MODELO DE INTEGRACIÓN DE ANÁLISIS …...simultáneos a nivel agregado de la economía Colombiana y...
162
MODELO DE INTEGRACIÓN DE ANÁLISIS ENVOLVENTE E INTELIGENCIA DE NEGOCIOS PARA MEDIR LA EFICIENCIA, EFICACIA Y PRODUCTIVIDAD EN LA PEQUEÑA Y MEDIANA EMPRESA EN COLOMBIA ANDREA TATIANA CRUZ VARGAS MAESTRÍA EN INGENIERÍA INDUSTRIAL FACULTAD DE INGENIERÍA UNIVERSIDAD CATÓLICA DE COLOMBIA BOGOTÁ, mayo 2018
Transcript of MODELO DE INTEGRACIÓN DE ANÁLISIS …...simultáneos a nivel agregado de la economía Colombiana y...
1
MODELO DE INTEGRACIÓN DE ANÁLISIS ENVOLVENTE E INTELIGENCIA DE NEGOCIOS PARA MEDIR LA EFICIENCIA, EFICACIA Y PRODUCTIVIDAD EN LA PEQUEÑA Y MEDIANA
EMPRESA EN COLOMBIA
ANDREA TATIANA CRUZ VARGAS
MAESTRÍA EN INGENIERÍA INDUSTRIAL FACULTAD DE INGENIERÍA
UNIVERSIDAD CATÓLICA DE COLOMBIA BOGOTÁ, mayo
2018
2
PROPUESTA DE TRABAJO DE GRADO DE MAESTRÍA MODELO DE INTEGRACIÓN DE ANÁLISIS ENVOLVENTE E
INTELIGENCIA DE NEGOCIOS PARA MEDIR LA EFICIENCIA, EFICACIA Y PRODUCTIVIDAD EN LA PEQUEÑA Y MEDIANA
EMPRESA EN COLOMBIA
ANDREA TATIANA CRUZ VARGAS
Propuesta de Trabajo de grado presentado como requisito para optar al título de MAGISTER EN INGENIERÍA INDUSTRIAL
Asesor: HOLMAN DIEGO BOLÍVAR BARÓN Ph.D
MAESTRÍA EN INGENIERÍA INDUSTRIAL FACULTAD DE INGENIERÍA
UNIVERSIDAD CATÓLICA DE COLOMBIA BOGOTÁ, mayo
2018
3
4
TABLA DE CONTENIDO 1. INTRODUCCION .................................................................................................... 13
2. PLANTEAMIENTO DEL PROBLEMA ..................................................................... 15
3. OBJETIVOS ............................................................................................................ 20
3.1 Objetivo general ............................................................................................... 20
3.2 Objetivos específicos ....................................................................................... 20
4. ESTADO DEL ARTE............................................................................................... 21
4.1 Análisis Envolvente (DEA): aproximación a un estado del arte ........................ 21
4.2 Inteligencia de negocios (BI): tendencias y aplicaciones ................................. 27
5. MARCO CONCEPTUAL ......................................................................................... 34
5.1 Dinámica Económica ...................................................................................... 35
5.2 Ciclo Económico y Aspectos Financieros ...................................................... 40
5.3 Estrategia ........................................................................................................ 42
5.4 Estructuras Organizacionales ........................................................................ 43
5.5 Tamaño ............................................................................................................ 48
5.6 Redes y Asociatividad .................................................................................... 49
5.7 Competitividad y virtudes Pyme ..................................................................... 50
5.8 Innovación ....................................................................................................... 55
5.9 Análisis de los obstáculos que tienen las pymes colombianas para su evolución y desarrollo ............................................................................................... 57
5.9.1 Acceso y costo del Financiamiento ............................................................ 57
5.9.2 El Sistema Tributario ................................................................................. 59
5.9.3 Acceso al Mercado Interno ........................................................................ 60
5.9.4 Apoyo y funcionamiento del Estado ........................................................... 61
5.9.5 Acceso a Mercados Externos .................................................................... 62
5.9.6 Legislación Laboral, Calidad y Disponibilidad del Recurso Humano ......... 63
5.9.7 Infraestructura, Logística y Servicios Públicos Seguridad y Asociatividad 65
5.10 Eficiencia, eficacia y productividad: lecciones aprendidas para las pymes 66
6. MARCO TEÓRICO ................................................................................................. 68
6.1 Fundamentos del Análisis Envolvente de Datos (DEA) ................................ 68
6.1.1 Análisis de la eficiencia .............................................................................. 70
6.1.2 Eficacia ...................................................................................................... 71
6.1.3 Productividad ............................................................................................. 71
5
6.1.4 Tipos de modelos DEA............................................................................. 72
6.2 Fundamentos y opciones de aplicación de la Inteligencia de negocios (BI) 76
6.3 Componentes básicos del BI .......................................................................... 81
6.3.1 Fuentes de información y proceso ETL................................................... 83
6.3.2 Datawarehouse (DW) o Almacén de Datos, Data Mart y Metadato ...... 86
6.3.3 Servidor OLAP y Herramientas Front-end .............................................. 87
6.4 Las limitaciones y las ventajas del DEA y su integración con el BI para el análisis de la eficiencia, la eficacia y la productividad............................................ 88
6.5 Modelo DEA propuesto para la eficiencia, la eficacia y la productividad .... 91
7. METODOLOGÍA ..................................................................................................... 95
7.1 Selección de Variables ................................................................................... 95
7.1.1 Variables iniciales ..................................................................................... 96
7.1.2 Variables representativas ........................................................................ 97
7.2 Mediciones ...................................................................................................... 98
7.3 Bases de Datos y Manejo de Software ........................................................ 101
7.4 Adecuación de los datos para la implementación del modelo propuesto .. 101
8. RESULTADOS ..................................................................................................... 106
8.1 Hechos estilizados a través del BI ............................................................... 108
8.1.1 La eficiencia sectorial, la eficacia sectorial y la productividad sectorial 108
8.2 Resultados de eficiencia, eficacia y productividad en el modelo propuesto DEA - BI .................................................................................................................. 112
8.2.1 Resultados modelo propuesto DEA-BI con orientación a insumos (inputs) 113
8.2.2 Resultados modelo propuesto DEA-BI con orientación a productos (outputs) ............................................................................................................... 121
9. Conclusiones y recomendaciones ...................................................................... 130
10. Bibliografía ........................................................................................................ 136
ANEXOS ..................................................................................................................... 155
6
LISTA DE TABLAS Tabla 1 Clasificación de las Mipymes - Ley 590 de 2000 y Ley 905 de 2004 35
Tabla 2. Tipologías de Estructuras Organizativas 44
Tabla 3. Criterios para determinar el tamaño empresarial en algunos países de Latinoamérica 48
Tabla 4. Participación de las Pymes en el total de la Economía Formal en AM 2010 49
Tabla 5. Problemática de Recursos de la Pyme 53
Tabla 6. Factores dimensionales de la capacidad innovadora 56
Tabla 7. Variables Iniciales 96
Tabla 8. Clasificación General Actividades Económicas 104
Tabla 9. Clasificación en 11 Subsectores 105
Tabla 10. Abreviaturas de las DMUs para el software 108
Tabla 11. Frontera eficaz: retornos variables con orientación a insumos 113
Tabla 12. Retornos variables con orientación a salidas 122
Tabla 13. Taxonomía de las Pymes 155
Tabla 14. Representación Matemática de los Modelos DEA-BCC 157
Tabla 15. Representación Matemática de los Modelos DEA-CCR 158
Tabla 16. Comparación del Modelo DEA-CCR con Orientación Entradas y Salidas 159
Tabla 17. Representación Matemática Modelo DEA-Aditivo 159
7
LISTA DE FIGURAS Ilustración 1. Factores que afectan los negocios en Colombia 2015-2016 18
Ilustración 2. Obstáculos en la relación de los bancos con las Pyme 19
Ilustración 3. ¿Por qué se necesitan las soluciones de BI? 32
Ilustración 4. Actividad por sectores - Empresas Medianas 36
Ilustración 5. Actividad por sectores - Empresas Pequeñas 36
Ilustración 6 Producto Interno Bruto Trimestral - Crecimiento Anual 1/ 37
Ilustración 7 Valor de la Producción 37
Ilustración 8 Crecimiento de las Mipymes 37
Ilustración 9 Vocación Exportadora 38
Ilustración 10 Inversión y Cambio Tecnológico. Inversión Bruta 38
Ilustración 11 Tipo de Inversión por Componentes 39
Ilustración 12. Factores de Influencia de las Pymes en Colombia 39
Ilustración 13. Margen Operacional 40
Ilustración 14. Rentabilidad de los Activos 40
Ilustración 15. Solvencia 40
Ilustración 16. Distribución de entidades financieras - especialización de su cartera 41
Ilustración 17 Fuentes de Financiamiento Microempresas 41
Ilustración 18. Endeudamiento: Pasivos / Activos 41
Ilustración 19 Distribución de los Recursos de Financiamiento 42
Ilustración 20. Dirección Estratégica de la Empresa 42
Ilustración 21. Opciones de decisión para la estrategia de la compañía 43
Ilustración 22 Representatividad 45
Ilustración 23 Distribución de las Mipymes según sectores 46
Ilustración 24 Participación sectorial de las Mipymes en Latinoamérica 46
Ilustración 25. Participación por Sectores 47
Ilustración 26. Empresas Según Activos 47
Ilustración 27 Madurez de las Mipymes 47
Ilustración 28. Tasas de Crecimiento Activos, Pasivos y Patrimonio Mipymes 2010-2013 47
Ilustración 29. Contribución de las Pymes al progreso 51
Ilustración 30. Modelo de competitividad. World Economic Forum (WEF), 2008 52
Ilustración 31. Estado de Desarrollo de Colombia 2015-2016 según el ICG 52
Ilustración 32. Fundamentos de la Productividad aplicable a las Pymes 54
Ilustración 33 Porcentaje de Recursos Aprobado con Respecto al Solicitado según diferentes fuentes de financiamiento 57
Ilustración 34 Diferencia entre las Tasas de Interés de Las Entidades Especializadas en Grandes Empresas y de Las Entidades Especializas en MIPYMES 58
Ilustración 35 Tasas de Interés y Garantías, Condiciones que más limitan el Acceso al Financiamiento 58
Ilustración 36 Garantías exigidas a las Pymes por el sistema Financiero 59
Ilustración 37 Las Pymes y el Sistema Tributario 60
Ilustración 38 Condiciones y características del Mercado Interno para las Pymes 60
8
Ilustración 39. Percepción Pymes Apoyo y Funcionamiento del Estado 61
Ilustración 40. Pymes que exportan 62
Ilustración 41. Actividad exportadora 2013 62
Ilustración 42 Obstáculos para Exportar MIPYMES (2013) 63
Ilustración 43. Estructura contractual -PYMES 63
Ilustración 44. Estructura contractual -Empresas Grandes 63
Ilustración 45 Régimen laboral Obstáculos para la contratación 64
Ilustración 46 Forma de capacitación más usada - Necesidades de Capacitación 64
Ilustración 47 Elementos más Perjudiciales para su Desarrollo 65
Ilustración 48 Conocimiento y utilización de servicios para el desarrollo empresarial 66
Ilustración 49.Diagrama Isocuántico 73
Ilustración 50. Gráfico de dispersión 74
Ilustración 51. Frontera de eficiencia con rendimientos variables a escala 75
Ilustración 52 Marco de Desarrollo del SSD y Taxonomías 78
Ilustración 53. Árbol Genealógico del BI 79
Ilustración 54. Ambiente Genérico de BI 80
Ilustración 55. Componentes del BI 81
Ilustración 56. Fuentes de información y ETL 83
Ilustración 57. Data Warehouse, Data Mart y Metadato 86
Ilustración 58. Ejemplo Representación Gráfica OLAP y Front-end 87
Ilustración 59. Integración DEA-BI 90
Ilustración 60. Modelo de integración Análisis Envolvente y BI para medir la eficacia 107
Ilustración 61. BI modelación de eficiencia 109
Ilustración 62. BI modelación de eficacia 110
Ilustración 63. BI modelación de productividad 111
Ilustración 64. Mejoras potenciales – orientación a entradas 114
Ilustración 65. Contribuciones input/output - Industria con orientación a insumos 114
Ilustración 66. Mejoras potenciales - Industria con orientación a insumos 115
Ilustración 67. Contribuciones input/output y comparación de referencia – Otros servicios con orientación a insumos 115
Ilustración 68. Mejoras potenciales y contribuciones de variables – Otros servicios con orientación a insumos 116
Ilustración 69. Contribuciones input/output y comparación de referencia - Comercio al por menor y al por mayor con orientación a insumos 117
Ilustración 70. Mejoras potenciales - Comercio al por mayor y al por menor orientación a insumos 117
Ilustración 71. Revisión grupal orientación a insumos 119
Ilustración 72. Correlación capacidad instalada - indicadores de eficacia con orientación a insumos 119
Ilustración 73. Correlación nivel de inventario - indicadores de eficacia orientación a entrada 120
Ilustración 74. Correlación productividad del capital - indicadores de eficacia orientación a entradas 121
Ilustración 75. Mejoras potenciales – orientación a los resultados 123
Ilustración 76. Contribución de entradas y salidas y mejoras potenciales - Industria
9
con orientación a resultados 124
Ilustración 77. Contribuciones input/output y comparación de referencia – Otros servicios con orientación a resultados 124
Ilustración 78. Mejoras potenciales y contribuciones de variables – Otros servicios con orientación a resultados 125
Ilustración 79. Contribuciones input/output y comparación de referencia - Comercio al por menor y al por mayor con orientación a salidas 126
Ilustración 80. Mejoras potenciales - Comercio al por mayor y al por menor con orientación a resultados 126
Ilustración 81. Revisión grupal con orientación a resultados 128
Ilustración 82. Correlación capacidad instalada - indicadores de eficacia con orientación a salidas 129
Ilustración 83. Correlación nivel de inventario - indicadores de eficacia orientación a salidas 129
Ilustración 84. Correlación productividad del capital - indicadores de eficacia orientación a salidas 130
Ilustración 85. DEA Evolución del Estado de Arte (1978-1995) 156
Ilustración 86. Causas y Efectos de los Insumos según los diferentes autores 161
10
LISTA DE ECUACIONES
Ecuación 1. Productividad ............................................................................................. 71
Ecuación 2. Modelo propuesto ...................................................................................... 91
Ecuación 3. Función Objetivo ........................................................................................ 92
Ecuación 4. Restricciones ............................................................................................. 92
Ecuación 5. Modelación de Eficiencia ........................................................................... 97
Ecuación 6. Modelación de Eficacia .............................................................................. 97
Ecuación 7. Modelación de Productividad ..................................................................... 97
Ecuación 8. Fórmula cálculo IPC ................................................................................ 101
11
RESUMEN
Esta investigación aborda el problema de la medición integral de la eficiencia, la eficacia y la productividad en términos de los problemas de competitividad que enfrentan las pymes ante la dinámica cambiante de los mercados. Se plantea y especifica un modelo de análisis envolvente complementado con la herramienta de inteligencia de negocios BI, integrando las mediciones de eficiencia, eficacia y productividad a nivel de las áreas funcionales de las pymes. Se construye una base de datos compacta con información multisectorial del Dane y se obtienen indicadores simultáneos a nivel agregado de la economía Colombiana y por sectores evidenciando quienes están por encima o por debajo de la línea de eficacia. Los resultados del modelo son concluyentes: El sector industrial es el más eficaz, eficiente y de mayor productividad para el período estudiado, ya que alcanzó el máximo rendimiento y el mejor desempeño, de acuerdo con los requerimientos de factores, insumos y tecnologías de producción disponibles frente a los retos y cambios que le presentó el mercado. Palabras Claves: integración, análisis envolvente, inteligencia de negocios, eficiencia, eficacia, productividad, pymes.
12
ABSTRACT
This research approach the issue of integral efficiency, effectiveness and productivity measure in terms of competitiveness problems in front of dynamics markets. An envelopment analysis model is proposed and specified, complemented with the BI business intelligence tool, integrating the measures of efficiency, effectiveness and productivity at the level of the functional areas of SMEs. A compact database multisector on Dane’s information is constructed and simultaneous indicators are obtained at the aggregate level of the Colombian economy and by sectors. Those showing the sectors who are above or below the efficiency line. The results of the model are conclusive: The industrial sector is the most efficient, effectiveness and highest productivity for the period studied, since it reached the maximum and the best performance, according to the requirements of factors, inputs and production technologies available facing the challenges and changes that the market. Key Words: integration, envelopment analysis, business intelligence, efficiency, effectiveness and productivity, SMEs.
13
1. INTRODUCCION
El presente trabajo, analiza de forma integral la problemática de la competitividad, la
productividad y la eficacia de las empresas de Colombia a nivel multi sectorial, con
base en un modelo de análisis envolvente de carácter transversal, en adelante DEA,
alimentado con la herramienta de inteligencia de negocios denominada BI. El modelo
propuesto parte de los modelos tradicionales del análisis de eficiencia para las
empresas, pero avanza un paso adelante integrando de manera simultánea los
aspectos de productividad e introduciendo el concepto de eficacia, como la variable
estratégicamente relevante en términos del cumplimiento en la práctica de los objetivos
reales de cualquier empresa. El concepto de eficacia en el modelo propuesto en esta
investigación significa que, aunque las empresas sean eficientes maximizando su
producción o la productividad de los aportes de los insumos y factores o bien sea,
minimizando sus requerimientos en los procesos productivos, solo alcanzan las metas
de generación de ingresos y utilidades realizando (ventas efectivas) en el mercado los
bienes y servicios que comercializan. De tal manera que las empresas eficaces son
sólo aquellas que rentabilizan la eficiencia y la productividad sobre la base de las
ventas efectivas, ya que a través de estas se evidencia su real competitividad y
participación en los mercados. El trabajo resulta novedoso para Colombia ya que las
mediciones tradicionales sobre las Empresas en general y de las Pymes en particular,
las cuales representan más del 90% del sector productivo del país, se hacen sobre
indicadores tradicionales de eficiencia y productividad en la utilización de insumos,
como consumos de energía, materiales, costos, valor agregado, aspectos de calidad y
satisfacción de clientes y nivel de ventas, pero se deja de lado la evaluación entre la
relación de la capacidad de producción frente a la efectividad para vender aquello que
no solamente se produce sino que se comercializa.
Los resultados obtenidos permiten evidenciar simultáneamente la eficiencia, la
productividad y la eficacia a nivel general y por sectores para el año 2015. Por
sectores, las empresas del sector manufacturero, fueron las que alcanzaron línea de
eficacia, mientras que los servicios fueron mucho más eficaces que el comercio, lo cual
14
podría explicar paradojas como la “valorización de inventarios” hecho que en la práctica
comercial moderna sería una muestra de prácticas especulativas y anti competitivas.
El trabajo comienza describiendo el panorama económico y la estructura empresarial
de las PYMES a nivel internacional y nacional, analizando su dinámica y evolución
económica y financiera a dentro del ciclo de negocios con énfasis en los problemas de
eficiencia, eficacia y productividad. También se identifican y analizan los principales
obstáculos que tienen las PYMES para su evolución y desarrollo, con base en los datos
de FUNDES en el año 2014, la Encuesta de Micro establecimientos del DANE y la
Encuesta CYNSET sobre el comportamiento de la pequeña y mediana industria a nivel
nacional. Con los datos obtenidos se describen y analizan todas las operaciones y
procesos de gestión, de cara al mercado y a los problemas de competitividad. La
descripción de esta problemática es generalizable, con contadas excepciones, al
conjunto del empresariado colombiano, como lo muestran diversos diagnósticos en el
país.
En la segunda parte de la investigación, se presentan un estado del arte sobre los
fundamentos teóricos sobre la medición de la eficiencia, la productividad y la eficacia y
sobre los modelos utilizados del análisis envolvente DEA para dichas mediciones a
nivel internacional y nacional. Enseguida se provee el marco conceptual del Modelo
DEA especificado propuesto y utilizado para esta investigación, lo mismo que la
herramienta de inteligencia de negocios BI. A continuación se describe y explica la
metodología utilizada, las bases de datos, la selección de variables y los aspectos de
las herramientas de software utilizado. Los detalles técnicos de las ecuaciones del
modelo, y de las adecuaciones de las bases de datos se proveen en los anexos del
trabajo. Posteriormente se presentan los resultados obtenidos analizándolos e
interpretándolos a la luz de cada medición efectuada con modelo a nivel multi sectorial.
Finalmente se alcanzan un conjunto de conclusiones sobre cada modelo y cada sector
a la luz de la problemática empresarial. En la última parte se proveen una serie de
recomendaciones para mejorar la eficacia de las empresas en términos de la eficiencia
y la productividad y para la utilización del modelo DEA especificado para futuras
investigaciones.
15
2. PLANTEAMIENTO DEL PROBLEMA
Estudios previos señalan que en las Pyme existe una transición hacia la economía
basada en servicios, desarrollo y convergencia tecnológica (Mesa Botero, Pareja
Álvarez, & Gonzalez-Perez, 2012), (Nummela & Saarenketo, 2010) permitiendo así su
internacionalización y siendo éstos aspectos, considerados como determinantes de su
productividad. En Taiwán, la tradición cultural favorece la diversificación y
regionalización. En Corea del Sur, se desarrolla principalmente la subcontratación
apoyada por una ley que busca el aumento de la productividad mediante la
acumulación de tecnología (Hualde Alfaro, 1998). Tailandia es predominante en cuanto
al número de establecimientos y de empleos que proveen, principalmente por el
modelo que utilizan de subcontratación externa, el cual a su vez es favorecido por las
relocalizaciones de instalaciones industriales en Japón y Taiwán. Hong Kong está
concentrado en ciertas ramas industriales intensivas de mano de obra y atiende
mercados que requieren diseños únicos para competir internacionalmente. Una
característica importante de estos países es que han logrado una especialización
flexible permitiendo a las grandes empresas mantener su competitividad internacional
reduciendo su tamaño y fomentando la subcontratación frente a los cambios en la
demanda, manteniendo los procesos indivisibles en las grandes empresas y
subrogando los demás a las pymes. Por lo anterior, se afirma que existen semejanzas
entre las formas de organización industrial y territorial, como los clústers frecuentes en
países en desarrollo tales como India, Pakistán y países africanos como Kenya,
Zimbawe y Tanzania aunque en un desarrollo menor que en los países asiáticos. En
América Latina se identifican en países como Brasil, Perú y México; igualmente se
identifican que las políticas de estado y otras medidas de apoyo gubernamental
principalmente se encuentran focalizadas en la oferta (capacitaciones, créditos,
materiales y tecnología) y no suficientemente en la demanda.
Los principales problemas de los sectores industria, comercio y servicios se identifican
en la gran encuesta Pyme nacional 2016 a través de encuestas aplicadas a
16
empresarios, focalizadas en puntos clave de medición del desarrollo económico. Los
resultados establecen en el sector industrial que los problemas con mayor peso son la
falta de demanda, representada en los decrecimientos en ventas y el costo de los
insumos, afectando negativamente la producción programada y la producción bruta así
como el escaso capital de trabajo reflejado en los reducidos márgenes de utilidad y
operacionales. En el sector comercial, la falta de demanda ocupa un lugar importante
en los problemas registrados. Ésta situación también aplica para el sector de los
servicios en donde reiteran que afecta negativamente los volúmenes de ventas.
Aunque el fenómeno de recesión es común a nivel macro para los tres sectores,
existen muchos mercados que a nivel micro presentan dinámicas de demandas
importantes y ascendentes que las pymes, las cuales por no efectuar investigaciones o
análisis de mercados más frecuentes y microsectoriales, son incapaces de captar y
responder con eficiencia y eficacia a la atención de esas tendencias. Lo anterior brinda
unas bases sólidas para el desarrollo de un modelo que integre la medición de la
eficiencia, eficacia y productividad de las relaciones insumo – producto con la
inteligencia de negocio para las Pymes de manera que optimice la toma de decisiones.
El desarrollo económico consiste en las condiciones que permiten el crecimiento
sostenible de la productividad en los países, el cual está determinado por el nivel de
vida de una nación y medido a través del valor de los bienes y servicios producidos por
los recursos naturales, de capital y humanos de la nación, (Aguilar Santamaría, 2009),
(Porter, Michael E.; Delgado, Mercedes; Ketels, Christian; Stern, Scott - World
Economic Forum, 2009), (Schwab, Klaus - World Economic Forum, 2015) estos
recursos son la prosperidad de una nación (Porter, 1990) y dependen de la capacidad
de los actores de la economía de innovar y actualizarse. En este sentido, las pymes por
sus características de flexibilidad y volumen juegan un papel fundamental (Fundación
para la Educación Superior y el Desarrollo FEDESARROLLO, 2003) especialmente en
la producción, empleo, inversión y valor agregado.
Este panorama muestra claramente que a pesar de sus características de tamaño y
flexibilidad la mayoría de las pymes en Colombia en todos los sectores, carecen de la
posibilidad de integrar la planeación y programación de los procesos productivos de
17
acuerdo con las dinámicas muy particulares de los distintos mercados que atienden; es
decir, pueden poseer las condiciones para ser eficientes pero no logran ser eficaces en
términos de las dinámicas que impone el mercado para la realización de los bienes y
servicios.
Existen numerosos estudios que respaldan los resultados presentados en la encuesta,
entre éstos están (Cruz Mendivil, María Consuelo; Padilla Torres, Hugo Neftalí;
Velderráin Pacheco, Fernanda, 2014), quienes clasifican los problemas de las pymes
en dos categorías, internas y externas. Internas, referidas entre otros a gastos, toma
de decisiones, planeación estratégica, ineficiencia en producción e inventarios,
problemas de ventas, de mercado, sucesiones, dirección general deficiente (Castañeda
Parra, 2014), manejo de personal y contratación deficiente¸ problemas financieros,
(Vera-Colina, Melgarejo-Molina, & Mora-Riapira, 2014) y capacitación de personal. Las
anteriores variables configuran un panorama de problemas relacionados con la
eficiencia en la gestión de los procesos productivos, administrativos y de apoyo. Y
externas, tales como tramitología y burocratización, costos y accesos a financiamiento,
(Guzmán & Ortiz, 2007), (Vera-Colina, Melgarejo-Molina, & Mora-Riapira, 2014), falta
de incentivos fiscales, falta de compartir riesgos financieros con el emprendedor, falta
de ética, piratería en el mercado, la competencia entre las mismas Mipymes y grandes
Empresas. (Guerra, María Fernanda; Salazar, Natalia - FEDESARROLLO, USAID
United States Agency, 2007) (Zapata Guerrero, 2001). Otras investigaciones adicionan
situaciones como la carencia de una gestión que les permita convertirse en
innovadoras (Castañeda Parra, 2014), auto sostenibles y en crecimiento, aunado a la
falta de mentalidad exportadora, limitaciones para exportar, desconocimiento para
realizarlo de manera competitiva y sostenible, (Pietrobelli, Porta, & Moori-Koenig,
2005), estructura empresarial frágil (Bustos Gutiérrez & Condega Aguirre, 2015),
crecimiento más allá de su tamaño eficiente (Cabrera, De la Cuadra, Galetovic, &
Sanhueza, 2002), incorrecta evaluación de los pedidos que pueden aceptar (Xiong,
Tor, Bhatnagar, Khoo, & Venkat, 2006), limitaciones de recursos para desarrollo de
marketing (Gilmore, Carson, & Rocks, 2006), excesiva dependencia de fondos propios,
reducidos mercados, concentración en producción, descuidando la estrategia y
comercialización (Zapata Guerrero, 2001) y poco desarrollo tecnológico son otros de
18
los problemas encontrados en las Pyme afectando entre otros, las inversiones en
tecnología, en capital de trabajo y en know how, convirtiéndose en restricciones que
refuerzan los efectos no deseados entre la eficiencia de los procesos productivos y la
eficacia de los procesos de comercialización y venta. Al observar estos resultados en
conjunto, no sólo concuerdan con los resultados de la encuesta, si no que sirven como
base para el planteamiento de las variables de estudio con la integración de un modelo
fundamentado en el marco del control a través de la medición y la información.
Ciertos comportamientos viciados como volatilidad, sensibilidad a los entornos
negativos, problemas de volumen, producción excesivamente diversificada, baja
productividad, falta de comunicación, aislamiento, baja demanda de servicios de apoyo,
localización inadecuada, inversión no orientada estratégicamente (Cleri, 2007), entre
otros ya mencionados, hacen parte de las debilidades de las pyme. El autor (Saavedra
García, 2012), también enlista otros limitantes como son la política (Gestión
macroeconómica y funcionamiento del estado, política/acciones de fomento), los
problemas sociales, comercio exterior, mercado interno, aspectos tributarios y
laborales, infraestructura y medioambiente.
Ilustración 1. Factores que afectan los negocios en Colombia 2015-2016
Fuente: (World Economic Forum, 2015)
0 2 4 6 8 10 12 14 16 18 20
Inestabilidad del gobierno
Inflación
Pobre ética laboral en la fuerza de trabajo
Capacidad insuficiente para innovar
Crimen y robo
Acceso al financiamiento
Ineficiencia en la burocracia gubernamental
Corrupción
19
Ilustración 2. Obstáculos en la relación de los bancos con las Pyme
Fuente: (Banco Mundial, 2008)
Ésta información que presenta el Banco Mundial, contradice la creencia común de que
no existe interés por parte de los bancos para conceder préstamos a las Pyme, dado
que al estudiar los datos históricos y las mediciones del universo de préstamos a éste
sector empresarial, se encuentra claramente mayor importancia y oportunidades al
segmento Pyme. (Banco Mundial, 2008).
El presente estudio se enfoca en la integración de la inteligencia de negocios desde la
información de demanda del mercado y la aplicación de un modelo que integra la
evaluación de la eficiencia, eficacia y productividad, de modo que soporte la toma de
decisiones en las empresas.
20
3. OBJETIVOS
3.1 OBJETIVO GENERAL
Especificar un modelo de orientación integral al entorno para Pymes con base en el BI
Business Intelligence en un ambiente de control interno, mediante un sistema de
información y comunicación que a través de las actividades de monitoreo, permita
identificar las necesidades innovadoras de respuesta competitiva, eficiente y efectiva a
los cambios del entorno, sistematizando y evaluando de manera simultánea los riesgos
y el impacto de las decisiones.
3.2 OBJETIVOS ESPECÍFICOS
Caracterizar la problemática de operación y necesidades de adaptación de las Pymes
en Bogotá D.C. en un entorno de internacionalización.
Fundamentación teórica y metodológica del Modelo de orientación integral al entorno
para Pymes con base en el BI Business Intelligence en un ambiente de control interno,
que permita evaluar la eficacia de los cambios en las tareas y actividades a través de
métricas de rendimiento, las expectativas de mejora continua de procesos y la
satisfacción del cliente por medio del seguimiento y el control preventivo sistemático.
Formulación y especificación del modelo de orientación integral al entorno para Pymes
con base en el BI Business Intelligence en un ambiente de control interno.
Validación del modelo en un ambiente de pruebas, de la regulación sistémica, técnica e
integral de las acciones y procedimientos de las operaciones de las Pymes, en
términos de su orientación al entorno.
Conclusiones y recomendaciones para la implementación del Modelo y su adaptación a
todo tipo de Pymes.
21
4. ESTADO DEL ARTE
4.1 ANÁLISIS ENVOLVENTE (DEA): APROXIMACIÓN A UN ESTADO DEL ARTE
La adecuada medición de la eficiencia, la eficacia y la productividad permite mejorar y
afrontar los problemas internos y externos que sufren las Pymes afectando su
crecimiento y desarrollo, llegando incluso a poner en riesgo su existencia. Dicha
eficiencia en términos económicos, es la relación entre los resultados obtenidos -
ganancias, objetivos cumplidos, productos, etc.- y los recursos utilizados –horas
hombre, capital invertido, materias primas, etc.- (Aguilar Santamaría, 2009). La
eficiencia es el cálculo comparativo del cociente entre los productos e insumos y su
fórmula ha sido desarrollada entre otros por (Farrell, 1957) (Ver Apéndice B). En
términos generales, se habla de eficiencia técnica o productiva, cuando a partir de una
determinada producción fija, se consigue alcanzar el máximo nivel de salidas posible y
de eficiencia asignativa cuando se determina la relación entre diversas combinaciones
de insumos para alcanzar un nivel de producción, dado su costo relativo. En definitiva,
la eficiencia global viene referida al producto de la eficiencia técnica y de la asignativa.
Estas definiciones de eficiencia se pueden clasificar en tres grandes categorías:
Técnicas de programación no paramétrica (Data Envelopment Analysis DEA) el
cual mediante programación lineal, determina si una unidad productiva utiliza bien sus
recursos en relación con otras unidades productivas. Permitiendo así, establecer
marcos de referencia.
Técnicas de programación paramétricas, que asumen formas funcionales
específicas para la frontera de posibilidades de producción.
Técnicas estadísticas determinísticas y método de fronteras estocásticas, las
cuales pueden usar técnicas econométricas. En ambos métodos se usan
procedimientos de estimación en lugar de técnicas de programación lineal o no lineal,
asumiendo, por tanto que todas las desviaciones observadas de los datos respecto a la
frontera son desviaciones debidas a ineficiencia.
22
En éste contexto, dentro de los artículos publicados como resultado de la aplicación de
la metodología DEA vale la pena iniciar con (Rodriguez Lozano, 1998), quien evalúo el
desempeño relativo de empresas en los subsectores fabricación de productos textiles,
fabricación de productos farmacéuticos y, sustancias y productos químicos en
Colombia mediante el uso de razones financieras (ingresos operacionales, utilidad
neta, utilidad operacional, activo corriente), en cuyo caso la metodología determina
eficiencia en los sectores. La medición de la eficiencia relativa de empresas del sector
real de la economía y entidades del sector financiero colombiano en el 2014,
identificaron que éste último tiene un mejor comportamiento respecto al porcentaje de
empresas eficientes frente al sector real (Rodríguez Lozano & Sarmiento Muñoz, 2017).
En este escenario, (Cruz Trejos, Restrepo Correa, & Medina Varela, 2009) miden la
eficiencia financiera de una empresa del sector metalmecánico de Pereira, y
consideran que las mejores variables como inputs son costos de producción y gastos
en administración y ventas; por su parte para los outputs el nivel de ventas y las
utilidades obtenidas. Igualmente, en Antioquia (Restrepo & Vanegas, 2009) demuestran
la ineficiencia financiera que dan a los recursos en las Pymes del Valle de Aburra. Una
perspectiva interesante sobre las mediciones de la eficiencia desde el punto de vista de
la demanda y de las firmas en entidades bancarias, se da en el país turco gracias a
(Gölcükcü & Bal, 2013) quienes encontraron entre otras cosas, que sólo dos bancos de
los 8 estudiados, resultaron eficientes en ambos enfoques.
En el ámbito educativo, el estudio de (Salazar Cuéllar, 2014) realizado en 15 países de
Latinoamérica, los resultados muestran que Colombia en temas de educación primaria
y secundaria no se utilizan eficientemente los recursos; esto es que utiliza los mismos
recursos que otros países de la región, pero obtiene los resultados más bajos en
ambos niveles escolares. Por su parte Argentina, Chile y Uruguay tienen éxito en éste
ámbito debido a la disposición del gobierno de universalizar la educación primaria y
brindar educación secundaria de alta calidad; esto ratificado por el estudio (Quesada,
Blanco, & Maza, 2010) para el departamento de Bolívar, en el que establece que la
cobertura educativa es insuficiente con respecto a los recursos invertidos. En estudios
superiores, se encuentra un amplio número de autores que han utilizado el modelo
DEA para sus mediciones, entre ellos podemos encontrar a (González Villar, Ramoni
23
Perazzi, & Orlandoni Merli, 2017), quienes analizan la evolución de los niveles de
eficiencia de 32 universidades con base en el sistema de indicadores de gestión
propuesto por el MEN y el SUE, determinando que los índices de formación e
investigación se fijan por los recursos financieros, planta física y docentes. Los autores
(Huamaní, Huamani, Salcedo, & Fernández, 2016), concentran su evaluación en las
carreras de Ingeniería Industrial enfocadas en desarrollo sostenible en el Perú,
presentando un modelo de indicadores para el uso del modelo DEA tal como se
desarrolla en el presente documento. En Ecuador, los autores (Peñate-Santana, 2016)
evaluaron la viabilidad y pertinencia de ésta metodología para evaluar la eficiencia, con
resultados positivos. En Australia, (Duan & Deng, 2016), resaltan la importancia de
mejorar el desempeño de las universidades en tres perspectivas, operaciones,
enseñanza e investigaciones en 36 universidades australianas, concluyendo que el
DEA y sus resultados, son un recurso importante tanto para las universidades como
para el gobierno en el sentido de identificar directrices de mejoramiento, así como la
asignación de recursos con base en éstos resultados. En Argentina, (Coria, 2008)
determina que las universidades más eficientes son las que tienen menores gastos por
graduado, mejor tasa de egreso y mayor cantidad de publicaciones científicas por
investigador que el promedio. (p. 31). Esto permite afirmar que la metodología
empleada y el desarrollo de la evaluación en los temas de eficiencia son válidos a nivel
internacional y han sido ampliamente utilizados por diversos autores.
Sectores como la construcción utilizan como variables de entrada materiales y gastos
operativos, gasto en personal y patrimonio y, como variable de salida ingresos por
ventas para evaluar la eficiencia de las constructoras del Ecuador, en éste caso
(Cabrera Regalado & Méndez Rengel, 2017) identificaron que una correcta elección de
variables de entrada y de salida, así como la homogeneidad de la muestra, posibilita la
obtención de índices de eficiencia aceptables. En los municipios rurales de Ñuble en
España (González Cádiz, 2017), analiza la incidencia de las variables financieras de
infraestructura y de capital humano en la eficiencia, encontrando que la eficiencia
relativa se obtiene de acuerdo con la forma en que estos se utilizan los recursos, lo que
motiva a desarrollar herramientas que den un buen soporte en la toma de decisiones.
Para zonas pesqueras como Galicia se utilizaron como variables de entrada el número
24
de especies autóctonas y la cantidad de camiones usados semanalmente, sus salidas
fueron los kilos anuales de producto y el lucro anual en euros, concluyendo que la
eficiencia global es buena (Figueroa García, 2017). El subsector de agroquímicos en
Colombia, también ha sido evaluado utilizando las variables de entrada gastos en
ventas, gastos administrativos y activos totales y como variables de salida, la utilidad
bruta y la razón corriente (Castro & Salazar, 2011), determinando que el liderazgo en
ventas hace las empresas más eficientes y que la ineficiencia se da por exceso en los
gastos administrativos y en las razones corrientes con resultados bajos. En la
agroindustria (Alfonso Lizarazo & Gutiérrez Franco, 2007), se estableció que a través
del enfoque DEA se identificaron las parcelas más eficientes en la recolección del
racimo de fruto de palma en empresas proveedoras de ésta materia prima en
Colombia. La medición de la eficiencia en fincas ganaderas de Boyacá – Colombia,
(Contreras León & Rodríguez Lozano, 2017), ratifican que la adopción tecnológica es
un punto importante de mejoramiento de éstas, otros cultivos como el maíz en
Venezuela han encontrado resultados positivos (Márquez, Velásquez, Flores, Flores, &
Garzón, 2017).
