Introducción

La evaluación del buen desempeño de los emprendedores presenta tres grandes retos: la subjetividad, la multidimensionalidad y las dificultades derivadas de la validación de datos procedentes de diferentes contextos (^{Gómez-Gómez et al., 2016}).

Parece obvio que el éxito es un concepto subjetivo, por lo que no admite una definición cuantitativa universalmente válida (^{Xie & Wu, 2022}). Sin embargo, solo a partir de una definición de éxito razonable es posible valorarlo y analizar rigurosamente los factores que lo producen o facilitan, por lo que tiene sentido recurrir a herramientas matemáticas y estadísticas para tratar de comprender el éxito a partir de información objetiva procedente de cada caso (Li et al., 2021). El éxito en el emprendimiento también es algo subjetivo, sobre todo antes de que se haya iniciado una aventura emprendedora. Los emprendedores sueñan con tener una buena idea y diseñar un modelo de negocio que le conduzca a alcanzar una situación que mejore la actual (^{Zhao et al., 2021}); alcanzar lo soñado guarda estrecha relación con la definición de “éxito empresarial del emprendedor”.

Una de las primeras consecuencias de una aproximación cuantitativa es que se deben tener en cuenta diferentes dimensiones (^{Wach et al., 2016}) y que, aunque se integrasen en un único indicador sintético, no habría un único nivel de éxito. Así, en el polo opuesto a los emprendedores con éxito se situaría el fracaso, entendido como la no supervivencia de la idea de negocio del emprendedor cuando se pretendía continuar con la actividad. Atendiendo a la complejidad del concepto que se desea evaluar, parece conveniente añadir, al menos, una tercera categoría para distinguir entre los emprendedores con éxito y los que simplemente sobreviven. Según esto, la clasificación más simple que se generaría constaría de: éxito, supervivencia (sin éxito) y fracaso.

El entorno en el que se desarrolla un proyecto de emprendimiento también condiciona la definición de éxito (^{Benner, 2021}). Por una parte, no es fácil ni conveniente comparar datos procedentes de contextos socioeconómicos muy diferentes; por otro lado, la cultura emprendedora puede alterar sustancialmente la valoración de qué es un éxito y qué un fracaso.

Para lidiar con las dificultades anteriormente expuestas, se propone una nueva metodología basada en técnicas de Inteligencia Artificial y relacionada con los árboles de decisión. La técnica se ilustra con un caso particularmente relevante por las altas tasas de desempleo que soporta históricamente: la región de Andalucía, en España.

Como el éxito empresarial es un concepto que combina multitud de acepciones e interpretaciones, en la siguiente sección de este artículo se realiza una revisión de las variables que se ha considerado que tienen relación directa sobre el mismo. Posteriormente, se describe el novedoso procedimiento con el que se obtiene una definición compuesta del éxito, basada en los árboles de decisión y en tres enfoques: posicionamiento, expectativas y evolución. Se proporcionan explícitamente tanto las variables como las preguntas necesarias para clasificar los emprendedores según su nivel de éxito. La validez del modelo diseñado se comprueba en los propios datos de emprendedores andaluces que se utilizan para ilustrar el modelo. El artículo finaliza con la exposición de los resultados, una breve discusión y las conclusiones más relevantes.

Revisión de la literatura

Tanto si los emprendedores son apoyados o no por alguna institución pública, para la toma de decisiones durante los primeros años de vida de las nuevas empresas, es esencial comprender los factores más determinantes para la supervivencia, el crecimiento y el éxito (^{Gómez Villanueva, 2008}). Los expertos han analizado el éxito o fracaso de los emprendedores desde multitud de puntos de vista caracterizados por quién es beneficiario de dicho éxito: (i) el emprendedor (considerando la satisfacción personal y profesional que le reporta); (ii) el proyecto en sí (como negocio y mirando su rendimiento neto); (iii) los empleados (con sus beneficios y repercusión profesional); (iv) la sociedad (gracias al desarrollo económico y el bajo impacto en los recursos de la actividad). Lógicamente, también se han utilizado muy diferentes indicadores para medir ese beneficio (^{Harms et al., 2007}). Sin embargo, la mayor parte de las investigaciones sobre este tipo de evaluación se dedican a las diferentes formas de medir el resultado en empresas, sin especificar el caso particular de los emprendedores.

