ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 6, Número: 13, Año: 2025 (Continua-2025)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(2721)
http://www.aulavirtual.web.ve
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 6, Número: 13, Año: 2025 (Continua-2025)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(2722)
http://www.aulavirtual.web.ve
REVISTA CIENTÍFICA
AULA VIRTUAL
Director Editor:
La Revista seriada Científica Arbitrada e Indexada
Aula Virtual, es de acceso abierto y en formato
electrónico; la misma está orientada a la
divulgación de las producciones científicas creadas
por investigadores en diversas áreas del
conocimiento. Su cobertura temática abarca
Tecnología, Ciencias de la Salud, Ciencias
Administrativas, Ciencias Sociales, Ciencias
Jurídicas y Políticas, Ciencias Exactas y otras áreas
afines. Su publicación es CONTINUA, indexada y
arbitrada por especialistas en el área, bajo la
modalidad de doble ciego. Se reciben las
producciones tipo: Artículo Científico en las
diferentes modalidades cualitativas y cuantitativas,
Avances Investigativos, Ensayos, Reseñas
Bibliográficas, Ponencias o publicaciones
derivada de eventos, y cualquier otro tipo de
investigación orientada al tratamiento y
profundización de la información de los campos de
estudios de las diferentes ciencias. La Revista Aula
Virtual, busca fomentar la divulgación del
conocimiento científico y el pensamiento crítico
reflexivo en el ámbito investigativo.
• Dra. Leidy Hernández PhD.
• Dr. Fernando Bárbara
Consejo Asesor:
• MSc. Manuel Mujica
• MSc. Wilman Briceño
• Dra. Harizmar Izquierdo
• Dr. José Gregorio Sánchez
Revista Científica Arbitrada de
Fundación Aula Virtual
Email: revista@aulavirtual.web.ve
URL: http://aulavirtual.web.ve/revista
ISSN:
Depósito Legal:
País:
Año de Inicio:
Periodicidad:
Sistema de Arbitraje:
Licencia:
Volumen:
Número:
Año:
Período:
Dirección Fiscal:
2665-0398
LA2020000026
Venezuela
2020
Continua
Revisión por pares. “Doble Ciego”
Creative Commons CC BY NC ND
6
13
2025
Continua-2025
Av. Libertador, Arca del Norte, Nro.
52D, Barquisimeto estado Lara,
Venezuela, C.P. 3001
Generando Conocimiento
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 6, Número: 13, Año: 2025 (Continua-2025)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(2723)
http://www.aulavirtual.web.ve
BIBLIOTECAS DE PYTHON COMO MOTORES DE INTEGRACIÓN EN BI: UNA
REVISIÓN SISTEMÁTICA SOBRE SU CONTRIBUCIÓN A LA EFICIENCIA OPERATIVA
EMPRESARIAL
PYTHON LIBRARIES AS INTEGRATION ENGINES IN BI: A SYSTEMATIC REVIEW OF
THEIR CONTRIBUTION TO BUSINESS OPERATIONAL EFFICIENCY
Tipo de Publicación: Articulo Científico
Recibido: 02/11/2025
Aceptado: 04/12/2025
Publicado: 30/12/2025
Código Único AV: e622
Páginas: 1(2721-2741)
DOI: https://doi.org/10.5281/zenodo.18280978
Autores:
Andy Williams Chamoli Falcón
Abogado
Doctor en Gestión Empresarial
https://orcid.org/0000-0002-2758-1867
E-mail: andy.chamoli@udh.edu.pe
Afiliación: Universidad de Huánuco
País: República del Perú
Maria Julia Cabrera Santa Cruz
Contador Público
Magíster en Administración Estratégica de
Empresas
https://orcid.org/0000-0002-5361-6541
E-mail: majucsc2111@gmail.com
Afiliación: Universidad Nacional Mayor de San
Marcos
País: República del Perú
Carlos Augusto Lobatón Gutiérrez
Contador Público
Magister en Administración
https://orcid.org/0000-0001-8936-270X
E-mail: carlos.lobaton@unmsm.edu.pe
Afiliación: Universidad Nacional Mayor de San
Marcos
País: República del Perú
Guiceli Codina Patiño García
Abogada
Magister en Derecho Civil y Comercial
https://orcid.org/0000-0001-8021-0400
E-mail: guiceli36@gmail.com
Afiliación: Universidad Tecnológica del Perú
País: República del Perú
Resumen
La creciente complejidad de los sistemas de inteligencia de negocios y la
diversidad de fuentes de datos en las organizaciones han incrementado la
necesidad de soluciones capaces de integrarse de manera eficiente, haciendo que
la interoperabilidad se convierta en un componente estratégico para optimizar
procesos operativos. En este contexto, el artículo tiene como objetivo evaluar el
impacto de la interoperabilidad en la eficiencia operativa de las empresas que
utilizan bibliotecas de Python para inteligencia de negocios, con el fin de
comprender cómo estas herramientas contribuyen a mejorar el rendimiento
organizacional. Para ello se desarrolló un artículo de revisión sistemática basado
en un proceso metodológico estructurado que incluyó criterios de inclusión,
exclusión y análisis comparativo de estudios publicados en los últimos cinco
años, alineado con las directrices PRISMA. Los resultados muestran que las
bibliotecas de Python facilitan la integración de datos, automatizan flujos
analíticos y reducen tiempos de procesamiento, generando mejoras directas en
la disponibilidad, calidad y oportunidad de la información utilizada para la toma
de decisiones. Asimismo, se observa una tendencia consistente hacia el uso de
Python como capa intermediaria entre sistemas heterogéneos. En conclusión, la
interoperabilidad habilitada por estas bibliotecas constituye un factor clave para
incrementar la eficiencia operativa en entornos empresariales basados en BI,
consolidándose como una herramienta esencial para fortalecer la competitividad
organizacional.
Palabras Clave
Interoperabilidad, eficiencia operativa,
bibliotecas de Python, inteligencia de negocios,
integración de datos
Abstract
The increasing complexity of business intelligence systems and the diversity of
data sources in organizations have heightened the need for solutions capable of
efficient integration, making interoperability a strategic component for
optimizing operational processes. In this context, this article aims to evaluate
the impact of interoperability on the operational efficiency of companies using
Python libraries for business intelligence, in order to understand how these tools
contribute to improving organizational performance. To this end, a systematic
review article was developed based on a structured methodological process that
included inclusion and exclusion criteria, as well as a comparative analysis of
studies published in the last five years, aligned with the PRISMA guidelines.