Los puertos también han sido analizados con la herramienta de análisis envolvente de
datos como América del Norte (Castro García & Navarro Chávez, 2017) y puerto de
Mar del Plata en Argentina (Esteban, Zárate, & Mortara, 2016). Los autores coinciden
en la importancia de ésta herramienta para las mediciones.
Entidades estatales de México (Becerril-Torres & Munguía Vásquez, 2014),
demostraron su eficiencia de escala, con excepción de Baja California Sur y Nayarit,
mientras que la productividad total de los factores ha sido reducida, dando como
resultado una propuesta de desarrollo de programas más agresivos en el fomento de la
innovación al interior de las empresas e instituciones de educación superior. En
España, (Flórez López & Fernández Santos, 2006), analizan la eficiencia en la gestión
de fondos públicos de las capitales de la provincia española utilizando como variables
de entrada, los indicadores de Margen de autofinanciación corriente, obligaciones
reconocidas por gastos de personal y el índice de presión fiscal y, como variables de
salida, Inversión real, Ahorro Bruto y Gasto público por habitante, entre los resultados
25
están el aumento de inversión en infraestructura y bienes de capital y la identificación
de un descenso global de la eficiencia en los municipios analizados. La fiabilidad del
modelo DEA para el pronóstico del fracaso empresarial se ha utilizado mediante el uso
de indicadores de endeudamiento, rotación de activos, liquidez general, entre otros (De
Llano Monelos, Piñeiro Sánchez, & Rodríguez López, 2011), determinando que el uso
de éstos son un instrumento excelente y que es posible mejorarlo mediante la
utilización de otros de contenido informacional como son los de auditoria. Los estudios
anteriores ratifican la importancia de los indicadores financieros para las mediciones de
eficiencia y el apoyo que dan a la toma de decisiones.
Llama la atención el trabajo de (Sánchez, Parra, & Udi, 2014), en donde presenta 12
indicadores de sustentabilidad1 definidos por el Global 100 Most Sustainable
Corporations in the World, para todas las empresas que cuentan con los datos
completos en la información disponible y utiliza el modelo DEA en todas las
dimensiones de sustentabilidad, agrupadas en: económica, ambiental, social, de
estrategia y perfil y cuyo aporte final son los propios resultados de la aplicación del
modelo. Es conveniente resaltar que éste estudio se desarrolló en empresas
consideradas como las empresas más sostenibles del mundo y presenta un ranking
para que éste grupo analice el desempeño y las oportunidades de mejora que evalúan.
En el sector aéreo (Quintanilha da Silveira, Baptista Soares de Mello, & Angulo-Meza,
2012), identificaron benchmarks con las mejores prácticas utilizando el modelo DEA.
Aeropuertos como los de Grecia, han sido evaluados entre otros por (Kakouris,
Katarelos, & Panteledis, 2013), quienes excluyen el aeropuerto de Atenas dado que es
el más grande del país en comparación con los restantes 44 que existen allí,
encontrando que luego de aplicar el modelo DEA y el análisis estocástico de frontera,
determinan ambas mediciones convergen en que éstos aeropuertos operan con un
mínimo de ineficiencia.
1 Con base en la desagregación del término “sustentabilidad corporativa” entendido como sostenibilidad
desagregada en 12 indicadores descritos en la ilustración 53.
26
Pasando al transporte terrestre (Islas Rivera, Rivera Trujillo, Hernández García, &
Zaragoza, 2010), caracterizan el sector de transporte en México y analizan la relación
económica intersectorial de éste con el fin de estudiar la demanda del sector para
generar nuevas bases metodológicas de mejora, encontrando entre otros, que
presentan dentro de la frontera de producción eficiente sin mostrar ineficiencias de
escala.
La eficiencia en el sector energético y las tecnologías limpias, también han sido
evaluadas con la ayuda del análisis envolvente de datos, (CEPAL Naciones Unidas -
Schuschny, Andrés Ricardo, 2007), calculó los indicadores de eficiencia y sus cambios
a lo largo del tiempo, permitiendo identificar los países que han sido eficientes y han
trabajado en la sustitución del consumo de energías no renovables por otras,
mostrando así los esfuerzos por incrementar los niveles de esta actividad y la
sustitución energética hacia tecnologías limpias en América Latina y el Caribe. (p.6)
El trabajo de (Miró Pérez, 2017) se centra en el sector químico español,
específicamente en la evaluación de la eficiencia mediante el análisis DEA para evaluar
éstos niveles así como el peso relativo del sector en la economía.
Previamente se ha presentado al lector la información de competitividad desarrollada
por el FEM, mediante la definición del ICG2 el cual mide los pilares que determinan el
nivel de prosperidad que puede alcanzarse en una economía, siendo éstos:
instituciones, infraestructura, ambiente macroeconómico, salud, educación básica,
educación superior y capacitación, eficiencia del mercado de bienes, eficiencia del
mercado laboral, desarrollo del mercado financiero, preparación tecnológica, tamaño
del mercado, sofisticación de los negocios e innovación. En éste contexto (Hashimoto &
Ishikawa, 1993), se basan en los factores de mayor incidencia en la calidad de vida de
Japón para las 47 jurisdicciones territoriales, concentrando su estudio en seguridad
pública, salud, estabilidad económica, ambiente natural y condiciones de vivienda,
quienes identificaron 26 jurisdicciones deseables y reiteraron que el DEA proporciona
una evaluación integral.
2 Índice de competitividad global
27
Así mismo en la estilización de la presente investigación, se planteó la especificación
de un modelo de orientación integral al entorno para Pymes con base en el BI Business
Intelligence, mediante un sistema de información y comunicación que a través de las
actividades de monitoreo, permita identificar las necesidades innovadoras de respuesta
competitiva, eficiente y efectiva a los cambios del entorno, sistematizando y evaluando
de manera simultánea los riesgos y el impacto de las decisiones contribuyendo así al
crecimiento sostenido de las pymes mediante la integración de las herramientas DEA y
BI de manera que faciliten y apoyen la toma de decisiones acertada mediante la
implementación del modelo planteado, el cual focaliza la medición en puntos clave de
control, medición y mejora continua de la eficiencia, la eficacia y la productividad de
este importante sector empresarial.
Del mismo modo, la eficacia, la eficiencia y la productividad de las empresas, dependen
de la precisión, integridad, disponibilidad y accesibilidad, así como de otras
características de calidad e integración y actualización de la información que nutren la
toma de decisiones. Características que se encuentran en soluciones de BI al acceso
de las Pymes y cuya integración con el modelo propuesto, facilitaran en este importante
segmento empresarial un crecimiento sostenible, gracias al enfoque en el uso eficiente
de las capacidades, los ingresos y los costos; a la orientación eficaz que se da a las
ventas y a las utilidades y a la productividad concentrada en los activos, lo que aunado
a esto constituye que el diseño utilizado permitirá la integración de diversas fuentes de
información que a través de un proceso de inteligencia de negocios definirá una calidad
de datos que representen con precisión la realidad, que mantengan una estructura
integrada, cuyos elementos sean coherentes, totales, con valores en los rangos
definidos para el negocio, disponibles y accesibles, lo que equivale a datos con calidad
para la toma de decisiones óptima en el las pymes.
4.2 INTELIGENCIA DE NEGOCIOS (BI): TENDENCIAS Y APLICACIONES
28
Teniendo en cuenta el dinamismo de los mercados, sujetos a periodos de ventas
elevadas así como a momentos de relativa quietud, es necesario la implementación de
análisis que permitan identificar variables y comportamientos que subyacen en la
dinámica de oferta y demanda. Conocer las preferencias de los consumidores a los que
están dirigidos los productos y servicios que ofrecen las pymes, redundará en una
oferta programada eficiente en las capacidades y costos, eficaz en los ingresos y
utilidades y, productiva en cuanto a la planeación de la oferta de productos o servicios y
en los activos destinados para tal fin.
Se ha descrito y analizado las Pymes y su importancia en la economía nacional, así
como la medición de la eficiencia y la relevancia que tiene una adecuada medición de
ésta para su crecimiento sostenido, en donde la oferta y la demanda son clave al
momento de tomar decisiones óptimas en la empresa; en éste sentido, el BI permite
acceder y analizar la información fácilmente presentando análisis descriptivos de
diferentes áreas como clientes, servicios, competidores, etc. De acuerdo con esto, es
correcto afirmar que la integración entre el BI y el análisis envolvente de datos,
permitiría a los tomadores de decisiones conocer información clave y actualizada
mediante la aplicación del modelo propuesto en el presente estudio, para así decidir de
manera óptima lo que se requiera para el crecimiento sostenido de las firmas. Dicha
integración dinámica y simultánea, fortalece la información referente a las variables de
oferta y demanda en el marco de las relaciones insumo - producto.
Como lo presenta (Galindo Ramírez, 2017), la toma de decisiones en tiempo y forma
en la empresa es medular para su continuidad en el mercado; sin embargo, una
dificultad latente en éste sentido es encontrar a las personas que cumplan las
condiciones que se requerirían para tomar las decisiones adecuadas en todo momento,
en éste sentido la inteligencia artificial como apoyo en la toma de decisiones
especialmente en lo administrativo y financiero es fundamental para el cumplimiento de
los objetivos corporativos, beneficiando en calidad, cumplimiento, costos y uso de los
recursos a las compañías, haciendo de ésta manera compañías más eficientes.
29
La inteligencia empresarial, inteligencia de negocios o Business Intelligence (BI) abarca
aplicaciones, infraestructura y herramientas que permiten el acceso y análisis de
información para optimizar las decisiones y el desempeño3. Lo anterior, se puede
complementar con la habilidad de transformar los datos en información y éstos a su
vez, en conocimiento utilizable en el proceso de toma de decisiones, proporcionando
información privilegiada para responder a los problemas del negocio (Ortíz González,
Juárez Rodríguez, & Campos Miranda, 2015). En éste sentido IBM señala que la
aplicación del BI puede ayudar a las empresas a adquirir un mejor entendimiento de
ellas mismas (Paz Flores, 2010) y termina la definición (Rodríguez Mogollón, 2009)
afirmando que gracias al BI dicho análisis de la información corporativa se realiza en
tiempo real. Por último, (Negash, 2004) afirma que los sistemas de BI se combinan con
herramientas de manejo de datos operacionales para presentar la información de
ayuda en la toma de decisiones.
La empresa (Sinexus - Sinergia e Inteligencia de Negocio S.L., 2016), muestra algunos
ejemplos reales de la aplicación de BI, entre los que están una investigación del perfil
de los clientes más rentables y logran su fidelización, éste caso en una cadena de
supermercados; otro en una cooperativa lechera en donde fue posible la medición del
impacto en las ventas de las campañas publicitarias y como último ejemplo, la
implementación en una peluquería local, en donde la información histórica de atención
a clientes permitió escoger efectivamente el día más favorable de descanso para ésta
empresa.
Como concluyen (Goti-Elordi, De-la-Calle-Vicente, Gil-Larrea, Errasti-Opakua, &
Uradnicek, 2017), la integración de diversas fuentes de información mediante
herramientas de BI mejoran y optimizan los procesos de toma de decisiones de manera
más intuitiva, fundamentada y ágil, así como en rendimiento de resultados, como lo
muestran con la implementación del BI en una compañía industrial de alimentos, donde
logran la mejora de la cifra global del negocio, aumentando la tasa de servicio a
clientes así como una reducción en los costos de transporte y producción.
3 Gartner Inc. (enero de 2013). Obtenido de http://www.gartner.com/it-glossary/business-intelligence-bi
30
El análisis previo del negocio y sus necesidades desde la perspectiva de la demanda,
permitirán un adecuado desarrollo en la implementación de una modelo de BI para el
apoyo en la toma de decisiones en la empresa, como lo muestran (Tixi Alucho &
Morales Cardoso, 2017), quienes luego de tener claro las perspectivas de la empresa,
definieron un tablero con indicadores gerenciales de cartera, evolución de clientes y
formas de pago fundamentales para la toma de decisiones de la compañía utilizando el
software libre Qlik Sense.
Un interesante aporte lo plantean (Solórzano González, Maridueña Villena, Sarmiento
Chugcho, & Palomeque Córdova, 2017), identificando en su estudio que apenas el 24%
de las empresas de confección en Machala – Ecuador, investigan los requerimientos
del mercado para la elaboración de sus productos, lo que deja a 61% en un
distanciamiento de las necesidades de la demanda, afectando directamente su
crecimiento sostenible empresas en ese país. De la misma forma, (Díaz Fernández,
2017) detalla el nuevo enfoque que las tecnologías de información están dando en las
Pymes del Perú, en donde la satisfacción de necesidades internas y externas debe
planearse de manera anticipada; esto es, eficiencia en la atención de la demanda,
favoreciendo el crecimiento económico y la imagen de la empresa. El enfoque al cliente
es decisivo en las compañías dado que quienes lo desarrollen al interior de las
organizaciones, generarán una ventaja competitiva superior al mercado, (Soche López,
2016). Cumplir con la demanda actual es un hecho de conversión de datos en
información óptima (Rodríguez Flores, Flores Pulido, & Dávila de la Rosa, 2016). La
vinculación de clientes en entornos dinámicos es un punto importante de aporte del BI
(Ahumada Tello & Perusquia Velasco, 2016) y es determinante en la competitividad de
las pymes.
Las ventas y el diseño de estrategias son activos vitales en el proceso de toma
decisiones, los cuales deben ser controlados y estar en continua observación, de
manera que se direccionen de manera óptima el uso de los recursos disponibles
(Garavito Triana, Gómez Soto, López Cadena, & Valencia Camacho, 2015); esto
involucra la capacidad de procesar grandes cantidades de datos, encontrar patrones de
comportamiento y manejar la incertidumbre, mostrando la probabilidad de un resultado
31
deseado cuando una alternativa determinada es elegida (p. 32) son clave en la toma de
decisiones (Gutiérrez Roa & Vargas Salamanca, 2014). La adopción de BI en pymes
puede generar la necesidad de adaptar los procesos a los sistemas de apoyo a las
decisiones, permitiendo un análisis más consciente de la información para éste fin
(Guarda, Santos, Pinto, Augusto, & Silva, 2013).
La inteligencia de negocios permite consultar órdenes de entrada de ventas, ventas por
clientes superiores con tiempos de comparación; ventas por cliente y vendedor; ventas
por cliente y por ubicación, cuentas por cobrar, periodos de madurez por administración
de colección, y colecciones por cliente, reconciliación bancaria, efectivo en el banco;
efectivo en el primer Banco Nacional; libro mayor General, ventas y rentabilidad por
canal, presupuesto actual, y varianza por división; etc. (Murillo Junco & Cáceres
Castellanos, 2013) (p. 124), dichas variables funcionan como mecanismo para
aprovechar las oportunidades del mercado y la ampliación del mismo (González-
Campo & Hurtado Ayala, 2014).
Las Pymes tienden a buscar soluciones de desarrollo interno (Tutunea & Rus, 202), por
lo que podemos encontrar soluciones de apoyo a las decisiones como hojas de cálculo,
siendo éstas soluciones parte del marco del SaaS (Software as service por sus siglas
en inglés) el cual se caracteriza por ser un servicio que brinda una compañía
proveedora de sistemas a las compañías cliente, en donde es posible acceder a la
información desde cualquier lugar gracias a las aplicaciones basadas en la nube a
través de internet y usarlas (Microsoft Azure, 2017), haciendo más fácil la prestación o
venta de los productos/servicios de la empresa cliente, así como unos costos más
reducidos.
Integrar herramientas para soportar las decisiones y los procesos de administración del
conocimiento en la empresa, mediante la creación de su propio nicho de inteligencia de
negocios, es esencial para éstas dado que les permite mantener ventajas competitivas
(Cheng, Lu, & Sheu, 2009). El conocimiento empresarial para interpretar y explotar la
información es completamente tácito, dejando esta interpretación de manera
espontánea, individual y sin ningún método explícito (Sadok & Lesca, 2009). Las
herramientas de software en el ámbito del BI (Comesaña Benavides & Sandoval Pérez,
32
2008) lo consideran en dos ámbitos: Gestión de fuentes de información específicas
para cada una de las necesidades de toma de decisiones y, agregación de la
información para la toma de decisiones empresariales, en un momento adecuado, a un
costo razonable y con una fiabilidad determinada. (p. 3).
Las iniciativas de BI en las empresas deben responder fundamentalmente a tres
objetivos, crear un liderazgo financiero, ayudar a la compañía a tener objetivos realistas
y soportar la toma de decisiones de manera óptima (Rasmussen, Goldy, & Solli, 2002).
Fuente: (Rasmussen, Goldy, & Solli, 2002) p. xiv
La gráfica 3 muestra que con el apoyo del BI el tiempo de revisión y análisis permite el
paso a la acción sin causar una desconexión desde la revisión a la acción. La
implementación de éstos sistemas informáticos ayuda en la gestión de recursos,
mejora la atención al cliente, el manejo de la información administrativa y en especial a
llevar un mejor control (Benavides Villarreal, 2017). La buena gestión en la implantación
del BI siguiendo la planificación que conlleva éste tipo de desarrollos, esto es,
accediendo a las fuentes de información como aplicaciones desarrolladas a la medida,
hojas de cálculo, etcétera; proceso ETL (extracción, transformación y carga de los
datos al DWH), el propio data warehouse (DWH), el motor OLAP proveedor de
cálculos, consultas, funciones de planeación, pronósticos y análisis de escenarios y por
último, las herramientas de visualización (Lluís Cano, 2012), así como la inclusión de
los usuarios finales en cada aspecto del proceso, asegurará la escogencia de la
herramienta apropiada para la compañía y para los usuarios finales (Salinas La Rosa &
Ramos, 2010), (Vásquez Pineda & Manosalva Correa, 2014), (Vercellis, 2011).
Datos Análisis Revisión Acción
Datos Análisis Revisión Acción
Ilustración 3. ¿Por qué se necesitan las soluciones de BI?
33
Previamente se ha demostrado cómo el BI ha sido utilizado en múltiples estudios que
determinan la utilidad de integrar diferentes fuentes de información mediante
herramientas BI que permiten optimizar procesos facilitando la toma de decisiones más
intuitiva, fundamentada y ágil. Además, estas herramientas dan un apoyo vital en
temas de demanda, permitiendo responder de manera eficiente a las exigencias del
mercado, dado que vinculan y ayudan al análisis del comportamiento de clientes,
identificación de patrones de compra y tendencias de ventas; medición, seguimiento y
predicción de las ventas y el rendimiento financiero, de campañas de marketing;
realización de presupuestos, planificación financiera; mejora de los resultados y la
eficacia de la cadena de suministro, gestión de relaciones con los clientes y análisis de
riesgo. En resumen, la transformación de los datos de una compañía en información y
conocimiento que permite obtener una ventaja competitiva tangible; en otras palabras,
el complemento ideal que integrado al DEA obtiene información y métricas que
redunden en el crecimiento de las pymes, impulsando así el motor económico tan
importante que representa este grupo empresarial.
34
5. MARCO CONCEPTUAL
La importancia del segmento de Pequeñas y medianas empresas (Pymes), en
Colombia gira en torno a su capacidad como generadoras de empleo y riqueza. De
acuerdo con las cifras del Ministerio de Comercio Industria y Turismo (Ministerio de
Comercio, Industria y Turismo, Viceministerio de Desarrollo Empresarial, Dirección de
Mipymes, 2007), representan más del 95% de las empresas del país, proporcionan
cerca del 65% del empleo y generan más del 35% de la producción nacional, lo que las
convierte en motor fundamental para el desarrollo y en sujeto indiscutible de atención al
formular políticas encaminadas al crecimiento. (Guerra, María Fernanda; Salazar,
Natalia - FEDESARROLLO, USAID United States Agency- International Development,
2007)
La coyuntura económica de los últimos años ha convertido la tasa de desempleo y la
recuperación del sector productivo en objetivos primarios de política económica.
Igualmente, el proceso de apertura e integración económica con el resto del mundo
obliga a la búsqueda de núcleos productivos diferentes a los tradicionales y la
diversificación de bienes ofrecidos. El país encuentra en las naciones vecinas,
mercados naturales y abiertos a la incursión de sus productos y movilidad de
mercancías con pocas barreras arancelarias, que permiten a las exportaciones no
tradicionales posicionarse como el elemento más relevante dentro de las exportaciones
totales.
En ese sentido, la capacidad de acomodar su estructura para responder a los cambios
en la demanda de sus productos, la facilidad para reubicarse en sectores productivos
más rentables, la posibilidad de agruparse en cadenas productivas para generar
economías de escala y otros factores facilitados por sus dimensiones estructurales y
económicas, han hecho de las Pymes una alternativa viable como fuente de ingresos y
herramienta de crecimiento para el país.
Consciente de esa situación, el gobierno nacional a través del Congreso de la
República promulgó la Ley 590 de 2000 estableciendo las pautas para promover el
35
desarrollo de las micro, pequeñas y medianas empresas, propendiendo por los
estímulos a la formación de mercados, el desarrollo integral de las Mipymes, el
establecimiento de mejores condiciones en el entorno institucional, la promoción de una
favorable dotación de factores para el desarrollo empresarial y la generación de
facilidades de asociatividad y competitividad, entre otras.
Igualmente, para el trazo de objetivos específicos y una mejor orientación de las
políticas de fomento, la Ley 590 hizo expresa la definición de Mipymes, a partir de los
montos de activos y el número de empleados de cada empresa así:
Tabla 1 Clasificación de las Mipymes - Ley 590 de 2000 y Ley 905 de 2004 CUADRO 1. CLASIFICACIÓN DE LAS MIPYMES – LEY 590 DE 2000
Tamaño de Empresa Monto de Activos No de Empleados
Micro Menos de 501 SMLV Menos de 10 Trabajadores
Pequeña Entre 501 y 5000 SMLV Entre 11 y 50 Trabajadores
Mediana Entre 5001 y 15000 SMLV Entre 51 y 200 Trabajadores
Fuente: Ley 590 de 2000 y Ley 905 de 2004 *En caso de presentarse una combinación de parámetros de activos totales y de planta de personal diferentes a los definidos, el elemento determinante será el de activos totales
5.1 DINÁMICA ECONÓMICA
Las siguientes ilustraciones (4, 5), permiten observar que los sectores más activos en
las medianas empresas son el comercio y la industria (G, D) y en las pequeñas el
comercio y los servicios (G, H). Esto nos indica que en las medianas se pueden
obtener mayores impactos con las políticas de intervención y promoción.
36
Fuente: Supersociedades
Sectores
En Colombia, las Mipymes tienden a comportarse según la tendencia del ciclo de la
economía aunque con un impacto no tan significativo. En la ilustración 6 se ve la
monumental caída del PIB que comienza a finales del año 1997, caída de la cual la
economía no se recuperaría sino levemente hasta comienzos de 1.999, recuperación
que no está consolidada debido a las frecuentes oscilaciones que experimenta la senda
de crecimiento.
A Agricultura y Ganadería
B Pesca
C Explotación de minas y canteras
D Industrias Manufactureras
E Suministro de electricidad, gas y agua
F Construcción
G Comercio y reparación de vehículos
H Hoteles y restaurantes
I Transporte
J Intermediación financiera
K Actividades inmobilarias, empresariales y de alquiler
M Educación
N Servicios sociales y de salud
O Otras actividades de servicios comunitarios
P Hogares privados con servicio doméstico
0
0,2
0,4
0,6
0,8
1
1,2
G H M D E N I B A F
Mill
on
es
0
0,5
1
1,5
2
2,5
3
3,5
4
4,5
5
G D B H M I O C A F N K J
Mil
lon
es
Ilustración 4. Actividad por sectores - Empresas Medianas
Ilustración 5. Actividad por sectores - Empresas Pequeñas
37
Fuente: DANE 1/ Con respecto al mismo trimestre del año anterior.
Fuente: DANE.
Por su parte el gráfico 7 nos muestra cómo la crisis afectó más a las grandes y
medianas empresas y fue de lejos mucho mejor asimilada por las pequeñas las cuales
experimentaron descensos en su producción menores. En el gráfico 8 se ilustra que las
oscilaciones de los descensos y ascensos después de la recuperación del año 99
continúan dentro de su tendencia histórica. Respecto de las Micro empresas, se nota
un fuerte ascenso de su tasa de crecimiento el cual una vez alcanzado su nivel se
mantiene estable con el ciclo.
Fuente: Superintendencia de Sociedades
2,46%
-8%
-6%
-4%
-2%
0%
2%
4%
6%
8%
95 I III
96 I III
97 I III
98 I III
99 I III
00 I III
01 I III
02 I III
03 I III
04 I III
Ilustración 6 Producto Interno Bruto Trimestral - Crecimiento Anual 1/
Ilustración 8 Crecimiento de las Mipymes
16,54%33,94%
46,66%19,66%
19,33%26,82%12,38%
14,30%
23,59%48,58%
67,57%
97,07%
0,00%
50,00%
100,00%
150,00%
200,00%
250,00%
2010-2011 2011-2012 2012-2013
Tasas de Crecimiento de las Mipymes
micro pequeña mediana total
Ilustración 7 Valor de la Producción
Comercio70%
Servicios21%
Industria9%
Participación de los Microestablecimientos por ingresos nominales anuales
septiembre 2014
38
La vocación exportadora de las Mipymes es relativamente baja, la cual disminuye con
el tamaño, aunque el segmento más bajo de las microempresas (ilustración 9) es aun
levemente superior al total de toda la economía el cual es del 15%.
Fuente: DANE 2013
En términos de la inversión y el cambio tecnológico, la ilustración 10 muestra en
general una gran disminución sin recuperación en los montos invertidos desde 2013.
Esta tendencia es más estable en las pequeñas y especialmente pronunciada y baja en
las medianas.
Por componentes de inversión, (ilustración 11) más del 30% de las Mipymes del sector
comercio destinan los recursos a la reposición sin ampliar la capacidad ni modernizar la
tecnología, una tercera parte a la ampliación de la capacidad sin modernización
tecnológica y otra tercera parte a la introducción de nuevos procesos y tecnología con
ampliación de la capacidad. En el sector industrial la proporción de empresas que
reponen equipos sin ampliación y modernización aumenta, aunque disminuyen los
18.2
17.6
15.8
14.5
15
15.5
16
16.5
17
17.5
18
18.5
MEDIANAS PEQUEÑAS MICRO
Exportaciones / Producción
Ilustración 10 Inversión y Cambio Tecnológico. Inversión Bruta
Ilustración 9 Vocación Exportadora
39
porcentajes de ampliación de la capacidad y de tecnificación con ampliación de la
capacidad. Esto es coherente con la teoría que indica que es más difícil tecnificar y
ampliar capacidad en la industria que en el comercio y los servicios.
Fuente: EOE-Módulo especial MIPYMES 2013
En síntesis, la evidencia empírica disponible y lo que de manera directa en las
encuestas indican los empresarios, las Mipymes de Colombia poseen las
características y se comportan de acuerdo con la naturaleza de la estructura
económica general del País, evolucionan muy de acuerdo con los factores de oferta y
demanda del ciclo de la economía, la inversión y el empleo, siendo bastante sensibles
a los choques externos vía el tipo de cambio. (Ilustración No. 12)
Fuente: Encuesta MIPYMES FUNDES 2013
31.8
27.1
21.7
19.4
0 10 20 30 40
Reposición de maquinaria
y equipo sin ampliar la
capacidad instalada ni la
tec. Actual
Expansión de la
capacidad instalada
manteniendo la tecnología
actual
Introducción de nuevos
procesos y tecnologías de
producción ampliando la
cap. Inst
Introducción de nuevos
procesos y tecnologías de
producción sin ampliar la
Cap. Inst
%
43.3
22.3
17.2
17.2
0 10 20 30 40 50
Reposición de maquinaria
y equipo sin ampliar la
capacidad instalada ni la
tec. Actual
Introducción de nuevos
procesos y tecnologías de
producción ampliando la
cap. Inst
Expansión de la capacidad
instalada manteniendo la
tecnología actual
Introducción de nuevos
procesos y tecnologías de
producción sin ampliar la
Cap. Inst
%
Ilustración 11 Tipo de Inversión por Componentes
Comercio Industria
0% 20% 40% 60% 80% 100%
Contracción de la demanda
Desempleo
Bajos niveles de inversión
Variaciones del tipo de cambio
Recesión económica
Gravedad Jerarquía
Ilustración 12. Factores de Influencia de las Pymes en Colombia
40
5.2 CICLO ECONÓMICO Y ASPECTOS FINANCIEROS
Una de las áreas de las empresas en donde en forma más profunda se perciben los
efectos del ciclo de negocios o de la economía es en las finanzas. En las Mipymes de
Colombia esto es mucho más evidente por sus limitaciones de acceso al
financiamiento. Las siguientes gráficas muestran que entre más pequeñas son las
empresas la recuperación de las utilidades es mucho más lenta y sus márgenes se
reducen con el tamaño.
Indicadores Financieros
Fuente: EOE-Módulo especial MIPYMES 2013
Es interesante observar como las Pymes son más solventes que las grandes sobre
todo en el período de crisis, lo cual indica que en general tienen capacidad de
responder por las obligaciones financieras y no habría mucha justificación para
considerarlas de alto riesgo financiero.
Ilustración 14. Rentabilidad de los Activos
Ilustración 15. Solvencia
Ilustración 13. Margen Operacional
41
En cuanto a la disponibilidad de recursos financieros se han incrementado para la gran
empresa y reducido para las Pymes, ya que como lo muestra el siguiente gráfico, la
Banca Colombiana nos está diseñada sino para la gran empresa, lo cual es por lo
menos contradictorio en un País de Pymes.
Ilustración 16. Distribución de entidades financieras - especialización de su cartera
Para compensar dicha situación (ilustraciones 17 y 18), las Pymes optan por
financiarse con los proveedores y por formas de crédito distintas a la banca, lo cual
torna costosa e inflexible su estructura de endeudamiento, ya que en periodos de crisis
las empresas grandes disminuyen su endeudamiento y las Pymes tienden a elevarlo,
debido a la imposibilidad de usar recursos propios.
Finalmente hay que decir que la falta de servicios adecuados y suficientes de
financiamiento para las Mipymes, está afectando de manera directa su productividad,
ya que los escasos y costosos recursos obtenidos se destinan principalmente al capital
de trabajo como lo muestra el gráfico 19.
Ilustración 17 Fuentes de Financiamiento Microempresas
Ilustración 18. Endeudamiento: Pasivos / Activos
42
Fuente: EOE Mipymes de Fededesarrollo
5.3 ESTRATEGIA
En cuanto a la estrategia, la siguiente gráfica muestra su aplicación iniciando con
actividades introductorias, avanzando a fundamentos básicos y posteriormente, tres
fases para establecimiento y desarrollo.
Fuente: (Guerras Martín & Navas López, 2007)
Análisis Estratégico
Orientación futura Análisis externo Análisis interno
2 Creación de valor
3 Orientación y valores
4 Entorno general
5 Entorno competitivo
6 Análisis interno
1 Introducción
FORMULACIÓN DE ESTRATEGIAS
Estrategias
Competitivas
Estrategias
Corporativas
7 Estrategias y ventajas competitivas
8 Estrategias según el tipo de industria
9 Direcciones de desarrollo
11 Fusiones y Adquisiciones
12 Cooperación y Alianzas
10 Dirección diversificación
13 Estrategia internacional
IMPLANTACIÓN DE ESTRATEGIAS
14 Evaluación e implantación
15 Soporte organizativo 16 Planificación y control
estratégico
Ilustración 20. Dirección Estratégica de la Empresa
61.1
73.9
61.3
38.219.4
35.8
6.7 3.00.8
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
MICRO PEQUEÑAS MEDIANASFuente: EOE MIPYMES de Fedesarrollo, 2003
Capital de trabajo Inversión Otros
Ilustración 19 Distribución de los Recursos de Financiamiento
43
Al desglosar la ilustración se evidencia la interacción interna con el entorno, así como
los análisis de los diferentes contextos que se dan desde la decisión de un trabajo
estratégico hasta la planificación y control, convirtiendo éstos pasos en un modelo de
aplicación de la dirección estratégica para cualquier compañía. (Guerras Martín &
Navas López, 2007).
Otros autores, confirman que la estrategia de la empresa aumenta o decrece la
competitividad (Peteraf, 1993), (Barney, 1991), de la misma forma, relacionan las
ventajas competitivas con la gestión de recursos y la relación con las oportunidades del
mercado (Grant, 1991). La siguiente ilustración identifica los focos de decisión para una
estrategia de crecimiento en las compañías.
Fuente: Adaptado de (Vercellis, 2011) (pág. 321)
5.4 ESTRUCTURAS ORGANIZACIONALES
Las pymes se comportan de manera diferente en la relación estrategia-estructura y
dicha relación puede ser inversa o recíproca (Marín Idárraga, 2012), en los casos en
los que se llevan a cabo acciones de reestructuración, éstas responden por lo general a
una redefinición de personal y no a análisis previos de los parámetros de diseño
organizacional, lo que dicta la existencia de una estructura desbalanceada.
Estrategia
Canales de
distribución Productos - Servicios
Segmentos
Precios Canales de promoción
Procesos de
ventas
Ilustración 21. Opciones de decisión para la estrategia de la compañía
44
Tabla 2. Tipologías de Estructuras Organizativas
Trabajo Unidad de análisis
(Gran empresa, Pyme o ambos)
Metodología Clasificación de estructuras
organizativas propuestas Burns y Stalker (1961)
Gran empresa
Clasificación deductiva Orgánica, Mecánica
Mintzberg (1979)
Gran empresa
Clasificación deductiva
Estructura simple, Burocracia maquinal, Burocracia profesional, Forma divisional, Adhocracia
Olmi (1991) Pyme Clasificación deductiva
Único propietario, Sociedad, S-corporation, C-corporation
Chaston (1997)
Pyme - Mecánica conservadora, Orgánica conservadora, Emprendedora/mecánica, Emprendedora/orgánica
Miles et. Al. (2000)
Pyme Análisis de conglomerados o clúster
Competitivas, Orientadas a la eficiencia, Orientadas a las operaciones y a los productos, Especializadas, Orientadas a los precios bajos, Complacientes, empresas no innovadoras, Agresivas, empresas emprendedoras
Camisón (2001, 2003)
Pyme-gran empresa
Clasificación deductiva
Modelos integrados: Organización unitaria, Organización verticalmente integrada, Organización multidivisional Modelos de transición:
Organización neo-fordista, Organización post-fordista, Organización reticular Modelos flexibles:
Modelo de pyme independiente, Modelo de grupo virtual, Modelo de distrito industrial
Meijaard et. Al. (2005)
Pyme Análisis de conglomerados o clúster
Emprendedor con equipo sumiso, Jefe colaborador con una estructura abierta, Equipo emprendedor, Jefe-bajo control, Jefe-alto control, Estructura singular, U-form, Organización matricial, M-form
Fuente: (Camisón Zornoza, Boronat Navarro, & Villar López, 2010)
De la tabla anterior resaltan en las Pyme tres tipos de estructuras, la pyme
independiente caracterizada por adoptar un enfoque a nichos de mercado a fin de
evitar la confrontación directa con la gran empresa y seguir por tanto, una estrategia de
especialización; un segundo modelo definido como el modelo de grupo virtual,
resultado de una red interempresarial de pyme en el que la cooperación basada en
relaciones de igualdad y confianza son la base para un sistema abierto a todas las
posibilidades de cooperación y por último, el modelo de distrito industrial definido como
aquel en el que las pyme cooperan dentro de una aglomeración industrial local,
ofreciendo este modelo una gran flexibilidad productiva. (p. 92). El valor de las
estructuras de la organización propias de las pyme, están orientadas a la eficacia y
adaptación que exige el entorno cambiante, aunque si bien ésta adaptación es
importante, como lo explican el (Ministerio de Proteccion Social - Universidad Nacional
Abierta y a Distancia UNAD, 2010), (Vergara Narváez, 2016), (Ríos Manríquez, Toledo
Rodríguez, Campos Olalde, & Alejos Gallardo, 2009) y (Baltar & Gentile, 2012) su
45
aplicación eficiente no garantiza el éxito de la organización, pero sí ayudarán al
proceso.
Como se indicó anteriormente, por sus capacidades para la generación de empleo y
crecimiento productivo, reviste gran importancia como sujeto de política económica las
características de su estructura.
Ilustración 22 Representatividad
Fuente: DANE - Encuesta de Microestablecimientos - micro 2015, publicación 22-mar-
16
La ilustración 22, observa que la representatividad de las Mipymes con base en sus
grandes agregados económicos nos indica que a pesar de su gran proliferación, sus
indicadores de producción e inversión son bajos y no alcanzan a generar la mitad del
empleo directo, reflejando que son poco modernas y no tan dinámicas como en
principio se podría creerse.
Sectorialmente, la estructura de las Mipymes de Colombia se concentra en el comercio
y los servicios y solo una tercera parte está en el sector industrial, lo cual está muy
cerca del patrón latinoamericano (ilustración 23).
Sueldos y Salarios
32%
Salud y pensión
26%
Prestaciones Sociales
21%
ARL21%
Proporción de Personal Ocupado que recibe sueldos y salarios, Salud y pensión, Prestaciones Sociales y ARL
Septiembre 2015
Comercio42%
Servicios26%
Industria32%
Producción, Ventas o ingresos mensuales por microestablecimiento
(millones de pesos )
Comercio69%
Servicios22%
Industria9%
Participación de los microestablecimientos por ingresos nominales anuales
Septiembre 2015
Comercio60%
Servicios30%
Industria10%
Según número de MicroestablecimientosSeptiembre 2015
46
Ilustración 23 Distribución de las Mipymes según sectores
Fuente: (FUNDES Latinoamérica, 2005)
Ilustración 24 Participación sectorial de las Mipymes en Latinoamérica
Fuente: (FUNDES Latinoamérica, 2005)
Sin embargo, cuando se excluyen las microempresas, la estructura de las Pymes en
Colombia sólo representa el 9% del total de las empresas del País, aunque se
mantienen las proporciones de los servicios, el comercio y la industria, aumentando
ligeramente como lo muestran las ilustraciones siguientes.
Servicios
34%
Manufactura
13%
Comercio
53%
Agricultura, Ganadería y Pesca
8%Comercio
25%
Construcción10%
Intermedicación financiera
8%
Industrias manufactureras
19%
Minería2%
Servicios28%
Distribución de las MIPYMES según sectores
47
Fuente: Supersociedades
Los datos de la ilustración 28 muestran que en general las Pymes de Colombia son
empresas maduras donde más del 50% tienen entre 15 y 22 años de funcionamiento y
las menos tradicionales (47%) están entre 6 y 15 años. En la ilustración 27 se observa
que el patrimonio mantiene su tendencia histórica de crecimiento casi al doble del
promedio del PIB del País para ese período, lo cual significa que existe acumulación de
capital.
