metodología para detección e identificación de clusters industriales
252
METODOLOGÍA PARA DETECCIÓN E IDENTIFICACIÓN DE CLUSTERS INDUSTRIALES COMPARACIÓN Y PROPUESTA REPORTE DE ESTADÍA DOCTORAL Efrén Armando Osorio Ramírez Armando Heredia González Pablo Nuño de la Parra
-
Upload
efren-armando-osorio-ramirez -
Category
Documents
-
view
2.418 -
download
6
Transcript of metodología para detección e identificación de clusters industriales
METODOLOGÍA PARA DETECCIÓN E
IDENTIFICACIÓN DE CLUSTERS INDUSTRIALES
COMPARACIÓN Y PROPUESTA
REPORTE DE ESTADÍA DOCTORAL
Efrén Armando Osorio Ramírez
Armando Heredia González
Pablo Nuño de la Parra
Maricela Castillo Leal
Jorge Antonio Acevedo Martines
Efrén Armando Osorio Ramírez
Profesor Investigador Instituto Tecnológico de Puebla
Armando Heredia González
Profesor Investigador del Instituto Tecnológico de Tehuacan
Pablo Nuño de la Parra
Director del Centro Interdisciplinario de Posgrados Investigación y Consultoria UPAEP
Maricela Castillo Leal
Profesora Investigadora del Instituto Tecnológico de Oaxaca
Jorge Antonio Acevedo Martines
Profesor Investigador del Instituto Tecnológico de Oaxaca
Edición electrónica, Editorial eumed●net Universidad de Malaga, ISBN:
84-690-0603-0, depósito legal en la Biblioteca Nacional de España con
el número de registro: 06/65713.
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.....146
Bibliografía............................................................................................182
3
Introducción.
Las economías, independientemente del ámbito geográfico que
abarquen, muestran ciertos patrones de especialización, aprovechando
su posición competitiva en uno o varios conjuntos interrelacionados de
sectores, a los que se ha dado en denominar como clusters.
En este sentido, existe un amplio consenso en que las empresas
resultan más competitivas cuando se encuentran agrupadas
espacialmente, explotando de esa forma ciertas ventajas productivas
asociadas a la proximidad espacial con otras empresas y agentes que
intervienen, directa o indirectamente, en la actividad productiva. Esta
idea, que se remonta inicialmente a las aportaciones de Alfred Marshall,
ha sido profusamente tratada en las últimas décadas tanto desde un
punto de vista teórico como empírico en la literatura económica.
La investigación académica y las actuaciones de política económica en
torno a los clusters han tenido como referencia básica la definición
formulada por M. Porter de clusters industriales como “las
concentraciones geográficas de empresas interconectadas, proveedores
especializados, proveedores de servicios, empresas en sectores
próximos, e instituciones asociadas (como por ejemplo universidades,
agencias gubernamentales, asociaciones empresariales, etc) en ámbitos
particulares que compiten pero que también cooperan”.
Una de las características básicas de la línea posiblemente más prolífica
en el análisis de clusters industriales, aquella basada en el análisis de
caso, es la asunción a priori de la existencia en un territorio determinado
de uno o varios clusters que constituyen precisamente el objeto del
estudio. Es decir, se suele asumir la presencia del cluster que se analiza
4
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
La utilidad que tiene la disponibilidad de un mapa de clusters para la
valoración de la situación existente y para el diseño de políticas, justifica
el esfuerzo de su realización de forma sistemática y con una
metodología común para el conjunto de la economía y para cada uno de
los niveles en que se puede dividir el conjunto del territorio.
No obstante, la existencia de diversas propuestas con aproximaciones
metodológicas diferenciadas y la elevada demanda de información
estadística detallada por parte de algunas de éstas, hacen aconsejable
un estudio previo de la adecuación al caso concreto de los diversos
métodos existentes y de la posible necesidad de ajustes en la aplicación
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
5
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.
La aplicación de una metodología específica para el caso de una
economía, se han obtenido tras realizar una exhaustiva revisión de la
literatura existente, en la que se han procesado tanto trabajos
estrictamente académicos como informes en los que se recoge la
experiencia de la aplicación de algunas de las metodologías propuestas
para diversas economías. Esta tarea ha permitido identificar dos
aproximaciones que incorporan explícitamente un método de detección
e identificación de clusters industriales en el territorio. El primero se
fundamenta en las aportaciones de Michael Porter y su equipo de
colaboradores en el Institute for Strategy and Competitiveness en la
Harvard Business School. Con este método, al que denominaremos “à la
Porter”, esta institución ha elaborado un mapa exhaustivo de clusters
para la economía norteamericana, habiendo intervenido también,
directa o indirectamente, en la elaboración de mapas para otras
economías. La segunda de las propuestas identificadas se configura en
torno a los trabajos de Thomas Brenner, investigador del Max Planck
Institute of Economics. Su propuesta se basa en la capacidad de ajustar
la distribución observada de la actividad económica a través de una
distribución teórica asociada a una situación de aglomeración y a otra
asociada a aleatoriedad. Por esta razón lo denominamos en el informe
como “método basado en la comparación de distribuciones”.
6
Las diferencias entre ambos enfoques son sustanciales y conducen a
pensar que los resultados obtenidos a partir de la aplicación de uno u
otro método pueden diferir notablemente, lo que unido al coste asociado
a la implementación de ambos, no hace más que justificar la necesidad
de valorar a priori las ventajas e inconvenientes de su implementación
para el caso de la economía española.
A pesar de no contener un procedimiento explícito que permita la
detección e identificación inmediata de clusters, hemos incluido en el
análisis efectuado una tercera aproximación, basada en la distancia que
separa a las empresas localizadas en el territorio de una economía. Esta
estrategia goza de una amplia difusión en el análisis de la localización
en el ámbito de otras disciplinas (ecología, biología, epidemiología, etc)
y ha sido adaptada para el caso del análisis de la localización de la
actividad económica por Marcon y Puech (2003) y por Duranton y
Overman (2005). Pero después de considerar detalladamente estas
aportaciones debemos concluir que no incorporan ningún instrumento
que permita de forma directa la detección e identificación de clusters en
el territorio. Aun así hemos optado por incluirlas en el informe dado su
posible utilidad como instrumento para valorar la presencia de clusters
en los sectores analizados y por la posibilidad de que en el futuro se
desarrollen instrumentos que permitan extender los principios de los
métodos basados en las distancias a la elaboración de mapas de
clusters.
Objetivos
Este Trabajo es producto de la estancia doctoral que se realizo en la
Universidad Popular Autónoma del estado de Puebla bajo la dirección del
7
Doctor Armando Heredia González (director de tesis) , Doctor Raúl
Morales Carrasco (Investigador del ITPuebla), Doctor Pablo Nuño de la
Parra (Director del Centro Interdisciplinario de Posgrados Investigación y
Consultoria UPAEP) , y su objetivo básico es el de determinar los puntos
fuertes y las limitaciones de los distintos métodos existentes y valorar la
viabilidad de su aplicación.
Este objetivo básico se puede detallar en otros específicos que a
continuación se glosan:
− analizar los elementos básicos constituyentes del concepto de cluster
industrial, con el objetivo primordial de valorar la adecuación de los
métodos disponibles para su detección e identificación,
− elaborar un estado del arte acerca de las características
fundamentales de los métodos existentes para la realización de un mapa
de clusters,
− anticipar las necesidades de información estadística de los distintos
métodos y las posibilidades de su adecuación a los datos disponibles
para la economía española
− determinar la potencialidad del output generado a través de cada uno
de los métodos para valorar los resultados de las políticas existentes y
contribuir al diseño de las futuras, y
− Configurar una nueva Metodología.
Capitulo I: Aproximación Teórica.
Marco de las principales escuelas teóricas sobre aglomeraciones geográficas, clusters regionales y Redes
8
En materia de economía industrial, los trabajos sobre el éxito de los
conglomerados caracterizados como sistemas locales de empresas con
patrones de organización y especialización flexible que posibilitan la
generación de un trade-off entre economías de alcance y escala, en las
empresas que se especializan en una secuencia fabril inserta en la
cadena de valor agregado de la aglomeración.
Desde que en 1990 Porter publicara su libro La ventaja competitiva de
las naciones el análisis de clusters se ha expandido vertiginosamente.
En ello influyó, por un lado, la aparición o desarrollo, desde mediados de
los años 80, de una serie de corrientes económicas, a saber:
Dentro de la economía de la innovación, del enfoque de los
sistemas nacionales, regionales y sectoriales de innovación,
De la geografía económica e industrial (especialmente de la
corriente neomarshalliana de los distritos industriales),
Dentro de la economía tradicional, de las nuevas teorías del
crecimiento económico y del comercio internacional,
Y dentro de la economía organizacional, de los llamados costes de
transacción, de la teoría de la firma y de la literatura basada en los
recursos. (Véase Dahl 2001:1 y la figura 3 ).
Figura 3.
9
El interés se debe al ambiente cognitivo local en el que las empresas
operan y que ha sido objeto de estudio de grandes economistas
expertos en temática distrital, que van desde Marshall a Porter, desde
Rulliani a Beccatini, los cuales han analizado las regiones del norte
italiano, como también de Dinamarca y en el estado Germano de Baden-
Württemberg, entre otras, y coinciden en que existen raíces profundas
en la historia, en la cultura, las instituciones y en la economía de las
áreas que originan estas aglomeraciones.
Entre los aportes de tales investigaciones se destaca la complejidad en
la formación de los conglomerados la cual ha sido confiada a un
conjunto de decisiones colectivas que surgen de la colaboración entre
actores públicos y privados, asociados a la interrelación existente entre
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
10
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.
Las teorías de la localización y de geografía económica.
La mayoría de los elementos postulados por las teorías de localización y
geografía económica no son completamente nuevos. En 1909 Alfred
Weber desarrolló su teoría en donde explica el procedimiento de
localización de una industria, denominada “Teoría de la ubicación
industrial”, utilizando los costos de distancia y transporte como su
variable explicativa central.
Posteriormente, Alfred Marshall en 1920 y Young en 1928 desarrollaron
el concepto de las ventajas de aglomeración vinculadas a los
rendimientos crecientes a escala. En este mismo trabajo Marshall
identificó tres razones diferentes a favor de la concentración de una
actividad en un determinado lugar. En primer lugar, gracias a la
concentración de un elevado número de empresas de un ramo en el
mismo lugar, genera un centro industrial, el cual crea un mercado
conjunto para trabajadores cualificados. Este mercado conjunto
beneficia, tanto a los trabajadores como a las empresas. En segundo
lugar, un centro industrial permite el aprovisionamiento, en una mayor
variedad y a un costo inferior, de factores concretos necesarios al sector
que no son objeto de comercio. Por último, debido a que la información
fluye con más facilidad en un ámbito reducido que a lo largo de grandes
distancias, un centro industrial genera lo que Krugman denomina
ósmosis tecnológica (technological spillovers).
Por su parte, Alfred Christaller, en 1935, definió una actividad comercial
(lugar central) como aquella ubicada espacialmente que brinda un
11
servicio a un área circular (área complementaria), que puede cumplir
una función única o múltiple.
En cuanto a esta última, menciona la existencia de servicios de alto
orden (gran demanda inicial, con grandes áreas de mercado para un
solo abastecimiento) y bajo orden (demanda inicial baja, apoyados por
un área de mercado pequeña), así como la definición de una estructura
jerárquica.
El pilar de las teorías de localización expuestas recalca el peso relativo
del costo de transporte en el costo final, lo cual le da sentido a la
decisión de algunas actividades de ubicarse preferiblemente cerca de la
materia prima (los recursos naturales); otras se emplazan cerca de los
mercados a los cuales dirigen su producción, al tiempo que otras se
ubican en forma intermedia o en otro lugar, tal como lo expresa la
siguiente aseveración:
Este enfoque subraya asimismo las interdependencias de la materia
prima y el producto procesado y también los productos que hacen más
fácil coordinar sus movimientos en una sola ubicación (Ramos,
1998:107).
La variable clave en los modelos de ubicación es la distancia, o en forma
más precisa, los costos en dinero, tiempo e inconveniencia de la
distancia. La teoría de la ubicación se toma como normativa y expone
cómo deberían comportarse las actividades, en forma ideal, bajo las
suposiciones establecidas.
Teoría de los encadenamientos
12
La teoría de los encadenamientos productivos nace con el trabajo de
Hirschman (1958) y sus famosos acoplamientos hacia atrás y hacia
adelante (backward and forward linkages). Los encadenamientos son los
efectos indirectos sobre la producción, el ingreso, el empleo, los
impuestos, los recursos, o los cambios ambientales en industrias
conexas, ofertantes o demandantes de una industria dada, causados por
cambios exógenos en ella. Los supuestos de los encadenamientos
procuran mostrar cómo y cuándo la producción de un sector es
suficiente para satisfacer el umbral mínimo o escala mínima necesaria
para hacer atractiva la inversión en otro sector que éste abastece
(encadenamientos hacia atrás), o eslabonamientos hacia delante
(forward).
Cuando la realización de una inversión hace rentable la realización de
una segunda inversión, y viceversa, la toma de decisiones en forma
coordinada asegura la rentabilidad de cada una de las inversiones. Los
encadenamientos hacia atrás dependen, tanto de factores de demanda
(elasticidad de la demanda derivada de insumos y factores) como de su
relación con factores tecnológicos y productivos (el tamaño óptimo de la
planta y la similitud entre la tecnología utilizada en la producción del
bien final y la producción del insumo).
Una empresa encontrará incentivos para llevar a cabo encadenamientos
hacia atrás cuando la tecnología utilizada para su producción puede
también ser utilizada en la producción del insumo. Existen otros factores
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.
13
El desarrollo de los encadenamientos hacia adelante depende en forma
imperante de la similitud tecnológica entre la actividad extractiva y la de
procesamiento. Mientras mayor sea la similitud, mayor será el
aprendizaje y más fuerte el impulso hacia adelante; mientras mayor sea
la distancia tecnológica entre las actividades, menores serán el
aprendizaje y el impulso.
Sin embargo, las facilidades de comunicación y transporte existentes en
las economías desarrolladas y en algunas de las economías en desarrollo
han permitido que empresas que no se encuentran en una misma
localización espacial puedan incursionar en la creación de complejos
productivos por medios virtuales o mediante canales alternos de
comunicación, transporte y entrega de materias primas (Polése, 1998).
El acercamiento de las relaciones entre empresas que se encuentran en
diferentes puntos geográficos depende en gran medida de la eficiencia
de los medios de transporte, los canales de distribución, los medios de
comunicación, los sistemas de traslado de información y de la existencia
física de vínculos entre los participantes.
La teoría de interacción y los “distritos industriales”
La interacción da lugar a “juegos repetitivos” que elevan la confianza y
reducen, por ende, los costos de transacción y de coordinación.
Asimismo, la interacción acelera la difusión del conocimiento y la
innovación, lo que es un bien “social” internalizado por el conjunto de
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”.
Al respecto, se define un distrito industrial, con base en los postulados
realizados por Marshall, de la siguiente manera:
14
... una concentración, en un área geográficamente limitada, de
empresas … especializadas en un sector dominante.
El elemento clave de este original modelo de organización es el
factor unificador; es decir, aquel que permite la integración racional
y organizada de los numerosos sujetos que componen el distrito.
Marshall denominó a este factor “atmósfera industrial”, concepto
que se define como el conjunto de elementos difícilmente
separables y que no se pueden describir fácilmente a través de las
variables económicas tradicionales; entre otros destacan la cultura
productiva, el conocimiento de los demás sujetos que forman parte
de la comunidad y los vínculos existentes con éstos, y las
tradiciones histórico-políticas comunes. Esta atmósfera es el
verdadero canal de comunicación entre los diferentes sujetos; es el
factor que hace posible la
manifestación y la difusión de un hábito de colaboración e
intercambio de información y de experiencias aun en un contexto
altamente competitivo (Dini, 1992:14-17)
Aunque este modelo posee grandes debilidades en su formulación
teórica sigue teniendo actualidad, debido a que su desarrollo es
básicamente determinado por factores históricos y culturales (path-
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
15
posfordista, la pequeña empresa gana protagonismo, así como la
tecnología avanzada pero flexible.
Por eso, Sabel (1989) valoraba la importancia del distrito industrial como
una solución viable a las vicisitudes del capitalismo global porque puede
zafarse de la “ruinosa” competencia en precios de las producciones
masivas a bajo precio utilizando máquinas flexibles y trabajadores
cualificados, renovando constantemente productos y procesos de
producción, para poder elaborar productos semipersonalizados que se
venden a mejor precio en los mercados (Bustamante, 2005:205).
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.
A pesar de estos elementos, el concepto de distrito industrial ha sido
sometido a críticas de diverso talante, entre las que figura la falta de
rigor conceptual respecto de elementos como las redes de empresas, la
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
16
innovación, entendida como un proceso interactivo de producción y
difusión de tecnología, y el aprendizaje colectivo.
“Este mismo enfoque es posible trasladarlo al plano de los territorios
subnacionales, a la orientación del SNI que da lugar al sistema regional
de innovación (SRI)” (Jiménez, 2002:220).
Teoría de los Clusters Industriales
Con la configuración del desarrollo económico actual, caracterizado por
una gran paradoja entre las fuerzas globales y la economía nacional en
sus ámbitos regionales y locales, convirtiéndose éstos en espacios
dominantes de la nueva geo economía mundial, surge en este sentido
un concepto que ha cobrado mucha fuerza, el del complejo productivo o
conglomerado, que se popularizó por los trabajos y recomendaciones de
política de Michael Porter, de Harvard University. El trabajo seminal de
Porter acuñó el término para designar concentraciones geográficas de
empresas especializadas, cuya dinámica de interacción explica el
aumento de la productividad y la eficiencia, la reducción de costos de
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):
Se entiende comúnmente por complejo productivo una concentración
sectorial y/o geográfica de empresas que se desempeñan en las mismas
17
actividades o en actividades estrechamente relacionadas, con
importantes y acumulativas economías externas, de aglomeración y
especialización (por la presencia de productores, proveedores y mano de
obra especializada y de servicios conexos específicos al sector) y con la
posibilidad de llevar a cabo una acción conjunta en la búsqueda de
eficiencia colectiva. Todo esto en un radio no superior a los 30 km.
La definición de complejos productivos dependerá de las condiciones
bajo las cuales comparta y compita el grupo de empresas que lo
conforman. La ubicación aportará una serie de elementos únicos que no
se pueden generalizar con el objetivo de incluirlos en una definición
universal.
Los complejos productivos traen grandes ganancias de productividad al
conjunto de industrias y establecimientos conexos. Tales ganancias se
internalizan al nivel de la industria, pero continúan siendo
externalidades para las firmas que las aprovechan. La fuente de tales
ganancias de productividad son las economías de escala, las cuales se
alcanzan, entre otros factores, mediante los costos fijos y las
indivisibilidades, los cuales son distribuidos entre el conjunto de
empresas.
Las indivisibilidades se refieren a los costos fijos caracterizados por ser
objetos o servicios que no se pueden dividir en elementos más
pequeños, tales como los factores tecnológicos o físicos.
Estas economías externas o externalidades se obtienen porque se
pueden conseguir por las empresas una especialización en fases de la
producción, gracias a la red de relaciones interempresariales que se
establece en el seno de estas aglomeraciones industriales. Además, se
cuenta con un mercado laboral denso y de trabajadores cualificados, con
18
una atmósfera que propicia la innovación y el carácter emprendedor del
empresario, y una importante fluidez de información de todo de tipo
entre las propias empresas. Un entorno, en definitiva, que combina
competencia y colaboración interempresarial.
Todo el conjunto de aportes que sintetizan estas cuatro teorías han
permitido consolidar, según Krugman (1992:7), un nuevo desarrollo a los
enfoques de las teorías de localización y de nueva geografía económica
(NGE), referidos principalmente a tres aspectos:
a. La utilización de modelos con rendimientos de escala crecientes y
competencia imperfecta para explicar los patrones de
aglomeración
b. Una mejor comprensión de los factores determinantes del
comercio internacional
c. La integración de los diversos enfoques anteriores en un solo
marco teórico coherente
Esta nueva sistematización teórica (Krugman, 1992:9) constituye una
verdadera teoría general de la nueva economía espacial que subsume
todos los modelos anteriores.
Los estudios empíricos realizados con el instrumental analítico de la NGE
han encontrado amplia evidencia de la causación circular de
acumulación en campos como el crecimiento urbano, la localización del
capital humano, la expansión industrial y el desarrollo regional.
El núcleo común de todos los análisis cluster es la importancia atribuida
a las interrelaciones de los actores que constituyen el cluster y el interés
en analizar los mismos (Almquist 1998: 14 y 29). Las diferencias que se
encuentran entre los distintos análisis económicos que emplean el
19
término cluster están relacionadas, con frecuencia, con el hecho de que
el análisis cluster aplicado se centra en una de las posibles dimensiones
que éste podría abarcar. Los tipos de dimensiones del análisis cluster
que permitirían clasificar los estudios cluster y precisar el concepto de
cluster empleado son los siguientes: i) tipo de relación
(interdependencia o similitud) entre empresas o sectores; ii) tipo de
flujos (de productos o de conocimientos); iii) nivel de análisis (micro,
meso o macro); iv) límites espaciales del cluster (nacional, regional o
local); v) organizaciones e instituciones tomados en consideración.
Analicemos cada una de estas dimensiones por separado.
Interdependencia o similitud (vertical, horizontal y lateral)
En el enfoque cluster basado en la interdependencia se parte de la idea
de que los actores son y tienen requerimientos diferentes y de que las
competencias o productos de unos son necesarios para la producción o
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.
En el enfoque cluster basado en la similitud, se agrupan las actividades
económicas que presentan condiciones o requerimientos equivalentes:
en investigación, habilidades de mano de obra, proveedores
especializados, etc. Hay estudios, por ejemplo, que, explotando las
tablas input-output, han tratado de encontrar las industrias que tienen
unos patrones de compras y ventas similares. (Verbeek 1999:15).
Esta distinción entre los enfoques basados en la interdependencia y la
similitud guarda mucha relación con la clásica dicotomía
20
vertical/horizontal de la organización industrial y de la geografía
económica. Los cluster horizontales estarían compuestos por empresas
con capacidades similares que desarrollan actividades semejantes; y los
cluster verticales, por empresas con capacidades distintas pero
complementarias, que desarrollan actividades complementarias. Los
cluster horizontales, entendidos en un sentido reduccionista, vendrían a
recoger, aunque con un nombre distinto, lo ya contenido en el concepto
sector de actividad, y en ese sentido no aportarían gran cosa al análisis
tradicional (salvo para aquella parte de la literatura que asigna al
concepto cluster también la idea de concentración geográfica); y, por
otra parte, a diferencia de los clusters verticales, en los que primarían
las relaciones de colaboración y cooperación, en los clusters horizontales
en sentido estricto primaría la rivalidad y la competencia (salvo en casos
de colusión, consorcios…).
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.
Cabría considerar, en tal sentido, junto a la dimensión horizontal y
vertical, una dimensión lateral, al igual que en la dimensión horizontal
también en la similitud, que abarcaría a aquellos sectores relacionados
con capacidades o tecnologías compartidas y con posibilidad de
sinergias.
Advirtamos, no obstante, que para la OCDE el concepto de cluster no
resulta aplicable cuando las empresas pertenecen al mismo sector,
21
aunque existan actividades de cooperación para ciertas actividades. Más
exactamente, según la OECD (1999: 85): El concepto cluster va más allá
de las ‘simples’ redes horizontales en las que las empresas, operando en
el mismo mercado de productos finales y perteneciendo al mismo grupo
industrial, cooperan en ciertas áreas (p. ej. I+D conjunta, programas de
demostración, políticas de marketing colectivo o compras conjuntas).
Los cluster son la mayoría de los casos redes trans-sectoriales
(verticales y laterales) que comprenden
empresas complementarias especializadas en un específico lazo o base
de conocimiento en la cadena de valor”.
