Retos, 15(29), 2025 Revista de Ciencias de la Administración y Economía
ISSN impreso: 1390-6291; ISSN electrónico: 1390-8618
www.retos.ups.edu.ec
abril-septiembre 2025
pp. 29-46
https://doi.org/10.17163/ret.n29.2025.02
Revista de Ciencias de Revista de Ciencias de
Administración y EconomíaAdministración y Economía
Factores que influyen en la adopción del análisis de Big Data
por los auditores: un estudio mixto
Factors affecting auditors’ decisions to adopt Big Data analytics:
a mixed method study
Moath Abdelkarim Abu Al Rob
Candidato a doctor en Contabilidad, Universiti Malaysia Terengganu, Malasia
p4649@pps.umt.edu.my
https://orcid.org/0009-0005-7764-1126
Mohd Nazli Mohd Nor
Profesor Asociado, Universiti Malaysia Terengganu, Malasia
nazli@umt.edu.my
https://orcid.org/0000-0002-7946-3475
Zalailah Salleh
Profesor Universiti Malaysia Terengganu, Malasia
zalailah@umt.edu.my
https://orcid.org/0000-0001-7246-4160
Alia Majed Khalaf
Candidata a doctora en Contabilidad, Universiti Malaysia Terengganu, Malasia
p4104@pps.umt.edu.my
https://orcid.org/0000-0002-5415-0472
Recibido: 27/11/24 Revisado: 24/01/25 Aprobado: 17/02/25 Publicado: 01/04/25
Resumen: el objetivo de este estudio es analizar: ¿En qué medida la percepción de facilidad de uso (PEOU) y la percepción de utilidad (PU) explican
las intenciones conductuales (BI) de los auditores para adoptar el análisis de grandes datos (BDA) en firmas de auditoría en Palestina?. Se utilizó un
enfoque mixto, combinando datos cuantitativos de una encuesta censal a 94 auditores de las cuatro grandes firmas en Palestina (tasa de respuesta del
86 %) con datos cualitativos de entrevistas semiestructuradas a nueve auditores en niveles gerenciales o superiores. Esta integración metodológica
fortaleció la validez y confiabilidad de los resultados. Los hallazgos mostraron que la PU influye significativamente en las intenciones de adopción
de BDA, mientras que la PEOU tiene un impacto menor pero relevante. El estudio confirmó la aplicabilidad del Modelo de Aceptación Tecnológica
(TAM) en la profesión de auditoría y aborda la brecha de investigación sobre la adopción de BDA en economías en desarrollo. Los hallazgos destacan
que la percepción de utilidad es el principal impulsor y sugieren que mejorar la facilidad de uso podría aumentar aún más la adopción. Las implica-
ciones prácticas incluyen capacitación para las firmas de auditoría, políticas de apoyo por parte de los reguladores y soluciones de BDA accesibles y
fáciles de usar para los proveedores de tecnología. Al ofrecer insights adaptados a entornos con recursos limitados, este estudio orienta la adopción
de BDA en auditoría, beneficiando tanto a la academia como a la industria.
Palabras clave: transformación de la auditoría, intenciones de comportamiento, Big Data Analytics, percepción de facilidad de uso, percepción de
utilidad, modelo de aceptación tecnológica, Palestina, los Cuatro Grandes.
Cómo citar: Abu Al Rob, M. A., Mohd Nor, M. N., Salleh, Z. y Khalaf, A. M. (2025). Factores que influyen en la adopción del
análisis de Big Data por los auditores: un estudio mixto. Retos Revista de Ciencias de la Administración y Economía, 15(29), pp.
29-46. https://doi.org/10.17163/ret.n29.2025.02
© 2025, Universidad Politécnica Salesiana, Ecuador
ISSN impreso: 1390-6291; ISSN electrónico: 1390-8618
30 Moath Abdelkarim Abu Al Rob, Mohd Nazli Mohd Nor, Zalailah Salleh y Alia Majed Khalaf
Abstract: the purpose of this study is to investigate the primary research question: To what extent do perceived ease of use (PEOU) and perceived
usefulness (PU) explain auditors’ behavioral intentions (BI) to adopt big data analytics (BDA) in auditing firms in Palestine? A mixed-method
approach was employed, combining quantitative data from a census survey of 94 auditors at the Big Four accounting firms in Palestine (achie-
ving an 86 % response rate) with qualitative data from semi-structured interviews conducted with 9 auditors at the managerial level or higher.
This methodological integration enhanced the validity and reliability of the research findings. The results demonstrated that PU significantly and
directly impacts auditors’ intentions to adopt BDA, while PEOU also influences BI, though to a lesser extent. The study validated the applicability
of the Technology Acceptance Model (TAM) in the auditing profession and addresses the research gap on BDA adoption in developing economies.
Findings highlight perceived usefulness as the key driver and suggest that improving ease of use could further boost adoption. Practical implica-
tions include training for firms, supportive policies from regulators, and user-friendly solutions from technology providers. By offering insights
for resource-constrained environments, this study guides BDA adoption in auditing for both academia and industry
Keywords: audit transformation, behavioral intentions, big data analytics, perceived ease of use, perceived usefulness, technology acceptance
model, Palestine, Big Four.
Introducción
En el mundo actual impulsado por los datos,
el crecimiento exponencial de la producción de
datos presenta tanto desafíos como oportunida-
des para las organizaciones de todo el mundo.
Uno de los enfoques para aprovechar este gran
volumen de información es la adopción de tec-
nologías de análisis de datos masivos (BDA), que
permiten a las organizaciones procesar grandes
grupos de datos, identicar patrones signicati-
vos y mejorar la eciencia general (Bumblauskas
et al., 2017). Si bien la BDA se utiliza en grandes
organizaciones en todas las economías desarro-
lladas, las empresas en los países en desarrollo,
como Palestina, a menudo tienen problemas para
implementar y utilizar estas herramientas de aná-
lisis avanzado de manera efectiva. La escasez de
recursos, las limitaciones de infraestructura y la
escasez de personal calicado suponen importan-
tes obstáculos para la adopción en estas regiones
(Dagilienė y Klovienė, 2019; Abu Al Rob et al.,
2024b). Por lo tanto, se necesita comprender estos
desafíos para explorar cómo podría aprovecharse
el BDA de forma más ecaz en contextos en desa-
rrollo, donde es fundamental conocer su impacto
potencial en el desempeño organizacional y en
la toma de decisiones.
Las organizaciones a menudo tienen diculta-
des para aprovechar los datos de manera efectiva
para alcanzar sus objetivos debido a la escasez
de personal con las habilidades analíticas necesa-
rias. Incluso las grandes empresas, incluidas las
cuatro grandes empresas de auditoría, afrontan
dicultades para presentar la BDA a sus audi
-
tores e implementarlas en su trabajo. (Dagilienė
y Klovienė, 2019; Abu Al Rob et al., 2024a). En
regiones como Palestina, la transformación del
enfoque tradicional de auditoría a una técnica de
BDA representa un desafío signicativo para las
cuatro grandes empresas que buscan implemen-
tar el BDA con éxito (Abu Al Rob et al., 2024a).
Aunque la literatura existente ha examinado a
fondo el modelo de aceptación de la tecnología
(TAM) y el BDA, todavía falta investigar cómo
impactan la facilidad de uso percibida (PEOU)
y la utilidad percibida (PU) en las intenciones
de los auditores de adoptar el BDA dentro de las
cuatro grandes rmas de auditoría que operan en
contextos en desarrollo como Palestina.
Este estudio se basa en el TAM como marco
teórico. Olufemi (2018) señaló que el TAM es muy
utilizado por los investigadores con el n de en-
tender los factores que inuyen en las decisiones
de los individuos para adoptar nuevas tecnolo-
gías. Los estudios empíricos han demostrado
una relación positiva entre los constructos TAM,
lo que ayuda a explicar la aceptación y el uso de
tecnologías innovadoras por parte de los usuarios
(Brock y Khan, 2017; Verma et al., 2018). Según
Olufemi (2018), el TAM se centra principalmente
en la intención del usuario de utilizar la tecnolo-
gía, en lugar de enfocarse en los procesos orga-
nizativos más amplios que implican el uso. Esto
hace que el TAM sea tan importante para explorar
las decisiones de los auditores de usar la BDA en
las cuatro grandes rmas en Palestina, donde los
desafíos económicos y de infraestructura pueden
inuir aún más en su comportamiento de uso.
