Optimización de adquisiciones bibliográficas mediante Big Data y analítica predictiva en bibliotecas

Abstract

Este trabajo se centra en cómo las bibliotecas pueden aprovechar herramientas de Big Data y analítica predictiva para mejorar sus procesos de adquisición de material bibliográfico. El punto de partida es un problema frecuente: a pesar de que las bibliotecas generan y almacenan enormes cantidades de datos, desde préstamos y adquisiciones hasta hábitos de los usuarios y gran parte de esa información no se utiliza para tomar decisiones estratégicas. Esto provoca compras poco efectivas, acumulación de libros que casi no se consultan y un uso inútil del presupuesto. Se reconoce la necesidad de organizar y gestionar las fuentes bibliográficas. Se emplearon herramientas como Mendeley para ordenar la información encontrada en bases de datos académicas y motores de búsqueda especializados. De este proceso se seleccionaron referentes recientes que muestran cómo la ciencia de datos, la bibliominería y la inteligencia artificial están transformando la gestión de las bibliotecas. Por ejemplo, se destaca la capacidad del Big Data para anticipar tendencias de lectura, optimizar colecciones y reducir el desperdicio de recursos. Asimismo, se identificaron retos como la brecha digital, que limita el acceso equitativo a estas tecnologías. Se plantea la propuesta titulada Optimización de Adquisiciones Bibliográficas mediante Big Data y Analítica Predictiva en Bibliotecas. Aquí se expone el problema: las decisiones de compra que suelen basarse criterios poco claros, lo que deriva en colecciones poco relevantes. El objetivo general es diseñar una solución apoyada en datos reales que permita a las bibliotecas anticiparse a la demanda y planear adquisiciones de forma más eficiente. Entre los objetivos específicos se incluyen analizar datos históricos de préstamos, evaluar herramientas tecnológicas disponibles, diseñar modelos predictivos y crear dashboards interactivos que faciliten la toma de decisiones. 3 Se justifica la propuesta resaltando su pertinencia para bibliotecas universitarias, aunque sus principios pueden aplicarse a distintos tipos de instituciones. Se señala que la clave no está en gastar más presupuesto, sino en usar de manera más inteligente la información que ya existe. La propuesta no solo busca optimizar los recursos, sino también mejorar la experiencia de estudiantes, docentes e investigadores, logrando colecciones más útiles y alineadas con sus verdaderas necesidades. Además, el plan de trabajo contempla fases prácticas como recolección y limpieza de datos, análisis exploratorio, desarrollo del modelo predictivo y construcción de visualizaciones dinámicas. Este proyecto apunta a que la integración de Big Data y analítica predictiva en bibliotecas representa un cambio cultural y no solo técnico. Pasar de decisiones basadas en intuición a decisiones fundamentadas en datos supone un avance hacia bibliotecas más modernas, estratégicas y centradas en las personas. además, se resalta la importancia de capacitar al personal bibliotecario, manteniendo actualizados los modelos de análisis, integrando sistemas de información fomentando la colaboración. Así, la tecnología se convierte en un puente entre la gestión eficiente y el valor humano y pedagógico. En resumen, este trabajo plantea una ruta para que las bibliotecas evolucionen y dejen de ser solo depósitos de información y se conviertan en espacios dinámicos que aprovechen la ciencia de datos para responder de manera más efectiva a las necesidades de sus comunidades.