Flujos de productos o de conocimientos/innovación
La relación entre las entidades que componen el cluster puede estar
basada en un vínculo comercial (trade linkage), es decir en un
intercambio de productos, o en un vínculo de
tecnología/conocimiento/innovación (knowledge or innovation linkage).
(OECD 1999: 86-87). O como señala Hoen (1999:1): “La relación entre
entidades en un cluster puede estar referida a esfuerzos innovadores o a
vínculos productivos. Los clusters basados en esfuerzos innovadores
hacen referencia a empresas o sectores que cooperan en el proceso de
difusión de innovaciones tales como nuevas tecnologías o productos; los
cluster basados en vínculos de producción hacen referencia a empresas
o sectores que conforman una cadena de producción o valor añadido.
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
22
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
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.
Nivel de análisis: micro, meso o macro3
El nivel micro del análisis cluster hace referencia a vínculos entre
empresas. Generalmente este tipo de estudios analiza la competitividad
de una red de proveedores en torno a una empresa núcleo. Esta clase
de análisis se usa para análisis estratégicos de la empresa y para
identificar eslabones perdidos o socios estratégicos cuando los
proyectos de innovación abarcan toda la cadena de producción. Así
pues, este tipo de análisis está directamente pensado para la acción y
desarrollo de negocios estratégicos.
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.
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)
23
El análisis cluster proveería en este caso de una base para iniciar e
impulsar proyectos tendentes a incrementar la cooperación entre las
compañías principales, sus (principales) proveedores, los institutos de
conocimientos (semi-)públicos, así como con otras instituciones puente
(p.ej. ingenierías, centros de innovación).
Los análisis cluster de nivel meso se fijan en las vinculaciones intra e
intersectoriales. Normalmente consisten en llevar a cabo una especie de
análisis DAFO (debilidades, amenazas, fortalezas y oportunidades) o un
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).
Finalmente, algunos análisis cluster se centran en las vinculaciones
dentro y entre grupos industriales (mega-clusters), de modo que se
estudia el patrón de especialización del conjunto de la economía de un
país o una región. De tales análisis se obtendrían inputs, por ejemplo,
para discutir, dentro de las políticas industriales y tecnológicas, cómo
mejorar los (des)acoplamientos entre los organismos de investigación
públicos, los centros de educación superior y la industria.
Marco espacial del análisis
24
Todos los estudios cluster comprenden, explícita o implícitamente, una
dimensión geográfica. La actividad productiva tiene lugar siempre en un
espacio y, en tal sentido, todo cluster industrial está geográficamente
determinado. Pero no en todos los estudios de clusters se toma en
consideración tal componente espacial a la hora de definir el cluster, o el
ámbito espacial a que se hace referencia cuando se define el cluster es
muy amplio.
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.
4 Los autores citados sostienen que el término cluster sólo es aplicable a concentraciones locales de determinadas actividades económicas, porque sólo en tales ámbitos emerge un intercambio habitual de información entre empresas. Parece razonable, en tal sentido, cuestionar la aplicación del término cluster a concentraciones sectoriales que se extienden a lo largo de todo un país de gran tamaño, como es EEUU; no parece, empero, que en países como los europeos, especialmente en los de menor tamaño, la observación de Altenburg y Meyer-Stamer (1999: 1694) de que un cluster no puede extenderse a todo el país, sea acertada. Más bien, cabría equiparar tales países al nivel estatal de EEUU a que tales autores hacen referencia y en el que sí que consideran que pudiera hablarse de clusters. De hecho, buena parte de la literatura europea está basada en el estudio de clusters nacionales. Añadamos, por otra parte, que Carlsson y Stankiewicz (1995: 49) sostienen que en ciertos casos los sistemas tecnológicos son internacionales, e incluso globales.
25
Señalemos, por otra parte, que la delimitación de estos niveles
geográficos no tiene por qué ser administrativa o política, sino que
puede ser funcional (esto es, la delimitación del espacio se efectuaría
tomando en consideración las elecciones y decisiones tomadas por las
personas y las empresas; por ejemplo, áreas regulares de compras). A
este respecto Porter (1998: 234) señala: “Aunque los límites de los
cúmulos suelen coincidir con las fronteras políticas, los cúmulos también
pueden extenderse más allá de las fronteras regionales o incluso
nacionales, en especial en el caso de pequeñas regiones y naciones y en
el caso de ciudades fronterizas.”
Factores que explican la existencia de clusters
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.
Con respecto a la primera cuestión, la principal explicación ofrecida por
la literatura ha sido tradicionalmente la de las economías de
aglomeración. Las aportaciones pioneras de Marshall, recientemente
reformuladas por Krugman (1992:15), fueron completadas por los
desarrollos habidos en las diferentes escuelas o corrientes que Krugman
(1995:67) incluye bajo la denominación genérica de geografía
económica. Este tipo de ventajas externas, que Schmitz y Nadvi
(1999:1506) denominan economías externas incidentales, no planeadas
o pasivas, dado que se generan para las empresas ubicadas en el cluster
de modo espontáneo, como subproducto de la actividad económica que
26
tiene lugar en el mismo y no como fruto de actividades conscientes y
con un objetivo determinado de cooperación entre los componentes del
cluster, nosotros las ordenaremos, siguiendo a Swann (1998:62), según
afecten, positiva y negativamente, al desarrollo de los clusters, y según
jueguen por el lado de la oferta o de la demanda5.
Entre las economías positivas de localización que juegan por el lado de
oferta cabría destacar las siguientes:
La concentración espacial de determinadas actividades da lugar a
un desarrollo de mano de obra, proveedores, infraestructuras e
instituciones especializadas, que resultan más accesibles o con un
menor coste para las empresas que se ubican en dicho espacio. A
este tipo de economías externas suele denominárseles también
economías pecuniarias o estáticas (Larrea 2000:214).
La concentración espacial de actividades favorece la innovación y
el aprendizaje: en el caso de empresas situadas en la misma
actividad, porque la observación y comparación de las diferencias
trayectorias y resultados de cada una favorece un proceso de
selección e imitación de las mejores prácticas; y en el caso de las
empresas situadas en distintas fases de la cadena de valor,
porque además de que por la mayor proximidad de proveedores y
usuarios se favorece el proceso de innovación y aprendizaje de las
empresas (Lundvall 1992:58), la especialización y concentración
de la empresa en sus competencias esenciales aumenta su
capacidad innovadora (Maskell 2001:12).
5 Como indica Swann (1998:70), en la literatura de los clusters suele dedicársele mucha atención a los factores que juegan por el lado de la oferta y a las ventajas que presenta la clusterización, pero apenas se mencionan los factores que juegan por el lado de la demanda, así como las deseconomías que se derivan de la clusterización (factor este último fundamental para poder entender el ciclo de vida de los clusters).
27
La principal desventaja que se genera por el lado de la oferta es que la
congestión y aumento de la competencia que se genera en los mercados
de inputs da lugar a un aumento del precio del suelo y de la mano de
obra.
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
28
(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 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)
Pero además de las economías externas pasivas, habría que hacer
mención de las ventajas derivadas de la acción conjunta (joint action)
que el cluster o concentración sectorial y geográfica de empresa
favorece. Schmitz (1995:24) denomina eficiencia colectiva (collective
efficiency) a la ventaja competitiva derivada de las economías externas
(anteriormente mencionadas) y de la acción conjunta. Las economías
externas espontáneas darían lugar a eficiencia colectiva pasiva, y las
actuaciones conjuntas de las empresas a eficiencia colectiva activa. En
relación con tales actuaciones conjuntas, OECD (1999:74) y Porter
(1998:220) señalan que la existencia del cluster facilita la realización de
acuerdos de cooperación, que permiten explotar complementariedades
y economías de escala y alcance, así como aumentar la flexiblidad y
velocidad de reacción de las empresas ante cambios del entorno.
Como justificación de esa mayor facilidad para alcanzar acuerdos, la
literatura de los clusters suele recurrir a la teoría de los costes de
transacción. De hecho, tal como señala Maskell (2001:20), buena parte
de la literatura reciente que ha tratado de los cluster, ha ido moviéndose
del esquema basado en las economías de aglomeración hacia un análisis
de los cluster basado en los costes de transacción. El cluster se vería
como una alternativa al mercado, menos costosa en términos de
29
identificación, acceso e intercambio de bienes, servicios o conocimiento
entre empresas. Ello es debido a que la pertenencia a un mismo ámbito
espacial, en el que existe una cierta homogeneidad idiomática, cultural e
institucional, y en el que los intercambios se convierten en habituales y
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.
Pero cabría aducir que la reducción de los costes de transacción sería
todavía superior a la de un cluster de elevada confianza en el caso de
existencia de una única empresa, que desempeñara precisamente las
mismas actividades, en la misma localización, y con los mismos
proveedores, clientes y trabajadores. Esa ventaja de la internalización
de actividades (es decir, de la “jerarquía”, en términos de la teoría de
los costes de transacción) sobre el mercado era, por ejemplo, una de las
principales razones que había llevado a que las empresas decidieran
llevar a cabo la parte fundamental de sus actividades de I+D dentro de
la propia empresa (Teece 1988:100).
¿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
30
desde arriba6. Cada empresa posee una idiosincrasia y una trayectoria
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.
En general cabría afirmar, con Aage (2001:22), que la ventaja de una
forma u otra de organización dependerá de la naturaleza y
complementariedad de las actividades que deban ser coordinadas.
Actividades similares a las que desarrolla la empresa y que pertenecen a
su núcleo esencial de capacidades, tenderán a ser llevadas a cabo y
coordinadas dentro de la empresa. Actividades que no son similares ni
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 1998).
31
complementarias a las de la empresa, tenderán a ser coordinadas por el
mercado.
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.
En el informe de síntesis elaborado por el Grupo especializado de la
OCDE sobre cluster industriales la importancia adquirida en estos
tiempos por el funcionamiento en red y los cluster se atribuye al papel
clave que para la competitividad posee hoy día la innovación y a que,
para tener éxito en el proceso de innovación, las empresas son cada vez
más dependientes de los conocimientos y saber hacer complementarios
de otras compañías. La producción y la innovación es cada vez menos la
actividad individual de una compañía, sino que requiere la acción
combinada de varias, cada una de ellas especializada en específicas
combinaciones de habilidades, tecnología y competencias. Ha habido,
pues, un desplazamiento en las empresas hacia la desinternalización de
actividades a lo largo de la cadena de valor y hacia la especialización en
aquellas actividades que requieren recursos y capacidades en las que
las empresas poseen ya o pueden fácilmente obtener ventaja
competitiva.
En este contexto, según el grupo especializado de la OCDE, “los
principales incentivos para la formación de cluster y alianzas han sido la
reducción de los costes de transacción, el desarrollo de nuevas
habilidades, la superación (o creación) de barreras de entrada en los
32
mercados y la aceleración del proceso de aprendizaje” (Roelandt y Den
Hertog 1998: 5).
Redes de empresas o de empresas y otras instituciones
El grupo de la OCDE centrado en el análisis cluster definió el cluster
económico como la red de producción de empresas fuertemente
interdependientes (que incluye proveedores especializados) vinculados
entre sí en una cadena de producción que añade valor. Y añadió que en
algunos casos, los cluster también comprenden alianzas estratégicas
con universidades, institutos de investigación, servicios empresariales
intensivos en conocimiento, instituciones puentes (comisionistas,
consultores) y clientes. (OECD 1999: 85).
Esa misma diferencia en el tipo de actores y relaciones que se incluyen
en el análisis de clusters se encuentra asimismo a lo largo de la
literatura de los clusters: en algunos autores el concepto de cluster se
restringe solamente a las empresas y relaciones entre ellas establecidas
(es decir, a lo que siguiendo a Maskell podríamos denominar “estructura
económica del cluster”); y en otros, además de a las empresas y a sus
relaciones, el concepto de cluster incluye también a los otros tipos de
organizaciones e instituciones que afectan a la actividad o capacidad
innovadora de aquellas (es decir, a lo que Maskell denomina “realidad
institucional del cluster”). Esa diversidad de actores no responde sólo a
la visión más reduccionista o más amplia que el analista posee del
análisis cluster y a las limitaciones que para un tipo u otro de análisis se
derivan de las fuentes y datos disponibles, sino que también puede
tener algo que ver con la propia realidad de los clusters: hay clusters en
que las relaciones con la denominada infraestructura de ciencia y
tecnología son mucho menores o el nivel de intervención de la
Administración en sus empresas es muy inferior y, por ende, cuyo
33
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.
Respecto a las relaciones que se establecen entre las empresas, cabría
distinguir, siguiendo a Schmitz (1995:21), entre las acciones conjuntas
(joint action) perseguidas conscientemente (que, como veremos más
adelante, dan lugar a eficiencia colectiva activa) y los restantes tipos de
relación de naturaleza más indirecta o menos finalista9.
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.
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
34
Dentro de esas acciones conjuntas Schmitz distingue, a su vez, entre las
bilaterales (cuando dos firmas trabajan juntas para, por ejemplo,
compartir una costosa instalación) y las multilaterales (por ejemplo,
asociaciones para un objetivo común); y entre las de cooperación
vertical y horizontal. Pero como Mccormick (1999: 1534) indica, esas
categorías no agotan las posibilidades de analizar la acción conjunta,
pues otros estudios se han centrado en la propiedad o tamaño relativo
de los que cooperan, en la naturaleza de la relación, en el contenido de
la cooperación10.
En los estudios que han realizado a diferentes clusters existe la
dificultad de caracterizar la evolución del cluster como un todo, puesto
que, aunque los índices de productividad global, tasa de crecimiento del
producto u otras medidas afines, son elementos que comúnmente
manejan los economistas para caracterizar la evolución del fenómeno de
clusterización, dichas medidas no dan cuenta de las fuentes de dicho
crecimiento ni menos las implicancias de políticas orientadas a que este
fenómeno se acelere.
Considerando los clusters como sistemas sociales, su caracterización
cuantitativa sólo puede realizarse revisando, parcialmente, algunos
componentes de este sistema y de allí inferir el impacto de cada uno de
ellos sobre el sistema total.
En base al estado del arte revisado, asumiremos que para abordar un
Cluster hay que tener en cuenta los siguientes elementos conceptuales:
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.
35
a) Redes sociales: A partir de ellas se va conformando el sistema de
competitividad y su importancia radica en que reducen los costos
de transacción, por la vía de la internalización de las transacciones
al interior de las redes, es decir, según el principio de la cercanía.
b)Dimensión territorial y carácter local de la difusión de
conocimiento: el contexto territorial tiene una fuerte influencia
sobre la evolución y difusión del conocimiento y las innovaciones.
c) Carácter tácito de la difusión de conocimiento: son aquellos
elementos difíciles de codificar y, por lo mismo, de difundir
formalmente. Cuando estos elementos tácitos se incrementan
dentro de la base de conocimiento, la acumulación tecnológica se
empieza a basar más en la experiencia y en los contactos
interpersonales11.
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
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.
Hasta la fecha el análisis de redes ha tenido distintas tradiciones
académicas donde se ha desarrollado. Como una técnica más se ha
11Carlson, 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.
36
inscrito en las teorías del Status-Rol (sociología), o del Ego-Parentescos
(antropología), pero apenas ha intentado constituirse con su propia
lógica, y tratar de dar sus propios frutos. La gran baza de lo reticular
está no tanto en su capacidad de fotografiar una realidad coyuntural, o
de explicar las influencias internas entre familias y las amistades nuevas
en sociedades complejas. Lo que nos permite graficar las relaciones es
construir un "mapeo" de las tendencias de cada sujeto/actor en
situación, y por lo mismo las alianzas que existen y que pueden existir
de cara a las estrategias de filtro. Y ver así como las decisiones no son
tanto cuestiones de Status-Rol (demasiado genéricas y abstractas) ni
tampoco solo de Ego-intersubjetivas (demasiado culturalistas o
psicologistas), sino en función de las propias relaciones y estrategias
que están operando.
Así pues nos hemos aventurado a realizar un constructivismo reticular y
participativo aprovechando buena parte de los conocimientos
existentes.
A) En la tradición británica de Bames, Mitchell, Mayer, etc., encontramos
una primera orientación de interés. En Barnes la definición de "campo
social", que luego aparecerá también en Bourdieu, por ejemplo. En
Mitchell la distinción entre "relaciones estructurales", "relaciones
categoriales" y "redes personales", que permite entender una primera
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
37
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.
B) Por otro lado encontramos en autores como Giddens, Bourdieu, etc.
La preocupación por salir de la estructura de clases como único
determinante del comportamiento social. En Giddens aparece la
categoría de "agencia" y se plantea un "doble vínculo" para poder
explicar, entre estructura y agencia, los comportamientos. En Bourdieu,
aunque cuando se habla de redes no se precisa su forma concreta, si
se plantea la existencia de tres elementos interconectados: "...la
relación entre las posiciones sociales (concepto relacional), las
disposiciones (o los habitus), y las tomas de posición, las
"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
38
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.
C) Y las nuevas dinámicas que pueden surgir de unas relaciones
reticulares concretas es precisamente lo que más nos interesa. En las
tradiciones norteamericanas el impulso ha ido por este lado hasta
hacerlo bastante autónomo de otros condicionantes. Todo se llegará a
explicar por las combinaciones de relaciones densas o débiles,
recíprocas o no recíprocas, etc. El desarrollo de las socio-matrices y de
la teoría de grafos ha contribuido a hacer avanzar estas
interpretaciones, demostrando que las cuestiones de forma (reticular) no
son puramente formales. Pero las dinámicas de estas relaciones
tampoco pueden pretender explicarlo todo. Lo que más nos interesa son
las relaciones entre las relaciones fuertes y su encerramiento en si
mismas por reciprocidad mutua y acumulativa, las relaciones no
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:
a) Hay una capacidad propia del juego de redes y de los conjuntos de
acción, que deriva de los habitus construidos desde la familia (y en las
sucesivas instituciones), pero este sistema reticular ha de cruzarse con
los eco-sistemas que lo condicionan previa y externamente, como son
39
las estructuras socio-económicas por un lado, o por otro lado la
diversidad de proyectos, ideologías, deseos sociales que están
enfrentados en cada sociedad.
b) Nos centramos más en las relaciones que en los individuos o soportes
de estas, pero estas redes han de tomarse en su conjunto, no tanto
contar exactamente cuantas veces se vio una persona con otra, sino la
forma del conjunto de todas ellas, el predominio de unas sobre otras, las
tendencias, conflictos, dependencias, etc. Una matemática más
topológica, fractal u hologramática, que los números euclídeos. Los
algoritmos acumulativos son interesantes pero cuantifican mucho y
cualifican poco las redes y sus sentidos operativos.
c) En la disputa sobre si cuantificar o cualificar los grafos que nos
muestran las redes seguramente hay que hacer las dos cosas, pues
dada la imperfección de cualquier estimación nada sobra, pero el
problema de fondo no es tanto acumular más información sino que esta
sirva para algo. En este sentido es previo el encuadre participativo y
operativo de quién interviene en la valoración de objetivos y de
mediciones, y para qué se interviene teniendo en cuenta los campos de
confrontación habituales.
d) En todo juego de comunicación cotidiano hay siempre mezcladas
estrategias vitales (no siempre conscientes), "campos del poder", redes
culturales, pretensiones de quedar bien, etc. Las hegemonías y contra-
hegemonías de que hablaba Gramsci siempre están pugnando en lo
cotidiano, como los situacionistas, las feministas, y los etnometodólogos
nos recuerdan. Tomamos el concepto de “mapeo” que Paulo Freire
aplicaba a la pedagogía y la socio-política, cuando distingue entre los
"de confianza", los "diferentes" y los "antagónicos", y cómo establecer
alianzas entre unos y otros. Las posibles transformaciones se producen
40
cuando los "nuestros" tienen redes densas, se crean vínculos con los
"diferentes" pero no antagónicos, y cuando los problemas surgen en las
relaciones internas de los "antagónicos". Solo así hay probabilidades de
que cualquier proyecto sea transformador de las realidades existentes, y
por lo mismo sus contenidos deben definirse a partir de un análisis de
redes de este tipo. Las relaciones "débiles" (Granovetter) van a aparecer
entonces, mostrando su tuerza, para aglutinar por un tema
circunstancial a los diferentes (e indiferentes para otros temas), frente a
los antagónicos a los que se le crean problemas internos, al
resquebrajarse algún aspecto de su dominación. En esta
lectura/interpretación de los "campos del poder" lo que destaca es la
dimensión dinámica de los diferentes "conjuntos de acción" en situación,
y también su operatividad para resolver algunos bloqueos de los
conflictos en presencia.
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
12Muñoz, O., “El desarrollo tecnológico como objetivo estratégico”, en Muñoz, O. (ed.) “Políticas públicas para un desarrollo competitivo”, 1997.
41
(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:
a) Red tipo estrella: Red horizontal con un centro claramente definido en
torno del cual se van configurando el resto de las relaciones. Al
deshacerse el nudo central se desarma toda la red. La clave del
funcionamiento de este tipo de red no es la jerarquía, sino la
referencia de todas las comunicaciones entre los actores al centro.
b) Red de distribución: Se asemeja al modelo del “chorreo económico”.
A partir de un punto más “virtuoso” que el resto se produce una
acumulación tal de conocimiento que éste tiende a desbordar “hacia
abajo”. La difusión tecnológica ocurre como externalidad no
planificada, no como producto de una política deliberada.
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.
d) Red tipo malla: Su principal característica es la horizontalidad y la
ausencia de centros claros. Cualquier punto de la red puede
concentrar hacia sí las relaciones con otros puntos, para luego aflojar
dicha tensión y deshacer su nudo. El sello de estas redes es la
flexibilidad: potencialmente todos pueden estar relacionados con
42
todos. Pero de allí deriva también su debilidad: es muy difícil
establecer visiones de futuro compartidas entre los actores.
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.
Diagrama: tipología de redes
Red Tipo Estrella: Red Tipo Malla:
Red de Distribución: Red Tipo Polo:
43
Red Tipo Árbol:
Cuadro extraído de Orgogozo, I. “Les réseaux, une nouvelle
répresentation de l’espace social”, Geneve, l997.
La perspectiva de redes implica la aceptación de un enfoque
metodológico basado en el estudio de sistemas socio-económicos,
formados por las relaciones mantenidas entre los actores que los
componen. En estos sistemas, las relaciones entre los agentes
(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.
Además, la dimensión territorial es de gran importancia, puesto que la
estructura relacional que conforma los sistemas socio-económicos se
localiza en espacios geográficos concretos, en los que fluyen
conocimiento, información e innovación y en los que se desarrollan
relaciones basadas en la confianza.
Desde esta perspectiva, se presenta una metodología de estudio de
sistemas de producción y sistemas productivos regionales, así como una
aplicación. Los primeros están formados por las relaciones técnicas
mantenidas por las ramas productivas, y por tanto por las empresas,
44
que intercambian bienes y servicios para completar sus procesos
productivos. Los segundos se componen por los sistemas de producción
y por las relaciones formales e informales mantenidas entre las
empresas y el resto de instituciones regionales.
La perspectiva neoclásica es, desde hace décadas, la corriente
dominante de la economía teórica, que es la que, principal o
exclusivamente, se imparte en las Universidades de todo el Mundo. Esta
teoría está basada en un conjunto de supuestos restrictivos con el fin de
alcanzar cierta abstracción, lo que al mismo tiempo ha facilitado el
desarrollo de modelos matemáticos explicativos del comportamiento de
los agentes económicos. Entre esos fundamentos de la teoría se
encuentra el supuesto de que los agentes económicos son individuos
racionales que intentan maximizar su bienestar. La utilidad y el beneficio
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’.
La elusión de las relaciones sociales supone ignorar el carácter social de
los agentes económicos, es decir, del comportamiento humano, que
constituye la base de los sistemas económicos al nivel más micro. Sin
embargo, la realidad nos enseña que todos los agentes económicos son
actores sociales que adoptan sus decisiones inmersos en una red de
relaciones sociales que proporciona oportunidades, pero también
restricciones, dependiendo de cuál sea la posición que ocupen en ella.
