FRONTERAS DEL CONOCIMIENTO
Revista Científica Multidisciplinaria
ISSN: 3091-1818
Artículo Original
El papel de la analítica predictiva en la anticipación de cambios en el entorno
empresarial
The Role Of Predictive Analytics In Anticipating Changes In The Business Environment
Resumen
Este estudio se basó en el rol fundamental que desempeña la analítica predictiva
en la anticipación de cambios en el entorno empresarial, examinando ejemplos
de empresas líderes y sus resultados cuantitativos. La metodología conllevó la
recopilación de datos secundarios de fuentes confiables y el análisis detallado de
casos
de
estudio
de
empresas
destacadas.
A
través
de
este
enfoque,
se
identificaron
tendencias
y
desafíos
en
el
uso
de
la
analítica
predictiva
en
el
entorno empresarial actual. Los resultados revelaron que la analítica predictiva
tiene un impacto significativo en diversas áreas de las operaciones empresariales.
Amazon logró un aumento del 29% en sus ingresos mediante la implementación
de algoritmos de recomendación basados en la analítica predictiva, lo que resalta
el potencial de esta tecnología para impulsar los resultados financieros de una
empresa. Además, casos como el de Procter & Gamble, que redujo sus costos de
inventario
en
un
25%
utilizando
modelos
predictivos
para
pronosticar
la
demanda de productos con mayor precisión, destacan la capacidad de la analítica
predictiva para generar eficiencias operativas significativas.
Palabras
clave:
analítica
predictiva,
empresas,
eficiencia,
entorno,
competitividad.
Abstract
This study was based on the fundamental role that predictive analytics plays in
anticipating
changes
in
the
business
environment,
examining
examples
from
leading
companies
and
their
quantitative
results.
The
methodology
involved
gathering
secondary
data
fr
om
reliable
sources
and
detailed
analysis
of
case
studies of prominent companies. Through this approach, trends and challenges
in
the
use
of
predictive
analytics
in
the
current
business
environment
were
identified. The results revealed that predictive anal
ytics has a significant impact
on various areas of business operations. Amazon, for instance, achieved a 29%
increase in revenue by implementing predictive analytics
-
based recommendation
algorithms, highlighting the potential of this technology to drive a
company’s
financial
results.
Additionally,
cases
like
Procter
&
Gamble,
which
reduced
inventory costs by 25% using predictive models to forecast product demand more
accurately,
underscore
the predictive
analytics’
ability
to
generate
significant
operationa
l efficiencies.
Keywords:
big data, marketing, personalization, customers, strategies.
Julio Enrique Peñafiel Cabello
https://orcid.org/0009-0003-5500-7461
Julio.penafiel.cabello@gmail.com
Universidad Agraria del Ecuador:
Guayaquil, Guayas, EC – Estudiante,
Facultad Economía Agrícola.
Guayaquil - Ecuador
Cita a este artículo:
Peñafiel Cabello, J. E.
(2025). El papel de la analítica predictiva
en la anticipación de cambios en el entorno
empresarial.
Fronteras del Conocimiento,
4
(4), 88-102
Artículo recibido: 12 de noviembre de
2025
Aceptado para publicación:
15 de
diciembre de 2025
Publicado: 31 de diciembre de 2025
Conflictos de intereses: Ninguno que
declarar
1
https://fronterasdelconocimiento.org
Vol.4 No. 4 (2025) Octubre - Diciembre
Introducción
En
el
mundo
empresarial,
caracterizado
por
la
constante
evolución,
la
competitividad
y
la
incertidumbre, la capacidad de anticiparse a los cambios del entorno se ha vuelto crítica para el
éxito y la supervivencia de las organizaciones.
De este modo, los avances tecnológicos, las cambiantes preferencias de los consumidores y los
eventos imprevistos como pandemias y crisis económicas han intensificado la necesidad de que
las
empresas
sean
proactivas
en
la
identificación
de
tendencias
y
la
adaptación
a
nuevas
circunstancias (Smartbound, 2023). En este escenario, la analítica predictiva es una herramienta
esencial para comprender y predecir el comportamiento futuro del mercado, permitiendo a las
empresas tomar decisiones informadas y estratégicas.
