Escenarios de riesgo en los precios de la harina de trigo
Nuestro cliente, una panadería mexicana en expansión internacional, necesitaba consolidar posiciones y sujetar las redes logísticas de abastecimiento, después de un acelerado proceso de expansión.
Nuestra misión era proporcionarles toda la información relevante en un mundo absolutamente caótico en el presente.
¿Cómo lo hicimos?
Este proyecto significó profundizar en territorio totalmente inexplorado. El trigo es un commodity muy importante, por lo que es fácil encontrar información y previsiones sobre su precio futuro. Sin embargo, como sabemos, el análisis probabilístico no es la herramienta para construir escenarios de futuro precisos. Es en este sentido que tuvimos que ahondar en lo desconocido: ¿cuáles serían los acontecimientos inesperados que afectarían a los precios del trigo en el futuro cercano (10 años)?
​
Observar que la meta era imaginar escenarios de riesgo en base a tendencias conocidas y en base a tendencias que no eran parte de los análisis en boga: o sea, había que identificar los cisnes negros, grises, blancos, el zoólogico entero.
Organizamos una serie de talleres con expertos. Las y los expertos eran académicos y académicas, personas de la industria del trigo (producción y suministro), ejecutivos y ejecutivas que representaban el punto de vista de nuestro cliente. Recordar que no buscábamos información sobre la industria sino conocer la opinión de las y los expertos con respecto a cómo les afectarían las tendencias geopolíticas, económicas, sociales, culturales por venir.
Las tendencias futuras generadas se categorizaron según la incidencia de nuestro cliente sobre ellas. Éstas fueron: Impacto directo (tendencias sobre las que nuestro cliente claramente podría influir), indirecto (tendencias que no están directamente bajo la influencia de nuestro cliente pero que podrían ser influídas por actores conocidos con los que nuestro cliente podría negociar) y sin impacto (tendencias fuera de la esfera de influencia de nuestro cliente).
Desarrollamos métodos no probabilísticos para evaluar la plausibilidad de escenarios futuros. Conceptualizamos y utiizamos tres medidas diferentes de probabilidad.
​
​
​
​
Brevemente, la probabilidad es la medida que se obtiene de vincular eventos, conjuntos de puntos, con números reales entre 0 y 1. El vínculo debe seguir ciertos supuestos, los más importantes codificados en los axiomas de Kolmogorov. Esto significa que aunque cualquier persona entienda una expresión como "la probabilidad de que pase el examen es de 0.8" este caso, como muchos otros, son usos matemáticamente incorrectos aunque coloquialmente claros.
​
Lo de coloquialmente claro es interesante porque es verdad que hablar en términos de probabilidades dice muchas cosas que entendemos sin problema. El verdadero problema es construir probabilidades por el corset tan estricto de los axiomas de Kolmogorov y por la dependencia de la probabilidad por los grandes números: no bastan poquitos puntos para el cálculo, entre más se tengan mejor.
​
Cuando hablamos del futuro es imposible usar probabilidades genuinas: no hay datos porque hablamos de cosas que no han pasado. Son cosas que a veces, ni siquiera tienen una historia clara. Entonces hay que hablar de otra cosa pero aprovechando que ya sabemos lo que queremos decir cuando hablamos de probabilidad. Entramos en el mundo de la plausibilidad.
​
En este trabajo construimos una medida de plausibilidad en base a:
​
Primero definimos la plausibilidad frecuentista como la proporción de expertas y expertos que coinciden en la relevancia de una tendencia. Una vez identificadas las tendencias plausibles, construimos una medida que llamamos plausibilidad subjetiva al preguntar a expertas y expertos qué valor, entre 0 y 1, le atribuirían a la tendencia. Se trata de "subjetiva" porque a las claras, no se trata de una medida probabilística genuina, sino de una intuición. Por último, les pedimos que imaginaran cómo se vería la tendencia si la graficaran. A esto le llamamos plausibilidad relacional o la descripción espaciotemporal de una función. Gráficamente hablamos de la curva lineal, exponencial, logarítmica,... que quedaría de gráficar la tendencia como probabilidad de ocurrencia vs tiempo. Es relacional porque también sigue la intuición de cómo se daría cierto evento: observar la imagen e imaginar cómo se graficaría el desarrollo de una tendencia: poco a poco (lineal con una pendiente muy acostada), de súbito, quizá una trayectoria de arranque muy rápido que llega a un plateau, o sea logarítmica, un arranque lentísimo pero cuando pasa algo booom, o sea exponencial,...
​
​
​
​
​
​
La medición de la plausibilidad nos ayudó a seleccionar las tendencias clave que utilizaríamos para construir la estrategia general recomendada a nuestro cliente.
Se construyeron tres ejes estratégicos para organizar la información.
Estos fueron: producción, cadena de suministro y evaluación de riesgos.