Fuente: Supersociedades
Ns/Nr
2%
Tradicionales -
más de 22
años
29%
Maduras - 15 y
22 años
22%
En proceso de
consolidación -
6 y 15 años
36%
Jóvenes -
menos de 6
años
11%
Fuente: Supersociedades
Ilustración 28 Madurez de las Mipymes
21,66%
15,56%
22,44%
21,03%
12,86%
21,92%22,19% 17,23%
22,89%
0,00%
10,00%
20,00%
30,00%
2010-2011 2011-2012 2012-2013
Tasas de crecimiento de los activos, pasivos y patrimonio de la Mipyme
(2010-2013)
Activo Pasivo Patrimonio
Activos no
reportados
8.7% Gran
1.1%Mediana
1.5%
Pequeña
7.5%
Micro
81.2%
Agro
7%Servicios
37%
Comercio
34%
Industria
22%
Ilustración 26. Participación por Sectores
Ilustración 27. Tasas de Crecimiento Activos, Pasivos y Patrimonio Mipymes 2010-2013
Ilustración 25. Empresas Según Activos
48
5.5 TAMAÑO
La productividad laboral y la población empleada son una característica de las grandes
economías (Rekowski & Kokocinska, 2013), siendo las empresas medianas
mayormente estables con respecto a las pequeñas tanto en empleo como en
productividad. La máxima fluctuación en estos dos factores en Europa se da
principalmente en Polonia, España y Reino Unido y las experiencias éstas economías
en términos del sector Pymes, demuestran la importancia que dan al fortalecimiento de
la estructura y política económica.
Diferentes estudios en el contexto latinoamericano (Rohvein C. , y otros, 2013),
(Parada Gómez, 2002), (Saavedra García, 2012), (Pietrobelli, Porta, & Moori-Koenig,
2005) indican que el concepto general de las Pymes es el mismo, aunque los criterios
para establecer su tamaño difieren en algunos países como lo muestra la siguiente
tabla.
Tabla 3. Criterios para determinar el tamaño empresarial en algunos países de Latinoamérica
País Empleo Ventas Activos Otros
Argentina X
Bolivia X X X
Chile X X
Colombia X X
Costa Rica X X X X
El Salvador X X
Guatemala X
México X
Panamá X
Venezuela X X X
Fuente: (Superintendencia de Sociedades, 2003)
En Latinoamérica las microempresas formales determinan el peso de las pyme en cada
país (Comisión Económica para América Latina y el Caribe CEPAL, 2010), en El
Salvador, Colombia, México y Perú los datos oficiales registran una cantidad muy
elevada de microempresas formales. Por el contrario, en el Ecuador la participación de
49
microempresas formales registradas es más reducido y, por lo tanto, el peso de las
pymes es mayor. (p. 18)
Tabla 4. Participación de las Pymes en el total de la Economía Formal en AM 2010
País Número de empresas
Empleo Ventas Exportaciones
Argentina 26.8 43.6 41.0 8.4
Brasil 15.4 42.6 25.9 12.5
Chile 17.2 21.2 18.3 2.2
Colombia 3.8 32.0 17.1 n.d.
Ecuador 44.3 24.0 15.9 Menos de 2
El Salvador 8.2 27.7 34.3 Menos de 2
México 4.3 30.8 26.0 Menos de 5
Perú 1.9 11.9 27. Menos de 2
Uruguay 21.2 47.0 n.d. n.d
Fuente: (Comisión Económica para América Latina y el Caribe CEPAL, 2010)
Las pymes industriales se concentran en sectores intensivos en mano de obra, con
bajas economías de escala y orientados en general al mercado interno. En América
Latina es posible identificar tres patrones de especialización según las dimensiones del
país: 1) en los países de mayor peso económico -Argentina, Brasil y México-, las
pymes industriales presentan un mayor peso en las ramas metalmecánicas y electro
electrónicas; 2) en los países de tamaño económico intermedio —Chile, Colombia,
Ecuador, Perú y República Bolivariana de Venezuela—registran una mayor orientación
hacia alimentos y productos químicos y plásticos; 3) en los países pequeños —Costa
Rica, Nicaragua y Uruguay—, en cambio, se observa una fuerte presencia en la
industria de alimentos de las pymes (Peres y Stumpo, 2002) (P. 21).
5.6 REDES Y ASOCIATIVIDAD
Otro aspecto clave en el desarrollo de las pymes son las redes internacionales, las
características del sector, las capacidades y habilidades del emprendedor en Colombia
especialmente, para temas de exportación (Barbosa Escandón & Ayala Hurtado, 2014),
así como factores internos de ventas, inversión en I+D y generación de empleo son
50
determinantes a la hora de mantener su ventaja competitiva. El sector al que
pertenece, influye significativamente en el desarrollo de las pymes, resaltando la
relevancia sectorial que trata el presente estudio. La creación de condiciones
integradoras eficaces permite que las firmas trasciendan el mercado nacional (Bianchi
& Di Tommaso, 1999), siendo ésta situación de integración la que se pretende en el
presente estudio y que respaldan otros autores como (Hualde Alfaro, 1998) quien
señala que en Latinoamérica y Europa las características competitivas en las
actividades productivas de las pymes se dan cuando se logra una eficiencia colectiva
de los involucrados.
La práctica de la asociatividad entre las pymes es una fuente de ventaja competitiva en
Colombia (Velásquez Vásquez, 2004), (Montoya, Montoya, & Castellanos, 2010),
(Román Martínez, Rojas Gamero, & Gallego Tamayo, 2011), (Gilmore, Carson, &
Rocks, 2006), (Liendo & Martínez, 2001). Contrastando con dificultades como
desarticulación de los actores que podrían ayudar para el desarrollo de las Pymes y el
espíritu competitivo común entre las empresas, haciendo difícil su unión por asociación
sin un esfuerzo significativo por parte de todos los involucrados, instituciones
intermedias, academia, agremiaciones y acciones por parte del estado en lo
concerniente al apoyo y regulación, siendo ésta dificultad un gran inconveniente para el
desarrollo de las Pyme (Montoya, Montoya, & Castellanos, 2010), (Morales Rubiano &
Castellanos Domínguez, 2007), (Pérez Uribe, 2004).
5.7 COMPETITIVIDAD Y VIRTUDES PYME
La investigación sobre la competitividad es una preocupación constante dentro de las
pymes para la economía, caracterizada dentro de un entorno con problemas y virtudes;
a continuación un breve recuento de sus virtudes desde la mirada que nos presenta
(Cleri, 2007): Flexibilidad, (dinamismo en un ambiente incierto y cambiante), carácter
pionero, (emprendimientos novedosos), proveedoras de bienes y servicios (para
consumidores y para grandes empresas), innovadoras y creativas (especialización y
51
diferenciación de productos de acuerdo con las exigencias del mercado), guardia del
equilibrio de la sociedad (resguardo del equilibrio y crecimiento económico sostenido),
principales empleadores de mano de obra, sostén de demanda, contribuyentes al
sostenimiento del estado, permiten el equilibrio regional, ayudan a la movilidad social
de los ciudadanos y aportan a la productividad global.
Ilustración 29. Contribución de las Pymes al progreso
Fuente: (Cleri, 2007) Pág. 44
Sobre la competitividad, el Foro Económico Mundial (World Economic Forum WEF)
elaboró una herramienta que permite la identificación y comparación de las
capacidades de proveer oportunidades de desarrollo en los países analizados, ésta
herramienta es el Índice de Competitividad Global (ICG) (FUNDESA, 2016) la cual mide
la competitividad de 140 economías aproximadamente a través de 12 pilares divididos
en 112 variables, que incluye cifras oficiales e información proveniente de encuestas de
opinión realizadas a más de diez mil líderes empresariales en todos los países,
convirtiendo esta herramienta en la evaluación más completa de la competitividad
nacional en todo el mundo. (SNCCTI, 2017). Así mismo, el (World Economic Forum,
2015) define la competitividad como “el conjunto de instituciones, políticas y factores
que determinan el nivel de productividad de un país… Una economía competitiva,
creemos, es una economía productiva. Y la productividad conduce al crecimiento, que
permite niveles de ingresos más altos, y un mayor bienestar.” A continuación, una
ilustración de ésta definición (Porter, Michael E.; Delgado, Mercedes; Ketels, Christian;
Stern, Scott - World Economic Forum, 2009).
52
Fuente: (Aguilar Santamaría, 2009)
La anterior definición está enmarcada en el ICG, en 12 pilares. Para Colombia en el
2015 se identifica una mejora gracias en gran parte al desarrollo del mercado financiero
(de 45 a 25 puestos). El desempeño del país es relativamente estable con ligeras
mejoras en la mayoría de las dimensiones. Colombia se beneficia de un tamaño de
mercado relativamente grande (36º) y de buenos resultados macroeconómicos (32º)
por estándares regionales. Sin embargo, una mejora adicional en la calidad del sistema
educativo, especialmente en matemáticas y ciencias (117), es crucial para ofrecer la
capacidad de innovar (93) y diversificar la economía. Otros ámbitos de mejora son el
marco institucional del país, especialmente las instituciones públicas (125ª), con la
corrupción (126ª) y la seguridad (134ª) permaneciendo nefasta. Las reformas
estructurales para fomentar la competencia (127ª) y mejorar la infraestructura, en
particular la calidad general del transporte (98ª), aumentarían aún más la
competitividad como se puede ver en la siguiente ilustración (World Economic Forum,
2015) (p. 31.).
Ilustración 31. Estado de Desarrollo de Colombia 2015-2016 según el ICG
Fuente: (World Economic Forum, 2015)
Prosperidad
Productividad
Dotación del entorno
Individual
Colectiva
Requerimientos básicos
Potenciadores de eficiencia
Factores de innovación y sofisticación
Ilustración 30. Modelo de competitividad. World Economic Forum (WEF), 2008
0
2
4
6Instituciones
Infraestructura
Ambiente…
Salud y Educación…
Educación Superior y…
Eficiencia del Mercado…
Eficiencia del Mercado…
Desarrollo del Mercado…
Preparación Tecnológica
Tamaño del Mercado
Sofisticación de Negocios
Innovación
Colombia
LatinoAmérica
53
Los estudios coinciden en que la competitividad adquiere cada vez mayor relevancia en
el mundo empresarial (Hernández Castro, De la Garza Martínez, Araiza Garza, &
Mireles Falcón, 2014) enmarcada en las áreas de recursos humanos, innovación,
tecnologías de información y comunicación y aspectos contables y financieros, (Estrada
Bárcenas, García Pérez de Lema, & Sánchez Trejo, 2009) complementan éstas
variables con planeación estratégica, tecnología y certificación de calidad. Coinciden
con los autores (Ayala Calvo & Alcalá Valentín, 2015), quienes además aportan la
motivación, el compromiso; el networking; la flexibilidad y rapidez en la toma de
decisiones; la profesionalización de la empresa; la financiación y la eficiencia en la
utilización de los recursos. A lo anterior se suman (Bain & Company, 2016) quienes
afirman que el crecimiento es un imperativo en los negocios, pero el éxito está las
empresas que logran un crecimiento sostenido. Descrita desde la perspectiva de las
pymes (Fernández & Revilla, 2010) determinan que la competitividad con un enfoque
basado en recursos, presenta la siguiente problemática.
Tabla 5. Problemática de Recursos de la Pyme
Recurso Evaluación Eliminación Adición
Recursos humanos
Alto compromiso Baja cualificación
Difícil, dados los vínculos personas que se crean
Difícil contratación de personal en el mercado
Recursos financieros
Escasos Difícil, más allá de la autofinanciación y los amigos y parientes
Recursos relacionales
Proporcionados en buena medida por el propietario-gerente
Difícil, dados los vínculos que se crean
No hay mercado para ellos Se construyen como resultado de la actuación de la empresa
Recursos tecnológicos
Escasos Mejor dotada para innovaciones incrementales y/o no tecnológicas
Motivos de eliminación: a) Obsolescencia; b) La empresa no dispone
de recursos complementarios para explotar tecnologías cuya exclusividad no puede proteger; y
c) No encajan en la estrategia de la empresa
Nuevas combinaciones de conocimientos preexistentes ofrecen muchas oportunidades a las Pymes Importancia de los acuerdos para acceder a nuevas tecnologías Capacidad de absorción
Empresario Especialmente útil para la identificación y evaluación de otros recursos
Suele tener dificultades para saber cuándo debe abandonar la empresa
Sus relaciones, prestigio y conocimientos ayudan a obtener otros recursos
Fuente: (Fernández & Revilla, 2010)
54
El Mapa de competitividad BID presentado por (Saavedra García, 2012) contiene una
interconexión entre planeación estratégica, producción y operaciones, aseguramiento
de la calidad, comercialización, contabilidad y finanzas, recursos humanos, gestión
ambiental, sistemas de información. Como complemento, la competitividad sistémica
define que “Los países más competitivos poseen i) nivel meta, estructuras básicas de
organización jurídica, política y económica, capacidad social de organización e
integración, y capacidad de los actores para la integración estratégica; ii) un contexto
macro que exige mayor eficacia de las empresas; iii) nivel meso estructurado, donde el
estado y los actores sociales desarrollan políticas de apoyo específico, fomentan la
formación de estructuras y articulan los procesos de aprendizaje a nivel de la sociedad,
y iv) en el nivel micro un gran número de empresas que buscan simultáneamente la
eficiencia, calidad, flexibilidad y rapidez de reacción, estando muchas de ellas
articuladas en redes de colaboración recíproca” (Meyer-Stamer, Messner, Hillebrand, &
Esser, 1996) (p. 41). El Foro Económico Mundial contempla los siguientes aspectos
como fundamento de la productividad.
Ilustración 32. Fundamentos de la Productividad aplicable a las Pymes
Fuente: (Porter, Michael E.; Delgado, Mercedes; Ketels, Christian; Stern, Scott - World
Economic Forum, 2009)
La interacción constante de los aspectos microeconómicos señalados son la verdadera
medida de la competitividad (Aguilar Santamaría, 2009). Concordando con lo anterior,
una apropiada medición de la productividad fortalecería la planeación del negocio, y
hacerlo de manera sistémica solidificaría la comprensión de todo el personal respecto
al valor de su aporte para el logro de los resultados. (Aguilar Santamaría, 2009). Las
investigaciones resaltan la importancia de proveer de herramientas a las empresas que
Competitividad microeconómica
• Calidad del entorno microeconómicode los negocios
• Estado de desarrollo de los clústers
• Sofisticación de las operaciones de lacompañía y de la estrategia
Competitividad macroeconómica
• Infraestructura social e institucionespolíticas
• Políticas macroeconómicas
55
les permita medir la brecha sectorial o de clase a las empresas, resultado aplicable al
presente estudio.
El entorno macroeconómico de políticas públicas relacionadas con los cambios
tecnológicos, comercio internacional y construcción de infraestructura y
telecomunicaciones, sin duda afecta la competitividad y el nivel de productividad de las
Pymes (Parada Gómez, 2002). Estudios indican que las Mipymes se han convertido en
el eje fundamental económico por el desarrollo productivo y la igualdad social,
reiterando su importancia dadas las diferentes capacidades que hemos mencionado
(Superintendencia de Sociedades - Mincomercio, Industria y Turismo, 2005). De la
misma forma, se identifican elementos comunes en el desarrollo sectorial de las
Mipymes: liquidez inmediata, ciclos productivos e infraestructura productiva.
5.8 INNOVACIÓN
La innovación es un mecanismo prioritario en el desarrollo económico (López Parra,
González Navarro, & Vásquez Torres, 2016), en este punto las Pymes requieren
modelos que faciliten la modernización y el proceso de oferta de productos y servicios.
Los autores, integraron distintas herramientas de gestión como parte de soluciones
transformadoras requeridas en un mundo globalizado y competitivo. Según los
estudios, las Pymes practican capacidades innovadoras incrementales debido a la
facilidad y bajos costos de implementación (Muñoz-Salgado, Nava-Rogel, & Rangel
Magdaleno, 2013). Dada la complejidad implícita en la innovación y la dificultad de
valorar en la realidad las afectaciones de factores internos y externos (Román
Martínez, Rojas Gamero, & Gallego Tamayo, 2011), ésta es una variable representativa
en las relaciones de crecimiento de las empresas, lo que respalda el presente estudio
el cual implementa un modelo matemático con indicadores para la medición de la
eficiencia, eficacia y productividad de las Pymes. La tabla 6 muestra factores
referenciados por diversos autores en donde se identifica los positivos y negativos que
afectan a las empresas en lo referente a la capacidad innovadora.
56
Tabla 6. Factores dimensionales de la capacidad innovadora FACTORES
DIMENSIONALES - + REFERENCIAS
CONOCIMIENTO
Acumulación de conocimiento
Irregularidad innovadora No intencionalidad
Trayectoria innovadora Intencionalidad
Pedler et al. (1991), Swieringa y Wierdsma (1995), Nonaka y Takeuchi (1995), Andreu y Ciborra (1996)
Fuentes básicas del conocimiento
Externas (dependencia) Internas (autonomía) Senge (1992), Landier (1992), Dodgson (1993), Sánchez y Heene (1997)
Tipo de conocimiento
Adaptativo Carácter incremental
Rupturista Carácter radical
Machlup (1980), Nueno (1998), Schumpeter (1976, 1996), Swieringa y Wierdsma (1995)
Generación de conocimiento
Dependencia decisional Nivel individual Dependencia funcional (falta de autonomía)
Autonomía decisional en grupos multidisciplinares Resolución de imprevistos
Senge (1992), Nonaka y Takeuchi (1995), Andreu y Sieber (1996)
Localización conocimiento
Desconocimiento funcional de la organización
Conocimiento funcional de la organización
Pedler et al. (1991), Prusak (1997)
RECURSOS HUMANOS
Estilo dirección Baja tolerancia al riesgo Visión a corto plazo Sistema de mando y control
Alta tolerancia al riesgo Visión a largo plazo Sistema participativo
Mintzberg (1990), Drucker (1988, 1997), Schein (1988), Aoki (1990)
Plantilla Baja cualificación Alta eventualidad
Alta cualificación Baja eventualidad
Pearce (1993), Feldman (1995)
Sistemas de formación
No existen Sí existen Mintzberg (1990), Freel (2005), Johnson et al. (1995)
Aptitud individual Barreras al aprendizaje Aversión a responsabilidades y al compromiso
Espíritu de superación Toma de responsabilidades y aptitud de compromiso
Senge (1992), Argyris (1993), Probst y Büchel (1995), Nonaka y Takeuchi (1995)
ORGANIZACIÓN
Diseño organizativo
Jerárquicas y rígidas División del trabajo Burocracia
Planas y flexibles Equipos multidisciplinares Adhocracia y redes
Mintzberg (1990), Marquard (1996), Bennet y O’Brien (1994), Mayo y Lank (1994), Redding y Vatalanello (1994)
Mecanismos de coordinación y control
Comunicación limitada a procedimientos Supervisión estricta
Comunicación flexible e informal Adaptación mutua
Mintzberg (1990), Swieringa y Wierdsma (1995), Handy (1992, 1995)
Nivel de centralización
Alta centralización Alta descentralización Mintzberg (1990), Landier (1992)
Fuente: (Román Martínez, Rojas Gamero, & Gallego Tamayo, 2011) p. 145
Las pymes de los sectores energético e industrial presentan un buen comportamiento
en innovación y siendo éstos los que presentan un mayor nivel de eficiencia y
rentabilidad económica (Rodeiro Pazos & López Penabad, 2007). Del mismo modo
(Hsueh & Ying-yi, 2004) afirman que en Taiwán la innovación tiene el más grande
impacto en los rendimientos de las Pymes, lo cual es respaldado por (Ríos Manríquez,
Toledo Rodríguez, Campos Olalde, & Alejos Gallardo, 2009) quienes concluyen que el
hecho de innovar mejoraría la eficiencia en las operaciones, así como las ventas y la
cobertura nacional e internacional de las pymes.
57
5.9 ANÁLISIS DE LOS OBSTÁCULOS QUE TIENEN LAS PYMES COLOMBIANAS PARA SU EVOLUCIÓN Y DESARROLLO
5.9.1 Acceso y costo del Financiamiento
Por su estructura y las características de su inserción en los mercados, las Pymes de
Colombia acceden muy precariamente y de forma limitada a los recursos ordinarios de
crédito. La evidencia obtenida en los estudios más recientes (Zuleta & Arbeláez, 2004)
(Superintendencia de Sociedades, 2003), (Cinset, Acopi, Fundación Konrad Adenauer,
2007), muestra que el sistema financiero percibe la falta de garantías, historial de
crédito y bajo potencial de crecimiento, como los factores determinantes (Ministerio de
Comercio, Industria y Turismo, Viceministerio de Desarrollo Empresarial, Dirección de
Mipymes, 2007) para el acceso el volumen de los recursos que se colocan en éste
importante segmento del empresariado.
Fuente: EOE Mipymes de Fededesarrollo
La ilustración anterior nos muestra que el porcentaje de recursos aprobado con
respecto al solicitado es mayor según sea el tamaño de las empresas, y que se
mantienen de forma muy similar los niveles de crédito informal, el cual es por definición
más costoso y en peores condiciones.
35.5
74.0 74.5
65.0
60.0
99.1
79.0
58.060.0
0
10
20
30
40
50
60
70
80
90
100
MICRO PEQUEÑAS MEDIANASFuente: EOE MIPYMES de Fedesarrollo, 2003
Crédito interno Proveedores Crédito informal
Ilustración 33 Porcentaje de Recursos Aprobado con Respecto al Solicitado según diferentes fuentes de financiamiento
58
La ilustración No. 34 corrobora que las tasas de interés para las Mipymes son mucho
más elevadas que las que pagan las Grandes Empresas, hacia las cuales está dirigida
casi en su totalidad la oferta de crédito.
Fuente: Superintendencia Bancaria, cálculos Fededesarrollo
Las condiciones de acceso y costo que enseñan los datos de las entidades financieras
son los obstáculos para el desarrollo de las Pymes más importantes percibidos también
por las Encuestas a Empresarios. El siguiente gráfico nos muestra en orden de
gravedad y jerarquía aquello que más las limita.
Fuente: Encuesta MIPYMES FUNDES 2013
0% 10% 20% 30% 40% 50% 60%
Reciprocidad
Tiempo para aprobación y desembolso
Exigencia de cofinanciación
Requisitos de las entidades financieras
Montos aprobados insuficientes
Plazo para la cancelación de crédito
Número de trámites
Garantías exigidas
Tasas de interés
Gravedad Jerarquía
0% 5% 10% 15% 20% 25% 30% 35% 40%
Deconfianza sobre la información
Deficiente divulgación gubernamental de
las líneas orientadas hacia la Pyme
Información de la entidad financiera para
el empresario
Interés de las entidades crediticias en
financiar el sector
Líneas de crédito orientadas a la Pyme
Gravedad Jerarquía
Ilustración 35 Tasas de Interés y Garantías, Condiciones que más limitan el Acceso al Financiamiento
Ilustración 34 Diferencia entre las Tasas de Interés de Las Entidades Especializadas en Grandes Empresas y de Las Entidades Especializas en MIPYMES
59
Se observa que no solo son el acceso y el costo, sino los numerosos trámites, los
requisitos, plazos y montos, los factores que más afectan a los empresarios Pymes.
Igualmente se percibe que las políticas de crédito, la información sobre líneas de
crédito, la atención y el interés de las entidades crediticias por el empresario Pyme son
deficiente.
Finalmente, la ilustración No. 36 nos muestra que las garantías exigidas por las
entidades crediticias son muy poco modernas y adecuadas a la naturaleza y al
desempeño de las Pymes, por cuanto dichas garantías y avales son en su mayoría los
que se usan tradicionalmente para personas naturales.
Ilustración 36 Garantías exigidas a las Pymes por el sistema Financiero
Fuente: Encuesta Empresarial FUNDES 2013
5.9.2 El Sistema Tributario
Colombia es uno de los Países de América Latina con mayor carga impositiva, tanto
directa como indirecta. Así lo han demostrado varios estudios nacionales
(Departamento Nacional de Planeación DNP, 2000). Para las Pymes en particular no
solo el nivel de los tributos, sino la multiplicidad de impuestos y de reformas tributarias
casi anuales, constituyen los obstáculos principales en ésta área para los empresarios.
(Ilustración 37).
Personal26%
Prendaria12%
Codeudores20%
Hipotecaria22%
Documentos negociables
15%
Otra5%
Garantías exigidas a las Pymes por el sistema Financiero
60
Fuente: Encuesta Empresarial FUNDES 2013
5.9.3 Acceso al Mercado Interno
Un aspecto esencial para la competitividad de las Empresas en general son los
aspectos del mercado interno. Como lo muestran los ilustraciones siguientes, la
competencia desleal manifestada en el contrabando, la informalidad y la evasión de
impuestos, junto a la posición dominante de los grandes proveedores (para el 30% de
las empresas hay menos de 5 proveedores) configuran un conjunto de barreras que
disminuyen la competitividad de las Pymes Colombianas.
Fuente: Encuesta Empresarial FUNDES 2013 Fuente: Encuesta Empresarial FUNDES 2013
0% 20% 40% 60% 80% 100%
Complejidad del sistema
Multas y sanciones excesivas
Carencia de alivios tributarios
Frecuencia de las reformas tributarias
Multiplicidad de impuestos
Alta carga impositiva
Gravedad Jerarquía
Ilustración 37 Las Pymes y el Sistema Tributario
0% 10% 20% 30% 40% 50% 60% 70%
Condiciones desfavorables con loscanales de
distribución
Contratación con el sector público
Condiciones de negociación con los
proveedores
Competencia desleal
Gravedad Jerarquía
Menos de 5
30%
De 5 a 20
47%
De 21 a 35
8%
Más de 35
9%Ninguno
6%
Ilustración 38 Condiciones y características del Mercado Interno para las Pymes
61
Otro obstáculo fundamental de acceso al mercado interno son los canales de
distribución. En Colombia menos del 36% de las Pymes utiliza canales de distribución
modernos y consolidados (FUNDES Latinoamerica, 2005).
5.9.4 Apoyo y funcionamiento del Estado
En los últimos años, tanto en Colombia (Banco Interamericano de Desarrollo BID,
2007) como en América Latina, se han multiplicado e intensificado los Programas
gubernamentales de apoyo y promoción a las PYMES. Dichos Programas, en general
se caracterizan por crear condiciones de demanda canalizando las compras oficiales y
mejorar los aspectos de competitividad por medio de programas de capacitación,
asistencia técnica y aumento de las llamadas “líneas de crédito de segundo piso” para
mejorar las condiciones de financiamiento. En Colombia, la percepción de los
empresarios Pymes es que el impacto de los programas de apoyo gubernamental ha
sido bajo, los mecanismos de apoyo gubernamental se consideran deficientes, los
trámites ante las entidades estatales son ineficientes y poco amigables y hay una
excesiva burocracia. (Gráfico 38)
Fuente: Encuesta Empresarial FUNDES 20013
En general, un alto porcentaje (alrededor del 70%) de los empresarios PYMES no
percibe mejoría por la utilización de programas gubernamentales, ya que
aproximadamente sólo un 37% de las Pymes ha efectuado ventas al Estado en los
últimos 2 años. Para los intermediarios de los Programas Estatales (Bancos,
Desconfianza
3%
Condiciones
desfavorables
22%
Obstáculos
endógenos
1%
Por el tipo de
producto
12%
No le interesa
11%Discrecionalidad
de los
funcionarios
9%
Desconocimiento
7%
Costo de
formulación y
presentación de
la propuesta
12%
Demora de los
pagos
23%
Ilustración 39. Percepción Pymes Apoyo y Funcionamiento del Estado
62
Organizaciones No Gubernamentales y Agencias Estatales) el factor más grave es la
descoordinación institucional en dichos Programas.
5.9.5 Acceso a Mercados Externos
Aunque en Colombia, el objetivo de la política hacia las PYMES en los últimos años ha
sido diversificar las exportaciones, la oferta exportable está poco desarrollada.
Fuente: Encuesta Empresarial FUNDES 2003 Fuente: Fedesarrollo: EOE Módulo especial MIPYMES
No solo es baja la orientación exportadora de las Mipymes de Colombia sino que como
lo muestran las ilustraciones anteriores ésta capacidad se reduce con el tamaño,
aunque hay que señalar que las Pyme son la base de las exportaciones no
tradicionales. En las encuestas realizadas, los Empresarios perciben que es difícil
exportar por las barreras de acceso a mercados, el número excesivo de trámites en
Colombia, los altos costos que implica producir para exportar y la imagen negativa del
País en el exterior. También consideran que no se tiene suficiente información sobre
condiciones y requisitos de los mercados externos y que la tecnología involucrada para
exportar es compleja, sobre todo en lo que se refiere a etiquetas verdes, barreras
sanitarias y fitosanitarias, normas de Calidad y a que en general hay poca conciencia
de la oportunidad de exportar para su desarrollo.
No exportadoras
81%
Exportadoras
13%
Lo han intentado
6%
18.2
17.6
15.8
14.5
15
15.5
16
16.5
17
17.5
18
18.5
MEDIANAS PEQUEÑAS MICRO
Exportaciones / Producción
Ilustración 40. Pymes que exportan Ilustración 41. Actividad exportadora 2013
63
Fuente: Fedesarrollo: EOE Módulo especial MIPYMES
5.9.6 Legislación Laboral, Calidad y Disponibilidad del Recurso Humano
En las últimas dos décadas, en Colombia se han hecho dos reformas sustanciales al
régimen laboral, con el fin de adecuarlo a las condiciones de competitividad que exigen
la realidad de los mercados mundiales. Dichas reformas en general han buscado
flexibilizar las condiciones de contratación de la mano de obra, reducir los pasivos
sociales de las empresas y abaratar el costo de la mano de obra elevando su
productividad. Los resultados de la política laboral han ocasionado que las grandes
como las pequeñas empresas tiendan a elevar la contratación de personal temporal y
en las Pymes se contrate más personal permanente que en las Grandes. (Ilustraciones
43 y 44).
25
21
19
15
14
6
0
0 10 20 30
Trámites y transporte
Acceso al crédito
Obstáculos externos
Costos y tecnología
Tasa de cambio
Calidad
Otro.
%
Ilustración 42 Obstáculos para Exportar MIPYMES (2013)
Ilustración 43. Estructura contractual -PYMES
Ilustración 44. Estructura contractual -Empresas Grandes
64
Igualmente, a pesar de lo profundo de las reformas laborales, los empresarios Pymes
aún perciben que el régimen laboral es un fuerte obstáculo para su competitividad y
productividad (Gráfico 45).
Fuente: Fedesarrollo. EOE Módulo especial MiPymes
Para mejorar dicha competitividad en las pymes predomina la capacitación en el puesto
de trabajo y le dan muy poca importancia al Servicio Nacional de Aprendizaje SENA, el
cual provee por parte del Estado la formación para el trabajo más moderna y adecuada.
Fuente: Fedesarrollo: EOE Módulo especial MIPYMES Fuente: Encuesta Empresaria FUNDES
2003
Las áreas donde se requiere mayor desarrollo del talento humano son en orden
descendente de importancia, ventas y mercadeo, financiera, planeación y producción.
En Comercio Internacional se percibe una necesidad muy baja (6%).
32
31
24
6
3
2
1
0 10 20 30 40
Elevadas cotizaciones a la
seguridad socialElevados costos en casos de
despidoRigidéz de las jornadas laborales y
sobrecostos x nocturnos, domingoElevados costos de otras
prestacionesAltos costos extralegales por
convenciones colectivasElevados costos en casos de
maternidad
Otros
%
2002
Ilustración 45 Régimen laboral Obstáculos para la contratación
75
11
6
4
3
0 10 20 30 40 50 60 70 80
En el puesto de trabajo
Proveedores de equipos o
materias primas
SENA
Institutos técnicos privados
Otro.
%
2002
Recursos
humanos
12%
Mercadeo y
ventas
36%
Planeación
15%Producción
14%
Comercio
internacional
6%
Otro
1%
Financiera
16%
Ilustración 46 Forma de capacitación más usada - Necesidades de Capacitación
65
5.9.7 Infraestructura, Logística y Servicios Públicos Seguridad y Asociatividad
De acuerdo la información estadística disponible, las Mipymes de Colombia encuentran
que en general, la infraestructura, la logística, los servicios públicos y la seguridad no
constituyen obstáculos importantes para su evolución y desarrollo.
Fuente: Fedesarrollo: EOE Módulo especial MIPYMES
El gráfico anterior nos muestra que en las Mipymes del sector industrial, los obstáculos
más importantes son la baja demanda, las altas tasas de interés y la carga tributaria.
En las Mipymes del sector comercio los mayores obstáculos son el contrabando, la
incertidumbre económica y las altas cargas tributarias.
En relación a la Asociatividad, las Mipymes de Colombia tienen varias y muy
importantes agremiaciones multisectoriales como la Asociación Colombiana de
Pequeños Industriales ACOPI y otras de carácter sectorial. También se cuenta con
varios centros de desarrollo empresarial CDEs, fundaciones, agencias del Gobierno e
internacionales, universidades y una gran multiplicidad de Consultores Privados que
promueven y apoyan la asociatividad. A pesar de lo anterior casi el 60% de los
Empresarios no ha contratado capacitación ni consultoría, en los últimos 2 años y el
conocimiento de los beneficios, acceso y utilización de estos servicios para el
desarrollo empresarial es bajo, como lo muestra el gráfico siguiente:
3114
1312
87
33
222
211
0 10 20 30 40
El bajo nivel de los pedidos
Las tasas de interés altas
Carga tributaria
El contrabando
La incertidumbre económica
Acceso a crédito
La tasa de cambio
Costos parafiscales
La competencia extranjera (legal)
Inseguridad física
Cambio en las reglas de juego
Disponibilidad de mano de obra
Costos salariales
Otro.
%Industria
181515
1410
99
43
11
11
0
0 10 20
El contrabando
La incertidumbre económica
Carga tributaria
Las tasas de interés altas
La tasa de cambio
Inseguridad física
El bajo nivel de los pedidos
La competencia extranjera (legal)
Acceso a crédito
Disponibilidad de mano de obra
Otro.
Costos parafiscales
Costos salariales
Cambio en las reglas de juego
% Comercio
Ilustración 47 Elementos más Perjudiciales para su Desarrollo
66
Fuente: Encuesta Empresaria FUNDES 2013
5.10 EFICIENCIA, EFICACIA Y PRODUCTIVIDAD: LECCIONES APRENDIDAS PARA LAS PYMES
La literatura existente ha encontrado una importante concentración de estudios sobre
pymes y la importancia en el segmento de pequeñas y medianas empresas (Othman,
Yao, Mahdi, & Jing, 2011); sin embargo, pocos de ellos miden adecuadamente su
eficiencia, eficacia y productividad. Los resultados obtenidos por (Cinset, Acopi,
Fundación Konrad Adenauer, 2007), se basan en la consideración de variables como
producción y sus variaciones; comportamiento de las ventas; demanda, materias
primas, utilidades, inversión en maquinaria, equipo y tecnología, nivel de inventarios,
utilización de la capacidad instalada, generación de empleo e importaciones, factores
utilizados comúnmente para éstas mediciones. De igual modo, las variables
observadas en las investigaciones en términos de medición de demanda y oferta
agrupadas en los diferentes subsectores, nos brindan herramientas para la
construcción de un modelo que permita la medición de la eficiencia, la eficacia y la
productividad en aras de la contribución al mejoramiento real de las Pymes.
Los estudios muestran que las Pymes tienen una fuerte presencia en el sector
comercio y servicios; por su parte, es el sector industrial el que provee mayor
información que facilita el análisis. Así mismo, que la gran flexibilidad de las Pymes, no
es aprovechada buscando en muchos casos básicamente la sobrevivencia (Zapata
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
SENA
CDEs
CE Univ
Gre
mios
Proexport
ONGs y
Con. Pr
Prodes-A
copi
CDTs
Incubadora
s
CDPs
Conocimiento Utilización
Ilustración 48 Conocimiento y utilización de servicios para el desarrollo empresarial
67
Guerrero, 2001). De otro lado, en países como Hong Kong y Taiwán, (Lee & Lan, 2011)
el principal esfuerzo para el progreso de las pymes es mejorar la eficiencia y las
ventajas competitivas de éstas.
La integración de herramientas que permitan medir la eficiencia y eficacia facilita la
toma de decisiones, (Guzmán Raja, 2005). En los análisis de efectividad, la
construcción de indicadores es fundamental para las pymes (Restrepo & Vanegas,
2009) tanto para la gestión, como para el acceso a financiamientos. En general la
medición de los objetivos corporativos se determinan con base en indicadores (Zapata
Guerrero, 2001), dentro de los cuales las ventas, tienen una implicación directa con la
mercadotecnia, y su eficiencia y efectividad dependen de manera importante en esta
variable. Otros autores como (Arellanos Maicelo, 2016), han utilizado indicadores
financieros para determinar eficiencia y eficacia.
Asimismo el uso de indicadores, la medición de capacidades y disponibilidades de
recursos que traducimos en indicadores de eficiencia, son clave en la evaluación de la
productividad y consecuente crecimiento empresarial y económico (González Correa,
Sánchez Castañeda, & Velandia Quintero, 2016). En lo que se refiere a variables, el
(Ministerio de Comercio, Industria y Turismo, Viceministerio de Desarrollo Empresarial,
Dirección de Mipymes, 2007) mediante su Observatorio de la Pyme, concentra sus
análisis en Productividad Laboral, Personal Ocupado, Producción, Establecimientos y
Forma Jurídica, aspectos que soportan las variables propuestas en el presente estudio.
68
6. MARCO TEÓRICO
6.1 FUNDAMENTOS DEL ANÁLISIS ENVOLVENTE DE DATOS (DEA)
El Análisis Envolvente de Datos es un modelo de frontera no paramétrico determinístico
que permite medir la eficiencia en los procesos productivos. El DEA (Data Envelopment
Analysis, por sus siglas en inglés) evalúa el desempeño conjunto de unidades
productivas o DMUs (Decision Making Units) que permiten hacer referencia a un amplio
número de unidades las cuales pueden ser personas, procesos, organizaciones,
unidades de negocio, países o ser un atributo del entorno en el que operan dichas
unidades; las cuales pueden expresarse en moneda o unidades físicas. El DEA no
requiere forma funcional y las desviaciones de las DMUs evaluadas con respecto a la
frontera eficiente4 son consideradas DMUs ineficientes. El análisis envolvente que se
realiza en este trabajo, hace una evaluación comparada entre unidades productivas o
DMUs utilizando la información disponible de las empresas en este caso Pymes. Al
comparar y evaluar las DMUs determinan las mejores prácticas, por medio de la DMU
escogida entre todas las posibles combinaciones del resto de unidades, para definir
una frontera de producción empírica con base en el criterio de Pareto; esto es, que
considera una unidad eficiente cuando produce más de un resultado o producto sin
consumir más insumos o bien cuando genera los mismos resultados utilizando menos
insumos. Su desarrollo teórico empírico se dio cuando (Farrell, 1957) en su artículo
“The Measurement of Productive Efficiency” presenta un problema que consta de
múltiples entradas y múltiples salidas (Ver Apéndice B) y lo resuelve bajo un enfoque
microeconómico a través de la programación lineal con la cual se resuelve el modelo
DEA, alcanzando la solución de un problema típicamente multivariado (Cooper, 2008),
(Seiford, 1996).
