Artículos

Importancia de la Microeconomía

La microeconomía es la rama de la economía que estudia el comportamiento de agentes económicos individuales, como individuos, familias y empresas. La microeconomía estudia cómo estos agentes toman decisiones e interactúan con el mercado.


El concepto tradicional de microeconomía la define como la ciencia social que estudia la asignación de recursos escasos entre fines alternativos.

La microeconomía usa modelos para analizar el comportamiento de productores y consumidores. Los modelos microeconómicos son representaciones simplificadas de la realidad. Los modelos utilizan supuestos de trabajo. Utilizando el método deductivo, se derivan conclusiones que permiten analizar o predecir qué sucedería ante cambios en las variables más importantes del modelo microeconómico. Por ejemplo, los modelos microeconómicos pueden predecir qué sucede con las cantidades y precios de bienes y servicios ante un cambio en la tasa impositiva.

El modelo microeconómico más importante es el modelo de oferta y demanda:


El este modelo, las cantidades ofrecidas y demandadas dependen del precio y de la cantidad. Las variables exógenas al modelo son las preferencias de los consumidores, los precios de los insumos, la tasa impositiva y otros elementos que no se determinan por el modelo microeconómico, sino que se consideran exógenos.

Este modelo utiliza supuestos importantes, como preferencias estables, homogeneidad del producto, información perfecta y libertad de entrada y salida.


La Importancia de la Microeconomía

La microeconomía es fundamentalmente importante en:

  • La toma de decisiones: La microeconomía es importante en la toma de decisiones empresariales, porque permite que gerentes puedan comprender mejor el comportamiento del mercado y analizar cómo respondes los consumidores ante cambios en variables como el precio y la cantidad de bienes ofrecidos. La microeconomía juega un rol fundamental en el análisis de la demanda, el análisis de costos, la estrategia de precios y la política de producción.

  • Las políticas económicas: la microeconomía es muy importante a la hora de determinar las política económicas relacionadas con regulaciones de mercado, como la tasa impositiva óptima y las regulaciones relacionadas con el control de monopolios y oligopolios. La importancia de la microeconomía también se puede ver a la hora de diseñar políticas económicas sectoriales, como la política agropecuaria, política de desarollo de pequeñas y medianas empresas, políticas educativas, etc.

  • El estudio del funcionamiento económico: La microeconomía juega un rol fundamental en la comprensión del funcionamiento económico en general. La microeconomía se relaciona con otras ramas de la economía, como la macroeconomía, y tiene un papel importante en casi todos los enfoques económicos, como la organización industrial, la economía laboral, etc.

    La macroeconomía es el otro gran enfoque de la ciencia económica. A diferencia de la microeconomía, la macroeconomía estudia el comportamiento de agregados económicos, como el producto bruto interno, la inflación, etc. Siendo que estos agregados económicos se forman por un gran número de elementos individuales, la microeconomía también es importante en el estudio macroeconómico. Los modelos macroeconómicos modernos incorporan elementos de la microeconomía para estudiar su comportamiento. Por ejemplo, para analizar el consumo agregado, se puede partir de un modelo de consumo individual y simplemente multiplicar el consumo individual para llegar al consumo agregado.

  • El estudio del comportamiento humano: La microeconomía permite analizar los incentivos que tienen las personas a la hora de tomar gran cantidad de decisiones, no solo aquellas que se relacionan directamente con motivos monetarios, sino también que la microeconomía tiene una importancia a la hora de analizar decisiones relacionadas con la asignación del tiempo, elección de una carrera, incentivos a la hora de elegir pareja, etc. La microeconomía se relaciona con otras ciencias como la psicología.

La Importancia del Precio como Asignador de Recursos

La microeconomía busca analizar en detalle dos variables de suma importancia para la asignación de recursos y el bienestar de las personas: precios y cantidades. En las economías capitalistas modernas, el precio es la variable más importante para la asignación de recursos. El precio transmite información sobre los incentivos de producción, inversión y consumo.

Por ejemplo, si aumenta la demanda de un producto debido a un cambio en la preferencia de los consumidores, la curva de demanda se desplaza hacia arriba, porque los consumidores estarán dispuestos a pagar más por cada unidad del bien en cuestión.

Ante el aumento de la demanda, el precio tiende a subir. El aumento de precio sirve como señal para que los productores tengan más incentivos para producir mayor cantidad de ese bien. El aumento de producción se realiza mediante la reasignación de recursos desde otras actividades económicas hacia la producción de ese bien. En este simple ejemplo podemos ver como, en las economías capitalistas, el precio tiene un papel fundamental para transmitir incentivos de producción y consumo.

Acuerdo de Libre Comercio Mercosur Unión Europea: Todo lo que necesitas saber

26 de Junio de 2019


Luego de 20 años de negociaciones, se acaba de firmar un "entendimiento político" para lograr un acuerdo de libre comercio entre la Unión Europea y el Mercosur.

¿Qué es un Acuerdo de Libre Comercio?

Un acuerdo de libre comercio es un tratado entre dos o mas países o regiones económicas, mediante el cual se eliminan o disminuyen los aranceles de importación y exportación de ciertos grupos de bienes y servicios.


