El análisis de decisiones alcanza la mayoría de edad

A principios de la década de 1970, C. Jackson Grayson, que alguna vez fue director de la Comisión de Salarios y Precios y también autor de uno de los primeros libros sobre análisis de decisiones aplicado, instó a los analistas a «incluir a las personas, el tiempo, la potencia, la accesibilidad de los datos y el tiempo de respuesta en los modelos y a crear soluciones burdas y viables» si querían que personas ocupadas como él las utilizaran.1

En ese momento, el análisis de decisiones seguía siendo una técnica de gestión experimental, una aplicación bastante sencilla de la teoría estadística de las decisiones.2 La elección a la que se enfrentaba un responsable de la toma de decisiones se expresaba como una función matemática de los números de probabilidad y utilidad, que medía las incertidumbres y los juicios de valor de la persona. (La mejor opción era la que tenía la mayor utilidad esperada). Aunque el análisis de decisiones estaba bien establecido como una forma de cuantificar de forma lógica las consideraciones que se tienen en cuenta a la hora de elegir entre las opciones, acababa de empezar a dejar las escuelas de negocios y pasar a ser de aplicación práctica en el mundo empresarial. Solo un puñado de empresas proporcionaban experiencia interna y rara vez se recurría a consultores especializados en el análisis de decisiones.

Ahora, después de diez años de comentarios a veces humillantes del mundo real, los analistas han aprendido a ser más flexibles y modestos a la hora de hacer que la formulación básica de la teoría de la decisión sea útil para los directivos. La tecnología se ha mejorado para captar más consideraciones relevantes para una toma de decisiones acertada, en particular mediante el análisis de utilidades de múltiples atributos y la mejora de la interacción con el usuario. El análisis de decisiones se ha convertido en un complemento de las técnicas de toma de decisiones más antiguas, como el modelado de sistemas y la investigación de operaciones. Además de la teoría estadística de las decisiones, la nueva tecnología se basa en la psicología, la economía y las ciencias sociales.

Lo que se mantiene y lo que distingue del enfoque es que los modelos cuantitativos incorporan juicios personales. Para distinguir este enfoque de otras formas de analizar las decisiones que se utilizan ampliamente (como las que dependen únicamente de entradas «objetivas»), lo denominamos análisis de decisiones personalizado.

Los analistas han aprendido a utilizar los datos y la experiencia que están a disposición de forma inmediata para el responsable de la toma de decisiones y a reproducir las conclusiones para el gerente casi en tiempo real. En 1970, un análisis rara vez se completaba en tres meses. Ahora, se puede generar un análisis significativo de un problema en una tarde y se puede presentar una sucesión de análisis en intervalos de uno o dos días. Sin alterar en gran medida su agenda de reuniones o su proceso de reflexión, los directivos ahora pueden responder a estos análisis y hacer aportaciones para otras rondas.

Aunque este análisis de decisiones no se ha convertido en la disciplina analítica dominante que algunos esperaban, su uso ha crecido drásticamente desde 1970. El análisis de decisiones personalizado se ha convertido en una parte aceptada de los servicios de personal a los que las grandes empresas recurren de forma rutinaria, al igual que lo hacen con la psicología industrial, el análisis de costes, los estudios de marketing y el análisis económico. Y prácticamente todas las áreas principales del gobierno han adoptado el análisis de decisiones de una forma u otra.

Los estudios de caso que presentamos en este artículo ilustran cómo los directivos utilizan las tres variantes principales del análisis de decisiones que se utilizan actualmente: el análisis del árbol de decisiones, la previsión probabilística y el análisis de utilidades multiatributo.

Análisis del árbol de decisiones

El análisis del árbol de decisiones es la forma de análisis de decisiones más antigua y utilizada. Los directivos la utilizan para tomar decisiones empresariales en condiciones inciertas desde finales de la década de 1950 y sus técnicas son conocidas.3 Sin embargo, en los últimos años, la manera en que las personas realizan los análisis del árbol de decisiones se ha ampliado. El analista actual tiene a su disposición no solo una serie de soportes informáticos que permiten una entrega rápida, sino también la sabiduría acumulada por los analistas en los últimos 20 años. El siguiente caso ilustra algunos de los componentes de un análisis correcto del árbol de decisiones. Incluyen el uso de pantallas sencillas, análisis de sensibilidad para guiar las mejoras y modelos subsidiarios para garantizar la integridad. También son importantes la dirección y la integración que los análisis proporcionan a las contribuciones de los expertos, así como la participación de los altos directivos.

¿Debería AIL comprar los derechos de una nueva patente?

A finales de 1974, se ofreció a la división AIL de Cutler-Hammer, Inc. (ahora una división de Eaton Corporation) la oportunidad de adquirir en el mercado de defensa los derechos de una nueva patente de sistema de seguridad aérea. El inventor afirmó que tenía una sólida posición en materia de patentes y una superioridad técnica, pero el mercado del producto era muy incierto, sobre todo debido a la adopción de medidas legislativas pendientes. Como el inventor quería hacer una oferta a otras empresas si AIL no estaba interesada, pidió a AIL que tomara la decisión en unas semanas, un período de tiempo claramente insuficiente para resolver cualquier duda de la que tuviera conocimiento.