En este sentido, conviene destacar la conexión establecida por
Granovetter (1973:1287) entre la economía y la sociología con el
concepto embeddedness, así como por Coleman (1988:S102) a partir del
concepto de Capital Social, que será examinado más adelante.
45
La perspectiva de redes constituye una metodología de investigación
donde los agentes son estudiados a partir de las relaciones que
mantienen, para lo que ha desarrollado conceptos y herramientas
analíticas apropiadas.
Su carácter distintivo radica en su perspectiva estructuralista, y en el
hecho de que sitúa a las relaciones, y a las estructuras que éstas
forman, en el foco de su atención; en contraposición al análisis habitual
centrado en el examen de los atributos o características de las unidades
de estudio. Wasserman y Faust (1999:15,169) han señalado que los
principios centrales que subyacen a la perspectiva de redes son,
primero, que los actores y sus acciones son consideradas
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.
La perspectiva de redes, que surgió en el ámbito de la antropología y de
la psicología social (Moreno, 1934:264; Barnes, 1954:42), ha encontrado
aplicaciones en campos muy diversos como la sociología, la política, la
medicina y, más recientemente y en menor medida, en la economía.
Desde nuestro punto de vista, el análisis de redes proporciona una
46
plataforma muy adecuada para el análisis económico, puesto que
permite reintroducir ‘lo social’, es decir, el contexto social en el que los
agentes se desenvuelven, obligando al investigador a mantener una
perspectiva amplia e interdisciplinaria. Resulta cuando menos
sorprendente que, aunque la pertenencia de la economía al extenso
campo de las ciencias sociales sea aceptada por toda la comunidad
científica, la tradición dominante sólo reconozca como un principio
general, la importancia de las relaciones sociales y el carácter social de
la economía.
Configuración de un marco teórico integral.
Nuestro propósito aquí es conectar la teoría de clusters, la teoría de
redes sociales en una configuración para el mapeo de los clusters
dinámicos, que enfatice las externalidades dinámicas, que se
materializan en el interior de los clusters en virtud de las
complementariedades tecnológicas intersectoriales y de las
interdependencias por fuera del mercado, ya que son los fundamentos
clave para que se cree un entretejido hasta formar redes coherentes de
innovación, integrando círculos virtuosos de acumulación de
conocimientos y de procesos de aprendizaje tecnológico (spillovers).
47
Fuente : Elaboración Propia
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
48
un cluster como un campo organizacional en el que se tejen redes de
relaciones y de poder que condicionan su dinámica y su funcionamiento.
Según el neoinstitucionalismo sociológico, las organizaciones se integran
en campos, definidos como grupos de organizaciones que interactúan
directa o indirectamente y que, tomadas en conjunto,constituyen un
área reconocida de vida institucional: los proveedores principales, los
consumidores de recursos y productos, las agencias reguladoras y otras
organizaciones que dan servicios o productos similares (DiMaggio y
Powell, 1999: 106).
Los campos existen en la medida en que están definidos
institucionalmente; por lo tanto, su estructuración se consigue a través
del aumento de interacción entre las organizaciones, del surgimiento de
estructuras interorganizacionales de dominio y de patrones de coalición
claramente definidos, del incremento en la carga de información de la
que deben ocuparse las unidades que participan en el campo y del
desarrollo de la conciencia entre los participantes del conjunto de
organizaciones que integran el colectivo.
En este sentido, Blanco (2000:8) considera que la pertenencia a ese
campo está influida, en primer lugar, por las actuaciones desarrolladas
por los proveedores, competidores y propietarios, las cuales marcan, en
cierta medida, los comportamientos que la organización va a adoptar o a
evitar. En segundo lugar, por los límites legales impuestos por el Estado
a la actuación de las organizaciones pertenecientes a un sector de
actividad, área geográfica, entorno económico, etc. Finalmente, por las
propias estrategias, tecnologías y estructuras adoptadas por las
organizaciones.
49
Los campos incluyen también a los socios determinantes para sus
intercambios, las fuentes de financiamiento, los grupos reguladores, los
entes formadores, las asociaciones profesionales o comerciales y otras
fuentes de influencia normativa o cognoscitiva.
Las relaciones no locales y las locales, los vínculos verticales y
horizontales y las influencias culturales y políticas, así como los
intercambios técnicos están incluidos en el campo organizacional de
fuerzas que se consideran determinantes (DiMaggio y Powell, 1999:110).
Estas características aportan elementos para concluir que los clusters
son campos organizacionales en los cuales las empresas construyen
interacciones y relaciones sociales, sin ignorar que se encuentran en un
escenario competitivo y que deben ser consideradas, por cuanto
restringen o posibilitan el comportamiento organizacional. Además de
las relaciones funcionales, existen otras de tipo simbólico asociadas con
la investidura que se asume por el solo hecho de pertenecer a ese
colectivo reconocido en un entorno por su institucionalización.
Una vez que las organizaciones dispares en la misma línea de empresas
se estructuran poderosas que las hacen cada vez más similares (Meyer y
Rowan, 1999: 103) y uno de los aspectos que es fundamental analizar
para determinar su grado de desarrollo es la denominada distancia
institucional, que es el grado de semejanza y diferencia entre las
instituciones [...] que afectan la dificultad de entendimiento e
interpretación correcta de los requerimientos institucionales locales así
como su grado de ajuste (Kostova y Zaheer, 1999: 71).
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
50
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.
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).
Por lo tanto, para concebir relaciones de poder y de dominio entre
agentes en un campo organizacional, se recurre al concepto de campo
de Bourdieu (1991:96), donde se evidencia la fuerza entre empresas por
lograr diferenciación. Este concepto deja claro que la lucha entre
agentes que integran ese campo social es asumida desde un plano
simbólico y que no se trata de una capacidad física para ejercer
violencia ni de un instrumento tangible o visible, que lo diferencia, de
este modo, de cualquier idea de represión o sujeción en los que se halle
implícita la fuerza de cualquier tipo. Se trata de una lucha materializada
a través de estrategias y comportamientos individuales particulares, que
se pueden evidenciar en el campo al que se pertenece.
51
Todo campo, por definición, es histórico, relacional y relativo, pues está
formado por el espacio de fuerzas en torno a lo que se disputa y que
conforman las posiciones que los actores mantienen entre sí. Estas
posiciones se definen a partir tanto de las dotaciones de recursos con
que cuenten los actores (las diferentes formas de capital) como de sus
estrategias (Alonso, 2004:5). Los campos sociales no son partículas
sueltas, obedecen a reglas generales de comportamiento que se
convierten en referentes sobre los cuales las organizaciones legitiman
actos y se hacen acreedoras de ciertos atributos simbólicos propios de
los capitales específicos (económicos, sociales, culturales y simbólicos)
que han construido a través de la historia.
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.
Al tener en cuenta las estrategias del juego de los actores, es preciso
considerar no sólo el capital, sino también la trayectoria, es decir, el
pasado incorporado en cada actor bajo la forma de predisposiciones,
estilos, modos de percepción y apreciación o modos de hacer las cosas.
Lo más probable es que cada jugador tienda no sólo a acumular capital,
sino también a cambiar el valor relativo de cada especie de capital, en
función de la regla que ordena valorizar la especie de capital que más se
posee, y a desvalorizar la que dispone el adversario.
52
En otras palabras, se trata de dominar imponiendo las reglas del juego
en función de los propios intereses (Tenti, 1993:10). En el campo
organizacional, denominado cluster, este capital específico puede
consistir en el reconocimiento particular que tienen las empresas que lo
conforman, reconocimiento atribuido por la tecnología de punta que ha
adquirido, por la administración exitosa, por lo capacitado de su
personal, por su tradición en el mercado, así como por el tamaño y la
cobertura en los mercados nacionales e internacionales.
Bourdieu (1991:98) utiliza el concepto de capital para referirse a todo
aquello que pueda soportar las jugadas que realizan los actores sociales
en el campo de la dominación social, como instrumento de apropiación
de las oportunidades teóricamente ofrecidas a todos y que se convierte
en una energía social susceptible de producir efectos en la competencia
social.
Para entender la diversidad de intereses que se juegan en un campo
determinado, Bourdieu analiza cuatro categorías de estos bienes y
recursos (Téllez, 2002:45; Alonso, 2004:20). En primer lugar, el capital
económico, en el cual se toman en cuenta todos los bienes de
naturaleza económica, como el dinero. En segundo lugar, el capital
cultural, el cual se puede asociar con la forma específica (sistemas y
códigos) que adopta la cultura. En tercer lugar, el capital social, que
abarca los recursos y posibilidades actuales y potenciales ligados a la
posesión de una red durable de relaciones sociales, expresadas por
intermedio de la pertenencia a grupos, integrados por agentes que,
además de poseer propiedades comunes, se relacionan por medio de
lazos permanentes, los cuales posibilitan el intercambio de favores y
servicios. Por último, está el capital simbólico, que es la acumulación de
todas las especies de capitales posibles, que generan crédito y
autoridad en los agentes que la poseen.
53
Por lo tanto, en un campo organizacional específico como son los
clusters, la violencia simbólica o lucha simbólica se puede manifestar a
través del papel que ejercen empresas con ciertos atributos simbólicos,
que las hace poseer capacidades de gestión, para influenciar el
quehacer organizacional de otras empresas, a fin de buscar fines
colectivos que no se desenfocan de unos intereses particulares,
materializados en un tipo de capital económico. No solamente se puede
atribuir el poder simbólico a las empresas que conforman el cluster, sino
también a aquellas redes de relaciones logradas con entidades de apoyo
que directa o indirectamente emplean un capital específico para influir y
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).
Cuando cada agente ejerce un papel dentro del campo organizacional e
influye en la “forma de hacer las cosas”, se está ejerciendo un poder
simbólico manifiesto en la subyugación de unas empresas frente a otras.
Esto requiere que unas empresas cedan y transformen su gestión
particular para responder a los intereses, ya no de una organización
como ente individual, sino de una organización como partícipe de un
cluster (agrupación de varias empresas). Esta dinámica modifica en
mayor o menor medida la cultura, la gestión y la estructura de
pequeñas, medianas y grandes empresas, a través de la continua
interacción y comunicación entre agentes que consolidan el cluster.
La posesión de un capital simbólico requiere el despliegue de estrategias
de los agentes para su consecución, lo que implica cambios en las
organizaciones y modificaciones en las estructuras o reglas de juego
internas, como alternativas para ser más eficientes o competitivas “una
54
adopción de una propuesta de gestión o una reestructuración
organizacional “. Estas estrategias responden a motivaciones externas,
como la percepción y valoración que hacen las organizaciones externas
de las acciones realizadas por otras empresas del medio, ya sea la
implementación de envidiables propuestas de gestión; la invitación de
reconocidos asesores, consultores y conferencistas, o la aplicación de
estrategias consecuentes con una nueva estructura propuesta por
entidades influyentes, como el Estado, la sociedad que constituye una
cultura de referencia u otras sociedades y las culturas que
indirectamente, consecuencia de fenómenos como la globalización,
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)
Lo anterior deja ver que la posición en el campo organizacional implica,
además de la lucha simbólica entre las empresas del sector, la influencia
de agentes externos a la estructura establecida, de la que deviene la
lógica del campo, pero también de los cambios en las reglas de juego
internas, como causa o efecto de la implementación de una propuesta
de gestión unificada o una acción administrativa determinada.
Dentro de ese campo organizacional (cluster) se dan relaciones de poder
o luchas simbólicas entre agentes, explicadas a través de la asimetría de
los agentes que lo componen empresas grandes, medianas y pequeñas,
55
es decir, por diversidad de tamaños, actividades productivas, y también
por el poder que unas organizaciones tienen sobre otras poder logrado
por la acumulación de atributos diferenciadores, que los hace
competitivos en el campo organizacional. A manera de ejemplo, las
pequeñas empresas son menos funcionales en situaciones de tensión
(conflicto) de larga duración, ya que los miembros que componen la red
empiezan a evitar el contacto con el fin de evadir responsabilidad;
mientras que las redes muy numerosas corren el riesgo de la baja o nula
participación, basadas en la idea de que otros ya se están haciendo
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.
El análisis de un cluster desde esta perspectiva no desconoce la
importancia de las relaciones económicas entre las empresas y su
entorno; por el contrario, trata de facilitar su comprensión a través del
estudio del entramado de significados de las relaciones sociales y
culturales que se tejen a su alrededor.
56
Desde esta perspectiva queda claro que el concepto de cluster no puede
limitarse a la existencia de una cercanía geográfica, a compartir
procesos o productos similares, a obtener complementariedades para
optimizar recursos o a buscar estrategias colaborativas entre un grupo
de empresas de una determinada actividad económica y entidades
financieras, reguladoras y formadoras que puedan apoyar su desarrollo.
Para que un cluster cumpla su función de constituirse en fuente de
ventaja competitiva frente a mercados globalizados demanda, además
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.
Nuevo enfoque en la integración de clusters (Redes de valor )13
David Bovet y Joseph Martha, presentan una nueva forma de diseño
comercial Este nuevo diseño brinda las herramientas necesarias no sólo
para controlar los costos, sino también para diferenciarse en el mercado
y proporcionar un servicio de primer nivel y ofrecer productos
personalizados que ayudarán a conquistar cada vez más y más clientes.
Mediante ejemplos de varias empresas que han adoptado este diseño,
como es el caso de Gateway, Cisco Systems, Cemex, Biogen, Zara, y
muchas más, los autores explican cómo reducir la brecha entre la
cultura ejecutiva de la reinvención estratégica y empresarial y el mundo
operativo de la adquisición, la fabricación y la logística. Aquí, detallamos
las principales técnicas que revelan los autores.
En Value Nets (John Wiley & Sons Inc), David Bovet y Joseph Martha
explican que este sistema, controlado por los clientes, reemplaza el
13 Bovet, David y Joseph, Martha. Value Nets. Breaking the Supply Chain to Unlock Hidden Profits. Wiley, 2000
57
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.
Enseñan a elegir entre los distintos tipos de proposiciones de valor - o
sea, servicio, comodidad o personalización – para ofrecer a los clientes.
Definen el alcance del diseño comercial y facilitan las estrategias para
reunir y mantener las ganancias.
Y, sobre todo, indican cómo ejecutar la transformación de una empresa
de cadena de suministro tradicional a una compañía basada en una red
de valor.
Este nuevo modelo de negocio une los exigentes requisitos de los
clientes con una industria flexible y de costos efectivos. Utiliza
información digital para transportar productos y saltear las costosas
cadenas de distribución. Se adapta a los cambios con facilidad. Los
autores denominan a este nuevo modelo: red de valor.
Definir una red de valor
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
58
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
los procesos de fabricación, entrega y servicios asociados con el
propósito de satisfacer las necesidades de cada cliente.
Esta nueva red presenta cinco características que la distinguen del
diseño de negocio tradicional:
Apoyada en el cliente: Se prevén la fuente, la producción y el
envío según las necesidades de los clientes. Los clientes controlan la
red de valor.
Cooperadora y sistemática: Se asigna cada actividad al socio que
mejor trabaje en eso y muchas actividades operativas se delegan a
especialistas.
Ágil y escalable: Esta red es receptiva a los cambios, al
lanzamiento de nuevos productos y el crecimiento acelerado.
Disminuye el capital de trabajo y reduce el tiempo de procesamiento.
Flujo rápido: Los ciclos de pedido y entrega son rápidos y
reducidos. La entrega de productos es rápida y conveniente: en la
casa, oficina o planta del cliente. Los inventarios son escasos.
Digital: El comercio electrónico constituye una herramienta clave y
los nuevos caminos de información digital unen y coordinan las
actividades de la empresa, los clientes y los proveedores.
Figura 24.
59
Figura 25.
60
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.
61
Capitulo II. Metodología de Estudio de Casos y Análisis para un Cluster Industrial.
En este Capitulo se presenta el protocolo metodológico a seguir, dicho
protocolo plantea en primer termino explica la metodología de estudio
de casos, en el siguiente apartado describe con detalle como se
configura según este trabajo un análisis de un cluster industrial según el
marco teórico construido en el capitulo anterior.
Metodología Estudio de Casos
Cuándo usar el método
Los diversos métodos de investigación social tienen ventajas y
desventajas según el tipo de problema abordado y sus circunstancias.
En la decisión de qué método elegir deben considerarse tres
condiciones: (a) el tipo de pregunta de investigación que se busca
responder, (b) el control que tiene el investigador sobre los
acontecimientos que estudia, y (c) la “edad del problema”, es decir, si
el problema es un asunto contemporáneo o un asunto histórico. Cada
método se aplica en situaciones específicas, como se indica en la
Figura1.
Los casos son particularmente válidos cuando se presentan preguntas
del tipo "cómo" o "por qué", cuando el investigador tiene poco control
sobre los acontecimientos y cuando el tema es contemporáneo. Muchas
de las preguntas de tipo "¿qué?" son exploratorias o descriptivas y se
contestan realizando encuestas o consultando bases de datos; por
ejemplo: qué formas de reclutamiento de nuevos empleados se utilizan
en las empresas Poblanas.
62
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´.”
Figura 1. Matriz para la elección de un método de investigación social
según las características del problema de interés. Fuente: Yin (1994).
Por buscar los mecanismos causales, el método del caso permite
acercarse a los fenómenos de interés, y evitar que ocurra lo que
63
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.”
Consideraciones sobre la inferencia en el método del caso
Tanto el método del caso como los estudios estadísticos y otros
enfoques cuantitativos buscan desarrollar teorías con consecuencias
verificables empíricamente. Sin embargo, la lógica de la metodología es
distinta entre ellos en cuanto a la selección de muestras, la
operacionalización de variables y el uso de la inferencia.;
específicamente, el método del caso propone la generalización y la
inferencia “hacia la teoría” y no hacia otros casos.
Ignorar las particularidades de esta lógica lleva a una crítica frecuente:
El caso no permite generalizar sus conclusiones a toda una población.
Esta falencia no permitiría generalizar los hallazgos a otros “casos” que
no fueran el estudiado, ya sea por razones del pequeño tamaño de la
muestra de casos utilizada o por la falta de representatividad de los
casos elegidos. Una forma (la “salida débil”) de evitar este pr oblema es
considerar al caso como una etapa preliminar de un estudio que luego
buscará resultados generales a través de los medios estadísticos propios
de la econometría, por ejemplo; o bien se busca introducir dentro del
caso datos cuantitativos que permitan “endurecer” los hallazgos
cualitativos.
64
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)
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
65
del lado lógico: las características del estudio de caso se extienden a
otros casos por la fortaleza del razonamiento explicativo.
Si se trabaja con múltiples casos se debe seguir la lógica de la
replicación, no del muestreo. Esta lógica lleva a incrementar el tamaño
de una muestra hasta garantizar cierto grado de certeza. La lógica de la
replicación es análoga a la del experimento múltiple, y lleva a
seleccionar los casos de modo que se anticipen resultados similares en
todos ellos (es la llamada “replicación literal”) o resultados
contradictorios, en función de razones predecibles (“replicación
teórica”).
Ambos tipos de replicación— literal y teórica— facilitan la formulación de
teorías. La replicación literal sugiere bajo qué condiciones se
materializará probablemente cierto fenómeno, mientras que la
replicación teórica sugiere bajo qué condiciones probablemente no se
materializará. La teoría resultante, que puede ser tanto de interés
académico como empresarial, puede después aplicarse a nuevos casos.
En suma, los casos no deben tomarse para evaluar la incidencia de un
fenómeno.
Además, su valor reside en parte en que no solo pueden estudiar un
fenómeno, sino también su contexto. Esto implica la presencia de tantas
variables que el número de casos necesarios para tratarlas
estadísticamente sería imposible de estudiar.
El papel de la teoría en el estudio de caso
El estudio (explicativo) de caso viene de la teoría y va hacia ella. Antes
de iniciar el trabajo de campo, el estudio debe ser precedido por el
66
desarrollo de una teoría que permita la observación. La observación está
siempre acompañada de una teoría, aunque sea incipiente. El desarrollo
de los primeros esbozos teóricos clarifica y profundiza los componentes
del 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
Explicar el mundo es el objetivo central de la ciencia. La idea de
causalidad está íntimamente conectada con la de explicación, si bien la
naturaleza de esta conexión depende de la posición epistemológica de
los diversos autores. En años recientes, los investigadores de casos han
dedicado esfuerzos a la identificación y verificación de los mecanismos
causales. Conocer un mecanismo causal tiene consecuencias operativas
prácticas y es a la vez un instrumento de la construcción de teorías. No
hay un acuerdo general sobre qué es un mecanismo causal.
Tentativamente, un mecanismo causal es un dispositivo que transfiere
materia, energía o información entre diversos entes, físicos, sociales o
psicológicos; este dispositivo, o proceso, puede tener características
muy diversas, pero todo mecanismo causal es capaz de transmitir cierta
estructura o cierto orden entre entes. Los mecanismos nos permiten ir
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.
67
Con frecuencia, a las teorías explicativas basadas en los mecanismos
causales se les oponen las teorías que usan explicaciones causales
probabilísticas, llamadas efectos causales. Para George et al. (2005) una
explicación causal satisfactoria debe incluir mecanismos causales y
efectos causales.
Hay distintos tipos de relaciones causales: simples, complejas, y
enigmáticas. En las relaciones causales simples ciertas variables
sencillas son necesarias y suficientes para que ocurra determinado
resultado. En las relaciones complejas interactúan variables causales
mutuamente dependientes. Las relaciones enigmáticas son de diverso
tipo, por ejemplo, relaciones no lineales— difíciles de estudiar tanto
estadísticamente como con casos— , o situaciones de efectos
desproporcionados— en donde pequeños cambios en variables causales
difíciles de identificar producen grandes consecuencias.
Para algunos investigadores deben buscarse en sus disciplinas las
relaciones causales simples, bajo la forma de leyes abarcadoras. Otros
estudiosos, con un enfoque tradicionalmente asignado a los
historiadores, hacen hincapié en la “originalidad” de cada caso y
prefieren considerar causalidades enigmáticas, como mecanismos
causales probabilísticos y complejas relaciones entre muchas variables.
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.
68
Sin duda en la vida de las empresas y de las sociedades hay
causalidades complejas, pero aún estas pueden modelizarse realizando
generalizaciones contingentes o teorías tipológicas, dado que en muchos
fenómenos sociales existen patrones y secuencias causales
identificables (George et al., 2005).
Aunque el correlato no es perfecto, existe paralelismo entre las nociones
de causalidad simple, compleja y enigmática y tres concepciones de la
teoría. Las relaciones causales simples suelen estar asociadas con una
teoría de proposiciones generales y abstractas, válidas en muchas
circunstancias, es decir, con leyes abarcadoras “a la Hempel”.
Fue precisamente la complejidad de las relaciones causales en la
sociedad y la dificultad de encontrar leyes abarcadoras en las ciencias
sociales lo que llevó al estudio de los mecanismos causales, con sus
propios problemas. Finalmente, existen teorías intermedias entre las
basadas en leyes de cobertura y los mecanismos causales: estas teorías
clasifican a los fenómenos en diversos tipos, dentro de los cuales se
pueden aplicar generalizaciones contingentes.
La Validación
Concepto e importancia de la validez
La validez de un estudio es la cualidad que lo hace creíble y da
testimonio del rigor con que se realizó. La validez implica relevancia del
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
69
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.
Cuatro tipos de validaciónLa validación (que es el aseguramiento de la validez) comienza en el
diseño de la investigación. Consideramos cuatro aspectos de la validez,
que se aplican en general a los estudios empíricos de las ciencias
sociales: validez de la construcción conceptual (construct validity),
validez interna, validez externa, y fiabilidad.
