MIII L1 Indicadores Cap3 LC

captulo 3

Cmo analizar el comportamiento de los indicadores? Trabajando con los indicadores en la empresa

73

POR QU UN INDICADOR DEBE VARIAR? CMO EXPLICAR LA VARIACIN?

Lo nico constante es la variacin.

Edgard W. Deming

No obstante pertenecer a grupos, etnias, especies, razas, donde se homogeneizan rasgos, caractersticas, etctera, todo en la natu-raleza y en lo creado por el hombre vara.

Vara la estatura entre seres humanos as sean de la misma et-nia o familia; vara el tamao de las plantas as sean de una misma especie; vara la inteligencia, el color que toman los perros de una misma raza, la sensibilidad ante sabores, vara todo.

Un motor de vehculo, as haya sido fabricado con la mayor precisin posible, no llega a desarrollar la misma velocidad que el que vena atrs en la lnea de ensamblaje. Un bombillo del mismo material, dimensin y proceso de fabricacin no durar lo mismo que otro igual.

Por ello deca Deming: lo nico constante es la variacin, sin embargo, de alguna manera, hemos sido formados en otro para-digma: el de la no variacin, y cuando vemos en una grfi ca un punto arriba pensamos en bueno y un punto abajo en malo.

As es como la estatura de una persona baja no es mala ni bue-na y la de una alta ni buena ni mala, sencillamente son as. Todos los indicadores de una empresa pueden tomar valores dentro de un rango; siempre y cuando estn cumpliendo ciertas reglas de la variacin, sern iguales, para fi nes de evaluar el desempeo.

Quienes escriben fueron tentados de jvenes por la bondad de las matemticas y la bsqueda del conocimiento riguroso y exac-to de los fenmenos. Algunos nos especializamos en investigacin de operaciones, modelos matemticos y estadsticos, para explicar el comportamiento de sistemas y poder predecirlos. Sin embargo, en la prctica hemos encontrado que tcnicas ms rudimentarias en muchos casos son ms tiles que muchos de esos modelos ms complejos que nos ensearon.

74

Indicadores de gestin en la empresa

Uno de los puntos dbiles es que en la mayora de los casos se carece de los datos sufi cientes para que las conclusiones sean v-lidas. Otra debilidad es que los sistemas muy complejos como lo es una empresa o una divisin de sta no son simulables utilizando esquemas matemticos y estadsticos, debido a que sus innumerables factores no responden a las condiciones ne-cesarias bajo las cuales funcionan y dan respuestas ms o menos aceptables.

Por ello iniciaremos con la presentacin de lo que llamamos pensamiento estadstico, comenzando por lo bsico, para luego ir a un mayor nivel de complejidad, sin llegar a cargarnos de frmu-las y razonamientos complicados.

No abordaremos el terreno de los especialistas, para situacio-nes especiales, ya que escapa al alcance de este libro, pero s debe-mos alertar que frecuentemente en los procesos de implantacin de Seis Sigma se trata de aplicar tcnicas estadsticas a situaciones donde no era apropiado hacerlo, en muchos casos exagerando la simplicidad y perdiendo la profundidad en el anlisis.

Figura 16. Cmo visualizar y concluir en relacin con la variabilidad?

75

PRIMER NIVEL DE TCNICAS BSICAS DEL PENSAMIENTO ESTADSTICO:

LA GRAFICACIN

Una grfi ca dice ms que mil palabras.

No obstante que en los aos 70 y 80 Occidente conoci la revo-lucin de la calidad total promovida por los japoneses seguido-res de Deming y Juran y los avances en el software que facilita las cosas, no es comn la utilizacin de grfi cas y quienes las usan no siempre lo hacen bien. An la mayora sigue utilizando tablas para presentar datos o informacin sobre un indicador, o se utilizan grfi cas que poco facilitan el entendimiento de la variacin.

Utilizar un lenguaje grfi co permite ver cmo es la dinmica de un indicador, y entre las ms tiles se encuentra la grfi ca de corrida o serie.

Nos dedicaremos a rescatar la importancia de tres herramien-tas bsicas en el anlisis de un indicador que, aunque son bsicas, no son utilizadas debidamente en las empresas. Son ellas las gr-fi cas de corrida, las de dispersin y el histograma de frecuencia, todas herramientas bsicas del movimiento de calidad de los aos 60, que como sealamos antes son poco utilizadas en el siglo xxi, a pesar de los software que facilitan su elaboracin.

