Revista
Académica Institucional RAI
Sección
Academia
Edición
15
Volumen
9
ISSN:
2953-769X
Julio-
Diciembre, 2026
ESTILOS DE LIDERAZGO Y CULTURA DE DATOS: UN
ANÁLISIS SOBRE LA GESTIÓN DE BIG DATA Y BUSINESS INTELLIGENCE
MSc. Saukén Abarca
Pizarro, [email protected]
Universidad Estatal a Distancia, San José, Costa
Rica
Código
ORCID 0000-0003-4632-2534
DOI: https://doi.org/10.64183/33hfwa03
Recibido: 05 de
febrero de 2026
Aceptado: 29 de
mayo de 2026
Resumen. Con la creciente adopción de Big Data (BD)
y el Business Intelligence (BI), estos se han consolidado
como recursos estratégicos para la toma de decisiones en las organizaciones.
Sin embargo, su implementación efectiva depende de manera principal de factores
humanos más que los tecnológicos. El desafío radica en la ausencia de una
cultura organizacional orientada al uso de los datos, donde pueden persistir
además las brechas por alfabetización digital, la resistencia al cambio y
patrones de decisiones basados en intuición. El liderazgo se posiciona como un
factor crítico que permite articular la infraestructura tecnológica, las
prácticas culturales y las capacidades analíticas. Este artículo se propone el objetivo
de exponer cómo los estilos de liderazgo influyen en la capacidad de las
organizaciones para gestionar Big Data (BD) y optimizar la efectividad
del Business Intelligence (BI), y su
incidencia en la cultura organizativa orientada a los datos. Este estudio se
desarrolla a través de una revisión sistemática de literatura con el fin de
encontrar patrones de relación entre liderazgo, la cultura de datos y la
adopción del BD y BI. Los resultados, confirman que el liderazgo no solo incide
en la velocidad de adopción de analítica, sino que también determina el grado
en el que los datos logran convertirse en conocimiento estratégico y ventaja
competitiva. Se concluye con la necesidad de integrar los diferentes estilos de
liderazgo alineados a una cultura de datos sólida que permita potencias la
analítica organizacional y el valor de la información.
Palabras clave. Estilos de liderazgo, Gestión, Big Data, Business Intelligence, Cultura De Datos.
LEADERSHIP STYLES AND DATA CULTURE: AN ANALYSIS OF BIG
DATA MANAGEMENT AND BUSINESS INTELLIGENCE
MSc. Saukén Abarca Pizarro, [email protected]
Received: February 5, 2026
Accepted: May 29, 2026
Abstract. With the increasing
adoption of Big Data (BD) and Business Intelligence (BI), these technologies
have become strategic resources for decision-making in organizations. However,
their effective implementation depends primarily on human factors rather than technological
ones. The challenge lies in the absence of an organizational culture oriented
toward data use, where gaps in digital literacy, resistance to change, and
intuition-based decision-making patterns may persist. Leadership emerges as a
critical factor that enables the integration of technological infrastructure,
cultural practices, and analytical capabilities. This article aims to
demonstrate how leadership styles influence an organization's ability to manage
Big Data (BD) and optimize the effectiveness of Business Intelligence (BI), and
their impact on a data-oriented organizational culture. This study is conducted
through a systematic literature review to identify patterns of relationships
between leadership, data culture, and the adoption of BD and BI. The results
confirm that leadership not only influences the speed of analytics adoption but
also determines the degree to which data becomes strategic knowledge and a
competitive advantage. The study concludes with the need to integrate different
leadership styles aligned with a robust data culture that enhances
organizational analytics and the value of information.
Keywords. Leadership Styles, Management, Big Data, Business
Intelligence, Data Culture.
1.
INTRODUCCIÓN
En el último tiempo, el Big Data (BD) y las herramientas de Business
Intelligence (BI) se han consolidado como activos
estratégicos para el fortalecimiento de la toma de decisiones y de esta manera,
la mejora de la ventaja competitiva (Wamba et al., 2017; Chatterjee et al., 2021).
Los datos, también han evolucionado en este tiempo, han pasado de ser un
subproducto operativo para convertirse en un recurso estratégico (Aaltonen et al., 2023; Abbasi et al., 2016). Este cambio, puede ser explicado por la capacidad
del Big Data para generar y procesar información que a la vez mejora la
productividad y toma de decisiones (Brynjolfsson et al., 2011).
Con la digitalización y los sistemas transaccionales, las organizaciones
pueden capturar grandes volúmenes de datos, así como variedades, formatos
distintos y a diversas velocidades (Gupta & George,
2016), lo que vuelve al dato como un recurso eficiente con
la capacidad de crear modelos y predicciones(Chen et al., 2012; C. Chen, 2022).
