Waiietgactonns
2
IDEA
El mal de los promedios
Basarse en un promedio para tomar una decisi6n es, en promedio, un error.
por Sam Savage
Pensemos por un momento en el experto en esta-
distica que calcula que un rio tiene un metro de
profundidad en promedio, y luego se ahoga al cru-
zarlo. Si hubiera vivido para contar el cuento se
cexplayarta sobre el mal de los promedios, que es-
tablece, simplemente, que los planes basados en
suupuestos sobre las condiciones promedio normal
mente fracasan. Este error bésico, pero casi siem-
pre ignorado, aparece por todas partes en los
negocios, distorsionando cuentas, debilitando pro-
nésticos y condenando proyectos aparentemente
bien concebidos a resultados decepcionantes.
Supongamos que una empresa que se llama
HealthCeuticals y que vende un antibidtico pereci-
ble, Aunque la demanda por la droga fluc, du-
rante afios la demanda promedio mensual ha sido
de 5.000 unidades, de modo que ésa es la cant-
dad que la compafia mantiene en inventario. Un
dla aparece el efe."Dame un prontstico dela de-
manda para el préximo’afi’, le dice a su product
‘manager. "Lo necesito para estimar los costos de
inventario para el presupuesto’. El product mana-
ger responde: "La demanda cambia de un mes a
‘otro, déjeme darle una distribucién”. Pero el jefe
no quiere una “distribuci6n® “;Dame un ndmero!"
insiste. "Bueno, la demanda promedio es de 5.000
unidades al mes’, dice el product manager décit-
mente.Si necesita un solo ntimero, use 5.000"
jefe estima entonces sus costos de inventa-
rio, ue se caleulan ast sila demanda mensual es
menor que el inventario, la firma incurre en una
pérdida de USS 50 por cada unidad no vendida que
sevence yse pierde. Del otro lado, sila demanda es
mayor que el inventario, la empresa debe despa-
char por avién las unidades extra, a un costo adi-
cional de US$ 150 cada una. éstos son los Unicos
dos costos que dependen de o acertado del pronés-
tico. El jefe ha desarrllado una planilla de célculo
para estimar los costos asociados @ distintos voli-
menes de demanda y de inventario. Como la de-
io es de 5.000 unidades y la compa-
iene 5,000 nidades en inventaro, la
plarillale informa que para esa demanda promedio
el costo es cero: no hay costos por merma ni por
‘envio aéreo.
Una ganancia basada en condiciones promedio
deberfa ser una ganancia promedio, averdad?
Puede errarse en las fluctuaciones de un mes @
‘otro, pero, si se usa la demanda promedio, gno de-
ber(a al menos dar el costo promedio correcto?
No. Es fécil advertir que el costo promedio no
puede ser cero al notar que cualquier desviacién
hacia arriba o hacia abajo de la demanda prome-
dio de los antibiéticos de HealthCeuticals provo-
card costos para la compafia.
jDame un ntimero!
Es legendario el deseo de los ejecutivos de traba-
jar con un solo ndmero, lo cual casi siempre signi-
fica usar la cifra promedio. Pero cada vez que un
promedio es utilizado para representar una canti-
dad incierta termina distorsionando los resultados,
porque ignora el impacto de las inevitables fluc-
tuaciones. Los promedis suelen arruinar la con-
tabilidad, las inversiones, las ventas, los planes de
produccién y hasta los pronésticos del tiempo. In-
cluso los Principios de Contabilidad Generalmente
‘Aceptados (GAAR por su sigla en inglés) avalan el
‘mal? al requerir que ciffas incierts, tales como
las deudas morosas, sean ingresadas como un solo
ndmero. (Digase a su favor que la SEC -el ente re-
gulador de las sociedades en bolsa estadouniden-
‘ses~ ha propuesto nuevas reglas que empezarian a
enfrentar este problema.)
