ENCUENTS
Revista de Ciencias Humanas,
Teoría Social y Pensamiento Crítico
Universidad Nacional Experimental Rafael María Baralt
Maracaibo, Venezuela
N°Mayo - Agosto
Robinson Dueñas Casallas
Universidad Militar Nueva Granada,
Bogotá, Colombia.
robinson.duenas@unimilitar.edu.co
Abstract
The works of Christiensen, Castro Aniyar, Fairbanks, and Lindsay
allow us to consider the inherent limitations of Big Data when re-
flecting on intelligent business models. This essay aims to highli-
ght these ideas to revitalize the notion of qualitative observation
as a source of data acquisition for the generation of appropriate
and efficient problematizations. This repositions or recalls the
somewhat forgotten role of human experience and complexity
management in the creation of business models, as well as in
actions for social change. The paper reviews the classic notions
of entrepreneurship versus SME, as well as some of the metho-
dological debates that currently allow us to see the limitations of
models based on quantitative “vestiges,” such as Big Data.
Keywords: Big Data, entrepreneurship, disruptive technology,
human learning, qualitative observation.
RESUMEN
Las obras de Christiensen, Castro Aniyar, Fairbanks y Lindsay
permiten pensar en las limitaciones inherentes a la Big Data en la
reflexión sobre modelos inteligentes para negocios. Este ensayo
tiene por objeto dar relieve a estas ideas para revitalizar la idea
de observación cualitativa como fuente de la adquisición de data,
para la generación de problematizaciones adecuadas y eficien-
tes. Esto recoloca o recuerda el papel, algo olvidado, de la ex-
periencia humana y el manejo de la complejidad para la creación
de modelos de negocios, así como de las acciones de cambio
social. Se revisan las nociones clásicas de emprendimiento ver-
sus la de PyME, así como algunos de los debates metodológicos
que permiten hoy ver las limitaciones en los modelos basados en
“vestigios” cuantitativos, como el Big Data.
Palabras claves: Big Data, emprendimiento, tecnología disrupti
-
va, aprendizaje humano, observación cualitativa.
RECIBIDO: 28/10/2025
ACEPTADO: 16/01/2026
limitaciones del Big data en la formulación de
modelos predictivos para las pymes
limitations of Big Data in the formulation of predictive
models for SMEs
Sandra Carolina López-Solís
Universidad Estatal de Milagro.
Milagro, Ecuador.
slopezs@unemi.edu.ec
Este trabajo está depositado en Zenodo:
https://doi.org/10.5281/zenodo.20853251
José Obdulio Curvelo-Hassán
Universidad Cooperativa de Colombia
y ASFACOP, Bogotá, Colombia.
jose.curvelo@ucc.edu.co
Luis Pedro Román Palma
Universidad Central de Chile,
Santiago, Chile.
luis.roman@ucentral.cl
Sandra López, Robinson Dueñas, Luis Román y José Curvelo
Limitaciones del Big Data en la formulación...
ENCUENTS
196
ARTICULO
IntroduccIón. la BIg
data: ¿puede alguIen pre-
decIr sIn comprometerse
presencIalmente con los
HecHos?
Se ha dado importancia reciente a
la ciencia de datos en la inteligencia
de negocios, fundamentalmente, da-
das las nuevas y abrumadoras canti-
dades de datos a las que es posible
acceder mediante la digitalización de
la vida cotidiana y laboral del mundo
). Por ello, epistemológicamente, las
estrategias de inteligencia de nego-
cios se han estado centrando, de ma-
nera resumida, en sistemas como el
que se presenta a continuación:
Fig. 1 Sistema epistemológico
basado en la Big Data. Esquema
propio.
Sin embargo, es común identificar
que, al menos, la sobrecarga de in-
formación, debido al exceso de datos
disponibles, hace difícil la apreciación
de las tendencias, de los modelos
predictivos y, sobre todo, de saber
cuándo estos modelos requieren de
estrategias disruptivas. Muy buena
parte del esfuerzo de la ciencia de
datos se ha ubicado en proveer de
soluciones a este problema de cómo
analizar mejor la Big Data para ate-
nuar con ello la sobrecarga de infor-
mación. En otras palabras, la ciencia
de datos y la inteligencia de nego-
cios, han abierto una veta interesan-
te acerca de la toma de decisiones
basada en datos, pero, lejos de que
lo suele afirmarse, no es suficiente
para provocar decisiones bien funda-
mentadas (González-Cardona et al.,
una “veta inagotable”, pero esto no es
así: tiene techos y, sobre todo “pisos”
de realidad no atendida. Por elegante
y optimista que parezca la utopía del
Big Data, es importante recordar sus
limitaciones desde la epistemología,
tal como varios autores han estado
advirtiendo.
