Estrategia de análisis de datos multivariados para caracterizar Mipymes
Palabras clave:
Métodos multivariados, caracterización, Mipymes, sector alimentos, diagnósticoResumen
Este artículo contiene una estrategia de análisis dedatos multivariados para caracterizar Mipymes. Seaplicó en el sector alimenticio de la ciudad de Montería,pero puede emplearse en otros sectores económicosen los que se desee conocer sus características.Uno de los beneficios de esta aplicación, es podercomparar las empresas con sus homólogas a nivelnacional e internacional, para tener argumentos quepermitan determinar su permanencia en el tiempoa pesar de enfrentarse a los grandes retos que seavecinan en materia de estrategias comerciales comotratados de libre comercio con otros países y lasdemás políticas que el Estado colombiano tengaproyectadas. Osorio, B. (2009) [1].Se seleccionó la industria alimenticia (CódigoCIIU D150000) como objeto de estudio de estainvestigación por su importancia y representatividad,ya que en la base de datos de la Cámara de Comerciode Montería aparecen 12.497 empresas registradasen el departamento de Córdoba, de las cuales 6.307tienen domicilio en la ciudad de Montería y un buennúmero de ellas están relacionadas con dicho sector.El punto de partida de este trabajo es un estudiodel grado de difusión e implementación denormas técnicas relacionadas con sistemas degestión organizacionales en las Mipymes delsector alimenticio de Montería, que presenta undiagnóstico del estado de las empresas de estesector desde la óptica de la calidad, en dondelos datos recolectados se procesaron a través demétodos estadísticos descriptivos, por lo que seconsideró importante desarrollar una segundaparte correspondiente a la aplicación del análisis dedatos multivariados donde se utilizó la EstadísticaInferencial. Sánchez, J. (2007) [2].
Descargas
Referencias
2. Sánchez C., J.J. (2007). “Algunas aproximacionesal problema de financiamiento de las Pymes enColombia”, en: Scientia et Technica, Año XIII, No.34, mayo, pp. 321-322.
3. Lancheros, Valery; Hernández, Helman y Robles,Juana (2008). “Sistemas de Gestión en el sectorde elaboración de productos alimenticios y debebidas”, en: Revista Ingeniería, Universidad DistritalFrancisco José de Caldas, Vol. 13, No. 2.
4. Figueras, S. (2000). “Introduccion al AnalisisMultivariante. de Estadística”, en: http://www.5campus.com/leccion/anamul. Consultadoel 12 de octubre de 2009.
5. Gurrea, M. T. (s.f.). “UOC, Análisis decomponentes principales, Proyecto e-Math”,en: http://www.uoc.edu/in3/emath/docs/Componentes_principales.pdf. Secretaria deEstado de Educación y Universidades MECD.Consultado en octubre de 2009.
6. Olmos, S., & Di Renzo, M. (2004). “INTA”, en:http://www.inta.gov.ar/ediciones/2004/biotec/parte6_cap1.pdf. Consultado en octubre de 2009.
7. Peña, Daniel (2002). Análisis de datos multivariados.Madrid - España: Editorial MacGraw Hill, pp. 133-158.
8. Romero, R.V. (2003). Javeriana. Recuperadoen enero de 2010, de Capítulo 10: analisis decomglomerados (clúster): http://tic.javeriana.edu.co/apps/Manuales/R/CursodeestadisticaconR.pdf
9. Pérez, Cesar (2004). Técnicas de análisis multivariantede datos. Aplicaciones con SPSS. Madrid - España:Editorial Pearson educación, pp. 121-154.10. Dallas, Johnson (2000). Métodos multivariadosaplicados al análisis de datos. México: ThomsonEditores S.A., pp. 93-396.