ALFA. Revista de Investigación en Ciencias
Agronómicas y Veterinarias
Enero-abril 2023 / Volumen 7, Número 19
ISSN: 2664-0902 / ISSN-L: 2664-0902
https://revistaalfa.org
pp. 139 – 152
Gestión
inteligente de los datos en la agroindustria
Smart data management in agribusiness
Gestão inteligente de
dados no agronegócio
Oscar
Xavier Bermeo Almeida1
obermeoa@unemi.edu.ec
https://orcid.org/0000-0001-6261-5017
Verónica
Isabel Guevara Arias1
veroguear@hotmail.com
https://orcid.org/0000-0003-0856-4997
William Jair Dávila Vargas1
williamjair94@hotmail.com
https://orcid.org/0000-0001-9158-1768
Mayra Gabriela Naspud Espinoza2
magaby_2692@hotmail.com
https://orcid.org/0000-0002-1763-3694
1Universidad Estatal de Milagro. Milagro, Ecuador
2Universidad Agraria del Ecuador.
Guayaquil, Ecuador
Artículo recibido el 16 de noviembre 2022 / Arbitrado el
20 de diciembre 2022 / Publicado el 19 de abril 2023
Escanea
en tu dispositivo móvil o revisa este artículo en:
https://doi.org/10.33996/revistaalfa.v7i19.204
RESUMEN
La gestión inteligente de los datos contribuye con
el trabajo en conjuntos para resolver los principales problemas relacionados
con la agricultura, tales como el acceso a la información, el intercambio de
habilidades y conocimientos, la seguridad alimentaria, el control de plagas de
cultivos. Por ello, el objetivo a desarrollar en este estudio es analizar la
gestión inteligente de datos en el sector agrícola. Para cual, fue realizado un
estudio bibliográfico de carácter descriptivo, en donde se organizó el contenido
siguiendo los criterios de inclusión y exclusión, se seleccionaron
estudios de tipo inductivos los cuales estuvieron basados en imágenes, tablas y
de información relevante, detallando como la gestión inteligente es una
herramienta esencial para el desarrollo, producción y comercialización de
bienes y servicios en diversas cadenas, pero sobre todo de la agroindustria.
Para finalizar se tiene se concluye que las empresas han logrado mejorar su
rentabilidad luego de implementar la gestión de datos inteligentes en sus
procesos, funciones y actividades que se realizan en las mismas, determinando
que las empresas del área agroindustrial están alcanzando un nivel óptimo en
cuanto a crecimiento financiero.
Palabras clave: Agroindustria;
Gestión Inteligente; Datos
ABSTRACT
Intelligent data
management contributes with working together to solve the main problems related
to agriculture, such as access to information, sharing of skills and knowledge,
food safety, crop pest control. Therefore, the objective of this study is to
analyze intelligent data management in the agricultural sector. For this
purpose, a descriptive bibliographic study was carried out, where the content
was organized following the inclusion and exclusion criteria, inductive studies
were selected based on images, tables and relevant information, detailing how
intelligent management is an essential tool for the development, production and
marketing of goods and services in various chains, but especially in
agribusiness. Finally, it is concluded that the companies have managed to
improve their profitability after implementing intelligent data management in
their processes, functions and activities, determining that the companies in
the agroindustrial area are reaching an optimal level
in terms of financial growth.
Key words: Agroindustry;
Intelligent Management; Data
RESUMO
O gerenciamento
inteligente de dados contribui para trabalhar em conjunto para resolver os
principais problemas relacionados à agricultura, tais como acesso à informação,
compartilhamento de habilidades e conhecimentos, segurança alimentar, controle
de pragas agrícolas. Portanto, o objetivo deste estudo é analisar o
gerenciamento inteligente de dados no setor agrícola. Para isso, foi realizado
um estudo bibliográfico descritivo, onde o conteúdo foi organizado seguindo os
critérios de inclusão e exclusão, foram selecionados estudos indutivos baseados
em imagens, tabelas e informações relevantes, detalhando como o gerenciamento
inteligente é uma ferramenta essencial para o desenvolvimento, produção e
comercialização de bens e serviços em várias cadeias, mas especialmente no
agronegócio. Finalmente, conclui-se que as empresas conseguiram melhorar sua
rentabilidade após a implementação do gerenciamento inteligente de dados em
seus processos, funções e atividades realizadas neles, determinando que as
empresas da área agroindustrial estão alcançando um
nível ótimo em termos de crescimento financeiro.
Palavras-chave: Agroindústria; Gestão
Inteligente; Dados
INTRODUCCIÓN
El mundo agrícola maneja tanta antigüedad
como información (1), la agricultura se ha convertido en un sector intensivo en
datos. La información proviene de diversos dispositivos en el campo, granjas,
sensores, tecnología agrícola, estaciones meteorológicas, drones,
satélites, sistemas externos, plataformas de socios, proveedores, clientes (2).
