Gestión de Riesgo

Este elemento es un complemento de los cursos y guías de Lawi. Ofrece hechos, comentarios y análisis sobre este tema. [aioseo_breadcrumbs]

Introducción: Gestión de Riesgo

Concepto de Gestión de Riesgo en el ámbito del comercio exterior y otros afines: La aplicación sistemática de prácticas y procedimientos de gestión que proporciona a la Aduana la información necesaria para manejar (gestionar) los movimientos y/o envíos que presentan un riesgo.

Gestión de Riesgos en un Mundo Interconectado

Uno de los fracasos corporativos más publicitados en la memoria reciente fue la quiebra, bancarrota, o insolvencia, en derecho (véase qué es, su concepto jurídico; y también su definición como “insolvency” o su significado como “bankruptcy”, en inglés) de General Motors a mediados de 2009, cuando el ícono de la industria estadounidense se presentó para el Capítulo 11 después de años de mala administración. (Tal vez sea de interés más investigación sobre el concepto). ¿Pero fue la mala gestión la causa raíz?

Si se dice la verdad, la quiebra, bancarrota, o insolvencia, en derecho (véase qué es, su concepto jurídico; y también su definición como “insolvency” o su significado como “bankruptcy”, en inglés) de GM se deriva de una red de causalidad. Ya luchando contra las obligaciones de pensiones paralizantes y los sindicatos intransigentes, el asaltante fabricante de automóviles se convirtió en una presa de fuerzas externas.Entre las Líneas En 2008, la larga historia de amor de Detroit con grandes camionetas y vehículos utilitarios deportivos (cuyos márgenes de beneficio del 15-20 por ciento eran mucho más atractivos que los márgenes normales de automóviles del 3 por ciento) se convirtió en un riesgo. A medida que los precios de la gasolina subían a más de US $ 4 por galón, muchos consumidores norteamericanos sensibles a los costos (o costes, como se emplea mayoritariamente en España) simplemente dejaron de comprar vehículos de gran tamaño. Cualquier persona que todavía quisiera un SUV, por supuesto, encontraba más difícil obtener un préstamo. Antes de la crisis financiera, era una práctica común que los consumidores usaran los préstamos con garantía hipotecaria para comprar vehículos y otros artículos de alto precio.Si, Pero: Pero a medida que el valor de los bienes raíces en todo el mundo se derrumbó, esta fuente de financiamiento se agotó. Mientras tanto, a medida que los mercados laborales, los mercados de valores y los fondos de jubilación cayeron al unísono, la compra de un auto nuevo, incluso uno pequeño, se volvió cada vez menos factible para la mayoría de los consumidores. Como resultado de esta tormenta perfecta, las ventas de GM se desplomaron. El resto, como ellos dicen, es historia.

Si bien el efecto del precio del petróleo en la demanda pudo haber sido algo que entendió el departamento de gestión de riesgos de GM, el mercado de la vivienda en los EE. UU. Probablemente no estaba en la cima de su pantalla de radar hasta que la crisis financiera levantó su cabeza. ¿Alguien podría haber previsto cómo el colapso de Lehman Brothers impactaría la salud financiera de GM? Esto conduce a una pregunta más amplia: ¿podrían las herramientas de administración tradicionales haber sido adecuadas para defenderse de esta tormenta perfecta, con sus múltiples peligros insospechados y simultáneos?

En marzo de 2011, Japón fue azotado por un terremoto. Fue seguido por un tsunami, que a su vez creó uno de los peores desastres nucleares en la historia reciente. Debido a que sigue siendo la ubicación histórica de innumerables fabricantes de componentes, la interrupción de las cadenas de suministro globales fue considerable. Y como era de esperar, empresas como Honda, que tenían instalaciones en Japón y Tailandia, se vieron afectadas por otro desastre apenas cinco meses después, cuando la tormenta tropical Nock-ten arrasó un diluvio hasta los límites de la ciudad de Bangkok, convirtiendo 65 de las 77 provincias de Tailandia en inundó las zonas de desastre y causó un daño económico estimado de US $ 47.5 mil millones.

Los planes de desarrollo de Tailandia habían promovido estratégicamente el diseño de clusters. Como consecuencia, un tercio completo de la producción global de unidades de disco duro se había concentrado en el país asiático de costos (o costes, como se emplea mayoritariamente en España) competitivos. Cuando ocurrió el desastre, las sinergias que habían compartido se convirtieron en un riesgo compartido, ya que siete grandes polígonos industriales quedaron sumergidos a menos de tres metros de agua. [rtbs name=”crisis-del-agua”] Muchas de las más de 1,000 compañías sumergidas en Tailandia en 2011 tenían implementados programas de gestión de riesgos de la cadena de suministro. Ninguno de estos anticipó la escala del “peor escenario” que realmente sucedió.

