Este post es gentileza de Nicolas Jodal que me conto el tema, incluso menciono un libro, que me esta por pasar sus datos.
El tema es interesante, y arranco en una charla con Nicolas sobre el tema mediciones.
Yo soy de la idea de que lo que no se mide no se mejora, y lo trato de llevar a la practica, pero tambien es cierto lo que menciona Nicolas, cuando uno mide algo, eso siempre mejora, pero no siempre mejora la suma total (en realidad, queriendo o sin querer al medir y compensar acordemente, la empresa empieza a «trampear» en esa direccion), ejemplo: si yo mido productividad y compenso segun eso, puedo terminar afectando la calidad. Si agrego mediciones de calidad puedo estar afectando costos, mantenimiento u otras cosas.
Nicolas argumenta (y creo que con bastante razon) que las cosas mas importantes son muy complejas y de largo plazo, y por ende dificiles de medir en el corto plazo. Creo que es una tematica interesante, y por lo visto la «solucion» parcial al problema es si medir, pero ir cambiando lo que medimos, para que no quedemos tan biased.
En el libro que mencionaba Nicolas, aparece el caso de Shane Battier de los rockets en la NBA. Como todos saben los gringos son obsesivos con las estadisticas en los deportes, y la NBA es uno de los casos emblematicos, se mide todo, cuantos dobles, cuantos triples, cuantos rebotes, y segun esos numeros los tecnicos compran sus jugadores.
Leslie Alexander compro los Rockets y contrato a Daryl Morey, un estadistico para que lo ayude a decidir que jugadores comprar, despues de trabajar un tiempo, Daryl le trajo una lista en la cual figuraba Shane Battier, un jugador sumamente desconocido, y con estadisticas nada impresionantes, y por ende muy barato.
Al preguntarle Alexander que estadistica buena tenia Battier, la respuesta de Morey fue: «ninguna, pero lo interesante es que cuando el esta en la cancha las estadisticas de los otros 4 mejoran!
Al fin y al cabo eso es lo que importa no? que el cuadro rinda mejor es mas importante que cada uno por separado.
Eso llevo a la definicion de no-stat stars, estrellas que no tienen estadisticas personales buenas pero que realmente sirven, obviamente esos ahora son caros tambien 😉
Pablo Brenner & Sergio Fogel Blog 
o como diría E. Goldratt hay que buscar máximos locales, sino el máximo global… el eslabon más debil de la cadena, es el que determina la resistencia de toda la cadena…
completamente de acuerdo…
Estimado, eso que decis es la teoria de Nash…El tema de medicion es fundamentel considerar el feedback, el feedforward y las externalidades. Tiene que cerrarte el sistema de medicion, con los objetivos que buscas, con los incentivos que estas dando.
Sin duda el tema es bien interesante y sin duda lo que dice Nico es tal cual, cuando uno se pone a medir algo, otra cosa termina afectada. También es real que es muy importante ver el bosque y no solo el árbol, por ende ver mas allá de las mediciones y poder leer bien que es lo que afecta al equipo o al todo en su conjunto. Hace un tiempo conversando de otro tema con Julio De Caro me comento de una historia que como resumen dejaba claro que no es medir lo que en si mejora las cosas, si no el PRESTARLE ATENCION, lo cual es más complejo que medir en sí mismo y puede llevar a la misma conclusión que decían antes de ir cambiando la medición. Sin duda prestar atención es algo mas etéreo y no es tan simple de sistematizar.. pero finalmente estoy convencido que es esa la acción que genera los movimientos para luego obtener resultados.
Pablo, el libro es Measuring and Managing Performance in Organizations (http://www.amazon.com/Measuring-Managing-Performance-in-Organizations/dp/0932633366/sr=8-1/qid=1157226373/ref=pd_bbs_1/102-2113349-7833718?ie=UTF8&s=books). Un breve resumen podria ser:
Lo que dice el autor es que las medidas que se toman en una organizacion son de dos tipos:
Medidas ‘motivacionales’. Son las medidas que se utilizan para ‘motivar’ el personal, por ejemplo cantidad de piezas por hora que produce un operario.
Medidas ‘informativas’. Son medidas que se utilizan para saber el estado de la organizacion (cuantas piezas hay en stock, cuanto cash, etc.), pero que no son utilizadas para incidir directamente en el comportamiento del personal.
El punto principal del libro es que la mayor parte de las veces cuando se quieren tomar medidas del primer tipo el sistema con el tiempo degenera y termina haciendo mas mal que bien. En otras palabras, los empleados terminan ‘hackeando’ el sistema, de tal manera que la medida da cada vez mejor pero a la empresa le va peor!. La explicacion de porque se da esto la resume muy bien Tom de Marco en el prologo:
«One of the insights that comes early in reading of Rob Austin’s book, Measuring and Managing Performance, is that measurenment is a potentially dangerous business. This is what Rob calls disfunction.
In order to see why this happens, you need to remember that mesasurement is almost always part of an effort to achieve some goal. You can’t always measure all aspects of progress against the goal, so you settle for some surrogate parameter, one that seems to represent the goal closely and is simple enough to measure. So, for example, if the goal is long-term profitability, you may seek to achieve that goal by measuring and tracking productivity. What you’re doing, in the abstract, is this:
measure in the hopes of improving
When dysfunction occurs, the values of go up comfortingly, but the values of get worse.
You probably understood long ago that dysfunction was a possibility, but thought -as we did- that is was nothing more than a rare, freakish anomaly. But as Rob pursues the subject with persuasive thoroughness, it gradually begins to dawn on you that dysfunction is not an exception to the rule; it is the rule: Anything you measure is likely to exhibit at least some dysfunction. When you try to measure performance, particularly the performance of knowledge workers, you’re positively courting dysfunction.»
Joel en su serie Management styles for high tech companies, en The Econ 101 Management Method explica muy bien este tema.
De cualquier manera el mensaje final del autor no es que no haya que medir, lo que dice es que hay que tener muchisimo cuidado en ver si los ‘parameters’ reflejan correctamente el ‘goal’ y si hay dudas mejor no hacerlo.
Ojo que el libro no menciona la historia de la NBA, esa la saque de otro lado 😉
quedo mal la parte de Tom de Marco, lo correcto es:
«measure Parameter in the hopes of improving Goal
When dysfunction occurs, the values of Parameter go up comfortingly, but the values of Goal get worse.»
Para mi la parte mas dicil es escoger como elegir la forma de medir cuando atras hay una retribucion economica Porque con el paso del tiempo el sistema (la propia gente) comienzan a encontrar areas grises donde la medicion no prevee ciertas situaciones y buscan como obtener un beneficion personal y no de todos (la empresa)
Sino preguntenle a AIG que va pagar 218 millones por concepto de bonos pero el gobierno puso 180 billones para que no quebrara (ojo que para los americanos los billones tiene solo 9 ceros, no 12 como nosotros)
Las mediciones «motivacionales» tambien tienen un lado oscuro que suele ser tan oscuro como el lado de las propias personas.
Es verdad, y es verdad en cualquier ciencia, si las variables son aditivas, y puedo medirlas por separado es facil, pero apenas interactuan y los efectos no son aditivos, solo nos queda simulacion o experimentacion. Y eso sin contar el efecto del observador que realiza la medida. Medir solo acumula datos, interpretar y poder predecir con acierto a partir de lo interpretado es lo dificil. Las paginas de los caballos de carreras estan llenas de datos…pero aun nadie puede predecir con razonable acierto el resultado de una carrera a partir de ellos.