Grfi cas simplesLa fi gura 17 nos muestra grfi camente cmo se han comportado los resultados de venta de una empresa en los ltimos dos aos y el presupuesto del ltimo ao. Estamos hablando de 36 datos 12 x 3 que si lo viramos en forma de tabla no sera nada fcil inter-pretar los resultados y requerira de una mente privilegiada para extraer conclusiones acertadas de la misma. Sin embargo, la forma grfi ca permite que una mente promedio pueda sacar conclusio-nes acertadas rpidamente con slo una simple mirada.

76


Figura 17. Ejemplo de una gr ca de series comparadas

Podemos apreciar que: En los meses de diciembre a febrero se tienen las menores

ventas. Existen altibajos peridicos (estacionalidades) en ambos pe-

rodos, con picos en marzo, julo-agosto y octubre noviembre, y valles en diciembre-febrero, abril, junio y septiembre.

Hay una tendencia al crecimiento que puede esperarse hacia el ao siguiente, ya que es constante.

El presupuesto responde a un buen estimado, con todos los puntos muy cercanos al mismo.

Luego de tales apreciaciones, viene el siguiente nivel de an-lisis: cmo ser, qu podemos esperar en el futuro? Y si tenemos una serie de datos sufi cientemente representativos podramos sin tener mayor conocimiento de la ciencia estadstica aven-turarnos a algunas proyecciones.

De hecho, si no pecamos de querer ser ms exactos de lo que nos permite la data, podramos hacer algunas predicciones que de seguro se cumplirn si median condiciones normales o similares a las existentes. Podremos predecir la estacionalidad, podremos de-

77


cir cules meses sern ms altos y en qu proporcin aproximada el prximo ao; todo ello podemos sacarlo de una grfi ca.

Por ello, la primera regla en una organizacin debe ser: Si tie-ne datos que presentar, grafquelos, y para esto: Primero, hgalo en forma de grfi ca de corrida. Segundo, use cualquier otra grfi ca pertinente de barras,

torta, etc., segn convenga, pero por favor no traiga tablas, por ms colores que le haya puesto para diferenciar datos.

Grfi cas compuestas. Grfi cas de dispersinOtras grfi cas muy bsicas y fundamentales para entender los in-dicadores son las de dispersin, que nos permiten analizar un in-dicador y la relacin con sus factores o la de stos entre s.

Al presentar un indicador y alguno de los factores que supues-tamente lo explican, uno puede observar con ellas si existe alguna correlacin o no.

En nuestro ejemplo de los vendedores podramos pensar que la antigedad de los mismos sera un factor que infl uya en la pro-ductividad. Si la grafi camos y nos da un resultado como el de la fi gura, rpidamente podramos concluir que no es as

Figura 18. Ejemplo de gr ca compuesta

78


Con el uso de los diagramas de dispersin podramos encon-trar situaciones tales como que dos indicadores se comportan de manera similar, uno sube y el otro tambin, o viceversa. Por lo tan-to, medir uno nos lleva indirectamente a saber el comportamiento del otro; o podramos concluir lo contrario, que no existe relacin y debemos llevar los dos.

En nuestras consultoras, frente a un problema en anlisis so-lemos sugerir hagamos una grfi ca de dispersin con esas varia-bles y sorprende la poca familiaridad hasta de los profesionales ms cercanos (ingenieros y administradores) con tal tipo de an-lisis.

Una mezcla de desconocimiento con olvido suelen ser la res-puesta al porqu no se aplica ese conocimiento bsico. Es frecuen-te que se haya aprendido mecnicamente o con profesores que no ponan ejemplos reales, adems del olvido por desuso: Por qu he de acordarme, si nunca me lo han pedido, no lo he necesi-tado?.

Con una grfi ca de dispersin podemos rpidamente ver si el comportamiento de un indicador, al ser comparado con el de uno de sus factores, muestra aumentos en ste que no se correlacio-nan con aumentos en el otro. Deberemos entonces considerar que uno no es factor del otro o, si estamos seguros de que lo es, existir algn otro factor que explica que, no obstante la contribucin fa-vorable de aqul, el comportamiento del indicador sea diferente al esperado.

Histogramas de frecuenciaUna tercera grfi ca, tan til como las anteriores, pero de mayor contenido estadstico, es el histograma de frecuencia. Normal-mente nos acostumbramos a hablar de promedios: la producti-vidad de los vendedores fue 15, la participacin 10 por ciento, la efi ciencia 3 piezas por hora; estos promedios del comportamiento de esos indicadores, si bien tiles, nos estn informando de la mi-tad de la situacin y a veces no nos sirven para nada.