Así, en ^{Gómez-Gómez et al. (2016)} se señalan los principales problemas a la hora de evaluar la excelencia empresarial: hay múltiples dimensiones implicadas, cada dimensión se puede referir a diferentes variables, cada variable se puede medir con diferentes escalas y los datos de distintas empresas rara vez son comparables. Por si fuera poco, la determinación del nivel mínimo de excelencia para cada dimensión es un proceso subjetivo.

Quizá la dimensión que parece más objetiva es la de la supervivencia empresarial (^{Audretsch, 1991}). Sin embargo, conviene analizar con cuidado la relación entre supervivencia y éxito, como tampoco es obvia la correlación entre fracaso y rendimiento: empresas con bajos rendimientos tienden a desaparecer, pero dependiendo del tipo de empresa, sector, entorno u otras causas, esto puede entenderse como parte del ciclo de vida del negocio y asumir que es natural que el emprendedor vuelva a crear otra empresa posteriormente (^{Moriano et al., 2006}). Es decir, no existe una relación directa entre éxito (o rendimiento empresarial) y supervivencia de lo creado: en ocasiones puede que interese cerrar la empresa tan pronto como se vayan acumulando las pérdidas, traspasar el negocio o que convenga, incluso, declararse en quiebra (^{Cefis & Marsili, 2011}).

Con este aspecto se aprecia que es difícil establecer la relación exacta entre el fenómeno a estudiar y la dimensión analizada. Es incluso más difícil encontrar relaciones que se mantengan inalteradas al cambiar el contexto. Por ejemplo, las empresas de nueva creación tienen, porcentualmente, una mayor “mortandad” con respecto a las ya creadas y esta elevada tasa de desaparición se suele asociar a una evaluación deficiente del plan empresarial en la fase preliminar de asistencia (^{Nikolic et al., 2019}). Es una cuestión cultural el volver o no a intentar la aventura empresarial, independientemente de las consecuencias personales y financieras que pueda tener el “fracaso”, con lo que la falta de supervivencia tampoco se corresponde siempre con el mismo nivel de falta de éxito.

Muchos autores distinguen entre cierre de empresas debido a la insolvencia o de manera voluntaria y algunos sugieren que esto también se podría reflejar en los informes mediante una variable dicotómica adicional (^{Headd, 2003}). No obstante, utilizando los datos oficiales, es prácticamente imposible distinguir los negocios que han fracasado de los negocios que han cerrado sin fracasar. En el estudio de ^{Headd (2003)}, un 66% de las empresas que cerraron no tuvieron éxito, pero el resto cerró pese a obtenerlo. Los factores que dicho autor probó que eran significativos para la supervivencia fueron similares a los de otros estudios (^{Segura, 2020}); sin embargo, las causas de las que se deduce el cierre de empresas (como ser joven o no tener capital inicial) pueden conducir o bien a fracasar o bien a tener éxito pese a cerrar.

Finalmente, queda la dificultad de definir correctamente cada variable y que sea fácilmente medible. Por ejemplo, en lo que respecta a las fechas para determinar la entrada y la salida del mercado de las empresas, en la literatura se han considerado diferentes alternativas, dependiendo sobre todo del acceso o no a datos de alta y baja en el registro oficial de empresas. En ocasiones se toma el alta o la baja del emprendedor; otras veces el año anterior a la de los trabajadores y cuando hay datos adecuados se suele tomar el alta o la baja del emprendedor o de los trabajadores (considerando habitualmente como alta el año antes de la primera alta de un trabajador en la empresa y como baja el año de la del último empleado). Otros autores estiman las fechas a partir de una muestra, de un panel de datos de empresas o de estadísticas oficiales (^{Strotmann, 2007}). Desafortunadamente, el estudio de las variables anteriores difiere según diversas características del país analizado.

Revisemos a continuación los esfuerzos para medir el éxito de las empresas, para tratar de adaptarlos al caso de los emprendedores. Grosso modo, se puede hablar de diferentes estadios o niveles; en la presente investigación se adopta la clasificación más simplificada, con solo tres niveles: (i) fracaso o no supervivencia, (ii) supervivencia marginal y (iii) éxito o alto crecimiento (^{Cooper et al., 1989}).

