They Ran Their Shops on Excel and Google Analytics. It Changed How They Decided.

interviews · Amfiteatru Economic · la publicación, 1 may 2026 · gratis

Herramientas de datos en tiendas en línea rumanas: lo que los dueños dicen que ganaron, y lo que el estudio no puede probar

Veinticinco dueños y gerentes de tiendas en línea contaron qué usan y qué les pasó. El estudio no puede decir que las herramientas causaran las mejoras.

Versión breve · la versión detallada sigue, unos 8 min

Pregunte al chat de weeklyAI

Pregúnteme por este estudio: a quiénes se estudió, qué encontró y qué no dice.

Las conversaciones se guardan mientras exista weeklyAI, para mejorar la publicación. Se responde en el idioma en que usted escribe.

El estudio, de un vistazo
Quiénes: Dueños y gerentes de pymes de comercio electrónico
Cuántos: 25 entrevistas
Dónde: Rumanía
Cuándo: septiembre y octubre de 2025
Tipo de estudio: entrevistas
Quién lo hizo: Universidad de Craiova
El límite que importa: No puede probar que las herramientas causaran las mejoras; no es representativa.

Nivel de digitalización: Rumanía frente al promedio de la Unión Europea

Rumanía69.1%

Promedio de la Unión Europea72.91%

Porcentaje de digitalización general según el estudio; la cifra de Rumanía está por debajo del promedio de la Unión Europea.

Antes de comprar otra herramienta, revise si las que ya tiene se usan para decidir algo: si los reportes se abren, se leen y cambian una compra, un precio o una campaña.
Lectura de weeklyAI

Ver · 0:56

"Usamos Google Analytics y los reportes de la plataforma. Los datos los juntamos en Excel." Lo dijo el dueño de una empresa muy pequeña, una de las 25 tiendas en línea rumanas cuyos dueños y gerentes fueron entrevistados por un equipo de la Universidad de Craiova.

Los entrevistados fueron 13 microempresas, 7 pequeñas y 5 medianas. Todos venden por internet en Rumania, en las ocho regiones del país. Las entrevistas se hicieron por teléfono entre septiembre y octubre de 2025 y duraron entre 25 y 40 minutos.

El tamaño de la empresa marcó la diferencia en lo que usaban. Las microempresas se quedaban con herramientas gratuitas o baratas: Google Analytics, los reportes de la plataforma, Excel. Las medianas tenían sistemas completos de gestión, Power BI y modelos de inteligencia artificial para predecir demanda, precios y personalizar el marketing.

Más del 60% de los entrevistados dijo que sus empleados no tenían las habilidades necesarias. A las microempresas las frenaba el presupuesto: "El presupuesto limitado no permite soluciones avanzadas", dijo un dueño. Las más grandes chocaban con otra pared: sistemas caros, integración difícil y tiempo de prueba.

Los gerentes describieron ventas más estables, mejores márgenes por categoría, menos gastos en promociones y decisiones más rápidas y con más confianza. "Sin estos análisis, las decisiones serían mucho más especulativas; ahora se apoyan en datos concretos", dijo el gerente de una empresa mediana. Los que lograron manejar inventario y logística reportaron menos producto detenido y mejor rotación.

Estas ganancias son lo que los gerentes percibieron. El estudio es cualitativo, con 25 entrevistas, y no puede probar que las herramientas causaran las mejoras. No es una muestra representativa y no habla de tiendas fuera de Rumania.

Los autores recomiendan invertir en sistemas integrados, capacitar al personal y ordenar la logística y el inventario. Nada de eso se probó aquí.

Antes de comprar otra herramienta, revise si las que ya tiene se usan para decidir algo: si los reportes se abren, se leen y cambian una compra, un precio o una campaña. Si sólo se acumulan, el problema no es la herramienta que falta.

Qué significa para usted

Si usted tiene una tienda en línea y no cuenta con personal técnico, lo que estos dueños describieron fue más orden que novedad: reportes que se leen y cambian una compra, un precio o una campaña. El estudio no prueba que las herramientas causaran esas mejoras, así que observe primero si los datos que ya tiene se usan para decidir algo.

Vasilescu, L., Sichigea, M., Brabete, V. et al. (2026). Decision-Making and Financial Performance in E-Commerce SMEs: Perceptions on Data Analytics and Artificial Intelligence. Amfiteatru Economic. https://doi.org/10.24818/ea/2026/72/650

Quién pagó: La investigación se realizó con el apoyo del Centro de Investigación Interdisciplinaria en Economía y Ciencias Sociales, INCESA (Infraestructura de Investigación en Ciencias Aplicadas), Universidad de Craiova; el artículo no dice si los financiadores tuvieron alguna influencia ni quién prestó equipos o software.

Versión detalladaLos pasajes copiados del artículo, las ilustraciones y cada fuente con cuánto leímos de ella · 1543 palabras · unos 8 minLeerla →Cerrar

Lo que 25 dueños de tiendas en línea en Rumanía dijeron sobre los datos y la IA

Un estudio cualitativo entrevistó a gerentes de pymes de comercio electrónico sobre sus herramientas, sus obstáculos y lo que percibieron en sus resultados. No midió ventas ni ganancias.

