Conversor de Divisas
Este conversor de divisas le permite ver rápidamente la cotización actualizada de una gran variedad de monedas internacionales. Convierta divisas de todos los países en tiempo real.
Salida Laboral de Economía
Economía es una carrera difícil. Mas difícil que contabilidad y administración de empresas.
A diferencia de contabilidad, la salida laboral de un economista es mucho mas variada y depende mas de las elecciones que cada economista realice. Las principales áreas donde trabajamos los economistas son:
- Inversiones y Finanzas en General
- Consultoría
- Sector Industrial
- Sector Público
- Docencia
- Investigación
- Medios de Comunicación
Además de estas áreas principales, la salida laboral de los economistas es muy variada, porque pueden insertarse en casi todo tipo de empresas y también trabajar de forma independiente.
La tendencia actual es que los economistas incorporen cada vez mas herramientas relacionadas al análisis de datos. Si actualmente estás estudiando economía, te recomiendo que complementes tus estudios de estadística y econometría con cursos de programación, análisis de datos, business intelligence y data science.
Sector Financiero y Bancario
El sector financiero y bancario es el sector que mas economistas concentra. En España, casi el 40% de los economistas trabajan en este sector. Los economistas son muy requeridos en empresas de inversiones, consultoría financiera y para el análisis de proyectos de inversión. Si bien los economistas tienen una comprensión del funcionamiento de los mercados financieros, para hacer carrera en este sector te recomiendo que te enfoques en las finanzas desde que comiences a estudiar economía. En general, la carrera brinda solo las herramientas básicas pero se trata de un mercado complejo con muchas particularidades que es necesario comprender a fondo si deseas manejar grandes carteras de inversión.
Consultoría
Diversas empresa de consultoría requieren los servicios de economistas. Las tareas a realizar en este sector son mas variadas que las del sector financiero. Depende mucho de la consultora, pero en general se relacionan con el análisis de mercado y análisis cuantitativos. En general, los economistas que trabajan en consultoría trabajan en equipos multidisciplinarios.
También existen consultoras especializadas que demandan economistas especializados en esos mercados. Por ejemplo, economistas con un amplio conocimiento del sector salud, energético, etc.
Sector Industrial
Grandes industrias requieren economistas en diversos roles, generalmente relacionados con el análisis de mercado y análisis cuantitativo.
Administración Pública
Los economistas trabajan en diversas áreas del sector público. Este sector tiene grandes diferencias con el resto de las salidas laborales de los economistas. En general, el sector público tiene mayor estabilidad laboral pero muchos economistas prefieren trabajar en el sector privado, por tener mas posibilidades de crecimiento de corto plazo.
Docencia
Muchos economistas prefieren la docencia. Una cátedra universitaria brinda una gran estabilidad pero pocas posibilidades de crecimiento, y generalmente se trata de ámbitos muy burocráticos y algo aislados de la realidad.
Investigación
Los economistas que se dedican a la investigación generalmente trabajan para una Universidad o el Gobierno, salvo en Estados Unidos donde existen numerosos Think Tanks que contratan economistas para realizar tareas de investigación. Para trabajar como economista investigador es necesario tener profundos conocimiento de los temas sobre los que se investigue.
¿Qué necesitan saber los economistas?
Además de los conocimientos brindados por la Universidad y dominio del idioma inglés, los economistas deben ser polivalentes y saber trabajar en equipos interdisciplinarios. Cada vez mas el mercado está demandando conocimientos cuantitativos prácticos que van mucho mas allá de las materias de estadística y econometría. Actualmente es imprescindible saber manejar al menos un paquete estadístico como SAS, SPSS, Eviews, R o Python. Incorporar conocimientos que no se dicten en la Universidad te abrirán muchas puertas.
Actualmente, es posible tomar cursos certificados por prestigiosas universidades a través de Internet. Algunos de los sitios mas importantes son Coursera y Edx. En estas páginas puedes tomar cursos de prestigiosas Universidades como MIT, Harvard y la Universidad de Berkeley. De hecho no solo se pueden tomar cursos, sino también se pueden realizar postgrados y especializaciones. Considero que el sector de educación online tendrá un fuerte crecimiento en los próximos años.
