• Dr. Francisco Ramos Flores.

CURSO:

• Administración y Gestión

INTEGRANTES:

• Calle Jiménez, Camila 100%

• Martínez Benites, Freddy 100%

• Matorel Infante, Fernanda 100%

• Merino Calderón, Giulliana 100%

• Zapata Arrunategui, Gianella 85%

AgroTech Perú S.A.C. es una empresa mediana del sector agroexportador ubicada en la región Piura. Durante años se apoyó en controles tradicionales (reportes mensuales de producción y finanzas). Sin embargo, la creciente competencia internacional y los requisitos de trazabilidad de clientes europeos motivaron a la gerencia a adoptar tendencias modernas de control

Permite anticiparse a bajos rendimientos y mermas antes de que ocurran, facilitando decisiones proactivas.

Proveen información al instante sobre productividad, consumo hídrico y emisiones, lo que permite corregir desvíos mientras suceden.

Monitorean variables clave (temperatura, humedad, ubicación) de forma continua, para actuar en el momento oportuno.

• Este indicador permite verificar que los productos cumplen con estándares exigidos por clientes europeos, lo cual fortalece su posición comercial.

• Se relaciona con controles preventivos y la gobernanza de datos.

• Evalúa el ritmo de mejora continua en procesos clave como riego, cosecha o empaque.

• Fomenta un enfoque ágil y adaptativo. Impulsa la eficiencia y la transformación digital.

• Mide el uso de agua por unidad producida, lo cual es vital en una región como Piura.

• Ayuda a controlar el consumo en tiempo real con sensores LoT y a mejorar la sostenibilidad ambiental.

• Deloitte (2020). El futuro del control de gestión: inteligencia en tiempo real y automatización. https://www2.deloitte.com/content/dam/Deloitte/es/Documents/strategy/futuro-control-de-gestion.pdf

• Global Reporting Initiative (GRI) (2021). GRI Standards. https://www.globalreporting.org/standards/

• Monitoreo en tiempo real de variables críticas (temp., humedad, ubicación).

• Mejora en la trazabilidad y cumplimiento de normativas internacionales.

• Reducción de desperdicios

ANALÍTICA PREDICTIVA EN LA NUBE

• Anticipación de rendimientos por lote.

• Optimización de recursos (riego, insumos).

• Reducción de mermas y mejor toma de decisiones gerenciales

• Inversión inicial en infraestructura de red.

• Costos continuos de mantenimiento, calibración y reemplazo.

• Capacitación técnica del personal.

ANALÍTICA PREDICTIVA EN LA NUBE

• Servicios de ciencia de datos y mantenimiento del modelo.

• Fallas técnicas o de conectividad pueden comprometer datos críticos.

• Dependencia de proveedores externos.

ANALÍTICA PREDICTIVA EN LA NUBE

• Riesgo de decisiones erróneas si los modelos predictivos se basan en datos de baja calidad.

• Riesgos de ciberseguridad en la nube.

Revisión quincenal de resultados para ajustes rápidos, basada en datos actuales y evaluaciones recientes.

Asegura calidad y uso ético de la información antes de que esta sea empleada en procesos críticos.

• Kaplan, R. S., & Norton, D. P. (1996). The Balanced Scorecard: Translating strategy into action. Harvard Business Press.

  https://www.hbs.edu/faculty/Pages/item.aspx?num=4916

adaptación a los nuevos sistemas. Esta acción se relaciona con la fase de "descongelamiento" del modelo

de cambio de Kurt Lewin y con el aprendizaje organizacional, ya que impulsa el desarrollo de habilidades

clave para la transformación.

refuerza las conductas deseadas. Esta medida se basa en la teoría del refuerzo de Skinner y en la teoría de

la expectativa de Vroom, que plantea que las personas se esfuerzan más si anticipan beneficios concretos a

cambio.

sensación de imposición. Esta estrategia se enmarca en el enfoque participativo de Likert y en la teoría de la

equidad de Adams, promoviendo una percepción de justicia y pertenencia frente al cambio

convierta en un modelo a seguir durante el proceso. Este enfoque está ligado al liderazgo transformacional,

que busca motivar mediante una visión compartida y la ejemplaridad del líder.

• 1 = Muy bajo

• 2 = Bajo

• 3 = Moderado

• 4 = Alto

• 5 = Muy alto

Se puede clasificar la escala de medición en una en estas siguientes fases de la transformación digital de la organización:

1.0-2.0

NIVEL DE MADUREZ

Inicial

• Sensibilización digital, empeño en formación básica y actualización de tecnológica.

2.1-3.0

NIVEL DE MADUREZ

En desarrollo

• Integrar sistemas, capacitar equipos clave y estabilizar la infraestructura digital.

3.1-4.0

NIVEL DE MADUREZ

Consolidado

• Optimizar procesos y comenzar con analítica avanzada.

4.1-5.0

NIVEL DE MADUREZ

Transformacional

• Escalar innovaciones, adoptar inteligencia artificial y compartir practices efectivas.

• Porter, M. E., & Heppelmann, J. E. (2014). How smart, connected products are transforming competition. Harvard Business Review, 92(11), 64–88.

  https://hbr.org/2014/11/how-smart-connected-products-are-transforming-competition