Estrategia 2020

El ámbito económico empresarial en el horizonte 2020 Universidad de Zaragoza Zaragoza, diciembre 2010

Documento de reflexión para el desarrollo de propuestas de líneas estratégicas en el ámbito económico-empresarial

Investigador Responsable Dr. Manuel Espitia Escuer Dpto. Dirección y Organización de Empresas

Equipo Investigador D. Daniel Arribas Bel Dpto. Análisis Económico Dra. Marta Fernández Olmos Dpto. Dirección y Organización de Empresas Dra. Carmen Marcuello Servós Dpto. Dirección y Organización de Empresas Dra. Marisa Ramírez Alesón Dpto. Dirección y Organización de Empresas Dr. Fernando Sanz Gracia Dpto. Análisis Económico

Universidad de Zaragoza

2 ÍNDICE

1. Introducción p. 5

2. Modelo de Delta: modelo de desarrollo estratégico p. 9 empresarial

3. La Política de la Unión Europea en materia de desarrollo p. 21 urbano desde un enfoque económico y empresarial.

4. Caracterización socioeconómica comparada de la ciudad de p. 33 Zaragoza y su entorno. 4.1 Introducción 4.2 El método del mapa auto-organizable: ¿qué es y cómo interpretarlo? 4.3 Zaragoza en el contexto de su entorno europeo 5. Análisis de la convergencia de la oferta empresarial p. 49 comparada de la ciudad de Zaragoza en el marco Europeo 5.1 Introducción 5.2 Análisis de la convergencia entre países 5.3 Análisis de la convergencia entre áreas 6. Análisis de la diversidad de la oferta empresarial comparada p. 69 de la ciudad de Zaragoza en el marco Europeo 6.1 Introducción 6.2 Análisis de la diversidad empresarial por países 6.3 Análisis de la diversidad empresarial por áreas 7. Conclusiones p. 85

8. Bibliografía p. 91

9. Anexo p. 97 Apéndice 1: El algoritmo del mapa auto-organizable: una descripción técnica Apéndice 2. Ciudades empleadas Apéndice 3. Variables empleadas Apéndice 4. Especificaciones del algoritmo empleado Apéndice 5. Localización de plantas de automóviles o componentes en Europa Apéndice 6. Información estadística de las variables por área geográfica

3 4

1. Introducción

5 Estrategia 2020 Ámbito económico empresarial

6

Este documento tiene como objetivo aportar elementos de debate para el desarrollo de propuestas de líneas estratégicas en el ámbito económico-empresarial en el contexto de la “Estrategia de Zaragoza y su Entorno en el horizonte 2020”.

Se ha planteado el marco de análisis en términos comparativos con otras áreas geográficas de referencia de los países de la Unión Europea donde aparezca como industria dominante una fábrica de automóviles o de componentes de relevancia. Esta característica presenta como elemento diferenciador la dinamicidad inducida por la propia factoría, la de los sectores conexos y relacionados y de otros sectores de apoyo a la industria de referencia.

La caracterización socioeconómica se ha fundamentado sobre la comparación de ciudades en base a la estructura de su población, la estructura de su oferta de empleo y otras variables de tipo socioeconómico.

La observación de homogeneidades entre áreas con esta característica común pondría de manifiesto que esta industria dominante fuera el condicionante absoluto de la estrategia de localización de empresas en su área geográfica de influencia. En cambio, la observación de comportamientos heterogéneos entre distintas áreas pondría de manifiesto que no se da este condicionamiento absoluto de la industria dominante.

La observación de una oferta poco diversificada y vinculada con la industria de referencia podría ser un indicativo de riesgos potenciales inducidos por esa industria, que revelaría una falta de flexibilidad estratégica en la cartera de empresas del área para hacer frente a situaciones problemáticas de cara al futuro.

Todo ello nos lleva, en el marco del análisis estratégico del área de referencia, a plantear movimientos de cara al futuro con el objetivo de consolidar y/o mejorar el posicionamiento competitivo de las empresas e industrias con mayor proyección de futuro.