Así podría verse · ilustración generada por weeklyAI.watch, no es una fotografía

En entrevistas con 25 gerentes y dueños de pymes de comercio electrónico en Rumanía, el uso de análisis de datos e inteligencia artificial fue percibido como una mejora en la toma de decisiones y en el desempeño financiero, aunque la madurez digital resultó intermedia y la inteligencia artificial solo estaba implementada en parte¹. El estudio fue realizado por Laura Vasilescu, Mirela Sichigea, Valeriu Brabete, Daniel Goagără y Dorel Berceanu, de la Universidad de Craiova, con el apoyo del Centro de Investigación Interdisciplinaria en Economía y Ciencias Sociales de esa misma universidad, y se publicó en la revista Amfiteatru Economic en mayo de 2026.

Las entrevistas se hicieron por teléfono entre septiembre y octubre de 2025, y cada una duró entre 25 y 40 minutos. Participaron 13 microempresas, 7 empresas pequeñas y 5 medianas, repartidas por las ocho regiones de desarrollo de Rumanía. Los autores detuvieron la recolección cuando las últimas tres entrevistas consecutivas ya no produjeron códigos ni temas nuevos. Es un estudio cualitativo: no hay grupo de comparación, no se reporta ningún tamaño de efecto, porcentaje de mejora ni significancia estadística, y los propios autores advierten que su naturaleza cualitativa y su diseño de un solo momento no permiten generalización estadística².

Vale la pena entender qué son estas herramientas antes de juzgar lo que se encontró. El análisis de datos es el uso sistemático de técnicas estadísticas y analíticas para generar información útil al proceso gerencial, mientras que la inteligencia artificial designa tecnologías capaces de simular procesos cognitivos, como el aprendizaje automático y la generación de predicciones³. En la práctica, esto significa pasar de "creo que este producto se vende bien" a "el panel muestra qué categoría deja margen y cuál no".

Las herramientas que aparecieron en las entrevistas no fueron exóticas. Las microempresas dependían sobre todo de instrumentos gratuitos o de bajo costo: Google Analytics, los reportes estándar de la plataforma de comercio electrónico y Excel para análisis financieros básicos⁴. Las empresas pequeñas mostraban un nivel intermedio, integrando soluciones en la nube como sistemas de gestión de clientes, plataformas de correo marketing y ocasionalmente automatizaciones⁵. Las medianas eran las más avanzadas: sistemas completos de planificación de recursos, plataformas de inteligencia de negocios como Power BI o Tableau, y modelos predictivos de inteligencia artificial para pronosticar demanda, optimizar precios y personalizar marketing⁶.

Los obstáculos que reportaron fueron concretos. El alto costo del software profesional, la complejidad de integrar sistemas entre sí, la necesidad de pruebas y ajustes repetidos, y la falta de experiencia interna figuraron entre los principales⁷. Más de 60% de los participantes mencionó dificultades con las competencias de sus empleados, sin importar el tamaño de la empresa, lo que sugiere que la brecha de habilidades digitales es un problema sistémico en Rumanía⁸. Y la diferencia entre tamaños importa: las microempresas están limitadas sobre todo por el presupuesto, mientras que las más grandes enfrentan sobre todo problemas de implementación y optimización.

Los beneficios percibidos se concentraron en el área comercial. Los entrevistados reportaron ventas más estables, mayor rentabilidad por categoría, menores costos de promoción y mejor control de gastos⁹. La optimización de inventario y logística, en cambio, tuvo la frecuencia de codificación más baja de todo el estudio —9 menciones en total—, lo que sugiere que esa área sigue siendo un desafío para la mayoría de las pymes pequeñas, probablemente porque requiere sistemas de gestión de inventario más complejos¹⁰.

Un hallazgo llamativo: todos los participantes reportaron mayor confianza en sus decisiones gracias a apoyarlas en datos concretos, y durante períodos de alta demanda o volatilidad los datos les daban estabilidad y reducían su dependencia de la intuición¹¹. Para poner esto en contexto, una encuesta y un modelo estructural aplicados a empleados operativos de pymes encontró que más del 62% de la variación en la aceptación de la inteligencia artificial por parte de los trabajadores se explica por seis factores: utilidad, facilidad de uso, inseguridad laboral, productividad, sostenibilidad ambiental y cultura empresarial; según el resumen de ese estudio, la cultura empresarial fue el factor con la correlación más fuerte, y solo pudimos leer el resumen, el texto completo está detrás de una suscripción¹²¹³.

Otros trabajos que leímos matizan cuánto de esto se traduce en resultados duros. Una investigación sobre 115 empresas argelinas entre 2016 y 2023 —período en que la adopción de inteligencia artificial pasó de 0% a 73.91%— encontró que, tras controlar características propias de cada firma, las diferencias de desempeño entre quienes adoptaron y quienes no fueron mayormente no significativas, lo que apunta a un sesgo de selección más que a efectos auténticos de la tecnología; según el resumen de ese estudio, solo pudimos leer el resumen¹⁴¹⁵. Y un análisis de 112 pymes con 70 empresas usuarias de inteligencia artificial encontró que los efectos más fuertes se dan en reducción de carga de trabajo y eficiencia de tiempo, pero que esos efectos no deben interpretarse simplemente como reducción directa de costos, porque la inteligencia artificial también crea costos nuevos: herramientas pagadas, preparación de datos, integración, verificación de resultados y gobernanza; según el resumen de ese estudio, la implementación sigue un camino por etapas y la transición del uso casual a la implementación estratégica depende menos del tamaño de la empresa y más de la madurez de sus procesos, sus capacidades y la preparación de sus datos¹⁶¹⁷¹⁸.

