Análisis de la eficiencia en el crecimiento empresarial. Caso:
supermercados e hipermercados mexicano de 2014 a 2018
Analysis of efficiency in business growth. Case: mexican
supermarkets and hypermarkets from 2014 to 2018
Deyanira Bernal-Domínguez
Facultad de Contaduría y Administración, Universidad
Autónoma de Sinaloa, México
berde@uas.edu.mx
Jorge Arturo Vélez-Ruiz
Centro Municipal de Negocios, H. Ayuntamiento de Culiacán,
Sinaloa, México
jorge.velez8@hotmail.com
doi: https://doi.org/10.36825/RITI.07.14.021
Recibido: Septiembre 21, 2019
Aceptado: Diciembre 04, 2019
Resumen:
El análisis de la eficiencia técnica entre ventas y el uso
de recursos de inversión como los activos totales, recurso humano
o empleados y número de tiendas se obtiene con la aplicación
de la metodología de análisis envolvente de datos (DEA),
logrando medir el grado de eficiencia para su comparabilidad de cada
empresa emisora del mercado de valores en México que integra la
subrama de supermercados e hipermercados; El tipo de estudio fue
cuantitativo relacionado con la maximización de las ventas
aplicando el método simplex. Los resultados principales dan
cuenta de las empresas que lograron una eficiencia técnica
perfecta en el periodo de análisis las cuales fueron: Walmart y
Chedraui; y la empresa que presentó una ineficiencia técnica
fue Grupo Gigante con un índice promedio de 0.519. El grado de
eficiencia promedio de las cinco empresas analizadas fue de
0.858.
Palabras clave:
Análisis Envolvente de Datos, Ventas, Comparación
Empresarial.
Abstract:
The analysis of the technical efficiency between sales and the use of
investment resources such as total assets, human resources or
employees and number of stores is obtained with the application of the
methodology of enveloping data analysis (DEA), managing to measure the
degree of efficiency for its comparability of each issuing company of
the stock market in Mexico that integrates the sub-frame of
supermarkets and hypermarkets; The type of study was quantitative
related to the maximization of sales using the simplex method. The
main results show the companies that achieved perfect technical
efficiency in the analysis period which were: Walmart and Chedraui;
and the company that presented a technical inefficiency was Grupo
Gigante with an average index of 0.519. The average efficiency grade
of the five companies analyzed was 0.858.
Keywords: Data Envelope Analysis, Sales, Business Comparison.
1. Introducción
El crecimiento empresarial se explica con diversas variables tanto
cuantitativas como cualitativas tales como la cultura empresarial,
estrategia de modelo de negocio, liderazgo, ingresos, costos,
inversiones y financiación [1].
Los indicadores que miden el crecimiento empresarial, según [2], enuncian que los que más sobresalen con base en la
revisión de documentos publicados desde 1967 hasta 2004, son
activo total, número de empleados, volumen de ventas, ventas en
pesos, valor de mercado añadido, valor económico agregado o valor añadido,
rentabilidad, fondos propios y valor multicriterio. Afirman que el
crecimiento de la empresa debe guardar relación con la demanda
del mercado, para ello debe realizarse un análisis de la
rentabilidad y que este justifique las inversiones realizadas, es
decir, los índices de rentabilidad deben justificar el incremento
de la capacidad productiva.
Dentro de los indicadores más utilizados en la medición del
crecimiento, en [3] destacan el valor de mercado, el número de empleados, las
ventas, el valor de la producción o el valor añadido; argumentan que hay una relación directa entre crecimiento e
inversión de activos totales pues implementar nuevas
tecnologías, en investigaciones, en actualizar plantas en
empresas manufactureras, beneficia notablemente la producción y
alza en las ventas, ocasionando un crecimiento redituable para la
empresa.
Sin duda el éxito de toda empresa depende de su inversión
para expandir su territorio de comercialización. Al invertir en
un proyecto, la empresa espera obtener una ganancia en el futuro y no se limita solo a eso, más bien se
asegurará que su inversión sea redituable. Por ello las
decisiones para elegir un proyecto conveniente son cruciales para el
logro de los objetivos financieros [4]. Se observan algunas coincidencias con Weinzimmer, Nystrom &
Freeman en 1998, citado por [5], pues aseveran que las medidas de crecimiento de un negocio son las
ventas, los empleados y los activos. Los investigadores en [6], proponen un modelo logarítmico de crecimiento de ventas y
seleccionan las variables cuantitativas de ventas, los empleados, los
activos totales y el mercado objetivo. Asimismo, en [7] se enfatiza la importancia de los activos totales
como determinantes del crecimiento de las empresas en su
publicación sobre resultados
preliminares.
Los distintos tipos de estrategias de investigación y evidencia
empírica aplicados en los estudios de crecimiento empresarial
fueron presentados en [8]. Este autor realiza un meta-análisis en el que asevera que el
tipo de investigación más común de la muestra entre los
primeros estudios y los centrales fue el estudio de caso con enfoque
descriptivo, longitudinal-retrospectivo, aumentando el caso individual
con enfoque de exploración explicativa y transversal. En este
trabajo, se analiza el caso de supermercados e hipermercados de empresas listadas en la Bolsa Mexicana de Valores, las cuales
son: Grupo Comercial Chedraui, Grupo Gigante, La Comer,
Organización Soriana y Walmart de México. El periodo de
análisis fue de 2014 a 2018, toda vez, que los datos en estos
años estuvieron disponibles. Cabe mencionar que la
definición de la industria de supermercados contempla al menos tres formatos de
venta, que varían de acuerdo con el tamaño de sus salas de
venta. El más chico se refiere a los supermercados con salas de
venta de hasta 3.000 metros cuadrados, después vienen los
supermercados tradicionales con locales de venta de hasta 6.000 metros
cuadrados y por último, los hipermercados con locales de venta
sobre los 6.000 metros cuadrados, donde se ofrece, además de los
productos tradicionales, una serie de otras categorías, como
electrodomésticos, electrónica, librería,
jardinería, piscinería, vestuario, zapatería,
juguetería y artículos de decoración. En estos formatos
los hipermercados han sido los que más se han desarrollado en los
últimos años [9]. Cabe mencionar que de las cinco empresas analizadas, la única
cadena de hipermercados es Walmart México y
Centroamérica; todas las demás son cadenas de
supermercados.
Ahora bien, la eficiencia se define como la relación entre los
resultados obtenidos (outputs) y los recursos utilizados (inputs). En este trabajo de investigación los resultados obtenidos
(outputs) son las ventas en pesos; los recursos utilizados (inputs) son número de tiendas, activos en pesos y número de
empleados.
Por lo anterior, la pregunta de investigación general es
¿Cuál es el grado de eficiencia del crecimiento empresarial
medida por las ventas en relación al número de tiendas,
activos en pesos y número de empleados mediante el análisis
envolvente de datos (DEA) en el subramo de supermercados e
hipermercados mexicano del periodo 2014-2018?
En suma, el objetivo del presente artículo es medir el grado de
eficiencia del crecimiento empresarial a través de las
ventas relacionadas con el número de tiendas, activos en pesos y
números de empleados con la técnica del análisis
envolvente de datos (DEA) para el subramo de supermercados e
hipermercados mexicano en el periodo 2014 a 2018. Asimismo otro
objetivo es presentar una manera sencilla de aplicación de la
técnica mencionada, usando la tecnología de libre uso.
2.
Análisis envolvente de datos
El DEA es una técnica no paramétrica, determinista, que
recurre a la programación matemática. El DEA es una
metodología que surge a raíz de la tesis doctoral de Rhodes
en 1978 y puede considerarse como una extensión del trabajo de
Farrel en 1957. Básicamente, DEA es una técnica de programación
matemática que permite la construcción de una superficie
envolvente, frontera eficiente o función de producción
empírica, a partir de los datos disponibles del conjunto de
unidades objeto de estudio, de forma que las unidades que determinan
la envolvente son denominadas unidades eficientes y aquellas que no
pertenecen a la misma son consideradas unidades ineficientes. DEA
permite la evaluación de la eficiencia relativa de cada una de
las unidades. Una puntuación cercana a cero debe entenderse como
la unidad que está siendo evaluada se encuentra muy lejos de la
isocuanta eficiente y, en consecuencia, se trata de una unidad muy
ineficiente técnicamente. Todo lo contrario, sucede si la
eficiencia técnica de uno indica que la unidad se encuentra sobre
la isocuanta eficiente. En principio los modelos DEA fueron empleados
para evaluar la eficiencia relativa de organizaciones sin fines de
lucro, con el tiempo, y dada la naturaleza interdisciplinaria de la
metodología DEA, su uso se extendió rápidamente al
análisis del rendimiento en organizaciones lucrativas [10].
La formulación matemática del DEA es la siguiente según [11]:
sujeto a:
n=1,2,K,N
Vjm, uim ≥ ε; i=1,2,K,I; j=1,2,K,J
Donde z es la eficiencia de la m-ésima DMU
yjm es el j-ésimo output de la m-ésima DMU
vjm es el peso de ese output
xim es el i-ésimo input de la m-ésima DMU
uim es el peso de ese input, y
yjn y xin son el j-ésimo output y i-ésimo input, respectivamente, de la n-ésima DMU,
n= 1, 2, …, N.
3.
Metodología
La metodología aplicada fue de tipo cuantitativo relacionada con
la maximización de funciones objetivo mediante el método
simplex, a partir del cual se deriva el análisis envolvente
de datos; se utilizó el software libre OSDEA y la ruta que
se siguió es: en primer lugar, se identificaron las emisoras del
sector de análisis en la Bolsa Mexicana de Valores considerando
el tipo de mercado de capitales; tipo de instrumentos: acciones, tipo
de empresas nacionales, sector productos de consumo frecuente,
subsector venta de productos de consumo frecuente, ramo venta de
productos de consumo frecuente y subramo supermercados e
hipermercados. Se descargaron los reportes anuales XBRL de 2014 a 2018
tanto en la página de la bolsa mexicana de valores como las
páginas web de cada una de las emisoras: Chedraui, GGigante,
LaComer, Soriana y Walmart. La página web es https://www.bmv.com.mx/es/empresas-listadas [12].
Seguidamente, se identificaron los datos cuantitativos relacionados
con el crecimiento de empresas, considerando que una empresa crece
cuando se maximizan sus ventas y que éstas son eficientes
mediante la utilización de recursos en inversiones tales como:
nuevas tiendas, nuevas inversiones en activos y empleados. Para
obtener estos datos se realizaron las consultas en cada uno de los
reportes anuales de cada empresa emisora; los datos de ventas y
activos totales se encuentran en el apartado de información
financiera; el de puntos de venta o número de tiendas de
autoservicio están en la sección de factores de riesgo. Y en
la sección de los datos generales de cada empresa emisora se
recabó el dato del número de empleados, ver datos en Figura
1.
Figura 1. Vista de los datos importados en el OSDEA a partir de los
archivos CSV.
Fuente: Elaborada por los autores.
La información mencionada en el apartado anterior se
recopiló en una hoja de cálculo de Excel por cada empresa y
por cada año; luego ésta se importó a una base de datos
en Access versión 2016, a partir de la cual se ejecutaron dos
consultas para extraer información por empresa y año. A
continuación las consultas utilizadas escritas en SQL son:
|
Por empresa |
SELECT periodo, numtiendas, ventas, activos, empleados INTO
Walmart FROM tabla1 WHERE empresas like "Walmart"; |
|
Por año |
SELECT empresas, numtiendas, ventas, activos, empleados
INTO 2018 FROM tabla1 WHERE periodo=2018; |
Para el caso de la consulta por empresa, sólo es necesario
cambiar el texto entrecomillado con el nombre de la empresa; en la
consulta por año, sólo se cambia el año que corresponda
después de la palabra reservada INTO y en la igualdad para la
variable periodo.
Posteriormente se exportaron cada tabla producto de las consultas en
archivos en formato CSV delimitado por comas, dando como resultado los
archivos mostrados en la Figura 2.
En el programa OSDEA se creó un nuevo proyecto DEA para cada
archivo CSV del inciso anterior, importándolo y especificando el
correspondiente nombre de proyecto según el año de
análisis y nombre de la empresa. Ver Figura 2.
Figura 2. Conjunto de archivos generados a partir de las consultas
SQL.
Fuente: Elaborada por los autores.
Figura 3. Disposición de las variables del proyecto DEA.
Fuente: Elaborada por los autores.
Para cada proyecto DEA de empresa o año, se seleccionó el
mismo tipo de modelo CCR_O (Outputs). Dado que la pregunta de esta investigación busca medir la
eficiencia de las ventas en razón del número de tiendas,
activos y empleados, la variable de ventas se selecciona al casillero
de los outputs y el resto al casillero de los inputs
(Figura 3).
Dado que el análisis se da en razón de los outputs, en la configuración del OSDEA se selecciona el tipo CCR_O, se
muestra en la Figura 4.
Se resuelve cada proyecto DEA al pulsar el botón cuya etiqueta
es Solve the DEA Problem,
ver Fig. 5. El modelo DEA se analiza a partir de las unidades productivas
definidas, en este caso se observa en la Figura 6 que se resuelve las
5 de 5 empresas para dicho periodo.
Figura 4. Configuración del modelo DEA para Outputs.
Fuente: Elaborada por los autores.
Figura 5. Validación de datos y solución del proyecto
DEA.
Fuente: Elaborada por los autores.
Figura 6. Confirmación de la solución del proyecto DEA.
Fuente: Elaborada por los autores.
La solución para cada proyecto se consulta en la opción Objetives. Cuando el valor objetivo (Objetive Value) es igual a 1, se interpreta que la empresa tiene eficiencia
técnica. Los valores objetivo de cada proyecto se exportaron en
una hoja de Excel para su análisis y representación. Ver
Figura 7.
Una vez que se determinan los valores objetivos de eficiencia
técnica para cada empresa, el OSDEA proporciona como parte de la
solución la opción de valores proyectados para cada variable
que haya sido ineficiente en su resultado, con el objetivo que de
realizarse esas proyecciones las empresas alcancen la eficiencia, esto
se observa en Fig. 8.
Figura 7. Detalle de los valores objetivo para el proyecto DEA.
Fuente: Elaborada por los autores.
Figura 8. Detalle de los valores proyectados para el proyecto DEA.
Fuente: Elaborada por los autores.
4.
Análisis de los resultados
Cuando el grado de eficiencia es menor a la unidad el modelo DEA
evalúa que esta empresa está siendo ineficiente. Entre
más se acerque a cero más ineficiente es. El análisis
del subramo de supermercados e hipermercados en México con base
en el DEA, encuentra que Chedraui y Walmart son eficientes en su
crecimiento a través de sus ventas, al hacer un uso adecuado de
sus recursos invertidos. Sin embargo, la que presenta el mayor grado
de ineficiencia fue GGigante con un índice promedio de 0.519;
posteriormente Soriana con un índice promedio ineficiente de
0.850 y LaComer con 0.921: El promedio del subramo es 0.858; Ver Tabla
1 y Figura 9.
Tabla 1 Grados de eficiencia del subramo supermercados en
México.
|
Periodo |
Chedraui |
Soriana |
GGigante |
LaComer |
Walmart |
|
2014 |
1.000 |
1.000 |
0.532 |
0.921 |
1.000 |
|
2015 |
1.000 |
0.823 |
0.508 |
0.937 |
1.000 |
|
2016 |
1.000 |
0.842 |
0.515 |
0.825 |
1.000 |
|
2017 |
1.000 |
0.807 |
0.536 |
0.921 |
1.000 |
|
2018 |
1.000 |
0.781 |
0.507 |
1.000 |
1.000 |
|
Promedio |
1.000 |
0.850 |
0.519 |
0.921 |
1.000 |
Fuente: Elaborada por autores.
Figura 9.
Análisis de la eficiencia técnica de crecimiento
empresarial medida con las ventas del subramo de supermercados e
hipermercados en México. Periodo 2014-2018. Fuente: Elaborada por los autores.
Tabla 2. Variables número tiendas, activos y empleados (inputs) y output (ventas). Periodo 2014-2018.
|
GGigante |
Núm. Tiendas |
Ventas |
Activos |
Empleados |
|
2014 |
485 |
20814 |
33942 |
20404 |
|
2015 |
808 |
26611 |
41003 |
25741 |
|
2016 |
817 |
30859 |
40432 |
25944 |
|
2017 |
809 |
32152 |
40568 |
24986 |
|
2018 |
808 |
33189 |
43302 |
25074 |
Fuente: Elaborada por autores.
Tabla 3. Proyecciones de las Variables número tiendas, activos y
empleados (inputs) y output (ventas). Periodo 2014-2018 según resultado de modelo
DEA.
|
GGigante |
Núm. Tiendas |
Ventas |
Activos |
Empleados |
|
2014 |
267 |
39156 |
22252 |
20404 |
|
2015 |
340 |
52422 |
28144 |
25741 |
|
2016 |
343 |
59921 |
32682 |
25944 |
|
2017 |
330 |
59975 |
31120 |
24986 |
|
2018 |
348 |
65477 |
32785 |
25074 |
Fuente: Elaborada por autores.
Cabe mencionar que, [13] afirma que un valor de eficiencia aceptable es > 0.8. Bajo esta
premisa el subramo de supermercados en su mayoría es eficiente.
Mostrando solo el corporativo de GGigante la única empresa del
subramo como ineficiente según el modelo DEA. Según el reporte anual a diciembre de 2018 el grupo
Gigante en su utilidad neta presentó un decremento del 48.6%
comparada de 2016 a 2018, esto se debió principalmente
a la venta de instrumentos clasificados como disponibles para la
venta así como la del corporativo de Dos Patios. Asimismo, el
precio de cierre de la acción en 2014 fue de 41.60 y en 2018 de
36.50.
Por otro lado, la solución por DEA, da cuenta sobre proyecciones
que pudieran atenderse para lograr eficiencia en las empresas que
muestran ineficiencia, es decir, propone atenciones de mejora en los inputs
donde pudiera minimizar las inversiones para eficientizar su
crecimiento de ventas. Por ejemplo para Ggigante se recomienda lo
siguiente: en 2014 se propone disminuir las tiendas de 485 a 267;
aumentar ventas de 20814 a 39156; disminuir activos de 33942
a 22252 y permanecer con el mismo número de empleados. Ver
Tablas 2 y 3.
5.
Conclusiones
El modelo DEA ha sido aplicado para medir la eficiencia de unidades
productivas. Considerando que esta metodología es de fácil
acceso por encontrarse softwares libres tales como el OSDEA, se hace
necesario dar a conocer los beneficios de aplicarlo para conocer
cómo medir la eficiencia en el crecimiento de las empresas de un
mismo subramo como en este caso el de supermercados o hipermercados y
realizar análisis de benchmarking o de análisis de empresas
similares o de la competencia. El objetivo fue medir el grado de
eficiencia del crecimiento empresarial medido por las ventas en
relación al número de tiendas, activos en pesos y
números de empleados. Se logró conocer que las empresas con
eficiencia técnica perfecta fueron Chedraui y Walmart, por lo
que, éstas pudieran ser una referencia para otros negocios del
mismo giro y distinto tamaño. Finalmente, las proyecciones de
mejora para la empresa que mostró ineficiencia técnica es
una información relevante para la toma de decisiones de
inversiones que tengan impacto en sus ventas.
6. Referencias
[1] Amat Salas, O., Lloret Millan, P. (2014). Avanzando: claves para sobrevivir y crecer (2da. Ed). España: Profit Editorial.
[2] Blázquez, F., Dorta, J. A., Verona, M. C. (2006). Concepto,
perspectivas y medida del crecimiento empresarial. Cuadernos de administración, Bogotá, Colombia, 19 (31), 165-195. Recuperado de:
https://www.redalyc.org/articulo.oa?id=205/20503107
[3] Romero-Merino, M. E., García-Manjón, J. V. (2010). Efectos
de la inversión en I+D sobre el crecimiento empresarial. GCG Revista de Globalización, Competitividad y
Gobernabilidad, 4 (2), 16-27. doi: https://doi.org/10.3232/GCG.2010.V4.N2.01
[4] Vecino, C. E., Rojas, S. C., Munoz, Y. (2014). Prácticas de
evaluación financiera de inversiones en Colombia. Estudios
Generales, 31 (134), 41-49. doi:
https://doi.org/10.1016/j.estger.2014.08.002
[5] Gielnik, M. M., Zacher, H., Schmitt, A. (2017). How Small Business
Managers’ Age and Focus on Opportunities Affect Business Growth:
A Mediated Moderation Growth Model. Journal of Small Business Management, 55 (3), 460-483. doi: https://doi.org/10.1111/jsbm.12253
[6] Machek, O., Machek, M. (2014). Factors of business growth: A
decomposition of sales growth into multiple factors. WSEAS Transactions on Business and Economics, 11 (1), 380-385.
[7] Juárez, F. (2018). The Growth of Companies as a Function
of Total Assets. WSEAS Transactions on Business and Economics, 15 (29), 301-310. Recuperado de:
http://www.wseas.org/multimedia/journals/economics/2018/a585907-011.php
[8] Muhos, M. (2015). Review of business growth models: Methodology and
the assumption of determinism. International Journal of Management and Enterprise
Development, 14 (4), 288-306. doi:
https://doi.org/10.1504/ijmed.2015.073810
[9] Lira, L. (2005). Cambios en la industria de los supermercados.
Concentración, Hipermercados, relaciones con proveedores y Marcas Propias. Estudios Públicos, 97, 135-160. Recuperado de:
https://www.cepchile.cl/cep/site/docs/20160304/20160304093525/r97_lira_supermercados.pdf
[10] Alberto Jaime, J. (2016). Formulaciones en el análisis envolvente de datos (DEA).
Resolución de casos prácticos (Trabajo fin de grado). Universidad de Sevilla, España.
Recuperado de: http://hdl.handle.net/11441/43744https://idus.us.es/xmlui/handle/11441/43744
[11] Ramanathan, R. (2003). An Introduction to data envelopment analysis: A tool performance
measurement. New Delhi: Sage publications
[12] Bolsa Mexicana de Valores. https://www.bmv.com.mx/es/empresas-listadas(2019). Empresas Listadas. Recuperado de: https://www.bmv.com.mx/es/empresas-listadas
[13] Cooper, W. W., Seiford, L. M., Kaoru, T. (2007). Data Envelopment Analysis. New York: Springer.