La Ciencia de Datos, como el Aná-
lisis de Datos, se concentran en crear
y recrear técnicas y herramientas
avanzadas para atender la enorme
cantidad de datos y encontrar pa-
trones utilizables y, con ello, crear la
ilusión de comprensión y rendimiento
productivo sobre el entorno. Pero, el
hecho de depender de los “hechos”
que esta suerte de data genera, pro-
duce el mismo problema que enfrenta
la arqueología: Los vestigios, los ges-
tos y las interacciones cuyas han mar-
cas han quedado abundantemente en
el entorno que se desea descifrar, no
pueden sustituir el preciado deseo de
todo arqueólogo de poder observar
presencialmente las relaciones que
crearon esos vestigios. Identificar
patrones y tendencias es funcional y
fundamental en la creación de edifi-
cios predictivos, pero la calidad de la
data no solo proviene de su abundan-
cia sino de su cualidad descriptiva, lo
que, normalmente, reposa en su ob-
servación cualitativa (Bustos Farías et
Predecir resultados y tomar deci-
siones informadas es la ilusión desea-
da por la ciencia de los negocios pero,
como en la vida real, solo se puede
entender la deriva de las relaciones
sociales cuando los aspectos cuali-
tativos de esas relaciones (por ejem-
plo, su temporalidad, su frugalidad,
su significación contextual, la evo-
ENCUENTS
197
ARTICULO
Revista de Ciencias Humanas,Teoría Social y Pensamiento Crítico
N° 27 Mayo – Agosto (2026). PP: 195-206
lución histórico-grupal de las ideas,
las imaginaciones de satisfacción o
decepción que se derivan de esas
relaciones, los aspectos inconscien-
tes y/o no verbalizados que surgen
de ellas, su manera de sugerir ideas,
imágenes, palabras, etc.) son obser-
vados y reflexionados en su reali-
dad observada. Esto requiere, pues,
de observación directa, vivencias y
experiencias, esto es, de aspectos
instrumentales que son específicos
a métodos como el etnográfico, el
aprendizaje fenomenológico, los ma-
pas cognitivos compuestos, la inteli-
gencia criminológica, la semiología o
el psicoanálisis, solo por dar algunos
ejemplos. Esto es, aspectos instru-
mentales que no son comunes a la
Big Data (Meza Salazar y Roldan Ba-
Mejorar la forma de mostrar esta
información, esto es, que sea amiga-
ble con los usuarios, puede perfecta-
mente crear la ilusión de comprender
algo que no es más que la confirma-
ción de prenociones e, incluso peli-
grosamente, de prejuicios. El “click”
mental que se percibe cuando una
presentación es amigable y ofrece
un marco de comprensión, muchas
veces no es más que el “click” inte-
rior que se produce de personas a las
que se les ha dado la prerrogativa de
comprender ilusoriamente procesos
complejos, mediante la magia de la
exposición. Que en algunas personas
se haya producido un “click” mental,
no significa, necesariamente, que se
está ante la necesaria realidad.
De hecho, en el mundo de inteli-
gencia de negocios, no suelen haber
comprobaciones científicas o siste-
mas de corroboración o validación a
partir del rigor racional, sino que las
validaciones se producen por el im-
pulso inspirador de juntas directivas
o consejos creativos, que “sienten”
la veracidad de los datos en sí, como
por la forma que se expresan sus co-
Sin duda, el éxito económico (el au-
mento del rendimiento empresarial,
por ejemplo) indica de buena manera,
la pertinencia de las conexiones ima-
ginadas. Pero, aunque es necesario,
no hay muchos sistemas de corrobo-
ración de la pertinencia de las ideas
incluso cuando ellas han tenido éxito
por razones (como muchas veces su-
cede) muy diferentes a las pronostica-
das.
De tal modo que las tablas o grá-
ficos, estáticos o dinámicos, solo son
una suerte de “ropa” con la que se vis-
te el modelo de la realidad para que
luzca presentable a los ojos de los que
solo reconocen la cualidad de las co-
sas por el carácter de sus apariencias.
La “ropa” es sustancial, sin duda algu-
na, pero es un hecho reconocido en la
vida de las empresas, que la urgencia
de crear pronósticos acertados puede
contravenir la calidad de los pronósti-
cos. La urgencia de reconocer la rea-
lidad es contraproducente a compren-
der la realidad. Un efecto de esto es el
pretendido matrimonio entre el análi-
sis y la abundancia de datos, como se
El poder de la ciencia de datos y la
inteligencia de negocios radica en su
capacidad para convertir los datos en
información valiosa a través del análi-
sis y la extracción. Pero pocas veces la
analítica se pregunta acerca de la cali-
dad de los datos, prefiriendo, muchas
veces, la cantidad como sucedáneo
hecho recurrente estadísticamente, o
la recurrencia estadística es el hecho
preferido. Este tema se ha vuelto cru-
cial tanto en el sector público como en
el privado para la toma de decisiones,
así como para llevar a cabo acciones
concretas que impulsen el crecimiento
y éxito de las organizaciones (Sheikh y
Sucede que las estrategias, en
la base de su proceso de “conocer”,
exigen más cantidad de información
en un menor tiempo, pero, se ha des-
crito, recibirla de este modo también
causa complicaciones para retenerla y
hecho, las empresas nativas digitales
Sandra López, Robinson Dueñas, Luis Román y José Curvelo
Limitaciones del Big Data en la formulación...
