Page 157 - FUNCIÓN Y SENTIDO DE LA INVESTIGACIÓN

como las reglas comerciales e incluye el modelo de almacén de datos con dimensiones,
Y SENTIDO DE LA INVESTIGACIÓN
medidas y KPI (indicadores clave de rendimiento) de la cadena de suministro.

Schoenherr y Speier-Pero (2015) presentan un estudio prospectivo mediante el aná-
lisis de los resultados hallados en una reciente encuesta aplicada a gran escala entre los
profesionales de la gestión de la cadena de suministro (SCM), la cual se complementó
con las experiencias de los investigadores en el desarrollo, la implementación y la admi-
nistración de uno de los primeros programas de maestría en análisis predictivo. En este
trabajo, en concreto, se informa sobre el uso actual de los análisis predictivos en SCM
y las motivaciones subyacentes, así como los beneficios y las barreras percibidas. Ade-
más, se destacan las habilidades deseadas para los científicos de datos exitosos y se
proporcionan ilustraciones sobre cómo se pueden implementar los análisis predictivos.
El propósito es proporcionar una evaluación oportuna del campo, ilustrar su potencial
futuro y motivar investigaciones adicionales y avances pedagógicos en esta área.
FUNCIÓN El trabajo de Zhong, Newman, Huang y Lan (2016) se enfoca en las aplicaciones

representativas de big data de servicios típicos como finanzas y economía, salud, ad-
ministración de la cadena de suministro (SCM) y sector manufacturero. Para ello, se
revisan las tecnologías actuales de aspectos clave de la tecnología de almacenamiento,
tecnología de procesamiento de datos, técnica de visualización de datos, análisis de big
data, así como modelos y algoritmos. La investigación proporciona una discusión sobre
el análisis de los movimientos actuales en big data para SCM en servicio y manufactura
de todo el mundo, incluyendo América del Norte, Europa y la región del Pacífico de Asia.
156 Se resaltan los desafíos actuales, las oportunidades y las perspectivas futuras, así como
los métodos de recolección de datos, la transmisión de datos, el almacenamiento de da-
tos, las tecnologías de procesamiento para big data, los modelos de toma de decisiones
habilitados para big data y la interpretación y aplicación de big data.

En el trabajo de Hazen, Skipper, Ezell y Boone (2016) se revisan y se plantean algunas
interrogantes en torno a ocho teorías que pueden ser utilizadas por los investigadores
para examinar y aclarar la naturaleza del impacto de big data, así como para el análisis
predictivo (BDPA) en la sostenibilidad de la cadena de suministro. Vale acotar que los
académicos pueden aprovechar este artículo como base para futuras actividades de
investigación, mientras que los profesionales pueden usarlo como un medio para com-
prender la manera en que las iniciativas de BDPA en toda la empresa podrían afectar las
medidas de sostenibilidad de la cadena de suministro.

Sobre los anteriores trabajos se puede indicar que si bien los académicos reconocen
la importancia de los grandes datos y los analíticos preventivos (BDPA) en el rendimiento
de los negocios y de la empresa, no profundizan en el impacto de la asimilación de BDPA
en la cadena de suministro (SCP) ni en el desempeño organizacional (OP), los cuales son
abordados por Gunasekaran et al. (2017), quienes se apoyan en una vista basada en
recursos. Estos autores concretan la asimilación como un proceso de tres etapas (acep-