Si bien los terremotos, los tsunamis y las tormentas tropicales no están necesariamente correlacionados entre sí, el cambio climático implica que lo que las compañías de seguros denominan “fuerza mayor” se convertirá en un fenómeno de rutina. Como resultado, los gerentes de la cadena de suministro deben enfrentar el hecho de que sus descripciones de trabajo ahora incluyen la preparación para desastres, que es una tarea especialmente difícil a medida que las operaciones globales se vuelven más complejas. Este artículo analiza cómo abordar ese problema.

GESTIÓN DEL RIESGO EN LAS CADENAS DE SUMINISTRO MUNDIAL
La globalización ha creado nuevas oportunidades y nuevas amenazas. A medida que el abastecimiento en todo el mundo hizo que las cadenas de suministro fueran más largas y complejas, la volatilidad (véase su definición en el diccionario y más detalles, en esta plataforma, sobre este término) inherente a la producción aumentó significativamente. El número de miembros de la cadena de suministro y las interacciones entre ellos ha aumentado, lo que exacerba la falta de transparencia en el entorno operativo. Los ejecutivos de la empresa han aumentado la rentabilidad a través de ciclos de vida del producto y de tiempos de comercialización (vender lo que se produce; véase la comercialización, por ejemplo, de productos) o/y, en muchos casos, marketing, o mercadotecnia (como actividades empresariales que tratan de anticiparse a los requerimientos de su cliente; producir lo que se vende) cada vez más cortos, mejora de los procesos de negocios, fabricación en secuencia o inventario administrado por el proveedor.Si, Pero: Pero el progreso tecnológico, las asociaciones estratégicas y la integración vertical que impulsaron las reducciones de costos (o costes, como se emplea mayoritariamente en España) también se sumaron a la vulnerabilidad de la cadena de suministro. De hecho, las redes de la cadena de suministro global (SC) están expuestas a una serie de amenazas potenciales, que a su vez están en constante evolución.

Las redes SC son sistemas complejos dinámicos. No son estáticos.

Detalles

Las estructuras evolucionan.

Más Información

Las interrupciones locales generalmente se propagan y conducen a la escasez de producción y al contagio (Helbing et al. 2004). Podemos identificar los nodos más importantes de la red midiendo la conectividad y la integración. (Tal vez sea de interés más investigación sobre el concepto).Si, Pero: Pero a medida que la investigación sobre clusters logísticos está ganando influencia, es importante llamar la atención sobre el hecho de que los clusters crean sinergias y riesgos compartidos, una realidad que no se aborda adecuadamente en la discusión actual.

El proceso de gestión de riesgos promedio generalmente comienza creando conciencia básica. El uso de mapas de calor, que son representaciones bidimensionales de escenarios y consecuencias, está muy extendido. Estas instantáneas de impacto y respuesta se presentan en un formato de cuadrante, que son fáciles de construir y fáciles de explicar a los ejecutivos. Al clasificar las intersecciones de probabilidad e impacto, los gerentes pueden priorizar los planes de contingencia, decidiendo cómo reaccionar (o no reaccionar) ante las interrupciones posibles.

Pero recuerde el fracaso de GM y pregúntese qué sucede cuando hay más de dos dimensiones en juego. El mundo industrial está habitualmente sujeto a dependencias no detectadas y a los efectos de contagio.Entre las Líneas En la cadena de suministro más simple (minorista-mayorista-distribuidora-fábrica), el efecto de cúpula se desencadena por la más pequeña de las perturbaciones y causa estragos al propagarse río abajo. Desde cualquier punto de vista dentro del sistema, es difícil ver venir la ola de destrucción, por no hablar de reaccionar apropiadamente (ver Figura 2).Si, Pero: Pero lo que observamos cada vez más no es simplemente el costo (o coste, como se emplea mayoritariamente en España) de la falta de preparación para el “desconocido desconocido”. Al igual que el borracho en busca de llaves perdidas en el círculo iluminado por una farola, tendemos a limitar el alcance de nuestras acciones a lo que es visible y concebible..Entre las Líneas En efecto, Las operaciones globales de la industria se han convertido en mucho más que cuatro nodos, sin embargo, los administradores han simplificado progresivamente sus herramientas de apoyo a las decisiones, en parte debido a problemas de comunicación. (Tal vez sea de interés más investigación sobre el concepto). Y cuando se trata de la gestión de riesgos, las consecuencias de la simplificación excesiva pueden ser devastadoras.

DIRECCIONANDO LA COMPLEJIDAD
Entonces, ¿cómo podemos gestionar el riesgo pragmáticamente en redes complejas? Para empezar, las relaciones ocultas entre las empresas deben ser reveladas. Lehman Brothers analizó el riesgo de los bancos que le vendieron valores respaldados por hipotecas.Si, Pero: Pero Lehman también estuvo expuesto al riesgo de incumplimiento de los tenedores de hipotecas de bajos ingresos. Esto no es solo un problema para el sector financiero.Entre las Líneas En la fabricación, las evaluaciones de riesgo también se aplican con frecuencia solo a los proveedores de primer nivel. De hecho, los equipos de adquisiciones a menudo ni siquiera saben cuántos niveles de proveedores están ocultos detrás de los socios directos. Es difícil culpar a los gerentes por esto. Cuando se trata de producir cosas como automóviles y equipos pesados, el abanico de proveedores es asombroso y prácticamente imposible de monitorear (vigilar) individualmente.

Puntualización

Sin embargo, todos los fabricantes de equipos originales (OEM) están totalmente expuestos a los riesgos que acechan en el sentido ascendente.

Los eventos peligrosos pueden afectar a varias empresas simultáneamente como en Tailandia o Japón, por lo que distinguimos entre dos formas de dependencias:

Estructural dentro de industrias (a través de relaciones comerciales dinámicamente cambiantes)
Eventos que afectan a grupos de empresas independientemente o todos al mismo tiempo.

Nuestra investigación generaliza el comportamiento de los perfiles de riesgo dependientes dentro de redes complejas de cualquier tipo. Obviamente es difícil seguir los flujos abstractos como el dinero.

Puntualización

Sin embargo, el flujo de bienes físicos se puede modelar fácilmente, por lo que estudiamos los comportamientos de las dependencias en las redes de SC industriales bajo el supuesto de que las percepciones capturadas serían transferibles a las redes financieras.

UN NUEVO MODELO DE GESTIÓN DE RIESGOS
Para resolver el dilema creado por la necesidad de un administrador de simplificar y el hecho de que los mapas bidimensionales de riesgo de red no representan la realidad, abrimos la caja de herramientas de la ciencia natural. Sin entrar en detalles matemáticos, este artículo rastreará el desarrollo de una heurística (aprender del descubrimiento y la experimentación; a veces se utiliza un concepto abstracto) útil, en la cual un modelo de red se refinó progresivamente para representar la actividad interconectada en un sistema industrial observado a lo largo del tiempo.

Sabíamos que la condición del todo era el resultado de la actividad de sus componentes más pequeños y sus interacciones entre sí. Sobre la base de la física, la investigación comparó el comportamiento de la cadena de suministro con las moléculas en un objeto sólido.

En los sistemas de partículas, el comportamiento colectivo se puede observar a nivel molecular, pero una distribución uniforme de nodos interconectados en una red no fue realista. Dependiendo del poder de compra (volumen transaccional) de las empresas que hacen negocios entre sí, quedó claro que la intensidad de la interacción entre las empresas variaría y que sus relaciones comerciales cambiarían ocasionalmente. Extendiendo la metáfora, si las interacciones entre las partículas / firmas ocurren con intensidad variable, el efecto de las partículas / firmas individuales sobre otras será más fuerte o más débil.Entre las Líneas En este punto, se agregó al modelo la teoría de la red compleja, que parametriza la interacción. (Tal vez sea de interés más investigación sobre el concepto).

Detalles

Las empresas en una red estrechamente acoplada interactúan y reaccionan entre sí, provocando que la información fluya entre usuarios activos de manera perpetua, pero con intensidades variables.

En un refinamiento posterior, el modelo tomó en cuenta que los flujos de bienes e información en una red no se mueven con suavidad, pero son inciertos. Los eventos en la mayoría de los sistemas llegan de forma variable y se distribuyen irregularmente. De hecho, en cada etapa de cualquiera de los procesos, suceden cosas inesperadas. Por ejemplo, una máquina se rompe, el trabajo se pone en huelga, un tornado golpea la ciudad, todos los cuales son plausibles, y suceden de vez en cuando.