ENCUENTS
198
ARTICULO
ven con desconfianza a las personas
de otras generaciones o contextos
culturales que emigran a la era digital,
porque no juegan el juego del pronos-
ticador basado en el Big Data, o en la
experiencia del hábil navegador digi-
tal y sus tiempos de respuesta, mu-
chas veces, sin comprender que una
visión cualitativa y experimentada
desde afuera puede crear una impor-
tante diferencia perceptiva.
Pero esto no es lo peor. Lo anterior,
esto es, juntas directivas o consejos
consultivos/creativos con excesos de
información, a veces, ahogados en
ellos, constituyen particularmente un
problema mayor cuando se trata de
identificar soluciones disruptivas.
Los nativos digitales centrados en
-
nóstico como lo define Hans Peter
«habilidad de aprender las relaciones
de hechos presentados de forma que
guíen las acciones hacia una meta de-
de esta frase es ¿Qué son los hechos
presentados? ¿Cómo se definieron
epistemológicamente? ¿A qué viven-
cias reales corresponden? ¿Qué signifi-
can cuando se observan en la realidad?
Howard Dresden (Curto, 2020,
de la realidad como «conceptos y
métodos para mejorar las decisio-
nes de negocio mediante el uso de
sistemas de soporte basadas en he-
chos». Como en el ejemplo anterior,
es común encontrarse en la literatura
sobre inteligencia de negocios, que
la redacción de estas ideas no pare-
ce tener la necesidad de indagar qué
son los hechos, o cómo llegaron a
determinarse. Entonces, este artícu-
lo sugiere por lógica, que una cultura
corporativa basada en datos se ter-
mina haciendo precaria cuando debe
convertirse en una cultura orientada a
pensar disruptivamente, y no puede
trascender los tradicionales sistemas
deductivos fundados y determinados
por el hábito y la fuente estadística.
Por supuesto que el modelo cen-
trado en Big Data es muy superior al
modelo personalista, que confunde
la experiencia personal, no muy sis-
temática, con poseer información de
calidad basada en hechos. Es por ello
grandes, se enfocan en la inteligen-
cia de la data y la ciencia de datos: el
modelo vertical, personalista, ausen-
te de mecanismos de lectura de los
hechos, solía preponderar en el for-
Esto era lógico, en una perspectiva
histórica: si la producción en masa de
artículos de necesidad requería pro-
cesos industriales complejos, pero
automáticos, refrendados por el éxito
en el mercado, lo mejor es no crear
modelos diagnósticos tan complejos,
ni menos aun tener una vocación ex-
cesivamente disruptiva.
Sin embargo, el profesor Clayton
M. Christensen ya clasificaba en los
dos categorías: las de mantenimiento
y las disruptivas, entendiendo la im-
portante diferencia de ellas en la ar-
quitectura de unas empresas y otras.
“La tecnología de mantenimiento
se basa en mejoras incrementales a
una tecnología ya establecida”, decía
Christensen. En cambio:
“la tecnología disruptiva carece de
refinamiento, a menudo tiene proble-
mas de rendimiento porque es nueva,
atrae a una audiencia limitada y es po-
sible que aún no tenga una aplicación
éxito fue la máquina eléctrica de habla
que hoy llamamos teléfono)” (Chris-
Por ello, para este autor, para que
una tecnología sea disruptiva es un
requisito reemplazar los procesos
empresariales, esto es, la misma ar-
quitectura anterior del rendimiento
empresarial.
Esta noción siembra la necesidad,
hoy bastante olvidada, de crear mo-
delos de predicción basados, prin-
cipalmente, en herramientas obser-
vacionales, reflexivas, cualitativas,
ENCUENTS
199
ARTICULO
Revista de Ciencias Humanas,Teoría Social y Pensamiento Crítico
N° 27 Mayo – Agosto (2026). PP: 195-206
profundas (a veces, meditadas) y
atentas a la complejidad para, sobre
ellas, poner el edificio cuantitativo de
la Big Data, si así se desea.
Las categorías fundantes de todo
edificio empresarial son, por tanto y
en primer lugar, categorías simbóli-
cas y conceptuales, y luego la data
(estructurada o sin estructurar, cua-
litativa o cuantitativa) alimenta estas
ideas, como sucede en la Proporción
de Vilfredo Pareto
: la parte activa se
alimenta de las funciones secundarias
que le dan sentido y cuerpo. Por ello,
pensar disruptivamente no es solo un
problema de pensar cómo usar la data,
sino de cómo pensar el uso de la data.
