Professional Documents
Culture Documents
2
Indice.
Introducción.................................................................................4
Objetivos...................................................................................8
Capitulo I: Aproximación Teórica. ...................................................9
Marco de las principales escuelas teóricas sobre aglomeraciones
geográficas, clusters regionales y Redes.......................................9
Las teorías de la localización y de geografía económica. ..............11
Teoría de los encadenamientos................................................13
La teoría de interacción y los “distritos industriales”....................14
Teoría de los Clusters Industriales............................................17
Configuración de un marco teórico integral.................................49
Nuevo enfoque en la integración de clusters (Redes de valor )......59
Definir una red de valor..........................................................60
El cliente elige.......................................................................60
Capitulo II. Metodología de Estudio de Casos y Análisis para un Cluster
Industrial...................................................................................64
Metodología Estudio de Casos.....................................................64
Definición De La Metodología De Deteccion E Identificación De Clusters
Industriales..............................................................................79
Propuesta Metodologíca para el análisis de un Cluster Industrial....145
Bibliografía...............................................................................181
3
Introducción.
4
objeto del estudio. Es decir, se suele asumir la presencia del cluster que
se analiza sin contrastar previamente de forma rigurosa su existencia.
Aun en el caso en que en ese tipo de estudios se hayan definido unos
criterios para mostrar la presencia de los clusters, el inconveniente es
que dichos criterios suelen ser particulares a cada caso analizado,
pudiendo verse afectados por diferencias en la escala geográfica y
sectorial considerada. Son precisamente estas circunstancias las que
han motivado recientemente la necesidad de establecer una
metodología que permita identificar sistemática, robusta y
objetivamente clusters industriales y conocer su ubicación precisa en el
territorio, en lo que ha dado en denominarse como mapeado de clusters
(cluster mapping en la nomenclatura anglosajona). De esta forma, han
aparecido recientemente aportaciones que sugieren métodos que,
apoyándose en la definición de cluster industrial, establecen criterios
estadísticos para su detección e identificación. Estos métodos han sido
ya aplicados a diversas economías habiendo permitido obtener los
mapas de, por ejemplo, los Estados Unidos, Gran Bretaña, Suecia,
Francia y Alemania
5
de estos. Adicionalmente, resulta conveniente valorar a priori i) la
disponibilidad de información estadística de base, en su vertiente
sectorial y territorial, ii) las magnitudes económicas de las que se
requeriría información, dado que la misma podría condicionar la
aplicación de algunos de los métodos disponibles, iii) la complejidad que
entrañaría la implementación de cada uno de los métodos disponibles,
dado que esta circunstancia puede condicionar seriamente las
posibilidades de actualización y extensión posterior del análisis a
ámbitos territoriales y sectoriales concretos y iv) proponer una nueva
metodología para este tipo de estudios.
6
asociada a aleatoriedad. Por esta razón lo denominamos en el informe
como “método basado en la comparación de distribuciones”.
7
Objetivos
8
Capitulo I: Aproximación Teórica.
9
Figura 3.
10
política industrial y territorio, concurriendo de un modo relevante a
determinar el destino de los contextos locales y regionales. Para tratar
de desentrañar la complejidad en la formación de estas aglomeraciones
se hará una revisión de los enfoques teóricos, que han dado un cuerpo
sólido a la actual fundamentación de los conglomerados, como una
opción clara de desarrollo en determinadas localidades.
11
distancias, un centro industrial genera lo que Krugman denomina
ósmosis tecnológica (technological spillovers).
12
cómo deberían comportarse las actividades, en forma ideal, bajo las
suposiciones establecidas.
13
propios de la empresa o la industria que aumentan los beneficios de
llevar a cabo una integración hacia atrás: alta inelasticidad de la
demanda de recursos, existencia de economías de escala en la
producción del bien final y mala relación con los proveedores.
14
empresas en el “distrito”. En este sentido, la continua interacción en una
localidad genera derrames tecnológicos, economías externas y
economías de escala para el conjunto de empresas del “distrito”.
15
dependent) que no pueden ser replicados a voluntad. Junto a este
modelo entra en juego uno de los cambios más significativos en el
mundo industrial, como el de la transición de la producción masiva
fondista (basada en economías de escala internas a las empresas y en
series productivas largas) a métodos más flexibles de producción en
muchos sectores industriales, lo que se ha venido a llamar la
especialización flexible. La obra pionera de Piore y Sabel en 1984,
denominada la segunda ruptura industrial, establece que en este marco
posfordista, la pequeña empresa gana protagonismo, así como la
tecnología avanzada pero flexible.
El mismo autor observa al modelo del distrito industrial como una forma
de organización de la producción en el que, claramente, el papel de las
fuerzas sociales locales es muy importante y en donde surgen
oportunidades para procesos autónomos de desarrollo a niveles locales y
regionales, de carácter endógeno.
16
noción de competencia cooperativa (coopetencia) y el carácter
puramente local de la dinámica del distrito (Bustamante, 2005:205).
Para superar estas limitaciones surge el concepto de medio o entorno
innovador, que comprende elementos de red, aprendizaje colectivo y
externalidades. La primera definición de este sistema fue propuesta por
el economista inglés de la escuela de Sussex, (Bustamante,2005:205).
Lo identificaba como la red de instituciones en el sector público y
privado cuyas actividades e interacciones producen y difunden nuevas
tecnologías a escala nacional. A su vez, este enfoque evolucionó y dio
forma al enfoque del sistema nacional de innovación (SNI). A juicio de
Chudnovsky (1999:170), los elementos definitorios del SNI son la
innovación, entendida como un proceso interactivo de producción y
difusión de tecnología, y el aprendizaje colectivo.
17
transacción, la aceleración del aprendizaje y la difusión del
conocimiento. Este enfoque, sin embargo, no fue del todo novedoso, ya
que en Europa (especialmente Italia) había una vasta experiencia de
investigación sobre distritos industriales, que indicaba similares
externalidades derivadas del efecto aglomeración. En términos
generales, no existe discusión en cuanto a la definición de complejo
productivo. A continuación se presenta una definición que sintetiza la
visión generalizada de este concepto, según The Cluster
Competitiveness Group (2002:3):
18
alcanzan, entre otros factores, mediante los costos fijos y las
indivisibilidades, los cuales son distribuidos entre el conjunto de
empresas.
19
Esta nueva sistematización teórica (Krugman, 1992:9) constituye una
verdadera teoría general de la nueva economía espacial que subsume
todos los modelos anteriores.
20
innovación de los otros. Los estudios desarrollados inicialmente en
Francia, de las llamadas “filières” o líneas, en que se analizaban las
relaciones proveedor-usuario (sea tal provisión de bienes, de servicios,
de conocimiento o de otro tipo), constituirían un clásico ejemplo de este
tipo de enfoque.
21
Cabe concebir, sin embargo, tal como antes hemos señalado,
agrupaciones de empresas pertenecientes a sectores diferentes que
presentan características similares, o agrupaciones de sectores que aun
poseyendo un diferente código CNAE, presentan patrones de compras y
ventas similares, o un patrón tecnológico equivalente y en los que la
relación de colaboración y cooperación pudieran alcanzar niveles
significativos.
22
Flujos de productos o de conocimientos/innovación
Tal como indica Hoen, la mayoría de los estudios teóricos de los cluster
versan sobre difusión de innovaciones, dado que se pretende conocer
los factores que inciden en el desarrollo de nuevas tecnologías y del
conocimiento y, así, poder generar un mayor crecimiento económico1.
Sin embargo, la mayoría de los estudios empíricos están basados en
análisis de vínculos en la cadena de valor, debido entre otras cosas a la
mayor disponibilidad de datos (básicamente, provenientes de las tablas
input-output) que hay para la realización de tal tipo de estudios. Esa
tensión entre el foco de atención de los análisis teóricos y metas de
política, por un lado, y el de los análisis empíricos, por otro lado, no
resulta tan grave, según Hoen, puesto que las empresas que cooperan
en un cluster estarán situadas normalmente en diferentes sectores y,
además, las empresas involucradas en esfuerzos innovadores
1
Bell y Albu (1999), por ejemplo, propugnan que los análisis de clusters se centren en el estudio de los
sistemas de conocimientos, en lugar de hacerlo, como ha sido más habitual, en los de sistemas de producción.
23
combinados estarán probablemente ligadas también en una cadena de
producción. Como consecuencia de ello, los patrones de difusión de las
innovaciones se asemejan a los patrones de los vínculos de la tabla
input-output y los resultados empíricos de los estudios basados en
vínculos productivos pueden ser usados para extraer conclusiones
acerca de la cooperación de las empresas en esfuerzos innovadores2.
2
Hoen hace referencia, en apoyo de sus afirmaciones, de los estudios de Porter (1998) y DeBresson (1996).
3
Véase sobre esta discusión de los niveles de los análisis de clusters, Roelandt y Hertog (1998: 19)
24
análisis de benchmarking (o de mejoras prácticas) en ramas
interrelacionadas en una cadena de valor. Señalemos, por otra parte,
que este es el nivel de análisis de clusters más habitual, en buena
medida porque la existencia de datos estadísticos de nivel sectorial
hacen más fácil la realización de estudios cuantitativos, que
adicionalmente resultan más comparables internacionalmente; y por
otra parte, porque la política industrial busca más la creación de
condiciones generales favorables, que favorecer empresas determinadas
(Hoen 1999:14).
25
Según Hendry et al. (1999:16), los lazos existentes en los cluster
pueden tener una base local, nacional o internacional, y en conformidad
con ello podríamos distinguir estos tres niveles geográficos de cluster.
Sin embargo, la mayor parte de los analistas consideran que, entre
otras cosas, por los requerimientos que comporta la transmisión del
conocimiento tácito y el funcionamiento en red, se precisa una cierta
proximidad de los componentes de la red. En tal sentido, cuando, por
ejemplo, Porter (1998: 208) menciona los niveles geográficos en que se
presentan los cluster (países, regiones, zonas metropolitanas y
ciudades), en su enumeración no figura el nivel internacional. E incluso
para analistas como Schmitz y Nadvi, Mccormick, Altenburg y Meyer-
Stamer.el concepto de cluster de Porter (1990) sería demasiado amplio,
por poder extenderse a todo un país y no subrayar suficientemente el
carácter de concentración geográfica que el cluster implica4.
26
nacionales, en especial en el caso de pequeñas regiones y naciones y en
el caso de ciudades fronterizas.”
Como Maskell (2001:5) señala, entre las primeras tareas que debe
abordar la teoría económica del cluster se encuentra la de ofrecer una
explicación para la existencia del cluster. En particular, debería explicar
qué ventajas se derivan de la concentración espacial de empresas
interrelacionadas y por qué tales ventajas no son mayores cuando la
actividad que llevan a cabo tales empresas se aborda por una sola
empresa de gran tamaño.
27
Entre las economías positivas de localización que juegan por el lado de
oferta cabría destacar las siguientes:
28
En cuanto a las economías de localización que juegan por el lado de la
demanda, Swann (1998:70) hace referencia a la existencia de una
demanda local fuerte, a que la firma que se ubica en el cluster puede
apoderarse de parte de la cuota de mercado de sus rivales, a que las
empresas situadas en el cluster pueden ser encontradas más fácilmente
por los clientes (reducción de costes de búsqueda) y a que se generan
externalidades informativas sobre las características y tendencias del
mercado. La principal desventaja, en lo que respecta a la demanda, es
que el aumento de la congestión y competencia en los mercados de
outputs reduce los precios y las ventas y beneficios por empresa. No
obstante, a la postre, según Porter (1998:14) ese aumento de la
competencia resulta beneficioso, por el acicate que supone para la
mejora y la innovación.