Los rápidos cambios hacen imprescindible que, al igual que casi todos los trabajadores relacionados con la información y el conocimiento, los economistas sigan capacitandose a lo largo de toda su carrera profesional. Si bien hace algunos años se consideraba a los MBA como una interesante opción, básicamente están cayendo en desuso y probablemente hoy sea conveniente tomar cursos y especializaciones en sectores particulares.
La creciente internacionalización de las empresas hace también necesario que los economistas tengan una visión global de los negocios y las relaciones laborales. Realizar pasantías y cursos en el extranjero son una oportunidad para ampliar tu visión global.
Modelo Financiero
Un modelo financiero es una representación simplificada del comportamiento de activos financieros, portafolios de inversión, proyectos de inversión, empresas e inversiones en general. Los modelos financieros se caracterizan por expresar las relaciones a través de funciones matemáticas.
Excel es la herramienta mas usada para construir modelos financieros, porque permite fácilmente expresar las relaciones entre diversas variables mediante fórmulas que relacionan las celdas. Cuando el valor de una celda que contiene un parámetro del modelo se modifica, Excel automáticamente actualiza el valor de las celdas relacionadas. A pesar de su amplia difusión, el uso de Excel para los modelos financieros es peligroso si no se tienen los recaudos adecuados.
¿Para qué sirve un modelo financiero?
Los modelos financieros se utilizan para tener una visión general del estado financiero de la empresa: sus activos, pasivos, situación de liquidez, próximos compromisos, etc. También sirven para analizar como influyen ciertas variables en la situación de la empresa y el riesgo al que está expuesta la empresa. Por ejemplo, como afectaría una modificación en la tasa de interés o el tipo de cambio a la situación financiera de la empresa.
La información brindada por los modelos financieros es muy útil a la hora de tomar diversas decisiones empresariales, como decisiones relacionadas con endeudamiento, crecimiento empresarial, venta de unidades de negocio o necesidad de buscar socios externos. Como vemos, los modelos financieros son muy importantes en la actividad empresarial. Son usados tanto por pequeñas empresas como por grandes multinacionales.
Modelo financiero en Excel
En la mayoría de los casos, el modelo financiero se construye con Excel. Las plantillas de cálculo son excelentes herramientas para representar relaciones entre variables financieras. Otras herramientas usadas en la modelización financiera son programas de business intelligence y ERP (sistema de planificación de recursos empresariales), como Power BI de Microsoft y Odoo. Aunque Excel sigue dominando la planificación financiera en la mayor parte de las empresas.
El uso de Excel para crear modelos financieros tiene algunas desventajas. Según una investigación realizada por la consultora KPMG, mas del 90% de las hojas de cálculo empresariales tiene algún tipo de error. El problema de Excel es que es fácil incurrir en errores al introducir una fórmula o valor, y estos errores son difíciles de encontrar. Cuando las plantillas son compartidas entre varios empleados, la probabilidad de errores se multiplica.
Las empresas no suelen tratar a las plantillas de Excel como el resto de sus recursos de IT. A pesar de su importancia, usualmente, las plantillas de Excel no están sujetas a procesos de auditoría, como sí lo son otros activos como programas y software interno.
Usualmente, a medida que las hojas de cálculo se utilizan durante meses o años, se van introduciendo modificaciones y complejidades, lo que significa mayores puntos donde puede haber un error. La estructura de Excel hace que los errores se propagen hacia otras celdas.
Existe un número de fiascos financieros documentados, en los que errores causados por Excel costaron millones de dólares.
Por ejemplo, en 1994, un contador del fondo mutuo Fidelity Investments Magellan omitió un signo menos en una plantilla. El modelo financiero debería haber arrojado una pérdida de 1,3 mil millones de dólares, mostró una ganancia de 1,3 mil millones. Como resultado del error, el fondo repartió dividendos que no debería haber repartido.
Ejemplo de Modelo Financiero
Un ejemplo simple de un modelo financiero es el modelo de flujo de fondos descontado. Este modelo simplemente determina el valor de una empresa usando el flujo descontado.
