Ttulo:

Anlisis de la Envoltura de Datos Usos y Aplicaciones

Autor:

David Gemes Castorena, D.Sc.

Fecha:

Julio del 2004

Palabras Clave: Anlisis de la Envoltura de Datos, DEA, Anlisis de Eficiencia

Resumen
Este artculo se enfoca a describir la utilizacin de una metodologa de programacin lineal
llamada Anlisis de la Envoltura de Datos, DEA (del ingls Data Envelopment Analysis), para
determinar la eficiencia interna de unidades de negocio, poder compararlas y determinar
acciones para incrementar la eficiencia de las unidades de negocio que necesitan mejorar. La
descripcin de la metodologa se presenta, as como los pros y los contras del uso de DEA. Un
ejemplo se ilustra y los resultados del anlisis son explicados posteriormente.

1. Qu es un Anlisis de la Envoltura de Datos (DEA)?

DEA es una metodologa que se utiliza para analizar la eficiencia relativa de varias unidades de
negocio que participan en el anlisis comparativo (una unidad de negocio se refiere a unidades
que tienen caractersticas semejantes entre si, que tienen objetivos y funciones similares). La
metodologa utiliza tcnicas de programacin lineal y principios de anlisis de frontera para
analizar la eficiencia relativa de dichas unidades de negocio, donde la presencia de mltiples
entradas y mltiples salidas hace que una comparacin sea muy difcil de realizar.
DEA simplifica el benchmarking la comparacin de ciertas unidades contra las unidades que
obtienen mejores resultados en la misma rea. Existen ocasiones en las que necesitamos
comparar unidades de negocio sobre las cuales podemos tener influencia en el desempeo de
los mismos, y necesitamos conocer cules son las unidades que no son eficientes, no
proporcionan la calidad esperada, y/o no son efectivos, para identificar sus debilidades y poder
tomar accin para elevar su nivel de eficiencia. Comnmente tenemos toda la informacin
disponible para todas las unidades de negocio, pero no tenemos una forma de analizar la
informacin sobre el desempeo de las unidades de negocio y tampoco podemos compararla.
Ejemplos de las unidades de negocio pueden ser los proveedores de servicios, las constructoras,
las instituciones financieras, las instituciones educativas (universidades, colegios, escuelas),
instituciones de salud (hospitales, clnicas), fbricas, tiendas, centros de investigacin, gobiernos
locales, etc., y ejemplos publicados de aplicaciones de DEA en estas reas son extensos.
Un mtodo que se ha utilizado comnmente para determinar las eficiencias de las unidades de
negocio es el anlisis de radios. Este anlisis es sencillo de utilizar pero no es fcil de interpretar
cuando las entradas y salidas son mltiples. Veamos un ejemplo de empresas constructoras, tal
como se presenta en la Tabla 1.

Tabla 1. Perfiles de las empresas constructoras.

Entradas

Constructora
Empresa A
Empresa B
Empresa C
Empresa D
Empresa E

Costo
900
1500
1000
1400
1900

Personal
15
17
11
16
29

Salidas

Construccin K
35
40
20
40
70

Construccin L
30
37
14
23
19

Construccin M
9
25
14
35
63

Las empresas constructoras de la Tabla 1 realizan diferentes tipos de construcciones con

diferentes costos y empleando una cantidad diferente de empleados. Existen casos donde la
productividad de la empresa i es mayor que la de la empresa j al utilizar determinadas variables,
pero puede ser menor al utilizar otras variables. Para poder ver todos los radios, veamos la
Tabla 2, y tomemos el ejemplo de la empresa B que es la ms eficiente en la construccin tipo
L, pero no en los dems radios.
Tabla 2. Radios de inters para el anlisis.
Costo /
Costo /
Costo /
Const. K
Const. L
Const. M
25.71
30.00
100.00
Empresa A
Empresa B
37.50
40.54
60.00
Empresa C
50.00
71.43
71.43
Empresa D
35.00
60.87
40.00
Empresa E
27.14
100.00
30.16

Const. K /
Personal
2.33
2.35
1.82
2.50
2.41

Const. L /
Personal
2.00
2.18
1.27
1.44
0.66

Const. M /
Personal
0.60
1.47
1.27
2.19
2.17

Nota: Los radios sombreados son los ms eficientes.

