revistasinergia@utm.edu.ec
e-ISNN 2528-7869
124
Revista ECA Sinergia
DOI: 10.33936/ecasinergia.v16i3.7671Vol. 16. Núm. 3 (124-136): Septiembre-Diciembre, 2025
Edición Contínua
Desarrollo de un modelo de inteligencia de negocio para la gestión comercial
en una empresa del sector alimenticio
Autores
1,2
Universidad Tecnológica Israel.
Quito, Pichincha, Ecuador.
Código JEL: C88, M21, M31, C55
Citacion sugerida: Abad Heredia, J.
D., Fernand Desfrancois, P. G. (2025).
Desarrollo de un modelo de inteligencia de
negocio para la gestión comercial en una
empresa del sector alimenticio. Revista
ECA Sinergia, 16(3), 124-136. https://doi.
org/10.33936/ecasinergia.v16i3.7671
Recibido: 26/06/2025
Aceptado: 01/09/2025
Publicado: 10/09/2025
Resumen
Las empresas generan grandes volúmenes de datos a través de sistemas transaccionales,
pero no siempre logran centralizarlos ni analizarlos de manera efectiva para la toma de
decisiones estratégicas. En la industria alimentaria del consumo masivo, y particularmente
en el sector del café en Ecuador, el mercado y la competencia exigen un enfoque basado
en datos para identicar tendencias, oportunidades de crecimiento y analizar con mayor
precisión el comportamiento del consumidor. En este contexto, una empresa dedicada
a la producción y comercialización de café enfrenta la necesidad de mejorar su gestión
comercial mediante el uso de la inteligencia de negocios. El principal problema radica en
la dispersión de información proveniente de diversas fuentes, lo que diculta el acceso
a informes actualizados y comprensibles. Por ello en esta investigación se desarrolla
un modelo de inteligencia de negocios que facilite la consolidación de datos y optimice
la gestión comercial. Finalmente, al evaluar su implementación con el área estratégica
comercial de la empresa, se validó que esta solución contribuye a la toma de decisiones
más seguras, ágiles y conables basadas en información precisa y oportuna.
Palabras clave: Datos, visualización, decisión, análisis, modelado.
Abstract
Companies generate large volumes of data through transactional systems, but they are
not always able to centralize or analyze this information eectively for strategic decision-
making. In the mass consumption food industry, and particularly in Ecuador´s coee
sector, the market and competition require a data-driven approach to identify trends,
explore growth opportunities, and analyze consumer behavior with greater accuracy. In
this context, a company dedicated to the production and commercialization of coee
faces the need to improve its commercial management through the use of business
intelligence. The main problem lies in the fragmentation of information originating from
various sources, which makes it dicult to access updated and interpretable reports.
For this reason, this research develops a business intelligence model that facilitates
data consolidation and enhances commercial management. Finally, after evaluating its
implementation with the company’s strategic commercial area, the results conrmed that
this solution contributes to more condent, agile, and reliable decision-making based on
accurate and timely information.
Keywords: Data, visualization, decision-making, analysis, modeling.
Résumé
Les entreprises génèrent de grands volumes de données à travers des systèmes
transactionnels, mais ne parviennent pas toujours à les centraliser ni à les analyser
ecacement pour la prise de décisions stratégiques. Dans l’industrie alimentaire de
grande consommation, et plus particulièrement dans le secteur du café en Équateur, le
marché et la concurrence exigent une approche fondée sur les données an d’identier
les tendances, les opportunités de croissance et d’analyser avec plus de précision le
comportement des consommateurs. Dans ce contexte, une entreprise dédiée à la production
et à la commercialisation du café est confrontée à la nécessité d’améliorer sa gestion
commerciale grâce à l’utilisation de l’intelligence d’aaires. Le principal problème réside
dans la dispersion de l’information provenant de diverses sources, ce qui complique l’accès
à des rapports actualisés et compréhensibles. Ainsi, cette recherche développe un modèle
d’intelligence d’aaires qui facilite la consolidation des données et optimise la gestion
commerciale. Enn, l’évaluation de sa mise en œuvre auprès du département stratégique
commercial de l’entreprise a permis de valider que cette solution contribue à une prise de
décision plus sûre, plus agile et plus able, fondée sur une information précise et opportune.
Mots-clés: Données, visualisation, prise de décision, analyse, modélisation.
1
José David Abad Heredia*
2
Pierre Gilles Fernand Desfrancois
iD
iD
Development of a Business Intelligence Model for Commercial Management in a Food Industry Company
Développement d’un modèle d’intelligence d’aaires pour la gestion commerciale dans une entreprise du secteur alimentaire
Desarrollo de un modelo de inteligencia de negocio para la gestión comercial en una empresa del sector alimenticio
Abad Heredia et al, 2025
revistasinergia@utm.edu.ec
e-ISNN 2528-7869
125
Revista ECA Sinergia
DOI: 10.33936/ecasinergia.v16i3.7671Vol. 16. Núm. 3 (124-136): Septiembre-Diciembre, 2025
Edición Contínua
INTRODUCCIÓN
En la actualidad, las organizaciones producen una gran cantidad de datos que son administrados mediante distintos sistemas
transaccionales. La capacidad de recolectar, procesar y aprovechar esta información de manera eciente constituye una
ventaja competitiva para las empresas en un entorno cada vez más dinámico y orientado por los datos (Niu et al., 2021).
La integración de los datos y su evaluación desde múltiples enfoques son fundamentales para la toma de decisiones
estratégicas, permitiendo abordar cuestiones clave como las preferencias de los consumidores, las tendencias del mercado
y las estrategias de la competencia (Ramírez et al., 2021). Negro (2020) evidencia la importancia de la recopilación de
datos internos y externos, que, tras un proceso de evaluación y validación, se convierte en información especializada que
se integra como conocimiento e inuye en la toma de decisiones.
