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 REVIEWmedio 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|