La validez de las construcciones conceptuales implica
operacionalizar las métricas que se utilizarán durante el estudio para
poder inferir legítimamente, a partir de estas métricas, hacia las
construcciones conceptuales que les dieron origen. Siguiendo un
enfoque realista, suponemos que es posible medir, aunque
imperfectamente, las construcciones conceptuales. En otras palabras,
suponemos que cierta construcción conceptual, como el clima
organizacional, realmente existe, y la validez de la construcción
conceptual es precisamente una medida de cuán bien estoy midiendo el
clima organizacional, de cuán bien el fenómeno observado corresponde
al fenómeno de la teoría.
Yin (1994) sugiere diversas tácticas para aumentar la validez de las
construcciones conceptuales. Dos de ellas se aplican durante la
recolección de datos: utilizar múltiples fuentes de evidencia y establecer
una cadena de evidencia. Una tercera, durante la preparación del
informe: hacer que el borrador del caso lo revisen informantes clave.
70
La validez interna es la lógica de la causalidad de un estudio
explicativo, y está vinculada con la verdad de las inferencias que se
realizan para determinar las causas de los fenómenos. En este punto es
usual mencionar la importancia de evitar las correlaciones no causales y
las correlaciones ecológicas. La clave de la validez interna es mostrar
que lo que ocurrió con tales variables efectivamente causó lo que
ocurrió en tales otras. Las herramientas más usadas para asegurar la
validez interna de un caso con el “ patternmatching”, la construcción de
explicaciones y el análisis de series cronológicas.
En cuanto a la necesidad de proveer evidencias de nuestras
afirmaciones, sostiene un texto popular de metodología que la “prueba
exige evidencia decisiva; esto significa evidencia que confirma un punto
de vista y excluye a sus rivales". No es suficiente decirse, por ejemplo:
"Puesto que no hay nada en contra de mi punto de vista; puesto que, al
contrario, ciertos hechos se pueden tomar como que apoyan mi punto
de vista, por lo tanto mi punto de vista está probado." Ni la simple
consistencia de los hechos con una hipótesis, ni la plausibilidad de su
ocurrencia, son confirmaciones de la hipótesis, porque la consistencia y
la plausibilidad también podrían darse con hipótesis alternativas.
Tanto para el historiador como para el analista de casos, la verdad de un
hecho se asigna en base a su probabilidad, más que en su 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
71
sus propios ojos, sino que se enteró en entrevistas o leyendo
documentos. ¿Es correcta? ¿Se consideraron todas las hipótesis rivales?.
En algunas instancias, el método, cuando está bien aplicado, permite
analizar hipótesis rivales plausibles para fortalecer la inferencia causal.
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
comparable. Así eliminamos una de las hipótesis alternativas plausibles
al aplicarla explícitamente a otros contextos empíricos.
La validez externa establece el dominio al cual pueden generalizarse
los hallazgos del estudio. En muchos casos se suele asociar la validez
externa con la idea de muestreo y obtención de muestras
representativas. En el estudio de casos, como vimos, la validez que nos
interesa es la que lleva a la generalización analítica, por la cual los
resultados se generalizan hacia una teoría más amplia, que permita en
72
el futuro identificar otros casos en que los resultados del primero sean
válidos.
La fiabilidad demuestra que las operaciones de un estudio pueden
repetirse con los mismos resultados. Está vinculada con la calidad de la
medición. Un estudio es más fiable cuanto mayor es la consistencia de
sus mediciones: Si otro investigador realizara nuevamente el mismo
estudio (no otro, no una réplica) los resultados serían los mismos.
Para asegurar esta fiabilidad es importante escribir procedimientos de
las tareas que se realizarán en el estudio y llevar un registro de todos los
pasos dados. En términos técnicos, es necesario contar con un protocolo
del caso y construir una base de datos con la información recopilada a
medida que el proyecto de investigación se va realizando.
Pasos de un estudio de casosUn estudio de caso tiene en general los siguientes pasos (George et al.
(2005), Yin (1994)):
1. Diseño del estudio.
2. Realización del estudio.
3. Análisis y conclusiones.
En el primer paso se establecen los objetivos del estudio, se realiza el
diseño propiamente dicho, y se elabora la estructura de la investigación.
Es importante determinar si nuestra investigación tiene por objetivo la
predicción, o la generación de teorías, o la interpretación de
significados, o una guía para la acción. En el segundo paso se prepara la
actividad de recolección de datos y se recoge la evidencia, en todas las
fuentes del caso. En el último paso se analiza la evidencia. La forma de
73
vincular los datos con las proposiciones es variada y los criterios para
interpretar los hallazgos de un estudio no son únicos. Cuando se trabaja
en explicaciones causales, la dinámica operativa lleva a buscar la
coincidencia de patrones, que relaciona diversos tipos de información
del mismo caso con alguna proposición teórica. Un ejemplo de esta
coincidencia es la existencia de una relación sistemática entre variables.
Es posible que la coincidencia de patrones sea causal o simplemente
relacional, y es el investigador quien debe responder a este tema, con
los criterios adecuados. Es de esperar que los diferentes resultados sean
lo “suficientemente” impactantes como para priorizar una proposición
sobre sus rivales. Para finalizar con la tercera etapa, se prepara el
informe del trabajo y se difunden sus resultados.
Diseño de estudios de casos
Un diseño de investigación se compone de cinco componentes (Yin
(1994)): 1) las preguntas del estudio, 2) sus proposiciones, si existieran,
3) su unidad de análisis (pueden ser varias), 4) la lógica que vincula los
datos con las proposiciones y 5) los criterios para interpretar 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.
74
Dimensión vertical: Holístico o encapsulado. La unidad de análisis
puede ser un individuo, un grupo, una compañía, un país... La unidad de
análisis ayuda a definir el alcance del caso, complementa las
proposiciones, y permite acotar la búsqueda de información. El caso es
con frecuencia un proceso, una institución, o un evento no tan bien
definido como un individuo. La definición de la unidad de análisis está
vinculada con la forma en que se presentaron las primeras preguntas de
la investigación.
Si solo se busca examinar la naturaleza general de una empresa o
problema, se utiliza un enfoque holístico. Se procede así cuando no se
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.
Dimensión horizontal: Diseños simples o múltiples. Los diseños
simples se utilizan cuando, de modo análogo a un experimento crucial,
un caso crítico permite probar una nueva teoría, o establece las
circunstancias en que valdrían ciertas proposiciones.
También un diseño simple se aplica en casos únicos o extremos, o un
caso “revelatorio”, en el que se presenta a los ojos del investigador un
fenómeno antes no estudiado. Hay un problema común a todos los
75
métodos de investigación, tanto cualitativos como cuantitativos: la
evidencia puede ser compatible con un gran número (hasta infinito) de
teorías alternativas. Por este motivo, un caso crítico puede permitir
comprobar cuál es la mejor teoría entre las que compiten; no habiendo
casos críticos es posible también comprobar si una teoría falla en
explicar un caso más probable o explica un caso menos probable
(George et al. (2005), pág. 30).
Los diseños múltiples, por otra parte, tienen la ventaja de que su
evidencia es más convincente y el estudio resulta más robusto. Sus
desventajas consisten en que no permiten tratar con el caso revelatorio,
o raro, o crítico, de los casos simples y, además, requiere más recursos.
El tema del número de casos que conviene analizar es debatido. Algunos
autores (Dyer et al. (1991) se inclinan por el estudio de un solo caso y
citan para avalar su posición ejemplos de casos clásicos, como Street
Corner Society, que mostrarían la importancia de concentrarse en el
estudio a fondo de un único caso. Otros Eisenhardt (1989 a, 1989 b)
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.
Definición De La Metodología De Deteccion E Identificación De Clusters Industriales
Rosenfeld (1997) manifiestó que “hay tantas definiciones de clusters
como número de instituciones que utilizan el término”.
76
Podemos extender esta afirmación a las metodologías aplicadas en los
estudios que han detectado e identificado clusters industriales,
probablemente a causa de la propia generalidad del concepto y a la
poca precisión en cuanto a los límites geográficos y sectoriales de los
clusters.
En cualquier caso, es posible agrupar los métodos propuestos y
utilizados en la literatura para realizar el conocido como “cluster
mapping”, es decir aquellos instrumentos que supuestamente permiten
representar los clusters existentes en un área geográfica, incluyendo la
información referida al volumen de negocio, los principales agentes
implicados, y otros datos clave como el número de empresas, la
cantidad de empleo, etc. En función del tipo de aproximación empleada
para establecer el mapping, encontramos:
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.
El instrumento cuantitativo más frecuente es el coeficiente de
localización (CL), que aproxima el grado de ventaja competitiva de un
sector en cada área geográfica respecto a la del conjunto de la
economía analizada. Dadas las limitaciones que conlleva el uso aislado
del CL, suele ser habitual acompañarlo de medidas complementarias.
Así, en ocasiones se utiliza la matriz de crecimiento-participación, que
está configurada, además de por el CL, por:
77
- una medida del tamaño absoluto del sector en la región,
habitualmente aproximado por el empleo sectorial
- una medida del crecimiento del sector en la región, aproximada a
través del crecimiento del empleo sectorial
Tanto en el caso de la utilización del CL de forma aislada, como
combinado a través de la matriz de crecimiento-participación, esta
aproximación está sujeta a las críticas de ser sensible a la clasificación
sectorial utilizada, que además suele venir dada de forma exógena y
rígida, y de no utilizar información acerca de la interdependencia entre
sectores, que constituye precisamente un elemento esencial en la propia
definición de cluster. Esta última circunstancia ha llevado a autores
como Bergman y Feser (1999) a indicar que el CL sólo resulta útil si se
complementa con una medida del grado de interdependencia entre
sectores. Precisamente, la combinación de medidas del grado de
concentración sectorial con medidas de la intensidad de relaciones
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.
En contraposición al método desarrollado por Porter y sus colaboradores,
recientemente han aparecido propuestas alternativas también basadas
en la aplicación de instrumentos analíticos y cuantitativos. Estas
propuestas metodológicas serán descritas con mayor detalle en los
próximos apartados de este informe, por lo que en este punto
únicamente indicaremos que se basan en la utilización de información
más detallada tanto a nivel de las unidades de observación como de las
unidades geográficas consideradas y de la situación teórica de
referencia en ausencia de aglomeración de la actividad.
78
En todo caso, y aún combinando información del grado de concentración
y de interrelación sectorial, debe tenerse en cuenta que:
- este tipo de método no tiene en cuenta el ciclo vital de un cluster,
es decir si éste se encuentra en gestación, en plena efervescencia
o en declive. Esta circunstancia puede condicionar el proceso de
detección de algunos clusters de especial relevancia,
- el método tiene validez limitada al no incorporar información de
factores intangibles como, por ejemplo, relaciones basadas en la
confianza, la presencia de capital social, de dinámica organizativa,
etc.
b) Métodos basados en el estudio de caso de clusters individuales o
de grupos de clusters, mediante el uso de técnicas cualitativas y
de supuestos a priori sobre la existencia del (los) cluster(s)
analizados.
Es utilizado por analistas que rechazan el supuesto de que los clusters
sólo pueden ser identificados y cuantificados mediante la aplicación de
técnicas estadísticas. El argumento básico que utilizan es que el
crecimiento y la dinámica innovadora de un cluster únicamente pueden
ser capturadas de forma correcta a través de la aplicación de técnicas
cualitativas, por ejemplo mediante el recurso a entrevistas en
profundidad con agentes representativos de los clusters. Un paradigma
de tal aproximación lo constituye el estudio de Saxenian (1994) acerca
de Sillicon Valley en los noventa, a la que siguieron otros trabajos en la
misma línea que trataron de comparar esa experiencia con la de otros
supuestos clusters.
79
La conclusión fundamental que se desprende de los estudios que han
utilizado este método cualitativo es que las únicas políticas efectivas
parecen ser aquellas diseñadas para fortalecer clusters ya existentes,
mientras que las tendentes a promover el nacimiento o formación de un
cluster, a través de acciones top-down, aparecen como ineficaces.
El enfoque basado en el estudio de caso puede proporcionar
conocimiento de la naturaleza y la dinámica de los clusters industriales
presentes en un área geográfica determinada, así como de las claves de
su éxito. Pero difícilmente puede ser utilizada esta aproximación para la
detección de tales clusters. O dicho de otro modo, el estudio de caso
puede proporcionar un conocimiento profundo de un cluster o grupo de
clusters previamente detectados mediante la aplicación de otros
instrumentos. En caso contrario se puede acabar aceptando
erróneamente su existencia. Adicionalmente, hay que tener en cuenta
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.
En consecuencia, podemos concluir que el método basado en el análisis
de caso no constituye una aproximación metodológica adecuada para la
realización de un “cluster mapping”.
c) Métodos centrados en el análisis de políticas públicas y estrategias
diseñadas para promover la gestión y/o fortalecimiento de un
cluster o conjunto de clusters. Suelen corresponder a análisis
efectuados por autoridades competentes en el desarrollo local y/o
regional, e incorporan elementos tanto de a) como de b).
80
A partir de esta clasificación general de las aproximaciones utilizadas en
la literatura para el análisis de los clusters industriales podemos concluir
que cualquier estudio tendente a su detección y cuantificación en el
conjunto del territorio español debería basarse en la aplicación de
instrumentos cuantitativos. Debería también explicitar claramente qué
aspectos concretos de la definición de cluster industrial adoptada se
están recogiendo con los instrumentos utilizados, si estos se incorporan
de forma parcial o total, y si se hace de forma directa o mediante algún
tipo de aproximación. Ello permitirá valorar en su justa medida el mapa
obtenido.
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.
Método a la Porter (Giacr 2005)
Michael Porter y su equipo de colaboradores en el Institute for Strategy
and Competitiveness en la Harvard Business School propusieron un
método basado en la utilización de instrumentos cuantitativos para
derivar la composición de economías regionales y locales, y los límites
geográficos de los clusters de sectores interrelacionados.
Dicho método pretende capturar los elementos básicos en la definición
de cluster industrial del propio Porter, sirviéndose para ello de algunas
medidas utilizadas con anterioridad para valorar el grado de
81
concentración espacial de la actividad y la intensidad de las relaciones
entre distintos sectores productivos. Al determinar el conjunto de
sectores que se encuentran relacionados en uno o varios clusters
concentrados geográficamente el método de Porter da lugar a un
“cluster mapping” para el conjunto de la economía en que se esté
interesado.
Elementos esenciales del método.
Definición de sectores
La implementación del método de Porter precisa de la clasificación de
todos los sectores considerados en tres grandes tipos de agrupaciones
con pautas de competencia espacial y patrones de localización
geográfica muy dispares:
a) Sectores locales. Son aquéllos distribuidos uniformemente entre
regiones, de forma que su dimensión en cualquier región (medida por
ejemplo a través del empleo) es proporcional a la población de la región.
Por las características del producto de este tipo de actividades, las
empresas de una región compiten sólo parcialmente con las localizadas
en otras regiones. Aunque en la mayoría de casos corresponden a
actividades de servicios y de construcción, también pueden considerarse
en esta categoría algunas actividades manufactureras.
b) Sectores dependientes de recursos. Son aquellos en los que la
localización geográfica de la actividad está asociada a la presencia de
determinados recursos naturales. Las empresas de estos sectores
compiten con otras del mismo sector localizadas en otras regiones del
país y con aquéllas de otros países.
d) Sectores comercializables. Son aquéllos cuya producción tiene
como mercado la propia región, el resto de regiones del país y
82
potencialmente el resto de países, y cuya localización, además, no
depende de la ubicación de determinados recursos naturales.
La localización en una región específica se determina en función de un
amplio abanico de factores de competitividad, de forma que la
concentración geográfica de este tipo de sectores varía sustancialmente
entre regiones.
Clasificación de sectores
En la práctica, Porter sugiere:
- utilizar la distribución sectorial del empleo en un año determinado
para clasificar los sectores considerados en los tres grupos
anteriores, y
- emplear tres medidas de variación del empleo sectorial en el
espacio para los distintos sectores: i. el porcentaje que sobre el
total de empleo nacional representa el empleo de aquellos
estados con un CL≥1, ii. la media del CL para los cinco estados con
un valor más elevado para ese coeficiente, iii. el coeficiente de
Gini del empleo.
- examinar el patrón de distribución regional del empleo para un
amplio conjunto de sectores con el objetivo de determinar “puntos
de corte” para cada una de las medidas anteriores. En el caso
concreto del estudio de Porter para los estados norteamericanos,
estos se definieron como14: i. el 50% o más del total del empleo de
un sector se encuentra en estados con CL≥1, ii. la media del CL en
los cinco estados con mayor valor para este coeficiente toma un
14 La arbitrariedad de este procedimiento es aceptada por el propio Porter al indicar que “a pesar de que lospuntos de corte utilizados para realizar la clasificación es arbitraria, su modificación sólo ocasionabapequeñas modificaciones en los resultados”.
83
valor mínimo de 2, iii. el coeficiente de Gini del empleo es igual o
mayor a 0.3
Así, aquellos sectores en los que se cumplen simultáneamente los tres
criterios son definidos como sectores comercializables. Por su parte,
aquellos en los que no se cumple ninguno o únicamente uno de los
criterios anteriores, son clasificados como locales.
En una segunda etapa se realiza un ajuste fino, una depuración de la
clasificación obtenida como resultado de la aplicación de los criterios
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
84
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
determinar unívocamente la composición sectorial de los clusters
para un amplio conjunto de economías regionales.
El reconocimiento de esta carencia obliga a la aplicación de un método
indirecto, mediante el cálculo de la correlación de la distribución
regional del empleo en el conjunto de los sectores comercializables. La
idea es que elevadas correlaciones locacionales deben ser motivadas
por las citadas externalidades, pudiendo ser utilizadas para definir los
límites y
composición de los clusters. Como ejemplo típico se puede señalar el de
la asociación entre la localización geográfica del empleo en el sector de
desarrollo de software y en el del hardware.
Las correlaciones estadísticamente significativas permiten identificar
pares y después grupos de sectores que supuestamente presentan una
estrecha relación. En la propuesta de Porter se rechaza el uso de
algoritmos de agrupación basados en los coeficientes de correlación al
no ser considerados como adecuados por excesivamente automatizados.
En su lugar se aboga por una actuación pragmática en la que se
comienza a través de un pequeño grupo de sectores obviamente
relacionados y a partir de éste se sigue la pista a otros sectores a partir
de los patrones de correlaciones.
85
Depuración de la agrupación de sectores Una vez llegado a este punto,
las agrupaciones sectoriales obtenidas a través del análisis de
correlaciones son depuradas de la posible presencia de correlaciones
espurias entre algunos sectores. La presencia de correlaciones espurias
tiene entre otros posibles motivos los siguientes:
- el empleo de una definición muy amplia de los sectores
considerados,
- 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.
La depuración se basa en el uso de información adicional acerca de los
sectores considerados y de la información sobre los intercambios
comerciales entre ellos, contenida en las tablas input-output. En
concreto:
- se utiliza, en primer lugar, toda la información y conocimiento
disponible de cada sector. Para ello se emplea la máxima
desagregación sectorial posible y, por ejemplo, el listado de
productos característicos de cada sector. Con esa información se
86
concluye acerca de la probable presencia de externalidades
“lógicas”,
- en segundo lugar, se comprueba la existencia de flujos
comerciales entre sectores a través de la información contenida
en las tablas input-output.
De esta forma, se elimina el vínculo entre cualquier par de sectores por
espurio si entre ellos no se detecta una externalidad “lógica” ni flujos
significativos de productos.
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.
Finalmente, ante la presencia de solapamiento de sectores en más de
un cluster, se procede a realizar una definición amplia y otra restrictiva
de cluster. En la amplia no se impide que un sector pueda formar parte
simultáneamente de más de un cluster, mientras que en la restrictiva un
sector únicamente puede formar parte de uno de los clusters. Para ello
se sigue el criterio de intensidad en la correlación locacional observada
para ese sector, de forma que se asigna al cluster con el que presente
mayor correlación. En este mismo sentido, es posible definir el núcleo
del cluster como aquel conjunto de sectores que presentan correlaciones
más intensas.
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,
87
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.
- 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.
Finalmente, como otra ventaja inmediata se puede señalar la facilidad
de su actualización en sucesivos periodos a medida que la información
estadística de base se encuentre disponible. Esto permite además
88
incorporar una característica innata en los clusters, como es la del
seguimiento de su dinámica. Asimismo, es posible reproducir el análisis
para otros niveles de desagregación geográfica y/o sectorial en el caso
en que se considere oportuno y todo ello con un coste informativo y
computacional limitado.
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.
89
En relación con esta circunstancia, para el cálculo de las correlaciones
de localización cobra especial relevancia la definición de las unidades
geográficas o regiones. Para establecer esta definición se debe tener en
cuenta i) la disponibilidad de datos con el detalle sectorial requerido
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.
Si a ello añadimos que la unidad geográfica relevante puede diferir entre
clusters, y que para algunos de ellos los límites geográficos pueden no
corresponder con los límites administrativos, se suele aconsejar realizar
el estudio para varios niveles de desagregación territorial.
- Otra crítica obvia que se puede realizar a esta aproximación es la
de basarse en exceso en criterios adhoc. Todas las fases del
procedimiento están caracterizadas por apoyarse en elementos
subjetivos y difícilmente generalizables. De esta forma, en cada
estudio se deben fijar atendiendo a la información contenida en los
propios datos que se están utilizando y en el conocimiento de la
economía analizada por parte del investigador o equipo de
investigadores. Esta circunstancia ha quedado reflejada en la
descripción de los elementos fundamentales de la metodología
descritos en el apartado anterior, y que de forma breve se pueden
sintetizar en i) la determinación de los puntos de corte en los
coeficientes CL y de Gini, y en el proceso de depuración de la
clasificación de los sectores en comercializables, locales y
90
vinculados con recursos naturales, ii) la agrupación de sectores y
su posterior depuración que, aún basándose en coeficientes de
correlación entre sectores, no sigue ninguna pauta objetivable sino
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.
Criterio estadístico de detección de aglomeración
En la aplicación de un método à la Porter, la determinación del nivel de
aglomeración sectorial que deberíamos observar para concluir acerca
de la posible pertenencia de un sector a un cluster es una cuestión
abierta que, como hemos indicado anteriormente, se deja en manos del
investigador. Es decir, el establecimiento de un punto de corte se basa
en un criterio subjetivo y propio de cada caso, lo que provoca que pueda
ser considerado como arbitrario.
Pero este proceder contrasta con la necesidad de identificar clusters de
forma consistente y asumible por parte de cualquier persona interesada
en ellos. Resultaría entonces conveniente definir un nivel crítico
15 En palabras de Porter, “esta aproximación no es factible en la mayoría, sino en todos, los demás países”.
91
objetivable para el grado de aglomeración a partir del cual considerar la
pertenencia de sectores a clusters. Tal nivel crítico debería ser factible
empíricamente y estar basado en consideraciones teóricas.
Asumiendo estas premisas, O’Donoghue y Gleave (2004) propusieron el
coeficiente de localización estandarizado como instrumento en el que
basar la clasificación entre sectores aglomerados y no aglomerados, y
consecuentemente la determinación de los sectores comercializables
potencialmente pertenecientes a clusters industriales. Con ello recogen
la sugerencia de Duranton y Overman (2005) al insistir en la importancia
de establecer la significación estadística como un pre-requisito para la
determinación de la composición de los clusters.
El coeficiente de localización es utilizado porque, en opinión de los
citados autores, la manifestación esencial de todo cluster es su
aglomeración en el espacio, y ésta es recogida por dicho coeficiente.
Pero también señalan que las aglomeraciones deben constituir
localizaciones excepcionales, lo que implica que deben presentar valores
para el CL significativos estadísticamente para algunos de los sectores
considerados. En consecuencia, proponen identificar localizaciones con
concentraciones de actividad excepcionales a través de valores del CL
estadísticamente significativos al 5%, o lo que es lo mismo, detectar
observaciones claramente diferenciadas del resto en base a un criterio
objetivo.