Los acuerdos de libre comercio no deben ser confundidos con otro tipo de acuerdos de integración económica. En especial, hay que tener en cuenta que los acuerdos de libre comercio no implican necesariamente programas de integración fiscal, política o monetaria.

Los principales objetivos de los acuerdos de libre comercio son fomentar el crecimiento económico, la ocupación y la disponibilidad de bienes y servicios en los países participantes. La teoría económica subyacente indica que las menores trabas al comercio internacional permiten lograr una mejor asignación de recursos, gracias a que los países asignarán mas recursos hacia aquellos sectores en los que tengan ventajas comparativas.

Las empresas de los sectores con ventajas comparativas también se ven beneficiadas por un aumento de su escala, lo que permite que puedan operar con mayor eficiencia técnica, y por la posibilidad de acceder a insumos importados a menores costos, lo que permite que puedan operar con mayor eficiencia económica.


Sin embargo, no todos resultan beneficiados con un acuerdo de libre comercio. Al disminuirse los aranceles a la importación, también se pueden ver perjudicados ciertos sectores productivos que se enfrentarán a mayor competencia con bienes o servicios importados. En el caso del Mercosur, algunos sectores industriales se podrían ver perjudicados por una mayor competencia internacional, mientras que los sectores agropecuarios claramente tendrán beneficios por un mayor acceso al mercado europeo.

Si bien una opción es aplicar un cronograma de desgravación arancelaria paulatina, los sectores con desventajas comparativas estructurales se perjudican y desde el punto de vista económico, liberarán recursos que a largo plazo se utilizarán en los sectores con mayores ventajas en el ámbito del comercio internacional.

En el acuerdo firmado entre el Mercosur y la Unión Europea contempla períodos de desgravación que van desde los 10 hasta los 15 años para el Mercosur, mientras que la Unión Europea aceptó plazos de desgravación inmediatos.

Los acuerdos de libre comercio no solo traen aparejados cambios en el flujo de mercancías, sino que también provocan cambios en los flujos internacionales de capital y de personas. Por ejemplo, luego de firmarse el Tratado de Libre Comercio de América del Norte entre México, Canadá y Estados Unidos, muchas empresas que utilizan mano de obra de manera intensiva, mudaron sus plantas productivas a México porque podrían exportar desde allí hacia Estados Unidos sin barreras arancelarias.

La Unión Europea representa la región económica con un importante stock de inversiones globales. Si bien el flujo de inversiones desde la Unión Europea hacia el Mercosur podría verse favorecido, la situación política de cada país jugará un factor fundamental.

El Acuerdo entre la Unión Europea y el Mercosur

Si bien se logró un acuerdo de entendimiento, el acuerdo requiere pasos adicionales para su implementación. La Unión Europea exige mantener la prohibición de transgénicos.

Además, el acuerdo todavía debe ser aprobado por los países miembros de la Unión Europea. Probablemente, diversos sectores presentarán oposición a algunos puntos del acuerdo de libre comercio. Organizaciones ecologistas, además de oponerse a los alimentos transgénicos, se opondrán a un posible aumento de la deforestación en Sudamérica. En Francia, sectores ven con recelo un posible aumento de las importaciones de carne argentina.

Países Miembros del Mercosur

  • Argentina

  • Brasil

  • Paraguay

  • Uruguay

Países Miembros la Unión Europea

  • Alemania

  • Austria

  • Bélgica

  • Bulgaria

  • Chipre

  • Croacia

  • Dinamarca

  • Eslovaquia

  • Eslovenia

  • España

  • Estonia

  • Finlandia

  • Francia

  • Grecia

  • Hungría

  • Irlanda

  • Italia

  • Letonia

  • Lituania

  • Luxemburgo

  • Malta

  • Países Bajos

  • Polonia

  • Portugal

  • Reino Unido

  • República Checha

  • Rumania

  • Suecia

Marco Internacional

Las negociaciones para lograr el acuerdo entre la Unión Europea y el Mercosur se intensificaron desde que Donald Trump fue elegido presidente de los Estados Unidos. Trump impulsa una fuerte política proteccionista que está teniendo un impacto en las economías europeas, que se ven perjudicadas por la reciente guerra comercial. La Unión Europea logró acuerdos similares con Canadá, México y Japón.

Software para Economistas

Software para economistas son programas informáticos, lenguajes de programación o plataformas de cómputo que se utilizan principalmente para realizar análisis estadístico y para elaborar informes y documentos. Algunos de los software mas usados son STATA, Eviews y SPSS, además de aplicaciones de oficina y programas para la elaboración de documentos.


La economía moderna requiere cada vez mas manipulación de datos y la modelación de relaciones funcionales. La programación es una habilidad cada vez mas requerida en los economistas. Muchos de los programas o software mencionados en este artículo son lenguajes de programación en sí mismos: requieren saber programación en general, y saber usar el lenguaje en particular. Otros, como SPSS, pueden ser usados sin saber programación, por lo que pueden resultar mas fáciles, aunque menos poderosos.

