Mostrar el registro sencillo del ítem

Análisis de información estratégica para la toma de decisiones en la gestión de inventarios en empresa del sector de alimentos

Strategic Information Analysis for Decision-Making in Inventory Management in a Food Sector Company

dc.contributorVelosa Esparza, Rosmery
dc.creatorPulido Zorza , Ingri Dahiana
dc.date2025-12-10T17:10:28Z
dc.date2025-12-10T17:10:28Z
dc.date2025-08-05
dc.date.accessioned2026-03-25T19:34:52Z
dc.date.available2026-03-25T19:34:52Z
dc.identifierhttps://hdl.handle.net/10654/48161
dc.identifierinstname:Universidad Militar Nueva Granada
dc.identifierreponame:Repositorio Institucional Universidad Militar Nueva Granada
dc.identifierrepourl:https://repository.umng.edu.co
dc.identifier.urihttp://test.repositoriodigital.com:8080/handle/123456789/202221
dc.descriptionEl análisis de datos se posiciona como una herramienta clave para optimizar la toma de decisiones en la gestión de inventarios, especialmente en el sector de alimentos, donde la perecibilidad, la alta rotación y la variabilidad en la demanda exigen control proactivo y planificación estratégica. Este estudio tuvo como propósito determinar cómo el uso de datos estructurados (ventas, niveles de inventario, fechas de vencimiento) y no estructurados (tendencias de consumo, percepciones de clientes) puede mejorar los procesos logísticos en pequeñas y medianas empresas del sector alimenticio en Bogotá. Con un enfoque cuantitativo, se aplicó una encuesta estructurada a 30 comercios en tres localidades de alta actividad comercial, lo que permitió identificar prácticas actuales, limitaciones y percepciones sobre el análisis de datos. Los resultados revelaron una gestión reactiva basada en la intuición, con bajo uso de herramientas analíticas y barreras relacionadas con la falta de formación técnica y recursos tecnológicos; a pesar de ello, se evidenció una disposición positiva hacia el cambio. La discusión demuestra que estrategias como plantillas inteligentes, rutinas de revisión, alertas visuales y alianzas con universidades pueden ser efectivas, viables y adaptadas al contexto real de estas empresas. Se concluye que integrar el análisis de datos a la logística de inventarios no solo mejora la eficiencia operativa, sino que fortalece la sostenibilidad y competitividad de las mipymes en contextos urbanos dinámicos.
dc.descriptionData analysis is positioned as a key tool to optimize decision-making in inventory management, especially in the food sector, where perishability, high turnover, and demand variability require proactive control and strategic planning. This study aimed to determine how the use of structured data (sales, inventory levels, expiration dates) and unstructured data (consumer trends, customer perceptions) can improve logistics processes in small and medium- sized enterprises (SMEs) within Bogotá's food sector. Using a quantitative approach, a structured survey was applied to 30 businesses in three commercial districts, allowing the identification of current practices, limitations, and perceptions regarding data analysis. The results revealed a reactive management style based on intuition, limited use of analytical tools, and barriers related to the lack of technical training and technological resources. Despite these limitations, a positive attitude toward change was evident. The discussion shows that strategies such as intelligent spreadsheets, weekly data reviews, visual alerts, and partnerships with universities can be effective, feasible, and tailored to the real context of these businesses. It is concluded that integrating data analysis into inventory logistics not only improves operational efficiency but also strengthens the sustainability and competitiveness of SMEs in dynamic urban environments.
dc.descriptionResumen ..................................................................................................................................... 3 Abstract/Resumo/Resum ............................................................................................................. 4 Gestión ineficiente de inventarios por escaso uso de datos en pequeños comercios de alimentos en Bogotá .................................................................................................................... 6 Transformación de la gestión de inventarios en mipymes: evidencias y propuestas viables ....... 11 Conclusiones ............................................................................................................................. 23 Referencias ............................................................................................................................... 25 Anexo A. Encuesta .................................................................................................................... 28
dc.descriptionEspecialización