En un famoso caso de la vida real, confiar en
os promedios llev6 a la insolvencia al condado de
Orange, California. En el verano de 1994, las tasas de
interés estaban bajas'yse esperaba que permanecie-
ran bajas. Los funcionarios pintaron un cuadro op-
timista del portafolio financiero de! condado sobre
la base de la conducta futura esperada de las tasas
de interés. Pero si hubieran considerado explicita-
mente el bien documentado rango de incertidum-
bre en las tasas de interés, hubiesen visto que habla
una probabilidad del 5% de perder US$ 1.000 millo-
nes, que es exactamerte lo que sucedi6. Usar el pro-
HARVARD BUSINESS REVIEWmedio oculté los enormes riesgos de su inversiGn.
Desconocer el problema de los promedios con-
dujo mas recientemente a US$ 2.000 millones en
dafios a la propiedad en North Dakota. En 1997,
el Servicio de Meteorologta de EE.UU. pronosticé
que la crecida del Rio Rojo llegarfa a14,9 metros.
Los planes para controlar la inundacién se basaron
en ese nimero, que era un promedio. El rio ter
miné subiendo més de 15,2 metros, sobrepasando
los diques y desatando una inundacién que obligg
2 $0.00 personas a abandonar sus casas.
Corrigiendo el mal
Algunos ejecutivos estén conscientes de la impor:
tancia de actuar usando un rango de ndmeros rele
vantes -una distribucién- en vez de usar nimeros
Linicos, y emplean técnicos estadisticos para que
les estimen las distribuciones de todo, desde pre
ios de acciones hasta la demanda de electricidad.
Y cada vez més empresas estén usando softwares
que remedian el mal de los promedios. Hay mu-
chos programas ahora que simulan la incertidum-
bre, generando miles de valores posibles para un
escenario determinado. En esencia, esos progra
‘mas reemplazan la “foto” de un niimero tinico con,
tuna detallada “pelicula”. Esa “pelicula” abarca todo
el rango de valores posibles y la probabilidad de
que ocurran es la distribucién de frecuencia,
Laherramienta mas simple y mas usada es a lla-
mada simulacién Monte Carlo, descrita por David
Hertz en un clésico articulo publicado en HBR en
1964 y popularizado en cfrculos financieros por
usuarios sofisticados, como Judy Lewent, CFO y Vi
cepresidenta Ejecutiva de Merck. Actualmente hay
amplia disponibilidad de software de simulaciones
Monte Carlo en planillas de célculo, y estd siendo
NOVIEMBRE 2002
usado en campos tan diversos como exploracién pe-
trolera, ingenierfa financiera, defensa, banca y pla
nificacién de portafolios de jubilacién. Wells Fargo
Bank, por ejemplo, us6 una simulacién Monte Carlo
para predecir el costo de ofrecerles a sus clientes
tn certificado de depésito de tasa variable, cuyo re-
torno aumentaba si las tasas de interés subfan. Una
estimacién previa a base de tres afios de tasas de
interés durante los afios 90 habia mostrado que e!
costo serfa de aproximadamente un 0,10% para ut
certificado a cinco afios. Pero la simulacién Monte
Carlo, que combinaba informacién sobre tasas de
interés desde 1965 con modelos de conducta de
clientes, determiné que el costo serfa ocho veces
sa cifra. El alarmante hallazgo indujo al banco a
Feconfigurar sus certificados de depésito para redu-
Cir la probabilidad de costos inaceptables si sub/an
las tasas de interés.
Si el jefe de HealthCeuticals hubiese usado la si
mulacién Monte Carlo en vez de obsesionarse con
el promedio, habria visto no s6lo que el costo pro:
‘medio de inventario no era cero, sino que en pri
‘mer lugar no habria tenido un inventario de 5.000
unidades. Ya es hora de que cambien de mentali
ddad los ejecutivos todavia aficionados a los nuime-
Tos Gnicos. En vez de decir”;Dame un nimero para
mi informe”! lo que todo ejecutivo deberfa ordenar
es"jDame una distribucién para mi simulacién!
Sam Savage es profesor consultor en Stanford Unive
sity en Colifornia y presidente de AnalyCorp, una firma
de software de andlisis de negocios con sede en Pe
Alto. Es el autor de Decision Making with Insight.xla,
Second Edition (Duxbury Press, 2002
ci6n adicional sobre el mal de los promed
www. stanford edu/-savage
0s, visite
|
nticipaciones|