Los pasos a seguir en la implementación del procedimiento son: i)
calcular el CL para todos los sectores al nivel de desagregación sectorial
y regional determinado, ii) comprobar que el CL se distribuye como una
normal (aplicando para ello el test de Kolmogorov-Smirnoff). Si se
92
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:
donde e y E hacen referencia al empleo regional y nacional
respectivamente, el subíndice PYME a las pequeñas y medianas
empresas, el i a cualquiera de los sectores considerados, y Total al
conjunto de la economía.
El CLajustado permite comprobar hasta qué punto la aglomeración es
debida a la presencia de PYMEs y, en consecuencia, a la posible
existencia de un cluster.
93
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.
El proceso se puede sintetizar en las siguientes etapas: una vez
determinado el detalle sectorial y territorial, se recoge la información
referida al empleo (Empl) y al número de empresas (Plantas), ii) con esa
información se efectúan las siguientes regresiones:
donde Pobl denota la población como medida del tamaño de la región y
los subíndices i y r hacen referencia al sector y región respectivamente
ε y υ son términos de perturbación con las propiedades habituales, iii) se
retienen los residuos positivos de ambas regresiones que excedan el
94
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.
Quizás una de las experiencias más difundidas ha sido la realizada para
el Reino Unido por parte de Trends Business Research para el
Departamento de Comercio e Industria (DTI) de ese país, y que bajo el
título “Business Clusters in the UK — A First Assessment” abordó la
detección, identificación y cuantificación de clusters industriales en el
conjunto del territorio mediante la adaptación del método propuesto por
Porter.
Las etapas seguidas en ese trabajo, similares a las descritas
anteriormente, se pueden sintetizar en:
i) Identificación de los sectores sobrerepresentados en cada
región, en términos del empleo y que son “empleadores”
significativos (CL > 1.25 y porcentaje del empleo del sector en
el empleo total de la región > 0.2). Con esa información e
incorporando “juicio e interpretación”, se clasifican los sectores
para formar la base de los clusters.
95
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
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
96
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.
En cualquier caso, se insiste en que el análisis realizado debe ser
interpretado como un proceso inicial de identificación de clusters que
pueden existir en cada una de las regiones de la economía. En ese
sentido, representa un punto de partida para un proceso de interacción
con las estrategias de desarrollo. A modo de ejemplo, la detección de
colocalización permite aventurar la posibilidad de existencia de un
cluster potencial, de forma que determinadas actuaciones podrían
mejorar las opciones de evolución hacia un cluster efectivo.
Potencialidad de resultados obtenidos
- La identificación de clusters industriales en el territorio siguiendo
un procedimiento à la Porter permite la detección de agrupaciones
97
de sectores co-localizados y a los que se atribuye un nivel mínimo
de interacción. En consecuencia, mediante el empleo de
información estadística correspondiente a un detalle sectorial y
territorial elevado sería posible la obtención de un mapa preciso
de la localización de la actividad económica en la geografía
española. Ese mapa permitiría ubicar en el territorio actividades
económicas supuestamente interrelacionadas. La riqueza del
mapa dependería en gran medida del detalle sectorial y territorial
que se pudiese llegar a emplear. Respecto al detalle sectorial,
sería aconsejable el uso de la desagregación a 2, 3 y 4 dígitos de
la clasificación CNAE (o equivalente), mientras que para el
territorial el análisis a nivel de comunidades autónomas,
provincias y municipios podría proporcionar evidencia más rica
que en el caso de realizar el análisis únicamente tomando como
referencia a las primeras.
- Además de la obtención de un mapa global, la combinación del
método con información acerca de las características de
determinadas actividades y sectores productivos debería permitir
la identificación de clusters de especial interés, por su dinamismo
y/o por resultar claves para la economía nacional o para alguno de
los territorios.
- Haría posible la detección de regiones y/o localidades con
implantación de clusters especialmente dinámicos o en clara
recesión. En ambos casos la detección permitiría discernir el tipo
de actividades o sectores implicados y el ámbito territorial
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
98
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.
Método basado en la comparación de distribuciones
En contraposición a la estrategia sugerida por Porter y colaboradores,
recientes aportaciones han propuesto una metodología para identificar
empíricamente clusters industriales en el territorio, basada en la
comparación de la distribución espacial de cualquier sector analizado
con otra que supuestamente caracterizaría una situación en la que
operasen las fuerzas que causan la aglomeración espacial de la
actividad.
El fundamento de esta estrategia lo encontramos en los trabajos de
Ellison y Glaeser (1997 y 1999), quienes desarrollaron un estadístico
para contrastar si los niveles de concentración observados son mayores
a los que correspondería en una situación en la que la localización de las
plantas productivas se determinase aleatoriamente. El estadístico se
apoya en un modelo en el que tanto la existencia de externalidades de
localización específicas para cada sector como ventajas locacionales
naturales y factores aleatorios puros contribuyen a la concentración
geográfica de la actividad productiva. El resultado es la obtención de un
índice de concentración geográfica basado en un modelo, y que
presenta 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
99
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.
Medidas de concentración geográfica basadas en distribuciones
Ellison y Glaeser (1997) formulan un modelo simple en el que “la
concentración geográfica de un sector es el resultado de una secuencia
de decisiones de localización maximizadoras del beneficio realizadas por
las plantas productivas”. Los mecanismos que ocasionan la
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.
100
Supongamos que tenemos K plantas productivas en el sector i, que
deben seleccionar su localización secuencialmente del conjunto de las R
regiones con el objetivo de maximizar sus beneficios. El beneficio
percibido por una planta k cuando se localiza en la región r está
determinado por:
donde πir es el beneficio esperado asociado a la localización específica
en la región r, y la función gr refleja el efecto sobre los beneficios de la
región r causado por el hecho de que las plantas 1, 2, …, k-1 han
seleccionado previamente localizarse en υ1, υ2,…, υk-1. ηir es un
componente aleatorio inobservable asociado a la localización en la
región r y εikr es una perturbación inobservable específica de la planta
k.
Como se ha indicado antes, en el modelo de Ellison y Glaeser, las
plantas de un sector pueden agruparse espacialmente debido a que: i)
prefieran localizarse en regiones con menores costes de producción
observables, ii) prefieran localizarse en regiones conmenores costes de
producción inobservables, y iii) a la existencia de externalidades
localizadas geográficamente.
Asumiendo determinadas características para la distribución de los
efectos de las ventajas naturales sobre los beneficios y sobre el
mecanismo a través del que las externalidades entre plantas afectan a
sus beneficios, el índice de concentración geográfica para un sector
dado:
101
captura consistentemente la magnitud de las fuerzas de aglomeración
del modelo. G es una medida de concentración geográfica del sector
definida como donde sr es el porcentaje del empleo del
sector en la región r y xr el porcentaje del empleo total en la región r.
es el índice de Herfindahl de la distribución del tamaño relativo
de las plantas (z) en el sector.
El índice tomará valor nulo en ausencia de fuerzas de aglomeración,
mientras que no se encuentra acotado superiormente. Ellison y Glaeser
(1997) sugieren considerar a los sectores como altamente concentrados
cuando γ>0.05, y como escasamente concentrados a aquéllos para los
que γ<0.02.
Apoyándose en el mismo modelo de localización, los citados autores
sugirieron un índice de co-aglomeración. Este índice pretende cuantificar
en qué medida un conjunto de sectores pertenecientes a un grupo
tienden a localizarse conjuntamente en el espacio. Se define como:
donde G es la medida de concentración geográfica para el conjunto de
sectores del grupo, es el índice de Herfindahl para el grupo,
102
con ωi el porcentaje del empleo del sector i-ésimo. Finalmente, i γˆ es el
valor del índice de concentración para el sector i. Un valor nulo para el
índice de co-aglomeración indica que no hay más aglomeración de las
plantas en el grupo de sectores que el atribuible a la tendencia de éstas
a localizarse cerca de otras planteas del mismo sector y donde exista
una elevada concentración del empleo total.
De esta sintética exposición de los índices propuestos por Ellison y
Glaeser, se desprende su utilidad para detectar el grado de
concentración territorial de un conjunto de sectores y para valorar
patrones de co-localización de algunos sectores. Pero al ser medidas
globales para el conjunto de la economía, estos índices no permiten
realizar ningún juicio acerca de los territorios en los que se encuentran
las concentraciones. Por otra parte, requieren de la definición a priori de
los sectores y territorios objeto de análisis, junto a la utilización de
información referida al empleo en cada sector y región, y al empleo en
las plantas de cada sector para el conjunto de la economía. Por tanto, y
a pesar de su extensa difusión en los últimos años (véase por ejemplo
Maurel y Sédillot, 1999), estos índices no permiten realizar un “cluster
mapping”, aunque sí sugeriríamos su empleo previo junto a otras
estrategias para determinar en base a criterios robustos qué sectores se
encuentran concentrados geográficamente y son, por tanto, susceptibles
de formar parte de clusters industriales.
Elementos esenciales del método.
En este apartado describimos los puntos básicos del método propuesto
por T Brenner para realizar un “cluster mapping”. Como hemos indicado
anteriormente, el método sugerido por este autor se basa en la
comparación de la distribución de la actividad productiva en el territorio
para cualquier sector con la distribución que teóricamente
correspondería por una parte a una situación sin fuerzas que causasen
103
aglomeración y, por otra, a una en la que estuviesen presentes clusters
industriales como resultado de la presencia de las citadas fuerzas. El
elemento diferencial fundamental que permite la identificación de los
clusters en este caso es la posibilidad de estimar un umbral en el
volumen de actividad en cada uno de los territorios considerados. De
esa forma, tendremos indicios de que un sector puede formar parte de
un cluster en una región cuando en ella la presencia de actividad del
sector supere dicho umbral. De hecho, la aplicación de un contraste
estadístico formal permitirá comprobar la significación de la
concentración del sector en la región.
La aplicación del método permite distinguir dos etapas: i) en primer
lugar se enfrenta la distribución empírica asociada a los datos de
sectores y regiones con la que se deduce de las predicciones teóricas. El
resultado nos permite determinar aquellos sectores que muestran
indicios de localización en aglomeraciones industriales, ii) a
continuación, y utilizando la información de la estimación sobre el
umbral de actividad proporcionado por el propio método, se identifican
las regiones en las que se encuentran localizadas las aglomeraciones en
cada sector.
Supuestos iniciales
- Para la derivación de las distribuciones teóricas de referencia, en
el caso de presencia y ausencia de clusters, se modeliza
estocásticamente la localización de las plantas productivas y la
capacidad de atracción de las regiones. En ambos casos se
reconoce la imposibilidad de considerar todos los elementos
relevantes en el modelo, dada la ausencia de información
estadística sobre los mismos (por ejemplo los vínculos con cada
localidad de los empresarios o la influencia de ciertos intangibles
104
como la cultura empresarial sobre el atractivo de las regiones).
Ante esta circunstancia se opta por una solución radical al
proponer utilizar únicamente el tamaño de las regiones analizadas,
mientras que todos los demás determinantes se modelizan de
forma estocástica.
- Para determinar la forma de la distribución de la actividad
productiva de un sector entre las distintas regiones se tiene en
cuenta la distribución regional de algunos factores que se supone
debe estar determinando la localización regional de las plantas
productivas. De esta forma, la propuesta de Brenner se aleja de la
especificación puramente aleatoria característica de la
aproximación dartboard de Ellison y Glaeser al incorporar
información sobre la distribución de los factores que pueden estar
afectando tanto la decisión individual de localización de cada
planta como el atractivo de cada región16.
- 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.
Determinación de la distribución regional de la actividad productiva (sin
y con clusters) El primer paso en la aplicación del método consiste en la
determinación de la distribución de las plantas productivas de un sector
entre las distintas regiones, o lo que es lo mismo, establecer la función
que caracteriza a la probabilidad de que f plantas de un sector i se
localicen en una región r de tamaño s, P(f|s).
16 En ese caso la distribución que caracteriza el número de plantas localizadas en cada región es una binomial.
105
Para ello se selecciona un conjunto de factores que supuestamente
influyen en las decisiones de localización de las empresas y en el
atractivo locacional de las regiones, y se analizan las características de
su distribución empírica. Para la aplicación que realiza a la economía
alemana, Brenner selecciona el capital humano, aproximado a través del
número de estudiantes por habitante, y las empresas de servicios
(legales, marketing, consultoría, etc). De la inspección de la distribución
de esas variables en los distritos administrativos alemanes, Brenner
sugiere la combinación de una distribución Boltzmann y una exponencial
decreciente, a las que se añadiría una Binomial (Bn[.]) para incorporar
también las predicciones de un modelo tipo dartboard17. De esa forma,
la distribución de probabilidad que caracterizaría el caso de ausencia de
clusters es:
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.
17 No obstante, y dado que las distribuciones Binomial y Boltzmann son bastante parecidas, en algunas de susaplicaciones Brenner sugiere combinar únicamente la exponencial decreciente y la Boltzmann.
106
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.
La forma en la que Brenner propone modelizar ese segundo máximo en
la distribución es muy simple: asumir que la forma es similar a la del
resto de la distribución y que se inicia a partir de un determinado
número de plantas. Este segundo supuesto lleva a descartar la
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:
donde el último término del lado derecho de la igualdad es una
distribución de Boltzmann que aparece únicamente en el caso en que el
número de plantas del sector supere un umbral dado por Por su parte,
107
es un parámetro que recoge el porcentaje de regiones que son
descritas por esa parte adicional de la distribución.
Consideración del tamaño de las regiones Resulta razonable suponer
que la distribución de las plantas productivas dependerá del tamaño de
las regiones (s). Para recoger ese efecto se asume que el número medio
esperado de plantas localizadas en una región aumenta linealmente con
el tamaño de la región, tanto para el caso de la distribución de Pn(f|s)
como de Pc(f|s). En consecuencia, el número medio de plantas debe
aumentar linealmente con s a lo largo de toda la distribución, mientras
que la contribución relativa de cada una de sus componentes debe
permanecer estable, es decir, independiente de s. Para ello se
introducen los siguientes supuestos sobre los parámetros
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.
108
Por último, para la definición del tamaño de cada región, Brenner
sugiere utilizar el porcentaje del empleo en la región respecto al del total
del país.
Restricciones y estimación de parámetros El último término de Pc(f|s) es
el fundamental para la detección e identificación de los clusters. Como
se ha indicado, es una distribución tipo Boltzmann desplazada que
aparecerá sólo en el caso en que el número de plantas exceda el umbral
dado por ξ6·s. La contribución de ese término a la distribución total
dependerá además de ξ8. En la implementación del procedimiento, se
restringe el rango de valores que pueden tomar tanto ξ6 como ξ8. Las
razones esgrimidas por Brenner para la imposición de las restricciones
sobre esos parámetros son las siguientes:
- 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.
109
En otras ocasiones se ha impuesto un criterio más estricto,
considerando por ejemplo un valor umbral de 3.
En su lugar, Brenner propone un criterio algo más complejo, basado en
la idea de que en presencia de un cluster, el último término de Pc(f|s)
debe estar en cierta medida alejado del resto de la distribución. Es decir,
que el grado de solapamiento de las dos partes de la distribución debe
ser pequeño, siendo éste debido a las regiones que contienen un mayor
número de plantas causados por la primera parte. La restricción
introducida garantiza que ξ8 excede al menos en 5/6 el porcentaje de
regiones con un número de plantas superior al umbral dado por ξ6·s:
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.
Adicionalmente, se debe tener en cuenta que todos los parámetros
deben ser positivos y que ξ3 + ξ5 + ξ8 ≤ 1.
La estimación de los parámetros desconocidos de Pc(f|s) para cada
sector se obtiene a través del método de máxima verosimilitud. Para ello
se maximiza el logaritmo de la función de verosimilitud de Pc(f|s) sujeta
a las restricciones descritas anteriormente. La función de verosimilitud
se define como:
110
donde f(r) denota el número de plantas localizadas en la región r y s(r)
es el tamaño de esa región. La solución del problema de maximización
con restricciones se puede conseguir a través de la aplicación de un
método numérico, por ejemplo de los implementados en el modulo
MAXLIK de Gauss u otro similar de algún software disponible.
Siguiendo el mismo procedimiento se pueden estimar los parámetros de
la distribución en ausencia de clusters, de Pn(f|s). En este caso la
función de verosimilitud se define como:
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.
Identificación de los clusters industriales
Una vez estimados los parámetros de la distribución de Pc(f|s) es posible
realizar la identificación de los clusters en los sectores en los que se
haya detectado el fenómeno de la aglomeración. Las regiones que
contengan un cluster serán descritas por una distribución tipo
Boltzmann con un valor mínimo del parámetro ξ6(s). Es decir que ξ6(s)
es el umbral de plantas productivas que dan lugar a un cluster. Dado
111
que ξ6(s) = ξ6·s y que s varia entre regiones, el umbral de plantas será
distinto para cada región siempre y cuando éstas difieran en su
tamaño18.
Por tanto, se considera que existe un cluster en todas aquellas regiones
en las que el número de empresas en el sector analizado supera el valor
umbral de ξ6(s).
Ventajas e inconvenientes
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
18 En el caso de fijar el mismo valor de s para todas las regiones (Brenner, 2003, lo fija como s=1/Nr), elumbral no varia entre regiones.
112
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.
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
113
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
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.
114
- 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.
- 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
115
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
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.
Criterio estadístico de detección de aglomeración
En la estrategia propuesta por T Brenner, la detección de
aglomeraciones o clusters en un sector se apoya en el resultado de un
contraste estadístico basado en la comparación de la verosimilitud
alcanzada por el modelo que incorpora la presencia de clusters frente a
116
aquel que no lo hace. Así, se concluye a favor de la existencia de
clusters cuando el ajuste a los datos alcanzado por el modelo basado en
Pc(f|s) supera significativamente el que se obtiene a través de Pn(f|s), o
lo que es lo mismo cuando Lˆc > Lˆn . En caso contrario, Lˆc = Lˆn por lo
que la distribución tipo Boltzmann asociada al término propio de los
clusters no se ve refrendada por los datos, indicando que la presencia de
clusters es poco verosímil.
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
Bajo la hipótesis nula de ausencia de clusters, es decir de igualdad de
las distribuciones de Pc(f|s) y Pn(f|s), λ se distribuye como χ2 con 3
grados de libertad —la diferencia entre el número de parámetros de
Pc(f|s) y de Pn(f|s). El rechazo de la hipótesis nula lleva a asumir la
existencia de clusters industriales para el sector analizado.
Adicionalmente, se sugiere comprobar si las distribuciones teóricas en
ausencia y en presencia de clusters describen los datos empíricos
adecuadamente. Para ello se emplea un contraste de Kolmogorov-
Smirnov, que compara la función de distribución acumulada de las
distribuciones teórica y empírica. No habrá distancia significativa entre
ambas si las distribuciones teórica y empírica son idénticas, mientras
que si no lo son se observarán entre ambas desviaciones significativas.
Se trata pues de comparar tanto la función de distribución acumulada
teórica correspondiente a Pc(f|s) y a Pn(f|s) con la distribución empírica
117
asociada a los datos del número de empresas del sector analizado en
cada una de las regiones.
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
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.
En ambos estudios las líneas fundamentales de la estrategia adoptada
son similares aunque hay diferencias en algunos aspectos. De entre
estos destaca que para la desagregación a tres dígitos el análisis se
efectúa tanto en términos absolutos como en términos relativos. Para
ello, en el primer caso no se tiene en cuenta la dimensión de las
regiones, asignando un mismo valor de s para todas ellas igual a 1/441.
Por el contrario, en el segundo se relativiza el número de empresas
localizadas en cada región a su dimensión, aproximada a través del
porcentaje del empleo de la región en el total de la economía alemana,
siguiendo la pauta descrita anteriormente. Adicionalmente, en ese
mismo estudio se simplifican Pc(f|s) y Pn(f|s), excluyendo la componente
asociada a la distribución binomial en ambos casos, de forma que las
funciones empleadas son:
118
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.
En cualquier caso, los resultados para la economía alemana sugieren
que la contribución de las distintas componentes de las distribuciones
teóricas varían entre sectores, aunque con un cierto predomino de la
tipo Boltzmann. En cuanto a la detección de clusters, se obtienen en 4
de los 23 sectores a dos dígitos y en 54 de los 104 a tres dígitos, lo que
indica que el detalle sectorial empleado tiene un efecto importante
sobre la detección de aglomeraciones industriales. Por otra parte, la
aplicación del contraste de Kolmogorov-Smirnov revela que para la
mayoría de sectores no se puede rechazar la igualdad de las
distribuciones teóricas, tanto la neutral como la asociada a la presencia
de clusters, y la empírica.
119
Potencialidad de resultados obtenidos
- La identificación de clusters industriales en el territorio siguiendo
el procedimiento basado en la comparación de distribuciones
permite determinar la existencia de aglomeraciones de plantas
productivas en cada uno de los sectores considerados. El método
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
120
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
a nivel global, podrían llegar a tener su relevancia para algunas
regiones.
Método basado en la distribución de distancias
Los dos métodos expuestos anteriormente utilizan unidades geográficas
como países, regiones, condados, etc., como elementos en los que se
mide el volumen de actividad económica en cada sector, que sirve de
base para constatar la presencia de clusters. Es decir, realizan la
detección e identificación de clusters para un nivel de agregación
espacial fijado a priori. La agregación espacial conlleva una obvia
ventaja computacional pero con el inconveniente de despreciar mucha
información relativa a la localización precisa de las plantas productivas.
Además lleva asociados problemas entre los que destacan:
- la existencia de un escaso número de niveles de agregación
espacial en cada país,
- la dificultad de comparar los resultados obtenidos para distintos
niveles de agregación espacial,
- el hecho de que las unidades espaciales se definan según criterios
administrativos y no económicos,
- el que las unidades espaciales consideradas difieran en cuanto a
su tamaño, población, dimensión del mercado, etc.,
- el problema de la unidad espacial modificable (el conocido entre
los geógrafos como MAUP), que en el caso concreto que nos ocupa
implica que la agregación de plantas en las unidades espaciales
121
consideradas puede provocar la existencia de correlación espuria
entre las variables de interés,
- la simetría en el tratamiento de las unidades espaciales
consideradas, lo que supone que una región vecina próxima sea
considerada igual que otra localizada a mil kilómetros. Esta
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.
La aplicación del método basado en la distribución de las distancias
permite pues la obtención de una medida de localización, y de un
contraste del supuesto de aleatoriedad en la distribución frente al de
aglomeración, con interesantes propiedades y que supera en gran
medida los inconvenientes señalados para los otros procedimientos
propuestos en la literatura. Pero no constituye en sí mismo un método
que permita directamente la detección e identificación de clusters
industriales. Sin embargo, lo recogemos en este estudio dado que
creemos que se debería valorar su utilización para contrastar de forma
más robusta la existencia de aglomeración en cada uno de los sectores
considerados, y la posibilidad de usar la información que proporciona
para, combinándola con otros elementos, poder realizar un proceso de
“cluster mapping” alternativo a los anteriormente expuestos.
Elementos esenciales del método.
122
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
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.
En su opinión, cualquier medida de localización debe tener las siguientes
características:
- controlar por la tendencia global a la aglomeración de la industria,
- controlar la concentración sectorial,
- ser insesgada respecto a la escala y la agregación espacial, y
- proporcionar el nivel de significación de los resultados, es decir
que se base en la aplicación de un enfoque probabilístico.
Los índices propuestos en Ellison y Glaeser (1997) y Maurel y Sédillot
(1999) cumplen con 1) y 2), pero no con 3) y 4) dado que agregan las
plantas productivas en regiones definidas a un determinado nivel de
agregación. Por el contrario, el índice propuesto por Duranton y
Overman cumple con todas las propiedades, al considerar la distribución
de las distancias entre pares de plantas en un sector y compararlo con
aquéllas de sectores hipotéticos con el mismo número de plantas que se
encuentran aleatoriamente distribuidas, condicionadas a la distribución
del conjunto de la industria. Así, el método de “cluster mapping” que es
posible implementar en función de la sugerencia de los citados autores
se basa en la comparación de la distribución real de las distancias entre
plantas productivas de un determinado sector con la asociada a un
123
modelo de localización lo más simple posible: el de aleatoriedad
condicionada a la distribución de la actividad en el conjunto de la
industria.
