Embed Size (px)
Citation preview
“LOS FACTORES DETERMINANTES DEL ÉXITO EN
LAS ACTIVIDADES EXPORTADORAS: UNA
APROXIMACIÓN MEDIANTE EL ANÁLISIS ROUGH
SET”.
Presentada por:
I. Marta MIRANDA GARCÍA
María Jesús SEGOVIA VARGAS
Susana BLANCO GARCÍA
Universidad Complutense de Madrid
1. SUMARIO
1. Objetivo de la investigación.
2. Construcción del Modelo Explicativo y aportaciones.
a. Definición y valoración del resultado exportador
b. Factores determinantes y su valoración.
3. Datos, metodología y resultados.
4. Conclusiones y líneas de investigación.
1. OBJETIVO DE LA INVESTIGACIÓN:
Seleccionar los factores económico-financieros
que explican el éxito (fracaso) del resultado
exportador o performance exportadora.
Su efecto sobre el resultado global de la
empresa.
La fortaleza económica de los países.
La construcción de un modelo mejorado: global,
integral y multi-atributo.
La aplicación de una metodología inédita y
novedosa al problema planteado, consistente en
técnicas de machine learning pertenecientes a la
Inteligencia Artificial : Teoría de Rough Set.
APORTANDO
1. OBJETIVO DE LA INVESTIGACIÓN:
OBTENIENDO
Modelos que representan las relaciones entre los
datos
Patrones o recetas para alcanzar el éxito o evitar el
fracaso en los mercados exteriores.
1. OBJETIVO DE LA INVESTIGACIÓN:
2. MODELO EXPLICATIVO GLOBAL: VARIABLE
DEPENDIENTE Y VARIABLES INDEPENDIENTES
La construcción de un modelo explicativo global se
realiza después de:
Afrontar y superar la falta de unanimidad y
consenso en varios asuntos que ha generado
resultados confusos, dispares y contradictorios
La explicación de estas discrepancias puede hallarse en las siguientes causas:
Falta de un cuerpo teórico común para explicar el fenómeno de la internacionalización de empresas y exportador.
Falta de consenso en la definición, valoración y medición del resultado exportador, del éxito exportador y de las variables que los determinan.
La limitación de las técnicas utilizadas para el manejo de gran número de variables y que provoca analizar aspectos concretos y parciales del problema.
Diferencias en los diseños de las investigaciones. Diferencias en la técnica analítica utilizada.
2. MODELO EXPLICATIVO GLOBAL: VARIABLE
DEPENDIENTE Y VARIABLES INDEPENDIENTES
VARIABLE A EXPLICAR: PROBLEMAS EN LA DEFINICIÓN Y
VALORACIÓN DEL DESEMPEÑO EXPORTADOR.
El desempeño exportador o performance
exportadora puede definirse como el resultado del
comportamiento exportador de un empresa
específica en un entorno también específico.
Las distintas aproximaciones teóricas e
investigaciones empíricas han generado un amplio
abanico de posibilidades, que quedan resumidas
en los siguientes cuadros:
2. MODELO EXPLICATIVO GLOBAL: VARIABLE
DEPENDIENTE.
Dimensiones/parámetros Singular Múltiple
Una dimensión Un parámetro (A) Varios parámetros (C)
Múltiples dimensiones Un índice y escala (B)
Varios parámetros (D)
TENDENCIA ACTUAL
• Múltiples dimensiones
1. Dimensión económico-financiera
2. Dimensión estratégica.
3. Satisfacción alcanzada con la
actividad exportadora
Un aproximación integradora señala tres dimensiones
del desempeño exportador:
Resultado económico
de la actividad
exportadora
Resultado no
económico, sino
estratégico
Percepciones y
actitudes frente a la
actividad exportadora
¿QUÉ DIMENSIONES?
Categorías Económicas (financieras) No económicas
Objetivas Relativas a las ventas
Relativas a la rentabilidad
Crecimiento de ventas/rentabilidad
Relativas a la cuota de mercado
Relativas al producto
Relativas a los mercados
Miscelánea
Subjetivas Relativas a las ventas
Relativas a la rentabilidad
Relativas a la cuota de mercado
Relativas al producto
Relativas a los mercados
Miscelánea
Genéricas
TENDENCIA ACTUAL
• Medidas económicas:
Ventas, rentabilidad y crecimiento
• Medidas combinadas:
objetivas y subjetivas
1. Seleccionando la dimensión que mejor caracteriza el resultado exportador : dimensión económico-financiera.
2. La valoración del desempeño exportador: varios parámetros económicos-objetivos
a. Intensidad exportadora.
b. Crecimiento de las exportaciones.