En este artículo no cubrimos en profundidad software de oficina como MS-Word, Excel y lectores y editores de PDF, porque la mayoría de nosotros ya sabemos para qué sirve este tipo de programas y sus características.

Economistas usan software principalmente para:


  • Realizar análisis estadístico y econométrico.

  • Para elaborar documentos y papers.

  • Para realizar álgebra.

Los elementos mas importantes, además de su capacidad para realizar las tareas para los que son usados, a la hora de definir qué software usar son las siguientes:

  • Convención: mientras mas colegas usan el mismo software, es mas fácil compartir el código y obtener ayuda. Al mismo tiempo, si se trabaja en equipo, se pueden obtener licencias a un menor precio cuando se compran varias al mismo tiempo.

  • Precio: existen programas gratuitos y de código abierto, que son gratis, y programas de código cerrado que tienen un precio, en algunos casos elevado. En estos casos, el precio puede ser un factor importante a la hora de elegir qué programa usar.

  • Inercia: en muchos casos los economistas aprenden a usar un programa en la universidad y luego siguen usando ese programa en su ámbito laboral. Las universidades siguen enseñando a usar el mismo software a sus alumnos y por economías de red, el sofware se sigue usando.

Software para análisis estadístico y econométrico usados por economistas



  • STATA: es un programa muy usado para realizar análisis econométrico. Es fácil de usar y ya tiene varios años de trayectoria, por lo que muchos lo usan por inercia. En los últimos años ha tenido cierto crecimiento en ciertas organizaciones que se han mudado desde SPSS a STATA. Para usarlo hay que adquirir una licencia. Puede manejar grandes datasets.

  • Eviews: es un software muy usado para analizar series de tiempo, pero es capaz de realizar diversos análisis estadísticos. Al igual que STATA, Eviews es relativamente fácil de usar, aunque puede ser un poco complicado importar los datos a Eviews.

  • SAS: SAS es un sistema comercial relativamente caro. Es muy usado en la industria, especialmente en Estados Unidos. En el ámbito farmacéutico, por ejemplo, SAS es el mas utilizado. SAS es bueno para manejar grandes cantidades de datos.

  • SPSS: Es un progama muy usado en todas las ciencias sociales y es fácil de usar. Tiene una interfaz de usuario que con unos pocos clicks permite realizar análisis estadísticos convencionales. Por ejemplo, regresiones lineales y análisis de ANOVA se pueden hacer en pocos minutos. Los resultados son detallados y los gráficos son aceptables. SPSS no es muy bueno manejando grandes bases de datos.

  • R: R y Python son lenguajes de programación de código abierto. Al ser lenguajes de programación sin una interfaz gráfica, tienen una curva de aprendizaje mucho mas elevada, pero una vez aprendidos, pueden tener mas flexibilidad a la hora de desarrollar programas específicos, aunque no todos los economistas necesitan desarrollar programas. R es excelente para realizar predicciones y el análisis de datos, fue creado específicamente para el análisis estadístico. Algunos usuarios se quejan de la capacidad de R para analizar grandes bases de datos. Los gráficos elaborados con R son de excelente calidad.

  • Python: Python es un lenguaje de propósito general de código abierto. Con el tiempo, usuarios desarrollaron librerías de uso específico, por ejemplo Python Pandas y Numpy, que sirven para analizar datos. Python puede gestionar y analizar grandes datasets con relativa facilidad, en este sentido es mejor que R. Python puede ser mas difícil de aprender que SPSS y SAS, en especial si no se tiene experiencia con lenguajes de programación. Python y R todavía no son muy usados por economistas, pero están creciendo rápidamente a medida que sus librerías se mejoran y a medida que mas usuarios aprenden a usarlos.

Software para realizar álgebra y matemática usados por economistas

Este tipo de software no es tan utilizado, dado que muy pocos economistas deben realizar álgebra y análisis matemático. Para este tipo de tareas, los programas mas usados son:

  • Mathematica: es muy caro. Se trata de un software poderoso pero difícil de aprender.

  • Matlab: usado para manipulaciones de matrices, gráficos de funciones y datos. También puede hacer simulaciones de Monte Carlo. Una alternativa a Matlab, pero libre, es GNU Octave.

Software para elaborar documentos

Muchos economistas deben elaborar reportes y enviar papers para ser publicados. Estos programas permiten elaborar documentos, principalmente usando LaTex. LaTex es un sistema para elaborar documentos que permite trabajar con ecuaciones matemáticas.

Algunos de los software mas usados por economistas para este tipo de tareas son:

  • TexMaker

  • TEXstudio

  • LYX

  • Texmaker

  • Adobe Acrobat (no para LaTex, solo para elaborar PDFs)

  • MS-Word y su alternativa libre, LibreOffice

VLOOKUP

En este artículo te explicamos como usar VLOOKUP en Excel:

VLOOKUP es una fórmula que busca un valor en una tabla. La fórmula nos pide un dato para saber en que fila buscar. Por ejemplo, el nombre y apellido de un empleado. Luego, nos pide que necesitamos saber. Por ejemplo, si tenemos una tabla de empleados con nombre y apellido, teléfonos y salarios, y queremos saber el salario de un empleado, debemos indicarle el nombre y apellido, y luego indicarle que necesitamos saber el salario de esa persona.

