5.3. ANÁLISIS CLÚSTER APLICADO A LA TRAZABILIDAD.

Autores como García Sánchez (2008) explican que el análisis de conglomerados o cluster, que vamos a desarrollar a continuación, permite agrupar a los elementos en tipos o grupos, homogéneos internamente, pero heterogéneos entre sí, de acuerdo con la selección de criterios o bases de la segmentación, efectuada anteriormente como bases de entrada en el análisis.

En este contexto, se intentará estudiar en este apartado la agrupación o segmentación de las empresas cárnicas españolas en grupos homogéneos o característicos denominados clusters o clases, en terminología anglosajona, según el valor que, según ellas, añade la trazabilidad al producto y su vínculo con la cadena de valor, los factores económicos, los despilfarros, la valoración de sus actividades desagregadas y la valoración de sus ventajas, configurando cinco análisis clúster diferentes. De esta forma, se trata de ver la estructura de estas características, intereses y opiniones en un conjunto de empresas, para establecer una tipología de éstas con respecto a los factores citados.

Tras generar los clusters con técnicas jerárquicas y no jerárquicas como por ejemplo los algoritmos de Johnson o de K-medias, probados con distinta cantidad de conglomerados, nos hemos decantado por el algoritmo de Howard-Harris y la agrupación en cinco clusters, por ser el resultado que daba una mayor suma de cuadrados explicada por la participación en grupos, aparte de producir una mejor información para el análisis posterior.

Según Santesmases Mestre (2005), el algoritmo de Howard-Harris es un método utilizado en el análisis de grupos para generar grupos homogéneos. Este algoritmo sería de tipo descendente (breaking down), es decir, que divide de forma secuencial el conjunto de individuos de la muestra, que compone el grupo inicial, en un fenómeno cada vez mayor de grupos (2, 3, 4, 5…) para minimizar la varianza intragrupos y maximizar la varianza intergrupos de las variables. A diferencia de otros, esta técnica puede aplicarse a grandes muestras y, de hecho, Santesmases Mestre (2005) la recomienda si se dispone de ellas.

Vamos a comentar algunos indicadores comunes a los análisis realizados:

En primer lugar, se puede ver en la tabla V.13 una estimación de la suma de cuadrados explicada por la partición en grupos de la muestra en cada uno de los análisis anteriormente expuestos. Esta estimación de la suma de cuadrados explicada supera el 50% en todos los casos exceptuando el último, que sería el único caso en el que no se cumple este primer requisito. El segundo (Incremento de la varianza explicada respecto al número inmediatamente superior de clúster inferior o igual al 5%) se cumple en todos los casos.

TABLA V.13. ANÁLISIS DE LA VARIANZA PARA LOS ANÁLISIS REALIZADOS
Tipos de análisis	Suma cuadrados del total de la muestra	Suma  cuadrados intragrupos (de todos los grupos)	Suma de cuadrados explicada por la partición en grupos
Análisis con respecto a la cadena de valor	4.907,25	1.784,38	63,64%
Análisis de variables económicas	3.472,41	1.475,02	57,52%
Análisis de los posibles despilfarros	4.346,53	2.121,52	51,19%
Análisis de las actividades desagregadas de trazabilidad.	19.767,64	9.854,24	50,15%
Análisis de las ventajas de la trazabilidad.	6.818,34	3.916,84	42,55%
Fuente: Elaboración propia.

Todos los tests F de Snedecor, presentados en las tablas de cada análisis clúster realizado, suponen el rechazo de la hipótesis de igualdad de las medias a un nivel del 1% (p=0,0000), que implica que las diferencias entre los valores medios son significativas a un nivel del 1% y que al menos un grupo tendrá media diferente del resto de los clusters generados. Cada factor tendría así un comportamiento diferenciado con respecto a cada uno de los conglomerados.

También hemos realizado algunas pruebas estadísticas a raíz de la aplicación del análisis discriminante a los conglomerados obtenidos, para generar la matriz de confusión que pretende validar la formación de los mismos. Algunas de estas pruebas son específicamente propias de este análisis discriminante y se han llevado a cabo con el objetivo de comprobar la bondad o exactitud de la clasificación en grupos planteada en los resultados obtenidos.

En primer lugar, se puede ver el indicador Lambda de Wilks de los distintos clusters generados. Este análisis es una medida de las diferencias entre grupos, comparando la dispersión intragrupo con la dispersión total para toda la muestra. Los valores de este estadístico oscilan entre cero y uno:

• Un valor cercano a uno indicaría que la variación dentro de los grupos y la total son muy similares respecto a la variable considerada, no siendo entonces ésta una buena variable discriminante. El valor resultante será debido a las diferencias dentro de los grupos y, por lo tanto, los grupos estarían poco separados pudiéndose confundir los centros de los grupos
• Por el contrario, un valor próximo a cero representa que la variable estudiada separa muy bien los grupos mientras que la variabilidad intragrupo es muy reducida, rechazándose, por lo tanto, la hipótesis nula de igualdad de medias entre los grupos.

TABLA V.14. ESTIMACIÓN DE LOS LAMBDA DE WILKS
Análisis	Lambda de Wilks	F de Snedecor	Grados de libertad	p
Análisis con respecto a la cadena de valor	0,0416	52,2470	36 y 1407	0,0000
Análisis de variables económicas	0,0484	76,0231	24 y 1319	0,0000
Análisis de los posibles despilfarros	0,0425	58,7364	32 y 1388	0,0000
Análisis de las actividades desagregadas de trazabilidad	0,0308	17,0663	116 y 1413	0,0000
Análisis de las ventajas de la trazabilidad	0,0471	36,1844	48 y 1435	0,0000
Fuente: Elaboración propia.

Como se aprecia en la tabla V.14, los estudios de los distintos grupos en cada análisis, con respecto a este estadístico Lambda de Wilks, permiten afirmar que las diferencias entre ellos son bastante destacables por ser sus valores cercanos a 0, siendo por lo tanto los centros de los grupos notoriamente diferentes en todos los casos. Según las p correspondientes, todas ellas iguales a 0,0000, los grupos sí se diferenciarían por las variables analizadas a un nivel del 1%.

Los distintos tests X2 de Bartlett realizados permiten también rechazar la hipótesis nula de no correlación significativa, lo que implica que la matriz de correlaciones de la población no será la identidad. Sería adecuada, por tanto, la aplicación del análisis factorial de componentes principales a las variables y la obtención de las matrices de confusión correspondientes.

TABLA V.15. TEST DE BARTLETT DE LOS ANÁLISIS REALIZADOS
Análisis	Grados de libertad	X2	p
Análisis con respecto a la cadena de valor	36	1208,6825	0,0000
Análisis de variables económicas	24	1155,3321	0,0000
Análisis de los posibles despilfarros	32	1201,2817	0,0000
Análisis de las actividades desagregadas de trazabilidad.	116	1287,6382	0,0000
Análisis de las ventajas de la trazabilidad	48	1156,4175	0,0000
Fuente: Elaboración propia.

Partiendo de los datos utilizados pasamos a exponer cada uno de los análisis realizados, aplicando el ya comentado algoritmo de Howard-Harris:

5.3.1. Análisis con respecto a la cadena de valor.

Hemos seleccionado en primer lugar, la variable principal que medía la posibilidad de que la trazabilidad añada valor al producto y aquellas variables que intentan explicar la visión de la empresa de su cadena de valor. El análisis de las medias resultantes permite caracterizar las empresas de cada cluster, como se puede ver en la tablA V.16.