Usando el anlisis de radios, se puede ver que la empresa C es la ms ineficiente, pues no es

eficiente en ninguna categora. Comnmente se le asignan una ponderacin a cada tipo de radio
para obtener una suma ponderada y poder evaluar las diferentes empresas, pero este paso
asume que el tomador de decisiones conoce la importancia relativa de las opciones
dependiendo del anlisis y de la industria de la que se hable, existen radios que comnmente
utilizados pero donde no existe un patrn o un promedio aceptado para dicho radio y el encontrar
dicho patrn es un problema en s que se tiene que resolver antes de abordar el problema
original.
Otro mtodo que se ha utilizado es el anlisis de regresin donde la variable de salida es
representada como una funcin de las variables de entrada. Este tipo de anlisis genera un
estimado de la relacin entre las entradas y las salidas del sistema, y determina una relacin
entre las variables que puede ser positiva o negativa. Si este anlisis se realiza para estudiar la
eficiencia de un conjunto de organizaciones, aquellas organizaciones que sean ms eficientes
que la media se vern beneficiadas y aquellas que salgan por debajo de la media se vern
perjudicadas. En este tipo de anlisis lo que se mide es el desempeo promedio y no la
eficiencia global, y tambin la funcin de produccin del sistema se debe de determinar con
anterioridad y en la mayora de los casos, eso es precisamente lo que se est buscando, pues la
relacin entre entradas y salidas no se conocen con precisin.
En el caso de las constructoras, se pueden realizar regresiones entre las dos variables de
entrada (costo y personal) y cada una de las variables de salida, siendo tres las posibles
combinaciones. Con las regresiones es posible predecir el valor esperado de cada caso, y si en
realidad se super ese valor esperado, entonces la unidad oper con mayor eficiencia residual
positivo. En la Tabla 3 se muestran los valores residuales para las tres regresiones posibles.

Tabla 3. Residuales de la regresin de las variables de entrada vs. Cada una de las variables de
salida y sus valores reales.
Constructora Construccin K
Construccin L
Construccin M
Empresa A
1.58
6.53
-2.85
Empresa B
0.17
11.54
-8.63
Empresa C
-3.47
-11.08
3.78
2.94
-2.33
5.81
Empresa D
Empresa E
-1.22
-4.65
1.90
Nota: Los residuales sombreados son los ms eficientes.

Los valores residuales de la Tabla 3 nos pueden proporcionar informacin sobre la empresa D
que obtiene dos residuales positivos, lo que significa que su desempeo es mejor que el
promedio de las empresas. Esto no significa que su desempeo sea el mejor o el ms ptimo,
sino que es mayor al del promedio. En lugar de determinar el mejor desempeo global, el
anlisis de regresin identifica el mejor-comparado-al-promedio en cada una de las categoras
individuales. En este sentido, el anlisis de regresin no es mejor que el anlisis de radios.
DeLancer (1996) nos comenta que los anlisis tradicionales de radios y de regresin, que son
las tcnicas ms comunes para medir el desempeo, nos proveen informacin limitada sobre la
eficiencia y/o efectividad. DEA resuelve los problemas con los que se enfrenta el anlisis de
radios y el anlisis de regresin al permitir la comparacin simultnea entre varias entradas y
salidas del sistema y al no fijar de antemano una funcin de produccin. Como nos explica
Charnes (1994), DEA tiene las siguientes ventajas:

DEA no requiere la imposicin de una funcin especfica de produccin que relacione las
variables independientes con las variables dependientes. DEA asigna matemticamente
valores ponderados para las variables de entrada y de salida, lo que evita que un
experto asigne los valores ponderados (Nyhan & Martin, 1999).
DEA realiza comparaciones simultneas de procesos con mltiples variables de
entradas y salidas y produce una eficiencia agregada para cada institucin.
DEA puede calcular la cantidad de recursos que se pueden ahorrar, o la cantidad de
recursos adicionales para aquellas instituciones que no son eficientes.
DEA se puede utilizar para determinar la eficiencia tcnica y/o econmica, si la
informacin es proporcionada.

Sin embargo, tambin DEA tiene sus limitantes, entre ellas estn
DEA no tiene indicadores para medir error.
DEA no es apropiado para probar hiptesis.
DEA est basada en el trabajo de Farrell (1957) La medicin de la eficiencia productiva y se
puede considerar a DEA como una generalizacin de la eficiencia tcnica de una entrada y una
salida considerada por Farrell, y ampliada al caso de mltiples entradas y mltiples salidas
(Charnes, Cooper, Lewin y Seiford, 1994).
DEA se utiliza para estimar la eficiencia de unidades de negocio semejantes las cuales
pueden ser unidades de un mismo negocio o de la competencia. En este artculo se ha definido
el trmino de eficiencia como: el radio de las salidas sobre las entradas a un sistema, y en el
caso de un sistema que consiste de una sola entrada y una sola salida, eficiencia se puede
definir como:

Eficiencia =

salidas
entradas

En el caso de un sistema con mltiples entradas y salidas, eficiencia se puede definir como:

Eficiencia =

suma ponderada de las salidas

suma ponderada de las entradas

Con mltiples entradas y salidas, la eficiencia es difcil de estimar, especialmente cuando los
valores utilizados para la ponderacin son desconocidos y se necesitan calcular a priori, como se
ha mencionado con anterioridad. Charnes, Cooper y Rhodes (1978) desarrollaron una
metodologa donde a cada unidad de negocio se le determinan sus propios valores para la
ponderacin, y as poder calcular la eficiencia relativa a las dems unidades.
Es importante mencionar que DEA ofrece una considerable flexibilidad al seleccionar las
variables de entrada y de salida, ya que pueden ser variables continuas, ordinales, e incluso
variables categricas. Inclusive para modelos de DEA ms complejos, las variables de entrada
pueden ser catalogadas como controlables e incontrolables por parte de la administracin un
ejemplo de una variable incontrolable puede ser el nivel de competencia en una regin para
cierta unidad de negocio.
El modelo bsico de DEA propone que la eficiencia de la unidad de negocio j0 se puede obtener
al resolver el siguiente modelo (Boussofiane, Dyson, & Thanassoulis, 1991):
t

Max h0 =

u
r =1
m

y rj0

v x
i =1

Ecuacin (1)

ij 0

Sujeta a:
t

u
r =1
m

y rj

v x
i =1

1, j = 1,..., n,
ij

u r , vi , r e i,
donde:

y rj =

cantidad de la salida r de la unidad j,

x ij =

cantidad de la entrada i de la unidad j,

ur =
vi =
n=
t=
m=
=

ponderacin dada a la salida r,

ponderacin dada a la entrada i,
nmero de unidades en el estudio
nmero de salidas,
nmero de entradas,
nmero positivo muy cercano a cero.

La ecuacin (1) nos presenta que la unidad j0 es eficiente (h0 = 1) cuando al compararse con otras
unidades, no se presenta algn indicio de que los recursos se estn utilizando ineficientemente. La
solucin a la ecuacin (1) produce la eficiencia de la unidad evaluada j0. La eficiencia de la unidad
j0 se maximiza al mantener la eficiencia de las demas unidades con un valor mximo de 1. Como
se mencion previamente, ste modelo tiene la peculiaridad de manejar los valores para las
ponderaciones ur y vi como desconocidos, y dichos valores se encuantran al resolver la ecuacin.

La eficiencia de cada unidad se obtiene al resolver la ecuacin (1) para cada unidad de negocio, y
los valores de las ponderaciones cambiarn para cada unidad de negocio tratando de maximizar la
eficiencia.
La eficiencia se puede redefinir, de acuerdo a Charnes y Cooper (1985), y con referencia a la
ecuacin (1):
Una unidad es 100% eficiente cuando:
1. Ninguna de sus salidas puede ser incrementada sin
(i)
aumentar una o ms de las entradas,
(ii)
reducir alguna de las otras salidas.
2. Ninguna de sus entradas puede ser reducicida sin
(i)
reducir alguna de las salidas,
(ii)
aumentar alguna de las otras entradas.
El modelo que se presenta en la ecuacin (1) es un problema fraccional que se puede convertir a
la forma lineal y utilizar los mtodos de programacin lineal para su solucin. La transformacin se
presenta en la ecuacin 2.
s

Max h0 = u r y rj0

Ecuacin (2)

r =1

Sujeto a:
m

v x
i =1
t

ij0

=1
m

u r y rj vi xij 0, j
r =1

i =1

u r , vi
En la ecuacin (2) el objetivo ha sido linealizado, y mtodos como simplex se puede utilizar para
resolver el sistema.

