https://rei.esprint.tech
Vol. 5 N° 1, enero-junio 2026 (654-667)
ISSN: 2960-8317
654
Artículo de revisión
Tendencias del business intelligence en la ingeniería civil:
aplicaciones para la gestión, planificación y control de proyectos
Business intelligence trends in civil engineering: applications for project
management, planning and control
Jennifer Elizabeth Pino Arguello*
Universidad Nacional de Chimborazo
Riobamba - Ecuador
jdbpinoq@gmail.com
https://orcid.org/0009-0004-8386-5786
Raúl Alexis Salazar Flores
Universidad Nacional de Chimborazo
Riobamba - Ecuador
raul.salazar@unach.edu.ec
https://orcid.org/0000-0001-6483-2613
Andrés Francisco Pacheco Logroño
Universidad Estatal Amazónica
Pastaza - Ecuador
Universidad Nacional de Chimborazo
Riobamba - Ecuador
pacheco.laf@gmail.com
https://orcid.org/0009-0005-2086-9998
Luis Felipe Pacheco Logroño
Universidad Estatal Amazónica
Pastaza - Ecuador
Universidad Nacional de Chimborazo
Riobamba - Ecuador
pacheco.luisfl@gmail.com
https://orcid.org/0009-0004-2384-6815
*Correspondencia:
jdbpinoq@gmail.com
Cómo citar este artículo:
Pino, J., Salazar, R., Pacheco, A., & Pacheco, L.
(2026). Tendencias del business intelligence
en la ingeniería civil: aplicaciones para la
gestión, planificación y control de proyectos.
Esprint Investigación, 5(1), 654-677.
https://doi.org/10.61347/ei.v5i1.276
Recibido: 19 de febrero de 2026
Aceptado: 31 de marzo de 2026
Publicado: 8 de abril de 2026
Resumen: La ingeniería civil enfrenta crecientes desafíos derivados de la complejidad de
los proyectos y de la limitada capacidad para aprovechar los datos disponibles, lo que
genera ineficiencias, retrasos, sobrecostos y decisiones basadas en enfoques tradicionales;
esta problemática se ve agravada por la baja adopción de tecnologías digitales y la
resistencia al cambio organizacional. En este contexto, el presente estudio analiza las
tendencias del business intelligence (BI) y su aplicación en la gestión, planificación y
control de proyectos de ingeniería civil, con el objetivo de evaluar su contribución a la
mejora de la eficiencia operativa y la toma de decisiones basada en datos. Se empleó un
enfoque cualitativo, con diseño documental y alcance descriptivo-analítico, mediante la
revisión de literatura en bases de datos académicas, priorizando estudios recientes y
relevantes, cuya información fue organizada en matrices comparativas para identificar
tecnologías emergentes, beneficios, desafíos y herramientas asociadas al BI en el sector.
Los resultados evidencian que las principales tendencias incluyen la inteligencia
artificial, el machine learning, el Big Data, el Internet de las Cosas (IoT), la integración con
BIM, los dashboards y la analítica predictiva, las cuales permiten transformar grandes
volúmenes de datos en información estratégica, optimizando la toma de decisiones, el
monitoreo en tiempo real y la asignación de recursos. Asimismo, el BI se consolida como
un eje transversal en todas las fases del ciclo de vida del proyecto, fortaleciendo la
eficiencia operativa, el control de costos y la gestión de riesgos; no obstante, persisten
desafíos como la falta de interoperabilidad, la escasa estandarización de datos, la
resistencia organizacional, la limitada capacitación y los altos costos de adopción, por lo
que su implementación requiere enfoques integrales de gestión de datos y
transformación organizacional.
Palabras clave: Analítica de datos, business intelligence, gestión de proyectos, ingeniería
civil.
Abstract: Civil engineering faces increasing challenges arising from project complexity and the
limited capacity to leverage available data, resulting in inefficiencies, delays, cost overruns, and
decisions based on traditional approaches; this issue is further exacerbated by the low adoption of
digital technologies and resistance to organizational change. In this context, the present study
analyzes trends in business intelligence (BI) and its application in the management, planning,
and control of civil engineering projects, with the aim of evaluating its contribution to improving
operational efficiency and data-driven decision-making. A qualitative approach was employed,
with a documentary design and a descriptive-analytical scope, through a literature review in
academic databases, prioritizing recent and relevant studies, whose information was organized
into comparative matrices to identify emerging technologies, benefits, challenges, and tools
associated with BI in the sector. The results show that the main trends include artificial
intelligence, machine learning, Big Data, the Internet of Things (IoT), BIM integration,
dashboards, and predictive analytics, which enable the transformation of large volumes of data
into strategic information, improving decision-making, real-time monitoring, and resource
allocation. Furthermore, BI is consolidated as a transversal axis across all phases of the project
life cycle, strengthening operational efficiency, cost control, and risk management; however,
challenges such as lack of interoperability, limited data standardization, organizational resistance,
insufficient training, and high implementation costs persist, indicating that its effective adoption
requires comprehensive approaches to data governance and organizational transformation.
Keywords: Business intelligence, civil engineering, data analytics, project management.
Copyright: Derechos de autor 2026 Jennifer
Elizabeth Pino Arguello, Raúl Alexis Salazar
Flores, Andrés Francisco Pacheco Logroño,
Luis Felipe Pacheco Logroño.
Esta obra está bajo una licencia internacional
Creative Commons Atribución-
NoComercial 4.0.
