South American Research Journal, 6(1), 91-100  
https://www.sa-rj.net/index.php/sarj/article/view/113  
requisitos fitosanitarios y viabilidad logística para  
sustentar decisiones de internacionalización.  
Palabras clave: Modelo logarítmico, exporta-  
ción de banano, mercados internacionales, modelo  
gravitacional.  
Modelo gravitacional para identifi-  
car mercados internacionales po-  
tenciales del banano orense me-  
diante big data 2022-2025.  
ABSTRACT  
Gravity model to identify potential interna-  
tional markets for orense bananas using  
big data 2022-2025.  
This work apply a gravity model using big data  
to identify potential international markets for  
Orense bananas during the period 2022-2025. The  
research arises from the need to strengthen the  
competitiveness of the Ecuadorian banana sector  
by leveraging commercial, economic, and logisti-  
cal information to diversify export destinations and  
improve decision-making. The object of study ex-  
amines the impact of these tools on the identifica-  
tion of international commercial opportunities.  
Methodologically, a quantitative approach with  
correlational scope is adopted, using a non-experi-  
mental and longitudinal design through the analysis  
of foreign trade statistics, economic and demo-  
graphic indicators, geographical distances, and his-  
torical export data. Commercial intelligence plat-  
forms, Microsoft Excel, and a gravity model are  
employed to compare the potential of countries as  
export destinations. As the main result, the gravita-  
tional potential index identifies China as the most  
suitable market, followed by Germany, the United  
Kingdom, Canada, and Spain, considering eco-  
nomic, demographic, and geographical variables. It  
is concluded that the gravity model enables the  
comparison of destinations and guides commercial  
diversification strategies; however, the results  
should be complemented with assessments of de-  
mand, tariff barriers, phytosanitary requirements,  
and logistical feasibility to support internationali-  
zation decisions.  
Dalia Marcela Rebolledo-Crespo1 , Norma Alexandra Lima-Guerrero1  
yLuisPastorCarmenate-Fuentes1  
1
Universidad Técnica de Machala.  
Recepción: 8 de octubre de 2026 – Aceptación: 10 de noviembre  
de 2026 – Publicación: 20 de noviembre de 2026.  
RESUMEN  
El presente trabajo aplica el modelo gravita-  
cional mediante big data para identificar mercados  
internacionales potenciales para el banano orense  
2
022-2025. La investigación surge de la necesidad  
de fortalecer la competitividad del sector bananero  
ecuatoriano mediante el aprovechamiento de infor-  
mación comercial, económica y logística para di-  
versificar los destinos de exportación y mejorar la  
toma de decisiones. El objeto de estudio analiza in-  
cidencia de estas herramientas en la identificación  
de oportunidades comerciales internacionales. Me-  
todológicamente, se adopta un enfoque cuantita-  
tivo, de alcance correlacional, con diseño no expe-  
rimental y longitudinal, mediante el análisis de da-  
tos estadísticos de comercio exterior, indicadores  
económicos y demográficos, distancias geográficas  
y exportaciones históricas. Se emplean plataformas  
de inteligencia comercial, Microsoft Excel y un  
modelo gravitacional para comparar el potencial de  
los países como destino de exportación. Como  
principal resultado, el índice de potencial gravita-  
cional identifica a China como el mercado más  
apto, seguido de Alemania, Reino Unido, Canadá y  
España, considerando variables económicas, po-  
blacionales y geográficas. Se concluye que el mo-  
delo por gravedad permite comparar destinos y  
orientar estrategias de diversificación comercial,  
aunque los resultados deben complementarse con  
evaluaciones de demanda, barreras arancelarias,  
Keywords: Logarithmic mathematical model,  
banana exports, international markets, gravity  
model.  
INTRODUCCIÓN  
El banano constituye uno de los principales  
productos de exportación del Ecuador, consolidán-  
dose como un eje estratégico para la generación de  
divisas, empleo y dinamización del sector agroex-  
portador. A nivel internacional, el país se mantiene  
como uno de los mayores exportadores de esta  
fruta; sin embargo, enfrenta importantes desafíos  
https://doi.org/10.5281/zenodo.24409099  
91  
South American Research Journal, 6(1), 91-100  
https://www.sa-rj.net/index.php/sarj/article/view/113  
estructurales asociados a la competitividad, efi-  
ciencia productiva y adaptación a las dinámicas del  
comercio global. Estudios recientes evidencian  
que, pese a su liderazgo, el sector bananero ecuato-  
riano presenta limitaciones en productividad y ges-  
tión, derivadas de prácticas agronómicas heterogé-  
neas y baja incorporación de tecnologías avanza-  
das, lo cual incide directamente en su desempeño  
exportador (Quiloango et al., 2024).  
La situación problemática se enmarca en la  
creciente complejidad del comercio internacional,  
caracterizado por fluctuaciones en la demanda,  
cambios en las preferencias del consumidor, exi-  
gencias sanitarias más estrictas y barreras arancela-  
rias que afectan la competitividad del producto  
ecuatoriano. Durante el período 2022–2025, estas  
condiciones se han visto agravadas por factores  
macroeconómicos y políticos, así como por la in-  
tensificación de la competencia de países produc-  
tores como Colombia, Perú y Centroamérica. In-  
vestigaciones recientes demuestran que el desem-  
peño exportador del banano ecuatoriano está estre-  
chamente vinculado a variables como precios inter-  
nacionales, volumen exportado y estrategias de in-  
ternacionalización, lo que evidencia la necesidad  
de mejorar los mecanismos de análisis y toma de  
decisiones en el sector (Palacios et al., 2024).  
