Universidad del Valle

Maestría en Analítica e Inteligencia de Negocios

Inteligencia de Negocios - Módulo Visualización de Datos

Introducción

La producción mundial de azúcar se estima en 177 millones de toneladas anuales, donde Brasil participa con 40 millones de toneladas que equivale al 23% del total. Colombia por su parte, produce anualmente cerca de 2.3 millones de toneladas con un consumo interno de 1.6 millones al año (Ramirez, s. f.), y exporta el excedente. Sin embargo, debido a las condiciones de precio interno y a la oferta mundial de azúcar a precios competitivos, han surgido en el mercado colombiano, empresas dedicadas a la importación de cerca de 230 mil toneladas de azúcar por año, de las cuales el 65% son de origen Brasil. En este contexto, se identifican diferentes variables que impactan el costo de la importación y que afectan la gestión y desempeño financiero de las empresas importadoras de azúcar. Tener una aproximación analítica de los datos de costos de importación, permite establecer un panorama general que puede orientar acciones que permitan mitigar los riesgos asociados con la toma de decisión sobre la importación.

Se plantea como problema la identificación del comportamiento de los elementos de costo de importación de azúcar origen Brasil, considerando no solo los costos, sino también analizando los diferentes actores que intervienen en la cadena de abastecimiento, como importadores, casas exportadoras, distribución de los destinos en los diferentes departamentos del país, por mencionar algunos de los aspectos que deben considerarse en este análisis.

Como fuente, se toman los datos públicos de la DIAN (Bases Estadísticas de Comercio Exterior – Importaciones y Exportaciones, s. f.) que informa en detalle, los costos de nacionalización de productos importados por partida arancelaria. Esta información puede consultarse en: https://www.dian.gov.co/dian/cifras/Paginas/Registro-de-las-Declaraciones-de-Impo-Expo.aspx. Se toma como período de análisis el año 2023 y los meses de enero a septiembre de 2024. La base datos es depurada usando los criterios aceptados para la limpieza de datos para finalmente reportar 50 variables y un total de 616 filas. Como metodología, se usan técnicas de visualización para el análisis de los datos.

Finalmente, este documento presenta una pregunta de investigación, a partir de la cual se hace el análisis de diferentes variables de interés, con el fin de generar conocimiento sobre el comportamiento de las importaciones y concluir sobre aspectos relevantes a considerar en la toma de la decisión de la importación de azúcar.

Pregunta de investigación

¿Cuáles son las recomendaciones sobre la toma de decisión de importar azúcar, de acuerdo con el comportamiento de los costos de importación de origen Brasil, así como de los diferentes actores en la cadena de abastecimiento, tomando como base de análisis los datos históricos del registro de las declaraciones de importación y exportación reportado por la DIAN?

Dataset

A continuación, se presenta el conjunto de datos reportado por la DIAN (desde 2023 hasta septiembre de 2024) sobre las operaciones de importación y exportación, que incluye un total de 50 variables, de las cuales 30 son numéricas y 20 categóricas. A partir de esta información, se inicia la exploración de variables, revisión de datos atípicos, cálculos estadísticos, reducción de variables y el análisis gráfico respectivo.

## character(0)
## character(0)
## Variables:
## NOMBRE_IMPORTADOR
## NOMBRE_EXPORTADOR
## CIUDAD_PAIS_EXPORTADOR
## PAIS_PROCEDENCIA
## MODO_TRANSPORTE
## BANDERA_TRANSPORTE
## TASA_CAMBIO
## DEPARTAMENTO_DESTINO
## SUBPARTIDA_ARANCELARIA
## PESO_NETO
## VALOR_FOB_USD
## PAIS_ORIGEN
## PESO_BRUTO
## FLETES_SEGUROS1
## VALOR_ADUANA_USD
## CODIGO_EMBALAJE
## NUMERO_BULTOS
## CANTIDAD_SUBPARTIDAS
## CANTIDAD
## PORCENTAJE_ARANCEL
## BASE_ARANCEL
## TOTAL_LIQUIDADO_ARANCEL
## PORCENTAJE_IVA
## BASE_IVA
## TOTAL_LIQUIDADO_IVA
## TOTAL_ITEM1
## VALOR_TOTAL_ARANCEL
## VALOR_TOTAL_IVA
## TOTAL_LIQUIDADO
## PAGO_TOTAL
## FECHA_PRES_DECL_DIAN
## COD_CLASE_IMPORTADOR
## CLASE IMPORTADOR
## DEPARTAMENTO_IMPORTADOR
## PAIS_EXPORTADOR
## FORMA_PAGO
## PAIS_COMPRA
## FECHA_BL_TRANSP
## FECHA_ACEPT_DECL_DIAN
## FECHA_FACT_EXPT
## TOTAL_A_PAGAR_ARANCEL
## TOTAL_A_PAGAR_IVA
## VALOR_SEGUROS_USD
## VALOR_FLETES_USD
## VALOR_OTROS_GASTOS_USD
## COD_LUGAR_INGRESO_MCIA
## CODIGO_MUNICIPIO
## VALOR_CIF_USD
## COSTO_TOTAL_IMPORT_PESOS
## COST_TOTAL_IMPORT_TON_PESOS
## Número de variables numéricas:  30
## Número de variables categóricas:  20
## # A tibble: 6 × 50
##   NOMBRE_IMPORTADOR    NOMBRE_EXPORTADOR CIUDAD_PAIS_EXPORTADOR PAIS_PROCEDENCIA
##   <chr>                <chr>             <chr>                  <chr>           
## 1 DNA DISTRINAL S.A.S. TEREOS COMMODITI… RUE DE SENLIS          BRASIL          
## 2 SI - PACK TECNOALIM… EBC TRADING LLC   FLORIDA                BRASIL          
## 3 CI INSUMOS BASICOS … EBC TRADING LLC   KEY BISCAYNE           BRASIL          
## 4 C.I. ANDESA DE ALIM… EBC TRADING LLC   KEY BISCAYNE           BRASIL          
## 5 DNA DISTRINAL S.A.S. CERES TRADING LI… ROAD TOWN              BRASIL          
## 6 DNA DISTRINAL S.A.S. CERES TRADING LI… ROAD TOWN              BRASIL          
## # ℹ 46 more variables: MODO_TRANSPORTE <chr>, BANDERA_TRANSPORTE <chr>,
## #   TASA_CAMBIO <dbl>, DEPARTAMENTO_DESTINO <chr>,
## #   SUBPARTIDA_ARANCELARIA <dbl>, PESO_NETO <dbl>, VALOR_FOB_USD <dbl>,
## #   PAIS_ORIGEN <chr>, PESO_BRUTO <dbl>, FLETES_SEGUROS1 <dbl>,
## #   VALOR_ADUANA_USD <dbl>, CODIGO_EMBALAJE <chr>, NUMERO_BULTOS <dbl>,
## #   CANTIDAD_SUBPARTIDAS <dbl>, CANTIDAD <dbl>, PORCENTAJE_ARANCEL <dbl>,
## #   BASE_ARANCEL <dbl>, TOTAL_LIQUIDADO_ARANCEL <dbl>, PORCENTAJE_IVA <dbl>, …

