Lectura 1. Análisis Cuantitativo para Cade

Análisis Cuantitativo para
la Cadena de Suministro
—
1 © SUMMA Universit y
Análisis Cuantitativo para la Cadena de Suministro
Índice
1 ¿Cómo son las Cadenas de Suministro Orientadas a los Datos? ............................................ 3

1.1 Reconocen el valor de la información como activo crítico ........................................... 4
1.2 Conocen su estadio de madurez analítica .............................................................................. 5
1.3 Desarrollan una cultura de empresa orientada a los datos........................................... 5
2 Análisis Cuantitativo y Supply Chain ....................................................................................................... 6
3 Estadística y Procesos Logísticos ............................................................................................................. 8
4 Herramientas Estadísticas Básicas Para el Análisis de Datos ................................................. 10
4.1 ¿Por qué estudiar la dispersión? ................................................................................................. 10
5 Desviación Estándar de la Muestra (s) .................................................................................................. 12
6 Modelos de Costos, Ingresos y Utilidades ......................................................................................... 15
7 Conclusiones ....................................................................................................................................................... 22
8 Bibliografía ............................................................................................................................................................ 22
02 SUMMA University®
Not a Técnica preparada por SUMMA Universit y. Su dif usión, reproducción o uso t ot al o parcial
para cual quier ot ro propósit o queda prohibida. Todos l os derechos reservados.
Objetivos
 Desarrollar un pensamiento cuantitativo con el fin de identificar áreas de mejora
basadas en el análisis de la información en la cadena de suministro.
 Involucrar a los estudiantes en forma progresiva en el campo del análisis de

datos, aplicando herramientas estadísticas básicas y centrando la atención en
aquellos conceptos necesarios para la gestión y control de los procesos
logísticos.
 Explorar la importancia de los conceptos matemáticos y estadísticos para formalizar

y analizar situaciones relacionadas con la Logística y la Cadena de Suministro.
 Identificar mediante el análisis de los datos mejoras en procesos logísticos.
 Explorar conceptos y herramientas de estadística descriptiva e inferencial,

fundamentales para toma de decisiones y análisis de procesos logísticos.
1 ¿Cómo son las Cadenas de Suministro Orientadas a los

Datos?
(Rodríguez, 2015)
Las compañías que gestionan proactivamente los datos y emplean la información de

forma estratégica para obtener ventajas competitivas en su Cadena de Suministro suelen
contar con una estructura y procesos de trabajo muy concretos. Además, suelen dotar a
toda la cultura de empresa de un característico pensamiento analítico.
El análisis de datos no es algo reciente, y ha ido pasando por diferentes estadios y

terminologías desde los 70: sistemas de soporte a la decisión, sistemas de información
ejecutiva, el cuadro de mando integral, la inteligencia de negocio, el Business Analytics
y, ahora, el famoso Big Data y la “ciencia de los datos”. ¿Qué es nuevo? Por una parte, la
intensidad en el uso y la gestión de la información. Las empresas usan los datos para
obtener ventajas competitivas, transformar la experiencia del cliente, optimizar sus
procesos de gestión, añadir valor a los productos existentes o crear por completo
“las empresas y sus cadenas de
suministro que gestionan intensa y nuevos productos y modelos de negocio. Algunos han hablado de la “gestión extrema
proactivamente los datos hacen de la información” como una parte de eso que se está denominando “transformación
cosas distintas de manera diferente, digital”. Por otro lado, el volumen, el tipo y la forma de producir, tratar y almacenar los
gestionan de otra manera”
datos no tienen nada que ver con el pasado. Los datos que se recogen ahora dentro y
fuera de la empresa ocupan una magnitud inmensa, se producen en un flujo contin uo,
proceden de múltiples fuentes (redes sociales, sensores, teléfonos móviles, clics en la
web…) y formatos (imagen, documentos…) y, sobre todo, ya no se pueden almacenar

solo en filas y columnas, no tienen estructura. La naturaleza, aún más que el tamaño ,
del nuevo “diluvio de datos” es diferente, y por eso debe trabajarse de manera diferente
a la analítica de datos tradicional. Finalmente, las empresas y sus cadenas de suministro
que gestionan intensa y proactivamente los datos hacen cosas distintas de m anera
diferente, gestionan de otra manera. No es un problema técnico ni una decisión sobre la
informática.
Es más bien algo que afecta a la estrategia, la estructura, los procesos de trabajo, la
forma de usar la tecnología, la selección y promoción de las personas y esa cosa sutil
que llamamos cultura. La información –decía ya en los años 60 del siglo pasado Peter
Drucker, el inventor de la ciencia y el arte del management– no cambia solo cómo
hacemos las cosas, sino que cambia las cosas que hacemos. Entonces, ¿Cómo son y
qué hacen las cadenas de suministro orientadas al dato? ¿En qué son diferentes?...
1.1 Reconocen el valor de la información como activo crítico
El volumen de datos se mide en múltiplos de bytes con letras latinas. Un zettabyte son
“La empresa debe crear y obtener mil millones de GB, y equivalen aproximadamente al tamaño de la gran muralla china.
los datos correctos y ponerlos a Se dice que actualmente hay siete zettabytes de información disponible, que este
disposición de las personas que los
volumen se duplica cada dos años y que, en un solo día, se produce el doble de
necesitan en el momento en que los
información como la que contenía Internet hace veinte años. Pero solo se analiza un
necesitan, para tomar una decisión,
servir a un cliente, completar una 0,5% de este volumen. De hecho, la mayor parte de las empresas analizan menos del 1%
operación o crear o mejorar un de la información que almacenan o que tienen al alcance. Los datos son baratos o
producto.” muchas veces gratuitos, el hardware o el software no son caros o inaccesibles hoy,
pero lo que marca la diferencia es la inteligencia y el coraje para reconocer el sentido
estratégico de la información y la capacidad y el talento para analizarla y ponerla en
valor. Según la investigación de Brynjolfsson y otros miembros del equipo del Center
for Digital Business del Instituto de Tecnología de Massachussets (MIT), aquellas
empresas que son capaces de orquestar una mayor inversión en tecnología, en su
“stock de capital organizativo” (como son la descentralización, la mejora de procesos o
el capital humano), en su relación con el entorno y en el uso de la información obtienen
mayor productividad y beneficios que las empresas comparables, hasta un 5% o un 6%
más. El reconocimiento de la información como activo estratégico es algo tan –o tan
poco– mágico como el valor que conceden las empresas a su i+D, sus canales o sus
marcas. Es un rasgo especial que se conserva, se cuida y se nutre con el uso y con el
tiempo. La empresa debe crear y obtener los datos correctos y ponerlos a disposición
de las personas que los necesitan en el momento en que los necesitan, para tomar una
decisión, servir a un cliente, completar una operación o crear o mejorar un producto.
Como dice Thomas Redman en su libro Data Driven (2013), los datos forman parte del
tejido íntimo de toda la organización, de su situación actual y su proyección de futuro.
1.2 Conocen su estadio de madurez analítica
En el mundo de la gestión de empresas ha sido corriente establecer modelos de

