Por lo mismo, la visión de la empresa es el resultado de un proceso de búsqueda, donde debe estar implicado todo su equipo de trabajo. Una vez que se tiene clara la imagen o situación futura a la que se quiere llegar deberá ponerla por escrito. En adelante, todas las decisiones que se tomen en el negocio deberán ser acordes a esta visión.

¿Como establecerla?

La visión es diferente de la misión de la empresa, ya que la primera mira hacia afuera, hacia donde la empresa quiere llegar. No obstante, ambos conceptos son claves en el desarrollo del negocio.

Debe ser clara, precisa y conocida por todos y reflejar una escena o situación futura. Debe sustentarse no sólo en factores internos de la empresa (como su capital, infraestructura, crecimiento anual, etc), sino también en otros externos como los cambios culturales, la situación económica del país, etc. Para establecerla es necesario que participen todos los miembros de la empresa o bien los representantes de cada unidad, los cuales deberán pensar en que valores caracterizan a la organización y luego proyectarlos hacia el futuro. A esto deberán sumarle en un análisis de los principales retos que enfrentará la empresa en el corto y largo plazo, tanto en el ámbito interno como externo.

En resumen, la visión se crea a partir de los valores de los individuos en la empresa, la conciencia de la realidad actual y los propósitos fundamentales del negocio.

1.- Coste

Esta página no tendría apenas sentido de no existir en el mundo sino software libre: de tener SAS o SPSS en el disco duro quedarían satisfechas el 99.9% de las necesidades del 99% de los usuarios potenciales de los métodos estadísticos y el 90% del 1% restante. Desafortunadamente, el coste de sus licencias está fuera del alcance de la mayor parte de los usuarios y la obtención de copias subrepticias no es posible para muchos ni fácil en absoluto para ninguno.

2.- Nivel de sofisticación del usuario

Idealmente, éste debería ser un entendido en estadística y tener ciertos conocimientos de programación. En la medida que carezca de los segundos, tendrá que renunciar a realizar por su cuenta cierto tipo de análisis que vayan más allá de los más comunes; y en tanto que carezca de los primeros, será más dependiente de aquellos paquetes con un interfaz más informativo.

3.- Tamaño del conjunto de datos

En la mayor parte de los problemas -al menos, en lo que respecta a su número, no a su dificultad ni importancia- esta variable no supone ninguna restricción significativa. De hecho, cualquiera de los paquetes que se examinarán a continuación puede manejar sin mayores problemas conjuntos de datos no excesivamente grandes. Sólo cuando se rebasa cierto umbral es preciso considerar paquetes específicamente diseñados para hacer frente a este tipo de condicionantes. De todos modos, los ordenadores modernos permiten manipular eficientemente conjuntos de datos cada vez más extensos. Por ejemplo, con un ordenador con 256 MB de RAM que en Agosto del 2002 costó 500 euros hemos podido ubicar simultáneamente en memoria casi 53 millones de números reales de doble precisión. Eso significa que, probablemente, cualquier paquete estadístico podría manipular eficientemente conjuntos de datos con algunos cientos de miles de entradas. Además, cualquier sistema operativo debería ser capaz de reubicar, en caso de necesidad, el exceso de la demanda de memoria en el disco duro; ciertamente, eso ralentizaría significativamente el proceso de manipulación de los datos, pero permitiría salir del paso en alguna situación puntual. De hecho, el mayor de los conjuntos de datos que hemos analizado en Sigma Consultores Estadísticos consistía en una matriz de dimensión 7128x72, es decir, cosa de medio millón de números que, supuestos de doble precisión, apenas venían a ocupar un 1% de la capacidad teórica máxima del computador. Los distribuidores de muchos paquetes estadísticos comerciales suelen hacer hincapié en la probada capacidad de sus productos para manipular grandes conjuntos de datos. Desafortunadamente para ellos, el rango de problemas en que estas virtudes son críticas se estrecha aceleradamente: por una parte, las ampliaciones de memoria son cada vez más económicas, elevando hasta niveles muy cómodos el umbral a partir del cual serían necesarios productos más sofisticados; por la otra, para los problemas en que los conjuntos de datos son verdaderamente grandes -bases de datos de corporaciones, información censal, etc.- pueden emplearse herramientas específicas como, por ejemplo, programas escritos en C que interactúen con el gestor de la base de datos.

4.- Grado de intensidad computacional

El incremento en la potencia computacional de los ordenadores permite hoy en día aplicar ciertas técnicas estadísticas impensables hace unos años y ampliar su campo de aplicación a ámbitos inasequibles para las tradicionales. Las técnicas de remuestreo o de validación cruzada, ciertos tests exactos y gran parte de las técnicas bayesianas exigen una enorme capacidad de cálculo. No todos los paquetes estadísticos están igualmente adaptados para este tipo de problemas. Con muchos de ellos -por ejemplo, Minitab, Stata y gran parte de los paquetes gratuitos- resulta simplemente imposible porque fueron diseñados únicamente para implemementar técnicas tradicionales y carecen de un verdadero lenguaje de programación asociado que resulte eficiente. Otros sí que cuentan con él. Por ejemplo, SAS permite realizar cierto número de manipulaciones no elementales en su data step, así como construir programas relativamente complejos usando su sistema de macros y gran número de operaciones matriciales, un poco al estilo de MatLab, usando las rutinas de su extensión IML. Además, es relativamente veloz en comparación con otros lenguajes de programación no compilados. Sin embargo, adolece de ciertas desventajas que dificultan su aplicación eficiente a cierto tipo de problemas y que tiene que ver con su misma estructura, un tanto desfasada. Así, SAS realiza la mayor parte de los cálculos estadísticos por medio de los llamados procedimientos, verdaderos programas independientes con un interfaz relativamente rígido. Los programas en que uno quiere acceder repetidamente -digamos, unas cuantas decenas de miles de veces- a uno sólo de los campos que calcula cualquiera de tales procedimientos puede convertirse en una tarea frustrante y extenuante. Las nuevas versiones de SAS incluyen, es cierto, mecanismos que agilizan estas tareas pero, incluso con su concurso, resulta, por ejemplo, que los procedimientos siguen empeñándose en escribir sus resultados en el fichero .log que enseguida se satura. Entonces, aunque se deje a SAS resolviendo automáticamente un problema cuyo cálculo se extienda durante cierto número de horas, todavía hay que estar pendiente de él borrando manualmente el fichero .log cada cinco o diez minutos so pena de que la ejecución del programa se interrumpa. Sucede así porque SAS no fue concebido originalmente como un lenguaje de programación en sí, sino más bien como un conjunto de programas semi-independientes sobre el cual se ha construido después un lenguaje de macros. Por eso que recientemente le hayan comido terreno en ciertos campos que exigen de gran poder computacional otros paquetes estadísticos más próximos a lo que se entiende por un verdadero lenguaje de programación. Por ejemplo, S, un hermano de C en cuanto a su origen, los laboratorios Bell -muy aficionados a los nombres sucintos-. S es un lenguaje de programación orientado a objetos, concebido originalmente para ser utilizado en aplicaciones estadísticas, por lo que cuenta, implementados en el mismo lenguaje, con gran número de procedimientos estadísticos y mecanismos para la manipulación de datos y matrices. Existen, sin perjuicio de otras, dos versiones disponibles de él. Una, S-Plus, es comercial e incluye un interfaz bastante completo y una nada desdeñable capacidad gráfica. Su principal contrapartida es el coste de sus licencias. Afortunadamente, existe otra versión gratuita, R, libremente diponible en internet y cuyas virtudes y limitaciones se analizarán sucintamente más adelante.

5.- Ergonomía

Curiosamente, el aspecto que tal vez más encarezca determinados paquetes estadísticos es el ergonómico: la posibilidad de contar con ayudas interactivas o tutoriales, de representar gráficamente datos con un golpe de ratón, de exportar automáticamente los resultados a formato .html o .pdf, etc. Bajo cierto punto de vista, el coste de las licencias es, de hecho, el coste de la impericia o la pereza. A la primera, en mercadotecnia, se la suele denominar productivity; a la segunda, learning curve. Es más productivo y exige menor esfuerzo mental un paquete estadístico en que para imprimir no haya sino que pulsar el icono de la impresora, en que para visualizar unos datos baste con visitar el menú Gráficos o el Importar para leer datos de un fichero con el formato de cierta hoja de cálculo. Este tipo de habilidades son realmente reduntantes si se cuenta con un mínimo de habilidad y no se pretende escatimar un adarme de esfuerzo: utilizando ficheros de texto como intermediarios, se pueden intercambiar datos con cualquier hoja de cálculo o con otros programas que permiten manipular datos o gráficos, gran parte de los cuales son de distribución gratuita. Por ejemplo, Sigma Consultores Estadísticos se vio una vez necesitada de un mecanismo para representar gráficamente matrices de correlación entre cierto número relativamente grande de variables. Existen programas comerciales bastante costosos que permiten visualizar este tipo de información mediante códigos cromáticos. Ninguna hoja de cálculo incluía gráficos de esta naturaleza, dado que concernía a una aplicación un tanto específica que no tenía cabida en ningún programa genérico. ¿Cuál fue nuestra solución? Utilizando R -programa gratuito- calculamos la matriz de correlación, la exportamos a un fichero de texto y la insertamos en un fichero de extensión .htm, una página de internet, que contenía apenas 20 líneas de código en JavaScript, un lenguaje de programación gratuito incluido en todos los navegadores de internet modernos. Con un coste nulo y un esfuerzo mínimo, muy inferior al de adquirir la licencia del programa comercial, obtuvimos un resultado análogo.

Nuestra Recomendación

A la vista de lo discutido más arriba, nuestra recomendación es simple. A los usuarios que sólo se aproximan circunstancialmente a problemas de tipo estadístico y que sólo buscan soluciones poco sofisticadas y puntuales les invitamos a:

• Reexaminar las rutinas estadísticas de cualquier hoja de cálculo, incluyendo, tal vez, algunos de los macros de libre distribución que pueden encontrar en internet.
• Utilizar algún programa de propósito más general, como Mathematica, Maple, MatLab u otros.
  
• Usar algún programa gratuito con un interfaz simple como R.

• Tal vez, buscar en internet alguna de las cada vez más numerosas páginas en las que es posible realizar interactivamente y en línea determinadas manipulaciones estadísticas.
  

Por otra parte, a aquellos usuarios que tengan que realizar análisis estadísticos más complejos y de una forma más regular les recomendamos, como primera opción R, usado en combinación con otro tipo de programas que extienden su capacidad gráfica -hojas de cálculo, procesadores de texto, programas específicos para la representación de datos, JavaScript, etc.- puede realizar con un coste nulo análisis sumamente sofisticados que, incluyen, tal vez, el 99% de los que precisan el 95% de los usuarios. Sólo un número pequeño de ellos echaría en falta alguna de las herramientas adicionales que incluye su versión comercial, S-Plus, o tal vez alguna de las de SAS o SPSS u otros. De todos modos, incluso en tal caso, hay que tener en cuenta que o bien este tipo de herramientas adicionales -pensamos, por ejemplo, en las herramientas de S-Plus para ondículas (wavelets)- están presentes en otro tipo de paquetes más genéricos -MatLab, por ejemplo- y que sólo en contadísimas ocasiones, en problemas que realmente exigen de un elevadísimo poder computacional, tendría que recurrir a elaborar sus propios programas en un lenguaje genérico como C o C++. Más adelante hay una discusión al respecto. Finalmente, grandes empresas, institutos estadísticos, centros de estudio y otros grandes usuarios de aplicaciones estadísticas que necesitan manipular grandes bases de datos y coordinar grupos de trabajo encargados específicamente de ellas, aparte de las soluciones antes mencionadas, válidas para tareas más rutinarias, tendrían que sopesar hasta qué punto les es ventajoso adquirir una licencia para usar uno de los grandes paquetes estadísticos, SAS o SPSS en lugar de, simplemente, utilizar su propio código, en C o C++ por ejemplo, para interactuar con los gestores de bases de datos y analizar de esta manera la información que contienen. Esta segunda opción podría resultarles, en los más de los casos, más económica. Además, como se verá en el último de los apartados de esta página, puede ser más barato adquirir determinadas librerías ya disponibles, tanto comercial como gratuitamente, que podrían potencialmente convertir cualquier compilador de C o C++ en un verdadero paquete estadístico de gran poder. Probablemente, además, les resulte más económico conseguir programadores en un lenguaje genérico que en otros específicos.

Fuente:SIGMA Consultores Estadísticos

Hoy en día se ha comprobado que es fundamental el análisis de la información para el desarrollo y expansión de una empresa, por lo cual se han implementado diferentes metodologías para acercarse a un público adecuado o bien al sector económico deseado.