Puntualización

Sin embargo, estos eventos no ocurren a una velocidad predecible, sino que se producen de manera aleatoria. Esto significa que no podemos asumir que al final de cualquier semana, al menos uno de estos tipos de interrupción ocurrirá.Entre las Líneas En su lugar, podría haber tres eventos realistas en una semana, seguidos de períodos de silencio y luego más malas noticias.

Otros Elementos

Además, el impacto de cada evento variará ampliamente. Algunos llevarán a la catástrofe, otros caerán dentro del rango de divergencias manejables de las expectativas (un poco menos producidas de lo planeado, pero suficiente para satisfacer al cliente y mantener el flujo de efectivo). De esta manera, la simulación mejoró progresivamente, pasando de una imagen estática inicial, en la que los eventos ocurren regularmente y en secuencia, a una en la que los eventos se propagan por todo el sistema (Figura 4). Describimos matemáticamente la llegada aleatoria de interrupciones, en un patrón que es comparable a la ocurrencia de terremotos en Italia, o la llegada de clientes en una cola, o la descomposición nuclear de material radioactivo. Imagen estática, en la cual los eventos ocurren regularmente, y en secuencia, a uno en el que los eventos se propagan a través del sistema (Figura 4). Describimos matemáticamente la llegada aleatoria de interrupciones, en un patrón que es comparable a la ocurrencia de terremotos en Italia, o la llegada de clientes en una cola, o la descomposición nuclear de material radioactivo. Imagen estática, en la cual los eventos ocurren regularmente, y en secuencia, a uno en el que los eventos se propagan a través del sistema. Describimos matemáticamente la llegada aleatoria de interrupciones, en un patrón que es comparable a la ocurrencia de terremotos en Italia, o la llegada de clientes en una cola, o la descomposición nuclear de material radioactivo.

LA IMAGEN QUE SURGIÓ DEL MODELO
Los modelos tradicionalmente estáticos de riesgo empresarial fueron reemplazados por nuestro modelo dinámico.Entre las Líneas En lugar de utilizar una instantánea de una interrupción para representar la exposición al riesgo de la empresa (a menudo extrapolada en meses), agregamos la incertidumbre dinámica de la interrupción y luego agregamos los efectos de propagación a través de toda la red. El modelo se puso en marcha simulando lo que se sabía, es decir, el comportamiento más familiar y estable del sistema. Esto se centró en varias empresas diferentes que hacían negocios con el mismo producto o tipo de producto. No parecían conectados a primera vista, porque tenían diferentes ubicaciones geográficas, escalas, número de empleados y estaban en diferentes niveles de la red de SC. Una vez que se armó la lista de diversas empresas (que representan un mercado de suministro), el modelo comenzó a simular las formas más simples de incertidumbre: cambios en el rendimiento (véase una definición en el diccionario y más detalles, en la plataforma general, sobre rendimientos) (como el rendimiento (véase una definición en el diccionario y más detalles, en la plataforma general, sobre rendimientos) de producción o la escasez de entrega). Esto podría llevar a cadenas de quiebras no solo en sus propios proveedores, sino también en los clientes que suministraron (Mizgier et al. 2012). Entonces, la investigación comenzó a explorar lo que sucedería cuando ocurriera un desastre. Para simular esto, el científico juega con los parámetros que representan las características de los escenarios del “peor caso”. Esto relajó algunas de las condiciones de los límites iniciales, como permitir que se produzcan nuevas interrupciones durante el tiempo de recuperación (nuevamente, algo que los administradores rara vez anticipan). Como resultado, el modelo demostró pérdidas mucho más altas de lo que hubiera ocurrido si los eventos hubieran ocurrido rara vez. Por ejemplo, si en una planta que se acaba de renovar después de un incendio se rompe una máquina importante, las pérdidas totales se prolongan aleatoriamente. Esto a su vez,

Basado en la experiencia de varios autores, mis opiniones, perspectivas y recomendaciones se expresarán a continuación (o en otros lugares de esta plataforma, respecto a las características en 2026 o antes, y el futuro de esta cuestión):

La simulación dejó en claro que simplemente no es lo suficientemente bueno como para mirar los perfiles individuales de las interrupciones, porque, como Japón y Tailandia dejaron en claro, en realidad pueden venir en “paquetes múltiples”. Los resultados más útiles para los gestores de riesgos fueron logrados por Preguntar qué pasaría en diversas circunstancias, tales como:

¿Cuál es el impacto si movemos todos los proveedores a una ubicación? ¿Qué sucede si elegimos proveedores para diversificar nuestra base de proveedores en múltiples regiones?
¿Cuál es el impacto si redistribuimos los volúmenes de compra entre la base de proveedores?
¿Qué proveedor contribuye más a la pérdida total?