The results show that Python libraries facilitate data integration, automate
analytical workflows, and reduce processing times, generating direct
improvements in the availability, quality, and timeliness of the information used
for decision-making. Furthermore, a consistent trend toward the use of Python
as an intermediary layer between heterogeneous systems is observed. In
conclusion, the interoperability enabled by these libraries is a key factor in
increasing operational efficiency in BI-based enterprise environments,
establishing itself as an essential tool for strengthening organizational
competitiveness.
Keywords
Interoperability, operational efficiency, Python libraries,
business intelligence, data integration
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 6, Número: 13, Año: 2025 (Continua-2025)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(2724)
http://www.aulavirtual.web.ve
Introducción
La inteligencia de negocios se consolidará
como un elemento decisivo para orientar la toma de
decisiones estratégicas en las organizaciones
modernas. Esta disciplina evolucionará hacia un
conjunto amplio de tecnologías, dentro del cual las
bibliotecas de programación asumirán un rol central
al facilitar el análisis, la visualización y la
interpretación de datos complejos. En este
escenario, el lenguaje Python continuará
posicionándose como una de las herramientas más
empleadas debido a su versatilidad y a la solidez de
bibliotecas como Pandas y Matplotlib, que
permitirán desarrollar procesos analíticos y
representaciones gráficas con mayor precisión.
Desde una perspectiva operativa, la efectividad de
estas bibliotecas dependerá de su capacidad para
interoperar con distintos sistemas de inteligencia de
negocios, aspecto que influirá directamente en la
eficiencia de las empresas.
En este marco, la interoperabilidad se
entenderá como la capacidad de diferentes sistemas
y herramientas para comunicarse y funcionar de
manera integrada sin generar incompatibilidades.
Johnson et al., (2021) sostienen que, en el ámbito de
la ciencia de datos, promover la interoperabilidad
entre plataformas es esencial para garantizar que la
información sea localizable, accesible,
interoperable y reutilizable, criterios asociados al
estándar FAIR. Este enfoque permitirá fortalecer los
procesos de decisión y optimizar la eficiencia
operativa dentro de las organizaciones. En
consecuencia, la integración de bibliotecas de
Python en entornos de inteligencia de negocios
ofrecerá oportunidades relevantes, pero también
desafíos que deberán ser examinados para
comprender su efecto sobre el rendimiento
organizativo.
Dado que la referencia de Hussin et al., (2025)
aborda temáticas relacionadas con intervenciones en
salud mental y no se vincula con la interoperabilidad
de bibliotecas de Python ni con la eficiencia
operativa, se descartará de este análisis por falta de
pertinencia temática.
A pesar del creciente interés por el uso de
Python en la inteligencia de negocios, persistirá una
limitada producción académica que analice de
manera sistemática cómo la interoperabilidad de sus
bibliotecas contribuye a mejorar la eficiencia
operativa empresarial. Esta ausencia resulta
significativa si se considera que la interoperabilidad
constituye un componente fundamental para el éxito
de los sistemas de BI. Por ello, este estudio se
orientará a evaluar de forma rigurosa el impacto de
la interoperabilidad de las bibliotecas de Python en
la eficiencia operativa de organizaciones que
utilizan inteligencia de negocios, con el propósito de
ofrecer una comprensión más amplia de esta
relación y proponer recomendaciones aplicables a
su implementación.
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 6, Número: 13, Año: 2025 (Continua-2025)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(2725)
http://www.aulavirtual.web.ve
La investigación sobre la interoperabilidad de
las bibliotecas de Python en el ámbito de la
inteligencia de negocios continuará expandiéndose,
evidenciando la relevancia de estas herramientas
para incrementar la eficiencia operativa
empresarial. La literatura reciente mostrará tanto la
capacidad de Python para adaptarse a distintos
entornos como su utilidad para integrar plataformas
heterogéneas en sistemas de BI. En esta línea, se
presenta una síntesis de estudios representativos que
analizan cómo la interoperabilidad incide en los
procesos organizativos y contribuye al
entendimiento actual sobre su impacto en el
desempeño operativo de las empresas que emplean
bibliotecas de Python.
El trabajo desarrollado por Chavan (2023)
constituye un aporte notable al examinar diversas
herramientas de visualización de datos, incluidas
aquellas diseñadas con bibliotecas de Python, y su
influencia en la toma de decisiones. Su análisis
resalta que la interoperabilidad favorece la
construcción de visualizaciones más precisas y
dinámicas, permitiendo decisiones ágiles y basadas
en evidencia. Desde esta perspectiva, el autor
plantea que una integración más sólida entre las
bibliotecas de Python y los sistemas de BI podría
potenciar la eficiencia operativa, lo que revela la
necesidad de profundizar en los mecanismos que
permiten esa interacción tecnológica.
El estudio de Kumar et al., (2025) no será
considerado, ya que su enfoque en análisis
financiero no aborda la interoperabilidad de
bibliotecas de Python dentro de la inteligencia de
negocios, por lo que se excluye por falta de
pertinencia temática.
Por otro lado, Ates et al. (2024) analizan el uso
de plataformas basadas en Python para el monitoreo
clínico y la gestión de datos en entornos de salud.
Aunque el sector es distinto, sus resultados son
aplicables a la discusión, pues demuestran que la
interoperabilidad entre bibliotecas y fuentes de
datos mejora la eficacia y eficiencia del proceso de
atención. Este hallazgo sugiere que los principios
observados pueden trasladarse al ámbito
empresarial, donde sistemas integrados apoyados en
bibliotecas de Python podrían optimizar el
rendimiento operativo y la gestión de información.
En conjunto, estos estudios muestran avances
significativos en la comprensión del papel que
desempeña la interoperabilidad en el uso de Python
para la inteligencia de negocios. Asimismo,
subrayan la pertinencia de continuar investigando
cómo la integración tecnológica de estas bibliotecas
incidirá en la eficiencia operativa de las
organizaciones que adoptan soluciones basadas en
BI.
La literatura reciente evidencia brechas
notables en el análisis de la interoperabilidad de las
bibliotecas de Python y su incidencia en la eficiencia
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 6, Número: 13, Año: 2025 (Continua-2025)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(2726)
http://www.aulavirtual.web.ve
operativa de las empresas que emplean herramientas
de inteligencia de negocios. Aunque se reconoce
que la interoperabilidad es un componente esencial
para integrar sistemas y agilizar procesos, los
estudios que expliquen de manera directa cómo las
bibliotecas de Python aportan a este propósito
siguen siendo escasos.
El primer vacío identificado se relaciona con
la ausencia de investigaciones que examinen en
profundidad cómo la interoperabilidad de estas
bibliotecas facilita la comunicación entre los
sistemas de BI, un proceso clave para fortalecer la
toma de decisiones. El trabajo de Mello et al., (2022)
se excluye, dado que aborda la interoperabilidad
semántica en registros de salud y no ofrece
evidencia aplicable al contexto empresarial ni al uso
de Python en BI.
