GERENCIA Y MITOS

En el mundo moderno, existen una gran cantidad de mitos, de hecho estos crecen diariamente, y el mundo empresarial no se escapa de esto. En el presente trabajo se plantearn algunos de estos. No es el primer trabajo en este sentido. As por ejemplo, tanto Helga Drummond (1.992) hace referencia a varios mitos1 presentes en la Toma de Decisiones, y identifica el origen de los mismos en que: A menudo sabemos cosas slo porque nos las han dicho con tanta frecuencia que hemos llegado a creer que son verdad. Drummond, 1992, pg. 131 Para luego afirmar: Una vez que una creencia adquiere autoridad, rara vez es cuestionada a menos que algo desfavorable suceda. Drummond, 1992, pg. 132

La mitificacin de ciertas prcticas en el campo de las evaluaciones tiene su origen en la simplicidad, en un pensamiento lineal. Hoy en da, en donde todo el mundo habla de la complejidad, de las organizaciones transcomplejas, en donde la anormal es lo normal, y en donde las herramientas de informtica permiten hacer buenos clculos de manera sencilla, esto deja de tener sentido. Las dos prcticas que vamos a abordar en este artculo son: 1. El uso de la media aritmtica para los diversos tipos de evaluaciones. 2. El uso de la curva normal para ajustar evaluaciones.

Aqu utilizamos el concepto de mito en su cuarta aceptacin del Diccionario de la Real Academia Espaola: 4. m. Persona o cosa a las que se atribuyen cualidades o excelencias que no tienen, o bien una realidad de la que carecen.

1.-

El uso de la media aritmtica para los diversos tipos de evaluaciones.

Una de las costumbres ms usual en las diversas evaluaciones es el uso de las medias aritmticas ponderadas para realizar evaluaciones, desde evaluaciones de personal, eficiencia organizacional, evaluacin de alternativas, hasta las evaluaciones en todo el sistema educativo. Has pensado si esto tiene sentido?. Afirmo que por lo general, la medias aritmticas ponderadas2 no tienen sentido y ms especficamente no generan buenas evaluaciones. El nico mrito de ellas es que son fciles de calcular. Pero estamos en la era de la informtica!. De hecho, es bien sabido que en economa una funcin de produccin generalmente aceptada es la funcin de produccin de Cobb-Douglas, la cual no es ni ms ni menos, que una media geomtrica. De hecho, la propuesta aqu es que una funcin de produccin de Cobb-Douglas generalizada3 es mucho mejor para hacer evaluaciones en muchos mbitos. Y veamos el porqu: 1) Si un factor de evaluacin debe cumplirse, este entrar en forma multiplicativa. Si la evaluacin de este factor es nula, el resultado de la evaluacin total tambin ser nulo. 2) Si un hay factores que son reemplazables entre si entrarn en forma aditiva4.

De esta manera, los factores que en la sentencia aparecen con el conectivo o se suman, mientras que los que aparecen con el conectivo y se multiplican. Veamos un ejemplo: Sea la evaluacin A o B, y C, y D o E, entonces se tendr como evaluacin:

Evaluacin = (p A A + pBB)pAB C
2

pC

(pD D + p E E)pDE

Las medias no ponderadas son un caso especial de las medias ponderadas en donde todas tienen el mismo peso. Sobre las funciones de produccin generalizadas puede consultar Funciones de Produccin y Programacin Econmica en www.hthonon.mi-web.es . Tambin puede trabajarse con los operadores max, en vez de suma, para la disyuncin y min, en vez multiplicacin, para la conjuncin.

En donde cada pK es el peso de los respectivos factores, y como tal la suma de ellos debe valer uno: pA + pB = 1, pD + pE = 1 y pAB + pC + pDE = 1 Asignemos valores a los pesos y a las evaluaciones, y veamos su clculo en una hoja de EXCEL: Tabla 1.a Valores Obtenidos con una Hoja Excel

ITEM A B SUBTOTAL C D E SUBTOTAL TOTAL

PESO 0,5 0,5

VALORACION 75 90

PUNTAJE 37,5 45 82,5 100

PESO

PUNTAJE

0,33333333 4,353293846 0,33333333 4,641588834

0,5 0,5

5 15

2,5 7,5 10

0,33333333

2,15443469 43,53293846

Cuyos clculos se hicieron con las siguientes formulas.