3. Incorporando un criterio clasificador: matriz intensidad importadora-crecimiento
Dado que nuestro objetivo es explicar el éxito (fracaso) del resultado
exportador
DIMENSIÓN DEL RESULTADO EXPORTADOR Y LA VALORACIÓN
UTILIZADA
2. MODELO EXPLICATIVO GLOBAL: VARIABLE
DEPENDIENTE.
La unidad de análisis es la empresa.
Mejor puede reflejar aspectos comunes entre distintas
empresas.
Es la condición del resultado exportador qué más se ha
utilizado (ZOU, et al., 1998).
Mejor refleja la efectividad de las exportaciones así
como el compromiso en los mercados internacionales
2. MODELO EXPLICATIVO GLOBAL: VARIABLE DEPENDIENTE.
DEFINICIÓN DEL RESULTADO EXPORTADOR : DIMENSIÓN ECONÓMICO-
FINANCIERA
2. MODELO EXPLICATIVO GLOBAL: VARIABLE
DEPENDIENTE
VALORACIÓN DEL RESULTADO EXPORTADOR : PARÁMETROS
ECONÓMICOS Y OBJETIVOS.
La intensidad exportadora: ratio de exportaciones sobre total de ventas realizadas por la empresa en el 2008) y el crecimiento de las exportaciones en un horizonte temporal de 5 años, de 2003 a 2008, valoradas ambas de forma objetiva. son las que se utilizan más frecuentemente en las investigaciones.
permite minimizar los defectos de cada una de ellas (EVANGELISTA, 1994) y capturar la complejidad del proceso exportador.
permite combinar el aspecto estático (intensidad) y el dinámico (crecimiento de las exportaciones).
existen investigaciones que han postulado que están altamente correlacionadas con las medidas subjetivas.
Siguiendo las aportaciones de CZINKOTA y URSIC (1991) basado en
la aplicación de DAY (1977) al marketing estratégico, y los trabajos
de MOINI (1995), CUNNINGHAM y SPIGEL (1971) y COOPER y
KLEINSCHMIDT (1985).
2. MODELO EXPLICATIVO GLOBAL: VARIABLE
DEPENDIENTE
CRITERIO CLASIFICADOR: MATRIZ INTENSIDAD-CRECIMIENTO.
Ratio exportaciones sobre el
total de ventas (intensidad
exportadora).
Crecimiento agregado en las exportaciones en los últimos
5 años
Crecen No crecen o decrecen.
Mayor del 15% Éxito 245 empresas No éxito
Igual o menor al 15 % No éxito. No éxito3
350 fracasadas
2. MODELO EXPLICATIVO GLOBAL: VARIABLES INDEPENDIENTES
Una importante dificultad para establecer los factores explicativos y su
relación con el resultado exportador son los distintos marcos
conceptuales que se han utilizado y que han derivado en dos grandes
categorías de posibles factores que influyen de forma directa y/o
indirecta o ambas, en la consecución del éxito o fracaso en el exterior
(CAVUSGIL y ZOU, 1994; HOLZMULLER y STOTTINGER, 1996).
1. Los factores internos de la empresa
2. Los factores externos a la empresa.
Tª Recursos y
capacidades
Tª Organización
Industrial
Enfoque contingente
2. MODELO EXPLICATIVO GLOBAL: VARIABLES INDEPENDIENTES
Factores
Internos:
características y
capacidades
empresa y
decisores
Factores
Externos: Entorno
Estrategia
internacional:
a) expansión
b) marketing
Resultado
exportador
Relación causal basada en el paradigma estructura-estrategia-resultado.
Relación causal basada en la Teoría de Recursos y Capacidades: recursos
estratégicos- acción estratégica-ventaja competitiva-resultado
2. MODELO EXPLICATIVO GLOBAL: VARIABLES INDEPENDIENTES
La revisión de los principales trabajos teóricos y empíricos sobre este
asunto SEÑALAN:
1. Los factores internos de la empresa:
• Características y competencias de la empresa.
• Características y competencias de la dirección y por extensión, los recursos
humanos.
• La estrategia internacional.
2. Los factores externos a la empresa.
• Características del mercado doméstico .
• Características del mercado de destino o mercado de exportación
factores macro entorno y micro entorno
Numerosas variables que incluyen múltiples facetas que deben valorarse.
No existe consenso en las mejores medidas de cada una de estas variables.
Los resultados obtenidos son heterogéneos y poco concluyentes: El tipo de relación que se establece con el resultado exportador
El signo de esa relación (positivo, negativo, o no significativo).
Gran parte de los estudios no utilizan todas las variables de forma simultánea: Estudios Parciales
Algunas categorías son poco utilizadas: variables financieras y las variables del entorno.
En definitiva
Modelo global: debido a la incorporación simultánea
de los principales factores internos y externos a la
organización identificados desde distintas
perspectivas teóricas.
El modelo propuesto es multi-atibuto ya que se han
utilizado para la valoración y definición operativa
tanto del desempeño exportador como de cada una
de las variables independientes múltiples
indicadores y parámetros cualitativos y
cuantitativos.
2. MODELO EXPLICATIVO GLOBAL: VARIABLES INDEPENDIENTES
Propuesta y
aportaciones
1. Los factores internos de la empresa:
1.1 Características generales de la empresa:
El tamaño empresarial.
La edad o antigüedad de la empresa.
La estructura de la empresa: identidad y
gobierno corporativo y toma de decisiones.
Pertenencia a un grupo de sociedades.
Tipo de control.
Modo de control y orientación internacional:
participadas o con participación de empresas
extranjeras.
Tipología propietaria.
Identidad propiedad-control.
Tipología societaria.
1.2 Competencias o capacidades de la empresa
Capacidad productiva.
Complejidad/descentralización.
Método de producción.
Eficiencia operativa.
La conducta innovadora.
Esfuerzo innovador.
Resultados innovadores.
Innovaciones de proceso y de producto.
Las competencias de marketing.
Las capacidades informacionales. Obtención de información.
Experiencias y orientación internacional
Las capacidades relacionales.
Las capacidades cruzadas.
Capacidades organizacionales
Compromiso y orientación internacional : modo
de entrada a los mercados.
Recursos y capacidades económico-
financieras
Estructura económica: inversión
Estructura financiera
Liquidez.
Coste de los recursos ajenos.
Resultado empresarial.
Rentabilidad y eficiencia.
1.3. Las características objetivas del capital humano.
Características capital humano genérico y específico
1.4 Decisiones estratégicas.
Estrategia de expansión internacional.
Selección de mercados: Destino
Nº de mercados: Concentración-diversificación- estrategia mixta.
Estrategia de marketing e innovaciones.
Política producto.
Política de precio.
Política de promoción.
Política de distribución.
• Estandarizar o adaptar la estrategia comercial
2. Los factores externos a la empresa.
• Entorno competitivo o estructura :
• Sector.
• Tipo de bien.
• Localización.
• Ámbito geográfico de los principales mercados definidos
por la empresa.
• Cambios producidos en los mercados.
• Dinamismo de los mercados.
• Evolución de las cuotas de mercado.
• Número de competidores.
• Diferencias y similitudes entre el mercado doméstico y los
exteriores
2. MODELO EXPLICATIVO GLOBAL: VARIABLES INDEPENDIENTES
Propuesta y aportación
Variable Dependiente Medidas
Resultado exportador Estática: Intensidad exportadora
Dinámica: Crecimiento exportador en los últimos cinco
años.
Variables independientes Medidas
Factores internos
Características de la empresa 10 variables
Las capacidades y competencias de la empresa 62 variables.
Las características y competencias del capital humano 9 variables
La estrategia de exportación 17 variables
Factores externos
El entorno 23 variables
TOTAL VARIABLES INDEPENDIENTES 121 variables
Modelo integral: porque se han ampliado aspectos y dimensiones de
esos factores.
Se incorporan también las variables financieras que rara vez
aparecen en los modelos explicativos
Se agregan características mucho menos habituales pero relevantes
(LEONIDOU et al. , 2010) que representan la identidad corporativa
en términos de estructura de propiedad y organizativa
Se añaden las capacidades de marketing desde el enfoque más
dinámico, Se añaden para determinar su interrelación las
capacidades productivas, la eficiencia operativa y método de
producción así como un modelo de las capacidades o conducta
innovadora más completo
2. MODELO EXPLICATIVO GLOBAL: VARIABLES INDEPENDIENTES
Propuesta y
aportaciones
Se incluyen los factores del entorno externo, que aunque
cada vez se utilizan en un mayor número de
investigaciones, existe todavía una importante limitación en
los trabajos empíricos realizados (JEKANYIKA y FREEMAN,
2009; KATSIKEAS et al., 2000).
2. MODELO EXPLICATIVO GLOBAL: VARIABLES INDEPENDIENTES
Propuesta y
aportaciones
Todo ello permite enriquecer el modelo por el hecho de incorporar
información que puede resultar relevante y en paralelo confirmar o
descartar relaciones entre la variable dependiente y determinadas
medidas de cada variable explicativa.
3. DATOS, METODOLOGÍA Y RESULTADOS
3. 1.ENCUESTA DE ESTRATEGIAS EMPRESARIALES
Los datos se obtienen de la Encuesta de Estrategias
Empresariales elaboradas por la fundación SEPI (2008).
La población de referencia de la ESEE son las empresas con
10 ó más trabajadores de la industria manufacturera. (15 a 37
de la CNAE-93, excluyendo la 23).
El ámbito geográfico es el conjunto del territorio nacional.
Todas las variables medidas tienen una referencia temporal
anual.
595 empresas exportadoras clasificadas según
la matriz intensidad-crecimiento en:
clase 1 (éxito): 245 empresas
clase 2 (fracaso): 350 empresas.
Dado el gran nº de variables y el número de casos se
realiza una selección y jerarquización previa de
variables tratando cada problema individualmente
(intensidad exportadora y crecimiento) y luego de forma
combinada, basada en los métodos de regresión
penalizada (RIDGE y GRUPO LASSO) de acuerdo con
el procedimiento descrito en LEIVA (2010).
3.2 Jerarquizar y seleccionar las variable
3. DATOS, METODOLOGÍA Y RESULTADOS
3. 2. JERARQUIZACIÓN Y SELECCIÓN DE VARIABLES PREVIA
Este procedimiento genera un modelo reducido de 31
variables
1) Factores internos.
a) Las características generales de la empresa. 3
variables: estructura de propiedad
b) Las capacidades y competencias de la empresa. 17
variables : productivas, relacional y cruzadas, experiencia
c) Las características y competencias del capital humano. 2
variables
d) La estrategia de exportación 6 variables: estandarización,
estrategia marketing, destino
2) Factores externos:
e) Entorno caracterizado por: Sector, tipo de bien,
localización.3 variables
3. DATOS, METODOLOGÍA Y RESULTADOS
3. 2. JERARQUIZACIÓN Y SELECCIÓN DE VARIABLES PREVIA
MPAR12006: porcentaje de capital perteneciente a otra sociedad
INVEX2008: porcentaje de capital en empresas extranjeras
PAFAM2008: identidad propiedad-control
NPXNIN2008: nº de establecimientos no industriales en el extranjero.
NUMEST12008: nº de centros o fábricas que posee la empresa
UC12008: porcentaje de utilización de la capacidad productiva
IPRPI2008: innovaciones de proceso
NMERIN2008: nº de mercados internacionales
PM2008: intensidad importadora
COMPE12008: comercialización de productos extranjeros
CTCL2008: Colaboración tecnológica con clientes
CTCO2008: Colaboración tecnológica con competidores
ADBEM2008: Adquisición de bienes de equipo para la mejora de productos
PSAUX2006: Servicios auxiliares realizados por la empresa
MEAEX2006: si la empresa utiliza a la empresa matriz instalada en el extranjero, como vía de acceso a los mercados
internacionales
FPSP12008: Fondos propios sobre pasivo
VA/VENTAS: Valor añadido sobre ventas
ELPSP12008: Fondos Ajenos a largo plazo sobre pasivo
DCECCO12008: coste de la financiación a corto plazo
CREVENTAS: Crecimiento de las ventas totales de la empresa periodo 2003-2008
GEFVMN2008: Gastos externos en la formación de los trabajadores en ventas y marketing
PFTC2008: personal con contrato indefinido a tiempo completo
XOCDE2006: porcentaje exportado a países de la OCDE
XRESTO2006: porcentaje exportado al resto del mundo
EP2006: Estrategia de estandarización.
