Modelado predictivo del riesgo financiero en empresas de tecnología mediante una plataforma de inteligencia de negocio
DOI:
https://doi.org/10.26820/reciamuc/9.(4).diciembre.2025.89-103Keywords:
Modelo Predictivo, Power BI, Riesgo Financiero, Arboles de decisiones, KPIsAbstract
El presente estudio tiene como propósito analizar el desarrollo una plataforma de inteligencia de negocios, orientada en realizar un modelado predictivo del riesgo financiero, que se presenta en empresas del sector tecnológico. Con la aplicación del modelo basado en árboles de decisión, LSTM y ARIMA, se busca reconocer patrones clave en la información financiera de los clientes y los posibles riesgos, a partir de datos históricos y variables relevantes del entorno financiero. Este enfoque tiene como finalidad determinar la situación actual de cada cliente y su incidencia dentro del entorno empresarial. El uso de la plataforma Power BI ofrecerá reportes analíticos en tiempo real permitiendo identificar posibles incidencias financieras y proporcionar evidencias de escenarios futuros, ofreciendo una representación visual clara y precisa de los datos generados, facilitando el monitoreo del desempeño de los clientes. Para ello, se busca optimizar la toma de decisiones en la gestión financiera, mejorando la capacidad de respuesta ante posibles amenazas de tipo financieras y asegurando la estabilidad económica de las empresas tecnológicas. Fortaleciendo su capacidad para incluir indicadores clave de rendimiento (KPIs) relevantes, dirigidos a mejorar la Gestión financiera actual de la empresa, lo que permite una adaptación efectiva a nuevos desafíos dentro de un entorno competitivo.
Downloads
References
Acosta, D. F., & Horna, M. J. (2023). Análisis del riesgo financiero y su efecto en el crecimiento empresarial de las PYMES de Ambato. Revista Latinoamericana de Ciencias Sociales y Humanidades, 4(2), 7-12. https://latam.redilat.org/index.php/lt/article/view/798/1078
Acosta, F. J., & Del Águila, L. A. (2020). Solución de inteligencia de negocios para automatizar el proceso de selección y evaluación del proyecto "Lectores de Paso" [Tesis de pregrado]. Repositorio Académico UPC. https://repositorioacademico.upc.edu.pe/bitstream/handle/10757/653633/AcostaD_F.pdf
Acosta, L. (2021). *Análisis de la solidez financiera de la banca múltiple peruana mediante la aplicación de la metodología CAMEL, periodo 2014-2020 [Tesis de maestría]. Universidad Católica de Santa María. https://repositorio.ucsm.edu.pe/handle/20.500.12920/10952
Agudelo, J. (2020). Data lakes: Aplicaciones, herramientas y arquitecturas [Repositorio institucional]. Repositorio Universidad Tecnológica de Pereira. https://repositorio.utp.edu.co/server/api/core/bitstreams/5f56e572-d416-487e-a6d5-ec3a8e45da46/content
Alaminos, A. (2023). Árboles de decisión en R con Random Forest. Universidad de Alicante.
Álvarez, D. A. (2020). Modelo de predicción de la producción de energía de la Central Hidroeléctrica Coca Codo Sinclair, basado en técnicas de aprendizaje computacional [Tesis de maestría]. Repositorio Institucional ESPE. https://repositoriobe.espe.edu.ec/server/api/core/bitstreams/aeb2c6b0-b7c9-4fe8-b535-e89b28f48b99/content
Briones, J., & Ramos, M. (2024). Business Intelligence y análisis de datos para la toma de decisiones empresariales. Revista de Tecnología e Innovación, 15(3), 45-62.
Calisaya, F. (2021). Modelos predictivos y su aplicación en el análisis empresarial. Journal of Data Science, 8(2), 112-125.
Castelo, M., Fernández, R., & González, P. (2021). Google Colab como herramienta para la investigación colaborativa en ciencia de datos. Revista Iberoamericana de Computación, 12(4), 78-92.
Colab, G. (2020). Te damos la bienvenida a Colaboratory. Google Research. https://colab.research.google.com
Data Pipeline. (2024). Data Pipeline documentation. North Concepts. https://northconcepts.com/
Esparza, E., Jácome, R., & Vera, P. (2020). Riesgo y rendimiento del BVG Index. Revista de Economía y Finanzas, 25(1), 34-50. https://dialnet.unirioja.es/servlet/articulo?codigo=7525472
Esteban, A., Zárate, C., & Machinandiarena, V. (2023). Diseño de cuadro de mando integral con Power BI para empresa distribuidora de bebidas. Revista de la Escuela de Perfeccionamiento en Investigación Operativa, 18(2), 89-105. https://revistas.unc.edu.ar/index.php/epio/article/view/42567
github.io. (2020). Arquitectura de modelos de negocio. Business Architecture Group. https://businessarchitecture.github.io
Hernández, R., & Duana, D. (2020). Metodología de la investigación: Técnicas de recolección de datos (6ª ed.). McGraw-Hill.
Leal, M., Pérez, R., & González, S. (2022). Matrices de tolerancia al riesgo en la gestión financiera empresarial. Methods-X, 9, 101-115. https://doi.org/10.1016/j.mex.2022.101789
Mathworks.(2024).Predictive modeling workflow. MATLAB Documentation. https://www.mathworks.com/help/stats/predictive-modeling-workflow.html
Naik, N., Peterson, L., & Johnson, M. (2021). Cloud-based collaborative environments for data science education. Journal of Educational Technology, 45(3), 234-248. https://doi.org/10.1109/TE.2021.3098765
Rodríguez Fajardo, J. (2022). Gestión integral de riesgos empresariales. Editorial Limusa.
Salazar, M. (2022). Modelos de regresión logística aplicados a la evaluación de riesgo crediticio. Revista de Estadística Aplicada, 19(1), 67-82.
Santana Falcón, F. (2023). Análisis de datos abiertos de fútbol aplicando la metodología CRISP-DM [Tesis de maestría]. Universidad Politécnica de Madrid. https://oa.upm.es/75461/
Techno Review. (2021). Gestión de riesgos tecnológicos en la era digital. Techno Review: Revista de Innovación Tecnológica, 14(2), 28-35.
Tello Oquendo, L. (2024). Redes neuronales y deep learning: Aplicaciones en el sector financiero. Inteligencia Artificial Revista, 7(1), 45-60.
Vaca, R., & Orellana, P. (2020). Análisis de riesgos financieros en empresas del sector tecnológico. Revista de Administración y Finanzas, 12(3), 112-128.
Published
How to Cite
Issue
Section
Copyright (c) 2025 María Jose Trujillo Coloma, Erick Orlando Guerrero Zambrano, Victor Hugo Moreno Díaz, Mariuxi Ileana Tejada Castro
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