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° 1, enero-junio 2026 (654-667)
ISSN: 2960-8317
Jennifer Elizabeth Pino Arguello, Raúl Alexis Salazar Flores, Andrés Francisco Pacheco Logroño, Luis Felipe Pacheco Logroño 655
1. Introducción
El acelerado avance de las tecnologías de la información, junto con la creciente complejidad de los
proyectos de infraestructura, ha puesto en evidencia una problemática central en la ingeniería civil: la
limitada integración y el escaso aprovechamiento de las tendencias de business intelligence (BI) en la
gestión, planificación y control de proyectos (Carvajal-Rivadeneira et al., 2024). A pesar de la
disponibilidad de grandes volúmenes de datos, muchas organizaciones carecen de herramientas
analíticas avanzadas y de una cultura orientada a la toma de decisiones basada en datos.
Esta situación se traduce en ineficiencias, retrasos, sobrecostos y una baja capacidad para anticipar
riesgos (Montesdeoca, 2025). La ingeniería civil desempeña un papel fundamental en la configuración
del entorno construido y en el desarrollo sostenible. Esta disciplina abarca el diseño, la construcción y
el mantenimiento de infraestructuras esenciales, impactando directamente en la calidad de vida de la
sociedad (Zavala et al., 2024).
Asimismo, su contribución es clave en el desarrollo económico y social, al facilitar la conectividad,
promover la equidad y fortalecer la resiliencia de las comunidades. Sin embargo, los proyectos de
ingeniería civil se caracterizan por su alta complejidad debido a los elevados costos, la participación
de múltiples actores y la gestión constante de riesgos.
Esta complejidad exige enfoques integrales que permitan coordinar recursos, optimizar procesos y
garantizar resultados sostenibles (Herrera et al., 2024). No obstante, la persistencia de métodos
tradicionales, la falta de planificación adecuada y la resistencia al cambio tecnológico continúan
generando retrasos, sobrecostos y deficiencias en la ejecución de obras.
En este contexto, el sector ha experimentado una evolución hacia la digitalización, impulsada por
la transformación tecnológica y los principios de la Industria 4.0 y 5.0. Estas corrientes promueven la
integración de tecnologías como la automatización, el Internet de las Cosas (IoT) y la inteligencia
artificial para mejorar la eficiencia, la productividad y la sostenibilidad (Malawani et al., 2025).
En consecuencia, surge la necesidad de formar profesionales capaces de adaptarse a estos cambios
e incorporar herramientas tecnológicas avanzadas en la gestión de proyectos. Dentro de este escenario,
el business intelligence se presenta como un enfoque clave para transformar datos en información útil
para la toma de decisiones.
El BI comprende procesos, tecnologías y herramientas orientadas a la recolección, almacenamiento,
análisis y visualización de datos (Golestanizadeh et al., 2023). Sus componentes incluyen integración
de datos, almacenamiento en data warehouses, análisis mediante OLAP y minería de datos, y
visualización a través de dashboards.
La importancia del BI radica en su capacidad para proporcionar información precisa y oportuna,
permitiendo decisiones fundamentadas y mejora del desempeño organizacional. En la ingeniería civil,
esto se traduce en optimización de recursos, reducción de la incertidumbre y mayor competitividad
(Cobeña et al., 2025). Su aplicación es relevante debido a la naturaleza intensiva en datos de los
proyectos, debido a que permite analizar costos, cronogramas, recursos y avances de obra. Esto facilita
el monitoreo en tiempo real y la evaluación del desempeño del proyecto (Carvajal-Rivadeneira et al.,
2024).
Además, el BI permite automatizar procesos, mejorar la comunicación entre actores y responder de
manera ágil a cambios del entorno. En comparación con métodos tradicionales, ofrece mayor precisión,
análisis predictivos, reducción de riesgos y mejor coordinación del proyecto (Khan, 2025).
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° 1, enero-junio 2026 (654-667)
ISSN: 2960-8317
Jennifer Elizabeth Pino Arguello, Raúl Alexis Salazar Flores, Andrés Francisco Pacheco Logroño, Luis Felipe Pacheco Logroño 656
Las tendencias actuales del BI están vinculadas con tecnologías emergentes como BIM y Big Data.
BIM permite gestionar el ciclo de vida del proyecto, mientras que Big Data facilita el análisis de grandes
volúmenes de información generados por sensores y dispositivos IoT (Adebayo et al., 2025).
Asimismo, la inteligencia artificial y el aprendizaje automático potencian la analítica predictiva,
permitiendo anticipar fallas y optimizar procesos. Estas tecnologías también posibilitan sistemas de
monitoreo en tiempo real mediante dashboards, fortaleciendo el control del proyecto (Harle, 2024).
En términos de aplicación, la inteligencia artificial contribuye en la gestión, planificación y control.
En la gestión optimiza recursos y reduce costos; en la planificación mejora cronogramas y
simulaciones; y en el control permite monitoreo en tiempo real y mantenimiento predictivo (Idongesit
et al., 2024). A pesar de estos beneficios, la adopción del BI enfrenta barreras como la falta de
conocimiento, resistencia al cambio y limitada infraestructura tecnológica. Esta brecha limita el
aprovechamiento del potencial de los datos para mejorar la eficiencia de los proyectos.
Por ello, esta investigación se justifica en la necesidad de analizar el impacto del business intelligence
en la ingeniería civil. La incorporación de Big Data e inteligencia artificial permite mejorar la toma de
decisiones, optimizar recursos y reducir riesgos. En este sentido, la eficiencia operativa se posiciona como
eje central para mejorar el desempeño de los proyectos, al optimizar recursos, reducir costos y minimizar
riesgos. El uso de herramientas como BI fortalece esta eficiencia mediante decisiones informadas.
