Ciencia de datos para la toma de decisiones gerenciales

En un entorno empresarial donde cada vez más decisiones dependen de la capacidad de interpretar datos, muchos gerentes y administradores enfrentan una barrera técnica que los aleja de herramientas estadísticas poderosas. Ciencia de datos para la toma de decisiones gerenciales, escrito por tres profesores asociados de la Facultad de Ciencias de la Administración de la Universidad del Valle, nace precisamente para cerrar esa brecha. El libro parte de una premisa sencilla pero poderosa: no es necesario ser estadístico ni programador para aprovechar el poder de los datos en la gestión estratégica de una organización. Publicado por Ecoe Ediciones en 2025, el texto se dirige tanto a profesionales en ejercicio como a estudiantes de programas de administración y negocios, ofreciendo una base sólida para entender el análisis cuantitativo sin perder de vista su aplicación práctica en el día a día empresarial.

La obra está organizada en cuatro capítulos que avanzan de lo más sencillo a lo más complejo, siguiendo una lógica pedagógica pensada para lectores sin formación técnica previa. El primer capítulo introduce la regresión lineal simple a través de un ejemplo cotidiano —la relación entre presupuesto publicitario y ventas—, explicando en detalle los supuestos del modelo (linealidad, independencia, homocedasticidad, normalidad y ausencia de multicolinealidad) y cómo verificarlos con apoyo de software estadístico. El segundo capítulo se enfoca en datos de conteo, como el número de visitantes o incidencias diarias, presentando los modelos de Poisson y binomial negativa. El tercer capítulo aborda los modelos binarios (logit), útiles para decisiones dicotómicas como evaluar candidatos en procesos de selección o decidir sobre una inversión. Finalmente, el cuarto capítulo profundiza en series de tiempo, incluyendo modelos ARIMA, regresión cuantílica y vectores autorregresivos (VAR), con ejemplos anclados en mercados financieros reales, como los precios del petróleo WTI y la tasa de cambio del peso colombiano frente al dólar.

Lo que distingue a este libro de otros textos técnicos es su insistencia en la interpretación práctica por encima del formalismo matemático. En cada capítulo, los autores no solo presentan el modelo estadístico correspondiente, sino que muestran paso a paso cómo ejecutarlo en software especializado (como EViews®) y, sobre todo, cómo leer e interpretar los resultados en clave gerencial. Por ejemplo, al trabajar con el modelo VAR aplicado a variables macroeconómicas, el libro no se detiene en la ecuación, sino que explica qué significa la función impulso-respuesta para anticipar cómo una variación en el precio del petróleo puede afectar el tipo de cambio o el precio del gas. Este enfoque aplicado convierte técnicas que suelen percibirse como intimidantes —como el ARIMA o la regresión cuantílica— en herramientas accesibles para cualquier tomador de decisiones que quiera anticipar tendencias de mercado o evaluar riesgos financieros.

El libro concluye reafirmando que la ciencia de datos no debería ser un territorio exclusivo de especialistas técnicos, sino una competencia transversal para quienes lideran organizaciones en un entorno cada vez más competitivo y cambiante. Los autores sostienen que dominar estas herramientas —desde lo más básico hasta modelos más sofisticados de series de tiempo— le da a los gerentes una ventaja estratégica real a la hora de anticipar escenarios y sustentar decisiones con evidencia, en lugar de intuición. ¿Qué pasaría si cada decisión gerencial en su organización estuviera respaldada por un modelo predictivo, así fuera uno simple? ¿Estamos realmente aprovechando los datos que ya tenemos, o seguimos decidiendo a ciegas?

Nota: Este resumen fue generado con apoyo de Inteligencia Artificial y validado por el equipo investigador, con el propósito de ofrecer un lenguaje claro y práctico para la comunidad empresarial y académica.

Libro completo disponible haciendo clic aquí.