Integración de la inteligencia artificial con big data para la toma de decisiones en las empresas: un estudio bibliométrico
DOI:
https://doi.org/10.5281/zenodo.14783686Palabras clave:
inteligencia artificial, toma de decisiones, bibliométricoResumen
La presente investigación tuvo como objetivo realizar un análisis de la red bibliométrica en Scopus referente a la integración de la inteligencia artificial con big data para la toma de decisiones de las empresas, desde el año 2014 al 2024. Para ello, se emplearon técnicas cuantitativas y un método bibliométrico. Desde la base de datos Scopus se seleccionaron 126 documentos. Se identificó que, entre 2020 y 2024, el volumen global de datos publicados aumentó un 53.8 %. Además, la producción científica de Estados Unidos presentó el mayor crecimiento (34.2 %) en comparación con otros países. Asimismo, el autor más citado fue Kumar, A., con 205 citas, y la fuente con mayor número de publicaciones fue el Journal of Industrial Engineering and Engineering Management, con 11 artículos. Los hallazgos evidencian un avance significativo en la investigación sobre inteligencia artificial y big data en el ámbito empresarial, reflejado en la diversificación temática, el respaldo institucional y la colaboración entre autores. Se concluye que este estudio bibliométrico proporciona una base para futuras investigaciones, resaltando la importancia de profundizar en los sistemas de procesamiento y analítica de datos, así como en los recursos tecnológicos necesarios para desarrollar soluciones que optimicen la toma de decisiones empresariales.
Descargas
Referencias
Azevedo, A., & Almeida, A. H. (2021). Grasp the challenge of digital transition in SMEs—A training course geared towards decision-makers. Education Sciences, 11(4), 151. https://doi.org/10.3390/educsci11040151
Carrillo Barragán, C. E., Arrieta Salinas, H., Alvarado Rosado, S. M., & Gutierrez Bastidas, J. O. (2024). El Big Data y la Business Intelligence (BI) en la toma de decisiones estratégicas en las empresas. Revista Social Fronteriza, 4(2), e42209. https://doi.org/10.59814/resofro.2024.4(2)209
Caló, L. (2022). Métricas de impacto y evaluación de la ciencia. Revista peruana de medicina experimental y salud pública, 39(2), 236-240. https://doi.org/10.17843/rpmesp.2022.392.11171
Esteva, A., Chou, K., Yeung, S., Naik, N., Madani, A., Mottaghi, A., ... & Dean, J. (2021). Deep learning-enabled medical computer vision. Nature Medicine, 27(1), 44–50. https://doi.org/10.1038/s41591-020-01182-0
Flores-Fernández, C., & Aguilera-Eguía, R. (2020). Indicadores bibliométricos y su importancia en la investigación clínica. ¿Por qué conocerlos? Revista de la sociedad española del dolor, 26(5), 315-316. https://dx.doi.org/10.20986/resed.2018.3659/2018
Chacón-Rivadenerira, K., Morales-Maure, L.,&García-Marimón, O. (2024). Trends in Research on Didactic Knowledge and Technology Integration in Mathematics Education: A Bibliometric Study. Journal of Research in Mathematics Education, 13(3), 220-244. https://doi.org/10.17583/redimat.15107
Chen, CT., Khan, A. y Chen, SC. Modelado del impacto de BDA-AI en la innovación sostenible, la ambidextría y el desempeño ambiental. J Big Data 11, 124 (2024).