Adicionalmente, el limitado uso de herramien-  
tas tecnológicas como el big data y la inteligencia  
artificial en la gestión comercial representa una  
brecha significativa en la capacidad de identificar  
mercados potenciales y anticipar tendencias globa-  
les. En la actualidad, el análisis de grandes volúme-  
nes de datos provenientes de comercio exterior, lo-  
gística y comportamiento del consumidor se posi-  
ciona como un elemento clave para mejorar la com-  
petitividad agrícola. Diversos estudios señalan que  
la integración de técnicas de aprendizaje automá-  
tico y analítica de datos permite optimizar la pro-  
ductividad, reducir incertidumbre y fortalecer la  
toma de decisiones estratégicas en el sector agrí-  
cola (Saruk y Rayalu, 2024). No obstante, en eco-  
nomías emergentes como Ecuador, su adopción  
aún es incipiente y carece de enfoques sistemáticos.  
En cuanto a los antecedentes, investigaciones  
recientes han abordado el análisis del sector bana-  
nero desde diferentes perspectivas. Por un lado, es-  
tudios empíricos han demostrado la incidencia di-  
recta de las exportaciones de banano en la rentabi-  
lidad de las empresas agroexportadoras ecuatoria-  
nas, evidenciando la dependencia del sector  
respecto al comportamiento de los mercados inter-  
nacionales (Salazar et al., 2024). Por otro lado, in-  
vestigaciones aplicadas han utilizado modelos eco-  
nométricos y técnicas de análisis multivariado,  
como el método Partial Least Squares (PLS), para  
identificar factores determinantes de la competiti-  
vidad en empresas exportadoras de banano, desta-  
cando la importancia de variables relacionadas con  
innovación, eficiencia y acceso a mercados (Gar-  
zón et al., 2024). Asimismo, el uso de modelos pre-  
dictivos como ARIMA (AutoRegressive Integrated  
Moving Average) que ha permitido proyectar ten-  
dencias en exportaciones agrícolas, evidenciando  
el potencial de la analítica avanzada para anticipar  
comportamientos del mercado.  
A partir de este contexto, el presente estudio  
tiene como objetivo general aplicar el modelo ma-  
temático gravitacional por medio de big data 2022-  
2025 para la identificación de mercados internacio-  
nales potenciales para el banano orense.  
Este objetivo responde a la necesidad de for-  
talecer la capacidad analítica del sector exportador,  
mediante el uso de tecnologías que permitan trans-  
formar datos en información estratégica para la  
toma de decisiones, se emplea el modelo gravita-  
cional por ser empleado al estimar exportaciones y  
fuentes obtenidas mediante plataformas de comer-  
cio (big data). En un estudio preliminar mediante  
entrevista a empresas exportadoras de banano, se  
evidencia la necesidad de buscar nuevos mercados  
y se da a conocer que emplean el modelo gravita-  
cional como mecanismo para identificar nichos po-  
tenciales; en base a lo expuesto se evidencia la ne-  
cesidad e importancia del estudio como referencia  
para incrementar cupo de exportaciones, cámaras  
de comercio e instituciones afines a la exportación  
de banano.  
En términos metodológicos, la investigación  
adopta un enfoque cuantitativo de tipo correlacio-  
nal, con un diseño no experimental y de carácter  
longitudinal. Se emplea el análisis de bases de da-  
tos de comercio internacional, junto con técnicas de  
analítica de datos y modelos estadísticos que per-  
mitan establecer relaciones entre variables asocia-  
das al uso del big data y la identificación de merca-  
dos potenciales. Además, se incorporarán herra-  
mientas de segmentación de mercados, análisis de  
tendencias y modelos predictivos, con el fin de ge-  
nerar evidencia empírica que sustente la hipótesis  
planteada. Este enfoque metodológico se alinea con  
estudios recientes que destacan la importancia del  
https://doi.org/10.5281/zenodo.24409099  
92  
South American Research Journal, 6(1), 91-100  
https://www.sa-rj.net/index.php/sarj/article/view/113  
uso de modelos analíticos avanzados en la evalua-  
ción de la competitividad y el desempeño exporta-  
dor en el sector agrícola.  
Argentina, Italia, China) durante cuatro años,  
siendo los principales destinos actuales para poner  
a prueba el modelo. Este tamaño de muestra se con-  
sidera el mínimo viable para un análisis explorato-  
rio de regresión log-lineal con un número reducido  
de predictores, de acuerdo con las orientaciones  
metodológicas sobre tamaño de muestra en regre-  
sión múltiple (Green, 1991).  
La selección se realizó mediante criterios de  
disponibilidad y completitud de datos sobre pro-  
ducto interno bruto (PIB), población, distancia geo-  
gráfica y flujos de exportación. El estudio se centra  
en las exportaciones del Ecuador como tal, to-  
mando cifras de fuentes oficiales tanto a nivel na-  
cional como los países empleados en el cálculo de  
las constantes, haciendo énfasis en buscar nuevos  
mercados para el banano orense.  
La información se recopiló de bases de datos  
del Banco Central del Ecuador, Trade Map, FAOS-  
TAT, el Centro de Comercio Internacional y otras  
fuentes especializadas. Los datos sobre volumen  
exportado, valor FOB, participación de mercado,  
crecimiento de las exportaciones, demanda y pre-  
cios se organizaron y procesaron en Microsoft Ex-  
cel. Mediante análisis estadístico y regresión se  
examinaron las relaciones entre las variables y se  
estructuró el modelo gravitacional.  