El objetivo del estudio es analizar las tendencias del business intelligence y su aplicación en la gestión,
planificación y control de proyectos de ingeniería civil. Asimismo, se evalúa su contribución a la
eficiencia operativa considerando beneficios, desafíos y herramientas de software. Finalmente, se
plantean las siguientes preguntas de investigación: ¿Qué tendencias del business intelligence se aplican
en proyectos de ingeniería civil? ¿Cómo se aplica en la gestión de proyectos y cuáles son sus beneficios,
desafíos y herramientas de software asociadas?
2. Metodología
La presente investigación se desarrolló bajo un enfoque cualitativo, con un diseño documental y un
alcance descriptivo–analítico, orientado a identificar, analizar y sintetizar las principales tendencias
del business intelligence (BI) aplicadas a la ingeniería civil, así como sus beneficios, desafíos y
herramientas tecnológicas asociadas.
El proceso metodológico se estructuró en tres fases principales. En la primera fase, se realizó una
búsqueda sistemática de información científica en bases de datos académicas reconocidas, como
Scopus, Google Scholar y Scielo, así como en repositorios institucionales. Para ello, se emplearon
operadores booleanos mediante la combinación de términos, tales como “Business Intelligence” AND
“Civil Engineering” AND “data analytics” AND “trends”, así como “ingeniería civil” AND “BI”. Se
consideraron publicaciones recientes y se priorizaron artículos de los últimos cinco años, con el fin de
garantizar la actualidad y relevancia de la información.
En la segunda fase, se aplicaron criterios de inclusión y exclusión para la selección de las fuentes.
Se incluyeron artículos científicos, revisiones sistemáticas, libros y trabajos académicos relacionados
directamente con la aplicación del business intelligence en la gestión de proyectos de ingeniería civil.
Asimismo, se excluyeron documentos duplicados, fuentes sin respaldo académico y aquellos que no
presentaron relación directa con el objeto de estudio.
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° 1, enero-junio 2026 (654-667)
ISSN: 2960-8317
Jennifer Elizabeth Pino Arguello, Raúl Alexis Salazar Flores, Andrés Francisco Pacheco Logroño, Luis Felipe Pacheco Logroño 657
En la tercera fase, se llevó a cabo un análisis de contenido de la información recopilada, mediante la categorización de las principales tendencias del
BI, su aplicación en la ingeniería civil y sus implicaciones en la gestión, planificación y control de proyectos. La información fue organizada en matrices
y tablas comparativas, lo que permitió identificar patrones, relaciones y aportes relevantes de los diferentes autores.
Finalmente, los resultados fueron sistematizados en tablas y figuras, lo que facilitó la interpretación de las tendencias, beneficios, desafíos y
herramientas del business intelligence en el contexto de la ingeniería civil.
3. Resultados
Los resultados de la presente investigación se presentan en función de las preguntas de investigación planteadas, abordando las principales tendencias
del business intelligence (BI), su aplicación en la ingeniería civil y sus beneficios, desafíos y herramientas tecnológicas. Esta organización permitió una
comprensión integral del papel del BI en el contexto actual del sector y evidenció su contribución a la mejora del desempeño de los proyectos de ingeniería
civil, en coherencia con el objetivo del estudio.
Tabla 1
Tendencias del business intelligence en proyectos de ingeniería civil
Tendencias BI Autores Descripción Aplicación en ingeniería civil Beneficios principales
Inteligencia
artificial
Jaimes-Quintanilla
y Zabala-Vargas
(2024)
Se aplica a procesos como planificación,
programación, gestión de riesgos, calidad,
costos, alcance y tiempos,
proporcionando soporte para una
administración más eficiente y efectiva.
Esta tendencia presenta un crecimiento
sostenido a nivel global.
-
Optimización de la planificación y
programación mediante algoritmos.
-
Identificación anticipada de riesgos con
análisis predictivo.
-
Uso de sistemas conversacionales para la
gestión del conocimiento.
- Mejora en la toma de decisiones.
- Optimización de recursos.
-
Reducción de errores mediante
automatización.
- Detección temprana de riesgos.-
Incremento de la productividad.
-
Apoyo al cumplimiento normativo y
sostenibilidad.
Integración de
BIM
Prieto-Tibaduiza et
al. (2019)
Uso de modelos digitales BIM
(incluyendo 4D) junto con análisis
financieros para mejorar la planificación y
evaluación económica. Permite gestionar
cambios de diseño de forma automatizada
y precisa.
- Modelado arquitectónico y estructural.
-
Generación automatizada de costos y
presupuestos.
- Evaluación financiera en etapas tempranas.
- Mayor precisión en indicadores financieros.
- Reducción de tiempos de análisis.
- Disminución de errores.
- Mejora en la coordinación del proyecto.
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° 1, enero-junio 2026 (654-667)
ISSN: 2960-8317
Jennifer Elizabeth Pino Arguello, Raúl Alexis Salazar Flores, Andrés Francisco Pacheco Logroño, Luis Felipe Pacheco Logroño 658
Internet de las
Cosas (IoT)
Zabala-Vargas y
Jaimes-Quintanilla
(2025)
Tecnologías que permiten el monitoreo en
tiempo real mediante sensores conectados
para recolectar datos sobre condiciones
del proyecto, materiales y seguridad.
- Monitoreo ambiental y estructural.
- Gestión de inventarios con sensores.
- Supervisión de seguridad en obra.