79


Tal vez nadie entre los vendedores tenga ese desempeo de 15, o ningn producto tenga participacin de 10 por ciento o ningu-na mquina una productividad de 3 unidades por hora. Los pro-medios slo deben servir para estimar gruesamente capacidades, pero no para explicar los fenmenos, ya que por defi nicin ocul-tan la variacin.

Por ello, cuando tenemos una situacin real como la anterior, nada ms til que grafi car el histograma, para conocer cmo es la distribucin de frecuencia de esos datos, representativos del des-empeo.

En nuestro ejemplo, la productividad calculada con cualquie-ra de las dos frmulas nos refi ere a un promedio, a la media. Diga-mos, por ejemplo, que esa productividad de 15 en promedio entre los vendedores sea el resultado de dos equipos de vendedores, los cuales se pueden representar con los histogramas mostrados en la fi gura 19.

Figura 19. Distribucin de frecuencia para grupos diferenciados

Si slo observamos el promedio, vemos que podemos llegar a conclusiones no slo parciales, sino totalmente incorrectas. Si el caso fuera el del equipo B, ningn vendedor vende el promedio, la mitad est por debajo y la otra mitad por encima. Un porcentaje importante vende bastante menos que ese promedio y otro bas-

80


tante ms; es decir estamos ante un equipo disparejo, con alta des-viacin, por lo que tomar medidas para elevar el promedio ser una tarea menos fcil de lo que se pensaba, si slo hubisemos de-cidido sobre el promedio. De hecho la pregunta debe ser: por qu unos logran 17 y 18 y otros apenas 12 o 13?

Si el caso fuera el del equipo A, vemos que efectivamente un buen porcentaje se comporta como promedio y alrededor de l, y apenas pocos estn por encima o por debajo, parecindose a un comportamiento normal. Si queremos mejorar, en este caso las medidas sern totalmente diferentes a las que tomemos en el equipo B.

En nuestra experiencia, una gran cantidad de situaciones don-de debemos analizar indicadores, explicar su comportamiento y sus factores, etctera, pueden tener una respuesta ms que acepta-ble si utilizamos esas tres grfi cas: la de corrida, la de dispersin y el histograma de frecuencia. El establecimiento de metas, estima-cin o proyeccin, y el anlisis de causas y factores se facilitan con su utilizacin11.

11. Todo esto es adicionalmente ms fcil si utilizamos herramientas como el Excel,

programa que ha puesto tales facilidades al alcance de todos, sin que tengamos que

realizar mayor trabajo.

81

SEGUNDO NIVEL DE TCNICAS BSICAS DE PENSAMIENTO ESTADSTICO: CONOCER

Y EXPLICAR LA VARIACIN NORMAL O ANORMAL

Si a la grfi ca que presentamos al inicio del captulo le aplic-ramos el paradigma de la variacin normal, veramos que abso-lutamente todos los valores que estn contenidos en los rangos o lmites son valores buenos, independiente de la magnitud que cada uno individualmente tenga.

La variacin realmente es lo constante que debemos esperar del comportamiento de los indicadores, sin embargo, ella puede ser anormal o normal. Diremos que un comportamiento es anor-mal cuando podemos identifi car alguna causa especfi ca o espe-cial que explique por qu el indicador toma ese valor.

Figura 20. La variabilidad

Un comportamiento anormal no slo se refi ere a puntos que estn en los extremos o salen fuera de los llamados lmites de con-trol, tambin tenemos comportamientos anormales con puntos que pueden estar dentro de ellos o incluso centrados y cercanos a la media.

82


Un comportamiento normal es aquel donde no podemos identifi car alguna causa especial por la cual el indicador toma ese valor, y el mismo es un valor perfectamente aleatorio dentro de los lmites normales de la distribucin de probabilidades que toman los posibles valores de la variable.

A continuacin veremos los principales conceptos estadsticos que han contribuido a conocer el comportamiento de variables en general y de indicadores de procesos en particular, y cuya apli-cacin nos facilita enormemente la vida en las empresas que los aplican: Aleatoriedad y regularidad estadstica. La aditividad de la varianza. Tchebychev y la distribucin normal12. Comportamientos anormales.

Aleatoriedad y regularidad estadsticaNo son pocas las situaciones con aplicacin errnea de la estads-tica. En nuestra experiencia, aumentada por el boom de Seis Sig-ma, hemos visto que se aplican los paquetes estadsticos a la mano en donde no deben aplicarse y gracias a las facilidades que da hoy la computacin.

