67
SOLUCIÓN DE SOFTWARE PARA
MICROMERCADOS INTELIGENTES CON
ANALÍTICA DE DATOS
SOFTWARE SOLUTION APPLIED TO MICRO-MARKETS WITH DATA
ANALYTICS
Recibido: 11/09/2024 – Aceptado: 19/11/2024
Jhony Vicente Enriquez Herrera
Analista de Datos de la Universidad Politécnica Estatal del Carchi
Tulcán - Ecuador
Magister en Big Data y Ciencia de Datos
Universidad Tecnológica Empresarial de Guayaquil
jhony.enriquez@upec.edu.ec
https://orcid.org/0000-0002-6188-6074
Denis Oscar Peregueza Yapud
Estudiante de Posgrado de la Universidad Politécnica Estatal del Carchi
Tulcán - Ecuador
Magister en Ingeniería de Software
Universidad Politécnica Estatal del Carchi
deniso.peregueza@upec.edu.ec
https://orcid.org/0009-0008-5086-8293
Cómo citar este artículo:
Enriquez, J., Peregueza, D. (Enero – Diciembre de 2024). Solución de software para
micromercados inteligentes con analítica de datos. Visión Empresarial 14, 67-82.
https://doi.org/10.32645/13906852.1321
68
..................................................................................................................................................................................................................................
Cómo citar este artículo:
Enriquez, J., Peregueza, D. (Enero – Diciembre de 2024). Solución de software para micromercados inteligentes con analítica de datos. Visión Empresarial 14, 67-82. https://doi.
org/10.32645/13906852.1321
Resumen
La presente investigación tiene como objetivo proponer una solución de software con analítica
de datos mediante tableros inteligente de control (dashboard) aplicado a Micromercados. El
enfoque de la investigación es mixto, de tipo descriptivo y de campo. Se aplicaron entrevistas a
propietarios de Micromercados en la ciudad de Tulcán, para analizar los sistemas que administran
sus negocios y el uso o no de tecnologías emergentes existentes en la actualidad como Big Data,
Business Intelligence, Cluod Computing, IoT, entre otros. Se aplicaron tambien encuestas a
clientes que utilizan los servicios, para determinar la satisfacción de usuario. Los resultados
evidenciaron que los propietarios de Micromercados en un 50 % carecen de sistemas que les
apoyen en la toma de decisiones estratégicas y empresariales. De igual manera se identicó que
el servicio brindado a los usuarios no esa enfocado con nuevas estrategias y giro de negocio. Con
el propósito de analizar datos para transformarlos en información y a su vez en conocimiento
se propone una solución de analítica de datos considerando conceptos de repositorio unicado
o Data Warehouse y la metodología de Ralph Kimball para el almacenamiento, análisis y
procesamiento de datos que se obtengan de cualquier fuente de información, se diseñó además
el proceso ETL y mediante la herramienta open suorce Tableau se elaboró tableros de control
para la creación de dashboards, se aplicó por ultimo estrategias de Inteligencia de Negocios
con la nalidad de entregar información precisa, en tiempo real, de fácil interpretación y que
contribuya a satisfacer los requerimientos empresariales dentro del sector de Micromercados.
Palabras claves: Analítica de datos, Dashboard, Big Data, Inteligencia de negocios, ETL.
Abstract
This research aims to propose a software solution with data analytics through intelligent
dashboards applied to micro-markets. The research approach is mixed: descriptive and eld-
based. Interviews were applied to owners of micro-markets in the Tulcán city to analyze their
current business management systems and the use or not of emerging technologies such as Big
Data, Business Intelligence, Cloud Computing, IoT, among others. Surveys were also applied
to customers who use these services to determine user satisfaction. The results showed that
50% of micro-market owners lack systems to support them in making strategic and business
decisions. Similarly, it was identied that the service provided to users is not focused on new
strategies and business lines. In order to analyze and transform data into information and, in
turn, into knowledge, a data analytics solution is proposed, considering concepts of a unied
repository or Data Warehouse and the Ralph Kimball methodology for the storage, analysis,
and processing of data obtained from various sources of information. In addition, the ETL
process was designed and control panels were developed, using the open-source tool Tableau,
for the creation of dashboards. Finally, business intelligence strategies were applied in order
to deliver accurate, real-time, easy-to-interpret information that contributes to meeting the
business requirements within the micro-market sector.
Keywords: Data Analytics, Dashboard, Big Data, Business Intelligence, ETL
Código JEL: C8 Data Collection and Data Estimation Methodology • Computer Programs
69
Solución de software para Micromercados
Inteligentes con Analítica de Datos
..................................................................................................................................................................................................................................