ICOPRO2008: innovaciones de comercialización referentes a nuevos métodos en la promoción de los productos
GIDC2006: ventas efectuadas directamente la red de distribución propia
ICOCAN2008: innovaciones en la comercialización
NACECLIO2008: sector
TBIEN2006: tipo de bien
LOCAL2008: localización
MACHINE LEARNING
El campo de la Inteligencia Artificial ha creado un conjunto de
técnicas “machine learning” (aprendizaje automático) que
pueden definirse como métodos computacionales que
desarrollan algoritmos que permiten automatizar el proceso de
adquisición de conocimiento a través de ejemplos
(EXPERIENCIA: descubrir conocimiento del análisis de
datos como un alternativa a las técnicas estadísticas.
De manera que son de gran utilidad para automatizar la
actividad de descubrir patrones: Dichos patrones son los
modelos que representan las relaciones entre los datos.
3. DATOS, METODOLOGÍA Y RESULTADOS 3.3 Metodología Rough Set
De las posibles técnicas de machine learning para
descubrir patrones:
Inducción de reglas.
Redes neuronales
Razonamiento basado en casos.
Algoritmos genéticos.
Programación lógica inductiva.
En las que el conocimiento escondido en los datos puede
ser descubierto y expresado en forma de reglas de
decisión del tipo “Si….. Entonces….” desde ejemplos
de entrenamiento.
3.3 Metodología Rough Set
MACHINE LEARNING
ROUGH SET
PAWLAK (1982) introduce una herramienta formal
la Teoría de Rough Set.
La base teórica del Rough Set es la Teoría de
conjuntos y la raíz matemática es la relación de
“no diferenciación”:
Los objetos o casos (empresas exportadoras) que
presentan los mismos valores para todos los atributos
denominados de condición (Variables independientes)
no pueden diferenciarse y forman las denominadas
“clases de equivalencia” que constituyen el gránulo
básico de conocimiento de estos objetos”.
3.3 Metodología Rough Set
3.3 Metodología Rough Set
ROUGH SET
Sin embargo, casos que no pueden distinguirse o
diferenciarse porque presentan los mismos valores en
los atributos que los caracterizan, pueden estar
clasificados (atributos de decisión-variable
dependiente) de forma distinta. En nuestro caso
como empresas exitosas o no exitosas.
Esta inconsistencia en la descripción de los objetos
lleva a la ambigüedad en la clasificación. Esta
imprecisión impide una clasificación precisa de los
objetos.
Para tratar con estas inconsistencias se hace de
forma distinta a como lo hacen la teoría
estadística de la probabilidad y lógica fuzzy.
En esta metodología las categorías que son
imprecisas o ROUGH se pueden aproximar por
conjunto precisos- piedra angular de la Teoría
Rough Set.
Aproximación por arriba
Aproximación por abajo
3.3 Metodología Rough Set
ROUGH SET
La aproximación por debajo, (PY), consiste en todos
los objetos que con seguridad pertenecen al
conjunto y la aproximación por encima, (PY),
contiene los objetos que posiblemente pertenecen al
conjunto.
La frontera (o región de duda), (Bnp), se define como
PY-PY, y es el conjunto de elementos que no pueden
clasificarse con certeza utilizando los atributos del
sistema de información
3.3 Metodología Rough Set
De manera que, las inconsistencias no se corrigen sino
que en su lugar se obtienen reglas determinísticas y
no determinísticas para un representación dada del
conocimiento.
El conjunto de reglas para todas las clases de decisión
se denomina algoritmo de decisión.
3.3 Metodología Rough Set
ROUGH SET
VENTAJAS DEL ROUGH SET
Es útil para analizar sistemas de información ya que no
requiere que los datos satisfagan ningún tipo de
requisito:
No requiere especificar a priori una función, o que las variables
que utilizamos satisfagan ningún tipo de hipótesis estadística,
más o menos restrictiva, o que las mismas o sus errores sigan
algún tipo de distribución de tipo estadístico
No se ve afectado por la presencia de observaciones
atípicas.