Según Lioutas y Charatsari (2021) el potencial  
del big data como sustento de las cadenas agrícolas  
radica en mejorar la gestión y coordinación de las  
actividades, analizar datos en tiempo real, agilizar  
la toma de decisiones e implicaciones necesarias en  
diversos escenarios, de modo que dinamiza la  
adaptación de los agricultores en función del mer-  
cado en lugar de ser meros observadores de los  
cambios.  
La presente investigación busca contribuir al  
desarrollo de la inteligencia comercial en el sector  
bananero ecuatoriano, mediante la aplicación de  
herramientas de big data que permitan mejorar la  
identificación de mercados internacionales y forta-  
lecer la competitividad del país en el comercio glo-  
bal.  
METODOLOGÍA  
Se adopta un enfoque cuantitativo, sustentado  
en el paradigma positivista, y se complementa  
fuentes oficiales para argumentar los hallazgos. Su  
propósito es desarrollar un modelo matemático lo-  
garítmico para identificar mercados internacionales  
potenciales en la exportación de banano de la pro-  
vincia de El Oro durante el periodo 2022-2025.  
La investigación es aplicada, de alcance des-  
criptivo-correlacional y diseño no experimental  
longitudinal. Es aplicada porque busca aportar cri-  
terios para la toma de decisiones comerciales; des-  
criptivas porque caracteriza el comportamiento de  
las exportaciones y las condiciones de los merca-  
dos; correlacional porque examina las relaciones  
entre variables económicas, demográficas, geográ-  
ficas y comerciales; y longitudinal porque analiza  
información correspondiente a cuatro años sin ma-  
nipular las variables. El estudio se desarrolla me-  
diante revisión documental y análisis estadístico de  
registros oficiales y plataformas especializadas de  
comercio internacional (Fernández et al., 2024).  
La población está constituida por los registros  
de exportación de banano ecuatoriano hacia los  
mercados internacionales durante el período 2022-  
La ecuación empleada es:  
푳풏(푬풙풑)풋풕 = 푩 + 푩 푳풏(푷푰푩) + 푩 푳풏(푷푶푩푳)  
풋풕  
ퟎ
ퟏ
풋풕  
ퟐ
´
푩ퟑ푳풏(푫푰푺푻) +∝ + 푬풓풓  
풕
풋 풋  
+
Donde:  
Exp: Exportaciones en millones de Usd.  
B0= Constante, calculada para cada país.  
POBL: Población del país hacia donde se  
exporta.  
DIST: Distancia en Km hacia el puerto  
donde arriba la carga.  
Err: Error de ajuste de la ecuación por fac-  
tores como clima o guerras.  
Posteriormente, se compararon indicadores  
económicos, demográficos y geográficos para eva-  
luar mercados potenciales. Para este propósito, se  
elaboró un índice comparativo de potencial de mer-  
cado con indicadores normalizados, con el fin de  
establecer una clasificación de destinos prospecti-  
vos. Finalmente, los resultados se interpretaron  
considerando también las condiciones comerciales,  
arancelarias, regulatorias y logísticas al contextua-  
lizar los hallazgos.  
2
025, junto con los datos económicos y geográficos  
requeridos para aplicar el modelo gravitacional. La  
muestra comprende 40 observaciones correspon-  
dientes a diez países (Estados Unidos, Rusia, Países  
Bajos, Turquía, Arabia Saudita, Chile, Alemania,  
https://doi.org/10.5281/zenodo.24409099  
93  
South American Research Journal, 6(1), 91-100  
https://www.sa-rj.net/index.php/sarj/article/view/113  
Tabla 1  
RESULTADOS  
Evolución del valor de las exportaciones de banano por  
mercado, 2022-2025 (en millones de dólares)  
Comportamiento de las exportaciones de ba-  
nano en los mercados analizados  
Mercado  
Rusia  
Estados Unidos  
Países Bajos  
Turquía  
Arabia Saudita  
Chile  
Alemania  
Argentina  
Italia  
2022  
2023  
2024  
2025  
El análisis de las exportaciones de banano du-  
rante el período 2022-2025 permitió identificar di-  
ferencias en la evolución de los valores comerciales  
entre los principales destinos considerados en el es-  
tudio.  
779.79  
570.05  
266.41  
185.26  
119.66  
119.88  
97.78  
145.34  
117.84  
101.47  
757.79  
561.32  
290.61  
171.51  
123.00  
129.79  
132.24  
130.37  
122.91  
154.43  
608.61  
600.35  
292.01  
146.04  
154.18  
141.40  
137.93  
124.98  
123.41  
105.60  
800.76  
712.47  
242.00  
209.76  
194.90  
181.48  
166.38  
161.76  
161.70  
150.96  
Los datos recopilados muestran que Rusia y  
Estados Unidos registraron los mayores valores de  
exportación entre los mercados incluidos en la tabla  
de datos, mientras que Países Bajos, Turquía y Ara-  
bia Saudita presentaron comportamientos diferen-  
ciados a lo largo del período. Estas variaciones evi-  
dencian que el tamaño del mercado, por sí solo, no  
explica completamente la evolución de los flujos  
comerciales; cabe destacar que estos datos se obtie-  
nen mediante big data de fuentes oficiales y una vez  
obtenidos los coeficientes se automatiza el cálculo  
en plataformas de IA para identificar mercados po-  
tenciales.  
China  
Nota. Elaborado a partir de Banco central del Ecuador (2023),  
TradingEconomics. (2026); World Integrated Trade Solution.  
2026) y World Bank. (2026).  