- Supervisión continua.
- Mejora en la seguridad.
- Optimización de recursos.
- Mantenimiento predictivo.
- Cumplimiento de plazos y costos.
Machine
learning
Jain et al. (2025)
Uso de técnicas de aprendizaje
automático para analizar grandes
volúmenes de datos y generar modelos
predictivos en ingeniería civil.
- Monitoreo estructural
- Modelado geotécnico.
- Predicción hidráulica.
- Supervisión en tiempo real.
- Mayor precisión en predicciones.
- Automatización de procesos.
- Reducción de costos.
- Enfoque predictivo en la gestión.
Big Data Ghosh et al. (2024)
Uso de grandes volúmenes de datos para
identificar patrones, tendencias y
relaciones que apoyan la toma de
decisiones.
- Análisis de costos, tiempos y riesgos.
- Uso de datos históricos y en tiempo real.
- Mejora en la gestión de riesgos.
- Optimización de recursos.
- Incremento de la productividad.
- Toma de decisiones informada.
Dashboards Jain et al. (2025)
Herramientas de visualización que
integran datos en tiempo real sobre
indicadores clave (KPIs), con
interactividad y personalización.
- Seguimiento de costos, progreso y calidad.
- Integración con IoT y BIM.
- Visualización del avance del proyecto.
- Mejora en la comunicación.
- Mayor transparencia.
- Identificación de desviaciones.
- Apoyo en la toma de decisiones.
Analítica
predictiva
Ghosh et al. (2024)
Uso de técnicas estadísticas y
computacionales para modelar y predecir
costos y escenarios en proyectos.
- Estimación temprana de costos.
- Evaluación de viabilidad económica.
- Análisis de alternativas de diseño.
- Mayor precisión en estimaciones.
- Mejora en la planificación financiera.
- Apoyo en decisiones estratégicas.
- Estandarización metodológica.
Para complementar las tendencias identificadas y su aplicación en el ciclo de vida del proyecto, se presenta la figura 1, la cual ilustra el rol del business
intelligence (BI) como eje transversal en las distintas fases del proyecto. En este sentido, se evidencia que el BI actúa como un componente integrador a lo
largo de todo el ciclo de vida, articulando las etapas de planificación, ejecución, control y cierre mediante el uso estratégico de datos.
En la fase de planificación, el BI permite realizar análisis predictivos, optimizar la asignación de recursos, identificar riesgos de manera temprana,
mejorar la coordinación entre los actores involucrados y fortalecer la toma de decisiones estratégicas. Como resultado, se incrementan la flexibilidad,
eficiencia y competitividad del proyecto (Cobeña et al., 2025).
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° 1, enero-junio 2026 (654-667)
ISSN: 2960-8317
Jennifer Elizabeth Pino Arguello, Raúl Alexis Salazar Flores, Andrés Francisco Pacheco Logroño, Luis Felipe Pacheco Logroño 659
Figura 1
Aplicación del business intelligence en ingeniería civil
Durante la fase de ejecución, el business intelligence (BI) facilita la toma de decisiones en tiempo real
mediante el uso de dashboards, lo que permite monitorear la calidad, optimizar la asignación de
recursos y costos, mitigar riesgos y mejorar la coordinación entre los actores involucrados. Asimismo,
contribuye al incremento de la productividad al reducir errores y retrabajos, fortaleciendo la eficiencia
en la gestión del proyecto (Adebayo et al., 2025).
Como parte de las herramientas más representativas del BI, los dashboards permiten la visualización
integrada de información clave en tiempo real, favoreciendo el análisis y la interpretación de datos
para la toma de decisiones informadas. En este contexto, la Figura 2 presenta un ejemplo de dashboard
aplicado a la gestión de proyectos de ingeniería civil.
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° 1, enero-junio 2026 (654-667)
ISSN: 2960-8317
Jennifer Elizabeth Pino Arguello, Raúl Alexis Salazar Flores, Andrés Francisco Pacheco Logroño, Luis Felipe Pacheco Logroño 660
Figura 2
Dashboard aplicado a la gestión de proyectos
Nota: Tomado del estudio realizado por Ancco & Espinoza (2025)
En la etapa de control y seguimiento, el business intelligence (BI) posibilita un monitoreo continuo en
tiempo real, así como la supervisión de métricas de calidad y la integración de datos provenientes de
múltiples fuentes. Asimismo, permite el uso de análisis predictivo para la prevención de fallos, la
evaluación del desempeño de recursos y contratistas, y la reducción de la incertidumbre, lo que
contribuye al fortalecimiento de la transparencia y la rendición de cuentas en la gestión del proyecto
(Zohourian et al., 2025).
Finalmente, en la fase de cierre, el BI facilita la evaluación integral del desempeño del proyecto, la
generación de informes financieros consolidados y el análisis del rendimiento de contratistas y
proveedores. De igual manera, promueve la mejora continua organizacional, el control de calidad, el
cierre documental y la sistematización de lecciones aprendidas, las cuales constituyen una base para
la optimización de futuros proyectos. En este sentido, se evidencia que la aplicación del BI permite una
gestión más eficiente, informada y orientada a resultados en la ingeniería civil (Khan, 2025).
En la tabla 2 se presentan los principales beneficios, desafíos y herramientas del business intelligence
(BI) aplicados a la ingeniería civil, organizados en distintas dimensiones (operativas, económicas,
estratégicas y técnicas). El propósito de esta clasificación es ofrecer una visión integral que permita
comprender tanto el valor que aporta el BI en la gestión de proyectos como las limitaciones que
condicionan su implementación, así como las herramientas tecnológicas más utilizadas en el sector.