3.3 Metodología Rough Set
Conceptualmente es simple y requiere algoritmos simples. El modelo obtenido consiste en un conjunto de reglas de decisión fácilmente entendibles.
Las reglas se construyen sobre la base de ejemplos reales lo que justifica su utilización para tomar una decisión Esta metodología se ajusta al problema planteado:
Decisión (clasificación) multi-atributo.
Trata la incertidumbre o la imprecisión sin necesitar probabilidades o grado de pertenencia
VENTAJAS DEL ROUGH SET
3.3 Metodología Rough Set
Permite utilizar variables cualitativas y cuantitativas.
Realiza una selección de las características más significativas consiguiendo la eliminación de las variables redundantes, reduciendo el coste y el tiempo empleado en el proceso de decisión
3.3 Metodología Rough Set
VENTAJAS DEL ROUGH SET
El software utilizado para efectuar todo el análisis es el programa RSES2 desarrollado por el Instituto de Matemáticas de Varsovia, Polonia. (http://logic.mimuw.edu.pl/~rses/) se aplica sobre un sistema de información codificada en el que:
Adecuar el sistema de información: Discretizar las variables continuas implica una división del dominio original en algunos subintervalos y la asignación de códigos cualitativos a dichos subintervalos. Mediante la utilización de percentiles.
5 subintervalos establecidos según los cuartiles de la distribución (los percentiles 20, 40, 60 y 80) y asignando los valores 1, 2, 3, 4, 5 a cada subintervalo.
APLICACIÓN ROUGH SET
3.3 Metodología Rough Set
El primer resultado: La totalidad del conjunto de atributos (variables) dio una aproximación perfecta (precisión de la aproximación) de las clases de decisión, esto es igual a uno. Además y, en consecuencia, la calidad de la clasificación es también igual a uno.
Clases Número de
Empresas
Aproximación
por debajo
Aproximación
por arriba
Precisión
1 (éxito) 245 245 245 1
2 (fracaso) 350 350 350 1
RESULTADOS ROUGH SET: PRECISIÓN Y CALIDAD
Las reglas de decisión derivadas de la tabla de información
codificada son reglas exactas (determinísticas)
3.3 Metodología Rough Set
Este resultado es muy significativo porque a pesar
de tener un gran sistema de información, las empresas
están muy bien discriminadas entre ellas, es decir,
no hay empresas que tengan los mismos valores (o que
estén en los mismos intervalos) para las variables que
hemos considerado, y que sin embargo pertenezcan a
distintas clases de decisión (éxito o fracaso).
RESULTADOS ROUGH SET: PRECISIÓN Y CALIDAD
3.3 Metodología Rough Set
Segundo resultado: Una de las funciones más
importantes de la metodología rough set es el
descubrimiento de las dependencias entre
atributos al analizar una tabla de información.
Permite eliminar aquellos atributos que sean
redundantes apareciendo el concepto de reducto o
conjunto mínimo, que se define como el menor
conjunto de atributos que mantiene la misma
calidad de clasificación que el conjunto de todos los
atributos y el Núcleo: colección de los atributos
más relevantes de la tabla; es la intersección de
todos los reductos
RESULTADOS ROUGH SET: REDUCTOS Y NÚCLEO PARA MI
3.3 Metodología Rough Set
Se han obtenido 100 reductos cuya longitud varía entre 6-8
atributos. Esto permite indicar que al menos, 23 atributos
son redundantes y podrían ser eliminados de la tabla.
Esto demuestra la fuerza de esta metodología para la
selección de las variables más significativas.
El núcleo de atributos estaba vacío. Esto indica que
ninguna variable independiente es absolutamente necesario
para la aproximación perfecta de las dos clases de
decisión.
