Agregación de datos

Una de las consideraciones importantes cuando se usan datos es el grado de agregación o consolidación deseado. Por ejemplo, ¿requiere nuestro modelo datos sobre las ventas anuales totales de los últimos cinco años, o de las ventas anuales por país en los últimos cinco años, o de las ventas anuales totales por planta en ese periodo, o de las ventas anuales totales por planta y por producto en ese lapso?

Esta lista de requisitos describe datos en forma cada vez más disgregada o pormenorizada. Los datos disgregados tienen más detalle y su obtención es, en general, más difícil y costosa. Sin embargo, también son más valiosos porque contienen más información.

Además, es posible agregar datos disgregados, pero no siempre es posible hacerlo inverso. Así, si las ventas totales por planta y por producto son conocidas, es posible obtener las ventas totales por producto y por país, o las ventas totales por país, o las ventas totales por producto, o las ventas totales por planta.

En cambio, resulta evidente que en este caso no sería posible partir de las cifras agregadas para extraer de ellas las cifras disgregadas. Los beneficios de la síntesis de datos que proporciona la agregación tienen un costo: la agregación renuncia a una parte de la información.

Aun cuando los datos disgregados son deseables porque contienen más información, también es verdad que tales datos pueden estar demasiado disgregados para ser incorporados a una hoja de cálculo o para que los use con comodidad un gerente en particular.

En términos de la decisión de construir o no nuevas plantas en Europa, los ejecutivos de PROTRAC pueden tener interés en comparar una pequeña y selecta recolección de datos adicionales o agregados. Es decir, su decisión puede basarse en un modelo simplificado que represente selectivamente la realidad con unos cuantos números seleccionados, escritos «en el reverso de un sobre«.

Debe resultar obvio que, pasando por alto los costos del procesamiento, un mayor número de datos sólo puede conducir a mejores decisiones. (Si esto no es obvio, por lo menos debe resultar claro que un mayor número de datos no nos puede conducir a peores decisiones.) No obstante, también es cierto que existe un límite en el grado de disgregación que puede digerir cada uno de los individuos que están a cargo de tom ar las decisiones.

Por fortuna, los modelos de hoja de cálculo electrónica pueden trabajar con información mucho más detallada que los individuos; ésta es una de las principales justificaciones para utilizarlos. Recuerde que, a medida que las situaciones administrativas se vuelven más complejas y sofisticadas, los detalles adquieren.

Las hojas de cálculo electrónicas modernas, como Excel, tienen incorporadas opciones que permiten transmitir búsquedas, a través de una red, a servidores con grandes bases de datos. Esos datos externos son agregados después por el software del servidor de la base de datos, de acuerdo con las condiciones de la búsqueda, y aparecen en las celdas de la hoja de cálculo, listas para usarse en el modelo.

Cada vez más importancia. Sin embargo, estamos ante una espada de dos filos. Si bien los modelos suelen tener datos disgregados, a veces la propia disgregación crea problemas insuperables. Por ejemplo, la disgregación puede dar lugar a demasiadas variables, con lo cual el modelo resulta demasiado largo e incómodo para usarse, o puede requerir un trabajo de recopilación de datos costoso y prolongado.

A este respecto, el equilibrio está entre el ideal de usar la mayoría de los datos disponibles (sumamente detallados y pormenorizados) y la necesidad práctica de mantener la simplicidad del modelo.

Fuente: Apuntes de Investigación de operaciones de la UNIDEG