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....145 Bibliografía...............................................................................181

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

4

objeto del estudio. Es decir, se suele asumir la presencia del cluster que se analiza sin contrastar previamente de forma rigurosa su existencia. Aun en el caso en que en ese tipo de estudios se hayan definido unos criterios para mostrar la presencia de los clusters, el inconveniente es que dichos criterios suelen ser particulares a cada caso analizado, pudiendo verse afectados por diferencias en la escala geográfica y sectorial considerada. Son precisamente estas circunstancias las que han

motivado

metodología

recientemente

que

permita

la

necesidad

identificar

de

establecer

sistemática,

robusta

una 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 5

de estos. Adicionalmente, resulta conveniente valorar a priori i) la disponibilidad de información estadística de base, en su vertiente sectorial y territorial, ii) las magnitudes económicas de las que se requeriría información, dado que la misma podría condicionar la aplicación de algunos de los métodos disponibles, iii) la complejidad que entrañaría la implementación de cada uno de los métodos disponibles, dado

que

esta

circunstancia

puede

condicionar

seriamente

las

posibilidades de actualización y extensión posterior del análisis a ámbitos territoriales y sectoriales concretos y iv) proponer una nueva metodología para este tipo de estudios. 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 6

asociada a aleatoriedad. Por esta razón lo denominamos en el informe como “método basado en la comparación de distribuciones”. 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.

7

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 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. 8

Capitulo I: Aproximación Teórica. Marco de las principales escuelas teóricas sobre aglomeraciones geográficas, clusters regionales y Redes 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 ).

9

Figura 3.

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 BadenWürttemberg, 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

10

política industrial y territorio, concurriendo de un modo relevante a determinar el destino de los contextos locales y regionales. Para tratar de desentrañar la complejidad en la formación de estas aglomeraciones se hará una revisión de los enfoques teóricos, que han dado un cuerpo sólido a la actual fundamentación de los conglomerados, como una opción clara de desarrollo en determinadas localidades.

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

11

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 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 12

cómo deberían comportarse las actividades, en forma ideal, bajo las suposiciones establecidas.

Teoría de los encadenamientos 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

13

propios de la empresa o la industria que aumentan los beneficios de llevar a cabo una integración hacia atrás: alta inelasticidad de la demanda de recursos, existencia de economías de escala en la producción del bien final y mala relación con los proveedores. 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

14

empresas en el “distrito”. En este sentido, la continua interacción en una localidad

genera

derrames

tecnológicos,

economías

externas

y

economías de escala para el conjunto de empresas del “distrito”. Al respecto, se define un distrito industrial, con base en los postulados realizados por Marshall, de la siguiente manera: ... 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 (path15

dependent) que no pueden ser replicados a voluntad. Junto a este modelo entra en juego uno de los cambios más significativos en el mundo industrial, como el de la transición de la producción masiva fondista (basada en economías de escala internas a las empresas y en series productivas largas) a métodos más flexibles de producción en muchos sectores industriales, lo que se ha venido a llamar la especialización flexible. La obra pionera de Piore y Sabel en 1984, denominada la segunda ruptura industrial, establece que en este marco posfordista, la pequeña empresa gana protagonismo, así como la tecnología avanzada pero flexible. 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 procesos

cualificados,

de

renovando

producción,

para

constantemente poder

elaborar

productos

y

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

16

noción

de

competencia

cooperativa

(coopetencia)

y

el

carácter

puramente local de la dinámica del distrito (Bustamante, 2005:205). Para superar estas limitaciones surge el concepto de medio o entorno innovador, que comprende elementos de red, aprendizaje colectivo y externalidades. La primera definición de este sistema fue propuesta por el economista inglés de la escuela de Sussex, (Bustamante,2005:205). Lo identificaba como la red de instituciones en el sector público y privado cuyas actividades e interacciones producen y difunden nuevas tecnologías a escala nacional. A su vez, este enfoque evolucionó y dio forma al enfoque del sistema nacional de innovación (SNI). A juicio de Chudnovsky (1999:170), los elementos definitorios del SNI son la innovación, entendida como un proceso interactivo de producción y difusión de tecnología, y el aprendizaje colectivo. “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

17

transacción,

la

aceleración

del

aprendizaje

y

la

difusión

del

conocimiento. Este enfoque, sin embargo, no fue del todo novedoso, ya que en Europa (especialmente Italia) había una vasta experiencia de investigación

sobre

externalidades

distritos

derivadas

industriales,

del

efecto

que

indicaba

aglomeración.

En

similares 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 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 18

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 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

determinantes

del

aglomeración b. Una

mejor

comprensión

de

los

factores

comercio internacional c. La integración de los diversos enfoques anteriores en un solo marco teórico coherente 19

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 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 20

innovación de los otros. Los estudios desarrollados inicialmente en Francia, de las llamadas “filières” o líneas, en que se analizaban las relaciones proveedor-usuario (sea tal provisión de bienes, de servicios, de conocimiento o de otro tipo), constituirían un clásico ejemplo de este tipo de enfoque. 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

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…).

21

Cabe

concebir,

sin

embargo,

tal

como

antes

hemos

señalado,

agrupaciones de empresas pertenecientes a sectores diferentes que presentan características similares, o agrupaciones de sectores que aun poseyendo un diferente código CNAE, presentan patrones de compras y ventas similares, o un patrón tecnológico equivalente y en los que la relación de colaboración y cooperación pudieran alcanzar niveles significativos. 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, 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 transsectoriales (verticales y laterales) que comprenden empresas complementarias especializadas en un específico lazo o base de conocimiento en la cadena de valor”.

22

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 conocimiento y, así, poder generar un mayor crecimiento económico1. Sin embargo, la mayoría de los estudios empíricos están basados en análisis de vínculos en la cadena de valor, debido entre otras cosas a la mayor disponibilidad de datos (básicamente, provenientes de las tablas input-output) que hay para la realización de tal tipo de estudios. Esa tensión entre el foco de atención de los análisis teóricos y metas de política, por un lado, y el de los análisis empíricos,

por otro lado, no

resulta tan grave, según Hoen, puesto que las empresas que cooperan en un cluster estarán situadas normalmente en diferentes sectores y, además,

las

empresas

involucradas

en

esfuerzos

innovadores

1

Bell y Albu (1999), por ejemplo, propugnan que los análisis de clusters se centren en el estudio de los sistemas de conocimientos, en lugar de hacerlo, como ha sido más habitual, en los de sistemas de producción.

23

combinados estarán probablemente ligadas también en una cadena de producción. Como consecuencia de ello, los patrones de difusión de las innovaciones se asemejan a los patrones de los vínculos de la tabla input-output y los resultados empíricos de los estudios basados en vínculos productivos pueden ser usados para extraer conclusiones acerca de la cooperación de las empresas en esfuerzos innovadores2. 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. 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 2

Hoen hace referencia, en apoyo de sus afirmaciones, de los estudios de Porter (1998) y DeBresson (1996).

3

Véase sobre esta discusión de los niveles de los análisis de clusters, Roelandt y Hertog (1998: 19)

24

análisis

de

benchmarking

(o

de

mejoras

prácticas)

en

ramas

interrelacionadas en una cadena de valor. Señalemos, por otra parte, que este es el nivel de análisis de clusters más habitual, en buena medida porque la existencia de datos estadísticos de nivel sectorial hacen

más

fácil

la

realización

de

estudios

cuantitativos,

que

adicionalmente resultan más comparables internacionalmente; y por otra parte, porque la política industrial busca más la creación de condiciones generales favorables, que favorecer empresas determinadas (Hoen 1999:14). 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 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.

25

Según Hendry et al. (1999:16), los lazos existentes en los cluster pueden tener una base local, nacional o internacional, y en conformidad con ello podríamos distinguir estos tres niveles geográficos de cluster. Sin embargo, la mayor parte de los analistas consideran que, entre otras cosas, por los requerimientos que comporta la transmisión del conocimiento tácito y el funcionamiento en red, se precisa una cierta proximidad de los componentes de la red. En tal sentido, cuando, por ejemplo, Porter (1998: 208) menciona los niveles geográficos en que se presentan

los

cluster

(países,

regiones,

zonas

metropolitanas

y

ciudades), en su enumeración no figura el nivel internacional. E incluso para analistas como Schmitz y Nadvi, Mccormick, Altenburg y MeyerStamer.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. 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 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.

26

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 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. 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

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). 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.

28

En cuanto a las economías de localización que juegan por el lado de la demanda, Swann (1998:70) hace referencia a la existencia de una demanda local fuerte, a que la firma que se ubica en el cluster puede apoderarse de parte de la cuota de mercado de sus rivales, a que las empresas situadas en el cluster pueden ser encontradas más fácilmente por los clientes (reducción de costes de búsqueda) y a que se generan externalidades informativas sobre las características y tendencias del mercado. La principal desventaja, en lo que respecta a la demanda, es que el aumento de la congestión y competencia en los mercados de outputs reduce los precios y las ventas y beneficios por empresa. No obstante, a la postre, según Porter (1998:14) ese aumento de la competencia resulta beneficioso, por el acicate que supone para la mejora y la innovación. Como todos los autores señalan, la importancia que poseen unos u otros factores varía mucho en función del tipo de actividad predominante en el cluster, de la fase del ciclo de vida que este atraviesa, del país o región en que aquél se ubique, etc. De cualquier manera, y a pesar de que no existen trabajos empíricos que cuantifiquen la importancia de cada uno de estos factores para el conjunto de la economía, algunos autores se han atrevido a avanzar opiniones al respecto. Así, por ejemplo, Krugman (1992:62) considera que el principal factor que impulsa los procesos de concentración espacial lo constituye el desarrollo de mano de obra, proveedores, infraestructuras e instituciones especializadas en tales espacios; para Krugman, los spillovers tecnológicos constituyen un factor secundario. Para Porter (1998), en cambio, “las ventajas relativas a la innovación y al crecimiento de la productividad que traen consigo los cúmulos puede que sean más importantes aún que las obtenidas en el terreno de la productividad ‘estática’” (p. 226). Por otra parte Porter subraya que “la reducción de costes derivada de la proximidad a los 29

factores de producción y a los mercados... se ha visto socavada por la mundialización de los mercados, de las tecnologías y de las fuentes de suministro, por el aumento de la movilidad y por la reducción de los costes de comunicación y de transporte.” (p. 219) 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 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 30

repetitivos, genera un clima general de confianza y entendimiento que ayuda

a

reducir los

comportamientos

indebidos,

impulsa a

que

voluntariamente se ofrezca información fiable, conduce a que los acuerdos se cumplan, sitúa a los negociadores en la misma onda y facilita que se comparta el conocimiento tácito. 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 desde arriba6. Cada empresa posee una idiosincrasia y una trayectoria 6

Además del razonamiento aportado por Maskell, cabría hacer mención asimismo de las ventajas (principalmente, la flexibilidad) e inconvenientes (en economías de escala, internacionalización, financiación, cualificación de trabajadores y gerentes, acceso a información) que presentan las empresas de menor tamaño con respecto a las grandes, de importancia muy diferente de unos sectores a otros, que inciden en el peso y evolución relativa que tienen los diferentes tramos de tamaño de empresa en la economía (véase Aranguren

31

tecnológica propia, incluso con respecto a las empresas pertenecientes al mismo sector, que hace que en el caso de que –como pasa en un cluster- exista una multiplicidad de empresas desarrollando la misma actividad, el proceso de innovación y aprendizaje no sea uniforme. Las diferencias que tienen lugar en las soluciones adoptadas por cada una de las empresas y los resultados a que dan lugar pueden ser observados y comparados por las empresas de la misma actividad y ubicadas en el mismo territorio, de modo que las más exitosas pueden ser seleccionadas e imitadas por las restantes, incluso en el caso de que entre las empresas no existan acuerdos de cooperación o interacción. Y como señala Maskell, a una única empresa multidivisional le resultaría sumamente difícil, incluso aunque se esforzara, replicar internamente el proceso de experimentación paralelo que tiene lugar entre empresas independientes que hacen similares cosas en el cluster, dado que la existencia dentro de una empresa de visiones que compiten, a menos que sea cuidadosamente gestionada y de limitado alcance, ocasiona serios problemas. 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 complementarias a las de la empresa, tenderán a ser coordinadas por el mercado.

1998).

32

Y actividades que no son similares, pero sí complementarias a las de la empresa, tenderán a ser desarrolladas y coordinadas con algún tipo de organización intermedia, tal como puede ser la del cluster. En este sentido, la creciente especialización que está teniendo lugar en la economía

y

en

las

empresas

está

conduciendo

a

un

creciente

protagonismo de este tipo de organizaciones intermedias entre la empresa y el mercado. 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 mercados y la aceleración del proceso de aprendizaje” (Roelandt y Den Hertog 1998: 5).

33

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

intensivos

conocimiento,

en

de

investigación, instituciones

servicios puentes

empresariales (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

34

estudio no se ve tan fuertemente empobrecido y coartado por centrarse exclusivamente en las relaciones interempresariales7. De cualquier modo, en la selección de los actores que forman parte del cluster hay siempre una cierta subjetividad y, especialmente cuando se incluyen dentro del cluster las organizaciones e instituciones no productivas, resulta muy difícil establecer un criterio claro que permita discernir cuáles de ellas han de considerarse en el análisis del cluster y cuáles no. Como Porter (1998: 208) indica: “Las fronteras de un cúmulo deben abarcar a todas las empresas, sectores y entidades que tengan entre

sí

relaciones

sólidas,

ya

sean

verticales,

horizontales

o

institucionales; aquellas cuyas relaciones sean débiles o inexistentes pueden quedar al margen sin problema alguno”; pero obviamente, no hay un criterio fijo o indiscutible para determinar cuándo debe considerarse que la relación es sólida o débil8. 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

7

Dependiendo del nivel profundidad organizacional e institucional, podrían establecerse categorías específicas de clusters. Así, por ejemplo, Altenburg y Meyer-Stamer (1999: 1694), tras definir lo que para ellos constituye un cluster (a saber: una aglomeración considerable de empresas en un área espacialmente delimitada, que posee un perfil de especialización distintivo y en la que existe una especialización y comercio interempresarial sustancial), indican que los distritos industriales podrían considerarse un tipo específico de cluster, a saber aquel en que existe una densa estructura basada en valores y normas culturales compartidas y una compleja red de instituciones que facilita la diseminación del conocimiento y la innovación. (Véase en el mismo sentido Maskell 2001: 4) 8

Una problemática semejante se presenta en la corriente de los sistemas nacionales y regionales de innovación. Como se muestra en Navarro (2001), las fronteras de tales sistemas no pueden ser claramente establecidas mientras no se avance más en el conocimiento de los determinantes de la innovación y, a partir de ello, de las funciones que cumplen tales sistemas. Una organización o institución puede desempeñar un papel distinto de unos sistemas (y clusters, diríamos aquí) a otros, y lo que habría que determinar previamente son las funciones que el sistema (o el cluster) debe desempeñar, y luego ver quién y cómo se desempeñan en un sistema (o cluster) determinado.

35

adelante, dan lugar a eficiencia colectiva activa) y los restantes tipos de relación de naturaleza más indirecta o menos finalista9. 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

9

Mccormick (1999) utiliza indistintamente los términos “cooperación”, “colaboración” y “acción conjunta” para referirse al operar juntos para un mismo fin; y reserva el término “ligazón” (linkage) para referirse a los lazos entre firmas que pueden dar lugar o no, a acciones conjuntas. 10

Gelsing (1992) y Schibany et al. (2000) aportan, igualmente, otros criterios distintivos de las redes de cooperación.

36

componentes de este sistema y de allí inferir el impacto de cada uno de ellos sobre el sistema total. En base al estado del arte revisado, asumiremos que para abordar un Cluster hay que tener en cuenta los siguientes elementos conceptuales: 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

11

Carlson, B. & Jacobsson, S., “Variety and Technology: How do techological systems originate, and what are the policy implications?”, Ponencia presentada a la Conferencia ECLAC/IDRC-UNU/INTECH, Agosto 1995, Marbella, Chile.

37

dinamización del proceso innovativo y operar como focos de desarrollo, por ejemplo, clusters sinérgicos de firmas y tecnologías, dentro de una industria o grupo de industrias. También pueden ser redes jerárquicas de dominación y de menor potencial de desarrollo para los miembros mas débiles de la cadena. Hasta la fecha el análisis de redes ha tenido distintas tradiciones académicas donde se ha desarrollado. Como una técnica más se ha 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 38

matriz compleja entre estos tres elementos. Es interesante salir de las dicotomías simplificadoras y plantearse la inter-acción entre elementos básicos de la estructura, de los proyectos, y su concreción en redes cotidianas. En Mayer hay aplicaciones al campo electoral (Dewas, India) de las redes personales que inician e indican la forma de las comunicaciones reticulares para un campo específico. Así se entra en la formación de "cuasi-grupos" y sus dinámicas, y sobre todo el concepto de "conjunto de acción" que será central para nuestras propuestas estratégicas dentro de las redes en situación con las que trabajamos. Al plantearse en lo concreto estos conjuntos de acción aparecen distintos niveles de relaciones primarias, secundarias, etc. en la comunicación cotidiana, que viene a coincidir con lo que nosotros distinguimos entre los tipos escalonados de códigos de expresión (imágenes, ideológicos, estereotipos, silencios) que hemos venido constatando entre sectores más informales y más formales de la sociedad. Es a partir de estas relaciones

de

comunicación

cotidiana

desde

donde

se

pueden

reinterpretar todos los datos y explicaciones posibles de las conductas. Por eso aun nos parecen estos antropólogos muy anclados en las teorías del Ego como centro de las relaciones y en el rol que depende del estatus, cosas que creemos que se pueden superar. 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 39

"elecciones" que los agentes sociales llevan a cabo..." Es decir que entre el espacio social/capital económico y el espacio simbólico/capital cultural,

hay,

en

su

cruce

unas

disposiciones

que

se

han

ido

construyendo reticularmente en lo cotidiano y concreto. "Lo real es relacional" y en este sentido introduce la noción de "campo del poder" no en sentido político, sino como conjunción entre: a) el espacio social de las posiciones en la estructura, b) los habitus o disposiciones construidas, y c) los intereses o proyectos a realizar. Los estilos de vida son el resultado de un campo social de fuerzas donde lo relacional lo es por triplicado. El problema es que "a cada clase de posiciones corresponde una clase de habitus" según dice y esto parece una determinación o correspondencia muy poco flexible. Además en los dos ejes "capital económico/ capital cultural", donde sitúa los estilos de vida en relación con las posiciones, a los "estilos"/"disposiciones"/"habitus" no parece darles una capacidad propia de construir nuevas dinámicas. Es en este punto donde creemos que lo reticular puede avanzar dimensiones más operativas. 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 40

recíprocas (débiles) y su fuerza potencial (Granovetter). Esto, como se verá, da un enorme juego a la posible reversión de estrategias en las diversas situaciones de los conjuntos de acción. Pero lo primero es ser conscientes de las propias limitaciones en las que a veces caen análisis reticulares: 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 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

41

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 contrahegemonías 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 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

resquebrajarse

a

los

algún

que

se

aspecto

le de

crean su

problemas dominación.

internos, En

al

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.

42

Cómo observar la morfología de las redes Como hemos visto, las redes son definidas como “un nudo de relaciones entre actores que se benefician de pertenecer a ellas12. En el caso de la innovación, las redes ayudan a inducir y a difundir los cambios tecnológicos y facilitan el traspaso de conocimientos y experiencias acumuladas tácitamente (know-how) entre los actores participantes. El principio de la cercanía en que se basan las redes genera externalidades positivas sobre el territorio en que ellas se emplazan, tanto en el plano económico (reducción de los costos de transacción), como político (gobernabilidad de los clusters), y socio-cultural (creación de confianza entre

actores

y

fortalecimiento

de

identidades

regionales).

Para

diagnosticar la situación de las redes de actores de la región estudiada y su aporte al cluster, se considera una tipología de redes que contempla los siguientes tipos: 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. 12

Muñoz, O., “El desarrollo tecnológico como objetivo estratégico”, en Muñoz, O. (ed.) “Políticas públicas para un desarrollo competitivo”, 1997.

43

c) Red tipo árbol: La red se inicia en un punto desde el cual se ramifican nuevas sub-redes. Un ejemplo son las políticas exitosas de desarrollo de proveedores, donde a partir de un cliente principal se desprenden prestadores de servicios que a su vez se convierten en clientes de otros. Las redes alejadas del tronco principal pueden prolongarse como clusters “hacia adelante”:

toda rama puede convertirse

potencialmente en tronco para otras ramas. 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 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.

44

Diagrama: tipología de redes

Red Tipo Estrella:

Red Tipo Malla:

Red de Distribución:

Red Tipo Polo:

Red Tipo Árbol:

Cuadro

extraído

de

Orgogozo,

I.

“Les

réseaux,

une

nouvelle

un

enfoque

répresentation de l’espace social”, Geneve, l997.

La

perspectiva

de

redes

implica

la

aceptación

de

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

45

(empresas,

instituciones,

individuos)

constituyen

la

base

de

los

intercambios, mercantiles o de otro tipo (información, conocimiento, etc.). Por este motivo, el estudio de sus estructuras es crucial para comprender el funcionamiento de las economías y para diseñar estrategias de crecimiento y desarrollo. 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, 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 46

constituyen

las

expresiones

del

bienestar

de

consumidores

y

productores, respectivamente. Además, consumidores y productores adoptan sus decisiones de forma individual e independiente de las decisiones adoptadas por los restantes individuos, como si fueran ‘islas humanas’. 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. 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 47

interdependientes; segundo, que las ligazones entre los actores sirven para transferir recursos materiales e inmateriales; tercero, los modelos estudian la estructura relacional de los agentes, contemplándola como un marco condicionante, proveedor de oportunidades pero también de restricciones; principalmente

y

cuarto, de

que

los

conceptos

modelos

sociales,

de

redes

políticos,

se

ocupan

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 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.

48

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, materializan

que en

enfatice el

las

interior

complementariedades

externalidades de

los

tecnológicas

dinámicas,

clusters

en

virtud

intersectoriales

y

que

se

de

las

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).

Fuente : Elaboración Propia

49

La definición que Dahl (2003:30) hace de un cluster industrial, la cual, adoptamos para este trabajo, tiene estrecha relación con el concepto de campo empresarial, de la corriente neoinstitucionalista, definido como un grupo de organizaciones que crea productos o servicios similares y que incluye también a los socios, determinantes para los intercambios, las fuentes de financiamiento, los grupos reguladores, las asociaciones profesionales o comerciales y otras fuentes de influencia normativa o cognoscitiva como las relaciones no locales y las locales, los vínculos verticales y horizontales, las influencias culturales y políticas, al igual que los intercambios técnicos entre sus agentes (DiMaggio y Powell, 1999:35-36). El concepto de DiMaggio y Powell (1999:36) puede integrarse con el de Bordieu (1991:92), lo cual facilita la comprensión de un cluster como un campo organizacional en el que se tejen redes de relaciones y de poder que condicionan su dinámica y su funcionamiento. 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 50

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. 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 51

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 grupos de organizaciones similares y complementarios, que se ven influidos por presiones institucionales tendientes a homogeneizar los comportamientos de agentes que integran la colectividad; también es necesario tener en cuenta el concepto de campo social, de Bourdieu (1991:45), que estudia los campos como espacios sociales dinámicos y estructurados, conformados por puestos jerarquizados y reglas del juego propias; es decir, en calidad de sistemas integrales de posiciones, donde los agentes sociales de relacionan de manera permanente y dinámica. Así, las reglas del juego de un campo determinado están dadas por las instituciones que existen para dar legitimidad a un agente social específico dentro del campo, pero también para darle reconocimiento por la asimilación de las reglas socialmente aceptadas.

52

Dentro de este campo, las reglas y normas de comportamiento tienen un valor simbólico, pero también la posición que cada agente evidencia en ese campo a través de la construcción capitales específicos que lo hacen diferente (Bordieu, 1991:56). 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. 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.

53

Las relaciones de fuerza entre los jugadores (organizaciones y clusters) definen la estructura de un campo. La fuerza relativa de cada jugador y también su estrategia depende tanto del volumen como de la estructura de su capital específico. No es lo mismo jugar en un campo organizacional con poca experiencia en la dirección de empresas, que con una curva de experiencia alta; esto ofrece la oportunidad de estar en ventaja o desventaja en un juego que busca complementariedad, pero a la vez competencia entre agentes. 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. 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 54

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. 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 55

ejercer un tipo de dominación en dicho campo social: “... la vida social aparece, por tanto, como una lucha constante en la que se trata de dominar al otro” (Alonso, 2004: 27). 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 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, 56

intervienen en el despliegue de estrategias, así no pertenezcan al mismo campo. Para Bourdieu: Las estructuras sociales se transforman lentamente; los campos surgen, se desarrollan y pueden desaparecer: en la historia de la producción cultural hay génesis y evolución, de la misma manera que rupturas y discontinuidades. La causa esencial de las transformaciones de un campo radica en la lucha o competencia por los intereses específicos entre dominantes y dominados. (citado por Téllez, 2002, :70) 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, 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 57

cargo del problema (Sluzki, 1996:62, Bronfman, 1993:154). Por lo tanto, la red de relaciones construida en un campo organizacional está influida no sólo por la voluntad de sus agentes de participar en un intercambio de información, sino también por prácticas, hábitos y rutinas que permiten controlar la incertidumbre en las relaciones y coordinar acciones comunes entre agentes. Por lo tanto, los clusters se estudian desde dos escenarios: (1) el de la rivalidad entre agentes y la exaltación de elementos de poder, que definen diferencias entre un agente y otro, y (2) desde prácticas institucionalizadas y legitimadas por las colectividades para exaltar semejanzas colectivas dentro de un campo organizacional. Es decir, la tendencia a encontrar homogeneidad en la heterogeneidad, por medio de rutinas, hábitos y comportamientos, que se explican como un mecanismo de isomorfismo institucional (coercitivo, mimético y normativo), presente en las organizaciones como sujetos de acciones e interacciones. 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. 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 58

de lo anterior, la construcción de un tejido social que trascienda los intercambios técnico-económicos, para que logre conformar un campo organizacional en el cual el capital social y las relaciones simbólicas se vuelven fundamentales. 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 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.

13

Bovet, David y Joseph, Martha. Value Nets. Breaking the Supply Chain to Unlock Hidden Profits. Wiley, 2000

59

Definen el alcance del diseño comercial y facilitan las estrategias para reunir y mantener las ganancias. 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 proveedores. Reemplaza las conexiones secuenciales de la cadena de suministro por una red de relaciones cliente/proveedor.

El cliente elige Una red de valor trata a cada cliente como único. Los clientes pueden elegir el producto o servicio que más aprecien. Además, se diferencian

60

los procesos de fabricación, entrega y servicios asociados con el propósito de satisfacer las necesidades de cada cliente. 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.

61

Figura 25.

62

Los

autores

hacen

hincapié en

el

hecho de ofrecer

soluciones

convenientes. Hoy en día, los clientes buscan soluciones. Para eso, la empresa debe concentrarse en dos actividades fundamentales: conocer las necesidades de los clientes y proporcionar una solución perfecta, exacta. Para determinar las necesidades de los clientes, esta red de valor capta información del cliente crítica en “puntos de contacto” durante los procesos de pedido y selección, la verificación del estado de los pedidos, la entrega y el mantenimiento.

63

Capitulo II. Metodología de Estudio de Casos y Análisis para un Cluster Industrial. 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. 64

Las preguntas "cómo" y "por qué" son más explicativas y llevan fácilmente al estudio de casos, la historia y los experimentos, porque tratan con cadenas operativas que se desenvuelven en el tiempo, más que con frecuencias. Los casos y la historia también permiten tratar con el rastreo de procesos (George et al., 2005). Las preguntas sobre el “cómo” y el “porqué” son especialmente relevantes, porque sus respuestas son las teorías. ¿Cómo formular buenas

preguntas,

entonces?

La

definición

de

la

pregunta

de

investigación es casi con seguridad el paso más importante en un estudio de investigación. Hay muchas referencias a la formulación de una pregunta de investigación, que es de por sí un acto creativo. Popper escribió que “no existe tal cosa como un método lógico de tener nuevas ideas... El descubrimiento contiene un ´elemento irrracional´, o una ´intución creativa´.”

Figura 1. Matriz para la elección de un método de investigación social según las características del problema de interés. Fuente: Yin (1994).

65

Por buscar los mecanismos causales, el método del caso permite acercarse a los fenómenos de interés, y evitar que ocurra lo que describe Daft (1983): “Como revisor de artículos, se me hace dolorosamente claro que muchos autores nunca han visto o sido testigos de los fenómenos sobre los cuales escriben. Los autores no pueden dar un ejemplo para ilustrar un punto. Pasan por un momento enormemente difícil al pensar debajo de los coeficientes de correlación para discutir lo que los coeficientes representan en términos de actividades y procesos organizacionales. Los autores típicamente reportan descripciones muy tenues de un gran número de relaciones, y nunca consideran el porqué de las correlaciones, tratando solamente con el hecho de que la variable Y está relacionada con la variable Z, como si eso fuera todo.” 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

operacionalización

en

de

cuanto variables

a y

la el

selección uso

de

de

muestras, la

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

66

de la econometría, por ejemplo; o bien se busca introducir dentro del caso datos cuantitativos

que permitan

“endurecer”

los hallazgos

cualitativos. Otra forma de actuar (la “salida fuerte”) es decir: “No busco generalizar mis

hallazgos

a

toda

la

población

de

casos

similares;

estudio

simplemente cuán plausible es la lógica del análisis, para desarrollar sobre su base una nueva teoría”. Mitchell (1983) justifica este camino, pues

la

inferencia

lógica

es

“epistemológicamente

bastante

independiente de la inferencia estadística”. ¿Cómo fundamenta el autor esta afirmación? ¿Cómo es posible realizar inferencias generales a partir de un caso aislado? Escribe: “En cuanto a las características descriptivas de la muestra (y por lo tanto de la población madre), la validez de la inferencia es probablemente sólida. La distribución de edad de una muestra representativa extraída de una población madre probablemente refleje con razonable precisión— dados los errores de muestreo— la distribución de edades dentro de esa población. Una dificultad se presenta, sin embargo, cuando se considera la relación entre las características. En la muestra analizada puede notarse una relación— una correlación, de hecho— entre, por ejemplo, la edad y la probabilidad de estar casado. En términos de los cánones de la inferencia estadística, el analista puede suponer que la misma relación existe entre las mismas características en la población madre. Note, sin embargo, que la inferencia desde la muestra en relación con la población madre se realiza simplemente sobre la variación concomitante de las dos características. El analista debe ir más allá de la muestra y acudir al pensamiento teórico para unir entre sí aquellas características... La inferencia sobre la relación lógica entre las dos características no está basada en la representatividad de la muestra y por lo tanto en cuán típica es, sino más bien en la plausibilidad o en el grado de lógica del nexo entre las dos características.” (Mitchell, 1983) 67

En la inferencia lógica (que algunos llaman científica o causal), el investigador postula o descubre relaciones entre características, en el marco de un esquema conceptual explicativo. La relevancia del caso y su generalizabilidad no provienen, entonces, del lado estadístico, sino del lado lógico: las características del estudio de caso se extienden a otros casos por la fortaleza del razonamiento explicativo. 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

contradictorios,

en

la

llamada función

de

“replicación

literal”)

o

razones

predecibles

resultados (“replicación

teórica”). Ambos tipos de replicación— literal y teórica— facilitan la formulación de teorías.

La

replicación

materializará

literal

probablemente

sugiere cierto

bajo

qué

fenómeno,

condiciones

mientras

que

se 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. 68

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 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

69

de lo más grande a lo más pequeño y, además, reducen el lapso que media entre el explanans y explanandum, para dar lugar a una cadena continua, sin solución de continuidad, de relaciones causales. 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.

70

Los

postmodernistas

también

tienden

a

suponer

que

existen

causalidades enigmáticas y descreen de la posibilidad de estudiar objetivamente la vida social y las acciones de los seres humanos. 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

71

estudio con respecto a sus objetivos, así como coherencia lógica entre sus componentes. En los últimos años, parece existir una tendencia hacia un tratamiento menos riguroso de los temas metodológicos en la investigación administrativa, particularmente en los asuntos vinculados con la validación interna y externa, la validación de las teorías y la validación de las conclusiones estadísticas. Esto no debería ser así. Si bien las teorías pueden ser juzgadas desde múltiples perspectivas, a veces no del todo compatibles, es necesario asegurar la validez de los hallazgos. La validez se va desarrollando a lo largo de todo el estudio, en cada una de sus etapas. Un caso tendrá resultados válidos si todos los procesos se monitorean adecuadamente, desde el diseño del caso y el desarrollo del trabajo de campo hasta la preparación del informe y la difusión de sus resultados. Cuatro tipos de validación La 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

72

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. 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 73

plausibilidad o su mera posibilidad de ocurrencia. No nos referimos, naturalmente, a un concepto axiomático de la probabilidad, sino a cuán verosímil resulta que un hecho haya ocurrido (o no) de tal forma, sobre la base de cierta evidencia. Esta probabilidad es ponderada y evaluada, es juzgada. Los investigadores deben aplicar “criterio” y fundamentar sus razonamientos y conclusiones en el estado del arte de su disciplina y en su experiencia vital. La validez interna se aplica a la realización de inferencias sobre la ocurrencia de eventos que el investigador no vio con sus propios ojos, sino que se enteró en entrevistas o leyendo documentos. ¿Es correcta? ¿Se consideraron todas las hipótesis rivales?. 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

74

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 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 casos Un estudio de caso tiene en general los siguientes pasos (George et al. (2005), Yin (1994)): 1. Diseño del estudio. 2. Realización del estudio.

75

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 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

76

los hallazgos. Las proposiciones orientan sobre los objetos que deben ser examinados en el estudio; desmenuzan las preguntas de tipo “cómo” y “por qué” para determinar qué debemos estudiar. A partir de las preguntas de investigación se buscan datos sistemáticamente para extraer conclusiones. Las preguntas, los datos, y las conclusiones están vinculados lógicamente entre sí por el diseño del caso. Los diseños pueden ser de un caso simple o de múltiples casos y, por otra parte, holísticos o encapsulados, según se utilice una o varias unidades de análisis. Estos diseños se presentan en una matriz de dos dimensiones, como la de la Figura 2. Analicemos sus componentes. 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 77

logra identificar sub-unidades o sectores o cuando la naturaleza del estudio es holística. Si se examinan una o varias subunidades de una organización o programa, se utiliza un enfoque encapsulado. 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 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) 78

sostienen en cambio que es posible obtener recursos para casos múltiples; de hecho, hay ejemplos de casos múltiples ya clásicos, como Crozier (1964). Smith (1990) relata que, en su experiencia, a medida que cada caso progresa a través de entrevistas los datos se van adecuando a un patrón, “en otras palabras, una teoría (va) emergiendo” y los datos sucesivos se hacen predecibles a partir de la teoría. Cuando se verifica este fenómeno, al cual se suele llamar saturación, puede decirse que el número de casos considerado es suficiente. 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”. 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:

79

a) Métodos basados en el uso de herramientas analítico-estadísticas, de distinto grado de sofisticación y cuya clave reside en la medición del grado de aglomeración económica existente en cada una de las áreas geográficas consideradas. 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: -

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 80

intersectoriales es el elemento fundamental del método de “cluster mapping” propuesto y aplicado por M Porter en el contexto del Institute for Strategy and Competitiveness en la Harvard Business School. 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. 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

81

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. 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 82

que no resultará adecuado comparar la evidencia obtenida de casos distintos si estos no se han derivado del mismo marco de análisis. Así, difícilmente se podrá dar respuesta a por qué unas experiencias han resultado exitosas mientras otras han fracasado, o por qué unas han resultado mejores que otras. 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).

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.

83

A continuación se describen en más detalle cada uno de los métodos propuestos en el ámbito de la aproximación cuantitativa, presentando de forma resumida los rasgos característicos de las técnicas empleadas, los requerimientos de información estadística, el ámbito territorial característico, las ventajas e inconvenientes de su aplicación y la potencialidad de los resultados que se podrían obtener. 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

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

84

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 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.

85

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 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 14

La arbitrariedad de este procedimiento es aceptada por el propio Porter al indicar que “a pesar de que los puntos de corte utilizados para realizar la clasificación es arbitraria, su modificación sólo ocasionaba pequeñas modificaciones en los resultados”.

86

anteriores. Tal depuración se basa en elementos definidos de forma totalmente ad hoc: -

para los sectores en los que se cumplen dos de los tres criterios, se examina la distribución de su empleo y el tipo de actividad que realiza. En caso de que se considere que algunos de esos sectores comparten

las

características

requeridas

a

un

sector

comercializable son clasificados como tales, -

para

los

sectores

clasificados

como

comercializables,

si

se

considera que el tipo de actividad para alguno de ellos se aleja de las características típicas de esa agrupación, y tras analizar detalladamente la distribución geográfica de su empleo, se reclasifican como locales, -

para los sectores clasificados como comercializables, pero cuyo tipo de actividad es altamente dependiente de la localización de recursos naturales, se reclasifican como sectores dependientes de recursos naturales Agrupación de sectores Como resultado final de este proceso se obtienen los sectores comercializables, aquellos con marcadas pautas de concentración geográfica, y las regiones en las que cada uno de ellos presenta una mayor presencia. No obstante, con esa información no finaliza el proceso de mapping, dado que Porter reconoce que los sectores pueden no ser las unidades de análisis apropiadas, dada la más que probable existencia de externalidades entre sectores relacionados en el seno de los clusters. Y precisamente en este punto es donde se plantea una de las principales limitaciones del método aquí sintetizado: el que se carezca de un instrumental sólido que, junto a la ausencia de información estadística referida a la difusión de conocimiento

y

a

externalidades

pecuniarias,

imposibilita

87

determinar unívocamente la composición sectorial de los clusters para un amplio conjunto de economías regionales. 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. 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, 88

-

el que los datos no permitan diferenciar entre el empleo de las sedes y de las plantas de producción locales,

-

el que sectores con una intensa presencia en regiones grandes puedan aparecer como altamente correlacionados incluso en ausencia de ningún tipo de relación entre ellos,

-

el que sectores de escasa implantación en la economía analizada puedan no estar presentes o lo estén con niveles bajos de empleo en muchas regiones, dando lugar de esa forma a correlaciones significativas, y

-

el que sectores fuertemente implantados en regiones grandes muestren, simplemente por esta circunstancia y sin que exista interrelación entre ellos, correlaciones elevadas.

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 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. 89

Adicionalmente, se incluyen asociaciones no detectadas a través del análisis de correlaciones si se detectan en esos casos flujos significativos de productos a través de la información revelada por las tablas inputoutput. 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, porcentajes de empleo y correlaciones del empleo regional entre sectores) y la interpretación de estos y de los otros instrumentos a utilizar (como por ejemplo la información contenida en las tablas input-output).

De

esta

forma,

una

vez

se

dispone

de

la

información estadística de base, el tratamiento cuantitativo a realizar es simple, estando su volumen relacionado con el grado de detalle sectorial con el que se trabaje. 90

-

Otra de las ventajas que se le deben asignar a este tipo de aproximación es la baja necesidad de información estadística, dado que para su aplicación únicamente se precisa de información acerca

del

volumen

de

empleo

en

los

sectores

definidos

previamente y para el conjunto de regiones o localidades que se vayan a tomar como unidades geográficas. Aunque la utilización de otro tipo de información acerca de las características de los sectores y de los flujos comerciales entre ellos es de utilidad para la mejora en el proceso de agrupación sectorial, no constituye un elemento indispensable para la implementación, pudiendo ser sustituido

por

conocimiento

no

necesariamente

basado

en

información estadística sistemática para todos los sectores y regiones. -

Asimismo, la difusión y reconocimiento de esta metodología entre, como mínimo, parte de la comunidad académica y de los responsables de las políticas industriales y de desarrollo, junto a su

aplicación

en

diversos

proyectos

de

“cluster

mapping”

realizados para diversas economías, facilita, en principio, la comparabilidad de los resultados obtenidos y la aceptación de los mismos. 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 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.

91

Inconvenientes -

Entre los inconvenientes más inmediatos sin duda destaca el de la escasa robustez de los resultados que se obtienen a través de la aplicación de esta aproximación. El origen del problema de robustez se encuentra en la utilización de información agregada, tanto en lo referido a la vertiente sectorial como a la territorial. Así, los clusters detectados y la cuantía de su intensidad variarán necesariamente dependiendo del detalle sectorial utilizado, sin que a priori se pueda determinar si número e intensidad dependen directa o inversamente del nivel de desagregación sectorial adoptados. Estos también serán distintos para diferentes niveles de desagregación utilizados. Es decir, que los clusters detectados pueden diferir si el análisis se realiza considerando, por ejemplo, comunidades autónomas o provincias. Dada la incertidumbre acerca de las fronteras sectoriales y geográficas de un cluster típico, las implicaciones de los problemas de robustez de los resultados que se obtengan a partir de la aplicación de esta metodología resultan obvias.

-

La determinación de los puntos de corte, necesaria para la clasificación de los sectores, es la misma para todos los sectores considerados. Esta circunstancia sólo sería razonable si todos ellos compartiesen la misma distribución espacial, lo que difícilmente se dará en la realidad. Imponer un mismo umbral puede ocasionar tanto la inclusión como la exclusión errónea de sectores en el grupo de los aglomerados.

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 92

para el nivel de desagregación espacial deseado, y ii) el hecho de que para un nivel de desagregación geográfica elevado el empleo en muchos de los sectores comercializables tenderá a ser escaso e incluso inexistente en muchas de las unidades espaciales. Esta circunstancia provocará que el coeficiente de correlación presente valores elevados entre muchos de los sectores, sin que ello sea debido a la presencia de relaciones intersectoriales. 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

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

93

que se debe apoyar en conocimiento subjetivo de los sectores y regiones consideradas. -

Finalmente,

y

dado

que

para

la

detección

de

relaciones

intersectoriales necesaria para realizar la agrupación de los sectores que integran cada uno de los clusters se emplea una aproximación

indirecta,

presente que la

en

cualquier

economía objeto

estudio

debe

tenerse

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 objetivable para el grado de aglomeración a partir del cual considerar la

15

En palabras de Porter, “esta aproximación no es factible en la mayoría, sino en todos, los demás países”.

94

pertenencia de sectores a clusters. Tal nivel crítico debería ser factible empíricamente y estar basado en consideraciones teóricas. 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 95

detecta fuerte asimetría, se debe transformar logarítmicamente el CL, iii) estandarizar el CL y seleccionar aquellos casos cuyo valor exceda, en valor absoluto, 1.96 veces la desviación estándar de los valores del CL El requerimiento de la normalidad de la distribución del CL (o de su transformación logarítmica) supone una evidente limitación del método, así como el hecho de que no tenga en cuenta posibles diferencias en la distribución del tamaño empresarial entre las regiones consideradas. Es decir, el CL estandarizado no es capaz de discriminar entre un valor significativo causado por la existencia de una gran empresa en una región determinada, de otro motivado por la presencia de un entramado de numerosas pequeñas y medianas empresas. La solución propuesta en este caso consiste en el cálculo de un coeficiente de localización ajustado:

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.

96

Otras propuestas para la aplicación de un criterio objetivable en la selección de los sectores que potencialmente pueden formar clusters industriales, dadas sus pautas de aglomeración geográficas, han abandonado el uso del CL por sus conocidas limitaciones. Por ejemplo, se ha argumentado que el valor máximo que puede alcanzar el CL depende del tamaño de las regiones analizadas (Isard et al, 1998). En este sentido, Karlsson et al (2005) sugieren basar la selección de sectores aglomerados en cada una de las regiones en los residuos atípicos (outliers) de la regresión entre el empleo sectorial en cada región y la población de la región por una parte, y en la regresión entre el número de plantas productivas en cada sector y región y la población regional por otra. Mediante dichas regresiones se sugiere detectar observaciones con concentraciones de empleo y número de plantas significativamente por encima de los medios. La idea es que un cluster debe ocasionar de forma simultánea una sobrerepresentación del empleo y del número de plantas productivas de los sectores que lo forman en la región en la que se localiza. 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) 97

se retienen los residuos positivos de ambas regresiones que excedan el 10%.

