Administración para dummies

En los negocios hay tres áreas donde se concentra mucho esfuerzo: las finanzas, la administración y el liderazgo. Mientras la primera tiene que ver con números y es mejor manejada por los que vienen desde la contabilidad, las otras dos son más charlatanescas porque tienen que ver con el comportamiento humano: personal, marketing, estrategia y cosas así. Por lo mismo son más entretenidas y esenciales para el trabajo de cualquier gerente.

La historia de la administración es interesante porque ha ido evolucionando muy de la mano con los cambios tecnológicos y sociales. Mientras las finanzas actuales o el liderazgo no son muy distintos a como eran muchos años atrás, la administración ha tenido que ir adaptándose a un entorno cambiante. Me gustaría colocar unos pocos ejemplos de como ha ido cambiando las ideas sobre administración y como las empresas reales usan a veces modelos bastante antiguos.

A Frederick Winslow Taylor se le atribuye el mérito de haber iniciado el estudio de la administración como ciencia. Recuerdo que sus estudios de tiempos y métodos de trabajo se aplicaron con entusiasmo en las industrias de Arica durante los años setenta para optimizar el esfuerzo y la productividad en líneas de armado. Mi cuñado era analista de tiempos y movimientos en Mellafe y Salas y claro, eran teorías del año 1900, en Chile siempre hemos andado un poco atrasados de noticias. Los gerentes eran formados en esos años bajo el modelo de empresa Ford-Taylor.

Durante la Segunda Guerra Mundial, la fabricación de paracaídas introdujo un cambio importante en la administración. Resulta que se empezaron a usar tropas aerotransportadas de manera masiva y muchos paracaídas no se abrían por fallas en la fabricación. Esto producía no solo la tragedia humana del soldado muerto sino un gran desperdicio de recursos porque la formación de cada paracaidista era costosa y lenta. Entonces se empezaron a implementar los primeros sistemas de control de calidad "cero fallas". Era más económico gastar más en un control de calidad estricto, esto se generalizó a otros productos después de la guerra.

Pasaron varios años, hasta que aparece la reigeniería de procesos BPR, basada en la idea que muchos procesos de la empresa no agregaban valor al producto. La BPR consistía principalmente en identificar y eliminar esos procesos que no agregaban valor. Fueron los años de gloria de los ingenieros industriales que se hicieron fama por la guadaña con que eliminaban los procesos innecesarios, la BPR se hizo famosa como máquina de despedir gente y eliminar procesos innecesarios.

La reingeniería se aplicó muchas veces de manera simplista y muy radical, creando a veces problemas peores de los que intentaba solucionar y surgió una cierta leyenda negra en torno a los ingenieros industriales. Pero tuvo dos grandes méritos: primero cambió el foco de atención desde los intereses de los dueños de la empresa y los trabajadores hacia los intereses de los clientes y segundo fue la primera en proponer la tecnología para reemplazar procesos poco eficientes que realizaban trabajadores. La automatización de procesos en empresas casi siempre se basa en ideas de reingeniería.

El boom de las empresas japonesas en los años ochenta -al contrario de la idea popular- no fue producto de una estrategia sino que de la mejora de los procesos. Los japoneses llevaron la reingeniería un paso más adelante con la Calidad Total, que ya no consistía en medir la calidad como el cumplimiento de una norma, sino como el grado de satisfacción del cliente. La calidad pasó de ser una medida estática a algo dinámico y su control de ser una simple comparación con estándares fijos a un proceso de aprendizaje y mejora continua, muy ligado al marketing.

Para los japoneses la calidad no consistía en fabricar productos objetivamente mejores sino subjetivamente mejores, tomando en cuenta las expectativas de los clientes y su grán éxito fue en crear productos nuevos y más exitosos, Casio, Sony, Toyota y varias otras empresas basaron su éxito en detectar necesidades no satisfechas. Los inventarios reducidos -just in time- fueron otra innovación que junto con el uso masivo de robots les permitió grandes rebajas de costos.

La administración ha estado repleta de mini gurus, pero el austriaco Peter Drucker (en la ilustración), es de los pocos buenos intelectuales en un área llena de charlatanes. Si no me creen lean este artículo que escribió a fines de los ochenta. Drucker -medio olvidado en la actualidad- marcó la pauta de la administración moderna y muchos de los que han salido después han sido apenas comentaristas de sus ideas fundamentales. Planteó por primera vez la administración por objetivos y la planificación estratégica, dos conceptos claves para los gerentes modernos.

De los comentaristas de Peter Drucker, el más conocido es tal vez Michael Porter, que introdujo la idea de aplicar teorías de guerra a la competencia comercial: tomar una posición competitiva fuerte, derrotando a los rivales es -más o menos el aporte con que Porter se ha hecho famoso. De allí las 5 fuerzas competitivas para empresas y el Diamante de Porter para países.

