lunes, 11 de marzo de 2024

Desempeño comparativo de los presidentes Mexicanos 2000-2023

H. Cárdenas, Tabasco a 07 de marzo de 2023.- Aprovechando la gran disponibilidad de datos sobre la economía mexicana que nos proporciona el portal de datos macro, me he permitido hacer un breve análisis del desempeño económico obtenido por los diferentes presidentes de México a través de sus sexenios los datos tienen su origen portal de datos macro, la tabla se ha preparado considerando 100% año base el inicio del sexenio para cada presidente y en relación a este año base la economía comparada con años previos y años posteriores, un buen desempeño tendría los años previos con números menores de 100 y los años posteriores con números mayores que 100.

Se ha creado una columna de pronóstico que sirve para crear una tendencia estimada del resultado de un segundo sexenio del mismo mandatario vs los resultados del nuevo, lo ideal sería que siempre esta estimación sea inferior a lo real, ya que eso significa que el presidente sucesor tuvo un mejor desempeño del que habría tenido el segundo mandato del mismo presidente; lo que observamos es que siempre el cambio da mejores resultados que la continuidad esperada, sin embargo podemos notar que en el sexenio de López es el único en el que todos los años con datos ya disponibles son menores que los del año base del sexenio, y solo el último año (que fue estimado) da un resultado positivo. Lo cual nos indica que este es el único cambio de sexenio en dos décadas en el que el cambio no fue positivo para la economía, pese a los múltiples factores favorables para el país debido a la guerra comercial con China, la guerra de Ucrania, los altos precios del crudo y la reactivación de la economía post-Covid-19, México perdió una enorme oportunidad de crecimiento en este sexenio debido a las políticas retrogradas, el alto gasto social y la estatización de la economía que eliminaron las ventajas económicas del momento.

Gráfico 1. Desempeño comparativo por sexenio 2000-2023.
Fuente elaboración propia.

Gráfico 2. evolución del crecimiento de la economía pronosticado vs el real. fuente: elaboración propia
 
En la gráfica 2, podemos observar que el único sexenio en el cual la economía tuvo un retroceso fue en el 2018-2023 que corresponde a la aplicación de medidas regresivas y estatizadoras del C. López obrador, las cuales demostraron su ineficacia ante las condiciones del mercado ya que la inflación anulo todos los esfuerzos del gobierno por distribuir la riqueza mediante programas sociales debido a que las políticas anti empresariales no permitieron que la riqueza se distribuyera de forma natural y al no haber productividad los bienes se encarecieron; otro aspecto que afecto el mercado interno fue la merma que sistemáticamente hizo el estado mexicano de las prestaciones de los trabajadores estatales al dejar de pagarles prestaciones extralegales, ello contribuyó a la contracción de los servicios ya que la derrama económica que estos recursos representaban para el merado interno cesó y los apoyos sociales no pudieron sustituirla debido a que se utilizaron en necesidades básicas y a que la corrupción desenfrenada en el gobierno desvió miles de millones de recursos de programas sociales y obra pública a terceros que no contribuyeron a reactivar la economía del país.
México tendrá que dar un cambio en sus políticas económicas restituyendo las prestaciones a los trabajadores del estado, abandonando la política de estatización de la economía y regresando los mecanismos de control del gasto público a los órganos autónomos para evitar que el mercado sufra distorsiones que anulen sus ventajas, como paso en este sexenio en que el enorme gasto en obra pública no llegó al mercado debido a que las obras se asignaron de manera directa y el beneficio económico no se permeó a la sociedad debido a la intervención del ejercito como "ejecutor virtual" de las obras.

Nota: las cantidades se consideran en pesos a un tipo de cambio de $17.00 MXP por dólar. 

Fuente:

Datosmacro.com (2024),  PIB de México, consultado el 11/03/2024, disponible en https://datosmacro.expansion.com/pib/mexico.

jueves, 29 de febrero de 2024

¿Cómo definir adecuadamente un indicador?

Concepto de indicador.

Un indicador representa los productos obtenidos en las actividades de medición, y deben emplearse como fuente de información de soporte para la toma de decisiones. Para el diseño de los indicadores es importante considerar la frecuencia adecuada de toma de datos, el tiempo requerido para generarlo, la necesidad de datos históricos, entre otros factores.

Tipos de indicadores.

