Ralun

Ralun / Guías de desempeño

Por qué las empresas fallan al medir el desempeño no financiero

Isotipo oficial de RalunRalun · Lectura estimada: 17 min
CompartirLinkedInFacebook
Enlace

Selecciona el enlace y usa la opción Copiar de tu dispositivo.

Correo
Una analista evalúa indicadores de clientes, innovación, rotación y calidad frente a un resultado desconectado; retrato monocromo, papel crema y un trazo violeta.

Indicadores no financieros y estrategia

Tu tablero puede mostrar patentes, satisfacción y calidad en verde mientras el negocio toma peores decisiones.El problema surge cuando una cifra no representa bien el resultado esperado o se usa como meta sin comprobar su relación con la estrategia.Este artículo recorre cuatro errores de medición y un proceso para elegir, validar y revisar indicadores no financieros.

La satisfacción de los clientes, la rotación de trabajadores, la innovación y la calidad pueden complementar los estados financieros y anticipar resultados futuros. Pero muchas organizaciones eligen mal esos indicadores, no comprueban sus relaciones con el negocio o terminan incentivando comportamientos contraproducentes.

Los indicadores financieros son indispensables, pero describen principalmente resultados ya obtenidos. Cuando una inversión ha fracasado y sus consecuencias aparecen en la rentabilidad, puede ser demasiado tarde para corregirla.

Por eso, muchas empresas han incorporado indicadores no financieros: experiencia de clientes, productividad de investigación y desarrollo, calidad de procesos, permanencia de trabajadores o capacidad de innovación.

Bien elegidos, estos indicadores permiten detectar cambios antes de que aparezcan en los resultados económicos. También ayudan a los trabajadores a comprender qué acciones contribuyen a la estrategia y ofrecen a los inversionistas información sobre activos intangibles que la contabilidad tradicional no refleja completamente.

El problema es que pocas organizaciones consiguen todos esos beneficios.

Una investigación basada en trabajo de campo en más de 60 empresas industriales y de servicios, complementada con encuestas a 297 ejecutivos, identificó errores recurrentes.

La conclusión es incómoda: medir más cosas no significa comprender mejor el desempeño. Sin una conexión comprobada con la estrategia, los indicadores pueden convertirse en ruido, incentivar manipulaciones y llevar a inversiones equivocadas.

Cuando una buena métrica produce una mala decisión

Consideremos tres ejemplos.

Una empresa de servicios de información comenzó a evaluar a sus directivos por la cantidad de patentes registradas cada año. La idea surgió porque un competidor exitoso tenía muchas patentes.

Sin embargo, el sistema no examinaba si las patentes se utilizaban, si recuperaban sus costos o si habría sido más eficiente licenciar tecnología desarrollada por terceros.

El número de patentes podía crecer sin que aumentara el valor de la innovación.

En otro caso, un banco vinculó los bonos de sus responsables de sucursal con la satisfacción de los clientes.

La encuesta utilizada solo incluía a quienes visitaban físicamente las sucursales. Un responsable con malos resultados anteriores decidió ofrecer alimentos y bebidas gratis a los visitantes para mejorar su experiencia inmediata.

La puntuación podía subir sin que se resolvieran problemas de servicio importantes.

En una empresa de componentes industriales, las jefaturas consiguieron cumplir sus metas de calidad reclasificando como aceptables defectos que antes habrían provocado el rechazo de una pieza.

El indicador mejoró, pero la calidad real no necesariamente lo hizo.

Estos casos muestran una tensión fundamental: cuando una cifra se convierte en objetivo o recompensa, las personas pueden encontrar maneras de mejorarla sin mejorar el resultado que pretendía representar.

Las medidas no financieras no están libres de manipulación. De hecho, pueden ser especialmente vulnerables cuando sus definiciones son ambiguas y no existen reglas de control equivalentes a las de la contabilidad.

1. Conectar los indicadores con la estrategia

Una organización puede disponer de cientos o miles de medidas posibles. La dificultad no es encontrarlas, sino seleccionar cuáles reflejan los factores que realmente crean valor.

Muchas empresas adoptan marcos de medición conocidos como si fueran listas universales de indicadores.

Un cuadro de mando puede organizar objetivos en resultados financieros, clientes, procesos internos y aprendizaje. Esa estructura es útil, pero no indica automáticamente qué actividades son decisivas para una estrategia concreta.

