El programa Profit Impact of Market Strategy [1] (PIMS) es un proyecto que utiliza datos empíricos para intentar determinar qué estrategias de negocio marcan la diferencia entre el éxito y el fracaso. Se utiliza para desarrollar estrategias de asignación de recursos y marketing . Algunas de las métricas estratégicas más importantes son la cuota de mercado, la calidad del producto, la intensidad de la inversión y la calidad del servicio (todas medidas por PIMS y fuertemente correlacionadas con el rendimiento financiero). Uno de los principios enfatizados es que los mismos factores funcionan de manera idéntica en diferentes industrias.
El proyecto PIMS fue iniciado originalmente por los altos directivos de General Electric que querían saber por qué algunas de sus unidades de negocio eran más rentables que otras. Bajo la dirección de Sidney Schoeffler, un profesor de Economía contratado por GE para ese fin, el proyecto PIMS se puso en marcha en la década de 1960 como un estudio empírico interno. El objetivo era hacer comparables las diferentes unidades estratégicas de negocio (SBU) de GE.
Como GE estaba muy diversificada en ese momento, se buscaron factores clave que tuvieran un impacto en el éxito económico independientemente del producto. En particular, se utilizó como medida de éxito el retorno de la inversión (ROI), es decir, el beneficio por unidad de capital vinculado. En 1972, el proyecto fue transferido al Instituto de Ciencias de Marketing (entonces bajo el ala de la Escuela de Negocios de Harvard ), que lo extendió a otras empresas. En 1976, el Instituto Americano de Planificación Estratégica en Cambridge, Massachusetts, se hizo cargo del proyecto.
Entre 1970 y 1983 participaron en las encuestas unas 2.600 unidades estratégicas de negocio (SBU) de unas 200 empresas y aportaron cifras clave para el proyecto. Hoy en día se han realizado unas 12.570 observaciones para 4.200 SBU. PIMS Associates en Londres es el centro de competencia y diseño mundial de PIMS desde los años 90 y forma parte de Malik Management ( Fredmund Malik ) en St. Gallen (Suiza) desde 2005.
El proyecto PIMS analiza los datos que han reunido para identificar las opciones, los problemas, los recursos y las oportunidades a las que se enfrenta cada unidad económica. En función de la distribución de cada negocio en diferentes sectores, se esperaba que los datos pudieran utilizarse para proporcionar a otras empresas del mismo sector pruebas empíricas de qué estrategias conducen a una mayor rentabilidad. La base de datos sigue actualizándose y hoy en día los académicos y las empresas la utilizan.
Las bases de datos de PIMS actualmente comprenden más de 25.000 años de experiencia empresarial a nivel de unidad estratégica de negocio (es decir, donde se produce la interacción con el cliente y donde se toman las decisiones de marketing e inversión). Cada unidad estratégica de negocio se caracteriza por cientos de factores a lo largo de un período de más de 3 años, incluida la cuota de mercado de sí misma y de sus competidores, la preferencia de los clientes, los precios relativos, la calidad del servicio, la tasa de innovación, la integración vertical, etc., así como una serie de factores de atracción del mercado y un estado de resultados, un balance y datos de los empleados bastante detallados.
En el estudio PIMS se analizaron periódicamente más de 50 métricas básicas diferentes. Las más importantes se presentan a continuación:
Características del entorno empresarial (atractivo del mercado):
Fuerza competitiva:
Aptitud de la cadena de suministro:
Dinámica del cambio
Factores de éxito económico (como variables a explicar):
Si bien la mayoría de las variables parecen obvias, PIMS tiene la ventaja de proporcionar datos empíricos que definen relaciones cuantitativas y las atribuyen a lo que algunos considerarían razonable.
Las empresas que deseen utilizar el servicio recibirán información detallada, para cada una de sus principales unidades de negocio estratégicas, incluyendo:
Basándose en los datos proporcionados, PIMS proporciona cuatro informes (Lancaster, Massingham y Ashford):
Los siguientes factores se correlacionan especialmente con los factores de éxito ROI y ROS:
La intensidad de la inversión se correlaciona negativamente (explica aproximadamente el 15 %):
Por un lado, esto tiene la razón analítico-formal de que, al aumentar la intensidad de la inversión, es decir, el volumen de inversión en relación con las ventas, también aumenta el volumen de amortización en relación con las ventas, es decir, la intensidad de la amortización, y, por lo tanto, disminuye el beneficio. Por otro lado, si la intensidad de la inversión es alta, aumentan los activos fijos y existe la necesidad de utilizar también estas capacidades, es decir, de aumentar el volumen de producción y, en determinadas circunstancias, de reducir los precios y, por lo tanto, el margen de beneficio.