Así lo leemos nosotros. El patrón que aparece en estas entrevistas no es el de la tecnología que transforma un negocio de la noche a la mañana, sino el de una persona de confianza que empieza a mirar los números con regularidad. En las pymes donde alguien tiene el encargo —y la autoridad— de revisar los datos, las herramientas se usan para decidir qué promocionar, qué categoría dejar de empujar y a qué proveedor renegociarle. En las que no, el panel existe pero nadie lo abre. Esto nos lleva a esperar que en negocios como el suyo el factor decisivo no sea qué herramienta compra, sino quién dentro de su equipo tiene la responsabilidad concreta de mirar los números y la facultad de cambiar algo con lo que ve. Si en su negocio esa persona no existe, ninguna suscripción la va a crear. Y si en las entrevistas aparecieran empresas familiares pequeñas usando análisis avanzados sin nadie formado en datos, o si las empresas con más herramientas resultaran ser las que menos confían en sus empleados, nuestra lectura estaría equivocada. Usted puede comprobarlo esta semana: pregunte quién en su negocio revisó un número el mes pasado y cambió una decisión a partir de él.

También notamos lo que el estudio no preguntó. No hay costos reportados, ni tasas de fracaso, ni incidentes de filtración de datos, ni comparación con empresas que probaron estas herramientas y las abandonaron. Y hay una advertencia adicional que no viene de este estudio sino de trabajos que leímos: cuando la inteligencia artificial decide sobre personas —a qué cliente ofrecer crédito, descuento o atención especial, o cómo evaluar a un empleado—, esos sistemas pueden tratar a las personas de forma desigual sin que quien los opera entienda del todo qué están evaluando. Si en su negocio esas herramientas se usan para decisiones que afectan a clientes o trabajadores, conviene preguntar qué datos usan, quién los controla y cómo se revisa un caso individual. Guarde esas respuestas por escrito antes de firmar cualquier contrato.

El estudio también deja claro el punto de partida del país donde se hizo. En Rumanía, el comercio electrónico crece rápido, pero el nivel general de digitalización está por debajo del promedio de la Unión Europea: 69.1% frente a 72.91%¹⁹. Y el nivel de digitalización entre las pymes rumanas sigue siendo bajo, sobre todo en las empresas pequeñas, por recursos financieros limitados e infraestructura informática insuficiente, con los sectores de servicios y comercio como los más afectados²⁰. De las 7,145 pymes que reportaron actividad en comercio electrónico en Rumanía, 7,021 son microempresas, 116 son pequeñas y apenas 8 son medianas²¹: prácticamente todas son negocios del tamaño del suyo.

Los autores recomiendan invertir en infraestructura de análisis de datos, desarrollar las habilidades digitales de los empleados con certificaciones en gestión de datos y modelos de inteligencia artificial, y optimizar los flujos logísticos, la gestión de inventario y las operaciones financieras. También señalan que el desarrollo de programas públicos de apoyo, formación profesional y ecosistemas de competencias resulta crucial, porque esas iniciativas pueden acelerar la adopción de tecnologías avanzadas en las pymes²². Para un lector en América Latina o en Norteamérica, esto es una descripción de lo que existe en Rumanía, no una predicción de lo que pasará donde usted vive.

Lo más útil que puede llevarse de todo esto no es una herramienta ni un proveedor. Es una pregunta que puede hacerle a su propio negocio mañana mismo: ¿qué decisión concreta cambió en el último mes gracias a un número que alguien revisó? Si la respuesta es "ninguna", ya sabe dónde empezar, y no cuesta nada.

¿Quién en su negocio mira los números, y tiene poder para cambiar algo con lo que ve?