Existen diferentes metodologías para abordar el problema de forma general y no existe consenso. Así, en ^{Morris et al. (2005)} se apuntan grupos de cuestiones clave para valorar el éxito de una empresa: creación de valor, beneficiarios de la creación de valor, competencia, posicionamiento, planes de crecimiento. Otra metodología consiste en seleccionar una muestra de empresas con éxito y otra sin éxito, separándolas en función del rendimiento, crecimiento, supervivencia, etc.; posteriormente, se utilizaría el análisis de variaciones y correlaciones, para obtener relaciones entre las diferentes variables objeto de estudio (^{Duchesneau & Gartner, 1990}).

En resumen, aunque se presenten muy diversas posibilidades en la literatura, en lo sucesivo se establece una concepción del éxito que recoge tres enfoques fundamentales: posicionamiento, expectativas y evolución; cada uno de ellos se puede analizar en base a diferentes variables o características que se describen enseguida, algunas son objetivas y otras subjetivas, algunas son cuantitativas y otras cualitativas.

Procedimientos

Los tres enfoques anteriores (posicionamiento, expectativas y evolución) son clave para especificar un conjunto de variables relacionadas con el éxito empresarial y que ayuden a clasificar a los emprendedores en tres grupos clave: éxito, supervivencia y fracaso.

Hasta el momento, los intentos de decidir si ha habido éxito en un caso concreto de emprendimiento a partir de un único indicador han fracasado. ¿Quiere esto decir que el éxito es indefinible cuantitativamente? Lo que sí parece claro es que hace falta un tratamiento multifactorial y la solución que se presenta a este problema consiste en recurrir a un procedimiento algo más complejo que el cálculo de un indicador, pues también incorpora variables cualitativas y tiene en cuenta cierto grado de subjetividad.

Árboles de decisión

Los árboles de decisión aparecen, con diferentes objetivos, en Inteligencia Artificial, en Teoría de Juegos y en otros ámbitos de la Economía. Esencialmente, ayudan a categorizar condiciones que ocurren de forma sucesiva; por eso, son especialmente útiles cuando se desea clasificar elementos de un conjunto de los que se posee información variada (procedente de diferentes variables), aunque puede que con datos faltantes (incluso, en ocasiones, pueden funcionar cuando no se tiene el mismo tipo de información para todos los casos).

En la presente investigación, para la construcción del árbol de decisión, se sigue un modelo de clasificación con objetivo categórico que queda constituido con tres posibles alternativas (éxito, supervivencia y fracaso) y una cuarta constituida por los elementos que quedan sin clasificar. Normalmente, la predicción se basa en la categoría más frecuente para cada nodo al que se asigna un registro; es decir, si una mayoría de los emprendedores encuestados en un nodo concreto del árbol es, por ejemplo, “sí”, entonces la predicción de los registros asignados a dicho nodo tendría una probabilidad mayoritaria orientada a esa respuesta.

El primer algoritmo elegido para la determinación del árbol de decisión es Quest. El orden para cada una de las preguntas se ha obtenido estudiando la dependencia e independencia de las variables, de cara a obtener estimaciones eficientes. Se ha optimizado en ese sentido la elección y el orden lógico de variables para la clasificación en árbol, favoreciendo a las entradas que permiten realizar menos divisiones (los campos de entrada que tienen menor número de categorías o alternativas). Para ello, se ha realizado las comprobaciones de significación, evaluando los campos de entrada de un nodo y a efectos de selección, realizando una sola comprobación, a diferencia de lo que se obtiene con algoritmos como C&RT o Chaid.