Los datos combinados de los diversos actores en la cadena de producción,
recopilados en un solo lugar, le permiten obtener nueva información de alta
calidad, encontrar patrones, crear valor agregado para todos los actores
involucrados. Expertos, aplicar métodos modernos de procesamiento de datos
científicos y construir en él para tomar las decisiones correctas para reducir
los riesgos. Mejorar el negocio del fabricante y la experiencia del cliente. Es por ello que el desarrollo del
sector agropecuario puede ser visto como una obligación para garantizar la
seguridad económica del Estado (3).
Los indicadores del papel del sector agrícola también son el
porcentaje de mano de obra empleada en la agricultura, así como su
participación en la estructura del PIB. Estos parámetros reflejan el estado de
la producción agrícola (4).
La gestión inteligente de los datos
contribuye con el trabajo en conjuntos para resolver los principales problemas
relacionados con la agricultura, tales como el acceso a la información, el
intercambio de habilidades y conocimientos, la seguridad alimentaria, el
control de plagas de cultivos, la seguridad ambiental y el uso sostenible de
los recursos naturales. La automatización y monitoreo de los procesos
representan un desafío para el sector agrícola (5).
El desarrollo de la tecnología es
una oportunidad no solo para aumentar la productividad, sino también para
especializarse en los procesos de logística y distribución en los sectores
agroalimentario. De hecho, la tecnología digital puede ayudar en gran medida a
los agricultores a poder producir de manera eficiente y en un proceso como una
solución sostenible al cambio climático.
Las empresas de la industria
reconocidas en Ecuador están utilizando estas tecnologías para mejorar muchos
aspectos de la entidad, lo que les permite el análisis de la información,
siendo fundamental para generar progresos tanto en funciones como en el
producto, pero sobre todo para la toma de decisiones, para seguir siendo una
organización reconocida.
Por ello, este estudio tiene como
objetivo analizar la gestión inteligente de datos en el sector agrícola, esto
con el propósito de dar a conocer la gestión de datos dentro de la agricultura
que manejan diversos países al respecto, con mira a mejorar el desarrollo
agrícola y la preservación de los datos históricos dentro de este sector.
METODOLOGÍA
Para el desarrollo
del estudio se consideraron algunos criterios de inclusión y exclusión como que
fuesen estudios de tipo inductivos los cuales estuvieron basados en imágenes,
tablas y de información relevante, detallando como la gestión inteligente es
una herramienta esencial para el desarrollo, producción y comercialización de
bienes y servicios en diversas cadenas, pero sobre todo de la agroindustria.
Además, los criterios de selección de las fuentes bibliográficas incluyeron
años de publicación desde el 2015 al 2022, ya que de esta manera se ha podido
verificar y mostrar que la aplicación de estas tecnologías inteligentes en la
agroindustria está asociada al valor agregado y aumento de la productividad de
los cultivos.
Toda la información fue recolectada,
organizada y clasificada, mediante un formato de registro de Excel, fueron
descartados los estudios que no menos relevante para las variables principales.
Finalmente, todos los datos fueron analizados, sintetizados y organizados para
ser presentados en una secuencia relacionada con el tiempo.
DESARROLLO Y DISCUSIÓN
A través del tiempo, la tecnología ha ganado
terreno en todo ámbito, siendo el sector agroindustrial el que es mayor
demandado, por esta razón han surgido diferentes proyectos investigativos que
tienen que ver con la gestión inteligente de los datos, siendo el Big Data el
más importante en la agroalimentaria, en la Tabla 1 se describe un grupo de
investigaciones relevantes.
Tabla 1. Resultados de búsqueda acerca de la gestión inteligente de los datos en
el sector industrial.
|
Año |
Nombre del proyecto |
Autores del proyecto |
|
2015 |
Innovación
tecnológica en el sector agropecuario |
Iván
Ramírez Bismark
Ruilova Javier
Garzón (6) |
|
2019 |
Internet
de las cosas aplicado a la agricultura: estado actual |
Jhonatan Paolo Tovar, José
de los Santos Solórzano, Andrés
Badillo, Genner Oswaldo Rodríguez (7) |
|
2019 |
E-agricultura
en acción: Big Data para la agricultura |
FAO
and ITU (4) |
|
2020 |
Big
Data e Internet de las Cosas en la producción de banano orgánico |
Vite
Cevallos, H., Townsend Valencia, J., y Carvajal Romero, H. (8) |
|
2020 |
Agricultura
inteligente en México: Analítica de datos como herramienta de competitividad |
Rosales
Soto, A., y Arechavala Vargas, R. (9) |
|
2020 |
La
innovación agroindustrial: componentes, tendencias y acciones |
Arce
Quesada Silvia (10) |
|
2021 |
Comunicación
y Big Data en las empresas ecuatorianas |
Valarezo Karina Paola (11) |
|
2021 |
BIG
DATA: Una herramienta gerencial de crecimiento financiero de las empresas del
sector industrial |
Delgado
Jami, Lizeth Alexandra y
Loor Jácome, Maritza Lisbeth (12) |
|
2021 |
Factores
claves para la adopción de internet de las cosas y Big data |
Dewar Rico, Gina Paola Maestre, Cesar D.
