CASOS DE ESTUDIO

CASOS DE
ESTUDIO

ALUMNOS:

NARVAEZ
PROF.:
ING. BRAULIO
VENTURA,YAMILET
BUSTOS

QUIROA MUOZ, SERGIO

ARQQUE HUAMANI,
OSCAR

CASOS DE ESTUDIO

CASO 1: ADTEL, LTD

RESUMEN DEL CASO
Barret Foods una empresa dedicada a la venta de mantequilla de man tiene
cautivado el 30% del mercado nacional, Mullen Foods su ms fuerte
competencia posee el 28% de ese mercado. En los ltimos aos volumen de
ventas a aumentado, sin embargo la empresa no tuvo esa suerte, para ello los
directivos plantean propuestas.
Plan propuesto
Los directivos de Barret Foods planean incrementar su presupuesto para
publicidad en Televisin a $ 6 000 000.
Condiciones para llevar a cabo el plan propuesto
Incremento mnimo: 15 % en las ventas
Nivel de confianza: 90%
ADTEL es la empresa encargada de evaluar la conveniencia del aumento de
presupuesto para ello elabora el siguiente diseo:

Panel A: Triplica desde 2 000 000 hasta $6 000 000 anuales. (Estrategia
Fuerte)
Panel B: Actualmente $ 2 000 000 anuales y servir como control.

HIPOTESIS

H0 : El incremento en el neto en el volumen de las ventas es menor igual

a15%
Ha : El incremento en el neto en el volumen de las ventas es mayor igual
a15%

RESULTADOS OBTENIDOS DEL ESTUDIO

1. En el anexo 1 observamos que existe un incremento en el neto en el
volumen de las ventas de 16% para los 12 meses que dur la prueba lo
cual es mayor que el incremento en las ventas que pronstico la
empresa.

CASOS DE ESTUDIO

2. En el anexo 10 se indica el porcentaje de familias que reportaron

mantequilla de man tuvo un mayor incremento en el panel A que en el
panel B producto de que consumidores no frecuentes o no consumidores
se convirtieron en consumidores frecuentes de mantequilla de man y en
el anexo 8 nos muestra el porcentaje de familias que compararon
mantequilla de man

Teniendo un incremento neto en el volumen de ventas

3. En
el
anexo 11 se observa
que el incremento del volumen de ventas de mantequilla de man por
comprador.

CONCLUSIONES
Analizando los datos obtenidos tras los resultados del estudio
rechazamos la hiptesis nula y aceptamos la hiptesis alterna la cual nos
dice que el incremento neto en el volumen de ventas es mayor al 15%,
esto lo observamos en el anexo1.
El incremento neto en el volumen es ventas es de 16%, si lo
subdividimos por categoras tambin se muestra ese incremento, en
familias se observa un incremento neto del 6.8% y por comprador de

CASOS DE ESTUDIO

10% lo que ratifica nuestro incremento neto de 16% en el volumen de

vetas.
RECOMENDACIONES
Se recomienda al presidente de Barrett implementar el plan publicitario
aplicando la estrategia fuerte la cual tiene un costo de hasta $6 000 000
anuales, pues tanto individualmente como en familia se observa un
claro incremento en el nivel de ventas de mantequilla de man lo cual
justifica claramente los costos de publicidad hechos.
Adems de esto se recomienda buscar un mercado objetivo al cual dirigir
la publicidad parar de esta forma obtener mayores resultados es decir
incrementar el volumen de ventas.

CASOS DE ESTUDIO

CASO 2: EDGCOMB METALS

Alex debe confirmar si la queja presentada por Spencer es real y debe
sustentarla con el anlisis de la informacin incompleta que ha podido
recopilar. Algunas de las primeras verificaciones sugeridas, es la de confirmar
la remuneracin recibida tanto por Spencer como por Williams en un perodo
determinado de tiempo. De la informacin de horas regulares y extra recibida
por trabajador puede estimar el sueldo de cada trabajador en los primeros seis
meses de 1983, tal como se muestra a continuacin:

Basado en el pago de $9.5 por hora regular y en un 50% de pago adicional por
hora extra, se evidencia que Spencer ha percibido casi mil dlares ms que
Williams en ese perodo, lo cual podra dejar sin fundamento la queja del chofer
experto. Sin embargo, este anlisis no es completo debido a que no
necesariamente a todos los choferes se les ha asignado equitativamente las
rutas y paradas. , y lo que an se mantiene en pie la duda; es si efectivamente
el chofer novato es menos eficiente que el resto, y en especfico que Spencer.
A fin de analizar la eficiencia de los choferes, o de comparar la eficiencia de
Spencer y Williams contra el grupo en promedio; Alex puede utilizar la
informacin de millas, paradas y horas utilizadas en las rutas de Virginia
Beach/Norkfolk y Charlottesville, una de ellas la ms corta y la otra una de las
ms largas y difciles, y generar modelos matemticos para estimar los
tiempos esperados por cada una de las rutas asignadas a los dos choferes.
Consolidando la informacin de las zonas mencionadas y utilizando algn
software de estadstica disponible, tendra el siguiente resultado:
En base al anlisis anterior, Alex puede desarrollar un modelo que le permita
estimar el comportamiento de la variable dependiente (horas utilizadas en
cada ruta) en funcin a las variables independientes distancia recorrida en
millas y nmero de paradas (coeficiente de determinacin ajustado de 83%), y
que adems las variables independientes distancia recorrida y paradas son

CASOS DE ESTUDIO

significativas y ayudan a explicar las variaciones o impactos en la variable

dependiente horas (p-values muy bajos). De esta manera, Alex puede utilizar la
siguiente ecuacin para estimar los tiempos promedio esperados para cada
una de las rutas de Spencer y Williams.
HACEMOS UN CALCULO DE LA CORRELACION ENTRE LAS VARIABLES Y
PROCEDEMOS A HACER UNA REGRESESION MULTIVARIADA SABIENDO QUE LAS
HORAS SON LA VARIABLE INDEPENDIENTE

Correlaciones
Millas
Millas

Correlacin de Pearson

Paradas
1

Sig. (bilateral)

Paradas

Horas

Horas

,057

,755**

,519

,000

131

131

131

Correlacin de Pearson

,057

,416**

Sig. (bilateral)

,519

131

131

131

**

**

Correlacin de Pearson

,755

,000

,416

Sig. (bilateral)

,000

,000

131

131

131

**. La correlacin es significativa al nivel 0,01 (bilateral).

Coeficientesa
Modelo

Coeficientes

Coeficient

no

es

estandarizados

tipificados

Error

Si

Intervalo de

g.

confianza de
95,0% para B

Beta

tp.
1

(Constante)

4,3

,333

01

Correlaciones

12,9

36

00

Lmite

Lmite

Orden

Parc

Semiparci

Inf

Sup

cero

ial

al

3,643

4,959

,014

,018

,755

,806

,733

,205

,344

,416

,570

,374

0
Millas

,001

,734

016

15,3

83

00
0

Paradas

,
275

,035

,374

7,85

00
0

CASOS DE ESTUDIO

a. Variable dependiente: Horas

Nmero de horas = 4.301

(paradas)

+ 0.016 (millas) + 0.275

Segn la ecuacin, se puede notar que los coeficientes de las variables

independientes son positivos, lo cual nos indica que el nmero de horas por
ruta se incrementa con la distancia y paradas realizadas, generando un mayor
impacto las paradas. Esto muestra la racionalidad y coherencia del modelo.
Paso siguiente, Alex utilizara el modelo para estimar los tiempos promedio
estimados para cada una de las rutas realizadas por los choferes bajo anlisis.
El resultado estimado de horas obtenido por ruta sera comparado con el
tiempo real que utiliz cada uno de ellos. Finalmente, la suma de todas las
diferencias mostraras las horas que cada chofer utiliz en exceso o en defecto
durante el perodo bajo evaluacin.
Los resultados del anlisis de eficiencia de Spencer ratifican el convencimiento
de que Spencer es uno de los ms eficientes, sumando ms de 27 horas por
debajo del promedio esperado de las rutas que realiz en el periodo, tal como
se muestra en el Anexo 2. De la misma manera, los resultados del anlisis de
eficiencia de Williams justifican el reclamo de Spencer, al mostrar que su
compaero novato sum ms de 30 horas por encima del promedio esperado
en las rutas que realiz durante el mismo perodo, tal como se muestra en el
Anexo 3.
Basado en el reclamo justificado de Spencer, Alex, por tanto, debe tomar una
de las decisiones que pens luego de la reunin con los choferes, u otra que
muestre ser asegurar que tanto Williams como los dems choferes sean
remunerados de manera justa de acuerdo a su eficiencia y experiencia, sin
perjudicar o beneficiando la rentabilidad de la empresa.

Alternativa propuesta
Las alternativas de reasignar a Williams a otro puesto y equipar los camiones
de tacgrafos sugieren un deterioro en el clima laboral de los empleados. Esto
es debido a que los choferes ya haban demostrado rechazo a la
implementacin de sistemas de rastreo y monitoreo en los camiones; y que al
reasignar a Williams, los dems empleados podran pensar que pueden correr
la misma suerte en cualquier momento lo que generara desconfianza en el

CASOS DE ESTUDIO

grupo. La alternativa que debe implementar Alex es una combinacin entre

monitorear el desempeo de cada chofer, millas recorridas y paradas
realizadas y un cambio en el sistema de remuneraciones. El monitoreo de
desempeo debe ser explicado y vendido como parte de la progresiva
implementacin de mejora remunerativa a los empleados ms eficientes,
adicionalmente el sistema de remuneraciones debe ser variable, tanto por
millas recorridas como por paradas (despachos realizados).
El punto de partida de la solucin es ahorrar costos de salarios pagados a los
choferes, o en el peor de los casos mantenerlos por milla recorrida. De la
informacin real recopilada de millas y horas utilizadas, se estima un costo
total de cumplir con todas las millas recorridas y el costo unitario por milla
recorrida del escenario ms eficiente. Este clculo se debe realizar asumiendo
que todas las horas utilizadas son regulares y ninguna hora extra incurrida
($9.5/hora). De esta forma se obtiene que el costo unitario promedio por milla
recorrida del periodo de $3.555/milla. Asimismo, se propone un bono variable
adicional de $3 por cada punto de despacho o parada adicional a partir del 6to
despacho, esto motivar a los choferes a hacerlo en forma ms rpida. El pago
adicional a partir del 6to viaje est asociado a que en el 62% de los viajes los
choferes hacen 5 paradas, es decir 6 a ms paradas o entregas representan el
38% de los eventos (ver Anexo 1), adicionalmente la media de los puntos de
entrega o paradas de la data es 5.22 paradas por ruta. En resumen la nueva
estructura de remuneracin variable en funcin de millas recorridas y
despachos realizados:
De esta manera se trata de cumplir otro objetivo que refiera al de remunerar
de manera justa a todos los choferes, a la vez de asignar de manera
homognea las rutas. Asimismo, los choferes estarn motivados en recorrer la
mayor cantidad de millas y realizar la mayor cantidad de paradas por despacho
a fin de percibir mayores ingresos y finalmente premiara la eficiencia y
corregir la baja productividad. Los resultados econmicos esperados para
Williams y Spencer basado en la informacin histrica pero en base al nuevo
sistema de remuneracin se muestran a continuacin, que son ms equitativos
y generan ahorro a la empresa.
Cabe resaltar que este sistema no sera exitoso si no se definen tiempos
promedio esperadas para cada una de las rutas y zonas que deben de acuerdo
a las condiciones geogrficas trfico, lmites de velocidad, etc. Asimismo, la
implementacin de la solucin es la adecuada asignacin de rutas, zonas y
paradas por despacho por chofer sin preferencias subjetivas pero que pueden
tener eventualmente prioridad segn el desempeo y mrito demostrado de
cada chofer.

CASOS DE ESTUDIO

La implementacin de la nueva poltica de remuneracin y los estndares

asociados deben ser planificada. El xito de nuevo sistema depende del apoyo
de los choferes para lo cual Alex debe ir con cuidado y debe monitorear la
reaccin tanto positiva como negativa de sus choferes. La implementacin
debe ser gradual y debe contemplar el registro detallado de los tiempos,
eficiencia reales y esperados durante un perodo de prueba; en el cual, el
sueldo de ninguno de los choferes, debe ser afectado. Luego de demostrado
que la estrategia es viable durante esta fase de prueba, la poltica debe
aplicarse al sueldo de cada chofer

CASOS DE ESTUDIO

CASO 3
QUILEZ
Se est evaluando el lanzamiento de un nuevo producto: Shampoo para
hombres
Posibles precios 65, 70, y 75 pesos
Costo de produccin 40 pesos
Puntos de venta: Farmacias, bodegas y minimarkets en 6 ciudades
La Direccin planea ofrecer un nuevo margen a los distribuidores (M2) de
22%. El margen habitual es de 20% (M1)
Se realizar una investigacin (3 meses) para verificar la eficacia.

Cuadro 1 En este cuadro se muestran el nmero de unidades vendidas

separados segn precio, cuidad, puntos de venta y margen de Contribucin.
Margen
(M)
M1
M2

PRECIO

Punto de
Venta
(V)
Farmacias
Bodegas
Minimarkets
Farmacias
Bodegas
Minimarkets

P1=75
805
800
823
925
923
932

783
800
800
905
941
943

765
820
820
893
915
921

P2=70
792
795
795
922
933
910

1110
1112
1127
1180
1183
1220

1085
1125
1083
1165
1225
1223

1120
1133
1105
1193
1217
1210

P3=65
1063
1091
1132
1172
1203
1147

1341
1362
1380
1445
1463
1481

1323
1341
1405
1463
1487
1445

1337
1325
1363
1407
1447
1453

1351
1380
1392
1483
1517
1481

Cuadro 2: En este cuadro se muestra en ingreso por ventas de cada seccin.

Nro . de Unidades vendidas x Precio

Margen
(M)
M1
M2

Punto de
Venta
(V)
Farmacias
Bodegas
Minimarkets
Farmacias
Bodegas
Minimarkets

Margen de Contribucin
MC=35
28175
28000
28805
32375
32305
32620

27405
28000
28000
31675
32935
33005

26775
28700
28700
31255
32025
32235

MC=30
27720
27825
27825
32270
32655
31850

33300
33360
33810
35400
35490
36600

32550
33750
32490
34950
36750
36690

33600
33990
33150
35790
36510
36300

31890
32730
33960
35160
36090
34410

33525
34050
34500
36125
36575
37025

CASOS DE ESTUDIO

Cuadro 3: Muestra la variacin de ventas entre los mrgenes 1 y 2 (M1 y M2)

segn punto de venta (farmacia, Bodega y minimarket)

Punto de
Venta
(V)
Farmacias

M 2M 1
M1

Bodegas
Minimarke
ts

MC=35
14.91
%
15.38
%
13.24
%

15.58
%
17.63
%
17.88
%

16.73
%
11.59
%
12.32
%

% de Aumento en las ventas

MC=30
16.41
%
17.36
%
14.47
%

6.31
%
6.38
%
8.25
%

7.37
%
8.89
%
12.93
%

6.52
%
7.41
%
9.50
%

10.25
%
10.27
%
1.33
%

"Las celdas en rojo indican que ese aumento del 10% adicional solo servira para un precio de 75,
pero para tener una mayor certeza aplicamos la prueba t ya que es una muestra pequea"

7.

7.

7.

CASOS DE ESTUDIO

CUADRO 4: Prueba t para cada precio

Precio=75
Nivel de
Significancia
Desviacin
Estndar
Tamao de la
muestra
Valor de t
Promedio
Lmite inferior
Lmite superior

Precio=70

Precio=65

0.05

0.05

0.05

2.08%

3%

2%

12
1.3192%
15.2900%
13.9707%
16.6092%

12
1.8228%
7.9509%
6.1281%
9.7738%

12
1.5151%
7.8287%
6.3135%
9.3438%

Al realizar la prueba t podemos decir con 95% de confianza que el

nico precio que hace factible aumentar un 10% de ganancia ms a
los distribuidores es el precio de 75 pesos