Para obtener el conjunto mínimo de cuestiones con las que sería posible clasificar el mayor número de casos, a partir de las variables conocidas, se recurre también a un procedimiento basado en el algoritmo C4.5 (^{Quinlan, 1993}), que es, a su vez, una mejora del algoritmo ID3. En cada paso de este algoritmo, para separar a los emprendedores que tienen éxito de los que sobreviven o fracasan, se elige la pregunta que minimiza la diversidad de los subconjuntos resultantes de la hipotética división. El algoritmo ID3 suele garantizar sólo un mínimo local del número total de nodos, por lo que se ve conveniente la realización de sucesivos intentos heurísticos para conseguir un mínimo global; estos tanteos heurísticos se pueden realizar a mano cuando las respuestas a las preguntas son discretas y no continuas (como ocurre en este caso, a pesar de haber datos de tipo cualitativo y otros cuantitativos). Aquí el riesgo de producir “sobreentrenamiento” es muy pequeño porque al final se consigue clasificar a casi la totalidad de los emprendedores, esto es, a la práctica totalidad de las combinaciones de valores posibles para las variables de entrada.

En cada división se realiza un análisis discriminante cuadrático para determinar cuál es la división óptima en función de las categorías objetivo y mejorando la velocidad de las búsquedas exhaustivas. Las comprobaciones estadísticas que se realizan están orientadas a obtener de manera exclusiva en las terminaciones finales del árbol las cuatro categorías antes descrita (las tres deseadas y la que se quiere minimizar).

En el caso de la presente investigación, la representación gráfica habitual de los árboles de decisión no es útil, debido al gran número de nodos que presentaría. Consecuentemente, se decide recurrir a una representación alternativa, desarrollada especialmente por los autores para este tipo de árboles. Como se verá en la Figura 1, en el eje vertical se indican las preguntas, representadas por los nodos y comenzando por arriba. En la parte de abajo del esquema se ubican las tres categorías en las que se desea clasificar a los emprendedores. De cada nodo pueden salir hasta tres arcos distintos (siempre hacia abajo, a una pregunta posterior o a la clasificación final), de ellas: la flecha que apunte más a la izquierda será la correspondiente a la respuesta afirmativa, la flecha que apunte más a la derecha será la de la respuesta negativa y, en caso de haber tres, la flecha entre las otras dos indica la falta de información para responder la pregunta. Los nodos finales de cada itinerario se unen con la categoría en la que debe clasificarse. Excepcionalmente, puede haber itinerarios que no culminan en ninguna categoría; estos itinerarios, que corresponden a casos muy poco frecuentes, son los que no se clasifican. De hecho, es posible encontrar algunos itinerarios (es decir, algunas combinaciones de valores de las variables) que son imposibles en la práctica. Simplificando el gráfico, se prescinde de la presentación en la Figura 1 de las probabilidades de respuesta de cada pregunta por no resultar relevantes en la presente investigación.

Fuente: elaboración propia.

Figura 1 Árbol de decisión para clasificar los emprendedores andaluces. 

Resultados

El modelo que se propone persigue decidir cuáles son las preguntas idóneas para clasificar a los emprendedores según su nivel de éxito. En el ejemplo de aplicación del método a la muestra de 2 221 emprendedores andaluces, resultan 29 preguntas (ver el Anexo), aunque la última de ellas no se utiliza para discriminar, y 60 casos (o escenarios posibles). Dichas preguntas son compatibles tanto con las investigaciones previas como con las variables también listadas en el Anexo. Análogamente, la clasificación propuesta en cada caso coincide con la percepción de los servicios de apoyo y de los expertos. En este caso, el número máximo de preguntas necesarias para clasificar a un emprendedor resulta ser de 12.

Si se analizan los árboles de decisión que se van obteniendo a lo largo del proceso, se observa que la primera clasificación del árbol de decisión es la que se muestra en la Tabla 1, donde se indica el porcentaje de error acumulado en la segmentación como suma de los p-valores de las pruebas de independencia entre las diferentes variables.

También se observa cómo las preguntas iniciales se refieren a la supervivencia (antes del año, en un año o en más de un año), siguiéndolas la de cumplimiento de los objetivos marcados y las de resultados y rentabilidad, lo cual es coherente: son los principales indicadores básicos que se definen en la literatura consultada y ofrecen una primera segmentación de los casos, obteniendo los primeros resultados de emprendedores que han fracasado (dado que no continúan su actividad o han obtenido unos resultados negativos o no satisfactorios en los primeros años) y, junto con las preguntas siguientes de viabilidad, permiten clasificar en las categorías propuestas.