Cómo citar este artículo:
Enriquez, J., Peregueza, D. (Enero – Diciembre de 2024). Solución de software para micromercados inteligentes con analítica de datos. Visión Empresarial 14, 67-82. https://doi.
org/10.32645/13906852.1321
Introducción
Una de las preguntas más frecuentes que se hacen los administradores o gerentes de las
organizaciones es cómo mantenerse competitivos y crecer en un mercado cada vez más
globalizado, donde el cambio, principalmente liderado por la tecnología, rompe ciertos
paradigmas, como la aparición de nuevos consumidores, nuevos productos, nuevos competidores
y nuevas formas de hacer negocios.
Gestionar la información para tomar mejores decisiones en un entorno de constante
cambio se ha convertido en una función crítica en las organizaciones. Esta pregunta cobra
mayor relevancia para los micromercados de países emergentes como Ecuador; por este motivo,
el presente estudio exploratorio tiene como objetivo aportar a un mayor conocimiento de cómo
se realiza la analítica de datos en los micromercados y de qué manera inuye en la toma de
decisiones.
Las organizaciones se encuentran hoy día asediadas por cambios y transformaciones que
las están obligando en esta llamada “revolución digital 4.0” a repensar su modelo de negocio
y evaluar la forma en que vienen operando en los últimos años. En ese sentido, el desafío en la
cual están inmersas las lleva a tener que invertir en tecnologías adoptando una cultura basada en
datos e información que les facilite a los responsables y directivos el poder de tomar decisiones
oportunas y eciente, así como posicionar a la organización (Colina Vargas, 2019).
Los micromercados necesitan una solución de software con analítica de datos debido a
la información sin analizar y su necesidad de convertir estos datos en información utilizable.
La analítica de datos resumen esto en información útil, comprenden y resuelven problemas
relacionados con los datos, percibiendo los recursos tecnológicos disponibles.
Esto va de la mano con la creciente interacción entre micromercados y partes interesadas
sobre plataformas digitales, estos datos proporcionan nuevos conocimientos sobre las relaciones
entre las organizaciones y sus públicos de interés. Esto ha desencadenado, a su vez, la producción
de una gran cantidad de información, una explosión de datos conocida como Big Data (Pereira
et al. 2019).
En su investigación Hernandez (2021) indica los requerimientos que tienen los
micromercados para hacer analítica de datos y lo denen como los métodos y herramientas
analíticas que, junto con equipos con formación, metodologías de trabajo especícas permiten
el cumplimiento efectivo de analizar la información. Antes de implementar cualquier modelo
analítico, es importante considerar cómo se alinean con los principales desafíos comerciales
de los micromercados. Adicionalmente, es fundamental asegurar que estos modelos sean
adecuadamente implementados, ejecutados y rentables.
Los micromercados y organizaciones generan diariamente una importante cantidad
de datos. Estos datos provienen de procedimientos y operaciones regulares del sistema. En
consecuencia, se desarrollaron métodos de ciencia e ingeniería para ayudar a almacenar,
procesar y analizar esta masa de datos. Esto conduce a la generación de nueva información y
conocimiento (Vega Vargas, 2020).
El objetivo es proponer una solución de software mediante tableros de control para
micromercados que les permita utilizar analítica de datos y medir su impacto en la toma de
70
..................................................................................................................................................................................................................................
Cómo citar este artículo:
Enriquez, J., Peregueza, D. (Enero – Diciembre de 2024). Solución de software para micromercados inteligentes con analítica de datos. Visión Empresarial 14, 67-82. https://doi.
org/10.32645/13906852.1321
decisiones. Para esto, es necesario conocer qué tipo de información se puede manejar y cuáles
son los benecios que se pueden obtener en las diferentes áreas que poseen los micromercados.
Por tal motivo, se exploraron los indicadores nancieros y cómo mejoran la toma de decisiones
a nivel empresarial, en la “planicación empresarial”. Otro aspecto importante es el marketing
y el conocimiento de los clientes, junto con las temporadas de los productos.
Marco teórico
En el contexto actual de globalización y transformación digital, las organizaciones se enfrentan
a desafíos constantes para mantenerse competitivas. Para los micromercados, que operan en
economías emergentes como la de Ecuador, el uso de la analítica de datos se ha convertido en
una herramienta fundamental para la toma de decisiones estratégicas y gerenciales. La analítica
de datos permite convertir grandes volúmenes de información en conocimiento valioso,
facilitando la adaptación a los cambios rápidos del mercado y mejorando la eciencia operativa
y competitiva.
Lo que hace que Big Data sea tan útil para muchas empresas es el hecho de que
proporciona respuestas a muchas preguntas que las empresas ni siquiera sabían que tenían. En
otras palabras, proporciona un punto de referencia. Con una cantidad tan grande de información,
los datos pueden ser moldeados o probados de cualquier manera que la empresa considere
adecuada. Al hacerlo, las organizaciones son capaces de identicar los problemas de una forma
más comprensible. El análisis de Big Data ayuda a las organizaciones a aprovechar sus datos
y utilizarlos para identicar nuevas oportunidades. Eso, a su vez, conduce a movimientos de
negocios más inteligentes, operaciones más ecientes, mayores ganancias y clientes más felices
(Data, 2024).
