Análisis Envolvente de Datos (DEA) en tu trabajo de grado de administración: ejemplo paso a paso (2026)

Análisis Envolvente de Datos (DEA) en tu trabajo de grado de administración: ejemplo paso a paso (2026)

La guía sobre 30 temas de trabajo de grado de administración de empresas reúne temas de varias líneas de la disciplina. Esta guía se centra en una sola técnica cuantitativa para medir la eficiencia de unidades de negocio comparables —el Análisis Envolvente de Datos, DEA por su sigla en inglés— con un ejemplo aplicado, paso a paso, para que puedas usarla en tu propio trabajo, incluso si nunca antes has trabajado con un modelo de programación lineal ni con software estadístico avanzado. Encaja de forma natural con preguntas que sí interesan a las empresas reales: qué sucursal, agencia o tienda rinde más con los recursos que tiene.

Qué es el DEA y qué mide

El Análisis Envolvente de Datos es una técnica no paramétrica basada en programación lineal, propuesta originalmente por Charnes, Cooper y Rhodes en 1978, que mide la eficiencia relativa de un conjunto de unidades comparables —llamadas unidades de toma de decisión, o DMU por su sigla en inglés— a partir de los insumos que consumen y los productos que generan. A diferencia de un indicador financiero tradicional que compara una sola razón, el DEA construye una «frontera de eficiencia» con las unidades que logran más producto con menos insumo, y mide qué tan lejos está cada unidad restante de esa frontera.

Es especialmente útil en un trabajo de grado de administración cuando quieres comparar el desempeño de varias sucursales, agencias, tiendas o unidades de negocio similares que usan distintos recursos (personal, capital, horas de operación) para producir distintos resultados (ventas, clientes atendidos, unidades producidas), sin tener que reducir todo a una sola razón financiera.

Gráfico de dispersión con una frontera de eficiencia trazada sobre puntos que representan distintas unidades de negocio
El DEA traza una frontera de eficiencia con las unidades que mejor convierten insumos en productos, y mide qué tan lejos está el resto.

Cuándo tiene sentido usar DEA en tu trabajo de grado

El DEA funciona bien cuando tienes suficientes unidades comparables (sucursales de una cadena, cooperativas de un mismo sector, entidades territoriales) con insumos y productos medibles en las mismas unidades para todas ellas. No funciona bien con muy pocas unidades, porque el método tiende a calificar como «eficientes» a casi todas cuando el número de DMU es bajo frente al número de variables usadas. Una regla práctica muy citada, recogida por Cooper, Seiford y Tone en su manual de DEA, es que el número de unidades sea al menos el mayor entre el producto de insumos por productos (m × s) y el triple de su suma, 3(m + s). Con 3 insumos y 2 productos, por ejemplo, eso da al menos 15 unidades (el mayor entre 3 × 2 = 6 y 3 × 5 = 15).

Paso 1: define tus unidades de decisión (DMU)

Elige un conjunto de unidades genuinamente comparables: mismo tipo de negocio, mismo periodo, condiciones de operación razonablemente similares. Comparar una sucursal urbana grande con una rural pequeña sin ajustar por tamaño distorsiona el resultado, a menos que ese ajuste sea justamente parte de tu análisis.

Paso 2: elige tus insumos y productos

Ejemplo ilustrativo: un trabajo de grado que compara la eficiencia de veinte sucursales de una cadena de tiendas de barrio en una ciudad colombiana podría definir tres insumos y dos productos, lo que cumple la regla anterior (20 ≥ 15):

Ejemplo de insumos y productos para un análisis DEA
Tipo Variable Por qué se elige
Insumo Número de empleados por sucursal Recurso humano consumido, medible igual en todas las unidades
Insumo Metros cuadrados de la sucursal Recurso físico consumido
Insumo Gasto operativo mensual Recurso financiero consumido
Producto Ventas mensuales totales Resultado económico generado
Producto Número de clientes atendidos Resultado de servicio generado

La elección de insumos y productos debe justificarse con la literatura previa sobre eficiencia en el sector estudiado, no solo con la disponibilidad de datos: si tu marco teórico no explica por qué esas variables representan bien el fenómeno, el jurado va a señalar que la elección parece arbitraria. Si tu trabajo se apoya en la teoría de recursos y capacidades para explicar por qué unas sucursales rinden más que otras con recursos similares, la guía sobre marco teórico del trabajo de grado con ejemplos por programa desarrolla un ejemplo completo de esa teoría aplicada a administración.

