Endogenización como mecanismo evolutivo para la transformación digital de las pymes de turismo de naturaleza

El propósito del presente artículo es endogenizar la transformación digital en las PYMES de turismo de naturaleza en el departamento del Magdalena-Colombia, de aquí en adelante denominada región, en este sentido, el concepto de endogenización como mecanismo evolutivo hace referencia a la aplicación del modelo de elección discreta, como motor de análisis para las variables que se estudiarán dentro del modelo. El tipo de estudio fue cuantitativo, de nivel correlacional, la muestra fue de 386 agentes de la cadena turística; para la recolección de datos se utilizó un instrumento tipo encuesta con cinco factores, la escala utilizada tipo Likert. Para la extracción de los factores se utilizó el análisis factorial confirmatorio, utilizando ecuaciones estructurales, seguidamente se corre un modelo de elección discreta y posteriormente el análisis de los resultados. Entre los principales hallazgos se tienen que, las PYMES en la cadena turística que intentaron incorporar actividades de Big Data en los procesos de toma de decisiones, tienen mayores posibilidades de éxito en la transformación digital, además, se encontró evidencia estadística que sostiene que, la formación del personal en Data Science, contribuye significativamente con los procesos de Marketing y comercialización dentro de la PYME en esta región. ***************************************************************************************************************************************************************************************** The purpose of this article is to endogenize the digital transformation in nature tourism SMEs in the department of Magdalena -Colombia, hereinafter referred to as a region, in this sense, the concept of endogenization as an evolutionary mechanism refers to the application of the model discrete choice mathematics as an analysis engine for the variables, which will be studied within the model. The type of study was quantitative, correlational level, the sample consisted of 386 agents of the tourist chain; For data collection, a survey-type instrument with five factors was used, the scale used licker type, for the extraction of the factors, the confirmatory factor analysis was used, using structural equations, then a discrete choice model was run and later the analysis Of the results, among the main findings are that SMEs in the tourism chain that tried to incorporate Big Data activities in decision-making processes have greater chances of success in the digital transformation, in addition, statistical evidence was found that sustains that The training of personnel in Data Science contributes significantly to the Marketing and commercialization processes within the SME in this region.