La implementación de soluciones de analítica de datos en los micromercados requiere
de una metodología adecuada para el almacenamiento, análisis y procesamiento de datos. La
metodología de Ralph Kimball, basada en el enfoque “bottom-up” o de abajo hacia arriba, ha
sido ampliamente recomendada para este propósito. Esta metodología facilita la creación de
pequeños almacenes de datos (data marts) enfocados en áreas especícas de la organización,
que luego se integran en un data warehouse global. Esto permite una gestión más eciente y
conable de la información.
Las soluciones datan warehousing han sido diseñadas para que evolucionen y se
desarrollen en base a los requerimientos del negocio, donde la información varía de acuerdo
a un período de tiempo; por el contrario de lo que nos ofrecen los sistemas operacionales. Un
data warehouse es el proceso mediante el cual los datos son transformados y agrupados dentro
de un almacén de datos, permitiendo una fusión de los mismos los cuales provienen de
diversas fuentes hacia un solo contexto, lo cual permite un acceso rápido a la información y por
consiguiente a la toma de decisiones (Silva et al. 2019).
La inteligencia de negocios (BI) es una disciplina que integra tecnologías, aplicaciones
y procesos para recopilar, integrar, analizar y presentar información empresarial. En el caso de
los micromercados, el uso de BI mediante dashboards (tableros de control) proporciona una
representación gráca de los principales indicadores de rendimiento, facilitando la identicación
de oportunidades de mejora y la toma de decisiones informadas. Herramientas como Tableau
71
Solución de software para Micromercados
Inteligentes con Analítica de Datos
..................................................................................................................................................................................................................................
Cómo citar este artículo:
Enriquez, J., Peregueza, D. (Enero – Diciembre de 2024). Solución de software para micromercados inteligentes con analítica de datos. Visión Empresarial 14, 67-82. https://doi.
org/10.32645/13906852.1321
han demostrado ser efectivas para conectar múltiples fuentes de datos y presentar información
en tiempo real de manera clara y accesible.
El uso de analítica de datos y herramientas de inteligencia de negocios es fundamental
para los micromercados que buscan mejorar su competitividad y adaptarse a los cambios del
mercado. La implementación de metodologías adecuadas y la adopción de arquitecturas permiten
a estas pequeñas organizaciones transformar grandes volúmenes de datos en información útil
para la toma de decisiones estratégicas.
Materiales y métodos
La presente investigación se propuso identicar micromercados que necesiten implementar
analítica de datos, a partir de un estudio de campo, bibliográco y técnico documental utilizado
para evaluar la minería de datos como factor analítico. En tal sentido, se utilizó un enfoque
mixto (cualitativo y cuantitativo).
En relación al enfoque cuantitativo según Ordoñez et al. (2017), recomienda utilizar la
recolección de datos para aprobar una armación, con base en la medición numérica y el análisis
estadístico, para establecer patrones de comportamiento y aprobar teorías. Por consiguiente, el
enfoque cuantitativo permite medir el impacto de la toma de decisiones en Micromercados.
En relación al enfoque cualitativo Humán Rojas et al. (2022) recomiendan utilizar la
recolección de datos sin medición numérica para descubrir o anar preguntas de investigación
en el proceso de interpretación. En consecuencia, se recopiló información detallada de cada
uno de los Micromercados a nivel local, también se identicó los procesos optimizados con la
analítica de datos para determinar su crecimiento empresarial.
Como instrumento de investigación, se utilizó una entrevista en profundidad realizada
principalmente a propietarios de cinco micromercados ubicados en la ciudad de Tulcán, Ecuador.
Se utilizó un cuestionario de preguntas abiertas con la nalidad de determinar si el propietario
expresaba de forma voluntaria la existencia de alguna actividad y/o software de inteligencia
de mercado que hubiera utilizado para tomar decisiones enfocadas en el crecimiento de su
micromercado.
Para el desarrollo se propone la utilización de la investigación aplicada o práctica la cual
tiene por objetivo la generación de conocimiento con aplicación directa y a mediano plazo en
los Micromercados (Enriquez et al. 2022).
Contemplando las necesidades de pequeñas organizaciones, al hacer una investigación
de las metodologías existentes y determinando cual sería la más acorde, consideramos que la
metodología Kimball es la más acorde, debido a que esta utiliza el enfoque Button -up (Abajo-
ascendente), este enfoque permite crear pequeñas lógicas de negocios enfocadas
a ciertas misiones de la organización (datamarts), esto asegura contar información menos
densa y más sencilla de clasicar para posteriormente realizar la integración de estos datamarts
en un componente de datawarehouse global quedando de esta forma como un solo centro de
almacenamiento de datos con información conable (Forero et al. 2020).