el proBlema de la BIg
data: la predIccIón dIs-
ruptIva en las cIencIas
socIales
Algunos autores modernos han
tratado de revivir la noción de la
predicción cualitativa, allí donde los
conjuntos de datos no responden a
la estabilidad de los mercados sino
a contingencias políticas y sociales,
fenómenos normalmente más com-
plejos y de menor rédito garantiza-
do. El caso de estas estrategias, por
ejemplo, en la criminología, ha sido
puntualmente desarrollado en algu-
nos capítulos de la obra “El Futuro del
Las reflexiones allí evaluadas ob-
servan que la principal ventaja de la
Big Data, no es su abundancia de in-
formación, sino que todo está alma-
cenado en un sistema complejo de
información accesible mediante un
dispositivo electrónico (un hardware,
una red o una nube, por ejemplo). El
avance tecnológico que ello conlleva
ha permitido poner en cuestionamien-
to los conocimientos teóricos sobre
delito y la violencia desde el siglo XIX
hasta la fecha (González Hernández
estas relaciones en un cuerpo, cualquiera que
La aproximación cuantitativa em-
puja a la demolición de los cimien-
tos de las especulaciones filosóficas
preeminentes porque todas las in-
vestigaciones se sostienen en la es-
tabilidad de los hechos medido cuan-
titativamente, lo que permite observar
relaciones estables no previstas por la
reflexión teórica. Pero, en ningún mo-
mento, este proceso se ha sentado
a rebatir estos paradigmas teóricos,
para resemantizarlos y/o adecuarlos
-
cede porque es más cómodo desha-
cerse de todo el gigantesco debate
sobre su esencia y práctica desde la
época clásica de la filosofía socrática
hasta la fecha de la teoría de la co-
municación, para oír las nuevas voces
que alguien o algo hace destilar des-
de una masa, muchas veces informe,
pero de claridad numérica: el Big Data
trata muchas veces de voces confu-
sas e descontextualizadas, esto es,
que son más claramente vestigios o
de gestos residuales de relaciones no
en un solo dispositivo. Es como vol-
ver a la magia del oráculo griego, que
computa en su mente sicótica, el des-
censo de las verdades de los dioses,
solo porque el oráculo dice que son
los dioses quienes le hablan. Basta
con subir a la colina y preguntarle en
su templo, que él mirará el espejo de
agua y hablará.
La ciencia siempre ha sabido que
los modelos cuantitativos nos facilitan
modelos matemáticos de predicción del
futuro, pero son los modelos cualitativos
los que pueden dar sentido al vestigio o
gesto, para enfrentar el avenir, partien-
do de la construcción filosófica de cada
acontecimiento del pasado.
De tal modo que, identificar patro-
nes que coadyuven a la predicción,
siempre ha requerido de una concep-
ción más cualitativa, porque en esen-
cia los datos estadísticos predicen
conductas, pero no directamente el
sentido de la acción humana.
Sandra López, Robinson Dueñas, Luis Román y José Curvelo
Limitaciones del Big Data en la formulación...
ENCUENTS
200
ARTICULO
Es en ese sentido, la idea de mer-
cado y, sobre todo, la idea de un mer-
cado con vocación de emprendimien-
to social, como suelen ser entendidas
políticamente las PyMEs, suponen
indagar de manera disruptiva los pa-
trones que impiden el rédito, la pro-
ductividad o el cambio social positivo.
Entonces el debate parece an-
quilosarse entre el debate teórico o
ideologizado de los antiguos pensa-
dores pre-Big Data, que creían con fe
en sus principios tribales, y el deba-
te que proveen las fuentes de datos
primarias, normalmente informáticas,
obtenidas sin saber muy bien la per-
tinencia, contexto y sentido con los
que se puede construir algo con eso
debate anquilosado, pero con un en-
foque muy diferente a lo que teóricos
y científicos han aportado por siglos,
produce la ilusión de optimismo en el
cambio epistemológico, más moderno
y concreto. Pero ha quedado por fue-
ra lo que en el método etnográfico y la
filosofía de las ideas, por ejemplo, se
constituye en la fuente de problema-
tización y, por tanto, en la fuente de
la calidad superior que deben tener la
o las preguntas sobre las respuestas
De ahí que muchos de los proble-
mas identificados por Christensen se
basan en la falta de problematización
del método, esto es, de la compren-
sión de la realidad (no así solo de
objetos) como un problema que de-
riva de las distintas realidades ob-
servadas, y no de la acumulación de
relaciones deductivas sobre piezas
pre-determinadas por la recolección.
Es como tratar de hacer un buen ce-
viche con jugadas de ajedrez que, por
muchas posibles que éstas sean, no
responden a la pregunta del cocinero.
Solo la lectura de fuente cualitativa, a
profundidad, creatividad, manticidad,
sentido de la complejidad y empatía,
pueden facilitar la formulación de un
problema y, así, la interpretación efi-
ciente de los datos.
En este contexto, Castro Aniyar
centra su análisis en la literatura sobre
el factor “emprendimiento”, más que
PyMEs, esto es, el negocio entendido
más como un agente de cambio sobre
la estructura de las cosas (expresadas
éstas en las formas inertes, como las
tecnologías de mantenimiento), que
es uno de los pilares fundamentales
del crecimiento económico social y
cultural de los pueblos. El emprendi-
miento, según Castro Aniyar, es perci-
bido como aquel agente disruptivo de
los mercaderes del Renacimiento, que
el origen de los cimientos del capi-
talismo moderno. Esto es, la actitud
emprendedora de la burguesía floren-
tina y veneciana es el origen y sentido
del capitalismo moderno, desde siglo
XV hasta el siglo XXI.
