** EVIDENCIA 1**
Geli Valeria Martinez Saucedo
2023-09-03
Librerias
library(plotly)
library(ggplot2)
library(dplyr)
library(shiny)
library(shinythemes)
library(leaflet)
library(sf)
library(readxl)
library(tidyr)
library(tidyverse)
library(paletteer)Entregable 1
Importing the databases
exports_data <- read_excel("/Users/ofna19/Desktop/EVIDENCIA 1/mx_exportacion_autos.xlsx")
production_data <- read_excel("/Users/ofna19/Desktop/EVIDENCIA 1/mx_produccion_autos.xlsx")
empleados_form <- read.csv("/Users/ofna19/Desktop/EVIDENCIA 1/form_rh_datos.csv")
bajas <- read.csv("/Users/ofna19/Desktop/EVIDENCIA 1/bajasfinal.csv")
autopartes_mexico <- read.csv("/Users/ofna19/Desktop/EVIDENCIA 1/mex_exports_autoparts.csv")
exportacion_mexico <- read_excel("/Users/ofna19/Desktop/EVIDENCIA 1/mx_exportacion_vehiculos_pais_destino.xlsx")
US_AUTOPARTS <- read.csv("/Users/ofna19/Desktop/EVIDENCIA 1/US_Auto_Parts_Industry.csv")
US_Auto1 <- read.csv("/Users/ofna19/Desktop/EVIDENCIA 1/Exports_Autoparts.csv")Resumen Form
FORM es una empresa dedicada a la elaboración de empaques a base de cartón corrugado para el almacenamiento de autopartes (y otros productos), siempre buscando generar valor agregado a la cadena de suministro de sus clientes. La empresa ha demostrado una gran capacidad para especializarse en su área de negocio, logrando con los años resolver los problemas de urgencia, así como innovar para mantenerse competitivos. Lo anterior ha sido clave para su estrategia, ya que una parte de su cartera ha llegado debido a la necesidad pronta de un empaque adecuado para sus autopartes, así como el resto por las altas opiniones que han obtenido por su servicio. Dentro de la industria automotriz que es su principal operación, FORM se enfoca en los materiales de interior, así como con los componentes de electrónica.
Al responder a las necesidades únicas de cada cliente, FORM más que contar con un modelo estándar para todos sus empaques, utiliza su modelo de servicio único llamado “La Ruta de Empaque”, en el cual primero se tiene un entendimiento más allá del empaque, con una identificación de oportunidades de ahorro y eficiencia, seguido del desarrollo del prototipo y servicio a la medida, para finalizar con la producción, suministro y servicio. A pesar de ser una empresa mediana/chica, se conforma por un equipo de trabajo que se caracteriza por ser eficientes y bastante pro-activos. La organización se conforma de la siguiente forma: 6 ingenieros, 30 en administración y 100 en operativos alrededor de sus diferentes matrices. Sus dos líneas de negocio están enfocadas en el retornable y el cartón. Además, sus principales proveedores son 5 por lo que son altamente dependientes de ellos.
FORM también destaca por contar con una cartera de clientes internacionales (desde Estados Unidos hasta China y Japón), por lo que se podría decir que son una empresa exportadora (ocupando principalmente el incoterm FOB). Recientemente, Tesla Inc. se convirtió en uno de sus más grandes clientes y posibles aliados en un futuro. Hoy en día FORM tiene algunas estrategias en mente para diversificar su cartera de clientes, por ejemplo, la venta de software para realizar los diseños de empaque in-house por medio de un modelo de suscripción. También tienen miras en otras industrias como la aeroespacial y la de equipo médico.
La empresa actualmente cuenta con dos principales objetivos:
La tecnificación y digitalización de la mayoría de su producción, buscando desarrollar la capacidad de tomar mejores decisiones con la ayuda de los datos y que estos los puedan auxiliar a mejorar sus tiempos de operación, así como tener una mejor adaptación al mercado de San Antonio, Texas.
Revolución en la cultura y clima organizacional dentro de la misma empresa, además de lograr crear un sentido de pertenencia para todos los colaboradores dentro de sus diferentes matrices. FORM tiene como objetivo identificar el perfil del empleado ideal y poder replicar parámetros que los ayude a encontrar más candidatos que compartan las especificaciones de su visión de empleado ideal.
Estrategias que proponemos como equipo de trabajo
Comercial
- Identificar los principales competidores, así como posibles clientes en la zona de San Antonio y el cluster automotriz en Texas.
- Crear un dashboard de indicadores que apoyen el esfuerzo de ventas haciendo más profesional el acercamiento al cliente.
- Generar un reporte de business intelligence del cluster de la región México-Texas que llegue a modelar y predecir el crecimiento o las oportunidades de la industria.
- Proponer la expansión de cartera de clientes en industrias fuera de la automotriz que puedan generar el mismo (o más) valor económico a la organización.
- Desarrollar un estudio para identificar los principales requerimientos que los clientes lleguen a pedir a todos sus proveedores (ISO, GPTW, etc).
Antecedentes de la empresa
Visión:
“En 2033 seremos una de las cinco mejores compañías de México que generan valor dentro de la cadena de suministro de las industrias que más valoran la forma en la que se protegen y trasladan las cosas” (Form, 2021).
Misión:
“Transformar nuestro entorno y resolver retos industriales de nuestros clientes a través de la colaboración, provocando nuevas oportunidades que potencian nuestro modelo de negocio, para alcanzar nuestros ideales” (Form, 2021).
Objetivos Estratégicos:
Análisis de las áreas de la empresa
Recursos Humanos
ggplot(data=empleados_form,aes(x=SALARIO.DIARIO.IMSS))+
geom_histogram(fill="skyblue", bins=10, colour="black",linewidth=0.5) + theme_bw() +
ggtitle("Salarios Diarios")+
xlab("Salario")+
ylab("Número de empleados")+
ggeasy::easy_center_title() +
scale_x_continuous(labels=function(n){format(n, scientific = FALSE)})
100 de los 130 colaboradores que conforman FORM ganan entre 150 y 180 pesos diarios, encontrándose debajo salario mínimo establecido el pasado diciembre por la Secretaría de Trabajo y Previsión Social, el cuál es de 207.44 MXN diarios. (Gobierno de México, 2023).
dias_trabajados <- select(bajas, GENERO, DIAS.LABORADOS)
#Crea un nuevo DF y le asigna las variables que se necesitan
dias_trabajados <- group_by(dias_trabajados,GENERO)
#Agrupa las observaciones por genero
dias_trabajados <- summarize(dias_trabajados, dias=sum(DIAS.LABORADOS,na.rm=TRUE )) #Suma los días trabajados por genero
dias_trabajados<- filter(dias_trabajados,(GENERO=="MASCULINO" | GENERO=="FEMENINO")) #Filtra los generos
dias_trabajados #muestra los resultados## # A tibble: 2 × 2
## GENERO dias
## <chr> <int>
## 1 FEMENINO 8284
## 2 MASCULINO 8694dias_trabajados <- select(bajas, GENERO, DIAS.LABORADOS)
# Count the original observations per gender
observation_counts <- bajas %>%
group_by(GENERO) %>%
summarise(original_count = n())
dias_trabajados <- group_by(dias_trabajados, GENERO) %>%
summarize(dias = sum(DIAS.LABORADOS, na.rm = TRUE))
dias_trabajados <- left_join(dias_trabajados, observation_counts, by = "GENERO")
dias_trabajados$label_pos <- dias_trabajados$dias / 2
ggplot(dias_trabajados, aes(x = GENERO, y = dias)) +
geom_bar(stat = "identity", aes(fill = GENERO)) +
ggtitle("Dias trabajados por género") +
theme_minimal() +
geom_text(aes(label = paste("Days:", dias, "\nCount:", original_count), y = label_pos), vjust = -0.5, size = 3)
Aunque haya más mujeres que hombres, la suma de días trabajados por mujeres es menor que la de los hombres, esto quiere decir que por mujer se trabaja menos. El promedio es de 58.9 días trabajados por mujeres y 89.6 días trabajados por hombres. Puede existir el caso de que el ambiente laboral, las condiciones de trabajo o la naturaleza del trabajo haga que las mujeres duren menos en la empresa.