En algunas organizaciones, los responsables terminan buscando un indicador para cada categoría simplemente porque el formulario tiene una casilla disponible.

El resultado es un tablero equilibrado en apariencia y desconectado de las prioridades reales.

La alternativa es construir un modelo de impulsores de valor: una representación de las relaciones que se espera que existan entre prácticas, resultados intermedios y desempeño económico.

Por ejemplo, una cadena de servicios puede plantear esta secuencia:

  • Mejor selección y preparación de trabajadores.
  • Mayor satisfacción y mejores condiciones para desempeñarse.
  • Mejor calidad y oportunidad de atención.
  • Mayor satisfacción de clientes.
  • Más visitas, recomendaciones y permanencia.
  • Crecimiento sostenido de ventas y generación de efectivo.

La cadena permite elegir indicadores para cada relación y preguntar si las hipótesis se cumplen.

No basta con colocar flechas en un diagrama. El modelo debe expresar relaciones plausibles que puedan investigarse.

En la investigación, menos del 30% de las organizaciones encuestadas había desarrollado modelos de este tipo.

2. Comprobar las relaciones

Incluso cuando una empresa construye un modelo de causa y efecto, puede asumir que sus relaciones son evidentes y no comprobarlas.

Solo el 21% de las organizaciones encuestadas había validado que las mejoras en indicadores no financieros se relacionaran con resultados económicos futuros.

La suposición típica es que mayor satisfacción, menor rotación o más lanzamientos de productos siempre conducirán a mejores resultados.

Pero el efecto puede depender del tipo de trabajador, cliente o producto.

El ejemplo de la rotación

Una cadena de establecimientos de alimentación consideraba que la rotación de personal era una variable crítica.

Su hipótesis era sencilla: menos salidas producirían mayor satisfacción laboral, mejor servicio y mayor rentabilidad.

La empresa llegó a estudiar bonos y beneficios para quienes cumplieran un año de permanencia.

Sin embargo, el análisis mostró que establecimientos con la misma tasa total de rotación podían tener rentabilidades muy diferentes.

Una tasa anual de rotación del 150% podía ocultar situaciones distintas.

En un establecimiento, la rotación afectaba también a responsables y supervisores.

En otro, la salida se concentraba en trabajadores de funciones operativas, mientras que las jefaturas permanecían relativamente estables.

Lo que distinguía la rentabilidad era especialmente la rotación de supervisores, no la rotación general de trabajadores de menor nivel.

La empresa no estaba equivocada al considerar importante la permanencia. Su error era medirla de forma demasiado agregada.

Si hubiera invertido indiscriminadamente para reducir toda la rotación, podría haber gastado mucho sin conseguir el resultado esperado.

La enseñanza es que una medida general puede ocultar segmentos decisivos.

El ejemplo de las alianzas

Otra empresa suponía que crear alianzas con proveedores tecnológicos mejoraría sus servicios, fortalecería la relación con clientes y aumentaría las renovaciones de contratos.

La organización dedicó recursos a construir alianzas y medir su avance.

Sin embargo, los investigadores no encontraron evidencia de que esas alianzas mejoraran las posibilidades de conseguir nuevos contratos o renovar los existentes.

La actividad parecía estratégicamente razonable, pero no estaba produciendo la relación esperada.

El problema no era medir las alianzas. Era invertir en ellas sin comprobar su contribución real.

El costo de no saber qué importa

Cuando las organizaciones no identifican los impulsores relevantes, suelen responder incorporando más indicadores.

Un tablero de una empresa de financiamiento llegó a reunir cerca de 300 medidas.

Su dirección reconoció que era imposible gestionar el negocio con tanta información y que necesitaba conocer las aproximadamente veinte cifras que realmente explicaban cómo estaba funcionando.

El exceso de métricas tiene varios costos.

  • Dificulta distinguir información relevante de ruido.
  • Dispersa la atención de las jefaturas.
  • Complica decidir dónde invertir recursos.
  • Hace difícil determinar cuánto debería pesar cada indicador en una evaluación o un bono.

Sin evidencia, algunas empresas asignan el mismo peso a todas las medidas por comodidad.

Otras priorizan las métricas más populares, las que los directivos consideran importantes por intuición o las que tienen metas más fáciles de cumplir.