4 Constituye el subconjunto de unidades evaluadas que determinan la curva óptima de la eficiencia basada en el criterio de Pareto, conformando un tramo cóncavo o convexo según el modelo DEA utilizado.
69
En términos de la gestión empresarial, el decisor escogerá la combinación de
actividades productivas que maximice la producción con los recursos disponibles. En
éste sentido, Farell propone que la evaluación de las unidades de decisión DMU se
haga en relación con otras de su grupo representativo y homogéneo, correspondiendo
a la expresión de una desviación observada respecto a las consideradas como
eficientes (Gutiérrez Ortiz, 2010).
El sustento teórico del DEA es la teoría microeconómica; esto es, las relaciones insumo
– producto enfocadas en el uso de recursos o factores de producción pero siempre, en
relación al manejo que hacen las empresas (Varian, 1999). La estructura básica del
DEA puede sintetizarse en cuatro tipos básicos CCR, BCC, (denominados así por las
iniciales de sus creadores Charnes, Cooper y Rhodes y, Banker, Charnes y Cooper
respectivamente), multiplicativos y aditivos, así como dos orientaciones “optimización
de entradas” (input orientado) o hacia la “optimización de salidas ” (output orientado)
(Gutiérrez Ortiz, 2010), (Villegas R. & Restrepo R., 2013) y (Cabrera Regalado &
Méndez Rengel, 2017); no obstante, dado el enfoque investigativo para este estudio se
desarrolló el modelo BCC input orientado y output orientado con rendimientos variables
a escala.
La solución del modelo DEA especificado para este trabajo tiene dos etapas, un
problema primal y su correspondiente dual; esto es, si el problema primal es de
maximización de producción, el problema dual es la minimización de insumos y
viceversa generando bajo estos criterios la frontera eficiente.
En términos de la eficiencia económica, se parte de una definición básica como la
suma de los componentes de eficiencia técnica y eficiencia asignativa (Porter, 1990). A
partir de este concepto, angular en este trabajo, se integran las variables de costo,
ingresos y beneficios desarrollándolas adicionalmente en dos conceptos
complementarios como son el de eficacia y productividad con el fin de evaluar de
manera simultánea la capacidad de las pymes colombianas a nivel multisectorial para
cumplir con los objetivos económicos que busca cualquier empresa; es decir, estar en
el límite de la frontera de posibilidades de producción o pleno empleo de los recursos.
70
Esta medición de la eficiencia, la eficacia y la productividad se basa en la dinámica e
incremento o disminución simultánea de las entradas y salidas (input – output) (Varian,
1999). La medición de la eficiencia, eficacia y productividad frente a la frontera eficiente
se generará empíricamente a partir de la especificación del modelo propuesto.
6.1.1 Análisis de la eficiencia
En el análisis de la eficiencia, es posible obtener una eficiencia técnica pura (frontera
de posibilidades de producción real o empírica) cuando se determina que una unidad
alcanza el máximo rendimiento, de acuerdo con los recursos físicos disponibles,
mientras que la eficiencia de escala5 es relevante cuando la tecnología de producción
presenta rendimientos de escala variables, entendiéndose la tecnología de producción
en el contexto económico; es decir, la producción de bienes con las restricciones que
imponen los recursos disponibles frente a determinadas elecciones tecnológicas. Los
rendimientos de escala se refieren al aumento proporcional de los factores de
producción, esto es, la multiplicación de los factores por una cantidad bien sea
constante o variable, en cuyo caso al multiplicar un factor por una cantidad t,
supondríamos que la cantidad de producción sería t veces superior. Existen
rendimientos crecientes a escala, cuando el incremento de productos es mayor que el
porcentaje de incremento de dichos factores. Rendimientos decrecientes a escala, en
donde al incrementarse la cantidad de cada uno de los factores, la producción aumenta
en una menor proporción y rendimientos constantes a escala, cuando los incrementos
en la producción son proporcionales al incremento de los factores. (Gutiérrez Ortiz,
2010) (Págs. 32 y 33).
En cuando a la eficiencia asignativa se cumple cuando se alcanza el cumplimiento de
eficiencia técnica o tecnológica, eficiencia del consumidor e igualdad de costo marginal
(costo de producir una unidad adicional de producto, incluyendo costos externos) y de
beneficio social marginal (valor beneficio de una unidad adicional de consumo,
incluyendo beneficios externos). De ésta forma, la eficiencia técnica global es el
5 Rendimientos a escala: son los efectos de aumentos de escala de los insumos en la cantidad producida. (Samuelson & Nordhaus, 2005) pág. 109
71
producto de las eficiencias puras y de escala. Las anteriores descripciones de la
eficiencia, hacen parte de los pilares del modelo DEA en cuanto a rendimientos
constantes a escala y variables a escala.
6.1.2 Eficacia
La meta de la eficiencia en las empresas es condición necesaria pero no suficiente
para alcanzar los objetivos de beneficios. Por ello en este trabajo se considera
necesario complementar el concepto de eficiencia con el de eficacia, para dicho
propósito, la eficacia es el grado o nivel que se alcanza en la realización de las
actividades planificadas y se obtienen los resultados esperados (ISO 9000 numeral
3.2.14).
6.1.3 Productividad
En cuanto a la productividad, es una de las medidas más importantes de desempeño
económico, ya que se establecen los aportes de los insumos a los niveles de
producción y su eficiencia en el proceso productivo.
En la práctica, el aprovechamiento de los insumos depende de su estructuración en el
proceso productivo, conocimiento técnico y la tecnología que se utilice; así como de su
disponibilidad. La función de producción individual de cada Pyme determina la relación
entre los insumos requeridos y la cantidad de productos que se pueden obtener, o nivel
de producción máxima. En los procesos en los que la tecnología se actualiza o cambia
rápidamente, la función de producción se modifica dado que cada empresa determina
sus niveles de productividad básicamente según la ecuación 1 en la cual dichos niveles
varían describiendo las posibilidades productivas de las empresas (Samuelson &
Nordhaus, 2005).
𝑃𝑟𝑜𝑑𝑢𝑐𝑡𝑖𝑣𝑖𝑑𝑎𝑑 =𝑅𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜𝑠 (𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑜𝑠 𝑜 𝑠𝑒𝑟𝑣𝑖𝑐𝑖𝑜𝑠)
𝐼𝑛𝑠𝑢𝑚𝑜𝑠 (1)
Ecuación 1. Productividad
72
6.1.4 Tipos de modelos DEA
La conceptualización anterior, presenta las relaciones de eficiencia, eficacia y
productividad en términos insumo – producto con complejidad menor; es decir, en
donde las actividades productivas requieren cantidades fijas de insumos. Sin embargo,
cuando los procesos se determinan en múltiples factores y variables, es necesario
abordar el problema con modelos de permitan solucionar dicha complejidad. Este
trabajo aborda la medición de la eficiencia, la eficacia y la productividad desde el
modelo DEA, propuesto por Eduardo Rhodes6 y adaptado por (Farrell, 1957), (Charnes,
Cooper, & Rhodes, 1978), (Seiford, 1996), (Charnes, Seiford, Lewin, & Cooper, 2013),
(Ver Apéndices B y C). Para este trabajo, el DEA parte de la definición de la
productividad descrita en la ecuación 1.
En general, los modelos DEA manejan los siguientes supuestos:
DMU: Cualquier entidad, recurso, país, organización o unidad de negocio.
Datos numéricos disponibles y positivos.
Los ítems (DMU, inputs y outputs) reflejan la medición de la eficiencia.
Evidentemente se asume que el proceso de transformación de los insumos,
producirá resultados en cantidades superiores.
Las unidades de medición de los diferentes inputs y outputs no necesitan ser
congruentes, algunas pueden ser número de personas, áreas de espacio de piso,
dinero gastado, etc.
El análisis envolvente de datos se ha desarrollado en la metodología del algoritmo de
programación lineal y benchmarking, mediante la definición de una función objetivo
lineal por optimizar -maximizar o minimizar- sujeta a restricciones lineales individuales y
cuyas variables son continuas y positivas, requieren un conocimiento de parámetros y
recursos utilizados en el modelo. El benchmarking determina características apropiadas
de un proceso y las compara con otro, comparando y evaluando los mismos según los
6 Según lo afirmado por Seiford, L. M. (1996). Data envelopment analysis: the evolution of the state of the art (1978–1995). Journal of productivity analysis, 7(2-3), 99-137.
73
Ilustración 49.Diagrama Isocuántico
datos, permitiendo así el desarrollo de medidas para mejoras continuas partiendo de
los nuevos datos, aplicando los cambios planificados y controlando la eficiencia de los
cambios (Gutiérrez Ortiz, 2010).
En esencia, cada uno de los modelos DEA buscan establecer qué subconjunto de n
DMUs determina la superficie eficiente, identificando las unidades de decisión
ineficientes en comparación con la frontera estableciendo las mejores prácticas dado
que compara la DMU escogida con todas las posibles combinaciones determinando así
la frontera de producción empírica, enfocándose en la utilización de recursos,
reconociendo fuentes y cantidades ineficientes y a su vez, la geometría de cada
modelo envolvente establecida por el modelo específico empleado. Así que, si una
empresa utiliza dos insumos para la producción de un producto bajo rendimientos de
escala constantes, se afirma que la función de producción eficiente es conocida o que
las unidades productivas operan en escala óptima (CEPAL Naciones Unidas -
Schuschny, Andrés Ricardo, 2007); es decir, que la eficiencia perfecta se puede
obtener de cualquier combinación de entradas. En la ilustración 49 el punto P
representa la entrada de dos insumos x e y por unidad de salida, el punto SS’
representa diversas combinaciones de los dos insumos que una empresa
perfectamente eficiente puede utilizar para producir la salida de una unidad de producto
(Farrell, 1957).
El punto Q representa una empresa eficiente usando los dos insumos en la misma
proporción que P, se observa que produce la misma salida de P usando sólo una
fracción OQ/OP como la mayor parte de cada insumo. Por lo tanto, se puede definir
OQ/OP como la eficiencia técnica de la firma P.
Fuente: (Farrell, 1957) pág. 254
74
Ilustración 50. Gráfico de dispersión
Para que la DMUj sea eficiente, el correspondiente punto Pj debe estar en la superficie
eficiente y las unidades que no lo estén, serán ineficientes. El análisis DEA identifica
las fuentes y cantidades ineficientes y/o provee una medida de la eficiencia relativa.
(Charnes, Seiford, Lewin, & Cooper, 2013). Lo anterior es válido teniendo únicamente
como referencia las cantidades de los insumos dado los niveles de producción
esperados sin tener en cuenta los precios relativos de los insumos x e y, cuando se
tienen en cuenta estos precios y dada la tangente AA’ a la curva de eficiencia SS’ se
observa que la perfecta eficiencia de la empresa teniendo en cuenta los precios de los
insumos se desplaza del punto Q al punto Q’. En este punto, se observa que la firma es
perfectamente eficiente tanto en las proporciones de los insumos OR/OP como en sus
precios; es decir, sus costos son una fracción de lo que son en la realidad. Lo anterior
es la eficiencia general de la empresa.
Esta modelación ha sido aplicada (Farrell, 1957) mediante la estimación de la función
de producción a través de un número de observaciones de entradas y salidas. En la
ilustración 50 se puede ver cada empresa representada por un punto en el diagrama,
bajo los supuestos de 1) el número de empresas ocupará un punto de dispersión, y el
problema es estimar tal cantidad de eficiencia desde el diagrama de dispersión y 2) Si
asumimos que el isocuántico es convexo al origen y en ninguna parte tiene una
pendiente positiva, entonces la curva SS’ es la más conservadora (o pesimista) para
estimarla. Es decir, SS’ es el último estándar de eficiencia que es consistente con los
puntos observados y satisface las dos suposiciones (Farrell, 1957).
Fuente: (Farrell, 1957) 0
Y
Z
S
S’
75
El modelo BCC7 se propuso con el propósito de estimar la eficiencia técnica, bajo el
criterio de que la medida de eficiencia de una unidad no sólo está condicionada por la
gestión de la misma, sino también por la escala en la que opera; una diferencia
importante con el modelo CCR8, el cual supone rendimientos constantes a escala. En
este caso, se escogen los rendimientos variables a escala en aras de lograr una mayor
cercanía a la realidad, en donde los incrementos de los factores a nivel multisectorial
son variables.
El siguiente gráfico muestra como el DEA estima la eficiencia a partir del cálculo entre
la distancia de las unidades y la frontera, mediante la estimación del tamaño de las
empresas según su nivel de producción bajo el supuesto de rendimientos variables a
escala. En este caso, existe un único output “Y” y un único input de producción “X”,
mientras que cada punto representa el nivel de input utilizado y el nivel de output
alcanzado para cada empresa de la que se dispone información.
Fuente: (Mastrocello, 2016) pág. 7
La frontera eficaz en color rojo, indica que los puntos 1, 18, 19 y 12 los cuales son las
DMU 100% eficaces obtenidas al correr el modelo y los demás puntos (DMU) se
comparan contra esta frontera, indicando que dicha construcción se da a partir de los
mejores desempeños y no corresponde a una función teórica. Para el caso de este
estudio, ésta no sería la frontera eficiente del modelo teórico es la frontera eficaz, ya
que integra en las DMUs las relaciones de eficiencia y productividad en términos de la
eficacia, tal y como se definió en el marco teórico.
7 Denominado así por las siglas de los autores Banker – Charnes – Cooper 8 Denominado así por las siglas de los autores Charnes – Cooper - Rhodes
Ilustración 51. Frontera de eficiencia con rendimientos variables a escala
76
Las unidades que están ubicadas sobre la frontera tienen un indicador de eficacia
obtenido a partir del DEA (θ) que es igual a 1, las que están fuera de la frontera un
valor de eficacia menor a 1. Así, por ejemplo, la empresa 2 del gráfico arrojaría un nivel
de eficacia de 0.45 (o, alternativamente, 0.55 de ineficacia). La distancia de cada
empresa a la frontera eficaz es (1- θ).
6.2 FUNDAMENTOS Y OPCIONES DE APLICACIÓN DE LA INTELIGENCIA DE NEGOCIOS (BI)
La inteligencia empresarial, inteligencia de negocios o Business Intelligence (BI) (Peter
Luhn, 1958) abarca aplicaciones, infraestructura, herramientas y procesos (The
Datawarehouse Institute - Wayne W., Eckerson; Howson, Cindi, 2005) que recopilan,
almacenan, y transforman los datos en información y éstos a su vez, en conocimiento
utilizable en la toma de decisiones, atendiendo eficientemente los problemas del
negocio (Watson, 2009), (Ortíz González, Juárez Rodríguez, & Campos Miranda,
2015). El BI cubre todas las áreas de la empresa, sus usos son variados, pero en aras
de su objetivo de apoyo sostenible y continuado en las empresas para la toma de
decisiones, sus resultados se centran en la entrega de información en tiempo real a
todas aquellas personas de la organización que tengan que tomar decisiones de tipo
operativo o estratégico y a su vez satisfacer los requisitos del cliente (Lluís Cano,
2012) pág. 30 y (Matamoros Zapata & Giménez Aznar, 2010).
En ése orden de ideas, el BI proporciona una amplia gama de posibilidades que genera
beneficios tangibles, intangibles y estratégicos. La ilustración 52 identifica componentes
del desarrollo de los sistemas de soporte a las decisiones (SSD), se puede ver que la
interfaz es clave para el diálogo con el usuario siendo necesario un equilibrio entre la
simplicidad y la flexibilidad de uso. La cobertura de los SSD usada por (Watson, 2009)
con el término sombrilla, reconoce la extensa variedad de aplicaciones como intensivas
en datos, concentrándose en el análisis simple de grandes cantidades de información,
en un ambiente empresarial enfocado en las necesidades del negocio. Así mismo,
conecta el marco de desarrollo de los SSD con las clasificaciones realizadas por
Steven Alter y posteriormente por Dan Power; el primero, define la taxonomía de los
77
SSD con base en el grado en el que la salida de un SSD puede determinar
directamente una decisión, contemplando un espectro de operaciones genéricas que
pueden ser realizadas en este tipo de sistemas (Power, DSS Resources, 2007)
entendiendo el SSD en términos de las operaciones que realiza independientemente
del problema, del área funcional o de la perspectiva de decisión; de otro lado, Dan
Power define una clasificación de sistemas de SSD (Watson, 2009) en cinco tipos que
conserva la base de creación de los SSD y además, es suficientemente amplio para
incorporar aplicaciones emergentes. Estas taxonomías ayudan a comunicar
experiencias y expectativas entre usuarios y desarrolladores.
Un sistema de soporte a las decisiones (SSD o Decision Support System DSS), es un
“sistema o subsistema interactivo cuyo objetivo es ayudar a los encargados de tomar
decisiones a utilizar tecnologías, datos, documentos, conocimientos y/o modelos de
comunicación para identificar y resolver problemas, completar tareas de toma de
decisiones y tomar decisiones. (Power, Decision Support Systems Resources DSS
Resources, 2017).
78
Ilustración 52 Marco de Desarrollo del SSD y Taxonomías
DATA BASE MODEL BASE
Datos transaccionales
Otros datos internos
Sistema de administración de Base de Datos
Modelos estratégicos
Finanzas
Modelos tácticos
Producción Modelos operacionales
Marketing Datos externos
Interface de usuario Construcción de modelos
Personal
Bloques y subrutinas
Otros Decisor
Fuente: Elaboración propia con base en (Watson, 2009) págs. 489 y 490
Según Steven Alter, la taxonomía de las
decisiones son:
Recuperación de datos
Sist. de archivadores – proporcionan
acceso a los datos
Enfoque en los datos
Análisis de datos
Sistemas de análisis de datos - admiten la manipulación de los datos mediante herramientas computacionales adaptadas a
una tarea y configuración específica
Análisis de sist. de Info. - proporcionan acceso a BD orientadas a la decisión y
modelos pequeños SSD Modelos contables - basados en modelos que
calculan las consecuencias de posibles acciones
Simulación
SSD Modelos representacionales - basados en modelos que estiman las consecuencias de las acciones sobre
la base de modelos de simulación que incluyen relaciones que son causales y también definiciones
contables
Enfoque en el modelo
SSD Modelos de optimización - proporcionan una solución óptima
consistente con una serie de restricciones que pueden guiar la
toma de decisiones
Sugerencia
SSD Modelos sugeridos - se basan en modelos lógicos que realizan el
procesamiento lógico que conduce a una decisión sugerida específica para
una tarea bastante estructurada
Dan Power define la taxonomía de
SSD así:
SSD basado en las comunicaciones o
Communications-driven DSS. Incluye aplicaciones que soportan colaboración y
comunicación
SSD basado en datos o Data-driven DSS. Implican manipulación de grandes cantidades de datos
numéricos que frecuentemente se almacenan en un depósito de datos
SSD basado en documentos o Document-driven DSS.
Admiten búsqueda y recuperación de documentos
SSD basado en el conocimiento o Knowledge-driven DSS. Incorporan conocimiento,
experiencia y juicio de expertos en un dominio particular y recomiendan cursos de acción
SSD basado en modelos o Model-driven DSS. Se centran en el uso de
algoritmos sofisticados, como los modelos de optimización y simulación
79
En este contexto, los escenarios en la toma de decisiones han evolucionado con el
tiempo, hoy en día las decisiones se dan en entornos dinámicos de cambio y la
eficiencia y efectividad de las mismas demandan herramientas que desde su
accesibilidad y uso, faciliten la identificación y resolución de problemas, es aquí donde
el BI tiene las bases de desarrollo (Ilustración 53).
Ilustración 53. Árbol Genealógico del BI
Fuente: (Nylund, 1999)
Empresarialmente Dresner acuñó el término inteligencia empresarial como todas las
tecnologías que ayudan en los negocios. P&G demostró en los 80’s con DWH que la
aplicación de esta tecnología les había permitido la vinculación de datos de ventas,
productos y clientes, consiguiendo con esto el aumento en su cuota de mercado al
tener información y saber cómo canalizarla.
Se puede ver en la ilustración 53 que los SSD han cambiado durante los años, la
utilización del término BI se ha difundido tanto en la industria como en la academia; de
la misma forma, no todas las iniciativas de BI son iguales, algunas se centran en
aplicaciones, otras están diseñadas para proporcionar BI en toda la empresa. En
general, (Watson, 2009) ha identificado tres objetivos principales en el BI:
(1) El desarrollo de una sola o algunas aplicaciones de BI relacionadas. Por lo
general, es una solución puntual para una necesidad de algún departamento o unidad
de negocio.
80
(2) Crear una infraestructura que soporte las necesidades de BI actuales y futuras.
Es una iniciativa de toda la empresa y los impactos y beneficios se sienten en toda la
organización.
(3) Transformación organizativa. El BI se utiliza para cambiar fundamentalmente la
forma en que una empresa compite en el mercado; admite un nuevo modelo de
negocio y habilita la estrategia comercial. Debido a su alcance e importancia, el
patrocinio, la aprobación y la financiación se originan en los niveles organizacionales
más altos. El impacto en el personal y los procesos puede ser significativo. Pág. 492.
Diferentes objetivos de BI requieren diferentes ambientes en BI, por ejemplo,
desarrollar una o varias aplicaciones de BI puede requerir solo una plataforma de datos
en lugar de un almacén de datos. La siguiente ilustración muestra un entorno de BI
genérico que es aplicable para BI en toda la empresa, a la izquierda están los sistemas
de origen que proporcionan datos como soporte de decisión; el almacén de datos
puede emplear una variedad de arquitecturas, tecnologías y modelos de datos; a la
derecha, una variedad de usuarios puede acceder a los datos usando diferentes
herramientas y aplicaciones. Para garantizar que BI cumpla con los fines previstos, los
metadatos, la calidad de los datos y los procesos de gobierno deben estar
implementados.
Fuente: (Watson, 2009) pág. 493
So
urc
e S
yst
ems
Data
Integration
Data
warehouse
Metadata BI
tech
nolo
gie
s an
d
appli
cati
ons
Data Access
Dependent datamart
Dependent datamart
Ilustración 54. Ambiente Genérico de BI
81
6.3 COMPONENTES BÁSICOS DEL BI
El siguiente gráfico ilustra los diferentes componentes del BI.
Ilustración 55. Componentes del BI
Fuente: (Lluís Cano, 2012) pág. 93
La ilustración 55, describe los componentes del BI conformados por fuentes de
información, que alimentarán el datawarehouse (sistemas operacionales desarrollados
a la medida, sistemas transaccionales como ERP, CRM, SCM; sistemas de información
departamentales como hojas de cálculo o presupuestos; información externa, como
estudios de mercado), proceso ETL (Extracción, Transformación y Carga de datos,
Extract, Transform and Load por sus siglas en inglés, en donde antes de realizar el
proceso de carga de datos, éstos deben pasar por un proceso de depuración que
incluye transformación, limpieza, filtro y redefinición, Almacén de datos o
Datawarehouse (DW), con el diccionario de datos o metadata en donde se almacenan
los datos de manera que su administración, accesibilidad y flexibilidad sean óptimas;
Motor OLAP (On Line Analytical Processing por sus siglas en inglés, funciona como
proveedor de cálculos, consultas, planeación, pronóstico y análisis de escenarios en
grandes volúmenes de datos) y por último, las Herramientas de visualización, que
permitirán el análisis y navegación a través de la información.
La ilustración 56 muestra las fuentes de información internas, externas y de varios tipos
desde hojas de cálculo hasta sistemas de información como ERP, la integración de
82
éstas, hacen que el cargar a un DW sea de un alto nivel de complejidad, haciendo
crucial el análisis de formatos, disponibilidad y calidad de la información que será
cargada al DW. También permite identificar características y requisitos así como
problemas y beneficios de las fuentes de datos. De la misma forma, muestra a nivel
general el proceso de extracción, transformación y carga de datos, el cual consta a su
vez de cinco subprocesos: Extracción: disposición de los datos en bruto; Limpieza:
comprobación de calidad, duplicidad; corrección de valores y completitud de valores
vacíos; esto es, depuración de valores, corrección, estandarización, relación, y
consolidación de datos. Transformación: recuperación de datos limpios,
estructuración, totalización y preparación a modelos de análisis. Integración:
validación de datos en cuanto a su consistencia y forma; integración en los modelos
definidos para las distintas áreas. Actualización: inclusión de datos nuevos y
determinación de la periodicidad de dichas inclusiones al DWH.
83
6.3.1 Fuentes de información y proceso ETL
Fuente: Elaboración propia con base en (Kimball & Ross, 2013) pág. 28 y 30 y (Lluís Cano, 2012) pág. 99 y 101
Sistemas
operacionales
Fuentes de
información externas
Sistemas
departamentales
Fuentes de información
Requisitos
fundamentales
Calidad de los
datos
debe ser
Proceso continuo y con
responsabilidad a
cargo de cada propietario de
procesos y
aplicaciones que
los soportan
Principales características
Precisión,
integridad, coherencia,
totalidad,
validez, disponibilidad y
accesibilidad
Problemas Beneficios
Pérdida de credibilidad en
el sistema,
costos extra
como
duplicidades,
insatisfacción de los clientes,
retrasos en el
desarrollo de nuevos
sistemas,
pérdidas de ingresos,
problemas de
conformidad, entre otros
Verdad, clientes
satisfechos, confianza en los
sistemas de
análisis, reducción
de costos, menor
tiempo en
reconciliación de datos, incremento
en ingresos, entre
otros (Lluís Cano,
2012) pág. 101
Adquisición
de datos
Enterprise Data
Warehouse
(EDH)
• Normalización de tablas (3NF)
• Datos atómicos
• Usuarios
Entrega
de
datos
Aplicaciones
de BI
Data Marts
• Dimensional • A menudo
resumidos • A menudo por
departamentos
Transacciones
origen Back Room
Front Room
E
T
L
Enterprise Data
Warehouse
(EDH)
• Normalización de tablas (3NF)
• Datos atómicos
E
T
L
Aplicaciones
de BI
Área de presentación
• Dimensional (esquema de estrella u OLAP)
• Datos atómicos y resumidos
• Organizados por procesos de negocios
• Usa dimensiones conformadas
Transacciones
origen
Back
Room
Front
Room
Arquitectura de
bus DW
empresarial
ETL - Fábrica de información corporativa
Extracción: datos en bruto. Objetivo: extraer datos necesarios para los demás subprocesos.
Limpieza: comprobación de calidad, eliminación de duplicados, correcciones. Consiste en 5 subprocesos: depurar valores, corregir, estandarizar, relacionar y consolidar
Transformación: recupera datos limpios, estructura, totaliza y prepara a modelos de análisis.
Integración: valida consistencia, forma e integra en los modelos definidos para cada área
Actualización: inclusión de nuevos datos
Fábrica de información corporativa hub-and-spoke
Arquitectura híbrida con estructuras 3NF y área de presentación dimensional Kimball
Ilustración 56. Fuentes de información y ETL
84
Con Respecto a la arquitectura del ETL, los datos atómicos que resultan de este
procesamiento llegan a una base de datos 3NF (normalizada); este repositorio atómico
normalizado se conoce como Enterprise Data Warehouse (EDW). En la ilustración 54
se puede ver la unión de la estructura propuesta por Inmon y Kimball, la cual combina
los dos enfoques orientados a la empresa, en donde puede aprovechar una inversión
preexistente en un repositorio integrado, al mismo tiempo que abordar los problemas
de rendimiento y usabilidad asociados con el 3NF EDW mediante la descarga de
consultas al área de presentación dimensional (Kimball & Ross, 2013) pág. 29. Este
enfoque resulta útil en los casos en los que se ha realizado una inversión en la creación
de un 3NF EDW, pero éstos no están cumpliendo las expectativas de los usuarios de
informes y análisis rápidos y flexibles, así como en los casos en los que la empresa
cuente con el presupuesto y la paciencia organizacional para normalizar y crear una
base completa de sus datos antes de cargarlos en estructuras dimensionales que estén
bien diseñadas según los métodos de Kimball.
Así mismo la ilustración muestra en el centro el Data Warehouse, definido como una
colección de bases de datos integradas y orientadas a un área, esto es una integración
de información en el BI de medidas, formatos y códigos comunes para que pueda ser
útil y que cada parte del DW está construida para resolver un problema del negocio,
diseñada para soportar la función SSD que requiere información consistente, integrada,
histórica y preparada para ser analizada, donde cada unidad de datos es relevante en
algún momento en el tiempo; esto último a su vez significa que mantiene información
histórica y se almacena en referencia a unidades de tiempo. El almacén de datos
contiene datos atómicos y datos ligeramente resumidos (Inmon W. , 2002) pág. 389. En
este entorno, las consultas deberían permitir a los usuarios encontrar detalles
importantes en la información que generen una diferencia (Lluís Cano, 2012) págs. 116
y 117.
De la misma forma la ilustración 57 integra los Data Mart, dirigidos a un grupo de
usuarios dentro de la empresa, departamento o en general, al servicio específico de un
grupo organizacional en particular; éstos se crean dado que la construcción de DW
85
puede generar inflexibilidades, ser costoso y/o requerir amplios plazos de tiempo, aquí
es donde los Data Mart entran para almacenar información de un número limitado de
áreas y se definen normalmente para responder a usos muy concretos, resolviendo
requerimientos de información de fuentes operacionales de datos. Por lo general, son
más pequeños que los DW, poseen menos información y menos modelos de negocio.
Pueden ser independientes, alimentándose de los orígenes de la información o
dependientes, alimentándose desde el DW. Los Data Marts independientes pueden
crear problemas de silos de información generando así inconsistencias con otros Data
Marts. En esencia, estos silos independientes representan una "arquitectura" de DW /
BI que esencialmente no está estructurada. Si bien los autores no apoyan este enfoque
independiente de los datos, describen que estos centros de datos independientes han
adoptado el modelado dimensional porque están interesados en entregar datos que
sean fáciles de entender para la empresa y altamente receptivos a las consultas.
Otro componente integrado en la ilustración 57 y crítico del DW, es el Metadata o
repositorio central de información, el cual proporciona el significado a cada uno de los
componentes y atributos que residen en el DW (o Data Mart). La información que
contiene el Metadata es útil para los departamentos de tecnología y los propios
usuarios. Puede incluir definiciones de negocio, descripciones detalladas de los tipos
de datos, formatos y otras características. (Lluís Cano, 2012) pág. 120; la complejidad
en la creación de los Metadata radica en la necesidad de una definición organizacional
en términos de homogeneidad del negocio, lo que obliga a la empresa a utilizar el
mismo lenguaje, con las mismas terminologías y los mismas significados en sus
diferentes sedes, departamentos o filiales. Por último, pero no menos importante en la
gráfica, están los puntos de control de calidad de datos, proceso que debe ser continuo
y con responsables definidos tanto en los propietarios de los procesos como en las
aplicaciones que lo soportan.
86
6.3.2 Datawarehouse (DW) o Almacén de Datos, Data Mart y Metadato
Fuente: Elaboración propia con base en (Inmon W. , 2002) pág. 389, (Lluís Cano, 2012) págs. 116, 117 y 118, (Kimball &
Ross, 2013) pág. 5 y 27.
Data Warehouse
Data Mart Departamentales
Dependientes
Data Mart Departamentales
Objetivos Según (Kimball & Ross, 2013) pág. 5
Información fácilmente exequible
Consistente
Adaptación al cambio
Oportuna
Proteger los activos de información
Base confiable para una mejor toma de decisiones
La comunidad empresarial debe aceptar el sistema DW / BI para considerarlo exitoso
Suele estar
conformado
por
Puntos de
control de
calidad de
datos
Ilustración simplificada de la "arquitectura" de Data Mart
independiente.
Componente
crítico Datos estructurados
acerca de los datos,
mantienen registro sobre
el significado, contexto
y estructura de los datos
Ilustración 57. Data Warehouse, Data Mart y Metadato
87
6.3.3 Servidor OLAP y Herramientas Front-end
Fuente: Elaboración propia con base en (Lluís Cano, 2012) pág. 127 y (Espinosa,
2010)
OLAP es la tecnología más extendida para análisis de información del DW, permite a
los usuarios analizar la información con el nivel de detalle requerido, mediante análisis
multidimensionales aportando la flexibilidad necesaria para descubrir relaciones y
tendencias que otras herramientas no podrían aportar. El almacenamiento interno
permite una visión vertical de los datos y una visión horizontal ampliada, lo que hace
que supere las barreras relacionales de las BD. El OLAP Council conformado por
algunos fabricantes del software OLAP, definió el concepto FASMI como el conjunto de
reglas que deben cumplir los productos (Lluís Cano, 2012) pág. 126: Fast (rápido),
Analysis (Análisis que soporten la lógica del negocio y análisis estadísticos necesarios),
Shared (Compartido, manejando múltiples actualizaciones de forma segura y rápida),
Multidimensional información a través de distintas dimensiones e Information
(Información - toda la información relevante y la información derivada).
Sobre las principales herramientas Front-end de Business Intelligence, éstas son:
• Generadores de informes: Utilizadas para generación de informes estándar para
grupos, departamentos o la empresa.
• Herramientas usuario final para consultas e informes, no requieren
programación.
Ilustración 58. Ejemplo Representación Gráfica OLAP y Front-end
Datos
010 101 001
010 110 010
101 001 001
101 000 100
100 010 000
100 100 101
Clientes, libros, años
Ingresos, costos, ventas
Clientes
Ventas Libros
Ingresos
Años
Costos
Ejemplo representación gráfica OLAP
Warehouse
Servidor
inteligente
Herramientas Front-end
88
• Herramientas OLAP: Permiten tratar la información multidimensionalmente para
explorar la información desde distintas perspectivas y periodos de tiempo.
• Herramientas de Dashboard y Scorecard: Muestran información crítica para el
rendimiento utiliza iconos gráficos y la posibilidad de ver mayor detalle.
• Herramientas de planificación, modelización y consolidación: Permite a los
analistas y a los usuarios finales crear planes de negocio y simulaciones con la
información de BI. Provee dashboards y scorecards con objetivos y umbrales de las
métricas.
• Herramientas datamining: Permiten crear modelos estadísticos de las
actividades de los negocios. Datamining es el proceso para descubrir e interpretar
patrones desconocidos en la información mediante los cuales resolver problemas de
negocio. (Lluís Cano, 2012) pág. 133.
• Text mining: permite trabajar con información no estructurada y herramientas
avanzadas de visualización.
6.4 LAS LIMITACIONES Y LAS VENTAJAS DEL DEA Y SU INTEGRACIÓN CON EL BI PARA EL ANÁLISIS DE LA EFICIENCIA, LA EFICACIA Y LA PRODUCTIVIDAD
Las herramientas DEA y BI poseen ventajas y desventajas. Por un lado, el DEA permite
trabajar múltiples insumos y productos así como introducir insumos, variables y
generalizar el modelo; además, es la técnica que mayor información produce a partir de
los datos de entrada y salida, aportando información útil para la gestión como grupos
de comparación y seguimiento de objetivos; sus requerimientos de información son
mínimos tanto para entradas como para salidas; no obliga a suponer el pleno empleo
de los factores productivos, lo que permite una gran flexibilidad. El hecho de que no
requiera formas funcionales explícitas, indica que no necesita una relación matemática
funcional prestablecida entre inputs y outputs; no obstante, su estructura matemática es
la programación lineal y por lo tanto, es conceptualmente fácil de entender. Así mismo,
las DMU se comparan con una DMU ideal construida a partir del desempeño de DMU
“par” real, productivamente más eficiente.
89
El hecho de asumir rendimientos variables a escala y medir la eficiencia de escala, no
es posible con los métodos paramétricos. (Gutiérrez Ortiz, 2010) pág. 65, (CEPAL
Naciones Unidas - Schuschny, Andrés Ricardo, 2007) pág. 22. Pasando a las
limitaciones, el DEA al ser una metodología no paramétrica permite que las
observaciones atípicas puedan sesgar las medidas de eficiencia. Dado que el DEA es
una técnica de punto extremo, ruidos (incluso las distorsiones simétricas con media
cero), tales como errores de medición, pueden causar problemas significativos. Así
mismo, el DEA converge lentamente a la eficiencia absoluta, es decir, no indica cómo
se comporta una unidad en relación con un “máximo teórico”, igualmente, los test de
hipótesis estadísticas son difíciles de aplicar, por ser un método no paramétrico. (Arieu)
pág. 5.
De otro lado, el BI presenta muchas opciones que permiten mejorar la gestión al interior
de las empresas siendo así una ayuda en la mejora de la eficiencia, la eficacia y la
productividad, mediante la centralización y visualización en una misma plataforma de
información útil. También permite obtener respuestas más rápidas a las preguntas que
surgen del negocio, ya que un solo informe puede contener información de ventas,
mercadeo, inventario y canales de distribución, etc., facilitando los análisis necesarios
para una óptima toma de decisiones. Una ventaja que vale resaltar es la información
referente a la demanda, ya que facilita el análisis de los hábitos de compra, clave para
la construcción de predicciones de ventas, promociones o ventas cruzadas, entre otros.
Otro importante beneficio es el control que el BI da sobre las áreas funcionales de la
empresa, facilitando que cada área tenga sus datos en un solo sistema lo que permite
el cruce y análisis de información rápida y confiable disminuyendo así errores en la
toma de decisiones. (Ortiz, 2013). Algunas de las limitaciones que se identifican son
principalmente la resistencia al cambio por parte de los usuarios; ausencia de personal
con las capacidades y habilidades requeridas, la carencia de entendimiento general en
cuanto a necesidades de tipo informático como son el uso de meta datos o los
impactos negativos causados por baja calidad de los datos, así como una confianza
excesiva en métodos y herramientas no alineadas. (Castro N. , 2016). También es
importante considerar errores que se deben evitar al momento de invertir tiempo y/o
90
dinero en la implementación del BI en la empresa, empezando con ignorar las
necesidades de los usuarios BI; es decir, saber qué es lo que realmente necesitan los
usuarios, siendo vital en este punto la correspondencia entre lo que se implementa y
sus necesidades; este error se puede evitar estableciendo los informes específicos que
se requieren. Igualmente subestimar los costos de la capacitación, ignorar
requerimientos futuros del BI, tratar de hacerlo solo y tratar de ahorrar dinero evitando
una solución de BI completa, son algunos errores que en dicho proceso, deben
evitarse. (Rubens, 2014)
La integración del DEA y el BI en el presente trabajo, representa la unión de dos
modelos en donde el primero, permite una evaluación matemática de la eficiencia, la
eficacia y la productividad mediante la aplicación de indicadores propuestos mientras
que el segundo, facilita la integración de diversas fuentes de información en una sola
herramienta, así como la presentación de los datos en tiempo real de la demanda, un
punto clave en decisiones como planeación de la producción, manejo de inventarios,
uso y efectividad de capacidades disponibles, crecimiento en las ventas, productividad
de capital y margen de operaciones, indicadores integrados en la modelación que trata
la presente investigación.