Como todos los autores señalan, la importancia que poseen unos u otros
factores varía mucho en función del tipo de actividad predominante en el
cluster, de la fase del ciclo de vida que este atraviesa, del país o región
en que aquél se ubique, etc. De cualquier manera, y a pesar de que no
existen trabajos empíricos que cuantifiquen la importancia de cada uno
de estos factores para el conjunto de la economía, algunos autores se
han atrevido a avanzar opiniones al respecto. Así, por ejemplo, Krugman
(1992:62) considera que el principal factor que impulsa los procesos de
concentración espacial lo constituye el desarrollo de mano de obra,
proveedores, infraestructuras e instituciones especializadas en tales
espacios; para Krugman, los spillovers tecnológicos constituyen un
factor secundario. Para Porter (1998), en cambio, “las ventajas relativas
a la innovación y al crecimiento de la productividad que traen consigo
los cúmulos puede que sean más importantes aún que las obtenidas en
el terreno de la productividad ‘estática’” (p. 226). Por otra parte Porter
subraya que “la reducción de costes derivada de la proximidad a los
29
factores de producción y a los mercados... se ha visto socavada por la
mundialización de los mercados, de las tecnologías y de las fuentes de
suministro, por el aumento de la movilidad y por la reducción de los
costes de comunicación y de transporte.” (p. 219)
30
repetitivos, genera un clima general de confianza y entendimiento que
ayuda a reducir los comportamientos indebidos, impulsa a que
voluntariamente se ofrezca información fiable, conduce a que los
acuerdos se cumplan, sitúa a los negociadores en la misma onda y
facilita que se comparta el conocimiento tácito.
¿Cuál sería entonces –se pregunta Maskell (2001: 8)- la ventaja que
presentarían N empresas de tamaño S cada una, ubicadas en el mismo
lugar y que emprenden actividades relacionadas, frente a una empresa
de tamaño S*N que desarrollara la misma actividad? Según el autor
citado, la respuesta descansa en las específicas formas de creación de
conocimiento disponibles para la empresa individual cuando persigue
objetivos por ella definidos, pero no disponibles para la división de una
gran entidad en la que las instrucciones son recibidas y las acciones se
encuentran restringidas por procedimientos y limitaciones impuestos
desde arriba6. Cada empresa posee una idiosincrasia y una trayectoria
6
Además del razonamiento aportado por Maskell, cabría hacer mención asimismo de las ventajas
(principalmente, la flexibilidad) e inconvenientes (en economías de escala, internacionalización, financiación,
cualificación de trabajadores y gerentes, acceso a información) que presentan las empresas de menor tamaño
con respecto a las grandes, de importancia muy diferente de unos sectores a otros, que inciden en el peso y
evolución relativa que tienen los diferentes tramos de tamaño de empresa en la economía (véase Aranguren
31
tecnológica propia, incluso con respecto a las empresas pertenecientes
al mismo sector, que hace que en el caso de que –como pasa en un
cluster- exista una multiplicidad de empresas desarrollando la misma
actividad, el proceso de innovación y aprendizaje no sea uniforme.
Las diferencias que tienen lugar en las soluciones adoptadas por cada
una de las empresas y los resultados a que dan lugar pueden ser
observados y comparados por las empresas de la misma actividad y
ubicadas en el mismo territorio, de modo que las más exitosas pueden
ser seleccionadas e imitadas por las restantes, incluso en el caso de que
entre las empresas no existan acuerdos de cooperación o interacción. Y
como señala Maskell, a una única empresa multidivisional le resultaría
sumamente difícil, incluso aunque se esforzara, replicar internamente el
proceso de experimentación paralelo que tiene lugar entre empresas
independientes que hacen similares cosas en el cluster, dado que la
existencia dentro de una empresa de visiones que compiten, a menos
que sea cuidadosamente gestionada y de limitado alcance, ocasiona
serios problemas.
1998).
32
Y actividades que no son similares, pero sí complementarias a las de la
empresa, tenderán a ser desarrolladas y coordinadas con algún tipo de
organización intermedia, tal como puede ser la del cluster. En este
sentido, la creciente especialización que está teniendo lugar en la
economía y en las empresas está conduciendo a un creciente
protagonismo de este tipo de organizaciones intermedias entre la
empresa y el mercado.
33
Redes de empresas o de empresas y otras instituciones
34
estudio no se ve tan fuertemente empobrecido y coartado por centrarse
exclusivamente en las relaciones interempresariales7.
De cualquier modo, en la selección de los actores que forman parte del
cluster hay siempre una cierta subjetividad y, especialmente cuando se
incluyen dentro del cluster las organizaciones e instituciones no
productivas, resulta muy difícil establecer un criterio claro que permita
discernir cuáles de ellas han de considerarse en el análisis del cluster y
cuáles no. Como Porter (1998: 208) indica: “Las fronteras de un cúmulo
deben abarcar a todas las empresas, sectores y entidades que tengan
entre sí relaciones sólidas, ya sean verticales, horizontales o
institucionales; aquellas cuyas relaciones sean débiles o inexistentes
pueden quedar al margen sin problema alguno”; pero obviamente, no
hay un criterio fijo o indiscutible para determinar cuándo debe
considerarse que la relación es sólida o débil8.
7
Dependiendo del nivel profundidad organizacional e institucional, podrían establecerse categorías
específicas de clusters. Así, por ejemplo, Altenburg y Meyer-Stamer (1999: 1694), tras definir lo que para
ellos constituye un cluster (a saber: una aglomeración considerable de empresas en un área espacialmente
delimitada, que posee un perfil de especialización distintivo y en la que existe una especialización y comercio
interempresarial sustancial), indican que los distritos industriales podrían considerarse un tipo específico de
cluster, a saber aquel en que existe una densa estructura basada en valores y normas culturales compartidas y
una compleja red de instituciones que facilita la diseminación del conocimiento y la innovación. (Véase en el
mismo sentido Maskell 2001: 4)
8
Una problemática semejante se presenta en la corriente de los sistemas nacionales y regionales de
innovación. Como se muestra en Navarro (2001), las fronteras de tales sistemas no pueden ser claramente
establecidas mientras no se avance más en el conocimiento de los determinantes de la innovación y, a partir
de ello, de las funciones que cumplen tales sistemas. Una organización o institución puede desempeñar un
papel distinto de unos sistemas (y clusters, diríamos aquí) a otros, y lo que habría que determinar previamente
son las funciones que el sistema (o el cluster) debe desempeñar, y luego ver quién y cómo se desempeñan en
un sistema (o cluster) determinado.
35
adelante, dan lugar a eficiencia colectiva activa) y los restantes tipos de
relación de naturaleza más indirecta o menos finalista9.
9
Mccormick (1999) utiliza indistintamente los términos “cooperación”, “colaboración” y “acción conjunta”
para referirse al operar juntos para un mismo fin; y reserva el término “ligazón” (linkage) para referirse a los
lazos entre firmas que pueden dar lugar o no, a acciones conjuntas.
10
Gelsing (1992) y Schibany et al. (2000) aportan, igualmente, otros criterios distintivos de las redes de
cooperación.
36
componentes de este sistema y de allí inferir el impacto de cada uno de
ellos sobre el sistema total.
Puede verse que las redes, como soporte básico de los clusters, son un
elemento central a considerar. Por ello, la forma en que éstas se
constituyen, su implantación en el territorio, y el tipo de estructura que
adopten tiene efectos decisivos en el logro de las metas para sus
integrantes. Así, las redes más virtuosas pueden gatillar una
11
Carlson, B. & Jacobsson, S., “Variety and Technology: How do techological systems originate, and what are the policy
implications?”, Ponencia presentada a la Conferencia ECLAC/IDRC-UNU/INTECH, Agosto 1995, Marbella, Chile.
37
dinamización del proceso innovativo y operar como focos de desarrollo,
por ejemplo, clusters sinérgicos de firmas y tecnologías, dentro de una
industria o grupo de industrias. También pueden ser redes jerárquicas
de dominación y de menor potencial de desarrollo para los miembros
mas débiles de la cadena.
38
matriz compleja entre estos tres elementos. Es interesante salir de las
dicotomías simplificadoras y plantearse la inter-acción entre elementos
básicos de la estructura, de los proyectos, y su concreción en redes
cotidianas. En Mayer hay aplicaciones al campo electoral (Dewas, India)
de las redes personales que inician e indican la forma de las
comunicaciones reticulares para un campo específico. Así se entra en la
formación de "cuasi-grupos" y sus dinámicas, y sobre todo el concepto
de "conjunto de acción" que será central para nuestras propuestas
estratégicas dentro de las redes en situación con las que trabajamos. Al
plantearse en lo concreto estos conjuntos de acción aparecen distintos
niveles de relaciones primarias, secundarias, etc. en la comunicación
cotidiana, que viene a coincidir con lo que nosotros distinguimos entre
los tipos escalonados de códigos de expresión (imágenes, ideológicos,
estereotipos, silencios) que hemos venido constatando entre sectores
más informales y más formales de la sociedad. Es a partir de estas
relaciones de comunicación cotidiana desde donde se pueden
reinterpretar todos los datos y explicaciones posibles de las conductas.
Por eso aun nos parecen estos antropólogos muy anclados en las teorías
del Ego como centro de las relaciones y en el rol que depende del
estatus, cosas que creemos que se pueden superar.
39
"elecciones" que los agentes sociales llevan a cabo..." Es decir que entre
el espacio social/capital económico y el espacio simbólico/capital
cultural, hay, en su cruce unas disposiciones que se han ido
construyendo reticularmente en lo cotidiano y concreto. "Lo real es
relacional" y en este sentido introduce la noción de "campo del poder"
no en sentido político, sino como conjunción entre: a) el espacio social
de las posiciones en la estructura, b) los habitus o disposiciones
construidas, y c) los intereses o proyectos a realizar. Los estilos de vida
son el resultado de un campo social de fuerzas donde lo relacional lo es
por triplicado. El problema es que "a cada clase de posiciones
corresponde una clase de habitus" según dice y esto parece una
determinación o correspondencia muy poco flexible. Además en los dos
ejes "capital económico/ capital cultural", donde sitúa los estilos de vida
en relación con las posiciones, a los "estilos"/"disposiciones"/"habitus"
no parece darles una capacidad propia de construir nuevas dinámicas.
Es en este punto donde creemos que lo reticular puede avanzar
dimensiones más operativas.
40
recíprocas (débiles) y su fuerza potencial (Granovetter). Esto, como se
verá, da un enorme juego a la posible reversión de estrategias en las
diversas situaciones de los conjuntos de acción. Pero lo primero es ser
conscientes de las propias limitaciones en las que a veces caen análisis
reticulares:
41
mediciones, y para qué se interviene teniendo en cuenta los campos de
confrontación habituales.
42
Cómo observar la morfología de las redes
Como hemos visto, las redes son definidas como “un nudo de relaciones
entre actores que se benefician de pertenecer a ellas12. En el caso de la
innovación, las redes ayudan a inducir y a difundir los cambios
tecnológicos y facilitan el traspaso de conocimientos y experiencias
acumuladas tácitamente (know-how) entre los actores participantes. El
principio de la cercanía en que se basan las redes genera externalidades
positivas sobre el territorio en que ellas se emplazan, tanto en el plano
económico (reducción de los costos de transacción), como político
(gobernabilidad de los clusters), y socio-cultural (creación de confianza
entre actores y fortalecimiento de identidades regionales). Para
diagnosticar la situación de las redes de actores de la región estudiada y
su aporte al cluster, se considera una tipología de redes que contempla
los siguientes tipos:
12
Muñoz, O., “El desarrollo tecnológico como objetivo estratégico”, en Muñoz, O. (ed.) “Políticas públicas para un
desarrollo competitivo”, 1997.
43
c) Red tipo árbol: La red se inicia en un punto desde el cual se ramifican
nuevas sub-redes. Un ejemplo son las políticas exitosas de desarrollo
de proveedores, donde a partir de un cliente principal se desprenden
prestadores de servicios que a su vez se convierten en clientes de
otros. Las redes alejadas del tronco principal pueden prolongarse
como clusters “hacia adelante”: toda rama puede convertirse
potencialmente en tronco para otras ramas.
e) Red tipo polo: A diferencia de las redes tipo árbol, aquí resulta difícil
intercambiar las posiciones de “tronco” y “rama”. Estas redes suelen
generarse producto de políticas deliberadas. Desde un “punto
virtuoso” de la red se van integrando puntos lejanos que reciben los
beneficios de ligarse al polo, pero quedando en una posición
subordinada a éste. Estas redes no suelen ser una buena palanca
para propiciar el desarrollo autónomo de nuevas redes.
44
Diagrama: tipología de redes
45
(empresas, instituciones, individuos) constituyen la base de los
intercambios, mercantiles o de otro tipo (información, conocimiento,
etc.). Por este motivo, el estudio de sus estructuras es crucial para
comprender el funcionamiento de las economías y para diseñar
estrategias de crecimiento y desarrollo.