Como se puede ver, los clusters generados serían los siguientes:

• Clúster número 1, que comprende un 19,85 % de la muestra: Este clúster presenta la mayor valoración del ítem principal de 4,53 puntos sobre 5, indicativo de un gran grado de acuerdo con el hecho de que la trazabilidad añada valor al producto. El resto de ítems ofrecen sus máximas valoraciones en este grupo con respecto a los demás, ofreciendo un grado de acuerdo casi total con las afirmaciones planteadas en casos como “La coordinación de la trazabilidad con mis clientes aumenta el valor de mis productos” (4,97 puntos) o “La trazabilidad es una actividad inevitable en el contexto actual” (4,91 puntos). Estaríamos así ante el clúster con una visión más positiva sobre las variables planteadas, pudiendo ser caracterizado como “grupo ideal”. Resulta reseñable que un 92,21% de estas empresas considera que la trazabilidad compensa, mientras que sólo un 2,60% opinan que no.

 

Las empresas de este grupo tienen un tamaño mayor que el resto de clusters:

• Un 18,18 % de estas empresas tiene más de 100 trabajadores, el mayor porcentaje dentro de los cinco grupos generados, siendo uno de los clusters con un porcentaje más bajo de empresas con menos de 21 trabajadores (40,26%).
• En este grupo se concentra uno de los mayores porcentajes de empresas con una cifra de negocios superior a 6 millones de euros (40,26%).
• También recoge el porcentaje de empresas más alto (37,66%) con un activo total superior a 6 millones de euros.

TABLA V.16. ANÁLISIS CLÚSTER DE LAS VARIABLES DE VALOR
		MEDIA	C. 1.	C. 2.	C. 3.	C. 4.	C. 5
	Nº elem.	388	77	114	59	110	28
Variables	Suma cuadrados	4.907,25	182,29	461,82	432,44	531,62	176,21	ANOVA / F Snedecor
Un pto. con trazab. vale más que un pto. sin ella.	Media:	3,56	4,53 +	4,30	2,83	3,09	1,25 -	F(4,383) = 85,7350
	Des.Est.:	1,36	0,97	0,78	1,39	1,00	0,63	p = 0,0000
La trazab. es una actividad inevitable en el contexto actual.	Media:	4,36	4,91 +	4,69	4,31	4,11	2,61 -	F(4,383) = 48,9143
	Des.Est.:	0,99	0,33	0,59	1,03	0,85	1,50	p = 0,0000
Mi cliente valora positivam. la trazab.	Media:	3,7	4,73 +	4,18	3,14	3,30	1,64 -	F(4,383) = 91,5775
	Des.Est.:	1,18	0,68	0,79	1,1	0,83	0,89	p = 0,0000
Mi empresa valora positivam la trazab.	Media:	4,12	4,88 +	4,57	4,08	3,68	2,04 -	F(4,383) = 102,2923
	Des.Est.:	1,03	0,39	0,58	0,96	0,79	0,94	p = 0,0000
Mi empresa tiene una visión global de la cadena con prov. y clientes.	Media:	4,02	4,81 +	4,26	3,76	3,68	2,68 -	F(4,383) = 51,1081
	Des.Est.:	0,95	0,48	0,75	0,89	0,79	1,04	p = 0,0000
La coord. de la trazab. con mis prov. aumenta el valor de mis ptos.	Media:	3,26	4,86 +	3,68	1,66	3,1	1,21 -	F(4,383) = 327,7484
	Des.Est.:	1,27	0,45	0,66	0,75	0,57	0,56	p = 0,0000
La coord. de la trazab. con mis clientes aumenta el valor de mis ptos.	Media:	3,27	4,97 +	3,74	1,49	3,06	1,25 -	F(4,383) = 537,9490
	Des.Est.:	1,3	0,16	0,58	0,5	0,58	0,51	p = 0,0000
La coord. de la trazab. con distrib. aumenta el valor de mis ptos.	Media:	3,23	4,88 +	3,61	1,51	3,12	1,18 -	F(4,383) = 513,0927
	Des.Est.:	1,26	0,32	0,59	0,53	0,52	0,38	p = 0,0000
La coord. de la trazab. con otros agentes de la cadena aumenta el valor de mis ptos.	Media:	3,18	4,84 +	3,47	1,51	3,09	1,21 -	F(4,383) = 413,4241
	Des.Est.:	1,26	0,36	0,68	0,56	0,51	0,41	p = 0,0000
Fuente: Elaboración propia.

• Clúster número 2, que abarca un 29,38 % de la muestra: Este clúster presenta una gran valoración del ítem principal (4,30 sobre 5), representativo de un gran grado de acuerdo con el hecho de que la trazabilidad añada valor al producto, aunque ligeramente inferior al registrado en el clúster anterior. Las empresas de este grupo muestran también un grado de acuerdo generalizado con el resto de ítems planteados, aunque menos que las empresas del clúster número 1, destacando principalmente la valoración mucho más baja otorgada al hecho de que la coordinación con proveedores, clientes, distribuidores y otros agentes aumente el valor de los productos de la empresa. Estaríamos entonces ante un perfil de empresas que considera que la trazabilidad añade valor al producto, no ven tan interesante coordinarla con otros agentes de la cadena, a pesar de que dicen tener una visión global de la misma (4,26) y que sus clientes la valoran positivamente (4,18). Este grupo, aún teniendo una visión bastante positiva (Un 88,60% de estas empresas opinan que la trazabilidad compensa, frente al 0,88% que estima que no), supone un foco de atención en la medida en que supone una vía de mejora de la aplicación práctica de la trazabilidad con notables repercusiones en el total del sector.

 

Las empresas de este grupo se caracterizan por ser empresas de gran tamaño en comparación con el resto, como demuestran estos datos:

• Un 15,79 % de las empresas tiene más de 100 trabajadores, uno de los más altos entre los cinco grupos, siendo el clúster con un porcentaje más bajo de empresas con menos de 21 trabajadores (39,47%).
• En este grupo se encuentra el mayor porcentaje de empresas con una cifra de negocios superior a 6 millones de euros (42,11%).
• Un 45,62% de las empresas presenta un activo total superior a 3 millones de euros, uno de los mayores porcentajes de todos los clusters.

• Clúster número 3, que incluye un 15,21 % de la muestra: Estas empresas se mostrarían con un mínimo desacuerdo (2,83) ante el hecho de que la trazabilidad añada valor al producto, pero con la desviación más alta de todos los grupos. Este clúster considera que la trazabilidad es inevitable (4,31), pero sería una técnica mucho mejor valorada por la empresa (4,08) que por sus clientes (3,14, reflejo de práctica indiferencia). Aunque aseguran tener cierta visión global de la cadena (3,76), estiman que la coordinación de la trazabilidad con sus agentes no supone un aumento de valor de sus productos (Entre 1,49 y 1,66).

 

Las empresas incluidas en este clúster se caracterizan por presentar un tamaño medio, opinando un 59,32% de ellas que la trazabilidad compensa. Aún así, suponen un claro target objetivo para empresas de formación y de consultoría en estas cuestiones.

• Clúster número 4, que contiene un 28,35 % de la muestra: Las empresas de este grupo se mostrarían prácticamente indiferentes con el ítem principal, al valorarlo con 3,09 puntos, al igual que con las variables que valoran el incremento de valor de los productos por el hecho de coordinar la trazabilidad con el resto de miembros de la cadena (valorándolo entre 3,06 y 3,1). No obstante, estas empresas ven la trazabilidad como inevitable (4,11), tienen una visión más completa de su cadena de valor (3,68) y valoran positivamente esta técnica (3,68, mientras que sus clientes la valoran como 3,30).

 

Las empresas de este grupo también se caracterizan por tener un tamaño medio, pensando un 68,18% de ellas que la trazabilidad compensa. Estas empresas deberían comprender la verdadera utilidad de la trazabilidad y su potencial, así como entender que tener una visión global de la cadena implica cambiar la forma de relacionarse con los agentes que la conforman.