En este contexto, se considera la inteligencia de negocios como un sistema integral en una organización que oferta
una variedad de servicios y funciones para ayudar al entendimiento y comprensión de lo que ocurre por medio de los
datos, a través de informes o tableros, evaluando y controlando a través de indicadores que ayuden a tomar decisiones
oportunas (Slusarczyk, 2024). La analítica empresarial, un término acuñado originalmente por la industria, es la síntesis de
aquellas herramientas destinadas a convertir datos (grandes o pequeños, estructurados o no estructurados) en información
procesable mediante un proceso cientíco, matemático e inteligente (Delen y Ram, 2018).
El uso de una herramienta de inteligencia de negocio ofrece múltiples benecios para los negocios, otorgando un panorama
amplio en el entendimiento y la trazabilidad de la empresa, así como la obtención inmediata de conclusiones al momento
de hacer un análisis. El éxito de su implementación depende de la extracción de los datos, arquitectura de las bases de
datos, y carga de información, así como del diseño de los reportes y cuadros de mando. El uso rutinario e innovador de
sistemas de inteligencia empresarial (BI) impulsa el marketing, ventas, gestión, operaciones y compras en las PYMEs,
generando un valor tangible y mejorando signicativamente el rendimiento empresarial (Popovič et al., 2019).
Particularmente, la industria alimenticia ha evolucionado con rapidez gracias a la tecnología y herramientas estratégicas
que facilitan la negociación y la adaptabilidad ante un mercado competitivo. Esta evolución ha sido impulsada por el
cambio constante, repetitivo y veloz en los patrones de consumo, con una creciente inclinación hacia opciones saludables
y sostenibles, y la aplicación de inteligencia de negocios permite tomar decisiones estratégicas en alimenticio mediante el
análisis de las preferencias, ventas y comportamiento del cliente (Uribe, 2024). Asimismo, la adecuada explotación de la
información permite a las empresas identicar necesidades comunes, como conocer a los distintos perles de clientes, a
la competencia, a los proveedores y a los consumidores (Olayinka, 2021). Por ello, es fundamental que la empresa objeto
de esta investigación mantenga su liderazgo, crecimiento y desarrollo sostenido en el mercado ecuatoriano, con miras a
superar las barreras nacionales mediante el uso estratégico de la inteligencia de negocios. El sector del café en el Ecuador
sufre altos costos, baja productividad y escaso apoyo a pequeños productores, afectando su participación internacional y
contribuyendo solo con el 0.7% al PIB nacional (Buri et al., 2023). Pese a ello, debido a los altos precios del café a nivel
mundial, se prevé que el mercado del café alcance los 96,450 millones de dólares estadounidenses en 2025 en términos de
consumo en el hogar (PROECUADOR, 2025).
El presente proyecto de investigación se aplica a una empresa ecuatoriana dedicada a la producción y comercialización
de café tostado y molido, con más de 60 años de trayectoria, que enfrenta el reto de mejorar su gestión comercial.
Actualmente, la información generada por las diferentes áreas operativas se encuentra dispersa en múltiples fuentes y
formatos, lo que limita su análisis oportuno y diculta la toma de decisiones basada en datos, y se carece de un sistema
de seguimiento a los indicadores de desempeño. Para ello, se plantea la implementación de un modelo de inteligencia de
negocios que permita integrar, transformar y visualizar la información relevante de manera sistemática. La aplicación de
la inteligencia de negocios contribuirá a que la empresa pueda mantener su liderazgo en el mercado nacional del café y
explorar oportunidades de expansión incluyendo a nivel internacional.
Con este n, se propone desarrollar un modelo de inteligencia de negocio para la gestión comercial y la toma de decisiones
para el área estratégica, explicando los fundamentos teóricos aplicados a la gestión comercial y su contribución en la
toma de decisiones estratégicas, diseñando una herramienta informática de negocios, implementándola en la empresa y
validando su efectividad para facilitar la toma de decisiones estratégicas.
Metodología
e-ISSN 2528-7869
revistasinergia@utm.edu.ec
126
Revista ECA Sinergia
DOI: 10.33936/ecasinergia.v16i3.7671Vol. 16. Núm. 3 (124-136): Septiembre-Diciembre, 2025
Edición Contínua
La presente investigación busca desarrollar e implementar un modelo de Inteligencia de Negocios en una empresa del
sector alimenticio ecuatoriana, con el propósito de mejorar la toma de decisiones comerciales estratégicas. Para ello, se
adopta un enfoque cualitativo, basado en la retroalimentación de los líderes estratégicos de la empresa. El estudio es de
tipo aplicado, ya que se orienta a la creación de una herramienta informática que optimice la gestión comercial mediante
el análisis y procesamiento de datos clave.
La población de estudio está conformada por los 117 colaboradores de la empresa al cierre del 2024. la naturaleza del
estudio exige trabajar especícamente con informantes clave que posean conocimiento especializado sobre los procesos
comerciales y la toma de decisiones. Por ello, en lugar de considerar a toda la población general, se dene una población
experta, conformada por los líderes del área comercial estratégica. Dentro de esta población experta se selecciona una
muestra intencional de 11 participantes, incluyendo gerencia, jefaturas y responsables de planicación comercial. La
selección responde a criterios de experiencia, rol estratégico e intervención directa en el uso y gestión de información para
la toma de decisiones, lo cual garantiza la pertinencia del análisis cualitativo.
La recopilación de información se llevará a cabo a través de encuestas dirigidas a estos líderes, las cuales estarán
estructuradas en cinco categorías y contendrán 25 preguntas, evaluadas mediante la escala de Likert con rangos de 1
a 5. Este instrumento permitirá obtener datos relevantes sobre la situación actual de la gestión y almacenamiento de
información en la empresa.
Las variables de estudio incluyen aspectos como la estrategia organizacional, la gestión de datos, la aplicación de
Inteligencia de Negocios, el uso de tecnologías para la gestión de procesos y la identicación de indicadores comerciales.
Estas variables han sido denidas con base en el marco teórico de la investigación y permitirán evaluar el impacto de la
herramienta informática en la optimización de la toma de decisiones dentro de la empresa.
