Optimización de las cadenas de suministro de pymes de consumo masivo del sector alimenticio de Bogotá, Colombia, a través de la inteligencia de negocios y el análisis predictivo para la toma de decisiones

Abstract

Este trabajo de grado tiene como objetivo evaluar cómo la inteligencia de negocios (BI) y el análisis predictivo pueden mejorar los procesos y las operaciones internas de la cadena de suministro en pymes de consumo masivo del sector alimenticio en Colombia. En el contexto de una creciente necesidad de optimización en la gestión de la cadena de abastecimiento, se analiza el impacto de estas tecnologías en la toma de decisiones. La investigación se basa en antecedentes que resaltan la importancia de la toma de decisiones basada en datos en la gestión de la cadena de suministro. A través de una metodología cuantitativa, se analizaron los datos recolectados mediante encuestas a profesionales del sector, identificando los principales indicadores clave de desempeño (KPIs) que pueden ser monitoreados a través de herramientas de BI para mejorar la planificación y gestión de la cadena de suministro. Además, se propone un modelo para la estimación de la demanda basado en BI que integra análisis predictivo con el fin de apoyar la toma de decisiones para la cadena de suministro. El estudio reveló correlaciones positivas entre algunas variables como la adopción de BI, antigüedad de la empresa y tamaño organizacional. Además, se observaron mejoras significativas en gestión de inventarios, reducción de costos y precisión de pronósticos, especialmente en empresas con capacitación en BI. Sin embargo, se identifica la necesidad de fortalecer la capacitación en el uso de estas herramientas y de promover una integración más profunda de BI en los procesos de la cadena de suministro para maximizar sus beneficios.

This thesis aims to evaluate how business intelligence (BI) and predictive analytics can improve the efficiency and effectiveness of the supply chain in mass-consumption SMEs in the food sector in Colombia. In the context of a growing need for optimization in supply chain management, the impact of these technologies on decision-making is analyzed. The research is based on background information that highlights the importance of data-driven decision-making in supply chain management. Using a quantitative methodology, data collected through surveys of industry professionals will be analyzed to identify the key performance indicators (KPIs) that can be monitored using BI tools to improve supply chain planning and management. Additionally, a BI-based model that integrates predictive analytics is proposed to enhance decision-making in the supply chain. The study revealed positive correlations among variables such as BI adoption, company tenure, and organizational size. It also showed significant improvements in inventory management, cost reduction, and forecasting accuracy, particularly in firms with BI training. However, it highlighted the need to strengthen training in these tools and to promote deeper BI integration within supply chain processes to maximize their benefits