Factores del uso de datos digitales en la gestión y toma de decisiones: análisis de regresión logística en empresas de San Salvador

Contenido principal del artículo

Rubenia Castro Santos
https://orcid.org/0009-0001-8238-038X
Rodrigo B. Chicas
https://orcid.org/0009-0005-5924-7627
Yanira Jovel Jovel
https://orcid.org/0009-0006-4861-7896

Resumen

Este estudio analiza el uso de datos digitales en la toma de decisiones y la gestión empresarial en el área metropolitana de San Salvador (AMSS). Se justifica por la digitalización y la necesidad de optimizar la competitividad empresarial, e investiga cómo las empresas utilizan datos para mejorar su desempeño. Mediante un enfoque metodológico cuantitativo y transversal, se aplicaron encuestas a 286 empresas de distintos tamaños y sectores para medir las variables de nivel de digitalización, calidad de los datos, capacitación del personal e inversión en tecnología. Los hallazgos evidencian una brecha digital significativa: mientras el 93.5% de las grandes empresas implementa análisis de datos, solo el 35.9% de las microempresas lo hace. Entre las barreras encontradas, sobresalen la falta de capacitación, la infraestructura deficiente y la baja inversión tecnológica. Se concluye que la digitalización no garantiza, por sí sola, la toma de decisiones basada en datos si no va acompañada de inversión estratégica en herramientas de gestión y formación del talento humano. Se sugiere desarrollar investigaciones sobre estrategias de digitalización para microempresas y sobre cómo impacta la inversión en tecnología en la competitividad empresarial.

Downloads

Download data is not yet available.

Detalles del artículo

Sección

Artículos

Biografía del autor/a

Rubenia Castro Santos, Instituto Superior de Economía y Administración de Empresas (ISEADE), El Salvador

Rubenia Castro-Santos es economista y docente universitaria con experiencia en investigación aplicada y consultoría en políticas públicas. Licenciada en Economía por la Universidad de El Salvador, con posgrado en Finanzas Corporativas y egresada de la Maestría en Políticas Públicas. Actualmente investiga el impacto del gasto público en educación mediante técnicas econométricas. Es investigadora en ISEADE, donde desarrolla estudios sobre innovación tecnológica y sostenibilidad. Ha trabajado como analista fiscal en Ministerio de Hacienda de El Salvador y consultora para OXFAM, FAO y GIZ. Domina software como R y SPSS, y ha publicado estudios regionales sobre género, protección social y desarrollo económico.

Rodrigo B. Chicas, Instituto Superior de Economía y Administración de Empresas (ISEADE), El Salvador

Rodrigo B. Chicas es ingeniero industrial (UCA) y tiene un MBA por la Universidad de Leipzig, Alemania, becado por el DAAD. Desde hace más de una década lidera el área de Investigación e innovación en ISEADE, donde ha coordinado más de 65 diplomados y la publicación de seis libros. Pionero en programas de Business Intelligence en El Salvador, ha presentado investigaciones en Alemania, Vietnam y América Latina. Fue editor de la revista Empresa (2011–2016) y ha promovido alianzas con universidades internacionales y el sector privado. Su experiencia combina gestión académica, ciencia de datos, desarrollo institucional y transformación educativa con enfoque aplicado.

Yanira Jovel Jovel, Instituto Superior de Economía y Administración de Empresas (ISEADE), El Salvador

Yanira Jovel-Jovel es especialista en finanzas con sólida trayectoria académica y profesional. Posee un MBA en Finanzas por ISEADE-FEPADE y licenciaturas en Administración de Empresas y Contaduría Pública. Es docente de tiempo completo en ISEADE, impartiendo Matemática Financiera y Diagnóstico de Inversión. Ha sido analista financiera y gerente en el sector público y privado, destacando su labor en la Superintendencia del Sistema Financiero y el Ministerio de Justicia. Su experiencia incluye asesoría en proyectos de inversión, auditorías, gestión de riesgos y docencia en universidades como la UTEC, consolidando su compromiso con la formación en finanzas y administración empresarial.