Aunque las investigaciones anteriores han
explorado la adopción de la BDA y la TAM en
diversos contextos, la mayoría de los estudios
Factores que inuyen en la adopción del análisis de Big Data por los auditores: un estudio mixto
Retos, 15(29), 29-46
ISSN impreso: 1390-6291; ISSN electrónico: 1390-8618
31
se han centrado en economías desarrolladas y
otros campos además de la auditoría (Brock y
Khan, 2017; Shahbaz et al., 2019; Verma et al.,
2018). Además, la investigación indica que las
organizaciones en entornos con recursos limi-
tados, como los de los países en desarrollo, se
enfrentan a importantes obstáculos para adoptar
la BDA, como las limitaciones de infraestructura,
la escasez de conocimientos especializados y la
resistencia organizativa (Abu Al Rob et al., 2024a;
Olufemi, 2018). Sin embargo, la investigación
es limitada en cuanto a cómo estos factores in-
uyen en el BI de los auditores para adoptar la
BDA dentro de las cuatro grandes empresas en
las regiones en desarrollo.
A pesar de los benecios de la BDA en la audi-
toría, su adopción en las economías en desarrollo
sigue siendo poco estudiada, particularmente
entre los cuatro grandes auditores en Palestina.
La investigación sobre el impacto del PU y PEOU
en la BI en entornos con recursos limitados tam-
bién es escasa. Este estudio aborda estas brechas,
ofreciendo ideas que contribuyen a la literatura de
aceptación de la tecnología y la implementación
práctica de la BDA en las rmas de auditoría.
Las conclusiones de este estudio favorecen a
los investigadores, auditores y empresas de au-
ditoría que buscan comprender los factores que
inuyen en la adopción de la BDA en la auditoría.
Para los auditores de Big 4, el aprovechamiento de
la BDA puede transformar los datos en ideas via-
bles (Müller y Jensen, 2017). Sin embargo, muchos
auditores siguen dudando debido a problemas
como la escasez de recursos y de aptitudes (Abu
Al Rob et al., 2024a; Dagilienė y Klovienė, 2019;
Verma et al., 2018), lo que plantea riesgos para
las empresas, ya que el uso tardío de tecnologías
innovadoras podría afectar la competitividad
en una industria cada vez más impulsada por
los datos.
Revisión de literatura
Como se muestra en la gura 1, el marco TAM
plantea que las variables externas inuyen en la
PU y PEOU, lo que a su vez afecta a la BI y, en
última instancia, al uso real (Davis y Venkatesh,
1996). Este modelo teórico proporciona una base
para comprender la aceptación de la tecnología
por parte de los usuarios, por lo que resulta ser
fácilmente aplicable al estudio de la adopción de
tecnología en diversos contextos.
Figura 1
Modelo de aceptación de la tecnología (TAM)
Nota. Davis y Venkatesh (1996, p. 20).
TAM y el uso de la tecnología
Si bien existen múltiples modelos para exami-
nar la aceptación de la tecnología, el TAM ha ad-
quirido gran importancia por su robustez y abili-
dad al explicar las actitudes y comportamientos de
los usuarios en diversos campos (Davis et al., 1989;
Verma et al., 2018; Demoulin y Coussement, 2020;
© 2025, Universidad Politécnica Salesiana, Ecuador
ISSN impreso: 1390-6291; ISSN electrónico: 1390-8618
32 Moath Abdelkarim Abu Al Rob, Mohd Nazli Mohd Nor, Zalailah Salleh y Alia Majed Khalaf
Grimaldo y Uy, 2020). Por ejemplo, Chopdar et al.
(2018) exploraron los factores que afectan el uso
de aplicaciones de compras móviles, enfatizando
la inuencia de la percepción de privacidad y los
riesgos de seguridad en las decisiones de adopción
en contextos culturales, particularmente en India y
Estados Unidos. Sus hallazgos resaltan que si bien
los constructos centrales de la Teoría unicada de
aceptación y uso de tecnología (UTAUT), como
la expectativa de desempeño y la expectativa de
esfuerzo, son predictores signicativos de BI, las
diferencias culturales alteran el impacto de los
riesgos percibidos.
Muchos estudios han expandido el TAM al
integrar otros factores para obtener una visión
más profunda de la BI. Por ejemplo, Ofori y Ap-
piah-Nimo (2019) incluyeron el costo y el riesgo
percibidos en su estudio sobre el comportamiento
de compra en línea, y encontraron que el aho-
rro de costos y las preocupaciones de seguridad
impactan signicativamente en la intención del
usuario. Del mismo modo, Ajibade (2018) señaló
que la simplicidad de TAM contribuye a su am-
plia aplicación en entornos organizativos, obser-
vando que las intenciones de los empleados de
utilizar la tecnología están determinadas por la
PU y PEOU, así como por motivaciones perso-
nales y profesionales para el éxito.
En general, gran parte de la investigación ha
validado a la BI como un factor central de TAM en
la predicción del uso de la tecnología, en donde
el alfa de Cronbach ha conrmado la conabili-
dad de las variables de TAM en diversos estu-
dios (Mei y Aun, 2019; Tarabasz y Poddar, 2019;
Hossain et al., 2020). Davis y Venkatesh (1996)
propusieron que las variables externas tienen
un impacto signicativo en la PU y la PEOU, lo
que a su vez afecta a las decisiones de adopción
de los usuarios, un hallazgo respaldado en otra
investigación posterior (Tarabasz y Poddar, 2019;
Davis et al., 1989).
Big Data Analytics y el modelo de
aceptación de tecnología
El interés por la adopción de la BDA ha creci-
do signicativamente, y existen muchos estudios
que abordan los benecios y desafíos asociados
con la implementación de la BDA (Olufemi, 2018;
Brock y Khan, 2017; Verma et al., 2018). La inves-
tigación sobre el uso de BDA normalmente se
enfoca en la importancia de seleccionar un marco
teórico adecuado para evaluar el comportamiento
de la adopción (Ajibade, 2018; Demoulin y Cous-
sement, 2020). A pesar de las diversas barreras a
la adopción de la BDA, los estudios destacan el
valor de la BDA para las organizaciones en todas
las industrias y economías (Lut, 2022).
Bumblauskas et al. (2017) argumentaron que
la BDA mejora la capacidad de una organización
para reducir los riesgos al aprovechar grandes
volúmenes de datos procedentes de diversas
fuentes e hicieron hincapié en la importancia
de adoptar tecnologías capaces de almacenar,
gestionar, visualizar y analizar datos para trans-
formarlos en conocimientos viables. Del mismo
modo, Brock y Khan (2017) señalaron que la TAM
proporciona información sobre las motivaciones
de los usuarios para adoptar la BDA, aunque no
toma en cuenta las consideraciones prácticas en
la adopción del sistema.
Olufemi (2018) criticó a la TAM por sus limita-
ciones a la hora de abordar factores contextuales
como el costo, el apoyo a la gestión y la cultura or-
ganizacional, pues impactan en las intenciones de
la adopción de la tecnología. La experiencia y la
familiaridad con la BDA también se han descrito
como factores signicativos; por ejemplo, Muller
y Jensen (2017) encontraron que las organizacio-
nes con experiencia previa en BDA reportan una
mayor conanza en el uso de estas tecnologías.
Alyoussef y Al-Rahmi (2022) estudiaron la adop-
ción de la BDA en la educación, recomendando
pautas para los educadores para fomentar la BI
de los estudiantes hacia el BDA en programas
multisectoriales, avanzando así a la evolución
digital en entornos académicos.
Gangwar (2020) desarrolló un marco de in-
vestigación que combina la TAM con el modelo
Task-Technology Fit (TTF) para examinar el im-
pacto de la BDA en el desempeño organizacional.
Este modelo integrado, probado en una muestra
de 523 organizaciones en la India, reveló que fac-
tores como el ajuste tecnológico, el ajuste organi-
zacional y la compatibilidad de tareas inuyen
signicativamente en la adopción de la BDA.
Factores que inuyen en la adopción del análisis de Big Data por los auditores: un estudio mixto
Retos, 15(29), 29-46
ISSN impreso: 1390-6291; ISSN electrónico: 1390-8618
33
Gangwar concluyó que las intenciones de adop-
ción están fuertemente vinculadas a la alineación
de tareas y tecnología, destacando la necesidad
de que las organizaciones administren a la PU y
PEOU a través de estrategias de datos especícas
e iniciativas de satisfacción de los empleados.
Si bien se ha estudiado la adopción de la BDA
en todos los sectores, la investigación es muy
limitada en cuanto a su uso en las cuatro grandes
rmas de auditoría en las economías en desarro-
llo. Además, a pesar de la amplia aplicación de
la TAM, el impacto de la PU y PEOU en la BI de
los auditores en entornos con recursos limitados
sigue aún sin demostrarse. Este estudio llena esta
brecha al proporcionar evidencia empírica de
Palestina, ofreciendo ideas tanto para el mundo
académico como para la industria.