Por ejemplo, en una empresa cercana que desarrollaba un pro-grama Seis Sigma, los expertos recomendaron la aplicacin de la metodologa a la situacin de alta rotacin de la fuerza de venta, incluyendo las estadsticas; esta empresa contaba con ms de mil vendedores. Al fi nal del camino se demostr lo errado de la aplica-cin de las frmulas estadsticas para explicar y evaluar las opcio-nes de mejora, que por lo dems resultaron ser casi obvias.

12. Pafnuty Lvvich Tchebychev (1821-1894) fue un clebre matemtico del siglo xix,

creador de varias escuelas matemticas en Rusia: teora de los nmeros, teora de

probabilidades, teora de aproximacin de funciones, teora de mecanismos y m-

quinas, etc. Es autor de ms de 80 publicaciones, algunas de las cuales no tienen

ttulos matemticos: Sobre un mecanismo, Sobre la confeccin de vestidos, So-

bre la construccin de mapas geogrfi cos, Sobre las ruedas dentadas.

83


Para que una situacin y los datos que dan cuenta de ella pueda ser analizada con conceptos y tcnicas estadsticas, deben reunirse una serie de condiciones, siendo dos las bsicas:1. los eventos (datos) deben ser aleatorios, es decir, no respon-

der a ninguna decisin predeterminada o alguna accin o inaccin identifi cable, es decir, eventos que aparecern o no, independientemente de la voluntad de quienes lo observan o administran; y

2. adems presentar regularidad estadstica, es decir, no ser ca-ticos, un terremoto, por ejemplo.

Figura 21. Aleatoriedad, regularidad estadstica y frecuencia de datos

Las condiciones de aleatoriedad, y no de caos, nos dan como resultado una frecuencia determinada, es decir, eventos que se re-petirn segn alguna ley, que ser el objetivo del estadstico en-contrarla, con base en muestras o razonamiento lgico.

84


Adems la aditividad de la varianzaEl otro concepto que debemos tener presente es que la varianza de una variable es funcin de la suma de las varianzas de todas las variables que la componen. Por ello, cuando queremos reducir la variacin de una variable, la estrategia ms lgica es reducir el n-mero de factores o componentes que la integran o explican.

Sumando las condiciones de aleatoriedad, regularidad y esta ltima ley sobre la variacin, pronto llegaremos a la conclusin de que a muchos indicadores empresariales y de gestin no es dado aplicarles las tcnicas estadsticas, aunque s el pensamiento esta-dstico.

Para manejar el asunto dividiremos los indicadores de gestin en tres grupos, donde el pensamiento estadstico podr ser aplica-do con mayor o menor rigor. Desde este punto de vista tendremos tres tipos de indicadores en tres niveles, que responden con mayor o menor grado a las condiciones de aleatoriedad y regularidad y segn sus componentes una varianza mayor o menor. Indicadores agregados de la empresa. En estos indicadores, tales

como rentabilidad, participacin de mercado, etctera, no son aplicables las tcnicas estadsticas, aunque s el pensamiento estadstico.

Indicadores departamentales. En indicadores como efectividad, efi ciencia, productividad, etctera, que tambin son agregados de efectos de un buen nmero de variables, pero defi nitiva-mente menos que los de la empresa, en algunos casos podran aplicarse tcnicas estadsticas.

Indicadores de productos, de operaciones, etc. En indicadores como defectos, errores, tiempo de ejecucin como puede verse en la literatura de Seis Sigma y control de calidad se puede y debe efectivamente aplicar las tcnicas estadsticas.En general los indicadores de primer nivel, el de la empresa

tales como rentabilidad, participacin en el mercado, produc-tividad por vendedor, gasto unitario, etc., no son aleatorios y podran ser regulares, aunque solemos medirlos con la frecuencia que en realidad se presentan.

85


El evento rentabilidad del mes de la empresa es un indicador de gestin clave y es un indicador en el sentido pleno del con-cepto, sin embargo no tiene la condicin de aleatoriedad, ya que sobre sus componentes vivimos interviniendo o manipulan-do, para lograr un resultado mnimo o mayor a ese mnimo; mes a mes infl uimos en las condiciones que lo determinan, unas veces en algunas condiciones, otras veces en otras.

Impulsamos las ventas haciendo ofertas o publicidad, o ms incentivos, o disminuimos costos sencillamente cortando ciertos gastos o cambiando las condiciones de algn proceso. No obstan-te, entonces, ser una variable que est explicada o compuesta por innumerables factores, muchos de ellos cumplen con la llamada aleatoriedad y regularidad estadsticas, otros no.