Estadísticas Descriptivas

Para el análisis se toman las siguientes variables reportadas en la base de datos depurada de la DIAN (Ver Tabla No.1).

Tabla 1. Estadísticas Descriptivas de Variables Numéricas.
Variable Minimo Promedio Mediana Moda Maximo
TASA_CAMBIO 3820.10 4071.478247 4035.865 3888.02 4966.33
PESO_NETO 0.05 522161.784513 436000.000 270000.00 4580300.00
VALOR_FOB_USD 4.36 326027.532516 278640.000 157083.00 2616497.81
PESO_BRUTO 0.05 523740.548555 437594.160 270864.00 4580300.00
FLETES_SEGUROS1 8.34 39079.323490 26924.145 102600.00 778928.32
VALOR_ADUANA_USD 18.36 365106.855422 313878.435 469125.00 3051856.39
NUMERO_BULTOS 2.00 9624.918831 7009.000 5400.00 91606.00
CANTIDAD 0.05 522161.784513 436000.000 270000.00 4580300.00
PORCENTAJE_ARANCEL 0.00 3.927857 0.000 0.00 15.00
BASE_ARANCEL 70300.00 1511162689.310065 1297649160.000 717178316.00 14680039607.00
TOTAL_LIQUIDADO_ARANCEL 0.00 48124699.675325 0.000 0.00 880802000.00
BASE_IVA 81300.00 1559287388.985390 1344480426.500 717178316.00 15560841607.00
TOTAL_LIQUIDADO_IVA 0.00 77838045.454545 67108000.000 42412000.00 778042000.00
TOTAL_ITEM1 0.00 124575904.220779 89455500.000 0.00 1658844000.00
VALOR_TOTAL_ARANCEL 0.00 48124699.675325 0.000 0.00 880802000.00
VALOR_TOTAL_IVA 0.00 77838045.454545 67108000.000 42412000.00 778042000.00
TOTAL_LIQUIDADO 12000.00 125962745.129870 93353500.000 73348000.00 1658844000.00
PAGO_TOTAL 0.00 479853.896104 0.000 0.00 128601000.00
TOTAL_A_PAGAR_ARANCEL 0.00 146115.259740 0.000 0.00 90007000.00
TOTAL_A_PAGAR_IVA 0.00 333738.636364 0.000 0.00 114053000.00
VALOR_SEGUROS_USD 0.01 655.109692 405.000 270.00 11620.63
VALOR_FLETES_USD 8.10 38325.395584 26081.395 42120.00 778651.00
VALOR_OTROS_GASTOS_USD 0.00 98.818214 0.000 0.00 11884.32
VALOR_CIF_USD 18.36 365106.856006 313878.435 469125.00 3051856.39
COSTO_TOTAL_IMPORT_PESOS 138905.79 1801473825.435984 1549415485.928 843642534.00 20085684612.04
COST_TOTAL_IMPORT_TON_PESOS 2747820.66 22432641.457812 3354512.774 3067321.69 7917819520.00
Variable Varianza Desviacion Percentil_25 Percentil_75 Asimetria Kurtosis
TASA_CAMBIO 43093.70488 207.590233 3929.7900 4144.790 1.843339 3.592687
PESO_NETO 234078700355.36469 483816.804540 270000.0000 673930.080 4.710054 30.829237
VALOR_FOB_USD 82878151532.11900 287885.657045 168425.3750 399794.062 4.365995 27.502455
PESO_BRUTO 235475731213.17493 485258.416942 270810.0000 675677.950 4.707585 30.791664
FLETES_SEGUROS1 2896398691.99487 53818.200379 15611.0750 43200.000 6.748907 69.167375
VALOR_ADUANA_USD 111571115324.13004 334022.626964 183993.7350 454086.918 4.543722 29.150832
NUMERO_BULTOS 107424638.35438 10364.585778 5391.0000 10937.250 4.482351 27.621589
CANTIDAD 234078700355.36469 483816.804540 270000.0000 673930.080 4.710054 30.829237
PORCENTAJE_ARANCEL 33.87733 5.820423 0.0000 11.000 0.899239 -1.098481
BASE_ARANCEL 2315027403242921472.00000 1521521410.708019 741495472.7500 1887904559.000 5.098477 34.616783
TOTAL_LIQUIDADO_ARANCEL 7600923682636488.00000 87183276.393105 0.0000 87555000.000 2.844624 14.851877
BASE_IVA 2427149217400805888.00000 1557931069.528048 782648829.2500 1963928112.000 5.186540 35.856202
TOTAL_LIQUIDADO_IVA 6077740025357280.00000 77959861.629926 39098750.0000 98196000.000 5.177145 35.765301
TOTAL_ITEM1 19871613788340404.00000 140966711.632003 41285750.0000 139286500.000 4.551403 33.334486
VALOR_TOTAL_ARANCEL 7600923682636488.00000 87183276.393105 0.0000 87555000.000 2.844624 14.851877
VALOR_TOTAL_IVA 6077740025357280.00000 77959861.629926 39098750.0000 98196000.000 5.177145 35.765301
TOTAL_LIQUIDADO 19658223249341440.00000 140207785.979743 41728500.0000 139717000.000 4.607416 33.934087
PAGO_TOTAL 50695492368862.84375 7120076.710883 0.0000 0.000 16.335271 273.869569
TOTAL_A_PAGAR_ARANCEL 13151396183441.55859 3626485.376152 0.0000 0.000 24.698605 609.009732
TOTAL_A_PAGAR_IVA 26345099942960.08984 5132747.796547 0.0000 0.000 19.106127 399.084401
VALOR_SEGUROS_USD 697207.63142 834.989600 184.8025 865.575 5.862747 60.284655
VALOR_FLETES_USD 2853108794.21122 53414.499850 15095.7500 42120.000 6.825171 70.853121
VALOR_OTROS_GASTOS_USD 569156.81507 754.424824 0.0000 0.000 11.261143 145.766265
VALOR_CIF_USD 111571116012.06119 334022.627994 183993.7350 454086.918 4.543722 29.150831
COSTO_TOTAL_IMPORT_PESOS 3468034062735797248.00000 1862265841.048425 885580995.9941 2251262321.782 5.364112 38.473763
COST_TOTAL_IMPORT_TON_PESOS 113875761533328304.00000 337454828.878368 3172960.3584 3591246.619 21.460264 487.835158