(
Estos resultados indican que la selección de  
mercados internacionales requiere analizar conjun-  
tamente la dimensión económica de los destinos, la  
demanda, las condiciones de acceso, la distancia y  
la evolución de las exportaciones. Desde la pers-  
pectiva de la inteligencia comercial, el procesa-  
miento de series históricas permite identificar cam-  
bios en los patrones de compra y orientar la selec-  
ción de mercados que merecen un análisis adicio-  
nal. Sin embargo, las cifras de la tabla representan  
los valores consignados en el documento y no de-  
muestran, por sí solas, que la utilización de Big  
Data haya causado las variaciones observadas.  
En Rusia, el valor de las exportaciones pasó de  
USD 779,79 millones en 2022 a USD 800,76 mi-  
llones en 2025, aunque se observó una reducción  
hasta USD 608,61 millones en 2024. En Estados  
Unidos, las exportaciones aumentaron de USD  
5
2
70,05 millones en 2022 a USD 712,47 millones en  
025, después de una disminución en 2023. Por su  
parte, Países Bajos pasó de USD 266,41 millones  
en 2022 a USD 242 millones en 2025, con valores  
intermedios relativamente estables. Turquía regis-  
tró una disminución entre 2022 y 2024, seguida de  
una recuperación en 2025, mientras que Arabia  
Saudita mostró un incremento desde USD 119,66  
millones en 2022 hasta USD 194,90 millones en  
Aplicación del modelo gravitacional y análisis  
de sus resultados  
Para examinar la relación entre las caracterís-  
ticas económicas y geográficas de los mercados y  
los flujos comerciales, la investigación empleó un  
modelo gravitacional basado en el producto interno  
bruto (PIB), la población y la distancia geográfica.  
La lógica del modelo considera que un mercado  
con mayor capacidad económica y demográfica  
puede ofrecer oportunidades comerciales, mientras  
que una mayor distancia puede representar una fric-  
ción para el intercambio.  
2
025; tal como se aprecia en la tabla 1.  
Como se observa en la tabla 1, las variaciones  
no siguen una trayectoria uniforme. Rusia mantuvo  
el mayor valor registrado en 2025, mientras que Es-  
tados Unidos mostró una evolución creciente desde  
2
023. Arabia Saudita presentó un aumento soste-  
nido durante los cuatro años considerados, lo que  
constituye una señal favorable para profundizar el  
análisis de su comportamiento comercial. En con-  
traste, el valor correspondiente a Países Bajos dis-  
minuyó en 2025 respecto de los dos años anterio-  
res.  
Los resultados del análisis de regresión presen-  
tado en el documento muestran que los coeficientes  
estimados variaron entre los años estudiados. Para  
2
023, el coeficiente asociado al PIB fue −2,066, el  
correspondiente a la población fue 1,942 y el de la  
distancia fue −4,392. En 2024, los coeficientes fue-  
ron −2,898 para el PIB, 2,551 para la población y  
https://doi.org/10.5281/zenodo.24409099  
94  
South American Research Journal, 6(1), 91-100  
https://www.sa-rj.net/index.php/sarj/article/view/113  
−
6,040 para la distancia. Para 2025, se reportaron  
Por ello, los resultados actuales no permiten  
sostener que el modelo tenga capacidad predictiva  
general, sino que permite identificar una muestra  
de mercados potenciales que deben analizarse a  
fondo siguiendo parámetros adicionales.  
valores de −6,943 para el PIB, 5,980 para la pobla-  
ción y −12,627 para la distancia.  
Estos resultados sugieren que las magnitudes  
variaron, manteniéndose los signo, tal como se ob-  
serva en la tabla 2.  
Figura 1  
Tabla 2  
Modelo gravitacional obtenido  
Coeficientes seleccionados del modelo gravitacional  
Coef. PIB  
original  
Coef.  
PIB  
Coef. Dis-  
tancia  
Coef. Dis-  
tancia  
Año  
2
2
2
2
022  
023  
024  
025  
-0.254  
0.242  
-0.762  
-4.392  
-6.040  
-12.627  
0.079  
0.035  
-0.034  
-0.051  
-2.066  
-2.898  
-6.943  
0.234  
0.356  
0.268  
Nota. Elaborado a partir de Banco central del Ecuador (2023),  
TradingEconomics. (2026); World Integrated Trade Solution.  
(
2026) y World Bank. (2026).  
La interpretación estadística requiere distin-  
guir entre el signo de un coeficiente y su significa-  
ción. En las salidas de regresión correspondientes a  
Nota. Azul rusia real, naranja Rusia calculado, Verde USA,  
morado USA calculado, Celeste Países Bajos real, Azul os-  
curo Turquía real y verde Arabia Saudita.  
2
022-2025, las probabilidades asociadas a los coe-  
ficientes reportados son superiores a 0,05. Por  
tanto, con los resultados disponibles, no se puede  
afirmar que las relaciones estimadas sean estadísti-  
camente significativas al nivel convencional del 5  
En términos de inteligencia comercial, el mo-  
delo gravitacional aporta una estructura analítica  
para organizar información económica, demográ-  
fica y geográfica, comparar destinos y formular hi-  
pótesis sobre oportunidades de exportación. Su  
principal utilidad en esta investigación es explora-  
toria: ayuda a ordenar la información y a identificar  
mercados que deben examinarse mediante indica-  
dores adicionales. Para avanzar hacia una herra-  
mienta predictiva, se requiere especificar de forma  
inequívoca la ecuación, ampliar la serie temporal o  
el número de mercados, verificar la consistencia de  
las fuentes y evaluar el desempeño del modelo con  
datos no utilizados en la estimación.  