De dónde sale cada dato de contexto, y cuánto leímos de cada documento

Vasilescu, L., Sichigea, M., Brabete, V. et al. (2026). Decision-Making and Financial Performance in E-Commerce SMEs: Perceptions on Data Analytics and Artificial Intelligence. Amfiteatru Economic. https://doi.org/10.24818/ea/2026/72/650 - el artículo del que trata esta nota — el artículo completo — el pasaje: "The results revealed an intermediate level of digital maturity, dominated by the use of descriptive analytics, while AI applications were only partially implemented."
Vasilescu, L., Sichigea, M., Brabete, V. et al. (2026). Decision-Making and Financial Performance in E-Commerce SMEs: Perceptions on Data Analytics and Artificial Intelligence. Amfiteatru Economic. https://doi.org/10.24818/ea/2026/72/650 - el artículo del que trata esta nota — el artículo completo — el pasaje: "The limitations include the qualitative nature and cross-sectional design, which do not allow for statistical generalisation; however, this does not diminish the theoretical and exploratory value of the findings."
Vasilescu, L., Sichigea, M., Brabete, V. et al. (2026). Decision-Making and Financial Performance in E-Commerce SMEs: Perceptions on Data Analytics and Artificial Intelligence. Amfiteatru Economic. https://doi.org/10.24818/ea/2026/72/650 - el artículo del que trata esta nota — el artículo completo — el pasaje: "Data analytics refers to the systematic use of statistical and analytical techniques to generate insights relevant to the managerial process (Mikalef et al., 2019; Chatterjee et al., 2023), while artificial intelligence denotes technologies capable of simulating cognitive processes, such as machine learning and prediction generation, contributing to the optimisation of SMEs’ financial performance (Arroyabe et al., 2024)."
Vasilescu, L., Sichigea, M., Brabete, V. et al. (2026). Decision-Making and Financial Performance in E-Commerce SMEs: Perceptions on Data Analytics and Artificial Intelligence. Amfiteatru Economic. https://doi.org/10.24818/ea/2026/72/650 - el artículo del que trata esta nota — el artículo completo — el pasaje: "Microenterprises predominantly rely on free or low-cost tools such as Google Analytics, standard reports offered by the e-commerce platform, and Excel for basic financial analyses."
Vasilescu, L., Sichigea, M., Brabete, V. et al. (2026). Decision-Making and Financial Performance in E-Commerce SMEs: Perceptions on Data Analytics and Artificial Intelligence. Amfiteatru Economic. https://doi.org/10.24818/ea/2026/72/650 - el artículo del que trata esta nota — el artículo completo — el pasaje: "Small enterprises present an intermediate level of technological endowment, integrating SaaS solutions such as CRMs, email marketing platforms, and occasionally automation solutions."
Vasilescu, L., Sichigea, M., Brabete, V. et al. (2026). Decision-Making and Financial Performance in E-Commerce SMEs: Perceptions on Data Analytics and Artificial Intelligence. Amfiteatru Economic. https://doi.org/10.24818/ea/2026/72/650 - el artículo del que trata esta nota — el artículo completo — el pasaje: "Medium SMEs demonstrate the most advanced level of adoption, implementing full ERP systems, advanced Business Intelligence platforms (Power BI, Tableau), sophisticated CRMs, and notably, predictive AI models for demand forecasting, price optimisation, and marketing personalisation."
Vasilescu, L., Sichigea, M., Brabete, V. et al. (2026). Decision-Making and Financial Performance in E-Commerce SMEs: Perceptions on Data Analytics and Artificial Intelligence. Amfiteatru Economic. https://doi.org/10.24818/ea/2026/72/650 - el artículo del que trata esta nota — el artículo completo — el pasaje: "The high costs of professional software, the complexity of technical integration between systems, the need for repeated tests and the adjustments, and lack of internal expertise represent the major identified obstacles."
Vasilescu, L., Sichigea, M., Brabete, V. et al. (2026). Decision-Making and Financial Performance in E-Commerce SMEs: Perceptions on Data Analytics and Artificial Intelligence. Amfiteatru Economic. https://doi.org/10.24818/ea/2026/72/650 - el artículo del que trata esta nota — el artículo completo — el pasaje: "Difficulties related to employee competencies were mentioned by over 60% of the participants, regardless of firm size, suggesting that the digital skills gap is a systemic issue in Romania"
Vasilescu, L., Sichigea, M., Brabete, V. et al. (2026). Decision-Making and Financial Performance in E-Commerce SMEs: Perceptions on Data Analytics and Artificial Intelligence. Amfiteatru Economic. https://doi.org/10.24818/ea/2026/72/650 - el artículo del que trata esta nota — el artículo completo — el pasaje: "The most consistent results are related to improvements in commercial performance. Benefits reported by respondents include “more stable sales”, “increased profitability per category”, “reduced promotion costs”, and “better control over expenses”."
Vasilescu, L., Sichigea, M., Brabete, V. et al. (2026). Decision-Making and Financial Performance in E-Commerce SMEs: Perceptions on Data Analytics and Artificial Intelligence. Amfiteatru Economic. https://doi.org/10.24818/ea/2026/72/650 - el artículo del que trata esta nota — el artículo completo — el pasaje: "Inventory and logistics optimisation presents the lowest coding frequency (9 mentions: 3 micro, 4 small, 2 medium), suggesting that this area remains a challenge for most small SMEs, probably due to the need for more complex inventory management systems."
Vasilescu, L., Sichigea, M., Brabete, V. et al. (2026). Decision-Making and Financial Performance in E-Commerce SMEs: Perceptions on Data Analytics and Artificial Intelligence. Amfiteatru Economic. https://doi.org/10.24818/ea/2026/72/650 - el artículo del que trata esta nota — el artículo completo — el pasaje: "All participants reported increased confidence in their decisions as a result of grounding them in concrete data. During peak or volatile periods, the data provide stability, reducing dependence on intuition."