pymes y emprendImIentos
socIales, dos caras del
camBIo y el desarrollo
socIal
La idea de esta obra es proponerse
cambiar disruptivamente la estructura
u orden de las cosas, supone tener
habilidades predictivas. Por lo tanto,
puesto que la experiencia y la medita-
ción sobre ésta, es el fundamento de
la formulación de buenos problemas,
no solo es necesario predecir para
emprender, sino también emprender
para predecir. Por ello se afirma que
“El que predice actúa como el que
En ese sentido, el primer problema
es establecer quién puede ser consi-
derado emprendedor, y quién predic-
tor. De tal modo que una apreciación
de la capacidad de análisis y su habi-
lidad de producir cambio social positi-
vo (que poco tienen que ver, o solo de
manera complementaria, con títulos,
ser nativos digitales) sería la prueba
de confirmación de ambos agentes. El
aprendizaje, evidentemente, se refie-
re, al aprendizaje vital, astuto, audaz
y responsable que otorga la experien-
cia de haber atravesado situaciones
ENCUENTS
201
ARTICULO
Revista de Ciencias Humanas,Teoría Social y Pensamiento Crítico
N° 27 Mayo – Agosto (2026). PP: 195-206
complejas, y de las que se ha podido
sobrevivir. Lo mismo sucede, aunque
de manera no reconocida formalmen-
te, con el buen investigador (aca-
démico, innovador o criminológico).
De tal modo que esta relación entre
aprendizaje y predicción pone al em-
prendimiento como una herramienta
de la predicción, puesto que de allí
surge la experiencia de la habilidad
de hacer buenas problematizaciones.
Por supuesto que la inteligencia es un
factor fundamental en esta ecuación,
pero Castro Aniyar se centra en las
ideas de emprendimiento, aprendiza-
je y predicción, pues entiende que la
inteligencia, cuando se llena de datos
vacíos, presentaciones de sofismas y
frases retumbantes, en la percepción
de un público no experimentado, esto
es, sin la habilidad de problematizar-
se frente a la realidad adecuadamen-
te, es insuficiente y peligroso para los
objetivos corporativos.
La idea de emprendimiento y la
PyME, según Fairbanks y Lind-
say
La idea de emprendimiento se pa-
rece a la de la empresa, pero guarda
consigo la noción de que se trata de
un esfuerzo joven, que reta a las es-
tructuras. Por eso el emprendimiento
se mide mediante las fórmulas del
GEM, fundamentalmente dirigidas al
éxito y actitud disruptora para la rege-
neración de las fuerzas del mercado
y el cambio social. La noción de em-
presa, en cambio, es más asociable a
la noción de una iniciativa que se has
establecida formal y estructuralmente
A la obra de Castro Aniyar, quizás por
eso, le interesa mucho el problema
del timing para la predicción: no todo
dura lo mismo, y predecir es, muchas
veces, saber el tiempo de lo que va
a perdurar, esto es, el timing de los
patrones, una información que solo se
obtiene parcialmente de las estadís-
ticas.
La gran empresa fue alguna vez
un emprendimiento, joven y disrupti-
cuando se define como tal, no dice
mucho de su carácter en relación a la
predicción el aprendizaje y el tiempo.
La categoría misma es muchas veces
inadecuada, porque se mide tradicio-
nalmente por el número de trabajado-
res o el monto del capital declarado,
lo cual difícilmente indica su capaci-
dad de disrupción y éxito dentro de la
complejidad. La medición de lideraz-
go innovativo es más bien escurridiza,
pero no por ello debe dejar de medir-
se o desconsiderarse. Este es un pro-
blema muy corriente en las ciencias
sociales (y ciencias en general): solo
se considera realidad aquello que es
ponderable de manera estándar. Por
ello es tan importante la reflexión so-
bre los problemas en que se deben
plantear las relaciones sociales: para
poder indicar la existencia de los que
para muchos es cuantitativamente in-
visible, pero que es fundamental.
El otro peligro es entender la reali-
dad mediante la moda, esto es, que la
realidad es lo que la gente repite que
es la realidad. El peligro de entender
la producción de conocimiento a tra-
vés de la metáfora de la “moda”, es un
hecho del que hay que tener cuidado
La dinámica de las modas en las
ciencias sociales y económicas, aun-
que tiene cosas importantes, suele
destruir esfuerzos de largo aliento,
cuya longevidad es crucial para los
emprendimientos que requieren de
tejidos invativos y de confianza. Las
modas, incluso las científico-académi-
cas, llegan a ser, una suerte de encan-
tamiento por las cosas superficiales,
que llevan a desmeritar (y crear de-
cepción y desesperanza) el esfuerzo
de los innovadores, equivocados o no.
Muchas veces las modas son res-
puestas a nuevas leyes, o nuevos fi-
nanciamientos, o nuevos sistemas
de aceptación tribal, que protegen a
grupos que se ven a sí mismos como
“esclarecidos” (“woke” es un buen si-
nónimo de esto), y que solo buscan el
desplazamiento de una tribu por otra,
sin mediar la importancia del mérito.
Sandra López, Robinson Dueñas, Luis Román y José Curvelo
Limitaciones del Big Data en la formulación...