Por ejemplo, se realizan los siguientes supuestos:
1- Un flujo de fondos inicial de $10,000
2- Una tasa de descuento del 10%
3- El flujo de fondos crece a una tasa del 10% anual durante cinco años, luego al 5% durante los próximos 5 años.
4- La empresa tiene 1,000 acciones y no paga dividendos.
El modelo financiero de flujo descontado busca establecer el valor de la empresa descontando todos los flujos futuros a valor presente. Por supuesto que este modelo es una representación simplificada dado que deja de lado muchos factores, como el riesgo. A pesar de esto, el modelo se puede modificar para incorporar algunos de estos factores.
El modelo financiero de flujo descontado se puede hacer fácilmente con Excel.
Referencias:
Philip Howard 2005, Managing spreadsheets Bloor Research, https://www.bloorresearch.com/research/managing-spreadsheets/
La Cadena de Valor
La cadena de valor es un modelo de planeación estratégica desarrollado por Michael Porter en 1985, que describe todas las actividades a través de las cuales la empresa crea un producto o servicio.
Por ejemplo, si una empresa produce un bien, la cadena de valor usualmente comienza con la compra de materias primas y termina con actividades de marketing y la venta del producto.
En modelo de cadena de valor permite que los gerentes analicen cada una de las etapas productivas para aumentar la eficiencia empresarial.
Michael Porter introdujo el concepto de cadena de valor en su libro Competitive Advantage: Creating and Sustaining Superior Performance (Free Press, 1998).
La enseñanza fundamental del modelo de cadena de valor es que los administradores busquen maximizar el valor agregado en cada una de las etapas del proceso productivo. El margen se define como la diferencia entre el valor final y el costo de crear ese valor. La finalidad de la organización es maximizar el margen. Una empresa tiene ventaja competitiva cuando puede aumentar el margen, ya sea aumentando el valor final o bajando los costos.
La Cadena de Valor a Fondo
El modelo de cadena de valor divide a la empresa en dos categorías fundamentales:
- Primaria
- Soporte
Actividades primarias:
- Logística Entrante: movimientos de mercaderías, materia prima y partes.
- Operaciones: las operaciones que convierten los inputs en productos terminados.
- Logística Saliente: los procesos relacionados con el almancenamiento y flujos de productos hasta el consumidor final.
- Marketing y Ventas: creación y comunicación de la oferta de la empresa. Gestión de la marca y de la imagen de la empresa.
- Servicios: todos las activides port venta requeridas para que el producto siga teniendo valor luego de su compra.
Las actividades primarias son fundamentales para agregar valor al producto de la empresa.
Las actividades de soporte son las siguientes:
- Obtención de Materiales: compra de materias primas, servicios y bienes terminados de fuentes externas.
- Desarrollo Tecnológico: desarrollo de métodos, software, procedimiento y conocimiento que la empresa usa para sus operaciones.
- Gestión de Recursos Humanos: todas las actividades relacionadas con el reclutamiento, entrenamiento, motivación y compensación al personal.
- Infraestructura: planeación, finanzas, contabilidad y control de calidad.
Las actividades de soporte hacen que las actividades primarias sean mas eficientes. Cada una de las actividades de soporte favorece al menos una actividad primaria.
Cada uno de los eslabones de la cadena de valor no es una actividad independiente, sino que la cadena de valor forma un conjunto de actividades interdependientes.
La cadena de valor propone los siguientes pasos para lograr maximizar la ventaja competitiva:
1- Identificar subactividades por cada actividad primaria.
La cadena de valor define tres tipos de actividades:
- Directas
- Indirectas
- De aseguramiento de calidad
2 - Identificar subactividades por cada actividad de soporte
Nuevamente, cada subactividad de soporte puede tener subactividad directas, indirectas y de aseguramiento de calidad. En este caso, las subactividades pueden afectar mas de una actividad primaria.