El informe se ha estructurado en cinco partes de forma que cada una de ellas tiene su propia entidad y se han fundamentado a partir del modelo conceptual y formal conocido como “modelo Delta”. El modelo Delta a diferencia de otros modelos de análisis estratégico se concibe como un modelo colaborativo para obtener un resultado que sea considerado positivo para los agentes que en él participan. Sin embargo, la mayoría de los modelos de desarrollo empresarial se fundamentan en intensificar la competencia y derivar de esa intensificación los mejores resultados para aquellos que aparezcan como ganadores del proceso. El modelo Delta, al igual que los demás modelos de análisis estratégico, está concebido originalmente para su aplicación en el ámbito de la empresa pero en este trabajo se ha realizado una aproximación a un ámbito supraempresarial en el que se plantean las propuestas a nivel de un área determinada.

7 Estrategia 2020 Ámbito económico empresarial

La idea de tomar como referente el modelo Delta supone que en el mapa estratégico diseñado por los agentes con capacidad de influir en este ámbito, se pretende llegar a un nivel de excelencia empresarial en el que se dé la integración y consolidación de preferencias y aspiraciones de todos los agentes. La aproximación al sistema consolidado propuesta por el modelo supone ir desarrollando movimientos en el sentido de orientar las decisiones desde la zona de mejor producto hacia la de integración entre los agentes, como etapas previas que sustentan y dan contenido al movimiento estratégico.

El marco legal define las líneas entre las que cabe enmarcar las actuaciones de las autoridades públicas como agentes relevantes e impulsores del desarrollo estratégico de las áreas sobre las que gobiernan. El marco definido en el ámbito de la Unión Europea necesariamente constituye un referente de primer orden que hay que conocer y comprender a los efectos de su influencia en el entorno sobre el que definir las líneas estratégicas de cada área geográfica.

La propuesta de reflexión que se realiza en el documento se desarrolla en los siguientes apartados. A continuación se presentan brevemente los fundamentos teóricos del modelo Delta para el desarrollo empresarial y que sirven como base del conjunto del informe. Los factores generales que, relacionados con la ciudad de Zaragoza, se plantean en los apartados cuatro, cinco y seis son los siguientes. En el apartado 3 se revisan las principales publicaciones y normativas relacionadas con el desarrollo económico y empresarial de las ciudades en la Unión Europea con el objetivo de mostrar el marco general de desarrollo de las mismas. El apartado 4 tiene como objetivo realizar un diagnóstico económico comparado de la ciudad de Zaragoza con el entorno de las ciudades de la Unión Europea. Para ello, se utiliza la base de datos Urban Audit y las variables seleccionadas se refieren a aspectos económicos, demográficos y de estructura de la población. Los apartados 5 y 6 tienen como objetivo caracterizar los factores de ciudad específicos relativos a la oferta empresarial. La base de datos de referencia es Amadeus de la que se han extraído variables de actividad y empleo a nivel de empresa. La metodología desarrollada permite, mediante el análisis comparativo con otras áreas metropolitanas europeas, conocer la posición estratégica de Zaragoza y su área de influencia.

8

2. Modelo de Delta: modelo de desarrollo de la estrategia empresarial

9 Estrategia 2020 Ámbito económico empresarial

10 El análisis estratégico ha desarrollado diversas metodologías, una de las más reconocidas recientemente es la que está detrás del llamado modelo Delta. La propuesta de este modelo parte de la idea de que lo relevante es llegar a conseguir la integración completa del sistema formado por demandantes y oferentes en un marco en el que prevalece la consecución de un elevado nivel de satisfacción mutua.

El punto de vista es diferente al tradicional en el que frecuentemente se ofrecen productos estandarizados y los clientes pasan a ser considerados como uno más. La “Commoditization” es una amenaza real y a menudo un resultado inevitable dada la imitación de los competidores. Es usual que las empresas fragmenten su negocio y ofrezcan productos que no tienen ninguna conexión en sí, con el fin de manifestar su presencia en ámbitos diversos.

En el marco del modelo Delta (Hax y Wilde, 2003), se parte de una posición de mejora del producto, en lugar de ofrecer productos y servicios estandarizados y despersonalizados al cliente, se pretende ofrecer soluciones de cartera de productos y servicios que proporcionen valor a un cliente determinado. En vez de actuar en forma independiente, se fomenta la asociatividad entre quienes constituyen la empresa. En vez de entrar en conflicto, se busca la cooperación que establece la vinculación deseada con los clientes. En este caso no es la cadena de distribución la relevante sino la cadena completa en la que se incluye a la empresa, los clientes y los proveedores clave. No es la capacidad para desarrollar productos en la empresa lo relevante para innovar, en cambio, sí lo es el desarrollo conjunto con nuestros clientes, ellos son los elementos centrales en nuestro éxito. En la parte superior del triángulo, está la opción estratégica que se aspira a conseguir, la que se llama “System Lock-In”. En este caso se considera a toda la red como nuestro foco. Lograr “complementors share” como objetivo final y como fuerza impulsora a una economía sistémica. Cuando se llega a conseguir esta posición integrada se desactiva la salida de los clientes y la entrada a nuevos competidores.