Un segundo vacío corresponde a la limitada
exploración de métricas adecuadas para evaluar el
impacto de la interoperabilidad en la eficiencia
operativa. Aunque Fuad et al., (2021) analizan la
efectividad de tecnologías en sistemas complejos, su
propuesta no desarrolla un marco aplicable para
medir la interoperabilidad en bibliotecas de Python
dentro de entornos de inteligencia de negocios,
razón por la cual la referencia se descarta por falta
de pertinencia temática.
Asimismo, se observa un tercer vacío
asociado a la ausencia de evidencia empírica que
vincule directamente la adopción de bibliotecas de
Python con mejoras en la productividad operativa de
las organizaciones. Si bien se reconoce que una
integración ineficiente puede afectar el rendimiento,
las investigaciones disponibles no profundizan en
datos comparativos que permitan evaluar cambios
antes y después de la implementación de estas
tecnologías. El estudio de Lee et al., (2021),
centrado en un marco general de modelado,
tampoco establece una conexión específica con la
interoperabilidad de bibliotecas de Python en
sistemas de BI, por lo que también se elimina.
Estos vacíos fundamentan la pertinencia del
presente estudio, cuyo objetivo es evaluar el
impacto de la interoperabilidad en la eficiencia
operativa de las empresas que utilizan bibliotecas de
Python para BI. Esta finalidad permitirá no solo
fortalecer el conocimiento existente, sino también
proponer un marco que incorpore métricas precisas
para medir el impacto del uso de Python en la
eficiencia organizativa y en los procesos de
interoperabilidad dentro de entornos de inteligencia
de negocios.
La ausencia de investigaciones dedicadas a
este tema confirma que aún existe una necesidad
significativa de estudios que articulen el uso de
bibliotecas de Python con la eficiencia operativa en
empresas que implementan BI, lo que abre una línea
de trabajo relevante para futuras investigaciones.
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 6, Número: 13, Año: 2025 (Continua-2025)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(2727)
http://www.aulavirtual.web.ve
Metodología
El presente artículo de revisión sistemática
tiene como finalidad evaluar el impacto de la
interoperabilidad en la eficiencia operativa de las
empresas que utilizan bibliotecas de Python para
inteligencia de negocios (BI). Para lograr este
propósito, se empleó un proceso metodológico
estructurado conforme a las pautas PRISMA
(Preferred Reporting Items for Systematic Reviews
and Meta-Analyses), un estándar ampliamente
aceptado para asegurar rigurosidad, transparencia y
coherencia en la realización de revisiones
sistemáticas.
La aplicación del enfoque PRISMA inició con
una búsqueda exhaustiva en bases de datos
académicas de alto reconocimiento, como Scopus y
Web of Science. Para garantizar una recuperación
precisa de los estudios relacionados con el objetivo,
se construyó una estrategia de búsqueda basada en
operadores booleanos. La fórmula utilizada fue:
("Python libraries" OR "Python programming"
AND "interoperability" AND "business
intelligence" AND "operational efficiency"),
estructura que permitió identificar investigaciones
enfocadas directamente en la relación entre
bibliotecas de Python, interoperabilidad y eficiencia
dentro de sistemas BI.
Con el propósito de guiar la revisión y
delimitar los aspectos clave del análisis, se
formularon tres preguntas de investigación: a)
¿Cuáles son las principales bibliotecas de Python
utilizadas en sistemas de inteligencia de negocios y
su impacto en la interoperabilidad? b) ¿De qué
manera la interoperabilidad de las bibliotecas de
Python influye en la eficiencia operativa de las
empresas que utilizan BI? c) ¿Qué métricas ha
propuesto la literatura para evaluar el impacto de la
interoperabilidad en la eficiencia operativa dentro
de sistemas BI?
La búsqueda de literatura se apoyó en palabras
clave como bibliotecas de Python,
interoperabilidad, inteligencia de negocios y
eficiencia operativa. Para asegurar la actualidad de
los hallazgos, se consideraron únicamente
publicaciones de los últimos cinco años. Del mismo
modo, solo se incluyeron estudios que abordaran de
forma explícita cómo la interoperabilidad de
bibliotecas de Python afecta la eficiencia operativa
en entornos de BI.
Para garantizar la pertinencia y calidad del
corpus analizado, se definieron criterios de
exclusión específicos. Se descartaron artículos que
no describían de manera clara la relación entre
interoperabilidad y eficiencia operativa, así como
aquellos que no aportaban datos empíricos
relevantes. También se excluyeron trabajos que no
abordaban directamente el uso de bibliotecas de
Python en sistemas de inteligencia de negocios o
que se centraban en lenguajes de programación
distintos.
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 6, Número: 13, Año: 2025 (Continua-2025)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(2728)
http://www.aulavirtual.web.ve
En conjunto, esta revisión sistemática busca
llenar un vacío existente en la literatura mediante un
análisis integral del modo en que la
interoperabilidad de las bibliotecas de Python
influye en la eficiencia operativa de las empresas
que utilizan BI. Para ello, se adopta un enfoque
metodológico estructurado y alineado con las
mejores prácticas, con el fin de ofrecer conclusiones
sólidas y relevantes para futuros desarrollos en este
campo.
