Beruflich Dokumente
Kultur Dokumente
MBITO EMPRESARIAL
1
Pronsticos, Supervisin e
Indicadores Financieros
(Estudio de casos)
2
Este e-book Investigacin en el mbito empresarial
(Pronsticos, Supervisin e Indicadores Financieros)
Por:
Garca Santilln Arturo
Vzquez Cotera Daniel
Reyes Ortiz Heriberto Arturo
Senz Surez Jos Alberto
Limn Lli Alejandro
3
Diseo de Portada
Julio Csar Hernndez Rivera
Centro de Cmputo Acadmico UCC, Campus Calasanz
agarcias@aix.ver.ucc.mx dcotera@aix.ver.ucc.mx
4
Serie
Libros y Manuales: Finanzas, Contadura y Administracin
Unidad Multidisciplinaria: CIEA
Libros de Texto/052009
ISBN: En trmite
Registro en la Biblioteca Nacional Espaola No. En trmite
5
ndice
Conclusiones ( 196 )
Bibliografa ( 198 )
Anexo ( 200 )
9
Prlogo
El lector podr encontrar tres estudios de caso que versan sobre: La efectividad de los
pronsticos, La importancia de la supervisin permanente en los procesos productivos, y La
efectividad del anlisis convencional de razones financieras en la identificacin de riesgos de
retrasos en cuentas por cobrar. De estos estudios se describe una breve presentacin a
continuacin:
Como nota aclaratoria debemos sealar, que en cada uno de los casos expuestos se cuid el
anonimato de las empresas estudiadas, habiendo utilizado nombres ficticios para hacer
referencia al sujeto en estudio.
Finalmente cabe decir, que el documento que ahora presentamos pretende contribuir en lo
acadmico, de acuerdo a su alcance, a su objetivo y con los resultados que generaron la
respuesta a la pregunta principal de investigacin en cada caso. Ms all de las omisiones que
pudieran surgir, ms bien se debe acotar al objeto de estudio que en cada caso se abordo, de
ah que las sugerencias que el lector tenga a bien emitir, sern bien recibidas en aras de ampliar
las investigaciones hacia otros contextos y propsitos especficos.
Los autores
11
PRONSTICOS
12
Captulo 1 Introduccin
Antecedentes
En el mundo globalizado y con mercados tan competidos como los que
enfrentamos hoy, las empresas se ven obligadas a buscar mayor eficiencia en sus
procesos de negocio. Un proceso de negocio fundamental en las empresas, es
pronosticar la demanda de sus productos o servicios para establecer el plan de
ventas y operacin de la empresa. Los procesos del negocio orientados al
suministro (compras, produccin y distribucin) estn enfocados a garantizar
disponibilidad de servicios o productos con eficiencia y al mejor costo, y su
desempeo depende de que las reas de mercadotecnia y ventas pronostiquen lo
mejor posible la demanda. En este sentido, un tema que actualmente interesa es
cmo pronosticar con ms certeza la demanda de productos o servicios.
(Gonzles, 2008) 1
1
Gerente General de Sistemas y Pronsticos, S.A. de C.V., representante en Latinoamrica de Forecast Pro.
Es Ingeniero Mecnico Electricista por la Universidad Nacional Autnoma de Mxico. Asimismo, es Consultor
Internacional en la implantacin de procesos de pronsticos y de mejora de procesos de negocio. Ha
impartido innumerables cursos de Tcnicas de Pronsticos y Simulacin de Procesos para empresas en
Mxico y Latinoamrica. Colaborador y miembro del staff de Business Forecast Systems para la conduccin
de seminarios de pronsticos y talleres sobre pronsticos en diversas ciudades de Norteamrica. Autor de la
traduccin al espaol del software de pronsticos estadsticos para empresas (Forecast Pro).
13
En ltima instancia, el xito de cualquier empresa depende en gran parte
de la habilidad que sus ejecutivos tengan para predecir y preparar sus condiciones
futuras; de aqu que mientras ms precisos sean sus pronsticos de ventas, mayor
ser la simplificacin que logren en su importante labor de planeacin del futuro
(Mudick y Schaefer, 1970).
Prueba de ello se puede observar en la tabla 1 que describe las cifras que
arroj el Detalle de Gastos por Rubro de Acuerdo a Desempeo al 31 de
Diciembre de 2007 en donde las ventas reales estn muy por debajo de las
pronosticadas.
Tabla 1: Presupuesto de cajas vendidas
Dic 2007 Real Dic. Plan Var. Vs Plan
Cajas Vendidas 222,541 333,963 -33.364%
Fuente: tomado del reporte de gastos por rubro de acuerdo a desempeo 2007
ETSAV
Segn Perry las empresas exitosas son aquellas que anticipan un conjunto
de escenarios y desarrollan planes de contingencia en base a un modelo de su
negocio (1994). La realizacin de pronsticos permite que los negocios operen de
una manera ptima al conocer lo que probablemente ocurrir en el futuro en
funcin de lo que ha ocurrido en periodos pasados; el realizar esta prctica
mejora la cadena de valor y al mismo tiempo aprovecha el ocupar la tecnologa
disponible y as estar renovando de manera continua, para ofrecer mejores bienes
y servicios al cliente adems de retribuir a la empresa en su rentabilidad.
16
Cuando se elabora un pronstico errneo, la planeacin se viene abajo y
todas las reas de la empresa se vuelven ineficientes. Esto se puede observar
directamente, en el bajo desempeo financiero de la empresa.
Algunos indicadores de ello se pueden ver en: las ventas negadas, excesos
de inventarios de productos que no requieren los clientes, reduccin de margen al
vender con descuentos para lograr los objetivos, costos ms altos en las compras,
produccin y/o distribucin para reaccionar a emergencias, etc.
700
600
500
SECOS
400
300
200
100
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31
MES DE DICIEMBRE 2007
800
700
600
500
SECOS
400
300
200
100
0
1
2
11
13
15
17
19
21
23
25
27
29
31
DIAS DEL MES DE ENERO Y FEBRERO
7000
6588
6000 6570
5000
CADUCADO
4000
3000
2000 2115
1224 1048 691
1000 506
0
JUNIO JULIO AGOSTO SEPT OCT NOV DIC
MES
Descripcin
SEMANA 04 2008del kpi 52,599 42,175 -10,424 12,032 28.53% 71.47% 29.27%
Ahora bien, dentro de las barreras con que se cuentan, son la ineficiente
participacin de diversas funciones y jerarquas en las diversas reas, dando como
resultado un impacto en la produccin, en sus decisiones de capacidad,
programacin de la produccin, inventarios, fleteo, y contratacin de personal,
por nombrar algunos. As, con los argumentos descritos anteriormente ahora
surge la siguiente interrogante:
Interrogantes
Desde la opinin de las reas involucradas en el proceso de elaboracin de
pronsticos Cmo impacta el desempeo de las reas involucradas, la
elaboracin de un pronstico de ventas inexacto?
Cuestionamientos especficos:
Objetivo general
A partir de la interrogante principal, el estudio busca: desde la opinin de las
reas involucradas en el proceso de elaboracin de pronostico: Evaluar el
impacto al desempeo de las reas involucradas, por la elaboracin de un
pronstico de ventas inexacto
Objetivos especficos
Determinar si la informacin que recaba el departamento de ventas
es eficiente para el diseo del pronstico.
Evaluar la capacidad tcnica del gerente de pronsticos para realizar
las funciones de pronsticos, y basar esta actividad en el uso de
22
modelos economtricos para determinar el error cuadrado medio
relativamente ms bajo.
Determinar si el procedimiento con el cual se elabora el pronstico
se basa en la metodologa de modelos alternativos.
Determinar si el sentido comn, la capacidad administrativa y la
experiencia del pronosticador, son elementos eficientes para el
proceso de generacin del pronstico.
Determinar si el gerente de pronsticos al estimar sus ventas
tomando en consideracin, la opinin de cada rea funcional
relacionada directamente a la funcin de logstica y ventas, as como
la capacidad instalada, favorece a lograr un pronstico confiable.
CAMBIO DE
PROGRAMA DE
PRODUCCIN
DUEO DEL ABASTO
PRONSTICO DE VENTAS
PRONSTICO INADECUADO
FLETEO
GENERACIN DEL
INCREMENTAL
PLANEACIN
RECOLECCIN DE
INFORMACIN INVENTARIO DE
EMERGENCIA
CONOCIMIENTOS
INVENTARIOS POR
TCNICOS DEL ABASTO EN EXCESO DEBAJO DE LOS
PRONSTICO
MXIMOS
INVENTARIOS POR
ENCIMA DE LOS
RESPONSABILIDADES Y MXIMOS
TRABAJO EN EQUIPO
Modelo de Estudio
Con el modelo propuesto, se pretende identificar las variables que impactan
significativamente en el desempeo de las reas involucradas, esto, como
consecuencia de un pronstico de ventas que presente desviaciones entre lo
presupuestado versus lo realizado. Con este argumento, ahora se plantea la
siguiente:
Hiptesis
Hi: El perfil del gerente de pronstico, encargado de la recoleccin de la
informacin y cuya responsabilidad conlleva a integrar los equipos para el
desarrollo de los pronsticos, tiene el conocimiento tcnico necesario sobre
pronsticos, a efecto de seleccionar el mtodo idneo para la generacin de
escenarios, que conlleve a planear con eficiencia las estimaciones, as como la
correcta toma de decisiones, para con ello coadyuvar en lo posible, a reducir
desviaciones, o que al menos estas ltimas se encuentren con un margen de error
aceptable.
24
Justificacin
Es imperativo que las empresas tengan enfoques eficaces para realizar sus
pronsticos y con ello, forme parte integral de la planeacin empresarial. Cuando
los gerentes planean, determinan hoy los cursos de accin que tomarn en el
futuro, por lo tanto el primer paso en la planeacin es el pronstico, es decir,
estimar la demanda futura de productos y servicios, as como los recursos
necesarios para producirlos. Se requiere entonces implementar un proceso de
planificacin que permita establecer un nivel de ventas esperado ms realista para
el perodo bajo anlisis y as evitar costos que no producen valor
Contribucin a la Sociedad
La importancia de este estudio radica, en que las personas que tienen un nivel de
mando medio en las empresas y que siguen operando de una manera tradicional
o emprica, logren modificar el enfoque adecuado hacia los pronsticos.
Captulo 2 Fundamentos
teoricos
La revisin de la literatura, parte del constructo diseado para este estudio,
mismo que se describe a continuacin:
GERENTE DE
PLANEACIN
PRONSTICO
RECOLECCIN DE PRONSTICO
INFORMACIN INEXACTO
A
CONOCIMIENTOS
TCNICOS DE LOS
PRONSTICOS
RESPONSABILIDADES Y
TRABAJO EN EQUIPO
28
PRODUCTO NO DISPONIBLE
ABASTO INADECUADO
CAMBIO DE PROGRAMA DE
PRODUCCION
FLETE INCREMENTAL
PRONOSTICO
INEXACTO
INVENTARIO DE EMERGENCIA
ABASTO EN EXESO
INVENTARIOS
29
Anlisis y discusin de las variables del modelo
En este apartado se describe la fundamentacin terica y emprica de las variables
que integran el modelo de estudio, incluyendo de igual forma, la revisin de la
literatura relacionada con la aplicacin de los pronsticos de ventas.
Algunos de los mtodos, como son los modelos estadsticos, las analogas
histricas y el consenso del comit ejecutivo, tienden a ser de costo bajo o
moderado, en tanto que los modelos economtricos complejos de Delfos, y las
investigaciones de mercados, tienden a ser ms caros y requieren ms tiempo
para utilizarse.
Las compaas insisten en que sus fuerzas de ventas, asumen cada vez ms
responsabilidad de reunir conocimientos del mercado, sobre una base contina
para la gerencia de sistemas de informacin de la compaa. Por ejemplo, se les
dice a los vendedores: no slo vendan, obtengan informacin
Para Gaither y Frazier (1999) los datos que estn disponibles y que sean
relevantes para los pronsticos, constituyen un factor importante en la seleccin
del mtodo de pronstico. Por ejemplo, si las actitudes y las intenciones de los
clientes son un factor relevante en los pronsticos y si estos datos pueden
obtenerse de manera econmica de los clientes, entonces una encuesta de clientes
pudiera ser el mtodo apropiado para el desarrollo de las estimaciones de la
demanda.
35
Por otra parte, si se requiere pronosticar las ventas de un producto nuevo,
entonces una encuesta de clientes pudiera no ser una forma prctica de
desarrollar un pronstico; quiz debieran utilizarse las analogas histricas, la
investigacin de mercados, el consenso del comit ejecutivo o algn otro
mtodo.
Qu tan sofisticados deben ser los gerentes que utilizan los resultados del pronstico?
OBJETIVOS PRONSTICOS
DECISIONES
MODIFICAN GENERAN
GENERAN
RESULTADOS ACCIONES
Figura 2: El Pronstico como parte integral de la planeacin (tomado de Velsquez, Dyner y Souza, 2006)
Esto ltimo puede ser explicado, en parte, por la brecha existente entre los
pronosticadores, quienes poseen usualmente un nfasis tcnico en el pronstico,
y los usuarios, quienes usan los pronsticos con un nfasis empresarial para la
toma de decisiones.
Fuentes informales
de informacion
Pronosticador
Ajustes
Valores Exactitud Limitantes costo
informales
probable / tiempo
Seleccin de las
variables clave
Seleccin de los
procedimientos Pronostico
de pronosticos inicial
4
Influencias directas o flujos. Los cuadros sombreados representan los componentes principales del sistema para la elaboracin de pronsticos. Los cuadros de lneas ms
oscuras representan acciones efectuadas por los participantes, el pronosticador y el encargado de la toma de dediciones. Los cuadros de lneas continuas representan la
informacin y las suposiciones.
Debido a que las empresas se encuentran situadas en momentos de gran 47
Promedios mviles
Promedio mvil ponderado
Suavizacin exponencial
Anlisis de regresin
Box Jenkins
Series de tiempo de Shiskin
Proyecciones de tendencia
3) Los pronsticos basados en modelos causales se componen de:
Anlisis de regresin
Modelos economtricos
Modelos de entrada / salida
Indicadores gua
4) Pronsticos basados en modelos de simulacin
MTODO DEFINICIN
E1 Curva de Los observaciones pasadas se describen como una funcin del tiempo, y luego, el
tendencia patrn identificado se utiliza para pronosticar el futuro, las funciones tpicas son la
recta, la lnea exponencial y la curva en forma de s. en el software se computacin
se encuentran algunas curvas alternativas. A menudo este mtodo se emplea en
pronsticos a largo plazo.
E3 Atenuacin El pronstico se basa en una suma ponderada de las observaciones pasadas. Los
exponencial valores dependen de los llamados parmetros de atenuacin. Una vez que se han
elegido tales parmetros, es fcil calcular los pronsticos, el mtodo se puede
adaptar fcilmente para considerar los factores estacionales y tendencias.
E4 Modelos Box- Como en la atenuacin exponencial, los pronsticos se basan en una suma
Jenkins ponderada de las observaciones previas. Sin embargo, la seleccin de los valores es
( o ARIMA) mucho ms complicada. Los modelos ARIMA brindan al analista una gama de
modelos diferentes, escogindose el ms apropiado para la aplicacin particular
(Jenkins).
E5 Bayesiano En las aplicaciones normales, el pronstico bayesiano es similar a la atenuacin
exponencial. Sin embargo, por ejemplo, una huelga en la planta de la competencia.
Los modelos extrapolativos regulares para pronsticos requieren la intervencin
humana para el reajuste despus de un cambio como este. El pronstico bayesiano
trata de tomar en cuenta estos cambios mediante la evaluacin de los puntos de
cada rato para ver si ha ocurrido o no algn cambio. Una vez que se identifica estos
cambios, los pronsticos se ajustan automticamente, este mtodo tambin puede
incorporar la informacin subjetiva.
Fuente: Tomado de Makridakis y Wheelwright (1992)
Por ltimo continuando con esta clasificacin, ahora tenemos los modelos 52
C4 Modelos Los modelos de entrada salida se fundan en la idea de que para obtener una
de entrada- produccin dada de productos o servicios, se requiere de un conjunto fijo de insumos.
salida Una vez que se han efectuado los pronsticos de la demanda del consumidor, las
tcnicas de entrada salida permitirn calcular la cantidad necesaria de un producto en
particular para mantener tal nivel de la demanda (Blin).
C5 Anlisis Se elabora una lista de eventos que probablemente tendrn un impacto en el sistema
del impacto analizado. En seguida se estiman las probabilidades de ocurrencia de cada no de estos
cruzado eventos. Segundo, tambin se estima la probabilidad condicional de que ocurra el
evento A, siendo que ha ocurrido el evento B, para todos los pares posibles de
eventos A y B. a partir de estas suposiciones es posible definir escenarios que estn
formados por una combinacin de estos diversos eventos y calcular para cada
escenario la probabilidad asociada, se eliminan aquellos conjuntos de eventos cuya
probabilidad sea baja (Helmer).
Delphi
J3 igual que en Complicado, existe presin por lograr el consenso a
el caso anterior, medida que transcurre las sesiones, no
pero intenta a necesariamente existe convergencia hacia un
travs del pronstico acordado, no constituye necesariamente el
anonimato, mejoramiento del mtodo ms directo del comit.
eliminar los
efectos de la
autoridad y la
dominacin del
grupo.
E3 fcil de aplicar con computadora para Sin base terica, pierde los
un gran nmero de productos. Muy puntos crticos, impreciso.
barato de operar, fcil de establecer
sistemas de control. De fcil
comprensin
Modelos de Box-Jenkins (o ARIMA)
E4 la seleccin de valores es amplia, lo que permite al
usuario identificar en los datos muchos ms patrones
sutiles que con los mtodos previos, ms que una
tcnica, el enfoque de Box-Jenkins proporciona una
filosofa acerca del modelado basada en el principio de
la parsimonia: cuanto ms simple es el modelo tanto
mejor, siempre y cuando satisfaga un nmero
adecuado de verificaciones de diagnstico.
Modelos Bayesianos
E5 trata de incluir la probabilidad del Complicado, se sabe muy poco
cambio estructural; incluye acerca de su funcionamiento.
informacin subjetiva; puede
emplearse con muy pocos datos;
desde el punto de vista de la
computacin, es bastante barato
Modelos de simulacin
C3 se aplican adecuadamente, tales Caros; con frecuencia requieren
modelos pueden ofrecer al de gran cantidad de datos; no hay
encargado de la toma de decisiones una explicacin clara acerca de su
una ayuda substancial; se les puede construccin; requiere una
disear de tal modo que sean de uso validacin cuidadosa
sencillo y fcil entendimiento;
pueden tambin resolver el problema
preciso
Modelos de entrada-salida
C4 a diferencia de Pocas veces las tablas gubernamentales de
muchas de la tcnicas entrada-salida contienen suficiente detalles
descritas, el mtodo de para una compaa interesada en clases
entrada-salida es ideal especificas de productos; tambin tienden a se
para pronosticar obsoletas por varios aos; no se sabe que tan
productos industriales
importante es la suposicin de
proporcionalidad entre la entrada (insumo) y la
salida (produccin). Es costoso preparar una
tabla de entrada-salida especfica para un
producto. Los pronsticos dependen de la
exactitud de los pronsticos iniciales acerca de
la demanda del consumidor.
Anlisis de impacto cruzado 57
Cules son los diseos corporativos ms favorables para hacer coincidir a los dos?
Refirindose esto, a los tomadores de decisiones y los propios
pronosticadores.
Fildes y col. (1979), Wheelwright y Clarke (1980), proponen algunas 58
soluciones al respecto. Sugieren que la clave para evaluar los resultados de los
pronsticos en la organizacin, es examinar la manera cmo se emplean los
pronsticos y no solamente cmo se producen.
Por su parte Hanke y Reich (1996), refieren que la aceptacin de que las
tcnicas de pronsticos funcionen sobre datos generados en sucesos histricos
pasados, conduce a la identificacin de cuatro pasos en el proceso de pronstico,
siendo estos:
1. Recopilacin de datos
2. Reduccin o condensacin de datos
3. Construccin del modelo
4. Extrapolacin del modelo (el pronstico en si)
Para el tercer punto hay que ajustar los datos que se obtuvieron en el
modelo adecuado y as minimizar el error que se haya obtenido en el modelo
adecuado, a la par de reducir al mximo el error que se pueda dar en el
pronstico, ya que mientras ms simple sea el modelo, mejor ser aceptado por
lo responsables en la toma de decisiones.
La extrapolacin del modelo se da una vez que se han recopilado los datos, 59
Estos nueve pasos, que se describen en la tabla 7, pueden servir como una
lista de verificacin para evaluar la planeacin de la capacidad y para reducir las
posibilidades de que se pasen por alto buenas oportunidades. (Makridakis y
Wheelwright, 1991)
H5: El procedimiento para estimar las ventas que lleva a acabo el gerente de pronsticos
se basa en la capacidad instalada en la empresa refresquera GEUSA.
que laboran en ella puede sentirse ignorado, derivando con ello en problemas de
moral. Cuando todos participan en el proceso de pronstico, cada individuo se
interesara an ms por su trabajo y por la direccin de la organizacin. A saber,
cualquier pronstico debe reforzarse con la convergencia general de varios
estimados que se generen a partir de las diferentes tcnicas de pronsticos. Si se
utilizan diversos mtodos para predecir las ventas, se estara involucrando a las
diferentes reas funcionales de la organizacin, lo que las hace ser participantes
activos (Anderson, Hair Jr y Bush, 1995).
Ahora se supone que para cada error de pronstico et , existe una prdida
asociada l (et ) en principio, tal como lo sealo Granger (1969), es vlido emplear
cualquier funcin en particular para la prdida del error.
Resumen de medidas
La medida ms frecuente adoptada es la raz cuadrada del error medio (RCEM)
m
1
RCEM= m
e
t 1
2
t
Una desventaja del RCEM es que es una medicin absoluta que depende
de las unidades de medida. La raz cuadrada relativa del error medio (RCREM),
es similar a la RCEM, excepto que es adimensional.