Guerrero, Yurley Medina, Yesenia
Areniz, María Camila Sánchez, Edwin Barrientos (13) |
|
2021 |
El
uso inteligente de datos marca una nueva era para los negocios |
Melisa
Osores (14) |
|
2022 |
Usos
de la Ciencia de datos aplicados al sector
Agrícola |
Alfredo
Mompó Serrano (15) |
Estudios
basados en el uso inteligente de datos, 2015 - 2022
Es importante encontrar estudios
investigativos que tratan sobre como la tecnología, es decir, el uso
inteligente datos brinda una gran ventaja para el sector agroindustrial, los
mismos que incursionan en fuentes de innovación, inteligentes y desarrollo
productivo. Mediante estos proyectos mencionados los investigadores podrán
realizar investigaciones con tipos de enfoques cualitativos tanto como
cuantitativos.
En los estudios mencionados, se ha
determinado que en las últimas dos décadas la gestión inteligente de datos se
ha posicionado como una solución viable a las diversas necesidades del sector
agropecuario, producto del continuo desarrollo industrial, por lo tanto, las
aplicaciones tecnológicas en la industria agrícola han demostrado ser
prácticas, facilitando tareas que pueden ser muy costosas y difíciles de
realizar de forma manual (7).
El contexto del Big data es muy importante,
puesto que permite la combinación de múltiples flujos de datos y los
dispositivos deben basarse en una comprensión definitiva para tomar las
decisiones adecuadas. El Big data o gestión inteligente de datos está
caracterizado por cuatro V, las mismas que se refieren a velocidad, volumen,
variedad y veracidad (4).
Existen algunas empresas agroindustriales a
nivel nacional e internacional, las mismas que realizan sus operaciones o
actividades de cada departamento a través de la gestión inteligente de datos,
en la Tabla 2, se describe algunas empresas en el sector agroindustrial que
utilizan esta tecnología.
Tabla 2.
Empresas agroindustriales que utilizan la gestión
inteligente de datos.
|
Empresa |
Ubicación |
Descripción |
|
Ingenio
Azucarero San Carlos. |
Marcelino
Maridueña, Guayas, Ecuador. |
Trabajan
con la analítica de datos. |
|
Pronaca |
Quito,
Pichicha, Ecuador. |
Utilizan
Big data para gestionar su información. |
|
The Tesalia Springs Company S.A |
Vía
a Pasaje, Machala, Ecuador |
Tienen
un sistema basado en Big Data. |
|
Cervecería
Nacional S.A |
Vía
a Daule, Guayas, Ecuador. |
Controlan
la información mediante un sistema con tecnología Big Data. |
|
Confiteca C.A |
Quito,
Pichincha, Ecuador |
Organizan
la información para la toma de decisiones con esta gestión inteligente |
|
Alpina
Productos Alimenticios S.A |
Guayaquil,
Guayas, Ecuador. |
Esta
herramienta a la vez, les permite tener un historial de información
gestionado. |
Descripción de empresas agroindustriales a nivel Ecuador
Según López
(16) indicó que, al incorporar la gestión
inteligente en el Ingenio Azucarero San Carlos, impulsaron una estrategia de
crecimiento para el gobierno de datos, puesto que en la entidad gestionan
aspectos técnicos, programación y análisis de datos con especialistas internos,
pero el desarrollo de contenidos, reportaría, nuevos modelos analíticos y otros
indicadores son creados con el área de BI y los usuarios del negocio.
Por otro lado, Pronaca
es una empresa agroindustrial que utilizó la gestión inteligente de datos o Big
data para mejorar muchos aspectos de la entidad, lo que les ha permitido el
análisis siendo fundamental para generar mejoras tanto en funciones como en el
producto, pero sobre todo para la toma de decisiones, para seguir siendo una
organización reconocida (17).
En un estudio realizado en el año 2021 se
describe que, en cuanto a la industria, la gestión de datos ha contribuido en
gran medida a la cadena de valor, permitiendo a las empresas formular
estrategias de marketing y servicios posventa, logrando así eficiencias
significativas en la fabricación, la calidad y el marketing de los productos.
Además, se realizó un análisis estadístico mediante indicadores de rentabilidad
de algunas empresas reconocidas del país del sector industrial para determinar
el beneficio del Bigdata en las mismas, en la figura
2 se detalla los resultados obtenidos
(12).
Figura 2. Cuadro comparativo del ranking de
crecimiento de las empresas Industriales entre los periodos 2015-2016/
2017-2018, luego de utilizar la gestión de Big data.
Analítica
de datos
Los datos se han convertido en un recurso
valioso en todo el mundo, pero en general, no es solo información, sino
sabiduría en manos de expertos. Por ello, al recolectar, seleccionar y asimilar
grandes cantidades de datos, información y conocimiento se ha convertido en un
desafío, al momento en que nuestros recursos y capacidades son limitados. Big
data suele ser un conjunto grande, diverso y/o complejo de datos generados a
partir de diversas fuentes, como sensores, transacciones de Internet, correos
electrónicos, videos, secuencias de clics y/o todas las fuentes digitales ahora
y en el futuro (9).
Por ello, una nueva dinámica en
biotecnología, nanotecnología y tecnologías de la información y comunicación
(TIC) podría contribuir con el trabajo en conjuntos para resolver los
principales problemas relacionados con la agricultura, tales como el acceso a
la información, el intercambio de habilidades y conocimientos, la seguridad
alimentaria, el control de plagas de cultivos, la seguridad ambiental y el uso
sostenible de los recursos naturales.