46
constituyen las expresiones del bienestar de consumidores y
productores, respectivamente. Además, consumidores y productores
adoptan sus decisiones de forma individual e independiente de las
decisiones adoptadas por los restantes individuos, como si fueran ‘islas
humanas’.
47
interdependientes; segundo, que las ligazones entre los actores sirven
para transferir recursos materiales e inmateriales; tercero, los modelos
estudian la estructura relacional de los agentes, contemplándola como
un marco condicionante, proveedor de oportunidades pero también de
restricciones; y cuarto, que los modelos de redes se ocupan
principalmente de conceptos sociales, políticos, económicos y
estructurales, que definen patrones permanentes de relaciones entre los
actores. Los agentes susceptibles de ser estudiados bajo este enfoque
son muy diversos: individuos, empresas, instituciones, regiones,
organizaciones, etc. pudiendo centrarse el estudio en el análisis de las
relaciones mantenidas por uno o varios agentes, o en las estructuras
relacionales que definen determinados grupos o colectivos.
48
Configuración de un marco teórico integral.
49
La definición que Dahl (2003:30) hace de un cluster industrial, la cual,
adoptamos para este trabajo, tiene estrecha relación con el concepto de
campo empresarial, de la corriente neoinstitucionalista, definido como
un grupo de organizaciones que crea productos o servicios similares y
que incluye también a los socios, determinantes para los intercambios,
las fuentes de financiamiento, los grupos reguladores, las asociaciones
profesionales o comerciales y otras fuentes de influencia normativa o
cognoscitiva como las relaciones no locales y las locales, los vínculos
verticales y horizontales, las influencias culturales y políticas, al igual
que los intercambios técnicos entre sus agentes (DiMaggio y Powell,
1999:35-36). El concepto de DiMaggio y Powell (1999:36) puede
integrarse con el de Bordieu (1991:92), lo cual facilita la comprensión
de un cluster como un campo organizacional en el que se tejen redes de
relaciones y de poder que condicionan su dinámica y su funcionamiento.
50
desarrollo de la conciencia entre los participantes del conjunto de
organizaciones que integran el colectivo.
51
la investidura que se asume por el solo hecho de pertenecer a ese
colectivo reconocido en un entorno por su institucionalización.
Por otra parte, para entender las relaciones desde un plano simbólico,
no sólo es necesario considerar la noción de campo organizacional, de
DiMaggio y Powell (1999:110), en el que se materializan relaciones con
grupos de organizaciones similares y complementarios, que se ven
influidos por presiones institucionales tendientes a homogeneizar los
comportamientos de agentes que integran la colectividad; también es
necesario tener en cuenta el concepto de campo social, de Bourdieu
(1991:45), que estudia los campos como espacios sociales dinámicos y
estructurados, conformados por puestos jerarquizados y reglas del juego
propias; es decir, en calidad de sistemas integrales de posiciones, donde
los agentes sociales de relacionan de manera permanente y dinámica.
Así, las reglas del juego de un campo determinado están dadas por las
instituciones que existen para dar legitimidad a un agente social
específico dentro del campo, pero también para darle reconocimiento
por la asimilación de las reglas socialmente aceptadas.
52
Dentro de este campo, las reglas y normas de comportamiento tienen
un valor simbólico, pero también la posición que cada agente evidencia
en ese campo a través de la construcción capitales específicos que lo
hacen diferente (Bordieu, 1991:56).
53
Las relaciones de fuerza entre los jugadores (organizaciones y clusters)
definen la estructura de un campo. La fuerza relativa de cada jugador y
también su estrategia depende tanto del volumen como de la estructura
de su capital específico. No es lo mismo jugar en un campo
organizacional con poca experiencia en la dirección de empresas, que
con una curva de experiencia alta; esto ofrece la oportunidad de estar
en ventaja o desventaja en un juego que busca complementariedad,
pero a la vez competencia entre agentes.
54
de las oportunidades teóricamente ofrecidas a todos y que se convierte
en una energía social susceptible de producir efectos en la competencia
social.
55
ejercer un tipo de dominación en dicho campo social: “... la vida social
aparece, por tanto, como una lucha constante en la que se trata de
dominar al otro” (Alonso, 2004: 27).
56
intervienen en el despliegue de estrategias, así no pertenezcan al mismo
campo.
Para Bourdieu:
Las estructuras sociales se transforman lentamente; los campos surgen,
se desarrollan y pueden desaparecer: en la historia de la producción
cultural hay génesis y evolución, de la misma manera que rupturas y
discontinuidades. La causa esencial de las transformaciones de un
campo radica en la lucha o competencia por los intereses específicos
entre dominantes y dominados. (citado por Téllez, 2002, :70)
57
cargo del problema (Sluzki, 1996:62, Bronfman, 1993:154). Por lo
tanto, la red de relaciones construida en un campo organizacional está
influida no sólo por la voluntad de sus agentes de participar en un
intercambio de información, sino también por prácticas, hábitos y
rutinas que permiten controlar la incertidumbre en las relaciones y
coordinar acciones comunes entre agentes. Por lo tanto, los clusters se
estudian desde dos escenarios: (1) el de la rivalidad entre agentes y la
exaltación de elementos de poder, que definen diferencias entre un
agente y otro, y (2) desde prácticas institucionalizadas y legitimadas por
las colectividades para exaltar semejanzas colectivas dentro de un
campo organizacional. Es decir, la tendencia a encontrar homogeneidad
en la heterogeneidad, por medio de rutinas, hábitos y comportamientos,
que se explican como un mecanismo de isomorfismo institucional
(coercitivo, mimético y normativo), presente en las organizaciones como
sujetos de acciones e interacciones.
58
de lo anterior, la construcción de un tejido social que trascienda los
intercambios técnico-económicos, para que logre conformar un campo
organizacional en el cual el capital social y las relaciones simbólicas se
vuelven fundamentales.
En Value Nets (John Wiley & Sons Inc), David Bovet y Joseph Martha
explican que este sistema, controlado por los clientes, reemplaza el
diseño comercial, basado en la tradicional cadena de suministro, la cual
no facilita la comodidad, rapidez, fiabilidad y personalización que exige
el cliente del nuevo milenio.
13
Bovet, David y Joseph, Martha. Value Nets. Breaking the Supply Chain to Unlock Hidden Profits. Wiley,
2000
59
Definen el alcance del diseño comercial y facilitan las estrategias para
reunir y mantener las ganancias.
Una red de valor es un sistema rápido, flexible, que se rige según las
necesidades del cliente. Consiste en una red dinámica de alto
rendimiento que conecta clientes y proveedores, junto con flujos de
información. Apunta a los clientes y a satisfacer la demanda real. No se
asemeja a la antigua cadena de suministro en absoluto. El viejo sistema
se concentraba en la fabricación de productos, luego deslizaba esos
productos por los canales de distribución a la espera de que apareciera
un comprador. En cambio, una red de valor no trata de suministrar
productos sino de crear valor para los clientes, la empresa y los
proveedores. Reemplaza las conexiones secuenciales de la cadena de
suministro por una red de relaciones cliente/proveedor.
El cliente elige
Una red de valor trata a cada cliente como único. Los clientes pueden
elegir el producto o servicio que más aprecien. Además, se diferencian
60
los procesos de fabricación, entrega y servicios asociados con el
propósito de satisfacer las necesidades de cada cliente.
Figura 24.
61
Figura 25.
62
Los autores hacen hincapié en el hecho de ofrecer soluciones
convenientes. Hoy en día, los clientes buscan soluciones. Para eso, la
empresa debe concentrarse en dos actividades fundamentales: conocer
las necesidades de los clientes y proporcionar una solución perfecta,
exacta. Para determinar las necesidades de los clientes, esta red de
valor capta información del cliente crítica en “puntos de contacto”
durante los procesos de pedido y selección, la verificación del estado de
los pedidos, la entrega y el mantenimiento.
63
Capitulo II. Metodología de Estudio de Casos y
Análisis para un Cluster Industrial.
64
Las preguntas "cómo" y "por qué" son más explicativas y llevan
fácilmente al estudio de casos, la historia y los experimentos, porque
tratan con cadenas operativas que se desenvuelven en el tiempo, más
que con frecuencias. Los casos y la historia también permiten tratar con
el rastreo de procesos (George et al., 2005).
Las preguntas sobre el “cómo” y el “porqué” son especialmente
relevantes, porque sus respuestas son las teorías. ¿Cómo formular
buenas preguntas, entonces? La definición de la pregunta de
investigación es casi con seguridad el paso más importante en un
estudio de investigación. Hay muchas referencias a la formulación de
una pregunta de investigación, que es de por sí un acto creativo. Popper
escribió que “no existe tal cosa como un método lógico de tener nuevas
ideas... El descubrimiento contiene un ´elemento irrracional´, o una
´intución creativa´.”
65
Por buscar los mecanismos causales, el método del caso permite
acercarse a los fenómenos de interés, y evitar que ocurra lo que
describe Daft (1983): “Como revisor de artículos, se me hace
dolorosamente claro que muchos autores nunca han visto o sido testigos
de los fenómenos sobre los cuales escriben. Los autores no pueden dar
un ejemplo para ilustrar un punto. Pasan por un momento enormemente
difícil al pensar debajo de los coeficientes de correlación para discutir lo
que los coeficientes representan en términos de actividades y procesos
organizacionales. Los autores típicamente reportan descripciones muy
tenues de un gran número de relaciones, y nunca consideran el porqué
de las correlaciones, tratando solamente con el hecho de que la variable
Y está relacionada con la variable Z, como si eso fuera todo.”
66
de la econometría, por ejemplo; o bien se busca introducir dentro del
caso datos cuantitativos que permitan “endurecer” los hallazgos
cualitativos.
Otra forma de actuar (la “salida fuerte”) es decir: “No busco generalizar
mis hallazgos a toda la población de casos similares; estudio
simplemente cuán plausible es la lógica del análisis, para desarrollar
sobre su base una nueva teoría”. Mitchell (1983) justifica este camino,
pues la inferencia lógica es “epistemológicamente bastante
independiente de la inferencia estadística”. ¿Cómo fundamenta el autor
esta afirmación? ¿Cómo es posible realizar inferencias generales a partir
de un caso aislado? Escribe: “En cuanto a las características descriptivas
de la muestra (y por lo tanto de la población madre), la validez de la
inferencia es probablemente sólida. La distribución de edad de una
muestra representativa extraída de una población madre probablemente
refleje con razonable precisión— dados los errores de muestreo— la
distribución de edades dentro de esa población. Una dificultad se
presenta, sin embargo, cuando se considera la relación entre las
características. En la muestra analizada puede notarse una relación—
una correlación, de hecho— entre, por ejemplo, la edad y la probabilidad
de estar casado. En términos de los cánones de la inferencia estadística,
el analista puede suponer que la misma relación existe entre las mismas
características en la población madre. Note, sin embargo, que la
inferencia desde la muestra en relación con la población madre se
realiza simplemente sobre la variación concomitante de las dos
características. El analista debe ir más allá de la muestra y acudir al
pensamiento teórico para unir entre sí aquellas características... La
inferencia sobre la relación lógica entre las dos características no está
basada en la representatividad de la muestra y por lo tanto en cuán
típica es, sino más bien en la plausibilidad o en el grado de lógica del
nexo entre las dos características.” (Mitchell, 1983)
67
En la inferencia lógica (que algunos llaman científica o causal), el
investigador postula o descubre relaciones entre características, en el
marco de un esquema conceptual explicativo. La relevancia del caso y
su generalizabilidad no provienen, entonces, del lado estadístico, sino
del lado lógico: las características del estudio de caso se extienden a
otros casos por la fortaleza del razonamiento explicativo.
68
El papel de la teoría en el estudio de caso
Todo buen diseño incorpora una teoría, que sirve como plano general de
la investigación, de la búsqueda de datos, y de su interpretación. A
medida que el caso se desarrolla, emerge una teoría más madura, que
se va cristalizando (aunque no necesariamente con perfección) hasta
que el caso concluye.
Mecanismos causales
69
de lo más grande a lo más pequeño y, además, reducen el lapso que
media entre el explanans y explanandum, para dar lugar a una cadena
continua, sin solución de continuidad, de relaciones causales.
