BCN. 28 /09/2011
“METODOLOGÍA PARA HACER DE LA ESTADÍSTICAAPLICADA UNA VENTAJA COMPETITIVA EN LAS
EMPRESAS”
1
Igor BARAHONA TORRES&
Alex RIBA CIVIL
2
CONTENIDO DE LA PRESENTACIÓN.
INTRODUCCIÓN
ESTADO DEL ARTE
OBJETIVOS DE INVESTIGACIÓN
EL BORRADOR DE UNA ESCALA
LA METODOLOGÍA
PRIMERAS CONCLUSIONES
3
INTRODUCCIÓN
ESTADO DEL ARTE
OBJETIVOS DE INVESTIGACIÓN
EL BORRADOR DE UNA ESCALA
LA METODOLOGÍA
PRIMERAS CONCLUSIONES
4
INTRODUCCIÓN
¿CÓMO ES LA GESTIÓN
EMPRESARIAL HOY EN DÍA?
MEJORES REGISTROS DE ACTIVIDADES Y TAREAS.
ENTORNO CAMBIANTE Y COMPLEJO.
INTERNET DISPONIBLE A LA MAYORÍA DE LAS EMPRESAS.
ORDENADORES MÁS POTENTES.
VOLÚMES DE INFORMACIÓN MAS GRANDES.
Burby y Atchison (2007), Petroni y Braglia. (2000) y Roberts (1990)
5
INTRODUCCIÓN
SI LA EMPRESA TIENE MÁS DATOS Y MEJOR
INFORMACIÓN……
¿CÓMO OBTENER EL
MAYOR BENEFICIO?
ENTONCES………..
6
INTRODUCCIÓN
ESTADO DEL ARTE
OBJETIVOS DE INVESTIGACIÓN
EL BORRADOR DE UNA ESCALA
LA METODOLOGÍA
PRIMERAS CONCLUSIONES
7
¿QUE ES LA ESTADÍSTICA APLICADA A LA GESTIÓN EMPRESARIAL?
Es la extensiva utilización de datos, información y cálculos matemáticos
Entender el desempeño pasado
Recudir la incertidumbre
Predecir comportamientos futuros
Tomar mejores decisiones de negocio
Basadas en evidencia cuantitativa
SALIDAS
VALOR AGREGADO
ENTRADAS
Puede ser entendida como un proceso con ENTRADAS y SALIDAS.
8
Pensamiento Sistémico
Soporte de la dirección
Ayudar a eliminar obstáculos
Facilitar recursos financieros técnicos y materiales
.
Motivar al personal responsable del proyecto
Emergencia
Jerarquía
Comunicación
Control.
CUATRO FACTORES NECESARIOS EN LA EAGE.
Jackson (1992) y Yeo (1993)
McDonough (2000), Banks (1993) yDeming (2000)
1
2
9
CUATRO FACTORES NECESARIOS EN LA EAGE.
Ventaja competitiva
Aprovechamiento de los datos
Precios / Costes inferiores
Nicho de mercado
Diferenciación
Ubicación
Integración de múltiples fuentes
Estructura eficiente de los datos
Facilidad de acceso
Seguridad y privacidad
Porter (1998)
Davenport. y Harris (2007).
Evantage Consulting y Janis, A. (2008)
3
2
10
¿CÓMO SE RELACIONAN LOS CUATRO FACTORES?
EAGE
VENTAJAS COMPETITIVAS.
PENSAMIENTO SISTÉMICO.
SOPORTE DE LA DIRECCIÓN.
APROVECHAMIENTO DE DATOS
11
¿EN QUÉ DEPARTAMENTOS SE USA LA EAGE?