Oldemeyer L, Jede A, Teuteberg F. (2026). Facilitating AI Acceptance in SMEs: Exploring the End-User Perspective. Journal of Small Business Strategy. https://doi.org/10.53703/001c.163481 — solo el resumen - no se pudo obtener el texto completo — el pasaje: "The findings show that over 62% of the variance in employee acceptance of AI can be explained by six key determinants: usefulness, ease of use, job insecurity, productivity, environmental sustainability, and business culture."
Oldemeyer L, Jede A, Teuteberg F. (2026). Facilitating AI Acceptance in SMEs: Exploring the End-User Perspective. Journal of Small Business Strategy. https://doi.org/10.53703/001c.163481 — solo el resumen - no se pudo obtener el texto completo — el pasaje: "Among these factors, business culture exerts the strongest correlation on AI acceptance."
Guettoufi Y. (2026). Assessing the impact of artificial intelligence adoption on corporate financial performance: Evidence from emerging markets. International Review of Economics & Finance. https://doi.org/10.1016/j.iref.2026.105272 — solo el resumen - no se pudo obtener el texto completo — el pasaje: "However, rigorous regression analysis accounting for firm-specific characteristics demonstrated these performance differences were predominantly statistically insignificant, revealing selection bias rather than authentic AI-driven effects."
Guettoufi Y. (2026). Assessing the impact of artificial intelligence adoption on corporate financial performance: Evidence from emerging markets. International Review of Economics & Finance. https://doi.org/10.1016/j.iref.2026.105272 — solo el resumen - no se pudo obtener el texto completo — el pasaje: "This study investigated AI adoption's impact on financial performance among 115 Algerian firms from 2016 to 2023, a period witnessing AI adoption rise from 0% to 73.91%."
Polasik M, Czarkowska M, Śniadkowski W, Bagniewski B, Meler A. (2026). The Impact of the Implementation of the AI Systems in Small and Medium Enterprises in Poland: Scale of Usage, Productivity, and Unperceived Sustainability. Sustainability. https://doi.org/10.3390/su18136503 — solo el resumen - no se pudo obtener el texto completo — el pasaje: "The strongest effects concern workload reduction and time efficiency, particularly in service firms and where AI is used intensively."
Polasik M, Czarkowska M, Śniadkowski W, Bagniewski B, Meler A. (2026). The Impact of the Implementation of the AI Systems in Small and Medium Enterprises in Poland: Scale of Usage, Productivity, and Unperceived Sustainability. Sustainability. https://doi.org/10.3390/su18136503 — solo el resumen - no se pudo obtener el texto completo — el pasaje: "However, these effects should not be interpreted simply as direct cost reduction. Rather, AI improves productivity and work capacity while creating new costs related to paid tools, data preparation, integration, output verification, and governance."
Polasik M, Czarkowska M, Śniadkowski W, Bagniewski B, Meler A. (2026). The Impact of the Implementation of the AI Systems in Small and Medium Enterprises in Poland: Scale of Usage, Productivity, and Unperceived Sustainability. Sustainability. https://doi.org/10.3390/su18136503 — solo el resumen - no se pudo obtener el texto completo — el pasaje: "The transition from ad hoc use to strategic implementation depends less on firm size alone and more on process maturity, capabilities, and data readiness."
Vasilescu, L., Sichigea, M., Brabete, V. et al. (2026). Decision-Making and Financial Performance in E-Commerce SMEs: Perceptions on Data Analytics and Artificial Intelligence. Amfiteatru Economic. https://doi.org/10.24818/ea/2026/72/650 - el artículo del que trata esta nota — el artículo completo — el pasaje: "In Romania, e-commerce is experiencing rapid growth, yet the overall level of digitalisation remains below the European Union average (69.1% compared to 72.91%) (EC, 2025)."
Vasilescu, L., Sichigea, M., Brabete, V. et al. (2026). Decision-Making and Financial Performance in E-Commerce SMEs: Perceptions on Data Analytics and Artificial Intelligence. Amfiteatru Economic. https://doi.org/10.24818/ea/2026/72/650 - el artículo del que trata esta nota — el artículo completo — el pasaje: "In Romania, the level of digitalisation among SMEs remains low, particularly for small firms, due to limited financial resources and insufficient IT infrastructure, with the services and commerce sectors being the most affected (Mihu and Herciu, 2024; Verdeș, Mironescu and Mazăre, 2024)."
Vasilescu, L., Sichigea, M., Brabete, V. et al. (2026). Decision-Making and Financial Performance in E-Commerce SMEs: Perceptions on Data Analytics and Artificial Intelligence. Amfiteatru Economic. https://doi.org/10.24818/ea/2026/72/650 - el artículo del que trata esta nota — el artículo completo — el pasaje: "According to data published on the listafirme.ro platform, 7,145 SMEs reported activity in the e-commerce sector in Romania, of which 7,021 are microenterprises, 116 are small enterprises, and 8 are medium enterprises."
Vasilescu, L., Sichigea, M., Brabete, V. et al. (2026). Decision-Making and Financial Performance in E-Commerce SMEs: Perceptions on Data Analytics and Artificial Intelligence. Amfiteatru Economic. https://doi.org/10.24818/ea/2026/72/650 - el artículo del que trata esta nota — el artículo completo — el pasaje: "In this context, the development of public support programs, professional training, and competency ecosystems becomes crucial, as such initiatives can accelerate the adoption of advanced technologies across the SMEs."