En esta nueva era, la comunicación con sensores
que den información en tiempo real o al menos por períodos cortos de tiempo,
ayudará a responder adecuadamente conectando los dispositivos y logrando
comunicarse con ellos a través de Internet y así prácticamente desde cualquier
lugar. Es fácil pensar en un termómetro o un pluviómetro, pero hoy estos
sensores han ido más allá en su desarrollo, dando nuevas definiciones según el
cultivo, como medidores de crecimiento de diámetro de rama, medidores de
conductividad, medición de tensión (18).
En definitiva, una gama de productos
completamente desarrollada y precios cada vez más competitivos. Del mismo modo,
encontramos sensores en dispositivos que procesan una colección que registrará
información y que ayudará a optimizar el uso de productos fitosanitarios y
además permitirá analizar con mayor precisión la producción y trazabilidad del
cultivo.
Es bien conocida la importancia del sector
agroalimentario para la economía mundial, pero su desempeño no es
necesariamente el mejor, al menos no en América Latina, con algunas
excepciones. Su desempeño está por debajo del promedio regional, regiones y
países más desarrollados. En este sentido, el desarrollo de la tecnología es
una oportunidad no solo para aumentar la productividad, sino también para
especializarse en los procesos de logística y distribución en los sectores
agroalimentario. De hecho, la tecnología digital puede ayudar en gran medida a
los agricultores a poder producir de manera eficiente y en un proceso como una
solución sostenible al cambio climático.
Importancia
de la analítica avanzada
A su vez, el uso de “analítica avanzada” es
de gran utilidad para este campo, ya que asegura el procesamiento de la
información generada por sensores, satélites, GPS, mediante la toma de
decisiones oportunas para la optimización del proceso productivo (3). Otra contribución que se puede destacar
es el uso de vehículos autónomos o semiautónomos para reducir costes y consumos
energéticos, con un alto grado de seguridad y precisión.
Para
mantenerse a la vanguardia del cambio constante en la tecnología de la
información y poder enfrentar varios desafíos, la industria agrícola necesita
dar un nuevo paso en la mejora de sus operaciones, habilitando diferentes
sistemas para enfocarse en monitorear sus respectivos cultivos (19).
Agricultura de precisión
La
agricultura de precisión es una estrategia de gestión que recopila, procesa y
analiza datos temporales, espaciales, personales y los combina con otra
información para apoyar las decisiones de gestión basadas en la variabilidad
estimada, mejorando así la eficiencia en el uso de los recursos, la
productividad, la calidad, la rentabilidad y la sostenibilidad de la producción
agrícola (20).
La
agricultura de precisión no es más que una agricultura inteligente, esta tendrá
como objetivo abordar diferentes datos que se encuentran en la parte de la
productividad, seguridad, cambio climático. Además, al indagar todos estos
datos aprovecha la cantidad de datos que se almacenan en los diferentes
sensores que posee este tipo de agricultura (21).
Cuando hablamos de datos, debe quedar claro
que tienen un gran valor, porque el primer punto es reutilizarlos para
diferentes propósitos y el segundo punto es mezclar datos para crear una nueva
perspectiva y eventualmente expandir los datos a nuevas aplicaciones (22).
La
agricultura de precisión no es más que una agricultura inteligente, esta tendrá
como objetivo abordar diferentes datos que se encuentran en la parte de la
productividad, seguridad, cambio climático. Además, al indagar todos estos
datos aprovecha la cantidad de datos que se almacenan en los diferentes
sensores que posee este tipo de agricultura (21). “La unión de los
diferentes dispositivos inteligentes aplicados en la agricultura proporciona un
enlace para poder intercambiar datos, analizarlos, almacenarlos y la ejecución
con otras aplicaciones” (23). Al hablar de datos
se debe tener en claro que estos tienen mucho valor como primer punto está la
reutilización de ellos para diferentes intenciones, como segundo punto está la
combinación de datos para establecer nuevas perspectivas y por último se
encuentra la ampliación de datos a nuevas App (22).
Existen otros datos de la parte de la
agricultura como la venta, producto vendido, hora en que se realizó la venta,
cuántas unidades del producto se vendieron, el stock existente de cada producto
entre otros (24).
Además, se puede acotar como definición que
la agricultura de precisión tiene su enfoque basado en datos, ya que hace el
proceso de cultivo de una manera automatizada con el uso de diferentes sensores
en donde se almacena información, dicha información le da respuestas a
diferentes preguntas y problemas que el agricultor se plantee, por ejemplo, con
la recopilación de esos datos se puede predecir por temporadas si la producción
será rentable (25). Este tipo de agricultura trabaja de la mano
con diferentes sistemas de gestión, estos les proporciona una ayuda al momento
de presentarse un problema, es cuestión de la gerencia la manera de cómo se va
almacenar los datos, como analizarlos (26). “La agricultura
inteligente tiene como ventaja la administración de los diferentes recursos en
un tiempo real, esto permite el mejoramiento de la calidad y la eficiencia en
la planificación que se realice para los diferentes sucesos imprevistos (27).