Exploración de las variables

Como contexto inicial se presenta el análisis gráfico de la distribución de frecuencia de las diferentes variables analizadas (Ver Gráfica 1). Un análisis de las variables más relevantes se presenta a continuación:

  • PORCENTAJE_ARANCEL: La frecuencia más alta corresponde a arancel cero con 400 datos de 616 analizados (64,9%). 140 importaciones pagaron arancel del 13,2% que corresponde al 22,73% de las importaciones. Esto implica que el arancel variable era pleno y se obtuvo el 12% de descuento por convenio ALADI. El resto de las importaciones pagaron aranceles menores y solo en 4 veces se pagó el arancel pleno del 15%, lo que puede deberse a que no presentaron oportunamente el certificado de origen para acceder al descuento del 12%.

  • TOTAL_LIQUIDADO_ARANCEL: Se mantiene la tendencia de los datos anteriores. 400 datos reportan arancel liquidado en cero y el resto de datos muestran algún valor liquidado de arancel.

  • CANTIDAD: La cantidad más frecuente de importación es de 270 ton que equivale a 10 contendores de 20 pies, con 146 datos que equivalen al 23,7%. Sigue como frecuencia 20 contenedores con el 10,3% de participación (63 datos) y 30 contendores con el 8,6% de participación con (53%). Aunque existen valores atípicos, se puede decir que lo más frecuente es importar 10 contendores. Esto se relaciona con la cantidad mínima de contendores a precio competitivo que tiene como norma la proveeduría de Brasil.

  • TASA_CAMBIO: Aunque es cierto que la tasa de cambio esta alrededor de 4000 pesos por dólar, se observan datos extremos que alteran la BASE_ARANCEL que se liquida sobre el valor CIF del producto en pesos al momento de la liquidación de la importación. Al observar la BASE_ARANCEL, la asimetría de la gráfica se aproxima al comportamiento de la TASA_CAMBIO.

  • VALOR_FOB_USD - VALOR_SEGUROS_USD - VALOR_FLETES_USD - VALOR_CIF_USD: Al observar estas distribuciones, mantienen un comportamiento similar mayormente asimétricas hacia valores bajos. Esto implica que, aunque hay valores atípicos, se mantiene una tendencia que puede estar relacionada con el hecho de que el comprador está en la búsqueda de los precios más competitivos, y que allí no está el mayor impacto en términos de variabilidad.

  • VALOR_OTROS_GASTOS_USD: Se mantiene una asimetría hacia valores bajos con alta dispersión, lo que lleva a pensar que en el proceso de gastos en puerto se mantiene en general una buena eficiencia.

En general se podría plantear que existen algunas variables que afectan mayormente el costo de importación como: TASA_CAMBIO, PORCENTAJE_ARANCEL, PESO_NETO por su relación con el VALOR_ADUANA_USD como monto global del valor de la importación.

Gráfica 1. Distribución de variables bajo estudio.

Gráfica 1. Distribución de variables bajo estudio.