La literatura reciente muestra que, disponer de sistemas de BD y BI no
garantiza una mejora en el desempeño de toma decisiones, si la organización
carece de una cultura orientada al uso estratégico de los datos (Yu et al., 2021; Munir et al., 2023; Nguyen et al.,
2024). La resistencia al cambio, posibles brechas o
necesidades en alfabetización digital y una imperante dependencia por la
intuición, continúan limitando la transición hacia prácticas de gestión basadas
en la evidencia(Munir et al., 2023). Esto traslada el problema no solo a las dificultades
para incorporar sistemas tecnológicos, sino que también a las condiciones
culturales y organizacionales que permitan o no la adopción efectiva (Nguyen et al., 2024).
La cultura de datos, define la forma en la que las organizaciones
adoptan sus prácticas analíticas (Baesens et al., 2016). Entonces, cuando las organizaciones fortalecen la
gobernanza de datos, la alfabetización digital, las habilidades técnicas y
cognitivas de interpretación de datos así como el acceso equitativo a la
información, logran desarrollar capacidades para integrar el análisis en la
toma de decisiones(Fothergill et al., 2019; Solà-Morales et al., 2023).
En ese escenario, el liderazgo emerge como un elemento necesario que sirve de puente
entre la disponibilidad tecnológica y su adopción efectiva en la toma de
decisiones basadas en datos. Estudios muestran que(J. Chen &
Silverthorne, 2005; Bratasanu, 2018; Ali & Islam, 2020), a pesar de que las organizaciones puedan contar con
la infraestructura de BD, los sistemas de BI y políticas de culturas de datos,
su real aprovechamiento se da a partir de las capacidades para alinear a las
personas los procesos y los valores hacia el uso estratégico de la información (Al-Busaidi & Olfman, 2017; Nguyen et al., 2024).
Se destaca además que por ejemplo; los lideres transformacionales
tienden a favorecer la creación de visiones compartidas que logran legitimar la
analítica y la exploración de nuevas oportunidades basadas en evidencia (Podsakoff et al., 1990; Bass & Riggio, 2005). El liderazgo transaccional, por ejemplo; contribuye
a generar estructuras estables, normas claras y disciplina en la gestión y
gobernanza de datos, lo que también es fundamentar para la confiabilidad y la
analítica (Jensen et al., 2019).
Enfoques un poco más contemporáneos como el liderazgo adaptativo,
promueven la participación colectiva, así como la experimentación y la
democratización de acceso a los datos, lo cual es clave en procesos de
inteligencia en las organizaciones (Bolden, 2011; Uhl-Bien
& Arena, 2018).
Es por eso que este artículo tiene por objetivo el de exponer cómo los
estilos de liderazgo influyen en la capacidad de las organizaciones para
gestionar Big Data y optimizar la efectividad del Business Intelligence, y su incidencia en la cultura
organizativa orientada a los datos.
2. MATERIALES Y MÉTODOS
El estudio adoptó
un enfoque descriptivo a partir de una revisión sistemática de literatura, que
de acuerdo con Rojas-Sánchez et al., (2022)
este es un proceso estructurado, replicable y transparente destinado a
identificar, seleccionar y analizar de manera rigurosa los estudios existentes
sobre un tema específico, esto con el fin de mapear la producción científica
sobre los estilos de liderazgo y su relación con le Biga Data y el Business Intelligence, de manera que se identificó tendencias,
autores, y áreas temáticas predominantes. Se seleccionaron artículos publicados
tanto en Scopus como en Web of
Science (WoS) entre el 2015 y el 2025.
Se siguió la
estrategia de búsqueda presentada en la Figura 1 después de establecer los
criterios de inclusión y exclusión de los artículos.
Etapa 1: Diseño de
la estrategia
En la primera
etapa del proceso, se formuló una cadena de búsqueda que combinó palabreas
clave u operadores que integraran tres dimensiones:
1. Liderazgo: “transformational leadership” OR
“participative leadership” OR “shared leadership” OR “leadership styles”
2. Cultura de datos y madurez analítica: “data culture”
OR “analytical culture” OR “data-driven culture” OR “organizational culture AND
analytics”
3. Big Data y Business Intelligence: “Big Data analytics” OR “Business Intelligence”
OR “data-driven decision making” OR “analytics maturity”
La cadena de búsqueda, queda de la siguientes
manera: ("transformational
leadership" OR "participative leadership" OR "data-driven
leadership" OR "digital leadership") AND ("data
culture" OR "data-driven culture" OR "analytics
culture" OR "data literacy" OR "data mindset") AND
("Big Data" OR "big data analytics" OR "Business
Intelligence" OR "analytics capability") AND (LIMIT-TO(DOCTYPE,
"ar")) AND (LIMIT-TO(LANGUAGE, "English")) AND (PUBYEAR
> 2015 AND PUBYEAR < 2025)
A partir de este proceso,
se obtiene de WoS 547 resultados y en Scopus 689; es
decir, un total de 1236 registros encontrados.