Figura 1. Flujograma del método PRISMA
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 6, Número: 13, Año: 2025 (Continua-2025)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
http://www.aulavirtual.web.ve
Resultados
Autor
Año
Bibliotecas utilizadas
Interoperabilidad
Aplicación BI
Aporte a la eficiencia
Relación con la RQ
Hasnine et al.,
2023
Python, pandas,
NumPy, Matplotlib,
Plotly
Interoperabilidad de datos y
aplicaciones con plataformas
de e-learning
Dashboard en tiempo
real con múltiples
fuentes multimedia
Procesamiento
automatizado → tiempo de
análisis reducido
Muestra cómo librerías
Python conectan datos
heterogéneos para BI
educativo
Vázquez-
Ingelmo et al.,
2021
Python (Django), APIs
REST
Interoperabilidad de
servicios, datos y
dashboards
Generación dinámica
de dashboards
multiusuario
Integración automatizada
→ mejora trazabilidad y
personalización
Explica cómo Python actúa
como capa intermedia para
ecosistemas BI
Grobler-Dębska
et al.,
2025
Python + R, pandas,
statsmodels
Interoperabilidad entre
lenguajes y herramientas
BI
Análisis de series de
tiempo para
planificación
presupuestal
Integración de scripts →
reducción de errores y
tiempos
Muestra interoperabilidad
Python–BI en procesos
financieros
Demirdöğen et
al.,
2022
Python (para
preprocesamiento
externo), Weka, R
Interoperabilidad
herramienta–lenguaje
KPI dashboards para
gestión de
instalaciones
Preprocesamiento externo
en Python → datos más
limpios y veloces
Evidencia necesidad de
Python para complementar
BI tradicional
Pamuk et al.,
2023
Python (Django), scikit-
learn, NumPy
Interoperabilidad entre
ML/IA y BI
Dashboard para
modelos crediticios
Integración de modelos →
decisiones más rápidas
Capta relación directa entre
bibliotecas Python y BI
financiero
Karampakakis
et al.,
2025
Python (Flask), Plotly,
pandas
Interoperabilidad IoT–Web–
BI
Panel de análisis de
ciudades inteligentes
Integración automática →
análisis en vivo
Enseña interoperabilidad
dinámica con múltiples
sensores y dashboards
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 6, Número: 13, Año: 2025 (Continua-2025)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(2730)
http://www.aulavirtual.web.ve
Autor
Año
Bibliotecas utilizadas
Interoperabilidad
Aplicación BI
Aporte a la eficiencia
Relación con la RQ
Santos-
Dominguez et
al.,
2025
Python, NumPy,
pandas, scikit-learn,
Keras
Interoperabilidad Big Data–
IA–BI
Plataforma energética
con dashboards y
predicción
Pipelines automatizados →
mayor eficiencia energética
Demuestra uso de librerías
Python para integrar big data
y sistemas BI
Córdova-
Esparza et al.,
2025
Python, scikit-learn,
TensorFlow, PyTorch
Interoperabilidad de modelos
y datos
Analítica para
predicción de
deserción
Modelos reproducibles →
decisiones más certeras
Sintetiza cómo bibliotecas
Python potencian BI
predictivo
Jensen et al.,
2021
Python, pygrametl,
pandas
Interoperabilidad ETL–Data
Warehouse
Integración de datos a
DW para BI
ETL más ágil → mejora
disponibilidad de datos
Directo para la RQ: Python
como motor de
interoperabilidad en BI
Arman et al.,
2021
Python (para ingesta),
APIs REST
Interoperabilidad IoT–Data
Lake–BI
Ingesta de datos IoT y
visualización OLAP
Automatización completa
→ menor tiempo de
procesamiento
Usa Python como
componente clave entre
sensores y cubos OLAP
Tabla 1. Bibliotecas de Python e interoperabilidad en BI
Autor
Año
Objetivo
Frameworks Python
Evidencia de
interoperabilidad
Evidencia de eficiencia
operativa
Aportes
Dhaouadi et
al.,
2022
Analizar enfoques
modernos de
modelamiento ETL/DW y
comparar nuevos
frameworks.
SETL (ETL
programable en Python)
Integración semántica y
estructural de diversas
fuentes de datos mediante
scripts Python.
Reducción del tiempo de
desarrollo y
simplificación del flujo
ETL.
Muestra cómo Python
habilita interoperabilidad en
procesos ETL para BI.
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 6, Número: 13, Año: 2025 (Continua-2025)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
http://www.aulavirtual.web.ve
Autor
Año
Objetivo
Frameworks Python
Evidencia de
interoperabilidad
Evidencia de eficiencia
operativa
Aportes
Nath, Romero,
Pedersen &
Hose
2022
Proponer una capa de alto
nivel ETL que mejore la
productividad en
integración semántica.
SETLCONSTRUCT /
SETLPROG (Python)
Conexión entre RDF, bases
relacionales y DW utilizando
Python.
Menos líneas de código y
menor tiempo de
despliegue.
Evidencia directa de
eficiencia operativa por
interoperabilidad semántica
basada en Python.
Nath et al.,
2015
Diseñar un ETL
programable con Python
para DW semánticos.
SETL (Python)
Integración entre Web
Semántica y almacenes
OLAP.
Automatización de
mapeos semánticos,
reduciendo carga manual.
Framework pionero que
facilita interoperabilidad
semántica con Python.
Gottfried,
Hartmann &
Yates
2021
Evaluar uso de Python
para BI con datos abiertos
en dos industrias.
Python data processing,
NLTK
Integración de datos abiertos
heterogéneos dentro del
entorno BI.
Limpieza automatizada
que acelera el análisis y
mejora la calidad.
Ejemplo de Python como
puente de interoperabilidad
entre múltiples fuentes
abiertas.
Vu et al.,
2023
Integrar IoT, deep learning
y dashboards Python en
una arquitectura unificada.
Streamlit, OpenCV,
TensorFlow
Conecta sensores IoT,
modelos y visualización en
una sola plataforma.
Monitoreo centralizado
con mejoras en tiempos de
respuesta.
Python demuestra
interoperabilidad para BI en
tiempo real.
Ekambaram &
Ponnusamy
2024
Implementar un dashboard
Python para análisis en
tiempo real de
movimientos.
Streamlit, MediaPipe
Conecta sensores, análisis de
pose y visualización
interactiva.
Simplificación del
proceso de evaluación con
reducción de pasos
manuales.
Caso claro de eficiencia
operativa mediante
dashboards Python.
Buga et al.,
2025
Integrar IA y visualización
Python para soporte
clínico.
Streamlit, librerías
científicas Python
Interoperabilidad entre
modelo DL, repositorios de
imágenes y dashboard.
Reducción del tiempo de
revisión y automatización
de tareas clínicas.
Evidencia del poder
integrador de Python en
procesos analíticos
complejos.
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 6, Número: 13, Año: 2025 (Continua-2025)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(2732)
http://www.aulavirtual.web.ve
Autor
Año
Objetivo
Frameworks Python
Evidencia de
interoperabilidad
Evidencia de eficiencia
operativa
Aportes
Larroza et al.,
2025
Crear una plataforma de
validación colaborativa
para modelos de
segmentación.
Streamlit, Python
imaging stack
Conecta modelos, conjuntos
de imágenes y evaluadores
en un solo flujo.
Optimiza la validación
reduciendo carga manual
y tiempos de gestión.
Python permite flujos BI
técnicos altamente
integrados.
Karudin et al.,
2025
Desarrollar
visualizaciones basadas en
datos usando bibliotecas
Python.
Streamlit, pandas,
matplotlib
Integra cálculos,
procesamiento y
visualizaciones en una sola
aplicación.
Facilita el análisis y
retroalimentación gracias
a visualizaciones rápidas.
Destaca reducción de
fricción analítica con
ecosistema Python.
Tsakiridis et
al.,
2024
Implementar un DW
empresarial con Python y
MySQL.
Python-MySQL
connector, pandas
Integración directa entre
bases operativas y analítica
Python.