Diagrama de cajas (Boxplot)

Adicionalmente se hace un Boxplot de las variables analizadas (Ver Gráfica 2) para la detección de valores atípicos. Se hacen los comentarios a continuación con respecto a las variables mas relevantes:

  • PORCENTAJE_ARANCEL: Es el gráfico más llamativo. Por la disposición del bigote, se puede decir que esta variable es la más dispersa frente al valor central de 3,93%. Este resultado es muy consistente con los resultados del histograma anterior.

  • Se observan valores atípicos en diferentes variables. El PORCENTAJE_ARANCEL presenta alta dispersión, sin embargo, se observan comportamientos con valores extremos en variables como VALOR_FOB_USD, VALOR_SEGUROS_USD, VALOR_FLETES_USD, TOTAL_LIQUIDADO_ARANCEL, aunque menos dispersas en el bigote. Es decir, estos valores se concentran de manera más densa alrededor del valor medio del conjunto de estos datos. Esto cambia la perspectiva del análisis del histograma, en el sentido de que estos valores extremos deben estudiarse para determinar cómo impactan en el análisis de componentes principales que se pretende realizar.

  • También se debe resaltar que las variables más dispersan son TASA_CAMBIO y PORCENTAJE_ARANCEL, lo cual tiene sentido, ya que dependen de la volatilidad del mercado, tanto en el caso del dólar como del arancel, que se calcula con base en el promedio de los precios de las bolsas de Nueva York y Londres.

Gráfica 2. Boxplot para detección de valores atípicos.

Gráfica 2. Boxplot para detección de valores atípicos.

Matriz de correlación (Mapa de Calor de Correlación)

Posteriormente se hace un análisis de correlación (Ver Gráfica 3), con el propósito de establecer aquellas variables más determinantes en los costos totales de importación. De los resultados más relevantes se puede decir lo siguiente:

  • COST_TOTAL_IMPORT_TON_PESOS tiene altas correlaciones con 17 de las variables analizadas. En total son 26. Las variables que presentan una correlación perfecta son BASE_IVA, TOTAL_LIQUIDADO_IVA, VALOR_TOTAL_IVA y BASE_ARANCEL, lo cual tiene sentido, ya que son los valores que contribuyen al costo total.

  • VALOR_CIF_USD tiene altas correlaciones con 14 de las variables analizadas. Con las que tiene una correlación perfecta son PESO_NETO, VALOR_FOB_USD, PESO_BRUTO, VALOR_ADUANA_USD y BASE_ARANCEL, lo cual los define como elementos claves del costo. Con FLETES_SEGUROS1, mantiene una correlación alta pero no perfecta de 0,88.

  • VALOR_ADUANA_USD tiene altas correlaciones con 13 de las variables analizadas. Con las que tiene una correlación perfecta son PESO_NETO, VALOR_FOB_USD, PESO_BRUTO, CANTIDAD, BASE_ARANCEL y VALOR_CIF_USD, lo cual tiene que ver con el hecho de que estos valores son usados para la liquidación de aranceles y gastos por parte de la DIAN.

  • VALOR_TOTAL_ARANCEL solo guarda una correlación perfecta con TOTAL_LIQUIDADO_ARANCEL y guarda una correlación menos fuerte con PORCENTAJE_ARANCEL (0,71).

  • TASA_CAMBIO no guarda una correlación fuerte con ninguna de las variables estudiadas. El valor máximo de correlación es de 0,47. Esto puede sugerir que no es una variable determinante en los costos asociados a la importación.

Gráfica 3. Matriz de correlación entre variables.

Gráfica 3. Matriz de correlación entre variables.

Análisis de Componentes Principales (PCA)

A continuación, se procede con el análisis de componentes principales, para lo cual es importante tener en cuenta que esta técnica busca reducir la dimensionalidad de un conjunto de datos. Se transforman las variables originales en nuevas variables o componentes principales, donde cada componente principal es una combinación ponderada de las variables originales. La reducción de la dimensionalidad implica disminuir el número de variables sin perder la información contenida en los datos.

Los componentes principales se ordenan en función de la varianza que explican. El primer componente principal (PC1) explica la mayor parte de la varianza, el segundo componente (PC2) explica la segunda mayor cantidad, y así sucesivamente. Se debe definir dos elementos claves:

  • Valor Propio: Indica cuánta información (o varianza) es capturada por ese componente. Un valor propio más alto significa que el componente asociado captura más varianza, es decir, más información relevante de los datos.

  • Varianza Acumulada: Acumula las varianzas explicadas por cada componente principal, para determinar cuánto de la información total es capturada por los primeros componentes. Esto ayuda a decidir cuántos componentes utilizar en el análisis.

Para este análisis previamente se hace un ajuste en el Boxplot (Ver Gráfica 4), donde, al excluirse valores atípicos, se hizo necesario no considerar las siguientes variables en el análisis, debido a que tomaron valores constantes: TOTAL_A_PAGAR_ARANCEL, TOTAL_A_PAGAR_IVA, VALOR_OTROS_GASTOS_USD, PAGO_TOTAL.

También se excluyen las dos siguientes por ser variables objetivo: COSTO_TOTAL_IMPORT_PESOS, COST_TOTAL_IMPORT_TON_PESOS.

Gráfica 4. Boxplot para valores atípicos con exclusión de variables adicionales.

Gráfica 4. Boxplot para valores atípicos con exclusión de variables adicionales.

En el cálculo del valor propio, se evidenciaron dos componentes como las más importantes, PC1 con un valor de 12.3 y PC2 con 4.58 (Ver Gráfica 5).