Etapa 2: Selección
de los estudios
De manera posterior, se
realiza la eliminación de 312 registros duplicados, lo que permitió tener un
total de 924 artículos.
Los títulos y resúmenes se
examinaron para verificar si alineación con las tres dimensiones en estudio. Se
eliminaron aquellos artículos que: solo abordaron el liderazgo sin una
profundidad analítica, se discutía el Big Data sin un componente organizacional
y otros que solo abordaran la infraestructura técnica.
Tras esta etapa, se
excluyeron así 731 documentos, lo que obtuvo un total de 193 escritos para la
evaluación del texto completo.
Etapa 3: Análisis
del contenido
Los artículos
resultantes fueron evaluados en su texto completo en donde se consideró:
presencia explícita de estilos de liderazgo, referencia directa a la cultura de
datos y madurez analítica y análisis empírico o conceptual de Big Data o
Business Inteligencie en las organizaciones.
Es así como se
excluyeron un total de 142 artículos, debido a que no existía una conexión
entre las tres dimensiones propuestas para este estudio.
Lo resultante fue
51 artículos. 19 de estos se corresponden con WoS y 32 artículos con Scopus.
En la siguiente
Figura 1, se presenta el esquema que representa el método PRISMA utilizado para
este proceso, que de acuerdo con Page et al., (2021),
permitió la adecuada identificación selección, evaluación y síntesis de los
estudios incluidos.
Figura
1. Diagrama de flujo PRISMA por niveles.
Fuente: Elaboración
propia. (2025)
Fuente:
elaboración propia. (2026)
3.RESULTADOS DE INVESTIGACIÓN
Se propone un
modelo conceptual que articula tres dimensiones centrales: estilos de liderazgo
enfocado a los entornos digitales con un enfoque más al transformacional y
adaptativo, pues contribuye a una cultura de datos, la cultura de datos y
madurez analítica y como una tercera dimensión, la efectividad en la gestión
del Big Data y el Business Intelligence.
Estilos de
liderazgo en entornos digitales
En la última
década, la investigación (Bratasanu, 2018; Trabucchi & Buganza, 2019; Schmidt et al.,
2023a; Yu et al., 2021; Aaltonen et al., 2023; Loia, 2023) ha
puesto atención en cómo los estilos de liderazgo influyen en la adopción de
iniciativas analíticas y de Big Data. Es decir, el liderazgo ya no es visto
como un factor clásico (De Juan Jordán et al., 2018),
sino como un catalizador de prácticas hacia la cultura basada en datos(Chatterjee et al., 2021).
En este
sentido, la capacidad estratégica es
necesaria en contextos de transformación tecnológica, esto junto a las
habilidades técnicas, los lideres deben poseer competencias que se centren en
las personas, la comunicación la motivación y la confianza (Nguyen et al., 2024; López-Figueroa et al., 2025).
Respecto del
liderazgo transformacional, varios estudios (Lanaj et al., 2016; Alblooshi et al., 2020; Almaskari
et al., 2021)
constatan que este estilo promueve la innovación, colaboración y motivación en
los procesos de asunción de cambios tecnológicos. Este es uno de los estilos
más estudiados (López-Figueroa et al., 2025),
este tipo se adapta a escenarios donde los lideres deben motivar a los equipos
para adoptar tecnologías emergentes y promover el aprendizaje continuo.
Es importante
destacar que, la mera presencia del liderazgo transformacional no garantiza la
adopción efectiva de prácticas de gestión de datos. Mas allá de la inspiración
que puede promover el líder, se requiere de competencias específicas. Bevilacqua et al., (2025),
destacan que existen tres competencias críticas de un liderazgo digital: (1)
habilidades estratégicas potenciadas por datos y analítica; (2) motivaciones
que permiten la adopción de tecnologías; y (3) uno estratégico de tecnologías
para la toma de decisiones.
Además, otros
estudios (Bratasanu, 2018; Banks et al., 2019; Schmidt et al., 2023b),
se centran en que el estilo de liderazgo tiene una fuerte conexión con la
capacidad analítica de los lideres orientados a los datos, lo que facilita la
adopción de herramientas analíticas y promueven así la mentalidad basada en los
datos.