Cómo citar

Factores del uso de datos digitales en la gestión y toma de decisiones: análisis de regresión logística en empresas de San Salvador. (2025). The Anáhuac Journal, 25(1), 1-30. https://doi.org/10.36105/theanahuacjour.2025v25n1.2779

Referencias

Ávila-Guerrero, F. M., Bernal Díaz, I. V. y Monroy Gómez, D. A. (2023). “Transformación digital empresarial: revisión de producciones investigativas 2017-2021”. Revista Venezolana de Gerencia, 28(101), 282-296. https://doi.org/10.52080/rvgluz.28.101.18

Alkhaldi, R. H. (2024). “Digital Transformation Impact on Business Decision-Making”. World Journal of Advanced Engineering Technology and Sciences, 13(1), 001–011. https://doi.org/10.30574/wjaets.2024.13.1.0365

Banco Central de Reserva de El Salvador (BCR). (2018). “Caracterización del sector exportador”. Boletín Económico, marzo-abril 2018. Banco Central de Reserva de El Salvador.

Beg, J. y Hussain, S. (2023). “Data Quality-A Problem and An Approach” (White Paper). Wipro Technologies https://bit.ly/3ZNowtg

Bokulich, A. y Parker, W. (2021). “Data Models, Representation, and Adequacy-for-Purpose”. European Journal for Philosophy of Science, 11, 31. https://doi.org/10.1007/s13194-020-00345-2

Bravo Cobeña, C. M., Valdivieso Guerra, P. del A. y Arregui Pozo, R. (2018). “Los sistemas de información en la toma de decisiones gerenciales en las empresas comerciales de Portoviejo”. ECA Sinergia, 9(2), 45. https://doi.org/10.33936/ECA_SINERGIA.V9I2.1334

Bu, Y. (2025). “The Impact of US-China Decoupling Policies on the Reconfiguration of US and China-Based Global Value Chains An Analysis of the ICT Industry” [tesis de maestría]. Victoria University of Wellington. Archivo digital. https://doi.org/10.26686/WGTN.28409738

Bueno, A. L., Sigahi, T. F. A. C., Rampasso, I. S., Leal Filho, W. y Anholon, R. (2024). “Impacts of Digitization on Operational Efficiency in the Banking Sector: Thematic Analysis and Research Agenda Proposal”. International Journal of Information Management Data Insights, 4, 100230. https://doi.org/10.1016/j.jjimei.2024.100230

Cao, G., Duan, Y., Edwards, J. S. y Dwivedi, Y. K. (2021). “Understanding Managers’ Attitudes and Behavioral Intentions Towards Using Artificial Intelligence for Organizational Decision-Making”. Technovation, 106, 102312. https://doi.org/10.1016/J.TECHNOVATION.2021.102312

Casas Anguita, J., Repullo Labrador, J. R. y Donado Campos, J. (2003). “La encuesta como técnica de investigación. Elaboración de cuestionarios y tratamiento estadístico de los datos (I)”. Atención Primaria, 31(8), 527-538. https://doi.org/10.1016/S0212-6567(03)70728-8

Castro Rozo, F. E. (2013). “Indicadores de gestión para la toma de decisiones basada en inteligencia de negocios”. Tecnología Investigación y Academia, 2(1). https://revistas.udistrital.edu.co/index.php/tia/article/view/4639/7094

Cochran, W. G. (1977). Sampling Techniques (3.ª ed). John Wiley & Sons. https://archive.org/details/samplingtechniqu0000coch_t4x6/page/n7/mode/2up

Diestra Quinto, N. M., Cordova Villodas, A. J., Caruajulca Montero, C. P., Esquivel Cueva, D. L. y Nina Vera, S. A. (2021). “La inteligencia artificial y la toma de decisiones gerenciales”. Revista de Investigación Valor Agregado, 8(1), 52-69. https://doi.org/10.17162/RIVA.V8I1.1631