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° 1, enero-junio 2026 (654-667)
ISSN: 2960-8317
Jennifer Elizabeth Pino Arguello, Raúl Alexis Salazar Flores, Andrés Francisco Pacheco Logroño, Luis Felipe Pacheco Logroño 661
Tabla 2
Beneficios, desafíos y herramientas de software del business intelligence en la ingeniería civil
Categoría Autores Dimensión Descripción
Beneficios Zohourian et al. (2025)
Operativos
- Mejora de la eficiencia operativa mediante monitoreo en tiempo real del progreso, uso de recursos y productividad a través
de dashboards dinámicos.
- Automatización de procesos mediante herramientas como PowerApps, que digitalizan controles y optimizan flujos
administrativos.
Económicos
- Control eficiente de costos mediante el seguimiento de indicadores financieros en tiempo real.
- Reducción de sobrecostos y optimización de recursos a partir del análisis de datos y la predicción de riesgos.
Estratégicos
- Soporte a la toma de decisiones mediante visualización de datos y análisis de escenarios.
- Impulso a la transformación digital organizacional basada en datos.
- Alineación con objetivos de sostenibilidad mediante el monitoreo de indicadores ambientales.
Técnicos
- Integración de datos provenientes de múltiples fuentes (BIM, IoT, sensores, sistemas empresariales).
- Desarrollo de visualizaciones avanzadas mediante dashboards dinámicos que superan limitaciones de herramientas
tradicionales.
Desafíos Sanusi (2024)
Tecnológicos
- Interoperabilidad limitada entre sistemas, especialmente entre BIM y herramientas de BI.
- Falta de estandarización de datos y ausencia de KPIs definidos.
- Infraestructura tecnológica insuficiente para soportar soluciones de BI.
Organizacionales
- Resistencia al cambio en la cultura organizacional.
- Falta de gobernanza de datos y liderazgo estratégico.
- Déficit de capacitación y habilidades analíticas en el personal.
Económicos
- Altos costos iniciales de implementación (software y tecnología).
- Costos asociados a capacitación y adaptación organizacional.
Técnicos
- Automatización limitada en la recolección de datos.
- Complejidad en la integración de múltiples fuentes de información.
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° 1, enero-junio 2026 (654-667)
ISSN: 2960-8317
Jennifer Elizabeth Pino Arguello, Raúl Alexis Salazar Flores, Andrés Francisco Pacheco Logroño, Luis Felipe Pacheco Logroño 662
Herramientas
Nabizadeh y Nabizadeh
(2023)
Visualización y dashboards
- Power BI como herramienta líder para integrar múltiples fuentes de datos y generar dashboards interactivos que facilitan el
monitoreo y la toma de decisiones.
Gestión de datos
- Importancia de la gobernanza de datos y de procesos estructurados para consolidar información en entornos centralizados
(data warehouse).
- Limitaciones asociadas a la falta de estandarización y automatización.
Integración con construcción
- Integración de Power BI con BIM y software de planificación (p. ej., Primavera, MS Project), permitiendo vincular modelos
3D con datos de costos y cronogramas para el monitoreo del proyecto.
En cuanto a los beneficios, el business intelligence (BI) aporta valor en cuatro niveles interrelacionados. En el ámbito operativo, mejora la eficiencia
mediante el monitoreo en tiempo real y la automatización de procesos, lo que contribuye a la reducción de retrabajos. Desde la perspectiva económica,
permite un control más preciso de los costos y una asignación más eficiente de los recursos, disminuyendo la probabilidad de sobrecostos. A nivel
estratégico, fortalece la toma de decisiones basada en datos, impulsa la transformación digital y contribuye al cumplimiento de objetivos de sostenibilidad.
En el plano técnico, destaca su capacidad para integrar múltiples fuentes de datos (como BIM, IoT y sensores) y generar visualizaciones avanzadas que
superan las limitaciones de herramientas tradicionales.
Sin embargo, los desafíos limitan la implementación efectiva del BI en el sector. A nivel tecnológico y técnico, persisten problemas de interoperabilidad,
falta de estandarización y alta complejidad en la integración de datos provenientes de diversas fuentes. En el ámbito organizacional, la resistencia al
cambio, la ausencia de liderazgo estratégico y la limitada disponibilidad de capacidades analíticas dificultan su adopción. Desde la perspectiva económica,
la inversión inicial requerida y los costos asociados a la capacitación y adaptación organizacional constituyen barreras relevantes para su implementación.
Finalmente, en relación con las herramientas, se identifica a Power BI como un eje central dentro del ecosistema del BI, destacando por su capacidad
de visualización e integración de datos. No obstante, su efectividad depende directamente de una adecuada gestión de datos —incluyendo gobernanza,
calidad y centralización—, así como de su integración con sistemas propios del sector de la construcción, como BIM y software de planificación.
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° 1, enero-junio 2026 (654-667)
ISSN: 2960-8317
Jennifer Elizabeth Pino Arguello, Raúl Alexis Salazar Flores, Andrés Francisco Pacheco Logroño, Luis Felipe Pacheco Logroño 663
4. Discusión
Los resultados obtenidos en la presente investigación evidencian que el business intelligence (BI) se
consolida como un eje transversal en la gestión de proyectos de ingeniería civil, trascendiendo su
función instrumental para convertirse en un componente estratégico de integración y análisis de datos.