RESULTADOS ROUGH SET: REDUCCIÓN Y DEPENDENCIA DE
ATRIBUTOS
3.3 Metodología Rough Set
El reducto elegido es el formado por las
siguientes variables:
INVEX2008, NMERIN2008, FPSP12008,
VA/VENTAS, CREVENTAS, XOCDE2006,
XRESTO2006, NACECLIO2008
Tercer resultado: Reglas de decisión Regla INVEX NMERIN FPSP1 VA/VENTAS CREVENTAS XOCDE XRESTO NACECLIO CLASE FUERZA 1 5 1 2 29
2 2 4 1 2 26
3 2 0 5 1 2 24
4 1 2 2 23
5 1 4 2 22
6 2 5 1 1 2 21
7 8 2 20
8 5 1 1 2 20
9 4 1 1 2 20
10 0 5 1 1 2 19
11 2 3 1 2 19
12 5 5 1 1 2 17
13 2 2 1 2 17
14 0 1 1 2 14
15 4 4 1 1 2 14
16 4 1 1 2 14
17 1 3 3 1 13
18 4 4 1 2 13
19 0 5 5 2 12
20 2 2 5 2 12
21 2 3 1 4 2 12
22 2 1 2 2 12
23 3 5 1 2 12
24 3 1 1 2 12
25 2 1 3 2 12
26 2 1 1 2 12
27 1 1 4 2 11
28 5 1 2 2 11
29 1 5 1 2 11
30 2 6 2 11
31 3 1 1 2 11
32 2 2 1 2 11
33 2 2 5 1 10
34 1 19 2 10
35 5 1 13 2 10
36 2 0 19 2 10
37 2 0 5 1 2 10
38 2 1 1 2 10
39 2 5 12 1 9
40 2 5 2 2 9
41 2 5 4 1 2 9
42 1 5 5 1 2 9
43 2 4 1 2 9
VALIDACIÓN DE LOS RESULTADOS
Cuarto resultado: El proceso de validación se realiza mediante
validación-cruzada consiste en hacer numerosas particiones de igual
tamaño en los datos dejando unas para estimar el modelo y las
restantes para validar.
El resultado final es la media de todos los resultados obtenidos.
Precisión total 73%
Con frecuencia se utiliza 10 particiones y así lo
hemos efectuado
Aciertos
Media Ponderada 73%
3.3 Metodología Rough Set
3.4. PRINCIPALES INTERPRETACIONES DE
LOS RESULTADOS
Las empresas sin éxito en los mercados
internacionales, se clasifican mejor no solo por la
abundancia de reglas de decisión sino porque
contienen un menor número de atributos, y mayor
fortaleza y cobertura.
•Hallazgo es significativo por dos motivos:
•Cubre déficit en las investigaciones.
•Aplicación práctica: serviría reconducir o
corregir ciertas acciones y estrategias
3.4. PRINCIPALES INTERPRETACIONES DE LOS RESULTADOS
La interpretación general de las variables que aparecen más frecuentemente en las
reglas con mayor fortaleza es la siguiente:
Patrones de éxito:
Empresas que hayan crecido, es decir cuyas ventas totales han crecido de
forma modera-alta en el periodo 2003-2008.
Relación lineal entre esta variable y el resultado exportador.
Confirma el enfoque dinámico de la teoría de recursos y capacidades,
rara vez utilizado en las investigaciones previas: la capacidad de
generar recursos y capacidades estratégicas es un proceso recursivo.
Recursos y capacidades presentes afectan a la estrategia y esta al
resultado y éste a su vez influye en la capacidad de generar recursos y
capacidades futuras, fuente de las ventajas competitivas.
Empresas que tienen suficiente experiencia y conocimiento de los negocios
internacionales y que su estrategia de expansión es mixta (concentración-
diversificación de mercados logran el éxito. 2 mercados internacionales definidos
como relevantes.
Valor añadido sobre ventas (2008) , que es una posible medida de la
performance global de la empresa y de su eficiencia (KLETTE et al., 2000),
muestra que para alcanzar el éxito no sólo es necesario disponer de recursos
suficientes para competir en el exterior sino que es necesario un uso
mínimo eficiente de los mismos.
Sin embargo, el resultado muy interesante: no son las empresas más
eficientes las que logran el éxito, si no las que presentan un nivel
moderado de eficiencia y que por tanto, puede utilizar las
exportaciones como vía para mejorar la performance global de la
empresa.
La importancia del entorno competitivo para conseguir el éxito (Sector), lo
que viene a confirmar que los factores externos afectan al resultado exportador
y pueden ser significativos en el logro del éxito o no.
La importancia de la orientación internacional así como del conocimiento de
esos mercados medido a través de la participación en el capital social de
empresas localizadas en el exterior.
Las reglas de decisión de la clase no éxito en la que aparece este
atributo, el valor que presenta este factor es igual a 2, es decir
empresas que no tienen participación en el capital social de
empresas localizadas en el extranjero.