Fuente: elaboración propia
Demanda regional y
nacional
Oferta
Sectores de
la economía
Usuarios finales y sectores
de la economía
Procesos productivos
(Bienes y servicios producidos)
Insumos
E
f
i
c
a
c
i
a
Uso de los
recursos
DEA
P
r
o
d
u
c
t
i
v
i
d
a
d
E
f
i
c
i
e
n
c
i
a
Niv
el de u
tilización (fu
ncio
nalid
ad)
Capital Materia
prima Maquinaria Trabajo
BI DANE
Industria Comercio
Servicios
Ilustración 59. Integración DEA-BI
91
En la ilustración 59 se puede identificar que la información proveniente de la demanda
brinda los datos requeridos para operacionalizar los procesos productivos en las áreas
funcionales de cualquier organización, de acuerdo con esto el BI funciona como una
interface del modelo DEA, ya que a través del BI es posible planear las relaciones
insumo – producto.
6.5 MODELO DEA PROPUESTO PARA LA EFICIENCIA, LA EFICACIA Y LA PRODUCTIVIDAD
Con base en el anterior enfoque teórico, el modelo DEA utilizado en el presente estudio
se especificó aproximándonos al procedimiento utilizado por los autores (Hashimoto &
Ishikawa, 1993), mediante la configuración de una síntesis y estilización en términos de
variables dependientes e independientes, factores y restricciones que nos permite
modelar la problemática de las Pymes alrededor de la toma de decisiones en términos
de eficiencia, eficacia y productividad.
Dado que el objetivo de esta investigación es la especificación de un modelo integral al
entorno de las Pymes, que permita identificar las necesidades de respuesta
competitiva, eficiente y efectiva a los cambios del entorno, el modelo propuesto se
estructura por la integración de la medición de eficiencia, eficacia y productividad, como
puede verse en la ecuación 2.
(∑ 𝐴𝑢𝑚𝑒𝑛𝑡𝑜 𝑑𝑒 𝑣𝑒𝑛𝑡𝑎𝑠
𝑆𝑢𝑏𝑠𝑒𝑐𝑡𝑜𝑟𝑖𝑗+
∑ 𝑀𝑎𝑟𝑔𝑒𝑛 𝑑𝑒 𝑜𝑝𝑒𝑟𝑎𝑐𝑖𝑜𝑛𝑒𝑠𝑆𝑢𝑏𝑠𝑒𝑐𝑡𝑜𝑟𝑖𝑗
)
(∑ 𝐶𝑎𝑝𝑎𝑐𝑖𝑑𝑎𝑑 𝑖𝑛𝑠𝑡𝑎𝑙𝑎𝑑𝑎
𝑆𝑢𝑏𝑠𝑒𝑐𝑡𝑜𝑟𝑖𝑗+
∑ 𝑁𝑖𝑣𝑒𝑙 𝑑𝑒 𝑖𝑛𝑣𝑒𝑛𝑡𝑎𝑟𝑖𝑜𝑠𝑆𝑢𝑏𝑠𝑒𝑐𝑡𝑜𝑟𝑖𝑗
) + (∑ 𝑃𝑟𝑜𝑑𝑢𝑐𝑡𝑖𝑣𝑖𝑑𝑎𝑑 𝑑𝑒𝑙 𝑐𝑎𝑝𝑖𝑡𝑎𝑙
𝑆𝑢𝑏𝑠𝑒𝑐𝑡𝑜𝑟𝑖𝑗)
(2)
Ecuación 2. Modelo propuesto
92
min 𝜃0 − 𝜀 (∑ 𝑆𝑖
𝑚
𝑖=1
+ ∑ 𝑆𝑟
𝑠
𝑟=1
)
∑ 𝜆𝑗𝑥𝑖𝑗 + 𝑆𝑖−
𝑛
𝑗=1
≤ 𝜃∗𝑥𝑖𝑜
∑ 𝜆𝑗𝑦𝑟𝑗− 𝑆𝑟
+
𝑛
𝑗=1
≥ 𝑦𝑟𝑜
∑ 𝜆𝑗
𝑛
𝑗=1
= 1
Variables de decisión (pesos):
𝜆𝑗 ≥ 0, 𝑗 = 1, … , 𝑛
𝜃 𝑙𝑖𝑏𝑟𝑒
Donde:
𝜃0: 𝑝𝑎𝑟á𝑚𝑒𝑡𝑟𝑜 𝑞𝑢𝑒 𝑚𝑖𝑑𝑒 𝑙𝑎 𝑒𝑓𝑖𝑐𝑎𝑐𝑖𝑎 𝑑𝑒 𝑙𝑎 𝑢𝑛𝑖𝑑𝑎𝑑 𝑒𝑣𝑎𝑙𝑢𝑎𝑑𝑎
= 𝑑𝑒 𝑙𝑎 𝑐𝑢𝑎𝑙 𝑠𝑜𝑛 𝑖𝑛𝑠𝑢𝑚𝑜𝑠 𝑙𝑎 𝑒𝑓𝑖𝑐𝑖𝑒𝑛𝑐𝑖𝑎 𝑦 𝑙𝑎 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑖𝑣𝑖𝑑𝑎𝑑
𝜀: 𝑛ú𝑚𝑒𝑟𝑜 𝑟𝑒𝑎𝑙 𝑝𝑜𝑠𝑖𝑡𝑖𝑣𝑜 𝑦 𝑝𝑒𝑞𝑢𝑒ñ𝑜
𝑦𝑟𝑗: 𝑣𝑒𝑐𝑡𝑜𝑟 𝑞𝑢𝑒 𝑟𝑒𝑓𝑙𝑒𝑗𝑎 𝑠𝑢𝑠 𝑜𝑢𝑡𝑝𝑢𝑡𝑠
𝑥𝑖𝑗: 𝑣𝑒𝑐𝑡𝑜𝑟 𝑞𝑢𝑒 𝑑𝑒𝑓𝑖𝑛𝑒 𝑠𝑢𝑠 𝑖𝑛𝑝𝑢𝑡𝑠
𝑖: 𝑒𝑛𝑡𝑟𝑎𝑑𝑎 𝑡𝑖𝑝𝑜 𝑖
𝑚: 𝑒𝑛𝑡𝑟𝑎𝑑𝑎𝑠 (𝑖𝑛𝑝𝑢𝑡𝑠), variables de eficiencia y productividad
𝑟: 𝑠𝑎𝑙𝑖𝑑𝑎𝑠 (𝑜𝑢𝑡𝑝𝑢𝑡𝑠) 𝑡𝑖𝑝𝑜 𝑟, variables de eficacia
𝑗 = 𝐷𝑀𝑈 𝑡𝑖𝑝𝑜 𝑗
𝜆𝑗: 𝑝𝑜𝑛𝑑𝑒𝑟𝑎𝑐𝑖𝑜𝑛𝑒𝑠 𝑜𝑏𝑡𝑒𝑛𝑖𝑑𝑎𝑠 𝑐𝑜𝑚𝑜 𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑑𝑒𝑙 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑎
𝑆𝑖−, 𝑆𝑟
+: 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 𝑑𝑒 ℎ𝑜𝑙𝑔𝑢𝑟𝑎 𝑑𝑒 𝑖𝑛𝑝𝑢𝑡𝑠 𝑦 𝑜𝑢𝑡𝑝𝑢𝑡𝑠 𝑟𝑒𝑠𝑝𝑒𝑐𝑡𝑖𝑣𝑎𝑚𝑒𝑛𝑡𝑒
(3)
Ecuación 3. Función Objetivo
(4) Ecuación 4. Restricciones
93
Supuestos del modelo
DMU: son datos de todo el sector productivo que comprende la industria, los
servicios y el comercio, incluyendo pymes.
Inputs: subsectores de la economía: industria, comercio y servicios.
Outputs: indicadores de eficiencia, eficacia y productividad.
Los ítems (DMU, inputs y outputs) reflejan la medición de la eficiencia, eficacia y
productividad.
Las ponderaciones como solución tienen el mismo peso en las relaciones insumo –
producto.
El modelo anterior opera bajo las restricciones: (primera restricción) su combinación de
factores, más la variable de holgura de los mismos sea menor o igual que los insumos
utilizados por la DMUo y, (segunda restricción) para cada output, la combinación
ponderada del producto de las unidades menos la respectiva variable de holgura
genere una igual o mayor proporción del output de la unidad comparada. Finalmente la
suma de las ponderaciones de las DMU debe ser igual a cero, lo que equivale a
considerar los rendimientos variables (tercera restricción). Los valores de λ se
restringen de manera que una DMU sea evaluada por otras DMU que tengan tamaño
similar, lo cual supone rendimientos variables a escala.
En cuanto al modelo especificado para esta investigación para las Pymes colombianas,
la construcción de indicadores es similar a la utilizada por (Hashimoto & Ishikawa,
1993) quienes utilizan indicadores sociales (inputs) para analizar los (outputs) los
cuales son los beneficios de vivir en las 47 jurisdicciones territoriales de Japón. En esta
investigación los indicadores de eficiencia y productividad a nivel multi sectorial de la
economía colombiana, son los inputs y los outputs son los indicadores de eficacia
sectoriales a partir de cuyos valores se construye la frontera eficaz. La especificación
del modelo se plantea en el marco de la eficiencia, la productividad y la eficacia, como
los problemas principales identificados por los empresarios en general y de las Pymes
en particular (Acopi, Cámara de Comercio de Bogotá, BID, Bancoldex, Banco de la
94
República, UDES, 2014). De la misma forma, la integración en dicha modelación con el
BI se establece en términos de los indicadores de insumos definidos anteriormente los
cuales son susceptibles de ser automatizados para la toma de decisiones.
95
7. METODOLOGÍA
Los datos de la investigación en esta tesis se dibujan a partir de una fuente principal
que permite la aplicación de la metodología DEA y su integración con el BI, éstos han
sido publicados en la página web del (Departamento Administrativo Nacional de
Estadística DANE, 2015) y corresponden a la Encuesta Anual Manufacturera, la
Encuesta Anual de Servicios y la Encuesta de Microestablecimientos de las 24
principales ciudades y sus áreas metropolitanas.
El enfoque de investigación adoptado para este estudio es de tipo exploratorio y
aproximativo, pretendiendo mostrar a nivel general la realidad de las Pymes y sus
mediciones de eficiencia, eficacia y productividad, campo en el que si bien existen
múltiples estudios de comportamientos específicos de este grupo empresarial en
algunos de los diferentes sectores económicos en Colombia, los mismos tienden a
concluir que sus mediciones de eficiencia, eficacia y productividad son insuficientes en
términos de las dinámicas de los mercados, haciendo que la formulación de hipótesis
sea imprecisa o de una generalidad muy amplia. Por ello, se optó por la especificación
del modelo integral DEA-BI con el fin de evaluar los niveles de eficiencia y
productividad como insumos de la eficacia, la cual permite captar las dinámicas de los
mercados. En tal sentido, los resultados a obtener permitirán ilustrar y evaluar como los
niveles de eficiencia y productividad alcanzados en los procesos productivos de
manera integral se traducen en resultados eficaces en términos de mercados
igualmente integrales.
7.1 SELECCIÓN DE VARIABLES
Elegir las variables a utilizar en el modelo, es parte fundamental para la utilización de la
técnica DEA. La definición del conjunto de variables de entrada y salida del modelo
reflejan insumos utilizados en los procesos productivos; esto es en un sentido, la
realidad económica en términos matemáticos. A su vez los insumos son los factores
96
utilizados en la producción de un bien o servicio, y es posible afirmar que estos se
agrupan en tangibles, intangibles y humanos en donde según los autores consultados,
se puede identificar una concentración en los insumos intangibles (Ver apéndice C)
especialmente en lo referente a la tecnología. En los sectores industrial, comercio y de
servicios, existen relaciones multifactoriales que complejizan las conexiones entre las
variables; sin embargo, y dada la información que es posible obtener de los diferentes
sectores, para la especificación del modelo se tomaron en cuenta la identificación de
los principales problemas para el desarrollo de los negocios las métricas pueden
obtenerse en el área financiera cuyos resultados se evidencian de manera tangible en
las ventas, capacidad de recursos y márgenes de utilidad, entre otros.
7.1.1 Variables iniciales
Como se menciona anteriormente, dada la agregación económica de los subsectores
económicos objeto de estudio, inicialmente se contemplaron las variables consignadas
en la siguiente tabla.
Tabla 7. Variables Iniciales
Variable Indicador Tipo de
Indicador
Unidades
de medida
1. Disponibilidad 𝐷𝑖𝑠𝑝𝑜𝑛𝑖𝑏𝑖𝑙𝑖𝑑𝑎𝑑 = (𝐻𝑜𝑟𝑎𝑠 𝑡𝑜𝑡𝑎𝑙𝑒𝑠 − 𝐻𝑜𝑟𝑎𝑠 𝑑𝑒 𝑚𝑎𝑛𝑡𝑒𝑛𝑖𝑚𝑖𝑒𝑛𝑡𝑜
𝐻𝑜𝑟𝑎𝑠 𝑡𝑜𝑡𝑎𝑙𝑒𝑠)
Indicador de efectividad
Miles de pesos
2. Capacidad de
las instalaciones 𝐶𝑎𝑝𝑎𝑐𝑖𝑑𝑎𝑑 𝑑𝑒 𝑙𝑎𝑠 𝑖𝑛𝑠𝑡𝑎𝑙𝑎𝑐𝑖𝑜𝑛𝑒𝑠 = (
𝐶𝑎𝑝𝑎𝑐𝑖𝑑𝑎𝑑 𝑢𝑡𝑖𝑙𝑖𝑧𝑎𝑑𝑎
𝐶𝑎𝑝𝑎𝑐𝑖𝑑𝑎𝑑 𝑚á𝑥𝑖𝑚𝑎 𝑑𝑒𝑙 𝑟𝑒𝑐𝑢𝑟𝑠𝑜)
Indicador de eficiencia
Miles de pesos
3. Nivel de
inventarios 𝑁𝑖𝑣𝑒𝑙 𝑑𝑒 𝐼𝑛𝑣𝑒𝑛𝑡𝑎𝑟𝑖𝑜𝑠 =
𝐶𝑜𝑠𝑡𝑜 𝑑𝑒𝑙 𝑖𝑛𝑣𝑒𝑛𝑡𝑎𝑟𝑖𝑜
𝐼𝑛𝑔𝑟𝑒𝑠𝑜𝑠 𝑝𝑜𝑟 𝑉𝑒𝑛𝑡𝑎𝑠𝑋100
Indicador de eficiencia
Miles de pesos / %
4.
Efectividad en
el uso de las
instalaciones 𝐸𝑓𝑒𝑐𝑡𝑖𝑣𝑖𝑑𝑎𝑑 𝑒𝑛 𝑒𝑙 𝑢𝑠𝑜 𝑑𝑒 𝑙𝑎𝑠 𝑖𝑛𝑠𝑡𝑎𝑙𝑎𝑐𝑖𝑜𝑛𝑒𝑠 =
𝑃𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛 𝐵𝑟𝑢𝑡𝑎
𝑉𝑜𝑙𝑢𝑚𝑒𝑛 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑎𝑑𝑜𝑋100
Indicador de productividad
Miles de pesos / %
5. Aumento de
ventas 𝐴𝑢𝑚𝑒𝑛𝑡𝑜 𝑑𝑒 𝑣𝑒𝑛𝑡𝑎𝑠 =
𝑉𝑒𝑛𝑡𝑎𝑠 𝑎ñ𝑜 𝑎𝑐𝑡𝑢𝑎𝑙
𝑉𝑒𝑛𝑡𝑎𝑠 𝑎ñ𝑜 𝑎𝑛𝑡𝑒𝑟𝑖𝑜𝑟
Indicador de eficacia
Miles de pesos /
ratio
6. Efectividad en
la logística 𝐸𝑓𝑒𝑐𝑡𝑖𝑣𝑖𝑑𝑎𝑑 𝑒𝑛 𝑙𝑎 𝑙𝑜𝑔í𝑠𝑡𝑖𝑐𝑎 =𝐶𝑜𝑠𝑡𝑜𝑠 𝑡𝑜𝑡𝑎𝑙𝑒𝑠 𝑙𝑜𝑔í𝑠𝑡𝑖𝑐𝑜𝑠
𝑇𝑜𝑡𝑎𝑙 𝑣𝑒𝑛𝑡𝑎𝑠𝑋100
Indicador de efectividad
Miles de pesos / %
7. Margen bruto de
ganancias
𝑀𝑎𝑟𝑔𝑒𝑛 𝑏𝑟𝑢𝑡𝑜 𝑑𝑒 𝑔𝑎𝑛𝑎𝑛𝑐𝑖𝑎𝑠
= 𝐼𝑛𝑔𝑟𝑒𝑠𝑜𝑠 𝑝𝑜𝑟 𝑉𝑒𝑛𝑡𝑎𝑠 − 𝐶𝑜𝑠𝑡𝑜 𝑑𝑒𝑙 𝑖𝑛𝑣𝑒𝑛𝑡𝑎𝑟𝑖𝑜
𝐼𝑛𝑔𝑟𝑒𝑠𝑜𝑠 𝑝𝑜𝑟 𝑉𝑒𝑛𝑡𝑎𝑠
Indicador de calidad
Miles de pesos / %
8.
Productividad
de la mano de
obra 𝑃𝑟𝑜𝑑𝑢𝑐𝑡𝑖𝑣𝑖𝑑𝑎𝑑 𝑑𝑒 𝑙𝑎 𝑚𝑎𝑛𝑜 𝑑𝑒 𝑜𝑏𝑟𝑎 =
𝑃𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛 𝐵𝑟𝑢𝑡𝑎
𝐶𝑜𝑠𝑡𝑜 𝑃𝑒𝑟𝑠𝑜𝑛𝑎𝑙 𝑂𝑐𝑢𝑝𝑎𝑑𝑜
Indicador de productividad
Miles de pesos
9. Costo unitario
de producción 𝐶𝑜𝑠𝑡𝑜 𝑈𝑛𝑖𝑡𝑎𝑟𝑖𝑜 𝑑𝑒 𝑝𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛 =𝐶𝑜𝑠𝑡𝑜 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑝𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛
𝑃𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛 𝐵𝑟𝑢𝑡𝑎
Indicador de productividad
Miles de pesos /
97
Variable Indicador Tipo de
Indicador
Unidades
de medida
ratio
10. Productividad
del capital 𝑃𝑟𝑜𝑑𝑢𝑐𝑡𝑖𝑣𝑖𝑑𝑎𝑑 𝑑𝑒𝑙 𝑐𝑎𝑝𝑖𝑡𝑎𝑙 =
𝑃𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛 𝐵𝑟𝑢𝑡𝑎
𝐴𝑐𝑡𝑖𝑣𝑜 𝑡𝑜𝑡𝑎𝑙 𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜
Indicador de productividad
Miles de pesos /
ratio
11. Margen neto 𝑀𝑎𝑟𝑔𝑒𝑛 𝑛𝑒𝑡𝑜 =𝑈𝑡𝑖𝑙𝑖𝑑𝑎𝑑 𝐵𝑟𝑢𝑡𝑎
𝑉𝑒𝑛𝑡𝑎𝑠𝑋100
Indicador de rentabilidad /
Eficacia
Miles de pesos / %
12. Rentabilidad
sobre activos 𝑅𝑒𝑛𝑡𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑠𝑜𝑏𝑟𝑒 𝐴𝑐𝑡𝑖𝑣𝑜𝑠 =𝑈𝑡𝑖𝑙𝑖𝑑𝑎𝑑 𝐵𝑟𝑢𝑡𝑎
𝐴𝑐𝑡𝑖𝑣𝑜𝑠 𝑇𝑜𝑡𝑎𝑙 𝑃𝑟𝑜𝑚𝑒𝑑𝑖𝑜𝑋100
Indicador de rentabilidad /
Eficacia
Miles de pesos / %
13. Rotación del
activo 𝑅𝑜𝑡𝑎𝑐𝑖ó𝑛 𝑑𝑒𝑙 𝐴𝑐𝑡𝑖𝑣𝑜 =
𝑉𝑒𝑛𝑡𝑎𝑠 𝑛𝑒𝑡𝑎𝑠
𝐴𝑐𝑡𝑖𝑣𝑜 𝑡𝑜𝑡𝑎𝑙 𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜
Indicador de rentabilidad /
Eficacia
Miles de pesos /
ratio
14. Margen en
operaciones 𝑀𝑎𝑟𝑔𝑒𝑛 𝑒𝑛 𝑜𝑝𝑒𝑟𝑎𝑐𝑖𝑜𝑛𝑒𝑠 =
𝑈𝑡𝑖𝑙𝑖𝑑𝑎𝑑 𝑂𝑝𝑒𝑟𝑎𝑐𝑖𝑜𝑛𝑎𝑙
𝑉𝑒𝑛𝑡𝑎𝑠 𝑛𝑒𝑡𝑎𝑠𝑋100
Indicador de rentabilidad /
Eficacia
Miles de pesos / %
Fuente: Principales indicadores financieros y de gestión, Instituto Nacional de
Contadores Públicos Colombia, págs. 108-112
7.1.2 Variables representativas
En vista de la dificultad de contar con información detallada necesaria para dar
respuesta a los ratios propuestos, fue necesario centrarse en dos ratios por grupo de
indicadores, como resultado, se presentan los siguientes modelos:
∑ 𝐶𝑎𝑝𝑎𝑐𝑖𝑑𝑎𝑑 𝑑𝑒 𝑙𝑎𝑠 𝐼𝑛𝑠𝑡𝑎𝑙𝑎𝑐𝑖𝑜𝑛𝑒𝑠 + ∑ 𝑁𝑖𝑣𝑒𝑙 𝑑𝑒 𝐼𝑛𝑣𝑒𝑛𝑡𝑎𝑟𝑖𝑜𝑠
𝑆𝑢𝑏𝑠𝑒𝑐𝑡𝑜𝑟𝑖𝑗
∑ 𝐴𝑢𝑚𝑒𝑛𝑡𝑜 𝑑𝑒 𝑙𝑎𝑠 𝑉𝑒𝑛𝑡𝑎𝑠 + ∑ 𝑀𝑎𝑟𝑔𝑒𝑛 𝑒𝑛 𝑂𝑝𝑒𝑟𝑎𝑐𝑖𝑜𝑛𝑒𝑠
𝑆𝑢𝑏𝑠𝑒𝑐𝑡𝑜𝑟𝑖𝑗
∑ 𝐸𝑓𝑒𝑐𝑡𝑖𝑣𝑖𝑑𝑎𝑑 𝑒𝑛 𝑒𝑙 𝑢𝑠𝑜 𝑑𝑒 𝑙𝑎𝑠 𝑖𝑛𝑠𝑡𝑎𝑙𝑎𝑐𝑖𝑜𝑛𝑒𝑠 + ∑ 𝑃𝑟𝑜𝑑𝑢𝑐𝑡𝑖𝑣𝑖𝑑𝑎𝑑 𝑑𝑒𝑙 𝐶𝑎𝑝𝑖𝑡𝑎𝑙
𝑆𝑢𝑏𝑠𝑒𝑐𝑡𝑜𝑟𝑖𝑗
Siguiendo el modelo básico de eficiencia, los anteriores se presentan como los ratios
básicos que se desarrollan en este estudio. La especificación de las variables
relacionadas con el mercado, clientes y demanda en términos de tiempo y costo
(6)
Ecuación 6. Modelación de Eficacia
(7)
Ecuación 7. Modelación de Productividad
(5)
Ecuación 5. Modelación de Eficiencia
98
desarrolladas en este documento son Ingresos por Ventas, Ventas año de estudio y
Ventas Netas.
El resultado de algunos de los ratios en los que se concentra la mayor dificultad de las
empresas para ser eficientes, eficaces y productivas, fue definido con las variables
margen en operaciones, productividad del capital, aumento en ventas, efectividad en el
uso de las instalaciones, nivel de inventarios, capacidad de las instalaciones.
Entradas (Insumos): en este caso, la información suministrada por el DANE de los
diferentes subsectores que conforman los sectores comercial, industrial y de servicios,
agrupadas en variables que determinan los ratios definidos para cada modelación.
Eficiencia: Capacidad máxima del recurso, ingresos por ventas; capacidad utilizada y
costo del inventario. Productividad: Producción programada, Activo Total Promedio y
Producción bruta.
Salidas (Productos o servicios): de acuerdo con lo explicado anteriormente, las salidas
definidas son: Eficacia: Ventas año estudiado, utilidad operacional, ventas año anterior
al estudiado y ventas netas.
Finalmente en la especificación del modelo DEA propuesto, es el siguiente:
∑ 𝐸𝑓𝑖𝑐𝑎𝑐𝑖𝑎
∑ 𝐸𝑓𝑖𝑐𝑖𝑒𝑛𝑐𝑖𝑎 + ∑ 𝑃𝑟𝑜𝑑𝑢𝑐𝑡𝑖𝑣𝑖𝑑𝑎𝑑
7.2 MEDICIONES
Dado que la obtención de información numérica acerca de las Pymes de forma que
permitan la comparación de magnitudes homogéneas conocidas, es proporcionada en
las fuentes de información antes mencionadas, en concordancia con lo anterior, se
acogió la norma Internacional de Contabilidad, la cual proporciona los instrumentos
financieros de reconocimiento y medición, así como principios, criterios y definiciones
que aplican. De la misma forma, el Instituto Nacional de Contadores Públicos de
Colombia, mediante los principales indicadores financieros y de gestión, clasificados en
indicadores de eficiencia, desempeño, productividad y eficacia, brindó un marco de
desarrollo del modelo empleado, facilitando la identificación y posterior utilización de
indicadores de resultado, como son Capacidad utilizada, Capacidad máxima del
99
recurso, Costo del inventario, Ingresos por Ventas, Producción Bruta, Volumen
programado, Ventas año actual, Ventas año anterior, Activo total promedio, Utilidad
Operacional y Ventas netas.
Estos indicadores están a su vez agrupados en las categorías de indicadores de
eficiencia las cuales miden los resultados y recursos utilizados; eficacia, los cuales
miden el logro de los resultados propuestos y productividad que es la relación entre los
resultados y el tiempo utilizado para obtenerlos. En ése orden de ideas, las
agrupaciones son:
Indicadores de Eficiencia:
Capacidad de las instalaciones: en general, la capacidad se expresa como mediciones
de salida de producto o como mediciones de insumos (Carro Paz & González Gómez).
En el caso de estudio, es el ratio entre la capacidad utilizada y la capacidad máxima del
recurso.
La capacidad utilizada está definida como la cantidad de horas a utilizar de las
instalaciones como una medida homogénea de trabajo; es decir, hasta un máximo de
192 horas mensuales laborables, bajo el supuesto mínimo del valor de la hora en el
año de estudio de 27.656 para todos los sectores y dada la complejidad que presentan
los tres sectores de la economía, con el método de simulación Montecarlo (Faulín &
Juan, 2005) fue posible simular los valores que toman las variables, mediante una
distribución uniforme con la fórmula (𝑎 + (𝑏 − 𝑎) ∗ 𝑎𝑙𝑒𝑎𝑡𝑜𝑟𝑖𝑜. 𝑒𝑛𝑡𝑟𝑒(0,672)) ∗ 27656,
donde “a” corresponde al límite inferior y “b” al límite superior y la constante,
desarrollada bajo el supuesto de que el total de los recursos pueden utilizarse máximo
672 horas al mes y cuya asignación en pesos sería al valor de una hora de salario
promedio del año bajo estudio equivalente a 27.656. Para la definición de la capacidad
máxima del recurso, se aplicó de la misma forma el método de simulación Montecarlo,
explicado.
Nivel de Inventarios: entendido como los bienes y servicios propios disponibles para la
venta a los clientes y se convierte en efectivo dentro del ciclo de operaciones de la
100
compañía. Es el ratio conformado por las variables Costo del inventario e Ingresos por
Ventas.
Indicadores de Eficacia:
Aumento de ventas: entendiéndose como una de las mayores preocupaciones de los
empresarios, dado que el alcanzar un nivel óptimo de ventas implica la subsistencia y
generación de utilidades mediante la satisfacción de necesidades de los clientes
mediante productos o servicios. Está conformado por el ratio Ventas año actual y
Ventas año anterior.
Margen en operaciones: representa el beneficio obtenido por la actividad desarrollada;
es decir, es el margen del negocio en sí mismo. Está conformado por el ratio entre
Utilidad Operacional y Ventas netas.
Indicador de Productividad:
Efectividad en el uso de las instalaciones: la capacidad de ofrecer productos o servicios
debe estar en función del comportamiento de la demanda en el corto y largo plazo,
incluyendo el riesgo del exceso de capacidad. Está conformado por el ratio entre
Producción Bruta y Volumen programado.
Productividad del capital: definido como el aumento producido en la cantidad de
producto / servicio, cuando se incrementa en una unidad el capital invertido,
manteniendo constantes los demás factores. Está conformado por Producción Bruta y
Activo total promedio.
Así mismo, a todas las variables se les aplicó la eliminación del valor monetario de los
efectos producidos por los cambios en los precios (deflactación); esto es en otras
palabras, que los precios se convirtieron a valores reales, descontando el efecto de la
inflación, esto se logra dividiendo el ingreso en dinero entre el IPC y multiplicando por
100, lo que genera como resultado los valores reales expresados en pesos (Carmona,
2001). Todas las unidades de medida utilizadas están en miles de pesos.
101
𝑉𝑎𝑙𝑜𝑟 𝑟𝑒𝑎𝑙 =𝑣𝑎𝑙𝑜𝑟 𝑚𝑜𝑛𝑒𝑡𝑎𝑟𝑖𝑜
𝐼𝑃𝐶∗ 100
Las agregaciones de los subsectores de las actividades económicas, se detallas en la
sección 4.1.5 y en el apéndice E. Considerando la diversidad sectorial, el modelo DEA
utilizado es el BCC envolvente con rendimientos variables a escala output-orientado e
input-orientado, los cuales en la literatura académica junto con el modelo CCR con
retornos a escala constante, han demostrado ser los más sólidos.
La integración con el BI se realizó directamente con los datos del DANE deflactados.
7.3 BASES DE DATOS Y MANEJO DE SOFTWARE
Mediante el uso de bases de datos como EBSCO host, ProQuest y ScienceDirect, fue
posible la recopilación de información científica y académica que conforman las bases
consultadas para la construcción del presente documento. El software que se utilizó en
principio fue el GAMS General Algebraic Modeling System, posteriormente en la
búsqueda de una representación gráfica se trabajaron los programas GNU Plot, KonSi
Software for Estimating Productivity and Efficiency for Step-by-Step Benchmarking
DEA, Frontier Analyst, con éste último se logró la representación gráfica buscada.
Finalmente, para la integración del BI con el DEA, se trabajó con el Power BI.
7.4 ADECUACIÓN DE LOS DATOS PARA LA IMPLEMENTACIÓN DEL MODELO PROPUESTO
La investigación sobre el comportamiento económico de las variables utilizadas en esta
tesis, partieron de la información proporcionada por el DANE para los sectores
Industrial, Comercio y Servicios. Con el fin de dar respuesta a los requerimientos de las
variables y a su posterior desarrollo de la metodología planteada, los siguientes son los
supuestos trabajados:
(8)
Ecuación 8. Fórmula cálculo IPC
102
Modelación de eficiencia:
Para el sector de servicios: Producción Programada = variación de la producción
2014-2015, aplicada a la producción bruta, con la hipótesis de que la producción
programada equivale al 80% de la producción bruta; es decir que se programa el 80%
de la producción. Costo del inventario = producción bruta - ingresos por ventas.
Para el sector de comercio: Producción bruta: Incluye cifras de Comercio Exterior.
Volumen Producido = Producción Bruta + Consumo Intermedio + Valor Agregado.
Activos = Producción Bruta + Valor Agregado + Remuneración Mensual del personal
ocupado. Utilidad Bruta = Ventas - Consumo Intermedio.
Para la Industria: Producción Programada = variación de la producción 2014-2015,
aplicada a la producción bruta, con la hipótesis de que la producción programada
equivale al 80% de la producción bruta; es decir que se programa el 80% de la
producción.
Modelación de eficacia:
Para servicios: Utilidad operacional = Excedente Bruto de Explotación - Costo de
Inventarios. Venta netas = ingresos por ventas – producción bruta.
Para comercio: Utilidad Operacional = ventas netas mensual - consumo intermedio
mensual - sueldos y salarios mensual. Ventas netas = ventas – producción bruta.
Para Industria: Utilidad Operacional = ventas netas mensual - consumo intermedio
mensual - sueldos y salarios mensual.
Modelación de productividad:
Para servicios: Producción Programada = variación de la producción 2014-2015,
aplicada a la producción bruta, con la hipótesis de que la producción programada
equivale al 80% de la producción bruta; es decir que se programa el 80% de la
producción. Activo total promedio = producción bruta - remuneración total del
personal.
103
Para comercio: Producción Bruta Incluye cifras de Comercio Exterior. Producción
Programada = se definió el % de variación 2014-2015 y el % se restó a la Producción
Bruta 2015 y a este valor se aplicó el 80%, actuando bajo el supuesto de que se
programa el 80% de lo que se produce. Activos = producción bruta - remuneración
total del personal.
Para industria: Producción Programada = se definió el % de variación 2014-2015 y el
% se restó a la Producción Bruta 2015 y a este valor se aplicó el 80%, actuando bajo el
supuesto de que se programa el 80% de lo que se produce.
Inicialmente, en el GAMS se trabajó la evaluación de 17 subsectores de Servicios, 56
subsectores de Industria y 23 subsectores de comercio, para un total de 96
subsectores de la economía evaluados; sin embargo, para poder realizar la evaluación
integrada que se buscaba, fue necesario agregarlos en 11 sectores.
Dicha agrupación se llevó a cabo según lo consignado en la Clasificación Industrial
Internacional uniforme de todas las actividades Económicas, revisión 4 adaptada para
Colombia y vigente en la actualidad, en donde se categorizan las actividades
económicas productivas de forma que se pueda utilizar para la reunión y presentación
de estadísticas de tal modo que las entidades puedan clasificarse según la actividad
económica que realizan, estableciendo así una clasificación uniforme. Esta estructura
responde a actividades principales, definidas como aquellas que más contribuyen al
valor agregado de la entidad; actividades secundarias, todas las actividades
independientes que generan productos destinados en última instancia a terceros y que
no son la actividad principal de la entidad en cuestión y, actividades auxiliares son, las
que se realizan para respaldar las actividades de producción principales de una entidad
que generan productos o servicios no duraderos para uso principal o exclusivo de esa
entidad.
104
El sistema de notación alfanumérica que presentan está organizado en cuatro niveles
integrados entre sí: Secciones, Divisiones, Grupos y Clases. Las letras mayúsculas se
asignan a las secciones, las cuales agrupan información estadística correspondiente a
un sector de la economía con características homogéneas (Departamento
Administrativo Nacional de Estadística DANE, 2009) pág. 31..
Tabla 8. Clasificación General Actividades Económicas Sección División Actividad Económica
A 01-03 Agricultura, ganadería, caza, silvicultura y pesca
B 05-09 Explotación de minas y canteras
C 10-33 Industrias manufactureras
D 35 Suministro de electricidad, gas, vapor y aire acondicionado
E 36-39 Distribución de agua; evacuación y tratamiento de aguas residuales, gestión
de desechos y actividades de saneamiento ambiental
F 41-43 Construcción
G 45-47 Comercio al por mayor y al por menor
H 49-53 Transporte y almacenamiento
I 51-56 Alojamiento y servicios de comida
J 58-63 Información y comunicaciones
K 64-66 Actividades financieras y de seguros
L 68 Actividades inmobiliarias
M 69-75 Actividades profesionales, científicas y técnicas
N 77-82 Actividades de servicios administrativos y de apoyo
O 84 Administración pública y defensa; planes de seguridad social de afiliación obligatoria
P 85 Educación
Q 86-88 Actividades de atención de la salud humana y de asistencia social
R 90-93 Actividades artísticas, de entretenimiento y recreación
S 94-96 Otras actividades de servicios
T 97-98 Actividades de los hogares individuales en calidad de empleadores; actividades no diferenciadas de
los hogares individuales como productores de bienes y servicios para uso propio U 99 Actividades de organizaciones y entidades extraterritoriales
Fuente: (Departamento Administrativo Nacional de Estadística DANE, 2009) pág. 59
La división corresponde a una categoría de tabulación más detallada y agrupa
actividades pertenecientes a un mismo sector económico con mayor grado de
homogeneidad, teniendo en cuenta la especialidad de las actividades económicas que
desarrollan, las características y el uso de los bienes producidos y los servicios
prestados, los insumos, el proceso y la tecnología de producción utilizada. Las
mediciones aplicadas en el presente estudio se realizaron en los subsectores
105
correspondientes a Industria, Comercio y Servicios (Ver apéndice E sector servicios y
apéndice F desagregación de subsectores). Finalmente, las evaluaciones y análisis se
realizaron con la siguiente agregación:
Tabla 9. Clasificación en 11 Subsectores
Sección Descripción actividad económica Denominación en programas
utilizados C Industrias manufactureras IndustriasManuf
G Comercio al por mayor y al por menor CoAlMayorMenor
H Transporte y almacenamiento TranspAlmac
I Alojamiento y servicios de comida Alojam
J Información y comunicaciones InfoComunic
L-N Actividades inmobiliarias - N Actividades de servicios administrativos y de apoyo Inmobiliar
M Actividades profesionales, científicas y técnicas Cientif
N Actividades de servicios administrativos y de apoyo Admin
P Educación Educ
Q Actividades de atención de la salud humana y de asistencia social Salud
S Otras actividades de servicios OtrosServ
Fuente: Con base en (Departamento Administrativo Nacional de Estadística DANE,
2009)
Como se puede ver en la tabla anterior, la desagregación del sector servicios es mayor,
al contrario de los sectores Comercio e Industria, los cuales quedan agregados cada
uno a una línea para ser analizados. También se analizó la agregación de éstos tres
sectores únicamente en tres rubros, así como la revisión del total de participación de
estos sectores económicos.
Las cifras se trabajaron en miles de millones de pesos del año 2015.
106
8. RESULTADOS
En el ámbito empresarial, el aporte al crecimiento de los países se da por medio de los
bienes y servicios que se producen con los recursos naturales, de capital y humanos,
siendo las pymes un actor fundamental en las economías especialmente por su
contribución al PIB, al empleo, y al valor agregado.
En este trabajo se ha argumentado la importancia de las adecuadas mediciones de
eficiencia, eficacia y productividad sobre la base de la integración de las fuentes de
información de oferta y demanda. Bajo esta perspectiva se enmarca la integración del
DEA y el BI como se muestra en la ilustración 60, como un aporte novedoso, siendo
evidente la carencia de estudios previos de integración de estas dos importantes
herramientas, para el manejo de las operaciones de producción y comercialización
como soporte a la toma de decisiones. En la primera gráfica se muestra como a través
del BI se organizaron las relaciones producto – insumo desde las variables de oferta,
demanda y productividad estructuradas a partir de los indicadores de la base de datos
adecuada como se explicó en la metodología. Desde estas variables se generan los
indicadores de eficiencia, eficacia y productividad como insumos integrados para
generar los DMU. En la segunda gráfica, se muestra como se obtuvo la frontera eficaz
a partir de los valores resultantes de los DMU para todos los sectores estudiados. En
dicha gráfica se observa como el desempeño obtenido del sector industrial está sobre
la frontera eficaz; es decir, la eficiencia y productividad permiten alcanzar un nivel de
eficacia del 100%. Por su parte los servicios alcanzan un nivel de eficacia promedio del
97% y el comercio alcanza la menor eficacia ya que solo alcanza un promedio de 22%.