AIL no había utilizado antes un análisis formal de decisiones. Sin embargo, los altos directivos estaban familiarizados con la teoría y sus aplicaciones típicas a través de la literatura y estaban interesados en probar estas técnicas al tomar la decisión real de evaluar su valor. La decisión sobre la patente parecía ser una buena candidata para un ensayo de este tipo.

Un equipo de personal de AIL y analistas externos dedicaron dos semanas a desarrollar un análisis de la idea de la patente. Mientras tanto, el equipo estuvo en contacto continuo con la alta dirección.

El análisis de AIL

Los analistas utilizaron técnicas estándar de árbol de decisiones. La prueba I muestra la elección inmediata, de comprar una opción de seis meses sobre los derechos de patente o no, y las principales incertidumbres que influyeron en la decisión. El atractivo de cada resultado, o camino a través del árbol, se representa por sus ganancias a valor actual. Van desde la pérdida de$ 700 000 con una ganancia de$ 10,5 millones. El valor esperado en cada nodo del árbol se calcula tomando una media ponderada por probabilidades de sus ramas. Si se trabajan estos valores, se obtiene un valor esperado de$ 100.425. Es decir, AIL podría esperar que le fuera mejor con$ 100 425 si ha comprado la opción de seis meses.

Anexo I Árbol de decisiones de AIL

La mecánica del análisis (especificar el árbol, asignar valores y calcular los resultados) es sencilla. Sin embargo, la utilidad del análisis depende más de la forma en que se gestione el proceso de análisis que de la mecánica. Cinco características que suelen estar ausentes en los intentos fallidos de aplicar el análisis de decisiones han hecho que esta implementación sea un éxito.

Una pantalla sencilla.

El análisis se centró en el árbol simple que se muestra en el gráfico I. El error más común que comete un principiante en el análisis de decisiones es incluir en el árbol todo lo que implica la elección. Esta es una forma segura de acabar con un lío, que solo el analista, si es que alguien, puede entender. Es poco probable que un árbol así influya en la decisión de ningún gerente.

El truco consiste en diseñar un árbol sencillo que capture la esencia del problema e incluya sus elementos más importantes. En este caso, los elementos más importantes que afectaban a las ganancias eran las probabilidades de ejercer la opción, recibir un contrato inicial y seguir con un segundo contrato.

Refinar los elementos.

Mediante un programa de ordenador interactivo, los analistas determinaron la sensibilidad de los resultados a los cambios en las entradas del árbol. Luego, el análisis se amplió de manera que respondiera lo mejor posible a lo que el responsable de la toma de decisiones necesitaba saber.

Uso de modelos subsidiarios.

Los analistas de AIL desarrollaron modelos para afinar las estimaciones de las entradas más sensibles. El uso de un árbol simple no hace que el análisis sea grosero o incompleto; los modelos subsidiarios pueden garantizar el nivel de detalle y sofisticación deseado. En este caso, los analistas utilizaron tres modelos subsidiarios. Utilizaron uno para determinar las ganancias anuales y calcular los valores actuales y otro para evaluar la probabilidad de recibir un contrato.

Este último modelo reflejaba factores importantes, como el calendario y las condiciones de un posible mandato legislativo para el sistema, la solidez de los posibles sistemas competitivos y la probabilidad de que un avión se estrellara o casi se estrellara en los próximos meses. Los analistas utilizaron un tercer modelo para evaluar las distribuciones probabilísticas de los beneficios de los contratos que reflejaban las incertidumbres en cuanto al número de unidades, el precio por unidad y el margen de beneficio. Cada modelo de filial era compacto y podía mostrarse en un solo gráfico, que los analistas utilizaban para responder a las preguntas de los altos directivos sobre cómo se habían determinado las cifras del modelo principal.

La opinión del equipo.

En AIL participaron varias personas en cada aspecto del modelo, de modo que cada experto pudiera centrarse en su área de especialización. Los que mejor conocen las posibilidades de ganar el segundo contrato, por ejemplo, abordaron este aspecto del problema, pero no tuvieron en cuenta otros aspectos. Las contribuciones combinadas de todos los expertos formaron un panorama unificado para la alta dirección.

Póngase en contacto con la alta dirección.

El factor más importante fue la estrecha colaboración de la alta dirección con el equipo de análisis durante todo el análisis. Esta interacción garantizó que:

1. Las opciones modeladas eran, de hecho, las que se estaban considerando. (En este caso, como resultado del modelado, los analistas encontraron una nueva opción: esperar y solicitar una sublicencia).

2. Se han abordado todos los problemas importantes. Para AIL, las cuestiones incluían el impacto que tienen los factores de decisión distintos de los beneficios directos (en este caso, la rentabilidad del capital).