%. En consecuencia, los coeficientes deben tratarse  
como resultados exploratorios y no como evidencia  
concluyente de que el PIB, la población o la distan-  
cia determinan los flujos de exportación.  
La comparación entre los valores reales y cal-  
culados también muestra diferencias entre merca-  
dos y años.  
El documento presenta coeficientes de deter-  
minación de las curvas de ajuste que varían entre  
destinos; no obstante, estos valores deben interpre-  
tarse considerando el tipo de curva utilizado y el  
número reducido de observaciones. Un ajuste ele-  
vado de una curva a una serie pequeña no equivale  
necesariamente a una elevada capacidad predictiva  
fuera de la muestra; no obstante, se emplea curvas  
logarítmicas y se reduce el error mediante ajuste.  
Esta limitación es relevante porque el estudio  
utiliza 40 observaciones distribuidas entre diez  
mercados y cuatro años; en la figura 1 se aprecia  
las gráficas por años, países y componentes del mo-  
delo gravitacional para estimar las exportaciones  
de banano orense.  
Identificación y clasificación de mercados inter-  
nacionales potenciales  
A partir de los componentes del modelo gravi-  
tacional, la investigación evaluó cinco mercados  
prospectivos: China, Alemania, Reino Unido, Ca-  
nadá y España. Para compararlos, se construyó un  
índice de potencial gravitacional (IPG) que integra  
tres componentes normalizados entre 0 y 100: PIB,  
población y proximidad geográfica. En la tabla 3  
https://doi.org/10.5281/zenodo.24409099  
95  
South American Research Journal, 6(1), 91-100  
https://www.sa-rj.net/index.php/sarj/article/view/113  
se observa este indicador, donde los valores más  
elevados del PIB y de la población representan una  
mayor puntuación, mientras que una distancia me-  
nor se traduce en una puntuación más alta de pro-  
ximidad.  
se incorporan otros factores, como aranceles, requi-  
sitos fitosanitarios, preferencias de consumo, com-  
petencia de otros países proveedores, costos de  
transporte, tiempos logísticos y acuerdos comercia-  
les vigentes.  
En consecuencia, China aparece como el pri-  
mer mercado que debe estudiarse con mayor pro-  
fundidad, seguido de Alemania y Reino Unido.  
Esta priorización no implica que los tres destinos  
garanticen mayores beneficios ni que deban selec-  
cionarse exclusivamente por el índice. Antes de to-  
mar decisiones de internacionalización, las empre-  
sas exportadoras deben contrastar los resultados  
con información actualizada sobre importaciones  
de banano, precios, acceso sanitario, canales de dis-  
tribución y costos logísticos.  
Tabla 3  
Clasificación de mercados prospectivos según el índice  
de potencial gravitacional  
No  
País  
PIB  
Población  
Distancia  
IPG  
1
2
3
4
5
China  
Alemania  
ReinoUnido  
Canadá  
100.0  
41.9  
31.9  
8.4  
100.0  
19.8  
14.5  
0.0  
0.0  
55.9  
66.3  
100.0  
71.3  
66.7  
39.2  
37.6  
36.1  
25.4  
España  
0.0  
4.8  
Nota. Elaborado a partir de Banco Central del Ecuador  
2023), Trading Economics (2026); World Integrated Trade  
Solution. (2026) y World Bank. (2026).  
Discusión de los hallazgos y de la hipótesis de in-  
vestigación  
(
Los resultados ubican a China en el primer lu-  
gar, con un IPG de 66,7 puntos. Alemania ocupa la  
segunda posición, con 39,2 puntos; Reino Unido, la  
tercera, con 37,6; Canadá, la cuarta, con 36,1; y Es-  
paña, la quinta, con 25,4 puntos.  
La tabla 3 evidencia que China alcanza el ma-  
yor índice debido a sus puntuaciones máximas en  
PIB y población. Sin embargo, su distancia geográ-  
fica respecto de Ecuador reduce su puntuación de  
proximidad a cero. Este resultado ilustra una com-  
pensación entre el tamaño potencial de un mercado  
y la fricción geográfica: una economía de gran di-  
mensión puede obtener una puntuación global ele-  
vada aun cuando la distancia constituya una des-  
ventaja logística.  
El primer hallazgo es que las exportaciones de  
banano no siguieron una trayectoria uniforme entre  
2022 y 2025. Rusia descendió hasta USD 608,61  
millones en 2024 y se recuperó a USD 800,76 mi-  
llones en 2025. Estados Unidos creció de forma  
sostenida desde 2023 hasta USD 712,47 millones.  
Arabia Saudita aumentó de USD 119,66 a USD  
194,90 millones, mientras que Países Bajos bajó a  
USD 242 millones en 2025. Este comportamiento  
coincide con lo señalado por Palacios et al. (2024),  
quienes vinculan el desempeño exportador del ba-  
nano ecuatoriano con los precios internacionales, el  
volumen exportado y las estrategias de internacio-  
nalización. Es decir, con factores que van más allá  
del tamaño del mercado de destino. En consecuen-  
cia, la selección de mercados no puede apoyarse  
solo en la dimensión económica de los países, sino  
que debe incorporar la evolución histórica de los  
flujos comerciales.  
Alemania y Reino Unido presentan puntuacio-  
nes inferiores a China, pero combinan capacidad  
económica con una proximidad geográfica relativa  
más favorable dentro del grupo comparado.  
Canadá registra la mayor puntuación de proxi-  
midad, aunque sus valores normalizados de PIB y  
población reducen su resultado global. España, por  
su parte, obtiene el menor índice de los cinco mer-  
cados considerados bajo los criterios aplicados.  