#Histograma por PUESTO
department_summary <- bajas %>%
group_by(PUESTO) %>%
summarize(Frequency = n()) %>%
arrange(desc(Frequency)) # Ordenar de mayor a menor frecuencia
ggplot(department_summary, aes(x = reorder(PUESTO, -Frequency), y = Frequency, fill = PUESTO)) +
geom_bar(stat = "identity") +
geom_text(aes(label = Frequency), vjust = -0.5, size = 3) +
theme_minimal() +
theme(axis.text.x = element_text(angle = 45, hjust = 1)) +
labs(title = "Position Frequency Chart", x = "Position", y = "Frequency")
La mayor cantidad de bajas se registran en ayudantes generales, puede ser un indicador para observar los beneficios de esta área. Talvez la empresa no tegna salarios competitivos para sus empleados.
#Histograma por ÁREA
department_summary2 <- bajas %>%
group_by(DEPARTAMENTO) %>%
summarize(Frequency = n()) %>%
arrange(desc(Frequency)) # Ordenar de mayor a menor frecuencia
department_summary2 <- department_summary2 %>%
mutate(Departamento = case_when(
grepl("Cedis", DEPARTAMENTO, ignore.case = TRUE) |
grepl("CEDIS", DEPARTAMENTO, ignore.case = TRUE) ~ "Cedis",
grepl("CELDAS", DEPARTAMENTO, ignore.case = TRUE) |
grepl("celdas", DEPARTAMENTO, ignore.case = TRUE) |
grepl("Celdas", DEPARTAMENTO, ignore.case = TRUE) ~ "Celdas",
grepl("Costura", DEPARTAMENTO, ignore.case = TRUE) |
grepl("COSTURA", DEPARTAMENTO, ignore.case = TRUE) ~ "Costura",
grepl("EMBARQUES", DEPARTAMENTO, ignore.case = TRUE) |
grepl("Embarques", DEPARTAMENTO, ignore.case = TRUE) ~ "Embarques",
grepl("Mantenimiento FF", DEPARTAMENTO, ignore.case = TRUE) |
grepl("MANTENIMIENTO", DEPARTAMENTO, ignore.case = TRUE) ~ "Mantenimiento,FF",
grepl("Paileria", DEPARTAMENTO, ignore.case = TRUE) |
grepl("PAILERIA", DEPARTAMENTO, ignore.case = TRUE) ~ "Paileria",
grepl("Produccion Carton MC", DEPARTAMENTO, ignore.case = TRUE) |
grepl("Produccion Carton MDL ", DEPARTAMENTO, ignore.case = TRUE) |
grepl("Produccion Retorn", DEPARTAMENTO, ignore.case = TRUE) ~ "Produccion MC, MDL, R",
grepl("Stabilus", DEPARTAMENTO, ignore.case = TRUE) |
grepl("stabilus", DEPARTAMENTO, ignore.case = TRUE) |
grepl("STABILUS", DEPARTAMENTO, ignore.case = TRUE) ~ "Stabilus",
grepl("Troquel", DEPARTAMENTO, ignore.case = TRUE) |
grepl("TROQUEL", DEPARTAMENTO, ignore.case = TRUE) ~ "Troquel",
grepl("ADMINISTRATIVO", DEPARTAMENTO, ignore.case = TRUE) ~ "Administrativo",
grepl("Ay.flexo", DEPARTAMENTO, ignore.case = TRUE) ~ "Ay.flexo",
grepl("CAJAS", DEPARTAMENTO, ignore.case = TRUE) ~ "Cajas",
grepl("Calidad", DEPARTAMENTO, ignore.case = TRUE) ~ "Calidad",
grepl("CORTADORAS", DEPARTAMENTO, ignore.case = TRUE) ~ "Cortadoras",
grepl("EHS", DEPARTAMENTO, ignore.case = TRUE) ~ "EHS",
grepl("Laminado", DEPARTAMENTO, ignore.case = TRUE) ~ "Laminado",
grepl("Marcadora", DEPARTAMENTO, ignore.case = TRUE) ~ "Marcadora",
grepl("Materiales", DEPARTAMENTO, ignore.case = TRUE) ~ "Materiales",
TRUE ~ "NA"))
ggplot(data = department_summary2, aes(x = reorder(Departamento, -Frequency), y = Frequency, fill = Departamento)) +
geom_bar(stat = "identity") +
theme_minimal() +
theme(axis.text.x = element_blank()) + # Esta línea oculta las etiquetas del eje x
labs(title = "Department Frequency Chart", x = "Department", y = "Frequency")
La mayor cantidad de bajas se registran en departamentos en donde el trabajo es muy manual. Sería de valor investigar las condiciones laborales en estas áreas y cómo hacer que el ambiente y condiciones sean más atractivas para retener al talento.