AMBIENTE INTERNO
12
INTRODUCCIÓN
ESTADO DEL ARTE
OBJETIVOS DE INVESTIGACIÓN
EL BORRADOR DE UNA ESCALA
LA METODOLOGÍA
PRIMERAS CONCLUSIONES
13
OBJETIVOS DE LA INVESTIGACIÓN
4 OBJETIVOS:
1. Construir una escala cuantitativa para clasificar a las empresas, según su grado de utilización, explotación y análisis de datos con técnicas estadísticas
2. Aplicar la escala construida en una muestra representativa en Catalunya, para conocer el grado el grado de madurez de la EAGE
3. Establecer una relación cuantitativa entre la ventaja competitiva, el soporte de la dirección, el pensamiento sistémico y el inventario de técnicas estadísticas
4. Desarrollar una metodología para hacer de la EAGE una ventaja competitiva en la empresa
14
INTRODUCCIÓN
ESTADO DEL ARTE
OBJETIVOS DE INVESTIGACIÓN
EL BORRADOR DE UNA ESCALA
LA METODOLOGÍA
PRIMERAS CONCLUSIONES
15
PRIMER BORRADOR DE LA ESCALA POR CONSTRUIR
1. La escala propuesta tiene de 5 niveles.
2. En el nivel 1 tenemos empresas que no utilizan ningún tipo de análisis de datos.
3. En el nivel 5 tenemos empresas que han desarrollado una maestría en el análisis de los datos con estadística.
4. En los niveles 2, 3 y 4 tenemos empresas en proceso de crecimiento.
5. Para clasificar a las empresas, se obtendrá información a través de una encuesta.
CONSIDERACIONES.
16
PRIMER BORRADOR DE LA ESCALA POR CONSTRUIR
IGNORANCIA ESTADÍSTICA
Toma de decisiones principalmente usando información subjetiva y experiencias anteriores
Recoger datos confiables.
NIVEL 1
DESCRIPCIÓN
META POR LOGRAR
?1
17
PRIMER BORRADOR DE LA ESCALA POR CONSTRUIR
APLICACIONES LOCALES
La EAGE soporta actividades específicas y locales en la empresa. Esfuerzos aislados y con impacto limitado
Mejorar la comunicación e interacción.
2DESCRIPCIÓN
META POR LOGRAR
NIVEL 2
18
PRIMER BORRADOR DE LA ESCALA POR CONSTRUIR
ASPIRACIONES ESTADÍSTICAS
Comienzo en el uso de la estadística como V.C. Mejoras en el uso de datos sistémicamente y crecimiento en el liderazgo.
Mantener el crecimiento en los 4 inductores potenciamiento estadístico
3DESCRIPCIÓN
META POR LOGRAR
NIVEL 3
19
PRIMER BORRADOR DE LA ESCALA POR CONSTRUIR
INGENIERÍA ESTADÍSTICA
La mayoría de las decisiones en la empresa son tomadas en base al análisis de datos y T.E.
Consolidar la EAGE en los niveles estratégico, táctico y operativo
4DESCRIPCIÓN
META POR LOGRAR
Hoerl & Snee (2010)
NIVEL 4
20
PRIMER BORRADOR DE LA ESCALA POR CONSTRUIR
ESTADÍSTICA COMO VENTAJA COMP
Maestría en el uso de la EAGE. Brindar un soporte en la empresa para desarrollar exitosamente la V.C.
Lograr el liderazgo en el mercado, a través del análisis de datos y la EAGE
5DESCRIPCIÓN
META POR LOGRAR
NIVEL 4
21
INTRODUCCIÓN
ESTADO DEL ARTE
OBJETIVOS DE INVESTIGACIÓN
EL BORRADOR DE UNA ESCALA
LA METODOLOGÍA
PRIMERAS CONCLUSIONES• LOS CASOS DE ESTUDIO
• LOS CUESTIONARIOS
• LAS ENTREVISTAS
22
LA METODOLOGÍA
LOS CUESTIONARIOS
LAS ENTREVISTAS
LOS CASOS DE ESTUDIO
LA METODOLOGÍA
Estructura del cuestionario. El cuestionario esta divido en 7 secciones, y compuesto por 48 ITEMS, tal como se muestra en la siguiente tabla:
23
Sección Número ITEMS
Información general de la empresa 4
Ventajas competitivas 3
Utilización de datos 5
Soporte de la dirección 5
Pensamiento sistémico 5
Inventario de técnicas estadísticas 19
Departamentos de la empresa 11
ITEMS en Total 48
EL CUESTIONARIO
https://www.surveymonkey.com/s/surveyEAGE_castella
24
¿A QUIEN HA SIDO ENVIADO?
4.003 cuestionarios fueron enviados en el último mes124 respuestas han sido recibidas al 21 de septiembre de 2011
Grupo Tamaño Respuestas %
Investigar en España
1,264 6 0.05%
Estadística para todos
425 6 1.4%
Investigación y Estadística 237 5 2.1%
250 27 11%
4.003 124 3.10%
25
VALIDEZ Y CONFIABILIDAD DEL CUESTIONARIO
La Confiabilidad se refiere a la exactitud (consistencia y estabilidad) del cuestionario.
La Validez se refiere a la capacidad del cuestionario para medir los aspectos para los que fue creado.
Son 5 variables a medir: Ventajas Competitivas, Soporte de la Dirección, Explotación de Datos, Pensamiento Sistémico y Inventario de Técnicas Estadísticas.
Para medir Confiabilidad se reportan los resultados del Alpha de Cronbach
Para garantizar la Validez se utiliza la técnica de Definición Operacional de las Variables.
CONSIDERACIONES.
Cronbach (1951), Hernández (2006) Condesa, (2000) y Castro, P.L. (1989).
26
ALPHA DE CRONBACH.
2. Aprovechamiento de los datos
VALIDEZ Y CONFIABILIDAD DEL CUESTIONARIO
1. La CONFIABILIDAD para la APROVECHAMIENTO DE LOS DATOS es MUY ALTA.
2. En la parte de EXPLOTACIÓN Y USO DE DATOS, podemos decir que el cuestionario es CONFIABLE.
3. Todas las correlaciones son positivas entre las preguntas.
27
1. Las cinco dimensiones del cuestionario, las cuales son:
VENTAJA COMPETITIVA
APROVECHAMIENTO DE LOS DATOS
SOPORTE DE LA DIRECCIÓN.
PENSAMIENTO SISTÉMICO
INVENTARIO DETÉCNICAS ESTADÍSTICAS
Presentan valores aceptables, para garantizar la confiabilidad del cuestionario
VALIDEZ Y CONFIABILIDAD DEL CUESTIONARIO
0.6062
0.8857
0.8806
0.7420
0.9544
28
LA METODOLOGÍA
LOS CUESTIONARIOS
LAS ENTREVISTAS
LOS CASOS DE ESTUDIO
LA METODOLOGÍA
29
ENTREVISTAS DE PROFUNDIDAD
¿PORQUÉ HACER
ENTREVISTAS?
Incluir en la investigación aspectos no evidentes en la literatura.
Validar o refutar las conclusiones del cuestionario
Obtener la percepción de tres grupos diferentes sobre un tópico en común: la Estadística Aplicada a la Gestión Empresarial
Captar aspectos de la EAGE que para el cuestionario son imperceptibles.
Se toma como referencia la metodología de Nutt, King y Lawrence (2010), basada en el Análisis de Decisiones Multicriterio (ADMC) en el tratamiento de los datos
Se utilizan los conceptos Fench , Maule y Papamichail (2009) para el diseño de la entrevista
30
ENTREVISTAS DE PROFUNDIDAD
El número de entrevistas propuesto es tentativo. El número definitivo dependerá de la homogeneidad de las respuestas.
En la siguiente tabla aparecen las entrevistas a realizar , clasificadas por perfil del entrevistado y la organización participante.
31
LA METODOLOGÍA
LOS CUESTIONARIOS
LAS ENTREVISTAS
LOS CASOS DE ESTUDIO
LA METODOLOGÍA
32
LOS CASOS DE ESTUDIO
La información recopilada en los cuestionarios y las entrevistas es la base para diseñar una metodología que pueda ser aplicada en tres casos de estudio
¿PORQUÉ HACER
ESTUDIO DE CASOS?
Identificar principios generales en el crecimiento de la EAGE
Validar o refutar las conclusiones los cuestionarios y entrevistas
Construir una metodología útil para cualquier Consultor, Experto ó Profesional interesado en el crecimiento de la EAGE
Replicar y reproducir los principios identificados
33
LOS CASOS DE ESTUDIO
A continuación la metodología propuesta para la realización del estudio de casos.
Diagnóstico inicial
Clasificación en la escala
Grado 5
Grado 4
Grado 3
Grado 2
Grado 1
Acciones para
cambiar de G1 a
G2
Acciones para
cambiar de G2 a G3
Acciones para
cambiar de G3 a G4
Acciones para
cambiar de G4 a G5
Mantener y mejorar
• Soporte de la dirección.
• Pensamiento sistémico
• Uso y explotación de datos
• Mejoras en la ventaja competitiva.
• Inventario de técnicas estadísticas
Diagnóstico final
¿Evidencia de mejora?
NO
SI
• Documentar.
• Replicar.•
Estandarizar.
• Revisar• Identificar • Corregir
34
INTRODUCCIÓN
ESTADO DEL ARTE
OBJETIVOS DE INVESTIGACIÓN
EL BORRADOR DE UNA ESCALA
LA METODOLOGÍA
PRIMERAS CONCLUSIONES
35
PRIMERAS CONCLUSIONES
Estamos trabajando con un cuestionario que es válido y confiable
Existe evidencia para demostrar el crecimiento de la EAGE. esto es particularmente cierto en el área de clientes y MKT
Lo anterior es una oportunidad única para gerentes, académicos y consultores
36
FIN DE LA PRESENTACIÓN
¡GRACIAS!
37
BIBLIOGRÁFÍA
Andrews, R. Currim, I. y Leeflang, P. (2011). "A Comparison of Sales Response Predictions From Demand Models Applied to Store-Level versus Panel Data", Journal of Business and Economic Statistics, Vol 29, No. 2, pp 319-326 Burby, J y Atchison, S. (2007). "Actionable Web Analytics: Using Data to Make Smart Business Decisions", Sybex 1 ed, USAAnderson, B.F. (1968). "El Método científico: estructura de un experimento psicológico" Marfil. Alcoy, EspañaBanker, R.D y I.S Khosla. "Economics of operations management: A research perspective," Journal of Operations Management, (12:3), 1995, pp. 423-435 Banks, D. "Is Industrial Statistics Out of Control?," Statistical Science, (8:4), 1993 , pp. 402-409Boatwright, P., S.Borle, y ,J.B.Kadane. "A Model of the Joint Distribution of Purchase Quantity and Timing," Journal of the American Statistical Association, (98:463), 2003, pp. 564-572Boen, J y Zahn, D (1982). "Human Side of Statistical Consulting". Wadsworth Publishing Company, Belmont, CABox, G. Hunter, J y Hunter, W. (2005). "Statistics for Experimenters: Design, Innovation, and Discovery". Wiley-Interscience, 2nd Edition, New YorkBradley, S.P. Ghemawat, P y Mark, K (2003). "Wal-Mart Stores in 2003". Harvard Business School Case 704-430.Bryant and Yarnold (1995). “Principal components analysis and exploratory and confirmatory factor analysis. Reading and understanding multivariate analysis”. American Psychological Association Books. Castro, P.L. (1989). "Técnicas de investigación en las ciencias del comportamiento", Universidad Pontifícia, Salamanca, EspañaCheckland, P. (1999). "Systems Thinking, Systems Practice: Includes a 30-Year Retrospective". Wiley; 1 edition, New York USACondesa, D.P. y R.P.Egea. "Operativización de variables en la investigación psicológica". Psicothema. (12:2), 2000, pp.157-162Cronbach, L. J. (1951). "Coefficient alpha and the internal structure of tests". Psychometrika. 16, 297-334. Davenport, T. Harris, J. (2007). "Competing on analytics the new science of winning". Harvard Business School Press , Boston USA
38
BIBLIOGRÁFÍA
Deming, W.E. (2000). "Out of the Crisis". The MIT Press, Boston USADeVor, R. Chang, T y Sutherland, J. (2006). "Statistical Quality Design and Control". 2nd ed Prentice Hall, New York USAEdquist, C. (1997). "Systems of Innovation Approaches—Their Emergence and Characteristics". In C. Edquist (Ed.), Systems of Innovation Technologies, Institutions and Organizations. London y WashingtonEvantage Consulting y Janis, A. (2008). "Making Progress: The State of Marketing Analytics in the Twin Cities" obtenido el 12/04/2011 de http://www.intervigil.com/dev/Vigilmetrics_Website2010/articles/Marketing_Analytics_Whitepaper.pdfFlynn, B.B., R.G.Schroeder, y S. Sakakibara. “A Framework for Quality Management Research and an Associated Measurement Instrument,” Journal of Operations Management, (11), 1994, pp. 339-366Futami, R. (1986), "The Outline of Seven Management Tools for QC," Reports of Statistical Application Research, Union of Japanese Scientists and engineers, 33 (June) 7-26.George, E. P., J.S, Hunter y W.G. Hunter. (2005) "Statistics for Experimenters: Design, Innovation, and Discovery”. Wiley-Interscience 2ed, USA Ghemawat, P (2007). "Redefining Global Strategy: Crossing Borders in a World Where Differences Still Matter". Harvard Business School Press, Boston USAHenández, S.R (2006). "Metodologia de La Investigacion 4th Edition". McGraw-Hill Companies 4ed, México DF.Hershock, R.J., C.DCowman, y Peters, D. "From experience: Action teams that work "Journal of Product Innovation Management," (11:2), 1994, pp 95-104Hogg, R y Ledolter, J. (1991). "Applied Statistics for Engineers and Physical Scientists". 2nd ed Prentice Hall, New York USAHoerl, R y Snee, D (2010) “Moving the Statistics Profession Forward to the Next Level” The American Statistician. 2010, 64(1):Ishikawa, K (1988). "What is Total Quality Control? the Japanese Way". Prentice Hall; First U.S. ed. New York USAJackson, M. C. "Systems Methodology for the Management Sciences (Contemporary Systems Thinking)". Springer; 1 edition, New York USA
39
BIBLIOGRÁFÍA
Kaushilk, A (2011) "How to Choose a Web Analytics Tool: A Radical Alternative" obtenido el 08/02/2011 de http://www.kaushik.net/avinash/2006/09/how-to-choose-a-web-analytics-tool-a-radical-alternative.htmlKendall, M.G y Undy, G (1950). "An Introduction to the Theory of Statistics". Hafner Publishing Company, Washington, D.C. USAKerlinger, F.N. (1975). "Investigación del comportamiento. Técnicas y Metodología," Inter-americana, México DFLøken, E. "Use of multicriteria decision analysis methods for energy planning problems, " Renewable and Sustainable Energy Reviews, (11: 7), 2007, pp. 1584-1595 McDonough III,E. "Investigation of Factors Contributing to the Success of Cross-Functional Teams," Statistical Science. (5:4), 2000, pp. 399-402Montgomery, D (1991). "Introduction to Statistical Quality Control". 2nd ed Wiley, New YorkMorris, H. Moser, K. Vesset, D. Blumstein, R. Andersen,P. Martinez, N. Graham, S y Carr, M. (2002). "The Financial Impact of Business Analytics". International Data Corporation (IDC) External Publications, obtenido el 01/abr/2011 de http://www.idc.com/ Newman, M y R.Sabherwal. "Determinants of commitment to information systems development: a longitudinal investigation," MIS Quarterly, 20(1), 1996, pp. 23-54Nutt, J.D., A.L. King y D.P.Lawrence. "Drug harms in the UK: a multicriteria decision analysis,". The Lancet. (376:9752), 2010, pp.1558-1565 Nydick, R.L. y R.P. Hill. “Using the Analytic Hierarchy Process to Structure the Supplier Selection Procedure,” International Journal of Purchasing and Materials Management, (28:2), 1992, pp. 31-36.Peterson, E.T (2009) "The Coming Revolution in Web Analytics" tomado el 15/04/2011 de http://www.sas.com/resources/whitepaper/wp_11542.pdfPetroni,A., y M.Braglia. "Vendor Selection Using Principal Component Analysis," Journal of Supply Chain Management, (36:2), 2000, pp. 63-69Poon, P., y C.Wagner. "Critical success factors revisited: success and failure cases of information systems for senior executives," Decision Support Systems, (30:4), 2001, pp. 393-418Porter, M. (1998). "Competitive advantage: creating and sustaining superior performance". Free Press, New Yorw USA
40
BIBLIOGRÁFÍA
Roberts, H. "Applications in Business and Economic Statistics: Some Personal Views," Statistical Science, (5:4), 1990, pp. 399-402Rosel, J. (1986). "Metodología experimental en psicología" Alamex, Barcelona, España.Ryan, P (2000). "Statistical Methods for Quality Improvement". Wiley, New YorkSchiele, H. "How to distinguish innovative suppliers? Identifying innovative suppliers as new task for purchasing," Industrial Marketing Management, (35:4), 2006, pp. 925-935Shonhiwa, S.O y H. L.Gilmore. "Development of human resources: A portfolio strategy, ". SAM Advanced Management Journal, (61:1), 1996Thamhain, H.J. y D.L.Wilemon. "Criteria for Controlling Projects According to Plan,". Project Management Journal, 1986, pp. 75-81. Verma, R. y , M.E,Pullman. “An Analysis of the Supplier Selection Process”. Omega, (26:6),1998, pp. 739-750Web Analytics Association (2011), "about us" obtenido el 15/03/2011 de http://www.webanalyticsassociation.org/?page=aboutusWeber, C.A y , L.M.Ellram. “Supplier Selection Using Multi-Objective Programming: A Decision Support System Approach,” International Journal of Physical Distribution and Logistics Management, (23:2), 1993, pp. 3-14Webster, A.L. (2000). "Estadística aplicada a los negocios y la economía" 3ª ed Irwin McGraw-Hill. Santa Fe de Bogotá [etc.]Yeo,K. "Systems thinking and project management — time to reunite," Int.J.Project Manage, (11:2), 1993, pp 111-117
41
GRÁFICOS DE RADAR.
P. Sistémico.
S. Dirección.
T. EstadísticasUso de Datos
V. Competitiva
P. Sistémico.
S. Dirección.
T. EstadísticasUso de Datos
V. Competitiva
PRUEBAS Y ENSAYOS
42
PRUEBAS Y ENSAYOS
PRUEBAS Y ENSAYOS
Histogramas con los valores promedios obtenidos en el cuestionario y clasificados por tipo de ventaja competitiva de acuerdo a Porter (1998)
43
PRUEBAS Y ENSAYOS
PRUEBAS Y ENSAYOS
La re
cogida de lo
s dato
s (electr
ónico ó papel)
histogra
ma
Gráfico
s de disp
ersión
Optimicació
n de precio
s
Análisis
de componente
s prin
cipales
Análisis
de valor futu
ro
Inferencia
estadísti
ca
Control e
stadísti
co de pro
ceso
s
análisis
por estr
atitifación
Gráfico
s de Pare
to (p
ocos v
itales)
Análisis
de serie
s de tiempo
Análisis
de regre
sión
Diagramas c
ausa-efecto
(De Is
hikawa)
Anàlisi i
disseny d'exp
eriments
Seis Sigma
Analisis
textu
al
Análisis
de restr
icciones
Simulació
n de Monte
carlo
Análisis
de superv
ivencia y fiabilid
ad0
0.5
1
1.5
2
2.5
3
3.5
4
4.5