Según
Contreras
&
Sánchez
(2020),
la
analítica
predictiva
se
basa
en
el
análisis
de
datos
históricos y en la aplicación de algoritmos avanzados para identificar patrones, tendencias y
relaciones ocultas que pueden ser utilizados para pronosticar eventos futuros.
Se
basa
en
datos
históricos
o
en
suposiciones
subjetivas;
la
analítica
predictiva
utiliza
un
enfoque basado en datos y en evidencia, lo que la convierte en una herramienta poderosa para
la toma de decisiones empresariales.
Sin embargo, a pesar del potencial que ofrece la analítica predictiva, muchas organizaciones
enfrentan
desafíos
en
su
implementación
efectiva.
Uno
de
los
principales
obstáculos
es
la
complejidad en la recopilación, limpieza y análisis de datos (Redondo, 2020). Las empresas
suelen lidiar con grandes volúmenes de datos provenientes de diversas fuentes, lo que puede
dificultar el
proceso de análisis y afectar la calidad de los
resultados predictivos
(Romero,
2022).
Además, la falta de talento especializado en ciencia de datos puede limitar la capacidad de las
organizaciones para aprovechar al máximo las capacidades de la analítica predictiva (Avila,
2023).
Otro desafío importante es la interpretación y comunicación de los resultados predictivos. A
menudo, los resultados de los modelos predictivos pueden ser difíciles de entender para aquellos
que no tienen experiencia en análisis de datos, lo que puede limitar su utilidad en la toma de
decisiones empresariales (Redondo, 2020).
2
https://fronterasdelconocimiento.org
Vol.4 No. 4 (2025) Octubre - Diciembre
Además, existe el riesgo de que los modelos predictivos sean sesgados o incompletos debido a
la falta de datos representativos o a la inclusión de variables irrelevantes
A pesar de estos desafíos, existen numerosos ejemplos de empresas que han utilizado con éxito
la analítica predictiva para anticipar cambios en su entorno empresarial y ganar una ventaja
competitiva.
Un
ejemplo
de
ellos
es
Amazon,
que
utiliza
algoritmos
predictivos
para
recomendar productos a los clientes en función de su historial de compras y comportamiento
de navegación (Maldonado, 2023). Del mismo modo, empresas de servicios financieros utilizan
modelos predictivos para detectar fraudes y prevenir pérdidas.
En este contexto, es importante que las organizaciones comprendan el papel de la analítica
predictiva
en
la
anticipación
de
cambios
en
el
entorno
empresarial
y
adopten
un
enfoque
estratégico para su implementación. De acuerdo a Monje (2023), esto implica no solo invertir
en tecnología y talento especializado, sino también desarrollar una cultura organizacional que
valore
y
promueva
el
uso
de
datos
en
la
toma
de
decisiones.
Es
importante
que
las
organizaciones sean transparentes en cuanto al uso de la analítica predictiva y que aseguren que
se respeten los principios éticos y legales en la recopilación y el uso de datos.
Por
lo
tanto,
el
objetivo
principal
de
esta
investigación
es
analizar
el
papel
de
la
analítica
predictiva
en
la
anticipación
de
cambios
en
el
entorno
empresarial
y
proporcionar
recomendaciones
prácticas
para
su
implementación
efectiva.
Al
alcanzar
este
objetivo,
se
espera
contribuir
al
cuerpo
de
conocimientos
existente
sobre
la
analítica
predictiva
y
su
aplicación
en
el
contexto
empresarial,
así
como
proporcionar
orientación
práctica
para
las
empresas que buscan aprovechar esta tecnología para mejorar su capacidad de anticipación y
adaptación.
