A medida que la tecnología avanza hacia nuevos paradigmas como el Internet de las Cosas, existe un deseo entre los líderes empresariales de contar con un método confiable para determinar el valor de apoyar estas iniciativas. Las técnicas tradicionales de simulación y análisis no pueden modelar los sistemas complejos inherentes a campos como la gestión de activos de infraestructura, o sufren de una falta de datos sobre los cuales construir una predicción. La modelización basada en agentes, a través de una integración con la ciencia de datos, presenta un método de simulación atractivo para capturar estas complejidades subyacentes y proporcionar una solución. El objetivo de este trabajo es investigar esta integración como un proceso refinado para responder preguntas prácticas de negocios. Se aborda un estudio de caso específico para evaluar el retorno de la inversión de la instalación de sensores de monitoreo de condiciones en activos de ascensores en una estación del metro de Londres. Se desarrolla un modelo basado en agentes para este propósito, respaldado por un análisis de datos históricos. Los resultados de la simulación demuestran cómo se pueden lograr retornos y destacan características inducidas como resultado de la estocasticidad en el modelo. Además, se esbozan sugerencias para futuras líneas de investigación.