Implementación de analítica para la optimización operativa y la toma de decisiones estratégicas en agencias aduanales
DOI:
https://doi.org/10.58299/cisa.v8i1.126Abstract
Problema: la ausencia de una cultura basada en datos en las organizaciones limita la calidad de las decisiones y la capacidad de anticiparse al mercado. Este estudio tuvo como objetivo analizar la implementación de herramientas de analítica Big Data para optimizar la eficiencia operativa y fortalecer la toma de decisiones estratégicas en agencias aduanales mediante un modelo de inteligencia de negocios. Clasificación y diseño: se desarrolló bajo un enfoque cuantitativo, no experimental, de alcance exploratorio y corte transversal, con base en información de agencias aduanales del puerto de Manzanillo. Los instrumentos incluyeron bases de datos institucionales, registros operativos, SQL Server y Excel, validados mediante procesos de depuración y verificación de consistencia. El análisis se realizó con estadística descriptiva y técnicas exploratorias. Los resultados evidencian que la integración de datos y el uso de dashboards optimizan procesos, fortalecen la capacidad predictiva y mejoran la toma de decisiones. Se concluye que la analítica Big Data impulsa la competitividad y sostenibilidad organizacional.
References
Albarracín Vanoy, R. J. (2023). Logistics 4.0: Exploring artificial intelligence trends in efficient supply chain management. Data and Metadata, 2, 145. https://doi.org/10.56294/dm2023145
Babai, M. Z. (2025). On the use of machine learning in supply chain management: A systematic review. IMA Journal of Management Mathematics, 36(1), 21–49. https://doi.org/10.1093/imaman/dpae029
Baron, R. A. (2024). Entrepreneurship: Evidence-based foundations (3a ed.). Edward Elgar Publishing.
Belhadi, A., Kamble, S., Gunasekaran, A., & Mani, V. (2023). Data science and big data analytics in logistics and supply chain: A systematic literature review. Annals of Operations Research.
Chatterjee, A., & Chatterjee, D. (2024). A journey of business analytics in improving supply chain performance: A systematic review of literature. Decisión. https://doi.org/10.1177/0258042X231208586.
Chiavenato, I. (2022). Administración de recursos humanos: El capital humano de las organizaciones. (11a ed.). McGraw Hill Education.
Daniel Kahneman (2011). Thinking, Fast and Slow. Farrar, Straus and Giroux. https://doi.org/10.1007/s00362-013-0533-y
Dmitry Ivanov, Alexandre Dolgui & Boris Sokolov (2021). Digital supply chain and operations management in the industry 4.0 era. International Journal of Production Research. DOI: 10.1007/978-3-030-72331-6_16
Herbert A. Simon (1997). Administrative Behavior (4th ed.). Free Press. https://doi.org/10.1093/oxfordhb/9780199646135.013.22
Hernández, R., Fernández, C. & Baptista, M. (2014). Metodología de la Investigación (sexta edición). McGRAW-Hill / Interamericana Editores, S.A. de C.V. https://apiperiodico.jalisco.gob.mx/api/sites/periodicooficial.jalisco.gob.mx/files/metodologia_de_la_investigacion_-_roberto_hernandez_sampieri.pdf .
Hsinchun Chen, Roger H. L. Chiang & Veda C. Storey (2012). Business Intelligence and Analytics: From Big Data to Big Impact. MIS Quarterly. https://doi.org/10.2307/41703503
Panos Mikalef et al. (2020). Big data analytics capabilities and firm performance. Information & Management. https://doi.org/10.1016/j.jbusres.2019.01.044
Pawar, P. V., & Paluri, R. A. (2022). Big data analytics in logistics and supply chain management: A review of literature. Vision: The Journal of Business Perspective. https://doi.org/10.1177/09722629221091655
Rameshwar Dubey et al. (2021). Big data analytics capability in supply chain management. Transportation Research Part E. https://doi.org/10.1108/MD-01-2018-0119
Samuel Fosso Wamba et al. (2020). Big data analytics and firm performance: Effects of dynamic capabilities. Journal of Business Research. https://doi.org/10.1016/j.jbusres.2016.08.009
Shahriar Akter et al. (2021). Analytics-based decision-making for service systems: A qualitative study and agenda for future research. International Journal of Information Management. https://doi.org/10.1016/j.ijinfomgt.2019.01.020