Para garantizar la validez del instrumento de medición, se aplicará el coeciente V de Aiken. Este método evaluará la
pertinencia de cada pregunta dentro de la encuesta, asegurando que los datos recopilados sean conables y reejen con
precisión la realidad de la empresa. Un resultado próximo a 1 indicará una alta validez de las preguntas, mientras que
valores cercanos a 0 señalarán la necesidad de ajustes en su formulación.
La adecuada gestión de datos es fundamental para que la empresa pueda desarrollar estrategias basadas en información
precisa y actualizada. Un modelo eciente de Inteligencia de Negocios permitirá analizar la evolución comercial, predecir
tendencias y mejorar la toma de decisiones en tiempo real. Con la correcta selección de indicadores comerciales y el
uso de herramientas tecnológicas adecuadas, la empresa podrá fortalecer su competitividad y alcanzar un crecimiento
sostenible en su sector.
RESULTADOS
Para desarrollar el modelo de inteligencia de negocios, es necesario contar con objetivos claros. Los resultados de la
encuesta aplicada evidencia que la empresa cuenta con necesidades en torno al análisis de los datos comerciales. El
coeciente V de Aiken es de 0.92, lo que indica un alto nivel de validez de contenido según la evaluación de los expertos.
La tabla 1 incluye los promedios para cada dimensión medida en la encuesta.
Tabla 1.
Respuestas a la encuesta de diagnóstico
Dimensión Siempre (%) Casi siempre (%) Frecuentemente (%) Algunas veces (%) Nunca (%)
Estrategia
organizacional
50.91 38.18 9.09 0.00 1.82
Gestión de los
datos
20.00 40.00 21.82 14.55 3.64
Desarrollo de un modelo de inteligencia de negocio para la gestión comercial en una empresa del sector alimenticio
Abad Heredia et al, 2025
revistasinergia@utm.edu.ec
e-ISNN 2528-7869
127
Revista ECA Sinergia
DOI: 10.33936/ecasinergia.v16i3.7671Vol. 16. Núm. 3 (124-136): Septiembre-Diciembre, 2025
Edición Contínua
Dimensión Siempre (%) Casi siempre (%) Frecuentemente (%) Algunas veces (%) Nunca (%)
Importancia del
BI para la toma
de decisiones
50.91 32.73 10.91 5.45 0.00
Uso de las
tecnologías para
la gestión de los
procesos
16.36 34.55 27.27 10.91 10.91
Identicación
de indicadores
comerciales
47.27 45.45 7.27 0.00 0.00
Fuente: Abad y Desfrancois, (2025).
La primera dimensión evaluada se enfoca en cómo la empresa integra el uso de los datos en su estrategia comercial para
lograr sus objetivos y evalúa si la información histórica es parte de la planicación estratégica. De forma detallada, la
mayoría de los encuestados (81,82%) reconoce que los datos de clientes, así como de los productos que compran y/o
consumen son fundamentales para la toma de decisiones estratégicas. La inteligencia de negocios está alineada con los
objetivos organizacionales, lo que refuerza la importancia de la tecnología en la gestión comercial. El uso de herramientas
informáticas es ampliamente valorado, con un 72,73% de encuestados indicando que siempre contribuye al cumplimiento
de objetivos estratégicos. No obstante, aunque el análisis de datos en la planicación estratégica es una práctica frecuente,
aún el 9,09% menciona no considerarlo, lo que representa una oportunidad de mejora en la integración de herramientas
analíticas.
La segunda dimensión, gestión de los datos, analiza cómo la empresa administra, almacena y gestiona sus datos. Aunque
el 45,45 % indica que los datos se almacenan de forma centralizada y existe cierta claridad sobre sus fuentes, aún persiste
una gestión dispersa y poco estructurada. Solo el 18,18 % arma que existen políticas claras de calidad de datos y que
los análisis se realizan de manera oportuna. El el uso de herramientas avanzadas como análisis predictivo y aprendizaje
automático es limitado, lo que resalta la necesidad de fortalecer la infraestructura analítica y la cultura de datos.
La importancia de la inteligencia de negocios en la toma de decisiones evalúa si la empresa considera a la inteligencia de
negocios como un elemento importante al momento de tomar decisiones en el área comercial. La inteligencia de negocios
es considerada un elemento clave en la toma de decisiones dentro de la empresa, especialmente en el área comercial.
El 72,73% de los encuestados arma que siempre genera un impacto positivo. Un 81,82 % reconoce que los datos son
un activo estratégico para el crecimiento organizacional, pero su aplicación práctica aún presenta limitaciones: solo el
36,36 % indica que se utilizan datos históricos para analizar tendencias de mercado y apenas un 27,27 % arma que los
líderes basan siempre sus decisiones en análisis de datos. Además, ante interrogantes complejas del negocio, el uso del
análisis de datos no está plenamente consolidado, lo que evidencia que, aunque se valora la BI, su integración en la toma
de decisiones aún es parcial y requiere fortalecimiento. Estos resultados reejan que, aunque la empresa reconoce la
importancia de la inteligencia de negocios y el valor estratégico de los datos, aún existen oportunidades de mejora para
fortalecer su integración en la toma de decisiones diarias y en el uso de análisis avanzados para resolver problemáticas
comerciales complejas
La dimensión tecnológica examina si la empresa invierte y utiliza tecnologías informáticas para incrementar la eciencia
en sus procesos internos. Los resultados destacan que la empresa está comprometida con la modernización tecnológica,
aunque los encuestados varían en su percepción sobre la frecuencia de las inversiones. Si bien el 54,55 % señala que
se utilizan herramientas para generar visualizaciones como dashboards, solo el 27,27 % considera que la tecnología ha
contribuido de forma constante a mejorar la eciencia y productividad. La inversión en nuevas tecnologías es percibida
como poco frecuente, ya que únicamente el 36,36 % indica que “frecuentemente” se realizan estas inversiones, y solo un
18,18 % arma que se contempla de manera permanente en el presupuesto. El 9,09 % considera que la empresa cuenta
siempre con tecnología actualizada. Estos datos evidencian que, aunque hay avances en visualización y ciertos procesos,
aún es limitada la planicación tecnológica a largo plazo, lo que restringe el potencial transformador de la tecnología en
la organización.
