I.INTRODUCCIÓN

En la actualidad, la tecnología avanza a una velo- cidad inimaginable; con el propósito fundamental de manejar y gestionar datos (información) en extensas cantidades, los cuales contienen características impor- tantes para poder generar valor a una empresa. Al mis- mo tiempo, se debe tener en cuenta las exigencias de las empresas en cuanto a la innovación en velocidad, mejo- ramiento en el tiempo de servicio, software y hardware óptimos. Por esta razón, ha incrementado la demanda de un nuevo estilo de Tecnología para la Información y Comunicación (TIC). De esta forma, el Big Data se ha convertido en una de las herramientas que mejora la aplicación de los planes estratégicos y toma de decisio- nes en el mercado competitivo.

El termino Big Data surge en el año 1997 en la se- gunda Guerra Mundial, investigadores como Michael Cox y David Ellsworth tras su investigación determinan que Big Data embarca grandes volúmenes de datos, los mismos que no pueden ser analizados de manera con- vencional dado que superan los límites y capacidades de las herramientas de software que se utilizan usual- mente, por lo tanto, big data representa la madurez, adopción y aplicación comercial de tecnologías que dan valor y solución a las metas empresariales [1].

Es así que, en el estudio denominado beneficios del big data en los negocios, se ha estudiado diferentes áreas en sectores de manufactura, servicios, transporte y minería. A su vez, concluye que, Colombia a través de la inversión en la herramienta tecnológica ha mejorado el proceso de toma de decisiones en un 92%. Así tam- bién, México considera que, la aplicación del Big Data crece su liderazgo en el sector en un 69%. Por otro lado, Brasil al implementarla obtuvo mejoras en la cyberse- guridad en un 66%. Sin embargo, Japón se ha limitado a implementarla, debido a la falta de habilidades blandas (soft skills) relacionadas con la ausencia de formación profesional en TIC, escasez de cultura digital y confian- za en los resultados [2].

En el Ecuador, específicamente en el área del sector industrial existen varias empresas que debido al entor- no actual han ido evolucionando sus procesos de auto- matización. Estas incluyen factores como: big data, la robótica e inteligencia artificial, que permite a través de algoritmos interactuar con las máquinas de forma au-

tomatizada. En conjunto a estos factores, las empresas han logrado avances importantes en cuanto al desarrollo en su estructura organizacional interna y la transforma- ción digital, que se muestran acorde a sus actividades económicas. Esto les ha permitido obtener ahorros en el coste de producción, a través de la automatización de tareas, eficiencia en la mano de obra, expansión en el mercado y satisfacción con sus clientes [3].

Esta investigación tiene como objetivo analizar el comportamiento financiero de las empresas del sector Industrial del Ecuador, frente a la aplicación de la he- rramienta tecnológica Big Data; en tal sentido, para el análisis e interpretación de datos se emplea una meto- dología cuantitativa con alcance correlacional, a partir de los estados financieros obtenidos de la Superinten- dencia de Compañías detallado en la sección III. El estudio se enfocó en aplicar las ratios de rentabilidad, los mismos que permiten conocer el nivel de influen- cia del Big Data, en cuanto a las actividades diarias de las empresas industriales determinadas en la sección IV, así también ver el comportamiento en cuando a costo/ beneficio que produce invertir en tecnología en un de- terminado tiempo.

II.DESARROLLO

Big Data se define como un sistema de procesamien- to de datos, a través de las TIC, el cual está en constante crecimiento y actualización; siendo un promotor en la generación de información, la misma que es de valiosa utilidad para la empresa. Al estar en constante evolución digital se espera que su rendimiento productivo crezca acoplándose a las necesidades que involucra la sociedad actual [4]. Big Data, no solo es una inmensa cantidad de datos acoplados, sino que representa también caracte- rísticas primordiales como: variedad de información al igual que velocidad de acceso y procesamiento. Es así que, en la actualidad ya no basta con la transacción de información, al día de hoy es necesario interactuar con la misma, de tal forma que se pueda obtener mayor be- neficio de los diferentes datos que van creciendo minuto a minuto [5]. Las principales características que definen a Big Data son: volumen, variedad, velocidad, valor y veracidad la cual constituyen un conjunto de 5v´s y es- tán definidas de la siguiente manera [6] (ver tabla 1):

Se refiere a la creciente rapidez con la que se generan los datos, y la creciente rapidez a la que los datos pueden ser procesados,

La posibilidad de contar con datos en

tiempo real le permite a una empresa realizar anuncios personalizados en las

Velocidad

Valor

Veracidad

El valor hace referencia a calidad de información obtenida, la misma que se convierte en conocimiento y éste en acción o en decisión en base a los datos.