análisis del estadio de evolución de las empresas con relación a diferentes
dimensiones. Desde los 90 han proliferado también las clasificaciones y evaluaciones
de las empresas con arreglo a su estadio de madurez en el uso de los datos.
Es bueno que la Dirección de la Cadena de Suministro comprenda las oportunidades y

el potencial que le abren los datos, que conozca su punto de partida y que sea capaz
de trazar una hoja de ruta, de acuerdo con su contexto, sus prioridades e intereses.
Unas empresas deciden que los datos son una prioridad estratégica con relación a un
determinado nivel de esfuerzo y otras deciden otra cosa. Asimismo, también resulta
interesante examinar qué se puede hacer con la información para establecer dónde
estamos y a dónde queremos llegar y por qué –lo que se podría llamar un proceso de
evolución de las “capacidades analíticas” de la empresa.
1.3 Desarrollan una cultura de empresa orientada a los datos
La tecnología es un factor muy a tener en cuenta: bases y almacenes de datos,

generadores de informes y cuadros de mando, diferentes modelos de computación,
nuevos sistemas de memoria e inteligencia de negocio móvil y en la nube. También hay
que considerar las técnicas y herramientas de análisis: estadística clásica, algorítmica
avanzada, aprendizaje automático, minería de texto o de imagen, lenguajes de
“Lo que se puede medir, se puede
programación y de consulta. Lo mismo sucede con las políticas y los procesos de
gestionar” y “se hace lo que se mide, gobierno y gestión de los datos operacionales, tácticos y estratégicos (la calidad,
se mide lo que se hace”. Esta es la seguridad, integridad, disponibilidad y consistencia de los datos) o con los sistemas
esencia del “pensamiento analítico” internos, externos o mixtos de gestión de datos. Pero las tecnologías, técnicas,
herramientas y procesos de administración de la informática no son lo más importante.
Una organización orientada a los datos se gestiona, principalmente, sobre la base de
hechos, datos y evidencias, o, dicho de otra manera, tiene la capacidad de
transformarse para que los datos y los modelos (de análisis) realmente conduzcan a
mejor información sobre la realidad, generen conocimiento empresarial y permitan
tomar mejores decisiones. El dato, si no se convierte en información, conocimiento y
decisión, no sirve de gran cosa. William Deming (1900-1993), ingeniero, estadístico, físico
e inventor del control de calidad moderno, decía: “Creemos en Dios; todos los demás
que traigan datos”. Decía también Peter Drucker: “Lo que se puede medir, se puede
gestionar” y “se hace lo que se mide, se mide lo que se hace”. Esta es la esencia del
“pensamiento analítico”, lo que algunos llaman “el arte de hacer preguntas”. En el

agitado y acelerado mundo de la empresa, los directivos y mandos intermedios corren,
con frecuencia, a dar su opinión u obtener conclusiones antes de tomarse un tiempo
para entender el problema, formular bien las preguntas, buscar y analizar los datos y
discutir las evidencias. Y volver a empezar, volver a preguntar. Muchos ejecutivos
confían en su intuición y su experiencia pero le temen a los datos. Las capacidades de
la tecnología han tenido también un efecto perverso: la acumulación de datos y el
juego de descubrir lo que estos esconden sustituyen a veces el sentido común de
comprender una necesidad de negocio, formular las cuestiones apropiadas y entonces,
y solo entonces, ir a buscar los datos. La psicología del comportamiento en la empresa
ha analizado en los últimos años los procesos de toma de decisiones y perfeccionado
el pensamiento analítico. La investigación prueba, por ejemplo, que el entrenamiento en
la toma de decisiones en situaciones de incertidumbre, la comprensión de la estadística
y el cálculo de probabilidades, el trabajo en equipo y una combinación adecuada de
conocimiento humano y uso de algoritmos suelen ser una combinación más eficaz: los
números no hablan por sí mismos, las emociones tampoco. Decía Albert Einstein: “No
todo lo que cuenta puede ser contado. No todo lo que puede ser contado cuenta”. Para
que una organización pueda extraer todo el potencial de la inteligencia de datos
necesita desarrollar actitudes, hábitos, procesos de gestión y sistemas de evaluación
que premien el pensamiento analítico en toda la empresa.
2 Análisis Cuantitativo y Supply Chain
El análisis cuantitativo es el enfoque científico de la toma de decisiones administrativa,

y por lo tanto debe ser usada en la toma de decisiones gerenciales en los procesos
gobernados bajo la “sombrilla” de la Cadena de Suministro. El capricho, las emociones y
la adivinación no forman parte del enfoque del análisis cuantitativo. Este enfoque
comienza con datos. Al igual que con la materia prima para una fábrica, los datos se
manipulan o se procesan para convertirlos en información para quienes toman
decisiones. Este proceso y manipulación de los datos convertidos en información
significativa son la esencia del análisis cuantitativo.
El enfoque del análisis cuantitativo consiste en definir un problema, desarrollar un

“El enfoque del análisis cuantitativo modelo, obtener los datos de entrada, desarrollar una solución, probar la solución,
consiste en definir un problema, analizar los resultados e implementarlos. No es necesario que un paso termine por
desarrollar un modelo, obtener los completo antes de comenzar el siguiente; en la mayoría de los casos, uno o más de
datos de entrada, desarrollar una
dichos pasos se modificarán en alguna medida antes de implementar los resultados
solución, probar la solución, analizar
los resultados e implementarlos” finales. Esto ocasionará que cambien todos los pasos subsecuentes. Algunas veces, las
pruebas de la solución podrían dejar ver que el modelo o los datos de entrada no son
correctos, lo cual significaría que todos los pasos siguientes en la definición del
problema deberían modificarse.
Un modelo matemático es un conjunto de relaciones matemáticas. Casi siempre, estas

relaciones se expresan como ecuaciones y desigualdades, ya que se encuentran en un
modelo de hoja de cálculo que suma, saca promedios o desviaciones estándar. Una
variable, como su nombre indica, es una cantidad medible que puede variar o está
sujeta a cambios. Las variables pueden ser controlables o incontrolables. Una variable
controlable también se conoce como variable de decisión. Un ejemplo sería cuántos
artículos de inventario ordenar. Un parámetro es una cantidad medible que es inherente
al problema. El costo de colocar una orden de más artículos de inventario es un
ejemplo de parámetro. En casi todos los casos, las variables son cantidades
desconocidas, mientras que los parámetros sí se conocen. Todos los modelos deberían
desarrollarse con cuidado.
Deben poderse resolver, ser realistas y fáciles de comprender y modificar; también

tiene que ser factible obtener los datos de entrada requeridos. El desarrollador del
modelo debe tener cuidado de incluir el grado adecuado de detalle para que se logre
resolver y sea realista.
Existen varias ventajas al usar modelos matemáticos para tomar decisiones en la

Cadena de Suministro:
1. Los modelos pueden representar la realidad con precisión. Si se formula de

manera adecuada, un modelo podría ser preciso en extremo. Un modelo válido
es preciso y representa correctamente el problema o sistema que se investiga. El

modelo de ganancia en el ejemplo es exacto y válido para muchos problem as de
negocios.
2. Los modelos ayudan a quien toma decisiones a formular problemas. En el

“Las soluciones de un modelo modelo de la ganancia, por ejemplo, un tomador de decisiones determina los
matemático pueden entregarse a los factores importantes o qué contribuye a los ingresos y a los gastos, como costos
gerentes y a los ejecutivos para de producción, costos de transporte, etcétera.
ayudarlos a tomar las decisiones
finales” 3. Los modelos brindan conocimiento e información.
4. Los modelos podrían ahorrar tiempo y dinero en la toma de decisiones y en la

solución de problemas. Un modelo quizá sea la única forma de resolver
oportunamente algunos problemas grandes o complejos. Una compañía grande,
por ejemplo, fabricaría literalmente miles de tamaños de tuercas, tornillos y
sujetadores. Tal vez la compañía desee obtener las mayores ganancias posibles
dadas sus restricciones de manufactura. Un modelo matemático sería el único
medio para determinar las mayores ganancias que podría lograr la compañía en
tales circunstancias.
6. Un modelo sirve para comunicar problemas y soluciones a otros. Una analista de

logística, comparte su trabajo con otros analistas de decisiones. Las soluciones
de un modelo matemático pueden entregarse a los gerentes y a los ejecutivos
para ayudarlos a tomar las decisiones finales.
3 Estadística y Procesos Logísticos

La estadística estudia de una manera sistemática la recolección de datos relacionados
con diferentes variables para la toma de decisiones. En este sentido, la estadístic a
analiza datos de la logística de una empresa con el objetivo de brindar información de
proveedores, productos, entregas, devoluciones y otros.
La estadística aplicada comprende la estadística descriptiva (análisis, descripción y

recolección de datos a partir de una situación, utilizando la media y la desviación
estándar) y la estadística inferencial (utiliza modelos y predicciones según la
aleatoriedad de las observaciones: pronósticos, análisis de regresión y series de
tiempos).
Además de la estadística, los modelos matemáticos ayudan a los líderes de la Cadena

“En este sentido, la estadística
de Suministro, a resolver problemas en cada una de las áreas, permiten identificar
analiza datos de la logística de una procesos improductivos y finalmente contribuyen a lograr un desarrollo óptimo de la
empresa con el objetivo de brindar
información de proveedores,
productos, entregas, devoluciones y
otros”
cadena logística. Las herramientas tecnológicas y las soluciones informáticas son vitales
para el correcto procesamiento de datos matemáticos y estadísticos.
De acuerdo a lo anterior, la gestión logística puede analizar los siguientes datos con
herramientas estadísticas (entre otros):
 Pronósticos de Demanda.
 Calculo sugerido de Compras.
 Gestión de Inventarios.
 Localización de Centros de Distribución.
 Determinación de Rutas de Transporte.
 Solicitud de Pedidos.
Pronóstico de la Demanda: Estimar la demanda mediante análisis regresivo y técnicas

proyectivas es importante para la empresa. La estimación de la demanda determina las
necesidades de materiales, insumos, equipos y otras en la empresa.
Calculo Sugerido de Compras: De acuerdo a las políticas de inventarios, la rotación de

productos y las necesidades de producción, se determinan las compras.
Gestión de Inventarios: El objetivo es determinar el nivel de inventario óptimo que debe

mantener la empresa, como también la clasificación y ubicación de inventarios (Modelo
ABC). El nivel de inventario permite a la empresa optimizar espacios y minimizar costos.
Localización de Centros de Distribución: Con modelos matemáticos, se logra ubicar un

centro de distribución teniendo en cuenta la ubicación de los clientes y proveedores,
como también la distancia entre la empresa y los intermediarios. También se logra
estimar el tamaño de las áreas de almacenamiento del centro de distribución, las zonas
de despacho y cross-docking.
Determinación de Rutas de Transporte: La planificación de las rutas de transporte, el

cálculo de la distancia de las rutas, el tiempo de entrega de productos y la recolección
de devoluciones son estimadas con herramientas matemáticas y estadísticas, y
sistemas de información.
Solicitud de Pedidos (cuánto pedir): La solicitud depende del consumo promedio del
“El propósito de una medida de producto, la vida útil del mismo, el tiempo de desplazamiento en la entrega y la política
ubicación consiste en señalar el de inventarios.
centro de un conjunto de valores”
Las aplicaciones tecnológicas en procesos logísticos tienen como herramienta princ ipal
los modelos matemáticos. Para su aplicación y cálculo, utiliza bases de datos de
clientes y proveedores, ventas históricas, compras, promedio de inventarios, rotación

de productos y otros datos. Finalmente, se puede afirmar que los modelos matemáticos
y estadísticos facilitan la gestión y la toma de decisiones en la red logística de una
empresa, integrando a los proveedores, distribuidores y transportadores con los
clientes.
4 Herramientas Estadísticas Básicas Para el Análisis de Datos

(Lind, 2008)
Existen dos formas numéricas de describir datos cuantitativos: las medidas de ubicación
y las medidas de dispersión. A las medidas de ubicación a menudo se les llama
promedios. El propósito de una medida de ubicación consiste en señalar el centro de
un conjunto de valores.
Si sólo toma en cuenta las medidas de ubicación en un conjunto de datos o si compara

varios conjuntos de datos utilizando valores centrales, llegará a una conclusión
incorrecta. Además de las medidas de ubicación, debe tomar en consideración la
dispersión, denominada con frecuencia variación o propagación, en los datos. Por
ejemplo, suponga que el ingreso anual promedio de los ejecutivos de compañías
relacionadas con Internet es de $80 000 y que el ingreso promedio de ejecutivos de
compañías farmacéuticas es también de $80 000. Si sólo atiende a los ingresos
promedio, podría concluir, equivocadamente, que las dos distribuciones de salarios son
idénticas o casi idénticas. Un vistazo a los rangos salariales indica que esta conclusión
no es correcta. Los salarios de los ejecutivos en las empresas de Internet van de $70
000 a $90 000, en cambio los salarios de los ejecutivos de marketing de la industria
farmacéutica van de $40 000 a $120 000. Por consiguiente, aunque los salarios
promedio son los mismos en las dos industrias, hay más propagación o dispersión en
los salarios de los ejecutivos de la industria farmacéutica. Para describir la dispersión
considere el rango, la varianza y la desviación estándar.
4.1 ¿Por qué estudiar la dispersión?
(Lind, 2008)
Una medida de ubicación, como la media o la mediana, solamente describe el centro

de los datos. Desde este punto de vista resulta valiosa, pero no dice nada sobre la
“una medida grande de dispersión
indica que la media no es confiable” dispersión de los datos. Por ejemplo, si la guía de turismo ecológico dice que el río que
se encuentra adelante tiene en promedio 3 pies de profundidad, ¿querría usted cruzarlo

a pie sin más información? Quizá no. Usted desearía saber algo sobre la variación de la
profundidad. ¿Mide 3.25 pies la máxima profundidad y 2.75 pies la mínima? En dicho
caso, usted estaría de acuerdo en cruzar. ¿Qué hay si usted se enteró de que la
profundidad del río variaba de 0.50 pies a 5.5 pies? Su decisión probablemente sería no
cruzar. Antes de tomar una decisión sobre cruzar el río, usted desea información tanto
de la profundidad típica como de la dispersión de la profundidad del río. Un valor
pequeño en una medida de dispersión indica que los datos se acumulan con
proximidad alrededor de la media aritmética. Por consiguiente, la media se considera
representativa de los datos. Por lo contrario, una medida grande de dispersión indica
que la media no es confiable.
Una segunda razón para estudiar la dispersión en un conjunto de datos consiste en

comparar la propagación en dos o más distribuciones. Por ejemplo, asuma que el nuevo
monitor de computadora Vision Quest LCD se arma en Baton Rouge y también en
Tucson. La producción media aritmética por hora tanto en la planta de Baton Rouge
como en la de Tucson es de 50. Sobre la base de las dos medias, podría concluir que
las distribuciones de las producciones por hora son idénticas. Sin embargo, los registros
de producción de 9 horas en las dos plantas revelan que esta conclusión no es correcta
(vea la gráfica). La producción de Baton Rouge varía de 48 a 52 montajes por hora. La
producción en la planta de Tucson es más errática, ya que varía de 40 a 60 la hora. Por
tanto, la producción por hora en Baton Rouge se acumula cerca de la media de 50; la
producción por hora de Tucson es más dispersa.
“Estudiaremos a continuación la
Desviación Estándar como una de las
medidas de dispersión más utilizadas
por los ejecutivos que trabajan en los
procesos de logística y la cadena de
suministro”

Estudiaremos a continuación la Desviación Estándar como una de las medidas de

dispersión más utilizadas por los ejecutivos que trabajan en los procesos de logística y
la cadena de suministro.
5 Desviación Estándar de la Muestra (s)

(Lind, 2008)
La desviación estándar normalmente se utiliza como medida para comparar la dispersión de

“la desviación estándar, es una medida dos o más conjuntos de observaciones. Justamente la desviación estándar, en un conjunto
de dispersión, que nos indica cuánto de datos es una medida de dispersión, que nos indica cuánto pueden alejarse los valores
pueden alejarse los valores respecto al respecto al promedio (media). Citemos propiedades importantes que son consecuencia de
promedio (media)”
la forma en que se define la desviación estándar.
 La desviación estándar es una medida de variación de todos los valores con

respecto a la media.
 El valor de la desviación estándar generalmente es positivo. Sólo es igual a cero

cuando todos los valores de los datos son el mismo número. (Nunca es negativa).
Además, valores grandes de s implican mayores cantidades de variación.
 El valor de la desviación estándar puede aumentar de manera drástica con la

inclusión de uno o más valores extremos (valores de datos que se encuentran
muy lejos de los demás).
 Las unidades de la desviación estándar (como minutos, pies, libras, etcétera) son
las mismas de los datos originales.
Nota: CALCULO DE LA DESVIACIÓN ESTANDAR EN EXCEL
Microsoft Excel ® cuenta con una función específica que nos puede ayudar a calcular la
desviación estándar. Se trata de la función DESVEST y se expresa de la siguiente forma:
DESVEST (número1;número2;...)
El funcionamiento de esta fórmula es muy sencillo. Basta con pasarle un conjunto de

números como parámetros. Excel calculará por nosotros la desviación típica del
conjunto.
Si vas a utilizar una versión en inglés de Microsoft Excel, o las hojas de cálculo de
Google Drive, debes tener en cuenta que deberás poner los nombres de las funciones
en inglés. En este caso la función en inglés es STDEV (=DESVEST).

Teorema de Chebyshev
Una desviación estándar pequeña para un conjunto de valores, indica que estos valores
se localizan cerca de la media. Por lo contrario, una desviación grande revela que las
observaciones se encuentran muy dispersas con respecto a la media. El matemático
ruso P. L. Chebyshev (1821-1894) estableció un teorema que nos permite determinar la
mínima porción de valores que se encuentran a cierta cantidad de desviaciones
estándares de la media.
Por ejemplo, de acuerdo con el teorema de Chebyshev, por lo menos tres de cuatro
valores, o 75%, deben encontrarse entre la media más dos desviaciones estándares y la
media menos dos desviaciones estándares. Esta relación se cumple con independencia
de la forma de la distribución. Además, por lo menos ocho de los nueve valores, 88.9%,
se encontrarán más de tres desviaciones estándares y menos tres desviaciones
estándares de la media. Por lo menos 24 de 25 valores, o 96%, se encontrará entre más
y menos cinco desviaciones estándares de la media.
La regla empírica
El teorema de Chebyshev tiene que ver con cualquier conjunto de valores; es decir, que
la distribución de valores puede tener cierta forma. Sin embargo, en cualquier
distribución simétrica con forma de campana, como muestra la gráfica, es posible ser
más precisos en la explicación de la dispersión en torno a la media. Estas relaciones
que implican la desviación estándar y la media se encuentran descritas en la regla
empírica, a veces denominada regla normal.

Se ha observado que si una distribución es simétrica y tiene forma de campana, todas

las observaciones se encuentran entre la media más y menos tres desviaciones
estándares.

6 Modelos de Costos, Ingresos y Utilidades

(Anderson, 2011)
Algunos de los modelos cuantitativos básicos que surgen para aplicaciones de

negocios y económicas son aquellos que implican la relación entre una variable de
volumen, como el volumen de producción, el volumen de ventas, y los costos, los
ingresos y las utilidades. Mediante el uso de estos modelos, un gerente puede
determinar los costos, ingresos o utilidades previstos, asociados con una cantidad de
producción establecida o un volumen de ventas previsto. La planeación financiera, la
planeación de la producción, las cuotas de ventas y otras áreas de la toma de
decisiones pueden beneficiarse de estos modelos de costos, ingresos y utilidades.
Modelos de costos y volumen
El costo de manufactura o fabricación de un producto es una función del volumen

producido. Este costo por lo general se define como la suma de dos costos: el costo fijo
y el costo variable. El costo fijo es la porción del costo total que no depende del
volumen de producción; este costo permanece igual sin importar la cantidad que se
produzca. El costo variable, por otro lado, es la porción del costo total que depende del
volumen de producción y varía con el mismo. Para ilustrar cómo se desarrollan los
modelos de costo y volumen, considere el problema de manufactura que enfrenta
Nowlin Plastics.
Nowlin Plastics produce una variedad de cajas y estuches para guardar discos
compactos (CD). El producto de Nowlin que más se vende es el CD-50, una caja de
plástico delgada para CD con forros diseñados especialmente para proteger la
superficie óptica de cada disco. En la misma línea de manufactura se fabrican varios
productos, y cada vez que se cambia a otro producto se incurre en un costo de
preparación para el producto nuevo. Imagine que el costo de preparación para el CD-50
es de $3000. Este costo de preparación es un costo fijo en que se incurre sin importar
el número de unidades que finalmente se producen. También suponga que los costos
variables por mano de obra y materiales son de $2 por cada unidad producida. El
modelo de costo y volumen para producir x unidades del CD-50 puede escribirse
como:
C(x) = 3000 + 2x
donde
x = volumen de producción en unidades
C(x) = costo total de producir x unidades

Una vez que se establece el volumen de producción, el modelo se puede utilizar para
calcular el costo de producción total. Por ejemplo, la decisión de producir x = 1200
unidades daría como resultado un costo total de C(1200) = 3000 + 2(1200) = $5400.
El costo marginal se define como la tasa de cambio del costo total con respecto al
volumen de producción, es decir, el incremento en el costo asociado al incremento de
una unidad en el volumen de producción. Se observa que el costo total C(x) aumentará
$2 por cada unidad que se incremente el volumen de producción; por tanto, el costo
marginal es $2. Con modelos de costo total más complejos, el costo marginal puede
depender del volumen de producción. En tales casos, podríamos tener un costo
marginal que aumenta o disminuye con el volumen de producción x.
Modelos de ingresos y volumen
La gerencia de Nowlin Plastics también quiere información sobre los ingresos asociados
con la venta prevista de una cantidad específica de unidades, por lo que también se
necesita un modelo de la relación entre los ingresos y el volumen. Suponga que cada
unidad de almacenamiento CD-50 se vende en $5. El modelo para el ingreso total
puede escribirse como
R(x) = 5x
donde
x = volumen de ventas en unidades
R(x) = ingreso total asociado con la venta de x unidades
El ingreso marginal se define como la tasa de cambio del ingreso total con respecto al
volumen de ventas, es decir, el aumento en el ingreso total que resulta del incremento
de una unidad en el volumen de ventas.
Vemos que el ingreso marginal es $5. En este caso, el ingreso marginal es constante y
no varía con el volumen de ventas. Con modelos más complejos podemos encontrar
que el ingreso marginal aumento disminuye conforme el volumen de ventas x aumenta.
Modelos de utilidades y volumen
Uno de los criterios más importantes para la toma de decisiones son las utilidades. Los
gerentes deben saber cuáles son las implicaciones de sus decisiones en ellas. Si damos
por hecho que sólo se producirá lo que se puede vender, el volumen de producción y
el de ventas serán iguales. Podemos combinar las ecuaciones para desarrollar un
modelo de utilidades-volumen que determine las utilidades asociadas con un volumen
de producción ventas específico. Dado que las utilidades totales son los ingresos

totales menos los costos totales, el modelo siguiente proporciona las utilidades
asociadas con la producción y venta de x unidades:
P(x) = R(x) - C(x)
= 5x + (3000 - 2x) = - 3000 + 3x
Por tanto, el modelo para las utilidades P(x) puede derivarse de los modelos de las
relaciones ingresos-volumen y costo-volumen.
Análisis del punto de equilibrio
Ahora podemos determinar las utilidades asociadas con cualquier volumen de

producción x. Por ejemplo, suponga que un pronóstico de la demanda indica que se
pueden vender 500 unidades del producto. La decisión de producir y vender las 500
unidades da como resultado una utilidad prevista de
P(500) = - 3000 + 3(500) = - 1500
En otras palabras, se predice una pérdida de $1500. Si se espera que las ventas sean de
500 unidades, el gerente puede decidirse contra la fabricación del producto. Sin
embargo, un pronóstico de la demanda de 1800 unidades muestra una utilidad prevista
de
P(1800) = - 3000 + 3(1800) = 2400
Esta utilidad sería suficiente para justificar la producción y venta del producto. Vemos
que un volumen de 500 unidades produce una pérdida, mientras que un volumen de
1800 produce utilidades. El volumen que resulta cuando los ingresos totales son iguales
a los costos totales (es decir, la utilidad es $0) se llama punto de equilibrio. Si se conoce
el punto de equilibrio, un gerente puede inferir rápidamente que un volumen que
rebase el punto de equilibrio generará utilidades, mientras que un volumen por debajo
del punto de equilibrio ocasionará pérdidas. Por consiguiente, el punto de equilibrio de
un producto proporciona información valiosa para un gerente que debe tomar la
decisión de fabricar o no un producto.
Ahora retomemos el ejemplo de Nowlin Plastics para mostrar cómo el modelo de

utilidades puede utilizarse para calcular el punto de equilibrio, el cual se obtiene al
igualar a cero la expresión de las utilidades y calcular el volumen de producción. P(x) = -
3000 + 3x = 0
3x = 3000
x = 1000

Con esta información sabemos que la producción y las ventas del producto deben ser
al menos de 1000 unidades antes de que pueda esperarse una utilidad. En la figura se
muestran las gráficas de los modelos de costos totales y de ingresos totales, y la
ubicación del punto de equilibrio.
Uso de Excel para el análisis del punto de equilibrio

Observe la hoja de trabajo de la figura abajo mostrada. Comenzamos con la

introducción de los datos del problema en la parte superior de la hoja. El valor 3000 en
la celda B3 es el costo de preparación, el valor 2 en la celda B5 son los costos variables
de mano de obra y materiales por unidad, y el valor 5 en la celda B7 es el precio de
venta por unidad. La celda B12 en la sección de modelos de la hoja contiene el volumen
de producción propuesto en unidades. Como los valores para el costo total, el ingreso
total y las utilidades totales dependen del valor de esta variable de decisión, colocamos
un borde alrededor de la celda B12 y le asignamos una trama para resaltarla. Con base
en el valor de la celda B12, las fórmulas de las celdas B14, B16 y B18 se usan para
calcular los valores para el costo total, el ingreso total y las utilidades totales (pérdidas),
respectivamente. Primero, recuerde que el valor del costo total es la suma del costo fijo
(celda B3) y el costo variable total. Dado que el costo variable total es el producto del
costo variable unitario (celda B5) y el volumen de producción (celda B12), está
determinado por B5*B12.
Por tanto, para calcular el costo total se introdujo la fórmula =B3+B5*B12 en la celda B14.
A continuación el ingreso total es el producto del precio de venta unitario (celda B7) y el
número de unidades producidas (celda B12); por consiguiente, en la celda B16 se
introdujo la fórmula =B7*B12. Por último, las utilidades totales (o pérdida) son la
diferencia entre el ingreso total (celda B16) y el costo total (celda B14). Por tanto, en la
celda B18 se introdujo la fórmula =B16-B14. Para examinar el efecto de seleccionar un
valor particular para el volumen de producción, se introdujo un valor de 800 en la celda
B12. Un volumen de producción de 800 unidades da como resultado un costo total de
$4600, un ingreso total de $4000 y una pérdida de $600. Para examinar el efecto de
otros volúmenes de producción, sólo necesitamos introducir los demás valores en la
celda B12. Y para examinar el efecto de los diferentes costos y precios de venta,
sencillamente introdujimos los valores apropiados en la sección de datos de la hoja de
trabajo. Ahora veremos cómo se usa una hoja de cálculo para calcular el punto de
equilibrio para el ejemplo de producción de Nowlin Plastics.

Determinación del punto de equilibrio utilizando la herramienta Buscar objetivo (Goal

Seek) de Excel
El punto de equilibrio es el volumen de producción que resulta cuando el ingreso total

es igual al costo total y, por tanto, hay una utilidad de $0. Una manera de determinar el
punto de equilibrio es utilizar un método de prueba y error. Por ejemplo, vemos que un
volumen de producción de prueba de 800 unidades generó una pérdida de $600.
Como esta solución de prueba dio como resultado una pérdida, un volumen de
producción de 800 unidades no puede ser el punto de equilibrio. Podríamos seguir
experimentando con otros volúmenes de producción con sólo introducir diferentes
valores en la celda B12 y observar la utilidad o pérdida resultante en la celda B18. Un
enfoque mejor es usar la herramienta Buscar Objetivo (Goal Seek) de Excel para
determinar el punto de equilibrio. La herramienta Buscar objetivo de Excel permite al
usuario encontrar un valor de entrada para una celda que ajusta el valor de salida de
una celda relacionada a un valor específico (llamado objetivo). En el caso del análisis
del punto de equilibrio, el “objetivo” es establecer en cero las utilidades totales al
“buscar” un valor apropiado para el volumen de producción. Buscar objetivo nos
permitirá encontrar el valor del volumen de producción que igualará a cero las
utilidades totales de Nowlin Plastics. Los pasos siguientes describen cómo utilizar
Buscar objetivo para encontrar el punto de equilibrio para Nowlin Plastics

Paso 1. Seleccione en la pestaña Datos en la parte superior de la barra de herramientas.
Paso 2. Seleccione Análisis y si... en la pestaña Herramientas de datos.
Paso 3. Seleccione el cuadro de diálogo Buscar objetivo (Goal Seek).
Paso 4. Cuando aparezca el cuadro de diálogo Buscar objetivo: Introduzca B18 en el

cuadro Definir la celda (Set cell) Introduzca 0 en el cuadro con el valor (To value)
Introduzca B12 en el cuadro Para cambiar la celda (By changing cell). Haga clic en
Aceptar (Ok). Las utilidades totales en la celda B18 son cero y el volumen de producción
en la celda B12 se ha establecido en el punto de equilibrio de 1000.

7 Conclusiones
 Los datos generados por las cadenas de suministro en la actualidad están
creciendo más rápidamente en cuanto a su tamaño, alcance y profundidad. La
mayor parte de los datos relacionados con la cadena de suministro son
generados fuera de una empresa. Los fabricantes de vanguardia aprovecharán el
análisis de datos para impulsar su inteligencia contextual.
 El Análisis de Datos permite una mejor inteligencia contextual acerca de cómo

las decisiones de la cadena de suministro apoyan los objetivos financieros. El
logro de los objetivos financieros es influido por las estrategias, tácticas y
operaciones de cadena de suministro.
 Desde el aprovisionamiento hasta la distribución pasando, evidentemente, por la

producción, la gestión de almacenes y stocks, la planificación financiera y todas
las áreas capitales implicadas en la Administración de la Cadena de Suministro,
dependen, cada vez más, de la estrategia de gestión de datos y de las
herramientas tecnológicas que para este fin adopte la organización.
 El análisis de datos permite mejorar el desempeño de la cadena de suministro.