Una vez que se pasa el primer conjunto de preguntas, el siguiente bloque que mejor realiza la segmentación lo constituyen las de productividad e indicadores de rendimiento, tanto en inversión por empleado, rotación de activos, endeudamiento y número de empleados. Con ello lo que se evalúa (en el caso de que el emprendedor no haya sido clasificado ya en éxito o fracaso) es, principalmente, si estamos ante un caso de supervivencia empresarial o presenta indicadores positivos que verifican su situación y desempeño (al compararlo con la media de empresas del entorno y de su sector).

Por último, el siguiente bloque de variables (ordenadas en forma de preguntas) se aplica a los emprendedores que en el momento de la valoración no han podido clasificarse ya sea por sus resultados, por su desempeño o tras la comparación con la posible competencia. Estas preguntas están relacionadas con las expectativas, fundamentalmente: la evolución del sector y las perspectivas previstas, así como la situación del contexto económico en relación con su negocio. Este análisis del clima es definitivo para conocer si, con los resultados, desempeño y estructura económica y financiera del emprendedor, tiene los recursos y fortalezas necesarios para afrontar su desempeño futuro.

En la Figura 1 se presenta el árbol de decisión que resulta al aplicar la metodología al caso de estudio. Es un esquema de los casos clasificables: no se muestran los casos en que no se conoce el resultado; así, por ejemplo, en la muestra analizada, la 29ª pregunta no resulta útil para clasificar ningún proyecto, aunque se decide mantenerla en el gráfico porque podría necesitarse si se replicara el proceso con otra muestra distinta.

Las flechas hacia abajo e izquierda indican que sí se cumple la pregunta, mientras que las que apuntan abajo y derecha significan lo contrario; en ocasiones hay una tercera flecha (entre las otras dos) denotando que no hay dato. El color o tonalidad de las flechas finales y la zona de la gráfica hacia la que se dirigen indican la clasificación final del caso que corresponde a ese itinerario.

En total, con la técnica del árbol de decisión se clasifican 130 casos de éxito (un 5,85% del total), 1 002 de supervivencia (45,11%), 1 058 de fracaso (47,64%) y 31 no pudieron ser clasificados por falta de información suficiente (1,40%). Nótese el pequeño porcentaje de emprendedores exitosos en Andalucía en el período analizado. Las tres combinaciones que se presentan más frecuentemente en la base de datos son: (i) P1 sí; P2 no; fracaso: 301 emprendedores, un 14,12% de la base de datos. (ii) P1 sí; P2 sí; P4 ns/nc; P5 sí; P6 sí; P9 no; P10 sí; P12 sí; P13 sí; P14 no; supervivencia: 236 emprendedores, un 11,07% de la base de datos. (iii) P1 sí; P2 sí; P4 ns/nc; P5 sí; P6 sí; P9 sí; P11 no; supervivencia: 220 emprendedores, un 10,32% de la base de datos.

Discusión

El emprendimiento ha existido desde siempre, aunque parece que ha cobrado una especial relevancia en los últimos tiempos, tal vez debido a las crisis económicas del siglo XXI. La sociedad invita al emprendimiento, sobre todo, a los que no encuentran su sitio en el mercado laboral (^{Ynzunza & Izar, 2021}). Las formas en que se puede influir en el emprendimiento son múltiples. Por una parte, se puede incentivar la creación de nuevas empresas; así, por ejemplo: (i) ^{Sandoval & Bado (2022)} utilizan un modelo de ecuaciones estructurales para comprobar la utilidad de la formación en emprendimiento para fomentar la actitud emprendedora; (ii) ^{Benner (2021)} prueba que el fenómeno del emprendimiento depende del entorno geográfico en el que se desarrolla y en ^{León Mendoza (2022)} se comprueba la importancia del contexto macroeconómico en el emprendimiento (en la tasa de creación de empresas); (iii) otros muchos autores analizan qué otras variables tienen ese mismo efecto motivador.

