La disrupción: el punto de partida de la resiliencia o del fracaso empresarial (reflexiones desde la ingeniería)

La perdurabilidad empresarial ha sido un tema recurrente en la literatura sobre dirección de empresas. A pesar de los avances, la liquidación de las empresas aumenta permanentemente. Buscando alternativas de mejora se estudia el caso de dos empresas cuadragenarias dedicadas a prestar servicios de consultoría en ingeniería eléctrica y civil que, en condiciones de crisis, implementaron acciones que les permitieron, no sólo mantenerse en el mercado sino también fortalecer su estructura financiera. Los resultados demostraron que un enfoque equilibrado caracterizado por la toma oportuna de decisiones y la definición e implementación de estrategias de negocio efectivas constituyen herramientas óptimas para asegurar un mayor grado de resiliencia empresarial.

El exceso de confianza y el statu quo dentro de la estructuración de capital: una perspectiva de las finanzas corporativas del comportamiento

El presente artículo, presenta un análisis de las decisiones de estructuración de capital de la compañía Merck Sharp & Dome S.A.S, desde la perspectiva de las finanzas comportamentales, comparando los métodos utilizados actualmente por la compañía seleccionada con la teoría tradicional de las finanzas, para así poder evaluar el desempeño teórico y real. Incorporar elementos comportamentales dentro del estudio permite profundizar más sobre de las decisiones corporativas en un contexto más cercano a los avances investigativos de las finanzas del comportamiento, lo cual lleva a que el análisis de este artículo se enfoque en la identificación y entendimiento de los sesgos de exceso de confianza y statu quo, pero sobre todo su implicación en las decisiones de financiación. Según la teoría tradicional el proceso de estructuración de capital se guía por los costos, pero este estudio de caso permitió observar que en la práctica esta relación de costo-decisión está en un segundo lugar, después de la relación riesgo-decisión a la hora del proceso de estructuración de capital.

la influencia de la felicidad en las decisiones de inversión de activos de largo plazo para una muestra de siete gerentes financieros en la ciudad de Bogotá en el año 2016.

El presente artículo contribuye con la investigación de las Finanzas Corporativas del Comportamiento, rama de las finanzas corporativas que considera que el individuo que toma decisiones financieras no es completamente racional y que por hecho existen sesgos psicológicos que influyen en sus decisiones. Este documento se enfoca, desde el punto de vista conceptual y también mediante el análisis de un estudio de campo, en la influencia de la felicidad en las decisiones de inversión en activos de largo plazo para un grupo de siete gerentes ubicados en la ciudad de Bogotá en el año 2016. En el documento se abarca el concepto general de las finanzas corporativas del comportamiento, se define la felicidad y se presentan sub-variables determinantes para la felicidad del individuo como lo son: salud, balance vida/trabajo, educación y habilidades, conexiones sociales y medio ambiente. Finalmente se presenta cómo éstas afectan a los gerentes financieros en sus decisiones de acuerdo a la investigación realizada.

Assessing Household Food Waste in Italy: A Methodology for Detecting Drivers and Quantities

It has been estimated that one third of edible food destined for human consumption is lost or wasted along the food supply chain globally. Much of the waste comes from Global North, where consumers are considered as the bigger contributors. Different studies tried to analyze and estimate the Household Food Waste (HFW), especially in UK and Northern Europe. The result is that accurate studies at national level exist only in UK, Finland and Norway while no such studies are available in Italy, except for survey- based researches. Though, there is a widespread awareness that such methods might be not able to estimate Food Waste. Results emerging from literature clearly suggest that survey estimate inferior amounts of Food Waste as a result, if compared to waste sorting and weighting analysis or to diary studies. The hypothesis that household food waste is under-estimated when gathered through questionnaires has been enquired into. First, a literature review of behavioral economics and heuristics has been proposed; then, a literature review of the sector listing the existing methodologies to gather national data on Household Food Waste has been illustrated. Finally, a pilot experiment to test a mixed methodology is proposed. While literature suggests that four specific cognitive biases might be able to affect the reliability of answers in questionnaires, results of the present experiment clearly indicate that there is a relevant difference between how much the individual thinks to waste and he/she actually does. The result is a mixed methodology based on questionnaire, diary and waste sorting, able to overcome the cons of each single method.

Machine Learning in Automatic Tabulation for Constraint Model Reformulation

Combinatorial decision and optimization problems belong to numerous applications, such as logistics and scheduling, and can be solved with various approaches. Boolean Satisfiability and Constraint Programming solvers are some of the most used ones and their performance is significantly influenced by the model chosen to represent a given problem. This has led to the study of model reformulation methods, one of which is tabulation, that consists in rewriting the expression of a constraint in terms of a table constraint. To apply it, one should identify which constraints can help and which can hinder the solving process. So far this has been performed by hand, for example in MiniZinc, or automatically with manually designed heuristics, in Savile Row. Though, it has been shown that the performances of these heuristics differ across problems and solvers, in some cases helping and in others hindering the solving procedure. However, recent works in the field of combinatorial optimization have shown that Machine Learning (ML) can be increasingly useful in the model reformulation steps. This thesis aims to design a ML approach to identify the instances for which Savile Row’s heuristics should be activated. Additionally, it is possible that the heuristics miss some good tabulation opportunities, so we perform an exploratory analysis for the creation of a ML classifier able to predict whether or not a constraint should be tabulated. The results reached towards the first goal show that a random forest classifier leads to an increase in the performances of 4 different solvers. The experimental results in the second task show that a ML approach could improve the performance of a solver for some problem classes.