Ninguna de estas soluciones garantiza que los pesos reflejen la estrategia.

La pregunta correcta no es cuántas métricas podemos incluir, sino cuáles aportan información útil sobre la creación de valor.

Qué diferencia produce validar el modelo

Una de las encuestas incluyó 157 empresas.

De ellas, aproximadamente el 23% desarrollaba y comprobaba de forma consistente modelos que vinculaban impulsores de desempeño con resultados.

En el análisis, ese grupo mostró, en promedio, una rentabilidad sobre activos ajustada por industria 2,95 puntos porcentuales superior y una rentabilidad sobre patrimonio 5,14 puntos porcentuales superior a la de las organizaciones que no utilizaban esos modelos.

El estudio utilizó medidas de rentabilidad de cinco años comparadas con la mediana del sector.

Estos resultados son asociaciones, no una prueba de que construir un modelo causal produzca por sí solo esas mejoras.

Sin embargo, muestran por qué puede ser valioso comprobar qué actividades están relacionadas con resultados económicos.

Las organizaciones que investigan sus hipótesis pueden orientar inversiones de manera más informada que las que se limitan a adoptar indicadores por costumbre.

3. Establecer metas adecuadas

Una mejora en un indicador no financiero no siempre produce beneficios crecientes.

Puede existir un punto a partir del cual seguir mejorándolo aporta poco valor o incluso genera costos superiores al beneficio.

El ejemplo de la satisfacción de clientes

Una empresa de telecomunicaciones decidió buscar el 100% de satisfacción en todos sus clientes.

La intención parecía impecable: si los clientes están más satisfechos, deberían comprar más y permanecer.

Pero la organización no había comprobado la relación entre satisfacción, ingresos y rentabilidad de cada cliente.

El análisis mostró que la relación existía solo hasta cierto nivel.

Los clientes completamente satisfechos no gastaban más que quienes registraban aproximadamente un 80% de satisfacción.

Conseguir los últimos puntos exigía inversiones adicionales sin un retorno económico equivalente.

Esto no significa que una empresa deba conformarse siempre con un 80% de satisfacción. El umbral es específico del caso.

La enseñanza es que la meta óptima no siempre es el valor máximo de la escala.

Conviene investigar cuándo una mejora adicional deja de contribuir de manera relevante al resultado buscado.

El problema del tiempo

Las mejoras no financieras suelen tardar en reflejarse en resultados económicos.

Una inversión en formación, desarrollo de producto o experiencia del cliente puede elevar costos antes de generar ingresos.

Si la organización solo acepta iniciativas con retornos inmediatos, puede abandonar proyectos de mayor valor a largo plazo.

Cuando se conocen razonablemente los plazos y magnitudes esperados, pueden establecerse metas financieras intermedias que reconozcan ese desfase.

La dirección debe distinguir entre una estrategia que necesita tiempo para producir resultados y una estrategia cuyas hipótesis no funcionan.

4. Medir correctamente

Incluso cuando una organización selecciona los factores correctos y construye relaciones plausibles, puede fracasar al medirlos.

La investigación encontró que al menos el 70% de las empresas utilizaba métricas con problemas de validez estadística o confiabilidad.

La validez indica si una medida representa realmente aquello que pretende medir.

La confiabilidad indica si el procedimiento produce resultados consistentes y detecta cambios reales sin introducir errores importantes.

Ambas son necesarias.

Encuestas demasiado simples

Algunas organizaciones intentan medir fenómenos complejos mediante una o dos preguntas.

Después reducen las respuestas a escalas muy generales, como de uno a cinco.

A veces simplifican aún más: consideran satisfechas a todas las personas que responden cuatro o cinco e insatisfechas a las que responden entre uno y tres.

Este procedimiento puede ocultar diferencias relevantes y dificultar la predicción de resultados.

La facilidad de interpretación no debe confundirse con calidad de medición.

Datos recogidos en niveles incompatibles

Una organización puede medir satisfacción de clientes por persona, desempeño de trabajadores por región y operaciones por proyecto.

Después intenta estudiar cómo el desempeño individual afecta la experiencia de clientes y la rentabilidad de proyectos.

El análisis resulta imposible o poco confiable porque los datos no se pueden relacionar en un mismo nivel.

Antes de recoger información, hay que decidir qué comparaciones se necesitan.

Cuando no es posible anticipar todas las preguntas, conviene utilizar identificadores consistentes en las unidades más pequeñas que se miden, respetando privacidad y protección de datos.

Eso permite agregar información posteriormente sin perder la posibilidad de establecer relaciones.

Definiciones diferentes entre áreas

Un mismo indicador puede significar cosas distintas en unidades de la misma empresa.

Por ejemplo, unas plantas pueden medir rotación total y otras solo rotación voluntaria.

Otra organización encargó a tres equipos internos medir su reputación. Cada uno utilizó una metodología diferente y obtuvo resultados contradictorios.

En estas condiciones, las comparaciones entre unidades pueden resultar engañosas.

La solución exige definiciones, períodos, fuentes y métodos consistentes.

Lo difícil de medir también importa

El liderazgo, las relaciones con proveedores y otros activos intangibles son difíciles de cuantificar.

Algunas empresas evitan medirlos por esa razón.

En una encuesta citada por el artículo, el 55% de los ejecutivos señaló la resistencia a medir actividades difíciles de cuantificar como el principal obstáculo para implementar sistemas estratégicos de medición.

Cerca de la mitad de los usuarios de cuadros de mando de otra encuesta reconoció dificultades para cuantificar resultados cualitativos.

Abandonar estas dimensiones puede producir una visión incompleta del desempeño.

Pero utilizar medidas poco confiables también puede generar decisiones sesgadas.

La respuesta es mejorar los instrumentos y contrastar fuentes, no ignorar los fenómenos importantes.

Un proceso para mejorar la medición

Los cuatro errores comparten una causa: no investigar suficientemente qué factores no financieros influyen en los resultados de largo plazo.

El artículo propone un proceso para construir modelos de medición más útiles.

Desarrollar un modelo causal

Parte de la estrategia.

Identifica qué resultados quieres conseguir y qué actividades deberían contribuir a ellos.

Representa las relaciones esperadas entre prácticas, procesos, clientes y resultados económicos.

Si la estrategia es demasiado vaga, quizá sea necesario formular y probar varios modelos alternativos antes de decidir cuál utilizar.

El objetivo es crear una explicación contrastable de cómo se genera valor.

Reunir los datos disponibles

Antes de diseñar nuevas encuestas, inventaría las bases de datos existentes.

La información útil puede encontrarse en sistemas de compras, producción, atención de clientes, recursos humanos y finanzas.

Esta revisión también ayuda a detectar definiciones inconsistentes.

Si faltan datos, comienza con una hipótesis acotada.

Por ejemplo, si se cree que la formación mejora la satisfacción laboral, introduce una intervención concreta y mide de manera consistente si la satisfacción cambia.

No es necesario construir un sistema enorme antes de empezar a aprender.

Evitar los silos de información

Los datos suelen estar repartidos entre áreas que no comparten sus registros.

El artículo describe un fabricante que quería saber si los defectos de producción generaban reclamaciones de garantía.

La información comercial y la operativa estaban en manos de equipos distintos y no se compartía.

Fue necesaria la intervención de un directivo para permitir el análisis.

Una organización no puede comprobar relaciones entre procesos si cada área protege sus datos como un territorio propio.

Transformar datos en información

Las correlaciones y regresiones múltiples pueden ayudar a investigar relaciones entre indicadores.

En una organización con muchos establecimientos, por ejemplo, se pueden comparar prácticas de gestión, satisfacción de clientes y resultados económicos para identificar las variables más asociadas con el desempeño.

Una cadena comercial utilizó análisis de este tipo para seleccionar, entre cientos de indicadores posibles, un conjunto reducido de factores relevantes.

Las técnicas estadísticas no sustituyen el criterio ni garantizan causalidad. Ayudan a comprobar si las relaciones supuestas son compatibles con la evidencia.

Complementar los números con investigación cualitativa

Las entrevistas y grupos de discusión permiten cuestionar supuestos que parecen evidentes.

Un proveedor industrial creía que la calidad de su sistema de facturación era fundamental para retener clientes.

Comenzó a preparar una inversión en un nuevo sistema.

Pero las entrevistas mostraron que los clientes consideraban mucho más importante la asistencia técnica.