Los hallazgos de otros estudios que aquí se mencionan los conocemos por este documento, que fue el que leímos; no abrimos cada uno de esos estudios.

interviews · Amfiteatru Economic · the paper, 1 May 2026 · free

They Ran Their Shops on Excel and Google Analytics. It Changed How They Decided.

In interviews with 25 Romanian online sellers, owners said data tools steadied their sales and margins. The study cannot prove the tools did it. It also reports that high software costs and tight budgets held some firms back.

Short version · the longer version follows, about 6 min

Ask the weeklyAI chat

Ask me about this study: who was studied, what it found, and what it does not say.

Conversations are saved for as long as weeklyAI exists, to improve the publication. Answers come in the language you write in.

The study at a glance
Who: managers and owners of Romanian e-commerce small and medium businesses
How many: 25
Where: Romania
When: September and October 2025
Kind of study: interviews
Who did it: University of Craiova, Romania
The limit that matters: It reports what managers said, not audited results, and cannot prove the tools caused the gains.

What each size of firm used

microenterprisesagainstmedium enterprises

Micro firms used free or low-cost tools like Google Analytics, platform reports and Excel; medium firms ran full ERP systems, advanced business intelligence platforms and predictive AI models.

microenterprisesagainstsmall enterprises

Micro firms used free or low-cost tools; small firms added SaaS solutions such as customer relationship management systems and email marketing platforms.

The study reports what managers said about sales, costs and inventory. It cannot show that the tools caused these gains.
weeklyAI's reading

Watch · 0:52

"We use Google Analytics and reports from the e-commerce platform. We aggregate data in Excel."

That is a microenterprise owner in Romania, describing a setup that would look familiar to plenty of small online sellers. A team of researchers at the University of Craiova interviewed 25 managers and owners of Romanian e-commerce businesses: 13 micro firms, 7 small, and 5 medium.

The tools tracked the size of the firm. Micro businesses leaned on free or cheap options, such as Google Analytics, the reports built into their selling platform, and Excel. Medium firms ran full ERP systems, Power BI dashboards, and predictive AI models for demand and pricing. Small firms sat in between, adding a CRM here and an email tool there.

Money was the wall for the smallest firms. One micro owner put it plainly: "Limited budget does not allow us advanced solutions." Larger firms hit a different wall, the work of connecting systems and tuning them. More than 60 percent of the people interviewed said their employees lacked the skills to use the tools well.

What managers said they got back: steadier sales, better margins by product category, lower promotion spending, and inventory that moved faster. They also described decisions made with more confidence. One small-firm owner said decisions were now "better argued."

Those are perceptions, reported by the people running the businesses. The study reports what managers said about sales, costs and inventory. It cannot show that the tools caused these gains.

The sample is 25 firms in one country, interviewed by phone in the fall of 2025, and it makes no claim to represent sellers elsewhere.

Look at the dashboard you already pay for. Is anyone actually making decisions from it, or is it just filling up with numbers?

What this means for you

That confidence is what the owners described, not something the study measured in their books, so weigh it as their impression rather than proof. Before you buy anything, ask what a tool would change in a decision you already make, and who on your staff would read it.

Who paid: The research was conducted with the support of the Center for Interdisciplinary Research in Economics and Social Sciences, INCESA (Research Infrastructure in Applied Sciences), University of Craiova; the article does not say whether the funders had any say or who lent equipment or software.

The longer versionThe passages copied from the paper, the pictures, and every source with how much of it we read · 1167 words · about 6 minRead it →Close

Romanian Online Sellers Say Data Tools Sharpened Their Decisions — With Two Catchphrases: "We Have No Budget" and "We Have No One Who Knows How"

Twenty-five interviews in Romania's e-commerce sector describe what owners actually got from analytics and AI — and what got in the way.

How it could look · illustration generated by weeklyAI.watch, not a photograph

Managers of Romanian online shops believe that data analytics and artificial intelligence tools have made their decisions better grounded and their finances stronger — but most of them are only partway up the ladder. That is the central finding of a qualitative study published in the journal Amfiteatru Economic by Laura Vasilescu, Mirela Sichigea, Valeriu Brabete, Daniel Goagără and Dorel Berceanu of the University of Craiova, in Romania, with support from the university's Center for Interdisciplinary Research in Economics and Social Sciences, INCESA.

The study reports an intermediate level of digital maturity, dominated by the use of descriptive analytics — the kind of reporting that tells you what already happened — while AI applications were only partially implemented¹. The interviews surface a clear split by firm size. Microenterprises lean on free or low-cost tools: Google Analytics, the standard reports their e-commerce platform hands them, and Excel for basic financial analyses². Small enterprises sit in between, adding SaaS solutions such as customer relationship management systems, email marketing platforms and occasionally automation³. Medium firms go furthest, implementing full ERP systems, advanced business intelligence platforms, sophisticated CRMs, and predictive models for demand forecasting, price optimisation and marketing personalisation⁴.

If you run an online shop with no technical staff, it helps to be precise about what these tools are. Data analytics means the systematic use of statistical and analytical techniques to generate insights relevant to the managerial process, while artificial intelligence means technologies capable of simulating cognitive processes — machine learning, for instance, and prediction generation⁵. In other words: one family of tools tells you what happened in your shop; the other tries to tell you what is likely to happen next.

The setting matters to how far you can carry these findings. In Romania, e-commerce is growing fast, yet the overall level of digitalisation sits below the European Union average — 69.1 per cent compared with 72.91 per cent, the study notes⁶. Among Romanian SMEs, digitalisation remains low, particularly for small firms, because of limited financial resources and insufficient IT infrastructure, with services and commerce the sectors most affected⁷. The sample itself came from a sector dominated by the smallest players: 7,145 SMEs reported e-commerce activity in Romania, of which 7,021 were microenterprises, 116 were small enterprises and 8 were medium⁸.

The barriers the managers described were remarkably consistent. The main obstacles the study identifies are a deficit of digital competencies and financial constraints, with variations across firm size categories⁹. The specific headaches named were the high cost of professional software, the complexity of integrating systems with each other, the need for repeated testing and adjustment, and the lack of internal expertise¹⁰. Employee competency difficulties came up in over 60 per cent of the interviews, regardless of firm size, which the authors read as a sign that the digital skills gap is a systemic issue in Romania¹¹. One microenterprise said its limited budget did not allow advanced solutions, while a small enterprise said integrated systems are expensive and require technical expertise and time for testing and optimisation.