Las

susceptibles

observaciones de

formar

asociadas parte

de

pertenecen un

cluster

a

los

sectores

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

98

incorporando “juicio e interpretación”, se clasifican los sectores para formar la base de los clusters. ii)

Revisión de la estructura sectorial de cada región a. examinar sectores con CL > 1.25 pero con porcentaje del empleo regional < 0.2. Si se considera conveniente se incluyen en un cluster b. examinar sectores con porcentaje del empleo regional > 0.2 pero con CL < 1.25. Se sitúan en un cluster si no son sectores que sirven a demanda local. En algunos casos se valora la posibilidad de que constituyan el núcleo de un cluster iii) utilizando datos de empresas para detectar la actividad característica de grandes empresas en un conjunto de sectores, determinar la naturaleza específica de su producción. De esta forma se obtiene evidencia adicional de vínculos y relaciones potenciales. Para ello se toman los sectores con elevados valores del CL y que pueden llegar a formar parte de un cluster en una región determinada iv) agrupar los sectores aglomerados en clusters. Para ello se utiliza el conocimiento del concepto de cluster e información de cada uno de los sectores. En concreto, el conocimiento de: a. los vínculos input-output y la evidencia disponible sobre la co-localización industrial, b. las cadenas de valor, c. que sectores de una misma agrupación sectorial tienden a localizarse en una misma región, d. la información proporcionan

procedente información

de

otras

de

fuentes

vínculos

de

entre

datos, sectores.

que v)

analizar las unidades geográficas inferiores, dado que: a. pueden existir clusters sub-regionales significativos que no lleguen a ser visualizados cuando se realiza el análisis a nivel regional b. la localización precisa de un cluster permite determinar si existe un centro geográfico en la región c. un elevado CL puede deberse a la presencia de una única gran 99

planta productiva, lo que en esencia no constituiría un cluster Permite detectar concentraciones locales significativas para sectores específicos, y una vez identificados los clusters a nivel local compararlos con los obtenidos en el análisis regional. vi) los clusters detectados se clasifican atendiendo a: a. el estado de su desarrollo b. su intensidad c. la dinámica de su empleo d. su importancia vii) detectar otros clusters, que resultan menos obvios. Para ello se hace uso del conocimiento de cada una de las regiones, junto a la utilización de la información referida a las empresas, que permite la identificación de clusters no basados en sectores. La idea es que el análisis formal puede no permitir la identificación de algunos clusters debido

a

que

el

detalle

sectorial

empleado

no

sea

lo

suficientemente detallado y/o que los clusters se encuentren en estado embrionario o sean de pequeña dimensión viii) se excluyen aquellos clusters identificados con la aplicación del método pero que corresponden a actividades peculiares, como las de defensa, educación o salud ix) como último paso se realiza

la

validación

de

los

clusters

detectados

con

representantes regionales y agentes e instituciones de índole diversa. 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. 100

Potencialidad de resultados obtenidos -

La identificación de clusters industriales en el territorio siguiendo un procedimiento à la Porter permite la detección de agrupaciones 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 101

afectado. A la vez, y en caso de que se considerase oportuna su realización, permitiría definir los límites sectoriales y territoriales de un análisis específico más detallado de cada uno de esos clusters. A su vez, el análisis revelaría tanto aquellos sectores menos proclives a formar parte de clusters industriales como aquellas localizaciones menos tendentes a acogerlos. También en ese caso, el análisis permitiría delimitar sectores y territorios susceptibles de un estudio posterior más profundo, que tuviese por objeto, por ejemplo, determinar la potencialidad de los incentivos a la consolidación de clusters embrionarios o débiles en determinadas localidades. 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 102

un par de propiedades deseables: i) toma valor nulo en caso de que la distribución existente esté tan concentrada como lo estaría si fuese determinada por factores aleatorios (como si se tirasen dardos en un mapa para elegir las localizaciones de las empresas), lo que implica que la distribución de referencia no es una en la que el empleo se encuentra uniformemente distribuido en el espacio, y ii) el índice permite la comparación entre sectores, países e instantes del tiempo. No obstante, el índice de concentración geográfica de Ellison y Glaeser no resulta útil para la realización de un “cluster mapping” dado que únicamente permite valorar el grado de concentración geográfica de un sector, pero no determinar en qué regiones o localidades se producen las concentraciones significativas de actividad. Thomas Brenner (2003, 2005) utiliza la misma idea referida a la comparación de la distribución de la actividad de un sector en el conjunto de localidades o regiones con la derivada de un modelo teórico en ausencia y en presencia de economías de aglomeración, para dar un paso adelante y sugerir un método de mapping basado en la comparación de distribuciones. Los elementos fundamentales del mismo serán expuestos a continuación, aunque antes, y debido a las similitudes entre la aproximación sugerida por este autor y las medidas de concentración geográfica à la Ellison y Glaeser, vamos a describir brevemente estas últimas y a mostrar como únicamente podrían ser utilizadas como un instrumento de apoyo en los análisis de identificación y cuantificación de clusters industriales. 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 103

aglomeración espacial de las plantas productivas tienen que ver con las ventajas naturales de algunas localizaciones y con la presencia de externalidades específicas para el sector, mientras que cuestiones idiosincrásicas de cada planta son las que impiden una concentración espacial absoluta. 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

104

mecanismo a través del que las externalidades entre plantas afectan a sus beneficios, el índice de concentración geográfica para un sector dado:

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:

105

donde G es la medida de concentración geográfica para el conjunto de sectores del grupo,

es el índice de Herfindahl para el grupo,

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

106

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 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. 107

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 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

aproximación

puramente

dartboard

de

aleatoria Ellison

y

característica Glaeser

al

de

la

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.

16

En ese caso la distribución que caracteriza el número de plantas localizadas en cada región es una binomial.

108

-

Se asume que los sectores con clusters locales se caracterizan por procesos locales de auto-sostenimiento, lo que provoca que las regiones en los que se emplazan presenten niveles de actividad económica mucho mayores y, en consecuencia, que se localicen en ellas muchas más plantas productivas.

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). 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:

17

No obstante, y dado que las distribuciones Binomial y Boltzmann son bastante parecidas, en algunas de sus aplicaciones Brenner sugiere combinar únicamente la exponencial decreciente y la Boltzmann.

109

Donde

son parámetros y

es el

número total de plantas en el sector analizado. El subíndice n hace referencia a la distribución neutral, es decir a la que caracteriza una situación de ausencia de clusters. El paso siguiente es determinar la distribución asociada al caso en el que existan clusters industriales. De nuevo, se asume la imposibilidad de modelizar adecuadamente todos los mecanismos que pueden dar lugar a las aglomeraciones o clusters, por lo que el método emplea una aproximación simple, basada en la idea de que las regiones que tengan un atractivo superior a un determinado umbral contendrán un cluster. Así, la existencia de un cluster en una región se traducirá en la presencia

de

un

número

significativamente

mayor

de

plantas

productivas. Por tanto, la distribución de plantas en presencia de clusters será similar a la asociada a Pn(f|s) pero conteniendo un número de regiones con un número de empresas proporcionalmente muy elevado. De tal forma que la distribución asociada a Pc(f|s), es decir la probabilidad en el caso de presencia de clusters, presentará dos máximos, correspondiendo el segundo a aquellas regiones en las que se produce una sobreconcentración de plantas. 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 110

exponencial decreciente, mientras que el mejor ajuste de la Boltzmann frente a la Binomial le conduce a sugerir el uso de la primera distribución para capturar el efecto de los clusters sobre la distribución de las empresas en el territorio. En concreto, la distribución en presencia de clusters se representa mediante:

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,

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

111

determinan el peso de cada una de las tres

Dado que distribuciones,

se

suponen

específicos

de

cada

sector

pero

independientes del tamaño de la región. No sucede lo mismo con el resto de parámetros. 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: 112

-

dado que para cualquier sector que presente aglomeración los clusters deben constituir una excepción, sólo unas pocas regiones deben presentarlos. O dicho de otra forma, no se concluirá que el sector se encuentra aglomerado en clusters industriales si éstos se encontrasen en todas las regiones. En consecuencia, el porcentaje de regiones que potencialmente pueden contener un cluster de un sector debe ser pequeño. En Brenner (2005) ese umbral se establece en un 5%, mientras que en Brenner (2003) se fija en un 10%, o lo que es lo mismo, se impone que ξ8≤0.05 en el primer caso y ξ8≤0.1 en el segundo,

-

sólo las regiones con un número de plantas que claramente exceda un umbral determinado serán candidatas a presentar un cluster industrial en el sector considerado. El umbral viene dado por el parámetro ξ6, y en otras aproximaciones se ha fijado como el número medio de plantas en el sector, de forma que todas las regiones que presentasen un número de plantas superior a la media nacional eran consideradas como regiones con un cluster. En otras ocasiones se ha impuesto un criterio más estricto, considerando por ejemplo un valor umbral de 3.

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:

113

donde ncl,n es el número de regiones que contienen un número de plantas debido a la primera parte de la distribución mayor a ξ6·s, y Nr el número total de regiones. 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:

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:

114

De esta forma, la presencia de aglomeraciones en clusters en un sector provocará que se alcance un mejor ajuste a través de Pc(f|s) que de Pn(f|s), mientras que si no hay una diferencia sustancial entre ambas, es decir que no se mejora el ajuste al añadir la componente diferencial de Pc(f|s), se debería concluir en contra de la presencia de clusters en el sector considerado. Recuérdese que esta circunstancia se producirá cuando f < ξ6·s. 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 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 18

En el caso de fijar el mismo valor de s para todas las regiones (Brenner, 2003, lo fija como s=1/Nr), el umbral no varia entre regiones.

115

Ventajas -

Entre las principales ventajas de esta metodología de detección e identificación de clusters destaca el que se base en un criterio estadístico,

fijado

a

priori,

objetivo

y

reproducible.

Esta

circunstancia permite realizar el “cluster mapping” con un mínimo de imposición de criterios propios de los investigadores que lo ejecutan, a la vez que facilita al analista y a cualquier usuario del mismo una interpretación y juicio inmediato del método empleado y de los resultados obtenidos. -

El

método

resulta

atractivo

intuitivamente

al

sugerir

la

comparación del ajuste alcanzado por un modelo teórico en ausencia de aglomeración con otro en el que están presentes clusters industriales. De la selección del modelo que mejor capture la estructura subyacente en los datos disponibles (la distribución espacial de la actividad del sector analizado) se infiere la presencia o ausencia de clusters y, a su vez, se obtienen los elementos necesarios para su identificación. -

El criterio para la detección e identificación de los clusters es específico de cada sector y región, lo que introduce un grado elevado de flexibilidad al considerar las peculiares características de la distribución de la actividad en los sectores y en el territorio.

-

Considera simultáneamente información referida al número de plantas

del

sector

analizado

instaladas

en

cada

región

e

información del volumen de empleados del sector en la región, para tener en cuenta la dimensión de ésta. Al determinar el umbral que posibilita la detección e identificación de los clusters en función del número de empresas se evita el riesgo de considerar un cluster formado por un pequeño número de grandes empresas. 116

Inconvenientes -

La detección e identificación de clusters únicamente tiene en cuenta la presencia de un número anormalmente elevado de empresas del sector analizado en un conjunto limitado de regiones. En consecuencia no se incorpora información relativa a uno de los elementos básicos de la definición de cluster industrial, como es la existencia de interacción entre agentes productivos ocasionada por externalidades de tipo tecnológico o pecuniario. En el caso de que la interacción se refiera a la producida entre plantas productivas de un mismo sector se asume que la colocalización es precisamente su consecuencia más inmediata, aunque en ningún caso se realiza un contraste directo de este supuesto, lo que no excluye que las aglomeraciones sean causadas por otras circunstancias (por ejemplo asociadas a condicionantes

históricos

o

a

la

dependencia

de

recursos

naturales). En el caso de las posibles interacciones entre plantas de distintos sectores, éstas se ignoran completamente en el proceso de detección e identificación. De esta forma, si en una o varias regiones se detecta un cluster en diversos sectores no es posible, con la información proporcionada por el método, discernir si todos o un subconjunto de ellos constituyen un cluster multisectorial

o

si,

por

el

contrario,

no

existe

interacción

significativa entre ellos. -

Las distribuciones teóricas asociadas a las situaciones en ausencia y en presencia de clusters se derivan a partir de las distribuciones geográficas que, al menos supuestamente, caracterizan a los factores determinantes de la localización de las

empresas y del

propio atractivo locacional de cada una de las regiones. Pero no se proporciona una guía explícita acerca de cuáles pueden ser esos 117

factores.

Aún

recurriendo

a

la

literatura,

el

grado

de

discrecionalidad por parte del investigador en la determinación de los mismos será elevado. A ello habrá que sumar que la elección estará marcada por la disponibilidad de información estadística sobre esos factores al nivel de desagregación territorial fijado en el análisis. En todo caso, no existen a priori garantías de que las distribuciones sugeridas y empleadas por Brenner para el caso alemán sean las más adecuadas para capturar la distribución de la actividad

productiva

en

la

economía

española.

Cabría

en

consecuencia realizar un análisis específico en ese sentido. -

El procedimiento impone algunos criterios de forma adhoc. Por ejemplo, i) se asume que el número de empresas incrementa linealmente con el tamaño de la región a lo largo de toda la distribución, ii) el tamaño de las regiones se aproxima a través del empleo, lo que puede estar penalizando a regiones pequeñas pero altamente productivas, iii) se fija el porcentaje máximo de regiones que pueden presentar clusters en el 5% (Brenner, 2005) ó el 10% (Brenner, 2003), o iv) se determina la influencia de la distribución de Boltzmann que caracteriza los clusters en base a una

compleja

función

con

elementos

aparentemente

discrecionales. -

En el caso de sectores con poca implantación en el conjunto de la economía, es decir con un número escaso de plantas productivas, es posible detectar erróneamente la presencia de clusters debido a que un número reducido de plantas en una pocas regiones (especialmente si estas son pequeñas) pueden ser interpretadas por el procedimiento como aglomeraciones en comparación con la ausencia de actividad en las restantes regiones. Este problema se planteará con mayor probabilidad en el caso de trabajar con un detalle sectorial y territorial elevado. 118

-

La detección e identificación de los clusters precisa de la estimación de los parámetros que caracterizan la distribución en presencia de estos. La obtención de esa estimación no es inmediata, requiriendo la aplicación de algoritmos numéricos de optimización con restricciones. En consecuencia la implementación del método es relativamente compleja y costosa en términos computacionales, precisando de software que permita la aplicación de los citados algoritmos o, directamente, la estimación por el método de máxima verosimilitud. Adicionalmente, se debe tener presente que la combinación de diversas distribuciones puede dificultar la obtención de las estimaciones y que incluso se podrían presentar problemas de convergencia en el algoritmo o de pobre identificación de los parámetros. En este sentido, en los trabajos de Brenner no se realiza una discusión detallada acerca del proceso de estimación (tipo de algoritmo recomendado, valores iniciales, propiedades de la estimación, etc).

-

Las características del proceso de estimación de los parámetros y del contraste de la hipótesis de aglomeración (basados en la máxima verosimilitud) exigen la utilización de un número de regiones relativamente elevado. Esta circunstancia es señalada en los trabajos de Brenner como un requerimiento importante para garantizar la fiabilidad de los resultados obtenidos. La repercusión de este hecho para cualquier aplicación a realizar en la economía española es inmediata: no se debería implementar para el caso de las Comunidades Autónomas y sólo con prudencia para el de las provincias.

Parece

pues

más

adecuado

utilizar

unidades

territoriales inferiores, como los municipios, que garanticen la disposición de, como mínimo, algunos cientos de observaciones. Además, debe tenerse presente que, por diversos motivos ya discutidos en otras secciones, no existen garantias de que los 119

resultados sean robustos al nivel de desagregación territorial seleccionado. -

Para la implementación del proceso se precisa disponer de información estadística referida tanto al empleo como al número de plantas productivas de cada uno de los sectores analizados y en cada una de las unidades territoriales consideradas. En consecuencia, podemos considerar que el método impone un requerimiento informativo medio.

-

La escasez de aplicaciones existentes, al menos por el momento, dificulta

la

comparación

con

otras

experiencias

y

con

los

resultados obtenidos en las mismas. A ello cabe añadir el que la difusión de la metodología en el contexto académico sea, al menos por el momento y hasta donde nosotros conocemos, limitada, sin que haya sido sometida a un riguroso proceso de validación y discusión. 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 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.

120

Tras la estimación de los parámetros de los modelos con y sin clusters para un sector dado, la comprobación de si la distribución con clusters describe de forma más fiel la realidad se realiza a través de un test de razón de verosimilitud

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 KolmogorovSmirnov, 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 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

121

aplica al caso de los 23 sectores manufactureros de la clasificación estándar a 2 dígitos en Alemania, mientras que en Brenner (2003 y 2004) el análisis se amplia a los 104 sectores manufactureros de la clasificación a 3 dígitos. En ambos casos el ámbito territorial es el de los 441 distritos administrativos existentes en Alemania a 30 de junio de 2001. 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:

122

Las razones de esta simplificación no son explicitadas claramente, indicándose únicamente que la distribución tipo Boltzmann parece aproximar mejor que la Binomial la distribución empírica de un mayor número de sectores. No obstante, no descartamos que tal decisión pueda también deberse a cuestiones computacionales dado que la versión simplificada de las distribuciones se utiliza en la aplicación en la que se emplean un mayor número de sectores y donde el número de firmas por sector en cada región debe ser notablemente más reducido. 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. 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 123

asume que tales aglomeraciones son causadas por la presencia de externalidades con una dimensión espacial que hacen más rentable a las empresas colocalizarse en el territorio, dando lugar a clusters industriales. No obstante, para garantizar que esto es realmente así se debería complementar el análisis efectuado con este método con otro que incorporase de forma directa o indirecta información

acerca

de

las

interacciones

entre

las

plantas

productivas. En cualquier caso, el uso de información estadística referida a un detalle sectorial y territorial elevado permitiría la obtención de un mapa preciso de las aglomeraciones existentes en el territorio español para cada uno de los sectores analizados. -

La riqueza del mapa dependería en gran medida del detalle sectorial y territorial que se pudiese llegar a emplear. Respecto al detalle sectorial, sería interesante obtener un mapa tanto con un detalle

sectorial

elevado

como

otro

correspondiente

a

agrupaciones sectoriales más genéricas. Por su parte, la necesidad de disponer de un número de observaciones suficientemente elevado para garantizar las propiedades asintóticas del proceso de estimación e inferencia propios de esta metodología, desaconsejan su aplicación para el caso de las Comunidades Autónomas e incluso de las provincias. De esta forma el ámbito territorial más adecuado podría ser el de los municipios o el de alguna agrupación natural de éstos. -

La utilización de información territorial detallada permitiría la replica del análisis para cada una de las Comunidades Autónomas de

forma

aislada.

Este

ejercicio

permitiría

obtener

mapas

detallados de la localización de aglomeraciones a nivel regional, que podrían proporcionar evidencia complementaria a la obtenida para el conjunto del territorio español. Por ejemplo, permitiría la detección de concentraciones de actividad que, aunque modestas 124

a nivel global, podrían llegar a tener su relevancia para algunas regiones. 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 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 125

circunstancia supone un problema especialmente grave cuando la localización de un sector sobrepasa las fronteras administrativas de las regiones. Para tratar de superar los problemas asociados a la agregación en las medidas y contrastes de localización, Duranton y Overman (2005) señalan que cualquiera de ellas para ser realmente adecuada debe evitar la utilización de unidades espaciales agregadas sugiriendo, en su lugar, realizar el análisis para el espacio continuo. Es decir, utilizar la distancia entre las plantas productivas para valorar los patrones de localización espacial de la actividad. 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. Supuestos iniciales Los citados autores consideran crucial, tanto desde un punto de vista teórico como de política económica, conocer i) la escala espacial de los 126

clusters, ii) si es una estructura de pequeñas y medianas empresas o un pequeño grupo de grandes empresas el causante de una elevada concentración, y iii) el alcance sectorial de la localización. Para aportar conocimiento sobre estas cuestiones clave, Duranton y Overman proponen un nuevo contraste basado en una medida de localización, con fundamentos de la estadística espacial. 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 modelo de localización lo más simple posible: el de aleatoriedad condicionada a la distribución de la actividad en el conjunto de la industria. 127

Metodología La implementación del método basado en la distribución de las distancias entre plantas productivas requiere el seguimiento de las siguientes fases: 1) Selección de las plantas productivas relevantes. Se debe determinar a priori cuál es el universo de plantas de cada sector que deben ser consideradas en el análisis. La opción más inmediata es la utilización de la información de todas ellas, aunque la inclusión de un elevado número de plantas de dimensión muy pequeña (por ejemplo menos de 10 trabajadores) puede distorsionar los resultados, dado que las decisiones de localización de éstas pueden ser muy diversas y distintas de las correspondientes a empresas de mayor dimensión. Para ilustrar esta circunstancia, Duranton y Overman discuten el caso del sector de la construcción naval, que en el Reino Unido presenta un gran número de plantas muy pequeñas en las zonas no costeras mientras que todas las grandes empresas se encuentran localizadas en la costa. Concluyen que es muy probable que, aunque clasificadas en el mismo sector, unas y otras realicen actividades muy distintas. Por ello plantean dos alternativas, una consistente en establecer un umbral de tamaño a partir del cual incluir a las plantas en el análisis y otra basada en la ponderación de la contribución de cada planta según el tamaño de la misma. Estas opciones dan lugar a resultados distintos dependiendo de la distribución de la dimensión de las plantas productivas en el espacio. 2) Cálculo de la densidad de las distancias (densidades-K) para todos los pares de empresas en cada sector. Para ello: i. se calcula la distancia euclidea, Dij, entre todo par de plantas del sector analizado. Para un sector con n plantas se calcularán un total de n(n-1)/2 distancias ii. se estima la densidad de las distancias bilaterales para toda distancia d a través del método kernel (ver, por ejemplo, Silverman, 1986):

128

donde h es el ancho de banda y f la función kernel. En el caso de emplear una ponderación por la dimensión de las plantas, por ejemplo a través del número de empleados, e, la densidad-K se define como:

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 en el espacio, así como por el hecho de que existan lugares en el

129

territorio en los que no es posible la localización de plantas productivas (tanto por razones naturales, i.e. existencia de un lago, como por reglamentaciones específicas). 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 130

Como se ha indicado anteriormente, en el trabajo de Duranton y Overman no se plantea la detección e identificación de clusters industriales sino únicamente el diseño de un contraste de aglomeración espacial. Sin embargo, creemos que la aplicación de su método permitiría, como mínimo, comprobar de forma robusta la presencia de clusters en cada uno de los sectores analizados. Y además sería interesante investigar la potencialidad de los resultados que se obtienen con la aplicación de esa metodología para la realización de un “cluster mapping”. Únicamente a modo de ejemplo, dado que no constituiría un método riguroso ni objetivo, sugerimos combinar la información que nos indica que un sector presenta un exceso de localización en términos globales y para qué rango de distancias lo presenta, con la simple visualización de las plantas productivas de ese sector en un mapa. De esa forma se podría fácilmente determinar las aglomeraciones de plantas más significativas del sector analizado. De hecho este proceder es seguido en el trabajo de Duranton y Overman para ilustrar la existencia de algunos clusters en sectores seleccionados para el caso del Reino Unido. Opciones más sofisticadas implicarían la aplicación de algoritmos que agrupasen plantas a partir de la información de la distancia que hay entre ellas, como por ejemplo los empleados en los habituales análisis multivariantes de agrupación de individuos. Relación con la función K de Ripley Marcon y Puech (2003) señalan que la densidad-K definida en el trabajo de

Duranton

y

Overman

es

muy

parecida

a

una

medida

de

concentración espacial basada en el análisis de la distribución de puntos ampliamente utilizada en disciplinas como la ecología y la epidemiología. Esta medida se conoce como función K de Ripley (1976, 1977). La idea básica de esta medida es muy simple. Si se toman las plantas localizadas en un espacio determinado, éste presentará igual densidad de plantas en el caso de que cualquiera de las localizaciones que lo 131

configuran resulte igualmente atractiva a todas ellas. Es posible entonces definir un marco de referencia calificado como de aleatoriedad espacial total, en el que las plantas se localizan en cualquier lugar con igual probabilidad y lo hacen de forma independiente a la localización de las otras plantas. Por el contrario, si la localización de una planta depende de la localización de otras, entonces cuando tomemos a una de ellas encontraremos un número mayor de plantas en su proximidad que el asociado a una situación de aleatoriedad. En consecuencia, podemos extraer conclusiones sobre el nivel de aglomeración de un sector a partir del número medio de plantas vecinas para cada distancia. 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 las plantas productivas. Esto ocasiona problemas en las inmediaciones de las fronteras del espacio analizado,

132

En consecuencia, y siguiendo un procedimiento similar al expuesto anteriormente para el caso del método de Duranton y Overman, se trata de calcular la función L para un amplio rango de distancias y comparar los valores obtenidos con los asociados a la hipótesis nula de una distribución aleatoria. Pero a pesar de ello, la función L no tiene en cuenta la heterogeneidad innata en la distribución de la actividad económica, es decir el hecho de que no todas las localizaciones del territorio resulten igualmente atractivas para las plantas del sector analizado, dado que la distribución de referencia que considera es la de aleatoriedad pura. Para incorporar la heterogeneidad espacial, Marcon y Puech sugieren definir una función D(r) mediante la que se compara la función K(r) observada para el sector analizado como una función K(r) asociada a una distribución de control: la correspondiente a las plantas de todos los demás sectores. De esta forma la función D(r) se define como la diferencia entre ambas funciones K. En consecuencia, la función D(r) permite detectar desviaciones del patrón de localización de las plantas de un sector respecto del existente para el conjunto de plantas, excluidas las del propio sector analizado. 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

dando lugar al calificado como edge effect. El sesgo inducido por este efecto se puede corregir utilizando únicamente la parte del área del círculo incluida en el espacio considerado.

133

-

La medida de localización propuesta en Duranton y Overman, y el contraste

basado

en

ésta,

cumple

con

cuatro

propiedades

deseables: i) garantiza la comparación entre sectores, ii) controla por el nivel de concentración de la industria en su conjunto, iii) es insesgada respecto a la escala y la agregación espacial, y iv) proporciona

información

acerca

del

nivel

de

significación

estadística de los resultados. -

En consecuencia, la identificación de exceso de localización (aglomeración) o de dispersión en un sector se basa en la utilización de un criterio estadístico, fijado a priori, objetivo y reproducible. Aunque se debe recordar que ello no posibilita la detección

e

identificación

directa

e

inmediata

del

espacio

geográfico en el que, en su caso, se sitúa la aglomeración, y por tanto la realización del “cluster

mapping” a través de un

procedimiento totalmente objetivo. -

Se tienen en consideración las características específicas de cada sector a la hora de computar los criterios estadísticos en los que se apoya el método. En consecuencia, los intervalos y bandas de confianza locales y globales son específicos para cada sector.

-

Permite controlar por diferencias en la distribución del tamaño entre plantas productivas de forma que, además de tener en cuenta

la

localización

precisa

de

cada

planta,

incorpora

información del empleo que se ubica en cada una de ellas. Asimismo, permite distinguir las pautas de localización de plantas de distinta dimensión. -

En comparación con otros métodos basados en funciones de distancias, no requiere de la corrección por efectos frontera (edge effects).

134

-

Dado que la propuesta de Duranton y Puga apareció publicada en un medio de reconocido prestigio entre la profesión, podemos señalar que el método goza de reconocimiento académico amplio.

Inconvenientes -

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. 135

-

La implementación de este método es relativamente compleja e intensiva en cálculo al requerir el cómputo de las distancias entre todos los pares de empresas de cada uno de los sectores considerados y de las distancias en el caso de cada una de las distribuciones simuladas.

-

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.

136

-

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. -

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 137

para garantizar la robustez de los resultados. De hecho no conocemos,

y

creemos

que

sería

interesante

conocer,

la

sensibilidad del índice y del contraste de localización al número de plantas. 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 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 138

K(d)> K95(d) se debe concluir que el sector presenta localización a una distancia d. Por el contrario, si K(d)< K95(d) el sector presentará dispersión a la distancia d. 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 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 20

Como indican los autores, la existencia de autocorrelación positiva entre distancias impide la aplicación del método tradicional de Bonferroni para la corrección del nivel de significación en la aplicación de contrastes secuenciales.

139

global supone que la densidad-K se encuentra por encima de la banda de confianza superior para al menos un nivel de distancia, mientras que la dispersión global requiere que la densidad-K se encuentre por debajo de la banda inferior para al menos una distancia y que en ninguna sobrepase la banda superior. Aplicaciones de la metodología Las únicas aplicaciones de las medidas de localización basadas en distancias son las realizadas para el Reino Unido por Duranton y Overman (2005) y por Fratesi (2005), y para el área de París por Marcon y Puech (2003). En el caso de los dos primeros trabajos, los autores explotan la exhaustiva información contenida en la base de datos ARD, producida por el instituto nacional de estadística británico y que contiene información acerca del número de empleados, el sector de actividad (según la clasificación SIC) y el código postal para todos los establecimientos del Reino Unido. Duranton y Overman limitan su análisis

a

los

establecimientos

productivos

del

sector

industrial,

considerando agrupaciones sectoriales de 2 a 5 dígitos SIC. La información de los códigos postales es combinada con la referida a las coordenadas espaciales de todos los códigos postales en el Reino Unido contenida en la base de datos Code-Point del Ordnance Survey. Esto permite a los autores obtener información bastante precisa de la localización geográfica de todas las plantas productivas del sector industrial en el Reino Unido. 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 140

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, − 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.

141

Por su parte, Fratesi (2005) analiza en detalle la localización de dos sectores de la clasificación SIC a 3 dígitos para el Reino Unido: el SIC 244 correspondiente al sector Farmacéutico y el SIC 334 de Óptica y Fotografía.

Para

ambos

considera

todos

los

subsectores

de

la

clasificación a 5 dígitos. El interés del análisis específico de estos sectores radica, según el propio autor, en que se corresponden con actividades

industriales

avanzadas

para

las

que

“los

aspectos

organizativos deberían jugar un papel más importante que las ventajas comparativas geográficas o las razones históricas”. Para ello utiliza índices de localización tradicionales como el de Gini, índices del tipo Ellison y Glaeser y las modificaciones de Maurel y Sedillot (1999) y Devereux et al (1999), y medidas basadas en la distribución de distancias, siguiendo la aproximación de Duranton y Puga. 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. 142

Finalmente, cabe señalar que Marcon y Puech (2003) analizan los patrones de localización en los sectores industriales del área de París y del conjunto de Francia, utilizando la función L de Besag, la cual, como indicamos anteriormente, es una modificación de la función K de Ripley. Para ello consideran las plantas de los 14 sectores industriales (5739 en el caso de París y 25186 para el del conjunto de Francia), concluyendo que los patrones de localización en el área urbana de París difieren de los del conjunto de Francia. Así, en el caso parisino detectan 5 sectores significativamente

concentrados

y

9

con

dispersión

significativa,

mientras que para el conjunto del territorio francés son sólo 4 los sectores donde la concentración es estadísticamente significativa, y también 4 los que muestran dispersión significativa. Los restantes 6 muestran dispersión o concentración para algún rango de distancia. Además, en ambos ámbitos territoriales los patrones de concentración geográfica difieren entre sectores, variando por ejemplo la distancia en la que aparecen los picos de mayor concentración.

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 143

analizados. Creemos que es el método que garantizaría una mayor fiabilidad y riqueza de resultados, al controlar por la tendencia global a la aglomeración de la industria y por la concentración sectorial, por ser insesgada respecto a la escala y la agregación espacial, y por proporcionar el nivel de significación de los resultados. Dado que la identificación de los sectores que presentan aglomeración de la actividad es un paso previo en cualquier método de detección e identificación de clusters, creemos interesante poder incorporar las medidas propuestas por Duranton y Overman a cualquiera de los procedimientos de “cluster mapping”, bien sustituyendo o complementando el uso de medidas basadas en la agregación territorial. - 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 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. 21

Véase el apartado 6 de Duranton y Overman (2005).

144

- Sería posible contrastar la existencia de aglomeración y de dispersión tomando como referencia tanto el conjunto de la economía española como territorios específicos de la misma. Así se podría realizar el análisis para cada una de las CCAA, simplemente replicando el procedimiento con las plantas localizadas en cada una de las regiones. - 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.

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

145

hacia la conformación de clusters basados en la innovación, siendo esta la verdadera fuente del crecimiento de la productividad y competitividad empresarial, regional y país. 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

similares estrechamente conectadas

delimitado

con

actividades

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 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 146

manera presiones sobre las empresas o unidades productivas, mediante exigencias de desempeño. El nivel meso, donde las infraestructuras físicas (capital físico), humanas (capital humano), tecnológicas (capital científico - técnico), financieras (capital de trabajo e inversión), de información (capital red) y ambientales (capital verde y azul), generan un entorno apropiado para los efectos acumulativos del aprendizaje y la innovación. Y donde las estructuras económicas, los mercados y las estructuras de interacción empresarial, las redes y los clusters, determinan en gran parte la estrategia empresarial. El nivel micro, donde se induce a la ampliación de las capacidades productivas, tecnológicas, de gestión y estrategias de las empresas. Y el nivel meta, donde - crea la nueva institucíonalidad para la competitividad mediante una renovada capacidad del Estado para conducir y regular, y se crean espacios y formas de interacción público - privadas para la construcción colectiva y sinérgica de capacidades para la competencia. Con estos parámetros de relevancia en cada nivel (ámbito), se construye un nuevo patrón orgánico de región, que permite la eficiente asignación de recursos junto a la minimización de los costos de transacción, organización y transformación de valor, para la generación de ventajas competitivas en un marco sistémico. El no cumplimiento de la sinergia entre los diferentes niveles de la competitividad país y/o región, así como la presencia de ineficiencias estructurales en el ámbito meso de las infraestructuras, en el ámbito macro de los equilibrios, y en el ámbito meta de la confianza y la política publica, conllevan la generación de unos sobre costos que afectan la competitividad y la productividad micro y macro. Ahora bien, si se acepta el adagio de que son las empresas las que en ultima instancia compiten, el soporte conceptual dado por la teoría de la

147

ventaja competitiva basada en los recursos empresariales, es la idónea para centrar el análisis metodológico a partir de estudios de caso. 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 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

148

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.