Indicadores de progreso: se utilizan para dar seguimiento a la ejecución de tareas definidas. El cumplimiento del indicador es señal de que la tarea se sta cumpliendo, más no significa que este garantizado el logro de los objetivos del negocio, el incumplimiento de un indicador por otra parte si es indicativo de problemas.
Indicadores de análisis: se emplean para ayudar en el análisis de las salidas producidas por las tareas. Pueden resultar positivos o negativos dependiendo del resultado del cálculo fijado como base para el análisis.
Indicador en estilo coordenadas polares.
Fuente: elaboración propia


Requisitos previos para generar un indicador

  1. Diseñar las preguntas clave que se busca responder con el indicador es el primer paso para que los mismos sean de utilidad.
  2. Seleccionar los elementos de datos necesarios y adecuados para generar el indicador es la base para que el mismo cumpla su objetivo.
  3. Definir las métricas adecuadas para el indicador es la base para que el mismo responda a las preguntas que se plantearon al diseñarlo.

¿Qué hacer con los valores obtenidos por los indicadores?

Una vez que se  ponen en marcha los indicadores es importante que previamente se haya definido que pasos seguir en consecuencia de los valores que los mismos devuelvan.
Los resultados de los indicadores definidos (si es que contaremos con más de uno) y su evolución a través de los tiempos de medición definidos deberán servir de base para la planificación de las acciones correctivas, preventivas, de mantenimiento o mejora a seguir para asegurar el éxito del negocio.
¿Qué puntos deben definirse al elaborar un indicador?
  • Objetivo del indicador: su propósito.
  • Preguntas: la lista de preguntas que intentan responderse con el indicador.
  • Representación gráfica del indicador: definiendo su correcta representación en cuanto a simbología, colores, escalas.
  • Perspectiva: la descripción de la audiencia de interés para la que se definió el indicador.
  • Entradas: la lista y definiciones de las métricas para construir el indicador, así como de las fuentes de los datos.
  • Algoritmos: descripción de los pasos necesarios para construir el indicador a partir de las métricas definidas.
  • Suposiciones: lista de supuestos de la organización, sus procesos modelo del ciclo de vida, y demás datos importantes para obtener y usar el indicador.
  • Información de la toma de datos: Cómo, cuándo y con que frecuencia se recolectaran los datos para construir el indicador, así como las consideraciones sobre la calidad de los datos y su proceso previo (si es que lo tuviesen). 
  • Información de la generación de informes de los datos: quien será responsable de generar los informes,   para quienes y la frecuencia de almacenamiento, recuperación, seguridad de los datos, así como su conservación.
  • Análisis e interpretación de resultados: información sobre como interpretar el resultado del indicador.

¿Cómo dar seguimiento a los indicadores?

Las principales actividades que deben cumplirse para dar utilidad al establecimiento de indicadores en una organización son:
Planificar la medición basandose en los destinatarios de la medición, las entidades a ser medidas, y las métricas adecuadas para los mismos.
Realizar la medición y presentar los resultados.
Evaluar la medida y ajustarla periodicamente en caso necesario.
Establecer y mantener el compromiso de mantener los indicadores validados, es decir, capacitar, formar y dotar de herramientas a la parte encargada de realizar las mediciones, así como asegurarse de que los mismos dispongan de los medios para cumplir su función adecuadamente.

Bibliografía.

Piattini, Mario G.; García, Felix O.; Caballero, Ismael (2009) Calidad de sistemas informáticos, Tercera reimpresión, Alfaomega-Ra-Ma, México.

martes, 22 de agosto de 2023

Crear gráficos a partir de un conjunto de datos con pandas y Python

 Cárdenas, Tabasco a 22 de agosto de 2023.- Cuando se trabaja con datos por lo general se nos pide que realicemos tareas de clasificación, comparación y gráficos con los mismos, en esta ocasión trabajaremos en la creación de tablas resumen de los datos y en sus gráficos respectivos utilizando como entrada archivos csv (valores separados por comas) que bien podrían ser datos obtenidos directamente de una consulta SQL a la base de datos, pero como casi todas las bases de datos tienen inconsistencias en los datos almacenados, en preferencia vamos primero a obtener los datos en un archivo csv, y posteriormente procederemos a limpiar los datos para que nuestros resúmenes de los datos y sus gráficas sean lo más precisas y claras posible.

El primer paso consiste en leer los datos usando la librería pandas a través de las siguientes instrucciones:

Paso 1.- importar la librería pandas, leer el archivo y colocarlo en un DataFrame.  

Con estas instrucciones iniciales creamos el conjunto de datos que va a ser la base de la creación de nuestro archivo xlsx de resumen y sus gráficas.