La cuota de mercado relativa se correlaciona positivamente (explica aprox. 12 %):
La principal razón de la influencia positiva de la cuota de mercado relativa son las economías de escala: cuanto mayor es la cuota de mercado, mayor es el volumen de producción y menores los costes unitarios; esto también se puede explicar por la curva de experiencia. Además, a medida que aumenta la cuota de mercado, también aumenta el poder frente a los proveedores, lo que significa que se pueden lograr mejores condiciones.
La calidad relativa del producto se correlaciona positivamente (explica aproximadamente el 10 %):
Entre las razones más importantes para esta correlación positiva se encuentran, sobre todo, los precios más altos que se pueden alcanzar con productos de alta calidad, pero también la mayor disposición de los consumidores a comprar servicios de alta calidad, de modo que el volumen de ventas aumenta y, por lo tanto, influye positivamente en la cuota de mercado (véase más arriba). Otra razón son los menores costes de reclamación.
En general, los factores estudiados explican aproximadamente el 70 por ciento de las diferencias de rentabilidad entre las áreas de negocio exitosas y no exitosas en la base de datos PIMS (medida como varianza).
Se puede argumentar que una base de datos que funciona con información recopilada en el período 1970-1983 está obsoleta. Sin embargo, se siguen recopilando datos de las empresas participantes y PIMS sostiene que proporciona una fuente única de datos de series temporales, cuyas conclusiones han demostrado ser muy estables a lo largo del tiempo.
También se ha sugerido que el PIMS está demasiado sesgado hacia las empresas tradicionales, como la fabricación de automóviles ; esto quizás no sea sorprendente, considerando la época en la que se llevaron a cabo la mayoría de las encuestas. Sin embargo, a partir de 2006, las más de 3.800 empresas incluidas en la base de datos incluyen datos de los sectores de consumo, industrial y de servicios.
También está muy sesgada hacia las grandes empresas, a expensas de las pequeñas empresas emprendedoras. Esto es resultado del método de recolección de datos utilizado. Generalmente, sólo las empresas más grandes están dispuestas a pagar los honorarios de consultoría, proporcionar los datos de la encuesta y, a cambio, tener acceso a la base de datos en la que pueden comparar su negocio con otras grandes empresas o unidades económicas de negocio. Mintzberg (1998) afirma que, dado que la base de datos está dominada por grandes empresas establecidas, es más adecuada como técnica para evaluar el estado de "estar allí en lugar de llegar allí" (página 99). Esta crítica es muy importante porque si uno está tratando de obtener resultados "promedio" de todas las industrias para darnos las "leyes del mercado", una empresa dudosa como es, la estrategia de muestreo es importante si uno quiere obtener resultados que sean representativos.
→ La base de datos maestra PIMS, que constituye el núcleo del programa PIMS, incluye hoy en día más de 25.000 años de experiencia empresarial en un amplio espectro de industrias de todo el mundo. Éstas son más del 90% de las empresas que se analizarán. Alrededor de un tercio de ellas fabrican bienes de consumo, el 15% fabrican bienes de capital. Las unidades de negocio restantes son proveedores de materias primas y productos semiacabados, componentes o accesorios para la industria y el comercio. Las empresas de comercio y servicios representan menos del 10% del total de empresas y, sin embargo, representan una muestra bastante grande (más de 250) de unidades de negocio estratégicas en esta categoría. Aproximadamente la mitad de las unidades de negocio de la base de datos PIMS comercializan sus productos o servicios a nivel nacional en Estados Unidos o Canadá, mientras que el 11% atiende a mercados regionales en América del Norte. Las empresas europeas también son numerosas hoy en día, con alrededor de 1.000 unidades de negocio de países de Europa continental y 600 del Reino Unido. [2]
La crítica más importante que se le hace a PIMS es el hecho de que la causalidad implica correlación, pero la correlación no implica causalidad. Uno de los "hallazgos" más importantes del programa PIMS fue encontrar una relación estadísticamente significativa entre la rentabilidad y la cuota de mercado (véase Buzzell y Gale (1987)). El trabajo empírico realizado por PIMS sugería que una cuota de mercado elevada producía una rentabilidad elevada, pero esta correlación no puede considerarse una relación causal "verdadera" porque la correlación no implica causalidad. En el análisis de correlación multivariable, una cuota de mercado elevada se asociaba con unos beneficios elevados, pero los beneficios elevados podrían haber estado asociados con una cuota de mercado elevada, o un tercer factor común a ambos podría haber causado la correlación. Muchos analistas creen que es posible utilizar una prueba de causalidad estadística para determinar la causalidad, pero si todo el problema es que la correlación es insuficiente para determinar la causalidad en primer lugar, entonces ¿cómo puede utilizarse otra correlación, que es la que se utiliza en las pruebas, para determinar la causalidad?
→ En relación con la cuota de mercado, ya se ha señalado y se ha denunciado con frecuencia que en las investigaciones PIMS se utilizan correlaciones para extraer conclusiones sobre relaciones causales, es decir, que la correlación se equipara con la causalidad. Sin embargo, este problema es demasiado obvio como para no haber sido examinado en detalle durante el desarrollo del programa PIMS. Backhaus et al. lo formulan acertadamente: "El principal campo de aplicación del análisis de regresión es la investigación de relaciones causales (relaciones causa-efecto), a las que también podemos denominar relaciones "Cuanto más"". Backhaus et al. (2006), pág. 46 (énfasis en el original). Estos autores añaden lo siguiente: "Debe destacarse aquí que ni el análisis de regresión ni otros métodos estadísticos pueden demostrar causalidades más allá de toda duda. Más bien, el análisis de regresión solo puede demostrar correlaciones entre variables. Esta es una condición necesaria pero aún no suficiente para la causalidad". Backhaus et al. (2006), pág. 48 y siguientes. En el marco de los estudios PIMS, fue posible determinar causalidades con la ayuda de análisis de series temporales debido a la disponibilidad de datos sobre períodos más largos. Véase, por ejemplo, Barylite (1994), p. 61. Las correlaciones en este sentido, incluso en el programa PIMS, inicialmente no dan nada más que una razón para investigar posibles causalidades fundamentadas e intensivamente.'' [2] La causalidad no puede investigarse con métodos estadísticos. La causalidad de Granger utiliza métodos de series temporales para examinar la causalidad estadística. Sin embargo, tanto el análisis de regresión como la causalidad de Granger se basan en correlaciones entre variables. La correlación no es suficiente para determinar la causalidad.
Otra crítica importante al PIMS es que no tiene en cuenta la heterogeneidad del conjunto de datos. El análisis PIMS parte del supuesto de que las mismas "leyes del mercado" se aplican a todas las industrias. Sin embargo, los supuestos estadísticos empleados en el análisis econométrico suponen que todas las observaciones transversales provienen de una distribución estadística que es la misma para todas las observaciones transversales. Esto suele ser el talón de Aquiles de prácticamente todos los análisis transversales. Si este supuesto homogéneo es falso, entonces las observaciones transversales se están extrayendo de diferentes poblaciones. Si bien se pueden utilizar técnicas de estimación como los efectos fijos para controlar las diferentes medias de la población, las covarianzas también pueden diferir entre poblaciones (lo que significa que el comportamiento difiere entre poblaciones) y la única forma de controlar este aspecto es ejecutar regresiones en cada población por separado. Esto significa que las "leyes del mercado" difieren entre poblaciones, lo que contradice directamente una de las principales presunciones del uso de la base de datos PIMS para el análisis.
Telis y Golder (1996) sostienen que el PIMS define los mercados de forma demasiado restringida. Los encuestados describieron su mercado de forma muy restringida para dar la impresión de una cuota de mercado elevada. Creen que este sesgo de autodeclaración hace que las conclusiones sean sospechosas. También les preocupa que no se hayan incluido empresas extintas, lo que da lugar a un "sesgo de supervivencia".