ENCUENTS
202
ARTICULO
“Entrepreneurs are innovative, op-
portunity oriented, resourceful, val-
ue-creating change agents” (…)
“Social entrepreneurs seek out oppor-
tunities to improve society and take
action. They attack the underlying
causes of problems rather tan sim-
ply treating symptoms. And, although
they may act locally, their actions
have the very real potential to stim-
ulate global improvements in their
chosen arenas…”
3
Bornstein y Davis, siguiendo a
Fairbanks y Lindsay, y usando el éxi-
to del célebre Mohammad Yunnus en
Bangladesh, definen emprendimiento
social así:
“… a process which citizens build or
transform institutions to advance
Solutions to social problems, as po-
verty, illness, illiteracy, environmental
destruction, human rights abuses and
corruption, in order to make life better
for many
4
Fairbanks y Lindsay han permitido
entender que lo que es importante
de una empresa, es su habilidad de
motorizar el cambio y revitalizar sus
tejidos, por eso prefieren el concepto
de emprendimiento, que el concepto,
más bien jurídico y contable de PyME.
Por eso, en la misma línea de Chris-
de mantenimiento (más aceptables
bajo el termino de empresa) y em-
prendimientos de disrupción, tanto en
lo económico, como su impacto en el
cambio político o cultural de los teji-
dos donde se desenvuelven:
Así, hay emprendimientos en tres
3 Los emprendedores son agentes de cambio
innovadores, orientados a las oportunidades,
ingeniosos y generadores de valor. (…) “Los
emprendedores sociales buscan oportunidades
para mejorar la sociedad y actúan. Atacan las
causas subyacentes de los problemas en lugar
de simplemente tratar los síntomas. Y, aunque
pueden actuar localmente, sus acciones tienen
el potencial real de impulsar mejoras globales en
los ámbitos que eligen…”
-
yen o transforman instituciones para promover
soluciones a problemas sociales, como la po-
breza, la enfermedad, el analfabetismo, la des-
trucción del medio ambiente, los abusos de los
derechos humanos y la corrupción, con el fin de
mejorar la vida de muchos.
Pierre Bourdieu, y algunos soció-
logos culturalistas marxistas, explican
cómo los escenarios de las ideas, mu-
chas veces son suerte de campos de
lucha por obtener un capital simbólico
basado en el prestigio (y no siempre
De todo esto es importante recu-
perar la noción del emprendimiento
como factor de cambio, incluso, como
agente del cambio. Fairbanks y Lind-
say entendían el emprendimiento en
empresa, pero por nada, una fórmula
desatenta del entorno en el que de-
ben jugar. Decían:
“Its goal has to be to upgrade the com-
petitive environment and to find ways
to learn about sophisticated consu-
mers so that it might provide them
with unique value. At the same time,
the private sector need to help build
trust inside the country, both within
the private sector and between the
private sector and the government;
to work with the government to build
an efficient system of justice that pro-
tects investment and innovation and
tangible and intangible property; and
finally and perhaps most important,
to develop learning mechanisms that
continually test and replenish frames
of reference so that the country deve-
lops rules of behavior consistent with
worldwide consumer and competitors
trends
2
En la misma lógica de Fairbanks y
Lindsay, Dees, Emerson y Economy lo
definen como agentes de potenciali-
dades:
2 “Su objetivo debe ser mejorar el entorno com-
petitivo y encontrar maneras de comprender a
los consumidores sofisticados para ofrecerles un
valor único. Al mismo tiempo, el sector privado
[constituido por empresas privadas y empren-
dedores] debe contribuir a generar confianza
dentro del país, tanto dentro del sector privado
gobierno para construir un sistema de justicia
eficiente que proteja la inversión, la innovación y
y quizás lo más importante, desarrollar mecanis-
mos de aprendizaje que prueben y actualicen
continuamente los marcos de referencia para
que el país desarrolle normas de conducta cohe-
rentes con las tendencias mundiales de consu-
mo y competencia”.
ENCUENTS
203
ARTICULO
Revista de Ciencias Humanas,Teoría Social y Pensamiento Crítico
N° 27 Mayo – Agosto (2026). PP: 195-206
objetivos comunes, el 2.0 que usa la
inteligencia de negocios (analíticas)
para procurar un impacto sustentable,
y el 3.0 que se convierte en un factor
de cambio e inspiración en los demás
tejidos, generando cambio social:
“It recognizes that social entrepre-
neurship is contagious” (…) “It looks to
forge stronger linkages across cultural
and disciplinary boundaries, particu-
larly with business and government,
and facilitate the rapid circulation and
sharing of solutions at the global le-
vel”
5
Sin duda que, desde ese punto
de vista, lo que es importante para
un emprendedor no es el rédito sino
el impacto (que debe corresponderse
a un rédito si es un emprendimiento
socio-económico), por lo que le son
asociables la noción de resiliencia
para la transformación social, y la pre-
dicción.
El emprendimiento, entonces, tie-
ne éxito, no solo cuando gana dinero,
sino que reactiva, o renueva los teji-
dos, creando con los demás empren-
dimientos (de mantenimiento o dis-
ruptivos) interdependencias. desde
su aspecto social hasta el económico
procura formas más o menos desarro-
lladas de interdependencia.