e-ISSN 2528-7869
revistasinergia@utm.edu.ec
128
Revista ECA Sinergia
DOI: 10.33936/ecasinergia.v16i3.7671Vol. 16. Núm. 3 (124-136): Septiembre-Diciembre, 2025
Edición Contínua
El monitoreo y actualización de estos indicadores es clave. Solo el 9,09% de los encuestados indica que los supervisa
frecuentemente, el 54,55% casi siempre y el 36,36% lo hace de manera constante. La disponibilidad de la información
comercial es alta: el 63,64% señala que siempre está accesible y actualizada. Respecto a la toma de decisiones, el 9,09%
de los gerentes usa indicadores frecuentemente, el 54,55% casi siempre y el 36,36% siempre. También, el análisis de datos
en el tiempo es una práctica común, con un 63,64% de encuestados que lo realizan regularmente. Aunque la empresa
dispone de herramientas comerciales valiosas, su efectividad depende de su monitoreo y actualización continua para
mejorar la toma de decisiones.
Identicación de las necesidades de la organización
Los resultados del diagnóstico concluyen que existen tres requerimientos principales que justican la adopción del modelo
de inteligencia de negocios. En primer lugar, la necesidad de centralizar la información, ya que los datos provienen
de diversas fuentes y actualmente los procesos de consolidación son manuales, repetitivos y demandan tiempo, lo
que limita la disponibilidad inmediata de información útil para la toma de decisiones. En segundo lugar, se requiere
automatizar los tableros de información comercial mediante la creación de dashboards dinámicos y comprensibles, que
se actualicen automáticamente y faciliten el análisis, considerando que los miembros del área estratégica-comercial no
siempre disponen del tiempo o conocimiento técnico para generar reportes individuales. Por otra parte, se busca mejorar
la eciencia operativa mediante la integración de la información centralizada con otras áreas de soporte como marketing,
trade marketing y cobranzas, lo que permitirá atender oportunamente las demandas del negocio, identicar oportunidades
de crecimiento y descubrir tendencias de mercado.
Fuentes de información y proceso ETL
Actualmente la información de la empresa reposa en diferentes fuentes de datos que incluyen el sistema de contabilidad,
el sistema de monitoreo y gestión de personal de campo (impulsadoras y fuerza de ventas), sell out e inventarios de los
diferentes sistemas de facturación de los clientes, diversas fuentes de participación, precios, descuentos, alcances de
determinados clientes estratégicos y reportes de otras áreas y/o departamentos que son soporte para el área comercial. Se
debe considerar que los datos procedentes de las diferentes fuentes mencionadas no son normalizados, por lo que necesita
un tratamiento previo, validación y comprobación antes de cargarlos al depósito de datos que reposa en la nube de datos
de Google Drive.
En la actualidad, es necesario para las organizaciones contar con un Data cuya función es almacenar datos sea de
modo físico en servidores locales o en la nube. Esta segunda, es la más destacada ya que brinda mayor seguridad en la
información, así como la reducción de espacios físicos que incluye infraestructura y demás equipos especializados, por lo
que permite tener siempre respaldada la información ante cualquier adversidad. En este sentido, es la base de un sistema
de información de una organización y en donde se almacenan los datos que requieren ser analizados y permite extraer de
diferentes fuentes, limpiarlos y prepararlos para la generación de información así se podrá tener mayor conabilidad a la
hora de implementarlo en un proyecto de BI.
El modelo de inteligencia de negocios es fundamental para lograr el objetivo principal de esta empresa, por lo que se debe
considerar el tipo o clase de datos que se almacenan. Para este caso, son estructurados y semi estructurados por lo que
puede ajustarse con una combinación de modelos normalizado y no normalizado. Con esto, permitirá reducir la capacidad
de almacenamiento, así como evitar la necesidad de relacionar muchas uniones entre tablas, reduciendo costos y tiempos
respectivamente. La capacitación a los usuarios y clientes para el manejo del sistema y tableros de control es necesario
ya que permite familiarizarlos con los ambientes que puedan encontrar, así como la interpretación y entendimiento de
los resultados obtenidos. Por lo tanto, el éxito depende de la herramienta implementada que permita tomar decisiones en
la empresa como lo considera. El modelo de inteligencia de negocios se realiza con el software Power BI, que tiene las
ventajas de permitir una integración profunda con el ambiente de Microsoft, realizar un modelado de datos avanzado y
análisis predictivo y ampliar la compatibilidad con conexión a diversas fuentes de datos. El modelo de datos se representa
en la gura 1.
Desarrollo de un modelo de inteligencia de negocio para la gestión comercial en una empresa del sector alimenticio
Abad Heredia et al, 2025
revistasinergia@utm.edu.ec
e-ISNN 2528-7869
129
Revista ECA Sinergia
DOI: 10.33936/ecasinergia.v16i3.7671Vol. 16. Núm. 3 (124-136): Septiembre-Diciembre, 2025
Edición Contínua
Figura 1.
Modelo de datos comerciales
Nota. La gura representa el modelo de datos en Power BI de la empresa comercial
Con respecto a la arquitectura actual de datos, se recomienda contar con los datos idóneos, con buena arquitectura, de
calidad y centralizados, respondiendo las inquietudes que pueda tener una empresa dentro de la industria del café. Por lo
tanto, es necesario que se dena un modelo que permita ajustarse considerando las necesidades o demanda por parte de
la empresa y también considerando su volumen de datos. El análisis realizado destaca desafíos en términos de gestión y
análisis de la información, y la oportunidad de implementar servicios más especializados de Google, debido a que en la
actualidad se cuenta con varias fuentes de datos el cual empieza a generar inconvenientes por el volumen de información.
Así también, en la ingesta y/o actualización de los datos se lo realiza de manera manual siendo la gran mayoría en formatos
xls, csv y json entre otros, reemplazando ciertas bases de datos en determinados momentos especicados en el día o
semana dependiendo de los reportes solicitados por el área estratégica comercial. La gura 2 representa la arquitectura
actual de los datos, mientras que la gura 3 evidencia la propuesta del presente trabajo de investigación.
e-ISSN 2528-7869
revistasinergia@utm.edu.ec
130
Revista ECA Sinergia
DOI: 10.33936/ecasinergia.v16i3.7671Vol. 16. Núm. 3 (124-136): Septiembre-Diciembre, 2025
Edición Contínua
Figura 2.