Estos resultados en general muestran que de forma integral a partir del DEA articulado
con el BI que el desempeño de la eficiencia y la productividad en términos de la eficacia
a nivel operativo es superior en la industria seguido de cerca por el sector servicios,
pero que definitivamente donde hay un peor desempeño es en el comercio debido a la
“estrategia” de mantener altos inventarios con el objeto de valorizarlos a través de los
ajustes de precios, generando así menores volúmenes de ventas en relación con la
disponibilidad de existencias para comercialización.
107
Fuente: elaboración propia
Como se ha planteado el DEA facilita la medición de la eficiencia, la eficacia y la
productividad en la solución de problemas multivariados mediante la identificación de
unidades de decisión ineficientes, mientras que el BI utiliza la información derivada de
diversas fuentes necesaria para alimentar la toma de decisiones óptima.
En esta investigación se trabajaron varias medidas alternativas a partir del DEA en
cuanto a su orientación: (i) Orientado a insumos (input-orientado): en donde para llegar
a la frontera la empresa debería disminuir la cantidad de inputs X manteniendo
constante el output Y; esto es la reducción de las entradas manteniendo el nivel actual
de salidas; (ii) Orientado a productos o de maximización de resultados (output-
orientado): la empresa podría aumentar la producción de Y dada su dotación de input
X; esto es el nivel de resultados máximo alcanzable con el mismo nivel de insumos
(Mastrocello, 2016) pág. 7.
La investigación sobre las pymes evidencia puntos clave en la medición del desarrollo
económico. La realidad demuestra que información sesgada e imprecisa sobre la
concentración de la demanda afecta la toma de decisiones y consecuentemente la
producción con efectos no deseados sobre las ventas afectando directamente los
ingresos, los inventarios, y las capacidades de producción entre otros. Dado lo anterior
así como la información disponible, los resultados de las mediciones en los
subsectores, se realizaron según se explicó en la sección 4.1.4, sobre las agregaciones
en indicadores de eficiencia, eficacia y productividad, para los 11 subsectores
detallados en la sección 4.1.6. Para los sectores de servicios, comercio e industria se
Ilustración 60. Modelo de integración Análisis Envolvente y BI para medir la eficacia
108
utilizarán las abreviaturas para las DMUs evaluadas según se muestran en la tabla 10.
Los resultados se muestran en las siguientes secciones.
Tabla 10. Abreviaturas de las DMUs para el software
Subsector de servicios Equivalente “Unit”
1. Sección H Transporte y almacenamiento TranspAlmac
2. Sección I Alojamiento y servicios de comida Alojam
3. Sección J Información y comunicaciones InfoComunic
4. Sección L Actividades inmobiliarias Inmobiliar
5. Sección M Actividades profesionales, científicas y técnicas Cientif
6. Sección N Actividades de servicios administrativos y de apoyo Admin
7. Sección P Educación Educ
8. Sección Q Actividades de atención de la salud humana y de asistencia social Salud
9. Sección S Otras actividades de servicios OtrosServ
10. Sección G Comercio al por mayor y al por menor CoAlMayorMenor
11. Sección C Industrias manufactureras IndustriasManuf
Fuente: elaboración propia
8.1 HECHOS ESTILIZADOS A TRAVÉS DEL BI
8.1.1 La eficiencia sectorial, la eficacia sectorial y la productividad sectorial
Las siguientes gráficas nos muestran que el costo de inventario en términos reales para
cualquier nivel de desagregación multisectorial de la economía colombiana es muy
similar. Esto significa que en general, a nivel de costos no realizados en el mercado las
empresas incrementan el costo total operacional, lo cual generalmente se traduce en
precios mayores al consumidor y afecta la dinámica de la demanda.
Cuando se contrasta el costo de los inventarios frente a los ingresos en términos reales
se observa que estos costos no realizados en el mercado, tienen un porcentaje de
participación muy alto (alrededor del 60%) lo cual genera menores niveles de
utilidades. Esta situación conlleva a que las ganancias de eficiencia alcanzadas en los
procesos productivos se vean anuladas en un porcentaje importante por la no
realización de los productos en el mercado.
109
Ilustración 61. BI modelación de eficiencia
Fuente: Elaboración propia – resultados Power BI
El análisis descriptivo a nivel intersectorial de la economía colombiana nos muestra en
las gráficas anteriores, que la participación de los inventarios frente a los ingresos por
ventas se comporta de acuerdo a las características de los procesos productivos.
Como era de esperarse se observa que en la industria los inventarios equivalen a un
poco más de la tercera parte de lo que se produce y se vende; por su parte, en el
comercio los inventarios son necesariamente muy altos ya que debido a la inflación y
por las características de la demanda en Colombia, estos se valorizan. En los servicios,
dado que su naturaleza es ser intangibles en la mayoría de los que se ofertan sus
inventarios son necesariamente muy bajos. Esto se corrobora cuando analizamos las
gráficas de utilización de la capacidad instalada las cuales muestran que solo la
industria tiende a utilizarla plenamente. Lo anterior, implica que el análisis descriptivo
de las variables económicas no permite explicar los fenómenos de la eficiencia
110
adecuadamente y requiere por lo tanto, asociar de manera conjunta las variables de
producción y comercialización.
Ilustración 62. BI modelación de eficacia
Fuente: Elaboración propia – resultados Power BI
Como se planteó desde el marco teórico, las empresas no solamente deben ser
eficientes en la utilización de los recursos y responder con capacidad de producción a
las necesidades del mercado, sino también deben ser efectivas para realizar la
producción a través de las ventas. A nivel descriptivo la eficacia de las empresas se
puede observar a través de las variables de producción y ventas. Los datos del DANE
en términos reales para el periodo 2015 muestran que en la industria (con la excepción
de los subsectores de alimentos) y los servicios la eficacia de las empresas es
muchísimo mayor que en el comercio el cual pesa mucho en general en la economía
colombiana como se muestra en la primera gráfica. En términos de la utilidad
operacional el comercio a pesar de que es menos eficaz en la realización de la
producción, genera mucha más utilidad que la industria y los servicios, esta aparente
paradoja obedece a los excesivos márgenes comerciales que los comerciantes pueden
colocar a los productos y a su posición dominante de carácter monopsonista frente a la
111
industria y a los servicios. Esta circunstancia que no es evidente de forma aparente en
los fenómenos del mercado es posible debido a que alrededor del 80% de los
consumos en Colombia son provistos por las grandes superficies de almacenes.
El análisis descriptivo de la productividad nos muestra que las relaciones entre activos,
producción y ventas son muy similares en los tres sectores, lo cual indica que al menos
en la economía colombiana las relaciones capital – producto, incluidas las ventas
tienen las inversiones adecuadas a las necesidades del mercado. Ello se corrobora con
la gráfica del activo total promedio de los tres sectores, la cual nos muestra que en
términos de proporciones la industria posee alrededor del 34% de los activos del país lo
cual contrasta con el sector de los servicios (incluyendo al comercio) el cual representa
más del 60% del PIB y a su vez posee una proporción muy similar de los activos. Lo
anterior, significa que a nivel descriptivo la dotación de capital por sí sola a nivel de los
sectores de la economía es muy limitada para visualizar aspectos de la productividad.
Ilustración 63. BI modelación de productividad
Fuente: Elaboración propia – resultados Power BI
112
8.2 RESULTADOS DE EFICIENCIA, EFICACIA Y PRODUCTIVIDAD EN EL MODELO PROPUESTO DEA - BI
La evaluación simultánea de la eficiencia, eficacia y productividad con retornos
variables a escala, orientados a las entradas (inputs) de los sectores detallados
previamente, se muestra en la tabla 11. Esta orientación hacia los insumos significa la
minimización de los requerimientos en los procesos productivos para alcanzar las
metas de producción y ventas. En la gráfica se puede apreciar en la primera columna
denominada “Units” se ubican los sectores productivos para el ejercicio como son la
industria, los servicios y el comercio. Los resultados de las comparaciones se agrupan
en las siguientes tres columnas con calificaciones de: altamente eficientes, que en
nuestro caso equivale a altamente eficacez, y adicionalmente una condición que indica
sí se encuentran sobre la frontera o no, mediante un indicador que muestra en color
verde dichas unidades empresariales altamente eficientes, eficaces y productivas de
manera simultánea. Por su parte, en color amarillo las unidades medianamente
eficientes, eficaces y productivas y finalmente en color rojo, las unidades empresariales
ineficientes.
La tabla 11 muestra en color verde que los subsectores altamente eficaces ( losque
están sobre la frontera ) son industrias manufactureras, información y comunicaciones,
actividades de servicios administrativos y de apoyo y, actividades de atención de la
salud humana y de asistencia social. El color amarillo identifica que los subsectores de
actividades profesionales, científicas y técnicas, actividades inmobiliarias, transporte y
almacenamiento, educación, alojamiento y servicios de comida y otros servicios, son
medianamente eficientes, eficacez y productivos. Por último, el color rojo identifica que
la unidad evaluada más alejada de la frontera es el comercio al por mayor y al por
menor; es decir, son ineficientes, ineficaces y con baja productividad.
No sobra resaltar que la curva que describe la frontera es de manera simultánea, el
nivel alcanzado por las unidades empresariales de eficiencia, eficacia y productividad,
por lo que en adelante se utilizará el término “frontera de eficacia”, siendo la eficacia el
producto de la eficiencia y de la productividad.
113
8.2.1 Resultados modelo propuesto DEA-BI con orientación a insumos (inputs)
Tabla 11. Frontera eficaz: retornos variables con orientación a insumos
Fuente: Elaboración propia – resultados Frontier Analyst
En una economía como la colombiana de nivel de desarrollo medio – bajo si tenemos
en cuenta el ingreso per cápita, algunos sectores generan más valor agregado y otros
generan más empleo. En estas circunstancias, el sector manufacturero de acuerdo a su
peso dentro del PIB genera menos empleo en términos absolutos, pero mayor valor
agregado en términos relativos. A su vez, los sectores de servicios y comercio, generan
mayores niveles de empleo en términos relativos, pero menor valor agregado en
términos absolutos.
La siguiente ilustración muestra empíricamente con base en los resultados del DEA a
través de las comparaciones de las DMU más eficaces versus las que alcanzan
menores niveles, las mejoras potenciales que pueden realizarse al interior de las
variables de medición consideradas, indicando que sería favorable la reducción de la
capacidad instalada en un -12.36%, así como el nivel de inventarios en un -7.43%; es
decir que están sobredimensionadas las capacidades instaladas, hay exceso en el nivel
de inventarios, es necesario el aumento de las ventas y en el margen de operaciones
significativamente y es necesario la reducción en la relación capital – trabajo para evitar
que la productividad del capital sea negativa.
114
Ilustración 64. Mejoras potenciales – orientación a entradas
Fuente: Elaboración propia – resultados Frontier Analyst
Las siguientes ilustraciones representan de forma desagregada el nivel de eficacia,
eficiencia y productividad de las unidades empresariales a nivel de sectores y
subsectores por medio de la ubicación sobre la frontera de las DMU obtenidas. En el
caso del subsector industrias manufactureras, alcanza el nivel máximo de eficacia y se
encuentra sobre la curva de frontera. La ilustración 65 muestra la contribución de cada
variable en la evaluación de la DMU de ése subsector, mostrando que sólo los
inventarios tuvieron una contribución importante en contraste con la capacidad
instalada que no contribuyó con nada a dicha eficiencia. Hay que tener en cuenta que
los resultados del ejercicio están orientados a verificar el nivel de eficiencia, eficacia y
productividad en términos de minimización de requerimientos de insumos, lo anterior
significa que lo que más contribuye a dicha minimización es el nivel de inventarios,
seguido por el margen en las operaciones y el aumento de las ventas. Mucho menor es
la productividad del capital cuya minimización es menos flexible.
Fuente: Elaboración propia – resultados Frontier Analyst
Ilustración 65. Contribuciones input/output - Industria con orientación a insumos
115
La ilustración 66, evidencia a su vez que como el subsector es 100% eficaz, no es
posible alcanzar mejoras en la minimización de insumos.
Fuente: Elaboración propia – resultados Frontier Analyst
La gráfica 67 corresponde a la evaluación de los subsectores otros servicios, por medio
de las DMU el nivel alcanzado de estas es medianamente eficaz; es decir,
medianamente alejado de la frontera. Por su heterogeneidad y amplia cobertura se
escogieron estos subsectores los cuales concentran gran parte de la generación del
empleo. La ilustración 67 muestra a la izquierda que la mayor contribución en la
evaluación de la DMU se concentra en la variable margen de operaciones, seguida de
productividad y con una menor contribución en el nivel de inventarios. Por su parte, la
gráfica de la derecha de muestra un comparativo entre la DMU evaluada versus la
DMU actividades de servicios administrativos y de apoyo, en donde sobresale éste
último con un mayor uso de su capacidad instalada; sin embargo, en general el
subsector otros servicios tiene un comportamiento muy cercano a la eficiencia, la
eficacia y la productividad.
Fuente: Elaboración propia – resultados Frontier Analyst
Ilustración 66. Mejoras potenciales - Industria con orientación a insumos
Ilustración 67. Contribuciones input/output y comparación de referencia – Otros servicios con orientación a insumos
116
Como lo muestra la ilustración 68, en este subsector, las mejoras potenciales se
concentran principalmente en la reducción de la capacidad; esto es, en la subutilización
de la capacidad instalada, generando el aumento de los costos de producción, de
inventarios y reducción de las utilidades, siendo esto coherente con lo que se podría
esperar de las capacidades; es decir, que en general existe una capacidad máxima sin
utilizar, lo que indica que el aumento de la eficiencia, eficacia y productividad podría
darse en la reducción de dicha capacidad. La gráfica de la derecha muestra las
variables con mayor influencia son información y comunicaciones y, servicios
administrativos y la de menor influencia salud.
Fuente: Elaboración propia – resultados Frontier Analyst
El subsector comercio al por mayor y al menor, subsector que resulta ser el más
alejado de la frontera eficaz. La gráfica de la izquierda hace referencia a la contribución
de las variables en la evaluación de la DMU, indicando que la variable que contribuyó
mayoritariamente al menor nivel de eficacia alcanzado es la capacidad instalada.
Recordemos que como el ejercicio es orientado a la minimización de insumos, el
resultado significa por ende, que para mejorar el nivel de eficacia hay que disminuir
primero y en una alta proporción, la capacidad instalada o dicho de otra manera, el
subsector tiene sobre dimensionada dicha capacidad. Por su parte la ilustración de la
derecha compara la unidad más eficiente con la más ineficiente, en este caso el
subsector actividades de atención de la salud humana y de asistencia social superan la
Ilustración 68. Mejoras potenciales y contribuciones de variables – Otros servicios con orientación a insumos
117
escala del 100% de eficacia, siendo los sectores que superan el máximo nivel de
eficacia alcanzado son el aumento de ventas, y el margen en operaciones. Ello
obedece a que en este sector la demanda efectiva está determinada no por los
ingresos de los usuarios o consumidores, si no por los aportes del presupuesto público
al financiamiento de la salud, por su parte el margen de operaciones se explica debido
a que el sector atiende mucho menos pacientes de los que debería atender en relación
con los aportes de los usuarios y del estado.
Fuente: Elaboración propia – resultados Frontier Analyst
La ilustración 70 muestra que en el comercio la concentración de las mejoras es
prioritaria en el aumento de las ventas y en segunda instancia, en el margen de
operaciones; del mismo modo una reducción importante en el nivel de inventario que
jalone positivamente las ventas.
Fuente: Elaboración propia – resultados Frontier Analyst
Ilustración 70. Mejoras potenciales - Comercio al por mayor y al por menor orientación a insumos
Ilustración 69. Contribuciones input/output y comparación de referencia - Comercio al por menor y al por mayor con orientación a insumos
118
La ilustración 71 nos muestra los niveles de eficiencia, eficacia y productividad de toda
la economía colombiana por sectores en términos de eficacia, en escala de cero a uno
donde uno es 100% eficiente y cero totalmente ineficiente. El transporte y
almacenamiento presenta niveles de ineficiencia y muy escasa productividad; sin
embargo, su eficacia es alta dado que el aumento de ventas se encuentra en 1 y el
margen de operaciones 0.7. La información y comunicaciones junto con las actividades
profesionales, científicas y técnicas tienen un escenario similar, en donde son
ineficientes en inventarios, en capacidad instalada, en ambos subsectores la
productividad del capital está cerca del 0.05, y sus líneas eficaces mejoran en las
ventas con 1 y 0.98 respectivamente mientras que sus márgenes operacionales están
cerca del 0.7 en ambos casos. Aunque las actividades de servicios administrativos y de
apoyo son una unidad con resultados 100% eficientes, eficaces y productivas, los
resultados indican que son altamente ineficientes en inventarios, y en capacidad
instalada, al igual que su productividad; sin embargo, éstos contrastan con alta eficacia
representada en sus ventas y márgenes de operación. La educación presenta picos
ineficientes en los inventarios así como en su productividad, por el contrario, es 100%
eficiente en el uso de su capacidad instalada y altamente eficaz principalmente en el
aumento de ventas, seguido por el margen operacional. Las actividades de atención de
la salud humana y de asistencia social, son altamente ineficientes e improductivos, por
otra parte es plenamente eficaz en margen de operaciones y en ventas 0.9. En el
subsector otros servicios, teniendo en cuenta la heterogeneidad de éste, los resultados
varían entre picos ineficientes y baja productividad de capital al contrario de su línea
eficaz cercana a la frontera. El comercio se caracteriza por altamente ineficaz e
ineficiente, y de otro lado, un manejo de inventarios y productividad plenamente
eficiente, finalizando con una capacidad instalada altamente ineficiente. Para terminar,
la industria manufacturera tiene nivel de inventarios, capacidad instalada y
productividad ineficientes, en comparación con las variables margen de operaciones y
aumento de las ventas que son completamente eficientes.
119
Fuente: Elaboración propia – resultados Frontier Analyst
Los siguientes diagramas X-Y presentan las relaciones de eficiencia y productividad
como insumo de la eficacia.
Fuente: Elaboración propia – resultados Frontier Analyst
Ilustración 72. Correlación capacidad instalada - indicadores de eficacia con orientación a insumos
Ilustración 71. Revisión grupal orientación a insumos Azul claro: Transporte y almacenamiento
Rojo: Información y comunicaciones
Beige oscuro: Actividades profesionales, científicas y técnicas
Amarillo: actividades de servicios
administrativos y de apoyo
Naranja: Actividades de atención de la salud
humana y de asistencia social
Café: Educación
Beige claro: Otros servicios
Verde: Comercio al por mayor y al por menor
Gris: Industrias manufactureras
120
La ilustración 72 permite observar que con un una correlación baja del 14%, la
capacidad instalada tiene poca relación con el aumento de ventas, lo cual en un
ejercicio orientado a la minimización de insumos, nos muestra el
sobredimensionamiento de dicha capacidad en este subsector. De la misma forma el
margen de operaciones y la capacidad instalada no tienen una correlación fuerte
(16%), dado que el margen de operaciones está determinado por el volumen de ventas
y por ello la capacidad instalada no es determinante en este caso.
Fuente: Elaboración propia – resultados Frontier Analyst
La ilustración 73 indica una fuerte correlación e inversa entre el nivel de inventarios y el
aumento de ventas de -0.81; es decir, entre mayor sean los inventarios menor es el
volumen de las ventas. Igualmente, la relación entre los niveles de inventario y el
margen de operaciones presenta una fuerte correlación inversa, ya que el margen
operacional aumenta en la medida en que los inventarios disminuyen.
Ilustración 73. Correlación nivel de inventario - indicadores de eficacia
orientación a entrada
121
Fuente: Elaboración propia – resultados Frontier Analyst
La productividad del capital y el aumento de las ventas tienen una baja correlación
negativa, ello significa que en el subsector comercio el aumento de las ventas no está
jalonado por la productividad del capital, lo cual es lógico en un subsector que es
intensivo en mano de obra. Por su parte, la correlación entre la productividad del capital
y el margen operacional tienen una correlación fuerte e inversa debida principalmente a
que el margen operacional está fuertemente afectado por el costo del capital, lo cual
también es consistente en un subsector que tiene sobredimensionada la capacidad
instalada.
Los anteriores resultados corresponden a la evaluación simultánea de la eficiencia,
eficacia y productividad con retornos variables a escala, orientados a la minimización
de los requerimientos de insumos de los sectores de la economía.
8.2.2 Resultados modelo propuesto DEA-BI con orientación a productos (outputs)
Los resultados que se presentan en esta sección pertenecen a la evaluación de los
DMU con retornos variables a escala orientados a la maximización de salidas (outputs).
La estructura de la tabla 12 presenta en la primera columna denominada “Units” en
donde se ubican los sectores productivos para este ejercicio DEA orientado a la
Ilustración 74. Correlación productividad del capital - indicadores de eficacia orientación a entradas
122
maximización de outputs como son la industria, los servicios y el comercio. Al igual que
en el ejercicio anterior, los resultados de las comparaciones se agrupan en las
siguientes tres columnas con calificaciones de: altamente eficientes, que en nuestro
caso equivale a eficacez y una condición que indica si se encuentran sobre la frontera o
no mediante un indicador que muestra en color verde las unidades empresariales
altamente eficientes, eficaces y productivas de manera simultánea. Por su parte, en
color amarillo presenta las unidades empresariales con DMUs medianamente
eficientes, eficaces y productivas y finalmente en color rojo, están las unidades
empresariales con DMUs ineficientes.
Los resultados permiten observar que el sector de la economía más alejado de la
frontera eficaz es comercio al por menor y al por mayor, así mismo, los sectores
medianamente eficientes, eficaces y productivos son actividades profesionales,
científicas y técnicas, actividades inmobiliarias, transporte y almacenamiento,
educación, alojamiento y servicios de comida y otros servicios. Finalmente los
subsectores que conforman la frontera altamente eficaz con ésta orientación a
resultados son la industria manufacturera; junto con los subsectores de servicios como
información y comunicaciones, actividades de servicios administrativos y de apoyo y
finalmente el subsector de actividades de atención de la salud humana y de asistencia
social.
Tabla 12. Retornos variables con orientación a salidas
Fuente: Elaboración propia – resultados Frontier Analyst
123
Los resultados del modelo propuesto DEA - BI con base en comparaciones de
unidades de decisión más eficientes frente a las menos ineficientes, muestras las
mejoras potenciales con el enfoque orientado a los resultados, determinando que
éstas deben concentrarse en el aumento de las ventas y en el margen operacional en
las unidades evaluadas.
Ilustración 75. Mejoras potenciales – orientación a los resultados
Fuente: Elaboración propia – resultados Frontier Analyst
Al igual que en la orientación a insumos, las siguientes ilustraciones presentan de
forma desagregada el nivel de eficacia, eficiencia y productividad de las DMU a nivel de
sectores y subsectores con base en los resultados de frontera obtenidos.
Esta orientación coindice en el caso del subsector de industrias manufactureras con
orientación a insumos, en donde al igual que con orientación a resultados, esta DMU
alcanza el nivel máximo de eficacia y se encuentra sobre la frontera eficaz, lo que
permite afirmar que no es posible alcanzar mejoras mediante la maximización de
resultados, como lo evidencia la siguiente ilustración.
124
Fuente: Elaboración propia – resultados Frontier Analyst
En esta evaluación la DMU del subsector otros servicios, coincide en un resultado
medianamente eficaz (ilustración 77). Recordemos que este sector por su
heterogeneidad y amplia cobertura, se escogió dado que concentra gran parte de la
generación de empleo. Las contribuciones de entradas y salidas en la izquierda
corresponden principalmente al aumento de las ventas, seguido de capacidad
instalada; siendo el nivel de inventarios, el margen en operaciones y la productividad
del capital los que tienen un aporte menor en la evaluación. Al comparar éste subsector
con información y comunicaciones el cual es parte de la frontera eficaz, el sector
servicios presenta resultados equivalentes al 100%, siendo correcto afirmar que el
subsector otros servicios tiene un comportamiento eficiente, eficaz y productivo. Bajo
este enfoque también es posible afirmar que en general el subsector otros servicios
tienen un comportamiento muy cercano a la eficiencia, la eficacia y la productividad.
Fuente: Elaboración propia – resultados Frontier Analyst
Ilustración 77. Contribuciones input/output y comparación de referencia – Otros servicios con orientación a resultados
Ilustración 76. Contribución de entradas y salidas y mejoras potenciales - Industria con orientación a resultados
125
La ilustración 78 muestra a la izquierda que el subsector otros servicios debe
concentrar las mejoras en la reducción de la capacidad instalada con una reducción del
-48%. Cabe recordar que la subutilización de la capacidad instalada, genera costos de
producción, inventarios y reducción de utilidades; es decir, que la reducción de la
capacidad instalada implica el aumento de la eficiencia, la eficacia y la productividad.
En cuanto a la gráfica de la derecha, muestra una contribución en margen de
operaciones y nivel de inventarios superior de la DMU actividades de atención de la
salud humana y de asistencia social y en cuanto a la capacidad instalada es mayor en
información y comunicaciones.
Fuente: Elaboración propia – resultados Frontier Analyst
Con esta orientación se reitera que el comercio al por menor y al por mayor es el
subsector más ineficaz, así como el subsector que genera menor valor agregado en
términos absolutos. Teniendo en cuenta que ésta orientación verifica los niveles de
eficiencia, eficacia y productividad enfocados en la maximización de los resultados, la
gráfica de la izquierda muestra que la mayor contribución de las variables de entrada y
salida en dicha maximización para la DMU comercio al por mayor y al por menor
fueron: el nivel de inventarios, la productividad del capital y en menor medida la
capacidad instalada, como variables de entrada y el margen en operaciones como
variable de salida. De la misma forma, la gráfica de la derecha compara los
subsectores actividades de atención de la salud humana y de asistencia social con
comercio al por mayor y al por menor, la cual supera la frontera eficaz en las dos
variables que la confirman: aumento de ventas y margen de operaciones.
Ilustración 78. Mejoras potenciales y contribuciones de variables – Otros servicios con orientación a resultados
126
Fuente: Elaboración propia – resultados Frontier Analyst
La ilustración 79 muestra a la izquierda que un aumento en las ventas es
imprescindible como mejora potencial, seguido del margen de operaciones, lo que
reduciría directamente el nivel de inventarios reduciéndolo, igualmente esto afectaría
positivamente la productividad del capital. También presenta una reducción en la
capacidad instalada en un -68%.
Fuente: Elaboración propia – resultados Frontier Analyst
La revisión grupal de la evaluación con retornos variables orientados a resultados nos
muestra los niveles de eficiencia, eficacia y productividad de toda la economía
colombiana por sectores (Ilustración 80) y cabe recordar que en escala de 1 a 0, donde
1 es eficiente y 0 es ineficiente. El subsector Transporte y almacenamiento es
ineficiente y altamente improductivo; por el contrario, su frontera eficaz mejora en
especial con el aumento de ventas con 1, y margen de operaciones en 0.7. La
información y comunicaciones son en general ineficientes e improductivas; sin
embargo, al igual que en el subsector anterior, su línea de eficacia mejora en especial
con el aumento en las ventas, seguido de cerca con el margen de operaciones. Las
Ilustración 80. Mejoras potenciales - Comercio al por mayor y al por menor con orientación a resultados
Ilustración 79. Contribuciones input/output y comparación de referencia - Comercio al por menor y al por mayor con orientación a salidas
127
actividades profesionales, científicas y técnicas, son ineficientes y altamente
improductivos y su comportamiento como el de los anteriores sectores, no varía ya que
se repite una mejora significativa en el aumento de ventas con 1 y en margen de
operaciones cerca de 0.7. El subsector de actividades de servicios administrativos y de
apoyo, solo mejora levente los resultados de eficiencia reflejados en las variables
inventarios y capacidad; sin embargo la productividad es cero, lo que contrasta de
manera importante con su línea eficaz ya que tanto las ventas como el margen de
operaciones se encuentran en 1. La educación es un sector que si bien con cambia el
comportamiento ineficientes de los subsectores hasta ahora analizados, sí lo hace en
capacidad instalada en donde su eficiencia es del 100%, contrastando con la
improductividad ubicada en el 0%. También mejora su línea eficiente con 90% en las
ventas y 80% en margen operacional. El nivel de eficiencia de las actividades de
atención de la salud humana y de asistencia social es demasiado bajo, en general con
nivel de inventarios en 0.1, una capacidad instalada cerca del 0.05, cerca de la
productividad de capital con 0; sin embargo, con respecto a la línea eficaz, sus niveles
están en margen de operaciones es 1 y en aumento de ventas 0.9. El subsector otros
servicios sigue el comportamiento general de ineficiencias en inventario y capacidades,
una muy baja productividad y finalmente una línea eficaz cerca del óptimo. El comercio
al por mayor y al por menor, cambia el escenario a una óptima eficiencia a nivel de
inventarios y productividad, manteniendo un bajo comportamiento en la capacidad
instalada, de la misma forma, rompe con los descritos anteriormente en la línea eficaz,
siendo éste el más ineficaz de los sectores presentados. Finalmente la industria
manufacturera está con un nivel de inventarios en línea 0, capacidad instalada
ineficiente así como la productividad del capital y una línea eficaz que aleja al sector de
la frontera. Esta revisión grupal da un panorama de los enfoques de cada sector y sus
mayores enfoques estratégicos, estos es por ejemplo que el sector comercio da un
mayor valor a los inventarios, en donde se encuentra una eficiencia del 1, seguido por
la productividad del capital y el aprovechamiento de la capacidad instalada. De otro
lado la industria se enfoca principalmente en las ventas y en los márgenes
operacionales.
128
Fuente: Elaboración propia – resultados Frontier Analyst
La ilustración 81 reitera en este ejercicio orientado a la maximización de resultados, la
baja correlación existente entre las ventas y la capacidad instalada, ya que la segunda
afecta a la primera en un 14%, ratificando el sobredimensionamiento de la capacidad
en este subsector. Igualmente sucede que con la correlación entre la capacidad y el
margen de operaciones en esta evaluación, dando como resultado una relación del
16%. Cabe mencionar que en el margen de operaciones la capacidad instalada no es
un determinante, como sí lo es el volumen de ventas.
Ilustración 81. Revisión grupal con orientación a resultados
Azul claro: Transporte y
almacenamiento
Rojo: Información y comunicaciones
Naranja: Actividades profesionales,
científicas y técnicas
Amarillo: Actividades de servicios
administrativos y de apoyo
Gris: Educación
Café claro: Actividades de atención de
la salud humana y de asistencia social
Café oscuro: Otros servicios
Beige: Comercio al por mayor y al por
menor
Verde: Industrias manufactureras
129
Fuente: Elaboración propia – resultados Frontier Analyst
La ilustración 82 confirma bajo esta evaluación una fuerte correlación e inversa entre
ventas e inventarios con un -0.81, lo cual como ya se había expresado anteriormente,
es la afectación entre el aumento de las ventas ocasionando una disminución de los
niveles de inventarios. De la misma forma sucede con la relación entre los inventarios y
el margen de operaciones con una fuerte correlación inversa, ya que el margen
operacional aumenta en la medida en que los inventarios disminuyen.
Fuente: Elaboración propia – resultados Frontier Analyst
Continuando con las comparaciones de los resultados con orientación a insumos frente
a la orientación a resultados, en las correlaciones entre productividad y los indicadores
de eficacia aumento de ventas y margen operacional, su afectación es importante como
Ilustración 82. Correlación capacidad instalada - indicadores de eficacia con orientación a salidas
Ilustración 83. Correlación nivel de inventario - indicadores de eficacia orientación a salidas
130
se puede ver en la ilustración 81. A la derecha, la ilustración indica una fuerte
correlación negativa entre productividad del capital y el aumento de las ventas, ello
significa que en el subsector comercio el aumento de las ventas no está jalonado por la
productividad del capital. Por su parte, la correlación entre la productividad del capital y
el margen operacional tienen una correlación fuerte negativa debida como ya se había
dicho anteriormente, principalmente a que el margen operacional está fuertemente
afectado por el costo del capital.
Fuente: Elaboración propia – resultados Frontier Analyst
9. CONCLUSIONES Y RECOMENDACIONES
Como se evidenció desde el estado del arte sobre la problemática de las Pymes en
América Latina y en Colombia, se encontró que, a pesar de su gran proliferación y su
participación en cuanto a sus aportes al crecimiento del producto y el empleo, sus
indicadores de producción e inversión son bajos, sus procesos productivos son poco
modernas y adolecen del dinamismo necesario para tener mayores participaciones en
el desarrollo económico y social. A nivel sectorial las Mipymes en Colombia se
concentran en el comercio y los servicios y solo alrededor de una tercera parte se ubica
en el sector industrial, dentro de un patrón muy similar a nivel latinoamericano.
De acuerdo con los diversos estudios analizados, es baja la capacidad de acomodar
sus estructuras para responder a los rápidos cambios en la demanda de sus productos.
Ilustración 84. Correlación productividad del capital - indicadores de eficacia orientación a salidas
131
De igual manera, les falta dinamismo y flexibilidad para reubicarse en subsectores
productivos más rentables que vayan mucho más allá del comercio de bajo valor
agregado y los servicios, tienen baja capacidad para invertir en innovación y cambios
tecnológicos, agruparse en cadenas productivas para generar economías de escala,
inhiben su capacidad para convertirse en alternativa viable como fuente de ingresos
más allá de la mera subsistencia o remplazo de salarios.
Debido al anterior panorama, las pymes para estar a la vanguardia de la flexibilidad y el
dinamismo que exigen las tendencias modernas de los mercados, deben rediseñar sus
procesos productivos a nivel de las áreas funcionales y de sus operaciones, con el fin
de generar capacidad de respuesta oportuna y efectiva, es decir en tiempo real, para
ser altamente productivas y competitivas. Ello requiere no sólo la minimización de los
requerimientos de las relaciones insumo producto, sino de la maximización de los
niveles de producción, comercialización y ventas.
Para ser eficientes y efectivas las empresas necesitan identificar y asignar de forma
muy flexible y precisa, los conjuntos de variables de entrada y de salida, que les
permitan alcanzar la eficiencia y la efectividad en el proceso de la toma de decisiones.
Para ello es indispensable contar con herramientas como el análisis envolvente de
datos (DEA) el cual proporciona una evaluación integral y simultánea de los conjuntos
de requerimientos de insumos frente a las metas de todas y cada una de las áreas
funcionales de cualquier organización empresarial. El análisis que proporciona el DEA
de manera aislada, sería insuficiente para responder en tiempo real a la dinámica de
los mercados y estaría limitado por las necesidades de información adecuada y
suficiente del entorno empresarial. Debido a ello para la presente investigación, se
planteó reforzar el análisis DEA, a través de la especificación de un modelo de
orientación integral al entorno empresarial con base en el BI Business Intelligence, que
básicamente consiste en el interface de un sistema de información y comunicación que
a través de las actividades de monitoreo, permita identificar las necesidades
innovadoras de respuesta competitiva, eficiente y efectiva a los cambios de las
demandas del entorno, sistematizando y evaluando de manera simultánea los riesgos y
132
el impacto de las decisiones, focalizándose en la medición en puntos clave de control,
medición y mejora continua de la eficiencia, la eficacia y la productividad.
Una vez establecido el criterio de eficacia, la eficiencia y la productividad de las
empresas, dependen de la precisión, integridad, disponibilidad y accesibilidad, así
como de otras características de calidad e integración y actualización de la información
que nutren la toma de decisiones.
La integración del DEA y el BI en el modelo propuesto y especificado para esta
investigación, permite un enfoque integral en el uso eficiente de las capacidades, los
ingresos y los costos; orientado en primer lugar hacia la eficacia desde el punto de vista
de las ventas, es decir, la realización de la producción en los mercados, en segundo
lugar a la productividad concentrada en los activos y sus relaciones insumo producto y
en tercer lugar hacia las utilidades, cuyos datos representan con precisión la realidad, a
partir de una estructura integrada, siendo sus elementos coherentes y consistentes con
los valores definidos en los rangos meta para el negocio, lo que equivale a calidad
óptima en la toma de decisiones.
La integración del modelo DEA – BI admite de manera simultánea captar y analizar de
forma más precisa información clave sobre el dinamismo de los mercados y sus
oscilaciones, permitiendo identificar las variables y comportamientos que subyacen a
las dinámicas de oferta y demanda y poder jerarquizar las preferencias de los
consumidores a las que están dirigidos los productos y servicios que ofrecen las
pymes. Con ello se toman decisiones óptimas para perfilar una oferta programada
eficiente en las capacidades y costos, eficaz en los ingresos y utilidades y,
competitividad en cuanto a la planeación de la oferta de productos o servicios y en los
activos destinados para tal fin. Es por eso que las estrategias y la materialización de las
metas de ventas son vitales en el proceso de toma decisiones, las cuales deben estar
bajo control y estar en permanente observación, de manera que se direccionen de
manera óptima el uso de los recursos disponibles. Es por ello que la integración del
DEA y el BI generan la capacidad de acopiar y procesar grandes cantidades de datos,
133
encontrar patrones de comportamiento y manejar la incertidumbre, mostrando la
probabilidad de un resultado deseado cuando una alternativa determinada es elegida.
Como se demostró a partir de los resultados obtenidos del modelo especificado DEA –
BI la medición simultánea de la eficiencia, eficacia y productividad generó
empíricamente la frontera de maximización de la eficacia en términos de desempeño
de los sectores de la economía determinando las unidades que alcanzaron el máximo
rendimiento, de acuerdo con los requerimientos de factores, insumos y tecnologías de
producción disponibles.
Los resultados obtenidos son concluyentes y demuestran que el sector industrial es el
más eficaz, eficiente y de mayor productividad para el período estudiado, lo cual
permite colegir que cuando se consideran de manera integral la utilización de los
insumos y factores productivos frente a los resultados en términos de ventas efectivas,
el sector industrial del país es el que alcanza un mejor nivel de desempeño frente a los
retos y cambios que le presenta el mercado.
Seguidamente y en orden descendente de importancia, los resultados del sector
servicios muestran un nivel de eficacia muy cercano al sector industrial (97%) lo cual
nos indica que pese a su naturaleza heterogénea y diversa, también responde muy
bien ante los retos y dinámicas del mercado.
Finalmente en cuanto al comercio, sus resultados muestran que está muy por debajo
de la industria y el comercio y ello puede estar influyendo significativamente sobre el
bienestar de la población.
Un comercio, ineficiente, de baja productividad e ineficaz en la realización de los bienes
y servicios que generan los sectores industriales y de servicios, se traduce en altos
precios, pocas y obsoletas opciones de oferta hacia los consumidores y altos de costos
operativos en razón no sólo a los inventarios sino a su baja rotación.
134
Esta conclusión es tal vez una de las más importantes ya que en Colombia es evidente
que en muchos de los grandes, medianos y pequeños establecimientos de comercio se
observa que ni en épocas de crisis bajan sus precios, comercializan y mantienen
grandes inventarios con referencias de productos ya descontinuados en los mercados
mundiales.