dc.formatapplicaction/pdf
dc.formatapplication/pdf
dc.languagespa
dc.publisherEspecialización en Alta Gerencia
dc.publisherFacultad de Estudios a Distancia
dc.publisherUniversidad Militar Nueva Granada
dc.relationDavenport, T. H., & Harris, J. (2007). Competing on analytics: The new science of winning. Harvard Business School Press.
dc.relationInmon, W. H., & Linstedt, D. (2015). Data architecture: A primer for the data scientist. Morgan Kaufmann.
dc.relationMarr, B. (2016). Big data in practice: How 45 successful companies used big data analytics to deliver extraordinary results. Wiley.
dc.relationRivera, H., & Medina, A. (2020). Analítica predictiva para la industria alimentaria. Ediciones Universidad de Antioquia.
dc.relationVargas, F. (2020). Analítica empresarial: Cómo aprovechar los datos para mejorar el rendimiento organizacional. Universidad EAN.
dc.relationHerrera, A., & Gómez, S. (2020). Business intelligence aplicado a PYMES. Ediciones Pirámide.
dc.relationSalazar, V. (2021). Gestión por competencias directivas en entornos digitales. Ediciones UNAM.
dc.relationGarcía, J. M., & López, R. P. (2021). Analítica avanzada en la gestión de la cadena de suministro. Editorial Gestión 2000.
dc.relationMorales, J. (2021). Administración de operaciones: Enfoque en procesos y toma de decisiones. Pearson Educación.
dc.relationArias, F. (2022). El proyecto de investigación: Introducción a la metodología científica (8.ª ed.). Episteme.
dc.relationLópez, C. (2022). Gestión de inventarios y cadena de suministros. Alfaomega.
dc.relationMontoya Suárez, E., & Yáñez Barbosa, D. Y. (2022). Analítica de datos: Una tendencia para la toma de decisiones empresariales. Universidad Libre.
dc.relationpara la toma de decisiones empresariales. Universidad Libre. Zamora, P., & Castillo, M. (2022). Toma de decisiones basada en datos: Un enfoque gerencial. Ediciones UCR.
dc.relationPeña, C., & Torres, F. (2022). Data-driven management: Herramientas y casos en América Latina. Ediciones UOC.
dc.relationAlbright, S. C., & Winston, W. L. (2022). Business analytics: Data analysis & decision making (7.ª ed.). Cengage.
dc.relationVelásquez, C., & Ruiz, J. (2023). Logística 4.0 y la era del dato. Editorial Tecnológica.
dc.relationFactor Humano. (2023). Análisis predictivo en Recursos Humanos.
dc.relationTapia, J. (2023). Ciencia de datos para la toma de decisiones gerenciales. Ecoe Ediciones.
dc.relationWiggins, C., & Jones, M. L. (2023). How data happened: A history from the age of reason to the age of algorithms. W. W. Norton & Company.
dc.relationCalle García, J. S., Pincay Delgado, M. A., Mendoza Pionce, B. S., & Bravo Quijije, G. S. (2024). Uso estratégico de la inteligencia artificial en la gestión de la cadena de suministro empresarial. Ciencia y Desarrollo, 27(2), 274–290. https://www.researchgate.net/publication/380661244_USO_ESTRATEGICO_DE_LA_INTELI GENCIA_ARTIFICIAL_EN_LA_GESTION_DE_LA_CADENA_DE_SUMINISTRO_EMPRE SARIAL
dc.relationCarrasco González, R. A. (2024). Business intelligence: La toma de decisiones empresariales basadas en datos. ENAE Business School.
dc.relationGonzález, V., & Ramírez, P. (2025). Estrategias 4.0: Optimización de la logística a través de la gestión eficiente de las operaciones con los proveedores. LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, https://www.researchgate.net/publication/392068768_Estrategias_40_optimizacion_de_la_logisti ca_a_traves_de_la_gestion_eficiente_de_las_operaciones_con_los_proveedores
dc.relationMohammed, I. A. (2025). Predictive analytics in business. IPE Journal of Management, 15(1), 196–203.
dc.relationTraceAt Inc. (2025). Predictive analytics in food supply chains: Enhancing inventory management and reducing waste. TraceAt Industry Reports. https://www.traceat.com/reports/predictive-analytics-in-food-supply-2025
dc.rightshttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 International
dc.rightsAcceso abierto
dc.rightshttp://purl.org/coar/access_right/c_abf2
dc.subjectanálisis de datos
dc.subjectgestión de inventarios
dc.subjectlogística
dc.subjectpymes
dc.subjectsector alimenticio
dc.subjectdata analysis
dc.subjectinventory management
dc.subjectlogistics
dc.subjectSMEs
dc.subjectfood sector
dc.titleAnálisis de información estratégica para la toma de decisiones en la gestión de inventarios en empresa del sector de alimentos
dc.titleStrategic Information Analysis for Decision-Making in Inventory Management in a Food Sector Company
dc.typeTesis/Trabajo de grado - Monografía - Especialización
dc.typeinfo:eu-repo/semantics/bachelorThesis
dc.typehttp://purl.org/coar/resource_type/c_7a1f
dc.typeinfo:eu-repo/semantics/acceptedVersion
dc.coverageBogota
dc.coverage2025
dc.coverageCalle 100


Ficheros en el ítem

FicherosTamañoFormatoVer

No hay ficheros asociados a este ítem.

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem