Relaciones causa - efecto para el cuadro de mando integral

Recientemente leímos una tesina sobre un "método de cuantificación de relaciones causa - efecto para el cuadro de mando integral", cuyos autores son Yanir Karp Hechtenthal y
Patricio E. Massera, en la UCEMA.

Los autores resumen el cuadro de mando integral (CMI) como "una herramienta de gran utilidad al permitir analizar el estado de toda una compañía desde el aspecto financiero, procesos internos, del cliente y formación y crecimiento de una manera simple". Plantean que el CMI, sienta sus bases en elegir aquellos indicadores clave para cada uno de los cuatro aspectos considerados y establecer las relaciones existentes entre ellos. Lo que buscan es desarrollar una metodología complementaria al CMI que agregue valor al mismo. Aplicando un método estadístico como es la regresión lineal múltiple se podrá determinar el grado de influencia que existe entre los indicadores clave y sus relaciones, y de esta forma, permitir mayor objetividad a la hora de tomar decisiones.

Hoy todas las compañías deben concentrarse en la información; pero las empresas desbordan de la cantidad de datos que poseen, poniéndose en duda la capacidad de transformar los mismos en información relevante para la toma de decisiones.

Para ser exitosos, se debe lograr un enfoque orientado al manejo de la información y de la administración eficiente de los recursos como un medio para la concreción de nuestras metas. El cuadro de mando integral como herramienta tendiente a implementar una estrategia sólida y consistente, aprovechando la información relevante, incluyendo los indicadores financieros.

Los objetivos estratégicos, fijados partir de la visión y la misión de la compañía, constituyen la base para establecer las relaciones causa-efecto con dos tipos de indicadores, los inductores de la actuación (indicadores causa) y los resultados (indicadores efecto). La clave se encuentra en poder hallar aquellos más significativos de los que depende nuestro negocio.

Karp- Massera desarrollan un método que indica el efecto de los indicadores causa sobre los indicadores efecto, en otras palabras, medir la relación entre las variables elegidas con el fin de tomar decisiones más eficientes.

El objetivo que los autores proponen es desarrollar una metodología que permita estimar cuál es la influencia de las decisiones sobre los indicadores estratégicos del negocio.

A continuaciÓn se presentan los ocho pasos a seguir para poder aplicar este mÉtodo:
Pasos:

1. Listar los indicadores utilizados en el CMI.
2. Clasificar los indicadores listados en indicadores causa e indicadores efecto.
3. Establecer todas las relaciones causa-efecto que existen entre los indicadores clasificados.
4. Homogeneizar las unidades de los indicadores causa expresando todos los valores como costos.
5. Tomar más de tres períodos pasados y armar una tabla para cada relación causa - efecto con los valores que tomaron los indicadores durante esos períodos.
6. Calcular las diferencias entre los distintos períodos tomados.
7. Hacer un análisis de regresión lineal múltiple y obtener los coeficientes y los errores estándar de todos los indicadores causa. Calcular el valor del validador para cada coeficiente.
8. Rearmar el CMI agregando los coeficientes hallados con su validador

Explicación paso por paso:
1. Definir la lista de indicadores actualmente utilizados en el CMI de la empresa. Esto permitirá una visualización de todos las variables para poder clasificarlas.
2. Dentro de indicadores o variables listados en el punto anterior se deben distinguir dos
tipos principales:
a) Los indicadores efecto
b) Los indicadores causa
Es muy importante comprender la diferencia entre estos.
"Los indicadores de causa pueden ser llamados "indicadores líderes", porque producen o anticipan los resultados futuros del sistema. Crecientes índices de rotación de personal o errores en el servicio preceden a menudo a una baja en la satisfacción del cliente. En consecuencia, esos dos indicadores pueden ser clasificados como indicadores líderes del desempeño futuro de la empresa"..."En rentabilidad, por ejemplo, el beneficio y los distintos porcentajes sobre ventas o patrimonio son el resultado o consecuencia, lo interesante es detectar también algún indicador de causa, como, por ejemplo en la "venta por línea" o "por empleado", y "la venta por hora", los que permitieron inferir el resultado futuro y tomar acciones correctivas para modificarlo"..."Las medidas de desempeño de efecto o reactivas describen los resultados reales ya obtenidos en un período
dado."..."Los indicadores de resultados tienden a ser indicadores efecto, señalando los objetivos últimos de la estrategia y si los esfuerzos fueron conducidos a los resultados deseados. Los indicadores inductores de la actuación son indicadores causa, indican qué se debería estar haciendo para crear valor en el futuro."

