
Una empresa puede seguir con rigor un indicador y aun así tomar decisiones equivocadas.Ocurre cuando la cifra no representa el resultado que busca ni ayuda a predecirlo.Este artículo explica cómo distinguir las medidas útiles de las habituales y propone cuatro pasos para elegirlas y revisarlas.
Cuando se mide lo que no corresponde
Hace unos doce años, cuando trabajaba en una gran empresa de servicios financieros, un alto ejecutivo me encargó un proyecto para entender mejor la rentabilidad de la compañía. Yo trabajaba en la división de renta variable, que generaba honorarios y comisiones al atender a gestores de inversiones. La división buscaba maximizar sus ingresos con análisis de alta calidad, una ejecución ágil de las operaciones y acceso a ofertas públicas iniciales muy solicitadas. Teníamos cientos de clientes y el mayor era una gestora de fondos de inversión. Enviábamos a nuestro equipo de análisis a reunirse con sus analistas y gestores de cartera, destinábamos capital a que sus operaciones se ejecutaran sin problemas y le dábamos un lugar destacado al asignar acciones en las ofertas públicas iniciales. Nos empeñábamos en mantener satisfecho a ese gigante.
Parte de mi encargo era entender la rentabilidad de la división por cliente. Así que estimamos cuánto nos costaba atender a cada uno de los principales. El resultado fue llamativo y contrario a lo que esperábamos. Nuestro cliente más grande estaba entre los menos rentables. De hecho, los clientes de tamaño medio, que requerían pocos recursos, eran más rentables que el gigante al que dedicábamos tanta atención.
Medir con precisión lo que no corresponde puede llevar a una decisión equivocada. ¿Qué pasó? Cometimos un error muy común en los negocios. Medimos lo que no correspondía. El indicador que usábamos para evaluar nuestro desempeño, los ingresos, estaba desconectado de nuestro objetivo general de rentabilidad. Por eso, nuestras decisiones de estrategia y asignación de recursos no contribuían a ese objetivo.
La lección de Moneyball
Moneyball describe cómo un equipo de béisbol de Oakland eligió cuidadosamente sus estadísticas para formar un equipo ganador con poco dinero. A casi una década de la publicación del libro, sus implicaciones para los negocios ya se habían analizado a fondo. Aun así, la lección principal no había calado. Las empresas seguían usando las estadísticas equivocadas.
Antes de adoptar el método que describe el libro, el equipo se guiaba por la opinión de sus cazatalentos. Estos evaluaban a los jugadores principalmente por su capacidad para correr, lanzar, fildear, batear y batear con potencia. La mayoría llevaba casi toda su vida en el béisbol y había desarrollado una intuición sobre el potencial de los jugadores y las estadísticas que más importaban. Pero sus indicadores y su intuición a menudo dejaban fuera a jugadores eficaces que no encajaban en el perfil esperado. Las apariencias podían tener poco que ver con las estadísticas realmente importantes, las que predicen el desempeño con fiabilidad.
Cuando hablaban de anotar carreras, los entrenadores de béisbol solían fijarse en una cifra básica, el promedio de bateo del equipo. Después de realizar un análisis estadístico riguroso, la directiva del equipo descubrió que la capacidad de un jugador para embasarse predecía mucho mejor cuántas carreras anotaría. Además, el mercado de fichajes pagaba relativamente poco por esa capacidad en comparación con otras. El equipo buscó entonces jugadores con un alto porcentaje de embasado, prestó menos atención al promedio de bateo y dio menos peso a la intuición. Así pudo contratar jugadores capaces de ganar partidos sin desbordar su presupuesto.
Muchos directivos que buscan crear valor para los accionistas también confían en la intuición para elegir estadísticas. Los indicadores clave de desempeño que las empresas más usan para medir, gestionar y comunicar sus resultados incluyen medidas financieras, como el crecimiento de las ventas y de las ganancias por acción (GPA), y medidas no financieras, como la lealtad de los clientes y la calidad de los productos. Su vínculo con la creación de valor es débil. La mayoría de los directivos sigue apoyándose mucho en estadísticas mal elegidas, igual que si usara el promedio de bateo para predecir carreras.
Como los cazatalentos veteranos, los directivos intuyen qué indicadores son más pertinentes para su empresa. Pueden pasar por alto que esa intuición falle y que ciertos sesgos cognitivos distorsionen sus decisiones. Mi trabajo, mi docencia y mis investigaciones sobre estos sesgos me han llevado a identificar tres especialmente pertinentes aquí: el exceso de confianza, la heurística de disponibilidad y el sesgo del statu quo.
