Factores que afectan a la adopción del Big Data como herramienta de marketing en las empresas

• Autores: Juan Pedro Cabrera Sánchez
• Directores de la Tesis: Ángel Francisco Villarejo Ramos (dir. tes.)
• Lectura: En la Universidad de Sevilla ( España ) en 2019
• Idioma: español
• Número de páginas: 81
• Tribunal Calificador de la Tesis: Manuel J. Sánchez-Franco (presid.), María de los Ángeles Oviedo García (secret.), María Dolores Palazón Vidal (voc.), Sebastián Molinillo Jiménez (voc.), Francisco Liébana Cabanillas (voc.)
• Programa de doctorado: Programa de Doctorado en Gestión Estratégica y Negocios Internacionales por la Universidad de Sevilla
• Materias:
  • Psicología
    • Psicología social
      • Marketing
• Enlaces
  • Tesis en acceso abierto en: Idus
• Resumen
  • español

    La implantación de técnicas de Big Data es una realidad en la toma de decisiones de marketing. Este desarrollo cuestiona qué factores afectan a las empresas en la aceptación de estas tecnologías. En respuesta, extendemos el modelo de aceptación de tecnologías UTAUT al Big Data y añadimos el riesgo percibido como inhibidor. Modelizamos mediante ecuaciones estructurales con Smart-PLS sobre una muestra de empresas que utilizan Big Data. Los resultados muestran la mayor predicción de la extensión del UTAUT planteada y el menor efecto de variables propuestas en el modelo original.

  • English

    With the total quantity of data doubling every two years, the low price of computing and data storage, make Big Data analytics (BDA) adoption desirable for companies, as a tool to get competitive advantage. Given the availability of free software, why have some companies failed to adopt these techniques? To answer this question, we extend the unified theory of technology adoption and use of technology model (UTAUT) adapted for the BDA context, adding two variables: resistance to use and perceived risk. We used the level of implementation of these techniques to divide companies into users and non- users of BDA. The structural models were evaluated by partial least squares (PLS). The results show the importance of good infrastructure exceeds the difficulties companies face in implementing it. While companies planning to use Big Data expect strong results, current users are more skeptical about its performance.