3- Identificar los Vínculos de la Cadena
Cada uno de los eslabones se relaciona con los otros mediante vínculos que hacen que los eslabones sean interdependientes entre sí. Cambios en un eslabón afectará a otros. La empresa debe optimizar los vínculos entre los eslabones para maximizar el valor agregado y lograr mayor ventaja competitiva. En algunos casos, los vínculos causa-efecto pueden estar ocultos y ser difíciles de reconocer a primera vista. El modelo de cadena de valor pone énfasis en el análisis detallado de estos vínculos, que de otro modo pueden pasar desapercibidos para los gerentes.
4- Buscar Oportunidades de Optimización
La clave de la cadena de valor es optimizar todos los eslabones y vínculos posibles. Luego de haber analizado los eslabones y vínculos, los gerentes deben buscar oportunidades de cambio o mejoras que puedan maximizar el margen.
Resúmen y Conclusiones
La cadena de valor permite analizar a la empresa como una forma de generar valor agregado que consiste en un conjunto de actividades interrelacionadas entre sí. Dividiendo y categorizando estas actividades, los gerentes pueden tener una visión de la cadena de valor y buscar oportunidades de optimización en cada actividad y sus vínculos.
El modelo de cadena de valor es uno de los modelos de planeación estratégica mas importantes.
Efecto Desplazamiento
El Efecto Desplazamiento es un fenómeno que se produce cuando el gobierno aumenta el gasto público, absorbiendo recursos que hubiesen estados destinados al sector privado de no haber intervenido el gobierno. El efecto desplazamiento también se denomina efecto expulsión o crowding-out.
Por ejemplo, si el gobierno aumenta el gasto público financiándose con deuda, puede estar desplazando fondos que hubiesen estado destinados a inversión privada.
Mecanismos por los que se produce el efecto desplazamiento
Cuando el Gobierno aumenta Impuestos
Si el gasto público se financia con un aumento de impuestos, reduce el ingreso disponible del sector privado, si usa impuestos a los ingresos, o del sector empresarial, si usa mayores impuestos a las empresas. En este caso, el efecto desplazamiento se produce directamente por menores ingresos disponibles del sector privado.
Cuando el Gobierno aumenta el Endeudamiento Público
Se produce cuando el gobierno financia su déficit tomando deuda del sector privado. Usualmente, el gobierno emite bonos en el mercado abierto. El público compra estos bonos usando fondos que podrían haber estado disponibles para otras inversiones. Por ejemplo, el sector privado podría haber canalizado esos fondos a través del sector bancario o el mercado bursátil, lo que hubiese aumentado los fondos disponibles para la inversión del sector privado.
Análisis del Efecto Desplazamiento usando un Modelo de Mercado de Fondos
Usando un modelo de oferta y demanda de fondos prestables, tenemos una demanda que depende negativamente de la tasa de interés, y una oferta que depende positivamente de la tasa de interés. El equilibrio se produce a una determinada tasa de interés r.
Cuando el gobierno aumenta su demanda de fondos prestables, para financiar su déficit fiscal, traslada la demanda de fondos hacia la derecha. El aumento de la demanda aumenta el precio de los fondos prestables, es decir, se produce un aumento de la tasa de interés.
El aumento de la tasa de interés significa que habrá un conjunto de proyectos de inversión privados que dejarán de ser rentables ante la nueva tasa. Aquellos proyectos con una TIR entre r0 y r1 dejarán de ser llevados a cabo.
Entonces, la cantidad de proyectos de inversión privados habrá disminuido. El efecto final en la economía dependerá de varios factores, aunque sin duda alguna, en este caso, se ha producido una diferente asignación de recursos.
Consecuencias del Efecto Desplazamiento
Existe un debate entre los economistas, para determinar en qué casos puede no haber un efecto desplazamiento por ejemplo, o bien si los efectos positivos del gasto del gobierno pueden ser mayores a los efectos negativos de la disminución de la inversión privada.
Algunos economistas argumentan que el déficit fiscal afecta el crecimiento económico de forma negativa.
La relación entre el déficit fiscal y la tasa de interés no es fija, sino que depende de varios factores. Un factor importante es el nivel de empleo de la economía. Cuando existe un elevado desempleo o exceso de capacidad económica, el déficit fiscal produce poco o nulo efecto desplazamiento. En este caso, y siguiendo un razonamiento keynesiano, el déficit fiscal puede producir crecimiento y menor desempleo.
