Dibujos y diagramas son parte común de cualquier nueva propuesta para hacer las cosas mejor. Normalmente se ofrece un esquema simplificado, con triángulos, estrellas y diamantes en representación de los diferentes elementos a considerar. Los clusters no son la excepción, en el tiempo se han propuesto muchas versiones tratando de plantear el mejor modelo.
Sin embargo, pronto nos damos cuenta que estos diagramas sirven poco para anticipar los problemas que con toda seguridad se enfrentan en la implementación. Un poco de experiencia pronto nos enseña que el problema no sólo es el encontrar el modelo correcto sino sobretodo el saber manejar el proceso humano involucrado. Al final de cuentas, es este último el principal determinante en el éxito o fracaso de cualquier tarea.
El caso de los clusters no es una excepción y es por eso que en este blog hemos hecho tanta insistencia en el componente humano en un proceso de clusterización. Esto obviamente no sorprende a nadie a posteriori, sin embargo parece que es un ‘hilo negro’ que reinventamos una y otra vez.
Algo parecido ha sucedido en el tema de la Administración por Calidad. Deming, uno de los grandes gurús de este tema, al final de una carrera profesional que se extendió por 65 años, lo condensó en lo que llamó su Teoría del Conocimiento Profundo. Sus conclusiones tienen una gran relevancia y aplicación en los procesos de clusterización y merecen por tanto una reflexión cuidadosa.
W. Edwards Deming (1900-1993), estadístico de formación, fue el más notable líder del movimiento por la calidad que en los 80’s y 90’s. Su carrera en este tema, sin embargo, empezó mucho antes ya que se le reconoce como uno de los responsables del gran resurgimiento industrial del Japón después de la Segunda Guerra Mundial. Su trayectoria es muy extensa y su legado aún más, por lo que sería injusto tratar de resumirlo en este espacio. Baste, por lo pronto, presentar los 4 puntos de su Sistema de Conocimiento Profundo en relación con el proceso de clusterización. (Ver: The New Economics for Industry, Government, Education – 2nd Edition).
Después de desarrollar y promover ampliamente herramientas estadísticas para el control de la calidad en los procesos, Deming llegó a la conclusión de que lo que en realidad se necesitaba era una transformación en el comportamiento de los administradores tanto en empresas grandes y pequeñas como en el gobierno e instituciones sin fines de lucro.
Su sistema de conocimiento profundo incluye 4 puntos, los cuales se encuentran íntimamente ligados:
1- Reconocimiento y apreciación del sistema (enfoque sistémico). Esto incluye el conocer el sistema en el que estamos operando, identificando las necesidades de comunicación y cooperación entre los componentes del mismo.
Clusters: Este es un punto fundamental en el caso de los clusters pues nacen precisamente de reconocer la naturaleza sistémica de la actividad económica.
2- Conocimiento de la variancia. Esto parte de reconocer que nada es constante ni exactamente reproducible en esta vida. Cualquier sistema incluye un grado de variabilidad natural por lo que es injusto e inútil exigir a alguien más de lo que el sistema puede dar. Un ejemplo es el de un operador de un equipo de maquinado a quien no se le puede pedir mayor precisión que lo que su herramienta puede dar. Esto lleva a diferenciar entre las causas comunes (las debidas al sistema) y las causas especiales (las debidas al error humano o factores externos). El confundir unas por otras es un error desgraciadamente demasiado frecuente y fuente de gran frustración para administradores y colaboradores.
Clusters: Ningún proceso de clusterización es igual a otro; inclusive un mismo proceso cambia en el tiempo. Tampoco es uniforme el grado de compromiso de los diferentes actores. No es raro alternar entre períodos de alta actividad y de casi indiferencia. En estos casos es importante saber diferenciar cuando el problema es debido a la metodología de intervención y cuando es producto de factores externos fuera de nuestro control.
3- Teoría del Conocimiento. Esta incluye el reconocimiento que la administración o gerencia es, al final de cuentas, un ejercicio de predicción. Es importante por tanto desarrollar modelos que faciliten la administración y el aprendizaje. Podemos aquí citar a Rusell Ackoff quien describe esto en 5 niveles:
- datos – que son simplemente símbolos
- información – resultante de procesar los datos de manera en que sean útiles y permite responder a preguntas tales como ¿quién?, ¿qué?, ¿dónde? y ¿cuándo?
- conocimiento – aplicación de datos e información para responder al ¿cómo?
- comprensión – apreciación del ¿por qué?
- sabiduría – una ‘comprensión’ evaluada
Clusters: Este concepto tiene mucha aplicación en los clusters, desde darle el debido peso a los ejercicios numéricos para identificar la presencia de clusters hasta saber interpretar los resultados de la intervención. Aún sigue siendo un gran reto el diseño de herramientas de seguimiento y medición de impacto de un proceso de clusterización.
4- Sicología. Todas las personas nacen con una motivación intrínseca que en muchos casos es destruida por las prácticas en la educación tradicional y en el trabajo. Las calificaciones en la escuela hacen que los estudiantes trabajen por un número y no por la satisfacción de aprender. Algo similar pasa en las empresas. La motivación extrínseca ayuda en algo a levantar la autoestima de las personas pero en exceso destruye la motivación intrínseca, robándole al individuo el significado de su trabajo y su vida. Adicionalmente, el líder nunca debe olvidar que todas las personas son diferentes y requieren respeto y un trato individualizado.
Clusters: La esencia en un cluster son las relaciones entre actores y la disposición a colaborar. La palabra clave es Confianza. La inversión más importante es en Capital Social.
He aquí 4 conceptos clave para un proceso de clusterización. La invitación a reflexionar y actuar está abierta.
Filed under: Proceso Humano | Tagged: Capital Social, colaboración, metodología, Proceso de intervención, Proceso Humano |
Clusterizando 
Deja una respuesta