Esto es particularmente útil si tenemos una tabla con una gran cantidad de datos. En el ejemplo que les presento mas abajo, tengo solo cuatro empleados, pero imagínate que tienes una plantilla con 1500 empleados. En este caso, buscar los datos manualmente será tedioso y propenso a errores que pueden costar caro. Para evitar que te suceda esto, continua leyendo...

Para usar VLOOKUP, tienes que seguir el siguiente procedimiento:

  1. Ingresar la fórmula: escribe '=VLOOKUP' y abre paréntesis.

  2. Ingresa la celda que contiene el valor a buscar. Y luego coma. También puedes ingresar el valor a buscar manualmente, pero siempre es útil poder ver lo que estamos buscando en una celda separada.

  3. Ingresa el rango de la tabla con los valores a buscar. Y luego coma.

  4. Ingresa el número de la columna con el dato que quieres extraer. Luego cierra paréntesis y presiona enter.



En el siguiente vídeo puedes ver como se usa VLOOKUP.

Argumentos de la Función VLOOKUP



La sintaxis de VLOOKUP es la siguiente

=VLOOKUP(valor a buscar, tabla, índice de la columna, [range_lookup])

1- El valor a buscar

G3 es el valor que VLOOKUP buscará en la tabla. Cuando encuentre este valor, identificará una fila. Este valor tiene que estar ubicado siempre en la columna que esté mas a la izquierda de la tabla. Esta es una seria limitación de VLOOKUP, porque VLOOKUP no puede buscar hacia la izquierda, siempre hacia la derecha.

2- La tabla donde buscar

Es un rango de Excel donde VLOOKUP buscará.

3- La columna

¿De qué columna extraeremos el valor?

La primer columna, donde VLOOKUP busca el ID, será la número uno. La de la derecha a esta, la 2, y así sucesivamente.

En nuestro ejemplo, estamos buscando el apellido, por lo tanto la columna es 3. Si queremos buscar el salario, la columna es 4.

4- Coincidencia aproximada [opcional]

El último argumento de VLOOKUP es si queremos una búsqueda aproximada o no. Este argumento es opcional. Por defecto, si no ingresamos nada en este argumento, Excel supone que es TRUE (VERDADERO). Este valor es peligroso, porque si la tabla no está ordenada de acuerdo al ID, VLOOKUP puede devolver un valor incorrecto.

Recomiendo que siempre uses FALSE (FALSO) para el cuarto argumento de la función VLOOKUP, salvo que necesites una búsqueda aproximada. Pero en mi experiencia, la mayor parte de los usos de VLOOKUP es para búsquedas exactas.

VLOOKUP no tiene en cuenta mayúsculas y minúsculas

VLOOKUP no tiene en cuenta si buscamos usando mayúsculas o minúsculas. Por ejemplo, si buscamos usando apellidos en lugar de IDs, García devolverá el mismo resultado que garcía.

Consideraciones finales sobre VLOOKUP

Espero que este tutorial te haya servido y que lo puedas aplicar con éxito a tu trabajo. VLOOKUP es una fórmula muy usada en situaciones de trabajo. No olvides los peligros de la búsqueda aproximada.

Alianza Económica

Una alianza económica es un acuerdo o convenio entre dos o mas personas, empresas o países con el objetivo de obtener un beneficio económico. La cooperación usualmente permite que estos entes independientes puedan lograr sus objetivos mas fácilmente trabajando en conjunto que en forma independiente.


En el ámbito corporativo, las alianzas económicas se denominan alianzas estratégicas. Los miembros de este tipo de alianzas aportan:

- medios de distribución

- conocimiento, datos

- procesos

- fondos

Las alianzas económicas usualmente consisten en la coordinación de actividades y la suma de recursos con el objetivo de lograr mayor escala, lo que puede permitir una disminución del costo medio.

Por definición, la alianza no crea una nueva organización, sino que las empresas que componen la alianza siguen siendo entes organizativos independientes.



Software para Análisis Estadístico

Todos amamos las comparaciones! Antes de comprar un teléfono, averiguamos si es mejor Samsung o Apple. Antes de comprar un viaje, averiguamos sobre el destino. Pues bien, antes de aprender a usar un programa de estadística, es necesario investigar a fondo las distintas alternativas. Mas teniendo en cuenta que para poder usar uno de estos programas de manera mas o menos eficiente, necesitaremos varios meses de práctica. Además, la elección de uno u otro podrá influir de manera decisiva en nuestra futura carrera como profesionales.


En este artículo me enfocaré en los siguientes cuatro programas o lenguajes de programación:

- Python

- R

- SPSS

- SAS

Si bien existen mas programas, como Matlab, eViews y Stata, considero que estos son los cuatro mas importantes en este momento, y los que mas demanda tienen en general. En particular, uso profesionalmente Python y R. Anteriormente usé SPSS y muy poco SAS, por lo que mi experiencia con estos dos últimos es mas limitada, aunque para escribir este artículo realicé algunas consultas a profesionales con mas experiencia en los mismos.