Sobre la base de este modelo se pretenden analizar algunos de los factores estratégicos relevantes en la configuración de la oferta empresarial del área de Zaragoza con el fin de comprender en que medida se perciben movimientos a lo largo de la delta del modelo que induzcan a pensar en aproximaciones en la dirección del System Lock-in.

Para ello se analizará en base a la metodología de diversificación de producto de Varadarajan (Varadarajan, 1986) la configuración estratégica del tejido empresarial, con ello se pretende tener un diagnóstico de la situación global de la cartera empresarial en cuanto al nivel de diversidad de la misma. El análisis comparado con otras ciudades europeas de referencia puede dar lugar a un escenario comparativo del que derivar comportamientos tipo o modelos de referencia.

Las empresas siguen estrategias de localización tratando de obtener beneficios en base a su localización. Los beneficios diferenciales pueden explicarse por diferencias en factores locales de precios o características de la mano de obra. Los beneficios obtenidos por las empresas y sus variables explicativas están en la base de la mayor parte de los modelos sobre los que se fundamentan los aspectos propios de la localización.

11 Estrategia 2020 Ámbito económico empresarial

En los modelos clásicos, se pone de manifiesto que las empresas tratan de localizarse en las zonas en las que sea posible un acceso a diversos mercados. El mercado potencial es un indicador de la accesibilidad a tales mercados. La rentabilidad de una determinada región depende de dos ingredientes básicos, el coste marginal de producción y el mercado potencial real (Combes el al., 2008).

En definitiva son varios los factores que pueden contribuir a explicar la diversidad empresarial de un área determinada:

a) Elección de la localización.- Las empresas se distribuyen en el espacio disponible de acuerdo con la accesibilidad relativa a las regiones de su entorno, teniendo en cuenta las diferencias regionales en costes y servicios. Las empresas, en particular las multinacionales, deciden su localización en un corto lapso temporal y tienen la capacidad de reconsiderar esta decisión, cuestión que no es posible para el caso de una empresa con dimensión reducida.

b) Efecto del mercado local.- La existencia de beneficios diferenciales positivos entre las regiones resulta incompatible con la existencia de un equilibrio espacial a largo plazo. La tendencia a la igualación de los beneficios entre regiones puede darse por la vía de la relocalización de empresas que podría dar como resultado la emergencia de una actividad económica más intensa en regiones con mayor mercado potencial.

c) Precios locales de los factores.- Otra forma de ajustar los beneficios puede derivarse de precios de producción elevados que pueden anular el efecto de mercados potenciales accesibles.

d) Migraciones.- Si se observa el hecho de un aumento de los salarios por una mayor accesibilidad a los mercados potenciales cabría esperar movimientos migratorios puntuales, como del núcleo a la periferia. Este efecto estará condicionado a la movilidad espacial de los trabajadores.

e) Estabilidad de las estructuras espaciales.- Los modelos de economía espacial se caracterizan por la existencia de múltiples equilibrios estables. Esto implica que determinados shocks pueden ser capaces de mover la economía de la zona de un modelo a otro.

La combinación de los modelos clásicos con el modelo de análisis estratégico Delta permite derivar un marco de análisis en el que el propósito o guía de actuación sigue la línea conceptual del modelo en un marco de análisis geográfico, con las empresas como agentes relevantes, al considerar la diversidad empresarial como la cartera de una unidad económica de orden supra-empresarial.

12

Figura 2.1

Modelo Delta: Tres opciones de posicionamiento estratégico

Consolidación del Sistema

Integración con el Cliente Mejor Producto/Servicio

Mejor Producto/Servicio: El cliente se ve atraído por las caracterís cas del producto o servicio, ya sea porque supone una ventaja en precio o por la diferenciación que a que dan lugar sus caracterís cas dis n vas. La relación con el cliente es la mas débil ya que es muy probable que aparezcan otros compe dores que lo ofrezcan a menor coste o con mas caracterís cas.