La metodología de Ralph Kimball contempla el desarrollo de las siguientes fases:
planicación del proyecto, denición de requerimientos del negocio, modelado dimensional,
72
..................................................................................................................................................................................................................................
Cómo citar este artículo:
Enriquez, J., Peregueza, D. (Enero – Diciembre de 2024). Solución de software para micromercados inteligentes con analítica de datos. Visión Empresarial 14, 67-82. https://doi.
org/10.32645/13906852.1321
diseño físico e implementación, tal como se muestra en la gura 1; todas estas fases se aplican
al desarrollo de la solución de software para micromercados inteligentes con analítica de datos.
Figura 1. Metodología Ralph Kimball.
Fuente. (Forero et al. 2020)
Baño et al. (2018) analizan esta metodología al indicar que está basada en la elaboración
de experimentos y prototipos, que no requiere de grandes inversiones; por que la idea consiste
en construir Data Marts independientes que se diseñan con detalle y después se relacionen con
otros Data Marts para formar un sistema completo.
Planicación del proyecto
La planicación es una función administrativa que detalla los pasos necesarios para alcanzar los
objetivos de una investigación. En el desarrollo de la solución de software de analítica de datos
para micromercados, se llevaron a cabo las siguientes acciones:
• Evaluar los sistemas que actualmente utilizan los micromercados, vericando su
funcionalidad y alcance.
• Analizar los requisitos necesarios para comprobar la viabilidad de la solución de analítica
de datos propuesta.
• Planicar el tiempo y las estrategias, recopilar información de las bases de datos,
realizar entrevistas o encuestas según el caso, y determinar la herramienta informática
más adecuada para su desarrollo.
• Desarrollar la solución de software, realizar las pruebas correspondientes y ponerla
en producción para apoyar la toma de decisiones estratégicas y gerenciales según
corresponda en los micromercados.
73
Solución de software para Micromercados
Inteligentes con Analítica de Datos
..................................................................................................................................................................................................................................
Cómo citar este artículo:
Enriquez, J., Peregueza, D. (Enero – Diciembre de 2024). Solución de software para micromercados inteligentes con analítica de datos. Visión Empresarial 14, 67-82. https://doi.
org/10.32645/13906852.1321
Denición de los requerimientos del negocio
Naturaleza del negocio
Para comprender mejor los requerimientos de los micromercados, se realizó un análisis de
su manejo administrativo y entorno, con el n de conocer los requerimientos del negocio,
comprender su ámbito y los problemas que enfrenta.
Necesidad actual
De acuerdo con la investigación realizada, un micromercado está conformado por un
administrador y dos colaboradores, quienes se encargan de surtir, perchar y cobrar en caja. Uno
de los colaboradores, el cual tiene más años de experiencia, se encarga de la toma de decisiones
bajo su experticia y conocimiento.
Requerimientos del negocio
Los requerimientos especican qué es lo que el sistema debe hacer (sus funciones) y sus
propiedades esenciales y deseables. La captura de los requerimientos tiene como objetivo
principal la comprensión de lo que los clientes y los usuarios esperan que haga el sistema. Un
requerimiento expresa el propósito del sistema sin considerar como se va a implantar. En otras
palabras, los requerimientos identican el qué del sistema, mientras que el diseño establece el
cómo del sistema. La captura y el análisis de los requerimientos del sistema es una de las fases
más importantes para que el proyecto tenga éxito (Fiquitiva et al. 2015).
Para determinar la necesidad real, se realizó la recolección de datos y, bajo la lógica
descrita en la población, se utilizaron entrevistas, las cuales permitieron identicar los siguientes
problemas que afectan la toma de decisiones en los micromercados:
Se elaboran reportes diarios de venta con errores, lo que demora hasta 2 horas en generar
un reporte que permita tomar decisiones al momento de realizar un pedido.
No existe un software de análisis de datos en los micromercados que permita tomar
decisiones.
Modelado dimensional
La creación de un modelo dimensional es un proceso dinámico y altamente iterativo, El proceso
de diseño comienza con un modelo dimensional de alto nivel obtenido a partir de los procesos
priorizados en los requerimientos del negocio. El proceso iterativo consiste en cuatro pasos:
1. Elegir el proceso de negocio.
2. Establecer el nivel de granularidad.
3. Elegir las dimensiones.
4. Identicar medidas y las tablas de hechos (Rivadera, 2010).
Un modelo dimensional está diseñado para facilitar el análisis de datos de manera eciente
y efectiva. En lugar de tener una gran cantidad de tablas relacionales con datos separados, se
utilizan tablas de hechos y dimensiones que se relacionan a través de claves (Golfarelli & Rizzi,
2018). Este diseño permite una rápida consulta y análisis de datos para respaldar la toma de
decisiones y la identicación de oportunidades de mejora.