La veracidad se refiere a la fiabilidad o confianza de los datos generados por Big Data, al demandar un filtrado que elimine

los datos dudosos o de nula calidad.

Tecnologías que faciliten la analítica de datos (las tecnologías de código abierto como Apache Hadoop), aportan valor a las organizaciones.

Datos precisos y consistentes, utilización de herramientas que garanticen que todos los datos nuevos se hayan introducido correctamente sin faltas de ortografía, errores tipográficos y/o abreviaturas al

azar.

En el mismo contexto, la estructura del Big Data consta de tres tipos de datos, tales como: datos estructu- rados, no estructurados y semiestructurados; los cuales son representados mediante una base de datos conoci- dos como Lenguaje de Consulta Estructurado (SQL) ó (NoSql) es un tipo de lenguaje de programación, que ayuda a manejar y reducir la inconsistencia de la base de datos almacenada sobre los elementos y caracterís- ticas que contiene Big Data, permitiendo de esta forma que los usuarios finales extraigan la información proce- sada para la toma de decisiones oportunas [7] .

Los datos estructurados contienen información de tipo texto de acuerdo con los sistemas de la base de da- tos, se reflejan dentro de campos y filas; lo cual permite

buscar, categorizar y ordenar de manera fácil; general- mente este tipo de datos se puede visualizar en un for- mulario donde acorde al criterio de búsqueda se obtiene la información. Por otro lado, se tienen los datos no es- tructurados, son datos binarios que contienen informa- ción codificada y no tiene un formato predefinido para su almacenamiento como por ejemplo las imágenes, au- dios, videos, archivos PDF, correos electrónicos y por último se obtienen los datos semiestructurados este tipo de datos combina tanto los datos estructurados como no estructurados; que han sido procesados hasta cierto punto y este tipo de información se ve reflejado en ar- chivos XML o HTML [8].

Una de las principales aplicaciones de la tecnología

219

Big Data es la detección de tendencias, donde se da co- nocer las preferencias de los clientes a gran escala; es así que, la aplicación de Big Data contribuye en diferen- tes sectores ya sean industriales, comerciales o de servi- cios, los cuales mejoran el ciclo de operación o produc- ción minimizando las fallas y optimizando el tiempo de respuesta, el mismo que genera un ahorro significativo

con índices altos de utilidades dentro de las empresas. No obstante, se debe tener en cuenta que existen limi- tantes que no permiten llevar a cabo más programas de inserción de esta herramienta, siendo el más importante la falta de profesionales capacitados para manejarla de manera adecuada [9] (ver tabla 2).

A. Proceso de toma de decisiones en el crecimien- to financiero

Al conocer como la tecnología influye en los dife- rentes sectores antes mencionados, es relevante indicar que Big data; se convierte en una herramienta de sopor- te para la toma de decisiones empresariales y de ventaja competitiva. Pues, a través de la información extraída en tiempo real, ésta se encarga de gestionar de manera eficiente la información y a partir de su procesamiento y análisis da a conocer las tendencias en el mercado, permite crear modelos de negocio frente a la competen- cia, ayuda a captar clientes y contribuye al crecimiento financiero en las empresas [10].

En las empresas actuales, la toma de decisiones que se basan en información; constituyen la base fundamen- tal de supervivencia y buen funcionamiento dentro de la misma. El proceso de toma de decisiones es trans- cendental y más aún, cuando se tiene conocimiento y manejo de las herramientas que facilitan el proceso de toma de decisiones. Así también, entre las herramientas

220

que se utilizan para la toma de decisiones; se resalta como principal indicador gerencial, el indicador de ren- tabilidad; éste permite conocer la información conteni- da en los Estados Financieros y refleja el rendimiento de lo invertido en un periodo determinado.