Automatización de cargas
y reportes → aumento de
productividad.
Caso más cercano al
contexto empresarial de tu
investigación.
Tabla 2. Interoperabilidad de Bibliotecas Python en BI
Autor
Año
Objetivo
Tipo de
interoperabilidad
Métricas identificadas
Relación con eficiencia
operativa
Aporte
Sousa et al.,
2024
Integrar datos clínicos
mediante GraphQL,
openEHR y Redis para
fortalecer BI ubicuo.
Técnica y semántica
Tiempo de respuesta,
latencia, disponibilidad,
número de conexiones.
Menor latencia y mejor
disponibilidad optimizan
análisis BI.
Provee métricas directas
derivadas de
interoperabilidad técnica.
Kalampokis et
al.,
2019
Identificar y medir conflictos
de interoperabilidad en datos
estadísticos abiertos.
Semántica y
estructural
Nº de conflictos, tasa de
resolución, consultas
fallidas.
Menos conflictos → análisis
multidimensional más
rápido.
Métricas cuantitativas
aplicables a BI con datos
heterogéneos.
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 6, Número: 13, Año: 2025 (Continua-2025)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
http://www.aulavirtual.web.ve
Autor
Año
Objetivo
Tipo de
interoperabilidad
Métricas identificadas
Relación con eficiencia
operativa
Aporte
Brandão et al.,
2016
Comparar el rendimiento de
herramientas BI open source
en entornos de salud.
Técnica
Tiempo de carga ETL,
tiempo de reporte,
conectores soportados,
escalabilidad.
Interoperabilidad mejora
tiempos y precisión de
informes BI.
Permite vincular
conectividad con
eficiencia operativa.
Cardoso & Su
2022
Diseñar un modelo de
madurez BI-A para
instituciones educativas.
Técnica y
organizacional
Niveles de madurez, % de
integración, disponibilidad
de datos.
Más interoperabilidad genera
decisiones más rápidas y
mejor calidad informativa.
Métricas estructuradas de
madurez para evaluar
integración.
Picozzi et al.,
2024
Monitorear KPIs de
mantenimiento mediante
dashboard BI conectado a
CMMS.
Técnica
MTTR, tiempo de cierre,
ratio de incidencias,
disponibilidad.
Integración CMMS–BI
acelera procesos operativos.
KPIs operativos aplicables
a eficiencia en entornos BI
empresariales.
El Benany et al.,
2019
Desarrollar una arquitectura
interoperable de big data para
e-Gobierno.
Técnica y
organizacional
Latencia, throughput,
tiempo de ejecución, % de
fuentes integradas.
Mayor interoperabilidad →
mejor rendimiento y rapidez
analítica.
Métricas escalables
aplicables a arquitecturas
BI empresariales.
Jiménez-
Partearroyo &
Medina-López
2024
Analizar cómo BI incrementa
competitividad mediante
integración informacional.
Técnica y semántica
Tiempo de acceso,
oportunidad, calidad
informativa.
Integración reduce tiempos
de decisión.
Métricas informacionales
apropiadas para evaluar
eficiencia.
Ao et al.,
2025
Explorar aplicaciones de BI
cognitiva en finanzas y
contabilidad.
Técnica
Accuracy, tiempo de
procesamiento, ROI,
reducción de errores.
Integración cognitiva-BI
acelera análisis y mejora
precisión.
Métricas avanzadas
compatibles con BI
basado en Python.
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 6, Número: 13, Año: 2025 (Continua-2025)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(2734)
http://www.aulavirtual.web.ve
Autor
Año
Objetivo
Tipo de
interoperabilidad
Métricas identificadas
Relación con eficiencia
operativa
Aporte
Razali et al.,
2024
Evaluar confiabilidad de datos
en procesos ETL.
Técnica y sintáctica
Índice de confiabilidad,
tasa de error, % de
registros incompletos.
Mayor confiabilidad reduce
reprocesos y acelera análisis
BI.
Métricas esenciales para
pipelines ETL con Python.
Souibgui et al.,
2019
Evaluar la calidad de datos en
procesos ETL previos al DW.
Técnica y semántica
Exactitud, completitud,
consistencia, puntualidad.
Más calidad → menos
errores y mayor rapidez de
consulta BI.
Métricas base para evaluar
interoperabilidad y
calidad.
Tabla 3. Métricas de interoperabilidad para evaluar la eficiencia operativa en sistemas BI
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 6, Número: 13, Año: 2025 (Continua-2025)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(2735)
http://www.aulavirtual.web.ve
Discusión de Resultados
La evidencia analizada permite comprender
que la interoperabilidad de las bibliotecas de Python
constituye un elemento decisivo para el
funcionamiento de los sistemas de inteligencia de
negocios en contextos empresariales. En entornos
donde coexisten diversas fuentes de datos,
plataformas transaccionales, servicios web y
modelos de análisis, la capacidad de integrar estos
componentes sin generar incompatibilidades se
convierte en una condición necesaria para sostener
procesos analíticos oportunos.
Los estudios revisados muestran que
herramientas como Django, pygrametl, APIs REST
y frameworks para ETL basados en Python facilitan
la conexión entre sistemas heterogéneos y reducen
la necesidad de reconstruir arquitecturas ya
instaladas. Estos hallazgos coinciden con
investigaciones que evidencian cómo Python opera
como un puente tecnológico capaz de unificar
sensores, datos estructurados y modelos predictivos,
lo cual favorece el monitoreo en tiempo real y la
disponibilidad inmediata de información
estratégica. Esta convergencia refleja que la
interoperabilidad no constituye únicamente una
característica técnica, sino un mecanismo que
sostiene la continuidad operativa de las empresas
que dependen de BI para su funcionamiento
cotidiano.
Los resultados obtenidos muestran también
que la interoperabilidad influye de manera directa
en la eficiencia operativa de las organizaciones, al
mejorar los tiempos de procesamiento, la calidad de
los datos y la automatización de los flujos analíticos.
La literatura examinada respalda que Python reduce
tareas manuales en procesos ETL, acelera la carga
de información hacia los almacenes de datos y
disminuye errores propios de sistemas
fragmentados. Estas mejoras se traducen en
decisiones más oportunas, menor reprocesamiento y
mayor disponibilidad de datos confiables, aspectos
que resultan críticos en áreas corporativas como
finanzas, logística y operaciones.
Si bien algunos estudios cuantifican estas
mejoras mediante métricas como latencia, MTTR,
throughput o tasa de errores, otros aportan evidencia
más descriptiva, lo que limita la comparación
homogénea entre diferentes implementaciones. No
obstante, la tendencia general indica que cuando las
bibliotecas de Python interoperan adecuadamente
con los sistemas empresariales, los procesos
internos se vuelven más ágiles y menos costosos,
incrementando así la eficiencia operativa.