Este hallazgo es consistente con los planteamientos teóricos reportados en la literatura, donde se
reconoce al BI como un facilitador clave en la transformación de datos en información útil para la toma
de decisiones (Golestanizadeh et al., 2023; Cobeña et al., 2025). En este sentido, se identifica una
convergencia entre las tendencias emergentes como la inteligencia artificial, Big Data, IoT, dashboards y
analítica predictiva— y los marcos conceptuales que sustentan el uso del BI en entornos complejos, lo
que refuerza su relevancia en el sector.
En relación con la inteligencia artificial y el machine learning, los resultados muestran su aplicación
en la optimización de la planificación, la gestión de riesgos y la automatización de procesos, lo que
evidencia una transición desde enfoques tradicionales hacia modelos predictivos basados en datos.
Este resultado se alinea con lo señalado por Jaimes-Quintanilla y Zabala-Vargas (2024) y Jain et al.
(2025), quienes sostienen que estas tecnologías permiten abordar problemas complejos mediante
modelos predictivos y análisis de grandes volúmenes de datos. Asimismo, los hallazgos coinciden con
lo expuesto por Carvajal-Rivadeneira et al. (2024), quienes destacan que la inteligencia artificial mejora
la eficiencia operativa y la toma de decisiones en proyectos de ingeniería civil. En consecuencia, se
confirma que la incorporación de estas tecnologías impulsa un cambio de paradigma hacia una gestión
más proactiva, anticipativa y basada en evidencia.
Respecto a la integración de BIM con BI, los resultados confirman su papel determinante en la
mejora de la planificación, el control financiero y la coordinación de proyectos, lo cual concuerda con
Prieto-Tibaduiza et al. (2019), quienes destacan la capacidad de esta integración para reducir errores y
mejorar la precisión en la evaluación económica. De igual forma, se observa concordancia con Adebayo
et al. (2025), quienes señalan que la combinación de tecnologías digitales fortalece la gestión integral
del ciclo de vida del proyecto. Este hallazgo permite inferir que la interoperabilidad entre herramientas
digitales no solo optimiza procesos, sino que también constituye un factor crítico para la
modernización y digitalización del sector de la construcción.
En cuanto al uso de Big Data e IoT, los resultados demuestran su contribución significativa al
monitoreo en tiempo real, la optimización de recursos y la mejora en la gestión de riesgos, lo que resulta
consistente con lo expuesto por Ghosh et al. (2024) y Zabala-Vargas y Jaimes-Quintanilla (2025). Estas
tecnologías permiten una mayor capacidad de análisis y respuesta ante entornos dinámicos, facilitando
la toma de decisiones informada y oportuna. Además, se refuerza lo indicado por Harle (2024), quien
señala que el uso de datos masivos y sensores incrementa la capacidad de adaptación frente a
condiciones cambiantes. En este contexto, se evidencia que la integración de datos en tiempo real
representa un elemento clave para la resiliencia y eficiencia operativa de los proyectos.
Por otra parte, los dashboards se consolidan como herramientas fundamentales dentro del ecosistema
BI, al facilitar la visualización de indicadores clave y el monitoreo del desempeño del proyecto. Este
resultado es coherente con lo reportado por Jain et al. (2025) y Ghosh et al. (2024), quienes resaltan su
utilidad para mejorar la comunicación, la transparencia y la toma de decisiones en tiempo real.
Asimismo, los hallazgos empíricos coinciden con lo planteado por Ancco y Espinoza (2025), quienes
evidencian su efectividad en el seguimiento de la productividad y el control de indicadores. En
consecuencia, se puede afirmar que estas herramientas no solo optimizan la gestión operativa, sino
que también fortalecen la gobernanza del proyecto mediante el acceso oportuno a la información.
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° 1, enero-junio 2026 (654-667)
ISSN: 2960-8317
Jennifer Elizabeth Pino Arguello, Raúl Alexis Salazar Flores, Andrés Francisco Pacheco Logroño, Luis Felipe Pacheco Logroño 664
En términos de beneficios, los resultados evidencian impactos positivos en los niveles operativo,
económico, estratégico y técnico, lo cual se alinea con lo señalado por Zohourian et al. (2025), quienes
destacan que el BI mejora la eficiencia, reduce costos y fortalece la toma de decisiones basada en datos.
De igual manera, se confirma lo expuesto por Khan (2025) en relación con la capacidad del BI para
optimizar el rendimiento del proyecto y promover una gestión más eficiente e informada. Estos
resultados sugieren que la adopción del BI genera ventajas competitivas sostenibles en el sector de la
ingeniería civil.
No obstante, también se identifican desafíos significativos que limitan la adopción del BI, tales como
la falta de interoperabilidad, la resistencia al cambio organizacional, la escasez de capacidades técnicas
y los altos costos de implementación. Estos resultados coinciden con lo señalado por Sanusi (2024),
quien indica que las barreras tecnológicas, organizacionales y económicas dificultan la integración
efectiva de herramientas basadas en datos. Asimismo, se refuerza lo planteado en la introducción del
estudio, respecto a la limitada cultura de toma de decisiones basada en datos en el sector (Montesdeoca
et al., 2025). En este sentido, se evidencia la necesidad de desarrollar estrategias integrales que incluyan
formación, inversión tecnológica y fortalecimiento de la gobernanza de datos para facilitar la adopción
del BI.
