Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Concepto
Un cluster significa un cambio radical en
la cultura de negocios tradicional. Comienza por abrir la puerta a
quienes tradicionalmente concebimos como nuestra competencia.
Un "cluster" es un sistema al que pertenecen empresas y ramas
industriales que establecen vínculos de interdependencia funcional
para el desarrollo de sus procesos productivos y para la obtención de
determinados productos o, dicho de otro modo, un "cluster" podría
definirse como un conjunto o grupo de empresas pertenecientes a
diversos sectores, ubicadas en una zona geográfica limitada,
interrelacionadas mutuamente en los sentidos vertical, horizontal y
colateral en torno a unos mercados, tecnologías y capitales
productivos que constituyen núcleos dinámicos del sector industrial,
formando un sistema interactivo en el que, con el apoyo decidido de
la Administración, pueden mejorar su competitividad.
En consecuencia, la atención prestada a estas redes de empresas
como factor de competitividad y dinamización industrial de ciertos
territorios no ha dejado de aumentar con el tiempo, a la vez que
aumentaba también su influencia sobre las políticas de promoción.
Y es que ante esta situación, el papel de los gobiernos como factor de
interrelación y localización es cada vez más importante en el contexto
competitivo internacional. Su actuación tiene un peso claramente
diferenciador en la creación de un entorno favorable para el desarrollo
de la actividad industrial frente a los competidores externos, aunque el
verdadero factor multiplicador de cada uno de los atributos expuestos
es su interrelación y su actuación cohesionada y coordinada.
Este es el punto de partida para establecer un "cluster".
La planificación ideal es de abajo a arriba, es decir, primero se deben
situar las empresas en una buena zona geográfica, ya sea por la
cercanía de las materias primas o por otros factores como las
infraestructuras o los recursos humanos, para que después sea
el gobierno el que estudie los proyectos y legisle el acceso a las
ayudas y las subvenciones.
Por su parte, las empresas tienen un importante papel que
desempeñar para remodelar las políticas gubernamentales y prestar
su apoyo a los programas constructivos del gobierno. Las empresas
deberán abogar por políticas que mejoren la competitividad nacional o
regional, como son las inversiones para crear nuevos factores y las
ayudas para conseguir acceso a los mercados internacionales.
Además, las medidas políticas de los gobiernos estarán mucho más
cerca de alcanzar el éxito si tratan de reforzar un agrupamiento
sectorial ya existente o uno que empiece a surgir. Serán más eficaces
si siguen el principio de desarrollo a partir de agrupamientos, ya que
llevan consigo distintos elementos de atracción, en forma de
Universidades, laboratorios de investigación, infraestructura
especializada o dotaciones de trabajadores cualificados.
En la práctica, para la puesta en marcha de planes de potenciación de
"clusters" empresariales, las Administraciones más activas en este
campo suelen estructurar cada iniciativa en cuatro grandes fases: la
identificación y priorización de clusters, la realización de estudios-
diagnóstico sobre cada "cluster", la definición de sus
planes conjuntos de mejora de la competitividad y, finalmente, el
apoyo al desarrollo y ejecución de los planes elaborados para los
clusters.
De este modo, se pretende que los empresarios conozcan la
problemática interna y externa de su actividad industrial y trabajen
juntos para buscar soluciones de una manera activa y participativa.
Esto les permite conocer los distintos puntos de vista de los demás
empresarios y desarrollar un fuerte sentido de compromiso y equipo,
indispensables para la posterior puesta en marcha de los "clusters", ya
que, en otro caso, el resultado final podría no ser el deseado.
Cluster Físico
Un cluster físico es una concentración geográfica conectada no
necesariamente articulada de empresas del mismo ramo económico,
de proveedores especializados de las mismas, de oferentes
de servicios al productor y de compañías en ramas económicas
vinculadas.
Cluster integrado funcionalmente
Es un cluster físico de empresas, proveedores especializados,
oferentes de servicio e instituciones asociadas (gobiernos locales,
universidades, centros de investigación, empresas certificadoras,
asociaciones comerciales) que compiten y cooperan en un campo
económico específico mediante el desarrollo sostenido de economías
de aglomeración caracterizadas por:
a. Creciente eficiencia operativa de cada eslabón de la cadena.
b. Alta eficiencia de integración óptima entre los eslabones de la
cadena de valor que caracteriza al cluster.
Un trust es:
Paso 3: La medida de distancia que vamos a tomar entre los objetos va a ser la
distancia euclídea cuya expresión es:
Así, por ejemplo, la distancia entre el clúster A y el
clúster B es:
Paso 5: Los clusters más similares son el D y E con una distancia de 2, que se fusionan en
un nuevo clúster DE. Se han formado tres clusters AB, C, DE
Paso 6: Calculamos el centroide del nuevo clúster que es el punto (6,7) y formamos de
nuevo la tabla de datos
Paso 4: A partir de estos datos calculamos de nuevo la
matriz de distancias
ANOVA
Análisis factorial
Análisis discriminante
…
Sentido común
Para decidir el número de clusters nos puede ser de gran utilidad representar los
distintos pasos del algoritmo y las distancias a la que se produce la fusión de los
clusters. En los primeros pasos el salto de las distancias es pequeño, mientras
que esas diferencias van aumentando en los sucesivos pasos. Podemos elegir
como punto de corte aquel donde comienzan a producirse saltos más bruscos. En
nuestro ejemplo, el salto brusco se produce entre etapas 3 y 4, por lo tanto son
dos el número de clusters óptimo.
Pulsar Método.
Un grupo está formado por los modelos: Accord (8), Camry (11), Malibu (2), Grand Am
(9), Impala (3), Taurus (5), Mustang(4) y
el otro grupo está formado por los modelos: Focus (6), Civic (7), Cavalier (1) y Corolla
(10).
Hay otro hueco aproximadamente 15 y 20 que sugiere 5 clusters (8, 11); (2,9); (3,
5); (4); (6, 7, 1, 10).
Entre 10 y 15 hay otro hueco que sugiere 6 clusters (8, 11); (2,9); (3, 5); (4); (6, 7,
1); (10).
El Historial de conglomeración es una tabla que muestra un resumen numérico de
la solución del método clúster utilizado. El Historial muestra los casos o
conglomerados combinados en cada etapa, las distancias entre los casos o los
conglomerados que se combinan (Coeficientes), así como el último nivel del
proceso de conglomeración en el que cada caso (o variable) se unió a su
conglomerado correspondiente. Cuando se combinan dos clusters, SPSS asigna
al nuevo clúster la etiqueta menor entre las que tienen los clusters que se
combinan.
Si hay muchos casos la tabla es bastante larga, pero suele ser más fácil de
estudiar la columna de coeficientes para distinguir grandes distancias que analizar
el dendrograma. Cuando se observa un salto inesperado en el coeficiente de
distancia, la solución antes de ese hueco indica una buena elección de
conglomerados .
Esta tabla muestra la Matriz de distancias que proporciona las similaridades entre
los casos
La división inicial del árbol forma dos grupos, (8, 11, 1, 6, 7, 10) y (2, 9, 3, 5, 4). El clúster
primero contiene los automóviles más pequeños y el clúster segundo contiene los coches más
grandes.
El grupo de coches más pequeños se puede dividir en dos subgrupos, uno de ellos formado
por los coches más pequeños y más baratos. Así la división siguiente en 3 clusters: (Accord (8),
Camry (11), Cavalier (1)), (Focus (6), Civic (7), Corolla (10)), estos tres coches son más pequeños
y más baratos que los tres anteriores) y (Malibu (2), Gran Am (9), Impala (3), Taurus (5), Mustang
(4)).
Resumen
La solución de la vinculación completa (vecino más lejano) es satisfactoria debido
a que sus grupos son diferentes, mientras que la solución del vecino más cercano
es menos concluyente. Usando como Método de conglomeración la vinculación
completa (Vecino más lejano), se puede determinar la competencia que hay entre
los vehículos en la fase de diseño mediante la introducción de sus
especificaciones como nuevos casos en el conjunto de datos y volver a ejecutar el
análisis.