El liderazgo
basado en datos (Alblooshi et al., 2020; Schmidt et al., 2023) se
refiere a líderes con la capacidad de interpretar, cuestionar y por supuesto,
utilizar datos para las decisiones estratégicas. A diferencia de los
mencionados arriba, este tipo de liderazgo domina las competencias analíticas y
comprender la lógica de análisis descriptivo, predictivo y prescriptivo, lo que
guía a las decisiones informadas, basadas en evidencia.
Esta valoración
aproxima de manera general las distintas perspectivas complejas que combinan la
visión transformadora, las competencias digitales y la dirección orientada a
los datos. El liderazgo contribuye a la adopción y madurez de prácticas
analíticas, sin embargo, aún se requiere una mayor articulación de marcos
teóricos integrados que permitan conectar tanto el liderazgo, la cultura de
datos y la capacidad analítica.
Cultura de datos y
madurez analítica
En lo que respecta
a la cultura de datos, se puede abordar componentes como la alfabetización en
datos. Desde esa perspectiva, se percibe como la capacidad para y interpretar y trabajar con datos, competencia fundamental
para el análisis (Martínez et al., 2024).
La democratización
de los datos, elemento que es necesario para habilitar el acceso a la
información (Fothergill et al., 2019; Solà-Morales et al., 2023).
Esto también, contribuye a fomentar la gobernanza de los datos para que la toma
de decisiones no esté centralizada, sino, que contribuya a la transparencia y
al empoderamiento (Binnema et al., 2020; Solà-Morales et al., 2023).
Los valores
organizacionales compatibles con los datos, son un factor fundamental, pues
también pueden favorecer la analítica (Orero-Blat et al., 2025).
Es por lo que, los
líderes transformacionales y la orientación a los datos, son claves para crear
y mantener una cultura de datos. Se debe hacer un cambio cultural, de modo que
la transformación sea efectiva (Gupta & George, 2016; Ghafoori et al., 2024).
La mentalidad
orientada a los datos representa no solo una habilidad, sino que implica que
los miembros de la organización adopten un enfoque basado en la experimentación,
de manera que les facilite comprobar hipótesis, incurrir a errores y aprender
de ellos, es decir, se configura como un proceso de aprendizaje basado en
evidencia.
La medición
respecto de la madurez de la cultura de datos sigue siendo incipiente.
Asimismo, poco se ha investigado sobre cómo alinear la cultura de datos con
otras culturas organizacionales ya instauradas. Además, queda pendiente una
respuesta a ¿cómo mantener en el largo plazo la cultura de datos, cuando los
proyectos finalizan?
Además, Vermeire et al.,(2025)
indican que la habilidad técnica del uso de datos son la base para la acción y
que, la mentalidad de datos es un mediador entre la alfabetización la
democratización y la adopción efectiva de las competencias analíticas.
Sin embargo, la
democratización, también conlleva riesgos como: mala interpretación, decisiones
erróneas, por lo que se recomienda el diseño de marcos de acceso basado en
roles y por supuesto la formación es alfabetización y controles de calidad (Malawani et al., 2025).
Se detectaron
vacíos importantes. La usencia de una metodología compleja que permita medir la
cultura de datos, lo que dificulta las comparaciones. Presencia de sesgo, pues
la mayoría de los datos se han recopilados de grandes empresas tecnológicas y
en menor medida PyME u otras organizaciones con baja
madurez tecnológica.
Son escasos los
diseños longitudinales que logran afirmar los cambios en la cultura de datos,
la mayoría son transversales o llevadas a cabo en el corto plazo.
En cuanto a la
ética de datos y la cultura, es un tema insipiente en las revisiones, el tema
se trabaja, pero se requiere de mayor evidencia empírica consistente sobre cómo
se integran estas prácticas en la cultura, sin condicionar la innovación.
Big Data y
Business Intelligence como capacidades dinámicas
La capacidad
analítica, es considerada como un conjunto de recursos tecnológicos, de
competencias humanas, procesos y estructuras que logran convertir los datos en
decisiones estratégicas (Tosi et al., 2024).
El BI se ha
consolidado como un agente habilitador de la agilidad organizacional (Ahmad, 2015; D. Q. Chen et al., 2015; Qaffas et al., 2023).
Las capacidades en
BD y BI son un pilar operativo, pero su efectividad depende de dos elementos:
la alineación con la estrategia organizacional y la capacidad de traducir datos
a decisiones.