Paso 3: elige el modelo (orientación a insumos o a productos)

Un modelo DEA orientado a insumos responde «¿cuánto podría reducir esta unidad sus insumos manteniendo el mismo nivel de producto?»; uno orientado a productos responde «¿cuánto podría aumentar su producto con los mismos insumos?». La elección depende de qué variable controla realmente la gerencia de las unidades estudiadas: si el gerente de sucursal no puede modificar fácilmente el número de empleados asignados pero sí puede impulsar más ventas, un modelo orientado a productos suele ser más pertinente para tu pregunta de investigación.

Además de la orientación, el modelo exige decidir entre rendimientos constantes a escala (el modelo original CCR de Charnes, Cooper y Rhodes) o rendimientos variables a escala (la extensión propuesta posteriormente por Banker, Charnes y Cooper en 1984, conocida como modelo BCC). La diferencia práctica: rendimientos constantes asume que duplicar los insumos duplica exactamente el producto posible, mientras que rendimientos variables permite que las unidades más grandes o más pequeñas tengan una relación insumo-producto distinta, lo cual suele ajustarse mejor a sucursales de tamaños muy diferentes dentro de una misma cadena. Comparar ambos puntajes también te permite calcular la eficiencia de escala (CCR ÷ BCC) de cada unidad.

Paso 4: calcula (con software) y reporta

El cálculo del DEA se realiza con software especializado o con paquetes estadísticos que incluyan el módulo correspondiente; hacerlo a mano es inviable salvo con muy pocas unidades. Lo que sí redactas tú es la interpretación: qué unidades resultaron en la frontera de eficiencia (puntaje de 1 o 100 %), cuáles quedaron por debajo, y qué holguras (excesos de insumo o déficits de producto) identifica el modelo para cada unidad ineficiente.

Estudiante de administración analizando una tabla de resultados de eficiencia en un computador
El software calcula los puntajes; el trabajo de grado interpreta qué explica la diferencia entre unidades eficientes e ineficientes.

Cómo se ve el capítulo de método redactado

Ejemplo ilustrativo de redacción: «Se aplicó el Análisis Envolvente de Datos (DEA) propuesto por Charnes, Cooper y Rhodes (1978), en su versión orientada a productos con rendimientos variables a escala (Banker, Charnes y Cooper, 1984), para evaluar la eficiencia relativa de las veinte sucursales de [la cadena estudiada] durante [el periodo]. Se definieron como insumos el número de empleados, los metros cuadrados de la sucursal y el gasto operativo mensual, y como productos las ventas mensuales totales y el número de clientes atendidos, variables seleccionadas con base en [la literatura previa citada]. El cálculo se realizó con [el software utilizado].»

Nota: el párrafo nombra el método con su autor y año, la orientación del modelo, el supuesto de rendimientos a escala, el periodo, las unidades, los insumos y productos con su justificación, y el software. Omitir la orientación del modelo o el supuesto de rendimientos a escala es un error habitual en anteproyectos que proponen DEA sin haberlo aplicado antes.

Qué espera el jurado en la sustentación

Una pregunta habitual sobre un trabajo con DEA es «¿por qué eligió estos insumos y productos, y no otros posibles?». La respuesta sólida conecta cada variable con la literatura de eficiencia del sector estudiado, no solo con la disponibilidad de los datos de la empresa. Otra pregunta es cómo interpretar una unidad que resultó «100 % eficiente» según el modelo: la respuesta correcta aclara que la eficiencia del DEA es relativa a las unidades de la muestra, no un juicio absoluto de que esa unidad no tiene nada que mejorar, y que una unidad puede aparecer eficiente simplemente porque ninguna otra en la muestra la domina en todos los insumos y productos simultáneamente. Una tercera pregunta posible es qué tan sensible es el resultado a la elección de variables: prepara una breve justificación de por qué no incluiste otras variables candidatas que descartaste durante el diseño, y qué habría cambiado si las hubieras incluido.

Cómo se conecta con la matriz de consistencia

Un trabajo con DEA suele tener un solo objetivo específico central (medir la eficiencia relativa) y uno o dos objetivos complementarios (identificar qué explica las diferencias, o comparar la eficiencia entre grupos de unidades). Antes de avanzar, verifica que cada objetivo tenga su fila completa en la matriz de consistencia del trabajo de grado, con el DEA declarado explícitamente en la columna de análisis, no como «se analizarán los datos» de forma genérica.