Paso 2.- Creamos dos DataFrames adicionales que contengan el resumen de los datos creado con un pivoteo de los datos.
Los DataFrames creados contendrán la información resumida por los índices definidos en el pivoteo, los valores a contar será un campo que nos sirva para contar en este caso las matrícula y el conteo lo realizará la función agregada "count",  las columnas serán a aquellos valores contenido en la columna que deseamos clasificar, en este caso los sexos (Masculino/Femenino) y los turnos (Matituno/Vespertino); así mismo, utilizaremos la opción fill_value= para indicar que rellene con ceros aquellos espacios de columna que no tengan ningún elemento (por ejemplo filas en las que solo hay sexo femenino, o turnos vespertinos)
Resultado de pivotear la tabla sobre varios índices presentes en nuestro DataFrame.
Podemos observar que los datos se han agrupado y se han contado cuantas matrículas están presentes en cada uno de los planes, en este caso vemos que todas las columnas tienen valores. Pero hay ocasiones en las que alguna de las columnas no registra valores como es el caso de los turnos, en este caso el valor no presente se rellena con un cero.

La columnas sin valores en este resumen se rellenan con cero.
En los dos ejemplos anteriores, se realizó un resumen sobre una columna que contaba con dos posibles valores (Sexo y Turno), sin embargo, existen situaciones en las que las columnas resultantes son múltiples o solo una, en estos casos para facilitar el resumen de los datos vamos a hacer uso del agrupamiento de datos en lugar del pivoteo de tablas, como podemos ver a continuación.

Este otro método permite clasificar fácilmente datos cuando solo nos interesa la sumatoria final de los mismos. 
Como podemos ver el objetivo es conocer la cantidad de incidencias que hay en cada uno de los municipios que aparecen en la columna de municipios de procedencia (MUN_PROC), para ello usamos una función muy similar a los comandos de SQL que se denomina "groupby" e indicamos que queremos en conteo de apariciones de cada valor, podemos observar que en este caso los diferentes nombres se organizan en filas, en lugar de hacerlo en forma de columnas como en el caso de los sexos y los turnos.

Al usar la instrucción groupby los diferentes valores contenidos en la columna MUN_PROC se ordenan como filas de la tabla resumen, en lugar de hacerlo como columnas como en los resúmenes de sexos y turnos.

La misma operación de conteo podemos hacer la para las carreras, en cuyo caso nos interesa saber ya no la cantidad de personas de un sexo u otro, sino el total presente en cada programa educativo.

Con la función groupby obtenemos ahora los programas educativos y sus matrículas totales.
Resultado de contar el número de personas que están inscritas en cada programa educativo

El resultado de estos resúmenes de datos podemos trasladarlo ya fácilmente a un archivo formato xlsx, que deberá ser formateado para entrega a quien requiere la información, utilizando las instrucciones ExcelWriter y to_excel de los DataFrames de pandas.

Con estas sencillas instrucciones los DataFrames creados con los resúmenes de los datos son trasladados a un archivo formato xlsx que puede ser editado para su presentación ejecutiva.

Lo último que necesitamos son la generación de los gráficos que presenten la información de las tablas de manera visual y eso lo logramos con la instrucción plot de los DataFrames y la configuración de los correspondientes parámetros.

Creación del gráfico correspondiente para el conjunto de datos resumen de turnos.
Con las instrucciones anteriores lo que logramos es un gráfico en formato png, que tiene una resolución de 300 dpi, y un tamaño de 10 pulgadas por 3 pulgadas.

Resultado de usar el comando plot sobre el DataFrame que resume la matrícula por programa educativo.

Como podemos ver es posible definir el tipo de la imagen, su tamaño y los colores de las series de datos, así como, los títulos de los ejes y del gráfico. La imagen será guardada en un archivo en formato png con las características definidas en los parámetros que enviamos a la funcionalidad plot.

Resultado del procesamiento de los datos en un archivo xlsx

En el directorio que trabajemos la información quedarán guardados todos los archivos resultantes del procesamiento, en este caso podemos ver el archivo py de las instrucciones, el archivo csv que contienen los datos a procesar, los archivos png resultantes de la graficación del comando plot de los DataFrames, y el archivo xlsx resultante de la aplicación de los comandos ExcelWriter y to_excel, así como el archivo con el mismo nombre que el xlsx y la palabra gráficos que es donde integramos todo para su presentación ejecutiva.

Realizar la consulta a la BD y limpiar los datos nos tomará unos 30 minutos dependiendo de la cantidad de registros, escribir el código nos tomará aproximadamente 10 minutos, procesar los datos unos segundos,  y editar el archivo para su presentación ejecutiva otros 30 minutos, estos tiempo disminuyen mucho conforme más práctica vayamos tomando en el proceso de los datos. Y podrían beneficiarnos en disminuir el tiempo de generación de la información de días o semanas a minutos o en el peor de los casos horas.

Espero que las explicaciones proporcionadas basten para guiar la creación de tus propios cuadros resumen y sus correspondientes gráficos y faciliten tu trabajo administrativo.