ERP en la Nube vs On-Premise en Pymes
Basado en el estudio de Ignacio Urteaga y el equipo de investigación de la Universidad del Salvador · Actualizado en octubre de 2026
Cómo se usó la ciencia de datos (minería de texto, web scraping y estadística) para identificar los factores que realmente influyen en elegir un ERP en la nube o instalado en la propia empresa.
Resumen: elegir dónde se aloja un ERP es una decisión crítica y difícil de revertir para una pyme. Este caso muestra cómo un equipo de investigación pasó de una encuesta con muy pocas respuestas a construir dos corpus de documentos, comparar su vocabulario con un test estadístico y armar una matriz de decisión. La conclusión central es que no hay una respuesta única: depende de los datos, el contexto y la cultura de cada empresa.
¿Por qué es relevante la elección entre ERP en la nube y on-premise?
Un ERP (Enterprise Resource Planning) es el sistema que concentra los procesos clave de una empresa: administración, ventas, compras, stock y contabilidad. Decidir dónde se aloja no es solo una cuestión tecnológica.
Un ERP en la nube lo aloja y mantiene un proveedor externo, y se accede por internet. Un ERP on-premise se instala y opera en la infraestructura propia de la empresa. Elegir entre ambos no es una decisión reversible a corto plazo, y afecta:
La inversión inicial
Cuánto hay que pagar para arrancar.
El personal técnico
Si hace falta (o no) un equipo especializado.
La dependencia de proveedores
Cuánto se depende de terceros.
La seguridad
Tanto la percibida como la real.
La continuidad operativa
Qué pasa si algo falla.
En una pyme el ERP es misión crítica: concentra procesos clave, datos operativos y funciones administrativas esenciales. Elegir mal implica riesgos y costos durante años.
El estudio, explicado en video
Este artículo resume un estudio de Ignacio Urteaga junto al equipo de investigación de la Universidad del Salvador. En el video lo presenta con más detalle.
Metodología del estudio
El estudio combinó investigación cualitativa y análisis de datos en cuatro etapas. Un dato interesante: el primer intento no funcionó, y esa también es una enseñanza.
Encuesta inicial (fallida por baja muestra)
Se diseñó una encuesta con preguntas abiertas y cerradas, pero hubo pocas respuestas y no alcanzaba para obtener relevancia estadística.
Minería de texto de las respuestas abiertas
Se aplicaron técnicas de análisis de texto para encontrar patrones y términos recurrentes. Aparecieron tendencias, pero el tamaño reducido de la muestra seguía limitando la validez.
Web scraping y construcción de dos corpus
La solución fue crear dos grandes colecciones de documentos mediante scraping de Google: una sobre ERP on-premise y otra sobre ERP en la nube. Con ellas se compararon conceptos, terminología y focos predominantes.
Análisis estadístico de factores de contraste
Se buscaron factores de contraste: conceptos significativamente más mencionados en un corpus que en el otro. Para asegurar la validez:
- Se consideraron términos con una diferencia mínima de 10:0.
- Se aplicó un test de hipótesis de proporciones, con 95 % de confianza.
- Solo se aceptaron los conceptos donde la hipótesis nula pudiera rechazarse.
Así se aislaron los factores que realmente influyen en la decisión.
Factores que influyen en la elección del ERP
El análisis reveló variables que empujan hacia un lado u otro, y que pesan distinto según la empresa.
| Empuja hacia la nube | Empuja hacia on-premise |
|---|---|
| Menor inversión inicial | Confianza en las instalaciones físicas |
| Menos personal técnico necesario | Mayor control sobre la infraestructura |
| Flexibilidad y escalabilidad | Menor dependencia de las comunicaciones externas |
| Comodidad con proyectos ligados a internet | Sensación más fuerte de confidencialidad |
| Enfoque más estratégico en modernización digital | Baja tolerancia a gastos recurrentes en dólares |
Factores humanos y culturales
El estudio detectó algo que una comparación técnica no muestra: las empresas no temen lo mismo.
Pánico tecnológico
Miedo a depender de sistemas que no controlan.
Pánico financiero
Miedo a los costos recurrentes o a la inversión inicial.
Temor a cambios físicos o logísticos
Miedo a mudar equipos, procesos o espacios.
Estos miedos condicionan cómo cada empresa pondera los factores técnicos: dos pymes con los mismos números pueden decidir distinto.
La matriz final de decisión
Con los factores identificados, el equipo desarrolló una matriz que convierte un proceso complejo en una herramienta racional y replicable.
Asignar peso a cada factor
Cada empresa define cuánto le importa cada concepto.
Evaluar hacia dónde empuja cada factor
Si cada concepto inclina la decisión hacia la nube o hacia on-premise.
Calcular una recomendación final
El resultado se agrupa en cuatro categorías.
Ilustración de la lógica (los números son inventados, no del estudio): una pyme le da peso 3 a “menor inversión inicial” (empuja a la nube), peso 2 a “menos personal técnico” (nube) y peso 3 a “mayor control sobre la infraestructura” (on-premise). El balance es 5 a favor de la nube contra 3 a favor de on-premise, así que la matriz la ubicaría en “inclinado a la nube”. Otra empresa con otros pesos podría llegar a otro resultado.