La empresa canceló la inversión prevista en facturación y destinó recursos a incorporar y formar especialistas técnicos.

El ejemplo demuestra que preguntar a las personas correctas puede evitar inversiones costosas en factores que no son decisivos.

Revisar continuamente el modelo

Un modelo de relaciones estratégicas no debería construirse una vez y olvidarse.

La competencia, la tecnología y las necesidades de clientes cambian.

Una actividad que antes impulsaba resultados puede perder importancia.

Incluso en entornos estables, los análisis periódicos permiten comprender mejor los factores que generan valor.

Por ejemplo, si el ausentismo está relacionado con productividad, la organización necesita investigar qué lo explica: remuneración, condiciones de trabajo, liderazgo u otras causas.

Una empresa tecnológica descrita en el artículo reunía trimestralmente datos operativos, contables y comerciales.

Un equipo transversal formulaba hipótesis, realizaba análisis y presentaba los resultados a la dirección.

Cada revisión generaba nuevas preguntas que se estudiaban en el trimestre siguiente.

El valor del proceso estaba en aprender de manera continua, no en confirmar una hipótesis inicial.

Cómo se realizó la investigación

El trabajo combinó entrevistas y estudios de campo en más de 60 organizaciones industriales y de servicios.

En 14 de ellas, los investigadores examinaron específicamente si los indicadores no financieros seleccionados por su supuesta contribución económica estaban realmente relacionados con resultados futuros.

La investigación se complementó con dos encuestas.

La primera reunió respuestas de 157 directores financieros y otros altos ejecutivos de distintos sectores. Se examinó qué medidas utilizaban, si comprobaban sus relaciones con el desempeño y si desarrollaban modelos que conectaran indicadores financieros y no financieros.

La segunda reunió respuestas de 140 ejecutivos del sector financiero, incluidos bancos, aseguradoras y otras instituciones.

En total, las dos encuestas aportaron 297 respuestas de ejecutivos.

Esta metodología permite identificar prácticas y asociaciones, aunque no convierte todas las relaciones observadas en efectos causales demostrados.

Una guía para revisar tus indicadores

Antes de incorporar o mantener una métrica, responde estas preguntas:

  • ¿Qué objetivo estratégico representa?
  • ¿Qué comportamiento debería promover?
  • ¿Qué resultado posterior esperamos que mejore?
  • ¿Existe evidencia de esa relación?
  • ¿La relación depende de un segmento, función o tipo de cliente?
  • ¿En qué nivel se recogerán los datos?
  • ¿La definición es la misma en todas las unidades?
  • ¿El instrumento es válido y confiable?
  • ¿Qué ocurrirá si las personas intentan maximizar la cifra?
  • ¿Existe un punto a partir del cual mejorarla ya no aporta valor?
  • ¿Cuánto tiempo debería transcurrir antes de observar un efecto económico?
  • ¿Qué decisión concreta tomaremos si el indicador cambia?
  • ¿Cuándo volveremos a comprobar que sigue siendo útil?

Si no puedes responder estas preguntas, quizá la métrica todavía no está preparada para convertirse en una meta de gestión o en la base de un incentivo.

Conclusión

Los indicadores no financieros pueden ofrecer una visión mucho más completa del desempeño que los resultados contables por sí solos.

Pero su valor no depende de la cantidad de cifras disponibles.

Depende de identificar qué prácticas y procesos son relevantes para la estrategia, comprobar sus relaciones con resultados, establecer metas razonables y medir con instrumentos confiables.

Las organizaciones que se limitan a copiar tableros corren el riesgo de medir actividades irrelevantes, recompensar comportamientos equivocados y gastar recursos donde no producen valor.

La disciplina consiste en formular hipótesis, contrastarlas con datos, escuchar a los grupos relevantes y revisar las conclusiones periódicamente.

La pregunta no es «¿qué más podemos medir?».

Es «¿qué necesitamos comprender para tomar mejores decisiones?».

Luis Grau

Te dejo un desafío

Elige un indicador no financiero que influya en una decisión real. Escribe qué resultado debería anticipar, cómo comprobarás esa relación y qué comportamiento indeseado podría producir. Acuerda cuándo revisarás la evidencia y si la métrica debe cambiar.

CompartirLinkedInFacebook
Enlace

Selecciona el enlace y usa la opción Copiar de tu dispositivo.

Correo