74
..................................................................................................................................................................................................................................
Cómo citar este artículo:
Enriquez, J., Peregueza, D. (Enero – Diciembre de 2024). Solución de software para micromercados inteligentes con analítica de datos. Visión Empresarial 14, 67-82. https://doi.
org/10.32645/13906852.1321
En resumen, un modelo dimensional es una técnica de diseño de bases de datos que
organiza los datos empresariales en dimensiones y medidas para permitir una visualización
eciente y efectiva de los datos y respaldar la toma de decisiones en el ámbito de la inteligencia
de negocios (Bertino et al, 2018).
Diseño físico
Briones et al. (2024) consideran que esta etapa se enfoca en denir la estructura física que
soportara el diseño lógico creado anteriormente, se denen los siguientes aspectos:
• Conguración del entorno de base de datos.
• Creación de espacios de tablas para datos y metadatos.
• Creación de tablas para el data warehouse.
• Creación de secuencias para los procesos E.T.L.
• Creación de llaves primarias y foráneas.
• Creación de índices en las tablas.
Implementación:
La implantación consiste en el desarrollo de informes inteligentes (dashboard) orientados
mediante una herramienta informática visual, que permita a los usuarios analizar y comprender
grandes cantidades de datos empresariales en un formato fácil de entender, con el n de
contribuir a la toma de decisiones estratégicas y gerenciales basadas en datos.
Egocheaga et al. (2021) mencionan que los dashboards son herramientas de visualización
de datos que muestra el estado actual de los KPI de una empresa, y que estas a su vez se encuentran
en tiempo real. Esta característica ayudaría a las empresas a tener una mayor efectividad en la
toma de decisiones en las distintas áreas del negocio y a ser más conscientes de las tendencias
cambiantes del mercado.
Resultados y discusión
Para obtener los resultados cuantitativos de la investigación, se utiliza la información y la base
de datos creada para los micromercados, analizando toda la información existente. Mediante
la herramienta tecnológica Tableau, los datos son procesados y almacenados en almacenes de
datos. Una vez almacenados, los usuarios pueden acceder a los datos, lo que da comienzo al
proceso de análisis mediante la creación de tableros de control (dashboard) para responder a las
preguntas de negocios.
En Tableau es muy fácil poder conectarse a diferentes bases de datos propias. Además,
provee una conectividad con los servidores más utilizados para alojar las bases de datos, como
Oracle, Sql Server, MySql, Google Cloud Sql, PostgreSQL, entre otras (Collantes, 2019).
Un Dashboard o “Tablero digital” es una interfaz gráca de usuario en dónde se pueden
administrar recursos informáticos y analizar información para la toma de decisiones. Los
Dashboard nacen de la implementación de la metodología denominada “Business Intelligence
(Inteligencia de Negocio)” que se dene como el conjunto de estrategias enfocadas a la
administración y creación de conocimiento, a través del análisis de los datos existentes en una
organización (Los Santos et al. 2016).
75
Solución de software para Micromercados
Inteligentes con Analítica de Datos
..................................................................................................................................................................................................................................
Cómo citar este artículo:
Enriquez, J., Peregueza, D. (Enero – Diciembre de 2024). Solución de software para micromercados inteligentes con analítica de datos. Visión Empresarial 14, 67-82. https://doi.
org/10.32645/13906852.1321
De esta manera, la Inteligencia de Negocios permite reunir, depurar y transformar datos
de los sistemas transaccionales, convirtiendo la información desestructurada de fuentes internas
y externas en información estructurada para su utilización, en forma de almacenamiento, análisis
e informes sobre el desempeño y evolución de la organización (Silva, 2017).
Para la visualización de los datos y que estos sean públicos, se utilizó la herramienta
de BI Tableau Public, una plataforma gratuita en línea para explorar visualizaciones de datos
y compartirlas con el público general. Mediante un enlace, todos pueden ver y comprender
visualizaciones de datos sobre cualquier tema de datos públicos existentes, mostrando los
diferentes dashboards que contiene la solución de inteligencia de negocios en los micromercados.
En ese contexto, se puede acceder a la visualización interactiva mediante el siguiente enlace.
https://public.tableau.com/views/MICROMERCADOINTELIGENTE/
MICROMERCADO?:language=es-S&:sid=&:redirect=auth&:display_count=n&:origin=viz_
share_link
Año:
En esta categoría se realiza un análisis sobre las ventas totales realizadas en el micromercado
en cada año (2020–2023), como se muestra en la Fig. 2.