70
Los postmodernistas también tienden a suponer que existen
causalidades enigmáticas y descreen de la
posibilidad de estudiar objetivamente la vida social y las acciones de los
seres humanos.
La Validación
71
estudio con respecto a sus objetivos, así como coherencia lógica entre
sus componentes. En los últimos años, parece existir una tendencia
hacia un tratamiento menos riguroso de los temas metodológicos en la
investigación administrativa, particularmente en los asuntos vinculados
con la validación interna y externa, la validación de las teorías y la
validación de las conclusiones estadísticas. Esto no debería ser así. Si
bien las teorías pueden ser juzgadas desde múltiples perspectivas, a
veces no del todo compatibles, es necesario asegurar la validez de los
hallazgos. La validez se va desarrollando a lo largo de todo el estudio,
en cada una de sus etapas. Un caso tendrá resultados válidos si todos
los procesos se monitorean adecuadamente, desde el diseño del caso y
el desarrollo del trabajo de campo hasta la preparación del informe y la
difusión de sus resultados.
72
clima organizacional, de cuán bien el fenómeno observado corresponde
al fenómeno de la teoría.
73
plausibilidad o su mera posibilidad de ocurrencia. No nos referimos,
naturalmente, a un concepto axiomático de la probabilidad, sino a cuán
verosímil resulta que un hecho haya ocurrido (o no) de tal forma, sobre
la base de cierta evidencia. Esta probabilidad es ponderada y evaluada,
es juzgada. Los investigadores deben aplicar “criterio” y fundamentar
sus razonamientos y conclusiones en el estado del arte de su disciplina y
en su experiencia vital. La validez interna se aplica a la realización de
inferencias sobre la ocurrencia de eventos que el investigador no vio con
sus propios ojos, sino que se enteró en entrevistas o leyendo
documentos. ¿Es correcta? ¿Se consideraron todas las hipótesis rivales?.
El origen del caso puede ser empírico, es decir, derivado del examen de
datos, o hipotético; ahora bien, estas hipótesis y datos empíricos no se
utilizan para confirmar o corroborar teorías, sino para
examinar una red amplia de implicaciones que permiten, aunque de
modo incompleto, un enfoque científico de los problemas. Es importan
te en los casos proponer explicaciones alternativas de un fenómeno y
analizar su plausibilidad. Todas las alternativas relevantes, vinculadas o
derivadas de las hipótesis, deben presentarse explícitamente y sujetarse
a un examen crítico, eliminando las que no pasen pruebas cruciales. Por
ejemplo, uno podría hipotéticamente atribuir el éxito de una empresa al
poder carismático de su presidente, como alternativa plausible a otras
explicaciones basadas en el know-how técnico de su planta productiva,
pero esta hipótesis se extinguiría si la base de datos del caso de estudio
muestra que el mismo presidente fracasó en sus intentos de liderar otra
empresa similar el año anterior, en un entorno interno y externo
74
comparable. Así eliminamos una de las hipótesis alternativas plausibles
al aplicarla explícitamente a otros contextos empíricos.
75
3. Análisis y conclusiones.
76
los hallazgos. Las proposiciones orientan sobre los objetos que deben
ser examinados en el estudio; desmenuzan las preguntas de tipo “cómo”
y “por qué” para determinar qué debemos estudiar. A partir de las
preguntas de investigación se buscan datos sistemáticamente para
extraer conclusiones. Las preguntas, los datos, y las conclusiones están
vinculados lógicamente entre sí por el diseño del caso. Los diseños
pueden ser de un caso simple o de múltiples casos y, por otra parte,
holísticos o encapsulados, según se utilice una o varias unidades de
análisis. Estos diseños se presentan en una matriz de dos dimensiones,
como la de la Figura 2. Analicemos sus componentes.
77
logra identificar sub-unidades o sectores o cuando la naturaleza del
estudio es holística. Si se examinan una o varias subunidades de una
organización o programa, se utiliza un enfoque encapsulado.
78
sostienen en cambio que es posible obtener recursos para casos
múltiples; de hecho, hay ejemplos de casos múltiples ya clásicos, como
Crozier (1964). Smith (1990) relata que, en su experiencia, a medida
que cada caso progresa a través de entrevistas los datos se van
adecuando a un patrón, “en otras palabras, una teoría (va) emergiendo”
y los datos sucesivos se hacen predecibles a partir de la teoría. Cuando
se verifica este fenómeno, al cual se suele llamar saturación, puede
decirse que el número de casos considerado es suficiente.
79
a) Métodos basados en el uso de herramientas analítico-estadísticas,
de distinto grado de sofisticación y cuya clave reside en la
medición del grado de aglomeración económica existente en cada
una de las áreas geográficas consideradas.
80
intersectoriales es el elemento fundamental del método de “cluster
mapping” propuesto y aplicado por M Porter en el contexto del Institute
for Strategy and Competitiveness en la Harvard Business School.
81
de supuestos a priori sobre la existencia del (los) cluster(s)
analizados.
82
que no resultará adecuado comparar la evidencia obtenida de casos
distintos si estos no se han derivado del mismo marco de análisis. Así,
difícilmente se podrá dar respuesta a por qué unas experiencias han
resultado exitosas mientras otras han fracasado, o por qué unas han
resultado mejores que otras.
83
A continuación se describen en más detalle cada uno de los métodos
propuestos en el ámbito de la aproximación cuantitativa, presentando
de forma resumida los rasgos característicos de las técnicas empleadas,
los requerimientos de información estadística, el ámbito territorial
característico, las ventajas e inconvenientes de su aplicación y la
potencialidad de los resultados que se podrían obtener.
84
con pautas de competencia espacial y patrones de localización
geográfica muy dispares:
85
Clasificación de sectores
86
anteriores. Tal depuración se basa en elementos definidos de forma
totalmente ad hoc:
- para los sectores en los que se cumplen dos de los tres criterios,
se examina la distribución de su empleo y el tipo de actividad que
realiza. En caso de que se considere que algunos de esos sectores
comparten las características requeridas a un sector
comercializable son clasificados como tales,
- para los sectores clasificados como comercializables, si se
considera que el tipo de actividad para alguno de ellos se aleja de
las características típicas de esa agrupación, y tras analizar
detalladamente la distribución geográfica de su empleo, se
reclasifican como locales,
- para los sectores clasificados como comercializables, pero cuyo
tipo de actividad es altamente dependiente de la localización de
recursos naturales, se reclasifican como sectores dependientes de
recursos naturales Agrupación de sectores Como resultado final de
este proceso se obtienen los sectores comercializables, aquellos
con marcadas pautas de concentración geográfica, y las regiones
en las que cada uno de ellos presenta una mayor presencia. No
obstante, con esa información no finaliza el proceso de mapping,
dado que Porter reconoce que los sectores pueden no ser las
unidades de análisis apropiadas, dada la más que probable
existencia de externalidades entre sectores relacionados en el
seno de los clusters. Y precisamente en este punto es donde se
plantea una de las principales limitaciones del método aquí
sintetizado: el que se carezca de un instrumental sólido que, junto
a la ausencia de información estadística referida a la difusión de
conocimiento y a externalidades pecuniarias, imposibilita
87
determinar unívocamente la composición sectorial de los clusters
para un amplio conjunto de economías regionales.
88
- el que los datos no permitan diferenciar entre el empleo de las
sedes y de las plantas de producción locales,
- el que sectores con una intensa presencia en regiones grandes
puedan aparecer como altamente correlacionados incluso en
ausencia de ningún tipo de relación entre ellos,
- el que sectores de escasa implantación en la economía analizada
puedan no estar presentes o lo estén con niveles bajos de empleo
en muchas regiones, dando lugar de esa forma a correlaciones
significativas, y
- el que sectores fuertemente implantados en regiones grandes
muestren, simplemente por esta circunstancia y sin que exista
interrelación entre ellos, correlaciones elevadas.
89
Adicionalmente, se incluyen asociaciones no detectadas a través del
análisis de correlaciones si se detectan en esos casos flujos significativos
de productos a través de la información revelada por las tablas input-
output.
Ventajas e inconvenientes
Ventajas
- Una de las principales ventajas de la utilización de un método à la
Porter radica en la sencillez de su aplicación, entendiendo como tal
la facilidad en los cálculos a realizar (que se limitan a CL,
porcentajes de empleo y correlaciones del empleo regional entre
sectores) y la interpretación de estos y de los otros instrumentos a
utilizar (como por ejemplo la información contenida en las tablas
input-output). De esta forma, una vez se dispone de la
información estadística de base, el tratamiento cuantitativo a
realizar es simple, estando su volumen relacionado con el grado
de detalle sectorial con el que se trabaje.
90
- Otra de las ventajas que se le deben asignar a este tipo de
aproximación es la baja necesidad de información estadística,
dado que para su aplicación únicamente se precisa de información
acerca del volumen de empleo en los sectores definidos
previamente y para el conjunto de regiones o localidades que se
vayan a tomar como unidades geográficas. Aunque la utilización
de otro tipo de información acerca de las características de los
sectores y de los flujos comerciales entre ellos es de utilidad para
la mejora en el proceso de agrupación sectorial, no constituye un
elemento indispensable para la implementación, pudiendo ser
sustituido por conocimiento no necesariamente basado en
información estadística sistemática para todos los sectores y
regiones.
- Asimismo, la difusión y reconocimiento de esta metodología entre,
como mínimo, parte de la comunidad académica y de los
responsables de las políticas industriales y de desarrollo, junto a
su aplicación en diversos proyectos de “cluster mapping”
realizados para diversas economías, facilita, en principio, la
comparabilidad de los resultados obtenidos y la aceptación de los
mismos.
91
Inconvenientes
- Entre los inconvenientes más inmediatos sin duda destaca el de la
escasa robustez de los resultados que se obtienen a través de la
aplicación de esta aproximación. El origen del problema de
robustez se encuentra en la utilización de información agregada,
tanto en lo referido a la vertiente sectorial como a la territorial.
Así, los clusters detectados y la cuantía de su intensidad variarán
necesariamente dependiendo del detalle sectorial utilizado, sin que
a priori se pueda determinar si número e intensidad dependen
directa o inversamente del nivel de desagregación sectorial
adoptados. Estos también serán distintos para diferentes niveles
de desagregación utilizados. Es decir, que los clusters detectados
pueden diferir si el análisis se realiza considerando, por ejemplo,
comunidades autónomas o provincias. Dada la incertidumbre
acerca de las fronteras sectoriales y geográficas de un cluster
típico, las implicaciones de los problemas de robustez de los
resultados que se obtengan a partir de la aplicación de esta
metodología resultan obvias.
- La determinación de los puntos de corte, necesaria para la
clasificación de los sectores, es la misma para todos los sectores
considerados. Esta circunstancia sólo sería razonable si todos ellos
compartiesen la misma distribución espacial, lo que difícilmente se
dará en la realidad. Imponer un mismo umbral puede ocasionar
tanto la inclusión como la exclusión errónea de sectores en el
grupo de los aglomerados.
92
para el nivel de desagregación espacial deseado, y ii) el hecho de que
para un nivel de desagregación geográfica elevado el empleo en muchos
de los sectores comercializables tenderá a ser escaso e incluso
inexistente en muchas de las unidades espaciales. Esta circunstancia
provocará que el coeficiente de correlación presente valores elevados
entre muchos de los sectores, sin que ello sea debido a la presencia de
relaciones intersectoriales.
93
que se debe apoyar en conocimiento subjetivo de los sectores y
regiones consideradas.
- Finalmente, y dado que para la detección de relaciones
intersectoriales necesaria para realizar la agrupación de los
sectores que integran cada uno de los clusters se emplea una
aproximación indirecta, en cualquier estudio debe tenerse
presente que la economía objeto de análisis debe ser lo
suficientemente grande como para que todos los sectores y
clusters puedan estar potencialmente presentes en cada una de
sus regiones, y que éstas sean numerosas, diversas e
interdependientes. Aunque como se señala en Porter (2003) el
caso de la economía americana no suscita dudas en este sentido,
no se debería trasladar esta argumentación automáticamente al
análisis en otros ámbitos15.
15
En palabras de Porter, “esta aproximación no es factible en la mayoría, sino en todos, los demás países”.