2. Representacin Grfica de DEA

Una representacin grfica de la metodologa es til para la comprensin del anlisis DEA. La
Figura 1 presenta un sistema con una sola entrada (x) y una sola salida (y) personal vs.
construccin tipo M. Debido a que DEA utiliza mltiples entradas y salidas, la representacin
grfica en la Figura 1 corresponde al de un DEA simplificado a una entrada y una salida.
Analizando la Figura 1 se puede ver que DEA se enfoca en las unidades como tal, y no en su
comportamiento promedio. DEA es capaz de determinar las unidades que se desempean mejor,
y son las unidades que se encuentran en la extremidad constructoras C, D y E pues con menor
cantidad en las variables de entrada (personal) produce una mayor cantidad en las variables de
salida (construcciones M); a su vez, DEA tambin es capaz de fijar metas para las unidades que
son ineficientes constructoras A y B, y para esto toma como referencia a unidades de negocio
estudiadas en el anlisis es decir, toma unidades reales, y no comportamientos ideales. Dichas
metas se obtienen al extrapolar los valores hasta la frontera delimitada por las unidades que
alcanzan el 100% de eficiencia. Esta extrapolacin se puede ver en la Figura 2, la cual muestra
un caso de dos salidas y una entrada.

Figura 1. Ejemplo grfico de DEA con una entrada y una salida.

70

Mejor
Prctica

Cosntruccin M (y)

60

CDE

50
40

30

Comportamiento
Promedio

B
20

10

0
10

15

20

Personal (x)

25

30

La Figura 2 presenta el conjunto de constructoras donde se han graficado en el eje X los valores
de Construcciones L / Personal y en el eje Y los valores de Construcciones M / Personal. En
este caso especfico, las unidades que producen mayores cantidades de ambas salidas sern
las ms eficientes, y ellas formarn lo que se le denomina la envoltura de las unidades ms
eficientes. En la Figura 2, las constructoras que son 100% eficientes son B, D, y E. Las
constructoras A y C son ineficientes y se encuentran localizadas debajo de la envoltura formada
por las unidades ms eficientes. En este caso, la envoltura se ha prolongado entre la unidad E y
el eje Y, al igual que entre la unidad B y el eje X.

Figura 2. Representacin Grfica de un sistema con 2 salidas y 1 entrada.

2.5

Mejor
Prctica

Cosntruccin M / Personal

EDB

C
B

1.5

C
C

0.5

0
Origen
0

0.5

1.5

Construccin L / Personal

2.5

Para la constructora ineficiente C, el grupo que sirve como referencia para obtener un valor el
cual la unidad C puede alcanzar, est determinado por las unidades D y B, y se ha representado
como C (ver Dyson, Thanassoulis y Boussofiane, 1990). Dado que para C existen varias formas
de mejorar su eficiencia, la cual implica acercarse a la frontera sin importar el camino que se
siga, tal como lo muestra el punto C el cual resulta en aumentar nicamente la produccin de la
construccin tipo L. La eficiencia de C se puede calcular usando la Figura 2, la cual nos muestra
los puntos C y C, donde ste ltimo es el que representa la unidad C si fuese 100% eficiente;
OC
, donde O es el origen.
entonces la eficiencia de C se da por la relacin de las distancias
OC'

3. Construccin y resultados de un modelo DEA

El modelo de DEA se construye ms fcilmente si se utiliza la ecuacin (2) y se resuelve
utilizando el modelo simplex se recomienda utilizar un programa de cmputo genrico de
programacin lineal. Los resultados de resolver el problema de las constructoras se vera como
lo muestra la Tabla 4, que nos muestra que slo la empresa C est trabajando ineficientemente
en comparacin con las otras empresas.
Tabla 4. Eficiencia relativa usando el Anlisis de la Envoltura de Datos.
Constructora Eficiencia Relativa
Empresa A
Empresa B
Empresa C
Empresa D
Empresa E

100.00
100.00
74.35
100.00
100.00

Si regresamos a revisar el anlisis de radios y el de regresin, podemos corroborar la ineficiencia

de la empresa C, sin embargo no podemos conocer cuales son las probables mejoras que se le

pueden hacer a la empresa C. DEA si nos puede proporcionar estos valores y nos presenta que
para la empresa C las empresas que sirven de benchmarking son la B y la D por la proximidad a
su desempeo dado se encuentran en la frontera ms eficiente. Haciendo un anlisis semejante
al que nos muestra la Figura 2, podemos calcular las mejoras potenciales a la empresa C, y se
muestran en la Tabla 5. Por ejemplo, la empresa C puede mejorar el nmero de las
construcciones K y L en un 34% y las tipo M en un 50%, tal y como lo hacen las empresas B y
D, con los recursos con los que cuenta, y adems el costo lo puede reducir en 3%.
Tabla 5. Constructora C con anlisis de mejoras potenciales.
Constructora Costo Personal Construccin K
Empresa C (original)
Mejoras potenciales (%)
Empresa C mejorada