Arquitectura de datos actuales
Nota. La gura representa la arquitectura del modelo de inteligencia de negocios
Figura 3.
Propuesta de arquitectura de datos actuales
Nota. La gura representa la propuesta de arquitectura del modelo de inteligencia de negocios
Considerando la situación presente de la empresa, se recomienda implementar Google Cloud Platform considerando
las necesidades y objetivos de la compañía, así como su volumen de datos y los costos para realizar el cambio en la
infraestructura tecnológica. En cuanto a la integración, al reposar las bases de datos en Google Drive, permite una conexión
Desarrollo de un modelo de inteligencia de negocio para la gestión comercial en una empresa del sector alimenticio
Abad Heredia et al, 2025
revistasinergia@utm.edu.ec
e-ISNN 2528-7869
131
Revista ECA Sinergia
DOI: 10.33936/ecasinergia.v16i3.7671Vol. 16. Núm. 3 (124-136): Septiembre-Diciembre, 2025
Edición Contínua
directa sin cambios complejos en los procesos. Mediante Google BigQuery y Google apps script se podría analizar datos
sin descargar ni actualizar manualmente los archivos de Excel permitiendo automatizar las tareas sin infraestructura
adicional. En esta propuesta, la transformación ya no depende exclusivamente de herramientas locales como Power Query,
sino que se apoya en capacidades avanzadas de procesamiento de datos en la nube, favoreciendo una mayor eciencia,
limpieza y velocidad en el tratamiento de grandes volúmenes de información. Así también en los costos es más accesible
Google Cloud tomando en cuenta el tamaño de empresa y no se necesitaría servidores físicos, pagando solamente por el
uso especíco al que se le dé. Así también Power Bi tiene la ventaja de poder conectarse a múltiples fuentes de datos en
este caso con Google BigQuery. Además, en el componente de carga y visualización, la propuesta contempla el uso de
Power BI con funcionalidades extendidas para el almacenamiento y publicación de datos, lo que mejora la gobernanza
y seguridad de la información. Este enfoque permite no solo visualizar los datos, sino también almacenarlos de manera
estructurada para consultas futuras, incrementando así el valor estratégico del sistema.
Creación del cuadro de mando de la organización
Como producto o resultado del modelo de Inteligencia de Negocios aplicado a la organización, se presenta a continuación la
herramienta tecnológica desarrollada a través del software de Power Bi, el cual se denomina como “Dashboard Comercial
2025” como se puede observar en la Figura 4.
Figura 4.
Modelo de Inteligencia de Negocios
Nota. El modelo fue realizado con el software Power BI.
Entre las principales páginas o apartados se destaca la importancia del cuadro de mando integral donde se puede observar
que con los indicadores o KPI requeridos por el área estratégica comercial pueden obtener de forma dinámica, el estatus
resumido dependiendo del canal de ventas, temporalidad, categoría de productos, etc. El modelo permite mejorar la
visualización del presupuesto, se puede brindar información desde lo macro hasta lo micro mediante grácas, indicadores,
e-ISSN 2528-7869
revistasinergia@utm.edu.ec
132
Revista ECA Sinergia
DOI: 10.33936/ecasinergia.v16i3.7671Vol. 16. Núm. 3 (124-136): Septiembre-Diciembre, 2025
Edición Contínua
y tablas donde se puede indagar por estructura comercial, así como la distribución por portafolio de productos de la
empresa. Dentro de los apartados más relevantes se puede compartir el análisis de las ventas entre períodos de tiempo
brindando al área comercial un vistazo de las variaciones que pueden darse ya sea por la estructura comercial, así como
el portafolio de productos de un modo bastante comprensible el cual le ayude a analizar y tomar decisiones de manera
inmediata. El resumen de los principales paneles se evidencia en la gura 5.
Figura 5.
Visualizaciones del dashboard comercial
Nota. El modelo fue realizado con el software Power BI.
se presenta un conjunto de indicadores clave de desempeño (KPI) comerciales estratégicos que se utilizan de manera
cotidiana para la toma de decisiones en el área comercial de la empresa. Estos indicadores miden y evalúan de forma
precisa el comportamiento de las ventas y la gestión nanciera, facilitando la identicación de tendencias, brechas y
oportunidades de mejora. Entre los KPI destacan el crecimiento mensual y anual de las ventas (sell in) tanto en valor
monetario (USD) como en volumen (kilogramos), los cuales reejan la variación relativa respecto a períodos anteriores
y sirven para monitorear el desempeño comercial a corto y mediano plazo. Adicionalmente, se consideran indicadores
promedio como el promedio mensual de ventas y el precio unitario promedio de venta, que aportan información relevante
sobre la estabilidad y rentabilidad del negocio. La efectividad de las ventas se evalúa mediante el cumplimiento del
presupuesto en dólares y kilogramos, complementado con el análisis de las brechas o gaps que indican la distancia entre
las ventas reales y las metas propuestas. Por otro lado, indicadores como el tamaño promedio del ticket (drop size), la
frecuencia de compra y el porcentaje de clientes nuevos y de recompra permiten analizar el comportamiento y delización
de los clientes. La diversidad de productos adquiridos por cliente (mix SKU) es otro KPI que facilita entender la penetración
Desarrollo de un modelo de inteligencia de negocio para la gestión comercial en una empresa del sector alimenticio
Abad Heredia et al, 2025
revistasinergia@utm.edu.ec
e-ISNN 2528-7869
133
Revista ECA Sinergia
DOI: 10.33936/ecasinergia.v16i3.7671Vol. 16. Núm. 3 (124-136): Septiembre-Diciembre, 2025
Edición Contínua
de portafolio en el mercado. Finalmente, la gestión nanciera se monitorea a través de indicadores como el vencimiento
de cartera, días de mora y la tasa de representación de notas de crédito, que reejan la salud nanciera y la eciencia en la
cobranza. Cada uno de estos indicadores está denido con una fórmula especíca y cuenta con metas claras que orientan
la gestión comercial, contribuyendo a la mejora continua y al logro de los objetivos estratégicos de la empresa.