La naturaleza y las aspiraciones de adquisiciones del cliente no son elementos fijos, por ende sus cambios de conducta, deben ser advertidos, ya que influyen directamente en la estrategia de negocios de una empresa.

Las instituciones financieras otorgantes de crédito, con el fin de disminuir sus tasas de riesgo han tenido que implementar diferentes medidas con el fin de poder evaluar las pérdidas esperadas frente al incumplimiento de pago por parte del cliente. La medida más utilizada hoy en día es el scoring de créditos o credit scoring , el cual es un sistema de evaluación automático, más rápido, más seguro y consistente para determinar el otorgamiento de créditos, que, en función de toda la información disponible, es capaz de predecir la probabilidad de no pago, asociada a una operación crediticia. Ayuda en el proceso de evaluación, comportamiento y cobranza, siendo capaz de analizar en un tiempo mínimo, gran cantidad de información, en forma homogénea. Los primeros sistemas de “scoring” se desarrollaron en la década de los cincuenta mediante la implementación de “scores" internos de comportamiento por parte de bancos pioneros en Estados Unidos, los cuales eran utilizados para la gestión de las cuentas de dichos bancos en base a la propia información que manejaban.

Posteriormente surgieron los “scorings” de aceptación conforme a los cuales se ranqueaba a los solicitantes de crédito según la propia calificación de buenos o malos que efectuaba una determinada institución bancaria.

Por su parte, numerosas entidades e instituciones distintas de las entidades bancarias, requerían gran cantidad de información en sus procesos de análisis de solicitudes de créditos de nivel retail, para los cuales resultaban insuficientes los modelos de scoring ya existentes. Ello dió lugar a la creación de los “Sistemas Nacionales de Calificación Crediticia de Consumidores de Crédito'' denominados como Scorings de “Credit Bureau''.

Mientras que un sistema interno de scoring de un banco se alimenta conforme a su propias bases de datos, un scoring de credit bureau requiere el aporte centralizado de información pertinente entregada por la totalidad de las instituciones comerciales otorgantes de crédito de un país.

La realidad de nuestro país se caracteriza por la amplia difusión y utilización de los servicios de información de riesgo crediticio, mayormente conocidos como servicios de información comercial en rubros como el comercio detallista, la industria de tarjetas de crédito, industria aseguradora, empresas de factoring y cobranzas, como también por parte de las instituciones bancarias tradicionales y emergentes.

Existen diferentes categorías de modelos de calificación crediticia, donde la distinción obedece a factores externos múltiples relacionados con aspectos tales como el rubro de la industria en que operan, el tipo de usuarios, la envergadura, calidad de las bases de datos utilizadas, etc.

La industria bancaria es la que presenta la más amplia variedad en la utilización de estos modelos, siendo pionera en la creación de los modelos de scoring crediticio con el desarrollo de los primeros sistemas de calificación del comportamiento de su base de clientes, a los que siguieron los scorings de aceptación para evaluar a nuevos postulantes a crédito.

De esta manera, en la industria bancaria se identifican los siguientes modelos

• Scoring de comportamiento, utilizados para la gestión de cuentas, incluyendo actividades tales como aumento y disminuciones de líneas de crédito, y sobregiros convenidos.
• Los tradicionales scorings de aceptación, mediante los cuales un banco aplica su propia definición de lo que para él son buenas y malas operaciones crediticias, a fin de identificar y ranquear a los solicitantes de crédito.
• Scoring de cobranza, cuyo objeto es determinar con mayor precisión las cuentas que pueden resultar mayormente cobrables.
• Scoring de rentabilidad, utilizados para identificar los segmentos de mercado más rentables.

Fuente: Tesis: Métodos de Divergencia y Entropía para mejorar la predicción en Modelos de Clasificación. Trabajo presentado por Maximiliano Silva Quiroz para optar al titulo de Ingeniero Estadístico

Durante muchos años el control de calidad en las empresas, se ha efectuado mediante una lógica donde equivocarse estaba permitido, sin embargo si se establece un nivel "aceptable" de defectos, ello tiende a provocar que dicho nivel (o uno más alto) se conviertan en una profecía que se cumple, trayendo como consecuencia que un porcentaje de los productos puedan resultar defectuosos haciendo incurrir a la empresa en un gasto para reparar estos y así poder sacarlos al mercado, ya que de salir al mercado defectuosos podría traer como consecuencia la perdida de clientes y por ende una disminución en los ingresos.

Por ejemplo si se estableciera un nivel de confianza del 99.9% se podría decir que es nivel alto en el cual los errores cometidos serian muy pocos sin embargo si lo vemos en el caso de los hospitales donde la vida de una persona esta en peligro se podría decir que de cada 100.000 personas es “aceptable” que mueran 100, lo que es sinceramente una locura. Es por esto que cada vez se ha ido avanzando en la búsqueda de la perfección debido a la competitividad de mercado donde cada vez la oferta es mayor por lo cual el cliente siempre busca la mejor calidad en algún producto o servicio.

Es así como luego de años de estudio en el cual fue necesario ejercer un control sobre los procesos de producción para poder controlar y minimizar la variación que se produce en las distintas etapas de producción (la cual se puede deber a causas asignables o causas aleatorias las cuales no es posible controlar), se llega a lo que hoy se conoce como seis sigma o cero defecto, el cual es una metodología de gestión empresarial basada en el método estadístico de control de proceso pero de la mano con un cambio profundo en la mentalidad y organización de la empresa.

Seis sigma se define como un método organizado y sistemático para mejorar procesos estratégicos y el desarrollo de nuevos productos basado en métodos estadísticos para reducir al máximo el porcentaje de defectos. Es un proceso empresarial que permite a las compañías mejorar satisfactoriamente sus resultados finales, diseñando y supervisando sus actividades empresariales cotidianas, minimizando recursos e incrementando la satisfacción del cliente.

En pocas palabras, es un método, basado en datos, para llevar la Calidad hasta niveles próximos a la perfección. Diferente de otros enfoques ya que también corrige los problemas antes de que se presenten, el nivel de calidad de seis sigma es de un 99,99966 por ciento de productos conformes, equivalente a un nivel de 3,4 defectos por millón de oportunidades (DPMO).

Una definición de calidad se presenta como el conjunto de características que posee un producto o servicio obtenidos en un sistema productivo, así como su capacidad de satisfacción de los requerimientos del usuario. Es decir la fuerte competencia que existe en los distintos sectores del mercado exige un alto nivel de calidad en los productos y/o servicios, ya que para las empresas la calidad determina el éxito o fracaso de estas. Por esta razón se propone trabajar bajo la teoría 6σ cuyo objetivo principal es proporcionar la información adecuada para ayudar a la implementación de la máxima calidad del producto o servicio en cualquier actividad, así como crear la confianza y comunicación entre todos los participantes.

Seis Sigma es un programa que se define en dos niveles: operacional y gerencial.

• En el nivel operacional se utilizan herramientas estadísticas para elaborar la medición de variables de los procesos industriales con el fin de detectar los defectos

• El nivel gerencial analiza los procesos utilizados por los empleados para aumentar la calidad de los productos, procesos y servicios.

y cuenta con las siguientes etapas:

Definir: En esta etapa se identifican los posibles proyectos Seis Sigma, que deben ser evaluados por la dirección para evitar la infrautilización de recursos. Una vez seleccionado el proyecto se prepara su misión y se selecciona el equipo más adecuado para el proyecto, asignándole la prioridad necesaria.

Medir: Consiste en seleccionar el producto o proceso, luego se deben definir las variables críticas y calcular la capacidad del proceso, es decir, en esta etapa se ven cuántos defectos o fallas ocurren en el proceso.

Analizar: Ésta etapa tiene gran importancia porque se determina cuándo, dónde, cómo y porque ocurren los defectos o fallas. Ya que se escogen las variables críticas, se estudia el resultado de estas y se identifican distintas herramientas.

Mejorar: En esta etapa se establecen los límites de control y se verifican resultados para obtener una innovación de los productos o procesos.

Controlar: Se define y luego se valida el sistema de control de los productos o procesos manteniendo la mejora.

La metodología DMAMC (Definir, Medir, Analizar, Mejorar, Controlar) se utiliza cuando un proceso o producto existente no satisface los requerimientos del cliente o tiene un pobre desempeño. Por otro lado, la metodología DMADV (Definir, Medir, Analizar, Diseñar, Verificar) se utiliza cuando el producto o proceso no existe y requiere ser desarrollado o uno existente (con pobre desempeño) debe ser rediseñado en su totalidad.

Gráfico de las etapas