La literatura
indica que, las organizaciones con capacidades analíticas maduradas, no solo
invierten en tecnología sino que desarrollan equipos y mecanismos de gobernanza(Gupta & George, 2016; Mikalef, Boura, et al., 2020; Mikalef,
Krogstie, et al., 2020; Mikalef & Krogstie, 2019).
Además, la
literatura permite conocer que, el impacto organizacional, sugieren que las
capacidades analíticas generan beneficios como el de las mejoras operativas
que, optimizan procesos, reducen costes, así como mejoras tácticas y en otras
etapas donde se llevan los procesos de innovación y los modelos de negocio.
Desde las
capacidades dinámicas y el desempeño, son un tema recurrente en la literatura,
en donde las organizaciones que reúnen ciertas condiciones como eficiencia,
reducción de costos y mayor precisión de decisiones, así como la estrategia,
son capacidades que funcionan de manera integrada (Wamba et al., 2017; Mikalef, Krogstie, et al., 2020; Munir
et al., 2023).
De acuerdo con Mikalef, Krogstie, et al.,(2020),
las capacidades analíticas generan ventaja competitiva, lo que permite
articular con capacidades dinámicas con la infraestructura tecnológica.
La capacidad de reconfigurar
también requiere de superar las resistencias culturales, los déficits de
habilidades y las brechas éticas.
La mayoría de los
estudios que abordaron el tema de las capacidades dinámicas y BD, tienen un
abordaje metodológico transversal basado en estudios de caso, lo que se traduce
en una necesidad de abordar estudios longitudinales que permitan observar la
evolución de dichas capacidades, en especial en aquellas organizaciones que van
hacia niveles altos de madurez avanzada.
4.
DISCUSIÓN
(O ANÁLISIS DE LOS RESULTADOS)
Esta revisión de literatura, permite ver el patrón respecto de las tres
dimensiones consideradas para este trabajo, aunque aún se sigue abordando estos
conceptos de manera fragmentada. Cada vez crece el interés en el estudio de la
transformación digital orientada a los datos, pero también, persisten los
vacíos teóricos y empíricos respecto de la integración de un marco conceptual
en esa línea.
Los artículos revisados, logran evidenciar que el estilo de liderazgo
transformación es esencial para la adopción de prácticas analíticas y de
instauración de una cultura de datos.
El liderazgo orientado al dato, es emergente, pero sobresale su
capacidad de influir en la toma de decisiones basada en evidencia para el uso
de BD y BI.
Sin embargo, la literatura también evidencia vacíos que deben atenderse,
como revisiones sistemáticas más robustas para determinar cómo los lideres
inciden en la madurez analítica.
También, lo relacionado con la cultura de datos, los resultados muestran
que, la mentalidad analítica acompañado de la alfabetización en datos y buenas
prácticas de democratización son indispensables para capitalizar mejor los
recursos analíticos (Ghafoori et al., 2024; Malyy et al., 2021).
Se sabe que, más que un recurso técnico, la capacidad analítica, amplía
el espectro de creación de estratégicas, se requiere de infraestructura
analíticas, pero también de talento analítico y procesos de gobernanza.
Además, la integración de las tres dimensiones estudiadas genera un círculo
virtuoso que favorece el fortalecimiento de la toma de decisiones informadas.
Pero, también existen desafíos que se relacionan con la resistencia al cambio,
a la posible falta de gobernanza de datos que se traduzcan en la afectación de
la adopción efectiva de BD y BI y limitar así, las herramientas analíticas.
5. CONCLUSIONES
Desde la
perspectiva teórica, esta revisión sistemática de literatura logra confirmar la
importancia de conceptualizar la transformación organizacional basada en datos
como un elemento integrador, donde el liderazgo y la cultura de datos interactúan.
Los estilos de
liderazgo como el transformacional, adaptativo y digital, son roles necesarios
para impulsar los cambios en la estructura organizacional y la disposición
hacia la analítica, no solo facilitan la adopción, sino que promueven el cambio
cultural y los comportamientos orientados a la evidencia.
La cultura de datos
es el vínculo que permite traducir las expectativas del liderazgo en prácticas
analíticas concretas. La revisión también fue consistente en que las
organizaciones que logran consolidar cultura de datos, presentas mayores
niveles de confianza.
Se recomienda que
los estudios futuros logren integrar análisis longitudinales que permitan
explorar como evoluciona esta dríada a lo largo del
tiempo y comprobar cómo los lideres adaptan sus competencias a entornos
dinámicos.
6.
CITAS
Y REFERENCIAS BIBLIOGRÁFICAS
Aaltonen, A., Alaimo, C., Parmiggiani, E., Stelmaszak,
M., Jarvenpaa, S. L., Kallinikos, J., & Monteiro, E. (2023). What is Missing from Research on Data in Information
Systems? Insights from the Inaugural Workshop on Data Research.