Por otro lado (en lo que constituye la justificación última de la presente investigación), se puede propiciar el éxito de los emprendedores mejorando los servicios de apoyo y asesoramiento al emprendimiento. Sin embargo, este objetivo implica conocer previamente qué variables son las que influyen no solo en la formación de nuevas empresas sino en que dichos proyectos emprendedores tengan éxito. Así, por ejemplo: (i) ^{Benner (2021)} explica que el entorno geográfico también influye en las probabilidades de éxito de los emprendedores y no solo en su aparición; (ii) ^{Ríos Martínez et al. (2022)} estudian cómo afectan al desempeño empresarial la experiencia tecnológica y el acceso a financiación (concretamente, en microempresarios en Celaya, México); (iii) ^{Rita et al. (2022)} explican la influencia del acceso a financiación en las PYMEs de Indonesia y comprueban (entre otras cosas) con un modelo de ecuaciones estructurales que las finanzas orientadas al emprendimiento condicionan la influencia entre las perspectivas comerciales, la orientación empresarial y las políticas de apoyo gubernamentales; (iv) incluso hay estudios que explican el éxito en colectivos específicos y a través de variables poco usuales, como cuando ^{Xie & Wu (2022)} prueban la influencia positiva de que las mujeres emprendedoras enfoquen su proyecto en el desarrollo sostenible. En el presente artículo sobre emprendedores andaluces también se comprueba la existencia de una relación compleja entre las múltiples y variadas variables que favorecen el éxito emprendedor, que la región en la que se lleve a cabo el estudio es muy relevante y que hay casos que se comportan de un modo significativamente diferente al de otros parecidos.

El caso de Andalucía está muy condicionado por las altas tasas de desempleo que soporta históricamente la región. Se trata de un entorno favorable a la aparición de múltiples proyectos emprendedores, pero también una situación en la que la vocación emprendedora es mucho menos importante que la necesidad de salir adelante, lo que puede dificultar la evolución exitosa de los proyectos. Si lo comparamos con otras regiones con similares tasas de paro, se puede afirmar que en Andalucía hay poco éxito y no parece que el emprendimiento esté mejorando suficientemente el empleo. ^{Sandoval & Bado (2022)} analizan el caso de Costa Rica donde, gracias parcialmente al emprendimiento, la tasa de paro pasa de un 24,4% en 2020 al 13,3% en 2022 (en Andalucía, según los datos oficiales del Gobierno, dicha tasa sigue siendo de un 18,7% en 2022).

Volviendo a la mejora de los servicios de apoyo, es necesario contar con un modo de evaluar el desempeño emprendedor, para poder así saber qué medidas ayudan o favorecen y cuáles perjudican o dificultan. Según la revisión de la literatura realizada, la estimación del éxito empresarial se suele basar en información contable disponible en el registro. Esto es debido a que, a menudo, las empresas son reacias a aportar datos (^{Covin & Slevin, 1990}; ^{Pelham, 1997}) y en muchos casos dichos datos no son del todo fiables. En el caso de estudio presentado, los datos proceden de una fuente oficial y pública. No obstante, una posible respuesta a cada pregunta es “dato no disponible” (o “no sabe/no contesta”: “ns/nc”); esto evidencia que el método clasifica correctamente a pesar los abundantes datos faltantes. Si atendemos al diagnóstico y políticas de emprendimiento llevadas a cabo en desempleados o estudiantes (^{Oliver et al., 2016}; ^{Diez & Guevara, 2020}), donde se fomenta la cultura del emprendimiento desde fases tempranas, una definición contrastada y detallada del éxito empresarial, como se ha realizado en la presente investigación, facilitaría la correcta orientación y tutelaje de los emprendedores.

En general, el objetivo de las instituciones de apoyo al emprendimiento debe ser minimizar el fracaso, si es posible, maximizando el éxito. Dichas instituciones deben tener en cuenta que la definición de éxito depende de la idea que tenía cada emprendedor y ser capaces de comparar el nivel alcanzado con el que corresponde al objetivo. El reconocimiento del éxito es, consiguientemente, fundamental para realizar un asesoramiento y apoyo personalizados y acertados a cada emprendedor. En este sentido, las competencias personales son claves en la percepción de oportunidades y, por tanto, en la demanda de apoyo por parte de los emprendedores (^{Bargsted, 2017}).