94
pertenencia de sectores a clusters. Tal nivel crítico debería ser factible
empíricamente y estar basado en consideraciones teóricas.
95
detecta fuerte asimetría, se debe transformar logarítmicamente el CL,
iii) estandarizar el CL y seleccionar aquellos casos cuyo valor exceda, en
valor absoluto, 1.96 veces la desviación estándar de los valores del CL
El requerimiento de la normalidad de la distribución del CL (o de su
transformación logarítmica) supone una evidente limitación del método,
así como el hecho de que no tenga en cuenta posibles diferencias en la
distribución del tamaño empresarial entre las regiones consideradas. Es
decir, el CL estandarizado no es capaz de discriminar entre un valor
significativo causado por la existencia de una gran empresa en una
región determinada, de otro motivado por la presencia de un entramado
de numerosas pequeñas y medianas empresas. La solución propuesta
en este caso consiste en el cálculo de un coeficiente de localización
ajustado:
96
Otras propuestas para la aplicación de un criterio objetivable en la
selección de los sectores que potencialmente pueden formar clusters
industriales, dadas sus pautas de aglomeración geográficas, han
abandonado el uso del CL por sus conocidas limitaciones. Por ejemplo,
se ha argumentado que el valor máximo que puede alcanzar el CL
depende del tamaño de las regiones analizadas (Isard et al, 1998). En
este sentido, Karlsson et al (2005) sugieren basar la selección de
sectores aglomerados en cada una de las regiones en los residuos
atípicos (outliers) de la regresión entre el empleo sectorial en cada
región y la población de la región por una parte, y en la regresión entre
el número de plantas productivas en cada sector y región y la población
regional por otra. Mediante dichas regresiones se sugiere detectar
observaciones con concentraciones de empleo y número de plantas
significativamente por encima de los medios. La idea es que un cluster
debe ocasionar de forma simultánea una sobrerepresentación del
empleo y del número de plantas productivas de los sectores que lo
forman en la región en la que se localiza.
97
se retienen los residuos positivos de ambas regresiones que excedan el
10%. Las observaciones asociadas pertenecen a los sectores
susceptibles de formar parte de un cluster en las regiones
correspondientes.
Aplicaciones de la metodología
Se han realizado “cluster mappings” para diversas economías aplicando
los elementos esenciales del método de Porter. De hecho, algunas de las
experiencias existentes han contado de una u otra forma con la
participación del Institute for Strategy and Competitiveness. En
cualquier caso, todas ellas han debido ajustar los procedimientos
descritos anteriormente al caso particular de la economía analizada, a la
vez que han incorporado elementos adicionales en algunos de los pasos
a seguir.
98
incorporando “juicio e interpretación”, se clasifican los sectores
para formar la base de los clusters.
ii) Revisión de la estructura sectorial de cada región a. examinar
sectores con CL > 1.25 pero con porcentaje del empleo
regional < 0.2. Si se considera conveniente se incluyen en un
cluster b. examinar sectores con porcentaje del empleo
regional > 0.2 pero con CL < 1.25. Se sitúan en un cluster si
no son sectores que sirven a demanda local. En algunos casos
se valora la posibilidad de que constituyan el núcleo de un
cluster iii) utilizando datos de empresas para detectar la
actividad característica de grandes empresas en un conjunto de
sectores, determinar la naturaleza específica de su producción.
De esta forma se obtiene evidencia adicional de vínculos y
relaciones potenciales. Para ello se toman los sectores con
elevados valores del CL y que pueden llegar a formar parte de
un cluster en una región determinada iv) agrupar los sectores
aglomerados en clusters. Para ello se utiliza el conocimiento del
concepto de cluster e información de cada uno de los sectores.
En concreto, el conocimiento de: a. los vínculos input-output y
la evidencia disponible sobre la co-localización industrial, b. las
cadenas de valor, c. que sectores de una misma agrupación
sectorial tienden a localizarse en una misma región, d. la
información procedente de otras fuentes de datos, que
proporcionan información de vínculos entre sectores. v)
analizar las unidades geográficas inferiores, dado que: a.
pueden existir clusters sub-regionales significativos que no
lleguen a ser visualizados cuando se realiza el análisis a nivel
regional b. la localización precisa de un cluster permite
determinar si existe un centro geográfico en la región c. un
elevado CL puede deberse a la presencia de una única gran
99
planta productiva, lo que en esencia no constituiría un cluster
Permite detectar concentraciones locales significativas para
sectores específicos, y una vez identificados los clusters a nivel
local compararlos con los obtenidos en el análisis regional. vi)
los clusters detectados se clasifican atendiendo a: a. el estado
de su desarrollo b. su intensidad c. la dinámica de su empleo
d. su importancia vii) detectar otros clusters, que resultan
menos obvios. Para ello se hace uso del conocimiento de cada
una de las regiones, junto a la utilización de la información
referida a las empresas, que permite la identificación de
clusters no basados en sectores. La idea es que el análisis
formal puede no permitir la identificación de algunos clusters
debido a que el detalle sectorial empleado no sea lo
suficientemente detallado y/o que los clusters se encuentren en
estado embrionario o sean de pequeña dimensión viii) se
excluyen aquellos clusters identificados con la aplicación del
método pero que corresponden a actividades peculiares, como
las de defensa, educación o salud ix) como último paso se
realiza la validación de los clusters detectados con
representantes regionales y agentes e instituciones de índole
diversa.
100
Potencialidad de resultados obtenidos
101
afectado. A la vez, y en caso de que se considerase oportuna su
realización, permitiría definir los límites sectoriales y territoriales
de un análisis específico más detallado de cada uno de esos
clusters. A su vez, el análisis revelaría tanto aquellos sectores
menos proclives a formar parte de clusters industriales como
aquellas localizaciones menos tendentes a acogerlos. También en
ese caso, el análisis permitiría delimitar sectores y territorios
susceptibles de un estudio posterior más profundo, que tuviese
por objeto, por ejemplo, determinar la potencialidad de los
incentivos a la consolidación de clusters embrionarios o débiles en
determinadas localidades.
102
un par de propiedades deseables: i) toma valor nulo en caso de que la
distribución existente esté tan concentrada como lo estaría si fuese
determinada por factores aleatorios (como si se tirasen dardos en un
mapa para elegir las localizaciones de las empresas), lo que implica que
la distribución de referencia no es una en la que el empleo se encuentra
uniformemente distribuido en el espacio, y ii) el índice permite la
comparación entre sectores, países e instantes del tiempo.
No obstante, el índice de concentración geográfica de Ellison y Glaeser
no resulta útil para la realización de un “cluster mapping” dado que
únicamente permite valorar el grado de concentración geográfica de un
sector, pero no determinar en qué regiones o localidades se producen
las concentraciones significativas de actividad.
Thomas Brenner (2003, 2005) utiliza la misma idea referida a la
comparación de la distribución de la actividad de un sector en el
conjunto de localidades o regiones con la derivada de un modelo teórico
en ausencia y en presencia de economías de aglomeración, para dar un
paso adelante y sugerir un método de mapping basado en la
comparación de distribuciones. Los elementos fundamentales del mismo
serán expuestos a continuación, aunque antes, y debido a las similitudes
entre la aproximación sugerida por este autor y las medidas de
concentración geográfica à la Ellison y Glaeser, vamos a describir
brevemente estas últimas y a mostrar como únicamente podrían ser
utilizadas como un instrumento de apoyo en los análisis de identificación
y cuantificación de clusters industriales.
103
aglomeración espacial de las plantas productivas tienen que ver con las
ventajas naturales de algunas localizaciones y con la presencia de
externalidades específicas para el sector, mientras que cuestiones
idiosincrásicas de cada planta son las que impiden una concentración
espacial absoluta.
104
mecanismo a través del que las externalidades entre plantas afectan a
sus beneficios, el índice de concentración geográfica para un sector
dado:
105
donde G es la medida de concentración geográfica para el conjunto de
106
encuentran concentrados geográficamente y son, por tanto, susceptibles
de formar parte de clusters industriales.
107
Supuestos iniciales
16
En ese caso la distribución que caracteriza el número de plantas localizadas en cada región es una binomial.
108
- Se asume que los sectores con clusters locales se caracterizan por
procesos locales de auto-sostenimiento, lo que provoca que las
regiones en los que se emplazan presenten niveles de actividad
económica mucho mayores y, en consecuencia, que se localicen
en ellas muchas más plantas productivas.
17
No obstante, y dado que las distribuciones Binomial y Boltzmann son bastante parecidas, en algunas de sus
aplicaciones Brenner sugiere combinar únicamente la exponencial decreciente y la Boltzmann.
109
Donde son parámetros y es el
número total de plantas en el sector analizado. El subíndice n hace
referencia a la distribución neutral, es decir a la que caracteriza una
situación de ausencia de clusters.
El paso siguiente es determinar la distribución asociada al caso en el que
existan clusters industriales. De nuevo, se asume la imposibilidad de
modelizar adecuadamente todos los mecanismos que pueden dar lugar a
las aglomeraciones o clusters, por lo que el método emplea una
aproximación simple, basada en la idea de que las regiones que tengan
un atractivo superior a un determinado umbral contendrán un cluster.
Así, la existencia de un cluster en una región se traducirá en la
presencia de un número significativamente mayor de plantas
productivas. Por tanto, la distribución de plantas en presencia de
clusters será similar a la asociada a Pn(f|s) pero conteniendo un número
de regiones con un número de empresas proporcionalmente muy
elevado. De tal forma que la distribución asociada a Pc(f|s), es decir la
probabilidad en el caso de presencia de clusters, presentará dos
máximos, correspondiendo el segundo a aquellas regiones en las que se
produce una sobreconcentración de plantas.
110
exponencial decreciente, mientras que el mejor ajuste de la Boltzmann
frente a la Binomial le conduce a sugerir el uso de la primera
distribución para capturar el efecto de los clusters sobre la distribución
de las empresas en el territorio. En concreto, la distribución en
presencia de clusters se representa mediante:
número de plantas del sector supere un umbral dado por Por su parte,
111
Dado que determinan el peso de cada una de las tres
distribuciones, se suponen específicos de cada sector pero
independientes del tamaño de la región. No sucede lo mismo con el
resto de parámetros.
112
- dado que para cualquier sector que presente aglomeración los
clusters deben constituir una excepción, sólo unas pocas regiones
deben presentarlos. O dicho de otra forma, no se concluirá que el
sector se encuentra aglomerado en clusters industriales si éstos
se encontrasen en todas las regiones. En consecuencia, el
porcentaje de regiones que potencialmente pueden contener un
cluster de un sector debe ser pequeño. En Brenner (2005) ese
umbral se establece en un 5%, mientras que en Brenner (2003)
se fija en un 10%, o lo que es lo mismo, se impone que ξ8≤0.05
en el primer caso y ξ8≤0.1 en el segundo,
- sólo las regiones con un número de plantas que claramente
exceda un umbral determinado serán candidatas a presentar un
cluster industrial en el sector considerado. El umbral viene dado
por el parámetro ξ6, y en otras aproximaciones se ha fijado como
el número medio de plantas en el sector, de forma que todas las
regiones que presentasen un número de plantas superior a la
media nacional eran consideradas como regiones con un cluster.
En otras ocasiones se ha impuesto un criterio más estricto,
considerando por ejemplo un valor umbral de 3.
113
donde ncl,n es el número de regiones que contienen un número de
plantas debido a la primera parte de la distribución mayor a ξ6·s, y Nr el
número total de regiones.
114
De esta forma, la presencia de aglomeraciones en clusters en un sector
provocará que se alcance un mejor ajuste a través de Pc(f|s) que de
Pn(f|s), mientras que si no hay una diferencia sustancial entre ambas,
es decir que no se mejora el ajuste al añadir la componente diferencial
de Pc(f|s), se debería concluir en contra de la presencia de clusters en el
sector considerado. Recuérdese que esta circunstancia se producirá
cuando f < ξ6·s.
Ventajas e inconvenientes
18
En el caso de fijar el mismo valor de s para todas las regiones (Brenner, 2003, lo fija como s=1/Nr), el
umbral no varia entre regiones.