Pulsar Continuar y Aceptar
Supuesto práctico 3
Una compañía de telecomunicaciones realiza un estudio con el fin de reducir el abandono
de sus clientes. Para ello dispone de un archivo de datos, donde cada caso corresponde a un
cliente distinto del que registra diversa información demográfica y del uso del servicio. El
objetivo es segmentar su base de clientes por patrones de uso del servicio. Si los clientes se
pueden clasificar por el uso, la empresa puede ofrecer paquetes más atractivos para sus
clientes. Las variables que indican el uso y no uso de los servicios están contenidas en el
archivo Telecomunicaciones1.sav.
El archivo de datos telecomunicaciones1.sav contiene 1000 datos y está formado por las
siguientes variables: región, permanencia, edad, estado_civil, dirección,
ingresos_familiares, nivel_educativo, empleo, género, n-pers_hogar, llamadas_gratuitas,
alquiler_equipo, tarjeta_llamada, inalámbrico, larga_distancia_mes,
llamadas_gratuitas_mes, equipo_mes, tarjeta_mes, inalámbrico_mes, líneas_múltiples,
mensaje_voz, servicio_busca, internet, identificador_llamada, desvío_llamadas,
llamada_a_tres, facturación_electrónica.
Utilizar el procedimiento Análisis de conglomerados jerárquico para estudiar las
relaciones entre los distintos servicios.
Para ejecutar el análisis de conglomerados, elija en los menús: Analizar/
Clasificar/Conglomerados Jerárquicos …
Pulsar Restablecer para restaurar la configuración por defecto.
Seleccionar para Variables: Servicio de llamadas gratuitas, Alquiler de equipo, Servicio de
tarjeta de llamada, Servicio inalámbrico, Líneas múltiples, mensajes de voz, servicio de
busca, internet, Identificador de llamadas, llamadas en espera, Desvío de llamadas,
llamadas a tres, Facturación electrónica
Seleccionar Variables en Conglomerar
Pulsar Gráficos…. Seleccionar Dendrograma y en Témpanos seleccionar Ninguna
En las medidas binarias, la columna de los coeficientes informa de las medidas de similitud,
por lo tanto, los valores de este coeficiente van disminuyendo en cada etapa del análisis. Es
difícil interpretar los resultados, por lo que recurrimos al Dendrograma.
El dendrograma muestra que los patrones de uso de Líneas múltiples y Servicio de tarjeta
de llamadas son distintos de los otros servicios. Estos otros se agrupan en tres grupos. Un
grupo incluye inalámbrico, servicio_busca y mensaje_voz. Otro
incluye alquiler_equipo, internet, y facturación_electrónica. El último grupo contiene
las
variables llamadas_gratuitas, llamadas_espera, identificador_llamada, desvío_llamada
s y llamada_a_tres. El grupo servicio inalámbrico está más cerca del grupo
de Internet que el grupo LlamEsp.
Supuesto práctico 4
Realizar de nuevo el estudio con la medida de distancia de Jaccard y comparar los
resultados.
Para ejecutar un análisis de conglomerados con la medida de distancia de Jaccard, en el
cuadro de diálogo de Análisis de Conglomerados Jerárquicos, pulsar Método y en la
ventana correspondiente seleccionar Jaccard como medida binaria.
La diferencia entre la simple adaptación y las medidas de Jaccard es que la medida Jaccard
no considera dos servicios similares si una persona no está suscrita. Es decir, casación
simple considera que los servicios inalámbricos y de Internet son similares cuando un
cliente esté en ambos o en ninguno, mientras que Jaccard considera que son similares sólo
cuando un cliente tiene dos servicios. Esto provoca una diferencia en las soluciones de
clúster porque hay muchos clientes que no tienen servicios inalámbricos o Internet. Por lo
tanto, estos grupos son más similares en la solución de casación simple que la solución de
Jaccard. La medida que se utiliza depende de la definición de “similares” que se aplica a la
situación.