Gestión
inteligente en la agroindustria
Para aumentar la productividad en el campo,
es necesario utilizar tecnologías que permitan procesar más y mejor la misma
parte de la tierra, por tal motivo todas las industrias están integrando la digitalización
en sus procesos, y el sector agroindustrial debe hacerlo, especialmente ante la
perspectiva de una futura escasez de alimentos.
La gestión inteligente se está convirtiendo
en una herramienta esencial para el desarrollo, producción y comercialización
de bienes y servicios en diversas cadenas y sectores económicos. La evidencia
muestra que la aplicación de estas tecnologías en la industria está asociada al
valor agregado y aumento de la productividad en toda la empresa (28).
En la etapa de recopilación de datos, las
tecnologías inteligentes juegan un papel muy importante en el desarrollo de la
agricultura y las zonas rurales a través de cadenas digitales y cadenas
alimentarias; basándose en las fases de investigación, desarrollo e innovación
(I+D+i); transferencia de información y tecnología,
intercambio entre participantes en áreas rurales y el proceso productivo en sí.
Según Agnés y
Deboe (29) describen en la Figura
1 que existen diferentes tecnologías digitales que se utilizan en el sector
agroalimentario o industrial:
Figura 2. Diferentes herramientas tecnológicas usadas
en el sector agroindustrial
Big Data en la agroindustria
Big data sirve para poder definir los datos
que sobresalen de su tamaño por ejemplos los terabytes (21). En la actualidad el termino Big Data es súper nombrado, las
diferentes empresas sin importar la actividad que realicen quieren explorar la
información que almacenan sus bases de datos para mejorar sus decisiones
estratégicas para permanecer estable en el mercado. “Big Data surge de dos
ideas básicas la primera es que existe datos en todas partes, en toda actividad
que se realice y la segunda se enfoca en que toda decisión planificada siempre
serán las mejores” (30). Además, surge
por el tema de que las bases de datos tradicionales no solo son capaces de
almacenar, manipular, recuperar datos, sino que se la puede transformar en
información, luego se las puede analizarla y por último es el darle un
propósito beneficioso a la empresa, hoy en día las diferentes decisiones
estratégicas se dan para mantenerse al margen en la competencia (31).
En la actualidad hay un sin número de
investigaciones sobre el tema de Big Data enfocada a diferentes áreas de
industria y en todas se ha concluido que es más probable que las empresas que
apliquen soluciones tomando en cuenta Big Data son las que se tendrán un mayor
éxito ya que se preparan a las diferentes actualizaciones que se den en el
mercado laboral, lastimosamente las que no apliquen Big Data en sus decisiones
fracasaran ya que no podrán proporcionar soluciones en tiempo real que le
permitan estar a la altura de sus competidores (32).
Big data tiene como objetivo ser un apoyo
para la empresa al momento de la toma de decisiones, este proceso se divide en
dos pasos primero está la organización y luego la ejecución de las decisiones
tomadas. Pero ¿Por qué Big Data mejora la toma de decisiones en la
agroindustria? Big data primero hace una recolección de un gran contenido de
información, realiza su respectivo análisis, genera diferentes estrategias,
evalúa los resultados que se obtendrá si se aplica dicha estrategia y si estas
son satisfactorias se ejecuta la decisión (33).
Big data tiene tres características básicas
que son el volumen, hace referencia al tamaño, se tiene que tener en claro que,
aunque existe una gran masa que almacene información no quiere decir que exista
calidad (34). También se tiene como
segunda característica la velocidad, está la variedad respecto a los datos,
aquí se hablan de las diferentes fuentes ejemplo, texto, imágenes, audio, etc. (35).
Big data en la parte de la agricultura no se
enfoca en lo que es la producción primaria, va más allá de eso, tiene su foco
en realizar evaluaciones comparativas con los datos que posee, el análisis de
que sensores beneficia los procesos que se quiere implementar, realizar
diferentes modelos predictivos, además puede realizar una gestión para saber
los posibles riesgos que se puedan dar en la cosecha de los diferentes
cultivos, lo que hace Big Data en la agricultura es realizar análisis
predictivos con sus respectivas soluciones de problemas futuros, haciendo que
la empresa sea conocida por diseñar estrategias innovadoras, posesionando a la
misma como un negocio innovador (36). Muchos estudios
realizados indican que la unión de Big data con la unión de un CRM que es un
software que gestiona las relaciones con los clientes y este a su vez cuenta
con la tecnología para que un negocio se automatice, es que se vuelve más
robusta la empresa, más agresiva en cuestiones de estrategias en marketing (37).
Gestión
inteligente de los datos del cliente
La gestión
inteligente de datos es considerada un método consolidado que permita la
correcta administración de todos los datos almacenados. No es más que un
análisis que recopilamos de todos los clientes, para conocer más de ellos y
poder usarlo en beneficio para la empresa, aquí se analizan datos a nivel
global en temas de producción, venta, compra e incluso las deudas que tiene la
empresa, todos estos datos que se analizan se consideran para la estrategia
empresarial (38). Aquí se aplican diferentes métodos de Business Intelligence
que permitan consolidar la empresa teniendo una efectiva gestión, una correcta
planificación y las diferentes actividades que se consideraron para la toma de
decisiones (39).