3. El nivel de modelaje era correcto. Es decir, algunos aspectos se modelaron formalmente, pero otros se dejaron en manos de una consideración informal. Por ejemplo, los analistas exploraron la actitud de AIL ante la asunción de riesgos mostrando los perfiles de riesgo de las opciones, en lugar de evaluar y utilizar una función de utilidad.4 (Porque responder a las hipotéticas preguntas sobre las preferencias por las rentabilidades inciertas que se requieren para establecer una función de servicios públicos les parece a muchos gerentes un juego, muchos de ellos se muestran reacios a hacerlo. En este caso, las incertidumbres de la decisión podrían describirse suficientemente en perfiles de riesgo simples.)

Prueba II muestra los perfiles de riesgo de las alternativas a las que se enfrentó AIL. La compra de la opción daría un valor actual neto esperado de las ganancias de aproximadamente$ 100 000, 60% probabilidad de perder alrededor de$ 700 000, un 29% probabilidad de perder alrededor de$ 125 000 y un 11% probabilidad de obtener una rentabilidad positiva de una distribución con una expectativa de alrededor de$ 5,25 millones. (Esta imagen corresponde a un análisis más detallado de las ganancias de un contrato de defensa.)

Anexo II Perfiles de riesgo de la decisión de compra de patentes de AIL: distribución de las ganancias con descuentos incrementales en millones de dólares

La alternativa, esperar y buscar una sublicencia, sería un 94% probabilidad de no producir ganancias (o pérdidas) y un 6% probabilidad de producir una distribución con una expectativa de alrededor de$ 830 000 y daría como resultado un valor esperado de unos$ 50 000. Esta pantalla facilitó la decisión unánime del grupo decisorio (el presidente y sus vicepresidentes de desarrollo empresarial y operaciones) de optar por una estrategia menos arriesgada, a pesar de que ofrecía un valor esperado ligeramente inferior.

Experiencias de otras empresas

Las empresas de una amplia gama de sectores utilizan el análisis del árbol de decisiones para tomar diversas decisiones. Por ejemplo:

• Mediante este tipo de análisis, Ford ha determinado si produce sus propios neumáticos y si deja de producir convertibles.

• La división de sistemas de defensa de Honeywell utiliza el análisis del árbol de decisiones para evaluar el atractivo de los nuevos programas de armas. De forma regular, los directores de programas y el director de planificación desarrollan modelos que ayudan a decidir qué programas llevar a cabo y cómo deben asignar los fondos internos de investigación y desarrollo.

• Mediante el análisis del árbol de decisiones, la división de productos de abarrotes de Pillsbury ha evaluado las principales decisiones, como cambiar de una caja a una bolsa para un producto de alimentación determinado. En este caso, incluso cuando los analistas utilizaron las valoraciones pesimistas de un gerente que inicialmente recomendó quedarse con la caja, el análisis mostró que la rentabilidad sería mayor con la bolsa. El análisis también mostró que el valor de hacer una prueba de mercado, como pedían algunos ejecutivos, no podía acercarse ni remotamente a su coste. Se presentó la bolsa y los beneficios del producto aumentaron.

• Ante la decisión de electrificar una parte de su sistema, lo que implicaría gastos de capital de varios cientos de millones de dólares, Southern Railway llevó a cabo un análisis que permitió a los directivos entender mejor las interacciones de las variables que influían en la decisión.

• Muchas de las principales compañías de petróleo y gas, como Union Texas Petroleum, la filial de petróleo y gas de Union Pacific en Champlin, y Gulf Oil, realizan análisis de decisiones con regularidad para elegir los sitios adecuados de exploración y evaluar la economía del desarrollo de los yacimientos.

• ITT utiliza el análisis de decisiones en muchos niveles de la empresa, especialmente para las decisiones de inversión de capital.

Previsión probabilística

La sección anterior ilustra cómo el análisis de decisiones personalizado puede captar toda la reflexión que se dedica a una decisión en particular. La técnica también tiene otros usos. Los analistas pueden desarrollar ciertos aspectos del análisis de decisiones en herramientas analíticas que se pueden utilizar en una variedad de contextos. Los analistas pueden utilizar los aspectos de modelado probabilístico del análisis de decisiones para elaborar previsiones de, por ejemplo, las ventas y los beneficios futuros, que a su vez se pueden utilizar para respaldar las decisiones de planificación, inversión y marketing. Es probable que se haga muy popular desarrollar un único aspecto del análisis de decisiones personalizado para respaldar las decisiones en una variedad de contextos. Como su coste se puede repartir entre muchos usos, una empresa puede darse el lujo de utilizar suficiente informatización y tiempo de personal para realizar este tipo de análisis correctamente.

El siguiente ejemplo ilustra cómo se puede utilizar el análisis de decisiones personalizado para hacer previsiones. Por supuesto, este tipo de análisis no es la única forma de realizar previsiones cuantitativas. Lo que distingue a la contribución de este enfoque al problema es que, en lugar de limitar una previsión a una extrapolación estadística del pasado, puede combinar evaluaciones de juicio con datos. En los casos en que haya poco o ningún historial relevante disponible en el que basar una previsión y en los que el éxito de cada producto dependa de una combinación de eventos sobre los que el juicio personal es prácticamente la única fuente de información, esta forma de análisis es especialmente útil.

¿Cómo crecerá la División de Defensa de Honeywell?

A finales de 1979, el director de planificación de la división de sistemas de defensa de Honeywell, Inc. se enfrentó a la tarea de planificar el crecimiento de la división en los próximos diez años. Una parte importante del trabajo consistió en encontrar la forma de mantenerse dentro del presupuesto de I+D y, al mismo tiempo, buscar nuevas oportunidades de productos para aumentar las ventas y los beneficios de la división.

Tras analizar las nuevas oportunidades de productos según su compatibilidad con el resto de la división, el director necesitó previsiones de las necesidades de ventas, beneficios e inversión de los productos. El desarrollo exitoso de los productos, la fuerza de la competencia y su eventual éxito en el mercado eran inciertos. Además, las probabilidades de éxito de algunos de los productos estaban interrelacionadas y varios productos ofrecían la posibilidad de realizar importantes negocios de garantías.

El enfoque que adoptaron los analistas consistió en crear una previsión compuesta para la división combinando los análisis del árbol de decisiones de los productos individuales. Durante el proyecto, los planificadores de Honeywell trabajaron en estrecha colaboración con los consultores de análisis de decisiones y, cuando terminaron, habían adquirido las habilidades necesarias para llevar a cabo los análisis internamente. Este tipo de análisis forma ahora parte habitual de la actividad de evaluación, planificación y previsión de proyectos de Honeywell.

Los analistas desarrollaron un modelo para cada producto siguiendo líneas similares a las de AIL. El equipo de análisis trabajó en estrecha colaboración con cada director de proyecto y su personal para crear el árbol de decisiones, evaluar las probabilidades y los valores y analizar los resultados y las sensibilidades.

Sin embargo, los dos análisis diferían significativamente en varios aspectos. En primer lugar, los resultados del análisis de Honeywell se utilizarían tanto para pronosticar como para tomar decisiones. Este uso significaba que los analistas tenían que modelar factores adicionales y tenían que hacer que la forma que adoptaran los resultados fuera adecuada para la previsión.

En segundo lugar, dado que el éxito de algunos productos estaba relacionado con el éxito de otros, los analistas tuvieron que incluir en el análisis factores como las inversiones comunes, las oportunidades de negocio colaterales y las interacciones de marketing.

En tercer lugar, el problema de Honeywell no presentaba un criterio único claro según el cual la dirección pudiera tomar una decisión. Honeywell tuvo en cuenta varios criterios financieros, como la tasa interna de rendimiento, el valor actual neto y los flujos anuales de beneficios, inversiones y retorno de la inversión.

Las previsiones de Honeywell

Prueba III muestra la previsión probabilística de ventas para un grupo de productos interrelacionados. Esta previsión se basa en el análisis del árbol de decisiones de tres productos principales y dos oportunidades de negocio colaterales. Los analistas primero desarrollaron árboles de decisiones para cada producto a fin de determinar la distribución de las ventas en caso de que surgiera y no surgiera un mercado suficiente para soportar toda la producción. Luego, desarrollaron un segundo nivel de análisis para modelar las interdependencias clave entre los productos; en concreto, la probabilidad de que un producto en particular estuviera en plena producción dependía de los otros productos que también estuvieran en plena producción.

Anexo III Distribución de las ventas de un grupo de productos interrelacionados

La previsión muestra que se esperan bajas ventas de los productos durante los primeros siete años. Después de eso, se espera que las ventas de los próximos seis años ronden$ 75 millones al año. Sin embargo, esta cantidad no es segura. La previsión, por ejemplo, muestra un 24% probabilidad de que las ventas estén por debajo$ 25 millones en 1989.

Los análisis del árbol de decisiones de apoyo fueron útiles para explicar la forma de la previsión de cada año. El gráfico IV muestra que, debido a la incertidumbre sobre qué productos tendrían mercados suficientes para sustentar la plena producción en 1988, la previsión de ventas es «irregular». Los motivos de estas incertidumbres se detallan en los análisis del árbol de decisiones.

Anexo IV Previsión detallada de las ventas en 1988

Este análisis ayudó a Honeywell a evaluar las probabilidades de que estos productos cumplieran sus objetivos de venta, las incertidumbres de la evaluación y los motivos de las incertidumbres. Al detallar la cadena de eventos que generarían diferentes niveles de ventas, también identificó los puntos de apalancamiento, lugares en los que Honeywell podría tomar medidas para cambiar las probabilidades y mejorar las ventas.

Los analistas también utilizaron los árboles de decisiones para pronosticar los beneficios anuales, los flujos de fondos, los activos, las inversiones en investigación y desarrollo y las cantidades financieras relacionadas del valor actual neto, la tasa interna de rendimiento y el rendimiento anual de la inversión. Sus previsiones indicaban que cabía esperar que estos productos superaran los requisitos en todos los factores y que, a menos que Honeywell fuera muy reacio al riesgo, eran atractivos.

Los directivos de Honeywell compararon las previsiones para decidir qué oportunidades de producto perseguir. Estas comparaciones proporcionaron una pantalla adicional, ya que algunos productos eran claramente peores que otros en todos factores. Pero como el análisis no mostró la importancia relativa de cada factor (se proyectaba que algunos productos obtendrían un mejor rendimiento en ciertos factores (por ejemplo, la tasa de rendimiento interna y el valor actual neto) y se proyectaba que otros productos obtendrían un mejor rendimiento en otros factores (por ejemplo, la rentabilidad de la inversión), era imposible ordenar los productos de forma inequívoca. Los gerentes de Honeywell podrían haber tenido esa orden si sus analistas hubieran utilizado algunas de las técnicas más nuevas de la utilidad de múltiples atributos.

Análisis de utilidades multiatributo

Al tratar de determinar dónde situar su filial europea, la alta dirección de una empresa ignoró por completo un análisis del árbol de decisiones que mostraba una cuidadosa consideración de las implicaciones financieras de las posibles ubicaciones. Cuando se les pidió una explicación, la alta dirección confió en que la elección estaba dominada por el hecho de que el personal clave quería estar cerca de la Escuela Internacional de Ginebra. De alguna manera, esa consideración parecía demasiado antieconómica ni racional para incluirla en el análisis, pero sí que dominó la decisión. En el momento en que se tomó la decisión, la tecnología del análisis de decisiones no estaba bien equipada para gestionar las compensaciones entre los efectos financieros y los intangibles. Una nueva técnica, el análisis de utilidades multiatributo, hace posible este tipo de modelos especificando con precisión los factores que afectan a la elección, haciendo compensaciones entre los factores y eligiendo la alternativa que ofrezca el mejor equilibrio.

El análisis de utilidades de atributos múltiples evolucionó a partir del análisis de decisiones que apoyaba las decisiones del gobierno, en el que la necesidad de equilibrar varios objetivos es más obvia. Sin embargo, como demuestra el caso de la empresa que decide dónde colocar su planta, su utilidad para la toma de decisiones empresariales es evidente. Por ejemplo, las plantas suelen diferir en aspectos intangibles como la habilidad de la fuerza laboral local, la capacidad de la administración local y los problemas de gestión del funcionamiento de las plantas en los lugares en cuestión. Estos son factores importantes a tener en cuenta a la hora de decidir dónde ubicar la planta, pero es prácticamente imposible especificar con precisión su impacto en los beneficios.

También surgen muchos factores en las decisiones estratégicas. Por ejemplo, Michael E. Porter ha argumentado que, al tener en cuenta las decisiones estratégicas de la integración vertical, la importante expansión de la capacidad y la entrada en nuevos negocios, los directivos deben ir más allá de los análisis de costes e inversiones y tener en cuenta cuestiones estratégicas generales y problemas administrativos desconcertantes, y que son muy difíciles de cuantificar.5 El análisis de utilidades multiatributo, que se ilustra en el siguiente caso, proporciona una forma de cuantificar y compensar esos factores.

¿Qué sistema de detección de bombas debería elegir la FAA?

Durante los últimos años, la Administración Federal de Aviación ha estado apoyando la investigación y el desarrollo de un sistema para detectar bombas en el equipaje de los aviones. A principios de 1980, el director del programa de este proyecto tuvo que decidir cuál de los varios sistemas candidatos seguiría financiando. Los candidatos diferían mucho en cuanto a su rendimiento potencial y sus características técnicas. Como ninguna era claramente superior en todos los aspectos, el director del programa buscó un método para sopesar las distintas características y llegar a una medida del valor total.

Un equipo de analistas externos trabajó en estrecha colaboración con el director del programa y otros miembros del personal de la FAA para desarrollar un modelo integral del valor de cada sistema. Para determinar una asignación eficiente de los fondos presupuestados, combinaron estos valores con evaluaciones de las probabilidades de éxito y los costes de desarrollo.

El análisis de la FAA

El objetivo principal de los analistas era desarrollar un modelo integral para evaluar y comparar los candidatos. Este desarrollo incluyó cuatro actividades: definir los atributos de valor, evaluar el desempeño de los candidatos en cada atributo, determinar las compensaciones entre los atributos y calcular los valores generales.6

Definir los atributos de preferencias.

Los analistas querían definir los atributos con cuatro características. Los atributos tenían que ser lo suficientemente exhaustivos como para tener en cuenta la mayoría de los aspectos importantes a la hora de evaluar a los candidatos, resaltar las diferencias entre los candidatos, reflejar valores separados y no superpuestos, evitar el doble cómputo y ser independientes unos de otros.

Cuando los analistas identificaron los atributos que cumplían estos cuatro requisitos, los organizaron en una jerarquía que mostraba las relaciones lógicas entre los atributos. Esto se muestra en la prueba V.

Anexo V Jerarquía de atributos en el análisis de la FAA en cuanto a las ponderaciones preferenciales

El primer atributo principal es la eficacia del dispositivo para detectar bombas. Se subdivide en el tipo de explosivo, el tamaño de la bomba y la relación entre detección y falsa alarma.

El segundo atributo principal, las consideraciones de desarrollo, se divide en cuatro subcategorías: tiempo de desarrollo de un prototipo, plazo de producción, tamaño operativo (que determinaría la ubicación del sistema en un aeropuerto) y transportabilidad.

El coste de emplear el sistema en un aeropuerto, el tercer atributo principal, se divide en los costes iniciales y los costes recurrentes. Los costes iniciales reflejan una estimación de costes básica basada en consideraciones técnicas y en una estimación de los efectos de la competencia. Los costes recurrentes incluyen el mantenimiento, el personal de operación y el material consumido durante la operación.

El cuarto atributo principal es la aceptabilidad del sistema para los pasajeros.

Evaluar el desempeño de los candidatos en cada atributo.

Para evaluar las preferencias, los analistas necesitaron escalas para todos los atributos. Utilizaron dos tipos de medidas: escalas con unidades estándar naturales (que incluían dólares para los costes, meses u horas para el tiempo y porcentajes para las tasas de detección) y escalas relativas. Siempre que fue posible, el desempeño de un candidato se evaluó primero en unidades naturales. Luego, estas evaluaciones se transformaron en escalas de 0 a 100 puntos para su estandarización. El candidato con el mejor desempeño (el coste más bajo, por ejemplo) recibió una puntuación de 100; el que obtuvo el peor desempeño (el coste más alto, por ejemplo) recibió una puntuación de 0 y los demás recibieron puntuaciones intermedias.

Cuando no existía una medida natural (por ejemplo, para la «aceptación del público»), el desempeño se evaluaba directamente en una escala de 0 a 100 puntos. De nuevo, se asignó una puntuación de 100 al candidato con mejor actuación, 0 al peor, y así sucesivamente.

La prueba VI muestra, por ejemplo, las puntuaciones de los seis candidatos en cada consideración de desarrollo. Se evaluó que el candidato A tenía el mejor «momento para desarrollarse», ya que estaba completamente desarrollado en el momento del análisis. Se le asignó un valor de 100. El candidato C sería el que más tardaría en desarrollarse: cuatro años. Recibió un valor de 0. Otros candidatos tardarían un tiempo intermedio en desarrollarse y, por lo tanto, recibían puntuaciones intermedias.

Prueba VI Actuación de los candidatos de la FAA a la detección de bombas desde el punto de vista del desarrollo en una escala del 0 al 100

Determinar las compensaciones entre los atributos.

Al evaluar un conjunto de ponderaciones que representen la opinión de la persona que toma las decisiones sobre la importancia relativa de mejorar el rendimiento del peor al mejor nivel para cada atributo, los analistas podrían determinar las compensaciones entre los atributos. Los analistas evaluaron las ponderaciones haciendo referencia al rango de rendimiento que reflejaban las balanzas, en lugar de a nociones abstractas de importancia.

Considere, por ejemplo, la ponderación de las consideraciones de desarrollo que se muestran en el anexo V. Para estos atributos, se consideraron más importantes los rangos de posible variación en el «plazo de producción» (18 meses) y en el «tamaño de operación». Se evaluó que la variación del «tiempo de desarrollo» (4 años) era la mitad de importante (tan importante como una variación de 9 meses en el «plazo de producción»). Por último, se evaluó que la variación de «transportabilidad» (32 horas) era una décima parte más importante que el «tiempo de desarrollo» (o aproximadamente tan importante como 5 meses de tiempo de desarrollo). Estas evaluaciones se representan mediante pesos en una proporción de. 5:1:1: .05 para determinar el tiempo de desarrollo, el plazo de producción, el tamaño de la operación y la transportabilidad. Para la estandarización se utilizaron pesos normalizados de 0,20:.39:.02 (que mantienen estas relaciones).

Los analistas evaluaron las ponderaciones tanto directamente, como explicamos anteriormente, como indirectamente. Utilizaron un método indirecto para evaluar el peso entre los costes iniciales y recurrentes. Este método determinó los pesos que eran consistentes con un 10% tasa de descuento y un horizonte operativo de diez años.

Calcular los valores generales.

La cuarta actividad de modelado consistía en calcular una puntuación media ponderada para cada candidato aumentando la jerarquía. Por lo tanto, utilizando los valores del gráfico VI y las ponderaciones del gráfico V, los analistas calcularon el valor del candidato A en función de «consideraciones de desarrollo» de la siguiente manera:

Cálculos similares produjeron los valores de los candidatos de cada atributo principal que se muestran en el Anexo VII. A continuación, los analistas calcularon el valor total de cada candidato tomando una media ponderada de estas puntuaciones. Por ejemplo, el valor total del candidato A es:

Prueba VII Valor total de los candidatos en una escala del 0 al 100

El valor total es una medida del atractivo de cada candidato que se puede comparar con las medidas de otros candidatos. El resultado del análisis muestra que el candidato B ofrece el mejor equilibrio de características, que C y D son casi igual de atractivos y que los candidatos E y F ofrecen los peores equilibrios.

El valor del análisis

El uso principal del análisis por parte de la FAA era cuantificar el valor de cada candidato de manera que permitiera la comparación. Para determinar una asignación eficiente de los fondos de I+D, los analistas combinaron estas evaluaciones con estimaciones de la probabilidad de éxito y el coste de desarrollo de cada candidato.