Anlisis de Ventas segn los precios

Para este caso se presentan 3 precios diferentes. Queremos determinar si los
precios diferentes afectan en las ventas planteamos lo siguiente:

Ho: 75=70=65

Hi: 757065
ANOVA

Origen de las
variaciones

Suma
de
cuadra
dos

Grados
de
liberta
d

Entre grupos

0.04383
156
0.02004
519

Dentro de los
grupos
Total

0.06387
675

33

Promed
io de
los
cuadra
dos
0.02191
578
0.00060
743

Probabil
idad

Valor
crtico
para F

36.0795
242

4.95462
E-09

3.28491
765

35

Conclusin: Rechazamos nuestra Ho (0,05>0,000); es decir los

precios 65,70 y 75 generan diferentes utilidades, es diferente vender
a 65, 70 y 75 soles.

CASOS DE ESTUDIO

Anlisis de Ventas segn puntos de ventas:

Minimarket- Bodegas- Farmacia
En esta parte analizaremos si hay diferencia en las ventas si vendemos en
diferentes puntos de venta (Bodega-Minimarket-Farmacias).

Ho: minimarket=Bodega=Farmacia

Hi: MinimarketBodegaFarmacia
ANOVA
Origen de
las
variacion
es
Entre
grupos
Dentro de
los
grupos
Total

Suma de
cuadrado
s

Grados
de
liberta
d

Promedio
de los
cuadrados

0.0016720
7

0.00083604

0.0622046
8

33

0.00188499

0.0638767
5

35

Probabili
dad

Valor
crtico
para F

0.443522
65

0.645541
11

3.2849176
5

Conclusin: Aceptamos nuestra Ho (0,05<0,645); es decir vender en

cualquiera de estos puntos no tiene mucha relevancia porque
generan ventas similares, utilidades similares.

Anlisis de Ventas en las 6 ciudades

En esta parte analizaremos si hay diferencia en las ventas en las 6 ciudades
escogidas al azar.

CASOS DE ESTUDIO

Ho: c1=c2=c3=c4=c5=c6

Hi: c1c2c3c4c5c6
ANOVA
Origen de
las
variacion
es
Entre
grupos
Dentro de
los
grupos
Total

Suma de
cuadrado
s

Grado
s de
liberta
d

56496261
8

Promedio
de los
cuadrado
s

112992524

28202297
.9

66

427307.54
4

59316491
6

71

F
264.429
04

Probabili
dad
3.1056E42

Valor
crtico
para F
2.353808
96

Conclusin: Rechazamos nuestra Ho (0,05>0.000); es decir vender

en las 6 ciudades es totalmente diferente, la utilidad sobre las ventas
si depende de la cuidad donde se ofrece el producto.

Anlisis de los mrgenes especial ofrecido a los

distribuidores (M1- M2)
Como sabemos la direccin ofrece un margen especial (M2) que es 10%
superior al margen habitual 20% (M1) con el objetivo de empujar al mercado su
producto nuevo. A continuacin analizaremos si hay diferencia sobre las ventas
si se ofrece este margen vs a los que no se les ofrece.

Ho: M1=M2
Hi: M1M2
ANOVA
Origen
de las

Suma de
cuadrad

Grado
s de

Promedio
de los

Probabili
dad

Valor
crtico

CASOS DE ESTUDIO

variacion
es
Entre
grupos
Dentro
de los
grupos
Total

os

liberta
d

18251643
4

cuadrado
s

para F

182516434

41064848
3

70

5866406.8
9

59316491
6

71

31.11213
34

4.2798E07

3.977779
39

Conclusin: Rechazamos nuestra Ho (0,05>0.000); es decir el

nmero de ventas es diferente entre los distribuidores que se les
ofrece el margen especial (M2) y los que mantienen el margen
habitual (M1).