El índice permite establecer un orden inicial de  
evaluación, pero no debe interpretarse como una  
clasificación definitiva de rentabilidad comercial.  
La normalización relativa depende de los países in-  
cluidos en la comparación, y el promedio simple  
asigna el mismo peso a PIB, población y proximi-  
dad. Por consiguiente, el ranking podría cambiar si  
El segundo hallazgo se refiere al modelo gra-  
vitacional. Los coeficientes de la distancia fueron  
negativos en los cuatro años (de −0,762 en 2022 a  
−12,627 en 2025) y los de población fueron positi-  
vos. El coeficiente del PIB, en cambio, resultó ne-  
gativo (de −0,254 a −6,943), lo cual contradice la  
expectativa teórica de que una mayor capacidad  
económica favorece el comercio. Además, las pro-  
babilidades asociadas a todos los coeficientes supe-  
raron 0,05, por lo que no pueden considerarse esta-  
dísticamente significativos. El signo negativo de la  
distancia es coherente con Tonon et al. (2022),  
https://doi.org/10.5281/zenodo.24409099  
96  
South American Research Journal, 6(1), 91-100  
https://www.sa-rj.net/index.php/sarj/article/view/113  
quienes aplicaron el modelo de gravedad a las ex-  
portaciones ecuatorianas de banano y reportaron  
que los costos del comercio de bienes agrícolas  
ejercen un efecto negativo sobre ellas. La divergen-  
cia en el signo del PIB y la ausencia de significan-  
cia pueden deberse al tamaño reducido de la mues-  
tra (20 observaciones para cinco países), aunque  
esta explicación requiere contrastarse con series  
más amplias. El aumento de la magnitud de los coe-  
ficientes año tras año sugiere, además, inestabili-  
dad en la estimación más que un fortalecimiento de  
las relaciones. Por ello, los coeficientes deben tra-  
tarse como resultados exploratorios.  
En síntesis, el estudio aporta una metodología  
inicial para priorizar mercados del banano orense,  
con China, Alemania y Reino Unido como destinos  
que requieren análisis complementario. Su valida-  
ción exige ampliar el número de mercados y el pe-  
ríodo de análisis, especificar con precisión la ecua-  
ción del modelo y evaluar su desempeño con datos  
no utilizados en la estimación. También se requiere  
incorporar aranceles, requisitos fitosanitarios y  
costos logísticos, así como evidencia directa del  
uso de big data en las decisiones de las empresas  
exportadoras.  
El tercer hallazgo es la clasificación de merca-  
dos potenciales. China encabeza el índice de poten-  
cial gravitacional con 66,7 puntos, por sus valores  
máximos en PIB y población, aunque su distancia  
reduce a cero la puntuación de proximidad. Le si-  
guen Alemania (39,2), Reino Unido (37,6), Canadá  
CONCLUSIONES  
Las variables más notables en el modelo gravi-  
tacional son población, producto interno bruto, dis-  
tancia y volumen de exportación; las plataformas  
de big data permiten sintetizar datos reales necesa-  
rios al solucionar matemáticamente el modelo para  
estimar los coeficientes y luego buscar países con  
cualidades similares a los países donde ya se ex-  
porta el banano ecuatoriano. Las plataformas co-  
merciales gestadas en big data reducen los candida-  
tos y abren las posibilidades de analizarlos desde  
otras posturas como aranceles, consumo e historial  
de demanda. Estas variables permiten caracterizar  
el atractivo de los mercados mediante herramientas  
de análisis de datos, establecer patrones y tenden-  
cias que difícilmente podrían identificarse me-  
diante un análisis exclusivamente descriptivo. En  
este sentido, el uso de Big Data e inteligencia co-  
mercial constituye un mecanismo para reducir las  
opciones de búsqueda de nuevos mercados de  
forma sistemática para luego aplicar análisis com-  
plementarios.  
Finalmente, se concluye que la integración de  
Big Data, inteligencia comercial y modelos mate-  
máticos pueden contribuir al diseño de una estrate-  
gia de diversificación de mercados para el banano  
orense. La metodología desarrollada permite iden-  
tificar mercados que, aun cuando no formen parte  
de los destinos tradicionales, presentan condiciones  
económicas, demográficas, comerciales y logísti-  
cas favorables.  
(36,1) y España (25,4). Esta compensación entre ta-  
maño de mercado y fricción geográfica es consis-  
tente con la evidencia de Tonon et al. (2022) sobre  
el peso de los costos comerciales en las exportacio-  
nes agrícolas. También conviene notar que la dife-  
rencia entre el segundo y el cuarto lugar es de ape-  
nas 3,1 puntos, de modo que el orden de esas posi-  
ciones es sensible a la normalización y a la ponde-  
ración equitativa de los componentes. El índice  
sirve para priorizar mercados que merecen un estu-  
dio más profundo, no para afirmar su rentabilidad.  
Los resultados son exploratorios, el modelo no  
es una garantía predictiva, pero sí un medio de con-  
sulta al identificar la potencialidad de nuevos paí-  
ses o mercados en función de los componentes ma-  
temáticos del modelo. Calof y Viviers (2024) abor-  
dan precisamente esa brecha. examinan si el big  
data se utiliza en la selección de mercados interna-  
cionales, cómo se emplea en el proceso de decisión  
y qué factores llevan a aceptar sus resultados, y ad-  
vierten que existe muy poca investigación sobre  
ello. La evidencia que sustenta el efecto de la eco-  
nomía digital en el sector agrícola también pro-  
viene de diseños de mayor escala. Zhang et al.  