La RCREM esta dada por:
m 2
1 et
RCREM= m
t 1 zt
69
Donde zt es la serie reportada. Pueden surgir problemas cuando zt
se aproxima a cero. Otra desventaja es que el valor de RCREM presenta un sesgo
que favorece a los pronsticos que se encuentran por debajo del valor reportado.
et 1
2
t
U= m m
z
t 1
2
t
t 1
pt2
zt zt1 at 0 1
Y considere el estimador:
pt zt 1 0 1
Granger y Newbold (1973) demuestran que el lmite de U2 tiende a 71
e
t 1
2
t
U1 = m
(z
t 1
t z t 1 ) 2
GERENTE DE
PLANEACION
RECOLECCION DE PRONOSTICO
INFORMACION INEXACTO
CONOCIMIENTOS
TECNICOS DE LOS
PRONOSTICOS
RESPONSABILIDADES Y
TRABAJO EN EQUIPO
PRODUCTO NO DISPONIBLE
ABASTO INADECUADO
INVENTARIO DE EM ERGENCIA
ABASTO EN EXESO
INVENTARIOS
Finalmente se describen las hiptesis que derivaron de la revisin terica 74
Hiptesis estadstica i
Donde i = 1 a 5
Estadstico de prueba:
1.- Hiptesis Nula: mi 2
2.- Hiptesis de Trabajo: mi > 2
x
3.- Estadstico de Prueba: z
4.- Regin de rechazo y/o aceptacin:
Si z calculada es mayor o igual que 1.96 rechazar Ho.
Si z calculada es menor que 1.96 entonces no hay elementos suficientes
en la muestra para rechazar la hiptesis nula.
5.- Criterio de decisin 76
En caso de que los datos no sigan una distribucin normal, las hiptesis
slo se analizarn de forma descriptiva.
77
Captulo 4 diseo del estudio
Podemos definir el diseo de la investigacin, tal y como ha sido propuesto por
Arnau (1998) como un plan estructurado de accin que, en funcin de unos
objetivos bsicos, est orientado a la obtencin de informacin o datos relevantes
a los problemas planteados. De acuerdo con esta definicin, el diseo de la
investigacin se caracteriza por dos aspectos fundamentales:
Nivel de estudio
Es una investigacin no experimental, en su modalidad transeccional, que inicia
como descriptiva, para concluir como explicativa. En primer trmino no se
manipulan variables, el fenmeno es observado en la investigacin de campo, tal
cual se presenta en su contexto natural, esto es, teniendo en observacin el
comportamiento y resultados de los pronsticos de ventas, haciendo especial
nfasis en la exactitud que este proporcione.
79
Poblacin de Estudio
En este estudio nuestra poblacin a estudiar sern las personas que intervienen
en el proceso de la elaboracin y anlisis del pronstico de ventas, en este caso se
incluye slo a la totalidad (30 personas) de los mandos medios de los
departamentos de ventas y logstica de la empresa refresquera GEUSA, ya que
estas personas se encuentran involucradas, ya sea en la elaboracin, anlisis, o
tienen algn impacto en el desempeo de sus reas.5
Actores intervinientes
Las principales caractersticas de nuestra poblacin la podemos definir como:
personas las cuales tienen un mnimo de 5 aos de experiencia en el mbito de las
bebidas carbonatadas, cuyos estudios son de nivel de licenciatura y donde la
mayora son del gnero masculino.
Instrumento
El instrumento para la obtencin de la informacin, es un cuestionario que se
aplica a la muestra seleccionada y cuyos tems se describen en la
operacionalizacin de las variables y el formato se integra en la seccin de anexos
de este documento.
5
Se enlistarn el nombre de los puestos involucrados en el anexo 3 para su mayor comprensin
Operacionalizacin de las Variables 80
Se utiliza una
escala Likert de 5
puntos donde 5
muy adecuada, 4
adecuada, 3
regular, 2 poco
adecuada y 1
inadecuada
81
Variable Dimensin Indicador tems
Se utiliza una
escala Likert de 5
puntos donde 5
siempre, 4 casi
siempre, 3 a
veces, 2 casi
nunca y 1 nunca
82
Variable Dimensin Indicador tems
z K S mx Di n
1 2 3 4 5
INADECUADA POCO ADECUADA REGULAR ADECUADA MUY ADECUADA
INFOM01 3.3 10 46.7 23.3 16.7
INFOM02 10 26.7 46.7 16.7
INFOV01 3.3 13.3 46.7 26.7 10
INFOV02 26.7 60 13.3
SIN CAPACIDAD POCO CAPAZ CAPAZ MEDIANAMENTE CAPAZ MUY CAPAZ
CONO01 10 3.3 46.7 23.3 16.7
NUNCA CASI NUNCA A VECES CASI SIEMPRE SIEMPRE
CONO02 30 13.3 56.7
DOMIN01 13.3 3.3 36.7 33.3 13.3
SIN HABILIDAD POCO HABIL HABIL MEDIANAMENTE HABIL MUY HABIL
MESIS01 13.3 33.3 33.3 20
SIN CAPACIDAD POCO CAPAZ CAPAZ MEDIANAMENTE CAPAZ MUY CAPAZ
FLUIN01 6.7 40 23.3 30
SIN DISPOSICION POCO DISPONIBLE DISPONIBLE MEDIANAMENTE DISPONIBLE CON MUCHA DISPOSICION
CAPVEN01 3.3 10 30 30 26.7
INADECUADA POCO ADECUADA REGULAR ADECUADA MUY ADECUADA
METODO01 6.7 40 50 3.3
METODO02 6.7 53.3 36.7 3.3
COSTO01 10 40 36.7 13.3
ALEJADO POCO CERCANO CERCANO MEDIANAMENTE CERCANO MUY CERCANO
PROINT01 13.3 3.3 50 23.3 10
PROFOR01 3.3 3.3 50 33.3 10
NUNCA CASI NUNCA A VECES CASI SIEMPRE SIEMPRE
DISPLA01 3.3 13.3 36.7 46.7
DISPLA02 6.7 20 40 33.3
DISPLA03 6.7 16.7 23.3 53.3
DISPLA04 10 20 33.3 36.7
DISPLA05 3.3 3.3 36.7 23.3 33.3
DEMPLA01 13.3 6.7 50 30
DEMPLA02 3.3 6.7 20 33.3 36.7
DEMPLA03 3.3 10 26.7 36.7 23.3
DEMPLA04 10 6.7 26.7 30 26.7
INADECUADA POCO ADECUADA REGULAR ADECUADA MUY ADECUADA
VALGER01 16.7 20 43.3 20
VALFUV01 6.7 6.7 60 23.3 3.3
6
Se utiliz el software statistica para obtener los grficos, estos se integrarn en los anexos.