#Solterx o casadx
genero<- select(bajas, GENERO, ESTADO.CIVIL) #Asigna a un nuevo objeto un DF con el género y estado civil
salarios <- genero %>% #se asigna a un objeto, las variables filtradas por masculino y femenino
filter(GENERO %in% c("MASCULINO", "FEMENINO"))
ggplot(data = genero, aes(x = ESTADO.CIVIL, fill = GENERO)) + #Se adignan valores a la gráfica
geom_bar(position = "dodge") + #se indica que tipo de gráfico se busca
labs(title = "Gender Distribution by Marital Status", #se asignan títulosa los ejes
x = "Marital Status", y = "Count") +
theme_minimal() #se asigna el tema para el gráfico 
La mayoría de bajas se registraron en empleados solteros o en unión libre. Habla mucho de la necesidad económica que tenían cuando entraron ya que probablemente no tengan familia, valdría la pena comparar este dato con las edades y cruzar el estatus socio económico para encontrar mas insights
Comercial y Servicio al Cliente (Delivery Plan y Delivery Performance)
La metodología seguida por la empresa para lograr un exitoso proceso comercial es la siguiente:
- Conocimiento Integral del Proyecto
- Revisión y valoración de Proyectos Prioritarios
- Desarrollo de alternativas y cotizaciones
- Prototipo y pruebas
- PO y Golden Sample.
Alcance:
La expertización del proyecto solicitado por cada cliente hasta el desarrollo creativo de este, incluido todo lo que pueda ser una mejora en cuestiones de costos de producción y logísticos, hasta finalmente llegar a la recepción de orden de compra.
Delivery plan:
Plasmar las entregas con cantidad y fecha con el cliente, asi como la proyección a futuro.
Delivery Performance:
Resultado de lo establecido en el Delivery Plan.
Producción
Objetivo: Establecer la metodología adecuada para verificar al producto y la orden durante todas las etapas del proceso conforme a los criterios de aceptación y calidad establecidos, para que estos puedan ser liberados por los responsables del proceso.
Alcance Lo anterior es aplicado no solo al producto terminado, sino a todos los pasos conformes del proceso productivo.
Desempeño reciente
Con más de 10 años de presencia en México, FORM ha logrado posicionar su modelo y oferta de negocio como una de las más competitivas y atractivas para los clientes. Poco a poco la organización ha perfeccionado la forma en la que operan en la industria, llegando al punto de crear su propio método de trabajo llamado “The FORM Way”. El anterior busca promover una forma de colaboración entre la organización y sus clientes para trabajar en mutua cooperación para el cumplimiento de tiempos de entrega, reducir costos totales y reducir posibles paros en la línea de producción.
Pero, ¿cómo ha sido su desempeño en tiempo recientes? De acuerdo a la información proporcionada, actualmente FORM se encuentra realizando los primeros trabajos con su cliente más importante, Tesla INC. Se considera como el más importante debido a que la empresa recientemente acaba de terminar la construcción de la Gigafactory en Austin, Texas y ha anunciado la siguiente expansión a Santa Catarina, Nuevo León. Además de la fábrica, una serie de proveedores específicos de Tesla también llegan a la región, siendo ambos hechos una gran oportunidad de negocio para FORM. Otro hecho reciente fue la expansión de la empresa hacia San Antonio, Texas. Esto con la finalidad de explorar nuevos mercados y acercarse a sus clientes automotrices de la región. Dicha expansión ha favorecido enormemente el desempeño de FORM ya que su logística y operación se ven beneficiadas por tener una posición estratégica colocada entre ellos y sus clientes.
Contexto de la industria
Análisis de la industria automotriz en México:
Automotriz
La industria automotriz se ha convertido en unos de los pilares más importantes en la economía mexicana, considerada la industria clave que traerá a México mayores oportunidades para la relocalización de cadenas de suministros globales. Como el séptimo fabricante de vehículos del mundo y el primero en Latinoamérica, los efectos económicos de la industria son inminentes, siendo la industria que más genera ingresos al año, por encima del sector financiero.
ggplot(production_data, aes(x=Año, y=Cantidad)) +
geom_bar(stat = "identity", fill="#FFDEAD") + scale_fill_grey() +
labs(title = "Producción de Autos en México", subtitle = "Cantidad producida de automoviles en México por año",
caption = "Source: INEGI", x = "Año", y = "Cantidad")+
scale_y_continuous(labels=function(n){format(n, scientific = FALSE)})
De acuerdo con el INEGI, en el periodo de 2014 al 2021 el PIB de la industria acumuló un total de 322 mil millones de dólares, y, a pesar de la pandemia, en el 2022 se vio un aumento de 48 mil millones de dólares más. De igual manera se estima que el sector conforma el 3.5% del PIB, y genera más de 30 millones de empleos directos e indirectos.
exportacion_mex <- exportacion_mexico %>% filter(Cantidad>6000)
ggplot(exportacion_mex,aes(Año))+
geom_bar(aes(fill=País.destino),width=0.5)+
labs(x="País Destino", y="Cantidad", title="Exportaciones de automóviles",subtitle="Top 5 Países que reciben mayor número de exportaciones de automóviles", caption = "Source: INEGI",fill="País")+
scale_fill_brewer(palette = "Paired")
ggplot(exportacion_mex,aes(Año))+
geom_bar(aes(fill=País.destino),width=0.5)+
labs(x="País Destino", y="Cantidad", title="Exportaciones de automóviles",subtitle="Top 5 Países que reciben mayor número de exportaciones de automóviles",caption = "Source: INEGI",fill="País")+
scale_fill_brewer(palette = "Paired")+
facet_wrap(~País.destino)
A lo largo de los años, Estados Unidos se sigue manteniendo como nuestro mayor socio conforme a la exportación de automóviles, obteniendo su más alta contribución antes del 2020.
Autopartes
La industria de autopartes en México mostró un crecimiento del 16.71% con respecto a enero-mayo del año 2022, proyectándose un valor de producción de autopartes de 115,802 millones de dólares para este 2023. Las cinco principales autopartes producidas en el territorio mexicano están relacionadas con partes eléctricas , seguido por transmisiones y embragues, asientos automotrices, partes para motor y suspensión y dirección (Garcia Lopez, 2023).
ggplot(autopartes_mexico, aes(x=region, y=trade_value)) + geom_boxplot(color="#2E8B57", fill="seagreen2", alpha=0.2) +
labs(title="Exportación de Autopartes por Región",subtitle="Regiones de México más exportados de autopartes",caption="Source:INEGI", x = "Region", y="USD Trade Value")+
scale_y_continuous(labels=function(n){format(n, scientific = FALSE)})
En cuanto a las exportaciones, Estados Unidos sigue siendo el principal destino con un 87.4%, seguido de Canadá con 3.5% y Brasil con 1.9% . Por el lado de las importaciones, Estados Unidos toma otra vez el liderato con 55.2%, seguido por China con el 13.9% y Japón con el 6.4%. Todas estas cifras se traducen en una balanza comercial de 14,424 millones de dólares.
ggplot(autopartes_mexico, aes(x=year, y=trade_value)) +
geom_bar(stat = "identity", fill="violetred2") + scale_fill_grey() +
labs(title = "Trade Value de autopartes", subtitle = "Valor de autopartes exportadas por año",
caption = "Source: INEGI", x = "Año", y = "USD Trade Value")+
scale_y_continuous(labels=function(n){format(n, scientific = FALSE)})
Análisis de la industria automotriz en E.U.A:
Automotriz
En Norteamérica, los Estados Unidos históricamente siempre han sido líderes en el ámbito de la producción de automóviles. Contando con una amplia cartera de empresas automotrices, a lo largo de los años ha logrado posicionarse como uno de los principales productores a nivel mundial, solo por debajo de China en tiempos recientes. “Su mercado interno (el de China) eclipsa a cualquier otro, vendiendo 27 millones de autos el año pasado, en comparación con 13,75 millones de autos y camiones ligeros en los EE. UU. […]” (Ferris, Posaner, 2023).
#GRAFICA DE BARRAS TOP 5 PAIS EXPORTACION
dato_eliminar <- "WORLD"
PAISES_TOP <- arrange(US_AUTOPARTS, desc(2021)) %>%
head(6)
PAISES <- subset(PAISES_TOP, Country != dato_eliminar)
PAISES <- PAISES[order(PAISES$X2021), ]
colores <- c("indianred1", "lightblue", "darkseagreen4", "lightpink1", "sienna1")
ggplot(PAISES, aes(x = reorder(Country, -PAISES$X2021), y = PAISES$X2021, fill = Country)) +
geom_bar(stat = "identity", width = 0.4, position = "dodge") +
scale_fill_manual(values = colores) +
labs(x = "País", y = "Valor", title = "TOP 5 Países con exportaciones") +
theme_minimal() +
theme(axis.text.x = element_text(angle = 45, hjust = 1)) + scale_y_continuous(labels = scales::comma)
De acuerdo a información obtenida del sitio “Statista”, en el año 2016 Estados Unidos produjo su mayor cantidad de automóviles (12.18 millones) y en años posteriores los números han ido bajando, siendo el 2020 (8.82 millones) el segundo peor año (el primero es el 2009 con 5.73 millones de unidades) en los últimos 25 años. (Statista, 2023).
#GRAFICA DE BARRAS exportaciones autopartes US
AutoPartes_TOP10 <- arrange(US_Auto1, desc(X2021)) %>%
head(10)
Auto_Partes <- arrange(US_Auto1, desc(X2021))
ggplot(AutoPartes_TOP10, aes(x = reorder(Auto_Part, -X2021), y = X2021)) +
geom_bar(stat = "identity", fill = "palegreen4") +
labs(x = "Auto Partes", y = "2021 Data", title = "Exportacion de Auto Partes US en 2021 (TOP 10)" ) +
theme(axis.text.x = element_text(angle = 45, hjust = 1)) +
scale_y_continuous(labels = scales::comma)
FODA Cruzado
| FACTORES INTERNOS Y EXTERNOS |
Fortalezas - Personalización de acuerdo a sus necesidades-tecnología. - Alta calidad en cada uno de sus productos |
Debilidades - Capacidad de producción limitada a la demanda actual. - Dependen de proveedores clave |
|---|---|---|
|
Oportunidades - Demanda alta de carros, importación en EU. - Crecimiento del mercado global. - Los cambios a las regulaciones de la industria benefician. a las empresas con sostenibilidad. |
F+O Gracias a la personalización que tiene FORM pueden aprovechar el crecimiento del mercado global así como ver la oportunidad de entrar a otra industria además de la automotriz |
D+O Comprar maquinaria extra para tener mayor capacidad de producción y así poder cubrir parte de la demanda si perder su alta calidad |
|
Amenazas - Aumento en la competencia.- Rapidez en cuanto al crecimiento tecnológico |
F+A A pesar de que haya un aumento en la competencia que tieneFORM, la empresa sigue buscando día con día mejorar sus procesos, buscar nuevas tecnologías que ayuden a hacer los procesos más eficientes y de alta calidad |
D+A Gracias a que hay un rápido crecimiento tecnológico aunque también sea una amenaza ya que hay que estar actualizados con mayor frecuencia puede ayudar al aumento de sus proveedores y no tenga algun problema a largo plazo. |
PESTLE
| Político |
|---|
|
Acuerdo para suspender inspecciones al
autotransporte en Puente Colombia - “El gobernador de Nuevo León, Samuel García Sepúlveda, firmó un Memorándum de Entendimiento con su homólogo de Texas, Gregory W. Abbott, con ello, se suspenden las inspecciones del transporte de carga cruce por el puente Colombia”(Flores, 2022) México nacionaliza el Litio - “El presidente Andrés Manuel López Obrador ha firmó un decreto para nacionalizar este mineral estratégico en un acto en la localidad de Bacadehuachi, donde se encuetra la mayor reserva del metal en el territorio. Su objetivo es evitar que países extranjeros como Rusia, China o Estados Unidos exploten sus reservas.” |
| Económico |
|
Exportaciones automotrices crecieron en
el 2022 - “Comparando 2022 con 2021, las exportaciones automotrices mexicanas incrementaron su proporción en el total de exportaciones de productos de México de 28.3 a 28.6% y dentro de las ventas externas manufactureras su cobertura pasó de 32.1 a 32.5 por ciento.”(Morales, 2023) Alza de la moneda peso contra el dólar - ”Las tasas de interés derivadas fundamentalmente de la inflación, que vislumbrarse desde febrero del año 2022 hasta la fecha, obligaron a los bancos centrales a iniciar la aplicación de una serie de políticas monetarias de corte restrictivo.” (Armas, 2023. |
| Social |
|
Preocupación por el precio de los
vehículos eléctricos - “Un reporte de Deloitte señala que a medida que los consumidores en los Estados Unidos y otros mercados globales que se vuelven más flexibles a los cambios en el sector automotriz, las preocupaciones sobre el costo y la confianza aún afectan el avance de los vehículos eléctricos” Refacciones inexistentes y de alto costo - “Una familia de Florida vivó una experiencia traumática con la compra de un auto eléctrico que costó $11,000, cuando requirió batería de reemplazo costaba $14,000 dólares, $3,000 más de lo que costó el auto originalmente” |
| Tecnológico |
|
Refinería de litio en Texas desarrollada
por Tesla - Tesla tiene como objetivo producir suficiente litio de grado de batería en la refinería para fabricar un millón de vehículos por año y producir más litio que el resto de la capacidad de refinación de América del Norte combinada allí.” (Kolodny, 2023). Kia fabricará su nuevo modelo híbrido eléctrico K3 en Pesquería, Nuevo León - “El fabricante automotriz coreano, KIS, anunció de forma oficial la despedida del modelo KIA Rio de las líneas de producción de su planta en Pesquería, Nuevo León, el próximo mes de septiembre. El modelo éxito de ventas en México, será reemplazado por un nuevo vehículo subcompacto, el KIA K3, que comenzará a producirse y comercializarse en octubre” (Cluster Industrial, 2023) |
| Legal |
|
Se cumple con el VCR establecido en el
T-MEC - “La industria de autopartes en México ha conseguido alcanzar los nuevos límites del”Valor de Contenido Regional” establecidos en el paso mes de Julio. Es importante destacar que aumentar el VCR se presenta como un factor positivo para los proveedores de autopartes en México, pues demuestra que existe un interés en la región para la fabricación de autos. (Andrade, 2023) Zonas de vehículos de bajas emisiones (España) - “Se trata de una normativa que ha entrado en vigor en España en la que se busca que las personas que tienen un vehículo antiguo renueven o dejen de utilizar su auto para reducir las emisiones de CO2. Esta ley, de ser replicada en otros países de Europa(y evidentemente en el resto del planeta) podría representar un severo cambio en las compras de vehículos,puesto que para muchas personas este es un gasto que no pueden tener, buscando otras alternativas de movilidad como es el transporte público o uso de apps de transporte.”.(Cerillo, 2022) |
| Ecológico |
|
Prohibición de venta de autos de gasolina
en el 2035 en California - ” El objetivo de la medida es reducir de forma drástica las emisiones de dióxido de carbono en las próximas dos décadas y quienes la impulsaron ya hablan de que supondrán toda una revolución de la industria automotriz del país.” (Ventas, 2023) Plan industrial del Pacto Verde - “El Plan Industrial del Pacto Verde Europeo” presentado por la Comisión Europea el pasado 1 de febrero pretende mejorar la competitividad de la industria europea neta cero y apoyar la transición rápida hacia la neutralidad climática. Muchos de los principales líderes industriales pasarán por Expoquimia del 30 de mayo al 2 de junio y darán su visión sobre el nuevo marco regulatorio.” |
Entregable 2
Explorar, desarrollar, y describir la estrategia de comercialización de FORM en la región de San Antonio, TX. La estrategia de comercialización incluye productos actuales (empaque de cartón para la industria automotriz) y/o diversificación de productos (por ejemplo, industria aeroespacial, médica, alimentos, etc.).
A partir de las diferentes bases de datos compartidas por la empresa FORM y las industrias relacionadas con dicha empresa, seleccionar al menos 1 situación problema y elaborar lo siguiente:
Crear, desarrollar, e implementar una estrategia de expansión y crecimiento comercial en la región sur de Texas (y dentro de la región del corredor automotriz entre México y U.S).
¿Se puede dimensionar el potencial comercial de la empresa geográficamente?
Una de las preguntas importantes que se pueden plantear sobre la inteligencia de negocios tiene que ver con el potencial comercial que puede llegara tener la empresa geográficamente, sobre todo en el área de interés que en este caso es el estado sureño de Texas.
Importando las bases de datos
data <-read.csv("/Users/ofna19/Desktop/Evidencia INDIVIDUAL/industria_empresa_county_ciudad.csv")
geojson_data <- st_read("/Users/ofna19/Desktop/Evidencia INDIVIDUAL/Texas Counties Map.geojson")## Reading layer `Texas Counties Map' from data source
## `/Users/ofna19/Desktop/Evidencia INDIVIDUAL/Texas Counties Map.geojson'
## using driver `GeoJSON'
## Simple feature collection with 254 features and 12 fields
## Geometry type: MULTIPOLYGON
## Dimension: XY
## Bounding box: xmin: -106.6462 ymin: 25.83722 xmax: -93.5078 ymax: 36.50038
## Geodetic CRS: WGS 84Análisis Exploratorio de Datos
# Agregar una columna de recuento de empresas por condado
data_county <- data %>%
group_by(county) %>%
summarise(empresa_count = n())
# Combinar los datos del recuento de empresas con los datos geojson por nombre de condado
geojson_data <- merge(geojson_data, data_county, by.x = "name", by.y = "county", all.x = TRUE)
# Redondear la columna empresa_count
geojson_data$empresa_count <- round(geojson_data$empresa_count)
# Crear una paleta de colores personalizada (de claro a oscuro)
colores_personalizados <- colorRampPalette(c("lightblue", "darkblue"))(10)
# Crear un mapa interactivo de Texas con condados sombreados
mapa_texas <- leaflet(geojson_data) %>%
addTiles() %>%
addPolygons(
fillColor = ~cut(empresa_count,
breaks = c(0, 5, 10, 15, 20, 25, 30, 35, 40, 45, Inf)),
fillOpacity = 0.7,
color = "white",
weight = 1,
highlight = highlightOptions(
weight = 3,
color = "black",
bringToFront = TRUE
),
label = ~paste(name, "<br>", "Empresas:", empresa_count)
) %>%
addLegend(
"bottomright",
title = "Nzmero de Empresas",
opacity = 0.7,
pal = colorBin(palette = colores_personalizados, domain = NULL, bins = 10),
values = ~cut(empresa_count,
breaks = c(0, 5, 10, 15, 20, 25, 30, 35, 40, 45, Inf))
)
# Mostrar el mapa interactivo
mapa_texas