•

En

la

actividad

del

servicio

posventa:

los

técnicos

de

mantenimiento reparan adecuadamente el producto, evitando el eosto de nuevas reparaciones.

149

•

En la infraestructura de la empresa: Una estructura organizativa más plana reduce costos

fijos. Un sistema de información

simplificado reduce los costos de administración. •

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.

150

•

En la actividad de logística externa: Un reparto JIT reduce pérdidas de tiempo. Unos mejores sistemas de distribución minimizan los desperfectos en el producto.

•

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

consumidores. Unos repuestos de alta calidad

con

los

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

incentivos que fomenten una

humanos:

Programas

de

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.

151

De la lectura anterior se deriva claramente que las practicas más comunes en las organizaciones, responden en el fondo a una directriz de posicionamiento estratégico, y a su vez cada una de ellas implican el uso

de

recursos,

que

adecuadamente

orientados,

derivan

en

capacidades centrales o aptitudes para la consolidación o creación de ventajas competitivas. en resumen la esencia de la apuesta conceptual para el diseño metodológico. En efecto, la idea es la concepción de un proceso de acumulación de capacidades empresariales para la gerencia del conocimiento en las empresas. Esta acumulación se da vía flujos (procesos) de aprendizaje tecnológico y organizacional, además de la incorporación del cambio técnico. Así, las organizaciones adquieren habilidades y aptitudes para el manejo de recursos tal que durante el proceso de gerencia del cambio técnico y de la producción, se identifiquen fuentes de ventaja competitiva.

La descripción funcional del cluster objeto de estudio parte de la identificación institucionales.

de

su

malla

funcional

Seguidamente

se

y

las

procede

principales a

relaciones

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.

152

Contenido: La descripción funcional del cluster objeto de estudio parte de la identificación de su malla funcional y las principales relaciones institucionales.

Seguidamente

se

procede

a

caracterizar

el

encadenamiento productivo en torno al cual se configura el cluster . 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.

153

La figura xxx ilustra la dinámica de la propuesta metodológica para el levantamiento

del

análisis

del

cluster

industrial.

Bajo

nuestra

perspectiva, la idea es la contrastación de brechas existentes en el proceso

de

acumulación

de

capacidades

de

las

empresas

y/o

organizaciones que conforman y son las "estructurantes" de un cluster definido por una vocación productiva regional. Así, se busca medir en

154

ultimas la capacidad competitiva del cluster regional estudiado, en función de la determinación de las capacidades competitivas de las denominadas empresas "nodo o estructurantes". Esta medición se elabora en función de un referente teórico, alimentado por modelos de competitividad experiencias de consultaría empresarial, y metodologías de medición de capacidades empresariales. La apuesta teórica es que la competitividad del cluster depende de la acumulación de la capacidad endógena de sus empresas "estructurantes", pero crucialmente de la densidad de relaciones y construcción de sistema o red en el espacio regional. En este sentido, la competitividad va más allá de la competencia en los mercados y se alimenta en la cooperación o densificación de las relaciones y flujos tecnoeconómicos en un territorio, la clusterización. 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.

155

Figura xxx.

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.

156

El objetivo central de este primer paso metodológico consiste en la selección del nodo estructurante o actividad productiva (o de prestación de servicios) propia del cluster Contenido: características generales del cluster La descripción funcional del cluster objeto de estudio parte de la identificación

de

institucionales.

su

malla

funcional

Seguidamente

se

y

las

procede

principales a

relaciones

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. 157

a. Características económicas: •

Desempeño de las principales variables económicas sectoriales (cadena): producción, valor

agregado,

empleo,

exportaciones,

entre otras. •

Niveles de concentración económica y estructura de mercados.

•

Localización regional de la(s) actividad(es) productiva(s).

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

158

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 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. 159

d. Como resultado trivial de la entrevista debe quedar un contacto claro y factible. Es decir debe quedar abierta la posibilidad

de

solicitar

más

información

por

medios

electrónicos o de telecomunicaciones (e-mail, teléfono o fax). 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.

160

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 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.

161

De otra parte, la correcta identificación del nodo estructurante brinda la mejor perspectiva del análisis, lo cual garantiza la relevancia de los resultados del estudio en virtud de que se clarifica la comprensión de las características y naturaleza del cluster, facilita la ubicación de actores y empresas relevantes. Pautas metodológicas para ]a selección del nodo. Fuentes de información.

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 162

instituciones de mayor relevancia regional, entre los empresarios con mayores conocimientos sobre la actividad económica regional y las personas que hayan adelantado estudios e investigaciones sobre el tema en la región. La contrastación de las fuentes debe arrojar los criterios definitivos para tomar la decisión en cuanto al eslabón nuclenate del cluster. Condiciones meso 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.

163

La idea que atraviesa el análisis es que entre mayor sea la cantidad de establecimientos asentados en la región y su interacción, mayor será la densidad de sus relaciones, y que si a ello se agrega la existencia de cooperación entre las empresas e instituciones vinculadas al cluster, se propiciarán

niveles

crecientes

de

sinergias

(mayor

nivel

de

clusterización) que elevarán sus capacidades competitivas y acelerarán su desarrollo.

164

Contenido: matriz de dusterización 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.

165

Mediante el calculo del Índice de Hoover, con el fin de establecer si las actividades del agrupamiento empresarial en cuestión constituye una especialización económica en el país. Esto es posible en la medida en que dicho índice señala si la participación de esta actividad dentro del departamento o región es mayor o menor que la que alcanza en el ámbito nacional 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 166

mercado, en la medida en que esto contribuiría a generar economías de escala que le otorguen ventajas a las empresas del cluster frente a sus competidores directos. OBSERVACIÓN: 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 167

establecer, una eventual articulación a cadenas supranacionales, como es el caso de la realización de actividades de maquila. Solo que en tal caso, la indagación debería orientarse a establecer qué capacidades competitivas se derivarían de tal vinculación. 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.

168

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 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 169

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 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. 170

Todo ello en la medida en que los avances registrados en estas variables son fundamentales para enfrentar con éxitos los desafíos del mercado en el actual contexto competitivo. a. Rivalidad y eficiencia. Con relación a la eficiencia, se indaga ante todo por la existencia de condiciones que la propicien, en particular, una alta rivalidad. Al 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 171

destacados

en

materia

de

calidad

de

sus

productos

debido

al

cumplimiento de estándares normalizados o de la atención de mercados exigentes (especialmente extranjeros), en el sentido señalado por Porter (1998:259) o por el desarrollo en sus productos de atributos que les confieran

singularidades

que

le

proporcionen

un

mayor

valor

(satisfacción) a los clientes que los de su competencia. Una fuente primordial de esta diferenciación productiva se encuentra en la innovación, por ello, la actitud frente a ésta en las empresas del clusters es fundamental para su éxito competitivo. La frecuencia de las innovaciones es, entonces, un indicador fundamental de las condiciones para el desarrollo sus capacidades competitivas. c. Desarrollo tecnológico. 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 172

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. 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.

173

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. 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. 174

Regulación y política pública. En este ítem se indaga por el papel jugado por las políticas públicas y la regulación en favor del avance del cluster en la medida en que, en general, en la mayoría de los estudios de estos núcleos empresariales en países en vía de desarrollo se ha encontrado que constituyen mecanismos de estímulo fundamentales para su desarrollo. 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 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.

175

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 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. 176

Competencias laborales. Esta dimensión del análisis indaga por los niveles de desarrollo del capital humano existente en la región, bien sea corno fruto de las trayectorias de aprendizaje resultantes de la especialización productiva de la región, de la existencia de una oferta de capacitación especializada y, lo que de aUi se deriva, la existencia de un mercado laboral especializado en las actividades del cluster en cuestión. a. Educación especializada. 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

177

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. 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 178

competencia, a los mercados internacionales, al cambio técnico y a la cooperación o si, por el contrario, presenta rasgos de informalidad, de aversión al riesgo y a la competencia, o de desconfianza frente a la cooperación, en la medida en que esto se constítuye en un claro obstáculo para el desarrollo de la competitividad del cluster. 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" . 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. 179

Esta evaluación se hace a partir de la información recopilada con mira a diligenciar la matriz de clusterización. En la matriz se hace una valoración individual de cada uno de sus componentes, que agregada, proporciona

una

valoración

cualitativa

global

de

las

condiciones

ofrecidas por el entorno.

180

Bibliografía. 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-Alonsoconsumo.pdf AméricaEconomía, (2003), “Ford busca rueda de auxilio”, 20 de noviembre. http://www.americaeconomia.com/PLT_WRITEPAGE~SessionId~~Language~0~Modality~0~Section~~Content~1~NamePage~HomePage~DateView~~Style~-1.htm 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.

181

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 socioeconomic notion. En: Industrial districts and inter-firm co-operation in Italy. Genova: International Institute for Labour Studies, pp. 37-51. 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

182

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, 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/

183

Dahl Michael S. (2003), "Knowledge Diffusion and Regional Clusters: Lessons from the Danish ICT Industry", Unpublished PhD Thesis, Department of Business Studies, Aalborg University, 250 pages. Submitted: November 3, 2003 - Defended: January 26, 2004. ______________ (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. 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

184

Fourcade, F. y C. Midler (2003), “Vehicle Modularization: Challenges Facing Level-1 Suppliers and Prerequisites for Its Implementation”, documento presentado al décimo primer encuentro de la GERPISA (París, 11 al 13 de junio), Permanent Group for the Study of the Automobile Industry and its Employees (GERPISA). 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 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. Optoelectronics in six regions in the UK, USA and Germany. En A. Grandori (ed.) Interfirm Networks. Organization and Industrial Competitiveness. London-New York: Routledge.

185

Hopkins, T.K. y I. Wallerstein, Commodity Chains in the Capitalist World-Economy Prior to 1800, en Gereffy, G. y M. Korzeniewicz, Commodity Chains in Global Capitalism, London, 1994 (pp. 18-34) 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 http:/www.oecd.org/dsti/sti/s_t/inte/nis/Clusters/clusters.htm

clusters.

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_10 1429682 Jetro México (2002), “Programa para Promover la Industria de Soporte”, octubre. 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/

186

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. 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

187

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 79103).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. ____________ (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.

188

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 ___________(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

189

presentado al noveno encuentro de la GERPISA (París, 7 al 9 de junio), Permanent Group for the Study of the Automobile Industry and its Employees (GERPISA). 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 , del IAIF (Instituto de Análisis Industrial y Financiero) de la Universidad Complutense de Madrid. En pag 26 -27

190

Sako, M. (2003), “Modularity and outsourcing: the nature of coevolution 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 HighTechnology 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.

191

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.ht m US Commercial Service (2003), “Auto parts Washington, D.C., http://www.buyusainfo.net

Industry-Mexico”,

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.

192

Womack James P, Daniel T. Jones, Daniel Roos (1990) ”The Machine That Changed the World : The Story of Lean Production” McGraw-Hill, Nueva Cork.

193