Cabe destacar que, numerosas compañías han implementado con éxito la analítica predictiva
como
parte
integral
de
sus
estrategias
comerciales,
obteniendo
resultados
significativos
en
términos de eficiencia operativa, aumento de ingresos y mejora de la experiencia del cliente.
Amazon ha utilizado la analítica predictiva de manera extensa para personalizar la experiencia
del usuario y mejorar las recomendaciones de productos. Según datos proporcionados por la
propia empresa, el 35% de las ventas de Amazon provienen de recomendaciones personalizadas
generadas
por
algoritmos
de
analítica
predictiva.
Además,
gracias
a
la
implementación
de
3
https://fronterasdelconocimiento.org
Vol.4 No. 4 (2025) Octubre - Diciembre
modelos predictivos avanzados, Amazon ha logrado reducir sus costos operativos al optimizar
la gestión de inventario y la cadena de suministro, lo que se traduce en ahorros de hasta un 20%
en costos logísticos (Pontia, 2024).
Otro caso destacado es el de Netflix, el servicio de streaming de contenido audiovisual, que
utiliza
la
analítica
predictiva
para
recomendar
películas
y
programas
de
televisión
a
sus
usuarios, lo que ha demostrado ser una estrategia altamente efectiva para aumentar la retención
de clientes y mejorar la satisfacción del usuario. Según datos proporcionados por la compañía,
el
75%
del
contenido
reproducido
en
Netflix
proviene
de
recomendaciones
personalizadas
generadas por algoritmos de analítica predictiva (Egea, 2023). Además, Netflix ha utilizado
modelos predictivos para predecir el éxito potencial de nuevas producciones y optimizar su
inversión en contenido original, lo que ha contribuido al aumento de su base de suscriptores y
a su expansión global.
En el sector financiero, el banco estadounidense Wells Fargo ha utilizado la analítica predictiva
para
mejorar
la
detección
de
fraudes
y
reducir
las
pérdidas
asociadas.
Según
datos
proporcionados
por
la
empresa,
la
implementación
de
modelos
predictivos
avanzados
ha
permitido a Wells Fargo reducir el fraude en transacciones de tarjetas de crédito en un 40% en
los
últimos dos años. Además, el
banco ha utilizado la analítica predictiva para identificar
oportunidades de venta cruzada y upselling, lo que ha contribuido a un aumento del 25% en los
ingresos por ventas adicionales (Mejía, 2022).
En el sector del transporte, Uber es otro ejemplo destacado de una empresa que ha aprovechado
el poder de la analítica predictiva para impulsar su éxito.
Uber utiliza la analítica predictiva para predecir la demanda de viajes en diferentes áreas y
momentos del día, lo que le permite asignar de manera eficiente los conductores y reducir los
tiempos de espera para los usuarios. Según datos internos, Uber ha logrado reducir el tiempo
de espera promedio en un 20% mediante el uso de modelos predictivos avanzados (Ridge,
2023).
Además, la compañía utiliza la analítica predictiva para ajustar dinámicamente sus tarifas en
función
de la oferta y la demanda, lo
que le permite maximizar sus
ingresos
y mejorar la
eficiencia de sus operaciones.
4
https://fronterasdelconocimiento.org
Vol.4 No. 4 (2025) Octubre - Diciembre
Estos ejemplos ilustran cómo la analítica predictiva puede ser una herramienta poderosa para
impulsar el éxito empresarial en una variedad de industrias y contextos.
Desafíos y tendencias de la analítica predictiva
En la siguiente tabla se presenta una visión completa de los desafíos y tendencias asociados con
la implementación de la analítica predictiva en las empresas. Los desafíos enumerados abordan
aspectos
críticos
como
la
complejidad
de
los
datos,
la
falta
de
talento
especializado,
la
interpretación de resultados y la seguridad de datos, entre otros.
Metodología
En este estudio sobre el papel de la analítica predictiva en la anticipación de cambios en el
entorno empresarial, se consideraron diversas variables de investigación relacionadas con la
implementación
y
el
impacto
de
la
analítica
predictiva
en
las
empresas.