Nadie que tuvo un resultado bajo en un mes determinado deja la rentabilidad de la empresa al azar, a ver qu pasa y se queda es-perando la del mes que viene, sin actuar.

El segundo nivel, al igual que el primero, se da en condiciones que normalmente contradicen la aleatoriedad, aunque la regulari-dad es mayor. En primer lugar, son indicadores cuya periodicidad es diaria, semanal, mensual. Sin embargo, entre una lectura/resul-tado y otra actuamos para corregir desviaciones de lo esperado.

Realmente no dejamos pasar el tiempo, cuando constatamos condiciones de incumplimiento de un programa (efectividad) o que estamos utilizando ms recursos de lo normal (efi ciencia).

Para administrar y controlar en estos dos grupos, usaremos otros conceptos, tales como bandas de control, establecidas con base en metas y comportamientos esperados, pero que no vienen de una frmula estadstica basada en datos pasados. En los cap-tulos posteriores sugeriremos algunas recomendaciones, cuando nos refi ramos a indicadores de este tipo.

Los indicadores del tercer nivel los de calidad de productos, de procesos y operaciones suelen tener las condiciones de alea-toriedad y regularidad y adems son menos complejos por tener menos componentes o factores que los determinen, por tanto su varianza estar entre rangos manejables.

86


Los defectos de un producto que se produce por miles o cien-tos de miles, continuamente, los errores en una operacin o pro-ceso que se ejecuta constantemente, cientos o miles de veces, el tiempo que se lleva hacer la operacin, los defectos de una pieza del mismo, los errores que un digitador comete al transferir datos a la computadora, etc., todos ellos son indicadores que presentan normalmente aleatoriedad; entre un evento y otro no media nin-gn factor externo identifi cable que pudiera explicar el mejor o peor resultado y regularidad estadstica, es decir, se repite con una frecuencia que permite asumir condiciones externas similares. En este nivel son aplicables los conceptos estadsticos que permiten conocer la normalidad o anormalidad de un comportamiento.

87

TCHEBYCHEV Y LA DISTRIBUCIN NORMAL

Esta distribucin tiene las bondades de explicar un gran nme-ro de fenmenos de variacin y, con algunos artifi cios, explicar muchos otros que en primera instancia no tienen este comporta-miento.

La distribucin normal es una distribucin simtrica para variables que toman valores continuos, tiene forma de campana, donde es la media de los valores y la desviacin estndar.

Figura 22. Gr ca de distribucin normal

Ella ha sido objeto de estudio y de desarrollos aplicados al mundo empresarial y de los procesos; sin ella muchas decisiones en diseo de productos, control de su calidad, diseo de procesos o su mejoramiento, seran imposibles.

88


En el pensamiento estadstico recogemos su importancia y la de la distribucin de Tchebychev, quien hizo una serie de hallaz-gos que permiten utilizar la distribucin de una manera sencilla. Tchebychev, encontr lo siguiente: 68,3 por ciento de los puntos debe estar entre +/- 2 99,4 por ciento entre +/- 4 99,7 por ciento entre +/- 6

Ello permite que al ver una grfi ca de puntos, que van ocu-rriendo supuestamente bajo condiciones de aleatoriedad, stos deban comportarse segn aquella distribucin; lo contrario nos llevar a pensar en condiciones no normales de operacin. Cu-les son condiciones normales?:1. Todos los puntos estn dentro de los lmites de control.2. La mitad de los puntos estn a cada lado de la lnea central.3. Alternancia de los puntos a uno y otro lado de la lnea central.

Aunque no uno a uno4. Casi dos tercios de los puntos dentro del primer tercio entre la

lnea central y los lmites.5. Casi un tercio en el segundo tercio.6. Inexistencia de tendencias. Varios puntos hacia arriba o hacia

abajo, o iguales.

Al tener a Tchebychev en mente, al ver una grfi ca, cualquiera sea, podemos encontrar situaciones anormales, incluso en distri-buciones no normales. Qu queremos decir con esto?: Que si usted ve una grfi ca (fi gura 23) y observa puntos con-

secutivos en una direccin (tendencia), puede decir, con gran probabilidad de no equivocarse, que esa variable no est te-niendo un comportamiento acorde con la distribucin de la misma.

Usted observa, adems, valores consecutivos a uno y otro lado de la media.

Tambin puede observar una concentracin permanente a un lado u otro de la media.