(2025), por ejemplo, utilizaron datos de panel de 31  
provincias chinas entre 2011 y 2020 y un modelo  
espacial de Durbin para mostrar que la economía  
digital favorece el desarrollo agrícola de calidad.  
Frente a esos diseños, las 20 observaciones de este  
estudio solo permiten una aproximación explorato-  
ria.  
Por ello, la utilización sistemática de datos  
constituye una alternativa para que las empresas  
exportadoras nacionales mejoren la planificación  
comercial, prioricen mercados con mayor potencial  
y reduzcan la incertidumbre asociada a las decisio-  
nes de internacionalización.  
https://doi.org/10.5281/zenodo.24409099  
97  
South American Research Journal, 6(1), 91-100  
https://www.sa-rj.net/index.php/sarj/article/view/113  
Fernández Cedeño, G., Cruz Felipe, M. del R.,  
Ordóñez-Ávila, E. y Moreira Vélez, J. (2023).  
Predicción de evolución post covid19 en pa-  
cientes, usando herramientas de la big data.  
ReHuSo: Revista de Ciencias Humanísticas y  
BIBLIOGRAFÍA  
Banco Central del Ecuador. (2023). Informe de resulta-  
125–136.  
Food and Agriculture Organization of the United Na-  
tions. (2022). Banana market review – Prelimi-  
Calof, J. y Viviers, W. (2024). International market se-  
lection decisions – A big data artificial intelli-  
gence approach. Journal of Intelligence Studies  
Campos, J., Manrique-Silupú, J., Dorneanu, B., Ipana-  
qué, W. y Arellano-García, H. (2022). A smart  
decision framework for the prediction of thrips  
incidence in organic banana crops. Ecological  
Food and Agriculture Organization of the United Na-  
Food and Agriculture Organization of the United Na-  
González Camargo, C. y Mosquera Cicero, D. (2022).  
Identificación de los principales indicadores de  
gestión logística utilizados por pequeñas em-  
presas proveedoras del sector petrolero. Inge  
Castañeda Mota, M. (2022). La cientificidad de meto-  
dologías cuantitativa, cualitativa y emergentes.  
Revista Digital de Investigación en Docencia  
Cavusgil, S., Knight, G. y Riesenberger, J. (2020). In-  
ternational business: The new realities (5.ª ed.).  
Pearson.  
Green, S. B. (1991). How many subjects does it take to  
do a regression analysis? Multivariate Behav-  
Crespo García, M., Carchi Arias, K., Zambrano Zam-  
brano, Á., Orellana Sánchez, D. y González  
Malla, S. (2020). Mejora continua en el proceso  
contable y su aporte en la competitividad de las  
MIPYMES en la provincia de El Oro (Ecuador).  
Delegation of the European Union to Ecuador. (2021,  
He, Z. (2025). A review of research on the concept of  
digital agriculture competitiveness in domestic  
and international contexts. Scientific and Social  
Research, 25–29.  
2
3 de julio). Trade relations. European External  
International Trade Centre. (s. f.). Trade Map: Trade  
statistics for international business develop-  
León Ajila, J., Espinosa Aguilar, M., Carvajal Romero,  
H. y Quezada Campoverde, J. (2023). Análisis  
de la producción y comercialización de banano  
en la provincia de El Oro en el periodo 2018–  
European Commission. (s. f.). EU-Colombia-Peru-  
Ecuador trade agreement. Access2Markets.  
European Commission. (2000, 5 de julio). The banana  
Fernández-Caramés, T., Blanco-Novoa, O., Froiz-Mí-  
guez, I. y Fraga-Lamas, P. (2019). Towards an  
autonomous Industry 4.0 warehouse: A UAV  
and blockchain-based system for inventory and  
traceability applications in big data-driven sup-  
2022. Ciencia Latina Revista Científica Multi-  
Moyo, E., Carstens, S. y Walters, J. (2024). Simulation  
model for a sustainable food supply chain in a  
developing country: A case study of the banana  
Palacios Riera, O., Usiña Báscones, G. y Sandoval En-  
dara, I. (2025). Estrategias de internacionaliza-  
ción y desempeño exportador de Dole Ecuador  
https://doi.org/10.5281/zenodo.24409099  
98  
South American Research Journal, 6(1), 91-100  
https://www.sa-rj.net/index.php/sarj/article/view/113  
(
2015–2024). Revista Científica Multidiscipli-  
World Bank. (s. f.-b). United Kingdom bananas, includ-  
ing plantains, fresh or dried imports by country  
in 2024 [Conjunto de datos]. World Integrated  
Trade Solution. Recuperado el 20 de noviembre  
Quiloango-Chimarro, C., Gioia, H. y de Oliveira Costa,  
J. (2024). Typology of production units for im-  
proving banana agronomic management in Ec-  
World Trade Organization. (2023a). Examen estadístico  
Rejeb, A., Rejeb, K. y Zailani, S. (2021). Big data for  
sustainable agri-food supply chains: A review  
and future research perspectives. Journal of  
del 2023.  
World Trade Organization. (2023b). World trade report  
2023: Re-globalization for a secure, inclusive  
and future.  