De ellos se deriva que una lectu-
ra precisa, profunda, optimista debe
ser de todo menos irrealista. ¿Y
esto, lo garantiza la Big Data? No, la
experiencia dice que lo garantizaría
el impulso cualitativo, la curiosidad,
el deseo de preguntar y vivir. Como
se sugiere en la Teoría de las Políticas
Públicas, hay que diagnosticar y ac-
tuar según la precisión de cada con-
entregando así la fuerza de la realidad
a una de sus dimensiones más com-
plejas y, a veces incómodas: la com-
prensión de las situaciones, base real
de toda predicción.
contagioso” (…) “Busca forjar vínculos más
fuertes a través de las fronteras culturales y
disciplinarias, particularmente con empresas y
gobiernos, y facilitar la rápida circulación y el in-
tercambio de soluciones a nivel global.
“Por ello es muy importante el nivel
diagnóstico del emprendimiento en su
entorno. Con ello se indica la posibili-
dad de que el emprendimiento tenga
clara su función transformadora, que
reconozca sus verdaderas fuerzas,
visibilice con mayor claridad el entor-
no que le toca transformar (para que
potencie eficientemente su acción) y
que tenga claro que siempre es y será
modo que el aumento de emprendi-
mientos de calidad genera un entorno
en el que será más difícil desestimar o
negativizar los mismos o nuevos em-
conclusIones
El auge de la Big Data en las ana-
líticas de inteligencia de los negocios
es comprensible: dada la nueva e im-
portante cantidad de datos que se
desprenden del mundo informático,
sería un error no aprovechar esta in-
gente fuente para el uso de la predic-
ción. Los sistemas actuales tienden
a reforzar este patrón, dado el auge
reciente de las IA en comprender pa-
trones, establecer tendencias, y pro-
yectar en el futuro comportamiento
estables. Sin embargo, ante la ne-
cesidad de crear agentes de cambio
advierte de la necesidad, incluso, de
transformar las arquitecturas corpo-
rativas, para trascender los hábitos
creado por los patrones que antes
persistían en las dinámicas tanto em-
presariales, como políticas o cultu-
rales. La visión de estos cambios no
es ofrecida por la estabilidad de los
patrones, llevando a establecer dos
tipos de innovaciones: las deductivas,
que son el resultado del pensamien-
to científico-empresarial establecido,
en busca de fórmulas nuevas sobre
fórmulas conocidas, y las inductivas,
que desafían el pensamiento científi-
co-empresarial establecido, proyendo
de nuevos marcos paradigmáticos,
difíciles de observar por los sistema
informáticos, más acostumbrados a
de realidad. Los primeros correspon-
den, con matices, al pensamiento de
mantenimiento y lo segundo al pensa-
miento disruptivo.
Sandra López, Robinson Dueñas, Luis Román y José Curvelo
Limitaciones del Big Data en la formulación...
ENCUENTS
204
ARTICULO
La historia de la humanidad, en-
tendida por autores relevantes como
no es una historia del desarrollo de
tendencias, o patrones que se con-
solidan, sino una de la imaginación
en marcos especiales, no previstos,
valientes y audaces que transforman
lo conocido en lo por conocer. Ello
parece ser la base del funcionamiento
del sistema capitalista, esto es, tanto
de lo más positivo como de lo negati-
en los modelos corporativos informá-
sistemas predictivos para criminolo-
gía y ciencias políticas, y de Fairbank
del emprendimiento económico y so-
cial como agente de cambio, facilitan
poner las bases de una noción de
predicción en la PyMEs que recupere
la relación con lo cualitativo, a través
de las técnicas constituidas para ese
fin (como los Mapas Cognitivos Com-
puestos, la observación etnográfica,
the grounded theory, el psicoanálisis,
la semiología, la filosofía de las ideas,
etc.), así como a través del valor de
la experiencia humana, y el mérito de
esa experiencia.
referencIas
La Hechura de las
Políticas. Edit. Miguel Angel Porrúa.
México.
State Power. A Strate-
gic-Relational Approach. Edit. Polity.
Cambridge, Malden.
El Futuro del Es-
tado Capitalista. Los Libros de la Ca-
tarata. Madrid.
Estudio de las Políticas Publicas”. Co-
lección Antologías de Política Pública.
Primera Antología. 2da Reimpresión.
Edit. Miguel Angel Porrúa. Mexico.
The Long
20th Century. Money, Power and the
Origins of our Times. Verso (New Left
Books). New York, London.
Biblioteca Universitaria de York
The Pareto Principle. Study
https://
subjectguides.york.ac.uk/study-re-
vision/pareto-principle#:~:tex-
t=%C2%BFQu%C3%A9%20es%20
el%20Principio%20de,resultados%20
con%20menos%20tiempo%20inver-
tido%20.
Bornstein, David y Davis, Su-
Social Entrepreneurship.
What Everyone Needs to Know. Ox-
ford University Press. NY.
La Distinction.
Critique Sociale du Jugement. Les
Editions de Minuit. Paris.