Finalmente, en cuanto a las herramientas, los resultados identifican a Power BI como un
componente central en la implementación del BI, lo cual es consistente con lo señalado por Nabizadeh
y Nabizadeh (2023), quienes enfatizan su capacidad de integración y visualización. Sin embargo,
también se evidencia que su efectividad depende de una adecuada gestión y gobernanza de datos
incluyendo calidad, estandarización y centralización de la información, lo que coincide con los
planteamientos teóricos sobre la importancia de la estructuración de los datos para maximizar el valor
del BI. Por tanto, la adopción de herramientas tecnológicas debe ir acompañada de estrategias sólidas
de gestión de datos para garantizar su impacto en la toma de decisiones.
5. Conclusiones
Las principales tendencias identificadas incluyen la inteligencia artificial, el machine learning, el Big
Data, el Internet de las Cosas (IoT), la integración con BIM, los dashboards y la analítica predictiva, las
cuales configuran un ecosistema tecnológico orientado a la gestión basada en datos. Estas tecnologías
se caracterizan por su capacidad para procesar grandes volúmenes de información, generar análisis en
tiempo real y apoyar la toma de decisiones estratégicas, lo que evidencia una transformación
progresiva hacia entornos digitales integrados. Asimismo, su adopción conjunta se alinea con los
principios de la Industria 4.0 y 5.0, fortaleciendo la eficiencia, precisión y sostenibilidad en los
proyectos de ingeniería civil.
El business intelligence (BI) se aplica de manera transversal a lo largo de todas las fases del ciclo de
vida del proyecto planificación, ejecución, control y cierre, consolidándose como un componente
articulador de la gestión. En la fase de planificación, facilita el desarrollo de análisis predictivos y la
optimización en la asignación de recursos; en la ejecución, permite el monitoreo en tiempo real y la
toma de decisiones operativas oportunas; en el control, posibilita la supervisión continua y la detección
temprana de desviaciones; y en el cierre, contribuye a la evaluación integral del desempeño y a la
generación de conocimiento organizacional para proyectos futuros.
En cuanto a los beneficios, el BI mejora la eficiencia operativa mediante la automatización de
procesos y el monitoreo en tiempo real, optimiza el control de costos y la asignación de recursos,
fortalece la toma de decisiones basada en datos y permite la integración de múltiples fuentes de
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° 1, enero-junio 2026 (654-667)
ISSN: 2960-8317
Jennifer Elizabeth Pino Arguello, Raúl Alexis Salazar Flores, Andrés Francisco Pacheco Logroño, Luis Felipe Pacheco Logroño 665
información. No obstante, su implementación enfrenta desafíos significativos, tales como la falta de
interoperabilidad entre sistemas, la ausencia de estandarización de datos, la resistencia al cambio
organizacional, la limitada capacitación del personal y los costos asociados a su adopción. Estos
factores evidencian la necesidad de estrategias integrales que articulen dimensiones tecnológicas,
organizacionales y económicas para garantizar una implementación efectiva del BI.
Finalmente, se concluye que herramientas como Power BI desempeñan un papel central en la
implementación del BI en la ingeniería civil, debido a su capacidad de integración, visualización y
análisis de datos. Sin embargo, su efectividad está condicionada por la existencia de una adecuada
gestión y gobernanza de datos incluyendo calidad, estandarización y centralización, así como por su
integración con otras tecnologías clave del sector, como BIM y sistemas de planificación. En este
sentido, el valor del BI no radica únicamente en las herramientas utilizadas, sino en la capacidad
organizacional para gestionar y transformar los datos en conocimiento estratégico.
Referencias
Adebayo, Y., Udoh, P., Kamudyariwa, X., & Osobajo, O. (2025). Artificial intelligence in construction
project management: A structured literature review of its evolution in application and future
trends. Digital, 5(3), Article 26. https://doi.org/10.3390/digital5030026
Ancco, R., & Espinoza, G. (2025). Implementación de dashboards para controlar la productividad del staff de
profesionales en la etapa de ingeniería de detalle en un proyecto de infraestructura vial, aplicando la
metodología del EVM, PMBOK – 7ma edición, Primavera P6 y Power BI [Tesis de grado, Universidad
Peruana de Ciencias Aplicadas]. https://n9.cl/9vhv3
Carvajal-Rivadeneira, D., Guaranda-Mero, B., Domínguez-Gálvez, D., & Regalado-Jalca, J. (2024).
Aplicación de la inteligencia artificial en proyectos de ingeniería civil. Revista Científica
INGENIAR: Ingeniería, Tecnología e Investigación, 7(14), 390–404.
https://journalingeniar.org/index.php/ingeniar/article/view/259
Cobeña, W., Mera, J., Mendoza, J., Lavalle, A., Venegas, E., & Tubay-Zambrano, R. (2025). Ingeniería
civil del siglo XXI: Innovación y sostenibilidad en la construcción. Sinergia Académica, 8(10),
310–328. https://n9.cl/bqhdg
Ghosh, S., Mukherjee, N., & McCuen, T. (2024). Use of visual dashboards in construction projects. En
Proceedings of the 60th Annual Associated Schools of Construction Conference (Vol. 5, pp. 486–494).
https://n9.cl/vijg98
Golestanizadeh, M., Sarvari, H., Chan, D., Banaitienė, N., & Banaitis, A. (2023). Managerial
opportunities in application of business intelligence in construction companies. Journal of Civil
Engineering and Management, 29(6), 487–500. https://doi.org/10.3846/jcem.2023.19533
Harle, S. (2024). Advancements and challenges in the application of artificial intelligence in civil
engineering: A comprehensive review. Asian Journal of Civil Engineering, 25, 1061–1078.
https://doi.org/10.1007/s42107-023-00760-9
Herrera, R., Canto, J., & Cortazar, M. (2024). Educación en ingeniería civil y la industria 5.0. En
Transforming education: Technological tools for effective learning (Cap. 15).