115
Ventajas
- Entre las principales ventajas de esta metodología de detección e
identificación de clusters destaca el que se base en un criterio
estadístico, fijado a priori, objetivo y reproducible. Esta
circunstancia permite realizar el “cluster mapping” con un mínimo
de imposición de criterios propios de los investigadores que lo
ejecutan, a la vez que facilita al analista y a cualquier usuario del
mismo una interpretación y juicio inmediato del método empleado
y de los resultados obtenidos.
- El método resulta atractivo intuitivamente al sugerir la
comparación del ajuste alcanzado por un modelo teórico en
ausencia de aglomeración con otro en el que están presentes
clusters industriales. De la selección del modelo que mejor capture
la estructura subyacente en los datos disponibles (la distribución
espacial de la actividad del sector analizado) se infiere la presencia
o ausencia de clusters y, a su vez, se obtienen los elementos
necesarios para su identificación.
- El criterio para la detección e identificación de los clusters es
específico de cada sector y región, lo que introduce un grado
elevado de flexibilidad al considerar las peculiares características
de la distribución de la actividad en los sectores y en el territorio.
- Considera simultáneamente información referida al número de
plantas del sector analizado instaladas en cada región e
información del volumen de empleados del sector en la región,
para tener en cuenta la dimensión de ésta. Al determinar el
umbral que posibilita la detección e identificación de los clusters
en función del número de empresas se evita el riesgo de
considerar un cluster formado por un pequeño número de grandes
empresas.
116
Inconvenientes
- La detección e identificación de clusters únicamente tiene en
cuenta la presencia de un número anormalmente elevado de
empresas del sector analizado en un conjunto limitado de
regiones. En consecuencia no se incorpora información relativa a
uno de los elementos básicos de la definición de cluster industrial,
como es la existencia de interacción entre agentes productivos
ocasionada por externalidades de tipo tecnológico o pecuniario. En
el caso de que la interacción se refiera a la producida entre
plantas productivas de un mismo sector se asume que la co-
localización es precisamente su consecuencia más inmediata,
aunque en ningún caso se realiza un contraste directo de este
supuesto, lo que no excluye que las aglomeraciones sean
causadas por otras circunstancias (por ejemplo asociadas a
condicionantes históricos o a la dependencia de recursos
naturales). En el caso de las posibles interacciones entre plantas
de distintos sectores, éstas se ignoran completamente en el
proceso de detección e identificación. De esta forma, si en una o
varias regiones se detecta un cluster en diversos sectores no es
posible, con la información proporcionada por el método, discernir
si todos o un subconjunto de ellos constituyen un cluster
multisectorial o si, por el contrario, no existe interacción
significativa entre ellos.
- Las distribuciones teóricas asociadas a las situaciones en ausencia
y en presencia de clusters se derivan a partir de las distribuciones
geográficas que, al menos supuestamente, caracterizan a los
factores determinantes de la localización de las empresas y del
propio atractivo locacional de cada una de las regiones. Pero no se
proporciona una guía explícita acerca de cuáles pueden ser esos
117
factores. Aún recurriendo a la literatura, el grado de
discrecionalidad por parte del investigador en la determinación de
los mismos será elevado. A ello habrá que sumar que la elección
estará marcada por la disponibilidad de información estadística
sobre esos factores al nivel de desagregación territorial fijado en
el análisis. En todo caso, no existen a priori garantías de que las
distribuciones sugeridas y empleadas por Brenner para el caso
alemán sean las más adecuadas para capturar la distribución de la
actividad productiva en la economía española. Cabría en
consecuencia realizar un análisis específico en ese sentido.
- El procedimiento impone algunos criterios de forma adhoc. Por
ejemplo, i) se asume que el número de empresas incrementa
linealmente con el tamaño de la región a lo largo de toda la
distribución, ii) el tamaño de las regiones se aproxima a través del
empleo, lo que puede estar penalizando a regiones pequeñas pero
altamente productivas, iii) se fija el porcentaje máximo de
regiones que pueden presentar clusters en el 5% (Brenner, 2005)
ó el 10% (Brenner, 2003), o iv) se determina la influencia de la
distribución de Boltzmann que caracteriza los clusters en base a
una compleja función con elementos aparentemente
discrecionales.
- En el caso de sectores con poca implantación en el conjunto de la
economía, es decir con un número escaso de plantas productivas,
es posible detectar erróneamente la presencia de clusters debido a
que un número reducido de plantas en una pocas regiones
(especialmente si estas son pequeñas) pueden ser interpretadas
por el procedimiento como aglomeraciones en comparación con la
ausencia de actividad en las restantes regiones. Este problema se
planteará con mayor probabilidad en el caso de trabajar con un
detalle sectorial y territorial elevado.
118
- La detección e identificación de los clusters precisa de la
estimación de los parámetros que caracterizan la distribución en
presencia de estos. La obtención de esa estimación no es
inmediata, requiriendo la aplicación de algoritmos numéricos de
optimización con restricciones. En consecuencia la implementación
del método es relativamente compleja y costosa en términos
computacionales, precisando de software que permita la aplicación
de los citados algoritmos o, directamente, la estimación por el
método de máxima verosimilitud. Adicionalmente, se debe tener
presente que la combinación de diversas distribuciones puede
dificultar la obtención de las estimaciones y que incluso se podrían
presentar problemas de convergencia en el algoritmo o de pobre
identificación de los parámetros. En este sentido, en los trabajos
de Brenner no se realiza una discusión detallada acerca del
proceso de estimación (tipo de algoritmo recomendado, valores
iniciales, propiedades de la estimación, etc).
- Las características del proceso de estimación de los parámetros y
del contraste de la hipótesis de aglomeración (basados en la
máxima verosimilitud) exigen la utilización de un número de
regiones relativamente elevado. Esta circunstancia es señalada en
los trabajos de Brenner como un requerimiento importante para
garantizar la fiabilidad de los resultados obtenidos. La repercusión
de este hecho para cualquier aplicación a realizar en la economía
española es inmediata: no se debería implementar para el caso de
las Comunidades Autónomas y sólo con prudencia para el de las
provincias. Parece pues más adecuado utilizar unidades
territoriales inferiores, como los municipios, que garanticen la
disposición de, como mínimo, algunos cientos de observaciones.
Además, debe tenerse presente que, por diversos motivos ya
discutidos en otras secciones, no existen garantias de que los
119
resultados sean robustos al nivel de desagregación territorial
seleccionado.
- Para la implementación del proceso se precisa disponer de
información estadística referida tanto al empleo como al número
de plantas productivas de cada uno de los sectores analizados y
en cada una de las unidades territoriales consideradas. En
consecuencia, podemos considerar que el método impone un
requerimiento informativo medio.
- La escasez de aplicaciones existentes, al menos por el momento,
dificulta la comparación con otras experiencias y con los
resultados obtenidos en las mismas. A ello cabe añadir el que la
difusión de la metodología en el contexto académico sea, al menos
por el momento y hasta donde nosotros conocemos, limitada, sin
que haya sido sometida a un riguroso proceso de validación y
discusión.
120
Tras la estimación de los parámetros de los modelos con y sin clusters
para un sector dado, la comprobación de si la distribución con clusters
describe de forma más fiel la realidad se realiza a través de un test de
razón de verosimilitud
Aplicaciones de la metodología
Hasta donde conocemos, el método únicamente ha sido aplicado por
Brenner para el caso de la economía alemana. En Brenner (2005) se
121
aplica al caso de los 23 sectores manufactureros de la clasificación
estándar a 2 dígitos en Alemania, mientras que en Brenner (2003 y
2004) el análisis se amplia a los 104 sectores manufactureros de la
clasificación a 3 dígitos. En ambos casos el ámbito territorial es el de los
441 distritos administrativos existentes en Alemania a 30 de junio de
2001.
122
Las razones de esta simplificación no son explicitadas claramente,
indicándose únicamente que la distribución tipo Boltzmann parece
aproximar mejor que la Binomial la distribución empírica de un mayor
número de sectores. No obstante, no descartamos que tal decisión
pueda también deberse a cuestiones computacionales dado que la
versión simplificada de las distribuciones se utiliza en la aplicación en la
que se emplean un mayor número de sectores y donde el número de
firmas por sector en cada región debe ser notablemente más reducido.
123
asume que tales aglomeraciones son causadas por la presencia de
externalidades con una dimensión espacial que hacen más
rentable a las empresas colocalizarse en el territorio, dando lugar
a clusters industriales. No obstante, para garantizar que esto es
realmente así se debería complementar el análisis efectuado con
este método con otro que incorporase de forma directa o indirecta
información acerca de las interacciones entre las plantas
productivas. En cualquier caso, el uso de información estadística
referida a un detalle sectorial y territorial elevado permitiría la
obtención de un mapa preciso de las aglomeraciones existentes en
el territorio español para cada uno de los sectores analizados.
- La riqueza del mapa dependería en gran medida del detalle
sectorial y territorial que se pudiese llegar a emplear. Respecto al
detalle sectorial, sería interesante obtener un mapa tanto con un
detalle sectorial elevado como otro correspondiente a
agrupaciones sectoriales más genéricas. Por su parte, la necesidad
de disponer de un número de observaciones suficientemente
elevado para garantizar las propiedades asintóticas del proceso de
estimación e inferencia propios de esta metodología, desaconsejan
su aplicación para el caso de las Comunidades Autónomas e
incluso de las provincias. De esta forma el ámbito territorial más
adecuado podría ser el de los municipios o el de alguna agrupación
natural de éstos.
- La utilización de información territorial detallada permitiría la
replica del análisis para cada una de las Comunidades Autónomas
de forma aislada. Este ejercicio permitiría obtener mapas
detallados de la localización de aglomeraciones a nivel regional,
que podrían proporcionar evidencia complementaria a la obtenida
para el conjunto del territorio español. Por ejemplo, permitiría la
detección de concentraciones de actividad que, aunque modestas
124
a nivel global, podrían llegar a tener su relevancia para algunas
regiones.
125
circunstancia supone un problema especialmente grave cuando la
localización de un sector sobrepasa las fronteras administrativas
de las regiones. Para tratar de superar los problemas asociados a
la agregación en las medidas y contrastes de localización,
Duranton y Overman (2005) señalan que cualquiera de ellas para
ser realmente adecuada debe evitar la utilización de unidades
espaciales agregadas sugiriendo, en su lugar, realizar el análisis
para el espacio continuo. Es decir, utilizar la distancia entre las
plantas productivas para valorar los patrones de localización
espacial de la actividad.
Supuestos iniciales
Los citados autores consideran crucial, tanto desde un punto de vista
teórico como de política económica, conocer i) la escala espacial de los
126
clusters, ii) si es una estructura de pequeñas y medianas empresas o un
pequeño grupo de grandes empresas el causante de una elevada
concentración, y iii) el alcance sectorial de la localización. Para aportar
conocimiento sobre estas cuestiones clave, Duranton y Overman
proponen un nuevo contraste basado en una medida de localización, con
fundamentos de la estadística espacial.
127
Metodología
La implementación del método basado en la distribución de las
distancias entre plantas productivas requiere el seguimiento de las
siguientes fases: 1) Selección de las plantas productivas relevantes. Se
debe determinar a priori cuál es el universo de plantas de cada sector
que deben ser consideradas en el análisis. La opción más inmediata es
la utilización de la información de todas ellas, aunque la inclusión de un
elevado número de plantas de dimensión muy pequeña (por ejemplo
menos de 10 trabajadores) puede distorsionar los resultados, dado que
las decisiones de localización de éstas pueden ser muy diversas y
distintas de las correspondientes a empresas de mayor dimensión. Para
ilustrar esta circunstancia, Duranton y Overman discuten el caso del
sector de la construcción naval, que en el Reino Unido presenta un gran
número de plantas muy pequeñas en las zonas no costeras mientras
que todas las grandes empresas se encuentran localizadas en la costa.
Concluyen que es muy probable que, aunque clasificadas en el mismo
sector, unas y otras realicen actividades muy distintas. Por ello plantean
dos alternativas, una consistente en establecer un umbral de tamaño a
partir del cual incluir a las plantas en el análisis y otra basada en la
ponderación de la contribución de cada planta según el tamaño de la
misma. Estas opciones dan lugar a resultados distintos dependiendo de
la distribución de la dimensión de las plantas productivas en el espacio.
2) Cálculo de la densidad de las distancias (densidades-K) para todos los
pares de empresas en cada sector. Para ello: i. se calcula la distancia
euclidea, Dij, entre todo par de plantas del sector analizado. Para un
sector con n plantas se calcularán un total de n(n-1)/2 distancias ii. se
estima la densidad de las distancias bilaterales para toda distancia d a
través del método kernel (ver, por ejemplo, Silverman, 1986):
128
donde h es el ancho de banda y f la función kernel.
En el caso de emplear una ponderación por la dimensión de las plantas,
por ejemplo a través del número de empleados, e, la densidad-K se
define como:
129
territorio en los que no es posible la localización de plantas productivas
(tanto por razones naturales, i.e. existencia de un lago, como por
reglamentaciones específicas).
130
Como se ha indicado anteriormente, en el trabajo de Duranton y
Overman no se plantea la detección e identificación de clusters
industriales sino únicamente el diseño de un contraste de aglomeración
espacial. Sin embargo, creemos que la aplicación de su método
permitiría, como mínimo, comprobar de forma robusta la presencia de
clusters en cada uno de los sectores analizados. Y además sería
interesante investigar la potencialidad de los resultados que se obtienen
con la aplicación de esa metodología para la realización de un “cluster
mapping”. Únicamente a modo de ejemplo, dado que no constituiría un
método riguroso ni objetivo, sugerimos combinar la información que nos
indica que un sector presenta un exceso de localización en términos
globales y para qué rango de distancias lo presenta, con la simple
visualización de las plantas productivas de ese sector en un mapa. De
esa forma se podría fácilmente determinar las aglomeraciones de
plantas más significativas del sector analizado. De hecho este proceder
es seguido en el trabajo de Duranton y Overman para ilustrar la
existencia de algunos clusters en sectores seleccionados para el caso del
Reino Unido. Opciones más sofisticadas implicarían la aplicación de
algoritmos que agrupasen plantas a partir de la información de la
distancia que hay entre ellas, como por ejemplo los empleados en los
habituales análisis multivariantes de agrupación de individuos.
Relación con la función K de Ripley
Marcon y Puech (2003) señalan que la densidad-K definida en el trabajo
de Duranton y Overman es muy parecida a una medida de
concentración espacial basada en el análisis de la distribución de puntos
ampliamente utilizada en disciplinas como la ecología y la epidemiología.
Esta medida se conoce como función K de Ripley (1976, 1977). La idea
básica de esta medida es muy simple. Si se toman las plantas
localizadas en un espacio determinado, éste presentará igual densidad
de plantas en el caso de que cualquiera de las localizaciones que lo
131
configuran resulte igualmente atractiva a todas ellas. Es posible
entonces definir un marco de referencia calificado como de aleatoriedad
espacial total, en el que las plantas se localizan en cualquier lugar con
igual probabilidad y lo hacen de forma independiente a la localización de
las otras plantas. Por el contrario, si la localización de una planta
depende de la localización de otras, entonces cuando tomemos a una de
ellas encontraremos un número mayor de plantas en su proximidad que
el asociado a una situación de aleatoriedad. En consecuencia, podemos
extraer conclusiones sobre el nivel de aglomeración de un sector a partir
del número medio de plantas vecinas para cada distancia.
132
En consecuencia, y siguiendo un procedimiento similar al expuesto
anteriormente para el caso del método de Duranton y Overman, se trata
de calcular la función L para un amplio rango de distancias y comparar
los valores obtenidos con los asociados a la hipótesis nula de una
distribución aleatoria. Pero a pesar de ello, la función L no tiene en
cuenta la heterogeneidad innata en la distribución de la actividad
económica, es decir el hecho de que no todas las localizaciones del
territorio resulten igualmente atractivas para las plantas del sector
analizado, dado que la distribución de referencia que considera es la de
aleatoriedad pura. Para incorporar la heterogeneidad espacial, Marcon y
Puech sugieren definir una función D(r) mediante la que se compara la
función K(r) observada para el sector analizado como una función K(r)
asociada a una distribución de control: la correspondiente a las plantas
de todos los demás sectores. De esta forma la función D(r) se define
como la diferencia entre ambas funciones K. En consecuencia, la función
D(r) permite detectar desviaciones del patrón de localización de las
plantas de un sector respecto del existente para el conjunto de plantas,
excluidas las del propio sector analizado.
Ventajas e inconvenientes
Ventajas
dando lugar al calificado como edge effect. El sesgo inducido por este efecto se puede corregir utilizando
únicamente la parte del área del círculo incluida en el espacio considerado.
133
- La medida de localización propuesta en Duranton y Overman, y el
contraste basado en ésta, cumple con cuatro propiedades
deseables: i) garantiza la comparación entre sectores, ii) controla
por el nivel de concentración de la industria en su conjunto, iii) es
insesgada respecto a la escala y la agregación espacial, y iv)
proporciona información acerca del nivel de significación
estadística de los resultados.
- En consecuencia, la identificación de exceso de localización
(aglomeración) o de dispersión en un sector se basa en la
utilización de un criterio estadístico, fijado a priori, objetivo y
reproducible. Aunque se debe recordar que ello no posibilita la
detección e identificación directa e inmediata del espacio
geográfico en el que, en su caso, se sitúa la aglomeración, y por
tanto la realización del “cluster mapping” a través de un
procedimiento totalmente objetivo.
- Se tienen en consideración las características específicas de cada
sector a la hora de computar los criterios estadísticos en los que
se apoya el método. En consecuencia, los intervalos y bandas de
confianza locales y globales son específicos para cada sector.
- Permite controlar por diferencias en la distribución del tamaño
entre plantas productivas de forma que, además de tener en
cuenta la localización precisa de cada planta, incorpora
información del empleo que se ubica en cada una de ellas.
Asimismo, permite distinguir las pautas de localización de plantas
de distinta dimensión.
- En comparación con otros métodos basados en funciones de
distancias, no requiere de la corrección por efectos frontera (edge
effects).
134
- Dado que la propuesta de Duranton y Puga apareció publicada en
un medio de reconocido prestigio entre la profesión, podemos
señalar que el método goza de reconocimiento académico amplio.
Inconvenientes
135
- La implementación de este método es relativamente compleja e
intensiva en cálculo al requerir el cómputo de las distancias entre
todos los pares de empresas de cada uno de los sectores
considerados y de las distancias en el caso de cada una de las
distribuciones simuladas.
136
- La determinación del umbral de la distancia máxima considerada,
necesario para la implementación del método, se realiza de forma
ad hoc.
137
para garantizar la robustez de los resultados. De hecho no
conocemos, y creemos que sería interesante conocer, la
sensibilidad del índice y del contraste de localización al número de
plantas.
138
K(d)> K95(d) se debe concluir que el sector presenta localización a una
distancia d. Por el contrario, si K(d)< K95(d) el sector presentará
dispersión a la distancia d.
139
global supone que la densidad-K se encuentra por encima de la banda
de confianza superior para al menos un nivel de distancia, mientras que
la dispersión global requiere que la densidad-K se encuentre por debajo
de la banda inferior para al menos una distancia y que en ninguna
sobrepase la banda superior.
Aplicaciones de la metodología
Las únicas aplicaciones de las medidas de localización basadas en
distancias son las realizadas para el Reino Unido por Duranton y
Overman (2005) y por Fratesi (2005), y para el área de París por
Marcon y Puech (2003). En el caso de los dos primeros trabajos, los
autores explotan la exhaustiva información contenida en la base de
datos ARD, producida por el instituto nacional de estadística británico y
que contiene información acerca del número de empleados, el sector de
actividad (según la clasificación SIC) y el código postal para todos los
establecimientos del Reino Unido. Duranton y Overman limitan su
análisis a los establecimientos productivos del sector industrial,
considerando agrupaciones sectoriales de 2 a 5 dígitos SIC. La
información de los códigos postales es combinada con la referida a las
coordenadas espaciales de todos los códigos postales en el Reino Unido
contenida en la base de datos Code-Point del Ordnance Survey. Esto
permite a los autores obtener información bastante precisa de la
localización geográfica de todas las plantas productivas del sector
industrial en el Reino Unido.
140
ellas, de forma que en este último caso los resultados que obtienen
deben ser interpretados en términos de localización del empleo.
141
Por su parte, Fratesi (2005) analiza en detalle la localización de dos
sectores de la clasificación SIC a 3 dígitos para el Reino Unido: el SIC
244 correspondiente al sector Farmacéutico y el SIC 334 de Óptica y
Fotografía. Para ambos considera todos los subsectores de la
clasificación a 5 dígitos. El interés del análisis específico de estos
sectores radica, según el propio autor, en que se corresponden con
actividades industriales avanzadas para las que “los aspectos
organizativos deberían jugar un papel más importante que las ventajas
comparativas geográficas o las razones históricas”. Para ello utiliza
índices de localización tradicionales como el de Gini, índices del tipo
Ellison y Glaeser y las modificaciones de Maurel y Sedillot (1999) y
Devereux et al (1999), y medidas basadas en la distribución de
distancias, siguiendo la aproximación de Duranton y Puga.
142
Finalmente, cabe señalar que Marcon y Puech (2003) analizan los
patrones de localización en los sectores industriales del área de París y
del conjunto de Francia, utilizando la función L de Besag, la cual, como
indicamos anteriormente, es una modificación de la función K de Ripley.
Para ello consideran las plantas de los 14 sectores industriales (5739 en
el caso de París y 25186 para el del conjunto de Francia), concluyendo
que los patrones de localización en el área urbana de París difieren de
los del conjunto de Francia. Así, en el caso parisino detectan 5 sectores
significativamente concentrados y 9 con dispersión significativa,
mientras que para el conjunto del territorio francés son sólo 4 los
sectores donde la concentración es estadísticamente significativa, y
también 4 los que muestran dispersión significativa. Los restantes 6
muestran dispersión o concentración para algún rango de distancia.
Además, en ambos ámbitos territoriales los patrones de concentración
geográfica difieren entre sectores, variando por ejemplo la distancia en
la que aparecen los picos de mayor concentración.
143
analizados. Creemos que es el método que garantizaría una mayor
fiabilidad y riqueza de resultados, al controlar por la tendencia global a
la aglomeración de la industria y por la concentración sectorial, por ser
insesgada respecto a la escala y la agregación espacial, y por
proporcionar el nivel de significación de los resultados. Dado que la
identificación de los sectores que presentan aglomeración de la actividad
es un paso previo en cualquier método de detección e identificación de
clusters, creemos interesante poder incorporar las medidas propuestas
por Duranton y Overman a cualquiera de los procedimientos de “cluster
mapping”, bien sustituyendo o complementando el uso de medidas
basadas en la agregación territorial.
144
- Sería posible contrastar la existencia de aglomeración y de dispersión
tomando como referencia tanto el conjunto de la economía española
como territorios específicos de la misma. Así se podría realizar el análisis
para cada una de las CCAA, simplemente replicando el procedimiento
con las plantas localizadas en cada una de las regiones.
145
hacia la conformación de clusters basados en la innovación, siendo esta
la verdadera fuente del crecimiento de la productividad y competitividad
empresarial, regional y país.
146
manera presiones sobre las empresas o unidades productivas, mediante
exigencias de desempeño. El nivel meso, donde las infraestructuras
físicas (capital físico), humanas (capital humano), tecnológicas (capital
científico - técnico), financieras (capital de trabajo e inversión), de
información (capital red) y ambientales (capital verde y azul), generan
un entorno apropiado para los efectos acumulativos del aprendizaje y la
innovación. Y donde las estructuras económicas, los mercados y las
estructuras de interacción empresarial, las redes y los clusters,
determinan en gran parte la estrategia empresarial. El nivel micro,
donde se induce a la ampliación de las capacidades productivas,
tecnológicas, de gestión y estrategias de las empresas. Y el nivel meta,
donde - crea la nueva institucíonalidad para la competitividad mediante
una renovada capacidad del Estado para conducir y regular, y se crean
espacios y formas de interacción público - privadas para la construcción
colectiva y sinérgica de capacidades para la competencia. Con estos
parámetros de relevancia en cada nivel (ámbito), se construye un nuevo
patrón orgánico de región, que permite la eficiente asignación de
recursos junto a la minimización de los costos de transacción,
organización y transformación de valor, para la generación de ventajas
competitivas en un marco sistémico. El no cumplimiento de la sinergia
entre los diferentes niveles de la competitividad país y/o región, así
como la presencia de ineficiencias estructurales en el ámbito meso de
las infraestructuras, en el ámbito macro de los equilibrios, y en el
ámbito meta de la confianza y la política publica, conllevan la generación
de unos sobre costos que afectan la competitividad y la productividad
micro y macro.