Análisis de big data en la auditoría
La aplicación de la BDA en la auditoría es un
área de investigación cada vez mayor, impul-
sada por el potencial de la BDA para mejorar
las perspectivas de negocio y mejorar los proce-
sos de toma de decisiones (Adrianto, 2018). La
BDA se utiliza cada vez más en la información
nanciera y la contabilidad, y los profesionales
la usan para mejorar las capacidades analíticas
y ajustarse a normas contables complejas (İdil y
Akbulut, 2018). Esta tendencia reeja un cambio
hacia el procesamiento de datos en tiempo real,
que permite a las empresas capturar y analizar
mejor las actividades nancieras.
Dagilienė y Klovienė (2019) examinaron el
papel de la BDA en la auditoría externa, desta-
cando su importancia para el análisis de datos
no nancieros y el apoyo al cumplimiento de
la normativa. De igual forma, señalaron que los
factores como la competencia y los requisitos
reglamentarios impulsan la adopción de la BDA
en la auditoría, aunque los altos costos y las com-
petencias limitadas restringen su uso a las em-
presas de auditoría más grandes. La aplicación
efectiva de la BDA requiere formas fáciles de usar
y capacidades de informes en tiempo real, que
desafían los métodos tradicionales de auditoría.
Eilifsen et al. (2020) realizaron un estudio explora-
torio sobre la adopción de análisis de datos entre
las grandes empresas de contabilidad pública,
hallando que la implementación de análisis de
datos en la auditoría aún se encuentra en sus
primeras etapas. Sus conclusiones revelan que,
aunque el análisis de datos en la auditoría mejora
la calidad de la auditoría, su uso se ve limitado
por las restricciones reglamentarias y la ausencia
de un mandato para las herramientas avanzadas
de análisis de datos. Para que el análisis de datos
en la auditoría sea ampliamente usado éste debe
estar integrado en los procesos de las empresas
de auditoría, respaldado por la capacitación y
por los reguladores. No et al. (2019) estudiaron la
solicitud de la BDA para la detección de fraudes y
las pruebas importantes de auditoría. Su estudio
sugiere que la BDA puede mejorar la precisión de
la auditoría mediante el análisis del 100 % de las
entradas, mejorando así la calidad de la audito-
ría. Sin embargo, la aplicación de la Dirección de
Auditoría Interna también exige que los auditores
se adapten a las nuevas tecnologías y realicen
evaluaciones exhaustivas para garantizar que se
cumplan los objetivos de auditoría.
Desarrollo de las hipótesis
A partir de la literatura sobre el impacto de
la PU y PEOU en la adopción de la BDA en la
auditoría, así como otros hallazgos presentados
en la revisión de la literatura, proponemos las
hipótesis H1 y H2 en respuesta a las preguntas
de investigación establecidas.
Pregunta principal de la investigación: ¿In-
uyen la UEP y la UPP en el BI de los auditores
para adoptar las herramientas de la BDA en el
proceso de auditoría?
La pregunta de investigación anterior se di-
vide a continuación en dos subpreguntas: ¿En
qué medida explica la PU el BI de los auditores
para adoptar a la BDA en la auditoría? y ¿hasta
qué punto la PEOU explica la BI de los auditores
para adoptar a la BDA en las 4 grandes empresas
de auditoría?
La literatura apoya la noción de que la PU
y PEOU impactan signicativamente las inten-
ciones de los usuarios de aceptar y utilizar una
tecnología especíca (Davis y Venkatesh, 1996).
Esta intención, a su vez, impulsa la adopción y
© 2025, Universidad Politécnica Salesiana, Ecuador
ISSN impreso: 1390-6291; ISSN electrónico: 1390-8618
34 Moath Abdelkarim Abu Al Rob, Mohd Nazli Mohd Nor, Zalailah Salleh y Alia Majed Khalaf
uso real de la tecnología (Diop et al., 2019). Dentro
del TAM, la PU y el PEOU se consideran como las
variables más inuyentes en la formación de la
intención de los usuarios de adoptar la tecnología
en la práctica (Davis y Venkatesh, 1996). Varios
estudios subrayan la importancia de compren-
der cómo la PU y la PEOU afectan los compor-
tamientos de adopción de la tecnología (Al Amin
et al., 2020; Cabrera-Sánchez y Villarejo-Ramos,
2020; Olufemi, 2018). Por ejemplo, Grimaldo y Uy
(2020) concluyeron que las percepciones de los
usuarios sobre la utilidad y la facilidad de uso de
una tecnología están directamente relacionadas
con su intención de uso. La BI, entendida como
la intención de un usuario de participar en cier-
tos comportamientos en el futuro, es un fuerte
predictor de la adopción real de tecnología, lo
que indica que una intención positiva de usar
una tecnología a menudo conduce a su uso real
(Shahbaz et al., 2019).
A partir de estos hallazgos, así como de las
reexiones de la revisión de la literatura sobre los
efectos de la PU y la PEOU en la BI, se proponen
las siguientes hipótesis:
H1: La PU tiene un efecto positivo en la BI
para adoptar herramientas de BDA en el proceso
de auditoría.
H2: La PEOU tiene un efecto positivo en la BI
para adoptar herramientas de BDA en el proceso
de auditoría.
La literatura destaca a la PU y a la PEOU como
los principales impulsores de la adopción de la
tecnología dentro de la TAM. Sin embargo, po-
cos estudios examinan estos factores entre los
auditores de Big 4 en economías en desarrollo
como Palestina. Este estudio utiliza un enfoque de
métodos mixtos, integrando datos cuantitativos y
cualitativos para realizar un análisis exhaustivo
de las intenciones de adopción de la BDA de los
auditores. En la siguiente sección se detalla la
metodología, incluidos el análisis estadístico y
las entrevistas en profundidad.
Materiales y métodos
Este estudio emplea un enfoque de métodos
mixtos, combinando métodos de investigación
cuantitativos y cualitativos en consonancia con
el marco de Creswell (2009) para proporcionar
una comprensión global de las perspectivas de
los auditores. La investigación comienza con una
fase cuantitativa, utilizando cuestionarios para
analizar estadísticamente las relaciones entre
las variables relacionadas con el TAM y la BDA
(Khaldi, 2017). Los datos serán recogidos de los
auditores empleados por las cuatro grandes r-
mas de auditoría en Palestina, con el objetivo
de abordar las preguntas de investigación del
estudio. Este enfoque cuantitativo permite el
análisis de correlación, examinando las relacio-
nes variables sin alterar el comportamiento del
encuestado, aunque la causalidad no puede ser
implícita (Glasofer y Townsend, 2020).
Después de la fase cuantitativa, el estudio
incorpora un componente cualitativo a través
de entrevistas semiestructuradas con nueve au-
ditores que también participaron en la fase del
cuestionario. Esta fase cualitativa proporciona
una visión y contexto más profundos para los
hallazgos cuantitativos, utilizando análisis temá-
ticos para interpretar los datos (DiCicco-Bloom y
Crabtree, 2006; Braun y Clarke, 2006).
Técnicas de muestreo
La población objetivo del estudio está com-
puesta por auditores de las cuatro grandes em-
presas de auditoría que operan en Palestina. La
decisión de centrarse exclusivamente en las cuatro
grandes empresas se basa en su uso avanzado
de la transformación de datos y la aplicación es-
tratégica de la BDA en la auditoría, a diferencia
de las empresas de auditoría más pequeñas que
aún no han adoptado las nuevas prácticas de la
BDA (Li y Lai, 2011; Dagiliene y Kloviene, 2019).
Se adoptó un enfoque censal, seleccionando
a toda la población como muestra para mejorar
la precisión de los datos y eliminar los errores de
muestreo, que son de gran valor en estudios con
poblaciones más pequeñas (Levy y Lemeshow,
2013). Inicialmente, se incluyeron en la muestra
105 auditores de las cuatro grandes empresas;
sin embargo, se excluyeron aquellos con menos
de un año de experiencia para asegurar que los
participantes tuvieran una trayectoria profesional
adecuada, lo que resultó en una muestra nal de
Factores que inuyen en la adopción del análisis de Big Data por los auditores: un estudio mixto
Retos, 15(29), 29-46
ISSN impreso: 1390-6291; ISSN electrónico: 1390-8618
35
94 auditores. El cuestionario arrojó una tasa de
respuesta del 86 % de los auditores seleccionados.
Para la fase cualitativa, se seleccionaron los
participantes en la entrevista entre los que habían
completado el cuestionario y ocupaban puestos
directivos o superiores. Esta selección tenía por
objeto recabar información sobre la adopción de
la BDA de auditores con importantes funciones
de adopción de decisiones. De los 26 gerentes y
socios elegibles, nueve aceptaron participar en las
entrevistas semiestructuradas, enriqueciendo la
profundidad del análisis cualitativo.