Ejemplo del test estadístico en Python
Para entender qué significa “comparar proporciones con 95 % de confianza”, este ejemplo ilustrativo, con datos inventados, aplica un test z de dos proporciones.
Supongamos que el término “escalabilidad” aparece en 40 de 100 documentos del corpus de la nube y en 12 de 100 del corpus on-premise. ¿La diferencia es compatible con el azar?
from math import sqrt, erf
def z_dos_proporciones(x1, n1, x2, n2):
"""Test z de dos proporciones (bilateral)."""
p1, p2 = x1 / n1, x2 / n2
p = (x1 + x2) / (n1 + n2)
z = (p1 - p2) / sqrt(p * (1 - p) * (1 / n1 + 1 / n2))
p_valor = 2 * (1 - 0.5 * (1 + erf(abs(z) / sqrt(2))))
return z, p_valor
z, p = z_dos_proporciones(40, 100, 12, 100)
print(f"z = {z:.2f}, p-valor = {p:.6f}")
print("Se rechaza H0 al 95 %" if p < 0.05 else "No se rechaza H0 al 95 %")Resultado: z = 4,51 y p-valor ≈ 0,000006. Como p es menor que 0,05, se rechaza la hipótesis nula de que ambas proporciones son iguales: “escalabilidad” es un factor de contraste, más asociado al corpus de la nube. Si la diferencia fuera de 40 contra 35, el test no la consideraría significativa.
Es una versión simplificada para entender la idea; el estudio original usó sus propios criterios y datos.
Qué aprendemos como ciencia de datos
Los fracasos también enseñan
La encuesta con poca muestra no se descartó en silencio: obligó a cambiar de estrategia de datos.
Los datos no siempre se encuentran, se construyen
Cuando faltan datos propios, se pueden construir a partir de fuentes públicas, con criterio.
Una prueba estadística evita ver patrones donde no los hay
Fijar un umbral y un nivel de confianza antes de mirar da disciplina al análisis.
Lo humano también cuenta
Los factores culturales explican decisiones que los números no capturan.
Un modelo simple, transparente y replicable
La matriz de pesos puede entenderla, discutirla y reproducirla cualquier equipo.
El estudio recorre varias etapas del ciclo de vida de un proyecto de ciencia de datos: definición del problema, obtención de datos, análisis y comunicación. Para otras técnicas de texto aplicadas a negocios, mirá las técnicas de NLP y machine learning para e-commerce del Laboratorio de Datos.
Límites del enfoque
- El corpus refleja lo que se publica, no lo que viven las empresas. Muchos documentos web son material de proveedores y de marketing, que tiene sus propios sesgos.
- Frecuencia no es importancia. Que un concepto se mencione más no prueba que pese más en una decisión real.
- Los pesos de la matriz son subjetivos. Los define cada empresa; el método ordena la discusión, pero no la reemplaza.
- El scraping requiere cuidado. Conviene revisar los términos de uso de cada sitio y los aspectos legales antes de extraer datos a escala.
Estos límites no invalidan el estudio, que justamente plantea que no hay una única respuesta: lo que propone es un método para decidir con más información.
Preguntas frecuentes
¿Qué es un ERP?
Es un sistema de gestión que integra en un solo lugar los procesos de una empresa: administración, ventas, compras, stock y contabilidad. Ver Por qué es relevante la decisión.
¿Es mejor un ERP en la nube o on-premise?
Depende de cada empresa. Lo que para una es una ventaja, para otra puede ser un riesgo. El estudio propone decidir según datos, contexto, cultura organizacional, recursos disponibles y horizonte estratégico.
¿Qué es un factor de contraste?
Un concepto que aparece significativamente más en un corpus que en el otro, comprobado con un test estadístico. Ver Metodología del estudio.
¿Qué es la minería de texto?
Un conjunto de técnicas para extraer patrones, términos frecuentes y temas de grandes volúmenes de texto.
¿Para qué sirve la matriz de decisión?
Para que cada empresa asigne peso a los factores que le importan y obtenga una recomendación entre cuatro categorías. Ver La matriz final de decisión.
¿Por qué este caso está en una guía de ciencia de datos?
Porque muestra cómo las metodologías de la disciplina (obtención de datos, análisis de texto y pruebas de hipótesis) sirven para decidir con rigor incluso cuando la información disponible es limitada.
Cómo seguir después de este artículo
Estos son los próximos pasos:
- Entendé el proceso completo: leé el ciclo de vida de un proyecto de ciencia de datos.
- Mirá otro caso con simulación: gestión de riesgos en proyectos con Monte Carlo.
- Volvé a la guía: la guía de Ciencia de Datos reúne el resto de los temas.
Este artículo es informativo y no reemplaza un plan de estudios. Si buscás formación estructurada, el instituto ofrece cursos de ciencia de datos online, diplomaturas en ciencia de datos y cursos on demand.
Fuente: estudio de Ignacio Urteaga y el equipo de investigación de la Universidad del Salvador, presentado en el video de esta página. Los ejemplos numéricos y el código de este artículo son ilustrativos.