https://researchgate.net/publication/382465857_Transforming_Education_Technological_Tool
s_for_Effective_Learning
Idongesit, C., Ipede, O., Adejumo, A., Adenekan, I., Adebayo, D., Ojo, A., & Ayodele, P. (2024). Data-
driven decision making in IT: Leveraging AI and data science for business intelligence. World
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° 1, enero-junio 2026 (654-667)
ISSN: 2960-8317
Jennifer Elizabeth Pino Arguello, Raúl Alexis Salazar Flores, Andrés Francisco Pacheco Logroño, Luis Felipe Pacheco Logroño 666
Journal of Advanced Research and Reviews, 23(1), 472–480.
https://doi.org/10.30574/wjarr.2024.23.1.2010
Jaimes-Quintanilla, M., & Zabala-Vargas, S. (2024). Inteligencia artificial en la gestión de proyectos:
Caso construcción y obra civil. European Public & Social Innovation Review, 9, 1–21.
https://doi.org/10.31637/epsir-2024-1615
Jain, R., Singh, S., Palaniappan, D., Parmar, K., & Premavathi, T. (2025). Data-driven civil engineering:
Applications of artificial intelligence, machine learning, and deep learning. Turkish Journal of
Engineering, 9(2), 354–377. https://doi.org/10.31127/tuje.1581564
Khan, S. (2025). The application of artificial intelligence and machine learning in civil engineering.
Doupe Journal of Top Trending Technologies, 1(1), 1–11. https://n9.cl/vy6lj
Malawani, L., Sanguinoa, R., & Tato, J. (2025). A systematic literature review on the impact of business
intelligence on organization agility. Administrative Sciences, 15(7), 250.
https://doi.org/10.3390/admsci15070250
Montesdeoca, R., Valdivieso, K., Loor, M., Lino, V., & Carvajal, D. (2025). Aplicación de la inteligencia
artificial en planificación de obras civiles: Un análisis textual discursivo. Código Científico Revista
de Investigación, 6(E1), 768–787. https://doi.org/10.55813/gaea/ccri/v6/nE1/717
Nabizadeh, H., & Nabizadeh, A. (2023). Towards human-centered artificial intelligence (AI) in
architecture, engineering, and construction (AEC) industry. Computers in Human Behavior
Reports, 11, 100319. https://doi.org/10.1016/j.chbr.2023.100319
Prieto-Tibaduiza, W., Rocha-Vega, S., Páez, H., & Lozano-Ramírez, N. (2019). Proposal of a tool for
integrating BIM and financial decisions in construction projects. Ingeniería y Ciencia, 15(29), 75–
101. https://doi.org/10.17230/ingciencia.15.29.3
Sanusi, B. (2024). The Role of Data-Driven Decision-Making in Reducing Project Delays and Cost
Overruns in Civil Engineering Projects. SAMRIDDHI : A Journal of Physical Sciences, Engineering
and Technology, 16(04), 182-192. https://doi.org/10.18090/samriddhi.v16i04.08
Zabala-Vargas, S., & Jaimes-Quintanilla, M. (2025). Tecnologías 4.0 (IoT y ciencia de datos) orientada
a optimizar la gestión de proyectos de construcción. European Public & Social Innovation Review,
10, 1–21. https://doi.org/10.31637/epsir-2025-1621
Zavala, C., Lino, V., Cordero, M., & Sornoza, D. (2024). El rol de la ingeniería civil en el desarrollo
sostenible: Tendencias y desafíos. Revista Alcance, 7(1). https://n9.cl/mk13h
Zohourian, M., Pamidimukkala, A., & Kermanshachi, S. (2025). Artificial intelligence in the
construction industry: A comprehensive review of benefits and challenges. Journal of Legal
Affairs and Dispute Resolution in Engineering and Construction, 18(1), 04525081.
https://doi.org/10.1061/JLADAH.LADR-1397
Esprint Investigación
https://rei.esprint.tech
Vol. 5 N° 1, enero-junio 2026 (654-667)
ISSN: 2960-8317
Jennifer Elizabeth Pino Arguello, Raúl Alexis Salazar Flores, Andrés Francisco Pacheco Logroño, Luis Felipe Pacheco Logroño 667
Transparencia
Conflicto de interés
Los autores declaran que no existen conflictos de interés de naturaleza alguna como parte de la
presente investigación.
Fuente de financiamiento
Los autores financiaron completamente la investigación.
Contribución de autoría
Jennifer Elizabeth Pino Arguello: Conceptualización, metodología, validación, análisis formal,
investigación, gestión de datos, visualización, redacción - preparación del borrador original, redacción
- revisión y edición, financiamiento, recursos.
Raúl Alexis Salazar Flores: Conceptualización, validación, análisis formal, investigación, gestión de
datos, visualización, redacción - preparación del borrador original, redacción - revisión y edición,
financiamiento, administración del proyecto, recursos, supervisión.
Andrés Francisco Pacheco Logroño: Conceptualización, metodología, software, validación, análisis
formal, investigación, gestión de datos, visualización, redacción - preparación del borrador original,
redacción - revisión y edición, financiamiento, recursos, supervisión.
Luis Felipe Pacheco Logroño: Conceptualización, metodología, software, validación, análisis formal,
investigación, redacción - preparación del borrador original, redacción - revisión y edición,
financiamiento, recursos.
Los autores contribuyeron activamente en el análisis de los resultados, revisión y aprobación del
manuscrito final.