Desarrollo de la medición
El cuestionario se divide en tres secciones,
que comprenden un total de 14 ítems, además
de información demográca. La primera sección
contiene seis ítems que miden la PU de la BDA.
La segunda sección contiene 6 ítems que evalúan
el PEOU de la BDA Los dos últimos ítems se rela-
cionan con la variable independiente de intención
conductual. En esta sección se utilizan las escalas
de medición de Davis (1989), asignando ítems
especícos a la PU (C.1.1 a C.1.6) y PEOU (C.2.1
a C.2.6). Aunque la TAM original de Davis no
incluía la intención conductual como constructo,
este estudio incorpora la intención conductual
basada en la TAM extendida de Davis y Venka-
tesh (1996), usando dos ítems (C.3.1 y C.3.2) para
medir las intenciones de los auditores de adoptar
la BDA. Para comprender mejor cómo se miden
las variables de estudio, en tabla 1 se presenta la
operacionalización de cada constructo teórico del
modelo estructural. En esta tabla se describen los
elementos utilizados para cada constructo, y se
ofrece una visión detallada de los instrumentos
de medición empleados en el estudio.
Tabla 1
Operacionalización de las variables de estudio y de los elementos de medición correspondientes
Constructos
reflectantes Elemento del instrumento N.º de
ítems Fuente
PU
• El uso de herramientas de análisis de big data en mi trabajo me
permitiría realizar tareas en menor tiempo.
• El uso de herramientas de análisis de big data mejoraría mi rendi-
miento laboral.
• El uso de herramientas de análisis de big data en mi trabajo aumen-
taría mi productividad.
• El uso de herramientas de análisis de big data mejoraría mi efectivi-
dad en el trabajo.
• El uso de herramientas de análisis de big data facilitaría mi trabajo.
• Las herramientas de análisis de big data serían útiles en mi trabajo.
6 (Davis, 1989)
PEU
• Aprender a operar herramientas de análisis de big data sería fácil
para mí.
• Me resultaría fácil obtener herramientas de análisis de big data para
hacer lo que quiero que hagan.
• Mi interacción con las herramientas de análisis de big data sería
clara y comprensible.
• Las herramientas de análisis de big data son flexibles para
interactuar.
• Sería fácil para mí volverme hábil en el uso de herramientas de
análisis de big data.
• Las herramientas de análisis de big data son fáciles de usar.
6 (Davis, 1989)
BI
• Asumiendo que tengo acceso a herramientas de análisis de big data,
intentaría usarlas.
• De tener acceso a herramientas de análisis de big data, asumo que
las usaría.
2
(Davis y
Venkatesh,
1996)
© 2025, Universidad Politécnica Salesiana, Ecuador
ISSN impreso: 1390-6291; ISSN electrónico: 1390-8618
36 Moath Abdelkarim Abu Al Rob, Mohd Nazli Mohd Nor, Zalailah Salleh y Alia Majed Khalaf
Para complementar los hallazgos cuantitati-
vos, el estudio emplea un enfoque de entrevista
semiestructurada en la fase cualitativa. Este mé-
todo permite una comprensión más profunda de
problemas complejos, permitiendo a los auditores
proporcionar una visión más detallada de los
temas centrales de investigación relacionados con
la adopción de la BDA y el escepticismo profesio-
nal (DiCicco-Bloom y Crabtree, 2006). Los datos
cualitativos de las entrevistas semiestructuradas
se analizaron mediante análisis temáticos (Braun
y Clarke, 2006). Después de la transcripción, la
codicación inicial identicó conceptos clave que
se agruparon en temas más amplios alineados
con los objetivos de la investigación. Un proce-
so iterativo aseguró la exactitud al reejar las
percepciones de los auditores sobre la adopción
de la BDA.
Para reducir los sesgos, se incluyeron audi
-
tores con distintos niveles de experiencia y se
aclararon los temas de seguimiento sobre si las
percepciones se derivaban de la experiencia o de
las opiniones de la industria, lo que garantiza una
representación equilibrada.
Control de sesgos
Varias medidas aseguraron la validez y la
abilidad al minimizar el sesgo. El sesgo de se-
lección se redujo mediante el muestreo censal
de todos los auditores elegibles. El sesgo de res-
puesta se controló con encuestas anónimas au-
toadministradas. El sesgo de deseabilidad social
se redujo utilizando una redacción neutra y ga-
rantías de condencialidad. El sesgo de medición
se minimizó con escalas validadas (Davis, 1989;
Davis y Venkatesh, 1996) y una prueba piloto
para la claridad. Estos pasos mejoran la precisión
y abilidad del estudio.
Resultados y discusión
Análisis de los cuestionarios
Para alcanzar los objetivos de la investigación y
probar las hipótesis propuestas, este estudio utilizó
el software SMARTPLS 4. El método estadístico
primario fue el análisis de senderos, componente
de la modelización de ecuaciones estructurales
(EEM). Este estudio utiliza la modelización de
ecuaciones estructurales de mínimos cuadrados
parciales (PLS-SEM) para el análisis de los datos.
Aunque el CB-SEM es adecuado para pruebas
teóricas con muestras grandes, el PLS-SEM es el
más empleado para la investigación exploratoria,
muestras más pequeñas y modelado predictivo
(Hair et al., 2019). Debido a que la adopción de
BDA ha sido poco estudiada entre los auditores
en las economías en desarrollo, la exibilidad y la
idoneidad de la PLS-SEM para modelos complejos
la convierten en la opción adecuada.
Evaluación del modelo de medición
Se necesita evaluar el modelo de medición
para estimar las relaciones entre las variables
latentes y sus indicadores observados, con un
enfoque principal en la evaluación de la abili-
dad, la consistencia interna y la validez. Esto es
especialmente relevante para constructos reexi-
vos como las dimensiones del TAM; a saber, PU,
PEOU e intención conductual. En la tabla 2 se
presentan los resultados del modelo de medición,
evaluados a través de tres métricas clave: carga
del ítem, validez convergente (evaluada mediante
la varianza media extraída, AVE) y coherencia
interna (medida por la abilidad compuesta, CR).
Según Hair et al. (2019), los valores de CR su-
periores a 0,708 indican una abilidad suciente.
Las cargas de elementos también deben superar
el umbral de 0,708 para conrmar la validez del
constructo. Adicionalmente, se requiere un valor
de AVE mayor a 0,50 para validar la aplicabili-
dad de cada constructo (Fornell y Larcker, 1981).
Los resultados del modelo de medición, como
se muestra en la tabla 2, indican que las cargas
de los elementos para los constructos oscilaron
entre 0,839 y 0,977. Además, cada constructo de-
mostró un valor de CR superior a 0,951, lo que
reeja una alta consistencia interna. El AVE para
todos los constructos también superó el umbral
de 0,5, conrmando su validez convergente. Se
evaluó la validez discriminante para garantizar
que cada constructo sea distinto de los demás, lo
que es crucial para la característica particular de
los instrumentos de medición en los diferentes
Factores que inuyen en la adopción del análisis de Big Data por los auditores: un estudio mixto
Retos, 15(29), 29-46
ISSN impreso: 1390-6291; ISSN electrónico: 1390-8618
37
factores. Esto se conrmó al comprobar que la
raíz cuadrada del AVE para cada constructo era
mayor que las correlaciones entre los constructos
(Fornell y Larcker, 1981).
La tabla 3 presenta los resultados basados en
el criterio Fornell-Larcker, conrmando el cumpli-
miento de este requisito de validez discriminante.
Adicionalmente, se evaluó la validez discrimi-
nante usando la relación heterotrait-monotrait
(HTMT) de correlaciones, como lo recomendó Ab
Hamid et al. (2017). Un valor HTMT por debajo
de 0,90 se considera generalmente aceptable, lo
que indica una adecuada validez discriminante,
mientras que los valores por encima de este um-
bral sugieren lo contrario. Los resultados de la
prueba HTMT se muestran en la tabla 4, con todos
los valores por debajo del umbral de 0,90, conr
-
mando así la validez discriminante del modelo.
