El análisis de grandes datos tiene el potencial de mejorar significativamente las operaciones de las industrias manufactureras, ayudar en la toma de decisiones y fomentar la innovación. Sin embargo, existen varias barreras que socavan la adopción exitosa del análisis de grandes datos en estas industrias. Este documento presenta un análisis estructural de las barreras para la adopción del análisis de grandes datos en las industrias manufactureras. A través de una extensa revisión de la literatura y un análisis de expertos, se realizó una recopilación de las diversas barreras. Luego se utilizó la técnica de modelado de estructura interpretativa (ISM) para analizar la interacción entre las barreras: esta técnica se utilizó para construir una jerarquía cuyas respectivas funciones objetivas indicaban cómo cada barrera influía en la otra. Estos hallazgos ayudan a comprender las relaciones jerárquicas entre las diversas barreras y, por lo tanto, pueden ayudar a las organizaciones a priorizar estrategias para mitigar estas barreras. Los resultados muestran algunas barreras que tienen una alta influencia sobre otras y, como tal, representan puntos críticos que las industrias manufactureras deben abordar al adoptar el análisis de grandes datos. Este documento también elabora las relaciones entre las barreras, lo que ayudará a los tomadores de decisiones a crear estrategias para mitigarlas de manera efectiva. Los hallazgos de este estudio contribuyen al cuerpo de conocimiento existente sobre las barreras para adoptar el análisis de grandes datos en las industrias manufactureras y proporcionan un enfoque eficiente para que las organizaciones aborden sistemáticamente las barreras.