedirect.com/science/article/pii/S0167923619302568
Ju, J., Liu, L. y Feng, Y. (2018). Citizen-centered big data analysis-driven governance intelligence framework for smart cities.
Telecommunications Policy, 42(10), 881-896. https://www.sciencedirect.com/science/article/pii/S0308596117301556
Kohtamäki, M., Parida, V., Oghazi, P., Gebauer, H. y Baines, T. (2019). Digital servitization business models in ecosystems: A theory
of the rm. Journal of Business Research, 104, 380-392. https://www.sciencedirect.com/science/article/pii/S014829631930387X
Kohtamäki, M., Rabetino, R., Einola, S., Parida, V. y Patel, P. (2021). Unfolding the digital servitization path from products to
product-service-software systems: Practicing change through intentional narratives. Journal of Business Research, 137, 379-392.
https://www.sciencedirect.com/science/article/pii/S0148296321005865
161
Daniel Yiwady Ordoñez Abril, Sandra Viviana Amaya López, Leydi Paola Lucio Valencia, Daniela Rodríguez Gómez
Innovación en la inteligencia de negocios. Una revisión sistemática de literatura
Kraus, M. y Feuerriegel, S. (2019). Forecasting remaining useful life: Interpretable deep learning approach via variational Bayesian
inferences. Decision Support Systems, 125, 1-13. https://www.sciencedirect.com/science/article/pii/S0167923619301290
Kristoffersen, E., Mikalef, P., Blomsma, F. y Li, J. (2021). Towards a business analytics capability for the circular economy.
Technological Forecasting and Social Change, 171, 1-17. https://www.sciencedirect.com/science/article/pii/S0040162521003899
Lei Y., Guo, Y., Zhang, Y. y Cheung, W. (2021). Information technology and service diversication: A cross-level study in
different innovation environments. Information & Management, 58(6), 1-13. https://www.sciencedirect.com/science/article/pii/
S0378720621000069
Li, L., Tong, Y., Wei, L. y Yang, S. (2022). Digital technology-enabled dynamic capabilities and their impacts on rm performance:
Evidence from the COVID-19 pandemic. Information & Management, 59(8), 1-9. https://www.sciencedirect.com/science/article/
pii/S0378720622000982
Lin, J. Li, L., Luo, X.R. y Benitez, J. (2020). How do agribusinesses thrive through complexity? The pivotal role of e-commerce
capability and business agility. Decision Support Systems, 135, 1-13. https://www.sciencedirect.com/science/article/pii/
S016792362030097X
López-Robles, J.R., Otegi-Olaso, J.R., Porto-Gómez, I. y Cobo. M.J. (2019). 30 years of intelligence models in management and
business: A bibliometric review. International Journal of Information Management, 48, 22-38. https://www.sciencedirect.com/
science/article/pii/S026840121730244X
Lv, Z., Wang, N., Ma, X., Sun, Y., Meng, Y., Tian, Y. (2022). Evaluation Standards of Intelligent Technology based on
Financial Alternative Data. Journal of Innovation & Knowledge, 7(4), 1-12. https://www.sciencedirect.com/science/article/pii/
S2444569X22000658
Mariani, M.M. y Fosso-Wamba, S. (2020). Exploring how consumer goods companies innovate in the digital age: The role of
big data analytics companies. Journal of Business Research, 12, 338-352. https://www.sciencedirect.com/science/article/pii/
S0148296320305956
Mariani, M.M. y Nambisan, S. (2021). Innovation Analytics and Digital Innovation Experimentation: The Rise of Research-driven