• Clúster número 5, que engloba un 7,22 % de la muestra: Estas empresas estarían en total desacuerdo (1,25) y consideran que prácticamente la trazabilidad no añade valor al producto en absoluto, presentando una de las desviaciones más bajas en sus opiniones (0,63). Este grupo de empresas se muestra también en desacuerdo general con el resto de ítems analizados, destacando principalmente aquellos que evalúan si la coordinación de la trazabilidad con el resto de agentes de la cadena aumenta el valor de sus productos, donde el desacuerdo es prácticamente total, con valoraciones entre 1,18 y 1,25.

 

Estaríamos entonces ante el clúster con una visión más negativa acerca de las variables planteadas, debiendo constituir un auténtico foco de atención para el desarrollo de políticas sanitarias y alimentarias. De hecho, sólo un 21,43% de estas empresas considera que la trazabilidad compensa, el menor porcentaje de todos los clusters, opinando sólo un 57,14 % estima que no, el mayor de los cinco grupos obtenidos.

Este grupo se caracteriza también por incluir principalmente pequeñas empresas, tal y como demuestran los siguientes datos:

• Un 92,86% de estas empresas tiene menos de 21 trabajadores, no habiendo ninguna que tenga más de 100.
• Un 50% de las empresas de este clúster tiene menos de 1 millón de euros de cifra anual de negocios, con el porcentaje más bajo de empresas con más de 6 (3,57%).
• Un 71,42% de estas empresas tiene un activo total inferior a 1,5 millones de euros (El mayor porcentaje de todos), mientras que sólo un 7,14% tiene más de 6 millones (El menor porcentaje).
• Este grupo presenta la proporción más alta de empresas que trabajan en ámbito local (7,14%) y provincial (10,71%) y la menor de las que trabajan en ámbito internacional (14,29%).

Para validar la formación de los grupos obtenidos, se puede utilizar el análisis discriminante tomando como variable dependiente la nueva variable categórica que identifica el grupo al que pertenece la empresa, y como independiente, las variables utilizadas en el análisis cluster. La matriz de confusión calculada con todas las funciones discriminantes obtenidas, en los clusters generados, con probabilidades previas iguales para cada grupo, aparece en la tablA V.17:

TABLA V.17. MATRIZ DE CONFUSIÓN DE LOS CLUSTERS GENERADOS EN EL ANÁLISIS DE VALOR
GRUPOS REALES	C. 1	C. 2	C. 3	C. 4	C. 5	TOTAL
1	77	0	0	0	0	77
2	0	110	1	3	0	114
3	0	0	58	1	0	59
4	0	5	2	103	0	110
5	0	0	0	0	28	28
TOTAL	77	115	61	107	28	388
Fuente: Elaboración propia.

El porcentaje de asignaciones acertadas por las funciones discriminantes asciende a 96,91%, una asignación casi perfecta y que prácticamente garantizaría la asignación de cualquier empresa a su clúster correspondiente con sólo conocer sus respuestas. Los valores de las funciones discriminantes generadas utilizando como variable criterio la pertenencia a esos grupos, según cada uno de los centroides obtenidos, aparecen reflejados en la tabla V.18:

TABLA V.18. VALORES DE LAS FUNCIONES EN LOS CENTROIDES DE LOS GRUPOS CON RESPECTO A LA CADENA DE VALOR
	FUNCIÓN 1	FUNCIÓN 2	FUNCIÓN 3	FUNCIÓN 4
CLÚSTER 1	4,7986	-0,3377	0,1743	-0,181
CLÚSTER 2	1,5341	0,4861	-0,3059	0,0515
CLÚSTER 3	-4,1722	1,4300	0,2179	-0,0879
CLÚSTER 4	-0,8885	-0,6129	0,1512	0,1900
CLÚSTER 5	-7,1603	-1,6554	-0,2869	-0,2733
Fuente: Elaboración propia.

La representación gráfica de cada uno de los centroides tras realizar el análisis cluster, bajo dos ejes cualquiera, y con la aplicación de las técnicas de análisis discriminante múltiple, aparecen reflejados en el gráfico V.105:

Volver al índice