El crecimiento financiero reside en el engrandeci- miento constante de la producción en cuanto a bienes y servicios en un periodo de tiempo establecido, en el cual, para fomentar la productividad, interactúan en conjunto la mano de obra, materia prima, conocimientos y tecnologías, haciendo uso eficiente de estos recursos. Logrando disminuir costos y aumentan potencialmente las ganancias recuperando así la inversión y generando utilidades que beneficien a la empresa para producir con calidad con menos recursos y en menor tiempo [11].

III.METODOLOGÍA

El análisis de aplicación de la herramienta Big Data, se desarrolló bajo el enfoque cualitativo y cuantitativo. Los datos cualitativos se obtuvieron a través de una en-

cuesta, la misma que fue dirigida a los gerentes de las empresas industriales que fueron objeto de estudio. Así también los datos cuantitativos representados por los estados financieros dentro del periodo 2015 al 2018 fue- ron recopilados de la Superintendencia de Compañías.

Para determinar la población se tomó en cuenta el ranking de las empresas del sector industrial mejor posicionadas dentro de la página de la Superintenden-

Tabla 3 Empresas del sector Industrial

cia de Compañías. La estrategia de muestreo aplicada fue de manera intencional, debido a que se eligió de acuerdo con sus activos, patrimonio, ingresos por venta y utilidad, así también se constató que las mismas uti- lizan un sistema relacionado con el Big Data; reporte que constituye un importante referente para realizar el trabajo de investigación [12] (ver tabla 3).

El software empleado para el análisis de datos fue el programa SPSS, a través del cual se aplicó el Coeficien- te de Coeficiente de Alpha de Cronbach utilizado para probar la estabilidad del instrumento de estudio. Así también, se aplicó el Coeficiente de correlación de Spe- arman que evaluó la relación de las variables de estudio. Y por último mediante una planilla de excel se realizó los cálculos de los ratios de rentabilidad con base a la información de los estados financieros.

IV.RESULTADOS

A.Validación del instrumento de investigación Para conocer la confiabilidad del Instrumento (en-

cuesta) se aplicó el Coeficiente de Alpha de Cronbach, este proceso de validación se ve reflejado en cuanto más cerca de 1 es, se garantiza la consistencia interna de los ítems analizados [13]. Por consiguiente, al aplicar el instrumento se obtuvo un coeficiente alfa > 0.87, es decir; existe un 87% de fiabilidad de éxito en el instru- mento, y tan solo un 13% de probabilidad de fracaso,

validando de esta forma su uso para la recolección de datos (ver tabla 4).

Tabla 4 coeficiente de Cronbach

De la misma forma, se empleó la técnica no paramé- trica del coeficiente de Correlación de Spearman, este coeficiente es de gran utilidad siempre y cuando el nú- mero de pares de sujetos (n) que se va a asociar sea me- nor a 30 [14] . Por tal razón se pudo medir el grado de relación entre las variables aleatorias de cada pregunta encuestada observar tabla 6. Como se puede apreciar existe la correlación significativa al nivel 0,05 lo que significa que tiene un 95% de éxito y un 0,05% de fraca- so así también encontramos la correlación significativa de 0,01 lo que significa que se tiene un 99% de éxito y un 0,01% de fracaso en la asociación de variables (tabla 5).

221

*La correlación es significativa al nivel 0,05 (bilateral) ** La correlación es significativa al nivel 0,01 (bilateral)

Se evidenció que existen 5 relaciones con un nivel de significancia de 0,01. Es decir, son altamente signifi- cativas. Se identificó que existe relación entre el conoci- miento de la herramienta tecnológica y la accesibilidad a información financiera de la empresa. En el estudio de Escobar & Mercado, se afirmó que la información de datos permite al sector empresarial, planificar políticas de inversión y crecimiento con el objetivo de impulsar el rendimiento económico [15].

Así también, existe una relación entre la pregunta 6-4; la información obtenida de big data favorece a la toma de decisiones y a su vez, contribuye al desarro- llo frente a la competencia. Uno de los beneficios del Big Data es, que mediante el análisis de la información obtenida la empresa puede optimizar estrategias, las mismas que le permiten pronosticar con veracidad los productos apropiados para sus clientes y así lograr una mejora de segmentación frente a la competencia [16].