Para un mejor entendimiento y analizar de manera ms eficiente la 91
PORCENTAJE
0 10 20 30 40 50 60 70 80 90 100
INFOM01
INFOM02
INFOV01
INFOV02
CONO01
CONO02
DOMIN01
MESIS01
FLUIN01
CAPVEN01
METODO01
METODO02
COSTO01
PROINT01
PROFOR01
DISPLA01
DISPLA02
DISPLA03
DISPLA04
DISPLA05
DEMPLA01
DEMPLA02
DEMPLA03
DEMPLA04
VALGER01
VALFUV01
INFOM01
INFOM02 Hiptesis 1
INFOV01
INFOV02
CONO01
CONO02
Hiptesis 2
DOMIN01
MESIS01
FLUIN01
CAPVEN01
METODO01
Hiptesis 3
METODO02
COSTO01
PROINT01 Hiptesis 4
PROFOR01
DISPLA01
DISPLA02
DISPLA03
DISPLA04
DISPLA05
DEMPLA01 Hiptesis 5
DEMPLA02
DEMPLA03
DEMPLA04
VALGER01
VALFUV01
ventas es eficiente para el diseo del pronstico en donde, a partir del anlisis de
frecuencia se obtuvo el siguiente resultado:
Con este resultado, podemos decir que desde la opinin de las reas
involucradas en el proceso de elaboracin de pronstico, no se cuenta con la
capacidad para elaborar el pronostico, adems de que no se tiene la practica
necesaria y por consiguiente se dificulta el proceso, por otro lado se considera
que la persona que elabora el pronostico de ventas tiene la habilidad suficiente, es
capaz del manejo de la informacin y tiene la disposicin para formar y preparar
a su fuerza de ventas, a su vez el 70% de las personas encuestadas coincidieron
que es necesario una mayor capacitacin, que les permita una actualizacin en los
procesos de pronsticos.
Del anterior resultado, podemos decir que desde la opinin de las reas
involucradas en el proceso de elaboracin de pronstico, el 47.7% en promedio
de las personas considera que al ejecutar el procedimiento de la elaboracin del 95
Los datos relevantes aportaron, --a partir de la opinin de las reas involucradas
en el proceso de elaboracin de pronsticos que se examinaron---, las posibles causas que
conllevan a un mal pronstico de ventas, y como este, juega un papel importante
para el buen funcionamiento de una empresa. El papel que juega el pronstico de
ventas, no solo encuentra su justificacin en la magnitud que representan las
ventas dentro de la empresa sino tambin, el cmulo de conocimientos
especficos y experiencia que se requiere para la obtencin de las estimaciones.
ANEXO 1
CUESTINARIO QUE SE APLICARA PARA MEDIR LAS VARIABLES QUE CONTEMPLAN
EL PROYECTO DE INVESTIGACIN DENOMINADO LA EFECTIVIDAD EN LOS
MODELOS DE PRONSTICOS, EN LA EMPRESA EMBOTELLADORA TROPICAL S.A.
DE C.V.
Instrucciones
De las siguientes preguntas favor de seleccionar con una X la opcin que se apegue mas a
su opinin, siendo 5 (muy adecuada), 4 (adecuada), 3 (regular), 2 (poco adecuada), 1
(inadecuada).
5 4 3 2 1
Informacin de ventas
5 4 3 2 1
CONOCIMIENTOS TECNICOS
Conocimiento
5 4 3 2 1
De las siguientes preguntas favor de seleccionar con una X la opcin que se apegue mas a
su opinin, siendo 5 (siempre), 4 (casi siempre), 3 (a veces), 2 (casi nunca), 1 (nunca).
5 4 3 2 1
Dominio
5 4 3 2 1
GERENTE DE PRONSTICO
Mejorar el sistema
5 4 3 2 1
De la siguiente pregunta favor de seleccionar con una X la opcin que se apegue mas a su
opinin, siendo 5 (muy capaz), 4 (medianamente capaz), 3 (capaz), 2 (poco capaz), 1 (sin
capacidad).
Flujo de informacin
5 4 3 2 1
De la siguiente pregunta favor de seleccionar con una X la opcin que se apegue mas a su
opinin, siendo 5 (con mucha disposicin), 4 (medianamente disponible), 3 (disponible), 2
(poco disponible), 1 (sin disposicin).
Capacitacin de vendedores
5 4 3 2 1
Mtodo
5 4 3 2 1
Costo
5 4 3 2 1
De las siguientes preguntas favor de seleccionar con una X la opcin que se apegue mas a
su opinin, siendo 5 (muy cercano), 4 (medianamente cercano), 3 (cercano), 2 (poco
cercano), 1 (alejado).
GENERACION DE PRONSTICO
Pronostico intuitivo
5 4 3 2 1
5 4 3 2 1
De las siguientes preguntas favor de seleccionar con una X la opcin que se apegue mas a
su opinin, siendo 5 (siempre), 4 (casi siempre), 3 (a veces), 2 (casi nunca), 1 (nunca).
PLANEACION
Distribucin planeada
5 4 3 2 1
Demanda planeada
5 4 3 2 1
De las siguientes preguntas favor de seleccionar con una X la opcin que se apegue mas a
su opinin, siendo 5 (muy adecuada), 4 (adecuada), 3 (regular), 2 (poco adecuada), 1
(inadecuada).
RESPONSABILIDAD
Valuacin de la gerencia
5 4 3 2 1
5 4 3 2 1
Conocimientos tcnicos
CONO01 conocimiento 01
CONO02 conocimiento 02
DOMIN01 dominio 01
Gerente de pronsticos
MESIS01 Mejorar el sistema 01
FLUIN01 Flujo de informacin 01
CAPVEN01 Capacidad de vendedores 01
Generacin de pronsticos
PROINT01 pronostico intuitivo
PROFOR01 pronostico formal
Planeacion
DISPLA01 distribucin planeada 01
DISPLA02 distribucin planeada 02
DISPLA03 distribucin planeada 03
DISPLA04 distribucin planeada 04
DISPLA05 distribucin planeada 05
DEMPLA01 demanda planeada 01
DEMPLA02 demanda planeada 02
DEMPLA03 demanda planeada 03
DEMPLA04 demanda planeada 04
Responsabilidad
VALGER01 valuacin de la gerencia 01
VALFUV01 valuacin de fuerza de ventas 01
ANEXO 3 111
rea Ventas
Director de Territorio
Gerente de Ventas
Jefe de Ventas
Jefe de Territorio
Jefe de Ruta
rea Logstica
Gerente de logstica
Planeador
Jefe de trafico
Jefe de lleno y Vaci
Auxiliar de Trafico
rea Produccin
Gerente de Produccin
Administrativo de Manufactura