El análisis de la FAA también facilitó varios aspectos del proceso de toma de decisiones. En primer lugar, ayudó a resolver los desacuerdos. El desglose de los elementos de la decisión aclaró el origen del desacuerdo. ¿Se trataba de hechos (por ejemplo, el coste de un sistema) o de una diferencia de juicio (por ejemplo, la importancia relativa del coste en comparación con el rendimiento de la detección)? Una vez que los desacuerdos estuvieran claros, los gerentes podrían abordarlos, por ejemplo, recopilando información de apoyo adicional. Si el desacuerdo persistía, el modelo podría determinar su importancia. Para cada entrada, el modelo podría mostrar si el desacuerdo afectó significativamente a la evaluación general. Incluso si un desacuerdo fuera significativo, el modelo al menos aisló su causa. Esta aclaración permitió a la persona que tomó la decisión final tomar una mejor decisión.

La desagregación también permitió al analista hacer un análisis exhaustivo de los candidatos. El equipo podría investigar cada atributo a fondo y, al mismo tiempo, mantener en perspectiva su contribución a la evaluación general. Este acuerdo evitó que los analistas desperdiciaran la atención en temas sin importancia.

Para ofrecer una imagen equilibrada del conjunto, el análisis de atributos múltiples sintetizó las distintas partes de la evaluación. Los analistas tuvieron en cuenta el impacto de todos los factores importantes antes de elaborar una recomendación.

Uso empresarial del análisis de utilidades multiatributo

El análisis de utilidades de atributos múltiples se ha utilizado ampliamente para ayudar a los responsables de la toma de decisiones del gobierno. Por ejemplo, se ha utilizado para seleccionar sistemas militares, establecer una política de suministro de agua, ubicar instalaciones nucleares, asignar los recursos de inspección nuclear, determinar las operaciones de los bomberos, evaluar los programas de prevención del delito y preparar a los negociadores internacionales.

Su uso como ayuda para tomar decisiones empresariales no ha estado tan extendido, pero en los próximos años debería producirse un aumento drástico. El análisis de atributos múltiples es útil para cualquier decisión en la que sean importantes varios factores, no hay otra alternativa que sea claramente la mejor en todos los factores y algunos factores son difíciles de cuantificar. Varias decisiones empresariales tienen las siguientes características:

Dónde poner una planta

Los sitios suelen diferir en muchos aspectos importantes. Algunos factores, como las diferencias en los costes de capital (terrenos, planta y equipo) y en los ingresos y gastos de explotación (acceso a los mercados, tasas laborales, beneficios fiscales, gastos de envío), se reducen fácilmente a términos financieros. Otros factores que pueden ser cruciales para la decisión son más difíciles de reducir a dólares. Estos incluyen la disponibilidad y las habilidades de la mano de obra local, el grado de sindicalización, la dificultad de gestionar unidades dispersas geográficamente y las restricciones legales a las operaciones. El análisis de atributos múltiples puede resaltar las fuentes de las diferencias y permitir a los gestores hacer concesiones cuantitativas entre los factores financieros y los «intangibles».

Si se debe integrar verticalmente

La decisión de integrar o no una operación requiere que la dirección tenga en cuenta una multitud de factores, muchos de los cuales son difíciles de cuantificar con las técnicas financieras estándar: el acceso a la nueva información, el acceso a las nuevas tecnologías, la capacidad de controlar las especificaciones de los productos o las materias primas, las economías de las operaciones combinadas, la dificultad para equilibrar las unidades «ascendentes» y «descendentes» y el aumento de los costes fijos de la actividad empresarial.

Si iniciar un nuevo negocio y cómo hacerlo

Esta decisión puede implicar consideraciones que a menudo se ignoran en la presupuestación de capital:

La producción o el marketing «encajan» entre las empresas o tecnologías nuevas y las existentes.

Habilidades o tecnologías especiales necesarias para operar el nuevo negocio.

«Ajuste cultural» entre las empresas nuevas y las antiguas (especialmente importante si la entrada se realiza mediante una adquisición).

Puntos fuertes relativos de la competencia en el nuevo negocio.

Mediante el análisis de utilidades de múltiples atributos, los gerentes pueden equilibrar estos factores con las consideraciones financieras para realizar una evaluación exhaustiva de las alternativas.

Qué y si negociar

Muchas negociaciones (mano de obra, bienes raíces y ventas, por ejemplo) pueden implicar varios temas. Una negociación laboral podría incluir cuestiones como las tasas salariales, la duración del acuerdo, los procedimientos de queja, las normas laborales, la antigüedad, la seguridad laboral, la seguridad sindical, las vacaciones, las prestaciones adicionales y las contribuciones a los fondos de pensiones. Las posiciones iniciales de ambas partes sobre los temas suelen estar claras, pero la forma en que ven las compensaciones entre los temas no lo está. Mediante análisis de múltiples atributos de sus propias preferencias y compensaciones y las de la otra parte, los negociadores pueden descubrir oportunidades de hacer una pequeña concesión a cambio de un gran beneficio.7

Cómo asignar los presupuestos de investigación y desarrollo

Los proyectos de investigación y desarrollo suelen presentar una variedad de características de rendimiento que los directores pueden necesitar equilibrar para determinar cuál es el mejor proyecto. El análisis de utilidades de atributos múltiples puede ayudarlos a hacerlo. También pueden combinar este análisis con un análisis del árbol de decisiones para abordar las incertidumbres y los riesgos.