De igual forma, existe una relación entre la informa- ción obtenida favorece al proceso de toma de decisiones y la aplicación de big data proporciona información en tiempo real. En la actualidad, big data a más de recopi- lar datos, es una herramienta que se encarga de la trans- formación empresarial; a través del monitoreo y proce-

222

samiento de información en tiempo real, que favorece a tomar iniciativas en la comprensión de las necesidades del momento [17].

Además, existe una relación entre; si se ha logrado bajo esta herramienta orientar productos/ servicios y la información obtenida de big data favorece a la toma de decisiones. A través de la utilización del big data, se puede estudiar el perfil de sus clientes, para en base a ello poder interactuar y satisfacer sus necesidades con respecto a los productos o servicios que se ofrece lo- grando de esta manera su fidelización dentro de la em- presa [18].

Por último, se identificó la relación entre; la apli- cación del big data proporciona canales de difusión adecuados y mejora la accesibilidad de la información financiera. Big data al gestionar gran cantidad de in- formación genera transformaciones productivas en el sector de la economía, a través del análisis, uso y al- macenamiento; esta herramienta provee información automatizada permitiendo hacer uso de ella y lograr un avance económico [19].

Así también, se realizó el análisis del perfil sociode- mográfico los Gerentes que dirigen las empresas Indus- triales que fueron objeto de estudio (ver tabla 6).

De las 15 encuestas realizadas, se determinó que, las

15 empresas se encuentran lideradas por Gerentes que son de género masculino, los cuales sobrepasan los 45 años de edad y referente al grado académico, presentan títulos de posgrado, dando así la totalidad del 100% de encuestados.

B.Análisis de los indicadores de Rentabilidad

Se refleja el resultado del comportamiento de la he- rramienta tecnológica, el procedimiento de análisis se efectuó en base a los Estados Financieros contemplados dentro de los periodos 2015-2016 y 2017-2018. Los in- dicadores de rentabilidad miden la eficiencia y acción del personal administrativo, para una toma de decisio- nes oportuna; que mantenga un control en cuanto a cos- tos y gastos y de esta manera se genere utilidades en base a las ventas, de acuerdo con este proceso aplicado en cada uno de los ratios analizados, se logró una pon- deración porcentual que nos dio una mejor perspectiva

de apreciación en cuanto al rendimiento de cada empre- sa. Este análisis se hizo a través de los indicadores de rentabilidad en el cual se aplicaron 4 ratios como: mar- gen de utilidad bruto, rentabilidad neta en ventas, ren- tabilidad sobre activos y rentabilidad sobre patrimonio.

El indicador de margen de utilidad bruta presentó que cuanto más alto sea el valor porcentual del mismo, denota un beneficio satisfactorio para la organización, debido a que está en condiciones de cubrir los costes de producción a través de sus ventas y además obtiene una utilidad que le genera una excelente viabilidad y desarrollo a la industria. De tal manera se da a conocer el nivel de interacción del sector industrial, siendo la empresa Cervecería Nacional quien tuvo un mejor ren- dimiento de un periodo a otro, creciendo de un 75,09% a un 78,38% a diferencia de la empresa CEDAL S.A. que tuvo un menor aprovechamiento con un decreci- miento porcentual del 17,27% a un 13,99% ente perio- dos. (figura 1).

De igual manera, el indicador de rentabilidad neta en ventas manifestó que el valor porcentual obtenido indica que la organización realiza un control eficaz de sus costos a nivel general, lo que quiere decir que se está obteniendo un total aprovechamiento en el nivel de ventas de cuerdo al giro u operación del negocio, lo cual genera ingresos y ganancias a la misma. Por consiguiente, se muestra como la empresa Adelca C.A.

obtuvo un rendimiento considerable entre periodos del 38,62% al 66,13% siendo un porcentaje significativo que refleja su capacidad para recibir beneficios altos a partir de sus operaciones propias, a diferencia de la em- presa Cedal S.A. cuyo rendimiento se vio afectado por un decrecimiento del 17,27% al 13,99% de un periodo a otro. (ver figura 2.)