Con la gran cantidad de datos disponibles y el auge de data science, actualmente los profesionales relacionados con la estadística deben saber utilizar de manera prolífica al menos uno de estos sistemas, aunque quienes se especialicen en el análisis de datos deben poder manejar dos de estos o mas, uno de los cuales debe ser Python o R, y es necesario tener conocimiento de SQL.


Suficiente introducción, vamos a ver cual es el mejor! Momento, no tan rápido, cada uno tiene sus pro y sus contra, por lo que deberás tomar la decisión vos mismo.

Python y R son lenguajes de programación de código abierto, mientras que SPSS y SAS son sistemas propietarios comerciales de código cerrado. Para usar SPSS y SAS es necesario comprar una licencia.

Como Python y R son gratuitos y de código abierto, cualquiera puede usarlos de manera profesional sin pagar nada. Esto hace que estén creciendo muy rápido y que cualquier programador puede desarrollar librerías para usar en los mismos. Ambos cuentan con una amplia comunidad dispuesta a ayudar en sitios como Stackoverflow. Comunidades de científicos de datos, como Kaggle, usan Python y R para sus proyectos.


SPSS y SAS no tienen comunidades de usuarios tan grandes, pero sí tienen soporte oficial de los proveedores. Esto puede ser útil para grandes empresas. Si bien la mayoría de los usuarios de Python y R no necesitan este tipo de soporte, ante una duda o problema, además de las comunidades online, existen empresas y profesionales dedicadas a brindar soporte para Python y R.

Python para Estadística

Python es un lenguaje de programación creado por un chico de holanda llamado Guido van Rossum. Guido quiso crear un lenguaje que sea fácil de aprender y poderoso al mismo tiempo. Python es relativamente fácil de aprender, si lo comparamos con otros lenguajes como C. Python es un lenguaje de programación de propósito general. La versión 0.9.0 de Python fue lanzada en 1991.

Al ser un lenguaje de programación de propósito general, Python es usado en muchos programas de PC, en sitios web y juegos. Si bien no fue creado específicamente para estadística, programadores comenzaron a crear librerías para el análisis estadístico con Python. Algunas de las mas conocidas son Pandas, Numpy, Matplotlib, SciPy y scikit-learn.

Python puede gestionar y analizar grandes datasets con relativa facilidad, en este sentido es mejor que R y SPSS. SAS es también de analizar bases de datos de gran tamaño.

Otro punto donde Python tiene mucha ventaja sobre el resto es en data mining y machine learning. Las librerías de Python para este tipo de tareas son mejores a las del resto. Además, Python se implementa en sistemas de producción, como predicciones en tiempo real.

Python puede ser mas difícil de aprender que SPSS y SAS, en especial si no se tiene experiencia con lenguajes de programación.

R

R es un lenguaje de programación creado en la Universidad de Auckland. R fue creado específicamente para analizar datos. Es excelente para realizar predicciones y el análisis de datos.

Al ser de código abierto, R también cuenta con muchas librerías que mejoraron el lenguaje inicial. En los últimos años, librerías como dplyr han hecho que R gane en facilidad de uso y adopción. Muchos consideran que actualmente R es mejor que Python en algunos aspectos, especialmente en estadística descriptiva. ggplot2 es otra excelente librería para crear gráficos y visualizaciones.

Tanto R como Python pueden importar datos de SAS y SPSS.

SAS

SAS es un sistema comercial relativamente caro. Es muy usado en la industria, especialmente en Estados Unidos. En el ámbito farmacéutico, por ejemplo, SAS es el mas utilizado.

SAS fue creado en la Universidad de Carolina del Norte, como una herramienta para analizar grandes datasets de datos de la agricultura. La del mismo demanda aumentó y en 1976 se fundó la empresa SAS.

SAS tiene mucha mas historia que Python y R y por lo tanto existe una gran cantidad de usuarios del mismo. Muchas empresas vienen usando SAS desde hace tiempo y por lo tanto van a seguir usando SAS por muchos años mas, por inercia.

Por esto, especialmente en Estados Unidos, existe una demanda relativamente continua de analista de datos que manejen SAS.

SAS es caro, pero este costo es relativamente bajo para empresas de gran envergadura. Si deseas aprender SAS, existe una versión llamada University Edition, que se ejecuta en una virtual machine y se debe usar con un navegador como Firefox. Esta versión es para uso académico y no comercial.

SPSS

SPSS significa Statistical Package for Social Science y como su nombre lo indica es muy usado en las ciencias sociales, como economía y psicología. Fue desarrollado en 1968 en Standford. IBM compró SPSS en 2009.

SPSS es muy utilizado en universidades y en el ámbito académico, pero no tanto en el sector privado. Como es mucho mas fácil de usar que Python y R, también es usado por muchos estudiantes.

Tiene una interfaz de usuario que con unos pocos clicks permite realizar análisis estadísticos convencionales, con una fracción del tiempo que requeriría realizar el mismo análisis en R y Python. Por ejemplo, regresiones lineales y análisis de ANOVA se pueden hacer en pocos minutos. Los resultados son detallados y los gráficos son aceptables.

SPSS no es muy bueno manejando grandes bases de datos.

Algunas conclusiones

Si eres un investigador de alguna ciencia social y no planeas especializarte en el análisis de datos, SPSS puede ser una opción. Aquellos que quieran trabajar en una industria específica o en Estados Unidos, pueden considerar aprender SAS.

El crecimiento de Python y R ha sido fenomenal en los últimos años, por lo que el futuro de estos dos lenguajes es excelente. Las librerías se vienen mejorando rápidamente. En ciertos aspectos, R supera a Python y en otros como Machine Learning, Python supera a R. Aunque ambos se complementan mutuamente, porque cada uno toma ideas del otro.

En el siguiente gráfico presento los resultados de una encuesta de ButchWorks (consultora) entre mas de mil analistas de datos y científicos de datos de Estados Unidos, en la que simplemente preguntan qué lenguaje prefieren. Podemos ver que con el tiempo, SAS está cayendo en desuso mientras que Python está creciendo rápidamente.

Cabe resaltar que esta encuesta es general, por lo tanto no se refiere a ningún sector en particular. Probablemente en el ámbito corporativo y entre los seniors, SAS supere al resto, mientras que en la academia R (y SPSS) sea mas popular que Python. Sin embargo, la tendencia en general es al crecimiento de Python.

Existen muchos analistas de datos que utilizan estos dos programas, generalmente Python para la preparación y limpieza de datos y R para el análisis. Personalmente tuve algunos inconvenientes con R al analizar grandes bases de datos y también con Python con algunos análisis estadísticos para los que no tenía librerías disponibles, para los cuales tuve que usar R.

Si planeas buscar empleo como data scientist o analista de datos, también deberás conocer SQL.

El Sector de la Publicidad

¿La Publicidad Agrega Valor o Sólo Busca Manipular a los Consumidores?



Varias fallas intrínsecas a los mercados están relacionadas con la información imperfecta:

- Asimetrías de información: cuando una de las partes tiene mas información que otra.

- Costo de obtener información: cuando la información no está disponible, obtener la misma puede ser costoso en términos de tiempo, dinero, etc.

El sector de la publicidad y el marketing mueve enormes cantidades de dinero: las empresas invierten enormes sumas en campañas publicitarias.



Pero ¿Cuál es el rol social que cumple la publicidad y el marketing? Los defensores del sector, podrían argumentar que la publicidad soluciona asimetrías de información, ya que gracias a la publicidad los consumidores obtienen información sobre productos, ya sea cualidades de los mismos o bien conocen productos que antes no conocían.

Sin embargo, en nuestra vida cotidiana estamos bombardeados permanentemente por publicidad que en su gran mayoría no aporta datos sobre el producto, sino buscan apelar a sentimientos de los consumidores y manipular su comportamiento con técnicas perfeccionadas para influir de modo sutil o subliminal en el proceso de toma de decisiones.

Por ejemplo, las publicidades de automóviles, usualmente no brinda información sobre su consumo de combustible o seguridad, sino que muestran imágenes que intentan que los potenciales consumidores asocien el modelo de auto con cierto status social, poder, imagen, estilo de vida, etc. Lo mismo podemos observar en publicidades de otros productos.


Hoy vi una entrevista a un gerente de una gran empresa de publicidad, hablando del enorme valor agregado que genera su empresa. El gerente de una empresa publicitaria tiene un concepto de "valor agregado" distinto del del economista. Para el economista genera valor agregado aquello que provoca un aumento de bienestar social mayor que la disminución de bienestar asociada al costo que implica su producción.

Pero qué sucedería si en lugar de dejar que las automotrices entren en una guerra de publicidad que no brinda información al consumidor, alguien externo al sector no permita que se gaste tanto en publicidad, sino que brinde información objetiva a los consumidores, que les permita comparar los modelos de automóviles solo por sus cualidades objetivas y no por elementos subjetivos. Esto permitiría que se ahorren enormes cantidades de recursos que podrían ser usados para actividades que sí aumenten el bienestar social. La enorme masa de personas que actualmente se dedica al marketing, estaría dedicada a producir bienes y servicios que aumenten el bienestar de las personas.

Por supuesto que esta alternativa podría fallar de muchas maneras, por ejemplo:

- El gobierno es ineficiente y se puede corromper.

- Algunas personas (consiente o inconsientemente) pueden percibir cierto "bienestar" el hecho de sentirse vinculado a un cierto grupo social o "estatus".

Otra situación se puede presentar si las empresas, al no tener que invertir en publicidad, dispongan de mas dinero para invertir en el desarrollo tecnológico de largo plazo. El mercado, con mas información que antes, podría premiar los avances en tecnología, seguridad, etc. mas que en la situación actual.

De esta manera, eliminando el sector de marketing por completo, la sociedad se encontraría en una situación mejor desde el punto de vista del bienestar.

