Datos operacionales como insumo de gestión

Qué es

Un dato operacional es el rastro que un proceso deja mientras ocurre: la hora en que alguien tomó número, el módulo que lo atendió, cuánto duró la gestión, cuántos trámites quedaron sin resolver. Se distingue del dato contable —que resume el resultado una vez cerrado el período— y del dato estadístico muestral, porque no es una fotografía posterior ni una estimación sobre una parte: es el censo del proceso mismo, generado como subproducto de la operación. Que exista no es gratis ni automático; requiere que el proceso esté instrumentado, y ese es exactamente el costo que un sistema digitalizado hace caer casi a cero.

La idea de que un proceso puede administrarse a partir de su propio registro viene del control estadístico de la calidad. Shewhart (1931) mostró que la variación de un proceso productivo se descompone en causas comunes —el ruido propio del sistema— y causas especiales, y que distinguirlas exige mediciones sistemáticas en el tiempo, no juicio experto sobre casos aislados. Deming (1986) convirtió esa distinción en una doctrina de gestión: la mayoría de los defectos proviene del sistema y no de la persona que lo opera, afirmación que solo puede sostenerse —o refutarse— con datos del proceso. De ahí la formulación que se repite en las escuelas de negocios: sin medición no hay diagnóstico, y sin diagnóstico la "mejora" es preferencia disfrazada de decisión.

La investigación de operaciones aporta el otro pilar. La ley de Little (Little, 1961) establece que el número promedio de personas en un sistema de espera es igual a la tasa de llegada multiplicada por el tiempo promedio de permanencia. Es una identidad de una simplicidad casi ofensiva, y sin embargo resuelve el problema práctico: medidas dos de las tres cantidades, la tercera se deduce. Con la distribución de llegadas por hora y día —que el ticket entrega gratis— la teoría de colas, cuyo origen está en el dimensionamiento de centrales telefónicas (Erlang, 1909), permite calcular cuántos puestos de atención hacen falta para que la espera no explote. Sin ese registro, la dotación se fija por costumbre o por reclamo.

En economía, el dato operacional es información dispersa que se agrega. Hayek (1945) argumentó que el conocimiento económicamente relevante existe fragmentado en circunstancias particulares de tiempo y lugar, y que el problema central es aprovecharlo sin centralizarlo todo. La instrumentación de un proceso es un mecanismo de agregación dentro de la organización: hace visible para quien decide lo que hasta entonces solo sabía quien atendía el mesón. La evidencia empírica sugiere que ese canal importa. Brynjolfsson y Hitt (2000) mostraron que el retorno de la inversión en tecnologías de información aparece cuando viene acompañada de reorganización del trabajo —el capital tecnológico rinde a través del capital organizacional, no a pesar de él—, lo que explica buena parte de la paradoja de Solow. Bloom y Van Reenen (2007) documentaron que las prácticas de gestión medibles (monitoreo de indicadores, fijación de metas, uso de datos para decidir) explican diferencias persistentes de productividad entre firmas y entre países.

El punto tiene filo en el sector público. Wilson (1989) clasificó las agencias estatales según si sus productos y sus resultados son observables: donde ambos lo son, la organización puede gestionarse como producción; donde no, se refugia en el cumplimiento del procedimiento, porque es lo único auditable. Digitalizar la fila mueve una oficina de un cuadrante al otro. Y hay un motivo macroeconómico para apurarse: Baumol (1967) mostró que los servicios intensivos en trabajo, sin ganancias de productividad, encarecen su costo relativo de forma sostenida. Medir es la condición previa —no suficiente— para escapar de esa trampa.

El límite es conocido y conviene declararlo. Holmström y Milgrom (1991) formalizaron el problema multitarea: cuando una dimensión del trabajo se mide bien y otra mal, el esfuerzo migra hacia la medida. Un indicador de minutos por atención, sin contrapeso de calidad o de resolución efectiva, produce funcionarios rapidísimos que no resuelven nada. Es la versión precisa de lo que Campbell (1979) enunció como ley: todo indicador cuantitativo usado para tomar decisiones sociales tiende a corromperse y a distorsionar el proceso que pretendía monitorear.

Cómo lo explicó el programa

En Buenas Tardes Mercado del 20 de agosto de 2026, en el tema "El número de la fila como instrumento de gestión", Pepe Arias partió de un gesto que se lee como maltrato —pedirle a un cliente que saque número en una oficina vacía— para mostrar qué hay detrás: la digitalización convierte ese ticket en la trazabilidad completa de la atención, quién atendió, a qué hora, cuánto demoró, cuántos cajeros hacían falta. La frase con que cerró el punto es la definición operativa del concepto: "eso lleva a la gestión a medir cosas para poder entonces entender los procesos, para poder mejorarlos". El orden de la cadena es lo importante y el programa lo dijo en ese orden: medir, entender, mejorar. La conclusión práctica que sacó Arias apunta al Estado, donde el diagnóstico de lentitud abunda y la instrumentación escasea.

Relación con otros conceptos

El concepto es la base microeconómica de la productividad total de factores: buena parte de lo que se mide como residuo de Solow es capital organizacional acumulado, y ese capital se construye con registro. Enlaza con la paradoja de Solow por el lado del rezago —la tecnología aparece en las estadísticas cuando cambia el proceso, no cuando se compra el equipo— y con los costos de transacción, porque instrumentar reduce el costo de verificar qué ocurrió. Es un caso de información asimétrica resuelta por diseño: el dato operacional achica la brecha entre quien ejecuta y quien decide, lo que lo pone de lleno en el terreno del problema principal-agente y de sus distorsiones de incentivos. Por el lado agregado, se conecta con la enfermedad de costos de Baumol y con la discusión sobre productividad del sector servicios y del Estado.

Fuentes y lecturas

• Deming, W. E. (1986), Out of the Crisis, MIT Center for Advanced Engineering Study.
• Little, J. D. C. (1961), "A Proof for the Queuing Formula: L = λW", Operations Research, 9(3).
• Hayek, F. A. (1945), "The Use of Knowledge in Society", American Economic Review, 35(4).
• Brynjolfsson, E. y Hitt, L. (2000), "Beyond Computation: Information Technology, Organizational Transformation and Business Performance", Journal of Economic Perspectives, 14(4).
• Bloom, N. y Van Reenen, J. (2007), "Measuring and Explaining Management Practices Across Firms and Countries", Quarterly Journal of Economics, 122(4).
• Holmström, B. y Milgrom, P. (1991), "Multitask Principal-Agent Analyses", Journal of Law, Economics & Organization, 7 (número especial).