89


Figura 23. Ejemplo de gr ca de frecuencia

91

EL MIX Y LAS METAS, Y LA EXPLICACIN DE SU VARIACIN

Los indicadores de gestin deben pensarse en funcin de su ha-bilidad para analizar el desempeo, planifi carlo y por ende espe-rar comportamientos que quedan como metas a alcanzar. En este ltimo rol, en muchas ocasiones se cometen errores o, por hacerlo en forma defi ciente, los indicadores terminan teniendo poca uti-lidad.

Uno de los errores tpicos es que, para un indicador que expre-sa el comportamiento promedio de diferentes productos, zonas, clientes, reas, etc., se fi jan metas para el conjunto sin considerar la parte, cuando debe ser al revs: fi jar las metas de cada subdivi-sin o parte para llegar a la del conjunto.

Para ello debe usarse el peso ponderado de cada parte en la mezcla, que segn el indicador pueden ser unidades, monto en di-nero, cantidad de personas, etc. As la frmula general ser:

n MC = (M

i x P

i)

i=1

Para:MC = Meta del conjuntoM

i = Meta de cada parte

Pi

= Peso o proporcin de cada parte i en el conjunto (uni-dades o monto en dinero)

n = Sumatoria para valores de i entre 1 y n i=1

92


En nuestro ejemplo supongamos que queremos establecer metas para la productividad de vendedores, y stos estn sepa-rados por zonas con diferente nmero de vendedores y diferente desempeo. En la tabla a continuacin los valores:

Tabla 1. Productividad de vendedores por zonas

Zona N vendedores Peso (%) Productividad meta

Z1 20 20 18

Z2 30 30 20

Z3 50 50 13

Total ponderada 100 100 16,1

La ponderacin de cada valor de productividad meta por el peso determinado por la cantidad de vendedores en cada zona, permite obtener un valor de productividad total ponderada.

Separacin del efecto mix y del efecto cambio en capacidad o desempeoUn paso adicional es asumir que una variacin del indicador glo-bal incluye simultneamente una variacin en el desempeo mis-mo de las partes y una variacin en los pesos o proporciones rela-tivas (mix). En la fi gura 25 se expresa la relacin PT real/PT meta.

Figura 24. Efecto mix y efecto cambio en capacidad o desempeo

93


Donde:

n = Sumatoria para valores de i entre 1 y n i=1

PRR

= productividad realPE

R = peso real

PEM

= peso metaPR

M = productividad meta

Vamos a completar la tabla anterior con los valores reales veri-fi cados y a calcular los valores para la ecuacin de la fi gura 24.

Tabla 2. Productividad plani cada y real de vendedores por zonas

Real Plani cado (meta)

Zona Produc- N Peso Produc- N Peso tividad vendedores (%) tividad Vendedores (%)

Z1 16 10 10 20 20 18

Z2 20 30 30 30 30 20

Z3 12 60 60 50 50 13

Como puede observarse la frmula anterior nos permite ex-plicar que ese 91,9 por ciento de desempeo de productividad, respecto a la meta, es explicado, por una parte (97,4 por ciento), por un cambio en el mix hacia zonas de menos productividad y, por otra (94,4 por ciento), porque en el conjunto ha habido una menor productividad de algunas zonas versus la meta.

94


Figura 25. Clculo productividad plani cada y real de vendedores por zonas

95

DIFERENTES MOMENTOS Y FORMAS DE EXPLICAR EL COMPORTAMIENTO

Un problema o error muy comn en las reuniones donde se analizan indicadores es que no se diferencia el nivel de profun-didad con el cual debe y puede ser revisado cada uno de ellos. A las tablas se le ponen colores rojo, amarillo o verde, para llamar la atencin sobre lo que est ms o menos desviado de la meta o pre-supuesto; sin embargo, a la hora de revisarla, se revisa todo como si el color no signifi cara nada.

En nuestra experiencia hemos encontrado til distinguir en la agenda misma la profundidad con que puede y debe ser reportado un indicador. No siempre, por estar desviado de la meta, su com-portamiento deja de ser normal; adicionalmente, en la mayora de los casos en que esto sucede no se cuenta con la informacin sufi -cientemente elaborada para explicar la desviacin. Para distinguir separamos los siguientes niveles e informacin: punto de informa-cin, punto de control y punto de anlisis.

Punto de informacinSlo para informar el estado del indicador. De estar desviado ne-gativamente o muy positivamente, debe decirse (informarse) que se estn haciendo las averiguaciones y anlisis y en caso de que la desviacin no sea normal informar, en una prxima reunin, con mayor profundidad. Un punto de informacin puede darse con mayor periodicidad, segn la cultura y nivel de manejo de indica-dores en la empresa; puede ser desde diario a semanal, si es que se poseen tableros de control.