Tabla 2
Construcciones reectantes y propiedades de medición
Constructos
reflectantes
Construcción de
los ítems Valor de los ítems CR AVE Referencia
PU C.1.1 0,930 0,971 0,874 Davis (1989)
C.1.2 0,964 Davis (1989)
C.1.3 0,949 Davis (1989)
C.1.4 0,947 Davis (1989)
C.1.5 0,900 Davis (1989)
C.1.6 0,920 Davis (1989)
PEOU C.2.1 0,868 0,951 0,804 Davis (1989)
C.2.2 0,904 Davis (1989)
C.2.3 0,943 Davis (1989)
C.2.4 0,923 Davis (1989)
C.2.5 0,899 Davis (1989)
C.2.6 0,839 Davis (1989)
BI C.3.1 0,976 0,976 0,954 Davis y Venkatesh (1996)
C.3.2 0,977 Davis y Venkatesh (1996)
Tabla 3
Validez discriminante del modelo de medición- criterio de Fornell-Larcker
Construcciones BI PEOU PU
BI 0,977
PEOU 0,633 0,897
PU 0,713 0,712 0,935
© 2025, Universidad Politécnica Salesiana, Ecuador
ISSN impreso: 1390-6291; ISSN electrónico: 1390-8618
38 Moath Abdelkarim Abu Al Rob, Mohd Nazli Mohd Nor, Zalailah Salleh y Alia Majed Khalaf
Tabla 4
Relación heterotrait-monotrait (HTMT)
Construcciones BI PEOU PU
BI -
PEOU 0,661 -
PU 0,739 0,738 -
Estadísticas descriptivas
El análisis descriptivo proporciona una visión
general de los datos numéricos recogidos, sen-
tando las bases para una interpretación posterior.
Este análisis examina principalmente la media y
la desviación estándar de cada constructo objeto
de estudio. La presentación de estas medidas
estadísticas permite identicar a los constructos
con los valores medios más altos y más bajos,
resaltando las variaciones en las percepciones
de los encuestados. Los objetivos principales de
este análisis son: en primer lugar, determinar
la tendencia central de las respuestas, según
lo indiquen los valores medios; y en segundo,
evaluar la variabilidad dentro del conjunto de
datos, representada por la desviación estándar.
Una desviación estándar más baja reeja un alto
nivel de consenso entre los encuestados, lo que
indica estar totalmente de acuerdo con un tema
en particular. Por el contrario, una desviación es-
tándar más alta sugiere una gama más amplia de
opiniones que reejan puntos de vista diferentes
del mismo tema (Hair et al., 2019).
Para este estudio, se utilizó una escala Likert
de 7 puntos, donde una puntuación de 7 indica
totalmente de acuerdo y una puntuación de 1
representa totalmente en desacuerdo. La tabla 5
proporciona la media calculada y la desviación
estándar para cada constructo, ofreciendo in-
formación sobre las tendencias generales de los
encuestados y la coherencia de sus respuestas.
Tabla 5
Estadísticas descriptivas de cada escala constructiva
Componente Media Desviación estándar Nivel
PU 5,42 1,02 Alto
PEOU 5,16 0,94 Alto
BI 5,44 1,07 Alto
La tabla 5 revela que, en promedio, los tres
constructos evaluados entre los auditores em-
pleados en las cuatro grandes empresas de audi-
toría de Palestina recibieron altas calicaciones,
con una puntuación media general de 5,34. Cada
constructo obtuvo una puntuación dentro del
alto rango, con valores medios que oscilaban en-
tre 5,16 para el constructo PEOU y 5,44 para el
constructo PU.
Evaluación del modelo estructural
Henseler et al. (2009) clasican los valores
aceptables para el coeciente de determinación
(R²) de la siguiente manera: Los valores R² de 0,67
o más se consideran signicativos, los valores
entre 0,33 y 0,67 se clasican como moderados,
y los valores comprendidos entre 0,19 y menos
de 0,33 se consideran débiles.
Factores que inuyen en la adopción del análisis de Big Data por los auditores: un estudio mixto
Retos, 15(29), 29-46
ISSN impreso: 1390-6291; ISSN electrónico: 1390-8618
39
Tabla 6
Resultados del análisis del coeciente de determinación R²
Componente R cuadrado R ajustado al cuadrado
BI 0,539 0,527
PEU 0,622 0,591
PU 0,706 0,678
Como se muestra en la tabla 6, los valores
ajustados de R² proporcionan información sobre
la capacidad explicativa del modelo en relación
con diversos constructos. Para el BI, el valor R²
ajustado es 0,527, lo que indica que el 52,7 % de
la varianza en BI se explica por las variables pre-
dictoras. El PEOU tiene un valor R² ajustado de
0,591, lo que sugiere que el 59,1 % de su varianza
se cuenta por los predictores. Finalmente, la PU
muestra un valor R² ajustado de 0,678, lo que
signica que el 67,8 % de la varianza en PU se
explica por las variables predictoras. Estos valores
R² ajustados reejan la robustez del modelo, al
explicar las variaciones en los respectivos cons-
tructos a pesar de los ajustes para el número de
predictores.
Pruebas de las hipótesis
Se utilizaron coecientes de ruta para evaluar
las relaciones hipotéticas. El análisis siguió el
enfoque recomendado por Hair et al. (2019), em-
pleando la técnica de bootstrapping para generar
estimaciones conables.
Los resultados, presentados en la tabla 7 y las
guras 2 y 3, incluyen datos numéricos para los
coecientes beta, desviaciones estándar y valores
p basados en una prueba de dos colas. Como se
muestra en la tabla 7 y en las guras 2 y 3, los
resultados de las pruebas de hipótesis revelan
información signicativa sobre las relaciones
entre las variables. La hipótesis H1, que plantea
una relación entre el PU y BI, está fuertemente
justicado con un coeciente beta de 0,715, un
valor t de 9,650 y un valor p de 0,000, lo que in-
dica una asociación positiva y estadísticamente
signicativa entre el PU y el BI. Del mismo modo,
también se admite la H2, que propone un vínculo
entre el PEOU y el BI, con un coeciente beta de
0,640, un valor t de 6,157 y un valor p de 0,000.
Estos hallazgos conrman la relación hipotética
entre el PEOU y BI, aunque con un efecto menor
en comparación con la H1.
Tabla 7
Resultado de la prueba de hipótesis
Hipótesis Coeficiente de
ruta
Estadísticas
de T Valores P Aceptado/
rechazado
H1 Utilidad Percibida -> Intención
Conductual 0,715 9,650 0,000 Aceptado
H2 Facilidad de uso percibida ->
Intención de comportamiento 0,640 6,157 0,000 Aceptado
© 2025, Universidad Politécnica Salesiana, Ecuador
ISSN impreso: 1390-6291; ISSN electrónico: 1390-8618
40 Moath Abdelkarim Abu Al Rob, Mohd Nazli Mohd Nor, Zalailah Salleh y Alia Majed Khalaf
Figura 2
Estimación del ajuste del modelo mediante el procedimiento de Bootstrapping (PU - BI)
Figura 3
Estimación del ajuste del modelo mediante el procedimiento Bootstrapping (PEOU - BI)
Análisis de las entrevistas
La segunda fase del estudio consistió en en-
trevistas semiestructuradas con auditores exter-
nos de nivel directivo o superior (de gerentes a
asociados), que también habían participado en
la fase del cuestionario (nueve auditores). Esta
fase cualitativa tuvo como objetivo profundizar
la comprensión de los hallazgos cuantitativos,
particularmente en lo que se reere a cómo la
PU y la PEOU impactan en el BI de la adopción
de la BDA en la auditoría. Además, se estudiaron
los factores que inuyen en la adopción de la
BDA y su papel en la evolución en las prácticas
modernas de auditoría. El análisis cualitativo
reveló varios temas clave, lo que da luz sobre
las percepciones de los auditores acerca de la
integración de la BDA en su trabajo. Estos temas
Factores que inuyen en la adopción del análisis de Big Data por los auditores: un estudio mixto
Retos, 15(29), 29-46
ISSN impreso: 1390-6291; ISSN electrónico: 1390-8618
41
también proporcionaron una explicación más
detallada de los resultados cuantitativos y pu-
sieron de relieve los problemas y oportunidades
prácticos asociados con la adopción del programa
de Doha para el desarrollo.
Utilidad percibida
Un tema importante que surgió de las entre-
vistas fue la inuencia signicativa de la UP en
la intención de los auditores de adoptar las tec-
nologías de la BDA. Los entrevistados destaca-
ron sistemáticamente los benecios prácticos de
la dirección de auditoría de la calidad, incluida
una mayor calidad de la auditoría, eciencia y
perspectivas estratégicas.
Capacidades de auditoría mejoradas: la BDA
se considera un instrumento transformador que
mejora los procesos de auditoría al permitir un
análisis más eciente de grandes conjuntos de
datos. Por ejemplo, el auditor 6 compartió: “Uti-
lizamos la BDA para la evaluación de riesgos,
pruebas de transacciones y detección de fraudes.
Este enfoque nos permite analizar de manera
eciente grandes conjuntos de datos, identicar
patrones y centrarnos en áreas con mayores ries-
gos, contribuyendo así a mejorar la calidad de la
auditoría“. Del mismo modo, el auditor 3 enfatizó
que las herramientas de la BDA “nos permiten
analizar grandes conjuntos de datos de manera
más eciente, lo que conduce a resultados de
auditoría más precisos”.