Por qué confiamos en indicadores equivocados
Exceso de confianza
La profunda confianza que las personas depositan en sus juicios y capacidades a menudo choca con la realidad. Por ejemplo, la mayoría cree conducir mejor que el promedio. Esa tendencia se traslada fácilmente al mundo empresarial. Dos investigadores universitarios describen el caso de una cadena de comida rápida. Sus directivos sabían que la satisfacción del cliente era importante para la rentabilidad y creían que una baja rotación de personal mantendría contentos a los clientes. «Sabemos que ese es el factor decisivo», explicó un ejecutivo. Convencidos de su intuición, se propusieron reducir la rotación para mejorar la satisfacción y, presumiblemente, la rentabilidad.
A medida que recibían los datos de rotación, los directivos descubrieron con sorpresa que se habían equivocado. Algunos locales con alta rotación eran sumamente rentables, mientras que otros con baja rotación tenían dificultades. Solo después de analizar estadísticamente numerosos factores que podían influir en la satisfacción, la empresa descubrió que la rotación de los gerentes de local era la que marcaba la diferencia. La rotación del conjunto de los empleados no producía ese efecto. La cadena se centró entonces en retener a sus gerentes, una medida que terminó elevando la satisfacción y las ganancias.
Disponibilidad
La heurística de disponibilidad es una estrategia con la que juzgamos la causa o la probabilidad de un hecho según la facilidad con que recordamos ejemplos parecidos. Por eso tendemos a dar demasiada importancia a la información reciente, a la que se repite con frecuencia o a la que tenemos presente por otros motivos. Por ejemplo, los directivos suelen considerar las GPA la medida más importante de la creación de valor. En gran parte, esto se debe a ejemplos llamativos de empresas cuyas acciones subieron tras superar las previsiones de GPA o cayeron de golpe al quedar por debajo. A muchos directivos, el crecimiento de las ganancias les parece una causa fiable del alza bursátil porque tienen a mano numerosos ejemplos que parecen confirmarlo. Sin embargo, la heurística de disponibilidad suele llevar a conclusiones intuitivas equivocadas.
Statu quo
Los directivos, como la mayoría de las personas, prefieren seguir por el mismo camino antes que afrontar los riesgos del cambio. El sesgo del statu quo nace en parte de nuestra tendencia, bien documentada, a evitar una pérdida incluso cuando podríamos obtener una gran ganancia. En los negocios, esto lleva a muchos directivos a aferrarse a los indicadores existentes cuando cambian los factores que impulsan el desempeño, como inevitablemente ocurre. Pensemos en un negocio de suscripción, como un operador de telefonía móvil. Cuando entra en el mercado, su indicador de desempeño más importante es la tasa de captación de nuevos clientes. A medida que madura, probablemente le convenga centrarse en gestionar mejor a sus clientes actuales, por ejemplo vendiéndoles servicios adicionales o reduciendo la tasa de bajas. El peso del statu quo puede frenar ese cambio y llevar a los directivos a gestionar con estadísticas desactualizadas.
La idea en breve
Las estadísticas que más usan las empresas para seguir y comunicar su desempeño incluyen medidas financieras, como el crecimiento de las ventas y de las ganancias por acción, y medidas no financieras, como la lealtad de los clientes y la calidad de los productos. Su relación con el objetivo de crear valor para los accionistas es débil.
Las estadísticas útiles reúnen dos cualidades. Son persistentes, pues muestran que una misma acción realizada en momentos distintos produce resultados parecidos. También son predictivas, pues ponen de manifiesto una relación causal entre la acción y el resultado medido.
Elegir estadísticas que permitan comprender, seguir y gestionar las relaciones de causa y efecto que determinan el valor de la empresa requiere cuatro pasos.
1. Define el objetivo rector.
2. Formula una teoría de causa y efecto para evaluar qué factores podrían impulsar la creación de valor.
3. Identifica las actividades concretas que los empleados deben realizar para contribuir al objetivo rector.
4. Reevalúa periódicamente las estadísticas elegidas para comprobar que sigan vinculando las actividades de los empleados con el objetivo rector.
Causa y efecto: persistencia y predicción
Para saber qué estadísticas son útiles, conviene plantearse dos preguntas básicas. La primera es cuál es el objetivo. En el deporte, se trata de ganar partidos. En los negocios, el objetivo suele ser aumentar el valor para los accionistas. La segunda es qué factores ayudarán a alcanzarlo. Si el objetivo es aumentar el valor para los accionistas, ¿qué actividades producen ese resultado?
Las medidas útiles deben ser persistentes y predictivas. Se buscan, por tanto, estadísticas que revelen de forma fiable las relaciones de causa y efecto. Tienen dos características. Son persistentes, lo que indica que una acción determinada produce resultados similares cuando se repite en otro momento. También son predictivas, lo que supone una relación causal entre la acción que mide la estadística y el resultado deseado.
Las estadísticas que evalúan actividades que requieren habilidad son persistentes. Por ejemplo, si midiéramos el tiempo de un velocista entrenado en una carrera de 100 metros durante dos días consecutivos, esperaríamos tiempos parecidos. Las estadísticas persistentes reflejan un desempeño que una persona u organización puede controlar de manera fiable mediante su habilidad. Así ponen de manifiesto relaciones causales.
Es importante distinguir la habilidad de la suerte. La persistencia se sitúa en un continuo. En un extremo, el resultado medido depende enteramente de la habilidad, como en el caso del velocista, y es muy persistente. En el otro, el resultado depende de la suerte y la persistencia es baja. Cuando hacemos girar una ruleta, el resultado es aleatorio. La primera tirada no aporta ninguna pista sobre la siguiente.
Para ser útiles, las estadísticas también deben predecir el resultado que buscamos. La directiva del equipo de Oakland descubrió que el porcentaje de embasado indicaba mejor que el promedio de bateo la probabilidad de que un jugador anotara carreras. El porcentaje de embasado vincula de manera fiable una causa, la capacidad de llegar a base, con un efecto, anotar carreras. También es más persistente que el promedio de bateo porque incluye más factores que reflejan habilidad, como la capacidad de conseguir una base por bolas. Por eso, el porcentaje de embasado de un equipo predice mejor su rendimiento ofensivo.
Todo esto parece de sentido común. Sin embargo, las empresas suelen apoyarse en estadísticas con escasa persistencia y capacidad predictiva. Como estas métricas de uso generalizado apenas revelan relaciones de causa y efecto, aportan poco a la estrategia o incluso al objetivo más amplio de lograr una rentabilidad suficiente sobre la inversión.
La mayoría de las empresas busca maximizar el valor de sus acciones a largo plazo. En la práctica, cada dólar que invierten debería generar más de un dólar de valor. ¿Qué estadísticas deberían orientar a sus directivos? Las GPA son las más populares. Una encuesta sobre remuneración ejecutiva de una consultora especializada determinó que eran la medida de desempeño empresarial más utilizada, por alrededor de la mitad de las empresas. Investigadores de una escuela universitaria de negocios llegaron a la misma conclusión. Otra encuesta, realizada por tres profesores de finanzas a 400 directivos financieros, reveló que casi dos tercios de las empresas situaban las GPA en el primer lugar entre los indicadores de desempeño más importantes que comunicaban a terceros. Los ingresos por ventas y el crecimiento de las ventas también ocupaban puestos destacados, tanto para medir el desempeño como para comunicarlo al exterior.
¿Crea valor para los accionistas el crecimiento de las GPA? Depende. El crecimiento de las ganancias y la creación de valor pueden coincidir, pero también es posible aumentar las GPA y destruir valor. El crecimiento de las GPA es favorable para una empresa que obtiene una alta rentabilidad sobre el capital invertido, neutro cuando la rentabilidad iguala el costo del capital y perjudicial cuando queda por debajo. A pesar de ello, muchas empresas persiguen a toda costa el crecimiento de las GPA, incluso si sacrifican la creación de valor. En la encuesta a directivos financieros, la mayoría de las empresas estaba dispuesta a sacrificar valor económico a largo plazo para alcanzar los resultados de ganancias a corto plazo. Tanto la teoría como la investigación empírica indican que la relación causal entre el crecimiento de las GPA y la creación de valor es, en el mejor de los casos, tenue. Otros estudios muestran que el crecimiento de las ventas también guarda una relación débil con el valor para los accionistas. El recuadro «El problema de las medidas más utilizadas» examina en detalle la relación entre el crecimiento de las ganancias, el crecimiento de las ventas y el valor.
Las empresas también usan medidas no financieras del desempeño, como la calidad de los productos, la seguridad en el trabajo, la lealtad de los clientes, la satisfacción de los empleados y la disposición de un cliente a recomendar un producto. En un artículo de 2003, dos profesores de contabilidad señalaron que «la mayoría de las empresas ha hecho poco por identificar áreas del desempeño no financiero que puedan favorecer la estrategia elegida. Tampoco ha demostrado una relación de causa y efecto entre las mejoras en esas áreas y las mejoras en el flujo de caja, las ganancias o el precio de las acciones». Su encuesta a 157 empresas mostró que solo el 23 % había realizado una modelización amplia para determinar las causas de los efectos que medía. Los investigadores sugieren que al menos el 70 % de las empresas encuestadas no tuvo en cuenta la persistencia ni el valor predictivo de las medidas no financieras. Casi una década después, la mayoría de las empresas seguía sin vincular causa y efecto al elegir sus estadísticas no financieras.
Los mismos investigadores observaron que las empresas que se tomaron el trabajo de medir un factor no financiero y verificar que tuviera un efecto real obtuvieron una rentabilidad sobre el patrimonio de alrededor de 1,5 veces la de las empresas que no dieron esos pasos. La cadena de comida rápida mejoró su desempeño al descubrir que la rotación de los gerentes de local era el indicador decisivo frente a la rotación general de empleados. De manera similar, las empresas que establecen vínculos adecuados entre las medidas no financieras y la creación de valor tienen más probabilidades de mejorar sus resultados.
El problema de las medidas más utilizadas
Las estadísticas más útiles son persistentes, es decir, muestran que el resultado de una acción en un momento dado será similar al de la misma acción en otro momento. También son predictivas, pues vinculan causa y efecto y permiten anticipar el resultado medido. Los estadísticos evalúan la persistencia y el valor predictivo de una medida mediante el coeficiente de correlación, que expresa el grado de relación lineal entre las variables de dos distribuciones. Dicho de manera sencilla, cuando hay una relación fuerte entre dos conjuntos de valores, como el crecimiento de las ventas de un grupo de empresas en dos períodos, los puntos de un gráfico como los que se muestran aquí forman una línea recta. Si las variables carecen de relación, los puntos aparecen dispersos al azar. En este ejemplo, eso indicaría que el crecimiento de las ventas del primer período no predice el del segundo.
Al comparar la variable «crecimiento de las ventas» en dos períodos, el coeficiente de correlación, r, puede tomar valores entre −1,00 y 1,00. Si el crecimiento de las ventas de cada empresa es el mismo en ambos períodos, la correlación positiva es perfecta, r = 1,00, y los puntos forman una recta. Los valores no tienen por qué ser iguales para que la correlación sea perfecta: basta con que los puntos se alineen en una recta. Si el crecimiento de las ventas en los dos períodos no guarda relación, r = 0 y los puntos siguen un patrón aleatorio. Si a los aumentos en un período les corresponden disminuciones en el otro, la correlación inversa es perfecta, r = −1,00, y también se obtiene una recta. Basta una mirada para distinguir una correlación alta, con puntos agrupados cerca de una recta, de una baja, con puntos dispersos al azar.
Cuanto más se aproxima el coeficiente de correlación a 1,00 o a −1,00, mayores son la persistencia y el valor predictivo de la estadística. Cuanto más se acerca a cero, menores son ambos.
Persistencia de ganancias y ventas
Los dos primeros gráficos muestran los coeficientes de correlación del crecimiento de las GPA y de las ventas de más de 300 grandes empresas no financieras de Estados Unidos. Las tasas de crecimiento anual compuesto de 2005–2007, en los ejes horizontales, se comparan con las de 2008–2010, en los ejes verticales. Si el crecimiento de las GPA y de las ventas fuera muy persistente y, por tanto, dependiera de factores que la empresa pudiera controlar, los puntos se agruparían muy cerca de una recta. En realidad, están muy dispersos, lo que revela el papel importante del azar. La correlación es negativa y relativamente débil para el crecimiento de las GPA (r = −0,13) y algo mayor para el crecimiento de las ventas (r = 0,28). Esto concuerda con los resultados de estudios a gran escala.
Gráfico 1. Tasa de crecimiento anual compuesto de las GPA. Eje horizontal: 2005–2007, de −50 % a 200 %. Eje vertical: 2008–2010, de −80 % a 120 %. r = −0,13.
Gráfico 2. Tasa de crecimiento anual compuesto de las ventas. Eje horizontal: 2005–2007, de −40 % a 100 %. Eje vertical: 2008–2010, de −50 % a 50 %. r = 0,28.
Capacidad de predicción del valor
Para evaluar el valor predictivo del crecimiento de las GPA y de las ventas, los dos gráficos siguientes examinan la correlación de cada indicador con la rentabilidad para los accionistas. Los ejes horizontales muestran el crecimiento de las GPA ajustadas y el crecimiento de las ventas. Los ejes verticales muestran la rentabilidad total para los accionistas de cada empresa, menos la rentabilidad total del S&P 500. El crecimiento de las GPA ajustadas presenta una correlación razonablemente buena con el aumento del valor para los accionistas (r = 0,37), de modo que tiene cierta capacidad predictiva. El problema es que resulta difícil pronosticar las ganancias. Como muestra el análisis anterior, el crecimiento de las GPA en un período dice poco sobre lo que sucederá en el siguiente. Los datos de ganancias pueden predecir moderadamente la rentabilidad para los accionistas, pero tienen poca persistencia.
El crecimiento de las ventas es insuficiente como indicador de creación de valor por otro motivo. Aunque es más persistente que el crecimiento de las GPA, su correlación con la rentabilidad total relativa para los accionistas es menor (r = 0,27). Por tanto, las estadísticas de crecimiento de las ventas pueden mostrar cierta persistencia y tienen escasa capacidad predictiva.
Las dos medidas de desempeño más populares tienen, pues, un valor limitado para predecir la rentabilidad para los accionistas. Ninguna reúne ambas cualidades a la vez.
Gráfico 3. Eje horizontal: tasa de crecimiento anual compuesto de las GPA en 2008–2010, de −80 % a 120 %. Eje vertical: rentabilidad total relativa para los accionistas en 2008–2010, de −100 % a 200 %. r = 0,37.
Gráfico 4. Eje horizontal: tasa de crecimiento anual compuesto de las ventas en 2008–2010, de −40 % a 50 %. Eje vertical: rentabilidad total relativa para los accionistas en 2008–2010, de −100 % a 200 %. r = 0,27.
Los peligros de la intuición
Para identificar estadísticas útiles hay que comprender bien la relación entre causa y efecto. Si desconocemos qué produce la satisfacción del cliente, por ejemplo, no podremos identificar los indicadores que ayudarían a mejorarla. Parece evidente, pero sorprende lo a menudo que las personas atribuyen un resultado a la causa equivocada. Ese error nace de un deseo innato de encontrar causas y efectos en toda situación y construir un relato que conecte hechos incluso cuando no están relacionados.
El método más común de enseñanza de la gestión empresarial consiste en buscar empresas exitosas, identificar qué prácticas tienen en común y recomendar a los directivos que las imiten. Quizá el libro más conocido que sigue este método sea Good to Great. Su autor y su equipo analizaron miles de empresas y seleccionaron 11 cuyo desempeño pasó de bueno a excelente. Después identificaron las prácticas que, a su juicio, explicaban la mejora, entre ellas el liderazgo, las personas, un enfoque basado en hechos, la concentración en lo esencial, la disciplina y el uso de la tecnología. Propusieron que otras empresas las adoptaran para conseguir resultados igual de buenos. La fórmula es intuitiva, se apoya en historias convincentes y ha vendido millones de ejemplares.
Si la causalidad fuera clara, el enfoque funcionaría. El problema es que el desempeño de una empresa casi siempre depende tanto de la habilidad como de la suerte, de modo que una estrategia determinada solo funciona parte de las veces. Algunas empresas que la aplican tienen éxito y otras fracasan. Si la muestra incluye solo a las ganadoras, podríamos equivocarnos al atribuir su éxito a una estrategia concreta. La pregunta más importante es cuántas de las empresas que probaron esa estrategia realmente tuvieron éxito.
Un profesor de estrategia llama a esto «subrepresentación de los fracasos en la muestra». Su argumento es que las empresas con mal desempeño tienen pocas probabilidades de sobrevivir y, por tanto, quedan fuera del grupo observado. Supongamos que dos empresas siguen la misma estrategia y que una tiene éxito por suerte mientras la otra fracasa. Si seleccionamos la muestra en función del resultado, observaremos a la empresa exitosa y daremos por hecho que su resultado favorable se debió a su habilidad. Al pasar por alto la influencia del azar, atribuiremos una relación causal donde no la hay.
Cuando la suerte influye en las consecuencias de las decisiones, como suele pasar en los negocios, conviene estudiar la estrategia para saber si produjo buenos resultados de forma consistente. Partir del éxito para inferir una buena estrategia puede inducir a error. Para este análisis son indispensables las estadísticas persistentes y predictivas, que vinculan causa y efecto de forma fiable.