Por último, la excesiva proliferación (en Colombia por cada establecimiento
manufacturero existen entre 7 y 9 establecimientos de comercio) de empresas de
comercialización vendiendo productos muy similares generan una gran ineficiencia que
se transmite principalmente a los consumidores disminuyendo su bienestar y retrasa la
dinámica de inversión y producción de los sectores industrial y de servicios.
Recomendaciones
A través de los resultados alcanzados en el presente trabajo, se demostró que no sólo
es posible sino también indispensable que las empresas deben poder estimar de
manera simultánea los niveles de eficiencia, eficacia y productividad, tanto en términos
de minimización de requerimientos de insumos, como para la maximización de metas
de producción y ventas, identificando lo que más contribuye a dicha minimización para
alcanzar las máximas metas posibles de producción compatibles con las ventas
efectivas.
Para la implementación del modelo DEA – BI especificado de manera similar al de la
presente investigación se recomienda en primera instancia identificar las variables
clave desde donde se busca analizar a nivel sectorial o sub sectorial aspectos de
eficiencia, eficacia o productividad. Para ello es conveniente focalizar a nivel micro
sectorial subsectores que por sus características, no son directamente observables en
ejercicios con el nivel de agregación de ésta investigación.
El diseño del modelo integral DEA – BI se puede implementar no sólo en el sector real
de la economía en cualquier arreglo de tiempo, sino también incluir el sector financiero
135
e incorporar un mayor nivel de complejidad según lo demanden los objetivos del
estudio.
Se recomienda utilizar las herramientas de Power BI y Frontier analyst por su facilidad
y accesibilidad.
136
10. BIBLIOGRAFÍA
Acopi, Cámara de Comercio de Bogotá, BID, Bancoldex, Banco de la República,
UDES. (2014). La Gran Encuesta Pyme. Informe de Resultados. Bogotá, D.C.: Asociación Nacional de Instituciones Financieras ANIF, Centro de Estudios Económicos.
Adam, F., & Heavin, C. (2010). Establishing an Operational Approach Management in Small to Medium Sized Software Enterprises - Building a Typology of Knowledge Scenarios. 11th European Conference on Knowledge Management (págs. 443-454). Portugal: Universidade Lusíada de Vila Nova de Famalicao.
Adler, N., Friedman, L., & Sinuany-Stern, Z. (2002). Review of ranking methods in the data envelopment analysis context. European journal of operational research, 249-265.
Aguilar Romero, M., & Rodríguez, J. (2016). Comparación de opciones para inteligencia de negocios en los principales sistemas gestores de bases de datos del mercado. Economía y Administración (E&A), 5-20.
Aguilar Santamaría, P. (2009). La Productividad como Factor de Competitividad para las Pymes – una perspectiva a nivel micro. Bogotá D.C., Colombia: Colegio de Estudios Superiores de Administración – CESA.
Ahumada Tello, E., & Perusquia Velasco, J. (2016). Inteligencia de negocios: estrategia para el desarrollo de competitividad en empresas de base tecnológica. Contaduría y administración, 127-158.
Alfonso Lizarazo, E., & Gutiérrez Franco, E. (2007). Evaluación de eficiencia radial en el sector agroindustrial a través del modelo DEA con salidas no deseadas. Ingeniería, 12(2), 39-45.
Almazán Morale, J., Méndez Salvatorio, A., & Lee Kim, H. (Julio - Diciembre de 2013). Balanced score card (BSC). ¿Una herramienta innovativa para las pymes mexicanas? Revista de Investigación en Ciencias y Administración - Inceptum, VIII(15), 85-109.
Alomoto, N., Acuña, C., Salvador, M., Ortíz, J., & Ruiz-Torres, A. (2015). La gestión de la cadena de suministro en Ecuador: caso de las PYMES. Revista Arbitrada Formación Gerencial, 170-197.
Aragón Sánchez, A., & Rubio Bañón, A. (2005). Factores asociados con el éxito competitivo de las pyme industriales en España. Universia Business Review, 36-51.
Arellanos Maicelo, J. (Enero-Junio de 2016). Evaluación del desempeño financiero del sector de empresas industriales peruanas, período 2010-2014. Ex Cathedra en Negocios, 1(1), 18-28.
Arieu, A. (s.f.). Eficiencia técnica comparada en elevadores de granos de Argentina, bajo una aplicación de análisis de envolvente de datos. La situación del puerto de Bahía Blanca. Universidad Tecnológica Nacional.
Ayala Calvo, J., & Alcalá Valentín, J. (2015). Pymes resistentes a las crisis: factores relevantes. Boletín de Estudios Económicos, 5-29.
137
Ayala Montenegro, D. (2017). Planificación financiera de mediano plazo para mejorar la gestión, productividad y competitividad de la empresa. Caso: Corrugadora Nacional Cartones SA (Doctoral dissertation, PUCE). Quito: Pontificia Universidad Católica del Ecuador.
Bain & Company. (03 de Diciembre de 2016). Bain & Company. Obtenido de Bain & Company: http://www.bain.com/index.aspx
Baltar, F., & Gentile, N. (2012). Métodos mixtos para el estudio de las decisiones estratégicas en las pymes. Global Conference on Business & Finance Proceedings, 7(1), 1060-1071.
Banco Interamericano de Desarrollo BID. (2007). Las Reformas Institucionales en América Latina. Washington - Bogotá D.C.: Banco Mundial en coedición con Mayol Ediciones S.A.
Banco Mundial. (2008). Colombia. Financiamiento bancario para las pequeñas y medianas empresas (Pyme). Informe No. 41610-CO. Bogotá D.C., Colombia: Banco Internacional de Reconstrucción y Fomento / Banco Mundial.
Banker, R. D. (1984). Estimating Most Productive Scale Size Using Data Envelopment Analysis. European Journal of Operations Research, 33-44.
Banker, R., Emrouznejad, A., Bal, H., Alp, I., & Ali Cengiz, M. (2013). Data Envelopment Analysis and Performance Measurement. Proceedings of the 11 th International Conference of DEA (pág. 404). Samsun, Turkey: Rajiv Banker, Ali Emrouznejad, Hasan Bal, Ihsan Alp, Mehmet Ali Cengi.
Barbosa Escandón, D., & Ayala Hurtado, A. (2014). Factores que influyen en el desarrollo exportador de las pymes en Colombia. Estudios Gerenciales, 172-183.
Barney, J. (1991). Firm resources and sustained competitive advantage. Journal of Management, 99-120.
Barrera Vargas, L., García Martínez, F., González Vargas, J., Cedillo Díaz, T., & Martínez Terán, M. (2017). Estudio de factibilidad para la creación de una empresa de consultoría de soluciones en business intelligence especializada en el área de ventas y finanzas en grandes empresas de transporte de carga. Ciudad de México: Instituto Politécnico Nacional.
Barzanti, L., Gaspari, M., & Saletti, D. (2009). Modelling decision making in fund raising management by a fuzzy knowledge system. Expert Systems with Applications, 466-478.
Becerra Cobos, J., Simbaqueva Buitrago, J., & Valenzuela Suarez, A. (Septiembre de 2013). Diseño e Implementación de redes IPv6 en MIPYMES: caso laboratorio de informática. Escuela Colombiana de Ingeniería Artículo Técnico. Bogotá, Colombia. Obtenido de http://repositorio.escuelaing.edu.co/bitstream/001/222/1/FA-Ingenier%C3%ADa%20de%20Sistemas-1030580047.pdf
Becerra Peña, D. (2013). La medición de la eficiencia y la productividad. Cuadernos de Economía, 251-259.
Becerril-Torres, O., & Munguía Vásquez, G. (2014). Productividad multifactorial, cambios técnico y en eficiencia de los estados de México. Explanans, 81-98.
Benavides Villarreal, D. (2017). Sistema ERP basado en inteligencia de negocios para el procesos de administración y toma de decisiones de la distribuidora DIMACO
138
de la ciudad de Tulcán (Bachelor's thesis). Tulcán, Ecuador: Uniandes - Repositorio Institucional.
Bianchi, P. (Agosto de 1996). Nuevo Enfoque en el Diseño de Políticas para las PYMES: Aprendiendo de la Experiencia Europea. Buenos Aires.
Bianchi, P., & Di Tommaso, M. (1999). El papel de las PYMES en un escenario global de cambio: hacia un nuevo enfoque de políticas. Encuentro, 17-32.
Bolívar Barón, H. (2015). Inteligencia de Negocios Aplicada a la Gestión de Conocimíento en PYME - Metaanálisis. Inteligencia de Negocios Aplicada a la Gestión de Conocimíento en PYME - Metaanálisis. Bogotá D.C., Cundinamarca, Colombia: Documento Borrador.
Boscá, J., Liernb, V., Martínez, A., & Sala, R. (2004). Análisis envolvente de datos: Optimización Bajo incertidumbre. Valencia: Series Monográficas 2.
Bustos Gutiérrez, M., & Condega Aguirre, A. (2015). La Organización: Análisis de la estructura Organizacional y elementos Administrativos de la Empresas (Doctoral dissertation, Universidad Nacional Autónoma de Nicaragua). Managua: Universidad Nacional Autónoma de Nicaragua.
Cabrera Monroy, F., García Valderrama, T., & Sánchez Ortíz, J. (2017). Priorización de Carteras de Proyectos de I+ D a través del Data Envelopment Analysis. Revista Española de Financiación y Contabilidad, 1-39.
Cabrera Regalado, E., & Méndez Rengel, S. (2017). Evaluación de la Eficiencia de las Empresas Constructoras del Ecuador, mediante el Análisis Envolvente de Datos. Cuenca, Ecuador: Universidad del Azuay.
Cabrera, Á., De la Cuadra, S., Galetovic, A., & Sanhueza, R. (Enero de 2002). Las pyme: quiénes son, cómo son y qué hacer con ellas. Recuperado el 30 de 06 de 2017, de Santiago de Chile, Sociedad de Fomento Fabril (SOFOFA): http://www2.udec.cl/enech2002/paper27.pdf
Camacho Rubiano, Y., & Arámbula Carreño, Y. (15 de Marzo de 2016). Instrumentos de Diagnóstico de Eficiencia y Efectividad en los Procesos Productivos de las Mipymes del sector Confecciones de Barrancabermeja, Santander a través modelos mixtos. Revista Científica Integra, 5(1), 6-35. Obtenido de http://revistas.sena.edu.co/index.php/int/article/view/668/736
Camisón Zornoza, C., Boronat Navarro, M., & Villar López, A. (2010). Estructuras organizativas, estrategias competitivas y ventajas estratégicas de las Pymes. Mercados globalizados. Economía Industrial(375), 89-100.
Carmona, F. (2001). Números Índice. Barcelona, España: Universidad de Barcelona, Departamento de Estadística.
Carro Paz, R., & González Gómez, D. (s.f.). Capacidad y Distribución Física - Administración de las Operaciones. Argentina: Universidad Nacional de Mar del Plata.
Castañeda Parra, L. (Enero-Diciembre de 2014). Los sistemas de control interno en las Mipymes y su impacto en la efectividad empresarial. En Contexto. Revista de Investigación en Administración, Contabilidad, Economía y Sociedad(02), 129-146. Obtenido de http://ojs.tdea.edu.co/index.php/encontexto/article/view/139/124
Castro García, M., & Navarro Chávez, J. (2010). Las terminales contenedoras en el pacífico de América del Norte, 2005-2008: Un análisis a través de la envolvente
139
de datos (DEA). Red Internacional de Investigadores en Competitividad, 451-471.
Castro García, Y., & Navarro Chávez, J. (2017). Las terminales contenedoras en el pacífico de América del Norte, 2005-2008: Un análisis a través de la envolvente de datos (DEA). Red Internacional de Investigadores en Competitividad - Memoria del IV Congreso, 4(1), 451-471.
Castro, G., & Salazar, R. (2011). Eficiencia financiera del sector industrial de agroquímicos, Colombia, 2005. Economía Gestión y Desarrollo.
Castro, N. (2016). Ventajas y desventajas de la inteligencia de negocios Business Intelligence (BI). Panamá: Universidad Latina De Panama.
Caviedes, N., & Díaz Lombana, F. (2016). Análisis de la eficiencia de la regulación de los precios de los medicamentos en Colombia 2008 y 2014. Bogotá D.C.: Universidad Santo Tomás.
Centro de Estudios Económicos ANIF, Banco de La República, Bancoldex, BID. (2016). Gran Encuesta Pyme Nacional. Informe de resultados, Primer semestre 2016. Colombia: Asociación Nacional de Instituciones Financieras ANIF.
CEPAL Naciones Unidas - Schuschny, Andrés Ricardo. (2007). El método DEA y su aplicación al estudio del sector energético y las emisiones de CO2 en América Latina y el Caribe. Santiago de Chile: CEPAL.
Charnes, A., Cooper, W., & Rhodes, E. (1978). Measuring the efficiency of Decision Making Units. European Journal of Operational Research, 429-444.
Charnes, A., Seiford, L. M., Lewin, A. Y., & Cooper, W. W. (2013). Data envelopment analysis: Theory, methodology, and applications. New York, USA: Springer Science & Business Media.
Chávez Meléndez, J., González Durán, N., & Guzmán García, J. (2011). Inteligencia de negocios y su relación con las universidades. El desarrollo de la gestión como vínculo de éxito. Red Internacional de Investigadores en Competitividad, 217-238.
Chediak, F., & Valencia A., L. (2008). Metodología para medir la eficiencia mediante la técnica de análisis envolvente de datos-DEA. Vector, 70-81.
Cheng, H., Lu, Y.-C., & Sheu, C. (2009). An ontology-based business intelligence application in a financial knowledge management system. Expert Systems with Applications, 3614-3622.
Chiang, C.-Y., & Lin, B. (2009). An integration of balanced scorecards and data envelopment analysis for firm's benchmarking management. Total Quality Management, 1153-1172.
Chiavenato, I. (2001). Administración de los Recursos Humanos. Argentina: Mc Graw Hill.
Cinset, Acopi, Fundación Konrad Adenauer. (2007). Encuesta de comportamiento y opinión de la pequeña y mediana industria en Colombia. Cuarto trimestre. Colombia: Cinset.
Cleri, C. (2007). El Libro de las pymes. Buenos Aires - México - Santiago - Montevideo: Ediciones Granica.
Coduras Martínez, A. (2010). Capacidades tecnológicas e innovadoras de las Pymes para la competencia en mercados globales. Economía Industrial, 365, 65-76.
140
Comesaña Benavides, F., & Sandoval Pérez, Á. (2008). La simulación como herramienta de apoyo a la inteligencia empresarial. Pontevedra, España: Universidad de Vigo.
Comisión de Regulación de Gas y Energía CREG. (2000). Metodología para la fijación de los gastos de AO&M de las empresas transportadoras de gas en Colombia. Bogotá D.C., Colombia: Comisión de Regulación de Gas y Energía CREG.
Comisión Económica para América Latina y el Caribe CEPAL. (2010). Políticas de apoyo a las PYME en América Latina entre avances innovadores y desafíos institucionales. Obtenido de Comisión Económica para América Latina y el Caribe CEPAL: http://archivo.cepal.org/pdfs/ebooks/politicas_apoyo_pymes.pdf
Contreras León, A., & Rodríguez Lozano, G. (2017). Measurement of Relative Efficiency of Cattle Farms with Technical Support. Revista Facultad de Ciencias Económicas: Investigación y Reflexión, 117-128.
Cooper, W. (25 de Agosto de 2008). DEAzone.com. Obtenido de General introduction to DEA: http://deazone.com/en/about/about-iroduction-to-dea
Coria, M. (2008). Eficiencia técnica de las universidades de gestión estatal en Argentina. Documento de Trabajo Nº 27. Buenos Aires, Argentina: Pontificia Universidad Católica Argentina, Facultad de Ciencias Sociales y Económicas, Departamento de Economía.
Cruz Mendivil, María Consuelo; Padilla Torres, Hugo Neftalí; Velderráin Pacheco, Fernanda - The Institute for Business and Finance Research. (2014). Factores que inciden en el desarrollo y permanencia de la micro, pequeña y mediana empresa en el país: caso de estudio: Navojoa. Global Conference on Business & Finance Proceeding (págs. 1425-1433). San José de Costa Rica: The Institute for Business and Finance Research.
Cruz Trejos, E., Restrepo Correa, J., & Medina Varela, P. (2009). Determinación de la eficiencia financiera a una empresa del sector metalmecánico. Scientia et technica, 305-310.
De Llano Monelos, P., Piñeiro Sánchez, C., & Rodríguez López, M. (2011). Determinación del fracaso empresarial mediante DEA: el caso de las pymes gallegas. X Congreso Galego de Estatística e Investigación de Operaciones. Pontevedra: Universidad de A Coruña.
Departamento Administrativo Nacional de Estadística DANE. (2009). Clasificación Insdustrial Internacional Uniforme de Todas las Actividades Económicas. Colombia: DANE.
Departamento Administrativo Nacional de Estadística DANE. (2014). Encuesta de Micro establecimientos. Bogotá D.C.: Departamento Administrativo Nacional de Estadística DANE.
Departamento Nacional de Planeación. (16 de 03 de 2015). Departamento Nacional de Planeación. Obtenido de Estadísticas y Estudios - Censo Económico 1990 y 2005: https://colaboracion.dnp.gov.co/CDT/Desarrollo%20Empresarial/INFORMACION_MIPYMES_act2012.pdf
Departamento Nacional de Planeación DNP. (2000). La Carga Fiscal en Colombia. Borradores de Trabajo. Bogotá D.C.: Departamento Nacional de Planeación DNP.
141
Díaz Fernández, F. (2017). Metodología de integración del ERP SAP Business One, Business Intelligence y sistemas satélites. Caso de estudio PYME Perú. Perú: Universidad de Piura.
Diaz Martínez, K., & De la Torre Schreiber, J. (2017). Implementación de un modelo de BI basado en tecnología SAP Hana para el proceso de producción en empresas textiles. Perú: Universidad Peruana de Ciencias Aplicadas.
Duan, S., & Deng, H. (2016). Data envelopment Analysis of the Efficiency of Australian Universities: an Empirical Study. Australia: Charles Sturt University.
Emrouznejad, A., & Cabanda, E. (2013). Handbook of Research on Strategic Performance Management and Meseaurement Using Data Envelopment Analysis. En I. Osman, A. Anouze, & A. Emrouznejad, Introduction to data envelopment analysis and its applications. Handbook of research on strategic performance management and measurement using data envelopment analysis (págs. 235-250). Hershey PA, USA: Business Science Reference.
Enríquez, L. A., Castorena, O. H., & Adame, M. G. El rendimiento de la PYME manufacturera a través de la gestión de los proveedores y de la cadena de suministro. (2014). Revista Iberoamericana de Cienc, 1(1), 133-145.
Espinosa, R. (25 de Febrero de 2010). Data Prix Knowledge is the goal. Obtenido de Data Prix Knowledge is the goal: http://www.dataprix.com/blogs/respinosamilla/navegaci-n-dimensional-cubos-olap-microstrategy-9
Esteban, A., Zárate, C., & Mortara, V. (2016). Modelo de Análisis de Datos de la Envolvente (DEA) con Variables no Discrecionales para Medir la Eficiencia de la Terminal Pesquera del Puerto de Mar del Plata. Buenos Aires, Argentina: Universidad Nacional de Mar del Plata.
Estrada Bárcenas, R., García Pérez de Lema, D., & Sánchez Trejo, V. (Abril-Junio de 2009). Estrada Bárcenas, Roberto; García Pérez de Lema, Domingo; Sánchez Trejo, Víctor Gabriel; (2009). Factores determinantes del éxito competitivo en la Pyme: Estudio Empírico en México. Revista Venezolana de Gerencia, 14, 169-182. Recuperado el 01 de Junio de 2017, de http://www.redalyc.org/html/290/29011523002/
Evgeniou, T., Poggio, T., Pontil, M., & Verri, A. (2002). Regularization and statistical learning theory for data analysis. Computational Statistics & Data Analysis, 421-432.
Fabian, F., Molina, H., & Labianca, G. (2009). Understanding decisions to internationalize by Small and Medium Sized firms located in an emerging market. Management International Review, 49, 537-563.
Farrell, M. (1957). The Measurement of Productive Efficiency. Journal of The Royal Statistical Society. Series A (General), Vol. 120, No. 3, 253-290.
Faulín, J., & Juan, Á. (Julio/Septiembre de 2005). Simulación de Monte Carlo con Excel. Ciencia y Técnica Administrativa, 5(1).
Fededesarrollo Centro de Investigación Económica y Social. (2007). El acceso al financiamiento de las mipymes en Colombia: el papel del Gobierno. Bogotá D.C.: Fededesarrollo Centro de Investigación Económica y Social.
Fernández Ortiz, R., & Castresana Ruíz-Carrillo, J. (2005). Capacidades directivas y aprendizaje en las Pymes Exportadoras. Cuadernos de Gestión, 5, 75-94.
142
Fernández, Z., & Revilla, A. (2010). Hacer de la necesidad virtud: los recursos de las pymes. Economía industrial, 53-64.
Figueroa García, A. (2017). Aplicación del modelo no paramétrico DEA (Análisis envolvente de datos) a un caso práctico: Eficiencia y productividad del sector pesquero gallego. La Laguna, Tenerife: Universidad de la Laguna.
Fink, M., & Kraus, S. (2007). Mutual Trust as a Key to internationalization of SMEs. Management Research News30, 674-688.
Flores Jiménez, R., Flores Jiménez, I., & Olguín Charrez, L. (s.f.). Globalización, competencia y eficiencia mipyme. Revista Pyme, 53-57.
Flores Romero, B., & González Santoyo, F. (2009). La competitividad de las Pymes Morelianas. Cuadernos del Cimbage No. 11, 85-104.
Flórez López, R., & Fernández Santos, Y. (2006). Aplicación del modelo DEA en la gestión pública. Un análisis de la eficiencia de las capitales de provincia españolas. Revista iberoamericana de contabilidad de gestión 7, 1-28.
Floyde, A., Lawson, G., Shalloe, S., & Eastgate, R. (2013). The design and implementation of knowledge management systems and e-learning for improved occupational health and safety in small to medium sized enterprises. Safety science, 69–76.
Freel, M., & Robson, P. (2004). Small firm innovations, growth and performance. International Small Business Journal, 22, 561-575.
Fuentes Pascual, R. (2011). Técnicas de Análisis Económico Aplicado II. Bloque III (Curso 2011-2012). Obtenido de Técnicas de Análisis Económico Aplicado II. Bloque III (Curso 2011-2012): https://scholar.google.com/scholar?gws_rd=ssl&um=1&ie=UTF-8&lr&q=related:KY3btOk2XIRGiM:scholar.google.com/
Fundación para la Educación Superior y el Desarrollo FEDESARROLLO. (2003). Las micro, pequeñas y medianas empresas en Colombia: diagnóstico general y acceso a los servicios financieros. 120: FEDESARROLLO.
Fundación Wikimedia Incorporated. (21 de Enero de 2016). Inteligencia Empresarial. FUNDES Latinoamerica. (3 de Noviembre de 2005). Obtenido de FUNDES
Latinoamerica: http://www.fundes.org/publicaciones FUNDES Latinoamérica. (2005). FUNDES Latinoamérica. Obtenido de Encuesta
Empresarial: http://www.fundes.org/publicaciones FUNDESA. (28 de Agosto de 2016). Fundación para el Desarrollo Socioeconómico del
Alto Aragón FUNDESA. Obtenido de Fundación para el Desarrollo Socioeconómico del Alto Aragón FUNDESA: http://www.fundesa.org/
Galindo Ramírez, N. (2017). Inteligencia artificial aplicada a las organizaciones (Bachelor's thesis, Universidad Militar Nueva Granada). Bogotá D.C.: Universidad Militar Nueva Granada.
Gálvez Albarracín, E., & García Pérez De Lema, D. (Enero-Marzo de 2012). Impacto de la innovación sobre el rendimiento de la MIPYME: un estudio empírico en Colombia. Estudios Gerenciales, 28(122), 11-28. Obtenido de http://www.scielo.org.co/pdf/eg/v28n122/v28n122a02.pdf
Garavito Triana, M., Gómez Soto, L., López Cadena, O., & Valencia Camacho, J. (2015). Diseño de herramienta de inteligencia de negocios para el manejo de la información de ventas de una empresa comercializadora de productos
143
agropecuarios. Bogotá D.C.: Institución Universitaria Politécnico Grancolombiano.
García Pérez, F., & Avella Camarero, L. (2010). Influencia de la competitividad sobre la decisión de exportación en las Pymes: efecto moderador de las condiciones del mercado interior. Revista Europea de Dirección y Economía de la Empresa, 19, 27-46.
Gartner Incorporated. (Enero de 2016). Gartner Inc. Obtenido de Gartner Inc.: http://www.gartner.com/it-glossary/business-intelligence-bi/
Gilmore, A., Carson, D., & Rocks, S. (2006). Networking in SMEs: Evaluating its contribution to marketing activity. International Business Review, 278-293.
Gölcükcü, A., & Bal, H. (2013). Data Envelopment Analysis and Performance Measurement. Proceedings of the 11 th International Conference of DEA (pág. 404). Samsun, Turkey: Rajiv Banker, Ali Emrouznejad, Hasan Bal, Ihsan Alp, Mehmet Ali Cengi.
González Bernal, L. M., Pedroza Latorre, L. V., & Soto Narváez, C. F. (2015). Sistema de información tecnológico para realizar la prevención y control de operaciones sospechosas del lavado de activos en la cooperativa de ahorro y crédito Coofipopular aplicando Inteligencia de Negocios. Bogotá D.C.: Institución Universitaria Politécnico Gran Colombiano.
González Cádiz, J. (2017). Análisis de la gestión municipal y la implicancia de las variables financieras, de infraestructura y de capital humano en su eficiencia: El caso de las municipalidades rurales de Ñuble. Chile: Universidad del Bío-Bío. Red de Bibliotecas.
González Correa, J., Sánchez Castañeda, S., & Velandia Quintero, D. (2016). Identificación y análisis de factores de éxito de la gerencia de proyectos en algunas PyMEs del sector TI en Bogotá DC Colombia. Bogotá D.C,, Colombia: Escuela Colombiana de Ingeniería Julio Garavito.
González Pérez, B. (2017). El diseño de sistemas de información basados en Análisis Envolvente de Datos y Retículos de Galois para la toma de decisiones sobre grupos estratégicos. Una aplicación al sector bancario español. León, España: Universidad de León.
González Pérez, B., Mendaña Cuervo, C., & López González, E. (2006). El Análisis de la Eficiencia del Sistema Universitario de Castilla y León. Una Introducción. León, España: Management Intelligent System Group.
González Villar, A., Ramoni Perazzi, J., & Orlandoni Merli, G. (2017). Eficiencia de las universidades estatales Colombianas. Comunicaciones en Estadística, 83-100.
González-Campo, C., & Hurtado Ayala, A. (2014). Influencia de la capacidad de absorción sobre la innovación: un análisis empírico en las mipymes colombianas. Estudios Gerenciales, 277-286.
Goti-Elordi, A., De-la-Calle-Vicente, A., Gil-Larrea, M.-J., Errasti-Opakua, A., & Uradnicek, J. (05 de Enero de 2017). , Ander; Uradnicek, Juraj (2017). Aplicación de un sistema Business Intelligence en un contexto Big Data de una empresa industrial alimentaria. DYNA-Ingeniería e Industria, 92(3), 347-353.
Grant, R. (1991). The Resource-Based Theory of Competitive Advantages: Implications for Strategy Formulation. California Management Review, 116-135.
144
Guarda, T., Santos, M., Pinto, F., Augusto, M., & Silva, C. (2013). Business intelligence as a competitive advantage for SMEs. International Journal of Trade, Economics and Finance, 187.
Guerra, María Fernanda; Salazar, Natalia - FEDESARROLLO, USAID United States Agency- International Development. (2007). El acceso al financiamiento de las mipymes en Colombia: el papel del Gobierno. FEDESARROLLO.
Guerras Martín, L., & Navas López, J. (2007). Dirección Estratégica de la Empresa, Teoría y Aplicaciones. Navarra, España: Editorial Aranzadi S. A.
Gutiérrez Ortiz, A. (2010). El Puerto de Lázaro Cárdenas y su eficiencia en la cuenca del pacífico (2003-2008): Un Análisis Envolvente de Datos. Morelia, Michoacán. México: Universidad Michoacana de San Nicolás de Hidalgo. Instituto de Investigaciones Económicas y Empresariales.
Gutiérrez Roa, L., & Vargas Salamanca, D. (2013). Modelo de Integración de la Teoría del Control e Inteligencia de Negocios para la Gestión del Conocimiento en Pymes. Repositorio Universidad Católica de Colombia, 1-96.
Gutiérrez Roa, L., & Vargas Salamanca, D. (2014). Modelo de integración de la teoría del control e inteligencia de negocios para la gestión del conocimiento en Pymes. Bogotá D.C.: Universidad Católica de Colombia.
Guzmán Raja, I. (2005). Predicción de resultados empresariales versus medidas no paramétricas de eficiencia técnica: evidencia para pymes de la Región de Murcia. Cartagena: Universidad Politécnica de Cartagena.
Guzmán, R., & Ortiz, M. (2007). Tamaño, eficiencia y uso de la capacidad instalada en las pequeñas y medianas empresas de la República Dominicana. Santo Domingo, República Dominicana: FondoMicro.
Hashimoto, A., & Ishikawa, H. (1993). Using DEA to evaluate the state of society as measured by multiple social indicators. Socio-Economic Planning Sciences, 257-268.
Hernández Castro, N., De la Garza Martínez, E., Araiza Garza, M., & Mireles Falcón, L. (2014). Análisis comparativo de factores competitivos de las pymes del estado de Colima, Durango y Veracruz. Revista Global de Negocios, 113-123.
Hossain, N., Sarkani, S., & Mazzuchi, T. (2012). The integration and impact of effective knowledge management systems in the advancement of the decision making process in complex organizations to realize economic growth. Procedia Computer Sciencia, 100-105.
Hsueh, L.-m., & Ying-yi, T. (2004). Innovation and the operational performance of newly established small and medium enterprises in Taiwan. Small business economic, 23, 99-113.
Hualde Alfaro, A. (1998). Pymes y desarrollo regional: la utilidad de los enfoques europeos y sus limitaciones. Revista Perfiles Latinoamericanos, 199-227.
Huamaní, G., Huamani, S., Salcedo, J., & Fernández, C. (Julio-Diciembre de 2016). Modelo de Análisis Envolvente de Datos (DEA) para Evaluar la Eficiencia de las Escuelas Profesionales de Ingeniería Industrial en el Perú con Enfoque de Desarrollo Sostenible. Revista Cientifica TECNIA, 26(2), 72-79. doi:http://dx.doi.org/10.21754/tecnia.v26i2.59
145
Hughes, A. (2001). Innovation and business performance: small entrepreneurial firms in the UK and the EU. H.M. Treasury,. Economic Growth and Government Policy, 157-163.
Huin, S., Luong, L., & Abhary, K. (2003). Knowledge-based tool for planning of enterprise resources in ASEAN SMEs. Robotics and Computer-Integrated Manufacturing, 409-414.
Huitrón Toledo, A., Zapata Nogales, E., & Zaragoza López, J. (2017). Solución de infraestructura aplicativa en la nube para pequeñas y medianas empresas. Ciudad de México: Instituto Politécnico Nacional.
Hung, Y.-H., Seng-Cho, T., & Gwo-Hshiung. (2011). Knowledge management adoption and assessment for SMEs by a novel MCDM approach. Decision Support Systems, 270.
INCP Instituto Nacional de Contadores Públicos – Colombia. (16 de Noviembre de 2017). INCP Instituto Nacional de Contadores Públicos – Colombia. Obtenido de INCP Instituto Nacional de Contadores Públicos – Colombia: https://www.incp.org.co/
Inmon, B. (2005). Language integration as a form of data integration. BeyeNETWORK. Inmon, W. (2002). Building The Data Warehouse. New York: John Wiley & Sons, Inc. Islas Rivera, V., Rivera Trujillo, C., Hernández García, S., & Zaragoza, M. (2010).
Análisis de las relaciones intersectoriales y la eficiencia técnica del Sector Transporte en México. Publicación Técnica No. 338. México: Secretaría de Comun.
Jansen, R., Vermeulen, P., Curseu, P., Geurts, L., & Gibcus, P. (2011). Social capital as a decision aid in strategic decision-making in service organizations. Management Decision, 49, 734-747.
Kakouris, A., Katarelos, E., & Panteledis, A. (2013). Assessment of Efficiency of Greek Airports. Proceedings of the 11 th International Conference of DEA (pág. 404). Samsun, Turkey: Rajiv Banker, Ali Emrouznejad, Hasan Bal, Ihsan Alp, Mehmet Ali Cengi.
Kimball, R., & Ross, M. (2013). The Data Warehouse Toolkit, Third Edition. The Definitive Guide to Dimensional Modeling. Indianapolis, Indiana, USA: John Wiley & Sons, Inc.
Larrán, J., Herrera Madueño, J., & Lechuga Sancho, P. (2010). El estado del arte en la investigación sobre Responsabilidad Social y Pymes. España: Universidad de Cádiz.
Lasi, H. (2013). Industrial intelligence-a business intelligence-based approach to enhance manufacturing engineering in industrial companies. Procedia CIRP, 384-389.
Lee, M., & Lan, Y.-C. (2011). Toward a unified knowledge management model for SMEs. Expert Systems with Applications, 729-735.
Liendo, M., & Martínez, A. (2001). Asociatividad. Una alternativa para el desarrollo y crecimiento de las PYMES. Sextas Jornadas" Investigaciones en la facultad" deficiencias económicas y estadística, 300-319.
Lluís Cano, J. (2012). Business Intelligent: Competir con información. Bogotá D.C.: Banesto Fundación Cultural, Escuela Banespyme, ESADE.
146
López Casasnovas, G. (2005). La evaluación del gasto sanitario en España en sus niveles y determinantes. España: Department of Economics and Business, Universitat Pompeu Fabra.
López Parra, M., González Navarro, N., & Vásquez Torres, M. (2016). Modelo de innovación para las pymes a partir de la práctica guiada. Revista Global de Negocios, 27-39.
Lopez, J., Fernández Henao, S., & Morales, M. (2007). Aplicación de la técnica DEA (Data Envelopment Analysis) en la determinación de eficiencia de centros de costos de producción. Scientia et technica. Scientia et Technica(37), 395-400.
Maldonado Guzmán, G., Hernández Castorena, O., & Aguilera Enríquez, L. (2017). Guzmán, G. M., Castorena, O. H., & Enríquez, L. A. La influencia de los procesos de producción en la competitividad de la Pyme de Aguascalientes. Red Internacional de Investigadores en Competitividad.
Malhotra, Y. (2001). Expert systems for knowledge management: crossing the chasm between information processing and sense making. Expert Systems with Applications, 7-16.
Mandujano, R. (2012). Las pymes: el cuarto sector de la economía/Smes: the fourth sector of the economy. Global Conference on Business & Finance Proceedings (pág. 828). USA: Institute for Business & Finance Research.
Manzano, F. (2017). El aporte de la dimensión geográfica en el análisis de los desequilibrios del mercado laboral argentino. Años 2001 y 2010. Geografia em Atos (Online), 19.
Marín Idárraga, D. (2012). Estructura organizacional y sus parámetros de diseño: análisis descriptivo en pymes industriales de. Estudios Gerenciales, 28(123), 43-63.
Márquez, T., Velásquez, A., Flores, S., Flores, J., & Garzón, H. (2017). Eficiencia técnica de Explotaciones De Maíz Ubicadas En El Municipio San Genaro, Portuguesa, Venezuela. Revista Unellez de Ciencia y Tecnología, 1-10.
Mastrocello, L. (2016). Desempeño de las PyME industriales argentinas, 2005-2011: Medición de eficiencia en la producción a través de un enfoque no-paramétrico. RAEsTA Revista Argentina de Estadística Aplicada.
Matamoros Zapata, R., & Giménez Aznar, J. (2010). Implantación en una empresa de un sistema Business Intelligence SaaS/On Demand a través de la plataforma LITEBI. Valencia, España: Universidad Politécnica de Valencia.
Medina-Chicaiza, R., Parra-Coba, J., & Acurio-Maldonado, S. (2017). Estrategia para la recepción de pedidos apoyada en predicciones de negocio con Business Intelligence. 3C Empresa, 46-58.
Melo-Becerra, L., Ramos-Forero, J., & Hernández-Santamaría, P. (2017). La educación superior en Colombia: situación actual y análisis de eficiencia. Desarrollo y Sociedad, 59-111.
Mendoza León, J., & Valenzuela Valenzuela, A. (2014). Aprendizaje, innovación y gestión tecnológica en la pequeña empresa: Un estudio de las industrias metalmecánica y de tecnologías de información en Sonora. Contaduría y administración, 253-284.
147
Mesa Botero, J., Pareja Álvarez, F., & Gonzalez-Perez, M. (2012). Modelos de internacionalización para las pymes colombianas/Internationalization Models for Colombian. Ad-minister, 63-90.
Meyer-Stamer, J., Messner, D., Hillebrand, W., & Esser, K. (1996). Competitividad Sistémica: Nuevo desafío a las empresas ya la política. CEPAL. Santiago de Chile, 39 - 52.
Microsoft Azure. (11 de Enero de 2017). Microsoft Azure. Obtenido de https://azure.microsoft.com/es-es/overview/what-is-saas/
Ministerio de Comercio, Industria y Turismo, Viceministerio de Desarrollo Empresarial, Dirección de Mipymes. (Diciembre de 2007). Ministerio de Comercio, Industria y Turismo, Viceministerio de Desarrollo Empresarial, Dirección de Mipymes. Obtenido de Ministerio de Comercio, Industria y Turismo, Viceministerio de Desarrollo Empresarial, Dirección de Mipymes: http://www.mincit.gov.co/mipymes/loader.php?lServicio=Documentos&lFuncion=verPdf&id=40783&name=ReporteMipymes01.pdf&prefijo=file
Ministerio de Comercio, Industria y Turismo. (2013). Obtenido de Ministerio de Comercio, Industria y Turismo.: http://www.mincomex.gov.co/VBeContent/newsdetail.asp?id=1292&idcompany=1
Ministerio de Proteccion Social - Universidad Nacional Abierta y a Distancia UNAD. (Julio de 2010). Convenio Interadministrativo 562 de 2010. Obtenido de Convenio Interadministrativo 562 de 2010: https://www.google.com.co/#q=MIPYMES_CTAS_DOC_FINAL_2010.pdf
Miró Pérez, A.-P. (2017). Productividad, Eficiencia Técnica e Internacionalización del Sector Químico español 2007-2011. Cataluña: Universidad Central de Cataluña.