Un punto de informacin debe durar poco, no ms de un mi-nuto. Debe evitarse caer en la tentacin de preguntar por ms in-formacin o detalle y de responder.

96


Ejemplo

La productividad de los vendedores estuvo a 90 por ciento

de lo esperado, es posible que se deba a un factor externo, ya que,

hasta donde hemos averiguado, se cumplieron todas las activi-

dades previstas para el mes. Tambin podra ser un exceso en

la fi jacin de la meta. Para la prxima reunin tendremos ms

claro el asunto.

Punto de controlEn esta modalidad explicaremos mejor las razones de alguna des-viacin, o de no existirla aunque parezca un contrasentido exponer por qu se ha cumplido con lo esperado, no vaya a ser que existan holguras por haberse subestimado las metas en el plan. Como su nombre lo indica, control implica contrastar con el plan, tanto diseo como ejecucin de lo previsto, por tanto la calidad del mismo depender de la calidad del plan.

Un punto de control durar ms, 15 a 30 minutos, dependien-do de la situacin, ya que debe revisarse el plan y contra l contras-tar lo realizado y obtenido. Si la desviacin es mayor y reincidente, requerir profundizarse ms la explicacin y se revisar si existen excesos en el diseo del plan para producir los ajustes necesarios, o debilidades en la ejecucin que ameriten tambin acciones de cumplimiento, mas no revisin del plan. El punto de control debe darse cada vez que una desviacin del plan es importante y debe tener propuestas de ajustes, ya sea en el plan o en la ejecucin.

Ejemplo

La productividad de los vendedores se mantiene por tercer

perodo debajo de 90 por ciento de lo planifi cado. Hemos revi-

sado la situacin y encontrado que la desviacin se explica en

parte por excesos en la fi jacin de la meta, ya que no considera-

mos los factores x , y , z (externos) que estn incidiendo en

y por lo visto no desaparecern, por tanto la meta debe sufrir un

97


ajuste de 3 puntos, ms bajos, a menos que y estemos dispues-

tos a aplicar las acciones contingentes previstas en el plan pero

que requieren de inversin en

Adems de lo anterior, hemos detectado que las acciones

previstas en el plan en materia de mejorar el proceso de iden-

tifi cacin de prospectos y optimizacin del tiempo de los vende-

dores no se han implementado con todo el rigor necesario. Por

ello, vamos a: 1) lo cual esperamos est a 100 por ciento en 15

das, y 2) que nos debe llevar un mes. As que para dentro de

dos meses debemos estar en 97 por ciento de la meta, si es que no

corregimos la misma, o en 100 por ciento, si hacemos los ajustes.

Punto de anlisisEs aquel donde se revisa a fondo la situacin, sin considerar si se cumple o no el plan. Es cuando se analizan los comportamientos con una perspectiva de mejora o innovacin, se revisan las opor-tunidades, las posibilidades de aplicar nuevos enfoques.

Usualmente un punto de anlisis, en una empresa con pro-cesos de planifi cacin estratgica y/u operativa anuales, se da en este marco. Sin embargo, en una con procesos ms dinmicos y continuos de planeamiento y mejoramiento e innovacin, puede y debe darse en cualquier momento, en el que se vislumbra la po-sibilidad u oportunidad o se tiene conocimiento de la debilidad.

Por supuesto un punto de anlisis lleva ms tiempo, tanto como la empresa est acostumbrada a analizar con mtodo y rigurosidad los indicadores. No obstante esto, en uno u otro caso deben darse fuera del marco de las reuniones para informacin y control.

Ejemplo

La productividad de los vendedores est en 15 ventas por

mes por vendedor. Hemos conocido que en (una empresa de

la competencia) se llega a 30 sin que se diferencien mucho con

nuestra empresa en los factores externos; bsicamente la dife-

98


rencia viene dada por la aplicacin de enfoques diferentes, entre

ellos: cmo se concibe el rol de los vendedores; cmo se asignan

carteras, zonas; cmo se concibe el uso del tiempo; cules son los

incentivos que tienen un componente colectivo importante

Si nosotros logrramos ese nivel de productividad, nuestro

gasto comercial disminuira en sin que afectramos nuestra

posicin de mayor participacin en la captacin de clientes

Para lograrlo, recurriramos a: 1) 2) 3) 4), cuestiones

que pueden hacerse en un tiempo de y tendramos que reali-

zar una inversin de para

Como hemos visto, podemos estar hablando del mismo in-dicador pero con diferente profundidad. Ejercitar esa habilidad organizacional es clave para optimizar el uso del tiempo y la pro-fundidad con que se abordan los problemas u oportunidades en la organizacin.