Lder proyecto MW
Superintendente de Manufactura
ANEXO 4 112
Grficos utilizados para formar la matriz y el anlisis de frecuencias
8 23.3%
7
6 16.7% 20%
5
4 10.0%
3 10%
2 3.3%
1
0 0%
INADECUA POCOADEC REGULAR ADECUADA MUYADECU
INFOM01
8
7
6 16.7% 20%
5
4 10.0%
3 10%
2
1
0 0%
POCOADEC REGULAR ADECUADA MUYADECU
INFOM02
Histogram (DATAHERI.STA 26v*30c) 113
y = 30 * 1 * normal (x, 3.266666, 0.944433)
15 46.7% 50%
14
13
12 40%
11
10
9 26.7% 30%
No of obs
8
7
6 20%
5 13.3%
4 10.0%
3 10%
2 3.3%
1
0 0%
INADECUA POCOADEC REGULAR ADECUADA MUYADECU
INFOV01
10
26.7% 30%
8
6 20%
13.3%
4
10%
2
0 0%
POCOADEC REGULAR ADECUADA
INFOV02
8 23.3%
7
6 16.7% 20%
5
4 10.0%
3 10%
2 3.3%
1
0 0%
SINCAPAC POCOCAPA CAPAZ MEDCAPAZ MUYCAPAZ
CONO01
Histogram (DATAHERI.STA 26v*30c) 114
y = 30 * 1 * normal (x, 4.266666, 0.907187)
18 56.7% 60%
16
50%
14
12 40%
No of obs
10 30.0%
30%
8
6 20%
13.3%
4
10%
2
0 0%
AVECES CASISIEM SIEMPRE
CONO02
6 20%
5
13.3% 13.3% 15%
4
3 10%
2
3.3% 5%
1
0 0%
NUNCA CASINUNC AVECES CASISIEM SIEMPRE
DOMIN01
13
12 40%
11 33.3% 33.3% 35%
10
9 30%
8
25%
No of obs
7 20.0%
6 20%
5 13.3% 15%
4
3 10%
2
5%
1
0 0%
POCOHABI HABIL MEDHABIL MUYHABIL
MESIS01
115
Histogram (DATAHERI.STA 26v*30c)
y = 30 * 1 * normal (x, 3.766666, 0.971431)
13 40.0%
12 40%
11
35%
10 30.0%
9 30%
8 23.3% 25%
No of obs
7
6 20%
5
15%
4
3 6.7%
10%
2
5%
1
0 0%
POCOCAPA CAPAZ MEDCAPAZ MUYCAPAZ
FLUIN01
11
35%
10
30.0% 30.0%
9 30%
26.7%
8
25%
7
No of obs
6 20%
5
15%
4
10.0%
3 10%
2
3.3% 5%
1
0 0%
SINDISPO POCODISP DISPONIB MEDDISPO MUCDISPO
CAPVEN01
18 60%
16 50.0%
50%
14
40.0%
12 40%
No of obs
10
30%
8
6 20%
4
6.7% 10%
2 3.3%
0 0%
POCOADEC REGULAR ADECUADO MUYADECU
METODO01
Histogram (DATAHERI.STA 26v*30c) 116
y = 30 * 1 * normal (x, 3.366666, 0.668675)
18 60%
53.3%
16
50%
14
No of obs 12 36.7% 40%
10
30%
8
6 20%
4
6.7% 10%
2 3.3%
0 0%
POCOADEC REGULAR ADECUADO MUYADECU
METODO02
14
45%
13 40.0%
12 36.7% 40%
11
35%
10
9 30%
No of obs
8
25%
7
6 20%
5 13.3% 15%
4 10.0%
3 10%
2
5%
1
0 0%
POCOADEC REGULAR ADECUADO MUYADECU
COSTO01
16 50.0%
50%
14
12 40%
10
No of obs
30%
8 23.3%
6 20%
13.3%
4 10.0%
10%
2 3.3%
0 0%
ALEJADO POCOCERC CERCANO MEDCERCA MUYCERCA
PROINT01
Histogram (DATAHERI.STA 26v*30c) 117
y = 30 * 1 * normal (x, 3.433333, 0.85836)
16 50.0%
50%
14
12 40%
33.3%
10
No of obs
30%
8
6 20%
4 10.0%
10%
2 3.3% 3.3%
0 0%
ALEJADO POCOCERC CERCANO MEDCERCA MUYCERCA
PROFOR01
8
7
6 20%
5 13.3%
4
3 10%
2 3.3%
1
0 0%
NUNCA CASINUNC AVECES CASISIEM SIEMPRE
DISPLA01
25%
7 20.0%
6 20%
5
15%
4
3 6.7% 10%
2
5%
1
0 0%
CASINUNC AVECES CASISIEM SIEMPRE
DISPLA02
Histogram (DATAHERI.STA 26v*30c) 118
y = 30 * 1 * normal (x, 4.233333, 0.971431)
18 60%
53.3%
16
50%
14
12 40%
No of obs
10
30%
8 23.3%
6 16.7% 20%
4
6.7% 10%
2
0 0%
CASINUNC AVECES CASISIEM SIEMPRE
DISPLA03
12 36.7%
40%
11 33.3% 35%
10
9 30%
8
25%
No of obs
7 20.0%
6 20%
5
15%
4 10.0%
3 10%
2
5%
1
0 0%
CASINUNC AVECES CASISIEM SIEMPRE
DISPLA04
12 40%
36.7%
11
33.3% 35%
10
9 30%
8
23.3% 25%
7
No of obs
6 20%
5
15%
4
3 10%
2
3.3% 3.3% 5%
1
0 0%
NUNCA CASINUNC AVECES CASISIEM SIEMPRE
DISPLA05
Histogram (DATAHERI.STA 26v*30c) 119
y = 30 * 1 * normal (x, 3.966666, 0.964305)
16 50.0%
50%
14
12 40%
10 30.0%
No of obs
30%
8
6 20%
13.3%
4
6.7% 10%
2
0 0%
CASINUNC AVECES CASISIEM SIEMPRE
DEMPLA01
20.0%
6 20%
5
15%
4
3 10%
6.7%
2
3.3% 5%
1
0 0%
NUNCA CASINUNC AVECES CASISIEM SIEMPRE
DEMPLA02
12 40%
36.7%
11
35%
10
9 30%
26.7%
8
23.3% 25%
7
No of obs
6 20%
5
15%
4
10.0%
3 10%
2
3.3% 5%
1
0 0%
NUNCA CASINUNC AVECES CASISIEM SIEMPRE
DEMPLA03
Histogram (DATAHERI.STA 26v*30c) 120
y = 30 * 1 * normal (x, 3.566666, 1.250746)
35%
10
30.0%
9 30%
26.7% 26.7%
8
25%
7
6 20%
No of obs
5
15%
4
10.0%
3 10%
6.7%
2
5%
1
0 0%
NUNCA CASINUNC AVECES CASISIEM SIEMPRE
DEMPLA04
25%
7 20.0% 20.0%
6 16.7% 20%
5
15%
4
3 10%
2
5%
1
0 0%
POCOADEC REGULAR ADECUADO MUYADECU
VALGER01
10
30%
8 23.3%
6 20%
4
6.7% 6.7% 10%
2 3.3%
0 0%
INADECUA POCOADEC REGULAR ADECUADO MUYADECU
VALFUV01
121
SUPERVISIN
122
Capitulo 1 introduccion
Antecedentes
La Cementera es una empresa de clase mundial internacional del ramo de la
construccin, comprometida con el desarrollo de Mxico, que se dedica a la
produccin, comercializacin y distribucin de productos relacionados,
esencialmente Cemento, Concreto y Agregado7,.
7
Por motivos de confidencialidad el nombre de la compaa no ser nombrados, en su caso se utilizan
nombres ficticios
Algunas de las reas que realizan las actividades dentro de la empresa son: 123
Para dar una buena atencin a sus clientes la empresa ha dividido el pas en
cuatro regiones (Centro, Sureste, Norte y Occidente) con la misma estructura
organizacional en las cuatro regiones, particularmente la Regin Sureste que
abarca desde el Estado de Puebla hasta la Pennsula de Yucatn, se tiene
presencia con 20 plantas de concreto premezclado, ubicadas en las principales
ciudades enfocadas hacia el crecimiento de los mercados, buscando tener la
mejor presencia en la Regin.
Volumen de venta
Precio de venta
Resistencia promedio de venta
Costo de distribucin
Costo de produccin
Rentabilidad
Participacin de mercado
Consumo de cemento
Consumo de agregados
del mismo.