Errores frecuentes

  • Muy pocas unidades para muchas variables. Comparar diez sucursales con cinco insumos y productos ya incumple la regla práctica (harían falta al menos 15), y el resultado tiende a mostrar casi todas las unidades como eficientes.
  • Insumos y productos elegidos solo porque hay datos disponibles. La elección debe responder a una justificación teórica, no solo a la conveniencia de la base de datos.
  • No declarar la orientación del modelo ni el supuesto de rendimientos a escala. Son decisiones metodológicas que hay que justificar, no detalles técnicos menores.
  • Confundir eficiencia relativa con eficiencia absoluta. El DEA compara unidades entre sí, no contra un estándar externo; una unidad «eficiente» en tu muestra puede no serlo frente a otras fuera de ella.

Preguntas frecuentes

¿Necesito saber programación para aplicar DEA?

No necesariamente: existen paquetes y complementos que calculan el DEA sin programar, aunque tener nociones básicas de la lógica de programación lineal ayuda a interpretar mejor los resultados y a explicarlos ante el jurado.

¿Cuántas unidades mínimas necesito?

No hay un número fijo universal, pero una regla práctica muy citada pide que el número de DMU sea al menos el mayor entre m × s y 3(m + s), donde m es el número de insumos y s el de productos, para que el análisis discrimine realmente entre unidades eficientes e ineficientes.

¿Puedo usar DEA con datos de mi propia empresa si solo tengo una unidad?

No con una sola unidad: el DEA necesita comparar varias unidades entre sí. Si solo tienes acceso a una empresa, puedes comparar sus distintas sucursales, departamentos o periodos de tiempo entre sí, siempre que sean comparables.

¿El DEA reemplaza el análisis financiero tradicional?

No, lo complementa: el DEA es especialmente útil cuando hay múltiples insumos y productos que no se pueden reducir fácilmente a un solo indicador financiero, pero los análisis de razones financieras siguen siendo relevantes para otras preguntas de tu trabajo.

¿Qué software se usa para calcular DEA en trabajos de grado?

Existen paquetes especializados de acceso abierto y complementos para hojas de cálculo diseñados específicamente para DEA; verifica con tu director cuál tiene licencia disponible en tu universidad antes de comprometerte con uno específico en el anteproyecto.

¿Puedo combinar DEA con entrevistas a los gerentes de las unidades estudiadas?

Sí, y es una combinación que fortalece el trabajo: el DEA identifica qué unidades son eficientes o ineficientes, y las entrevistas ayudan a entender las prácticas de gestión que podrían explicar esa diferencia, algo que el modelo estadístico por sí solo no revela.

¿Puedo aplicar DEA a entidades públicas o solo a empresas privadas?

Se aplica igual de bien a entidades públicas comparables entre sí —por ejemplo, hospitales públicos, alcaldías municipales o instituciones educativas oficiales—, siempre que puedas definir insumos y productos medibles de forma consistente entre todas las unidades estudiadas.

¿Qué pasa si dos unidades obtienen el mismo puntaje de eficiencia?

Es un resultado válido y frecuente cuando ambas están en la frontera de eficiencia; en ese caso, puedes complementar el análisis con un método de segunda etapa (por ejemplo, comparar sus holguras o aplicar un ranking adicional) si tu pregunta de investigación exige distinguir entre ellas más allá del empate técnico.

¿Vale la pena este método si mi programa no enfatiza herramientas cuantitativas avanzadas?

Puede valer la pena, porque aporta un análisis que va más allá de lo descriptivo o de las razones financieras simples, siempre que lo domines lo suficiente para defenderlo con seguridad ante las preguntas del jurado y que tu director pueda acompañarte en la parte técnica.

¿Ya definiste tus unidades, insumos y productos? Organiza tu trabajo de grado en Tesify y estructura el capítulo de método con el modelo, la muestra y el análisis desde el primer borrador.

Escribe tu trabajo de grado con IA

Estructura, redacta y formatea tus referencias en Icontec o APA 7 — con integridad académica. Registro gratuito, sin tarjeta.

Empieza gratis con Tesify →

Categorías