MAESTRÍA EN ADMINISTRACIÓN · 2026
Adaptación y transformación del sector gastronómico en Cali frente a escenarios de crisis : un enfoque desde la minería de datos
El trabajo de investigación analiza la adaptación y transformación del sector gastronómico en Cali frente a escenarios de crisis, con énfasis en la pandemia de COVID-19, mediante el uso de técnicas de minería de datos. Parte del reconocimiento de que este sector es altamente vulnerable a choques externos como crisis económicas, sanitarias o sociales, que afectan la demanda, los costos operativos, la cadena de suministro y la sostenibilidad de los negocios. A través de una revisión histórica de crisis globales (como la Gran Depresión, la Segunda Guerra Mundial y la crisis financiera de 2008), se evidencia que, aunque el sector sufre impactos severos, también desarrolla estrategias de resiliencia basadas en la innovación, la adaptación y la reorganización de sus modelos de negocio. En el contexto reciente, la pandemia obligó a los establecimientos a acelerar procesos de digitalización, implementar domicilios, rediseñar menús y fortalecer vínculos con la comunidad. La investigación propone aplicar técnicas como árboles de decisión y reglas de asociación para identificar patrones y factores clave que influyeron en el desempeño del sector, considerando variables como comportamiento del consumidor, gestión financiera, innovación tecnológica y operación empresarial. Metodológicamente, se adopta un enfoque mixto que combina análisis cuantitativo y cualitativo. El objetivo principal es generar conocimiento que apoye la toma de decisiones estratégicas y contribuya a la formulación de políticas públicas y estrategias empresariales que fortalezcan la resiliencia del sector. Finalmente, se destaca la importancia de la analítica de datos como herramienta para anticipar escenarios futuros y mejorar la capacidad de respuesta ante nuevas crisis.
Texto completo 127 páginas con texto
Leer la tesis completa Ficha en el repositorio
Contenido
- CAPÍTULO 1: GENERALIDADES DE LA INVESTIGACIÓNp. 10
- 1.1 INTRODUCCIÓNp. 10
- 1.2 ANTECEDENTES DEL PROBLEMAp. 12
- 1.2.1 La Pandemia de Gripe de 1918 (Gripe Española)p. 13
- 1.2.2 La Gran Depresión (1929-1939)p. 14
- 1.2.3 La Segunda Guerra Mundial (1939-1945)p. 15
- 1.2.4 Crisis del Petróleo de 1973p. 17
- 1.2.5 Crisis Alimentaria Mundial (2007-2008)p. 18
- 1.2.6 La Crisis Financiera de 2008p. 20
- 1.2.7 Pandemia de COVID-19 (2020-2022)p. 21
- 1.4.1 Objetivo Generalp. 24
- 1.4.1 Objetivos Específicosp. 24
- 1.5 JUSTIFICACIÓNp. 24
- 1.6 MARCO REFERENCIALp. 26
- 1.7 MARCO TEÓRICOp. 27
- 1.7.1 Analítica de Datosp. 27
- 1.7.2 Inteligencia de Negociosp. 28
- 1.7.3 La Minería de Datosp. 29
- 1.7.3 Arboles de Decisiónp. 32
- 1.7.4 Rapidminerp. 33
- 1.8 MARCO CONTEXTUALp. 34
- 1.8.1 Efectos del Covid-19 a nivel nacional y regionalp. 34
- 1.8.2 Crisis sector gastronómicop. 35
- 1.9 MARCO LEGAL NACIONAL E INTERNACIONALp. 36
- 1.9.1 Marco Legal Nacionalp. 36
- 1.9.2 Marco Legal Internacionalp. 38
- 1.10 ESTADO DEL ARTEp. 38
- 1.11 METODOLOGÍAp. 41
- 1.11.1 Comprensión del Negocio (O del Problema de Investigación)p. 44
- 1.11.2 Comprensión De Los Datosp. 44
- 1.11.3 Preparación De Los Datosp. 45
- 1.11.4 Modelado:p. 45
- 1.11.5 Evaluaciónp. 45
- 1.11.6 Despliegue (O Comunicación de Resultados):p. 45
- 1.11.7 Descripción Metodológica para la Construcción del Datasetp. 46
- 1.12 FASES Y CRONOGRAMA DE ACTIVIDADESp. 48
- 1.12.1 Fasesp. 48
- 1.12.2 CRONOGRAMAp. 50
- CAPÍTULO 2: ANÁLISIS DESCRIPTIVOp. 51
- CAPÍTULO 3: MODELOS DE ÁRBOLES DE DECISIÓNp. 65
- 3.1 ÁRBOLES DE DECISIÓNp. 27
- 3.1.1 Inteligencia de Negociosp. 28
- 3.1.2 Minería de Datosp. 46
- 3.2 SOFTWARE DE RAPIDMINERp. 69
- 3.2.1 Teoría y conceptos generales de modelos con árboles de decisiónp. 70
- 3.3 MODELAMIENTO DE ÁRBOLES DE DECISIÓN CON RAPIDMINERp. 70
- 3.3.1 Preparación de los datos para el análisisp. 78