Salazar-Quevedo, S., Bravo-Carrasco, A., Velasco-  
Daza, Á., Pulupa-García, W. y Salazar-Sole-  
dispa, V. (2025). Incidencia de las exportacio-  
nes de banano en la rentabilidad de las grandes  
empresas bananeras de la región Costa del  
Ecuador, período 2022–2024. Revista Cientí-  
fica Arbitrada de Investigación en Comunica-  
ción, Marketing y Empresa REICOMUNICAR,  
World Trade Organization, International Trade Centre,  
& United Nations Conference on Trade and De-  
Zenagui, B., Hadjadj, C. y Chekifi, M. (2024). Block-  
chain technology in the field of banana global  
supply chains. Journal of Contemporary Busi-  
Zhang, G., Zhang, C. y Liu, T. (2025). How does the  
digital economy impact the high-quality devel-  
opment of agriculture? An empirical test based  
on the spatial Durbin model. Digital Economy  
Salazar-Zambrano, A., Moreno-Cueva, D. y Elizalde-  
Orellana, M. (2025). Factores claves y proyec-  
ciones futuras para las exportaciones de banano,  
un nuevo enfoque hacia el 2030, El Oro - Ecua-  
Tonon Ordóñez, L., Vásquez Bernal, J., Armijos Ore-  
llana, A. y Altamirano Flores, J. (2022). Análi-  
sis de las exportaciones ecuatorianas por medio  
del modelo de gravedad. Caso banano. Revista  
Trading Economics. (2026, agosto). China imports from  
Ecuador of bananas and plantains, fresh or  
dried [Conjunto de datos]. Recuperado el 20 de  
ANEXOS  
Anexo 1. Entrevista a exportadores  
Para determinar qué países representan el ma-  
yor potencial para la exportación de banano orense,  
se propone un Modelo de Regresión Lineal Múlti-  
ple (MRLM), con fines exploratorios.  
Especificación del modelo  
Viteri-Vera, M. del P. y Pizarro-Vargas, V. (2023).  
Mercado externo del banano ecuatoriano: Co-  
yuntura y expectativas en la nueva década. E-  
La ecuación general del modelo es:  
푌 = 훽 + 훽 푋 + 훽 푋 + 훽 푋 + 훽 푋  
푖
0
1
1푖  
2
2푖  
3
3푖  
4
4푖  
+
훽 푋 + 휀  
5 5푖 푖  
Workman, D. (s. f.). Bananas imports by country.  
World’s Top Exports. Recuperado el 20 de  
Tabla A  
Componentes y variables del modelo para búsqueda  
de mercados  
World Bank. (s. f.-a). China [Conjunto de datos]. Recu-  
https://doi.org/10.5281/zenodo.24409099  
99  
South American Research Journal, 6(1), 91-100  
https://www.sa-rj.net/index.php/sarj/article/view/113  
Varia-  
Descripción  
ble  
Donde:  
Fuentededatos  
Exp: Exportaciones en millones de Usd  
B0= Constante, calculada para cada país  
POBL: Población del país hacia donde se  
exporta.  
Volumendeexportación(entoneladasmétri-  
BCE,Trade  
Map  
푌
푖
casomilesdecajas)haciaelpaísꢀ  
PIBpercápitadelpaísimportadorꢀ (proxy  
BancoMundial/  
FMI  
푋1푖  
delpoderdecompra)  
DIST: Distancia en Km hacia el puerto  
donde arriba la carga.  
Err: Error de ajuste de la ecuación por fac-  
tores como clima o guerras  
푋4푖  
푋5푖  
휀푖  
ꢀ enlosúltimos3años(%)  
UNComtrade  
Índicedepreferenciadelconsumidor(partici-  
pacióndebananoorgánico/Fairtradeenel  
mercadoꢀ)  
FAOSTAT,Eu-  
romonitor  
Términodeerrorestocástico  
—
Nota. Elaboración propia  
Criterio de decisión  
El modelo permite calcular un Índice de Po-  
tencial de Mercado (IPM) para cada país:  
ˆ
ˆ
ˆ
ˆ
ˆ
4
퐼푃푀 = 훽 + 훽 푋 + 훽 푋 + 훽 푋 + 훽 푋  
푖
0
1
1푖  
2
2푖  
3
3푖  
4푖  
ˆ
훽 푋  
5 5푖  
+
Los países se ordenan de mayor a menor según  
su 퐼푃푀 . Aquellos con valores más altos represen-  
푖
tan los mercados potenciales prioritarios para la di-  
versificación de las exportaciones orenses.  
Complemento: Modelo ARIMA para Proyec-  
ción  
Para complementar el análisis, se puede em-  
plear un modelo ARIMA (푝, 푑, 푞) que permita pro-  
yectar el comportamiento futuro de las exportacio-  
nes. Este enfoque ha sido validado en estudios pre-  
11  
vios aplicados al banano ecuatoriano . La ecua-  
ción general es:  
푌 = 휙 푌 + 휙 푌 + ⋯ + 휃 휀 + 휀푡  
1 푡−1  
푡
1 푡−1  
2 푡−2  
Donde 푌 es el volumen exportado en el pe-  
푡
ríodo ꢁ, 휙 son los coeficientes autorregresivos y 휃  
los coeficientes de media móvil.  
Modelo matemático de exportaciones  
En primer lugar, se seleccionan los cinco paí-  
ses principales donde se exporta el banano orense  
y los últimos 4 años (2022 a 2025) con los datos de  
la formula logarítmica para estimación de exporta-  
ciones al analizar las relaciones entre variables  
comprobando su igualdad:  
푳풏(푬풙풑) = 푩 + 푩 푳풏(푷푰푩) + 푩 푳풏(푷푶푩푳)  
풋풕  
ퟎ
ퟏ
풋풕  
ퟐ
풋풕  
´
풕
+
푩ퟑ푳풏(푫푰푺푻) +∝ + 푬풓풓  
풋
풋
https://doi.org/10.5281/zenodo.24409099  
100