Las empresas
al momento de aplicar Business Intelligence deben
saber que quieren como meta principal para su empresa, ya que el éxito de la
inteligencia de negocios representa diferentes sectores un ejemplo, una empresa
XYZ utiliza BI para realizar una reducción de costos, para el mejoramiento de
la rentabilidad o para ofrecer una mejor atención a sus clientes etc. (40). Estas decisiones las toma la gerencia, ya que ellos tienen el
conocimiento de cuáles son las principales problemáticas que aparecen en la
empresa, ellos comprenden esos problemas del negocio, y son ellos mismo los que
decidirán cual es la solución más favorable para la resolución del problema (41).
Una correcta
gestión de datos del cliente, permite conocerlo mejor, saber que necesidades
este tiene y poder satisfacerlas, ¿Cómo se obtendría los datos del cliente? Es
fácil, la cuestión es buscar diferentes fuentes, diferentes medios para
recopilar dicha información, un ejemplo de esta fuente son las redes sociales (42). El éxito de toda empresa será el cliente, si se ofrece una buena
atención y se vende un buen producto el mismo cliente recomendara la empresa,
es por esta razón que uno debe estar en constante innovación y buscando lo
mejor para él, “los datos que toma la inteligencia de negocios parte desde el
comportamiento del cliente cuando realiza una compra hasta la parte de que días
prefiere comprar, que artículos son los que más gusta entre otros, estos datos
los analiza BI para poderle ofrecer al cliente luego en su próxima visita una
promoción más personalizada” (43).
Hoy el
enfoque de toda empresa ha cambiado, toda la producción que se realice gira en
torno al cliente, antes de realizar una nueva producción se considera todos los
datos proporcionados por el cliente, la mejor manera de tener una rentabilidad
y estar sostenible en el mercado, es tener una excelente relación con el
cliente, ganarse la fidelidad de ellos (44). Es por el
cliente que las diferentes industrias ofrecen un mejor servicio, una mejor
calidad en sus productos de esta manera generan confianza, al hacer esto el
cliente se vuelve leal a la empresa que quiere decir que va a existir una
repetición en una compra de parte de ese cliente y la empresa lo que gana es el
incremento de sus ganancias (45). La empresa ahora no está dedicada al 100% en
la búsqueda de nuevos clientes, su objetivo es retener a sus clientes fijos,
satisfacer sus problemas (46).
CONCLUSIÓN
Mediante un estudio a través de indicadores se determinó como
las empresas han logrado mejorar su rentabilidad luego de implementar la
gestión de datos inteligentes en sus procesos, funciones y actividades que se
realizan en las mismas, determinando que las empresas del área agroindustrial
están alcanzando un nivel óptimo en cuanto a crecimiento financiero, llevando
el manejo de información de calidad para la toma de decisiones respectiva.
REFERENCIAS BIBLIOGRÁFICAS
1.
García-Baquero, R. D. Agroindustria 4.0, la era de la información y la
conectividad. Mercacei magazine, 2020;104:56-61.
https://www.mercacei.com/pdf/m104-digitalizacion.pdf
2. Espinoza M, Andrade M, Rojas A,
Falcó V. Tecnologías de la información y comunicación en la agricultura.
Revista UNIANDES Episteme, 2017;4(1):105-116.
https://dialnet.unirioja.es/servlet/articulo?codigo=6756395
3. Ordoñez García JE, Merizalde
Andrade CE, Villamar Piguave
WG. TIC y su contribución para el desarrollo sostenible en la agroindustria
alimentaria. RECIAMUC [Internet]. 29nov.2021 [citado 17abr.2023];5(4):22-6. Available from:
https://reciamuc.com/index.php/RECIAMUC/article/view/718
4. FAO. 2019. El estado mundial de la
agricultura y la alimentación. Progresos en la lucha contra la pérdida y el
desperdicio de alimentos. Roma. Licencia: CC BY-NC-SA 3.0 IGO
5. Espiritu F. Gestión mediante soluciones
tecnológicas aplicadas a la agroindustria [06 de octubre de 2021]. 2021;
https://repositorio.promperu.gob.pe/server/api/core/bitstreams/1a4b0053-ed2d-4af2-a9ad-58818a871e0b/content
6. Ramírez-Morales I, Reyes B, Garzon-Montealegre J. Innovación tecnológica en el sector agropecuario (Doctoral dissertation, tesis de
grado) Universidad Técnica de Machala). 2015. [Tesis]. http://repositorio.utmachala.edu.ec/handle/48000/6848
7. Tovar Soto J, Solórzano Suárez J, Badillo
Rodríguez A, Rodríguez Cainaba Genner
O. Internet de las cosas aplicado a la agricultura: estado actual. Lámpsakos,
2019; (22):86-105. https://dialnet.unirioja.es/servlet/articulo?codigo=7210369
8. Vite Cevallos H,
Townsend Valencia J, Carvajal Romero H. Big Data e internet de las cosas en la
producción de banano orgánico. Universidad y Sociedad [online]. 2020;12(4):192-200. Epub 02-Ago-2020.
