CAPITULO III: DESARROLLO Y VALIDACIÓN DEL MODELO DE CAPACIDADES DE
3. ANÁLISIS ESTRUCTURAL
3.1. RESULTADOS DEL ANÁLISIS ESTRUCTURAL
3.1.1. Aplicación
Los pasos que siguen a continuación dan claridad a cada una de las actividades realizadas para el análisis de respuestas obtenidas de los expertos.
3.1.1.1. Identificación de los participantes
Los participantes para el desarrollo del análisis estructural han sido seleccionados y referidos como expertos en la temática “Capacidades de gestión tecnológica en la Organización”, dada su trayectoria académica, investigativa y/o empresarial.
3.1.2. Método MICMAC
La matriz de análisis estructural que se utilizó en el presente estudio es un cuadro de doble entrada (matriz de impactos cruzados), el cual fue enviado a cada uno de los expertos para que diligenciaran de manera uniforme la herramienta.
Tabla 28. Matriz de impactos cruzados utilizada en la investigación
99
NOTA: Considerando que la influencia potencial de una variable se determina por su influencia a largo plazo, el presente trabajo no consideró tal calificación, por lo cual no se encontrará en la escala de calificación de la matriz (Brito Cuadrado, 2008).
3.1.2.1. Identificación de los participantes
Los participantes del estudio han sido seleccionados y referidos como expertos en temas relacionados con la gestión del conocimiento, la gestión de capacidades y recursos, la gestión de redes y la gestión de la tecnología. Los expertos son docentes, investigadores y/o profesionales que trabajen en estas áreas del saber en la academia y/o en la industria.
En la Tabla 29 se encuentran los 11 expertos participantes en la presente investigación.
NOMBRE ORGANIZACIÓN CARGO
Ing. Cesar Bernal Universidad de la Sabana Profesor Asociado
Ing. Gustavo Pacheco Castro
Cámara de Comercio de Barranquilla Jefe de Investigaciones Económicas
Ing. Fernanda Tapias Forero
TEINCO Directora de investigación
Ing. Fredy Javier Velasco Villarreal
Guandera S.A.S Gerente de Desarrollo aplicaciones e Innovación
Ing. MSc. Vladimir
Suárez
Industria Colombiana de Café Coordinador de innovación Colcafé
Ing. Fabio Gutiérrez
Serrano
Seguros Bolívar Asistente Ejecutivo de Proyectos
Ing. Germán Vargas Universidad Distrital Coordinador nodo Bogotá - Red
colombiana de semilleros de investigación
Ing. MSc. Jorge Villamil Universidad Manuela Beltrán Docente
Lic. Darín Mosquera Universidad Distrital Docente
Ing. MSc. María Camila León Rueda
Oracle Business Development
Representative
Ing. Hugo Ruiz UPTC Laboratorista producción y
aseguramiento de calidad
Tabla 29. Listado de Expertos
100
3.1.2.2. Localización de las variables en la matriz de análisis estructural
Considerando las respuestas individuales de los expertos, se dio un proceso de manejo de datos para unificar las respuestas en una sola matriz de análisis estructural. Este procedimiento se efectuó a través de la realización del promedio de las respuestas y su posterior aproximación a los enteros más cercanos, dando como resultado la matriz definitiva de impactos cruzados, presentada en la siguiente tabla:
CON VAL PLN ORG DIR CTRL ADMON ECO RINT REXT MOTRICIDAD
CON 2 3 2 2 2 3 2 2 2 20 VAL 3 2 2 3 2 2 2 2 2 20 PLN 2 2 2 2 2 2 2 2 2 18 ORG 2 2 3 2 2 2 2 2 2 19 DIR 2 2 2 2 2 2 2 2 2 18 CTRL 2 2 2 3 3 2 2 2 2 20 ADMON 2 2 2 2 2 2 2 2 2 18 ECO 2 2 3 2 2 2 2 2 2 19 RINT 2 2 3 2 2 2 2 2 2 19 REXT 2 2 2 2 2 2 2 2 2 18 DEPENDENCIA 19 18 22 19 20 18 19 18 18 18 189 Tabla 30. Matriz de impactos diligenciada
Fuente: Autores
3.1.2.3. Identificación de influencias directas de las variables
A continuación, se muestra la tabla de sumatorias de filas y columnas para la matriz de impactos cruzados, en esta se puede ver que variable demuestra en mayor medida influencia sobre las demás (dependencia) y el número de veces que la variable ejerce acción sobre el sistema (motricidad).
DEPENDENCIA % MOTRICIDAD % PROMEDIO
CON 19 10% 20 11% 19,5 VAL 18 10% 20 11% 19 PLN 22 12% 18 10% 20 ORG 19 10% 19 10% 19 DIR 20 11% 18 10% 19 CTRL 18 10% 20 11% 19 ADMON 19 10% 18 10% 18,5 ECO 18 10% 19 10% 18,5
101
RINT 18 10% 19 10% 18,5
REXT 18 10% 18 10% 18
TOTAL 189 100% 189 100%
Tabla 31. Matriz de sumatorias (Influencias)
De acuerdo a lo anterior, se puede observar que la variable que muestra mayor dependencia es Planeación y las que muestran mayor motricidad es Planeación y Dirección. A continuación, se muestra el orden de las variables de acuerdo a su influencia y su dependencia:
Influencia Dependencia
Como se puede observar, de acuerdo a la matriz de impacto directo ingresada, la variable que ejerce mayor influencia sobre las demás es el conocimiento y la variable que demuestra mayor dependencia es la planeación.