Tabla 1.b
ITEM PESO VALORACION PUNTAJE PESO PUNTAJE 0,5 75 =B2*C2 A 0,5 90 =B3*C3 B =SUMA(D2:D3) =1/3 SUBTOTAL =D4^E4 C 0,5 D 0,5 E SUBTOTAL TOTAL 5 15 100 =1/3 =D6^E6

=B8*C8 =B9*C9 =SUMA(D8:D9) =1/3

=D10^E10 =PRODUCTO(F4:F10)

Si se compara los resultados de la tabla 1.a con los obtenidos en la tabla 2, en donde se utiliz el promedio aritmtico, o el de la tabla 3 en donde se utiliz el promedio geomtrico, se puede observar lo siguiente:

Tabla 2 Promedio aritmtico

ITEM A B SUBTOTAL C D E SUBTOTAL TOTAL 0,5 0,5 5 15 PESO VALORACION 0,5 75 0,5 90 PUNTAJE PESO PUNTAJE 37,5 45 82,5 0,33333333 27,5 100 0,33333333 33,33333333 2,5 7,5 10 0,33333333 3,333333333 64,16666667

Tabla 2 Promedio geomtrico

ITEM A B SUBTOTAL C D E SUBTOTAL TOTAL

PESO 0,5 0,5

VALORACION 75 90

PUNTAJE PESO PUNTAJE 8,660254038 9,486832981 82,15838363 0,33333333 4,34727682 100 0,33333333 4,641588834

0,5 0,5

5 15

2,236067977 3,872983346 8,660254038 0,33333333 2,053573307 41,43755982

1)

El promedio mixto es mayor que el geomtrico solo, pero menor que el aritmtico.

2)

Si se considera como evaluacin aceptable 50, con el promedio aritmtico se tiene una puntuacin aceptable mientras que con el mixto no.

2.-

El uso de la curva normal para ajustar evaluaciones. Ante todo veamos lo que dice el teorema del lmite central:

La distribucin de la media (o suma) de n variables aleatorias independientes e idnticamente distribuidas converge a una distribucin normal De esta manera se dan tres condiciones para suponer la normalidad de una variable aleatoria: 1) 2) 3) Que corresponda a una suma de variables. Que sean independientes entre si. Que estn idnticamente distribuidas.

De fallar cualquiera de estas condiciones, la variable no tiene porque tener una distribucin normal. De hecho veamos el ejemplo de tres resultados obtenidos mediante simulacin: Simulacin 1. En esta primera simulacin se promediaron tanto aritmticamente (sumas) como geomtricamente (producto) 20 notas uniformemente distribuidas entre 1 y 100, obtenindose los siguientes resultados:
700 600 500 400 300 200 100 0 15 35 55 Frec. Suma Frec. Producto

Con las siguientes distribuciones de frecuencias acumuladas:

12000 10000 8000 6000 4000 2000 0 15 25 35 45 55 65

Frec. Acum. Suma Frec. Acum. Producto

Y cuyos valores ms resaltantes son: Promedio Promedio Aritmtico Geomtrico 27 15 72 69 50,531 38,8279 49,5 42 50,5 37,5
41,366839 60,7788816

Mnimo = Mximo = Promedio = Eje de Simetra = Mediana = Varianza=

Con los resultados anteriores se puede ver que si bien en el primer caso (el de los promedios aritmticos se aproxima a una distribucin normal el segundo caso no. Simulacin 2. En esta segunda simulacin se promediaron aritmticamente las

evaluaciones, pero en el primer caso fueron todas independientes e idnticamente distribuidas (uniformemente distribuidas entre 1 y 100) mientras que en el segundo caso las evaluaciones pares dependan de la evaluacin inmediata anterior, y fueron generadas por distribuciones triangulares distintas. Se obtuvieron los siguientes resultados:

700 600 500 400 300 200 100 0 27 37 47 57 67 77 Var, Ind. E Ident Distr. Var. Dep 2 a 2 y Distr Distintas

Con las siguientes distribuciones de frecuencias acumuladas:

12000 10000 8000 6000 4000 2000 0 27 37 47 57 67 77

Var, Ind. E Ident Distr. Var. Dep 2 a 2 y Distr Distintas

Y cuyos valores ms resaltantes son: Independiente Dep. 2 a 2, Ident. distrib. Distr. Dist. 27 29 Mnimo = 72 84 Mximo = 50,531 54,1312 Promedio = 49,5 56,5 Eje de Simetra = 50,5 53,5 Mediana =
Varianza= 41,366839 43,1805866

Con los resultados anteriores se puede que cuando hay dependencia y distribuciones diferentes la distribucin resultante no es normal.

Simulacin 3. Para esta segunda simulacin se promediaron aritmticamente las evaluaciones, el primer, como en las simulaciones anteriores, fueron todas

independientes e idnticamente distribuidas (uniformemente distribuidas entre 1 y 100) mientras que en el segundo caso las evaluaciones todas las evaluaciones dependan de la primera, la cual a su vez se gener con una distribucin triangular cuyo valor ms probable poda tomar dos valores de manera aleatoria. Se obtuvieron los siguientes resultados:
700 600 500 400 300 200 100 0 0 20 40 60 80 100 Var, Ind. E Ident Distr. Var. Dep de la Primera

Con las siguientes distribuciones de frecuencias acumuladas:

12000 10000 8000 6000 4000 2000 0 0 20 40 60 80 100 Var, Ind. E Ident Distr. Var. Dep de la Primera

Y cuyos valores ms resaltantes son: Independiente Dep. 2 a 2, Ident. distrib. Distr. Dist. 27 6 Mnimo = 72 96 Mximo = 50,531 58,0173 Promedio = 49,5 51 Eje de Simetra = 50,5 74,5 Mediana =
Varianza= 41,366839 846,193001

Con los resultados anteriores se puede ver que cuando hay dependencia y distribuciones diferentes la distribucin resultante no es normal.

De esta manera hay que tener cuidado con el uso de la suposicin de la normalidad. Pero peor todava es como hacen algunos exigir que las evaluaciones de ajusten a una curva normal. Estos cometen dos crasos errores. 1) La estadstica esta hecha para describir y evaluar las realidades, y no al revs. No se puede exigir a la realidad que se adapte a la estadstica. Esto es si tenemos unas evaluaciones no podemos exigir que estas se adapten a una curva normal. Sino que vamos a utilizar las estadsticas para estudiar estas evaluaciones. 2) Si las evaluaciones de personal tienen un comportamiento normal en una empresa, esto significa que la captacin de personal es psima. Si se tiene una buena seleccin de personal, las evaluaciones de los mismos debera ser asimtrica con tendencias hacia las buenas evaluaciones. Conclusiones En el mundo las prcticas que se no se cuestionan y todo el mundo las da por asentadas como buenas, se convierten en mitos. Quizs, en Venezuela el ms comn de los mitos es el de las copias fondo negro, cuya utilidad es bien dudosa. Pero en este trabajo realmente se trabajaron con dos prctica, no solo exclusivas de la gerencia venezolana, sino de la gerencia mundial en general: La evaluacin mediante medias (aritmticas) ponderadas y el abuso en la suposicin del comportamiento normal de los datos. 1) Respecto a la primera, su origen proviene de varios factores, un exceso se simplicidad, desconocimiento de la relacin entre los operadores

matemticos y su relacin con la semntica de la evaluacin, por lo cual debe recordarse que lo que en lenguaje cotidiano esta representado por el conector y (conjuncin), en matemtica debe representarse o por el operador x (por) de la multiplicacin o por el operador min, mientras que el conector o (disyuncin), en matemtica si puede representarse o por el

operador + (ms) de la suma o por el operador max. Si se toma el par de operadores x, +, se tiene que la funcin de evaluacin a utilizar es CobbDouglas generalizada. 2) Respecto a la segunda, el uso abusivo de la normal, se debe a suposiciones facilistas, y por lo general mal analizadas. De hecho si no se cumple algunas de las tres condiciones (aditividad, independencia, y dem distribucin) en la formacin de la variable, no se puede suponer la normalidad de la variable resultante.

Y por terminar, una recomendacin: 1. Cuestione todas la prcticas rutinarias, 2. analice las creencias sobre las cuales estn sustentadas. 3. Verifique estas creencias. 4. Estn realmente bien fundamentadas? 5. Si su respuesta es negativa, habr descubierto un mito ms. 6. Proponga un cambio. Nota Tcnica: Las simulaciones fueron hechas con el Lenguaje de Programacin PowerBasic. Se realizaron 10000 simulaciones de 20 evaluaciones por persona. Las grficas fueron hechas en Excel. Bibliografa DRUMMOND, HELGA (1.992): Decisiones Efectivas. Gua prctica. Editores. Serie Empresarial. Legis

MOOD.A LEXANDER M. GRAYBILL, FRANKLIN A. BOES, DUANE C. (1.974): Introduccion to the Theory of Statistics. Third Edition. McGraw-Hill. Tokio, Japn. REICHMAN, W.J. (1.971): Use and Abuse of Statistics. Penguin Books. London, England. THONON, HENRI (1.985): La funcin de Cobb-Douglas; sus generalizaciones y sus usos en la programacin econmica. En Investigacin y Gerencia (Volumen II N 4, Octubre Diciembre 1985).