Desde otro punto de vista, también para poder evaluar los servicios de apoyo a los emprendedores, es necesario saber si los usuarios de dichos servicios han conseguido o no el éxito que ambicionaban. En ^{Morris et al. (2005)}, por ejemplo, se identifica implícitamente el éxito del emprendedor con la cantidad de dinero que es capaz de generar. Sin embargo, aquí no se trata exactamente de medir el desempeño económico de un emprendedor; ya se ha insinuado que es algo un poco más subjetivo y que no se puede medir solo con variables financieras. Tiene que ver con cómo de efectivo es el negocio, pero no es solo eso.

En resumen, se puede confirmar que no tiene sentido medir el desempeño de los emprendedores a través de un único indicador (^{Wach et al., 2016}). De hecho, las variables que influyen en el desempeño de los emprendedores están estrechamente relacionadas unas con otras (^{Arango, 2022}; ^{Rita et al., 2022}), lo que hace inviable la utilización de un único indicador sintético. Así, por ejemplo, la edad de los emprendedores influye en el éxito emprendedor (^{Zhao et al., 2021}), pero la relación no es directa sino que los cambios en dicha variable condicionan el efecto de otros aspectos sobre la variable output.

La situación es todavía más compleja que lo que cabría esperar por la interrelación de factores y es que no todas las variables explicativas son objetivas; por ejemplo, Li et al. (2021) consideran relevantes variables que midan el bienestar de la familia de los emprendedores y en la presente investigación, avalados por la literatura consultada, se ha considerado esencial introducir varias preguntas que tienen en cuenta la opinión de los emprendedores sobre su propio desempeño.

Conforme se diseña y perfecciona el árbol de decisión del presente estudio, las primeras preguntas que aparecen se refieren a la supervivencia de los proyectos, al cumplimiento de los objetivos marcados y a los resultados y la rentabilidad. Esto no es sorprendente, porque estas son las variables utilizadas mayoritariamente por otros autores. Justo después aparecen en la segmentación la productividad y los indicadores de rendimiento, así como su comparación con otras empresas del entorno. Finalmente, se utilizan las variables referidas a las expectativas.

La ordenación del párrafo anterior da una idea de la importancia relativa de las variables utilizadas para clasificar en cuanto a que son útiles para dicho fin. Si se admite la inferencia, debemos reconocer que la supervivencia de los proyectos es la medida principal para poder evaluar su éxito. No obstante, como es obvio al haberse considerado categorías distintas para “éxito” y “supervivencia”, no es suficiente con conocer si las empresas perduran. Así, en ^{Arango Benjumea (2022)} se aplica un modelo de ecuaciones estructurales para comprobar que la consolidación empresarial (entendida como supervivencia, pero sin especificar cuántos años) viene explicada por varias características del emprendedor, del proyecto empresarial y del entorno. Antes, en ^{Chaves-Maza et al. (2018)} se había analizado una base de datos de emprendedores andaluces (aunque no tan amplia como la de la presente investigación) para deducir, mediante árboles de decisión, que los servicios de apoyo a los emprendedores tienen una gran influencia en la supervivencia de los proyectos: acceder a un proceso de preincubación, recibir incentivos públicos y el número de servicios de apoyo resultaban relevantes, como también lo eran el tipo forma jurídica de la empresa o la ubicación geográfica del negocio.

Los árboles de decisión se han utilizado en más ocasiones para el estudio del emprendimiento. Por ejemplo, ^{Sánchez-García et al. (2022)} también analizan mediante un árbol de decisión las motivaciones para ser emprendedor en España. En su caso, utilizan la técnica del “answer tree” para analizar las respuestas a la encuesta y descubren que hay otros factores condicionantes, como la vocación, el desempleo, la necesidad de ingresos o el ansia de independencia, los estudios previos, etc. ^{Arango Benjumea (2022)} también utiliza grafos sin fines predictivos sino para analizar las relaciones entre las causas de la consolidación empresarial.