Figura 2. Visualización Año por ventas totales
Fuente. Sistema de Micromercados Inteligentes
El visualizador gráco utilizado para este análisis de datos dentro de Tableau es una
tabla de texto con marcas de círculo. En este objeto, se resalta automáticamente con colores a
manera de semáforo (verde, dorado divergente, rojo), organizados y clasicados por las ventas
totales realizadas en cada año, evidenciando así que el año 2023, hasta el momento, es el mejor
año de ventas del micromercado.
Mejor Cliente.
En esta categoría se encuentra el análisis respecto a los clientes, organizados y clasicados por
las ventas que realizaron en el micromercado, como se muestra en la Fig. 3.
76
..................................................................................................................................................................................................................................
Cómo citar este artículo:
Enriquez, J., Peregueza, D. (Enero – Diciembre de 2024). Solución de software para micromercados inteligentes con analítica de datos. Visión Empresarial 14, 67-82. https://doi.
org/10.32645/13906852.1321
Figura 3. Visualización Mejor cliente por ventas totales.
Fuente. Sistema de Micromercados Inteligentes
El visualizador gráco utilizado para este análisis de datos dentro de Tableau es una tabla
de texto, a la cual, dentro de sus medidas, se ha vinculado la suma de las ventas. Además, en la
tabla se resalta automáticamente con colores a manera de semáforo (verde, dorado divergente,
rojo), organizados y clasicados por las ventas totales realizadas por cada cliente, evidenciando
así que el mejor cliente del micromercado es Gabino Valenzuela y el peor cliente es Carlos
Bravo. Con esto, el micromercado puede tomar decisiones y adaptar las estrategias de negocio
que tiene el mejor cliente a los demás.
Mejor Día de ventas.
En esta categoría se encuentra el análisis respecto de las ventas realizadas por día, mes y año en
el micromercado, como se muestra en la Fig. 4.
Figura 4. Visualización mejor día de ventas.
Fuente. Sistema de Micromercados Inteligentes
77
Solución de software para Micromercados
Inteligentes con Analítica de Datos
..................................................................................................................................................................................................................................
Cómo citar este artículo:
Enriquez, J., Peregueza, D. (Enero – Diciembre de 2024). Solución de software para micromercados inteligentes con analítica de datos. Visión Empresarial 14, 67-82. https://doi.
org/10.32645/13906852.1321
El visualizador gráco utilizado para este análisis de datos dentro de Tableau es una
tabla de resaltados, a la cual, dentro de sus medidas, se ha vinculado la suma de las ventas de
cada día. Además, en la tabla se resalta automáticamente con colores a manera de semáforo
(verde, dorado divergente, rojo), organizados y clasicados por las ventas totales realizadas,
evidenciando así que los días con mayor venta son: lunes, martes y domingos, y los meses de
mayor demanda son: septiembre, noviembre y diciembre. Con esto, el micromercado puede
tomar decisiones y adaptar también las estrategias de negocio de los días y meses que más le
generan ganancias.
Categoría.
En esta categoría se encuentra el análisis respecto de las ventas realizadas por categoría de
productos en el micromercado, como se muestra en la Fig. 5.
Figura 5. Visualización categoría de producto.
Fuente. Sistema de Micromercados Inteligentes
El visualizador gráco utilizado para este análisis de datos dentro de Tableau es un
gráco de barras horizontales, a la cual, dentro de sus medidas, se ha vinculado la suma de
las ventas por cada producto y su categoría. Además, el gráco se resalta automáticamente
con colores a manera de semáforo (verde, dorado divergente, rojo), organizados y clasicados
por las ventas totales realizadas, evidenciando así que la categoría de producto que más se
vende es “Televisor”, seguida de “Celulares”, y la que menos se vende es “Sillas”. Con esto,
el micromercado puede tomar decisiones y adaptar también las estrategias de negocio de los
productos que más le generan ganancias.
Provincia y Ciudad.
En esta categoría se encuentra el análisis respecto de las ventas realizadas por provincia y
ciudad en el micromercado, como se muestra en la Fig. 6.
78
..................................................................................................................................................................................................................................
Cómo citar este artículo:
Enriquez, J., Peregueza, D. (Enero – Diciembre de 2024). Solución de software para micromercados inteligentes con analítica de datos. Visión Empresarial 14, 67-82. https://doi.
org/10.32645/13906852.1321
Figura 6. Visualización categoría de producto
Fuente. Sistema de Micromercados Inteligentes
El visualizador gráco utilizado para este análisis de datos dentro de Tableau es un mapa
de símbolos, al cual, dentro de sus medidas, se ha vinculado la suma de las ventas totales de
los clientes. Además, el gráco se resalta automáticamente con colores a manera de semáforo
(verde, dorado divergente, rojo), organizados y clasicados por las ventas totales realizadas,
evidenciando así que la provincia en donde más se han realizado ventas es Carchi, seguida de
Pichincha, mientras que en la provincia de Sucumbíos es donde menos se han generado ventas.