On the benefit side, the most consistent results were improvements in commercial performance. Managers reported more stable sales, increased profitability per category, reduced promotion costs and better control over expenses¹². Inventory and logistics optimisation drew the fewest mentions — nine in total, spread as three micro, four small and two medium — which the authors suggest means this area remains a challenge for most small firms, probably because it needs more complex inventory management systems¹³. Every participant reported increased confidence in their decisions as a result of grounding them in concrete data, with the data providing stability during peak or volatile periods and reducing dependence on intuition¹⁴.

Compare those perceived gains with what a different kind of study found.

Here is how we read it. The Romanian study measures what managers believe, not what their bank statements show. Nobody in either study could cleanly separate "the tool made us better" from "the firms that adopt tools were already better run." And a second layer sits underneath: in the Romanian interviews, the obstacle that came up most often was not the software at all but the people. Over 60 per cent of participants said their employees lacked the skills to use these tools, whatever the size of their firm.

We also read a pattern in how the tools get adopted, and it leads us to expect something specific in firms like yours. When a tool is hard to use and there is no technical staff, people tend to learn it from whoever is a little ahead of them — a colleague, a relative, a freelancer — rather than from formal training, and the helper and the helped swap roles as each learns more. So we'd expect that if you ask owners of small online shops where they actually learned their analytics, most will name a person, not a course. You would know we are wrong if the managers in your own circle mostly point to structured courses, vendor onboarding sessions or consultants with deep expertise. The practical move: find the person in your network who is one step ahead of you with data tools and trade knowledge with them — someone who just figured something out may teach you more than a formal course will.

Watch the trade-off as you climb. Simple, low-cost tools tend to leave you in control and able to switch away; integrated systems tend to make you reliant on outside experts and suppliers, because the expertise to run them does not live inside a small firm. Before you buy anything, ask whether you could walk away without losing your data or your ability to work. And when you bring in a specialist or a complex tool, keep asking what the recommendation rests on and who can change it — make sure you can still explain your own decisions to yourself and to your staff.

The study's own limits are worth stating plainly. The authors describe the work as qualitative and cross-sectional, which does not allow for statistical generalisation, while arguing this does not diminish its exploratory value¹⁵. The 25 interviews captured perceptions, not audited financial results; the sample was not statistically representative; and the authors themselves point to the development of public support programmes, professional training and competency ecosystems as crucial to accelerating adoption of advanced technologies across SMEs¹⁶.

So what does this make possible for you? A question to carry into your next conversation with a vendor, a peer or your own team — one you did not have before reading this: "You say this tool will improve my margins — can you show me a shop like mine, with no technical staff, where it did, and tell me who ran it?"