3. Todo CMI se basa en las interacciones entre las variables efecto y causa. En este paso es necesario reconstruir todas las relaciones causa - efecto que hallan sido establecidas en nuestro CMI. Este paso puede resultar mucho más difícil de lo que parece pues cada individuo tiende a pensar en nuevas relaciones causa-efecto a medida que lo va armando.

4. Los indicadores se encuentran expresados en múltiples unidades. Es importante estandarizar de alguna forma las unidades de medida de cada indicador causa.

En base a esto podemos pensar que existe una forma de reexpresar a las variables causa. La misma se basa en homogeneizar sus medidas a través de los costos en que se incurre. De esta manera se resuelve el problema de la unidad de medida.
Por lo tanto ahora debemos reexpresar todos los indicadores causa como el costo de los mismos.

5. Para poder conocer la influencia que cada variable causa tiene sobre su variable se deben tomar varios períodos pasados. Tomar más de tres períodos pasados y armar una tabla, para cada relación causa-efecto, con el estado de los indicadores en cada uno de ellos. El tiempo contemplado entre los mismos depende de:
o Cuanto se requiere para que una variable causa genere un cambio medible sobre su variable efecto.
o Asegurarse de tener incluido dentro del período de tiempo al menos un ciclo completo del negocio..

6. Cálculo de las variaciones entre períodos. Simplemente se calculan las diferencias entre un período y el anterior. Luego de efectuar este procedimiento nos quedará una nueva tabla con todos los datos expresados como diferencias. A veces puede ser necesario efectuar correcciones a las diferencias para garantizar un mejor ajuste de los datos.

7. Hacer un análisis de regresión lineal múltiple para encontrar los coeficientes que correlacionan las variables causa con las variables efecto para cada una de las relaciones establecidas. Se deben utilizar como variables independientes las diferencias en los costos de las variables causa y como variables dependientes las diferencias entre las variables efecto.
Para tratar de facilitar la comprensión de esta metodología y para que el usuario de la misma no necesite tener elevados conocimientos de estadística hemos desarrollado un indicador al que llamamos "validador". El mismo se obtiene a partir del error estándar del coeficiente estimado. La fórmula del validador es la siguiente:

Validador = coeficiente .
Coeficiente + 2 error estándard

Este indicador nos da una idea de cuán significativo es el coeficiente estimado. Si el validador es mayor a 0,5 entonces podemos aceptar al coeficiente como válido. Si por el contrario es menor a 0.5, no podemos considerar al coeficiente como válido.

8. Rearmar el CMI agregando dos nuevas columnas: la primera para el coeficiente y la segunda dedicada al validador.

¿QuÉ utilidad tiene hacer todo esto?
Bien, una vez obtenido nuestro nuevo CMI con los coeficientes debidamente validados, se contará con una forma sencilla de conocer cual ha sido la influencia de nuestras decisiones en los resultados. Podríamos ahora modificar nuestras decisiones para lograr los objetivos planteados contando con un método objetivo de medición y de esta forma contar con un CMI más poderoso. Además esto nos permite evaluar de cuán alcanzables pueden ser los objetivos planteados contando con un presupuesto limitado.

ConclusiÓn:
La metodología presentada, si bien es teórica, constituye una potencial herramienta para la mejora en la toma de decisiones estratégicas.

El modelo de regresión utilizado asume que existe una relación lineal entre las variables causa y las variables efecto. Sabemos que en la realidad esto no siempre se cumple. Se podría llegar a estimar relaciones no lineales variando esta metodología, pero esto incrementaría aun más la complejidad de la herramienta.

Si desea conocer el modelo completo, puede solicitarlo a kaizen@grupokaizen.com