1000
-3%
970

11
0%
11

20
34%
26.8

Construccin L Construccin M
14
34%
18.76

14
50%
21

Es importante hacer notar que en este ejemplo fue una sola unidad de negocio la que no fue
eficiente de un total de 5; esto se debe a que el poder discriminatorio de DEA trabaja mejor
cuando el nmero de unidades de negocio es grande un nmero mnimo de unidades de
negocio que se recomienda para DEA debe se tres veces el nmero de variables de entrada
multiplicado por el nmero de variables de salida (Gemes, 2001). En ejercicios con un nmero
grande de variables de entradas y salidas, es importante realizar anlisis de correlacin entre las
variables para poder reducir el nmero de variables del estudio y aumentar el poder
discriminatorio de DEA.

4. Resumen y Conclusiones
Los anlisis de eficiencia o de desempeo se han estado desarrollando con herramientas que no
nos explican bien lo que est sucediendo en realidad. En este artculo se explic una
metodologa alterna que nos ayuda a poder comparar la eficiencia de las unidades de negocio de
una manera ms clara y objetiva llamada Anlisis de la Envoltura de Datos o DEA (por sus siglas
en ingls). DEA es superior al anlisis de radios y al de regresin ya que incorpora la
optimizacin en lugar de los promedios; tambin evita la asignacin de ponderaciones arbitrarias
asignadas por el analista. Sin embargo, al ver que DEA posee ventajas sobre mtodos
alternativos, es recomendable que las 3 herramientas se usen conjuntamente para poder obtener
una perspectiva ms completa de la situacin analizada.

5. Bibliografa
Boussofiane, A., Dyson, R. G., & Thanassoulis, E. (1991). Applied data envelopment analysis.
European Journal of Operational Research, 51(1), 1-15.
Charnes, A., & Cooper, W. W. (1985). Preface to topics in Data Envelopment Analysis. Annals
of Operations Research, 2, 59-94.
Charnes, A., Cooper, W. W., & Rhodes, E. (1978). Measuring the efficiency of decision making
units. European Journal of Operational Research, 2(6), 668-697.
Charnes, A., Cooper, W. W., Lewin, A. Y., & Seiford, L. M. (1994). Data Envelopment Analysis:
Theory, Methodology, and Application: Kluwer Academic Publishers.
DeLancer, P. M. (1996, June). Public productivity and data e-nve-lopm,-nt analysis (DEA): How
compatible are they? Paper presented at the annual meeting of the American Society for Public
Administration, Atlanta, GA.

Dyson, R. G., Thanassoulis, E., & Boussofiane, A. (1990). A Data Envelopment Analysis
tutorial, [www document]. Adapted from the 'Data Envelopment Analisis' in Tutorial Papers in
Operational Research, L. C. Hendry and R. W. Eglese eds. Operational Research Society,
1990. Available: http://wwww.warwick.ac.uk/~bsrlu/dea/deat/deat1.htm [1999, 11/29/1999].
Farrell, F. M. (1957). The Measurement of Productive Efficiency. Journal of the Royal Statistical
Society, Series A(120), 253-290.
Gemes-Castorena, David (2001). An efficiency-based decision making model for higher education
funding in Mexico. Tesis Doctoral presentada a la Universidad de George Washington.
Nyhan, R. C., & Martin, L. L. (1999). Comparative Performance Measurement, a Primer on Data
Envelopment Analysis. Public Productivity & Management Review, 22(3), 348-364.

Sobre el Autor
David Gemes Castorena
El Dr. Gemes obtuvo su grado doctoral en ciencias de la administracin de la ingeniera en la
Universidad de George Washington, en Washington, D.C. en el 2001, y los grados de maestra
en ciencias y licenciatura en Ingeniera qumica ambas del Instituto Tecnolgico y de Estudios
Superiores de Monterrey (ITESM) campus Monterrey. El Dr. Gemes actualmente desarrolla
actividades de docencia e investigacin en el ITESM campus Monterrey; anteriormente trabaj
en Washington D.C. coordinando la planeacin, implementacin y evaluacin de proyectos de
desarrollo educativo y tecnolgico en varios estados de los Estados Unidos, as como en varios
pases de frica, Asia y Latinoamrica y en organismos internacionales de desarrollo. El Dr.
Gemes puede ser contactado en guemes@itesm.mx.