Echeverri, A., Lozada, N. y Arias, J. E. (2018). “Incidencia de las prácticas de gestión del conocimiento sobre la creatividad organizacional”. Información Tecnológica, 29(1), 71-82. https://doi.org/10.4067/S0718-07642018000100071

Garani, G., Tolis, D. y Savvas, I. K. (2023). “A Trajectory Data Warehouse Solution for Workforce Management Decision-Making”. Data Science and Management, 6(2), 88-97. https://doi.org/10.1016/J.DSM.2023.03.002

García Jiménez, E., Flores, J. G. y Rodríguez Gómez, G. (1994). “Análisis de datos cualitativos en la investigación sobre la diferenciación educativa”. Revista Investigación Educativa, 23(5), 23-1994. https://idus.us.es/server/api/core/bitstreams/6bd257e1-1e32-4f3f-b0ac-310e96749242/content

George, D. y Mallery, P. (2003). SPSS for Windows Step by Step: A Simple Guide and Reference 11.0 update (4ª. edición). Allyn & Bacon. https://archive.org/details/spssforwindowsst00geor

Hasson, F., Keeney, S. y McKenna, H. (2000). “Research Guidelines for the Delphi Survey Technique”. Journal of Advanced Nursing, 32(4), 1008-1015. https://doi.org/10.1046/J.1365-2648.2000.T01-1-01567.X

Hägele, L., Klier, M., Moestue, L., & Obermeier, A. (2025). “Aspect-Based Currency of Customer Reviews: A Novel Probability-Based Metric to Pave the Way for Data Quality-Aware Decision-Making”. Electronic Markets. Advance, 35 (20). https://doi.org/10.1007/s12525-025-00760-4

Heredia Rico, J. J. y Vilalta Alonso, J. A. (2009). “La calidad de los datos: Su importancia para la gestión empresarial”. Libre Empresa, 6(1), 43-50. https://revistas.unilibre.edu.co/index.php/libreempresa/article/view/2929

Heubeck, T. (2023). “Managerial Capabilities as Facilitators of Digital Transformation? Dynamic Managerial Capabilities as Antecedents to Digital Business Model Transformation and Firm Performance”. Digital Business, 3, 100053. https://doi.org/10.1016/j.digbus.2023.100053

In, J. y Lee, S. (2017). “Statistical Data Presentation”. Korean Journal of Anesthesiology, 70(3), 267-276. https://doi.org/10.4097/KJAE.2017.70.3.267

Jafari-Sadeghi, V., Garcia-Perez, A., Candelo, E. y Couturier, J. (2021). “Exploring the Impact of Digital Transformation on Technology Entrepreneurship and Technological Market Expansion: The Role of Technology Readiness, Exploration and Exploitation”. Journal of Business Research, 124, 100-111. https://doi.org/10.1016/J.JBUSRES.2020.11.020

Kallmuenzer, A., Mikhaylov, A., Chelaru, M. y Czakon, W. (2024). “Adoption and Performance Outcome of Digitalization in Small and Medium-Sized Enterprises”. Review of Managerial Science. https://doi.org/10.1007/s11846-024-00744-2

Kraus, S., Durst, S., Ferreira, J. J., Veiga, P., Kailer, N., & Weinmann, A. (2022). “Digital Transformation in Business and Management Research: An Overview of the Current Status Quo”. International Journal of Information Management, 63, 102466. https://doi.org/10.1016/j.ijinfomgt.2021.102466

Landeta, J. (2006). “Current Validity of the Delphi Method in Social Sciences”. Technological Forecasting and Social Change, 73(5), 467-482. https://doi.org/10.1016/J.TECHFORE.2005.09.002

Marchionini, G. (2023). “Information and Data Sciences: Context, Units of Analysis, Meaning, and Human Impact”. Data and Information Management, 7(1), 100031. https://doi.org/10.1016/J.DIM.2023.100031