Mapa de variables directas influencia / dependencia
En la siguiente figura se presenta el mapa de influencia/dependencia brindado por el software MICMAC:
Figura 24. Mapa de influencias directas del sistema
102
En el gráfico se puede observar que no existen variables en la zona de conflicto, por o que se puede afirmar que el sistema presenta estabilidad, ubicándose las variables en forma de L.
Zona de Poder: En el gráfico anterior se puede observar que las variables Conocimiento, Control y Valores se ubican en la zona de poder, lo que quiere decir que son variables que pueden ser consideradas como “palancas de cambio” en el sistema para generar mejoras, gracias a su alta motricidad e independencia.
Zona de independencia: Aquí se encuentran las variables Organización. Económico, Redes Internas, Redes Externas y Dirección; variables que se analizan de la siguiente manera:
Zona Variables Explicación dentro del sistema
Pelotón Organización,
Económico y Redes Internas
Al encontrarse en una zona entre la zona de poder y la zona de independencia, son variables que no se caracterizan por su influencia o dependencia, por lo tanto es necesario realizar un análisis más profundo de su intervención dentro del sistema y obtener una conclusión sobre su rol dentro del mismo.
Independencia Redes Externas y Administración
Es posible que estas variables no incidan en sistema, dado que una acción sobre ellas no impactará significativamente la evolución del sistema
Sin demarcación exacta
Dirección Al no estar definida en la zona de influencia o en la zona de salida del sistema, sino justo en el medio de ambas; es una variable que puede o no tener influencia dentro del sistema, por lo cual se necesita de un análisis más profundo para determinar su presencia.
Tabla 32. Explicación de variables en la zona de independencia
Fuente: Autores
103
Zona de Salida: En esta zona encontramos la variable Planeación, la cual se considera muy dependiente en el sistema y su evolución es explicada por el impacto de las demás variables.
3.1.2.4. Estabilidad del Sistema
Como se pudo observar en la Figura 24 el sistema cumple una condición de estabilidad. Además, se realiza la prueba de estabilidad en MICMAC y se determina que el sistema llega a su estabilidad máxima (100%) en su segunda iteración.
Figura 25. Estabilidad de la MDI
Fuente: Autores
3.1.2.5. Gráfico de relaciones de las variables directas
El software permite visibilizar las relaciones de las variables y su intensidad, a continuación se muestra el 100% de relaciones para las variables tratadas en la presente investigación:
104
Tabla 33. Gráfico de influencias directas
Fuente: Autores
Como se puede observar, la variable Planeación PLN presenta la mayor cantidad de relaciones directas significativas mientras que la variable Redes Externas REXT presenta las relaciones directas más débiles, por lo tanto, es necesario realizar un análisis más profundo acerca de cuál va a ser su influencia dentro del sistema.
Variables directas potenciales: Para el presente estudio no se tuvo en cuenta el análisis potencial dado que este se realiza para variables a largo plazo (más de 10 años), y para la validación del modelo de Sáenz 2017 queremos verificar su estado actual y no su evolución. Para este análisis el software MICMAC tomó las mismas variables consideradas en la salida de variables directas.
3.1.2.6. Matriz de influencia / dependencia indirecta
El proceso de obtención de las relaciones indirectas entre las variables requiere la elevación de la matriz cuantas veces sea necesario hasta alcanzar la estabilidad (multiplicándola por ella
105
misma), para el caso de las variables ingresadas en el sistema, se alcanza la estabilidad del sistema con dos iteraciones, la matriz resultante se presenta a continuación:
CON VAL PLN ORG DIR CTRL ADMON ECO RINT REXT MOTRICIDAD
CON 700 676 820 708 740 676 722 676 676 676 7070 VAL 724 672 806 712 756 680 708 680 680 680 7098 PLN 648 620 728 648 676 620 650 620 620 620 6450 ORG 678 648 784 670 708 648 680 648 648 648 6760 DIR 648 620 736 648 668 620 650 620 620 620 6450 CTRL 710 678 804 722 754 670 712 678 678 678 7084 ADMON 648 620 736 648 676 620 642 620 620 620 6450 ECO 678 648 784 678 708 648 680 640 648 648 6760 RINT 678 648 784 678 708 648 680 648 640 648 6760 REXT 648 620 736 648 676 620 650 620 620 612 6450 DEPENDENCIA 6760 6450 7718 6760 7070 6450 6774 6450 6450 6450 67332 Tabla 34. Matriz de influencias indirectas
Fuente: Autores
3.1.2.7. Identificación de influencias indirectas de las variables
En la Tabla 35. Variables indirectas obtenidas por MICMATabla 35 se muestran las sumatorias de calificativos por variable obtenidas de la matriz de influencias indirectas, la sumatoria por columnas representa el nivel de dependencia de las variables mientras que la sumatoria por filas representa la motricidad.