Ahora bien, si se acepta el adagio de que son las empresas las que en
ultima instancia compiten, el soporte conceptual dado por la teoría de la
147
ventaja competitiva basada en los recursos empresariales, es la idónea
para centrar el análisis metodológico a partir de estudios de caso.
148
ventaja competitiva asociadas a una estrategia genérica de
diferenciación o a una alternativa o complementaria de costo.
149
• En la infraestructura de la empresa: Una estructura organizativa
más plana reduce costos fijos. Un sistema de información
simplificado reduce los costos de administración.
150
• En la actividad de logística externa: Un reparto JIT reduce
pérdidas de tiempo. Unos mejores sistemas de distribución
minimizan los desperfectos en el producto.
151
De la lectura anterior se deriva claramente que las practicas más
comunes en las organizaciones, responden en el fondo a una directriz de
posicionamiento estratégico, y a su vez cada una de ellas implican el
uso de recursos, que adecuadamente orientados, derivan en
capacidades centrales o aptitudes para la consolidación o creación de
ventajas competitivas. en resumen la esencia de la apuesta conceptual
para el diseño metodológico. En efecto, la idea es la concepción de un
proceso de acumulación de capacidades empresariales para la gerencia
del conocimiento en las empresas. Esta acumulación se da vía flujos
(procesos) de aprendizaje tecnológico y organizacional, además de la
incorporación del cambio técnico. Así, las organizaciones adquieren
habilidades y aptitudes para el manejo de recursos tal que durante el
proceso de gerencia del cambio técnico y de la producción, se
identifiquen fuentes de ventaja competitiva.
152
Contenido: La descripción funcional del cluster objeto de estudio parte
de la identificación de su malla funcional y las principales relaciones
institucionales. Seguidamente se procede a caracterizar el
encadenamiento productivo en torno al cual se configura el cluster .
153
La figura xxx ilustra la dinámica de la propuesta metodológica para el
levantamiento del análisis del cluster industrial. Bajo nuestra
perspectiva, la idea es la contrastación de brechas existentes en el
proceso de acumulación de capacidades de las empresas y/o
organizaciones que conforman y son las "estructurantes" de un cluster
definido por una vocación productiva regional. Así, se busca medir en
154
ultimas la capacidad competitiva del cluster regional estudiado, en
función de la determinación de las capacidades competitivas de las
denominadas empresas "nodo o estructurantes". Esta medición se
elabora en función de un referente teórico, alimentado por modelos de
competitividad experiencias de consultaría empresarial, y metodologías
de medición de capacidades empresariales. La apuesta teórica es que la
competitividad del cluster depende de la acumulación de la capacidad
endógena de sus empresas "estructurantes", pero crucialmente de la
densidad de relaciones y construcción de sistema o red en el espacio
regional. En este sentido, la competitividad va más allá de la
competencia en los mercados y se alimenta en la cooperación o
densificación de las relaciones y flujos tecnoeconómicos en un territorio,
la clusterización.
155
Figura xxx.
156
El objetivo central de este primer paso metodológico consiste en la
selección del nodo estructurante o actividad productiva (o de prestación
de servicios) propia del cluster
Relaciones institucionales.
157
a. Características económicas:
• Desempeño de las principales variables económicas sectoriales
(cadena): producción, valor agregado, empleo, exportaciones,
entre otras.
• Niveles de concentración económica y estructura de mercados.
• Localización regional de la(s) actividad(es) productiva(s).
158
información disponible permite sustancialmente el análisis descriptivo
del cluster, identificar dinámicas y tendencias sectoriales generales.
159
d. Como resultado trivial de la entrevista debe quedar un
contacto claro y factible. Es decir debe quedar abierta la
posibilidad de solicitar más información por medios
electrónicos o de telecomunicaciones (e-mail, teléfono o
fax).
Productos
Los principales resultados de este análisis preliminar se condensan en
un documento cuyos componentes principales son;
160
Selección del eslabón estructurante
Contenido: naturaleza del eslabón estructurante del cluster.
161
De otra parte, la correcta identificación del nodo estructurante brinda la
mejor perspectiva del análisis, lo cual garantiza la relevancia de los
resultados del estudio en virtud de que se clarifica la comprensión de las
características y naturaleza del cluster, facilita la ubicación de actores y
empresas relevantes.
162
instituciones de mayor relevancia regional, entre los empresarios con
mayores conocimientos sobre la actividad económica regional y las
personas que hayan adelantado estudios e investigaciones sobre el tema
en la región.
Condiciones meso
163
La idea que atraviesa el análisis es que entre mayor sea la cantidad de
establecimientos asentados en la región y su interacción, mayor será la
densidad de sus relaciones, y que si a ello se agrega la existencia de
cooperación entre las empresas e instituciones vinculadas al cluster, se
propiciarán niveles crecientes de sinergias (mayor nivel de
clusterización) que elevarán sus capacidades competitivas y acelerarán
su desarrollo.
164
Contenido: matriz de dusterización
Especialización geográfica
165
Mediante el calculo del Índice de Hoover, con el fin de establecer si las
actividades del agrupamiento empresarial en cuestión constituye una
especialización económica en el país. Esto es posible en la medida en
que dicho índice señala si la participación de esta actividad dentro del
departamento o región es mayor o menor que la que alcanza en el
ámbito nacional
166
mercado, en la medida en que esto contribuiría a generar economías de
escala que le otorguen ventajas a las empresas del cluster frente a sus
competidores directos.
OBSERVACIÓN:
La cadena productiva
167
establecer, una eventual articulación a cadenas supranacionales, como
es el caso de la realización de actividades de maquila. Solo que en tal
caso, la indagación debería orientarse a establecer qué capacidades
competitivas se derivarían de tal vinculación.
168
a. Minimización de costos medios al interior de la empresa y el conjunto.
c. Especialización horizontal.
169
menos inicialmente, entre más pequeño es el tamaño de los
establecimientos.
d. Servicios empresariales.
OBSERVACIÓN:
170
Todo ello en la medida en que los avances registrados en estas variables
son fundamentales para enfrentar con éxitos los desafíos del mercado
en el actual contexto competitivo.
a. Rivalidad y eficiencia.
b. Diferenciación estratégica.
171
destacados en materia de calidad de sus productos debido al
cumplimiento de estándares normalizados o de la atención de mercados
exigentes (especialmente extranjeros), en el sentido señalado por Porter
(1998:259) o por el desarrollo en sus productos de atributos que les
confieran singularidades que le proporcionen un mayor valor
(satisfacción) a los clientes que los de su competencia. Una fuente
primordial de esta diferenciación productiva se encuentra en la
innovación, por ello, la actitud frente a ésta en las empresas del clusters
es fundamental para su éxito competitivo. La frecuencia de las
innovaciones es, entonces, un indicador fundamental de las condiciones
para el desarrollo sus capacidades competitivas.
c. Desarrollo tecnológico.
172
las actitudes y capacidades de incorporar estos avances por las
empresas del cluster.
e. Orientación exportadora.
Grado de cooperación.
173
a. Alianzas estratégicas.
b. Proyectos colectivos.
c. Temporalidad.
174
Regulación y política pública.
En este ítem se indaga por el papel jugado por las políticas públicas y la
regulación en favor del avance del cluster en la medida en que, en
general, en la mayoría de los estudios de estos núcleos empresariales
en países en vía de desarrollo se ha encontrado que constituyen
mecanismos de estímulo fundamentales para su desarrollo.
175
Desarrollo institucional y desarrollo de redes.
a. Institucionalidad existente.
b. Redes.
176
Competencias laborales.
Esta dimensión del análisis indaga por los niveles de desarrollo del
capital humano existente en la región, bien sea corno fruto de las
trayectorias de aprendizaje resultantes de la especialización productiva
de la región, de la existencia de una oferta de capacitación especializada
y, lo que de aUi se deriva, la existencia de un mercado laboral
especializado en las actividades del cluster en cuestión.
a. Educación especializada.
b. Aprendizajes.
177
con mayor valor agregado, las curvas de aprendizaje serán más
pronunciadas.
Cultura empresarial.
Este Ítem aborda lo relacionado, por una parte, con la existencia de una
cultura regional propicia para la formación de empresarios con un perfil
concordante con las exigencias del entorno competitivo del cluster y, por
otra, lo relacionado la identificación del producto región por parte del
mercado.
178
competencia, a los mercados internacionales, al cambio técnico y a la
cooperación o si, por el contrario, presenta rasgos de informalidad, de
aversión al riesgo y a la competencia, o de desconfianza frente a la
cooperación, en la medida en que esto se constítuye en un claro
obstáculo para el desarrollo de la competitividad del cluster.
179
Esta evaluación se hace a partir de la información recopilada con mira a
diligenciar la matriz de clusterización. En la matriz se hace una
valoración individual de cada uno de sus componentes, que agregada,
proporciona una valoración cualitativa global de las condiciones
ofrecidas por el entorno.
180
Bibliografía.
181
Aranguren, M.J. (1998). Creación de empresas: Factores determinantes.
La industria de la CAPV. San Sebastián: Universidad de Deusto-ESTE.
182
Bouvard, F., M. Cesari y J. Luciat-Labry (2002), Retooling the Way to
Profitable Growth, McKinsey Research.
Cawthorne, Pamela M. (1995), "Of networks and markets: the rise and
rise of a South Indian town, the example of Tiruppur's cotton knitwear
industry". 23 (1):43-56. World Development.
CNN Money (2003), “Ford Exec: Camry better than Taurus”, February.
http://money.cnn.com/
183
Dahl Michael S. (2003), "Knowledge Diffusion and Regional Clusters:
Lessons from the Danish ICT Industry", Unpublished PhD Thesis,
Department of Business Studies, Aalborg University, 250 pages.
Submitted: November 3, 2003 - Defended: January 26, 2004.
184
Fourcade, F. y C. Midler (2003), “Vehicle Modularization: Challenges
Facing Level-1 Suppliers and Prerequisites for Its Implementation”,
documento presentado al décimo primer encuentro de la GERPISA
(París, 11 al 13 de junio), Permanent Group for the Study of the
Automobile Industry and its Employees (GERPISA).
185
Hopkins, T.K. y I. Wallerstein, Commodity Chains in the Capitalist
World-Economy Prior to 1800, en Gereffy, G. y M. Korzeniewicz,
Commodity Chains in Global Capitalism, London, 1994 (pp. 18-34)
186
Just-auto.com (2003b), “USA: General Motors and Ford get union
approval to axe eight plants”, 22 setiembre. http://www.just-auto.com/
Krugman, P.; Fujita, M.; Venables, A. (2001). The Spatial Economy. MIT
Leuliette, T., (2003), “Building a New Business Model for the Substantial
and Sustainable Value Creation”, PPT presentado a la Conferencia
Automotriz Global, Western Kentucky University, 8 abril.
187
Systems of Innovation. Towards a Theory of Innovation and Interactive
Learning (pp. 45-67). London-New York: Pinter.
188
Moreno, J.L. (1934): Who Shall Survive? in Foundations of Sociometry,
Group Psychoterapy and Sociograma. Washington D.C.: Nervous and
Mental Disease. Publishing.
Paula England, and Marshall Meyer (New York: Russell Sage Foundation,
2001). En pag 23 - 28
189
presentado al noveno encuentro de la GERPISA (París, 7 al 9 de junio),
Permanent Group for the Study of the Automobile Industry and its
Employees (GERPISA).
190
Sako, M. (2003), “Modularity and outsourcing: the nature of co-
evolution of product architecture and organization architecture in the
global automotive industry”, documento presentado al décimo primer
encuentro de la GERPISA (París, 11 al 13 de junio), Permanent Group
for the Study of the Automobile Industry and its Employees (GERPISA).
191
Téllez, I. G. (2002) Pierre Bourdieu: conceptos básicos y construcción
socioeducativa. Bogotá: Universidad Pedagógica Nacional.
192
Womack James P, Daniel T. Jones, Daniel Roos (1990) ”The Machine
That Changed the World : The Story of Lean Production” McGraw-Hill,
Nueva Cork.
193