Convertibilidad

¿Qué es la convertibilidad?


La convertibilidad es un sistema monetario que establece que el valor de la moneda local con respecto a una divisa (es decir, el tipo de cambio nominal) se mantendrá fijo con el correr del tiempo. Usualmente, se establece el tipo de cambio fijo con respecto al dolar.

Uno de los programas de convertibilidad mas conocido es el que se implementó en Argentina en la década de los 90: En 1991 Domingo Cavallo, que era ministro de economía, implementó la Ley de Convertibilidad, que fijó una paridad del austral respecto al dólar, y en 1992 fijó una paridad 1 a 1 del peso argentino con respecto al dolar.

Argentina venía de un período de elevada inflación, desempleo y déficit fiscal.


La Ley de Convertibilidad estableció que el Banco Central no podría emitir mas moneda sin respaldo en reservas de libre disponibilidad. Las reservas podían ser divisas, oro y títulos de otros países o emitidos en moneda extranjera (art. 4) De este modo, la política monetaria quedó muy limitada y el Gobierno Nacional tendría muy poca capacidad para financiar su déficit.

La Ley de Convertibilidad se complementó con otras medidas:

- Reforma del Estado: se traspasaron de servicios públicos como salud y educación a las provincias, se privatizaron servicios públicos

- Endeudamiento del estado y renegociaciones de deuda.

- Apertura comercial

- Prohibición de la indexación.

El traspaso de muchos servicios públicos a las provincias, ayudó a disminuir el déficit fiscal. Las privatizaciones otorgaron un gran flujo transitorio de fondos, que permitió balancear el déficit fiscal en el corto plazo.


La apertura comercial ayudó a eliminar la inflación, dado que los precios de todos los bienes y servicios transables no podía aumentar mas que sus niveles internacionales.

La prohibición de la indexación ayudó a fijar expectativas de baja inflación y eliminar la inflación inercial.

En el corto plazo, la inflación se eliminó y aumentó el crecimiento económico.

Este programa económico también otorgó cierta previsibilidad, luego de que Argentina pasara un período de fuertes cambios en materia de política económica.

Se puede afirmar que las medidas tomadas recortaron fuertemente la capacidad del Estado para ejercer política económica, no solo en temas monetarios, sino también en cuestiones de política fiscal, tomando mas protagonismo el mercado como asignador de recursos económicos. En general, se asocia a la convertibilidad con la implementación del neoliberalismo económico.

La oferta monetaria, desde el punto de vista Argentino, se transformó en una variable exógena. Pero no hay que dejar de tener en cuenta que la oferta mundial de dólares y tasa de interés en dólares, son influenciados por la evolución de la economía mundial y la política económica de Estados Unidos. Asimismo, Argentina comercia principalmente con países como Brasil, por lo tanto el tipo de cambio real multilateral depende de muchos factores, incluyendo la política económica de los países socios comerciales.

Para mantener la paridad 1 a 1, cada vez que la oferta de dolares superaba a la demanda, el Banco Central debía intervenir comprando dólares, y viceversa. Aunque el artículo 4 permitía el respaldo de la emisión de pesos con títulos emitidos en moneda extranjera, el gobierno no usó esta posibilidad, quizás por temor a que el mercado pierda confianza en la capacidad para mantener el espíritu de la ley intacto.

La evolución del sector externo permitió que la Argentina tenga una situación económica relativamente estable en términos de crecimiento económico y desempleo durante los primeros años de la convertibilidad. Desde el punto de vista político, fue un éxito en los primeros años. La evolución del tipo de cambio real favoreció a la economía argentina.

Pero Argentina había perdido muchos instrumentos de política económica, y cuando los vientos comenzaron a soplar hacia otros rumbos, el gobierno se vio atado de pies y manos en muchos aspectos de política económica.

En 1995 se sitió el primer cimbronazo con el llamado Efecto Tequila: muchos inversores se desprendieron de posiciones de activos en mercados emergentes para refugiarse en activos de países centrales, por situaciones originadas en México, pero que afectaron a todos los mercados emergentes. Argentina se vio particularmente afectada por el tipo de cambio fijo y la liberalización del mercado de capitales.

En 1995, aumentó la desocupación rápidamente a 18.4% y el PBI se contrajo 0.9%.

Luego le siguó la crisis originada en Rusia, que también afectó fuertemente a la la debilitada situación argentina. Argentina entró en recesión en 1998, recesión que duraría hasta 2002.

Hacia finales de 2001, la situación económica se había deteriorado drásticamente, lo que provocó la salida del régimen de convertibilidad.

A finales de 2001, las expectativas sobre la posibilidad del mantenimiento del tipo de cambio fijo se habían derrumbado y la gente comenzó a retirar sus ahorros del sistema bancario en masa. El gobierno impuso la restricción de los retiros bancarios, situación que se conoce somo "corralito". Se declaró un estado de sitio ante una ola de saqueos.

El FMI asistió a Argentina, imponiendo condiciones que implicaban un mayor ajuste económico y el mantenimiento del tipo de cambio fijo.

Los intentos por aumentar la recaudación tuvieron mayor impacto en la economía real.