Con esto, el micromercado puede tomar decisiones y adaptar las estrategias de negocio hacia
las provincias con menos demanda.
Proyección en ventas.
En esta categoría se encuentra el análisis en línea de tiempo respecto de las ventas totales por
año que tiene toda la base de datos en el micromercado, como se muestra en la Fig. 7.
Figura 7. Visualización línea de tiempo por año
Fuente. Sistema de Micromercados Inteligentes
79
Solución de software para Micromercados
Inteligentes con Analítica de Datos
..................................................................................................................................................................................................................................
Cómo citar este artículo:
Enriquez, J., Peregueza, D. (Enero – Diciembre de 2024). Solución de software para micromercados inteligentes con analítica de datos. Visión Empresarial 14, 67-82. https://doi.
org/10.32645/13906852.1321
El visualizador gráco utilizado para este análisis de datos dentro de Tableau es un
gráco de líneas discretas, a la cual, dentro de sus medidas, se ha vinculado la suma de las
ventas de cada año, en el cual se pueden apreciar los picos altos y bajos mensuales para la
toma de decisiones. Además, en la línea de tiempo se muestra con un color menos intenso la
predicción de ventas para los siguientes dos años, evidenciando así que los picos más altos
de venta en la línea de tiempo son: diciembre de 2020, noviembre de 2021, junio de 2022 y
septiembre de 2023. Adicionalmente, según la predicción generada por el software, se indica
que el mayor porcentaje de ventas se generará en noviembre de 2024.
Dashboard.
Por último, se encuentra el dashboard o tablero de control con los principales indicadores
del negocio analizados anteriormente. En este tablero de control, el usuario puede cruzar e
interconectar los análisis anteriores para tener una lectura integral y especíca respecto de los
datos que se seleccionen, tal como se muestra en la Fig. 8.
Figura 8. Visualización Dashboard general
Fuente. Sistema de Micromercados Inteligentes
En tal sentido, dentro de la presente investigación se ha interconectado los análisis de
mejor cliente, mejor día, mayor producto o categoría, mayor provincia y ciudad, de modo que,
al seccionar cualquier dato, se podrá apreciar cómo cambian o se mueven los datos en virtud del
comportamiento o la interconexión que la data tiene internamente. Con ello, se podría tener una
lectura más profunda, generar nuevo conocimiento y tomar así las decisiones empresariales y
estrategias, según corresponda. Adicionalmente, al pasar el cursor sobre cada valor, se muestra
en detalle de manera más especíca la información adicional que se puede incluir.
80
..................................................................................................................................................................................................................................
Cómo citar este artículo:
Enriquez, J., Peregueza, D. (Enero – Diciembre de 2024). Solución de software para micromercados inteligentes con analítica de datos. Visión Empresarial 14, 67-82. https://doi.
org/10.32645/13906852.1321
Conclusiones
La solución de software para la identicación de Micromercados inteligentes con analítica de
datos ofrece una herramienta eciente para identicar segmentos de mercado más pequeños
y especícos, permitiendo dirigir los esfuerzos de marketing y ventas de manera más precisa.
Utilizar analítica de datos permite tomar decisiones estratégicas fundamentadas en
información sólida sobre los Micromercados, proporcionando nuevo conocimiento sobre
preferencias, comportamientos y necesidades, lo que facilita la personalización de productos y
servicios.
La toma de decisiones en Micromercados requiere una combinación de análisis de
datos, y adaptación a las características especícas de sus clientes ofreciendo una segmentación
detallada, recopilación de datos relevantes, personalización y exibilidad mismo que brindan
decisiones más informadas y estratégicas en Micromercados, mejorando la capacidad para
adaptarte a las necesidades y aprovechar las oportunidades especícas del negocio.
Recomendaciones
El análisis de datos en Micromercados es crucial para comprender las necesidades especícas
de los consumidores, segmentación de clientes, datos de ventas, mapeo de competidores etc. Y
mejorar la toma de decisiones
La inteligencia de Negocios (Business Intelligence) puede ser benecioso para el
análisis de datos en Micromercados permitiendo tener una visión más clara y detallada de los
datos, facilitando la toma de decisiones informadas y estratégicas. Con un uso adecuado, podrá
mejorar la eciencia, optimizar operaciones y detectar nuevas oportunidades de crecimiento.
La metodología Kimball es sencilla de implementar ya que permite construir pequeños
almacenes de datos (datamarts) para posteriormente unicarse en el repositorio principal,
siendo de esta forma más exible para sus procesos de operatividad, adicional propone tener
un experto en cada área de la organización que se encargue del diseño de la información más
relevante para de esta forma crear los modelos de datos y evitar redundancia de información
81
Solución de software para Micromercados
Inteligentes con Analítica de Datos
..................................................................................................................................................................................................................................