Where each piece of context comes from, and how much of it we read

Vasilescu, L., Sichigea, M., Brabete, V. et al. (2026). Decision-Making and Financial Performance in E-Commerce SMEs: Perceptions on Data Analytics and Artificial Intelligence. Amfiteatru Economic. https://doi.org/10.24818/ea/2026/72/650 - the article this story is about — the whole article — the passage: "The results revealed an intermediate level of digital maturity, dominated by the use of descriptive analytics, while AI applications were only partially implemented."
Vasilescu, L., Sichigea, M., Brabete, V. et al. (2026). Decision-Making and Financial Performance in E-Commerce SMEs: Perceptions on Data Analytics and Artificial Intelligence. Amfiteatru Economic. https://doi.org/10.24818/ea/2026/72/650 - the article this story is about — the whole article — the passage: "Microenterprises predominantly rely on free or low-cost tools such as Google Analytics, standard reports offered by the e-commerce platform, and Excel for basic financial analyses."
Vasilescu, L., Sichigea, M., Brabete, V. et al. (2026). Decision-Making and Financial Performance in E-Commerce SMEs: Perceptions on Data Analytics and Artificial Intelligence. Amfiteatru Economic. https://doi.org/10.24818/ea/2026/72/650 - the article this story is about — the whole article — the passage: "Small enterprises present an intermediate level of technological endowment, integrating SaaS solutions such as CRMs, email marketing platforms, and occasionally automation solutions."
Vasilescu, L., Sichigea, M., Brabete, V. et al. (2026). Decision-Making and Financial Performance in E-Commerce SMEs: Perceptions on Data Analytics and Artificial Intelligence. Amfiteatru Economic. https://doi.org/10.24818/ea/2026/72/650 - the article this story is about — the whole article — the passage: "Medium SMEs demonstrate the most advanced level of adoption, implementing full ERP systems, advanced Business Intelligence platforms (Power BI, Tableau), sophisticated CRMs, and notably, predictive AI models for demand forecasting, price optimisation, and marketing personalisation."
Vasilescu, L., Sichigea, M., Brabete, V. et al. (2026). Decision-Making and Financial Performance in E-Commerce SMEs: Perceptions on Data Analytics and Artificial Intelligence. Amfiteatru Economic. https://doi.org/10.24818/ea/2026/72/650 - the article this story is about — the whole article — the passage: "Data analytics refers to the systematic use of statistical and analytical techniques to generate insights relevant to the managerial process (Mikalef et al., 2019; Chatterjee et al., 2023), while artificial intelligence denotes technologies capable of simulating cognitive processes, such as machine learning and prediction generation, contributing to the optimisation of SMEs’ financial performance (Arroyabe et al., 2024)."
Vasilescu, L., Sichigea, M., Brabete, V. et al. (2026). Decision-Making and Financial Performance in E-Commerce SMEs: Perceptions on Data Analytics and Artificial Intelligence. Amfiteatru Economic. https://doi.org/10.24818/ea/2026/72/650 - the article this story is about — the whole article — the passage: "In Romania, e-commerce is experiencing rapid growth, yet the overall level of digitalisation remains below the European Union average (69.1% compared to 72.91%) (EC, 2025)."
Vasilescu, L., Sichigea, M., Brabete, V. et al. (2026). Decision-Making and Financial Performance in E-Commerce SMEs: Perceptions on Data Analytics and Artificial Intelligence. Amfiteatru Economic. https://doi.org/10.24818/ea/2026/72/650 - the article this story is about — the whole article — the passage: "In Romania, the level of digitalisation among SMEs remains low, particularly for small firms, due to limited financial resources and insufficient IT infrastructure, with the services and commerce sectors being the most affected (Mihu and Herciu, 2024; Verdeș, Mironescu and Mazăre, 2024)."
Vasilescu, L., Sichigea, M., Brabete, V. et al. (2026). Decision-Making and Financial Performance in E-Commerce SMEs: Perceptions on Data Analytics and Artificial Intelligence. Amfiteatru Economic. https://doi.org/10.24818/ea/2026/72/650 - the article this story is about — the whole article — the passage: "According to data published on the listafirme.ro platform, 7,145 SMEs reported activity in the e-commerce sector in Romania, of which 7,021 are microenterprises, 116 are small enterprises, and 8 are medium enterprises."
Vasilescu, L., Sichigea, M., Brabete, V. et al. (2026). Decision-Making and Financial Performance in E-Commerce SMEs: Perceptions on Data Analytics and Artificial Intelligence. Amfiteatru Economic. https://doi.org/10.24818/ea/2026/72/650 - the article this story is about — the whole article — the passage: "The main barriers identified were the deficit of digital competencies and financial constraints, with variations across firm size categories."
Vasilescu, L., Sichigea, M., Brabete, V. et al. (2026). Decision-Making and Financial Performance in E-Commerce SMEs: Perceptions on Data Analytics and Artificial Intelligence. Amfiteatru Economic. https://doi.org/10.24818/ea/2026/72/650 - the article this story is about — the whole article — the passage: "The high costs of professional software, the complexity of technical integration between systems, the need for repeated tests and the adjustments, and lack of internal expertise represent the major identified obstacles."
Vasilescu, L., Sichigea, M., Brabete, V. et al. (2026). Decision-Making and Financial Performance in E-Commerce SMEs: Perceptions on Data Analytics and Artificial Intelligence. Amfiteatru Economic. https://doi.org/10.24818/ea/2026/72/650 - the article this story is about — the whole article — the passage: "Difficulties related to employee competencies were mentioned by over 60% of the participants, regardless of firm size, suggesting that the digital skills gap is a systemic issue in Romania"
Vasilescu, L., Sichigea, M., Brabete, V. et al. (2026). Decision-Making and Financial Performance in E-Commerce SMEs: Perceptions on Data Analytics and Artificial Intelligence. Amfiteatru Economic. https://doi.org/10.24818/ea/2026/72/650 - the article this story is about — the whole article — the passage: "The most consistent results are related to improvements in commercial performance. Benefits reported by respondents include “more stable sales”, “increased profitability per category”, “reduced promotion costs”, and “better control over expenses”."
Vasilescu, L., Sichigea, M., Brabete, V. et al. (2026). Decision-Making and Financial Performance in E-Commerce SMEs: Perceptions on Data Analytics and Artificial Intelligence. Amfiteatru Economic. https://doi.org/10.24818/ea/2026/72/650 - the article this story is about — the whole article — the passage: "Inventory and logistics optimisation presents the lowest coding frequency (9 mentions: 3 micro, 4 small, 2 medium), suggesting that this area remains a challenge for most small SMEs, probably due to the need for more complex inventory management systems."
Vasilescu, L., Sichigea, M., Brabete, V. et al. (2026). Decision-Making and Financial Performance in E-Commerce SMEs: Perceptions on Data Analytics and Artificial Intelligence. Amfiteatru Economic. https://doi.org/10.24818/ea/2026/72/650 - the article this story is about — the whole article — the passage: "All participants reported increased confidence in their decisions as a result of grounding them in concrete data. During peak or volatile periods, the data provide stability, reducing dependence on intuition."
Vasilescu, L., Sichigea, M., Brabete, V. et al. (2026). Decision-Making and Financial Performance in E-Commerce SMEs: Perceptions on Data Analytics and Artificial Intelligence. Amfiteatru Economic. https://doi.org/10.24818/ea/2026/72/650 - the article this story is about — the whole article — the passage: "The limitations include the qualitative nature and cross-sectional design, which do not allow for statistical generalisation; however, this does not diminish the theoretical and exploratory value of the findings."
Vasilescu, L., Sichigea, M., Brabete, V. et al. (2026). Decision-Making and Financial Performance in E-Commerce SMEs: Perceptions on Data Analytics and Artificial Intelligence. Amfiteatru Economic. https://doi.org/10.24818/ea/2026/72/650 - the article this story is about — the whole article — the passage: "In this context, the development of public support programs, professional training, and competency ecosystems becomes crucial, as such initiatives can accelerate the adoption of advanced technologies across the SMEs."

The findings of other studies mentioned here are known to us through this document, which is the one we read; we did not open each of those studies.