En el análisis del indicador de rentabilidad sobre el activo mostró que los valores porcentuales cuando son altos y positivos expresan una utilización satisfactoria de los recursos y activos disponibles en la organización los mismos que son capaces de generar ganancias lo- grando un correcto funcionamiento de la misma. De tal manera se pudo evidenciar como la empresa Novacero S.A. alcanzo un rendimiento favorable denotando un

crecimiento del 53,00% al 67,89% de un periodo a otro lo que demostró un uso eficiente de todos sus activos debido a una administración adecuada por parte de la gerencia. No obstante, la empresa Cedal S.A. mantuvo un decrecimiento entre periodos del 16,19% al 13,01% expresando así una deficiencia en la correcta gestión de sus recursos totales como se puede apreciar en la figura 3

De acuerdo con el indicador de rentabilidad sobre el patrimonio se expresó que mientras los valores por- centuales sean mayores, es un punto positivo, pues se está generando una utilidad o ganancia a partir de la inversión hecha por los socios o accionistas. Todo esto, debido al manejo eficiente de los recursos capitales de la organización, siendo un factor determinante frente a la competencia del sector industrial en el cual se des- empeña. Por consiguiente, se da a conocer cómo in- teractúan las empresas del sector industrial, siendo la

que más destaco la empresa Pronaca C.A. quien obtuvo un rendimiento favorable al tener un crecimiento de un periodo a otro del 76,98% al 84,51% lo que demostró un alto grado de rentabilidad generado a favor de los accionistas en función de la utilización eficiente de sus propios recursos. Así también, la empresa Aglomerados S.A. quien no tuvo un aprovechamiento porcentual efi- ciente entre los distintos periodos del 13,58% al 22,89% lo que resulto un punto negativo frente a su competen- cia como se muestra en la figura 4.

Por último, se ve reflejado el comportamiento finan- ciero de las empresas Industriales Ecuatorianas que in- virtieron en la herramienta tecnología, siendo las más destacadas: Novacero S.A que creció exitosamente de un 41,79% a un 61,01%, Procesadora Nacional de Ali- mentos C.A Pronaca ascendió de un 40,71% a 52,71%, Laboratorios Industriales Farmacéuticos Ecuatorianos Life aumentó de un 39,02% a 49,90%, Acería del Ecua- dor C.A Adelca escalo de un 38,16% a 49,84% y por ul- timo Cervecería Nacional CN S.A que acrecentó de un

35,35% a 47,88%. De tal manera, estas organizaciones obtuvieron mayor beneficio debido a su conocimiento y tiempo de aplicación que llevaban, lo que mejoro su desarrollo potencial frente a la competencia pues el big data provee información real con datos de calidad lo que favorecía al proceso de toma de decisiones opor- tunas por parte de la gerencia y de esta manera orientar los productos y servicios hacia la satisfacción del clien- te (ver figura 5).

V.CONCLUSIONES

Mediante un minucioso análisis de los indicadores de rentabilidad realizados en base a los estados finan- cieros de las quince empresas industriales que fueron objeto de estudio, se pudo evidenciar que, al invertir en la herramienta tecnológica big data, han obtenido un crecimiento financiero notable, el mismo que se ve re- flejado en porcentajes positivos. De esta forma, se puede afirmar que la herramienta tecnológica contribuye a la proyección de planes, ya que proporciona información útil y real, para que las organizaciones hagan uso en el momento justo; y tomen decisiones oportunas acorde a sus objetivos trazados.

Para la obtención de los resultados, se aplicó los indicadores de rentabilidad, dado que; permiten medir la capacidad que tiene una empresa para obtener bene- ficios en base a lo invertido; en donde, los resultados finales indican que la empresa Novacero S.A. se en- cuentra en un nivel óptimo de crecimiento financiero, pues al aplicar y ejecutar el big data; le permite a la organización un manejo de datos e información de cali- dad para una toma de decisiones por parte de la geren- cia. Esta herramienta a la vez, en el sector industrial, les permite tener un historial de información. Con base a ello, logran realizar planes de producción, basado en que, no únicamente se produce lo que se necesita, sino se abastecen en masa; permitiéndoles disminuir costos y proveer a sus clientes y proveedores de productos y servicios, logrando su fidelización.