ISSN 2218-3620.
http://scielo.sld.cu/scielo.php?script=sci_abstract&pid=S2218-36202020000400192
9. Rosales A, Arechavala R.
Agricultura inteligente en México: Analítica de datos como herramienta de
competitividad. Jalisco: Universidad de Guadalajara; 2020. Available
from:
http://www.web.facpya.uanl.mx/vinculategica/Vinculategica6_2/37_Rosales_Arechavala.pdf.
10. Arce Quesada S. La innovación agroindustrial:
componentes, tendencias y acciones. e-Agronegocios
[Internet]. 20 de diciembre de 2019 [citado 17 de abril de 2023];6(1):25-37. Disponible en:
https://revistas.tec.ac.cr/index.php/eagronegocios/article/view/4938
11. Valarezo-González KP, Román Rivera ME. Comunicación y Big Data en las
empresas ecuatorianas. 2021;10(20):7-20
https://doi.org/10.33115/udg_bib/cp.v10i20.22619
12. Delgado L, Loor
Jácome M. BIG DATA: Una herramienta gerencial de crecimiento financiero de las
empresas del sector industrial. Articulo Académico. Universidad de las fuerzas
armadas ESPE, Departamento de Ciencias Económicas, Administras y del Comercio;
2021.
http://repositorio.espe.edu.ec/bitstream/21000/24407/1/AA-ESPEL-CAI-0723.pdf
13. Rico-Bautista D,
Maestre-Góngora GP, Guerrero CD, Medina-Cárdenas Y, Areniz-Arévalo
Y, Sanchez-Velasquez MC et al. Universidad
inteligente: Factores claves para la adopción de internet de las cosas y big data. RISTI - Revista Iberica de Sistemas e Tecnologias de Informacao.
2021;(41):63-79. doi:
10.17013/RISTI.41.63-79
14. Osores M. El uso
inteligente de datos marca una nueva era para los negocios. 28 abril 2021. [artículo de prensa]
https://www.computerweekly.com/es/noticias/252499951/El-uso-inteligente-de-datos-marca-una-nueva-era-para-los-negocios
15. Mompó Serrano A. Usos de la
Ciencia de Datos aplicados al sector agrícola. Universitat
Politécnica. 2021. de València. http://hdl.handle.net/10251/179224
16. López S. Agroindustria: Oportunidades para trabajar con analítica y
datos. [Online].;
2021. Available from:
https://itahora.com/2021/03/20/agroindustria-oportunidades-para-trabajar-con-analitica-y-datos/.
17. Saavedra SX. dataworld. [Online];
2022. Available from:
https://dataworld.blog/2022/05/14/pronaca-y-el-analisis-de-datos/.
18. Domínguez. Agroindustria
4.0, la era de la información y la conectividad.; 2020. Available from:
https://www.mercacei.com/pdf/m104-digitalizacion.pdf.
19. Kamilaris A, Kartakoullis A, Prenafeta-Boldú XF. A review on the practice of big data analysis
in agriculture. Computers and Electronics in Agriculture. 2017;
143:23-37. https://doi.org/10.1016/j.compag.2017.09.037
20. Scaramuzza. La transformación digital del sector de los
cultivos extensivos en Argentina. Córdoba: ISPA; 2019. Available from:
https://www.cepal.org/sites/default/files/presentations/presentacion.tecnica_1_fernando-scaramuzza_inta-argentina.pdf.
21. Shrivastava S, Marshall-Colon A. Big Data in Agriculture
and Their Analyses. Encyclopedia of Food Security and
Sustainability. 2019; 1:233-237.
https://doi.org/10.1016/B978-0-08-100596-5.22191-4
22. Pham X, Stack M. How data analytics is transforming agriculture. Business Horizons. 2018; 61(1): 125-133.
https://doi.org/10.1016/j.bushor.2017.09.011
23. Porter ME, Heppelmann JE. How smart, connected
products are transforming companies. Harvard business review. 2015;93(10):96-114. https://doi.org/10.1080/00036846.2016.1158924
24. Waller MA, Fawcett SE. Data Science, Predictive Analytics, and Big Data:
A Revolution That Will Transform Supply Chain Design and Management. Journal of Business Logistics. 2013; 32(2): p. 77–84.
https://doi.org/10.1111/jbl.12010
25. Ruß G, Brenning A.
Data Mining in Precision Agriculture: Management of Spatial Information. In
International Conference on Information Processing and Management of
Uncertainty in Knowledge-Based Systems; Berlín:
Springer. 2013;350-359.
https://doi.org/10.1007/978-3-642-14049-5_36
26. Rupnik R, Kukar M, Vračar P, Košir D, Pevec D, Bosnić Z. AgroDSS: A decision support system for agriculture and
farming. Computers and Electronics in Agriculture. 2019; 161: 260-271.
https://doi.org/10.1016/j.compag.2018.04.001
27. Skobelev PO, Simonova
EV, Smirnov SV, Budaev DS, Voshchuk
GY, Morokov AL. Development of a Knowledge Base in
the “Smart Farming” System for Agricultural Enterprise Management. Procedia Computer Science. 2019; 150:154-161.
https://doi.org/10.1016/j.procs.2019.02.029
28. Sotomayor, Ramírez, Martínez.
Digitalización y cambio tecnológico en las mipymes
agrícolas y agroindustriales en América Latina. Naciones Unidas. 2021; 1-198.
https://repositorio.cepal.org/handle/11362/46965
29. Agnés M, DeBoe G. oecd. [Online].;
2018 [cited 2022 octubre 21. Available from:
https://www.oecd.org/officialdocuments/publicdisplaydocumentpdf/?cote=TAD/CA/GF(2018)1&docLanguage=En.