Estos análisis de sensibilidad descubrieron efectos de aumento que supuestamente surgieron de la complejidad y las dependencias dentro del sistema: los cambios menores en los parámetros de un sistema complejo pueden tener efectos desproporcionados en general. El modelo también detectó los cuellos de botella en el sistema al estimar las pérdidas esperadas provenientes de una cierta dirección de flujo (Mizgier et al. 2013).

Otra revelación (que fue contra todo sentido común) fue el hecho de que los proveedores de respaldo no mitigan necesariamente el riesgo de una sola fuente. Puede haber varias causas de raíz para esto. Una estrategia de abastecimiento múltiple en el segundo nivel no protegerá a un OEM si hay una fuente única no detectada incrustada en la cadena. Si el proveedor de la materia prima también derribó al proveedor de respaldo que causó el incumplimiento del primer proveedor, poco se gana.

TOMANDO ACCION PRAGMATICA
Un modelo nunca es “la respuesta” a cualquier pregunta del gerente. Tampoco puede ser una representación completa de la realidad.

Puntualización

Sin embargo, puede ser útil, especialmente cuando las herramientas que reemplaza son simplificadas o engañosas. Uno de los resultados clave de nuestra expansión científica de la caja de herramientas de administración es ir más allá de las heurísticas bidimensionales.

La historia de la gestión de la cadena de suministro consiste en cargar nuestros modelos de manera más completa, ya sea por nuestra comprensión del costo (o coste, como se emplea mayoritariamente en España) o la incertidumbre. De hecho, la lógica de optimización debería alejarse del recorte de costos (o costes, como se emplea mayoritariamente en España) para mejorar la productividad general durante largos períodos de tiempo. La visión interdisciplinaria adoptada por el modelo identifica a los posibles culpables y localiza los problemas desde el principio. Este tipo de herramienta ayuda a quienes toman decisiones a madurar, desde dibujar escenarios planos hasta generar paisajes de eventos multidimensionales.

Si GM pudo haber anticipado que su tormenta perfecta está más allá de toda conjetura, porque incluso el modelo más realista depende en gran medida de los datos y el criterio de la gerencia.

Puntualización

Sin embargo, dada la popularidad de la agrupación de la industria, la industria de la EH en Tailandia debería haber reconocido que su concentración geográfica estaba creando vulnerabilidad. Incluso los gerentes con acceso limitado a los datos encontrarán que las fuentes públicas como iSuppli son más que adecuadas para el análisis, y son asequibles. Los cuellos de botella se hacen visibles porque sus consecuencias se calculan de manera realista.

Asegurar la mejor calidad de datos posible es el paso más importante en el proceso de modelado. A pesar del enfoque realista, nuestro modelo de riesgo no pudo agregar todos los efectos en una representación única y elegante. Esto se debió a que no todas las empresas reaccionan de la misma manera ante amenazas, sean agudas o pendientes, sino que cada una tiene su propia cultura de toma de decisiones, estructuras de autoridad y guardianes.

Una Conclusión

Por lo tanto, el modelo debe implementarse para imitar este rango de comportamientos reales, y esto solo es posible con datos que capturen estos fenómenos. Otra recomendación es no mirar a las empresas por separado, sino desarrollar una visión global de la exposición total al riesgo. Esto obviamente mejorará la calidad de los cuellos de botella y los diagnósticos de concentración. (Tal vez sea de interés más investigación sobre el concepto). La recopilación de datos será un proceso que requiere mucho tiempo sin un retorno de la inversión a corto plazo, pero a medida que la crisis impulsa el cambio,

Autor: Williams

Recursos

Notas y Referencias

Helbing, D., Lämmer S., Seidel, T., Šeba, P., y Płatkowski, T. (2004). “Física, estabilidad y dinámica de las redes de suministro”, Physical Review E, 70 (6): 066116.
Mizgier, KJ, Wagner, SM, y Holyst, JA (2012). “Modelado de valores predeterminados de compañías en redes de cadena de suministro de etapas múltiples”, International Journal of Production Economics, 135 (1): 14-23.
Mizgier, KJ, Jüttner, MP, y Wagner, SM (2013). “Identificación de cuellos de botella en las redes de la cadena de suministro”, International Journal of Production Research, 51 (5): 1477-1490.

▷ Esperamos que haya sido de utilidad. Si conoces a alguien que pueda estar interesado en este tema, por favor comparte con él/ella este contenido. Es la mejor forma de ayudar al Proyecto Lawi.