Estas
variables
incluyen:
Implementación de la analítica predictiva: categoría que abarca aspectos como la adopción de
tecnologías de analítica predictiva y la integración de sistemas.
Impacto en la eficiencia operativa: Subcategoría que evalúa cómo la analítica predictiva afecta
a la eficiencia en áreas como la gestión de inventario, la cadena de suministro y los procesos
operativos.
Aumento
de
ingresos:
Subcategoría
que
analiza
el
impacto
de
la
analítica
predictiva
en
la
generación
de
ingresos
a
través
de
estrategias
como
la
personalización
de
servicios
y
la
optimización de precios.
Mejora de la experiencia del cliente: Subcategoría que examina cómo la analítica predictiva
contribuye a una mejor comprensión de las necesidades y preferencias de los clientes, así como
a la personalización de la experiencia del usuario.
Para llevar a cabo esta investigación sobre el papel de la analítica predictiva en la anticipación
de
cambios
en
el
entorno
empresarial,
se
aplicaron
diversos
métodos
de
investigación,
incluyendo el método analítico e inductivo. A continuación, se describe detalladamente cómo
se aplicaron estos métodos:
5
https://fronterasdelconocimiento.org
Vol.4 No. 4 (2025) Octubre - Diciembre
Método
analítico:
Este
método
se
aplicó
para
descomponer
el
fenómeno
estudiado
en
sus
componentes
más
básicos
y
analizarlos
de
manera
individual.
Se
llevó
a
cabo
un
análisis
exhaustivo
de
la
literatura
científica
y
técnica
relacionada
con
la
analítica
predictiva
y
su
aplicación en entornos empresariales. Se recopilaron y revisaron investigaciones, estudios de
caso,
informes
de
mercado
y
artículos
académicos
relevantes
para
identificar
patrones,
tendencias y mejores prácticas en el uso de la analítica predictiva en empresas.
Método
inductivo:
Este
método
se
utilizó
para
generar
teorías
o
conclusiones
a
partir
de
observaciones específicas y casos concretos. Se recopilaron datos empíricos mediante encuestas
a empresas que utilizan analítica predictiva en sus operaciones. Se analizaron estos datos de
manera inductiva para identificar patrones y tendencias emergentes en la implementación y el
impacto de la analítica predictiva en diferentes industrias y contextos empresariales.
Resultados y Discusión
Las tendencias identificadas sugieren direcciones prometedoras para superar estos desafíos,
como la automatización del análisis de datos, el aumento de la demanda de profesionales en
ciencia de datos, el desarrollo de herramientas de visualización avanzadas y la implementación
de soluciones de ciberseguridad avanzadas.
Este cuadro ofrece una guía valiosa para las organizaciones que buscan adoptar la analítica
predictiva y navegar por los desafíos asociados con su implementación.
Tabla 1.
Desafíos y tendencias de la analítica predictiva
6
https://fronterasdelconocimiento.org
Vol.4 No. 4 (2025) Octubre - Diciembre
Nota. Detalla algunos modelos utilizados en la analítica predictiva
7
https://fronterasdelconocimiento.org
Vol.4 No. 4 (2025) Octubre - Diciembre
Los resultados de esta investigación, respaldados por casos emblemáticos de grandes empresas,
enfatizan la importancia y el impacto de la analítica predictiva en la transformación del entorno
empresarial. La implementación exitosa de esta tecnología ha generado mejoras significativas
en diversas áreas, incluidas la eficiencia operativa, los ingresos y la experiencia del cliente.
8
https://fronterasdelconocimiento.org
Vol.4 No. 4 (2025) Octubre - Diciembre
Al analizar detenidamente estos resultados y discutir su relevancia, se aprecia un panorama
prometedor para las empresas que adoptan la analítica predictiva como una estrategia central
para su crecimiento y competitividad.