Cómo citar este artículo:
Enriquez, J., Peregueza, D. (Enero – Diciembre de 2024). Solución de software para micromercados inteligentes con analítica de datos. Visión Empresarial 14, 67-82. https://doi.
org/10.32645/13906852.1321
Referencias
Baño, F., Palacios, Á., Viscaino, F., & Baño, H. (2018). Sistema de soporte a la toma de
decisiones, para mejorar la gestión educativa. Educación Media de la dirección distrital
02d03 – Guaranda. Ciencias de la Ingeniería y aplicadas, 95-106.
Bertino, E., & Kimball, R. (2018). Dimensional Modeling: In a Business Intelligence
Environment. Synthesis Lectures on Data Management, 14.
Briones, W., & Ortega, A. (2024). Inteligencia de negocios aplicada al proceso de registro de
signos distintivos del Servicio Nacional de Derechos Intelectuales. Ciencia y Tecnología.
Colina Vargas, A. (2019). El gobierno de datos: un referente entre el gobierno de TI y la
inteligencia de negocios. Revista Cientíca Ecociencia, 1-19.
Collantes, J. (2019). Tableau para la Inteligencia de Negocios del Área de Análisis de Información
TI. Tesis de Pregrado Universidad Peruana Los Andes.
Data, P. (2024). Power Data. Obtenido de Power Data: https://www.powerdata.es/big-
data#:~:text=Big%20Data%20es%20un%20t%C3%A9rmino,organizaciones%20
hacen%20con%20los%20datos.
Egocheaga Oscco, J., Chavez Veli, A., & Gamboa Cruzado, J. (2021). Inteligencia de Negocios
para la Toma de Decisiones en Ventas: Una Revisión Sistemática.
Enríquez Herrera, J., & Morillo Cortez, J. (2022). Business intelligence’ aplicado a visitas
turísticas en áreas naturales de Ecuador durante los años 2019, 2020 y 2021. Criterios,
13-25.
Fiquitiva Segura, N., & Lopez Ruiz, M. (2015). PROTOTIPO DE APLICATIVO PARA
ESPECIFICAR REQUERIMIENTOS DE SOFTWARE. Creative Commons.
Forero Castañeda, D., & Jorge Armando, S. (2020). INTRODUCCIÓN A LA INTELIGENCIA
DE NEGOCIOS BASADA EN LA METODOLOGÍA KIMBALL. Tia, 13.
Golfarelli, M., & Rizzi, S. (2018). Data Warehouse Design: Modern Principles and
Methodologies. McGraw Hill Professional.
Hernández Medina, E. (2021). Analítica: Tendencia para optimizar la toma de decisiones a
nivel empresarial. Dictamen Libre, 12.
Huamán Rojas, J. A., Treviños Noa, L., & Medina Flores, W. (2022). Epistemología de las
investigaciones cuantitativas y cualitativas. Horizontes de la ciencia, 27-47.
Los Santos, R., & Norma, P. (2016). Dashboard para el Tutor. Revista ECORFAN-Spain, 6–10.
Ordoñez Pineda, J. J., & Fornos García, V. (2017). Metodología de investigación enfocado
en el análisis Cualitativo–Cuantitativo aplicado a los Factores que condicionan la
deserción escolar de los alumnos de secundaria Somotillo. Revista Iberoamericana de
Bioeconomía y Cambio Climático.
Pereira Villazón, T., Portilla Manjón, I., & Rodríguez Salcedo, N. (2019). Big data y Relaciones
Públicas: Una revisión bibliográca del estado de la cuestión. Revista de comunicación,
151-165.
Rivadera, G. (2010). La metodología de Kimball para el diseño de almacenes de datos (Data
warehouses). Cuadernos de la Facultad n. 5, 16.
82
..................................................................................................................................................................................................................................
Cómo citar este artículo:
Enriquez, J., Peregueza, D. (Enero – Diciembre de 2024). Solución de software para micromercados inteligentes con analítica de datos. Visión Empresarial 14, 67-82. https://doi.
org/10.32645/13906852.1321
Silva Peñael, G., Zapata Yánez, V., Morales Guamán, K., & Toaquiza Padilla, L. (2019).
Análisis de metodologías para desarrollar Data Warehouse aplicado a la toma de
decisiones. Ciencia Digital, 397-418.
Silva, L. (2017). Business intelligence: un balance para su implementación. Revista INNOVAG,
27-36.
Vega Vargas, J. (2020). Datos, Ciencia e Ingeniería. Ingeniare. Revista chilena de ingeniería,
2-5.