Cuando la economía está cerca del pleno empleo, el análisis gráfico del efecto desplazamiento usando la frontera de gasto público versus gasto privado es el siguiente:
Pero en el largo plazo, el efecto en la frontera de posibilidades de producción no es neutro, sino que se produce una distinta asignación de recursos. La cuestión a analizar es si el efecto de largo plazo es positivo o negativo. El debate entre los economistas está abierto, sin embargo, es necesario analizar cada situación en particular.
Teoría de las Partes Interesadas
La Teoría de las Partes Interesadas afirma que en la economía moderna, las empresas obtendrán un mejor rendimiento si tienen en cuenta los objetivos de todas las partes interesadas (clientes, proveedores, sociedad) y no solo los intereses de los accionistas.
Edward Freeman desarrolla la Teoría de las Partes interesadas en su clásica publicación Strategic Management: A Stakeholder Approach (Freeman, 1984).
Las partes interesadas se clasifican en internas y externas. Las partes interesadas internas son:
- Dueños
- Empleados
- Gerentes
Mientras que las partes interesadas externas son:
- Clientes
- Competidores
- Proveedores
- Gobierno
- Grupos de Presión (ambientales, defensores de consumidores, etc.)
- Medios de Comunicación
Freeman argumenta que las teorías administrativas tradicionales, en las que se tiene en cuenta únicamente el interés de los accionistas, no son capaces de analizar correctamente la forma de operar en el entorno de negocios moderno. La economía actual se caracteriza por cambios tecnológicos acelerados, nuevas relaciones industriales, mayor globalización e influencia de grupos de presión. Por ejemplo, General Motors es una empresa que falló en adaptarse a la globalización y a la mayor búsqueda de eficiencia, siendo superada por fabricantes de automóviles japoneses, mucho mas eficientes.
La Teoría de las Partes interesadas rápidamente ganó interés, pero también críticas. Uno de los principales problemas de la teoría es que muchos la interpretaron como una visión que mezcla negocios con moral. Otra crítica importante fue que dificulta la toma de riesgos inherente a los negocios, y que complica el gobierno de la empresa, al haber tantas partes interesadas que atender.
La teoría de las partes interesadas cuestiona uno de los supuestos mas usados por los gerentes tradicionales: que el principal objetivo de la empresa debe ser la maximización de beneficios. Desde el punto de vista de la economía, es interesante, porque se trata de una perspectiva que se aparta de la visión neoclásica de la economía.
Milton Friedman, quizás uno de los economistas mas famosos, sugiere que el único grupo que debe ser tenido en cuenta a la hora de tomar decisiones empresariales es el grupo de accionistas. Argumenta que los accionistas pueden decidir por sí mismos qué acciones sociales llevar a cabo, y no que los gerentes sean quienes decidan sobre la responsabilidad social de la empresa. La doctrina de Friedman es opuesta a la Teoría de las Partes Interesadas.
La aplicación de la Teoría de las Partes Interesadas requiere:
- Definir quiénes son las partes interesadas para su negocio en particular.
- Analizar las acciones empresariales teniendo en cuenta los resultados sobre cada una de las partes interesadas, poniendo menos énfasis en los indicadores clave de rendimiento. (KPI). Usualmente, muchos cambios tienen como resultado que una parte interesada verá disminuida su utilidad en el corto plazo, mientras que otra parte interesada la podrá aumentar.
- Modificar acciones. Seamos realistas, en la mayor parte de las empresas se aplica la doctrina de Friedman, ajustándose a la normativa legal y modificando comportamientos empresariales solo bajo la influencia de grupos de presión o para evitar riesgos de mala publicidad. La Teoría de las Partes Interesadas requiere la reevaluación de cada actividad, y su posible modificación.
La teoría de las partes interesadas es uno de los marcos de referencia mas importantes dentro de la planeación estratégica. Otros marcos de referencia importantes dentro de la planeación estratégica son el tablero de comando, la matriz de Ansoff y la teoría de Valores Disciplinas.