Uno de los resultados más destacados es la amplia adopción de la analítica predictiva por parte
de
grandes
empresas
en
diferentes
sectores.
Amazon,
líder
del
comercio
electrónico,
ha
utilizado
con
éxito
algoritmos
de
recomendación
basados
en
la
analítica
predictiva
para
aumentar sus ingresos en un 29%.
Este
caso
ejemplifica
cómo
la
implementación
inteligente
de
la
analítica
predictiva
puede
impulsar el
rendimiento empresarial
(Maldonado, 2023). A su vez, Netflix ha logrado una
retención de clientes del 15% mediante la personalización de la experiencia del usuario (Egea,
2023), gracias a la anticipación de preferencias a través de modelos predictivos. Este enfoque
ha demostrado que la analítica predictiva no solo puede aumentar la satisfacción del cliente,
sino también la fidelidad a la marca.
Asimismo, Procter & Gamble (P&G), gigante en el sector de bienes de consumo, ha optimizado
su cadena de suministro y ha reducido sus costos de inventario en un 25% utilizando modelos
predictivos para pronosticar la demanda de productos con mayor precisión (Maldonado, 2023).
Este
ejemplo
señala
cómo
la
analítica
predictiva
puede
generar
eficiencias
operativas
significativas y reducir los costos comerciales.
De manera similar, Walmart ha aumentado sus ventas en línea en un 20% gracias a algoritmos
predictivos que personalizan las ofertas de productos a los clientes, y ha mejorado la eficiencia
de
su
cadena
de
suministro
en
un
15%
(Centeno,
2020).
Estos
casos
destacan
el
impacto
cuantitativo
de
la
analítica
predictiva
en
la
generación
de
ingresos
y
la
optimización
de
procesos.
De esta manera, la discusión de estos resultados revela el potencial transformador de la analítica
predictiva en el entorno empresarial actual. Estas empresas han aprovechado eficazmente la
tecnología para anticiparse a las demandas del mercado, optimizar sus operaciones y mejorar la
experiencia
del
cliente.
La
implementación
exitosa
de
la
analítica
predictiva
no
solo
ha
9
https://fronterasdelconocimiento.org
Vol.4 No. 4 (2025) Octubre - Diciembre
generado
resultados
positivos
en
términos
de
ingresos
y
eficiencia,
sino
que
también
ha
fortalecido la posición competitiva de estas empresas en sus respectivos sectores.
Al
profundizar
en
los
detalles
de
estos
casos,
se
observa
que
la
adopción
de
la
analítica
predictiva
ha
estado
respaldada
por
una
combinación
de
datos
de
alta
calidad,
tecnología
avanzada y talento humano especializado. Estas empresas han invertido significativamente en
la infraestructura necesaria para recopilar, almacenar y analizar grandes volúmenes de datos,
así
como
en
el
desarrollo
de
algoritmos
y
modelos
predictivos
sofisticados.
Además,
han
incorporado expertos en ciencia de datos y analítica en sus equipos para impulsar la innovación
y la toma de decisiones basadas en datos.
Por lo tanto, la relevancia de estos resultados se refleja en su consistencia con investigaciones
previas que destacan el impacto positivo de la analítica predictiva en una variedad de industrias
y contextos empresariales. Estudios realizados por consultoras como McKinsey & Company y
académicos de instituciones como
la Universidad de Stanford
respaldan la idea de que las
empresas que utilizan analítica predictiva son más propensas a superar a sus competidores en
términos de ingresos, rentabilidad y eficiencia operativa. Estas investigaciones proporcionan
un
respaldo
adicional
a
los
resultados
obtenidos
en
esta
investigación,
consolidando
la
importancia estratégica de la analítica predictiva en el entorno empresarial moderno.