La composicin de materia prima del concreto por metro cbico est dada
por la siguiente combinacin de materiales:
Desde el punto de vista del control de calidad, dentro del cual se considera
la optimizacin de las mezclas de concreto, en La Cementera se produce el
mismo apegndose a las Normas Mexicanas del Cemento, del Concreto, de
agregados, de agua y de aditivos, adems de tener una Certificacin ISO 9000 que
garantiza tener control sobre el proceso de dosificacin del concreto
premezclado.
Interrogante
Con los argumentos planteados anteriormente, ahora surge el siguiente
cuestionamiento; De qu manera coadyuva la supervisin permanente de un
Asesor Tcnico, para optimizar la calidad del concreto premezclado y en
consecuencia los costos de produccin?
Preguntas especficas:
Objetivos Especficos:
Determinar la necesidad de la presencia permanente de los Asesores
Tcnicos.
Identificar los indicadores Tcnicos y en qu rangos se deben considerar,
para tener un ahorro en la produccin de concreto premezclado.
Justificacin
La calidad del concreto premezclado y la optimizacin en el costo de produccin,
presenta la oportunidad de obtener mejores resultados en trminos de
rentabilidad para el negocio, de ah la importancia por llevar a cabo esta
investigacin que ayude a entender la raz del rea de mejora y poder estar en
condiciones de buscar soluciones que coadyuven: a una mejor prctica en el
control del proceso, fomentar el mejor resultado, a la disminucin de quejas por
calidad del producto, establecer un control que mejore la calidad del concreto, a
la disminucin en los costos de produccin, disminucin en las quejas
relacionadas a la calidad en el producto, mejorar la imagen de la compaa,
posicionamiento en el mercado con una mayor aceptacin de los consumidores,
desde el punto de vista de la relacin precio-calidad.
Supuesto preliminar 134
Definicin de variables
Las variables que se identifican en el supuesto bsico del estudio son:
Cemento: Material con propiedades tanto adhesivas como cohesivas, las cuales
dan la capacidad de aglutinar fragmentos minerales para formar un todo
compacto, para efectos de construccin el significado del trmino cemento se
restringe a materiales aglutinantes utilizados con piedras, arena, ladrillos o
bloques de construccin.
Marco Contextual
Posterior a las consideraciones conceptuales, ahora se hace necesario darle un
enfoque contextual al estudio, a efecto de situar el objeto de la investigacin en el
contexto en que se desarrolla la investigacin. De ah que es necesario que
recordemos que La Cementera es una empresa fundada en el Municipio de
Apaxco, Estado de Mxico, en 1928. En 1964, el grupo suizo Corporativo de
Cementos (antes Cement) se convierte en el accionista principal de la empresa.
Entre los aos 70 y 80, La Cementera adquiere Cementos Veracruz, nace y se
expande la divisin de concreto premezclado, e inicia operaciones la planta
cementera de Macuspana, Tabasco.
140
8
periodo en el cual se observar el apoyo brindado por el rea de Servicios Tcnicos al rea de operaciones de concretos
Consideraciones tericas 144
(saturacin por inmersin en agua) durante los 28 das, este periodo de tiempo se
considera la edad en que se alcanza la madurez total del concreto para lograr su
mxima resistencia. Durante ese periodo de tiempo se determina la resistencia del
concreto a 3, 7 y 28 das, la intencin de verificar la resistencia a edades
tempranas de 3 y 7 das, es verificar el pronstico de resistencia a 28 das, ya que
no se considera prudente esperar el resultado a los 28 das. Las resistencias
prematuras nos permiten conocer el comportamiento final del concreto, para
tomar decisiones sobre ajustes o correcciones sobre los diseos de mezclas de
concreto.
En una segunda etapa con los resultados obtenidos de la resistencia del concreto,
se establece un anlisis estadstico que nos permite controlar la calidad de la
produccin del concreto premezclado, estableciendo el procedimiento de cartas
de control como la forma de llevar el control estadstico de calidad del concreto.
En resumen los factores que se consideran para el clculo del PQI y que
engloban toda la calidad de produccin de las plantas de concreto, son los que a
continuacin se muestran con los pesos especficos considerados para cada edad
y para cada uno de los indicadores:
Indicadores PPTO
CC (kg/m3) 340
Reclamaciones de calidad
Las reclamaciones de calidad son un aspecto fundamental para la imagen de la
compaa, por lo que con la intencin de evaluar la importancia de mejorar en la
optimizacin de la calidad de los productos se realizar una evaluacin de las
reclamaciones de calidad en el periodo comprendido entre los aos 2004 y 2007,
comparado contra el periodo comprendido de Enero a Junio de 2008, con la
intencin de verificar la cantidad de reclamaciones que se presentan en periodos
semestrales, as como el costo de las mismas y su acumulado en el mismo
periodo.
de manera permanente
Realizado el anlisis de series de tiempo entre el tiempo de asesora tcnica a las
operaciones de concreto premezclado y los indicadores tcnicos del concreto
(reclamaciones de calidad, consumo de cemento, resistencia promedio, factor de uso de cemento,
factor de uso de agregados y performance quality index), en los periodos establecidos para
este estudio de los aos 2004 a 2007 y el periodo comprendido de Enero a Junio
de 2008, en periodos semestrales, se podr observar el beneficio de contar con la
supervisin permanente del Asesor Tcnico.
Reclamaciones de calidad
Las reclamaciones de calidad son un aspecto fundamental para la imagen de la
compaa, por lo que con la intencin de evaluar la importancia de mejorar en la
optimizacin de la calidad de los productos, se realiza una evaluacin de las
reclamaciones de calidad en el periodo comprendido entre los aos 2004 y 2008.
Indicadores tcnicos
Otro de los conceptos importantes a detallar en este estudio es lo relacionado
con los indicadores tcnicos que permiten conocer la calidad del concreto
premezclado. A continuacin se presenta la tendencia de los diferentes
indicadores para saber el comportamiento que han presentado con y sin la
supervisin de un Asesor Tcnico, buscando ver el reflejo en la calidad del
concreto premezclado, en el periodo comprendido entre los aos 2004 y 2008.
2008
Indicadores tcnicos Ene Feb Mar Abr May Jun
CC (kg/m3) 318 323 322 325 327 336
F'C (kg/cm2) 268 274 277 283 282 291
FUC (adim.) 1.20 1.18 1.17 1.15 1.16 1.16
FUA (m3) 1.26 1.24 1.24 1.24 1.24 1.24
PQI (%) 0.86 0.86 0.88 0.85 0.85 0.87
Fuente: Elaborado con datos obtenidos de La Cementera (2008)
que por cada metro cbico de concreto debemos tener mil litros, al momento de
ajustar las cantidades de agregado que conforman el 67% de un metro cbico de
concreto, podemos garantizar que se cumpla con esa cantidad de producto, esto
representa que en los aos entre 2004 a 2007 se estaba entregando un excedente
(no cobrado) y que ahora con el ajuste como lo presenta el indicador FUA (factor
de uso de agregado), podemos observar un ahorro por este concepto en el
consumo de agregado, siempre cumpliendo con la cantidad justa de lo solicitado
por los clientes.
Consideraciones Finales
Los resultados permiten inferir que se cumple con el supuesto de estudio, esto es,
la supervisin permanente de un Asesor Tcnico, permite optimizar la calidad de
la produccin del concreto premezclado y en consecuencia la optimizacin de los
costos de produccin del mismo, obteniendo como resultado una mejor
percepcin de la calidad del producto suministrado y en consecuencia una mejor
aceptacin de la compaa por parte del mercado consumidor.