Toma de decisiones estratégicas: varios audi-
tores destacaron la forma en que la BDA ayuda a
una mejor toma de decisiones y a la identicación
de riesgos. El auditor 8 explicó, “Las ideas obte-
nidas de la BDA nos permiten tomar decisiones
más informadas, identicar los riesgos de manera
más efectiva y ofrecer más asesoramiento estra-
tégico a nuestros clientes“. Esto demuestra que
la PU va más allá de la eciencia, inuyendo en
los servicios de valor añadido que los auditores
pueden proporcionar a los clientes. Estas pers-
pectivas cualitativas se alinean con los resultados
cuantitativos, donde la PU impactó signicativa-
mente a la BI (= 0,715, p < 0,001). Esto conrma
que los auditores son más propensos a adoptar
la BDA cuando perciben benecios claros como
una mayor eciencia y detección de fraudes.
Facilidad de uso percibida
La facilidad de uso de las herramientas de la
BDA también inuyó en la adopción, en donde
el PEOU está vinculado a la facilidad de uso, la
integración del sistema y el esfuerzo de forma-
ción. Los resultados de la encuesta mostraron
una calicación positiva de la PEOU (media =
5,16), pero un efecto más débil en la BI que en
la PU. Los entrevistados insistieron en que, si
bien la facilidad de uso es importante, la utilidad
percibida sigue siendo el motivador más fuerte.
Facilidad de integración: los auditores obser-
varon que era más probable que se adoptaran
instrumentos que se integraran perfectamente
en los sistemas existentes. Por ejemplo, el audi-
tor 8 declaró, “las herramientas que son fáciles
de usar y se integran bien con nuestros sistemas
existentes son más fáciles de adoptar.” Esto pone
de relieve la importancia de garantizar que las
herramientas de la BDA no alteren los ujos de
trabajo existentes.
Curva de aprendizaje y simplicidad: Las he-
rramientas que requerían un mínimo de entre-
namiento o esfuerzo fueron las que obtuvieron
mayor aceptación. El auditor 9 explicó, “Si es
fácil de usar, aumentará mis ganas de emplearla”.
Del mismo modo, el auditor 4 observó, “Cuanto
más simples son las herramientas de BDA, hay
más probabilidad de que se usen”. Estas obser-
vaciones ponen en relieve que la facilidad de uso
repercute directamente en las tasas de adopción,
en particular entre los auditores que están menos
familiarizados con las tecnologías avanzadas.
La evolución del papel de la BDA en la
auditoría
Los entrevistados expresaron su rme convic-
ción de la importancia de la BDA en el ámbito
de la auditoría. Varios auditores describieron a la
BDA como la base de las prácticas modernas de
auditoría, en particular en mercados dinámicos
como Palestina.
© 2025, Universidad Politécnica Salesiana, Ecuador
ISSN impreso: 1390-6291; ISSN electrónico: 1390-8618
42 Moath Abdelkarim Abu Al Rob, Mohd Nazli Mohd Nor, Zalailah Salleh y Alia Majed Khalaf
Mayor integración: la BDA se está integrando
cada vez más en los ujos de trabajo de auditoría,
en particular para los clientes más grandes o las
industrias con grandes conjuntos de datos. El
auditor 7 señaló, “El BDA se convirtió en una
función fundamental dentro de la auditoría de
bancos y clientes de seguros a partir de 2021”.
Futuro potencial: muchos auditores preveían
que la BDA seguiría evolucionando y desempe-
ñando un papel cada vez más importante en la
auditoría. El auditor 9 compartió:
El BDA se está convirtiendo rápidamente en
la base de las prácticas modernas de auditoría.
A medida que estas tecnologías avancen, espero
que se integren más en nuestras prácticas coti-
dianas de auditoría, mejorando aún más nuestra
capacidad de proporcionar servicios de auditoría
de alta calidad.
Análisis de los resultados
La pregunta de investigación y sus hipótesis
relacionadas sirvieron como base para determinar
la relación entre la PU, PEOU y la BI de los audito-
res para adoptar a la BDA en países en desarrollo
como Palestina. El análisis de senderos conrmó
que la PU tiene una inuencia más fuerte en la BI
que la PEOU, un hallazgo probado por las pers-
pectivas cualitativas. Los entrevistados señalaron
que si bien la facilidad de uso resulta beneciosa,
la utilidad percibida de la BDA para mejorar la
eciencia y la precisión es el principal motor de
la adopción. También destacaron la necesidad
de mejorar la capacitación y la integración, que,
aunque no se miden cuantitativamente, podrían
tener un impacto en la adopción a largo plazo.
Estos hallazgos respaldan las predicciones de
TAM, al tiempo que sugieren que los factores
contextuales también pueden inuir en las deci-
siones de la adopción.
La subpregunta 1 examinó la relación entre
la UP y el BI de los auditores para adoptar la
BDA. De acuerdo con Davis (1989), la PU se de-
ne como el grado en que una persona cree que
el uso de un sistema mejorará su rendimiento
laboral. El análisis de la trayectoria reveló que
la PU fue un predictor fuerte y estadísticamente
signicativo de la BI. En consecuencia, se apoyó
la hipótesis relativa a la subpregunta 1. La rela-
ción positiva entre la PU y la BI indicó que los
niveles más altos de PU estaban asociados con
una mayor intención de adoptar la BDA. Estos
hallazgos sugieren que la PU es el factor más
inuyente para los auditores a la hora de decidir
si adoptan la BDA en países en desarrollo como
Palestina.
La subpregunta 2 se reere a la relación entre
el PEOU y la BI de los auditores para adoptar
a la BDA. Según Davis (1989), la PEOU reeja
la creencia de una persona de que un sistema
será fácil de aprender y requerirá un esfuerzo
mínimo para utilizarlo. El análisis de ruta reveló
una correlación signicativa entre la PEOU y BI,
lo que llevó a la aceptación de la hipótesis de la
subpregunta 2. Sin embargo, las conclusiones
indican que el PEOU no es un factor primordial
para los auditores a la hora de decidir si adoptan
la BDA en países en desarrollo como Palestina.
Entre las dos variables independientes en el TAM,
la PU demostró una signicancia estadística más
fuerte que la PEOU en la predicción de la BI.
La fase de entrevistas proporciona una buena
perspectiva de los factores que inuyen en la
adopción de la BDA, así como de sus benecios
y desafíos percibidos. Los hallazgos sugieren
que la PU y la PEOU determinan la adopción
de la BDA, y que las características del cliente
y la especicidad de la tarea también juegan un
gran papel. Sin embargo, los obstáculos como la
compatibilidad de los datos y las limitaciones
especícas de la industria muestran la necesidad
de seguir innovando y prestando apoyo para
mejorar la adopción de las herramientas de la
BDA. En general, las entrevistas conrman que
la BDA se está convirtiendo en un componente
indispensable de la auditoría moderna, que ofrece
benecios transformadores y cuya importancia
se espera aumente con el tiempo.
Las conclusiones proporcionan información
práctica para las empresas de auditoría que adop-
tan la BDA. Dado que la PU es el mayor indica-
dor de adopción, las empresas deben enfatizar
sus benecios, como la evaluación de riesgos, la
detección de fraudes y la eciencia, a través de
la capacitación, estudios de casos y proyectos pi-
loto. Como la PEOU también inuye en el BI, las
Factores que inuyen en la adopción del análisis de Big Data por los auditores: un estudio mixto
Retos, 15(29), 29-46
ISSN impreso: 1390-6291; ISSN electrónico: 1390-8618
43
empresas deben garantizar herramientas fáciles
de usar, una buena integración de software y un
soporte técnico continuo. El analizar las barre-
ras como las brechas de costos y experiencia a
través de la adopción gradual, las asociaciones
y la mejora de las capacidades puede impulsar
aún más a la adopción, mejorando la ecacia de
la auditoría en un entorno impulsado por datos.
Si bien la PU y la PEOU inuyen signicativa-
mente en la adopción, estas percepciones pueden
evolucionar. Los temas sobre la facilidad de uso
podrían disminuir con la familiaridad, sin embar-
go, es inevitable que surjan nuevos desafíos como
la seguridad de los datos, los costos y las regu
-
laciones. Los avances en IA y la automatización
también podrían afectar a la utilidad percibida,
alterando los motores de adopción. La investiga-
ción en el futuro debería examinar estos cambios
e identicar los factores emergentes que inuyen
en la adopción a largo plazo.