Otro caso ejemplar es el de General Electric (GE), una empresa líder en tecnología industrial,
que
ha
utilizado
la
analítica
predictiva
para
optimizar
el
mantenimiento
de
sus
activos
y
maximizar la eficiencia operativa (Tenés, 2023). GE ha implementado sensores y dispositivos
de monitoreo en sus equipos industriales, lo que le permite recopilar datos en tiempo real sobre
el rendimiento y la salud de sus activos. Al aplicar algoritmos predictivos a estos datos, GE
puede predecir y prevenir fallas en sus equipos antes de que ocurran, lo que ha llevado a una
reducción del 20% en los tiempos de inactividad no planificados y a un aumento del 15% en la
productividad de sus activos (Tenés, 2023).
En el sector de la salud, IBM Watson Health ha utilizado la analítica predictiva para mejorar el
diagnóstico y el tratamiento de enfermedades. IBM ha desarrollado sistemas de inteligencia
artificial
que
pueden
analizar
grandes
cantidades
de
datos
médicos,
como
imágenes
de
resonancia magnética y registros electrónicos de salud, para identificar patrones y tendencias
10
https://fronterasdelconocimiento.org
Vol.4 No. 4 (2025) Octubre - Diciembre
que los médicos pueden pasar por alto. Estos sistemas predictivos han demostrado ser efectivos
en la detección temprana de enfermedades como el cáncer y la diabetes, lo que ha llevado a una
mejora del 30% en las tasas de detección y tratamiento temprano (Ventura, Vidalón, & Ventura,
2021).
En el ámbito financiero, Goldman Sachs ha utilizado la analítica predictiva para mejorar la
precisión de sus pronósticos económicos y financieros. De acuerdo con González (2021), la
empresa
ha
desarrollado
modelos
predictivos
que
analizan
una
amplia
gama
de
datos
macroeconómicos y financieros, como tasas de interés, precios de acciones y tendencias del
mercado, para predecir con mayor precisión los movimientos del mercado y las oportunidades
de inversión. Estos modelos han demostrado ser altamente precisos, con una tasa de acierto del
80% en la predicción de cambios en los mercados financieros globales.
En el sector minorista, Starbucks ha utilizado la analítica predictiva para optimizar la gestión
de inventario y mejorar la experiencia del cliente. La empresa ha implementado sistemas de
análisis de datos en tiempo real que recopilan información sobre las ventas, el tráfico de clientes
y las tendencias de consumo en sus tiendas. Al aplicar algoritmos predictivos a estos datos,
Starbucks puede predecir con precisión la demanda de productos en diferentes ubicaciones y
momentos del día, lo que ha llevado a una reducción del 10% en los niveles de inventario y una
mejora del 15% en la satisfacción del cliente (Moreira, 2021).
En
el
ámbito
de
la
logística,
FedEx
ha
utilizado
la
analítica
predictiva
para
optimizar
sus
operaciones
de
entrega
y
reducir
los
costos
de
transporte.
La
empresa
ha
desarrollado
algoritmos predictivos que analizan datos históricos de envíos, como rutas de entrega, tiempos
de tránsito y condiciones climáticas, para predecir la demanda futura y optimizar la asignación
de recursos. Estos modelos predictivos han permitido a FedEx reducir los tiempos de entrega
en un 20% y los costos de transporte en un 15%, lo que ha mejorado significativamente su
competitividad en el mercado de la logística (Aranea, 2021).
Estos
ejemplos
ilustran
cómo
diferentes
empresas
han
utilizado
la
analítica
predictiva
de
manera
efectiva
para
abordar
desafíos
específicos
en
sus
respectivas
industrias
y
generar
resultados tangibles en términos de eficiencia operativa, ingresos y satisfacción del cliente. Al
analizar estos casos en conjunto, se evidencia la versatilidad y el potencial transformador de la
11
https://fronterasdelconocimiento.org
Vol.4 No. 4 (2025) Octubre - Diciembre
analítica predictiva en una variedad de contextos empresariales. Además, estos casos destacan
la
importancia
de
una
implementación
estratégica
y
una
infraestructura
sólida
de
datos
y
tecnología para aprovechar plenamente el valor de la analítica predictiva.