Online Review Platforms. Technological Forecasting and Social Change, 172, 1-15. https://www.sciencedirect.com/science/article/
pii/S0040162521004418
Maroufkhani, P., Tseng, M.L., Iranmanesh, M., Wan Ismail, W.K. y Khalid, H. (2020). Big data analytics adoption: Determinants
and performances among small to medium-sized enterprises. International Journal of Information Management, 54, 1-15. https://
www.sciencedirect.com/science/article/pii/S026840122030178X
Maruccia, Y., Solazzo, G., Del Vecchio, P. y Passiante, G. (2020). Evidence from Network Analysis application to Innovation
Systems and Quintuple Helix. Technological Forecasting and Social Change, 161, 1-14. https://www.sciencedirect.com/science/
article/pii/S004016252031132X
Merhi, M.I. (2021). Evaluating the critical success factors of data intelligence implementation in the public sector using analytical
hierarchy process. Technological Forecasting and Social Change, 173, 1-9. https://www.sciencedirect.com/science/article/pii/
S0040162521006132
Mikalef, P., Boura, M., Lekakos, G. y Krogstie, J. (2019). Big data analytics and rm performance: Findings from a mixed-method
approach. Journal of Business Research, 98, 261-276. https://www.sciencedirect.com/science/article/pii/S014829631930061X
Mikalef, P., Lemmer, K., Schaefer, C., Ylinen, M., Fjørtoft, S.O., Torvatn, H.Y., Gupta, M. y Niehaves, B. (2021). Enabling AI
capabilities in government agencies: A study of determinants for European municipalities. Government Information Quarterly,
39(4), 1-15. https://www.sciencedirect.com/science/article/pii/S0740624X21000320
162
Revista ECA Sinergia
ISSN-e: 2528-7869
https://www.revistas.utm.edu.ec/index.php/ECASinergia
Vol. 14 Núm. 2 (148-164) Mayo-Agosto 2023
revistaecasinergia@gmail.com
Universidad Técnica de Manabí
DOI: https://doi.org/10.33936/ecasinergia.v14i2.5556
Mikalef, P., Van de Wetering, R. y Krogstie, J. (2021) Building dynamic capabilities by leveraging big data analytics: The
role of organizational inertia. Information & Management, 58(6), 1-17. https://www.sciencedirect.com/science/article/pii/
S0378720620303505
Mosquera-Guerrero, A., Rodríguez-Martínez, J., Ordoñez-Abril, D.Y., & Calderón-Sotero, J.H. (2022). Project design and
development in indigenous communities: a literature review. Gestão & Produção, 30, e6022. https://doi.org/10.1590/1806-9649-
2022v29e6022
Murillo-Junco, M.J. y Cáceres-Castellanos, G. (2013). La toma de decisiones nancieras: Una aproximación téorica. Revista Logos,
ciencia y técnologia, 120-122. https://www.redalyc.org/pdf/5177/517751547010.pdf
Nunes, M., Abreu, A., Bagnjuk, J. y Tiedtke, J. (2021). Measuring project performance by applying social network analyses.
International Journal of Innovation Studies, 5(2), 35-55. https://www.sciencedirect.com/science/article/pii/S2096248721000102
Oesterreich, T.D., Anton, E., Teuteberg, F. y Dwivedi Y.K. (2022) The role of the social and technical factors in creating business
value from big data analytics: A meta-analysis. Journal of Business Research, 153, 128-149. https://www.sciencedirect.com/science/
article/pii/S0148296322007111
Olan, F., Ogiemwonyi A.E., Suklan, J., Nakpodia, F., Damij, N. y Jayawickrama, U. (2022). Articial intelligence and knowledge
sharing: Contributing factors to organizational performance. Journal of Business Research, 145, 605-615. https://www.sciencedirect.