Los autores que hacen esas reglas de las 5 fuerzas, las 7 P, las 3 B o cosas por el estilo siempre me han parecido chantas y vendedores de pomadas, creo que Michael Porter no es la excepción.

Se produjo una gran polémica cuando Porter escribió un paper que se titulaba "Competitividad e Internet" o algo así, donde, en pocas palabras, ponía en duda que las tecnologías derivadas de Internet pudieran ser fuente de ventaja competitiva. Algo parecido se había dicho antes sobre la mejora de procesos o la calidad total: el argumento de fondo era que solo las cosas únicas, incopiables eran fuente de verdadera ventaja competitiva, como las tecnologías de Internet eran muy fáciles de copiar, al poco tiempo se convierten en estandar mínimo que todos adquieren y se pierde su ventaja.

Porter se equivocó, Internet nos es solo una herramienta complementaria, es fuente de la ventaja competitiva en una parte importante -la más rentable- de la economía moderna, que es la economía de redes (el video al final de esa entrada explica bastante bien el asunto). Hoy la economía tradicional, de papas y tomates coexiste con la economía de redes, probablemente siempre van a haber mercados de papas, tomates, cobre y petroleo, de autos y películas.

Pero con Internet apareció otra economía que cambia las reglas tradicionales. Una economía donde hay que regalar para ganar, donde se pueden tener cientos de mercados de nicho de manera simultanea y donde tomar una posición competitiva sólida, estática y dominante, como en la guerra, no sirve. Es la economía de redes, mucho más rentable que todo lo conocido hasta hoy.

El modelo de negocio de Apple es típico de la economía tradicional: establecer una posición de mercado basada en ventajas únicas e irreplicables, en este caso muy dependientes del marketing, innovación continua y la identificación con la marca. Aunque a Bill Gates le tomó un tiempo entender Internet, siempre tuvo la visión intuitiva de la economía de redes, al tomar una actitud permisiva hacia la copia de su software lo llevó en un momento a tener la empresa más grande y rentable del mundo. Hoy es el modelo que tiene Google que hace negocio con un activo mucho más intangible y rentable: la información.

En fin yo creo que Steve Jobs no fue ningún genio, solo una especie de vendedor de autos usados exitoso. Bill Gates y los dueños de Google en cambio crearon sus negocios alrededor de la economía de redes que recién se está empezando a entender. Seguramente pasarán varios años antes que alguien construya una buena teoría que la explique, los gurus siempre aparecen mucho después que los cambios: primero los cambios, después las explicaciones. Los gurus siempre llegan atrasados.

Estadistica para dummies

Buena parte del trabajo estadístico consiste en alimentar con datos alguno de los paquetes de software que existen, copiar una serie de ecuaciones para el marco teórico y finalmente presentar cierto valor de r cuadrado, o de Prob. > F como prueba irrefrutable y definitiva de casi cualquier hipótesis. No es nada de otro mundo y creo que no hay nada interesante que decir sobre eso, pero si conviene tener alguna idea sobre el concepto de significancia estadística y su valor como argumento científico.

En la entrada anterior sobre las parvularias mencionaba un análisis de mínimos cuadrados que es la manera estándar para "demostrar estadísticamente" algunas hipótesis de trabajo en ciencias sociales, por ejemplo en este caso se trataba de mostrar que la educación pre escolar causaba un mejor rendimiento académico en los niños después que crecían.

Seguramente el que hizo el estudio diría "¡un momento! yo jamás dije que iba a probar eso. simplemente hice análisis de regresión que mostraba significacncia entre esas dos variables". Sin embargo en las conclusiones del estudio no vacila en presentar los "efectos" de la educación pre escolar sobre el rendimiento académico posterior, olvidando algo que los que usan estadísticas deberían tener grabado a fuego en el cerebro: "correlación no implica causalidad".

El método de los mínimos cuadrados es un asunto relativamente simple de entender, pero antes veamos una relación lineal: supongamos que tenemos dos variables, por ejemplo velocidad y espacio recorrido: nos subimos a un auto y vamos midiendo cuantos metros recorremos a distintas velocidades -constantes- en un mismo intervalo de tiempo, digamos en una hora. Si medimos ciudadosamente y marcamos con puntos en un gráfico cuantos metros recorrimos en una hora, tendremos algo más o menos así:

Y el resultado -como ven- es que al unir los puntos tenemos una línea perfectamente recta. El espacio que recorremos depende de la velocidad en una "relación directa" esto quiere decir que al graficar las mediciones nos da una línea recta. Si en lugar de 1 hora tomásemos un período de 2 horas también tendríamos una recta, aunque con otra pendiente (más inclinada).