- 3.4 RESULTADOS CON LOS MODELOS DEL ÁRBOL DE DECISIÓNp. 81
- 3.4.1 Modelo con la variable objetivo de innovaciónp. 104
- 3.4.2 Modelo con la variable objetivo motivación para el aprendizajep. 84
- 3.4.3 Modelo con la variable objetivo ventas por redes socialesp. 87
- 3.4.4 Modelo con la variable objetivo espacios colaborativosp. 89
- CAPÍTULO 4: REGLAS DE ASOCIACIÓNp. 91
- 4.1 REGLAS DE ASOCIACIÓNp. 91
- 4.1.1 Medidas principalesp. 92
- 4.1.2 Preprocesamiento y Binarización de Datosp. 94
- 4.1.3 Interpretación de una Reglap. 96
- 4.2 RESULTADOS CON LOS MODELOS DE REGLAS DE ASOCIACIÓNp. 97
- 4.2.1 Análisis de reglas de asociaciónp. 97
- 4.2.1.1 Contexto y preparación de la base de datosp. 97
- 4.2.1.2 Codificación de las respuestas como ítemsp. 97
- 4.2.1.3 Criterios de extracción: soporte, confianza y liftp. 99
- 4.2.1.4 Análisis de las reglas de asociación en contextop. 100
- CAPITULO 5: CONCLUSIONESp. 103
- 5.1 CONCLUSIONES DEL ANÁLISIS DESCRIPTIVOp. 103
- 5.2 CONCLUSIONES ARBOLES DE DECISIONESp. 104
- 5.2.1 Modelo con la variable objetivo de innovaciónp. 104
- 5.2.2 Modelo con la variable objetivo motivación para el aprendizajep. 84
- 5.2.3 Modelo con la variable objetivo ventas por redes socialesp. 87
- 5.2.4 Modelo con la variable objetivo espacios colaborativosp. 89
- 5.2.5 Modelo con la variable objetivo contratación de expertosp. 105
- 5.3 CONCLUSIONES REGLAS DE ASOCIACIÓNp. 105
- 5.3.1 Primer grupo: Empresas reactivas y con limitaciones estructuralesp. 106
- 5.3.2 Segundo grupo: Empresas adaptativas y con orientación al aprendizajep. 106
- 5.4 Recomendaciones para las empresas del sector gastronómicop. 107
- 5.4.1 Fortalecer espacios colaborativos como base para la innovaciónp. 107
- 5.4.2 Complementar la innovación interna con alianzas externasp. 108
- organizacionalp. 108
- 5.4.4 Impulsar la innovación como soporte de las ventas por canales digitalesp. 109
- 5.4.5 Avanzar hacia una gestión más estratégica del conocimientop. 109
- 5.4.6 Reducir brechas organizativas más allá del tamaño empresarialp. 109
- escenarios de crisis sistémicap. 110
- Tabla 1. Diferencias entre los tipos de análisis descriptivo, predictivo y prospectivop. 28
- Tabla 2. Definiciones de diferentes autores sobre la minería de datosp. 31
- Tabla 3. Cronogramap. 50
- Tabla 5. Parámetros de modelamientop. 71
- Tabla 6. Parámetros de atributosp. 74
- Tabla 7. Parámetros de configuración de árbol de decisionesp. 76
- Tabla 8. Resultados de aplicación de parámetros para clasificación de variablesp. 79
- Tabla 9. Homologación de preguntas por palabras clavep. 81
- confidence ≥ 0,80, lift> 1,20)p. 100
- Gráfico 1. Tipos de servicio que ofrece la empresap. 55
- Gráfico 2. Número de empleados de la empresap. 56
- Gráfico 3. Local comercial propiop. 56
- Gráfico 4. Cantidad de empleados por secciónp. 57
- Gráfico 5. Acciones tomadas a partir de la pandemiap. 58
- Gráfico 6. Porcentajes de Personas que atiende la empresap. 59
- Gráfico 7. Consumo promedio antes de la crisisp. 59
- Gráfico 8. Nuevos productos o serviciosp. 61
- Gráfico 9. Uso de tecnologíap. 62
- Gráfico 10. Infraestructura tecnológicap. 62
- Gráfico 11. Seguimiento posventap. 63
- Gráfico 12. Protocolo servicio al clientep. 64
- Gráfico 13. Flujo de trabajo en RapidMinerp. 67
- Gráfico 14. Read Excelp. 70
- Gráfico 15. Definición de Hojas de cálculo a usarp. 71
- Gráfico 16. Rol de un atributop. 74
- Gráfico 17. Representación del modelo con la variable objetivo innovaciónp. 82
- Gráfico 18. Distribución de clusters (k = 3)p. 84
- aprendizajep. 74
- Gráfico 20. Resultado de la variable objetivo motivación para el aprendizajep. 86
- Gráfico 22. Grafica resultado de la variable objetivo ventas por redes socialesp. 88
- Gráfico 24. Resultado de la variable objetivo contratación de expertosp. 90
- Gráfico 25. Modelo estratégico ante escenarios de crisis sistémicap. 115