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
124
estima la densidad de las distancias bilaterales para toda distancia d a
través del método kernel (ver, por ejemplo, Silverman, 1986):
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:
La densidad-K ha sido frecuentemente utilizada en otros ámbitos
(geografía, biología, etc) para el análisis de la distribución espacial de
individuos de interés, aunque en este caso Duranton y Overman
sugieren alisar las K(d) a través de la estimación de funciones de
densidad mediante la aplicación del método kernel con el objeto de
minimizar los errores que se pudieran cometer en el cómputo de las
distancias. 3) Construcción de distribuciones contrafactuales. Estas
sirven de referencia para poder discernir entre situaciones hipotéticas
de aleatoriedad y de aglomeración. Para ello se consideran sectores
virtuales con el mismo número de plantas, que se encuentran
aleatoriamente situadas en una de las localizaciones realmente
ocupadas por una planta de cualquiera de los sectores que componen la
industria. Sería posible obtener distribuciones contrafactuales bajo
supuestos alternativos, pero se prefieren los citados dado que se
pretende controlar por la tendencia global de la industria a concentrarse
125
en el espacio, así como por el hecho de que existan lugares en el
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).
Por lo tanto en la obtención de las distribuciones virtuales de referencia
se asume que el espacio de todas las localizaciones realmente
existentes por todas las plantas de la industria, independientemente del
sector al que pertenezcan, constituyen el conjunto de todas las posibles
localizaciones para cualquier planta de un sector analizado. Siguiendo
esa premisa se generan distribuciones contrafactuales mediante un
muestreo de la población del conjunto de localizaciones existentes. Para
cada sector en el caso del Reino Unido, Duranton y Overman obtienen
1000 simulaciones. Cada una de estas simulaciones da lugar a la
localización de las n plantas del sector en n localizaciones del conjunto
de todas las posibles. A continuación se calcula K(d) alisada para cada
simulación.
4) Comparación de la distribución real de distancias con la distribución
de distancias teóricamente asociada a una situación de aleatoriedad en
la localización de las plantas productivas (únicamente condicionada a la
aglomeración observada en el conjunto de la industria). Las K(d)
correspondientes a las distribuciones contrafactuales simuladas bajo el
supuesto de aleatoriedad permiten determinar valores críticos empíricos
con los que comparar a las K(d) asociadas a la distribución real. La
comparación se puede realizar tanto para el conjunto de distancias en el
intervalo que se considere relevante como a nivel global. Esto permite
determinar si el sector analizado presenta globalmente un exceso de
localización respecto al conjunto de la industria y para qué distancia se
cumple tal circunstancia.
Identificación de los clusters industriales
126
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 configuran resulte igualmente atractiva a todas ellas. Es posible
127
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.
La función K de Ripley permite describir la distribución espacial de un
conjunto de puntos. Denotando la densidad media de los puntos
mediante λ, el número esperado de puntos en una situación de
aleatoriedad en la distribución espacial en un circulo de radio r es λπr2.
La función K(r) se define como el número medio de vecinos dividido por
λ, es decir K(r)= πr2.
Este constituye el valor de referencia de la situación de aleatoriedad,
con el que se compararán los valores de la función K de Ripley
obtenidos, en nuestro caso, para el número medio de plantas vecinas en
una distancia determinada. Para evitar la comparación con πr2, Besag
(1977) normaliza la función para obtener como referencia el valor nulo,
definiendo así la función De esta forma, L(r)>0 nos indica
que la distribución observada está aglomerada para una distancia de
radio r mientras que si L(r)<0 la evidencia apunta a dispersión en la
distribución para esa distancia19.
19 El calculo de L requiere la definición de un círculo de radio r en torno a la localización de cada una de lasplantas productivas. Esto ocasiona problemas en las inmediaciones de las fronteras del espacio analizado,dando lugar al calificado como edge effect. El sesgo inducido por este efecto se puede corregir utilizandoúnicamente la parte del área del círculo incluida en el espacio considerado.
128
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.
A pesar de que las funciones R y L tienen un sólido bagaje en otros
ámbitos científicos, Marcon y Puech (2003) reconocen que estas
medidas precisan de adaptaciones para alcanzar todas las propiedades
que cumple la densidad-K propuesta en Duranton y Overman.
Ventajas e inconvenientes
Ventajas
- 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
129
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).
- 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
130
- El mayor inconveniente de este procedimiento es que no contiene
ningún método explícito de detección e identificación de clusters
industriales, lo que impide su aplicación directa para la realización
de un “cluster mapping”. En consecuencia, únicamente es posible
realizar esta operación de manera subjetiva a partir de la
localización en el territorio de las plantas productivas
pertenecientes a los sectores para los que se concluya a favor de
la existencia de aglomeración.
- Aún en el caso de plantear la extensión del método para realizar la
detección e identificación de clusters, no se incorporaría en el
análisis uno de los elementos constituyentes de la definición de
cluster industrial: el de la presencia de externalidades entre
sectores que, al estar acotadas en el espacio, provocan la
localización de plantas de distintos sectores en un mismo
territorio.
- El método plantea una elevada necesidad de información
estadística, al precisar de información de la localización espacial
precisa de todas las plantas productivas de la economía analizada.
Además, en el caso en el que se desee tener en cuenta la
distribución de la dimensión empresarial se debe disponer de
información de, por ejemplo, el número de empleados en cada una
de las plantas productivas.
- 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.
131
- Las distribuciones contrafactuales que permiten contrastar el
supuesto de aleatoriedad en la distribución espacial de la actividad
frente a los de aglomeración o dispersión se obtienen a partir de la
asunción de un modelo muy sencillo, que simplemente reproduce
la localización espacial de las plantas en el conjunto de la
industria, sin que se incorporen supuestos más complejos o
evidencia adicional acerca de las pautas de localización de la
actividad o de los factores que pueden estar ejerciendo de
atractores o repulsores para actividades específicas. Además, la
misma distribución hipotética sirve como referencia para todos los
sectores, lo que evidencia que no se tienen en cuenta posibles
particularidades de cada uno de ellos.
- En la construcción de las distribuciones contrafactuales todas las
empresas son consideradas del mismo tamaño y, por tanto, se
asume que su localización es intercambiable. Este supuesto es
difícilmente verosímil en el caso en que la distribución del tamaño
empresarial sea muy dispersa, dado que una empresa muy grande
no podrá ocupar el lugar de una empresa muy pequeña y tampoco
es racional imaginar que una pequeña ocupará todo el espacio de
una muy grande.
- La determinación del umbral de la distancia máxima considerada,
necesario para la implementación del método, se realiza de forma
ad hoc.
- Dado que tanto la función de densidad real como la virtual son
normalizadas para que sumen la unidad, desviaciones positivas de
la primera en algunas distancias se deben compensar
necesariamente con desviaciones negativas para otras distancias.
132
- El método puede tener problemas en detectar aglomeración en
sectores en los que la actividad se concentre preferentemente en
corredores (a lo largo de un río, en la costa, etc.) donde la
distancia física sea mayor. Precisamente, la consideración de la
distancia física como único factor de proximidad entre plantas
constituye otra de las debilidades del método, dado que en
algunos territorios puede existir divergencia entre la distancia en
términos físicos y la existente, por ejemplo, en términos de tiempo
de desplazamiento.
- El método cuenta todavía con escasa difusión, posiblemente
debido a su relativa novedad, lo que impide disponer de
aplicaciones del mismo y de análisis críticos. La casi nula
disponibilidad de aplicaciones dificulta también la posibilidad de
comparar los resultados parciales y globales que se pudieran
obtener de su aplicación a la economía española con los de
economías de nuestro entorno.
- Aunque no es estrictamente necesario para su implementación,
las características del método aconsejan que se disponga de un
número mínimo de plantas en cada uno de los sectores analizados
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.
Criterio estadístico de detección de aglomeración
Como se ha indicado anteriormente, el contraste de localización
presentado en esta sección se basa en la comparación de la distribución
observada de las distancias entre pares de plantas del sector analizado
y las correspondientes a distribuciones contrafactuales generadas para
133
una situación de aleatoriedad únicamente condicionada a la tendencia a
la aglomeración observada en la industria en su conjunto. Dado que se
persigue basar la conclusión en un criterio de tipo estadístico, se
construyen intervalos de confianza para las K(d) que permiten
determinar la significación de la densidad tanto de forma local como
global.
Intervalos de confianza locales
Para la construcción de los intervalos de confianza, el primer paso
consiste en determinar el rango de distancias que se considera
relevante para el análisis. Duranton y Overman sugieren utilizar como
umbral la mediana de la distribución de las distancias observadas entre
todos los pares de plantas del conjunto de la industria, lo que para el
caso del Reino Unido corresponde a 180km. De esa forma el rango de
distancias analizadas es aquél en el intervalo [0, 180]. Una vez
determinado el rango de distancias, para cada kilómetro en ese
intervalo se ordenan las distribuciones simuladas en orden ascendente,
seleccionándose el percentil 5 y el 95 para obtener los intervalos de
confianza correspondientes al 5% inferior y al 5% superior,
respectivamente. Denotándolos mediante K5(d) y K95(d), si para un
sector se obtiene que 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.
Un gráfico de la densidad-K en el intervalo de distancias [0, 180], junto a
los valores asociados a cada distancia de K5(d) y K95(d) permite
visualizar fácilmente el patrón de localización del sector analizado.
Bandas de confianza globales
Además de obtener información acerca de las pautas de localización
para cada valor de la distancia, resulta interesante extraer una
134
conclusión acerca del patrón de localización global de los sectores
analizados. La cuestión es que incluso ante una situación real de
aleatoriedad es posible obtener para algún nivel de distancia en el rango
considerado un valor de la densidad-K por encima (debajo) del intervalo
local superior (inferior), dado que en cada caso estamos asumiendo una
probabilidad de error del 5%. Es decir, que en cada 100 distancias
esperaríamos obtener 5 para las que erróneamente concluiríamos que
se produce un exceso de localización. La solución sugerida por Duranton
y Overman consiste en seleccionar aquellos niveles de confianza locales
inferior y superior para los que, cuando se consideran todas las
distancias en [0, 180], coincidan únicamente el 5% de las densidades-K
simuladas20. Así, denotando por Ksup(d) la banda de confianza superior,
si K(d)> Ksup(d) para al menos un d∈[0, 180], la conclusión es que el
sector presenta localización global. Por su parte, la conclusión será que
el sector muestra dispersión global cuando K(d)> Kinf(d) para al menos
un d∈[0, 180] y el sector no presenta localización (donde Kinf(d) es la
banda de confianza global inferior al 5%). Por lo tanto, la localización
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,
20 Como indican los autores, la existencia de autocorrelación positiva entre distancias impide la aplicación delmétodo tradicional de Bonferroni para la corrección del nivel de significación en la aplicación de contrastessecuenciales.
135
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.
Una vez obtenida la localización espacial de las plantas, Duranton y
Overman implementan su procedimiento para la totalidad de las plantas,
diferenciando por tamaño al considerar aquellas con 10 o más
trabajadores y con menos de 10 trabajadores, y para la totalidad de las
plantas pero ponderando por el número de empleados de cada una de
ellas, de forma que en este último caso los resultados que obtienen
deben ser interpretados en términos de localización del empleo.
Los resultados obtenidos permiten a los autores obtener las siguientes
conclusiones acerca de los patrones de localización de la actividad
productiva de los sectores industriales en el Reino Unido:
− el 52% de los sectores están localizados (presentan un exceso de
localización, es decir están aglomerados), mientras que un 24% están
dispersos, todo ello a un 5% de nivel de confianza. El resto no se desvían
significativamente de la aleatoriedad,
136
− la localización se produce básicamente entre 0 y 50 km de distancia−
el grado de localización es muy distinto entre sectores
− los sectores que pertenecen a una misma rama de actividad suelen
presentar patrones de localización similares
− al diferenciar por el tamaño de las plantas se obtienen patrones de
localización muy diversos dependiendo de los sectores. En algunos
sectores son las plantas pequeñas las más aglomeradas mientras que en
otros la localización es mayor en las grandes.
− no hay diferencias sustanciales en los patrones de localización entre
los sectores a 4 y 5 dígitos, pero sí a 3 dígitos. Para este último caso, la
localización se produce tanto en distancias cortas (0 a 50 km) que
pueden ser asociadas al ámbito local, como a escala regional, con
distancias entre 80 y 140 km.
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.
137
Los resultados del citado trabajo confirman que se obtienen distintas
conclusiones acerca del grado de aglomeración al utilizar las medidas
basadas en la densidad de las distancias, aunque se debe tener
presente que los resultados obtenidos mediante los índices de
concentración y los basados en distancias no son directamente
comparables dado que los primeros se refieren a la concentración del
empleo mientras el segundo se basa en el índice no ponderado según el
volumen de empleo en cada planta, por lo que hace referencia a la
localización de las plantas productivas. Fratesi considera que “las
distintas medidas revelan aspectos complementarios de los patrones de
localización, por lo que es razonable la utilización simultánea de todas
las medidas en los trabajos empíricos”. En cualquier caso, los resultados
obtenidos a través de las densidades-K revelan diferencias sustanciales
en el grado de localización entre los subsectores de los dos sectores
considerados y como, en los casos en los que existe exceso de
localización, ésta se produce para distancias no mayores a 50 km.
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
138
geográfica difieren entre sectores, variando por ejemplo la distancia en
la que aparecen los picos de mayor concentración.
Potencialidad de resultados obtenidos
- Como se ha reconocido al principio de esta sección, las aportaciones
existentes en la literatura referidas al método basado en las distancias
no contienen un procedimiento explícito de detección e identificación de
clusters industriales, por lo que su utilización para el caso de la
economía española no permitiría en sí misma la obtención de un mapa
de los clusters existentes. No obstante, creemos interesante plantear, al
menos con vistas al futuro, la utilización de medidas y tests basados en
las distancias para la detección robusta de aglomeración en los sectores
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.
- Las medidas basadas en distancias no consideran de forma directa la
interacción entre las empresas por lo que no permiten extraer
conclusiones acerca de la existencia de externalidades acotadas
espacialmente, pero sí permiten comprobar la tendencia de las plantas
139
productivas de distintos sectores a co-localizarse en el espacio,
mediante una sencilla modificación de la densidad-K21.
- El método basado en las distancias precisa de las coordenadas
espaciales de la localización de todas las plantas, lo que puede resultar
en un grave inconveniente para el caso de la economía española. No
obstante, aún en el caso de no disponer de esa información
georeferenciada, sería posible obtener las medidas de localización en el
caso de disponer, por ejemplo, del municipio en el que se localizan las
plantas. En ese caso, se debería realizar una imputación de una
localización espacial precisa a cada una de las plantas de todos los
municipios, incurriendo en un error que está en relación al área del
menor de los municipios.
- 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.
- Sería posible obtener resultados referidos tanto a los patrones de
localización de las plantas productivas como del empleo, en el caso en el
que fuese posible disponer, no únicamente de la localización de cada
una de las plantas sino también de su volumen de empleo.
21 Véase el apartado 6 de Duranton y Overman (2005).
140
Propuesta Metodologíca para el análisis de un Cluster Industrial
Descripción funcional del cluster.
Como tratamos en el apartado sobre el marco teórico integrador el
análisis de un cluster como parte de un espacio innovador cuyo núcleo
precisamente es una red productiva, dan una nueva expresión
empresarial y sectorial a la defensa de mercados locales y/o a la
penetración de mercados externos. Es decir, las posiciones de
negociación de un país se construyen desde el conocimiento de la
existencia o no de vocaciones productivas, y de como estas se alinean
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.
En consecuencia, la unidad de análisis para ilustrar un proceso de
desarrollo regional, se centra en el cluster, entendido como una “Es un
grupo de empresas geográficamente delimitado con actividades
similares estrechamente conectadas por tecnologías y segmentos
industriales con un alto numero de uniones verticales y horizontales.
Además las empresas se interconectan por la formación de un mercado
laboral local para un tipo particular de trabajo con las habilidades
significativas pertinentes para este segmento o tecnología en particular
…..(Dahl 2003:30)
Detrás de esta visión del proceso de desarrollo y de la necesidad de
pensarlo en un entorno de mayor globalización, está una clara
conciencia que la competitividad a todo nivel es algo que se construye
en el largo plazo, y que por lo tanto tiene un referente de tipo sistémico
141
que debe entenderse y elaborarse. Por lo tanto, para guiar el proceso de
generación de conocimiento para la negociación desde la perspectiva
del estado y condiciones de la actividad productiva, se asumirá el
enfoque de competitividad sistémica (Esser, K. El al., 1996:39).
La competitividad sistémica parte de la concepción de un proceso social
de acumulación y creación de ventajas económicas en el comercio,
garantizado por la construcción de capacidades empresariales y
sociales, que se obtienen en un marco de interacción compleja en cuatro
ámbitos para la acción, El nivel macro, donde bajo ambientes de
estabilidad se dan las condiciones para la existencia de mercados
eficientes y competitivos de factores, insumos, bienes y capitales,
ejerciendo de esta 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
142
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
ventaja competitiva basada en los recursos empresariales, es la idónea
para centrar el análisis metodológico a partir de estudios de caso.
En efecto, como se verá en detalle durante el planteamiento
metodológico que se propone, la ventaja competitiva de un cluster
estratégico regional se define por la robustez de los eslabones
empresariales en términos de capacidades, y por la calidad y la
intensidad de las relaciones técnicas, económicas e institucionales entre
los agentes activos del cluster. Sin embargo, la posibilidad de tener
empresas o unidades productivas más adecuadas para la construcción
de interacciones complejas dentro del cluster, y de esta manera adquirir
mayores niveles de competitividad a partir de la acumulación de
capacidades empresariales, depende de un proceso de explotación de
las fuentes de ventajas competitivas que pueden ser de dos tipos:
internas y externas. Externas cuando las empresas se apropian y
desarrollan a su vez entornos innovadores o espacios para la innovación
en el sentido de Castells, los cuales brindan fuentes de competitividad
en diferentes ámbitos como vimos al describir la competitividad
sistémica. Esto es, las fuentes pueden provenir de condiciones
macroeconómicas, meso económicas (explotación de infraestructuras y
plataformas) y meta económicas (uso adecuado de las reglas del juego y
143
la política de promoción y fomento). Por otro lado, las empresas pueden
explotar fuentes internas para construir ventajas competitivas. las
cuales se originan fundamentalmente del saber hacer y del saber
aprender de las empresas. En otras palabras. las fuentes internas se
surten de los recursos, tangibles e intangibles. que las empresas
acumulan en trayectorias de aprendizaje tecnoeconómico. A su vez,
estas fuentes internas están determinadas por la orientación estratégica
de la firma o unidad productiva, siendo posible diferenciar fuentes de
ventaja competitiva asociadas a una estrategia genérica de
diferenciación o a una alternativa o complementaria de costo.
Por ejemplo, se tienen como fuentes internas de competitividad, en
empresas que se orienten por una estrategia costo, y utilizando el
esquema conceptual de la red de valor las siguientes :
En la actividad de logística interna: Una relación estable con los
proveedores hace que éstos trasladen a la empresa sus ahorros
de costos.
En la actividad de operación: Las economías de escala en planta
reducen los costos de fabricación. El efecto experiencia eleva la
eficiencia a lo largo del tiempo.
En la actividad de logística externa: El diseño de rutas por
ordenador reduce gastos de transporte. Los envíos masivos
reducen e) costo de transporte unitario.
En la actividad del marketing: Una campaña de publicidad muy
amplia crea economías de escala en la compra de espacio/tiempo
publicitario.
144
En la actividad del servicio posventa: los técnicos de
mantenimiento reparan adecuadamente el producto, evitando el
eosto de nuevas reparaciones.
En la infraestructura de la empresa: Una estructura organizativa
más plana reduce costos fijos. Un sistema de información
simplificado reduce los costos de administración.
En la administración de recursos humanos: Políticas de personal
que minimicen la rotación. Formación del personal de producción
para evitar despilfarros.
En el desarrollo de tecnología: Nuevas tecnologías productivas que
reduzcan los costos operativos. El rediseño de productos permite
el uso de componentes más baratos.
En el aprovisionamiento: Importaciones de componentes de bajo
costo. La localización de plantas en zonas rurales reduce el costo
de instalación.
En contraste se pueden identificar en términos ilustrativos, ejemplos de
fuentes de ventajas competitivas para las empresas orientadas a la
diferenciación, así:
En la actividad de logística interna: La entrada de unos mejores
materiales eleva la calidad de los productos terminados.
En la actividad de operación: Una tasa baja de productos
defectuosos hace que aumente la satisfacción de los
consumidores. El rendimiento del producto mejora si éste se ajusta
a las especificaciones.
145
En la actividad de logística externa: Un reparto JIT reduce pérdidas
de tiempo. Unos mejores sistemas de distribución minimizan los
desperfectos en el producto.
En la actividad del marketing: Una publicidad con impacto crea
imagen. Una mejor información técnica sobre los productos ayuda
al consumidor en su elección.
En la actividad del servicio posventa: La amabilidad de los técnicos
de mantenimiento favorece mejores relaciones con los
consumidores. Unos repuestos de alta calidad garantizan la
capacidad de funcionamiento del producto.
En la infraestructura de la empresa: Una amplia base dc datos
sobre consumidores facilita una publicidad más efectiva. Un jefe
"popular" refuerza la imagen de la empresa.
En la administración de recursos humanos: Programas de
incentivos que fomenten una producción de alta calidad.
Programas de formación que mejoren la imagen de la empresa.
En el desarrollo de tecnología: Productos con características
innovadoras que superen en funcionamiento a los de la
competencia. Esfuerzos en I+D que den lugar a un producto de
calidad superior.
En el aprovisionamiento: La compra de componentes de marca
mejora la imagen del producto terminado. Compra del espacio
publicitario más efectivo.
146
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.
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 constituye en el núcleo
de aglomeración del cluster de estudio. Con este propósito se identifican
y describen las relaciones de carácter económico, técnico e institucional.
El objetivo central de este primer paso metodológico consiste en la
selección del nodo estructurante o actividad productiva (o prestación de
el servicio) propia del cluster.
Contenido: La descripción funcional del cluster objeto de estudio parte
de la identificación de su malla funcional y las principales relaciones
147
institucionales. Seguidamente se procede a caracterizar el
encadenamiento productivo en torno al cual se configura el cluster .
La metodología que se propone para el análisis de la competitividad del
cluster de autopartes que se encuentra en el Estado de Puebla, gira en
torno a tres tipos de análisis: evaluación de las brechas (gaps) de las
capacidades empresariales, evaluación del posicionamiento competitivo
del producto o servicio, y evaluación de los niveles de clusterización
bajo los factores socioculturales que contribuyen a su consolidación
En la figura XX se sintetiza la estructura de la propuesta metodológica.
En ella, en un primer momento, se presentan los rasgos generales del
agrupamiento empresarial objeto de estudio mediante un ejercicio de
descripción y caracterización orientado a destacar los aspectos
relevantes en cuanto a la clusterización; ejercicio que permite identificar
los nodos de red productiva en el que se encuentra inserto el cluster y
sirve de base para desarrollar el segundo componente referido a la
evaluación de las condiciones meso que brinda el entorno para el
desarrollo del cluster. En un tercer momento se estudian las condiciones
(micro) empresariales con el propósito de evaluar las capacidades
competitivas con que cuenta el cluster. En una cuarta instancia, se
analiza el producto (o los productos) líder(es) del cluster con el fin de
establecer su perfil competitivo. Finalmente, se presentan algunas
conclusiones generales.
148
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
ultimas la capacidad competitiva del cluster regional estudiado, en
149
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.
En la práctica se evalúan las capacidades de innovación, producción y
comercialización de las empresas "nodo o estructurantes" del cluster
identificado como estratégico en la región. Estas capacidades, se
alimentan de la acumulación de capacidad tecnológica (la que permite
manejar el cambio técnico) y de la existencia de recursos críticos en las
empresas, los cuales pueden ser tanto tangibles (los típicos factores de
la producción económica), como intangibles (el conocimiento tácito y el
saber hacer). Los procesos que dinamizan esta acumulación de
capacidades están dados por el aprendizaje tecnológico y
organizacional, y por el mismo proceso de formulación de estrategias
corporativas, competitivas y funcionales.
Figura xxx.
150
El protocolo metodológico a seguir, como lo pide el estudio de caso, es
el siguiente:
Las pautas para el desarrollo de la metodología se presentan desde dos
perspectivas:
Centrada en la definición de los contenidos, criterios e indicadores
para cada componente del análisis.
Considerando los aspectos metodológico; para su evaluación.
Descripción funcional del cluster
La metodología se inicia con la descripción del cluster sobre la base de
la identificación de las principales relaciones de tipo funcional que se
generan a partir de la actividad productiva implicada en la cadena
producto-consumo, la cual se constituye en el núcleo de aglomeración
del cluster en estudio. Con este propósito se identifican y describen las
relaciones de carácter económico, técnico e institucionales.
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
151
Contenido: características generales del cluster
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 tomo al cual se configura el cluster y,
finalmente, el propio cluster regional objeto de estudio
Relaciones técnica y económicas del encadenamiento productivo: malla
funcional del cluster.
Identificar los canales de comercialización desde la producción hasta el
consumo y, en ellos, los eslabonamientos de abastecimiento y venta.
Relaciones institucionales.
Constituidas por las actividades de soporte de origen público y privado,
relacionadas con aspectos tales como la capacitación de la mano de
obra, apoyo del avance tecnológico y organizacional, actividades de
mercadeo y el financiamiento.
Caracterización general de la red productiva.
Presentación de las características generales de la red en términos de
las características y tendencias de su evolución económica y de su
desarrollo tecnológico.
a. Características económicas:
152
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).
b. Características y tendencias tecnológicas:
Características del cambio técnico industrial (sectorial) en el
ámbito nacional e internacional.
Nivel de actualización tecnológica y estrategia competitiva.
Características del cluster.
Principales características del eslabón estructurante del cluster :
Extensión de la cadena a partir o hacia el eslabón estructurante.
Identificación de las empresas nodo. Naturaleza de empresas y
niveles de concentración económica.
Propiedades del mercado.
Dinámica de] complejo empresarial, niveles y tipo de integración
(desintegración). Política pública.
Pautas para la obtención de la información.
Debe reconocerse la debilidad de la información estadística a nivel
subsectorial, en particular para el caso de las regiones. Por ello, la
información disponible permite sustancialmente el análisis descriptivo
del cluster, identificar dinámicas y tendencias sectoriales generales.
Dada la naturaleza de la metodología, que en ningún caso corresponde a
un análisis de tipo sectorial, las principales fuentes de información son
153
los expertos entrevistados, éstos son funcionarios del sector público,
empresarios con una visión amplia del sector y los actores intermedios
(gremios, cámara de comercio, universidades, entre otros).
En razón del carácter cualitativo de la metodología, la objetividad y
veracidad de la información recopilada se garantiza mediante la
contrastación (triangulación) de las fuentes. La experiencia aportada por
los ejercicios de validación aportaron algunas pautas para la obtención
de la información mediante las entrevistas, estas se resumen a
continuación:
a. Las entrevistas deben ir delineando curvas de aprendizaje
en dos sentidos: a) derivar nuevos contactos no
identificados, y b) identificar documentación y estudios.
b. Las entrevistas deben en lo posible tener soporte
magnetofónico. Una de las lecciones mejor aprendidas es
que las memorias de las entrevistas son una fuente
inagotable de contrastes de hipótesis.
c. Las entrevistas deben realizarse en parejas. Es decir, toda
entrevista debe ser guiada por uno de los entrevistadores y
la otra persona debe servir de soporte, tanto para la
precisión en la toma de notas como para profundizar algún
tema predefinido.
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).
154
e. Aunque parezca redundante, todo el trabajo de campo de
entrevistas debe soportarse en una preparación previa a
partir de la lectura de documentos o estudios. La mínima
idea inicial sobre los problemas y las dimensiones de
indagación a evaluar facilitan el fluir de la entrevista.
Productos
Los principales resultados de este análisis preliminar se condensan en
un documento cuyos componentes principales son;
La malla funcional del cluster.
La caracterización general de la red productiva (característica."
económicas y tecnológicas).
Identificación del eslabón estructurante y de las empresas nodo
del cluster.
Características del cluster.
Selección del eslabón estructurante
Contenido: naturaleza del eslabón estructurante del cluster.
El eslabón estructurante del cluster esta constituido por la actividad
productiva de bienes o servicios que concentra el núcleo de las ventajas
155
comparativas explotadas o de las ventajas competitivas desarrolladas.
Estas se expresan en:
El producto o productos típicos del cluster.
Las actividades con mayor volumen de producción, generación de
valor agregado, y que no necesariamente son exportadoras.
Presentan el mayor número de relaciones entre las empresas,
mayores conexiones e interdependencias con las empresas de
este y otros eslabones de la cadena productiva. Relaciones que
dinamizan la formación y consolidación de redes al interior del
cluster.
Ventajas de localización bien sean heredadas o desarrolladas y las
con mayores potencialidades de desarrollo.
Se constituye en el punto en el que se presenta la mayor
articulación de factores de tipo meso y micro que potencian el
desarrollo del cluster.
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.
Pautas metodológicas para ]a selección del nodo.
Fuentes de información.
156
Si bien las fuentes secundarias de tipo cuantitativo, cuando existen,
proporcionan indicios sobre los eslabones o actividades más importantes
dentro de la cadena que articula el cluster, la experiencia de validación
muestra que éstas son claramente insuficientes. De igual modo, los
estudios, documentos técnicos, etc., aportan tanta o mayor información
acerca de las actividades nucleantes. Sin embargo, el juicio de los
expertos constituye la mayor y más certera fuente de información que
permite identificar el eslabón estructurante. Esta información se recopila
mediante las entrevistas estructuradas a dichos actores.
Selección del nodo estructurante.
El nodo se selecciona a través de su el producto líder, aquel que
sintetiza al cluster en la medida en que condensa las relaciones, su
importancia económica y, sobre todo, el tejido empresarial e
institucional. Así mismo, se debe considerar la trayectoria de evolución
del cluster, destacando la permanencia en el tiempo de la actividad
productiva nucleante. El éxito de la indagación se supedita en buena
medida a la adecuada identificación y selección de expertos a
entrevistar. Estos se inscriben dentro del sector académico, en las
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.
La contrastación de las fuentes debe arrojar los criterios definitivos para
tomar la decisión en cuanto al eslabón nuclenate del cluster.
Condiciones meso
157
Con el fin de establecer las condiciones que ofrece el entorno existente
en el departamento o región para el desarrollo competitivo del cluster y,
en particular, para las empresas que lo conforman se propone una
MATRIZ H. La definición de las dimensiones que la conforman estuvo
guiada por el marco teórico integral. Su análisis está orientado a evaluar
la plataforma existente para el desarrollo del cluster tanto en el nivel
meso corno en aquellos aspectos del nivel micro que contribuyen a
determinar perfil competitivo del cluster.
En concordancia con los objetivos de la metodología, en esta parte del
trabajo se hacen explícitos tanto los contenidos, corno los criterios e
instrumentos utilizados para evaluar las condiciones existentes para el
desarrollo del cluster; este ejercicio contempla desde la obtención de la
información hasta la presentación de los resultados arrojados por la
indagación.
158
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.
Contenido: matriz de dusterización
159
La matriz H, describe las dimensiones de análisis utilizadas para evaluar
las condiciones existentes a nivel meso para el desarrollo de la
competitividad de los clusters estudiados y esboza los criterios utilizados
para tal fin.
Especialización geográfica
Esta dimensión procura establecer si el agrupamiento empresarial
estudiado encarna una clara especialización productiva en la región
donde está localizado. Para ello se acude, de una parte, a indicadores
que indagan por una concentración geográfica de empresas, del empleo,
de la producción y del valor agregado, que indiquen si existe una
especialización económica; de otra, se indaga si la localización de esta
actividad productiva en la región obedece a la existencia de ventajas
comparativas.
a. La importancia económica de las actividades del cluster.
Acudiendo a variables de tipo cuantitativo, la importancia económica de
las actividades del cluster se establece por dos vías:
A partir de la concentración de empresas, producción, empleo y valor
agregado en la región, y si este representa un porcentaje significativo en
los agregados de dichas variables en el ámbito departamental o
regional. Esto puede complementarse con indicadores que señalen el
puesto que esta participación alcanza frente a otras actividades
industriales e, incluso, mineras, agropecuarias o de servicios.
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
160
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
b. La existencia de ventajas comparativas.
Para establecer las fuentes de ventaja comparativas, la indagación se
orienta a identificar si existen ventajas de localización asociadas a
factores de oferta o de demanda. En el primer caso, éstas se relacionan
con la existencia de materias primas e insumos críticos para las
actividades del cluster. En tal situación, factores tales como la
abundancia, la facilidad de la obtención y procedimiento de dichas
materias primas e insumos, los costos del transporte o de la mano obra,
incidirán en la existencia de bajos costos para la producción o el
transporte de los productos del cluster que brindarán la posibilidad de
ofrecerlos (sean estos bienes o servicios) a bajos precios sin menoscabo
de niveles aceptables de rentabilidad. Estas ventajas también operan
cuando las empresas establecidas en la región o departamento gozan de
la existencia natural de materias primas críticas de calidad, lo cual se
puede traducir en la posibilidad de ofrecer el producto a un mayor precio
que los competidores directos de las empresas del cluster sin que esto
afecte su competitividad.
En el caso de la demanda, las ventajas pueden estar asociadas a
factores tales como la cercanía al mercado objetivo de los productos del
cluster, hecho que se puede traducir en menores costos asociados a su
distribución y comercialización, también al volumen mismo de dicho
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.
161
OBSERVACIÓN:
Dado e1 carácter dinámico del análisis, resulta importante establecer:
El origen y trayectoria del agrupamiento con el fin de facilitar la
interpretación de la dinámica que presenta en sus últimos años y
sus perspectivas futuras
Las posibilidades de sostener las ventajas comparativas ante cambios en
el entorno competitivo y ante la capacidad de generar mayor valor
agregado a los productos obtenidos al interior del cluster.
La cadena productiva
En esta dimensión del análisis la indagación busca establecer si la
cadena productiva en la región está completa o no, y en qué grado, bajo
el supuesto de que entre más completa e integrada serán mayores tanto
la intensidad en las relaciones empresariales como en los aprendizajes
productivos, y que esto aumentará la competitividad del cluster.
a. Extensión de la cadena en el país.
Este análisis incluye, desde luego, la posibilidad de establecer en qué
medida las actividades desarrolladas en el cluster pueden articularse a
las desarrolladas en otras regiones del país, con el fin de profundizar el
desarrollo de la cadena productiva. Incluso, de ser necesario debería
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.
162
b. Extensión de la cadena en la región.
La indagación busca establecer en qué medida existen posibilidades y/o
capacidades para generar mayor valor agregado en los productos
elaborados en cada uno de los eslabones del encadenamiento
productivo, como en los servicios que los soportan. Este aspecto es
fundamental para establecer las posibilidades existentes para el
desarrollo del cluster. Sobre todo, en la medida en que como fruto de
actividades tales como la investigación y el desarrollo es posible la
diferenciación del producto en el mercado. Esto en la medida en que se
indaga por la posibilidad de avanzar en la generación de ventajas
competitivas.
Economías de escala y especialización.
En este tópico se indaga si las empresas que dominan el cluster han
generado economías de escala de manera individual o si, por el
contrario, se han producido especializaciones o una densidad de
relaciones que hayan generado estas economías de conjunto pero
internas al cúmulo de empresas que lo conforman.
a. Minimización de costos medios al interior de la empresa y el conjunto.
Establecer en qué medida se generan economías derivadas de una alta
especialización derivada de la desintegración vertical de la cadena
productiva, de una elevada especialización por productos, o de la
presencia de un desarrollado apoyo por parte de industrias y servicios
163
conexos especializados que contribuyen a generar condiciones
favorables para el desarrollo de las empresas del agrupamiento
estudiado.
b. Desintegración del proceso productivo.
La desintegración vertical opera como un mecanismo que contribuye en
gran medida a densificar las relaciones ínter empresariales y a fortalecer
el tejido empresarial en la medida en que por la vía subcontratación de
una parte de su proceso productivo éste puede optimizar su cadena de
valor. Esto le permite concentrarse en aquellas actividades en las cuales
puede generar mayor valor y beneficiarse de la especialización de las
otras firmas en aquellas actividades que subcontrata. Estas economías
pueden acompañarse de aumentos de los volúmenes de producción
individuales y colectivos en aquellas actividades en que se han
especializado las firmas.
c. Especialización horizontal.
En forma análoga cuanto a la posibilidad de gozar de «economías de
alcance" derivadas de una alta diversificación de los productos
obtenidos con los mismos insumos utilizados por las empresas. Esto se
acrecienta si además, estas "economías de variedad" dan paso a la
especialización (horizontal) de las empresas por productos. Esta
posibilidad aumenta, al menos inicialmente, entre más pequeño es el
tamaño de los establecimientos.
d. Servicios empresariales.
Los beneficios derivados de un desarrollado sistema de servicios
empresariales (prestado por empresas especializadas en la consultoría y
164
la asesoría) concurren en el apoyo de las actividades desarrolladas por
las empresas que elaboran los productos esenciales de la cadena
productiva alrededor de la cual se articula el cluster.
OBSERVACIÓN:
Las economías derivadas de la especialización de los establecimientos
productivos bien sea en el ámbito vertical u horizontal también se
presentan entre establecimientos que operan descentralizadamente y
obedeciendo a criterios de especialización, pero cuya propiedad se halla
centralizada. De esta forma estos grupos económicos también generan a
su interior redes empresariales que se benefician tanto de su
especialización como de las sinergias que se generan en las relaciones
entabladas entre los establecimientos que las componen.
Desarrollo tecnológico y orientación competitiva de las empresas.
En esta dimensión del análisis de las condiciones existentes para el
desarrollo de las capacidades competitivas del cluster se indaga por el
ambiente para el fomento de la rivalidad entre las empresas, por la
búsqueda de la eficiencia y de la diferenciación estratégica de sus
productos, por la actitud empresarial frente a la incorporación del
cambio técnico y la innovación, así como su orientación exportadora.
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.
Con relación a la eficiencia, se indaga ante todo por la existencia de
condiciones que la propicien, en particular, una alta rivalidad. Al
165
respecto, se considera que esta es mayor cuando las empresas
enfrentan la competencia extranjera, bien sea afuera del país o dentro
del territorio nacional, especialmente en un contexto de apertura
comercial; también se considera que ésta se propicia cuando existe una
producción atomizada o cuando existe competencia oligospolística; y es
menor cuando existen monopolios u oligopolios altamente concentrados
y esta situación se presenta en forma simultánea a barreras naturales o
producidas por medidas gubernamentales de carácter proteccionista.
La indagación efectuada debe arrojar información acerca de si en las
empresas del cluster se han efectuado en forma reciente o se hallan en
curso procesos de modernización empresarial, y si estos dan Jugar a la
incorporación de economías de escala o a mejoras en los procesos de
producción (como automatización de procesos o alguna forma de
producción flexible) o en la logística, que se traduzcan en mejoras
importantes en la eficiencia alcanzada al interior del cluster.
b. Diferenciación estratégica.
La indagación también busca establecer si en el cluster existe una
orientación competitiva hacia la diferenciación estratégica de sus
productos. Orientación que puede tener su origen en los logros
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
166
innovaciones es, entonces, un indicador fundamental de las condiciones
para el desarrollo sus capacidades competitivas.
c. Desarrollo tecnológico.
En la medida en que los desarrollos en materia de eficiencia - precios y
de diferenciación de los productos del cluster están vinculados a la
modernización de las plantas productivas o a las capacidades de
innovación, el indicador del desarrollo tecnológico es fundamental para
evaluar las condiciones y potencialidades existentes para el desarrollo
del cluster.
d. Trayectoria tecnológica (curva de aprendizaje).
Con relación a los factores macro se trata de establecer si la presión
competitiva por fenómenos tales como la apertura económica en los 90
desencadena procesos de modernización, que aceleren el cambio
técnico en el cluster, con el fin de adaptarse al nuevo contexto
competitivo. Esta situación está mediatizada sin embargo, tal como lo ha
mostrado Lall (1998:14), por los aprendizajes tecnológicos previos de las
empresas es decir, a nivel micro, en la medida en que estas
experiencias determinan las actitudes y capacidades de incorporar estos
avances por las empresas del cluster.
Cabe advertir, finalmente, que este ritmo de absorción y aceleración de
la difusión del cambio técnico en el cluster está supeditado a las
restricciones derivadas del tamaño de las empresas, pues tal como lo
mostró la Encuesta de Desarrollo Tecnológico (Durán et al., 1998:12), los
niveles de innovación son mayores en cuanto a su frecuencia y grado en
las empresas de mayor tamaño.
167
e. Orientación exportadora.
La orientación exportadora del cluster constituye un elemento
importante tanto en la generación de ventajas competitivas dinámicas
como en la generación de ellas, en la medida en que la participación en
mercados más competidos y exigentes, brinda la posibilidad de mayores
y mejores desarrollos tecnológicos, productivos y organizacionales.
Grado de cooperación.
Esta dimensión se orienta a indagar por los grados de cooperación
existentes entre las empresas del cluster; entre éstas y las firmas e
instituciones que ofrecen servicios de apoyo y conexos, partiendo de la
premisa de que a la densidad del tejido empresarial y la intensidad de
las relaciones entre ellas se adiciona la cooperación para generar
sinergias que fortalecen las capacidades competitivas individuales y, de
esta forma, las del conjunto del cluster.
a. Alianzas estratégicas.
Más allá de las relaciones puramente funcionales, derivadas de los
intercambios comerciales convencionales, importa establecer si existen
niveles de cooperación establecidos de manera intencional, mediante
alianzas estratégicas entre parejas de empresas para enfrentar los retos
de la producción o de la comercialización.
b. Proyectos colectivos.
168
La existencia de proyectos de carácter colectivo emprendidos o
liderados por instituciones de carácter público o intermedio (híbridas
entre 10 público y lo privado) como las cámaras de comercio, los centros
de productividad, los Carees, los gremios empresariales, se constituyen
en señales importantes del grado de cooperación entre los diferentes
actores del cluster. Estos proyectos se orientan a fortalecer la
competitividad del cluster en aspectos relacionados con el mercadeo,
actualización tecnológica, capacitación y formación empresarial, entre
otros.
c. Temporalidad.
La existencia, frecuencia, permanencia y alcance de los acuerdos
cooperativos permite determinar el grado de avance de los mismos.
Ahora bien, con la existencia de este tipo de prácticas resultan
fundamentales, más allá de la racionalidad económica, los valores y la
cultura empresarial en la medida en que pueden propiciar el surgimiento
de la confianza que constituye el fundamento de la cooperación en el
largo plazo. Al contrario, un acendrado individualismo, proclive al recelo,
la desconfianza y el aislamiento, obstruyen su desarrollo.
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.
a. Presencia de políticas públicas de carácter nacional y regional.
Las políticas públicas pueden incidir en la creación misma del dusterí6.
También en su dinámica. En particular importan aquellas políticas de
169
carácter específico, encaminadas a incidir directamente en su desarrollo.
Tal es el caso de los acuerdos sectoriales de competitividad (llamados
hoy Convenios de Competitividad y Exportación), o la inclusión de los d_
en cuestión en los planes estratégicos exportadores regionales.
b. Operatividad de las políticas publicas.
Junto con la existencia de políticas vinculadas directamente con el
desarrollo de las cadenas y clusters considerados, más importante aún
es su operatividad y eficacia, sobre todo, dada la percepción existente
en algunos departamentos colombianos acerca de la politiquería y
corrupción que invaden los gobiernos regionales y locales, pues esto le
resta legitimidad, capacidad de convocatoria y eficacia a las políticas
públicas impulsadas por los gobiernos nacional, departamentales y
locales.
Desarrollo institucional y desarrollo de redes.
En esta dimensión del análisis se procura establecer el nivel de
desarrollo alcanzado por las redes empresariales e institucionales las
cuales, según lo señalan las experiencias internacionales, generan
sinergias y externalidades de vital importancia para la consolidación de
los clusters.
a. Institucionalidad existente.
Para establecer el desarrollo de redes en el cluster, se empieza por
identificar cuáles son las instituciones públicas, privadas e intermedias
170
cuya función específica las vincula con las actividades del cluster. Luego,
se establece su grado de articulación con las empresas que lo
conforn1an; el volumen e importancia de las actividades que despliegan
a favor de su evolución y, sobre todo, la incidencia que éstas tienen
sobre su dinámica.
b. Redes.
Entre la institucionalidad existente en el país se destaca aquella que
está orientada a elevar la competitividad empresarial; como es el caso
de las Cámaras de Comercio, los centros de productividad, los centros
de desarrollo empresarial, los gremios, los Carce, el sistema financiero,
ete. También importa la existencia y el despliegue de actividades
vinculadas directamente con el cluster por aqueUa institucionalidad que
está llamada a configurar, dentro del Sistema Nacional y los Sistemas
Regionales de Innovación, redes de innovación. Dentro de estas
instituciones se destacan los CDTs, las incubadoras de empresas, los
centros y grupos de investigación, las universidades o el Sena.
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.
171
El desarrollo de aprendizaje relacionado con actividades productivas del
cluster operado a dos niveles: por una parte, el de la mano de obra a
nivel técnico, profesional y postgraduado y, por otra, en el ámbito
administrativo y gerencial.
Esta educación puede provenir de una educación formal específica,
ofrecida por el sistema educativo, especialmente, las universidades y
otras instituciones de que imparten capacitación de nivel técnico y
tecnológico.
b. Aprendizajes.
En cuanto a los aprendizajes surgidos de la experiencia productiva
(trayectorias), las características anotadas previamente permiten
identificar limitaciones en el desarrollo de habilidades o "skills", surgidas
de la especialización en la producción. Aquí cabe advertir que en la
medida en que los clusters avancen hacia la elaboración de productos
con mayor valor agregado, las curvas de aprendizaje serán más
pronunciadas.
Debe destacarse que procesos de aprendizajes formales e infom1ales
están asociados a un mayor dinamismo del cluster y, en la medida en
que esto acontece, tan1bién se desarrollan los aprendizajes en las
empresas e instituciones de servicios que apoyan su accionar.
Finalmente, la indagación debe orientarse a establecer en qué medida
estos tienden a generar una movilidad del trabajo al interior del cluster
que genera correas de transmisión que aceleran la difusión del
conocimiento. El grado en que esto acontece determina la incidencia de
estas competencias laborales en la dinámica y potencialidades de
desarrollo del cluster.
172
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.
a. Actitud empresarial regional.
En este caso, se procura establecer en qué medida existe en la región
una cultura que estimule el emprendimiento empresarial y, sobre todo,
si la trayectoria de la región y del cluster en particular han forjado una
estudio se estableció que existe la sensación de una importante
dinámica empresarial pero, al mismo tiempo, que algunos rasgos de la
cultura empresarial una cultura empresarial moderna, abierta a la
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.
b. Identidad con la vocación productiva regional.
Importa establecer si el mercado identifica la región con el producto
elaborado por el cluster, como ocurre con el vino chileno, o el queso
parmesano, y si estos productos constituyen una fuente de identidad
regional, como ocurre con el café en el viejo caldas o el hierro fabricado
por Acerías paz del Río, que ha nevado a identificar a Sogamoso como la
"Ciudad del sol y del acero" .
173
Balance sobre las condiciones meso del cluster.