Bustos Farías, E., García González,
directivos universitarios en el uso de la
Big Data dentro de la gestión del co-
https://doi.org/10.33996/re-
vistaenfoques.v8i29.179
de la predicción social. Apuntes sobre
el uso de la ciencia y las emociones
en sistemas inteligentes de predic-
ción, en Cruz Marte, I., Espinoza, A.
El Futuro del Delito, Mawil Publica-
ciones de Ecuador. https://mawil.us/
Chacon-Blanco, R., Lara-Carreón,
datos y la inteligencia de negocios: la
toma de decisiones basada en datos
en el mundo actual, en Retos y ten-
dencias del talento humano en Méxi-
co. Publisher: Ediciones Del Lirio
The
Innovator’s Dilemma. Harvard Busi-
ness School Press, Boston.
implementación de la inteligencia artifi-
cial en la administración de empresas:
una revisión sistemática. Impulso, Revis-
ENCUENTS
205
ARTICULO
Revista de Ciencias Humanas,Teoría Social y Pensamiento Crítico
N° 27 Mayo – Agosto (2026). PP: 195-206
ta De Administración, 4ht-
tps://doi.org/10.59659/impulso.v.4i8.58
Introducción al
business intelligence y big data. UOC
Universitat Oberta de Catalonya. ht-
tps://openaccess.uoc.edu/server/
Strategic
Tools of Social Entrepreneurs. En-
hancing the Performance of your En-
terprising Non-Profit. John Wiley and
Sons, Inc. S/c.
Espinosa Jaramillo, María Teresa,
-
revolución tecnológica y paradigma
tecno-económico: una mirada a la
economía de la innovación. Dilemas
contemporáneos: educación, política
y valores
Fairbanks, Michael y Lindsay,
Plowing the Sea. Nur-
turing the Hidden Sources of Growth
in the Developing World. Harvard
Business School Press. Boston.
González Hernández, L., Rudas
-
gencia artificial: Beneficios y desafíos
en el ámbito educativo en nivel supe-
rior. Revista Tribunal, 5
https://doi.org/10.59659/revistatri-
bunal.v5i10.114
González-Cardona, C. G., Ven-
ces-Esparza, A., González-Martínez,
La conformación de comunidades
de aprendizaje para la formación
del estudiante: revisión sistemática
de literatura. Warisata - Revista De
https://doi.
org/10.61287/warisata.v6i18.17
data en la educación. Horizontes.
Revista De Investigación En Ciencias
De La Educación, 4
https://doi.org/10.33996/revistahori-
zontes.v4i16.134
Studying Public
Policy. Policy Cycles & Policy Subsys-
tems. Oxford University Press. Onta-
rio.
Orden So-
cial, Reforma y Revolución. Edit Tec-
nos. Madrid.
A Bussiness Intel-
ligence System. IBM Journal.
su impacto en la educación musical
Horizontes. Revista De In-
vestigación En Ciencias De La Edu-
cación, 8 https://
doi.org/10.33996/revistahorizontes.
v8i35.885
Mollo Torrico, J. P., Lázaro Cari, R.
-
fíos y retos del docente universitario
en la era digital. Revista De Propues-
tas Educativas, 7https://
doi.org/10.61287/propuestaseducati-
vas.v7i14.9
-
sarrollo organizacional en las micro,
MEs): una revisión sistemática. Impul-
so, Revista De Administración, 5
https://doi.org/10.59659/
impulso.v.5i9.74
and the Postmodern Critique of Ob-
jectivity en Anthropological Theory.
Oaks, Cambridge y New Dehli.
Making
Democracy Work. Civic Traditions
in Modern Italy. Princeton University
Press. New Jersey.
-
-
gencia artificial y la realidad aumenta-
Sandra López, Robinson Dueñas, Luis Román y José Curvelo
Limitaciones del Big Data en la formulación...
ENCUENTS
206
ARTICULO
da en recursos humanos en la gestión
pública. Impulso, Revista De Admi-
nistración, 5https://doi.
org/10.59659/impulso.v.5i9.87
-
uso de datos masivos (Big Data) en
la administración empresarial . Impul-
so, Revista De Administración, 5
https://doi.org/10.59659/impul-
so.v.5i11.127
Santos Fernández, J. P., Cordo-
va Otero, J. L., Centurión Goicochea,
Tendencias en el desarrollo de inteli-
gencia artificial en la gestión comer-
cial: Una revisión sistemática. Revis-
ta Ingeniería, 9 https://
doi.org/10.33996/revistaingenieria.
v9i23.129
of Big Data Analytics in Business
Transformation, en Parul Gandhi,
Surbhi Bhatia, Abhishek Kumar, Mo-
hammad Alojail, Pramod Singh Ra-
thore, Wiley Online Library. Internet
of Things in Business Transformation
El
cerebro digital. Cómo las nuevas tec-
nologías están cambiando nuestra
mente. Barcelona: Ediciones Urano.
Urbano Gutiérrez, L. P., Castag-
-
TIC mediante el modelo technologi-
cal pedagogical content knowledege
(tpck). Revista Tribunal, 5
309. https://doi.org/10.59659/revis-
tatribunal.v5i10.116