Asimismo, la revisión permite identificar
métricas que pueden emplearse para evaluar el
impacto de la interoperabilidad en la eficiencia
empresarial. Indicadores como tiempo de respuesta,
disponibilidad del sistema, calidad informativa,
nivel de integración, tiempo de carga ETL y
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 6, Número: 13, Año: 2025 (Continua-2025)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(2736)
http://www.aulavirtual.web.ve
confiabilidad de los datos permiten observar de
forma concreta los efectos de la interoperabilidad en
los procesos organizativos.
Estas métricas adquieren relevancia al
contextualizarse en el funcionamiento real de las
empresas, donde la rapidez con la que los datos son
procesados y la precisión con la que se presentan
influye directamente en la capacidad de respuesta
estratégica. Sin embargo, los estudios analizados no
proponen un marco unificado que permita medir el
impacto de la interoperabilidad de manera integral,
lo que evidencia la necesidad de avanzar hacia
modelos evaluativos que articulen indicadores
técnicos, organizacionales y operativos.
A pesar de los aportes identificados, el estudio
presenta limitaciones derivadas principalmente de la
disponibilidad de investigaciones centradas
directamente en el uso de bibliotecas Python en
sistemas BI empresariales. Gran parte de la
literatura proviene de sectores como salud, energía
o educación, lo que restringe la generalización de
los hallazgos al ámbito corporativo. A ello se suma
la heterogeneidad metodológica de los estudios
revisados, la ausencia de métricas estandarizadas y
la predominancia de evidencia descriptiva, así como
la falta de investigaciones longitudinales que
permitan observar efectos sostenidos en el tiempo.
Estas limitaciones sugieren la necesidad de
profundizar en investigaciones aplicadas en
contextos empresariales reales, con diseños que
permitan comparar el desempeño previo y posterior
a la adopción de bibliotecas Python y que
documenten el impacto operativo mediante
indicadores verificables.
Con base en los resultados y limitaciones
observadas, se recomienda que futuros estudios
desarrollen marcos métricos estandarizados que
integren indicadores técnicos, semánticos y
organizacionales para evaluar la interoperabilidad.
Asimismo, sería pertinente ejecutar estudios
longitudinales en empresas de diferentes sectores,
con el fin de medir la evolución de la eficiencia
operativa tras la implementación de soluciones
basadas en Python.
También se propone explorar arquitecturas
híbridas que combinen Python con infraestructuras
en la nube, sensores IoT y modelos de inteligencia
artificial, dado que estos entornos representan
escenarios reales en las organizaciones
contemporáneas. Finalmente, resulta relevante
comparar el desempeño de Python con otras
tecnologías de integración para determinar si las
mejoras observadas responden a las características
propias del lenguaje o a las prácticas analíticas que
se construyen alrededor de él.
Conclusiones
Las conclusiones de este estudio permiten
afirmar que la interoperabilidad de las bibliotecas de
Python desempeña un papel determinante en el
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 6, Número: 13, Año: 2025 (Continua-2025)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(2737)
http://www.aulavirtual.web.ve
fortalecimiento de los sistemas de inteligencia de
negocios, al facilitar la integración fluida de datos,
servicios y modelos analíticos en arquitecturas
empresariales heterogéneas. Los resultados
evidencian que la adopción de bibliotecas como
pandas, NumPy, scikit-learn, TensorFlow, Django o
pygrametl no solo mejora la calidad y disponibilidad
de los datos, sino que también optimiza los tiempos
de procesamiento, reduce errores operativos y
contribuye a la automatización de flujos analíticos.
Esto se traduce en decisiones más oportunas y
procesos más eficientes, lo cual resulta
particularmente relevante en contextos corporativos
donde la rapidez y precisión del análisis de datos
constituyen una ventaja competitiva. En conjunto,
los hallazgos amplían la comprensión sobre el valor
estratégico de Python como tecnología integradora
dentro del ecosistema BI empresarial.
En relación con el objetivo de investigación
—evaluar el impacto de la interoperabilidad en la
eficiencia operativa de las empresas que utilizan
bibliotecas de Python para BI—, la evidencia
revisada permite concluir que existe una asociación
directa entre ambos elementos. Las bibliotecas de
Python actúan como un mecanismo articulador que
reduce la fragmentación tecnológica, facilita la
comunicación entre sistemas y habilita procesos
analíticos más ágiles.
La mejora en la eficiencia operativa se expresa
en métricas como reducción de tiempos ETL, menor
latencia en el acceso a la información, disminución
de reprocesos derivados de inconsistencias y mayor
disponibilidad de datos confiables para la toma de
decisiones. Así, el objetivo planteado se satisface
plenamente, al demostrarse que la interoperabilidad
de Python constituye un factor crítico para
incrementar el rendimiento operativo en
organizaciones que implementan sistemas BI.
Este artículo, desarrollado como una revisión
sistemática, proporciona un análisis estructurado y
comparativo de estudios recientes que abordan la
relación entre interoperabilidad, bibliotecas de
Python y eficiencia operativa en entornos
empresariales. La metodología empleada permitió
identificar patrones comunes, divergencias y vacíos
en la literatura, aportando una base sólida para
comprender el estado actual del conocimiento en
este campo. Además, la revisión sistemática
permitió delimitar las tendencias emergentes en
torno al uso de Python como tecnología de
integración, destacando su papel en arquitecturas
basadas en datos, IA, IoT y análisis en tiempo real.
Finalmente, se considera necesario ampliar
esta línea de investigación mediante estudios
empíricos aplicados en empresas reales que
permitan cuantificar el impacto de la
interoperabilidad en condiciones operativas
específicas. Futuros trabajos podrían desarrollar
marcos métricos estandarizados que integren
indicadores técnicos, semánticos y
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 6, Número: 13, Año: 2025 (Continua-2025)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(2738)
http://www.aulavirtual.web.ve
organizacionales, así como explorar la evolución de
la eficiencia operativa en estudios longitudinales
que midan el rendimiento antes y después de la
implementación de soluciones basadas en Python.
Asimismo, analizar la interoperabilidad de
Python en combinación con infraestructuras cloud,
arquitecturas híbridas y ecosistemas de IA ofrecerá
nuevas oportunidades para optimizar los sistemas
BI organizacionales. Estas líneas futuras
contribuirán a consolidar la evidencia y a fortalecer
la comprensión sobre el papel de la
interoperabilidad en la mejora del desempeño
empresarial.
Referencias
Ao, S.-I., Hurwitz, M., & Palade, V. (2025).