https://doi.org/10.1186/s40537-024-00995-6
Chen, J., Zhang, C., & Zhou, J. (2021). Big data integration in business intelligence: A survey. Journal of Business Research, 124, 14–25. https://doi.org/10.1016/j.jbusres.2020.11.038
Gandomi, A., & Haider, M. (2021). Beyond the hype: Big data concepts, methods, and analytics. International Journal of Information Management, 56, 102287.https://doi.org/10.1016/j.ijinfomgt.2014.10.007
García, L., Fernández, A., y Bécquer, A. (2021). Análisis Bibliométrico de la Producción Científica 2001-2020. Revista electrónica Cuba: medio ambiente y desarrollo, 21(40), 1–9. https://cmad.ama.cu/index.php/cmad/article/view/297
Gonçalves, S., Ventura, JB., Rua, OL., Dias, R., & Galvão, R. (2024). Big Data como paradigma emergente en la gestión de las organizaciones: un análisis bibliométrico. Journal of Ecohumanism, 3 (7), 2699–2721. https://doi.org/10.62754/joe.v3i7.4412
Guo, C. y Zhang, X. (2024). Predicción inteligente de la satisfacción del cliente en el comercio electrónico transfronterizo mediante incrustaciones de aprendizaje profundo. Acceso IEEE , 12 https://doi.org/10.1109/ACCESO.2024.3494776
Jin, S. J., Abdullah, A. H., Mokhtar, M., & Abdul Kohar, U. H. (2022). The Potential of Big Data Application in Mathematics Education in Malaysia. Sustainability, 14(21), 13725. https://doi.org/10.3390/su142113725
Kumar, A., & Sivarajah, U. (2021). An integrated artificial intelligence framework for knowledge creation and B2B marketing rational decision making for improving firm performance. Industrial marketing management, 92, 178-189. https://doi.org/10.1016/j.indmarman.2020.12.001
León García, O. A. (2023). Impacto de las capacidades de análisis de big data en la innovación empresarial. Ingeniería y Competitividad, 25(2), e12611. https://doi.org/10.25100/iyc.v25i2.12611
Nguyen, T., Ding, M., & Yang, Z. (2020). AI and big data: Key enablers for digital transformation. Journal of Strategic Information Systems, 29(4), 101–121. https://doi.org/10.1016/j.jsis.2020.101640
Ojeda, A., Valera, J., Medina, E., Samadian, H., & Padilla, R. (2024). AI implementation in big data: Shaping data analysis for business decisions. Issues in Information Systems, 25(4). https://doi.org/10.48009/4_iis_2024_113
Ribeiro, R., & Aroni, P. (2019). Standardization, ethics and biometric indicators in scientific publication: integrative Review. Revista Brasileira de Enfermagem REBEn, 72(6), 1723-9. https://doi.org/10.1590/0034-7167-2018-0283
Salinas, K. & García, A. (2022). Bibliometrics, a useful tool within the field of research. Journal of Basic and Applied Psychology Research, 3(6), 10-17. https://doi.org/10.29057/jbapr.v3i6.6829
Sanz, J. (2022). Bibliometría: origen y evolución. Hospital a Domicilio, 6(3), 105-107. https://doi.org/10.22585/hospdomic.v6i3.168
Sharma, A., Mithas, S., & Kankanhalli, A. (2020). Transforming decision-making processes through big data and AI. MIS Quarterly Executive, 19(2), 83–101. https://doi.org/10.17705/2msqe.00024
Shrestha, Y. R., Krishna, V., & von Krogh, G. (2021). Augmenting organizational decision-making with deep learning algorithms: Principles, promises, and challenges. Journal of Business Research, 123, 588-603. https://doi.org/10.1016/j.jbusres.2020.09.068
Shkarupylo, V., Alsayaydeh, J. A. J., Yusof, M. F. B., Oliinyk, A., Artemchuk, V., & Herawan, S. G. (2024). Exploring the potential network vulnerabilities in the smart manufacturing process of Industry 5.0 via the use of machine learning methods. IEEE Access. https://doi.org/10.1109/ACCESS.2024.3474861
Sumbal, M. S., Amber, Q., Tariq, A., Raziq, M. M., & Tsui, E. (2024). Wind of change: how ChatGPT and big data can reshape the knowledge management paradigm?. Industrial Management & Data Systems, 124(9), 2736-2757. https://DOI.org/10.1108/IMDS-06-2023-0360
Tomás-Gorríz, V., & Tomás-Castera, V. (2018). La bibliometría en la evaluación de la actividad científica. Hospital a Domicilio, 2(4), 145-163. https://doi.org/10.22585/hospdomic.v2i4.51
Tong, D., & Tian, G. (2023). Intelligent financial decision support system based on big data. Journal of Intelligent Systems, 32(1), 20220320. https://doi.org/10.1515/jisys-2022-0320
Uc Castillo, J. L., Marín Celestino, A. E., Martínez Cruz, D. A., Tuxpan Vargas, J., Ramos Leal, J. A., & Morán Ramírez, J. (2024). A systematic review of Machine Learning and Deep Learning approaches in Mexico: challenges and opportunities. Frontiers in Artificial Intelligence, 7, 1479855. https://doi.org/10.3389/frai.2024.1479855
Van Eck, N., & Waltman, L. (2010). Software survey: VOSviewer, a computer program for bibliometric mapping. scientometrics, 84(2), 523-538. https://doi.org/10.1007/s11192-009-0146-3
Wamba, S. F., Akter, S., & Edwards, A. (2020). Big data analytics and business performance: A meta-analysis. Journal of Business Research, 119, 62–71. https://doi.org/10.1016/j.jbusres.2020.09.068
Zhang, W., Li, X., & Wang, J. (2020). Big Data and AI for market trend prediction. Journal of Financial Analysis, 8(4), 210-228. http://dx.doi.org/10.2139/ssrn.4980346
Descargas
Publicado
Número
Sección
Licencia
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
La revista se acoge a la licencia Licencia Atribución (CC BY), permitiendo la posibilidad de copiar, distribuir, exhibir, y producir obras derivadas, siempre y cuando se reconozca y cite al autor.