A la crisis económica siguió una crisis política, el presidente Fernando de la Rua renunció en Diciembre de 2001. Argentina anunció el repudio de su deuda y en Enero se anunicó el fin de la Convertibilidad.

¿Qué es el Inbound Marketing?

El Inbound Marketing es un nuevo concepto sobre como tratar con clientes, empleados y socios y una metodología para adquirir y retener clientes, basada en atraer clientes mediante contenido útil y ser amable y humano en todas las etapas del proceso de adquisición.


El Inbound Marketing cobra fuerza con el crecimiento de Internet como medio de búsqueda de información y con el surgimiento de las plataformas de ecommerce. El Inbound Marketing incluye técnicas y canales basados en Internet, como marketing en las redes sociales, optimización para buscadores (SEO) e email marketing.

El Inbound Marketing se enfoca en crear relaciones de confianza con clientes y empleados, para lograr que los incentivos privados de cada uno de ellos se alineen con los objetivos de la empresa.

La principal diferencia con el marketing tradicional es que el Inbound Marketing prioritiza las conexiones interpersonales y el establecimiento de confianza en las relaciones de largo plazo, en lugar de usar tácticas que buscan una respuesta de compra (publicidad tradicional, slogans, etc.).


El Inbound Marketing utiliza el Contenido como uno de sus Principales Activos

Usando el Inbound Marketing, las marcas crean contenido útil que busca solucionar problemas reales y prácticos. El contenido puede estar en formato de artículo, video, publicaciones en redes sociales, publicaciones en blogs, etc.

Este contenido, al ser útil y servir para solucionar problemas reales, atrae potenciales clientes y comienza a crear una relación de confianza entre los potenciales clientes y la marca.


Historia del Inbound Marketing

El concepto de Inbound Marketing nace en los comienzos de los 2000 gracias a la popularización y al fuerte crecimiento de Internet. Cuando las marcas se dieron cuenta del poder del contenido de calidad para atraer nuevos clientes, comenzaron a usar el contenido como método de crecimiento empresarial.

El marketing tradicional se enfocaba en publicidad, slogans y en ofrecer un producto. Empresas como Apple, Airbnb y Spotify no solo enfocaron su estrategia en excelentes productos y servicios, sino también en construir relaciones de confianza con clientes y empleados. Apple, por ejemplo, cuenta con una base de clientes que son extremadamente leales a la marca.

El Inbound Marketing reemplaza los slogans y la publicidad tradicional con contenido útil e historias basadas en sus productos. Internet permite comparar miles de productos y servicios con facilidad, rapidez y desde la comodidad de una PC o smartphone. Los consumidores desdeñan los slogans baratos y prefieren buscar información útil para resolver problemas actuales o satisfacer sus necesidades.

Estapas del Inbound Marketing

1- Atraer

Es la primera etapa. En esta etapa, la empresa se enfoca en crear contenido de calidad destinado a las personas correctas. Se puede hacer de varias maneras, usualmente incluye crear blogs, comunidades, participar activamente en redes sociales, videos, etc.

2- Convertir

Una vez que el cliente ha visitado el contenido y escuchado o leído la marca, se comenzó a crear una relación entre el cliente y la empresa. En la segunda etapa, la empresa se enfoca en que el cliente tenga en cuenta a la empresa como una potencial forma de solucionar su problema, para que el visitante se convierta en cliente.

Las herramientas que se usan en esta etapa son varias:

- Formularios de Contacto

- Chats

- Emails

- Sistemas CRM

3- Venta

En esta etapa, una vez que se estableción un canal de conversación, la empresa se enfoca en convertir el potencial cliente en cliente. Generalmente se establece un flujo sistemático, detalladamente estudiado y probado constantemente, que establece las acciones a seguir una vez establecido el primer contacto.

Todo el proceso de pago y distribución debe estar cuidadosamente detallado y ser placentero para el cliente.

4- Servicio al Cliente y Relación con Clientes luego de la Venta

Luego de efectuada la venta, el Inbound Marketing se enfoca en satisfacer y deleitar a sus clientes. Un cliente satisfecho volverá nuevamente a comprar y también se puede convertir en un promotor mediante el boca en boca y su participación en canales como Facebook, Twitter, foros o plataformas especializadas de acuerdo al vertical donde opere la empresa (existen plataformas de valoración de hoteles, restaurantes y foros especializados en diversos tipos de productos y servicios).

Resumen y Conclusiones

El Inbound Marketing es una estrategia que ayuda a empresas a ser mas exitosas en la era de Internet, en la que los clientes desdeñan la publicidad y el marketing tradicional, y prefieren que se les brinde contenido útil y un proceso que sea placentero en todas las etapas y relaciones con la empresa.

De este modo, el Inbound Marketing sirve para aumentar la cantidad de ventas y establecer una relación de confianza con los consumidores, de forma que vuelvan a confiar en la empresa en el futuro y también promuevan a la empresa en diversos canales, lo que a su vez atraerá mas clientes.

Páginas

Conversor de Divisas

Subscribe to RSS - Artículos