Interpretación de los resultados
Los hallazgos de este estudio resaltan que to-
dos los auditores participantes de las Grandes 4
rmas en Palestina tenían conocimiento previo o
experiencia con la BDA, lo que sugiere percepcio-
nes positivas de la tecnología que pueden haber
inuido en la adopción. Se ha demostrado que
las actitudes de los usuarios moldean las percep-
ciones y la BI (Dixit y Prakash, 2018). Si bien se
considera que el TAM es el marco principal para
estudiar la adopción de la tecnología, también se
han utilizado modelos alternativos (Davis et al.,
1989; Verma et al., 2018; Demoulin y Coussement,
2020; Grimaldo y Uy, 2020). El TAM, adaptado de
la Teoría del Comportamiento Planeado (TPB) y
la Teoría de la Acción Razonada (TRA), también
predice el comportamiento real de forma más
ecaz en comparación con sus predecesores (Da-
vis, 1989). Sin embargo, como advirtieron Diop
et al. (2019), el BI no siempre se traduce en una
adopción real.
El examen de las respuestas a las entrevistas
de los auditores que trabajan en las cuatro gran-
des empresas de Palestina ofrece perspectivas
valiosas sobre la adopción de las herramientas
de BDA en los procesos de auditoría. Estas ideas
son muy relevantes cuando se ven a través de la
lente del TAM.
Los resultados del cuestionario conrman
que la PU inuye positivamente en la BI para
adoptar la BDA. Los entrevistados reforzaron esta
opinión, señalando que, si bien la PU impulsa
la adopción, existen obstáculos prácticos, como
problemas de costes y eciencia que pueden li-
mitar la aplicación.
Esto concuerda con la propuesta de TAM de
que la PU moldea signicativamente las actitudes
e intenciones de los usuarios hacia la adopción de
la tecnología (Davis, 1989; Brock y Khan, 2017).
Además, las respuestas de los entrevistados coin-
ciden con las conclusiones de Grimaldo y Uy
(2020), que demostraron una correlación positiva
y directa entre la PU y la intención de utilizar la
tecnología. El potencial de las herramientas de
BDA para mejorar la visión de negocio y mejorar
los procesos de toma de decisiones apoya aún
más esta relación positiva (Adrianto, 2018). El
PEOU también surgió como un factor importante
que inuyó en la adopción de la BDA. Los entre-
vistados señalaron que la Dirección de Auditoría
Interna, percibida como fácil de usar y exible,
probablemente alentaría a los auditores a adop-
tarlas debido a su eciencia y a sus ventajas en
cuanto al ahorro de tiempo. Por el contrario, si
la BDA se percibe como compleja, los auditores
pueden estar reacios a utilizarla.
Estos hallazgos apoyan la armación de TAM
de que el PEOU inuye en el BI (Davis, 1986). Las
observaciones de los entrevistados también con-
cuerdan con los estudios anteriores que subrayan
la importancia del PEOU en la conguración de
los comportamientos de adopción de la tecno-
logía (Al Amin et al., 2020; Cabrera-Sánchez y
Villarejo-Ramos, 2020; Olufemi, 2018).
Conclusiones
Las conclusiones de este estudio tienen im-
portantes repercusiones para los auditores de las
cuatro grandes empresas que operan en países
en desarrollo, en particular en Palestina. En el
entorno competitivo actual, las grandes organi-
zaciones dependen cada vez más de la BDA para
mejorar la toma de decisiones, la eciencia y la
© 2025, Universidad Politécnica Salesiana, Ecuador
ISSN impreso: 1390-6291; ISSN electrónico: 1390-8618
44 Moath Abdelkarim Abu Al Rob, Mohd Nazli Mohd Nor, Zalailah Salleh y Alia Majed Khalaf
posición en el mercado. Sin embargo, los audi-
tores han adoptado con lentitud la BDA debido
a los criterios de adopción general y a diversos
problemas de aplicación (Abu Al Rob et al., 2024b;
Olufemi, 2018). Entender los factores como PEOU
y PU aporta grandes ideas para los profesionales,
ayudándoles a superar las barreras de adopción.
Si los auditores de las grandes empresas no adop-
tan la BDA, corren el riesgo de quedar rezagados
en una profesión que depende cada vez más de
ideas basadas en datos. Este estudio refuerza la
aplicabilidad del TAM en la auditoría, centrándo-
se especícamente en el PEOU y PU, aislándolos
de inuencias externas.
Desde el punto de vista del profesional, los
resultados indican que las percepciones de los au-
ditores inuyen mucho en la intención de adoptar
la BDA. Los resultados conrman que el TAM es
un modelo ecaz para medir la adopción de tec-
nología en el BDA y la auditoría dentro de Pales-
tina. Las pruebas de hipótesis y los resultados de
las entrevistas sugieren que los auditores valoran
la capacidad de la BDA para simplicar las tareas
y mejorar el rendimiento, por lo que es crucial
que las empresas de auditoría hagan hincapié
en estos benecios para fomentar la adopción.
El estudio también encontró que la PEOU tuvo
menos impacto en la BI de los auditores que en
la PU, lo que indica que la facilidad de uso por
sí sola no es un factor decisivo a menos que los
auditores perciban a la BDA como beneciosa. A
medida que la PU aumentó, también incrementó
la intención de los auditores de adoptar la BDA,
reforzando la idea de que la utilidad percibida
es el principal motivador. Los auditores de las
grandes empresas que reconocen los benecios
prácticos de la BDA son más propensos a adop-
tar y utilizar la tecnología. Esta relación entre
utilidad y adopción se alinea con la tendencia
de las organizaciones que implementan la BDA
(Bumblauskas et al., 2017; Dagilienė y Klovienė,
2019; Abu Al Rob et al., 2024a).
Este estudio respaldó al TAM al identicar las
relaciones signicativas entre el PEOU, PU y BI
para adoptar al BDA. Sin embargo, su enfoque
en los auditores de las cuatro grandes rmas en
Palestina limita la generalización de los hallaz-
gos a otros contextos. Además, el estudio solo
examinó dos variables TAM (PEOU y PU), ex-
cluyendo factores externos como la autoecacia
o el entrenamiento, que también pueden inuir
en la adopción de la BDA. Finalmente, el conar
únicamente en el marco TAM puede haber pasado
por alto las ideas que algunas teorías alternativas
podrían proporcionar para entender la adopción
de tecnología en la auditoría.
El estudio encontró que la PEOU y PU inu-
yeron signicativamente en la BI de los auditores
para adoptar la BDA. Sin embargo, se recomienda
que las investigaciones futuras amplíen el alcance
para incluir a auditores de diferentes regiones y
sectores, incorporen variables externas adiciona-
les (por ejemplo, la autoecacia o la capacitación)
para comprender mejor los factores que inuyen
en las BI, y exploren marcos alternativos como
la teoría unicada de la aceptación y el uso de la
tecnología (UTAUT) para proporcionar conoci-
mientos más profundos sobre la adopción de la
tecnología en la auditoría. Además, la adopción
de la BDA a largo plazo puede estar inuenciada
por cambios regulatorios y avances tecnológicos
más allá de la PU y PEOU. A medida que las
empresas integren el análisis de datos, la inves-
tigación futura debe evaluar si las percepciones
de utilidad de los auditores se mantienen esta-
bles o si evolucionan. Entre las consecuencias
prácticas guran las inversiones en capacitación
para las empresas, las políticas de apoyo de los
reguladores y las soluciones fáciles de usar de
los proveedores de tecnología.
Agradecimientos
Los autores declaran que esta investigación
no recibió ninguna nanciación especíca. Sin
embargo, reconocen el apoyo institucional pro-
porcionado por la Universidad Malasia Tereng-
ganu para llevar a cabo este estudio.
Referencias bibliográficas
Ab Hamid, M. R., Sami, W. y Sidek, M. M. (2017,
September). Discriminant validity assessment:
Use of Fornell & Larcker criterion versus
HTMT criterion. Journal of Physics: Conference
Series, 890(1), 012163). IOP Publishing.
https://bit.ly/44aUcLV
Factores que inuyen en la adopción del análisis de Big Data por los auditores: un estudio mixto
Retos, 15(29), 29-46
ISSN impreso: 1390-6291; ISSN electrónico: 1390-8618
45
Abu Al Rob, M., Mohd Nor, M. N. y Salleh, Z. (2024).
The influence of big data analytics adop-
tion on auditors’ professional skepticism in
risk assessment: An empirical study using
the technology acceptance model. Journal of
Logistics, Informatics and Service Science, 11(11),
158-177.
https://doi.org/10.33168/JLISS.2024.1110
Abu Al Rob, M., Mohd Nor, M. N. y Salleh, Z. (2024).
The role of training in Big Data Analytics
adoption: an empirical study of auditors using
the technology acceptance model. Electronic
Journal of Business Research Methods, 22(2),
30-45.
https://doi.org/10.34190/ejbrm.22.2.3752
Adrianto, Z. (2018). Auditing in the era of big data:
a literature review. Jurnal Akuntansi dan
Keuangan, 17(1), 1-6.