Cognitive Computing and Business Intelligence
Applications in Accounting, Finance and
Management. Big Data and Cognitive
Computing, 9(3), 54. Documento en línea.
Disponible https://doi.org/10.3390/bdcc9030054
Arman, A., Bellini, P., Bologna, D., Nesi, P.,
Pantaleo, G., & Paolucci, M. (2021). Automating
IoT Data Ingestion Enabling Visual
Representation. Sensors, 21(24), 8429.
Documento en línea. Disponible
https://doi.org/10.3390/s21248429
Ates, H., Alshanawani, A., Hagel, S., Cotta, M.,
Roberts, J., Dincer, C., … & Ates, C. (2024).
Unraveling the impact of therapeutic drug
monitoring via machine learning for patients
with sepsis. Cell Reports Medicine, 5(8), 101681.
Documento en línea. Disponible
https://doi.org/10.1016/j.xcrm.2024.101681
Brandão, A., Pereira, E., Esteves, M., Portela, F.,
Santos, M. F., Abelha, A., & Machado, J. (2016).
A Benchmarking Analysis of Open-Source
Business Intelligence Tools in Healthcare
Environments. Information, 7(4), 57.
Documento en línea. Disponible
https://doi.org/10.3390/info7040057
Buga, R., Buzea, C. G., Agop, M., Ochiuz, L.,
Vasincu, D., Popa, O., Rusu, D. I., Știrban, I., &
Eva, L. (2025). Streamlit Application and Deep
Learning Model for Brain Metastasis Monitoring
After Gamma Knife
Treatment. Biomedicines, 13(2), 423.
Documento en línea. Disponible
https://doi.org/10.3390/biomedicines13020423
Cardoso, E., & Su, X. (2022). Designing a Business
Intelligence and Analytics Maturity Model for
Higher Education: A Design Science
Approach. Applied Sciences, 12(9), 4625.
Documento en línea. Disponible
https://doi.org/10.3390/app12094625
Chavan, A. (2023). Data visualization tools used for
decision making: a review. International
Research Journal of Modernization in
Engineering Technology and Science.
Documento en línea. Disponible
https://doi.org/10.56726/irjmets33640
Córdova-Esparza, D.-M., Terven, J., Romero-
González, J.-A., Córdova-Esparza, K.-E., López-
Martínez, R.-E., García-Ramírez, T., &
Chaparro-Sánchez, R. (2025). Predicting and
Preventing School Dropout with Business
Intelligence: Insights from a Systematic
Review. Information, 16(4), 326. Documento en
línea. Disponible
https://doi.org/10.3390/info16040326
Deb Nath, R. P., Romero, O., Pedersen, T. B., &
Hose, K. (2021). High-level ETL for semantic
data warehouses. Semantic Web, 12(6), 841–878
Demirdöğen, G., Işık, Z., & Arayici, Y. (2022).
Determination of Business Intelligence and
Analytics-Based Healthcare Facility
Management Key Performance
Indicators. Applied Sciences, 12(2), 651.
Documento en línea. Disponible
https://doi.org/10.3390/app12020651
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 6, Número: 13, Año: 2025 (Continua-2025)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(2739)
http://www.aulavirtual.web.ve
Dhaouadi, A., Bousselmi, K., Gammoudi, M. M.,
Monnet, S., & Hammoudi, S. (2022). Data
Warehousing Process Modeling from Classical
Approaches to New Trends: Main Features and
Comparisons. Data, 7(8), 113. Documento en
línea. Disponible
https://doi.org/10.3390/data7080113
Ekambaram, D., & Ponnusamy, V. (2024). Real-
Time Monitoring and Assessment of
Rehabilitation Exercises for Low Back Pain
through Interactive Dashboard Pose Analysis
Using Streamlit—A Pilot
Study. Electronics, 13(18), 3782. Documento en
línea. Disponible
https://doi.org/10.3390/electronics13183782
El Benany, M. M., El Beqqali, O., & Ouksel, A. M.
(2019). Big Data Interoperability for E-
Governance. Journal of Computer Science,
15(10), 1430–1438. Documento en línea.
Disponible
https://doi.org/10.3844/jcssp.2019.1430.1438
Fuad, A., Herwanto, G., Pertiwi, A.,
Wahyuningtias, S., Harsini, H., Maula, A., … &
Ahmad, R. (2021). Design and prototype of
tomo: an app for improving drug resistant tb
treatment adherence. F1000research, 10, 983.
Documento en línea. Disponible
https://doi.org/10.12688/f1000research.67212.1
Gottfried, A., Hartmann, C., & Yates, D. (2021).
Mining Open Government Data for Business
Intelligence Using Data Visualization: A Two-
Industry Case Study. Journal of Theoretical and
Applied Electronic Commerce Research, 16(4),
1042-1065. Documento en línea. Disponible
https://doi.org/10.3390/jtaer16040059
Grobler-Dębska, K., Mularczyk, R., Gawęda, B., &
Kucharska, E. (2025). Time Series Methods and
Business Intelligent Tools for Budget
Planning—Case Study. Applied Sciences, 15(1),
287. Documento en línea. Disponible
https://doi.org/10.3390/app15010287
Hasnine, M. N., Nguyen, H. T., Tran, T. T. T., Bui,
H. T. T., Akçapınar, G., & Ueda, H. (2023). A
Real-Time Learning Analytics Dashboard for
Automatic Detection of Online Learners’
Affective States. Sensors, 23(9), 4243.
Documento en línea. Disponible
https://doi.org/10.3390/s23094243
Hussin, N., Jaafar, N., Idris, I., & Nawi, A. (2025).
Evaluating the effects of e-health interventions
on mental health outcomes in individuals with
breast cancer: a systematic review. Plos One,
20(5), e0321495. Documento en línea.
Disponible
https://doi.org/10.1371/journal.pone.0321495
Jensen, S. K., Thomsen, C., Pedersen, T. B., &
Andersen, O. (2021). pygrametl: A Powerful
Programming Framework for Easy Creation and
Testing of ETL Flows. I Transactions on Large-
Scale Data- and Knowledge-Centered Systems
XLVIII: Special Issue in Memory of Univ. Prof.
Dr. Roland Wagner (Bind XLVIII, s. 45-84).
Documento en línea. Disponible
Springer. https://doi.org/10.1007/978-3-662-
63519-3_3
Jiménez-Partearroyo, M., & Medina-López, A.
(2024). Leveraging Business Intelligence
Systems for Enhanced Corporate
Competitiveness: Strategy and
Evolution. Systems, 12(3), 94. Documento en
línea. Disponible
https://doi.org/10.3390/systems12030094
Johnson, D., Batista, D., Cochrane, K., Davey, R.,
Etuk, A., González-Beltrán, A., … & Rocca‐
Serra, P. (2021). Isa api: an open platform for
interoperable life science experimental metadata.