La evaluación individual y de conjunto de las condiciones existentes en
la región o departamento para el desarrollo del cluster, permiten
efectuar un diagnóstico, cuyo balance no solo contribuye a definir el
perfil competitivo del cluster, sino también sus principales fortalezas y
potencialidades como las debilidades y cuellos de botella que enfrenta
para su desarrollo.
Metodología: aplicación y análisis de resultados (matriz de
clusterización). Con este paso la metodología entra en la fase de la
evaluación de las capacidades competitivas dcl cluster. Para ello, el
primer componente consiste en evaluar las condiciones que ofrece el
entorno regional/local para el desarrollo de las actividades del cluster.
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.
174
Bibliografía.
Aage, T. (2001). External relations and industrial districts. Paper presented to DRUID Conference, Aalborg, June 2001.
Altenburg, T. y J. Meyer-Stamer (1998). "How to promote clusters: policy experiences from Latin America". Berlin: German Development Institute - Institute for Development and Peace, University of Duisburg
Almquist, G., Norgren, L. y Strandell, A.C. (1998). Clusters and Cluster Policy in Sweden. NUTEK, The Swedish National Board for Industrial and Technical Development. http:/www.oecd.org/dsti/sti/s_t/inte/nis/Clusters/clusters.htm
Alonso L. (2004). El estructuralismo genético y los estilos de vida: consumo, distinción y capital simbólico en la obra de Pierre Bourdieu http://www.unavarra.es/puresoc/pdfs/c_lecciones/LM-Alonso-consumo.pdf
AméricaEconomía, (2003), “Ford busca rueda de auxilio”, 20 de noviembre. http://www.americaeconomia.com/PLT_WRITE-PAGE~SessionId~~Language~0~Modality~0~Section~~Content~-1~NamePage~HomePage~DateView~~Style~-1.htm
175
Amin, Ash y Robins, Kevin, (1991), Los distritos industriales y las pequeñas empresas II, El resurgimiento de la pequeña empresa, Ministerio de Trabajo y seguridad social, Madrid. Citado por Navarro, M. (2001). Los sistemas nacionales de innovación: una revisión de la literatura. Documento de trabajo nº , del IAIF (Instituto de Análisis Industrial y Financiero) de la Universidad Complutense de Madrid. En pag 20 -22
Anderson Consulting (1994), Worldwide Manufacturing Competitiveness Study. The Second Lean Enterprise Report, Londres. Citado por Mortimore M, Barron F. (2005) “Informe sobre la industria automotriz Mexicana” en la pagina 10.
________________ (1992), Lean Enterprise Benchmarking, Londres. Automotive Intelligence News (2003), “Toyota Announces Second Expansion of Baja California Plant”, 20 agosto. Citado por Mortimore M, Barron F. (2005) “Informe sobre la industria automotriz Mexicana” en la pagina 10.
Aranguren, M.J. (1998). Creación de empresas: Factores determinantes. La industria de la CAPV. San Sebastián: Universidad de Deusto-ESTE.
Audretsch, D.; Feldman, M. (1996). R&S spillovers and the geography of innovation and production. American Economic Review, Vol. 86, No. 3, pp 630-641.
AT Kearney (2003), “North American Automakers, Parts Suppliers Intend to Move Key Business Processes to Offshore Locations”, http://atkearney.com, 24 de septiembre.
Blanco, M (2000,noviembre) La investigación en contabilidad de gestión .Documento presentado en la VI Jornada de trabajo sobre Contabilidad de Costos y de Gestión ASEPUC, Burgos, España
Barnes, J.A. (1954): “Class and Commitees in a Norwegian island parish”. Human Relations 7, pp. 39-58.
Becattini, G. (2002): «Del distrito industrial marshalliano a la «teoría del distrito» contemporánea. Una breve reconstrucción crítica », Investigaciones Regionales, n.º 1, pp. 9-32.
Becattini, G. (1990). The Marshallian industrial districts as a socio-economic notion. En: Industrial districts and inter-firm co-operation in Italy. Genova: International Institute for Labour Studies, pp. 37-51.
176
Bell, M. y Albu, M. (1999). Knowledge Systems and Technological Dynamism in Industrial Clusters in Developing Countries. World Development vol 27, No. 9, 1715-1734.
Bonazzi, Giuseppe (1991) Las pequeñas empresas: fascinación y posibles equívocos, en Sociología del trabajo, No. Extra, Siglo XXI de España, Madrid, pp. 147 – 152. Citado por Navarro, M. (2001). Los sistemas nacionales de innovación: una revisión de la literatura. Documento de trabajo nº , del IAIF (Instituto de Análisis Industrial y Financiero) de la Universidad Complutense de Madrid. En pag 24 -26.
Booz, Allen & Hamilton (1999), “Challenges Facing the Global Automotive Industry”, Insights, Vol. 1, Num. 1, setiembre, http://www.bah.com.
Bourdieu,P (1991). El Sentido Práctico Madrid Taurus
Bouvard, F., M. Cesari y J. Luciat-Labry (2002), Retooling the Way to Profitable Growth, McKinsey Research.
Bronfman M. (1993) Multimortalidad y Estructura familiar. Tesis de Doctorado no Publicada, Escola de Sáude Publica, Fundación Oswaldo Cruz, Ministerio de Saúde. Rio de Janeiro Brasil.
Bustamante Urbina J.C. (2005) El conglomerado (cluster) como opción de desarrollo regional Caso en la zona de integración fronteriza (ZIF) Táchira-Norte de Santander FOROS 11, 2005 Desarrollo económico regional en Venezuela mayo 2005 • ISSN: 1690-4885
Carlsson, B. y Stankiewicz, R. (1995). On the Nature, Function and Composition of Technological Systems. En Carlsson, B. (ed.) Technological Systems and Economic Performance: The Case of Factory Automotion (pp. 21-56). Dordrecht-Boston-London: Kluwer Academic Publishers.
Carrillo, J. (2001), “Auto Partes de las Empresas Transnacionales en México y el Desarrollo de Empresas Locales”, documento presentado al noveno encuentro de la GERPISA, disponible en http://www.univevry.fr/labos/gerpisa, Paris, 7 – 9 junio.
Carrillo, Jorge y Miguel Ángel Ramírez (1997), "Reestructuración, eslabonamientos productivos y competencias laborales en la industria automotriz en México", en Marta Novick y Ma. Antonia Gallart (Ed.) Competitividad, Redes Productivas y Competencias Laborales,
177
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.
Chudnovsky, D. (1999). “Políticas de ciencia y tecnología y el sistema nacional de innovación en la Argentina”, Revista de la Cepal, n° 67, abril.
Coleman, J. S. (1988): “Social capital in the creation of human capital”, American Journal of Sociology, volume 94, issue supplement: organizations and institutions: sociological and economic approaches to the analysis of social structure, S95-S120
CNN Money (2003), “Ford Exec: Camry better than Taurus”, February. http://money.cnn.com/
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.
______________ (2001). What is the essence of geographic clustering. Paper presented in the DRUID Nelson & Winter Conference, 12-15 June, in Aalborg, Denmark.
DeBresson, C. (1996). Economic interdependence and innovative activity: an input-outpu analysis. Cheltenham: Edward Elgar.
Dini, Marco (1992) “Los distritos industriales desde el punto de vista de las Políticas industriales” Cepal.
DiMaggio, P y Powell (1983) “The iron cage revisited: institutional isomorphism and collective rationality in organizational fields. American sociological review 48, abril, 147 – 160
__________________ (1999)(compiladores),”El nuevo institucionalismo en el análisis organizacional”. , FCE, México.
Dosi, Giovanni (1998) “The nature of the innovative process” En Technical Change and Economic Theory “ editado por G Dosi, C. Freeman, R. Nelson, G. Silverberg y L. Soete. London: Pinter Publishers.
Durán, X.; Ibáñez, R.; Salazar, M., y Vargas, M. (1998) La innovación tecnológica en Colombia: características por tamaño y tipo de empresa. Bogotá: Departamento Nacional de Planeación (DNP)-Colciencias.
178
Dussel, E. (1997), La economía de la polarización. Teoría y evolución del cambio estructural de las manufacturas méxicanas (1988-1996), Mexico City, Universidad Nacional Autónoma Mexicana (UNAM)/Editorial Jus.
Economist Intelligence Unit (EIU) / McKinsey & Co., (1999), “Succeeding in the Next Automotive Century: a reprint of articles from the EIU Motor Business series”, Londres. Citado por Mortimore M, Barron F. (2005) “Informe sobre la industria automotriz Mexicana” en la pagina 9.
Esser,k., Hillebrand, W., Messner, D. Meyer-Stamer, J. “Competitividad sistémica: Nuevo desafío a las empresas y a la política” Revista de la CEPAL, Santiago 1996, No. 59, pág. 39 - 52
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).
García Guemez, A. (2000). Las capacidades productivas en la región. Ed. BUAP. Puebla
Gelsing, L. (1992). Innovation and the Development of Industrial Networks. En Lundvall, B.A. (ed.) National Systems of Innovation. Towards a Theory of Innovation and Interactive Learning (pp.116-128). London-New York: Pinter.
(Giacr) Grupo de Investigación Análisis Cuantitativo Regional (2005), “Definición de la metodología de deteccion e identificación de clusters industriales en españa”, Informe elaborado, Universidad de Barcelona, para la Dirección General de Política de la Pequeña y Mediana Empresa.
Grannovetter, Mark S. (1985) Economic action and social structure: The problem of embeddedness. en American Journal of Sociology 91 Citado Por Grannovetter, Mark S. (2000) A Theoretical Agenda for Economic Sociology To appear in Economic Sociology at the Millenium, edited by Mauro F. Guillen, Randall Collins.
___________________(1973): “The strength of weak ties”, American Journal of Sociology, 81, pp. 1287-303.
Graziadio, T. y M. Zilbovicius (2003), “Exploring the reasons for different roles of module suppliers in a car assembly plant”, documento presentado al décimo primer encuentro de la GERPISA (París, 11 al 13 de
179
junio), Permanent Group for the Study of the Automobile Industry and its Employees (GERPISA).
Gritton, P. (2003), “Toyota: surviving and thriving through supplier partnerships”, PPT presentado a la Conferencia Automotriz Global, Western Kentucky University, 8 abril.
Hendry, C., Brown, J., DeFillipi, R. y Hassink, R. (1999). Industry clusters as commercial, knowledge and institutional networks. Opto-electronics in six regions in the UK, USA and Germany. En A. Grandori (ed.) Interfirm Networks. Organization and Industrial Competitiveness. London-New York: Routledge.
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)
Hirschman, Albert (1958),. “The Strategy of Economic Development”,: Yale University Press, New Haven. Citado en Torres-Zorrilla Jorge (2000) “Una estrategia de desarrollo basada en recursos naturales: análisis cluster del complejo de cobre de la Southern Perú” en pagina 37
Hoen, A. (1999). Three variations on identifying clusters. http:/www.oecd.org/dsti/sti/s_t/inte/nis/Clusters/clusters.htm
Humphrey, J.; Schmitz, H. (1995) Principles for promoting clusters & networks of SMEs. Paper comissioned by the Small and Medium Enterprises Branch. Sussex, Inglaterra: UNIDO.
Humphrey, J.(1995). “Industrial reorganization in developing countries : from models to trajectories” World Development 23 (1) :149 -162
Iwami, M. (2002), “Japanese Automobile Industry”, JOI Bulletin, No. 2, Fall. Citado en ECLAC (2003) Foreign investment in latin America and the Caribbean en la pagina 107
J.D. Power & Associates, (2003), “Mexico Automotive Plants Outperform U.S. Assembly Plants in Initial Vehicle Quality”, Press Release, 8 de mayo. http://www.findarticles.com/p/articles/mi_m0EIN/is_2003_May_8/ai_101429682
Jetro México (2002), “Programa para Promover la Industria de Soporte”, octubre.
180
Jiménez, E. (2002, enero-junio). “Glocalización: nuevos enfoques teóricos sobre el desarrollo regional (subnacional) en el contexto de la integración económica y la globalización”, Integración & Comercio, n° 16, enero-junio, pp. 213-247. Argentina.
Judsiman, C., and M. Eternod (1994), La Participación de la Población en la Actividad Económica en México. Monografías Censales de México. Mexico City: INEGIIISUNAM.
Just-auto.com (2003a), “NAFTA Plants are Failing to Get Flexible”, 19 junio. http://www.just-auto.com/
Just-auto.com (2003b), “USA: General Motors and Ford get union approval to axe eight plants”, 22 setiembre. http://www.just-auto.com/
Just-auto.com (2003c), “General Motors’ way doesn’t work for GM’s former components group”, 10 diciembre. http://www.just-auto.com/
Just-auto.com (2003d), “Mexico: Volkswagen to invest $US2 billion by 2008 – report”, 12 diciembre. http://www.just-auto.com/
Just-auto.com (2003e), “Mexico: High costs may force some Delphi operations out – report”, 29 agosto. http://www.just-auto.com/
Kostova T. y Zaheer S. (1999) Organizacional legitimacy under conditions of complexity: The case of multinational enterprise. Academy of management review 24(1),64-81
Krugman, P.; Fujita, M.; Venables, A. (2001). The Spatial Economy. MIT
Krugman, P. (1992). Geografía y comercio, Barcelona, España, Antoni Bosch Editor.
Krugman, P. (1995). Development, Geography, and Economic Theory. Cambridge-Massacusetts: The MIT Press
Lalkaka, Rustam (1998): “Support Systems for Small Enterprises and their clusters”, presented at the United Nations Conference on Trade and Development Promoting & Sustaining SME Clusters & Networks, Expert Meeting, Geneva 2-4 September, 1998.
Larrea, M. (2000). Sistemas Productivos Locales en la C.A. del País Vasco. Vitoria: Servicio Central de Publicaciones del Gobierno Vasco.
181
Lawson, Clive, 1999. "Towards a Competence Theory of the Region," Cambridge Journal of Economics, Oxford University Press, vol. 23(2), pages 151-66, March.
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.
Lundvall, B-A. (1992). User-Producer Relationships, National Systems of Innovation and Internationalisation. En Lundvall, B.A. (ed.) National Systems of Innovation. Towards a Theory of Innovation and Interactive Learning (pp. 45-67). London-New York: Pinter.
Marshall A. (1920), Principles of Economics, London, Macmillan, Eighth edition.
Maskell, P. (2001). Growth and the territorial configuration of economic activity. Paper presented to DRUID Conference, Aalborg, June 2001. http://www.business.auc.dk/druid/conferences/nw/conf-papers.html
Mccormick, D. (1999). African Enterprise Clusters and Industrialization. Theory and Reality. World Development Vol. 27, No 9, 1531-1551.
McKinsey & Co., (2003), “New Horizons: Multinational Company Investment in Developing Economies”, San Francisco, octubre.http://www.mckinsey.com/mgi/publications/index.asp?RT=All&IS=All&Rg=All&srtby=Source&pg=4
Meyer J y Rowan, B. (1999) Organizaciones institucionalizadas : la estructura formal como mito y ceremonia. En DiMaggio, P y Powell (eds), El nuevo institucionalismo en el analisis organizacional (pp 79-103).México Fondo de Cultura Económica
Mortimore, M. (2003), “Cómo desarrollar estrategias sectoriales de atracción de inversión extranjera hacia América Latina” presentación PPT al Programa de Actualización para la Promoción de Inversión Extranjera, BANCOMEXT, México, abril.
____________(1998a), "Corporate Strategies and Regional Integration Schemes Involving Developing Countries: the NAFTA and MERCOSUR automobile industries", Science, Technology and Development, (Vol. 16, Núm. 2) University of Strathclyde, Glasgow, agosto.
182
____________ (1998b), "GETTING A LIFT: modernizing industry by way of Latin American integration schemes. The example of automobiles", Transnational Corporations (Ginebra), Vol. 7, Núm. 2, agosto.
____________ (1997) “The Asian Challenge to the World Automobile Industry”, Economía Contemporánea, No. 2, Instituto de Economía de la Universidad Federal de Río de Janeiro, Brasil, julio-diciembre.
Moreno, J.L. (1934): Who Shall Survive? in Foundations of Sociometry, Group Psychoterapy and Sociograma. Washington D.C.: Nervous and Mental Disease. Publishing.
Nadvi, Khalid (1995), "Industrial Clusters and Networks: case studies of SME growth and innovation".: UNIDO, Vienna.
Nadvi, K., y H. Schmitz (1994), "Industrial Clusters in LDCs: review of experiences and research agenda". Brighton: IDS.
Navarro, M. (2001). Los sistemas nacionales de innovación: una revisión de la literatura. Documento de trabajo nº , del IAIF (Instituto de Análisis Industrial y Financiero) de la Universidad Complutense de Madrid
OECD (1999): Managing National Innovation Systems. Paris: OECD.
OESA (Original Equipment Suppliers Association)/McKinsey & Co. (1999), “Profitable Growth Strategies in the Automotive Supply Industry”.
OESA, (2003); “OEM – Supplier Relations from the Supplier Perspective”, PPT presentado a la Conferencia Automotriz Global, Western Kentucky University, 8 abril.
Ordorica, P. (2003), “To Be or Not To Be: the dilemma of Mexican Auto Parts Manufacturers in a Globalized World”, en McKinsey & Co., Eyes on the Road: industry observations from McKinsey’s Automotive Experts.http://www.mckinsey.com/mgi/publications/index.asp?RT=All&IS=All&Rg=All&srtby=Source&pg=4
Paula England, and Marshall Meyer (New York: Russell Sage Foundation, 2001). En pag 23 - 28
Porter, M. E. (1990). The Competitive Advantage of Nations. London y Basingstoke: The Macmillan Press.
___________(1998). Clusters and the new economics of competition Harvard Business Review; Boston; Nov/Dec 1998
183
___________(1998). “ Cúmulos y competencia :nuevos objetivos para empresas, Estado e instituciones, En Ser Competitivo, Deusto, España.
Posthuma, A. (2001), “Industrial renewal and inter-firm relations in the supply chain of the Brazilian automotive industry”, documento 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).
PricewaterhouseCoopers (2004), “Quarterly Forecast Update”, Autofacts, http://www.autofacts.com, marzo
Pyke, Frank y Werner Sengenberger (1993) "Distritos industriales y regeneración económica local: cuestiones de investigación y de política", Pyke, Frank; Becattini, Giaccomo y Werner Sengenberger (Comps.). Los distritos industriales y las pequeñas empresas III. Madrid: Ministerio de Trabajo y Seguridad Social. Citado por Navarro, M. (2001). Los sistemas nacionales de innovación: una revisión de la literatura. Documento de trabajo nº , del IAIF (Instituto de Análisis Industrial y Financiero) de la Universidad Complutense de Madrid. En pag 22 -24
Rabellotti, Roberta (1995), "Is there an industrial district model?. Footwear districts in Italy and Mexico compared". World Development 23 (1):29-41.
Ramirez, J. C. (1995b) The new location and interaction patterns. The Mexican motor industry. Brighton: University of Sussex (tesis de doctorado).
Ramos, Joseph. (1998) “Una estrategia de desarrollo a partir de complejos productivos en torno a los recursos naturales”. En: Revista de la CEPAL, núm. 66, pp. 105-125, diciembre 1998.
Roelandt, Th.J.A. y Den Hertog, P. (ed.) (1998). Cluster Analysis & Cluster-based Policy in OECDcountries. Various approaches, early results & policy implications. Draft synthesis report on phase 1, OECD-Focus Group on industrial clusters, The Hague/Utrecht. http:/www.oecd.org/dsti/sti/s_t/inte/nis/Clusters/clusters.htm
Sabel, Charles F. (1993) Confianza estudiada: Elaboración de nuevas formas de cooperación en una economía volátil, en Pyke, F. Y Sengenberger, W. Los distritos industriales y las pequeñas empresas III. Distritos industriales y regeneración económica local. Colección Economía y sociología del trabajo, Ministerio de trabajo y seguridad social, España. Citado por Navarro, M. (2001). Los sistemas nacionales de innovación: una revisión de la literatura. Documento de trabajo nº ,
184
del IAIF (Instituto de Análisis Industrial y Financiero) de la Universidad Complutense de Madrid. En pag 26 -27
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).
Salerno, M., R. Marx y M. Zilbovicius (2003), “Strategies of product design, production and suppliers selection in the auto industry: final findings of a broad research in the major Brazilian assemblers’ subsidiaries, headquarters and suppliers”, 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).
Sandefur, Rebecca L. Laumann, Edward O. (1998) A paradigm for social capital. Rationality & Society. 10(4):481-501. 1998 Nov.
Sanjaya Lall (1998) “Import Liberalization and Industrial Performance: The Conceptual Underpinnings” Development and Change Volume 29, Issue 3, Page 437-465, Jul 1998
Schmitz, Hubert (1995). “Collective Efficiency: Growth for Small-Scale Industry”. Journal of Development Studies, 34.
Schmitz, H. y Nadvi, K. (1999). Clustering and Industrialization: Introduction. World Development Vol. 27, No 9, 1503-1514.
Schibany, A., Hämäläinen, T. Y Schienstock, G. (2000). Innovation Networks. En OECD, Science,Technology and Industry Outlook 2000 (pp.201-215). Paris: OECD.
Sluzki, C.(1996). La red Social : frontera de la práctica sistémica Barcelona :Gedisa 168pp
Swann, G.M.P. (1998). Towards a Model of Clustering in High-Technology Industries. En Swann,G.M.P., Prevezer, M. y Stout, D. (eds.) The Dynamics of Industrial Clustering. Internacional Comparisons in Computing and Biotechnology (pp. 52-76).Oxford: Oxford University Press.
Teece, D. J. (1988). “Technological change and the nature of the firm.” In G. Dosi et al (eds.), Technical Change and Economic Theory. London, Pinter Publisher.
185
Téllez, I. G. (2002) Pierre Bourdieu: conceptos básicos y construcción socioeducativa. Bogotá: Universidad Pedagógica Nacional.
Tenti, E. (1993). Del intelectual orgánico al analista simbólico. Documento presentado en el congreso Nacional de investigación educativa. Mesa Temática “Teoría, campo e historia de la educación” Guanajuato, México
Tsuji, M. (2003), “The Relationship between Toyota and its Parts Suppliers in the Age of Information and Globalization: concentration vs. dispersion”, en Kagami, M. y M. Tsuji (comp.), Industrial Agglomeration: facts and lessons for developing countries, Institute of Developing Countries (IDE), Japan External Trade Organization (JETRO), Tokio.
US Department of Commerce (2005), “The Road Ahead for the U.S. Auto Industry”, International Trade Administration, Washington, D.C., abril.
US International Trade Commission (2002), “Motor Vehicles”, Industry & Trade Summary, USITC Publication No. 3545, septiembre. http://usitc.gov/ind_econ_ana/research_ana/ind_trade_summ/index.htm
US Commercial Service (2003), “Auto parts Industry-Mexico”, Washington, D.C., http://www.buyusainfo.net
Uzzi, Brian (2004) Embeddedness and Price Formation in the Corporate Law Market American Sociological Review; Jun 2004; 69, 3; ABI/INFORM Global (pag 319-344)
Verbeek, H. (1999). Innovative Clusters. Identification of value-adding production chains and their networks of innovation, an international studies. Tesis de doctorado, Universidad Erasmus de Rotterdam. http:/www.oecd.org/dsti/sti/s_t/inte/nis/Clusters/clusters.htm
Villavicencio D. (2005) El conocimiento tácito y la valorización del trabajo colectivo en los procesos de innovación Revista Trabajo, Publicación semestral del Centro de Análisis del Trabajo, A. C. con Certificado de Licitud del título No. 6836; Certificado de Licitud de Contenido No. 7334; ISSN 1405-1311. septiembre de 2005.
Wasserman, S. and Faust, K. (1999): Social network analysis, methods and applications. Cambridge: Cambridge University Press.Womack James P, Daniel T. Jones, Daniel Roos (1990) ”The Machine That Changed the World : The Story of Lean Production” McGraw-Hill, Nueva Cork.
186
187