Monserrate Ubillús Macías, J., Tamayo Cevallos, C., & Zambrano Intriago, M. (2016). Macías, J. M. U., Cevallos, C. D. T., & Intriago, M. M. Z. El control interno como herramienta eficiente en las pymes de la ciudad de Portoviejo. ECA Sinergia, 7(2), 6-15. doi:2528-7869
Montgomery, C., & Collis, D. (1995). Competing on Resources strategy in the 1990s. Harvard Business Review, 118-128.
Montoya, A., Montoya, I., & Castellanos, O. (5 de Marzo de 2010). Situación de la competitividad de las Pyme en Colombia: elementos actuales y retos. Agronomía Colombiana, 107-117.
Morales Rubiano, M., & Castellanos Domínguez, Ó. (2007). Estrategias para el fortalecimiento de las Pyme de base tecnológica a partir del enfoque de competitividad sistémica. Innovar, Revista de Ciencias Administrativas y Sociales, 17(29), 115-136.
Morales, M., Fernández Henao, S., & López, J. (2007). Aplicación de la Técnica DEA en la Determinación de Eficiencia de Centros de Costos de Producción. Scientia et Technica, 395-400.
Moscoso-Zea, O., & Lujan-Mora, S. (2017). Metodologías Sugeridas de Evaluación y Selección de Software de Arquitectura Empresarial para la Digitalización del Conocimiento. Enfoque UTE, 8(1), 315.
148
Muñoz-Salgado, F., Nava-Rogel, R., & Rangel Magdaleno, J. (2013). Capacidades innovadoras como estrategia de crecimiento en PYMES familiares. Revista de Empresa Familiar, 29-41.
Muresan, M., & Gogu, E. (2012). SMEs’ Public Involvement in the Regional Sustainable Development. Procedia-Social and Behavioral Sciences, 253-257.
Murillo Junco, M., & Cáceres Castellanos, G. (2013). Business intelligence y la toma de decisiones financieras: una aproximación teórica. Revista Logos Ciencia & Tecnología, 119-138.
Mutis, H. (2006). Una aplicación del análisis de frontera estocástica: el caso de hospitales de nivel II en Colombia. Lecturas Matemáticas, Volumen Especial, 259-270.
Najmi, A., Gholamian, M., & Makui, A. (2013). Supply chain performance models: A literature review on approaches, techniques, and criteria. JOSCM: Journal of Operations and Supply Chain Management, 94-113.
Naranjo Gaitan, I. (17 de Junio de 2008). Opinión-El uso de las tecnologías informáticas no debe ser ajeno para las PyMes. Noticias Financieras.
Negash, S. (2004). Business Intelligence. Communications of the Association for Information Systems, 177-195.
Nummela, N., & Saarenketo, S. (2010). International growth of small and medium enterprises. New York, London: Routledge, Taylor & Francis Group.
Núñez Rodríguez, A. (2004). Evaluación de la actividad de distribución eléctrica en España mediante fronteras de eficiencia. Madrid, España: Universidad Pontificia Comillas.
Nylund, A. (1999). Tracing the BI family tree. Knowledge Management, 60. Oppong, S., Yen, D., & Merhout, J. (2005). A new strategy for harnessing knowledge
management in e-commerce. Technology in society, 413-435. Ortíz González, J., Juárez Rodríguez, A., & Campos Miranda, B. (2015). Sistema de
inteligencia de negocios para PyMES en méxico (SINPy). México: Instituto Politécnico Nacional - Escuela Superior de Cómputo.
Ortiz, P. (2013). 5 ventajas de la Inteligencia de Negocios. Colombia: Revista Mprende. Othman, A., Yao, L., Mahdi, O., & Jing, W. (2011). A novel statistical model assessing
the self performance of knowledge management within SMEs in China. Procedia Engineering, 1758-1763.
Othman, A., Yaoa, L., Mahdi, O., & Jing, W. (2011). A novel statistical model assessing. The Self performance of knowledge management within Smes in China. Procedia Engineering, 1758-1763.
Parada Gómez, Á. (2002). Competitividad de las PyMEs: ¿cómo pueden las pequeñas y medianas empresas de Costa Rica competir en el mercado local e internacional? Economía y Sociedad, 127-143.
Paz Flores, J. (2010). IT Specialist, IBM, IBM DeveloperWorks. Obtenido de http://www.ibm.com/developerworks/ssa/local/data/dm-bi-pymes/
Peñate-Santana, Y. (2016). Análisis envolvente de datos (DEA): una alternativa viable para la evaluación de la eficiencia en universidades ecuatorianas. Estrategia y Gestión Universitaria, 25-41.
149
Pérez Uribe, R. (Deptiembre-Diciembre de 2004). Componentes empresariales en las MIPyMES colombianas. Revista Escuela de Administración de Negocios, 93-117. Obtenido de http://www.redalyc.org/html/206/20605208/
Peter Luhn, H. (1958). A Business Intelligence System. IBM Journal, 314-319. Peteraf, M. (Marzo de 1993). The Cornerstones of Competitive Advantage: A Resource-
Based View. Strategic Management Journal, 14(3), 179-192. Phonsuwan, S., & Kachitvichyanukul, V. (2011). Management system models to support
decision-making for micro and small business of rural enterprise in Thailand. Engineering Procedia, 498-503.
Pietrobelli, C., Porta, F., & Moori-Koenig, V. (2005). Pequeñas y medianas empresas en América Latina e internacionalización. Apertura, liberalización y políticas. Estudios y Perspectivas en Turismo, 97-163.
Porter, M. (1990). The Competitive Advange of Nations. Harvard Business Review, 73-93.
Porter, Michael E.; Delgado, Mercedes; Ketels, Christian; Stern, Scott - World Economic Forum. (2009). Moving to a new global competitiveness index. The global competitiveness report.
Power, D. (10 de Marzo de 2007). DSS Resources. Obtenido de http://DSSResources.COM/history/dsshistory.html
Power, D. (04 de 08 de 2017). Decision Support Systems Resources DSS Resources. Obtenido de Decision Support Systems Resources DSS Resources: http://dssresources.com/
Quesada, V., Blanco, I., & Maza, F. (2010). Análisis envolvente de datos aplicado a la cobertura educativa en el departamento de Bolívar-Colombia (2007-2008). Omnia, 77 - 100.
Quindós Morán, M., Rubiera Morollón, F., & Vicente Cuervo, M. (2003). Análisis envolvente de datos: una aplicación al sector de los servicios avanzados a las empresas del Principado de Asturias. Asociación Española de Profesores Universitarios de Matemáticas para la Economía y la Empresa, 1-9.
Quintanilha da Silveira, J., Baptista Soares de Mello, J., & Angulo-Meza, L. (2012). Evaluación de la eficiencia de las compañías aéreas brasileñas a través de un modelo híbrido de análisis envolvente de datos (DEA) y programación lineal multiobjetivo. Ingenieria. Revista Chilena de Ingeniería, 331-342.
Quispe Otacoma, A., Padilla Martínez, M., & Telot González, J. (2017). Los recursos empresariales de las pequeñas y medianas empresas comerciales (PyMES) de la ciudad de Ambato. Retos Turísticos, 16(1).
Quispe-Otacoma, A., Padilla-Martínez, M., Telot-González, J., & Nogueira-Rivera, D. (2017). Tecnologías de información y comunicación en la gestión empresarial de pymes comerciales. Ingeniería Industrial, 81-92.
Raphael, A., & Schoemaker, P. (1993). Strategic assets and organizational rent. Strategic Management Journal, 33–46.
Rasmussen, N., Goldy, P., & Solli, P. (2002). Financial business intelligence: trends, technology, software selection, and implementation. New York, USA: John Wiley & Sons Ltd.
Rausch, E., & Anderson, C. (2011). Enhancing decisions with criteria for quality. Management Decision, 49(5), 722-733.
150
Rekowski, M., & Kokocinska, M. (2013). Impacto de la crisis mundial en el empleo y la productividad de las PYMEs: El caso de las grandes economías europeas. Revista de Economía mundial, 121-136.
Rescala, C., Devincenzi, G., Rohde, G., Bonaffini, M., Giraldo, M., Bernaola, G., & Pavón, R. (2012). Dos Modelos para Determinar la Eficiencia de una Empresa Constructura. TRIM, 21-38.
Restrepo, J., & Vanegas, J. (16 de Octubre de 2009). Análisis del perfil financiero de las pymes del valle del Aburra y su acceso al crédito: una aproximación empírica. Ingeniería Industrial. Actualidad y Nuevas Tendencias, 43-54.
Rincón Quintero, M. (2017). Factores estructurales que limitan la implementación de sistemas de control interno en un grupo de pymes comerciales en Bogotá DC. Obtenido de Doctoral dissertation, Universidad Nacional de Colombia-Sede Bogotá: http://www.bdigital.unal.edu.co/57184/7/MauricioRinconQuintero.2017.pdf
Ríos Manríquez, M., Téllez Ramírez, M., & Ferrer Guerra, J. (2010). El empowerment como predictor del compromiso organizacional en las Pymes. Revista CyA, 103-125.
Ríos Manríquez, M., Toledo Rodríguez, J., Campos Olalde, O., & Alejos Gallardo, A. (2009). Nivel de integración de las tics en las Mipymes, un análisis cualitativo. Revista Raites, 157-179.
Rodeiro Pazos, D., & López Penabad, M. (2007). La innovación como factor clave en la competitividad empresarial: un estudio empírico en pymes. Revista galega de economía.
Rodríguez Flores, F., Flores Pulido, L., & Dávila de la Rosa, E. (11 de Octubre de 2016). Inteligencia de negocios y minería de datos aplicado a la industria refresquera. Research in Computing Science, 63–71.
Rodriguez Lozano, G. (1998). Aproximación preliminar al estudio de la eficiencia de 5 subsectores de la economía colombiana usando DEA. Innovar Journal Revista de Ciencias Administrativas y Sociales, 65-98.
Rodríguez Lozano, G., & Sarmiento Muñoz, M. (2017). La eficiencia relativa del sector real vs. la del sector financiero de la economía colombiana. Apuntes del Cenes, 36(64).
Rodríguez Mogollón, S. (2009). Gestión de pólizas de seguros: un caso práctico de business intelligence (Master's thesis). Madrid, España: Universidad Carlos III de Madrid.
Rodríguez, A. (2004). Pymes al descubierto. Revista Gerente No. 79, 26-27. Rohvein, C., Paravié, D., Urrutia, S., Roark, G., & Ottogalli, D. (2012). Diseño de un
instrumento para evaluar el desempeño de las actividades que integran la cadena de valor de pymes metalmecánicas de Olavarría. Revista INGE CUC, 7-32.
Rohvein, C., Paravie, D., Urrutia, S., Roark, G., Nunes, D., & Ottogalli, D. (2013). Metodología de Evaluación del Nivel de Competitividad de las Pymes/Assesment. Revista Ciencias Estrategicas, 49-68.
Rohvein, C., Paravie, D., Urrutia, S., Roark, G., Ottogalli, D., & Nuñez, D. (2013). Metodología de Evaluación del nivel de Competitividad de las Pymes. Revista Ciencias Estratégicas, 49-68.
151
Rojas Calvo, W., & Hernández Cáceres, J. (2017). Solución de inteligencia de negocios basada en minería de datos para apoyar la toma de decisiones en el proceso de cirugía del Hospital Departamental Universitario Santa Sofía de Caldas, en la ciudad de Manizales. Manizales: Universidad Autónoma de Manizalez - Repositorio Institucional.
Roldán, J. (2017). Análisis Costo-Beneficio al implementar mejoras constructivas térmicas para lograr una mayor calificación energética. Santiago de Chile: Universidad de Chile.
Román Martínez, J., Rojas Gamero, F., & Gallego Tamayo, J. (2011). Hacia una tipología empresarial basada en los factores explicativos de la intensidad innovadora. Revista Europea de Dirección y Economía de la Empresa, 20(1), 143-160, 187,189-190.
Romero Luna, I. (Julio/Septiembre de 2006). Las PYME en la economía global: Hacia una estrategia de fomento empresarial. Problemas del desarrollo, 37, 31-50. Recuperado el 01 de Junio de 2017, de http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S0301-703
Rubens, P. (17 de marzo de 2014). 6 Big Business Intelligence Mistakes. Obtenido de http://www.enterpriseappstoday.com/business-intelligence/6-big-business-intelligence-mistakes.html
Rubio Bañón, A., & Aragón Sánchez, A. (2008). Recursos estratégicos en las Pymes. Revista Europea de Dirección y Economía de la Empresa, 103-126.
Ruggiero, J. (2000). Theory and Methodology Measuring technical efficiency. European Journal of Operational Research, 138-150.
Ruíz Soria, H. (Octubre de 2003). Universitat Autónoma de Barcelona. (D. d. l'empresa, Ed.) Recuperado el 08 de Marzo de 2016, de http://www.uab.cat/servlet/BlobServer?blobtable=Document&blobcol=urldocument&blobheader=application/pdf&blobkey=id&blobwhere=1345650538047&blobnocache=true
Rusten, G., Bryson, J., & Gammelsæter, H. (2005). Dislocated versus local business service expertise and knowledge: the acquisition of external management consultancy expertise by small and medium-sized enterprises in Norway. Geoforum, 525-539.
Saavedra García, M. (2012). Una propuesta para la determinación de la competitividad en la pyme latinoamericana. Revista Pensamiento & Gestión, 93-124.
Sadok, M., & Lesca, H. (2009). A business Intelligence Model for SMEs based on tacit knowledge. Innovations and knowledge management in Twin Track Economies: Challenges & Solutions. Communications of the IBIMA, 1-3, 7, 218-225.
Salazar Cuéllar, A. (14 de Enero de 2014). The efficiency of education expenditure in Latin America and lessons for Colombia. Archivos de Economía - Departamento Nacional de Planeación, 19-67.
Salinas La Rosa, A., & Ramos, M. (2010). Inteligencia de negocio: auditoría y control: prototipo de herramienta de calidad de datos (Bachelor's thesis). Madrid, España: Universidad Carlos III de Madrid.
Samuelson, P., & Nordhaus, W. (2005). Economía. Mc Graw Hill. Sánchez, I., Juliao Rossi, J., & Jiménez Zuluaga, J. (2013). La relación entre las redes
externas de trabajo y el desempeño innovador de las pymes colombianas: un
152
análisis del rol moderador del ambiente industrial. Estudios Gerenciales, 339-349.
Sánchez, I., Rossi, J., & Jiménez Zuluaga, J. (2013). La relación entre las redes externas de trabajo y el desempeño innovador de las pymes colombianas. Estudios Gerenciales, 339-349.
Sánchez, M., Parra, G., & Udi, S. (2014). Benchmarking de la sustentabilidad de empresas: una propuesta basada en el Análisis Envolvente de Datos. Trayectorias, 16(39), 19-35.
Sarmad, A., Farouk, M., & Zahir, I. (2011). Organisational, technical and data quality factors in CRM adoption - SMEs perspective . Industrial Marketing Management. Industrial Marketing Management, 40, 376-383.
Saviano, M., & Berardi, M. (2009). Decision making under complexity. The case of SME. Second EuroMed Conference Proceedings (págs. 1619-1643). EuroMed Press.
Schwab, Klaus - World Economic Forum. (2015). The Global Competitiveness Report 2015–2016. Ginebra: The World Economic Forum.
Schweizer, R. (2012). The internationalization process of SMEs: A muddling-through process. Journal of Business Research, 745-751.
Seiford, L. (1996). Data envelopment analysis: the evolution of the state of the art (1978–1995). Journal of productivity analysis, 99-137.
Sinexus - Sinergia e Inteligencia de Negocio S.L. (2016). ¿Qué es Business Intelligence? Obtenido de Sinexus Business Intelligent Informática Estratégica: http://www.sinnexus.com/business_intelligence/index.aspx
SNCCTI. (27 de Febrero de 2017). Sistema Nacional de Competitividad, Ciencia, Tecnología e Innovación SNCCTI. Obtenido de Sistema Nacional de Competitividad, Ciencia, Tecnología e Innovación SNCCTI: http://www.colombiacompetitiva.gov.co/sncei/Paginas/indicadores-internacionales-igc.aspx
Soche López, S. (2016). Metodología para el modelamiento de datos basado en big data, enfocados al consumo de tráfico (voz-datos) generado por los clientes (Bachelor's thesis, Universidad Militar Nueva Granada). Bogotá D.C.: Universidad Militar Nueva Granada - Repositorio Institucional UMNG.
Solana, J., Ibáñez, N., & Benito, B. (2017). Determinantes de la eficiencia en las fundaciones españolas. Revista de Contabilidad, 20(2), 176–194.
Solarte Asmaza, E. (2017). Asmaza, S., & Jamit, E. (). El estudio de la prospectiva en las pymes para afrontar el proceso de la globalización. Obtenido de Bachelor's thesis, Universidad Militar Nueva Granada: http://repository.unimilitar.edu.co/bitstream/10654/15970/3/SolarteAsmazaEiderJamit.pdf
Solórzano González, A., Maridueña Villena, L., Sarmiento Chugcho, C., & Palomeque Córdova, I. (Junio de 2017). Transformación de las empresas medianas convencionales a empresas inteligentes en la ciudad de Machala. In Conference Proceedings. Conference Proceedings UTMACH / Congreso Internacional de Ciencia y Tecnología, 1(1), 658-669.
Superintendencia de Sociedades - Mincomercio, Industria y Turismo. (2005). Las Mipymes en Colombia: Evolución, Desarrollo y Fomento. Documento de Trabajo.
153
Obtenido de Superintendencia de Sociedades - Mincomercio, Industria y Turismo: http://www.supersociedades.gov.co/delegatura_aec/estudios_financieros/Documents/Sector%20Real%20de%20la%20Econom%C3%ADa/3-Las%20mipymes%20en%20Colombia%202002%20-%202004.pdf
Superintendencia de Sociedades. (2003). Las mipymes en Colombia: evolución, desarrollo y fomento, 1999-2003. Bogotá D.C., Colombia: Superintendencia de Sociedades.
Swoyer, S. (03 de Agosto de 2005). Cognos: Setting the Stage for Series 8. TDWI The Datawarehouse Institute.
The Datawarehouse Institute - Wayne W., Eckerson; Howson, Cindi. (2005). Strategies and Technologies for Deploying BI on an Enterprise Scale. Enterprise Business Intelligence.
Tixi Alucho, X., & Morales Cardoso, S. (2017). Análisis e implementación de una solución Business Intelligence en el Departamento de Cobranzas del Club Castillo de Amaguaña que apoye en la toma de decisiones financieras gerenciales (Bachelor's thesis, Quito: UCE). Quito, Ecuador: Universidad Central del Ecuador.
Tsai, W.-H., & Kuo, H.-C. (2011). Entrepreneurship policy evaluation and decision analysis for SMEs. Expert Systems with Applications, 8343-8351.
Tutunea, M., & Rus, R. (202). Business Intelligence Solutions for SME's. Procedia Economics and Finance, 865-870.
Ürü, F., Çalıskan, S., Atan, Ö., & Aksu, M. (2011). How much entrepreneurial characteristics matter in strategic decision-making? Procedia-social and behavioral sciences, 538-562.
Valaei, N., & Kamarulzaman, A. (2011). Knowledge management and SMEs: a study of knowledge management utilization by SMEs in Iran. IBIMA Business Review, 1-13.
Varian, H. (1999). Microeconomía Intermedia: Un enfoque actual (5ª ed.). Barcelona, España: Antoni Bosch.
Vásquez Pineda, G., & Manosalva Correa, I. (2014). Sistema soporte de decisiones basado en Business Intelligence para micro y pequeñas empresas de distribución (Bachelor's thesis). Bogotá D.C.: Universidad Católica de Colombia.
Velásquez Chávez, E., Xicotécnatl Ramírez, G., & Olmos Trejo, C. (2010). Sistemas de soporte a las decisiones como herramienta de ventaja competitiva. Red Internacional de Investigadores en Competitividad, 4(1), 569-582.
Velásquez Vásquez, F. (2004). La estrategia, la estructura y las formas de asociación: fuentes de ventaja competitiva para las pymes colombianas. Estudios Gerenciales, 73-97.
Velmurugan, M., & Narayanasamy, K. (2009). The impact of Decision Support System on SMEs and E-business. Creating global economies through innovation and knowledge management: Theory and Practice. Journal of Innovation Management in Small and Medium Enterprises, 1158-1169.
Vera-Colina, M., Melgarejo-Molina, Z., & Mora-Riapira, E. (2014). Acceso a la financiación en Pymes colombianas: una mirada desde sus indicadores financieros. Innovar, 149-160.
154
Vercellis, C. (2011). Business intelligence: data mining and optimization for decision making. United Kingdom: John Wiley & Sons Ltd.
Vergara Narváez, A. (2016). Logística de Aprovisionamiento para Micro, Pequeñas y Medianas Empresas (MIPYMES). Ingeniería, Innovación y Desarrollo Sostenible, 7-22.
Villanueva Román, J. (2015). Solución de business intelligence utilizando tecnología SaaS. Caso: área de proyectos en empresa bancaria–Perú. Pirhua, Perú: Universidad de Piura.
Villegas R., J., & Restrepo R., M. (2013). Análisis Envolvente de Datos: Introducción y herramienta pública para su utilización. Antioquia: Universidad de Antioquia.
Vindas Quirós, L. (2014). Estudio revela que el 66% de mipymes de Costa Rica se financian por su cuenta. El Financiero.
Wang, T., & Lin, Y. (2009). Accurately predicting the success of B2B e-commerce in small and medium enterprises. Expert Systems with Applications, 2750-2758.
Watson, H. (2009). Tutorial: Business Intelligence – Past, Present, and. Communications of the Association for Information, 487-510.
World Economic Forum. (2015). The Global Competitiveness Report 2015–2016. Geneva: World Economic Forum.
Xiong, M., Tor, S., Bhatnagar, R., Khoo, L., & Venkat, S. (2006). A DSS approach to managing customer enquiries for SMEs at the customer enquiry stage. International Journal of Production Economics, 332-346.
Zapata Guerrero, E. (2001). La efectividad del mercadeo en las pequeñas y medianas empresas (Pymes) de los sectores industrial y de servicios del departamento de Boyacá, Colombia. Revista Colombiana de Marketing, 2.
Zuleta, L., & Arbeláez, M. (2004). Las Pymes en Colombia. Bogotá D.C.: Fedesarrollo. Zuluaga Jiménez, J., Sánchez Manchola, I., & Barrios Aguirre, F. (2012). Ambiente
regional y desempeño innovador de las firmas. Una propuesta de análisis multinivel. Estudios Gerenciales, 169-189.
155
ANEXOS
Anexo A
Tabla 13. Taxonomía de las Pymes
Construyendo una Taxonomía de las Pymes
a) Empresas familiares o rurales, operan orientadas por la lógica de la subsistencia y
circunscritas a un mercado local.
b) Empresas urbanas ubicadas en el umbral del sector formal e informal, que se encuentran
frecuentemente en distritos marginales de las áreas metropolitanas.
c) Empresas subcontratantes que operan bajo el mando indirecto de una empresa más grande.
d) Empresas especializadas que interactúan con otras empresas en clústers, distritos
industriales o redes de empresas.
e) Medianas empresas que ofrecen productos de nicho directamente en los mercados
internacionales.
Fuente: (Bianchi & Di Tommaso, 1999)
156
Anexo B
Fuente: (Seiford, Data envelopment analysis: the evolution of the state of the art (1978–1995), 1996)
Ilustración 85. DEA Evolución del Estado de Arte (1978-1995)
157
Anexo C
Fundamento matemático DEA
La matriz de input x y output y se presenta a continuación:
𝑥 = {
𝑥11 𝑥12 𝑥1𝑛
𝑥21 𝑥22 𝑥2𝑛
𝑥𝑚1 𝑥𝑚2 𝑥𝑚𝑛
}
𝑦 = {
𝑦11 𝑦12 𝑦1𝑛
𝑦21 𝑦22 𝑦2𝑛
𝑦𝑚1 𝑦𝑚2 𝑦𝑚𝑛
}
Supóngase que m inputs y s outputs cumplen con las condiciones mencionadas y son
seleccionados, siendo los datos de input y output para la DMUj (x1j, x2j,…, xmj) y (y1j, y2j,…, ysj),
de esta forma, se agrupan en matrices de x=(m x n) y y=(s x n), cada DMUj consume cantidades
de input i xij y produce cantidades de output r yrj (Cooper, 2008) y (Gutiérrez Ortiz, 2010), actúan
bajo los supuestos de xij>0 y yrj>0; igualmente, cada DMU tiene al menos un valor de input
positivo y un valor de output positivo. La relación “ratio – form” o relación - forma, es
importante dado que se utiliza para medir la eficiencia relativa de la DMUj = DMU0 que es
evaluada en relación a los ratios de todas las j=1, 2,…, n. Dado que se tienen múltiples entradas y
salidas, se construyen entradas y salidas virtuales usando las ponderaciones ur y vi para cada
salida y cada entrada respectivamente como se verá en los modelos (Villegas R. & Restrepo R.,
2013). Es posible interpretar la construcción como la reducción de la situación output múltiple /
input múltiple (para cada DMU) hacia un único output virtual y un único input virtual, lo que
provee una medida de eficiencia que es una función de los multiplicadores (Gutiérrez Ortiz,
2010) pág. 53.
El modelo BCC fue propuesto para estimar la eficiencia puramente técnica eliminando la
influencia que pudiera tener la existencia de economías de escala en la evaluación del ratio de
eficiencia de las DMUs, condicionando la eficiencia de la unidad evaluada a la gestión y a la
escala en la que opera. El modelo CCR supone la existencia de rendimientos constantes a escala
al definir las restricciones del modo definido, sin contemplar ineficiencias por escalas variables.
Tabla 14. Representación Matemática de los Modelos DEA-BCC
BCC envolvente
Input orientado BCC multiplicativo Output orientado
Función
objetivo min 𝜃0 − 𝜀 (∑ 𝑆𝑖
𝑚
𝑖=1
+ ∑ 𝑆𝑟
𝑠
𝑟=1
) 𝑚𝑎𝑥µ,𝑢 ∑ µ𝑟𝑦𝑟𝑜 + 𝑢𝑟
𝑠
𝑟=1
max 𝜙 + 𝜀 (∑ 𝑆𝑖
𝑚
𝑖=1
+ ∑ 𝑆𝑟
𝑠
𝑟=1
)
Restricciones
∑ 𝜆𝑗𝑥𝑖𝑗 + 𝑆𝑖−
𝑛
𝑗=1
≤ 𝜃∗𝑥𝑖𝑜
∑ 𝜆𝑗𝑦𝑟𝑗 − 𝑆𝑟+
𝑛
𝑗=1
≥ 𝑦𝑟𝑜
∑ 𝜆𝑗
𝑛
𝑗=1
= 1
∑ µ𝑟𝑦𝑟𝑗
𝑠
𝑟=1
− ∑ 𝑣𝑖𝑥𝑖𝑗 + 𝑢0
𝑚
𝑖=1
≤ 0
De normalización:
∑ 𝑣𝑖𝑜𝑥𝑖𝑜
𝑚
𝑖=1
= 1
∑ 𝜆𝑗𝑥𝑖𝑗
𝑛
𝑗=1
+ 𝑆𝑖− = 𝑥𝑖𝑜
∑ 𝜆𝑗𝑦𝑟𝑗 − 𝑆𝑟+
𝑛
𝑗=1
= 𝜙 ∗ 𝑦𝑟𝑜
∑ 𝜆𝑗
𝑛
𝑗=1
= 1
(2)
(3)
158
BCC envolvente
Input orientado BCC multiplicativo Output orientado
Variables de decisión (pesos)
𝜆𝑗 ≥ 0, 𝑗 = 1, … , 𝑛
𝜃 𝑙𝑖𝑏𝑟𝑒
𝑢𝑟 ≥ 0 𝑟 = 1, … , 𝑠
𝑣𝑖, 𝑢𝑟 ≥ 𝜀 > 0
𝜆𝑗 ≥ 0, 𝑗 = 1, … , 𝑛
𝜙 𝑙𝑖𝑏𝑟𝑒
Input orientado Output orientado
CCR multiplicativo CCR envolvente CCR multiplicativo CCR envolvente
Función
objetivo 𝑚𝑎𝑥 ℎ0 ∑ 𝑢𝑟𝑦𝑟𝑜
𝑠
𝑟=1
min 𝜃0 = 𝜃 𝑚𝑖𝑛 𝑞0 ∑ 𝑣𝑖𝑜𝑥𝑖𝑜
𝑚
𝑖=1
max 𝜂0 = 𝜂
Restricciones
∑ 𝑢𝑟𝑦𝑟𝑗
𝑠
𝑟=1
≤ ∑ 𝑣𝑖𝑥𝑖𝑗
𝑚
𝑖=1
𝑗
= 1, … , 𝑛
De normalización:
∑ 𝑣𝑖𝑜𝑥𝑖𝑜
𝑚
𝑖=1
= 1
∑ 𝜆𝑗𝑥𝑖𝑗
𝑛
𝑗=1
≤ 𝜃𝑥𝑖𝑜 , 𝑖 = 1, … , 𝑚
∑ 𝜆𝑗𝑦𝑟𝑗
𝑛
𝑗=1
≥ 𝑦𝑟𝑜 , 𝑟 = 1, … , 𝑠
∑ 𝑢𝑟𝑦𝑟𝑗
𝑠
𝑟=1
≤ ∑ 𝑣𝑖𝑥𝑖𝑗
𝑚
𝑖=1
𝑗
= 1, … , 𝑛
De normalización:
∑ 𝑢𝑟𝑦𝑟𝑗
𝑠
𝑟=1
= 1
∑ 𝜆𝑗𝑥𝑖𝑗
𝑛
𝑗=1
≤ 𝑥𝑖𝑜, 𝑖 = 1, … , 𝑚
∑ 𝜆𝑗𝑦𝑟𝑗
𝑛
𝑗=1
≥ 𝜂𝑦𝑟𝑜, 𝑟
= 1, … , 𝑠
Variables de
decisión
(pesos)
𝑢𝑟 ≥ 0 𝑟 = 1, … , 𝑠
𝑣𝑖 , 𝑢𝑟 ≥ 𝜀 > 0
𝑢𝑟 ≥ 0 𝑟 = 1, … , 𝑠
𝑣𝑖 ≥ 0 𝑖 = 1, … , 𝑚
𝑣𝑖 ≥ 0 𝑖 = 1, … , 𝑚
𝜆𝑗 ≥ 0, 𝑗 = 1, … , 𝑛
𝜂 𝑙𝑖𝑏𝑟𝑒
Modelo CCR multiplicativo – input orientado
También conocido como CCR-I o CCR en el espacio de los multiplicadores. Se utiliza cuando se
desea analizar la medida en que la unidad puede producir los mismos outputs con menos
cantidad de inputs (González Pérez, Mendaña Cuervo, & López González, El Análisis de la
Eficiencia del Sistema Universitario de Castilla y León. Una Introducción, 2006).
Modelo CCR envolvente – input orientado
En éste modelo se mide el desempeño θ de la DMU0 garantizando que se obtiene el mínimo nivel
de salidas, contrayendo radialmente las entradas, utilizando una DMU virtual que se ha
construido usando las variables λj que es una combinación lineal de todas las DMU (Villegas R.
& Restrepo R., 2013) pág.7.
Modelo CCR multiplicativo – output orientado
Se emplea si el objetivo es evaluar en qué medida la unidad puede incrementar su producción
con la misma cantidad de outputs (González Pérez, Mendaña Cuervo, & López González, El
Análisis de la Eficiencia del Sistema Universitario de Castilla y León. Una Introducción, 2006).
Tabla 15. Representación Matemática de los Modelos DEA-CCR
159
Modelo CCR envolvente – output orientado
Busca maximizar las salidas que se pueden obtener dado un nivel de entradas.
Tabla 16. Comparación del Modelo DEA-CCR con Orientación Entradas y Salidas
Modelo DEA con orientación en entradas Modelo DEA con orientación en salidas
En este modelo se considera constante el
numerador del cociente de la fracción (5)
En este modelo se considera constante el
denominador del cociente de la fracción (5)
Min θ
Sujeto a las siguientes restricciones:
𝑥𝑖𝜃 − 𝑋𝜆 ≥ 0
𝑌𝜆 − 𝑦𝑟 ≥ 0
𝜆 ≥ 0
Max Z
Sujeto a las siguientes restricciones:
𝑌𝜆 − 𝑦𝑟𝑍 ≥ 0
𝑋𝜆 − 𝑥𝑖 ≥ 0
𝜆 ≥ 0
Donde θ indica la distancia en entradas a la
envolvente de datos; es decir, la medida de
eficiencia
x es la matriz de entradas de orden (mxn)
y es la matriz de salidas de orden (sxn)
λ es el vector (nx1) de pesos o intensidades
𝑥𝑖 e 𝑦𝑟, representa los vectores de entradas y
salidas, respectivamente.
Donde Z indica la distancia en salidas a la
envolvente de datos; es decir, la medida de
eficiencia
x es la matriz de entradas de orden (mxn)
y es la matriz de salidas de orden (sxn)
λ es el vector (nx1) de pesos o intensidades
𝑥𝑖 e 𝑦𝑟, representa los vectores de entradas y
salidas, respectivamente.
Fuente: (Flórez López & Fernández Santos, 2006)
Modelo Aditivo
Permite mejorar el desempeño de las DMU sin necesidad de evaluar su eficiencia con una
cantidad como θ, identificando los valores de entradas y salidas que debería tener cada DMU
para ser eficiente.
Tabla 17. Representación Matemática Modelo DEA-Aditivo Modelo Aditivo Primal Modelo Aditivo Dual
Función objetivo 𝑚𝑖𝑛 − (∑ 𝑆𝑖
+
𝑚
𝑖=1
+ ∑ 𝑆𝑟+
𝑠
𝑟=1
)
𝑚𝑎𝑥 ∑ µ𝑟𝑦𝑦𝑜
𝑠
𝑟=1
− ∑ 𝑣𝑖
𝑚
𝑖=1
𝑥𝑖𝑜 + 𝑢𝑜
Restricciones
∑ 𝜆𝑗𝑥𝑖𝑗 + 𝑆𝑖−
𝑛
𝑗=1
= 𝑥𝑖𝑜 , 𝑖 = 1, … , 𝑚
∑ 𝜆𝑗𝑦𝑟𝑗 − 𝑆𝑖+
𝑛
𝑗=1
= 𝑦𝑟𝑜, 𝑟 = 1, … , 𝑠
∑ µ𝑟𝑦𝑟𝑗
𝑛
𝑗=1
− ∑ 𝑣𝑖𝑥𝑖𝑗 + 𝑢𝑜
𝑚
𝑖=1
≤ 0
Variables de decisión (pesos)
𝜆𝑗 ≥ 0, 𝑗 = 1, … , 𝑛
𝑆𝑖− ≥ 0, 𝑖 = 1, … , 𝑚
𝑆𝑖+ ≥ 0, 𝑟 = 1, … , 𝑆
µ𝑟 ≥ 1, 𝑣𝑟 ≥ 0
160
Las variables de decisión son los valores (𝑢𝑟 , 𝑣𝑖), multiplicadores con los que se ponderarán
entradas y salidas para la definición de las entradas y salidas virtuales de la función objetivo
(Flórez López & Fernández Santos, 2006), (Villegas R. & Restrepo R., 2013).
161
Anexo D
Ilustración 86. Causas y Efectos de los Insumos según los diferentes autores
Fuente: Elaboración propia
162
Anexo E
Glosario de Términos – Sector Servicios
Subsector Detalle
Alojamiento Incluye alojamiento en hoteles, campamentos y otros tipos de hospedaje no permanente (grupo 551 CIIU revisión 3 a.c.)
Actividades Complementarias al transporte
Incluye manipulación de carga, almacenamiento y depósito, actividades de las estaciones de transporte (terrestre, acuático, aéreo y otras. (División 63, excepto actividad 6340 CIIU revisión 3 a.c.)
Inmobiliarias y alquiler de maquinaria y equipo sin operario
Incluye actividades inmobiliarias; alquileres de maquinaria y equipo sin operarios y de efectos personales y enseres domésticos (divisiones 70 y 71 CIIU revisión 3 a.c.)
Actividades empresariales Incluye obtención y suministro de personal, actividades de investigación y seguridad. Actividades de limpieza de edificios (actividades 7491, 7492 y 7493 CIIU revisión 3 a.c.)
Otras actividades Empresariales
Incluye actividades de investigación y desarrollo (división 73), actividades jurídicas y de contabilidad, teneduría de libros y auditorías, asesoramiento en materia de impuestos, estudios de mercado y realización de encuestas de opinión pública, asesoramiento empresarial y en materia de gestión (grupo 741); actividades de arquitectura e ingeniería y otras actividades técnicas (grupo 742); actividades de fotografía (actividad 7494) actividades de envase y empaque (actividad 7495) y otras actividades empresariales (actividad 7499)
Otros servicios Incluye otras actividades de entretenimiento y otras actividades de servicios (grupo 921 -excepto clase 9213- y grupo 930)
Costo de mercancías vendidas Incluye costos de mercancías vendidas asociadas a la prestación del servicio y otras mercancías
Otros costos y gastos Incluye gastos de arrendamiento de bienes muebles e inmuebles, contribuciones y afiliaciones, útiles, papelería y fotocopias, publicidad, servicios públicos, gastos de comunicaciones, seguros, mantenimientos, servicios de aseo y vigilancia, entre otros.
Otros Gastos de Personal Incluye aportes al SENA, ICBF y otros gastos de personal.
Personal ocupado
Incluye propietarios, socios y familiares, personal permanente, temporal contratadas directamente por la empresa, personal temporal en misión en otras empresas (sólo para empresas temporales) y aprendices o estudiantes por convenio. Para educación superior privada, no hay datos disponibles de personal, se presentará en próxima publicación.
Personal permanente Personal permanente son las personas contratadas para desempeñar labores por tiempo indefinido, para desarrollar actividades de servicios, exclusivamente.
Personal remunerado
Incluye personal permanente, temporal contratadas directamente por la empresa, personal temporal en misión en otras empresas (sólo para empresas temporales) y aprendices o estudiantes por convenio. Para educación superior privada, no hay datos disponibles de personal, se presentará en próxima publicación.
Personal temporal contratado a través de agencias
Se refiere a los empleados temporales contratados a través de agencias especializadas en el suministro de personal, cuyo propósito sea desempeñar labores relacionadas con la actividad de las empresas prestadoras de servicios, por tiempo definido y por una remuneración pactada. Esta categoría de personal no se incluye dentro del total de personal ocupado para evitar la duplicación del dato.
Personal temporal contratado directamente por la empresa
Corresponde al personal temporal de las empresas que prestan sus servicios a la empresa por tiempo definido contractualmente.
Prestaciones Causadas Incluye cotizaciones patronales obligatorias de salud, pensión, aportes a cajas de compensación, aportes voluntarios de salud y seguros de vida del personal permanente y temporal contratado directamente por la empresa.
Productividad laboral Productividad laboral por persona ocupada = valor agregado / total de personal ocupado. Para este cálculo no se incluye personal contratado a través de agencias especializadas.
Productividad total Productividad total (relación) = Ingresos / (consumo intermedio + total gastos de personal).
Fuente: DANE - Encuesta anual de servicios EAS 2015