Abbasi, A., Sarker, S., University of Virginia, Aalto
University, Chiang, R., & University of Cincinnati. (2016). Big Data
Research in Information Systems: Toward an Inclusive Research Agenda. Journal
of the Association for Information Systems, 17(2), I-XXXII.
https://doi.org/10.17705/1jais.00423
Ahmad, A. (2015). Business Intelligence for Sustainable
Competitive Advantage. En Sustaining Competitive Advantage Via Business
Intelligence, Knowledge Management, and System Dynamics (Vol. 22A, pp.
3-220). Emerald Group Publishing Limited.
https://doi.org/10.1108/S1069-096420150000022014
Alblooshi, M., Shamsuzzaman, M., & Haridy, S. (2020).
The relationship between leadership styles and organisational innovation: A
systematic literature review and narrative synthesis. European Journal of
Innovation Management, 24(2), 338-370.
https://doi.org/10.1108/EJIM-11-2019-0339
Al-Busaidi, K. A., & Olfman, L. (2017). Knowledge
sharing through inter-organizational knowledge sharing systems. VINE Journal
of Information and Knowledge Management Systems, 47(1), 110-136.
https://doi.org/10.1108/VJIKMS-05-2016-0019
Ali, K. S., & Islam, A. (2020). Effective Dimension of Leadership Style for
Organizational Performance: A Conceptual Study. 7(1).
Almaskari,
T. H., Mohamad, E., Yahaya, S. N., & JALIL, M. F. (2021). The Influence of Transformational Leadership on
Employees’ Innovation in Universities of UAE: Mediating Effect of Technological
Diversity. The Journal of Asian Finance, Economics and Business, 8(7),
657-669. https://doi.org/10.13106/JAFEB.2021.VOL8.NO7.0657
Baesens, B., Bapna, R., Marsden, J. R., Vanthienen,
J., KU Leuven, BELGIUM, & Zhao, J. L. (2016). Transformational Issues of Big Data and Analytics in
Networked Business. MIS
Quarterly, 40(4),
807-818. https://doi.org/10.25300/MISQ/2016/40:4.03
Banks, G., Dionne, S., Sayama, H., & Schmid, M.
(2019). Leadership in the digital era: Social media.
Bass, B., & Riggio, R. (2005). Transformational
leadership: Second edition. En Transformational Leadership: Second Edition.
https://doi.org/10.4324/9781410617095
Bevilacqua, S., Masárová, J., Perotti, F. A., &
Ferraris, A. (2025). Enhancing top
managers’ leadership with artificial intelligence: Insights from a systematic
literature review. Review of Managerial Science, 19(9),
2899-2935. https://doi.org/10.1007/s11846-025-00836-7
Binnema, H., Michels, A., Hart, P., & Torre, L. van
der. (2020). Democratic Innovations in Dutch Local Government: Experimentation
in Search of Strategy. The Innovation Journal: The Public Sector Innovation
Journal, 25(1), 2020.
Bolden, R. (2011). Distributed Leadership in
Organizations: A Review of Theory and Research. International Journal of
Management Reviews, 13(3), 251-269.
https://doi.org/10.1111/j.1468-2370.2011.00306.x
Bratasanu, V. (2018). Leadership decision-making
processes in the context of data driven tools. Quality - Access to Success,
19, 77-87.
Brynjolfsson, E., Hitt, L. M., & Kim, H. H. (2011).
Strength in Numbers: How Does Data-Driven Decisionmaking Affect Firm
Performance? SSRN Electronic Journal.
https://doi.org/10.2139/ssrn.1819486
Chatterjee, S., Chaudhuri, R., & Vrontis, D. (2021).
Does data-driven culture impact innovation and performance of a firm? An
empirical examination. Annals of Operations Research.
https://doi.org/10.1007/s10479-020-03887-z
Chen, C. (2022). Influence of big data analytical
capability on new product performance – the effects of collaboration capability
and team collaboration in high-tech firm. Chinese Management Studies.
https://doi.org/10.1108/CMS-02-2022-0053
Chen, Chiang, & Storey. (2012). Business Intelligence
and Analytics: From Big Data to Big Impact. MIS Quarterly, 36(4),
1165. https://doi.org/10.2307/41703503
Chen, D. Q., Preston, D. S., & Swink, M. (2015). How
the Use of Big Data Analytics Affects Value Creation in Supply Chain
Management. Journal of Management Information Systems, 32(4),
4-39. https://doi.org/10.1080/07421222.2015.1138364
Chen, J., & Silverthorne, C. (2005). Leadership
effectiveness, leadership style and employee readiness. Leadership & Organization Development Journal, 26(4), 280-288.