​
Del análisis se obtuvieron 10 ejes de acción relacionados que debían servir como base para la construcción de acciones
​
​
​
​
​
​
​
​
​
​
​
​
​
​
​
​
​
​
​
​
​
​
​
Por ejemplo
​
Cabildeo en EU para la regulación de precios
• Crear un equipo para el cabildeo con el congreso de EU, la bolsa de
Minneapolis y otros organismos en EU
• Ampliar programas de cobertura a más commodities
• Realizar lobbying con la fuerza adquirida con la adquisición de
George Weston
• Desarrollar modelos jurídicos que permitan que la agricultura por contrato
sea una realidad y, en vez de ser un obstáculo, sea un impulsor de las
relaciones con los productores nacionales de trigo
• Buscar apoyo legal y gubernamental para el desarrollo de la agricultura por
contrato, estableciendo muy claros los parámetros de calidad buscados en
el trigo.
• Apoyar y promover la producción rentable de trigos fuertes balanceados
y uniformes. Se requieren almacenajes divididos para clasificar por calidad
el trigo, en especial el contenido de proteínas
• Hacer un proyecto de convenios de participación con productores con
expertos en el tema.
• Continuar la participación de la negociación de mercados de futuros para
asegurar por lo menos el precio pronosticado.
​​
¿Qué significa que algo sea probable?
¿Qué aprendimos?
Dado que el alcance de este proyecto se completó en 2019, hay muchas cosas en las que podemos pensar.
Por ejemplo, entre las tendencias que acertamos:
1. En 2009, Estados Unidos estaba saliendo de una terrible recesión ahora llamada la Gran Recesión. Nuestro trabajo previó un período de expansión económica que realmente ocurrió: terminó con la pandemia de COVID en 2020.
2. Nuestro trabajo esperaba que los precios del trigo alcanzaran un máximo en 2012. Y eso es lo que pasó. Los precios del trigo no volverían a ser tan altos sino hasta 2022 en el contexto de la guerra entre Rusia y Ucrania.
3. En aquel momento, el principal proveedor europeo de nuestro cliente era Ucrania. Nuestro trabajo previó graves problemas geopolíticos entre Ucrania y Rusia en los siguientes 10 años y recomendó abandonar esa zona. Las tropas rusas tomaron el control de Crimea en 2014.
4. Nuestro trabajo esperaba importantes reconfiguraciones políticas, económicas y sociales en México en las siguientes elecciones (2018), y ahí es donde vivimos al presente.
5. Algunas expertas veían venir el auge del pan gourmet, el pan de masa madre, los croissants de verdad y no los cuernos que se encontraban en todas las panaderías. Es interesante que por aquel entonces, nuestro cliente pudo haberse adelantado a la tendencia pero que sus tomadores de decisiones la descartaron como un reclamo "menor". Al presente se están sumando tarde a la tendencia, reaccionando en lugar de haber sido proactivos.
Algunas de estas tendencias no fueron tan difíciles de predecir, especialmente la Tendencia 1 sobre la recesión en Estados Unidos. Otros estaban en la imaginación de teóricos de la conspiración, como el conflicto entre Ucrania y Rusia. La cuestión aquí es que a veces los teóricos de la conspiración tienen razón, pero lo importante es entender cuándo escuchar y cuándo no.
La mayoría de expertas y expertos pensaban que , tras perder en la elección presidencial de 2012, la carrera pollítica de López Obrador había llegado a su fin. Sin embargo, al replantear la misma tendencia en el contexto de una serie de preguntas relacionadas con el desempeño del país en el período 2012-2018, quedó claro que López Obrador estaba lejos de desaparecer. Esto es interesante porque lo que hemos aprendido es que las tendencias no pueden evaluarse de forma aislada. Las tendencias forman una red, y es esta red la que debe investigarse.
​
​Por supuesto, algunas tendencias no se han materializado y otras nunca lo harán. Pero en general las lecciones que quedan de este proyecto incluyen:
1. El análisis de expertos es mejor que el análisis probabilístico para predecir el futuro.
2. Es más probable que las tendencias futuras sean erróneas cuando se analizan de forma aislada que cuando se incorporan a una narrativa que aborda la causalidad de los acontecimientos. Por causalidad no debe entenderse la realidad del mundo, sino una narrativa que da cuenta de las condiciones de posiblidad para que algo ocurra.
3. Al utilizar tendencias y escenarios para construir el futuro, es importante notar la diferencia entre predicciones (que no pueden ser de más de 5-6 años) y visiones. Las predicciones hablan de cosas que todas y todos vemos que pasarán. Las visiones son cosas que poquísima gente ve y que probablemente se den en períodos largos de más de 10 años.
4. Generar OKRs a partir de escenarios es una herramienta increíblemente poderosa para la gestión y planificación estratégica. Se basan en las visiones y pueden ser sub-estructurados en predicciones hasta cierto punto.
5. De NADA sirve hacer prospectiva si no estás dispuesta, dispuesto, a tomar en cuenta puntos de vista diferentes a las del consenso. Peor aún: si no estás disuesta, dispuesto, a escuchar las visiones de futuro de tu propia gente.