McKinsey & Company Survey. (2024). “Share of Companies Using Artificial Intelligence Technology”. AI Index (2023, 2024). https://bit.ly/3Zxhasv

Mishrif, A. y Khan, A. (2023). “Technology Adoption as Survival Strategy for Small and Medium Enterprises During COVID-19”. Journal of Innovation and Entrepreneurship, 12(1), 53. https://doi.org/10.1186/s13731-023-00317-9

Mora, B. (2025, marzo 7). “El poder de los datos abiertos en la ciencia de datos”. Abierto al público [blog], Banco Interamericano de Desarrollo (BID). https://blogs.iadb.org/conocimiento-abierto/es/el-poder-de-los-datos-abiertos-en-la-ciencia-de-datos/

Naciones Unidas. (2005). Measuring ICT: The Global Status of ICT Indicators Partnership on Measuring ICT for Development. En United Nations ICT Task Force.

NetBase Quid. (2024). Annual Private Investment in Artificial Intelligence, by Focus Area. AI Index (2024); U.S. Bureau of Labor Statistics, 2024. https://bit.ly/3VAl2YP

Neuman, W. L. (2014). Social Research Methods: Qualitative and Quantitative Approaches (7.ª ed.). Pearson Education. https://bift.ly/41xYTy6

Ongena, G. (2023). “Data Literacy for Improving Governmental Performance: A Competence-Based Approach and Multidimensional Operationalization”. Digital Business, 3(1). https://doi.org/10.1016/j.digbus.2022.100050

Popa, S., Soto-Acosta, P. y Pérez-Gónzalez, D. (2018). “An Investigation of the Effect of Electronic Business on Financial Performance of Spanish Manufacturing SMEs”. Technological Forecasting and Social Change, 136, 355-362. https://doi.org/10.1016/J.TECHFORE.2016.08.012

Portilla-Romero, J. D. (2017). “Gobierno de datos, un potenciador de los sistemas de gestión de calidad”. Signos, 9(2), 159-172. https://doi.org/10.15332/S2145-1389.2017.0002.10

Raptis, T. P., Passarella, A. y Conti, M. (2019). “Data Management in Industry 4.0: State of the Art and Open Challenges”. IEEE Access, 7. https://doi.org/10.1109/ACCESS.2019.2929296

Rosário, S. y Dias, A. (2023). “Digital Transformation and Decision-Making in SMEs: Evidence from Emerging Economies”. Journal of Innovation & Knowledge, 8(2), 100203. https://doi.org/10.1016/j.jjimei.2023.100203

Rowe, G. y Wright, G. (1999). “The Delphi Technique as a Forecasting Tool: Issues and Analysis”. International Journal of Forecasting, 15(4), 353-375. https://doi.org/10.1016/S0169-2070(99)00018-7

Simon, H. A. (1947). Administrative Behavior A Study of Decision-Making Processes in Administrative Organization. Macmillan. https://bit.ly/4gdHVcI

Soledispa-Rodríguez, X. E., Álvarez-Rivera, I. Y., Baque-Suárez, A. S. y Cantos-Castro, B. A. (2021). “Tecnologías de información y comunicación en la gestión empresarial de las pymes”. Polo del conocimiento: revista científico-profesional, 6(3), 476-496. https://dialnet.unirioja.es/descarga/articulo/7926835.pdf

Tobalina-Pulido, L. y González-Pérez, C. (2020). “Valoración de la calidad de los datos arqueológicos a través de la gestión de su vaguedad. Aplicación al estudio del poblamiento tardorromano”. Complutum, 31(2), 343-360. https://doi.org/10.5209/CMPL.72488

Vilches, C. (2020). “Gestión de datos de investigación: 1.3 Tipos de datos de investigación”. Biblioguías. Biblioteca de la Cepal. Comisión Económica para América Latina y el Caribe (Cepal). https://bit.ly/4gbbADs