En cada anlisis de las series de tiempo, se observ la tendencia a la
mejora an en el caso de las reclamaciones que como se mencion en el desglose
del estudio, se pueden presentar infinidad de reclamos, pero no todos proceden
debido a diferentes circunstancias, incluso en algunos casos ajenas a la calidad del
concreto.
En funcin de los cambios que se buscan en la organizacin, ----uno de ellos 176
INDICADORES FINANCIEROS
(Credit Scoring Models o CSM)
183
Captulo 1 antecedentes del
caso estudiado
Comnmente las propuestas de como lograr una efectiva gestin de cuentas por
cobrar hacen nfasis en tres aspectos principalmente; a) en la definicin de las
polticas de ventas a crdito, que engloban tanto la definicin de los montos
como de los plazos que conviene otorgar, b) en el anlisis de crdito que se
debe elaborar para la identificacin y gestin del riesgo de incumplimiento de los
clientes, y finalmente c) en el diseo de acciones efectivas para llevar acabo la
cobranza. Todas las recomendaciones de esta naturaleza tienen como proposito
favorecer el flujo financiero de la empresa y la reduccin de los costos
administrativos generados por el tiempo en la gestin y recuperacin de los
crditos incumplidos.
9
Entre las principales restricciones para la aplicacin de los modelos estadsticos en el segundo grupo de empresas se encuentran la
heterogeneidad de las condiciones de los crditos y de los mismos clientes, as como la cantidad de datos disponibles (Mester, 1997)
Para tener ms confianza en los resultados, tambin es comn que se 185
Captulo 3 contexto de la
empresa
Situacin de la Empresa Manufacturera. (Aspectos generals)
La compaa es un proveedor lder a nivel nacional de productos y servicios
principalmente para las industrias petrolera y automotriz. La planta est ubicada
en el estado de Veracruz y cuenta con un total de 2,500 empleados. El grupo
industrial al que pertenece tiene ventas netas consolidadas por ms de $ 6,500
millones de dls., con operaciones alrededor del mundo. La planta por su parte
participa con el 25% en las ventas anuales del grupo de las cuales el 80% las hace
a empresas privadas y el 20% restante son al gobierno.
Dada la naturaleza de las transacciones que realiza (el 60% de sus ventas
son a crdito), la compaa cuenta con un departamento de crdito y cobranza en
la que analistas especializados utilizan su basta experiencia y conocimiento sobre
los clientes para asignar lneas de crdito, determinar montos, plazos y las
formas de pago en cada caso.
11
En la tabla A1 del anexo se muestra como se calcularon las razones financieras utilizadas y que es lo que
mide cada una de ellas.
En los otros indicadores la relacin cambia entre periodos, aunque cabe 193
resaltar que en los casos del capital de trabajo y el ROS los resultados no son muy
representativos de su grupo respectivo dado que la desviacin estndar es muy
grande; en algunos casos la desviacin fue 6 veces ms grande que el promedio12.
2004 2005 2004 2005 2004 2005 2004 2005 2004 2005
Vdo > 60 1.15 1.17 7,079.08 7,641.80 67.14 50.75 112.90 88.44 0.05 0.02
Vdo < 60 0.99 1.08 8,031.08 5,334.23 61.64 60.39 109.43 78.49 0.09 0.06
Sin retraso 1.24 1.20 - 1,857.70 5,626.02 66.15 69.05 103.74 74.03 0.04 0.05
Indicador goblal 1.13 1.14 4,861.08 6,176.37 65.34 59.34 109.39 80.69 0.06 0.04
12
En las tablas A2 y A3 del anexo se presentan los resultados de las desviaciones estndar.
194
Para ello, dado las caractersticas de los datos, una alternativa conveniente
(Vzquez, 2004) es crear un panel y estimar un modelo probit con efectos
aleatorios que cuenta con las siguientes caractersticas:
Resultados
Como se puede apreciar en la siguiente tabla, slo la variable ROS result ser
significativa, adems de tener el signo esperado. Esto demuestra que para el
periodo revisado entre mayor fue la rentabilidad de los clientes menor fue la
probabilidad de que se retrasarn ms de 60 das. Sin embargo, en el caso de las
otras variables consideradas, a excepcin del ndice de rotacin de cuentas por
pagar, adems de no ser estadsticamente significativas tampoco tuvieron el signo
esperado.
Rotacin de cuentas
por cobrar -0.0035 -0.55 0.58
Rotacin de cuentas
por pagar 0.0022 0.89 0.37
ROS -5.7865 -1.77 0.07
Conclusiones
En el estudio se encontr que las razones asociadas a la solvencia de los clientes,
que se utilizan para anticipar el posible comportamiento de los mismos ante los
compromisos pactados, no estuvieron relacionadas con la forma en que estos
actuaron, lo que significa que pudo haber clientes con niveles de solvencia
elevados que incurrieron en retrasos y otros con bajos niveles que pagaron de
acuerdo a lo pactado, o bien lo contrario, aunque en realidad no se encontr
ningn patrn especfico. El nico indicador que result efectivo fue el ROS, que
mostr una relacin inversa con la probabilidad de retrasos.
Kapplan Robert (1997) What is the balance Scorecard? Harvard business school.
Lewis Edward (1990) An introduction to the Credit Scoring San Rafael, CA:
Athena Press.
Mester Loretta (1997) Whats the point of credit scoring? Federal Reserve Bank of
Philadelphia.
Schreiner Mark (2002) Ventajas y Desventajas del Scoring estadstico para las
microfinanzas Microfinance Risk Management and Center for Social Development,
Washington University.
Van Horne, Javes y John Wachiwiz (2002), Fundamentos de administracin 199
Tabla A2. Desviaciones estndar de las Razones Financieras de los clientes 2005.
Rotacin de cuentas Rotacin de cuentas Utilidad neta a
Prueba Acida Capital de Trabajo
por cobrar por pagar ventas (ROS)
Tipo de Cliente
Desv.std Desv.std / Desv.std / Desv.std / Desv.std /
/ Media Desv. Std. Media Desv. Std. Media Desv. Std. Media Desv. Std. Media Desv. Std.
Vdo > 60 0.39 0.45 1.32 10,089.11 0.39 19.66 0.46 40.39 4.33 0.06
Vdo < 60 0.57 0.54 1.16 8,072.53 0.49 25.76 0.51 39.90 0.75 0.06
Sin retraso 0.51 0.61 2.86 16,091.28 0.67 46.15 0.78 58.09 1.35 0.07
Indicador goblal 0.48 0.55 1.68 10,377.69 0.54 31.81 0.55 44.38 1.41 0.06
Tabla A3. Desviaciones estndar de las Razones Financieras de los clientes 2004
Rotacin de cuentas Rotacin de cuentas Utilidad neta a
Prueba Acida Capital de Trabajo
por cobrar por pagar ventas (ROS)
Tipo de Cliente
Desv.std Desv.std / Desv.std / Desv.std / Desv.std /
/ Media Desv. Std. Media Desv. Std. Media Desv. Std. Media Desv. Std. Media Desv. Std.
Vdo > 60 0.54 0.62 1.89 13,392.93 0.72 48.51 1.04 117.08 2.94 0.14
Vdo < 60 0.47 0.60 1.18 12,375.45 0.54 40.27 0.51 98.26 0.46 0.10
Sin retraso 0.59 0.73 -6.30 11,711.91 0.54 35.44 1.04 107.50 0.65 0.03
Indicador goblal 0.53 0.60 2.55 12,375.45 0.62 40.27 0.90 98.26 1.67 0.10
AGS