Inventario de técnicas estadísticas para la ventaja competitiva “PRODUCTOS DIFERENTES Y MEJORES”
44
PRUEBAS Y ENSAYOS
PRUEBAS Y ENSAYOS
Inventario de técnicas estadísticas para la ventaja competitiva “NICHO DE MERCADO ESPECÍFICO”
La re
cogid
a de lo
s dato
s (electr
ónico ó pap
el)
Gráfico
s de Pare
to (p
ocos v
itales)
análi
sis por e
strati
tifación
histogra
ma
Análisis
de regre
sión
Gráfico
s de disp
ersión
Optimicació
n de precio
s
Análisis
de serie
s de tiempo
Análisis
de valor f
uturo
Análisis
de supervi
vencia
y fiab
ilidad
Diagram
as ca
usa-e
fecto
(De Is
hikawa)
Anàlisi
i diss
eny d'exp
eriments
Análisis
de componente
s prin
cipale
s
Infere
ncia esta
dística
Control e
stadísti
co de pro
ceso
s
Análisis
de restr
icciones
Simulac
ión de Monte
carlo
Analisis
textu
al
Seis
Sigma
0
0.5
1
1.5
2
2.5
3
3.5
4
45
PRUEBAS Y ENSAYOS
Inventario de técnicas estadísticas para la ventaja competitiva “UBICACIÓN PRIVILEGIADA”
PRUEBAS Y ENSAYOS
La re
cogida de lo
s dato
s (electr
ónico ó papel)
Análisis
de valor futu
ro
Inferencia
estadísti
ca
histogra
ma
análisis
por estr
atitifación
Gráfico
s de disp
ersión
Control e
stadísti
co de pro
ceso
s
Análisis
de componente
s prin
cipales
Anàlisi i
disseny d'exp
eriments
Optimicació
n de precio
s
Análisis
de serie
s de tiempo
Gráfico
s de Pare
to (p
ocos v
itales)
Diagramas c
ausa-efecto
(De Is
hikawa)
Análisis
de restr
icciones
Análisis
de superv
ivencia y fiabilid
ad
Análisis
de regre
sión
Simulació
n de Monte
carlo
Analisis
textu
al
Seis Sigma
0
0.5
1
1.5
2
2.5
3
3.5
4
4.5
5
46La re
cogida de lo
s dato
s (electr
ónico ó papel)
Gráfico
s de Pare
to (p
ocos v
itales)
Anàlisi i
disseny d'exp
eriments
histogra
ma
análisis
por estr
atitifación
Diagramas c
ausa-efecto
(De Is
hikawa)
Gráfico
s de disp
ersión
Análisis
de regre
sión
Control e
stadísti
co de pro
ceso
s
Análisis
de serie
s de tiempo
Seis Sigma
Análisis
de restr
icciones
Optimicació
n de precio
s
Simulació
n de Monte
carlo
Analisis
textu
al
Análisis
de superv
ivencia y fiabilid
ad
Análisis
de componente
s prin
cipales
Inferencia
estadísti
ca
Análisis
de valor futu
ro0
0.5
1
1.5
2
2.5
3
3.5
4
4.5
Inventario de técnicas estadísticas para la ventaja competitiva “NINGUNA VENTAJA COMPETITIVA IDENTIFICADA
PRUEBAS Y ENSAYOS
PRUEBAS Y ENSAYOS
47
PRUEBAS Y ENSAYOS
PRUEBAS Y ENSAYOS
La re
cogida de lo
s dato
s (electr
ónico ó papel)
análisis
por estr
atitifación
Optimicació
n de precio
s
histogra
ma
Gráfico
s de Pare
to (p
ocos v
itales)
Diagramas c
ausa-efecto
(De Is
hikawa)
Anàlisi i
disseny d'exp
eriments
Análisis
de valor futu
ro
Inferencia
estadísti
ca
Análisis
de serie
s de tiempo
Gráfico
s de disp
ersión
Análisis
de regre
sión
Análisis
de componente
s prin
cipales
Analisis
textu
al
Seis Sigma
Control e
stadísti
co de pro
ceso
s
Análisis
de restr
icciones
Simulació
n de Monte
carlo
Análisis
de superv
ivencia y fiabilid
ad0
0.5
1
1.5
2
2.5
3
3.5
4
4.5
5
Inventario de técnicas estadísticas para la ventaja competitiva “COSTOS MÁS BAJOS QUE LOS COMPETIDORES”
48
PRUEBAS Y ENSAYOS
BOX-PLOT
49
ESQUEMA DE LA METODOLOGÍA
Borrador de escala a construir.
Diseño la herramienta de
diagnóstico
Validez y confiabilidad de la
herramienta
Aplicación de la herramienta de
diagnóstico
Estudiar relación cuantitativa entre
las variables.