Al Amin, M., Nowsin, N., Hossain, I. y Bala, T. (2020).
Impact of social media on consumer buying
behaviour through online value proposition: A
study on e-commerce business in Bangladesh.
Academy of Strategic Management Journal, 19(5),
1-18. bit.ly/3EycBHG
Alyoussef, I. Y. y Al-Rahmi, W. M. (2022). Big data
analytics adoption via lenses of Technology
Acceptance Model: empirical study of higher
education. Entrepreneurship and Sustainability
Issues, 9(3), 399.
https://doi.org/10.9770/jesi.2022.9.3(24)
Ajibade, P. (2018). Technology acceptance model limi-
tations and criticisms: Exploring the practical
applications and use in technology-related
studies, mixed-method, and qualitative resear-
ches. Library Philosophy and Practice, 9.
Braun, V. y Clarke, V. (2006). Using thematic analysis in
psychology. Qualitative research in psychology,
3(2), 77- 1001.
https://doi.org/10.1191/1478088706qp063oa
Brock, V. y Khan, H. U. (2017). Big data analytics: does
organizational factor matters impact techno-
logy acceptance? Journal of Big Data, 4(1), 1-28.
https://doi.org/10.1186/s40537-017-0081-8
Bumblauskas, D., Nold, H., Bumblauskas, P. e Igou, A.
(2017). Big data analytics: transforming data
to action. Business Process Management Journal,
23(3), 703-720.
https://doi.org/10.1108/BPMJ-03-2016-0056
Cabrera-Sánchez, J. P. y Villarejo-Ramos, A. F.
(2020). Factors affecting the adoption of
big data analytics in companies. Revista
de Administração de Empresas, 59, 415-429.
https://doi.org/10.1590/S0034-759020190607.
Chopdar, P. K., Korfiatis, N., Sivakumar, V. J. y Lytras,
M. D. (2018). Mobile shopping apps adoption
and perceived risks: A cross-country perspecti-
ve utilizing the Unified Theory of Acceptance
and Use of Technology. Computers in Human
Behavior, 86, 109-128.
https://doi.org/10.1016/j.chb.2018.04.017.
Creswell, J. W. (2009). Research design: Qualitative, quan-
titative, and mixed methods approaches (3rd ed.).
SAGE Publications.
Dagilienė, L. y Klovienė, L. (2019). Motivation to use
big data and big data analytics in external
auditing. Managerial Auditing Journal.
https://doi.org/10.1108/MAJ-01-2018-1773
Davis, F. D., Bagozzi, R. P. y Warshaw, P. R. (1989). User
acceptance of computer technology: A compa-
rison of two theoretical models. Management
science, 35(8), 982-1003.
https://doi.org/10.1287/mnsc.35.8.982
Davis, F. D. y Venkatesh, V. (1996). A critical assess-
ment of potential measurement biases in the
technology acceptance model: three experi-
ments. International Journal of Human-Computer
Studies, 45(1), 19-45.
https://doi.org/10.1006/ijhc.1996.0040
Demoulin, N. T. y Coussement, K. (2020). Acceptance
of text-mining systems: The signaling
role of information quality. Information &
Management, 57(1), 103120.
https://doi.org/10.1016/j.im.2018.10.006
DiCicco-Bloom, B. y Crabtree, B. F. (2006). The quali-
tative research interview. Medical education,
40(4), 314-321.
https://bit.ly/3EKQqOT
Diop, E. B., Zhao, S. y Duy, T. V. (2019). An exten-
sion of the technology acceptance model for
understanding travelers’ adoption of variable
message signs. PLoS one, 14(4), e0216007.
https://bit.ly/4lR5xXO
Eilifsen, A., Kinserdal, F., Messier, W. F. y McKee, T. E.
(2020). An exploratory study into the use of
audit data analytics on audit engagements.
Accounting Horizons, 34(4), 75-103.
https://doi.org/10.2308/HORIZONS-19-121
Fornell, C. y Larcker, D. F. (1981). Evaluating structural
equation models with unobservable variables
and measurement error. Journal of Marketing
Research, 18(1), 39-50.
https://bit.ly/3GvNma0
Gangwar, H. (2020). Big Data Analytics usage and
business performance: integrating the
Technology Acceptance Model (TAM) and
Task Technology Fit (TTF) Model. Electronic
Journal of Information Systems Evaluation, 23(1),
45-64.
https://doi.org/10.34190/EJISE.20.23.1.004
© 2025, Universidad Politécnica Salesiana, Ecuador
ISSN impreso: 1390-6291; ISSN electrónico: 1390-8618
46 Moath Abdelkarim Abu Al Rob, Mohd Nazli Mohd Nor, Zalailah Salleh y Alia Majed Khalaf
Glasofer, A. y Townsend, A. B. (2020). Determining the
level of evidence: Nonexperimental research
designs. Nursing 2020 Critical Care, 15(1),
24-27.
https://bit.ly/3EDCfv7
Grimaldo, J. R. y Uy, C. (2020). Factors affecting recruit-
ment officers’ intention to use online tools.
Review of Integrative Business and Economics
Research, 9, 194-208. https://bit.ly/4hUCQql
Hair, J. F., Risher, J. J., Sarstedt, M. y Ringle, C. M.
(2019). When to use and how to report the
results of PLS-SEM. European business review,
31(1), 2-24.
https://doi.org/10.1108/EBR-11-2018-0203
Henseler, J., Ringle, C. M. y Sinkovics, R. R. (2009). The
use of partial least squares path modeling in
international marketing. En New challenges to
international marketing (Vol. 20, pp. 277-319).
Emerald Group Publishing Limited.
https://bit.ly/4iCzDeU
Hossain, S. A., Bao, Y., Hasan, N. y Islam, M. F. (2020).
Perception and prediction of intention to use
online banking systems: An empirical study
using extended TAM. International Journal of
Research in Business and Social Science (2147-
4478), 9(1), 112-126.
https://doi.org/10.20525/ijrbs.v9i1.591
İdil, K. A. Y. A. y Akbulut, D. H. (2018). Big data
analytics in financial reporting and accoun-
ting. Press Academia Procedia, 7(1), 256-259.
https://bit.ly/4cTc549
Khaldi, K. (2017). Quantitative, qualitative or mixed
research: Which research paradigm to use?
Journal of Educational and Social Research, 7(2),
15-30. https://doi:10.5901/jesr.2017.v7n2p15
Levy, P. S. y Lemeshow, S. (2013). Sampling of popula
-
tions: Methods and applications (4th ed.). John
Wiley & Sons.
Li, H. L. y Lai, M. M. (2011). Demographic differen-
ces and internet banking acceptance. MIS
REVIEW: An International Journal, 16(2), 55-92.
https://bit.ly/42YdG4b
Mei, Y. C. y Aun, N. B. (2019). Factors influencing con-
sumers’ perceived usefulness of M-Wallet in
Klang valley, Malaysia. Review of Integrative
Business and Economics Research, 8, 1-23.
https://bit.ly/4hLAhY1
Müller, S. D. y Jensen, P. (2017). Big data in the Danish
industry: application and value creation.
Business Process Management Journal.
https://bit.ly/4cRXqpM
No, W. G., Lee, K., Huang, F. y Li, Q. (2019).
Multidimensional audit data selection
(MADS): A framework for using data analytics
in the audit data selection process. Accounting
Horizons, 33(3), 127-140.
https://doi.org/10.2308/acch-52453
Ofori, D. y Appiah-Nimo, C. (2019). Determinants of
online shopping among tertiary students in
Ghana: An extended technology acceptance
model. Cogent Business & Management, 6(1),
1644715.
https://bit.ly/4cYTGD4
Olufemi, J. (2018). Considerations for the adoption of
Cloud-based Big Data Analytics in SMALL
BUSINESS ENTERPRISES. Electronic Journal
of Information Systems Evaluation, 21(2), 63-79.
https://bit.ly/4hP5NDW
Shahbaz, M., Gao, C., Zhai, L., Shahzad, F. y Hu, Y.
(2019). Investigating the adoption of big data
analytics in healthcare: the moderating role of
resistance to change. Journal of Big Data, 6(1),
1-20. https://doi.org/10.1186/2047-2501-2-3.
Tarabasz, A. y Poddar, G. (2019). Factors influencing
adoption of wearable devices in Dubai. Journal
of Economics and Management, 36(2), 123-143.
https://bit.ly/4jKMa1w
Verma, S., Bhattacharyya, S. S. y Kumar, S. (2018). An
extension of the technology acceptance model
in the big data analytics system implemen-
tation environment. Information Processing &
Management, 54(5), 791-806.
https://doi.org/10.1016/j.ipm.2018.01.004