30. Torrecilla JLJ. Data
learning from big data. Statistics & Probability
Letters. 2018; 136: 15-19. https://doi.org/10.1016/j.spl.2018.02.038
31. Merendino A, Dibb S,
Meadows M, Quinn L, Wilson D, Simkin L, et al. Big
data, big decisions: The impact of big data on board level decision-making. Journal of Business Research. 2018;
93:67-78. https://doi.org/10.1016/j.jbusres.2018.08.029
32. Waga D, Rabah K.
Environmental Conditions’ Big Data Management and Cloud Computing Analytics for
Sustainable Agriculture. World Journal of Computer
Application and Technology. 2014; 2(3): 73 - 81.
https://ssrn.com/abstract=2349238
33. Tabesh P, Mousavidin
E, Hasani S. Implementing big data strategies: A
managerial perspective. Business Horizons. 2019;
62(3):347-358. https://doi.org/10.1016/j.bushor.2019.02.001
34. Lioutas ED, Charatsari
C, La Rocca G, De Rosa M. Key questions on the use of
big data in farming: An activity theory approach. NJAS - Wageningen
Journal of Life Sciences. 2019; 1-12.
https://doi.org/10.1016/j.njas.2019.04.003
35. Sonka S. Big Data and the Ag Sector: More than
Lots of Numbers. International Food and Agribusiness
Management Review. 2014;17(1):1-20.
https://doi.org/10.22004/ag.econ.163351
36. Wolfert S, Ge L, Verdouw C, Bogaardt MJ. Big Data in Smart Farming – A review. Agricultural
Systems. 2017; 153:69-80.
https://doi.org/10.1016/j.agsy.2017.01.023
37. Anshari M, Almunawar MN,
Lim SA, Al-Mudimigh A. Customer relationship
management and big data enabled: Personalization & customization of
services. Applied Computing and Informatics. 2019; 15(2): 94-101.
https://doi.org/10.1016/j.aci.2018.05.004
38. George J, Kumar V, Kumar S. Data Warehouse Design Considerations for a
Healthcare Business Intelligence System. Proceedings of the
World Congress on Engineering. 2015; 1:1-3.
https://www.iaeng.org/publication/WCE2015/WCE2015_pp308-311.pdf
39. Tyrychtr J, Ulman M,
Vostrovský V. Evaluation of the state of the Business
Intelligence among small Czech farms. Agricultural Economics.
2015;61(2):63-71.
https://doi.org/10.17221/108/2014-AGRICECON
40. Işık Ö, Jones MC, Sidorova
A. Business intelligence success: The roles of BI capabilities and decision
environments. Information & Management. 2013;
50(1):13-23. https://doi.org/10.1016/j.im.2012.12.001
41. Debortoli S, Müller O, Brocke
Jv. Comparing
Business Intelligence and Big Data Skills. Business &
Information Systems Engineering. 2014; 6(5): p. 289–300.
https://link.springer.com/article/10.1007/s11576-014-0432-4
42. Zhang H,
Xiao z. Customer involvement in big data analytics and its impact on B2B
innovation. Industrial Marketing Management. 2019; p.
1-10. https://doi.org/10.1016/j.indmarman.2019.02.020
43. Zerbino P, Aloini D,
Dulmin R, Mininno V. Big
Data-enabled Customer Relationship Management: A holistic approach. Information Processing & Management. 2018; 54(5): p.
818-846. https://doi.org/10.1016/j.ipm.2017.10.005
44. Soltani Z, Zareie B, Milani FS, Navimipour NJ. The impact of the customer relationship
management on the organization performance. The Journal of High
Technology Management Research. 2018; 29(2): p. 237-246.
https://doi.org/10.1016/j.hitech.2018.10.001
45. Talón-Ballestero P, González-Serrano L,
Soguero-Ruiz C, Muñoz-Romero S, Rojo-Álvarez JL. Using big data from Customer Using big data
from Customer Relationship Management information systems to determine the
client profile in the hotel sector. Tourism Management.
2018; 68: p. 187-197. https://doi.org/10.1016/j.tourman.2018.03.017
46. Ahmad Z, Jun M, Khan
I, Abdullah M, Ahmad TG. Examining Mediating
Role of Customer Loyalty for Influence of Brand Related Attributes on Customer
Repurchase Intention. Journal of Northeast Agricultural
University. 2016; 23(2): p. 89-96. https://doi.org/10.1016/S1006-8104(16)30052-6
CONFLICTO DE
INTERESES. No existe conflicto de intereses para la publicación del
presente artículo científico.