Entrevistas de profundidad
Integrar resultados Cuestionarios y
Entrevistas
Realizar Caso 1, 2 y 3
Construir escala definitiva
Documentar hallazgos en tesis
Realizados
Por realizar
PRIMERAS IDEAS DE UNA POSIBLE ESCALA
IGNORANCIA ESTADÍSTICA.
APLICACIONES LOCALES E INDIVIDUALES
PRETENCIONES ESTÁDÍSTICAS
ESTADÍSTICA SISTÉMICA
ESTADÍSTICA COMO VENTAJA COMPETITIVA
Toma de decisiones principalmente usando información subjetiva y experiencias anteriores
Recoger datos confiables.
Soportar parcialmente la ventaja competitiva de la empresa con el uso de los datos
Retorno sobre la inversión (ROI) ó Control Estadístico de Procesos (SPC)
Esfuerzos iníciales para tomar decisiones, basados cálculos estadísticos con datos de toda la empresa
Predicciones, pronósticos y mediciones de intangibles. (valor de Capital Humano y Marca)
Todas las decisiones en la empresa, son tomadas en base a análisis estadístico.
Se utiliza la estadística a nivel estratégico, táctico y operativo.
Maestría en la estadística, soporte fundamental en la ventaja competitiva
Liderazgo en el mercado a través del análisis de datos
51
VALIDEZ Y CONFIABILIDAD DEL CUESTIONARIO
ALPHA DE CRONBACH.1. La definición matemática del Alpha Cronbach es:
2. El criterio para interpretar el Alpha de Cronbach es el siguiente:
3. Adicionalmente buscamos que las escalas en una misma dimensión tengan el mismo sentido. (evitar correlaciones negativas)
4. Se han calculado 5 Alphas de Cronbach, uno para cada variable que pretendemos medir.
52
¿CÓMO SE OBTUVO EL ALPHA DE CRONBACH?
......
......
......
......
......
......
......
53
ALPHA DE CRONBACH.
1. Ventajas competitivas
1. La CONFIABILIDAD para la VENTAJA COMPETITIVA es ALTA.
2. En la parte de VENTAJA COMPETITIVA, podemos decir que el cuestionario es CONFIABLE.
3. Todas las correlaciones son positivas entre las preguntas.
VALIDEZ Y CONFIABILIDAD DEL CUESTIONARIO
54
ALPHA DE CRONBACH.
2. Aprovechamiento de los datos
VALIDEZ Y CONFIABILIDAD DEL CUESTIONARIO
1. La CONFIABILIDAD para la APROVECHAMIENTO DE LOS DATOS es MUY ALTA.
2. En la parte de EXPLOTACIÓN Y USO DE DATOS, podemos decir que el cuestionario es CONFIABLE.
3. Todas las correlaciones son positivas entre las preguntas.
55
1. La CONFIABILIDAD para el SOPORDE DE LA DIRECCIÓN es MUY ALTO.
2. Por lo anterior, podemos decir que en esta dimensión el cuestionario es CONFIABLE.
3. Todas las correlaciones entre las preguntas son valores positivos.
VALIDEZ Y CONFIABILIDAD DEL CUESTIONARIO
ALPHA DE CRONBACH.
3. Soporte de la Dirección.
56
1. La CONFIABILIDAD para el PENSAMIENTO SISTÉMICO es ALTA.
2. Por lo anterior, podemos decir que en esta dimensión el cuestionario es CONFIABLE.
3. Todas las correlaciones entre las preguntas son valores positivos.
VALIDEZ Y CONFIABILIDAD DEL CUESTIONARIO
ALPHA DE CRONBACH.
4. Pensamiento Sistémico
57
1. La CONFIABILIDAD para el INVENTARIO DE TÉCNICAS ESTADÍSTICAS es MUY ALTA.
2. Por lo anterior, podemos decir que en esta dimensión el cuestionario es CONFIABLE.
3. Todas las correlaciones entre las preguntas son valores positivos.
VALIDEZ Y CONFIABILIDAD DEL CUESTIONARIO
ALPHA DE CRONBACH.
5. Inventario de técnicas estadísticas
Top Related