Modelo de inteligencia de negocios potenciado por IA para la optimización de la toma de decisiones en PYMES

Abstract

En este proyecto se realiza un estudio documental del estado de las PYMES de servicios en Colombia, sus principales desafíos en la adopción de tecnologías emergentes para procesamiento, análisis e interpretación de datos estratégicos y facilitar la toma de decisiones, y se propone un modelo de inteligencia de negocios BI potenciado con IA. Se realizaron procesos de análisis documental, diseño del prototipo usando la metodología de Kimball con un modelo básico de 3 Datamarts, y usando herramientas de Google Cloud como son BigQuery, Gemini, entre otras. Por último, se hace una validación desde el punto de vista de los stakeholders. El modelo de ejecución del proyecto se hace usando el marco de trabajo Scrum, lo cual garantiza entregas iterativas, incrementales y funcionales. Los resultados evidencian una mejora del 60% en el análisis de información, con una proyección del ROI en 32.5% y un punto de equilibrio de 10 meses. Además, se definen OKRs y métricas de innovación que respaldan el impacto positivo del modelo. Se concluye que la propuesta es viable técnica y financieramente y que también ayuda a democratizar el acceso al análisis avanzado de datos a las PYMEs, promoviendo una cultura organizacional orientada a la toma de decisiones.

This project presents a documentary study on the current state of service-sector SMEs in Colombia, highlighting their main challenges in adopting emerging technologies for the processing, analysis, and interpretation of strategic data to support decision-making. An AI-powered Business Intelligence (BI) model is proposed. The methodology included documentary analysis, the design of a prototype based on the Kimball methodology with a basic model of three datamarts, and the use of Google Cloud tools such as BigQuery, Gemini, among others. Finally, validation was conducted from the stakeholders’ perspective. The project was executed using the Scrum framework, ensuring iterative, incremental, and functional deliveries. Results show a 60% improvement in data analysis efficiency, with an estimated ROI of 32.5% and a breakeven point within 10 months. Additionally, OKRs and innovation metrics were defined to support the model's positive impact. The study concludes that the proposed solution is technically and financially feasible and contributes to democratizing access to advanced data analysis for SMEs, fostering an organizational culture oriented toward data-driven decision-making.