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
Variables Macroeconómicas
Las variables macroeconómicas son magnitudes que describen el comportamiento de agregados económicos. Las variables cambian su valor con el correr del tiempo.
Las variables macroeconómicas mas importantes son las siguientes:
Producto Interno Bruto
El Producto Interno Bruto es el valor de todos los bienes y servicios finales producidos en una economía durante un período de tiempo determinado, usualmente un año.
El Producto Interno Bruto es una de las variables mas importantes de la macroeconomía, porque es usada como medida de la actividad económica, y el producto interno bruto per cápita es una medida del bienestar de la población.
La variación proporcional en el tiempo del Producto Interno Bruto se denomina Crecimiento Económico.
Inflación
La Inflación es la variación proporcional del índice de precios al consumidor durante un período de tiempo, generalmente un año o un mes.
La inflación es una variable macroeconómica importante. Una elevada tasa de inflación es perjudicial para el crecimiento económico porque afecta los precios relativos, lo que ocasiona una ineficiente asignación de recursos en el largo plazo.
Una tasa de inflación negativa tampoco es deseable porque, además de afectar la asignación de recursos, causa que las personas usen el dinero como forma de ahorrar que aumenta su valor en el tiempo. La tasa de inflación negativa se denomina deflación y cuando se combina con desempleo, se produce una situación peligrosa para la macroeconomía, porque la política monetaria expansiva puede perder su efectividad, porque, ante un aumento de la base monetaria, los agentes aumentarán su ahorro.
Desempleo
El Desempleo es otra de las variables mas importantes de la macroeconomía, porque afecta directamente el bienestar de las personas.
El desempleo es el porcentaje de la fuerza de trabajo que está buscando trabajo activamente y que actualmente se encuentra desempleada. Una alta tasa de desempleo se considera negativa, porque significa que muchas personas no pueden encontrar trabajo.
Una baja tasa de desempleo se considera normal, porque siempre hay un número de personas que buscan empleo y no lo consiguen, como recién graduados, personas que buscan cambiar de empleo, que se reincorporan a la fuerza laboral, etc. También es normal que un pequeño número de empresas deje de funcionar por diversos motivos, como cambio tecnológico.
Gasto Público
El gasto público es el gasto del gobierno en forma de consumo corriente, inversión y transferencias. El gasto público también es una importante variable macroeconómica porque es un indicador del tamaño del gobierno.
La relación entre el gasto público y los ingresos gubernamentales, junto a otras variables macroeconómicas, sirven para analizar la sustentabilidad macroeconómica. La política fiscal es un instrumento de la política económica que afecta el crecimiento económico y el desempleo.
Tasa de Interés
La tasa de interés real representa el costo del dinero en el tiempo (no solo el costo de pedir prestado, sino también el costo de oportunidad de mantener saldos monetarios. La autoridad monetaria de cada país, usualmente el Banco Central, juega un rol fundamental a la hora de determinar la tasa de interés. Los bancos centrales intervienen de diversas maneras en los mercados financieros para regular la tasa de interés. Por ejemplo, cuando aumentan la emisión de deuda pública de corto plazo.
Tipo de Cambio
El tipo de cambio también es otra variable importante para la macroeconomía. Todos los sectores económicos que producen bienes y servicios que pueden ser importados o exportandos, es decir, bienes transables, están afectados por las variaciones en el tipo de cambio.
Existen dos tipos de cambio fundamentales para la macroeconomía: el tipo de cambio nominal y el tipo de cambio real. El tipo de cambio nominal representa la cantidad de divisa local que es necesaria para comprar una divisa extranjera. El tipo de cambio real es precio de los bienes del país extranjero expresado en términos de bienes locales.
El tipo de cambio nominal influye en los flujos de capital de corto plazo y en la tasa de interés y la oferta monetaria de los países. El tipo de cambio real influye en la competitividad internacional de los diversos sectores económicos de una economía, y por lo tanto, en el crecimiento económico.
VLOOKUP
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:
- Ingresar la fórmula: escribe '=VLOOKUP' y abre paréntesis.
- 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.
- Ingresa el rango de la tabla con los valores a buscar. Y luego coma.
- 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.
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.
Páginas