DISCUSIÓN
Las Pymes enfrentan desafíos que la inteligencia empresarial y minería de datos ayudan a superar, mejorando la toma
de decisiones y competitividad. Sin embargo, enfrentan barreras tecnológicas y económicas que requieren soluciones
accesibles y capacitación adecuada (Tsiu et al., 2025). El desarrollo del modelo de inteligencia de negocios (BI) propuesto
para una empresa del sector alimenticio, responde a necesidades operativas y estratégicas concretas, detectadas mediante
un diagnóstico integral. Osorio et al. (2022) subrayan que la inteligencia de negocio facilita el análisis ágil y preciso de
datos, mejorando la toma de decisiones estratégicas en las organizaciones. El diagnóstico realizado mediante la encuesta
evidencia una limitada explotación de la información, debido a la dispersión de los datos y a la dependencia de procesos
manuales. Esta situación no solo afecta la eciencia operativa, sino que también limita la capacidad analítica y la toma
de decisiones basadas en datos, especialmente en el área comercial. Fuentes Adrianzén (2021) demuestra que, sin uso de
herramientas de inteligencia de negocios en las Pymes, la toma de decisiones es limitada, y que su implementación mejora
la gestión comercial y la eciencia en tiempo, costo y funcionalidad hasta en un 22.6%. La necesidad de centralizar la
información se presenta como un eje fundamental para superar las barreras actuales. La existencia de múltiples fuentes,
como sistemas contables, reportes de ventas, monitoreo de personal de campo e información de clientes estratégicos,
justica la implementación de un proceso ETL automatizado y exible, ya que permite extraer, transformar y cargar datos
de manera eciente, integrando fuentes heterogéneas en un repositorio común, preferiblemente en la nube. Esto garantiza
datos actualizados, conables y accesibles, mejorando la calidad del análisis y facilitando la toma de decisiones oportunas
en la organización. Seenivasan (2023) concluye que la implementación de procesos ETL en tiempo real optimiza la
gestión de datos, garantiza información actualizada, reduce latencia y mejora la toma de decisiones rápida y conable en
las organizaciones.
La automatización de tableros de control se identica como una necesidad urgente para empoderar al área estratégico-
comercial con herramientas visuales, dinámicas y de fácil interpretación. Singh et al. (2023) concluyen que Power BI
facilita la visualización interactiva y eciente de grandes conjuntos de datos, permitiendo un análisis claro y dinámico.
Es especialmente útil para representar información compleja, apoyando la toma de decisiones en diversos sectores.
Actualmente, la generación de reportes depende de la disponibilidad y conocimientos técnicos de los colaboradores, lo que
diculta el acceso oportuno a información clave. Al implementar dashboards automatizados mediante plataformas como
Power BI, se promueve no solo la eciencia en la generación de reportes, sino también una cultura organizacional basada
en la toma de decisiones informadas. Almazmomi (2021) analizan que, en el entorno empresarial actual, la capacidad
analítica de negocios, la cultura basada en datos y las características de desarrollo de productos son muy importantes para
la ventaja competitiva de la empresa.
El modelo de inteligencia de negocios diseñado contempla la mejora de la eciencia operativa mediante la sincronización
de datos entre áreas comerciales y de soporte, como marketing, trade marketing y cobranzas. Las herramientas de
visualización de datos mejoran el rendimiento empresarial, pero su ecacia está limitada por la falta de denición clara de
KPIs que midan la eciencia. Establecer y mantener KPIs adecuados es clave para optimizar la gestión basada en datos
y la toma de decisiones (Siddharth et al., 2023) Esta integración horizontal de la información permite una visión más
holística del negocio, identicando tendencias, oportunidades de crecimiento y posibles alertas en tiempo real. Además,
el uso de modelos híbridos (normalizados y no normalizados) dentro del esquema de datos propuesto permite optimizar
recursos técnicos, reduciendo tiempos de consulta y costos de almacenamiento.
En este contexto, el modelo de inteligencia de negocios no solo resuelve una problemática técnica, sino que se convierte
en una herramienta estratégica clave para la transformación digital de la empresa. Espinoza-Mina et al. (2022) demuestran
los benecios de aplicar inteligencia de negocios y Balanced Scorecard en una PYME ecuatoriana, mejorando la toma de
decisiones estratégicas, acceso a información clave y visualización de indicadores mediante Power BI. Permite avanzar
hacia una gestión comercial más eciente, proactiva y basada en datos, alineando los procesos operativos con los objetivos
estratégicos de la organización.
e-ISSN 2528-7869
revistasinergia@utm.edu.ec
134
Revista ECA Sinergia
DOI: 10.33936/ecasinergia.v16i3.7671Vol. 16. Núm. 3 (124-136): Septiembre-Diciembre, 2025
Edición Contínua
Estos hallazgos coinciden con estudios previos que destacan la importancia de la gobernanza de datos, la automatización
de reportes y la integración interdepartamental como pilares esenciales en la implementación exitosa de sistemas BI en
entornos empresariales altamente competitivos, especialmente en sectores como el alimenticio donde los tiempos de
respuesta y la comprensión del comportamiento del consumidor son factores críticos para la sostenibilidad del negocio.
Un proceso facilitado de gestión del conocimiento con big data mejora el acceso, comprensión y uso de datos en PYMEs
agroalimentarias, aumentando su competitividad al superar barreras relacionadas con recursos y relaciones en la red
(O’Connor y Kelly, 2017). Ganeshkumar et al. (2023) evidencian que la adopción del big data en la industria alimentaria
mejora el rendimiento nanciero y de mercado, inuida por variables como capacidad de prueba, observabilidad,
complejidad, apoyo directivo, apoyo externo, incertidumbre, inseguridad y preparación organizacional.