com/science/article/pii/S0148296322002387
Ortiz de Guinea, A. y Raymond, L. (2020). Enabling innovation in the face of uncertainty through IT ambidexterity: A fuzzy set
qualitative comparative analysis of industrial service SMEs. International Journal of Information Management, 50, 244-60. https://
www.sciencedirect.com/science/article/pii/S0268401218312209
Paiola, M. y Gebauer, H. (2020). Internet of things technologies, digital servitization and business model innovation in BtoB
manufacturing rms. Industrial Marketing Management, 89, 245-264. https://www.sciencedirect.com/science/article/pii/
S0019850119302445
Paré, G., Marsan, J., Jaana, M., Tamim, H. y Lukyanenko, R. (2020). IT vendors’ legitimation strategies and market share: The case
of EMR systems. Information & Management, 57(5),1- 14. https://www.sciencedirect.com/science/article/pii/S0378720618307742
Paschen, U., Pitt, C. y Kietzmann, J. (2020). Articial intelligence: Building blocks and an innovation typology. Business Horizons,
63(2), 147-155. https://www.sciencedirect.com/science/article/pii/S000768131930151X
Pereira, B.A., Lohmann, G. y Houghton, L. (2021). Innovation and value creation in the context of aviation: a Systematic Literature
Review. Journal of Air Transport Management, 94, 1-10. https://www.sciencedirect.com/science/article/pii/S0969699721000594
Pérez-Campuzano, D., Rubio-Andrada, L., Morcillo-Ortega, P. y López-Lázaro, A. (2022). Visualizing the historical COVID-19
shock in the US airline industry: A Data Mining approach for dynamic market surveillance. Journal of Air Transport Management,
101, 1-12. https://www.sciencedirect.com/science/article/pii/S0969699722000151
Prado, T.S. y Bauer, J.M. (2022). Big Tech platform acquisitions of start-ups and venture capital funding for innovation. Information
Economics and Policy, 59, 1-24. https://www.sciencedirect.com/science/article/pii/S0167624522000129
Ramon S.J., Ribeiro-Soriano, D. y Palacios-Marqués, D. (2021). Setting B2B digital marketing in articial intelligence-based
CRMs: A review and directions for future research. Industrial Marketing Management, 98, 161-178. https://www.sciencedirect.
com/science/article/pii/S0019850121001772
Ranjan, J. y Foropon, C. (2021). Big Data Analytics in Building the Competitive Intelligence of Organizations. International Journal
of Information Management, 56, 1-13. https://www.sciencedirect.com/science/article/pii/S0268401220314304
Romero, D. y Pinzón, F.A. (2017). Innovación, un acercamiento a su concepto, alcance, elementos y capacidades que la generan.
Citas, 3(1), 67-61. https://revistas.usantotomas.edu.co/index.php/citas/article/view/5148/4866
163
Daniel Yiwady Ordoñez Abril, Sandra Viviana Amaya López, Leydi Paola Lucio Valencia, Daniela Rodríguez Gómez
Innovación en la inteligencia de negocios. Una revisión sistemática de literatura
Rosado G.A.A. y Rico B.D.W. (2010). Inteligencia de negocios: Estado del arte. Scientia et technica, 1(44), 321-326. https://
revistas.utp.edu.co/index.php/revistaciencia/article/view/1803
Roßmann, B., Canzaniello, A., Von der Gracht, H. y Hartmann, E. (2018). The future and social impact of Big Data Analytics in
Supply Chain Management: Results from a Delphi study. Technological Forecasting and Social Change, 130, 135-149. https://www.
sciencedirect.com/science/article/pii/S004016251731329X
Santa S.A. y Torres V.R.M. (2021). Engaging universe 4.0: The case for forming a public relations-strategic intelligence hybrid.
Public Relations Review, 47(2), 1-12. https://www.sciencedirect.com/science/article/pii/S0363811121000278
Selcuk K.H., Ecenaz D.A. y Denle, D. (2020). An integrated decision analysis methodology based on IF-DEMATEL and IF-
ELECTRE for personnel selection. Decision Support Systems, 137, 1-42. https://www.sciencedirect.com/science/article/pii/
S0167923620301159
Sheng, J., Amankwah-Amoah, J. y Wang, X. (2019). Technology in the 21st century: New challenges and opportunities. Technological
Forecasting and Social Change, 143, 321-335. https://www.sciencedirect.com/science/article/pii/S0040162517311319
Shrestha, Y.R., Krishna, V. y Von Krogh, G. (2021). Augmenting organizational decision-making with deep learning algorithms:
Principles, promises, and challenges. Journal of Business Research, 123, 588-603. https://www.sciencedirect.com/science/article/
pii/S0148296320306512
Smaldone, F., Ippolito, A., Lagger, J. y Pellicano, M. (2022). Employability skills: Proling data scientists in the digital labour
market. European Management Journal, 40(5), 671-684. https://www.sciencedirect.com/science/article/pii/S0263237322000810
Suárez, M.R. (2018). Reexiones sobre el concepto de innovación. Revista San Gregorio, (24), 120-131. https://dialnet.unirioja.es/
servlet/articulo?codigo=6839735
Sun, S., Hall, D.J. y Cegielski, C.G. (2020). Organizational intention to adopt big data in the B2B context: An integrated view.