SUMATORIA COLUMNAS DEPENDENCIA % SUMATORIA FILAS (MOTRICIDAD) % PROMEDIO CON 7070 11% 6760 10% 6915 VAL 7098 11% 6450 10% 6774 PLN 6450 10% 7718 11% 7084 ORG 6760 10% 6760 10% 6760 DIR 6450 10% 7070 11% 6760 CTRL 7084 11% 6450 10% 6767 ADMON 6450 10% 6774 10% 6612 ECO 6760 10% 6450 10% 6605 RINT 6760 10% 6450 10% 6605 REXT 6450 10% 6450 10% 6450 TOTAL 67332 67332
Tabla 35. Variables indirectas obtenidas por MICMAC
106
3.1.2.8. Mapa de influencias indirectas del modelo
Figura 26. Mapa de influencias indirectas del modelo
Fuente: Autores
De acuerdo a la figura anterior, se puede observar que las variables siguen un comportamiento estable pues ninguna de estas se acerca a la zona de conflicto, el comportamiento de las variables sigue una alineación similar al análisis de influencias directas, en las variables que se presentó variación en cuanto a orden fueron Conocimiento, económico, redes internas y organización quienes tuvieron un ligero desplazamiento hacia abajo disminuyendo en cierto grado la influencia que tienen con respecto a las demás variables.
3.1.2.9. Gráfico de relaciones de las variables indirectas
107
Figura 27. Gráfico de influencias indirectas
Fuente: Autores
Como se puede ver, la relación o influencia más fuerte se presenta entre las variables conocimiento CON y planeación PLN, por su parte la variable Redes Externas sigue presentando relaciones las directas más débiles.
Comparando este resultado con el arrojado por el análisis de influencias directas, sigue teniendo el mismo comportamiento, aunque se disminuye la intensidad en la influencia entre variables, clasificando en su mayoría las relaciones como “relativamente fuertes” (color azul).
3.1.2.10. Relación entre las principales variables directas e indirectas
De acuerdo a los resultados arrojados por el software MIC MAC, comparando los resultados obtenidos por el análisis de influencias directas y el análisis de influencias indirectas, se
108
obtuvieron cambios de orden en cuanto a la influencia de las variables Conocimiento (CON), valores (VAL) y Control (CTRL) como se muestra a continuación:
Figura 28. Clasificación de las variables directas e indirectas de acuerdo a su influencia
Fuente: Autores
3.1.2.11. Identificación de las variables esenciales del sistema
Clasificación por dependencia:
INFLUENCIA DIRECTA INFLUENCIA INDIRECTA PLANEACIÓN (PLN) PLANEACIÓN (PLN)
DIRECCIÓN (DIR) DIRECCIÓN (DIR)
CONOCIMIENTO (CON) ADMINISTRACIÓN (ADMON)
ORGANIZACIÓN (ORG) CONOCIMIENTO (CON)
ADMINISTRACIÓN (ADMON)
ORGANIZACIÓN (ORG)
VALORES (VAL) VALORES (VAL)
CONTROL (CTRL) CONTROL (CTRL)
ECONÓMICO (ECO) ECONÓMICO (ECO)
REDES INTERNAS (RINT) REDES INTERNAS (RINT)
REDES EXTERNAS (REXT) REDES EXTERNAS (REXT) Tabla 36. Principales variables dependientes y motrices - clasificación por dependencia
Fuente: Autores
109
INFLUENCIA DIRECTA INFLUENCIA INDIRECTA CONOCIMIENTO (CON) VALORES (VAL)
VALORES (VAL) CONTROL (CTRL)
CONTROL (CTRL) CONOCIMIENTO (CON)
ORGANIZACIÓN (ORG) ORGANIZACIÓN (ORG)
ECONÓMICO (ECO) ECONÓMICO (ECO)
REDES INTERNAS (RINT) REDES INTERNAS (RINT)
PLANEACIÓN (PLN) PLANEACIÓN (PLN)
DIRECCIÓN (DIR) DIRECCIÓN (DIR)
ADMINISTRACIÓN (ADMON)
ADMINISTRACIÓN (ADMON)
REDES EXTERNAS (REXT) REDES EXTERNAS (REXT) Tabla 37. Principales variables dependientes y motrices - Clasificación por influencia
Fuente: Autores
De lo anterior se puede concluir que las variables clave del modelo son por un lado la Planeación (PLN) por su dependencia tanto directa como indirecta y el conocimiento, los valores y el control por su nivel de influencia en el sistema.
3.1.2.12. Análisis de resultados de Análisis Estructural
El análisis estructural nos permitió cumplir los siguientes objetivos: 1) Servir como un elemento inicial de juicio para definir las relaciones entre las variables del modelo, 2) Servir como un método de depuración teórica antes de escalar a otros métodos de análisis. 3) Desarrollar un análisis complementario con la técnica multivariada aplicada.