El modelo también presenta limitaciones que deben ser consideradas. En primer lugar, su sostenibilidad depende de la
capacidad tecnológica y nanciera de la empresa para mantener la infraestructura en la nube y actualizar las licencias de
software por lo que, del total de los encuestados, aproximadamente la tercera parte (36,36%) consideran que casi siempre la
empresa contempla dentro del presupuesto para inversiones en nuevas tecnologías. En segundo lugar, la adopción de estas
herramientas implica un cambio cultural que podría enfrentar resistencia por parte de los colaboradores, especialmente en
contextos donde prevalece la dependencia de procesos manuales, es así que un poco más de la cuarta parte de los encuestados
(27,27%) usan la tecnología de manera frecuente para la gestión y toma de decisiones de sus procesos, mientras que una
décima parte (10,91%) utilizan algunas veces, así como también una segunda décima parte (10,91%) nunca lo hacen por
lo que en estos dos casos sostiene la resistencia al uso de las nuevas tecnologías. Adicionalmente, la efectividad de los
tableros de control puede verse restringida si no se establecen de manera clara y consensuada los indicadores clave de
desempeño (KPIs), lo que podría derivar en interpretaciones parciales o poco útiles para la gestión por cuanto un pequeño
(7,27%) grupo de los encuestados consideran de manera general que los indicadores utilizados no les permiten tomar
decisiones de manera oportuna, así como la falta de monitoreo y actualización continua y tampoco respaldan su gestión
con métricas. Shaikh et al. (2021) señalan que los desafíos más importantes en la adopción de tecnología son el costo
de la tecnología y la infraestructura, las habilidades técnicas y la eciencia, los desafíos de adopción, la falta de apoyo
organizacional y el apoyo gubernamental. Otro aspecto relevante es la escalabilidad del modelo. Si bien resulta adecuado
para resolver las necesidades actuales de la empresa, su ecacia a largo plazo dependerá de la capacidad de la organización
para incorporar nuevas fuentes de datos y ampliar su alcance a otras áreas, como producción o logística. Es así que dentro
de la planicación estratégica para la empresa, cerca de la décima parte de los encuestados (9,09%) consideran de manera
frecuente la relevancia para implementar otras áreas, y también una segunda décima parte (9,09%) consideran que nunca
sería importante dicha implementación de manera integral a largo plazo. La transformación digital en Pymes enfrenta
obstáculos de adopción y escalabilidad, requiriendo integración tecnológica, estrategia empresarial y expansión hacia
áreas como producción y logística (Bhuiyan et al., 2024). En consecuencia, el modelo debe entenderse como un punto de
partida que impulsa la transformación digital, pero no como una solución denitiva. Su éxito dependerá de la denición
clara de objetivos estratégicos, la capacitación constante del personal, el diseño de políticas de gobernanza de datos y
la integración gradual de las herramientas en la cultura organizacional. Solo bajo estas condiciones, la inteligencia de
negocios podrá trascender su papel técnico y consolidarse como un recurso estratégico que aumente la competitividad y
sostenibilidad de la empresa en un entorno altamente dinámico y competitivo.
CONCLUSIÓN
El desarrollo de un modelo de inteligencia de negocios para la gestión comercial y la toma de decisiones en la empresa
permitió integrar el uso de datos en la planicación estratégica, mejorando la capacidad de análisis y anticipación del
mercado. Si bien la empresa reconoce el valor de los datos como un activo estratégico, aún existen oportunidades para
fortalecer su aplicación en todos los niveles de la organización, optimizando el uso de las herramientas analíticas y
asegurando que la toma de decisiones se base consistentemente en información conable y actual. Los resultados de la
investigación demuestran que la inteligencia de negocios es un elemento clave en la gestión comercial, facilita el análisis
de los datos históricos, así como el monitoreo de indicadores y tendencias para la toma de decisiones informadas y seguras.
La mayoría de los encuestados reconoce su impacto positivo en la estrategia organizacional, aunque todavía existe un
grupo que o la utiliza de manera constante. Esto resalta la necesidad de fomentar una cultura organizacional basada en
datos, asegurando que la información sea accesible, comprensible y utilizada. El uso de las herramientas informáticas
dentro de la empresa es ampliamente valorado, ya que contribuye al cumplimiento de los objetivos estratégicos y mejora la
Desarrollo de un modelo de inteligencia de negocio para la gestión comercial en una empresa del sector alimenticio
Abad Heredia et al, 2025
revistasinergia@utm.edu.ec
e-ISNN 2528-7869
135
Revista ECA Sinergia
DOI: 10.33936/ecasinergia.v16i3.7671Vol. 16. Núm. 3 (124-136): Septiembre-Diciembre, 2025
Edición Contínua
eciencia en la toma de decisiones. Sin embargo, se ha identicado que no todos los encuestados tienen un conocimiento
uniforme sobre las fuentes de datos ni la calidad de la información utilizada. Esto refuerza la importancia de diseñar una
herramienta informática que integre datos de manera centralizada, facilite su análisis y garantice que todos los usuarios
accedan a información de manera conable y oportuna. La implementación de una herramienta de inteligencia de negocios
debe enfocarse en mejorar la integración de la tecnología con los procesos comerciales, asegurando que la infraestructura
tecnológica esté actualizada y que las inversiones en este ámbito sean constantes. Si bien los encuestados perciben que
la tecnología ha optimizado la productividad, aún existen diferencias en cuanto a la percepción de su actualización y
accesibilidad. La implementación exitosa de la herramienta requiere una planicación adecuada, capacitación del
personal y una infraestructura tecnológica sólida que garantice su funcionamiento óptimo. Los resultados reejan que la
inteligencia de negocios es un pilar fundamental en la toma de decisiones estratégicas dentro de la empresa, aunque su uso
aún no está completamente consolidado en todos los niveles. La mayoría de los encuestados, utilizan datos para la toma
de decisiones, pero un porcentaje signicativo lo hace de manera ocasional. Esto sugiere que la herramienta informática
implementada debe reforzar la accesibilidad y usabilidad de los datos para facilitar su adopción en toda la organización.
Asimismo, es esencial garantizar un monitoreo y actualización constante de los indicadores comerciales para mejorar su
precisión y contribuir ecazmente a la gestión comercial.