Es
fundamental
destacar
que,
si
bien
los
casos
presentados
muestran
el
potencial
y
los
beneficios de la analítica predictiva, su implementación exitosa no está exenta de desafíos. La
recopilación y gestión de datos, la privacidad y seguridad de la información, la integración de
sistemas y la capacitación del personal son solo algunos de los obstáculos que las empresas
deben superar para aprovechar plenamente el potencial de la analítica predictiva. Sin embargo,
los resultados positivos obtenidos por empresas líderes en diversos sectores sugieren que los
beneficios superan con creces los desafíos.
Conclusiones
Esta investigación se basa en los resultados significativos obtenidos y los ejemplos destacados
de grandes empresas que han implementado esta tecnología con éxito, los cuales señalaron la
importancia estratégica de la analítica predictiva en la mejora del rendimiento empresarial en
diversas áreas, incluidas la eficiencia operativa, los ingresos y la experiencia del cliente.
Los ejemplos de empresas como Amazon, Netflix, Procter & Gamble (P&G), Walmart, General
Electric (GE), IBM Watson Health, Goldman Sachs, Starbucks y FedEx, muestran cómo la
implementación
efectiva
de
la
analítica
predictiva
puede
generar
mejoras
significativas
en
diversas áreas de negocio.
De esta manera, se concluye que los resultados son consistentes con investigaciones previas
que destacan el
impacto positivo de la analítica predictiva en una variedad de industrias y
contextos empresariales.
Estudios realizados por consultoras como McKinsey & Company y académicos de instituciones
como la Universidad de Stanford respaldan la idea de que las empresas que utilizan analítica
predictiva son más propensas a superar a sus competidores en términos de ingresos, rentabilidad
y eficiencia operativa.
12
https://fronterasdelconocimiento.org
Vol.4 No. 4 (2025) Octubre - Diciembre
Referencias Bibliográficas
Alarcón, R. E. (2021). Sistema analítico basado en un modelo predictivo de procesamiento de
datos en el big data en la educación superior [Tesis de pregrado o maestría, Universidad
Señor de Sipán]. Repositorio USS.
https://repositorio.uss.edu.pe/handle/20.500.12802/9040
Aranea,
A.
(2021,
2
de
febrero).
Análisis
PESTEL
de
FedEx
Corporation
(FDX).
DCF.fm.
https://dcf.fm/es/blogs/blog/fdx-pestelanalysis
Avila, M. (2023, 15 de mayo). La importancia de la analítica predictiva en las organizaciones.
LinkedIn.
https://www.linkedin.com/pulse/la-importancia-de-analítica-predictiva-en-las-
mauricio-avila-s48fe/
Centeno,
A.
(2020).
Big
Data:
Técnicas
de
machine
learning
para
la
creación
de
modelos
predictivos
para
empresas
[Tesis
de
maestría,
Universidad
Pontificia
Comillas].
Repositorio Comillas.
https://repositorio.comillas.edu/xmlui/handle/11531/45878
Contreras, A. I., & Sánchez, F. W. (2020). Analítica predictiva para conocer el patrón de consumo
de
los
clientes
en
la
empresa
Cienpharma
S.A.C.
utilizando
IBM
SPSS
Modeler
y
la
metodología
CRISP-DM
[Tesis
de
pregrado,
Universidad
Privada
Antenor
Orrego].
Repositorio UPAO.
https://repositorio.upao.edu.pe/handle/20.500.12759/6629
Egea, M. (2023, 10 de enero). Cómo Netflix se convirtió en la plataforma de vídeo más grande del
mundo.
LinkedIn.
https://www.linkedin.com/pulse/cómo-netflix-se-convirtió-en-la-
plataforma-de-vídeo-más-egea-lara/
González, D. (2021, 14 de marzo). ¿Cómo ha usado Goldman Sachs la tecnología financiera para
crecer?