Estas relaciones que dan líneas rectas son muy especiales porque permiten predecir el futuro con gran exactitud y de manera más fácil: basta con extender la línea con una regla para saber que si nos movemos a 70 km/h en una hora habremos recorrido 70000 mts, sin necesidad de medir nada, tampoco necesitamos movernos a peligrosos 300 km/h para saber que recorreríamos 3000000 mts, basta con extender la recta y leer.

Ojo, porque ni siquiera las relaciones lineales nos indican causa-efecto: podríamos medir la edad del conductor y encontrarnos -por casualidad- con una relación perfectamente lineal entre edad del conductores y distancia recorrida, pero eso no nos permite predecir nada porque no es una relación causal sino casual.

El problema se complica cuando al medir los datos no aparece una línea recta, sino que una nube de puntos que no sigue una recta. Por ejemplo si medimos las calificaciones obtenidas según el CI de cada alumno, podríamos tener algo como lo que se muestra la figura del comienzo de esta entrada. Por simple inspección podemos ver que en general, aunque no siempre, los alumnos con CI más alto obtienen mejores calificaciones.

La regresión lineal consiste en encontrar una línea recta que se ajuste mejor a la nube de puntos por ejemplo algo así

Que nos permitiría "predecir" dentro de cierto rango de error un valor, por ejemplo que nota es probable que se saque un alumno con un CI de 145. La línea que mejor se ajusta a la nube se calcula con el método de mínimos cuadrados, o que también podríamos llamar recta de mínima dispersión, que me perdone mi gran profesor de estadística don Erich Glass (QEPD) por usar una palabra inexacta, pero que sirve para explicar la idea).

Esta predicción es mucho más incierta que cuando tenemos una relación directa y el método de mínimos cuadrados nos permite el ajuste más aproximado posible de la recta a la nube de puntos. Si la nube muestra algún patrón podremos hacer mejores predicciones -por ejemplo podemos intuir que los alumnos de mayor CI se sacan mejores notas- pero no podemos hacer un pronóstico exacto. Entonces decimos que la regresión nos indica que hay alguna forma de relación entre las dos variables.

Cuando hablamos de magnitudes físicas determinísticas, o sea que responden siempre de la misma manera ante un mismo estímulo, si se trabaja con muestras representativas, si los errores de encuestas se pueden considerar despreciables y -sobre todo- si el modelo matemático usado está libre de bias, el análisis estadístico funciona bien para predecir, siempre y cuando exista una tendencia subyacente y la dispersión de los datos no sea excesiva. En esos casos pueden existir otras curvas que se ajusten a la nube de puntos, no necesariamente una línea recta, el problema es entonces encontrar la curva que calza mejor.

Pero incluso en estos problemas ideales, determinísticos, donde suponemos que puede haber una curva o función matemática que se ajuste a la nube de puntos seguimos con el problema que correlación no implica causalidad, porque la relación causa-efecto puede ser casual o bien deberse a otra variable que ni siquiera se ha tomado en cuenta.

Un problema mucho mayor es, por ejemplo, si tratamos de encontrar relación entre cosas como años de educación pre escolar y resultados académicos en la educación media, donde no existen solo esas dos variables sino muchísimas más (educación y preocupación de los padres, herencia genética, habilidades particulares de cada cual y un enorme etc.).

En estudios así -la mayoría de los estudios econométricos son de esa clase- se está obligado a hacer un modelo muy simplificado y sujeto a multitud de restricciones que hacen mucho más difícil tener una predicción exitosa.

Si le sumamos que las variables del comportamiento humano no son determinísticas y distintas personas pueden reaccionar de manera diferente ante un mismo estímulo (según sus preferencias) o incluso una misma persona puede responder de manera diferente dependiendo de su humor del momento, entonces podemos ver el verdadero valor de estos estudios tan repletos de ecuaciones que en realidad tienen similar validez que las predicciones de mi gran amiga y afamada mentalista doña Eliana Merino. A decir verdad, yo le creo más a doña Eliana.

Y todos los días se están escribiendo miles de papers basados en modelos con un bias grosero y un análisis de correlación, donde al final llegan a un pequeño cuadrito que dice algo así como "prob. >F = 0,0097" lo que les permite asegurar que probaron que si existe una significancia estadística que justifica gastar millones de dólares en esta o aquella política pública.

No solo los economistas austriacos se dieron cuenta de la inutilidad de muchos modelos econométricos sino el propio Keynes, que escribió: "Una parte demasiado grande de la economía ‘matemática’ reciente es una simple mixtura, tan imprecisa como los supuestos originales que la sustentan, que permite al autor perder de vista las complejidades e interdependencias del mundo real en un laberinto de símbolos pretenciosos e inútiles”. Ya que le han creído tanta tontera a Keynes, por que no le creen esto, que es cierto. Hasta mañana.