Importancia de la estrategia de expansión en cuanto al
destino de las exportaciones, la proximidad o distancia de
los mercados de destino y las diferencias o similitudes con las
condiciones del entorno al que se exporta.
Empresas que exportan un porcentaje moderado-alto a
países de la OCDE consiguen el éxito.
XRESTO, que recoge el porcentaje de exportaciones cuyo
destino no es Unión Europea, países de la OCDE ni
Iberoamérica, encontrándose el valor las principales
reglas de la clase no éxito en las que aparece este
atributo, en el percentil 1, es decir empresas que todas
sus exportaciones están distribuidas entre Unión Europea,
países de la OCDE o Iberoamérica y que no realiza
exportaciones fuera de estos destinos.
• Por último, la variable fondos propios sobre el total del pasivo
situado entre el 60% y 80% como variable que afecta al fracaso de las
empresas exportadoras.
Esta característica financiera que en principio es positiva, ya que mide
el grado de independencia financiera de los recursos ajenos, sirviendo
para establecer la calidad de la financiación de la empresa y la fuerte
capacidad de endeudamiento, sin embargo, puede denotar que esta
solvencia financiera puede traducirse también en decisiones no óptimas
al sacrificar rentabilidad. Una sobre-capitalización puede no sólo diluir la
rentabilidad financiera y elevar el coste de los recursos financieros de la
empresa sino que también puede apuntar hacia una gestión financiera
pasiva.
A la vista del análisis de las reglas obtenidas puede
afirmarse que no hay recursos, capacidades o
estrategias que per se sean superiores a otras
para todas las empresas y circunstancias sino
que el éxito (o fracaso) se deriva de la
combinación adecuada entre ellos.
3.4. PRINCIPALES INTERPRETACIONES DE LOS RESULTADOS
3.4. PRINCIPALES INTERPRETACIONES DE LOS RESULTADOS
Se confirma el enfoque contingente: No hay ninguna condición
imprescindible para alcanzar el éxito de manera que tal y como
señalan (ROBERTSON y CHETTY (2000, p. 214) siguiendo el
enfoque contingente y ajuste estratégico “no existen
factores bueno o malos en relación a los otros, sino que
cada uno de ellos puede ser más apropiado dependiendo del
contexto en el que se utilicen”.
Los resultados de esta investigación nos llevan a señalar que
el enfoque más acertado para tratar este asunto es un enfoque
intermedio entre dos perspectivas extremas, aquella que considera
que existe una receta para el éxito aplicable a todas las empresas y
en cualquier circunstancia y la que considera que el problema de la
internacionalización debe tratarse caso a caso y que no existe un
patrón universal.
Son herramientas efectivas para la ayuda a la toma
de decisiones
Es una alternativa competitiva a los modelos que
existen para explicar el resultado exportador.
Permiten clasificar en una alto porcentaje las nuevas
empresas y por tanto poseen un elevado poder de
predicción y en la línea de los resultados obtenidos en
otras investigaciones, que utilizan esta metodología para
predecir el fracaso empresarial que se encuentra entre el
entre el 68% y el 80%. (BOSE, 2006). Ya que la validación
para el RS ha sido del 73%.
4. CONCLUSIONES
Se obtienen patrones de éxito y fracaso exportador
que no sólo descubren las relaciones directas o
indirectas que pueden existir entre las variables
sino que además dado el número de patrones
proporcionan con un elevado grado de detalle y
concreción un verdadero “recetario” de cómo
alcanzar el resultado exportador deseado
Abre nuevas posibilidades y líneas de
investigación. Puede utilizarse en posteriores
investigaciones para realizar análisis parciales de
determinadas variables y situaciones.
4. CONCLUSIONES
• Permiten abordar el asunto de la internacionalización
desde un enfoque más realista, global, integrador y
con técnicas de análisis cuantitativo más
sofisticadas.
Se adaptan bien a la compleja naturaleza de la toma de
decisiones empresariales especialmente en el área de la
internacionalización de empresas donde son muchos los
factores a tener en cuenta y que son capaces de describir el
comportamiento exportador por un lado y relacionar las
descripciones de las empresas exportadoras .
4.2. CONCLUSIONES: METODOLOGÍA