Cómo elegir las estadísticas
Este proceso permite elegir indicadores para comprender, seguir y gestionar las relaciones de causa y efecto que determinan el desempeño de una empresa. Lo ilustraré de forma simplificada con un banco minorista, a partir del análisis de 115 bancos que realizaron dos investigadores universitarios. Dejemos de lado por un momento las métricas que usamos hoy y las que recomiendan los analistas de Wall Street o los banqueros. Partamos de cero y recorramos los cuatro pasos en orden.
1. Define el objetivo rector
Un objetivo claro es esencial para el éxito de la empresa porque orienta la asignación del capital. Crear valor económico es un objetivo rector lógico para una empresa que opera en un sistema de libre mercado. Una compañía puede elegir otro, como maximizar su longevidad. Supongamos que el banco minorista busca crear valor económico.
2. Formula una teoría de causa y efecto
Los tres factores financieros que suelen citarse como impulsores de la creación de valor son las ventas, los costos y las inversiones. Los factores más específicos varían de una empresa a otra. Pueden incluir el crecimiento de las ganancias, el crecimiento del flujo de caja y la rentabilidad sobre el capital invertido.
Las medidas financieras no abarcan todas las actividades que crean valor. También es preciso evaluar medidas no financieras, como la lealtad y la satisfacción de los clientes o la calidad del producto, y determinar si pueden vincularse directamente con las medidas financieras que en último término generan valor. Como vimos, el vínculo entre la creación de valor y estas medidas financieras y no financieras varía y se debe evaluar caso por caso.
El banco parte de la teoría de que la satisfacción de los clientes aumenta el uso de los servicios bancarios y que ese uso es el principal motor de creación de valor. La teoría vincula un factor no financiero con uno financiero. El banco mide estadísticamente las correlaciones para comprobar la teoría y constata que los clientes satisfechos usan más servicios. Esto le permite aumentar las ganancias en efectivo y obtener una rentabilidad atractiva sobre los activos, dos indicadores de creación de valor. Tras determinar que la satisfacción del cliente se vincula de forma persistente y predictiva con la rentabilidad sobre los activos, el banco debe averiguar qué actividades de sus empleados generan esa satisfacción.
3. Identifica actividades concretas
La tarea consiste en vincular el objetivo con las medidas que los empleados pueden controlar mediante su habilidad. La relación entre esas actividades y el objetivo también debe ser persistente y predictiva.
En el paso anterior, el banco determinó que la satisfacción del cliente impulsa la creación de valor, es decir, que tiene capacidad predictiva. Ahora debe identificar qué factores generan satisfacción de manera fiable. El análisis estadístico muestra que influyen las tasas de interés que reciben los clientes en sus préstamos, la rapidez con que se tramitan esos préstamos y una baja rotación del personal de caja. Como los empleados y la dirección pueden controlar estos factores, son persistentes. Con esta información, el banco puede asegurarse, por ejemplo, de que su proceso de revisión y aprobación de préstamos sea rápido y eficiente.
4. Reevalúa las estadísticas
Por último, hay que reevaluar periódicamente los indicadores que vinculan las actividades de los empleados con el objetivo rector. Los factores que impulsan el valor cambian con el tiempo y las estadísticas deben cambiar con ellos. Por ejemplo, si cambia la composición demográfica de la clientela del banco minorista, este debe revisar qué determina su satisfacción. A medida que los clientes se vuelven más jóvenes y hábiles en el uso de herramientas digitales, la rotación del personal de caja pierde relevancia, mientras que la interfaz en línea y el servicio al cliente ganan importancia.
Conclusión
Las empresas tienen acceso a un volumen creciente de estadísticas que podrían mejorar su desempeño, pero sus directivos siguen aferrándose a métodos anticuados y a menudo defectuosos para elegir indicadores. Antes, podían arreglárselas guiándose por la intuición e ignorando las estadísticas adecuadas porque todos hacían lo mismo. Hoy, utilizarlas es necesario para competir. La ventaja estará en identificarlas y aprovecharlas antes que los competidores.
Te dejo un desafío
Elige un indicador que tu equipo revise con frecuencia. Escribe qué objetivo representa, qué actividad concreta pueden influir las personas y qué evidencia muestra que el indicador anticipa ese resultado. Si falta una de esas respuestas, acuerden cómo comprobarla antes de usar la cifra para decidir.
