Retos, estrategias y aplicación de Business Intelligence en la Industria 4.0 para empresas y organizaciones
Contenido principal del artículo
Resumen
Las empresas y organizaciones enfrentan muchos desafíos en busca de mejorar su competitividad en el mercado. La Industria 4.0 es una iniciativa que abarca la integración de tecnologías avanzadas como la inteligencia artificial, la Internet de las cosas (IoT), servicios en la nube, la robótica, etc. Una de las más importantes tecnologías inmersas en la Industria 4.0 es Business Intelligence (BI), esta proporciona a las empresas las herramientas y técnicas necesarias para recopilar, analizar y presentar la información de manera efectiva para la toma de decisiones. La presente investigación tiene como objetivo reconocer los principales retos que enfrentan las organizaciones a la hora de implementar la Industria 4.0 e identificar estrategias y ejemplos prácticos de aplicación de Business Intelligence. Este estudio tiene un enfoque cualitativo y un diseño de teoría fundamentada considerando la evidencia científica disponible en la base de datos SCOPUS. Algunos de los desafíos más significativos incluyen el costo y la complejidad de la tecnología, la seguridad de los datos, la ingesta, limpieza y transformación de flujos de datos, la adaptación a cambios en la ejecución de proyectos, entre otros. La implementación exitosa de BI puede ser clave para aprovechar al máximo las oportunidades de la digitalización y mantener la competitividad en el mercado. Además, permite analizar y transformar grandes cantidades de datos en información valiosa para la empresa, lo que permite mejorar la eficiencia de la producción, predecir la demanda del cliente, detectar fraudes y tomar decisiones informadas.
Detalles del artículo
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
1.- Licencia de contenido
Creative Commons
Atribución-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)
Política propuesta para revistas que ofrecen acceso abierto
Aquellos autores/as que tengan publicaciones con esta revista, aceptan los términos siguientes:
Usted es libre de:
Compartir — copiar y redistribuir el material en cualquier medio o formato
Adaptar — remezclar, transformar y construir a partir del material
La licenciante no puede revocar estas libertades en tanto usted siga los términos de la licencia
Bajo los siguientes términos:
- Atribución — Usted debe dar crédito de manera adecuada, brindar un enlace a la licencia, e indicar si se han realizado cambios. Puede hacerlo en cualquier forma razonable, pero no de forma tal que sugiera que usted o su uso tienen el apoyo de la licenciante.
- NoComercial — Usted no puede hacer uso del material con propósitos comerciales.
- CompartirIgual — Si remezcla, transforma o crea a partir del material, debe distribuir su contribución bajo la la misma licencia del original.
No hay restricciones adicionales — No puede aplicar términos legales ni medidas tecnológicas que restrinjan legalmente a otras a hacer cualquier uso permitido por la licencia.
Â
2.- Derechos de autor y pemiso
- La revista permite que los autores tengan los derechos de autor sin restricciones.
- La revista permite que los autores conserven los derechos de publicación sin restricciones; y los autores garantizan a la revista el derecho de ser la primera publicación del trabajo
Citas
Ahmad, S., Miskon, S., Alabdan, R., & Tlili, I. (2020). Towards Sustainable Textile and Apparel Industry: Exploring the Role of Business Intelligence Systems in the Era of Industry 4.0. Sustainability, 12(7). https://doi.org/10.3390/su12072632
Baghal, A. (2019). Leveraging Graph Models to Design Acute Kidney Injury Disease Research Data Warehouse. In A. M. & J. Y. (Eds.), 6th International Conference on Social Networks Analysis, Management and Security, SNAMS 2019 (pp. 413–418). Institute of Electrical and Electronics Engineers Inc. https://doi.org/10.1109/SNAMS.2019.8931838
Foley, É., & Guillemette, M. G. (2010). What is Business Intelligence? International Journal of Business Intelligence Research, 1(4), 1–28. https://doi.org/10.4018/JBIR.2010100101:
Gottge, S., Menzel, T., & Forslund, H. (2020). Industry 4.0 technologies in the purchasing process. Industrial Management & Data Systems, 120(4), 730–748. https://doi.org/10.1108/IMDS-05-2019-0304
Gubert, X. A. (2019). La industria 4.0, el nuevo motor de la innovación industrial. Dirección y Organización, 0(69), 99–110. https://doi.org/10.37610/dyo.v0i69.563
Khan, S. I., & Hoque, A. S. M. L. (2015). Towards development of health Data Warehouse: Bangladesh perspective. 2nd International Conference on Electrical Engineering and Information and Communication Technology, ICEEiCT 2015. https://doi.org/10.1109/ICEEICT.2015.7307514
Lopez, C.-P., Segura, M., & Santórum, M. (2019). Data Analytics and BI Framework Based on Collective Intelligence and the Industry 4.0. Proceedings of the 2nd International Conference on Information Science and Systems, 93–98. https://doi.org/10.1145/3322645.3322667
Nagy, J., Oláh, J., Erdei, E., Máté, D., & Popp, J. (2018). The Role and Impact of Industry 4.0 and the Internet of Things on the Business Strategy of the Value Chain—The Case of Hungary. Sustainability, 10(10). https://doi.org/10.3390/su10103491
Nunes, M., Abreu, A., Bagnjuk, J., Saraiva, C., & Viana, H. (2022). Integrating a Project Risk Model into a BI Architecture. In V. Kumar, J. Leng, V. Akberdina, & E. Kuzmin (Eds.), Digital Transformation in Industry (pp. 423–432). Springer International Publishing.
Nunes, M., Bagnjuk, J., Abreu, A., Saraiva, C., Nunes, E., & Viana, H. (2022). Achieving Competitive Sustainable Advantages (CSAs) by Applying a Heuristic-Collaborative Risk Model. Sustainability, 14(6). https://doi.org/10.3390/su14063234
O’Donovan, P., Leahy, K., Bruton, K., & O’Sullivan, D. T. J. (2015). An industrial big data pipeline for data-driven analytics maintenance applications in large-scale smart manufacturing facilities. Journal of Big Data, 2(1), 25. https://doi.org/10.1186/s40537-015-0034-z
Odwa?ny, F., Wojtkowiak, D., Cyplik, P., & Adamczak, M. (2019). Concept for measuring organizational maturity supporting sustainable development goals. LogForum, 15(2), 237–247. https://doi.org/DOI: 10.17270/J.LOG.2019.321
Rane, S. B., & Narvel, Y. A. M. (2021). Leveraging the industry 4.0 technologies for improving agility of project procurement management processes. International Journal of System Assurance Engineering and Management, 12(6), 1146–1172. https://doi.org/10.1007/s13198-021-01331-4
Rojko, A. (2017). Industry 4.0 concept: Background and overview. International Journal of Interactive Mobile Technologies, 11(5).
Tavera Romero, C. A., Ortiz, J. H., Khalaf, O. I., & Ríos Prado, A. (2021). Business Intelligence: Business Evolution after Industry 4.0. Sustainability, 13(18). https://doi.org/10.3390/su131810026
Trochoutsos, C., & Sofias, Y. (2022). The importance of Data Analysis in the modern era of print production. https://www.grid.uns.ac.rs/symposium/download/2022/94.pdf