REFERENCIAS BIBLIOGRÁFICAS
Almazmomi, N., Ilmudeen, A., & Qaas, A. A. (2021). The impact of business analytics capability on data-driven culture
and exploration: achieving a competitive advantage. Benchmarking: An International Journal, 29(4), 1264-1283.
https://doi.org/10.1108/bij-01-2021-0021
Bhuiyan, M. R. I., Faraji, M. R., Rashid, M., Bhuyan, M. K., Hossain, R., & Ghose, P. (2024). Digital transformation in
SMEs emerging technological tools and technologies for enhancing the SME’s strategies and outcomes. Journal
of Ecohumanism, 3(4), 211-224.
Buri, K. A. J., Quezada, J. M., & Granda, A. D. C. V. (2023). Análisis de las exportaciones del café en el Ecuador, periodo
2017-2021. Ciencia Latina Revista Cientíca Multidisciplinar, 7(1), 6166-6184. https://doi.org/10.37811/cl_rcm.
v7i1.4909
Delen, D., & Ram, S. (2018). Research challenges and opportunities in business analytics. Journal of Business Analytics,
1(1), 2-12. https://doi.org/10.1080/2573234x.2018.1507324
Espinoza-Mina, M. A., Colina-Vargas, A. M., & Palacios-Miranda, J. R. (2022). Implementación de Balanced Scorecard
basado en herramientas de inteligencia de negocios para PYMEs ecuatorianas. Mikarimin. Revista Cientíca
Multidisciplinaria, 8(1), 17-46.
Fuentes Adrianzén, D. J. (2021). Modelo integrado de inteligencia de negocios como soporte a la toma de decisiones en la
gestión comercial de las MYPES. Universidad Señor de Sipán. https://repositorio.uss.edu.pe/
Ganeshkumar, C., Sankar, J. G., & David, A. (2023). Adoption of big data analytics: Determinants and performances
among food industries. International Journal of Business Intelligence Research (IJBIR), 14(1), 1-17.
Negro, A. R., & Mesia, R. (2020). The Business Intelligence and Its Inuence on Decision Making. Journal of Applied
Business & Economics, 22(2). https://doi.org/10.33423/jabe.v22i2.2807
Niu, Y., Ying, L., Yang, J., Bao, M., & Sivaparthipan, C. B. (2021). Organizational business intelligence and decision
making using big data analytics. Information Processing & Management, 58(6), 102725. https://doi.org/10.1016/j.
ipm.2021.102725
O’Connor, C., & Kelly, S. (2017). Facilitating knowledge management through ltered big data: SME competitiveness
in an agri-food sector. Journal of Knowledge Management, 21(1), 156-179. https://doi.org/10.1108/jkm-08-2016-
0357
Olayinka, O. H. (2021). Data driven customer segmentation and personalization strategies in modern business intelligence
frameworks. World Journal of Advanced Research and Reviews, 12(3), 711-726. https://doi.org/10.30574/
wjarr.2021.12.3.0658
e-ISSN 2528-7869
revistasinergia@utm.edu.ec
136
Revista ECA Sinergia
DOI: 10.33936/ecasinergia.v16i3.7671Vol. 16. Núm. 3 (124-136): Septiembre-Diciembre, 2025
Edición Contínua
Osorio, K. G. C., Montealegre, E. V. J. G., Campoverde, E. J. Q., & Romero, H. C. (2022). Tableros y grácos automatizados:
un enfoque a la visualización de datos e inteligencia de negocio. Ciencia Latina Revista Cientíca Multidisciplinar,
6(4), 2624-2641. https://doi.org/10.37811/cl_rcm.v6i4.2784
Popovič, A., Puklavec, B., & Oliveira, T. (2019). Justifying business intelligence systems adoption in SMEs: Impact
of systems use on rm performance. Industrial Management & Data Systems, 119(1), 210-228. https://doi.
org/10.1108/imds-02-2018-0085
PRO ECUADOR. (2025, abril 25). Tendencias en el consumo de café 2025. https://www.proecuador.gob.ec/tendencias-
en-el-consumo-de-cafe-2025/
Ramírez, E. B., Estrella, C. W. G., & Gárate, S. K. S. (2021). La inteligencia de negocios y la analítica de datos en los
procesos empresariales. Revista cientíca de sistemas e informática, 1(2), 38-53. https://doi.org/10.51252/rcsi.
v1i2.167
Seenivasan, D. (2023). Real-time data processing with streaming ETL. International Journal of Science and Research,
12(11), 1-10. https://doi.org/10.21275/sr24619000026
Shaikh, D. A. A., Kumar, M. A., Syed, D. A. A., & Shaikh, M. Z. (2021). A two-decade literature review on challenges
faced by SMEs in technology adoption. Academy of Marketing Studies Journal, 25(3).
Siddharth, K., Patra, G. K., Chandrababu, K., Janardhana Rao, S., & Sanjay Ramdas, B. (2023). Data-Driven Management:
The Impact of Visualization Tools on Business Performance. J Contemp Edu Theo Artic Intel: JCETAI, 101.
https://doi.org/10.2139/ssrn.5029418
Singh, G., Kumar, A., Singh, J., & Kaur, J. (2023, March). Data visualization for developing eective performance
dashboard with Power BI. In 2023 International Conference on Innovative Data Communication Technologies
and Application (ICIDCA) (pp. 968-973). IEEE. https://doi.org/10.1109/icidca56705.2023.10100169
Slusarczyk Antosz, M. (2024). Inteligencia de negocios – Power BI (J. C. Arteaga Fernández, Ed.). Editorial Arteaga
Fernández.
Tsiu, S. V., Ngobeni, M., Mathabela, L., & Thango, B. (2025). Applications and competitive advantages of data mining
and business intelligence in SMEs performance: A systematic review. Businesses, 5(2), 22. https://doi.org/10.2139/
ssrn.4958874
Uribe, J. J. M. (2024). Big data e inteligencia de negocios aplicado en el sector gastronómico. Infometric@-Serie
Ingeniería, Básicas y Agrícolas, 7(1).