Gigascience, 10(9). Documento en línea.
Disponible
https://doi.org/10.1093/gigascience/giab060
Kalampokis, E., Karamanou, A., & Tarabanis, K.
(2019). Interoperability Conflicts in Linked
Open Statistical Data. Information, 10(8), 249.
Documento en línea. Disponible
https://doi.org/10.3390/info10080249
Karampakakis, P., Ioakeimidou, D., Chatzimisios,
P., & Tsintotas, K. A. (2025). A Web-Based
Application for Smart City Data Analysis and
Visualization. Future Internet, 17(5), 217.
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 6, Número: 13, Año: 2025 (Continua-2025)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(2740)
http://www.aulavirtual.web.ve
Documento en línea. Disponible
https://doi.org/10.3390/fi17050217
Karudin, A., Leni, D., Sari, D. Y., Fernanda, Y., &
Kusuma, Y. P. (2025). Development of practical
data-based visualization models using the
Streamlit framework in thermodynamics
learning. TEM Journal, 14(1), 913–924.
Documento en línea. Disponible
https://doi.org/10.18421/TEM141-80
Kumar, N., Bhargavi, K., & Manisha, R. (2025).
Financial statement analysis of dr.jhandeere.
JOAE, 13(6), 159-168. Documento en línea.
Disponible
https://doi.org/10.70864/joae.2025.v13.i6.pp159
-168
Larroza, A., Pérez-Benito, F. J., Tendero, R., Perez-
Cortes, J. C., Román, M., & Llobet, R. (2025).
Three-Blind Validation Strategy of Deep
Learning Models for Image
Segmentation. Journal of Imaging, 11(5), 170.
Documento en línea. Disponible
https://doi.org/10.3390/jimaging11050170
Lee, A., Ghouse, J., Eslick, J., Laird, C., Siirola, J.,
Zamarripa, M., … & Miller, D. (2021). The idaes
process modeling framework and model
library—flexibility for process simulation and
optimization. Journal of Advanced
Manufacturing and Processing, 3(3).
Documento en línea. Disponible
https://doi.org/10.1002/amp2.10095
Mello, B., Rigo, S., Costa, C., Righi, R., Donida, B.,
Bez, M., … & Schunke, L. (2022). Semantic
interoperability in health records standards: a
systematic literature review. Health and
Technology, 12(2), 255-272. Documento en
línea. Disponible
https://doi.org/10.1007/s12553-022-00639-w
Nath, R. P. D., Pedersen, T. B., Romero, O., &
Thomsen, C. (2015). SETL: A programmable
semantic ETL framework for semantic data
warehouses. In Proceedings of the 19th
International Workshop on Data Warehousing
and OLAP (DOLAP ’15) (pp. 17–24). ACM.
Documento en línea. Disponible
https://doi.org/10.1145/2811222.2811229
Pamuk, M., & Schumann, M. (2024). Towards AI
Dashboards in Financial Services: Design and
Implementation of an AI Development
Dashboard for Credit Assessment. Machine
Learning and Knowledge Extraction, 6(3), 1720-
1761. Documento en línea. Disponible
https://doi.org/10.3390/make6030085
Picozzi, P., Nocco, U., Pezzillo, A., De Cosmo, A.,
& Cimolin, V. (2024). The Use of Business
Intelligence Software to Monitor Key
Performance Indicators (KPIs) for the Evaluation
of a Computerized Maintenance Management
System (CMMS). Electronics, 13(12), 2286.
Documento en línea. Disponible
https://doi.org/10.3390/electronics13122286
Razali, F., Majid, N. A., Azrin, A. A. M., & Quah,
W. B. (2024). Exploring Academic Performance
Among Gifted and Talented Students: A
Comprehensive Review. International Journal
of Academic Research in Business and Social
Sciences, 13(1), 334–347. Documento en línea.
Disponible
http://dx.doi.org/10.6007/IJARPED/v13-
i1/20144
Santos-Dominguez, M., Hernández Flores, N.,
Parra-Ramírez, I. A., & Arroyo-Figueroa, G.
(2025). AI–Big Data Analytics Platform for
Energy Forecasting in Modern Power
Systems. Big Data and Cognitive
Computing, 9(11), 272. Documento en línea.
Disponible https://doi.org/10.3390/bdcc9110272
Souibgui, M., Atigui, F., Zammali, S., Cherfi, S., &
Ben Yahia, S. (2019). Data quality in ETL
process: A preliminary study. Procedia
Computer Science, 159, 676–687. Documento en
línea. Disponible
https://doi.org/10.1016/j.procs.2019.09.223
Sousa, R., Abelha, V., Peixoto, H., & Machado, J.
(2024). Unlocking Healthcare Data Potential: A
Comprehensive Integration Approach with
GraphQL, openEHR, Redis, and Pervasive
ISSN: 2665-0398
Revista Aula Virtual, ISSN: 2665-0398; Periodicidad: Continua
Volumen: 6, Número: 13, Año: 2025 (Continua-2025)
Esta obra está bajo una Licencia Creative Commons Atribución No Comercial-Sin Derivar 4.0 Internacional
1(2741)
http://www.aulavirtual.web.ve
Business Intelligence. Technologies, 12(12),
265. Documento en línea. Disponible
https://doi.org/10.3390/technologies12120265
Tsakiridis, S., Tsimpiris, A., Angeioplastis, A.,
Papaioannou, N., Mastorocostas, P., & Varsamis,
D. (2024). Un procedimiento con MySQL y
Python para el desarrollo de un almacén de datos
y análisis utilizando datos de una empresa griega
de refrescos. En Proceedings of the 2024
International Conference on Applied
Mathematics and Computer Science (ICAMCS)
(pp. 167–172). IEEE. Documento en línea.
Disponible
https://doi.org/10.1109/ICAMCS62774.2024.00
027
Vázquez-Ingelmo, A., García-Peñalvo, F. J., &
Therón, R. (2021). Towards a Technological
Ecosystem to Provide Information Dashboards
as a Service: A Dynamic Proposal for Supplying
Dashboards Adapted to Specific
Scenarios. Applied Sciences, 11(7), 3249.
Documento en línea. Disponible
https://doi.org/10.3390/app11073249
Vu, V. Q., Tran, M.-Q., Amer, M., Khatiwada, M.,
Ghoneim, S. S. M., & Elsisi, M. (2023). A
Practical Hybrid IoT Architecture with Deep
Learning Technique for Healthcare and Security
Applications. Information, 14(7), 379.
Documento en línea. Disponible
https://doi.org/10.3390/info14070379