99

NMEROS NDICE

Hablar en porcentajes tiene sus ventajas, en primer lugar, por-que es algo comn que todos entienden. Hablar en nmeros ndi-ce es casi lo mismo aunque menos conocido, pero tiene ventajas enormes cuando queremos explicar el comportamiento de un re-sultado respecto a una base de comparacin, pero partiendo del comportamiento de los factores de ese resultado y no del compor-tamiento del resultado fi nal.

Digamos que el resultado en cualquier momento t (Rt) es

122,21 y, al compararlo con el resultado base (R0), que era 100,

podemos decir: El resultado en t fue 22,21% mayor que en 0. O fue 1,2221 del valor de la base (resultado de dividir el valor

en t entre el valor en 0.Supongamos que los factores que defi nen R son tres: Fa, Fb y

Fc.

R = Fa x Fb x Fc

En nuestro ejemplo, tambin suponemos que: Fa pas de 5 a 5,5 entre los puntos 0 y t, aumentando 10 por

ciento; es decir IFat/0

(ndice de Fa en el punto t comparado con el punto 0) = 1,1.

Fb pas de 5 a 5,05 en el mismo perodo, aumentando 1 por ciento, es decir IFb

t/0 (ndice de Fb en el punto t comparado

con el punto 0) = 1,01. Fc pas de 4 a 4,4 en igual perodo, aumentando 10 por ciento,

es decir IFct/0

(ndice de Fc en el punto t comparado con el punto 0) = 1,1.

100


Conociendo que el producto de ellos nos da el resultado, slo a partir del conocimiento del ndice de cada factor podemos calcu-lar el ndice de crecimiento del resultado, sin conocer las magnitu-des de stos o de cada factor.

ndice de Rt / R

0 = 1,1 x 1,01 x 1,1 = 1,221

Lo anterior no podramos hacerlo con los porcentajes.

Resumen

1. En este captulo hemos revisado algunos conceptos y reglas

que nos permiten analizar el comportamiento de los indi-

cadores en el da a da y por ende de su variacin, que es lo

nico que podemos esperar.

2. La primera herramienta para analizar el comportamiento

supone poner los datos de manera grfi ca y, en particular,

utilizar la grfi ca de corrida o serie de tiempo, que es la ms

til y adecuada; ella nos dice cmo va variando el indicador

en el tiempo.

3. Otras grfi cas tiles para profundizar el anlisis son las com-

puestas, como las de dispersin, que permiten ver relaciones

o correlaciones entre indicadores o entre stos y sus factores,

de modo fcil y rpido.

4. La variacin tiene reglas, y para conocerlas un primer paso

es saber la naturaleza de la distribucin de esa variable a tra-

vs de grafi car un histograma con los datos.

5. La aplicacin de algunos conceptos estadsticos sobre el

comportamiento normal nos permite identifi car situacio-

nes de variacin normal o anormal. A partir de all podemos

ver una grfi ca y depurarla de datos extraos, relacionados

con causas especiales e identifi cables, antes de emitir juicio

sobre lo que podemos esperar en condiciones normales.

6. La mayora de los indicadores expresan resultados que son

mezcla de partes y subdivisiones sean stas productos, zo-

101


nas, procesos de magnitudes diferentes. Por ello identifi -

car la infl uencia del mix es un elemento clave para el correc-

to anlisis de indicadores e incluso para establecer metas.

7. Las metas deben ir de las partes o componentes al conjunto

y no al revs. La meta del mix debe ser calculada con base en

las metas de las partes, multiplicadas stas por el peso de la

parte en el conjunto.

8. Los puntos de informacin, control y anlisis son tres mo-

mentos donde hablamos del mismo indicador pero con

diferentes niveles de profundidad en la explicacin de su

comportamiento. Separarlos en el da a da de la gestin

ayuda mucho a evitar discusiones innecesarias y prdidas

de tiempo.

9. Un ndice es el cociente entre el valor que toma una variable

en un momento y el valor en un momento o punto base o de

referencia. Ello nos permite explicar fcilmente el ndice de

cambio en un indicador a partir de los ndices de cambio en

los factores que los componen.

Documents

MIII L1 Indicadores Cap3 LC