## Importance of components:
##                           PC1    PC2     PC3     PC4     PC5    PC6    PC7
## Standard deviation     3.5069 2.1404 1.01026 0.96918 0.78543 0.5933 0.3346
## Proportion of Variance 0.6149 0.2291 0.05103 0.04697 0.03084 0.0176 0.0056
## Cumulative Proportion  0.6149 0.8440 0.89502 0.94198 0.97283 0.9904 0.9960
##                            PC8     PC9    PC10    PC11     PC12      PC13
## Standard deviation     0.21308 0.14654 0.10780 0.03266 0.004634 1.016e-15
## Proportion of Variance 0.00227 0.00107 0.00058 0.00005 0.000000 0.000e+00
## Cumulative Proportion  0.99829 0.99936 0.99995 1.00000 1.000000 1.000e+00
##                             PC14      PC15      PC16      PC17      PC18
## Standard deviation     6.873e-16 4.622e-16 3.257e-16 1.205e-16 1.165e-16
## Proportion of Variance 0.000e+00 0.000e+00 0.000e+00 0.000e+00 0.000e+00
## Cumulative Proportion  1.000e+00 1.000e+00 1.000e+00 1.000e+00 1.000e+00
##                             PC19      PC20
## Standard deviation     7.103e-17 4.116e-31
## Proportion of Variance 0.000e+00 0.000e+00
## Cumulative Proportion  1.000e+00 1.000e+00
##  [1] 3.506902e+00 2.140405e+00 1.010256e+00 9.691763e-01 7.854285e-01
##  [6] 5.932681e-01 3.345648e-01 2.130824e-01 1.465364e-01 1.077995e-01
## [11] 3.265675e-02 4.634045e-03 1.016410e-15 6.872543e-16 4.622430e-16
## [16] 3.257034e-16 1.205479e-16 1.164675e-16 7.103490e-17 4.116295e-31
##  [1]  61.49180  84.39848  89.50156  94.19808  97.28257  99.04240  99.60207
##  [8]  99.82909  99.93646  99.99456  99.99989 100.00000 100.00000 100.00000
## [15] 100.00000 100.00000 100.00000 100.00000 100.00000 100.00000
Gráfica 5. Valor propio por componentes principales.

Gráfica 5. Valor propio por componentes principales.

En la Gráfica 6 se presenta la varianza acumulada, la cual muestra que, al considerar las dos primeras componentes principales (PC1 y PC2), se cubre el 84.4% de la varianza total de los datos. Esto sugiere que, con estas dos componentes, se puede interpretar de manera adecuada el comportamiento del sistema de costos totales de importación.

Gráfica 6. Varianza acumulada de los componentes principales.

Gráfica 6. Varianza acumulada de los componentes principales.

Coeficientes Estimados de los Componentes Principales

Como resultado del análisis del componente PC1 (Ver Gráfica 7), se puede decir que, de 20 variables analizadas, se obtuvieron 4 con coeficiente positivo y 16 con coeficiente negativo. De tal manera que las variables que más impactan el costo total de importación son: VALOR_FOB_USD, VALOR_TOTAL_IVA, TOTAL_LIQUIDADO_IVA, PESO_NETO, CANTIDAD, PESO_BRUTO, VALOR_CIF_USD, VALOR_ADUANA_USD, BASE_ARANCEL, BASE_IVA. Es decir, son las variables sobre las cuales se deben aplicar estrategias de optimización. No obstante, de estas variables existen varias que dependen de factores externos.

Algunas estrategias que se pueden plantear son las siguientes:

  • VALOR_FOB_USD: Desarrollar capacidades de negociación con base en el seguimiento al NY#11, dado que esta es la referencia para la fijación de precio por parte del proveedor más una prima.

  • PESO_NETO, CANTIDAD, PESO_BRUTO: Moderar los volúmenes de acuerdo con capacidad de flujo.

  • VALOR_CIF_USD: Negociación adecuada de fletes y seguros.

  • BASE_ARANCEL: Desarrollar herramientas para la predicción del Arancel.

Se debe precisar que el PC1 captura la mayor parte de la varianza relacionada con las variables VALOR_FOB_USD, PESO_NETO, VALOR_CIF_USD, CANTIDAD, etc. Estas son más influyentes en el comportamiento de los datos y su impacto negativo indica que su aumento genera aumento en los costos de importación.

Las variables FLETES_SEGUROS1, VALOR_FLETES_USD y VALOR_ADUANA_USD, también tienen coeficientes negativos, por lo que el aumento en estos costos también incrementa los costos generales de importación, aunque en menor medida.

##                             PC1      PC2
## TASA_CAMBIO              0.0180  0.15653
## PESO_NETO               -0.2816 -0.00113
## VALOR_FOB_USD           -0.2801 -0.03943
## PESO_BRUTO              -0.2816 -0.00109
## FLETES_SEGUROS1         -0.2415 -0.00965
## VALOR_ADUANA_USD        -0.2823 -0.03737
## NUMERO_BULTOS           -0.1942  0.02535
## CANTIDAD                -0.2816 -0.00113
## PORCENTAJE_ARANCEL       0.0761  0.42584
## BASE_ARANCEL            -0.2825 -0.02958
## TOTAL_LIQUIDADO_ARANCEL  0.0304  0.46100
## BASE_IVA                -0.2830  0.01246
## TOTAL_LIQUIDADO_IVA     -0.2814  0.01193
## TOTAL_ITEM1             -0.1102  0.42533
## VALOR_TOTAL_ARANCEL      0.0304  0.46100
## VALOR_TOTAL_IVA         -0.2814  0.01193
## TOTAL_LIQUIDADO         -0.1123  0.42626
## VALOR_SEGUROS_USD       -0.1381 -0.00388
## VALOR_FLETES_USD        -0.2411 -0.00968
## VALOR_CIF_USD           -0.2823 -0.03737
Gráfica 7. Componente principal 1 (PC1).

Gráfica 7. Componente principal 1 (PC1).

Por otra parte, como resultado del análisis del componente principal PC2 (Ver Gráfica 8), se obtiene de las mismas 20 variables, 10 con coeficiente positivo, 4 muy cercanas a cero y 6 variables con coeficiente negativo. Se puede decir que las variables que más impactan el costo total de importación en este componente, con carga positiva alta, son: VALOR_TOTAL_ARANCEL, TOTAL_LIQUIDADO_ARANCEL, TOTAL_LIQUIDADO, PORCENTAJE_ARANCEL. En este sentido, un incremento en estas variables impacta significativamente el costo de importación.

Asímismo, la TASA_CAMBIO tiene una carga positiva moderada, pero también su incremento impacta el costo de importación.

En particular, se deduce que el PC2 está relacionado principalmente con los costos arancelarios y el monto liquidado por los aranceles. Las variables con la carga negativa más importante son VALOR_CIF_USD, VALOR_ADUANA_USD, VALOR_FOB_USD. Las variables con carga negativa en PC2 están asociadas con otros costos de importación que también impactan el valor total de la importación, pero tienen una relación inversa con PC2. Esto significa que, si estas variables aumentan, el valor de PC2 disminuirá. Por lo tanto, se requiere reducir el CIF, FOB y Aduana porque tienen un impacto directo en la base de cálculo para los aranceles y estos, a su vez, impactan el costo de importación.

En este orden, como estrategias se puede plantear:

  • Controlar los valores CIF del producto, para que la liquidación de arancel sea menor.

  • TASA_CAMBIO, aunque tiene un impacto moderado se puede definir estrategias de cobertura para controla la volatilidad.

  • VALOR_TOTAL_ARANCEL, implica los valores CIF, pero también proyectar el arancel variable vigente al momento del a declaración.

  • Explorar procedimientos aduaneros especiales: Programas de importación temporal, Zonas de libre comercio o zonas francas (arancel exento si se manofactura dentro de la zona), y procedimientos aduaneros simplificados.

Gráfica 8. Componente principal 2 (PC2).

Gráfica 8. Componente principal 2 (PC2).

Análisis de Importadores en Componentes Principales

Análisis de Importadores en PC1

Por otra parte, al realizar el análisis de PC1 por importador (Ver Gráfica 9), se observa lo siguiente:

  • Importadores con puntos en el lado negativo de PC1 (izquierda de cero): Estos importadores tienen una relación negativa con PC1.Esto puede interpretarse como una indicación de que tienen costos más bajos y que han gestionado de manera más eficiente los costos de importación, especialmente en términos de fletes, seguros, valores CIF y FOB, junto con otros costos logísticos. Posible optimización: Estos importadores podrían tener una estrategia exitosa en términos de optimización de costos, como acuerdos preferenciales en transporte, buena estimación de aranceles, o mejoras en sus procesos aduaneros. El PC1 negativo indica que estos importadores están logrando reducciones en los costos en los componentes clave que PC1 como costos de transporte, flete, seguros, IVA, etc.

  • Importadores con puntos en el lado positivo de PC1 (derecha de cero): Estos importadores tienen una relación positiva con PC1.Estos importadores tienen costos más altos en aranceles, tasa de cambio, costos de flete y seguros. A medida que los costos asociados con los aranceles o valor CIF/FOB aumentan, el valor de PC1 también aumenta, lo que indica que estos importadores tienen costos más altos o menos eficientes en comparación con otros.

En resumen:

  • Importadores en el lado negativo de PC1, son los que probablemente están gestionando más eficientemente los costos relacionados con los aranceles, logística y otros costos de importación. Es decir, PC1 negativo refleja optimización.

  • Importadores en el lado positivo de PC1, enfrentan costos más altos o ineficiencia en los aspectos reflejados por PC1 (como aranceles, fletes, IVA, etc.). Específicamente, PC1 positivo refleja ineficiencia o altos costos.

En general se observa una distribución muy equilibrada, lo que sugiere trabajar temas de costos logísticos, de transporte y seguro.

Gráfica 9. Componente principal (PC1) por importador.

Análisis de Importadores en PC2

Por otra parte, al realizar el mismo análisis para el componente PC2 (Ver Gráfica 10), se puede decir lo siguiente:

  • Importadores en el lado negativo (más a la izquierda): Significa que su comportamiento o características están relacionadas negativamente con las variables que componen PC2. Es decir, sus costos de importación, en términos de los factores que influye PC2, son más bajos u optimizados en comparación con otros importadores. Esto podría ser una señal de que este importador está optimizando los costos arancelarios, fletes, seguros, o valor CIF, logrando menores costos en esos aspectos.

  • Importadores en el lado positivo (más a la derecha): Si un importador tiene puntos en el lado positivo de PC2, indica que su comportamiento o sus características están relacionadas positivamente con los costos de importación reflejados en PC2.Esto podría significar que este importador tiene costos más altos asociados a los aranceles, fletes, seguros, o valores aduaneros, lo que sugiere que no está optimizando de manera efectiva en esos aspectos.

  • Importadores con puntos en ambos lados: Si un importador tiene puntos distribuidos en ambos lados de PC2 (algunos en el lado negativo y otros en el lado positivo), esto indica que este importador tiene variabilidad en sus costos de importación. Por lo tanto, es posible que estén manejando de manera eficiente ciertos aspectos de su importación (como los fletes, seguros o aranceles) en ciertos períodos, pero en otros casos no logren optimizar estos costos, resultando en una mayor dispersión de sus puntos a lo largo del eje horizontal.

En general, se observa que la mayor densidad de datos está en el lado negativo, lo que sugiere que se logra un manejo eficiente en costos arancelarios que impactan el costo de importación.

Gráfica 10. Componente principal (PC2) por importador.

De manera complementaria, se explora la dispersión de los importadores en el plano conformado con los componentes principales (Ver Gráfica 11). Al colocar en el eje horizontal PC1 y en el eje vertical PC2, se definen cuatro cuadrantes:

  • Cuadrante 1 positivo-positivo (Superior derecha): Se trata de importadores con altos costos de importación tanto en aranceles como en costos logísticos. Son los más ineficientes.

  • Cuadrante 2 negativo-positivo (Superior izquierda): Se ubican allí los importadores eficientes en temas logísticos asociados al PC1, pero ineficientes en los costos arancelarios.

  • Cuadrante 3 negativo-negativo (Inferior izquierda): Son los importadores eficientes en sus costos de importación tanto en temas logísticos como en arancel.

  • Cuadrante 4 positivo-negativo (Inferior derecha): Hace referencia a los importadores con altos costos de aranceles, pero buen manejo logístico.

Gráfica 11. Distribución de importadores por componentes principales PC1 y PC2.

Gráfica 11. Distribución de importadores por componentes principales PC1 y PC2.

Análisis de Actores vs Variables de Costos de Importación de Azucar

Por otra parte, en la Gráfica 12, se observan los importadores con mayor número de operaciones reportadas durante la ventana de tiempo estudiada. Esta gráfica permite identificar la participación de los principales importadores. Se identifican dos actores importantes que son DISTRINAL e INDUSTRIA NACIONAL DE GASEOSAS, con 191 operaciones y 121 respectivamente.

Gráfica 12. Número de operaciones por importador.

Lo anterior se relaciona con los costos totales de importación (Ver Gráfica 13), donde los costos mayores están concentrados en estos dos importadores DISTRINAL e INDUSTRA NACIONAL DE GASEOSAS.

Gráfica 13. Ranking de importadores por costos totales de importación.

Gráfica 13. Ranking de importadores por costos totales de importación.

Por otro lado, en la Gráfica 14 se observa la distribución del costo total de importación en pesos colombianos por departamento en el cual está registrado el importador. Aquí se muestran 8 departamentos, de los cuales es notorio el protagonismo de los importadores matriculados en el departamento del Valle del Cauca, seguido por Bogotá y Norte de Santander.

Gráfica 14. Costo total de importación por departamento de la razón social importadora.

Gráfica 14. Costo total de importación por departamento de la razón social importadora.

Este resultado es muy lógico, por varios aspectos:

  • a) El hecho de que la industria azucarera en Colombia este localizada en el Valle del Cauca, generó el surgimiento de empresas comercializadores de azúcar, que a través del tiempo se fortalecieron, convirtiéndose en grandes comercializadores que en el sector se les denomina Mayoristas.

  • b) Estas empresas que surgieron de manera informal y poco estructurada, fueron fortaleciéndose junto con la industria azucarera, convirtiéndose hoy en empresas con una fuerte presencia en el mercado y una buena estructura organizacional y con una alta capacidad técnica.

  • c) En las condiciones actuales del mercado y el fortalecimiento técnico de estas empresas, les ha permitido buscar escenarios de proveeduría que les haga mas competitivos. Es así como han desarrollado una capacidad relevante en el escenario de importación e incluso de exportación desde y hacia países de la región.

Adicionalmente, se puede asegurar que las operaciones de importación de azúcar, es intensiva en capital. Durante el período de análisis, se observa que el total de operaciones realizadas en valor CIF es de $71.3 millones de dólares. Los costos totales de importación durante el mismo periodo ascienden a $ 83.9 millones de dólares. En la Gráfica 15, se presentan los datos en pesos. Se observa que la distribución global del costo total de importaciones tiene como valor máximo 20.08 billones de pesos y una mediana de 1.5 billones de pesos.

Gráfica 15. Distribución global del costo total de importación.

Gráfica 15. Distribución global del costo total de importación.

Al realizar el análisis por departamento (Ver Gráfica 16), se observa que estos costos están principalmente concentrados en los departamentos del Valle del Cauca, Norte de Santander y Bogotá, que, como se ha señalado previamente, son los que registran un mayor número de operaciones de importación. No obstante, surgen nuevos actores, como Antioquia, Cundinamarca, Bolívar y Nariño.

Gráfica 16. Distribución del costo total de importación por departamento.

Gráfica 16. Distribución del costo total de importación por departamento.

En términos de la dispersión de los costos de importación por departamento (Ver Gráfica 17), el Boxplot muestra una alta concentración de costos en Valle del Cauca, lo cual se explica por el volumen de operaciones, seguido por Bogotá, donde se observan datos más dispersos y atípicos, así como un costo promedio mayor que en el Valle del Cauca. De igual manera, Norte de Santander muestra un costo mas bajo y menor dispersión. Finalmente, Atlántico muestra una mayor variabilidad en los costos y menos datos atípicos, lo que hace suponer que son aquellos que han mantenido costos de importación mayores.