Existen varias formas de implementarlo pero todas ellas siguen, básicamente, los siguientes
pasos:
Paso 1. Se toman al azar k clusters iniciales y se calculan los centroides (medias) de los
clusters
Paso 2. Se calcula la distancia euclídea de cada observación a los centroides de los clusters
y se reasigna cada observación al grupo más próximo formando los nuevos clusters que se toman en
lugar de los primeros como una mejor aproximación de los mismos
Paso 3. Se calculan los centroides de los nuevos clusters
Paso4. Se repiten los pasos 2) y 3) hasta que se satisfaga un criterio de parada como, por
ejemplo, no se produzca ninguna reasignación, es decir, los clusters obtenidos en dos iteraciones
consecutivas son los mismos.
El método suele ser muy sensible a la solución inicial dada por lo que es conveniente
utilizar una que sea buena. Una forma de construirla es mediante una clasificación obtenida
por un algoritmo jerárquico.
Como aclaración, vamos a realizar el procedimiento para el caso de dos variables X 1 y X2 y
cuatro elementos A, B, C. D. Los datos son los siguientes:
Se quiere agrupar estas observaciones en dos clusters (k = 2)
Paso 1. De forma arbitraria se agrupan las observaciones en dos clusters (AB) y (CD) y se
calculan los centroides de cada clúster
Paso 3. Se repite el paso 2 calculando las distancias de cada observación a los centroides de
los nuevos clusters para ver si se producen cambios de nuevas reasignaciones
Como no se producen cambios en las ubicaciones de los clusters, la solución para k=2
clusters es: Clúster 1: (A) y Clúster 2: (BCD).
Existe la posibilidad de utilizar esta técnica de manera exploratoria, clasificando los casos e
iterando para encontrar la ubicación de los centroides, o sólo como técnica de clasificación,
clasificando los casos a partir de centroides conocidos. Cuando se utiliza como técnica
exploratoria, es habitual que se desconozca el número idóneo de conglomerados, (como el
ejemplo numérico que hemos hecho), por lo que es conveniente repetir el análisis con
distinto número de conglomerados y comparar las soluciones obtenidas; en estos casos
también se puede utilizar el método análisis de conglomerados jerárquico con una
submuestra de casos.
Por último hay que interpretar la clasificación obtenida, ello requiere, en primer lugar, un
conocimiento suficiente del problema analizado. Hay que estar abierto a la posibilidad de
que no todos los grupos obtenidos tienen por qué ser significativos. Algunas ideas que
pueden ser útiles en la interpretación de los resultados son las siguientes:
Realizar ANOVAS y MANOVAS para ver qué grupos son significativamente
distintos y en qué variables lo son.
Realizar Análisis Discriminante.
Realizar un Análisis Factorial o de Componentes Principales para representar
gráficamente los grupos obtenidos y observar las diferencias existentes entre ellos.
Calcular perfiles medios por grupos y compararlos.
Conviene hacer notar, finalmente, que es una técnica eminentemente exploratoria cuya
finalidad es sugerir ideas al analista a la hora de elaborar hipótesis y modelos que expliquen
el comportamiento de las variables analizadas identificando grupos homogéneos de objetos.
Los resultados del análisis deberían tomarse como punto de partida en la elaboración de
teorías que expliquen dicho comportamiento
CÁRTEL
Aunque podremos afirmar que este tipo de acuerdos siempre son más difícil
de conseguir.
TRUST
Para la realización del trust debe producirse como condición previa que se
controle prácticamente toda la oferta o gran parte de ella, es decir, que se
vaya hacia una tendencia monopolística.
HOLDING
Nace con las llamadas “sociedades de cartera” y en su base puede
considerarse como una moderna forma de control. En realidad esta basado
en una sociedad de tipo financiero que controla todas las actividades de
otras empresas mediante el sistema de adquisición de todas o una gran
parte de sus acciones.