La previsión para el análisis de decisiones

Si las tendencias de la última década continúan al ritmo actual, durante la próxima década no cabe duda de que el análisis de decisiones personalizado se extienda y se establezca firmemente como función del personal en todo el sector. Prácticamente todas las empresas de cualquier envergadura contarán con personal interno o consultores externos para analizar las decisiones e informar de las conclusiones a la alta dirección.

Sin embargo, la gran pregunta es si el análisis de las decisiones pasará a formar parte integral de la toma de decisiones de la dirección. Como ha argumentado de manera persuasiva C. Jackson Grayson, la integración exige que se cierre la brecha cultural entre los científicos de la gestión y los directores. Sin el puente, el análisis de decisiones personalizado, como la investigación de operaciones y otras técnicas analíticas, puede que nunca sea más que una ayuda opcional, aunque sea interesante.

Para que la integración se lleve a cabo, los directivos deberán adquirir más habilidades en el uso del análisis de decisiones y sus profesionales serán más eficaces de lo que son ahora. En otras palabras, los analistas y los futuros directivos deben recibir una amplia formación sobre la integración del análisis de decisiones con los procesos de decisión organizativos y personales existentes. (Esta formación iría mucho más allá de la enseñanza de determinadas técnicas, que es lo que van la mayoría de las escuelas de negocios en la actualidad). La integración también puede requerir cambios organizativos en las estructuras de control y recompensas de las empresas.

En la actualidad, ni el gerente ni el analista de decisiones especializado disponen fácilmente de la formación profesional adecuada. Lo que se necesita es un curso de estudio (y una investigación de apoyo) que integre los aspectos lógicos, psicológicos y organizativos del análisis subjetivo de decisiones aplicado. Es probable que esto no esté disponible hasta que no haya al menos un instituto de investigación y enseñanza dedicado a todos los aspectos de la tecnología que ayuda a la toma de decisiones (incluido el análisis personalizado) y a su integración.

Esta formación requeriría superar las rigideces institucionales asociadas con la división de las universidades según líneas departamentales tan tradicionales como la ingeniería, la psicología, los negocios y la estadística. Incluso dentro de un solo departamento, como el de negocios, las disciplinas secundarias (comportamiento organizacional, matemáticas aplicadas, finanzas, política empresarial y marketing) suelen mantenerse celosamente separadas. Si se pueden sintetizar adecuadamente, la ciencia de la gestión en general y el análisis de decisiones personalizado en particular pueden por fin lograr una asimilación total en el día a día de la administración.

Las tornas cambiaron

¡Arriba! ¡arriba! amigo mío, y deje sus libros, /O seguro que crecerá el doble:/¡Arriba! ¡arriba! amigo

…

Referencias

1. Véase C. Jackson Grayson, Decisiones en un contexto de incertidumbre (Boston: División de Investigación, Escuela de Posgrado en Administración de Empresas de la Universidad de Harvard, 1960) y «Ciencias de la Administración y Práctica Empresarial», HBR, julio-agosto de 1973, pág. 41.

2. Consulte Rex V. Brown, «¿Los directivos consideran útil la teoría de la decisión?» HBR mayo-junio de 1970, pág. 78, y Howard Raiffa y Robert O. Schlaifer, Teoría estadística aplicada de la decisión (Boston: División de Investigación, Escuela de Posgrado en Administración de Empresas de la Universidad de Harvard, 1962).

3. Véase, por ejemplo, John F. Magee, «Decision Trees for Decision Making», HBR julio-agosto de 1964, pág. 126, o el artículo más reciente de Samuel E. Bodily, «¿Cuándo debe ir a los tribunales?» HBR mayo-junio de 1981, pág. 103.

4. Consulte David B. Hertz, «Risk Analysis in Capital Investment», HBR, enero-febrero de 1964, pág. 95, y John S. Hammond III, «Better Decisions with Preference Theory», HBR, noviembre-diciembre de 1967, pág. 123, para obtener descripciones de los perfiles de riesgo y las funciones de los servicios públicos, respectivamente.

5. Michael E. Porter, Estrategia competitiva (Nueva York: The Free Press, 1980), págs. 299 a 357.

6. Ralph L. Keeney y Howard Raiffa ofrecen un tratamiento exhaustivo del análisis de utilidades multiatributo en Decisiones con múltiples objetivos: preferencias y compensaciones de valores (Nueva York: Wiley, 1976). Nuestro ejemplo ilustra solo las ideas básicas del método y la forma más simple de análisis, lineal y aditivo.

7. El arte y la ciencia de la negociación, un libro de Howard Raiffa (Cambridge: Belknap Press of Harvard University Press) incluirá un tratamiento exhaustivo de este tema. La tesis doctoral de Jacob W. Ulvila, «Decisiones con múltiples objetivos en la negociación integradora» (Escuela de Negocios de Harvard, 1979), también aborda este tema.