Realmente, la potencialidad más interesante de los árboles de decisión es su capacidad de ayudar en las predicciones. Este valor predictivo, tanto del éxito de los emprendedores como de la supervivencia de sus proyectos, ha sido escasamente aprovechada hasta la fecha. En ^{Chaves y Fedriani (2020)} se prueba que los servicios de apoyo a los emprendedores pueden utilizar herramientas informáticas (basadas en Inteligencia Artificial) para orientar a los emprendedores de una forma mucho más eficiente que como se estaba haciendo hasta ese momento. Para ello, desarrollan una forma de predecir la supervivencia o el éxito de los emprendedores, basándose en la información conocida antes de comenzar el proyecto emprendedor. En concreto, utilizan dos redes neuronales artificiales: un mapa autoorganizado para clasificar en grupos más homogéneos a los emprendedores y un perceptrón multicapa para predecir su probabilidad de supervivencia o éxito. Las variables utilizadas son similares a las consideradas en este artículo. Incorporar en dicha metodología los árboles de decisión facilitaría el trabajo de estimación y, muy probablemente, mejoraría los resultados.

Conclusiones

Hay mucho escrito sobre evaluación del rendimiento empresarial. En este artículo se ha procurado adaptar los indicadores más usuales al caso específico del emprendimiento, mucho menos estudiado. En el documento se proporciona una herramienta básica en Inteligencia Artificial (el árbol de decisión) que puede servir para analizar los factores de éxito e, incluso, para estimar la probabilidad de éxito, algo que lo convertiría en una herramienta muy útil para complementar otros análisis. A partir de las fórmulas de cálculo de dicha probabilidad, sería razonable plantear en el futuro una definición más precisa del éxito de cada emprendedor, lo que facilitaría la evaluación de las medidas que favorecen a los emprendedores. Esto, a su vez, serviría para mejorar los sistemas de apoyo a los emprendedores, un objetivo final de indudable interés económico y empresarial.

Se ha propuesto una definición de éxito empresarial con tres categorías (éxito, supervivencia y fracaso). Dicha definición se ha diseñado mediante el uso de un árbol de decisión (sistema experto) y aprovechando todas las variables previamente presentadas que, a su vez, proceden de la bibliografía consultada y de las recomendaciones de los expertos (el listado de variables puede consultarse en el Anexo, ordenado según su pertenencia a uno de los tres bloques estudiados: posicionamiento, entorno y evolución). Todo ello ha permitido establecer una medida del éxito más precisa que las introducidas por otros autores, especialmente para la tipología de los emprendedores objeto de la presente investigación.

La clasificación parece coherente y de buena calidad: en el caso de estudio, se consigue clasificar correctamente (con la combinación de preguntas utilizada) más de un 98% de los emprendedores (todos los clasificables), de acuerdo con la información disponible (del servicio público de apoyo “Andalucía-Emprende”); además, es similar a la clasificación que proporcionan los expertos sobre la misma base de datos y las variables que resultan más influyentes son las que explican la supervivencia y el cumplimiento de los objetivos marcados, coincidiendo con la mayoría de los autores que estudian este tema.

La clasificación de emprendedores se realiza en función de aquellos factores que, jerarquizados, representan la mejor manera de revelar el éxito, la supervivencia o el fracaso. Gracias a ello, podría ayudar a cualquier organismo de apoyo al emprendimiento que desearan marcar los esquemas organizados según prioridades que deben seguir los objetivos, estrategias, planes y acciones de los emprendedores, así como a establecer una batería de indicadores que pueden medir de forma óptima la evolución de los proyectos, de cara a un control y seguimiento.

Consideramos que se ha proporcionado un método adaptable a otras situaciones similares y con potencial para clasificar a los individuos según unas características multidimensionales y subjetivas, pero también se ha propuesto una forma alternativa de representar gráficamente los árboles de decisión con gran cantidad de nodos, lo que podría resultar útil para simplificar las representaciones en otras líneas de investigación. El método se ha generalizado para que también permita clasificar otros casos hipotéticos (con combinaciones de valores no presentes en la muestra). Lo que no se ha comprobado todavía es si la metodología se puede adaptar para evaluar otro tipo de empresas. Esta incertidumbre, junto con la sospecha de que el análisis de otra región con características socio-económicas muy distintas produciría sistemas de clasificación muy distintos, constituyen las principales limitaciones del estudio.

Finalmente, se propone la aplicabilidad de la técnica de los árboles de decisión con finalidad predictiva, bien aprovechando su capacidad de clasificación a priori o bien acompañando a otras metodologías basadas en Inteligencia Artificial como las redes neuronales artificiales.