ANALISIS DE CORRELACION Y REGRESION MULTIPLE

Utilizaremos esta tcnica para poder determinar cul variable influye ms
sobre nuestras ventas.
Ingresos netos de la empresa despus de restar los mrgenes de 20% y 22%
respectivamente adems de los 40 pesos por costo de produccin unitario
Marge
Punto
n
de Venta
(M)
(V)
Farmaci
as
M1

M2

Bodegas
Minimar
ket
Farmaci
as
Bodegas
Minimar

Precio
1610
0
1600
0
1646
0
1711
2.
1707
5.
1724

P1=75
1566 1530
0
0
1600 1640
0
0
1600 1640
0
0
1674 1652
2.
0.
1740 1692
8.
7.
1744 1703

1584
0
1590
0
1590
0
1705
7
1726
0.
1683

1665
0
1668
0
1690
5
1593
0
1597
0.5
1647

P2=70
1627 1680
5
0
1687 1699
5
5
1624 1657
5
5
1572 1610
7.
5.
1653 1642
7.
9.
1651 1633

1063
0
1636
5
1698
0
1582
2
1624
0.
1548

1341
0
1362
0
1380
0
1228
2.
1243
5.
1258

P3=65
1323 1337
0
0
1341 1325
0
0
1405 1363
0
0
1243 1195
5.
9.5
1263 1229
9.
9.5
1228 1235

1351
0
1380
0
1392
0
1260
5.
1289
4.
1258

CASOS DE ESTUDIO

ket

5.

8.

0.

4.

8.

2.

0.5

8.

Leyenda Para SPSS

Amarillo Ciudad A -3
Azul Ciudad B -2
Morado Ciudad C-1
Rojo Ciudad D 1
Verde Ciudad E 2
Naranja Ciudad D 3

Farmacia 1
Bodega 0
Minimarket -1

Margen 1 ofrece 20 % de ganancia

Margen 2 ofrece 22% de ganancia

Resumen del modelo

Modelo

R cuadrado
,883

R cuadrado

Error tp. de la

corregida

estim

,780

,767

871,4225

a. Variables predictores: (Constante), Precio, Margen, Punto de venta, ciudad

El r2 nos indica que el 78 % de nuestros ingresos depende de nuestras

variables

Correlaciones
Ingresos

Punto

Margen

ciudad

Precio

de
venta
Ingresos

Correlacin de

-,123

-,010

-,435**

,799**

,304

,931

,000

,000

72

72

72

72

72

-,123

,000

,000

,000

Pearson
Sig. (bilateral)
N
Punto de

Correlacin de

venta

Pearson

CASOS DE ESTUDIO

Sig. (bilateral)

,304

N
Margen

72

Correlacin de

1,000

1,000

1,000

72

72

72

**

,000

,000

1,000

72

-,010

,000

,931

1,000

72

,863

Pearson
Sig. (bilateral)
N
Ciudad

Correlacin de

72

72

72

72

**

,000

**

-,501**

,000

1,000

,000

72

72

72

72

72

**

-,435

,863

Pearson
Sig. (bilateral)
N
Precio

Correlacin de

,000

**

,000

,000

,000

1,000

1,000

,000

72

72

72

72

,799

-,501

Pearson
Sig. (bilateral)
N

72

**. La correlacin es significativa al nivel 0,01 (bilateral).

Coeficientes
Modelo

Coeficientes no

Coeficientes

estandarizados

tipificados

B
1

(Constante)

Error tp.

44362,181

8822,241

-270,010

125,779

Margen

15292,222

Ciudad
Precio

Punto de

Sig.

Beta
5,028

,000

-,123

-2,147

,035

2476,707

4,263

6,174

,000

-4840,917

779,424

-4,953

-6,211

,000

-738,108

177,165

-1,680

-4,166

,000

venta

a. Variable dependiente: Ingresos

Ingresos=44326.181 270.010( punto de venta )+ 15292.222( Margen)4840.917(Ciudad )738.108( Preci

Conclusin: Guindonos en los datos obtenidos podemos decir que:

El margen de contribucin que genera ms ganancias es el

margen 2
La ciudad que genera ms ganancias es la ciudad A
El mejor precio es el de 65
Y que es indistinto vender en cualquier punto de venta

CASOS DE ESTUDIO

Reemplazando
Ingresos=44326.181 270.010(-1) + 15292.222(2)-4840.917(-3)738.108(65)
Ingresos = 41726.366