Cobis
Topaz.
https://blog.cobistopaz.com/es/blog/golman-sachs-transformacion-
digital
Maldonado, A. (2023, 22 de junio). El análisis predictivo en la captación de clientes. LinkedIn.
https://www.linkedin.com/pulse/el-análisis-predictivo-en-la-captación-de-clientes-
searcha/
13
https://fronterasdelconocimiento.org
Vol.4 No. 4 (2025) Octubre - Diciembre
Mejía, A. (2022, 18 de agosto). Aprovechando el análisis de datos para predecir y prevenir impagos
crediticios.
FasterCapital.
https://fastercapital.com/es/tema/aprovechando-el-análisis-de-
datos-para-predecir-y-prevenir-impagos-crediticios.html
Monje, I. (2023, 5 de abril). El papel de la analítica de datos en las decisiones empresariales.
LinkedIn.
https://www.linkedin.com/pulse/el-papel-de-la-analítica-datos-en-toma-
decisiones-era-monje-brau/
Moreira, I. (2021, 10 de noviembre). Los beneficios del análisis predictivo en la adquisición de
clientes.
FasterCapital.
https://fastercapital.com/es/tema/los-beneficios-del-análisis-
predictivo-en-la-adquisición-de-clientes.html
Pontia. (2024, 15 de enero). Amazon Big Data: ¿Cómo ha tenido éxito gracias al Big Data y a la
IA? Pontia.
https://www.pontia.tech/amazon-big-data-inteligencia-artificial/
Redondo,
G.
(2020).
Las
nuevas
tecnologías
en
el
control
de
la
incapacidad
temporal:
La
aplicación de la analítica predictiva. Trabajo y Derecho: Nueva Revista de Actualidad y
Relaciones Laborales, (72).
https://dialnet.unirioja.es/servlet/articulo?codigo=7582874
Ridge, B. V. (2023, 12 de febrero). El modelo de negocio de Uber: Una visión detallada y analítica.
Medium
Multimedia.
https://www.mediummultimedia.com/apps/cual-es-el-modelo-de-
negocio-de-uber/
Romero,
I.
(2022).
Plataforma
analítica
predictiva,
dinámica
e
interactiva
de
soporte
a
la
inteligencia de negocios
enfocada al
sector energético [Tesis de maestría, Universidad
Internacional
Iberoamericana
México].
Repositorio
UNINI
México.
https://repositorio.unini.edu.mx/id/eprint/2537/
SAS.
(2021).
Analítica
predictiva:
Qué
es
y
por
qué
es
importante.
SAS
Insights.
https://www.sas.com/es_mx/insights/analytics/predictive-analytics.html
Smartbound.
(2023,
4
de
julio).
Cómo
el
análisis
predictivo
ayuda
a
tu
estrategia
RevOps.
Smartbound.
https://smartbound.io/blog/como-el-analisis-predictivo-ayuda-a-tu-
estrategia-revops
14
https://fronterasdelconocimiento.org
Vol.4 No. 4 (2025) Octubre - Diciembre
Tenés, E. (2023). Impacto de la Inteligencia Artificial en las Empresas [Trabajo de fin de grado,
Universidad
Politécnica
de
Madrid].
Archivo
Digital
UPM.
https://oa.upm.es/75532/1/TFG_EDUARDO_TENES_TRILLO_2.pdf
Ventura, T., Vidalón, E., & Ventura, F. (2021). Predictibilidad en el diagnóstico utilizando Watson
de
IBM.
Vive
Revista
de
Salud,
4(10),
86-95.
http://www.scielo.org.bo/scielo.php?script=sci_arttext&pid=S2664-32432021000100086
Vera, A. (2023, 18 de septiembre). La IA predictiva frente a la IA generativa en OpenText DevOps
Cloud. IT User.
https://discoverthenew.ituser.es/gestion-de-apps/2023/09/la-ia-predictiva-
frente-a-la-ia-generativa-en-opentext-devops-cloud
15
https://fronterasdelconocimiento.org
Vol.4 No. 4 (2025) Octubre - Diciembre