Para finalizar, al contar con la herramienta; no sola- mente la empresa está a la vanguardia de la tecnología, sino que, está un paso frente a la competencia; hoy en

día es indispensable que se realicen planes de inversión en cuanto a las Tics en general, así también invertir en personal que sepa explotar la herramienta; y de esta for- ma lograr que las empresas sean más eficientes en sus actividades y económicamente más rentables.

REFERENCIAS

[1]J. Salazar, «"Infraestructura para Big Data",» Rev. Digital Universitaria, vol. 17, nº 11, pp. 1-15, 2016. [2]M. Chema, «BIG DATA Aquí y ahora 2015. Situa- ción mundial y foco en el mercado de Colombia,» OBS Business School, España, 2015.

[3]C. B. Ynzunza, J. M. Izar, J. G. Bocarando, F. Agui- lar y M. Larios, «"El Entorno de la Industrial 4.0: Im- plicaciones y Perspectivas Futuras",» Rev. Conciencia Tecnológica, nº 54, pp. 33-45, 02 12 2017.

[4]M. Escobar y M. Mercado, «"Big Data: Un análisis de uso y aplicación en el contexto de la era digital",» Rev. La Propiedad Inmaterial, nº 28, pp. 273-293, 2017. [5]E. Hernández , N. Duque y J. Moreno, «"Big Data: una explotación de investigación, tecnologías y casos de aplicación.",» Rev. TecnoLógicas, vol. 20, nº 39, 2017.

[6]C. Cedeño y J. J. Coba, «"Análisis de la incidencia del manejo de la información corporativa (Big Data) en la productividad de las empresas del sector servicios de la cuidad de Guayaquil",» Guayaquil, 2020.

[7]R. Gonsalez , «"Impacto de la data warehouse e inte- ligencia de negocios en el desempeño de las empresas: investigación empírica en Perú, como pais en vías de desarrollo" (Tesis Doctoral ),» 2012.

[8]M. Garvich, «"Propuesta de análisis de datos no es-

tructurados para generar decisiones oportunas en la em- presa FMD",» Lima, 2017.

[9]F. Malvicino y G. Yoguel, "Big Data: Avances re- cientes a nivel internacional y perspectivas para el de- sarrollo local", Buenos Aires: CIECTI, 2018.

[10]S. A. Gaviria, C. A. Varela y L. J. Yánez, «"Indica- dores de rentabilidad su aplicación en las decisiones de agrupamiento empresarial",» Rev. Universidad de An- toquia , vol. 4, nº 1, p. 27, 2010.

[11]A. E. Manzo, «"Crecimiento y desarrollo económi- co de la ciudad de Babahoyo 2007-2012",» Guayquil, 2014.

[12]Superintendencia de Compañias, «appscvs.super- cias.gob.ec,» 31 12 20. [En línea]. Available: https:// appscvs.supercias.gob.ec/rankingCias/. [Último acce- so: 2021 03 06].

[13]H. A. Hernández y A. E. Pascual, «Validación de un instrumento de investigación para el diseño de una metodología de autoevaluación del sistema de gestión ambiental,» Rev. Investigación Agraría y Ambiental,

RESUMEN CURRICULAR

vol. 9, nº 1, pp. 157-164, 2018.

[14]L. Restrepo y J. González, «De Pearson a Spera- man,» Rev. Colombiana de Ciencias Pecuarias, vol. 20, nº 2, pp. 183-192, 2007.

[15]M. Escobar y M. Margareth, «"BIB DATA: Un aná- lisis documental de su uso y aplicación en el contexto de la era digital",» Rev. La Propiedad Inmaterial, nº 28, pp. 273-293, 2019.

[16]D. López, «"Análisis de las posibilidades de uso de Big Data en las organizaciones" trabajo fin de Máster,» Madrid, 2013.

[17]J. Figueres, «"Big Data, ampliación cognitiva, pro- cesos de autoorganización y desarrollo económico" Doctorando,» Madrir, 2017.

[18]J. Salazar, «"Infraestructura para Big Data",» Rev. Digital Universitaria, vol. 17, nº 11, 2016.

[19]F. Munafo, «"La importancia de la gestión de datos y su imptaco en en el riesgo de crédito de Instituciones Financieras",» Rev. de Investigación en Modelos Fi- nancieros, vol. 2, pp. 25-39, 2019.