Este es un artículo publicado anteriormente por el semanario
El Financiero de Costa Rica en la edición 833.
Las empresas acostumbran medir, medirlo todo, y luego, tomar decisiones basadas en “números”. Es un ciclo sin fin hecho para ayudar a la toma de decisiones diarias, semanales, mensuales, anuales. Pero, ¿qué está obteniendo realmente de toda su inversión en medición? El arsenal de métricas, datos y números tendrán muy poco impacto sino revisa primero algunos supuestos universales rara vez considerados por los tomadores de decisiones.
1. Entre más variación arrastre su métrica, menor su valor para la toma de decisiones
Todos quieren “el número”, “pronostíqueme las ventas del próximo mes”, “¿cuántas unidades va a producir esta máquina?”, “¿qué día llegará el embarque?”, “¿cuántos clientes llamarán hoy?”. En ninguno de los casos anteriores existe la respuesta única que a todos daría tranquilidad, a los más, podemos disminuir la incertidumbre en relación directa a la cantidad de variación presente. En nuestro tiempo, todo se puede medir, pero no todo (y algunos respetados autores dirían que muy poco) se puede medir con precisión. Piense en todas las variables que componen una métrica, el peso de una pieza producida en un cuarto limpio con claras especificaciones de manufactura tiene mucha menos incertidumbre que el comportamiento de la demanda de esa misma pieza en el mercado.
Incluya medidas de variación como desviación estándar, varianza, coeficiente de variación en su portafolio de métricas.
2. Los datos históricos son relativamente buenos para modelar, generalmente malos para predecir
Antes de pretender predecir o pronosticar con sus datos, primero entiéndalos. Es posible que pueda modelar el comportamiento pasado y entender cómo ha funcionado su métrica hasta hoy. Modelar permite desarrollar buenos sistemas de monitoreo, y así estar atento a cambios en el modelo que requieran una nueva explicación (búsqueda de causas raíz). Pronósticos acertados son sólo posibles cuando la cantidad de variación relativa (coeficiente de variación) es pequeña, de otro modo solamente se podrá pronosticar con un alto grado de incertidumbre.
Entienda las limitaciones de sus datos para efectos de predicción, incluya otras técnicas como Planeación de Escenarios para mejorar sus pronósticos.
3. Las herramientas y supuestos tradicionales de análisis estadístico solamente son válidos en pequeña escala
Los dos supuestos estadísticos más utilizados, que los datos se comportan de acuerdo con la Distribución Normal y que las relaciones de dependencia entre variables son lineales, solamente funcionan de esa forma en pequeña escala (y no siempre). Volviendo al peso de la pieza que sale de una máquina en un cuarto limpio, lo usual es encontrar la tradicional campana de Gauss, y también debe ser posible modelar relaciones lineales (si la máquina se corre un 10% más rápido, se producirán un 10% más de piezas). Pero es prácticamente imposible encontrar ambos supuestos en mediciones de mercados, comportamiento de clientes, calificaciones de desempeño de empleados, salarios, entre otros. Por ejemplo los ingresos y compensaciones de ejecutivos de alto nivel y gerentes presentan un marcado sesgo a la derecha con respecto al salario del personal operativo. Los tiempos de servicio son igualmente sesgados a la derecha. Con respecto al supuesto de linealidad, más inversión en publicidad debería resultar en más ventas, la realidad, no siempre es así. Más inversión en capacitación o en “motivación” debería traducirse en mejor desempeño, menor rotación, la evidencia y la investigación demuestran que la relación es pocas veces proporcional.
Trascienda la estadística “normal”, particularmente si quiere que sus decisiones sean apropiadamente apoyadas por números.
Revise sus números, más aún, revise la forma como se relaciona con sus números, cambie sus supuestos, trascienda las limitadas herramientas gerenciales tradicionales, hay conceptos y herramientas que le ayudarán a tomar decisiones más informadas. Las buenas métricas son trabajo gerencial.
Edwin Garro
ASQ Fellow
I’m part of the ASQ Influential Voices program. While I receive an
honorarium from ASQ for my commitment, the thoughts and
opinions expressed on my blog are my own.