https://doi.org/10.1108/01437730510600652
De Juan Jordán, H., Palacios-Marqués, D., &
Devece, C. (2018). Leadership
Styles and Entrepreneurship. En A. Tur Porcar & D. Ribeiro Soriano (Eds.), Inside
the Mind of the Entrepreneur (pp. 207-218). Springer International
Publishing. https://doi.org/10.1007/978-3-319-62455-6_15
Fothergill, B. T., Knight, W., Stahl, B. C., &
Ulnicane, I. (2019). Responsible
Data Governance of Neuroscience Big Data. Frontiers in Neuroinformatics,
13, 28. https://doi.org/10.3389/fninf.2019.00028
Ghafoori, A., Gupta, M., Merhi, M. I., Gupta, S., &
Shore, A. P. (2024). Toward the role of organizational culture in data-driven
digital transformation. International Journal of Production Economics, 271,
109205. https://doi.org/10.1016/j.ijpe.2024.109205
Gupta, M., & George, J. F. (2016). Toward the development of a big data analytics
capability”.
Jensen, U., Andersen, L., Bro, L., Bøllingtoft, A.,
Eriksen, T. L. M., Holten, A.-L., Jacobsen, C., Ladenburg, J., Nielsen, P.,
Salomonsen, H., Westergård-Nielsen, N., & Würtz, A. (2019). Conceptualizing
and Measuring Transformational and Transactional Leadership. Administration
& Society, 51, 1-31. https://doi.org/10.1177/0095399716667157
Lanaj, K., Johnson, R. E., & Lee, S. M. (2016). Benefits of transformational behaviors for leaders: A
daily investigation of leader behaviors and need fulfillment. Journal of
Applied Psychology, 101(2), 237-251.
https://doi.org/10.1037/apl0000052
Loia, F. (2023). A Co-evolutionary Perspective on
Data-driven Organization: Highlights from Smart Cities in the Covid-19 Era. En
A. Visvizi, O. Troisi, & M. Grimaldi (Eds.), Big Data and
Decision-Making: Applications and Uses in the Public and Private Sector
(pp. 181-201). Emerald Publishing Limited.
https://doi.org/10.1108/978-1-80382-551-920231012
López-Figueroa, J. C., Ochoa-Jiménez, S., Palafox-Soto,
M. O., & Sujey Hernandez Munoz, D. (2025). Digital Leadership: A Systematic Literature Review. Administrative
Sciences, 15(4), 129. https://doi.org/10.3390/admsci15040129
Malawani, L., Sanguinoa, R., & Tato Jiménez, J. L.
(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
Malyy, M., Tekic, Z., & Podladchikova, T. (2021).
The value of big data for analyzing growth dynamics of technology-based new
ventures. Technological Forecasting and Social Change, 169.
https://doi.org/10.1016/j.techfore.2021.120794
Martínez, R. A., Fernández, R. L., Iglesias, M. C.,
Acosta, H. Á., Romero, F. G., & Freire, F. M. O. (2024). Evolution of Digital Literacy: New Concepts and New
Literacies. 8.
Mikalef, P., Boura, M., Lekakos, G., & Krogstie, J.
(2020). The role of information governance in big data analytics driven
innovation. Information & Management, 57(7), 103361.
https://doi.org/10.1016/j.im.2020.103361
Mikalef, P., & Krogstie, J. (2019). Investigating the
Data Science Skill Gap: An Empirical Analysis. 2019 IEEE Global Engineering
Education Conference (EDUCON), 1275-1284.
https://doi.org/10.1109/EDUCON.2019.8725066
Mikalef, P., Krogstie, J., Pappas, I. O., & Pavlou,
P. (2020). Exploring the relationship between big data analytics capability and
competitive performance: The mediating roles of dynamic and operational
capabilities. Information & Management, 57(2), 103169.
https://doi.org/10.1016/j.im.2019.05.004
Munir, S., Abdul Rasid, S. Z., Aamir, M., Jamil, F.,
& Ahmed, I. (2023). Big data analytics capabilities and innovation effect
of dynamic capabilities, organizational culture and role of management
accountants. Foresight, 25(1), 41-66.
https://doi.org/10.1108/FS-08-2021-0161
Nguyen, N., Dang-Van, T., Vo-Thanh, T., Do, H.-N., &
Pervan, S. (2024). Digitalization strategy adoption: The roles of key
stakeholders, big data organizational culture, and leader commitment. International
Journal of Hospitality Management, 117, 103643.