Industrial Marketing Management, 86, 109-121. https://www.sciencedirect.com/science/article/pii/S0019850118304644
Toro, H.D.J.E. (2021). Selección del medio de comercio digital de la estrategia e-commerce B2C utilizando la metodología de
toma de decisión multicriterio AHP. Estudio de caso Proyecto Tienda Universitaria–TU de la Universidad Nacional de Colombia
(Doctoral dissertation, Universidad Nacional de Colombia). https://repositorio.unal.edu.co/handle/unal/80236
Torres, R., Sidorova, A. y Jones, M.C. (2018). Enabling rm performance through business intelligence and analytics: A
dynamic capabilities perspective. Information & Management, 55(7), 822-839. https://www.sciencedirect.com/science/article/pii/
S0378720617308674
Ukobitz, D.S. y Faullant, R. (2022). The relative impact of isomorphic pressures on the adoption of radical technology: Evidence
from 3D printing. Technovation, 113, 1-13. https://www.sciencedirect.com/science/article/pii/S0166497221001991
Urbinati, A., Bogers, M., Chiesa, V. y Frattini, F. (2019). Creating and capturing value from Big Data: A multiple-case study analysis
of provider companies. Technovation, 84-85, 21-36. https://www.sciencedirect.com/science/article/pii/S0166497218300361
Van Capelleveen, G., Van-Wieren, J., Amrit, C., Murat, D. y Zijm, H. (2021). Exploring recommendations for circular supply chain
management through interactive visualisation. sion Support Systems, 140, 1-12. https://www.sciencedirect.com/science/article/pii/
S016792362030186X
Van der Voort, H.G., Klievink, A.J., Arnaboldi, M. y Meijer, A.J. (2019). Rationality and politics of algorithms. Will the promise
of big data survive the dynamics of public decision making?. Government Information Quarterly, 36(1), 27-38. https://www.
sciencedirect.com/science/article/pii/S0740624X17304951
Van-Rijmenam, M., Erekhinskaya, T., Schweitzer, J. y Williams M.A. (2019). Avoid being the Turkey: How big data analytics
changes the game of strategy in times of ambiguity and uncertainty. Long Range Planning, 52(5), 1-21. https://www.sciencedirect.
com/science/article/pii/S0024630117303606
164
Revista ECA Sinergia
ISSN-e: 2528-7869
https://www.revistas.utm.edu.ec/index.php/ECASinergia
Vol. 14 Núm. 2 (148-164) Mayo-Agosto 2023
revistaecasinergia@gmail.com
Universidad Técnica de Manabí
DOI: https://doi.org/10.33936/ecasinergia.v14i2.5556
Verboven, S., Berrevoets, J., Wuytens, C., Baesens, B. y Verbeke, W. (2021). Autoencoders for strategic decision support. Decision
Support Systems, 150, 1-35. https://www.sciencedirect.com/science/article/pii/S0167923620301779
Viteri C.C.J. y Murillo, D.Y. (2021). Inteligencia de Negocios para las Organizaciones. Revista Arbitrada Interdisciplinaria
KOINONIA, 6(12), 304-333. https://dialnet.unirioja.es/servlet/articulo?codigo=8011446
Wang, Y. y Coe, N.M. (2021). Platform ecosystems and digital innovation in food retailing: Exploring the rise of Hema in China.
Geoforum, 126, 310-321. https://www.sciencedirect.com/science/article/pii/S0016718521002414
Wong, D.T.W. y Ngai, E.W.T. (2019). Critical review of supply chain innovation research (1999–2016). Industrial Marketing
Management, 82, 158-187. https://www.sciencedirect.com/science/article/pii/S0019850118300506