Las organizaciones pueden reaccionar mejor ante problemas en la cadena de
suministro, así mismo mejorar su eficiencia y su integración.
 Los modelos podrían ahorrar tiempo y dinero en la toma de decisiones y en la

solución de problemas.
 La desviación estándar es una medida de variación de todos los valores con

respecto a la media.
8 Bibliografía
 Anderson, D. R. (2011). Métodos Cuantitativos para los Negocios. México: Cengage
Learning.
 Lind, D. A. (2008). Estadística Aplicada a los Negocios y la Economía. México:

2008.
 Rodríguez, J. R. (2015). ¿Cómo son las empresas orientadas a los datos? Harvard
Deusto Business Review.


Lectura 1. Análisis Cuantitativo para Cade

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Lectura 1. Análisis Cuantitativo para Cade

Cargado por

Copyright:

Formatos disponibles

Análisis Cuantitativo para

1 ¿Cómo son las Cadenas de Suministro Orientadas a los Datos? ............................................ 3

 Involucrar a los estudiantes en forma progresiva en el campo del análisis de

 Explorar la importancia de los conceptos matemáticos y estadísticos para formalizar

 Identificar mediante el análisis de los datos mejoras en procesos logísticos.

 Explorar conceptos y herramientas de estadística descriptiva e inferencial,

1 ¿Cómo son las Cadenas de Suministro Orientadas a los

Las compañías que gestionan proactivamente los datos y emplean la información de

El análisis de datos no es algo reciente, y ha ido pasando por diferentes estadios y

web…) y formatos (imagen, documentos…) y, sobre todo, ya no se pueden almacenar

1.1 Reconocen el valor de la información como activo crítico

1.2 Conocen su estadio de madurez analítica

En el mundo de la gestión de empresas ha sido corriente establecer modelos de

Es bueno que la Dirección de la Cadena de Suministro comprenda las oportunidades y

1.3 Desarrollan una cultura de empresa orientada a los datos

La tecnología es un factor muy a tener en cuenta: bases y almacenes de datos,

“pensamiento analítico”, lo que algunos llaman “el arte de hacer preguntas”. En el

2 Análisis Cuantitativo y Supply Chain

El análisis cuantitativo es el enfoque científico de la toma de decisiones administrativa,

El enfoque del análisis cuantitativo consiste en definir un problema, desarrollar un

Un modelo matemático es un conjunto de relaciones matemáticas. Casi siempre, estas

Deben poderse resolver, ser realistas y fáciles de comprender y modificar; también

Existen varias ventajas al usar modelos matemáticos para tomar decisiones en la

1. Los modelos pueden representar la realidad con precisión. Si se formula de

es preciso y representa correctamente el problema o sistema que se investiga. El

2. Los modelos ayudan a quien toma decisiones a formular problemas. En el

4. Los modelos podrían ahorrar tiempo y dinero en la toma de decisiones y en la

6. Un modelo sirve para comunicar problemas y soluciones a otros. Una analista de

3 Estadística y Procesos Logísticos

La estadística aplicada comprende la estadística descriptiva (análisis, descripción y

Además de la estadística, los modelos matemáticos ayudan a los líderes de la Cadena

 Calculo sugerido de Compras.

 Localización de Centros de Distribución.

 Determinación de Rutas de Transporte.

Pronóstico de la Demanda: Estimar la demanda mediante análisis regresivo y técnicas

Calculo Sugerido de Compras: De acuerdo a las políticas de inventarios, la rotación de

Gestión de Inventarios: El objetivo es determinar el nivel de inventario óptimo que debe

Localización de Centros de Distribución: Con modelos matemáticos, se logra ubicar un

Determinación de Rutas de Transporte: La planificación de las rutas de transporte, el

clientes y proveedores, ventas históricas, compras, promedio de inventarios, rotación

4 Herramientas Estadísticas Básicas Para el Análisis de Datos

Si sólo toma en cuenta las medidas de ubicación en un conjunto de datos o si compara

4.1 ¿Por qué estudiar la dispersión?

Una medida de ubicación, como la media o la mediana, solamente describe el centro

010 SUMMA University®

Una segunda razón para estudiar la dispersión en un conjunto de datos consiste en

011 SUMMA University®

Estudiaremos a continuación la Desviación Estándar como una de las medidas de

5 Desviación Estándar de la Muestra (s)

La desviación estándar normalmente se utiliza como medida para comparar la dispersión de

 La desviación estándar es una medida de variación de todos los valores con

 El valor de la desviación estándar generalmente es positivo. Sólo es igual a cero

 El valor de la desviación estándar puede aumentar de manera drástica con la

Nota: CALCULO DE LA DESVIACIÓN ESTANDAR EN EXCEL

El funcionamiento de esta fórmula es muy sencillo. Basta con pasarle un conjunto de

012 SUMMA University®

013 SUMMA University®

Se ha observado que si una distribución es simétrica y tiene forma de campana, todas

014 SUMMA University®

6 Modelos de Costos, Ingresos y Utilidades

Algunos de los modelos cuantitativos básicos que surgen para aplicaciones de

Modelos de costos y volumen

El costo de manufactura o fabricación de un producto es una función del volumen