Gráfica 17. Boxplot de distribución del costo total de importación por departamento.

Gráfica 17. Boxplot de distribución del costo total de importación por departamento.

Con base en la información obtenida, se realiza un análisis con mapa de calor por los departamentos más relevantes en costos, pero ahora considerando el proveedor (exportador) relacionado. Se observa para el Valle del Cauca (Ver Gráfica 18), que el menor costo se presenta de manera más consistente con TIMBRO SWISS S.A. y el costo mas alto se presentó con EDF MAN SUGAR LTD. Sin embargo, en general, se evidencia, desde la perspectiva de los importadores, gran variabilidad. En este sentido, se puede decir que DNI DISTRINAL S.A.S. ha tenido operaciones con costos favorables y otros no tanto, es decir, este importador ha transitado por varios escenarios de costo.

Gráfica 18. Mapa de calor costo total de importación por importador y proveedor para el Valle del Cauca.

Gráfica 18. Mapa de calor costo total de importación por importador y proveedor para el Valle del Cauca.

Por otra parte, al revisar el mapa de calor para el costo por tonelada (Ver Gráfica 19), se observa que la mayoría de los datos transitan en los costos bajos, aunque se hace notorio el mayor costo en ABC TRADING LTD, que en la mayoría de las operaciones reporta costos altos.

Gráfica 19. Mapa de calor costo total de importación por tonelada importador y proveedor para el Valle del Cauca.

Gráfica 19. Mapa de calor costo total de importación por tonelada importador y proveedor para el Valle del Cauca.

Para la ciudad de Bogotá (Ver Gráfica 20), se observa que en general los costos totales se encuentran en el espectro de costos mas bajos. Es notorio que RIAZEN TRADING S.A., se constituye en el proveedor con el que se relacionan los costos totales de importación mas altos.

Gráfica 20. Mapa de calor costo total de importación por importador y proveedor para Bogotá.

Gráfica 20. Mapa de calor costo total de importación por importador y proveedor para Bogotá.

En términos de costos de importación por tonelada para Bogotá (Ver Gráfica 21), se observa que la mayoría de los costos están en la escala inferior y que el proveedor relacionado con el mayor costo es FIMENICH CIA LTD. Esto sugiere que el costo total que arroja RAIZEN en la figura previa, está relacionado con el tamaño del embarque y no con el costo unitario.

Gráfica 21. Mapa de calor costo total de importación por tonelada importador y proveedor para el Bogotá.

Gráfica 21. Mapa de calor costo total de importación por tonelada importador y proveedor para el Bogotá.

Siguiendo con Norte del Santander (Ver Gráfica 22), el costo total más alto está relacionado con el proveedor INTERNATIONAL FOOD COOMODITY y, por otra parte, el importador INDUSTRIAS ALIMENTICIAS EL PALACIO, transita entre costos medios y con menos frecuencia en valores altos.

Gráfica 22. Mapa de calor costo total de importación por importador y proveedor para Norte de Santander.

Gráfica 22. Mapa de calor costo total de importación por importador y proveedor para Norte de Santander.

En contraste, al analizar el costo por tonelada (Ver Gráfica 23), se observa que los proveedores que ofrecen menores costos por tonelada son SAKAR TRADING LLC Y KAITA COMMODITIES CORP. El proveedor relacionado con el mayor costo de importación es EBC TRADING LLC. Esto implica que los dos proveedores que se reportan con mayores costos de importación en la figura previa, están relacionados con el tamaño del embarque.

Gráfica 23. Mapa de calor costo total de importación por tonelada importador y proveedor para Norte de Santander.

Gráfica 23. Mapa de calor costo total de importación por tonelada importador y proveedor para Norte de Santander.

Conclusiones

El análisis gráfico de los datos de importaciones permitió establecer las relaciones más importantes en términos de costos de importación, con resultados relevantes. En general, se identificaron los importadores más importantes en términos de las operaciones y los costos totales en valores CIF y valores de aduana. Los 83 millones de dólares, resultantes de los costos totales de importación, reflejan la magnitud de la operación durante el periodo analizado.

Al identificar los costos promedio de importación por tonelada, permite concluir sobre la mayor eficiencia obtenida por los importadores y exportadores. Es claro que existen exportadores más eficientes en costos que otros en las diferentes regiones del país. Se puede observar, además, el liderazgo en las operaciones de importadores localizados en el Valle del Cauca, Bogotá y Norte de Santander.

La depuración de la base de datos es vital para el análisis adecuado. En este sentido, la estadística descriptiva permitió identificar tanto el número de operaciones realizadas durante el período de análisis como las estadísticas más relevantes de los elementos de costos asociados a la importación. Este análisis sugiere, entre otros aspectos, la necesidad de generar estrategias de cobertura para mantener la tasa de cambio del dólar controlada, por su impacto en la liquidación del arancel. Adicionalmente, se requiere definir estrategias de predicción del arancel, entendiendo que muchas de las importaciones tuvieron arancel cero, se hace notorio el impacto en el costo por la aplicación del arancel variable. Este arancel, que oscila entre 0 y 11%, muestra una asimetría hacia la derecha que implica fijar estrategias para lograr menores costos asociados a este rubro. Por otra parte, se hace evidente la necesidad de generar estrategias de negociación en términos de precios FOB, fletes y seguros, por el impacto en la liquidación de la importación.

Finalmente, se puede concluir sobre la necesidad de desarrollar modelos predictivos de costos utilizando estrategias como regresión y Machine Learning, considerando el impacto que las diferentes variables tienen sobre el costo global de importación.