https://doi.org/10.1016/j.ijhm.2023.103643
Orero-Blat, M., Leal Rodríguez, A. L., &
Palacios-Marqués, D. (2025). The
strategic advantage of innovative organizational culture: An exploratory
analysis in digital transformation and big data analytics capabilities. Journal
of Management & Organization, 31(2), 443-462.
https://doi.org/10.1017/jmo.2024.74
Page, M. J., McKenzie, J. E., Bossuyt, P. M., Boutron,
I., Hoffmann, T. C., Mulrow, C. D., Shamseer, L., Tetzlaff, J. M., Akl, E. A.,
Brennan, S. E., Chou, R., Glanville, J., Grimshaw, J. M., Hróbjartsson, A.,
Lalu, M. M., Li, T., Loder, E. W., Mayo-Wilson, E., McDonald, S., … Alonso-Fernández, S. (2021). Declaración PRISMA 2020:
Una guía actualizada para la publicación de revisiones sistemáticas. Revista
Española de Cardiología, 74(9), 790-799.
https://doi.org/10.1016/j.recesp.2021.06.016
Podsakoff, P. M., MacKenzie, S. B., Moorman, R. H.,
& Fetter, R. (1990). Transformational
leader behaviors and their effects on followers’ trust in leader, satisfaction,
and organizational citizenship behaviors. The Leadership Quarterly, 1(2),
107-142. https://doi.org/10.1016/1048-9843(90)90009-7
Qaffas, A. A., Ilmudeen, A., Almazmomi, N. K., &
Alharbi, I. M. (2023). The impact of big data analytics talent capability on
business intelligence infrastructure to achieve firm performance. Foresight, 25(3), 448-464. https://doi.org/10.1108/FS-01-2021-0002
Rojas-Sánchez, M. A., Palos-Sánchez, P. R., &
Folgado-Fernández, J. A. (2022). Systematic
literature review and bibliometric analysis on virtual reality and education. Education and Information Technologies. https://doi.org/10.1007/s10639-022-11167-5
Schmidt, D. H., Van Dierendonck, D., & Weber, U.
(2023a). The data-driven leader: Developing a big data analytics leadership
competency framework. Journal
of Management Development, 42(4),
297-326. https://doi.org/10.1108/JMD-12-2022-0306
Schmidt, D. H., Van Dierendonck, D., & Weber, U.
(2023b). The data-driven leader: Developing a big data analytics leadership
competency framework. Journal of Management Development, 42(4),
297-326. https://doi.org/10.1108/JMD-12-2022-0306
Solà-Morales, O., Sigurðardóttir, K., Akehurst, R.,
Murphy, L. A., Mestre-Ferrandiz, J., Cunningham, D., & De Pouvourville, G.
(2023). Data Governance
for Real-World Data Management: A Proposal for a Checklist to Support Decision
Making. Value in Health, 26(4), 32-42.
https://doi.org/10.1016/j.jval.2023.02.012
Tosi, D., Kokaj, R., & Roccetti, M. (2024). 15 years
of Big Data: A systematic literature review. Journal of Big Data, 11(1),
73. https://doi.org/10.1186/s40537-024-00914-9
Trabucchi, D., & Buganza, T. (2019). Data-driven
innovation: Switching the perspective on Big Data. European Journal of
Innovation Management, 22(1), 23-40.
https://doi.org/10.1108/EJIM-01-2018-0017
Uhl-Bien, M., & Arena, M. (2018). Leadership for
organizational adaptability: A theoretical synthesis and integrative framework.
The Leadership Quarterly, 29(1), 89-104.
https://doi.org/10.1016/j.leaqua.2017.12.009
Vermeire, L., Van Den Broeck, W., Petersen, F., & Van
Audenhove, L. (2025). Beyond Numeracy, a Data Literacy Topical Scoping Review
(2011–2023). Media and Communication, 13, 9237.
https://doi.org/10.17645/mac.9237
Wamba, S. F., Gunasekaran, A., Akter, S., Ren, S. J.,
Dubey, R., & Childe, S. J. (2017). Big data analytics and firm performance:
Effects of dynamic capabilities. Journal of Business Research, 70,
356-365. https://doi.org/10.1016/j.jbusres.2016.08.009
Yu, W., Wong, C. Y., Chavez, R., & Jacobs, M. A.
(2021). Integrating big data analytics into supply chain finance: The roles of
information processing and data-driven culture. International Journal of Production Economics, 236, 108135.
https://doi.org/10.1016/j.ijpe.2021.108135