Integración con el Cliente: En esta opción se trata de conocer con profundidad a los clientes o demandantes del servicio para desarrollar propuestas de valor para los mismos ofreciendo un conjunto de productos y servicios que incrementen el valor que perciben.

Consolidación del Sistema: Es el posicionamiento de alcance mas amplio al incorporar toda la cadena de clientes proveedores y complementadores, de forma que se consolidad el sistema completo

Hax, A. & Dean Wilde “The Delta Model: Towardd a Unifie Fr a m e w o r k of Strategy”. Sloan School of Management, Sept. 2002

13 Estrategia 2020 Ámbito económico empresarial

Siguiendo a Hax (2003), la opción final es la que se llama intercambio dominante en el marco del modelo, en ella se desarrolla un vínculo muy estrecho entre las empresas, clientes y proveedores. Todo ello se estructura en cuatro etapas:

Etapa 1.- La necesidad de cambio organizacional. Empezar por el cambio de modelo conceptual en el que la percepción que surge del triángulo es muy directa. Las competencias que se requieren para un posicionamiento exitoso en la estrategia del mejor producto o servicio consisten en tener un producto de base consolidado, una cadena de suministro sólida y capacidades de innovación interna.

Etapa 2.- Repensar el proceso de compromiso con el cliente. En algunos casos se ha podido percibir que la estrategia del mejor producto no iba a ninguna parte, dado que el negocio se estaba diversificando hacia otros ámbitos y no se estaban generando ventajas competitivas sostenibles en los mercados finales. Entonces se orientaron los esfuerzos de la institución hacia la solución total para el cliente.

La elaboración de un cuidadoso proceso de segmentación del cliente permite identificar diferentes sectores. El siguiente paso consiste en identificar, para cada segmento del mercado, grupos de clientes a los cuales dirigirse, con distintos grados de prioridades, reconociendo las actitudes que los clientes tenían para aceptar la solución total para el cliente.

Como ejemplo, una definición de tres segmentos: a.- Primer segmento objetivo: clientes conscientes de la productividad, que requieren soporte para mejorar la productividad, reducir costes e incrementar las ventas. b.- Segundo segmento objetivo: clientes conscientes del coste, que no producen en la economía a escala deseada si no aumentan las ventas. d.- El segmento menos deseable: clientes conscientes de los precios, que compran al que ofrece el menor precio.

Esta segmentación es crítica porque no se puede tratar a cada segmento de igual forma. La mejora continua y el aprendizaje conducen al estado siguiente del ciclo.

La lección que se deriva de esta estrategia es no tratar a cada cliente por igual, vender soluciones y no productos, documentar, involucrar al equipo ejecutivo para desarrollar relaciones de largo plazo, basadas en aprendizaje, confianza y beneficios mutuos.

14 Etapa 3.- El proceso adaptativo, relacionar la estrategia y la ejecución

En la dirección ejecutiva de una empresa, la ejecución es “todo”. “¿Cómo se logra esta acción?”. Depende de la alineación con la estrategia diseñada en cada ámbito de negocio. El principal obstáculo para la ejecución es no tener el alineamiento de las actividades de la ejecución.

Existen tres procesos de negocios que captan la tarea de la ejecución:

a. Efectividad Operacional (OE): Éste proceso es responsable de la entrega de productos y prestación de servicios al cliente. Se preocupa de los costes y la infraestructura como soporte del negocio. Búsqueda de la eficiencia y de la productividad.

b. El cliente como meta (objetivo) (CT): El objetivo de este proceso es satisfacer, atraer y retener al cliente. El objetivo es identificar clientes con ciertas características “positivas” y asesorarlos en cuanto a reducir costos y/o aumentar sus ganancias.

c. Innovación (I): Este proceso asegura un continuo flujo de nuevos productos y servicios que mantienen la viabilidad del negocio. La idea es estar renovando procesos como una forma de mantener la competitividad y las ventajas del negocio.

15 Estrategia 2020 Ámbito económico empresarial

Figura 2.2

Modelo Delta: Posicionamiento estratégico de Singapur

Sistema Intercambio Dominante: Consolidado: ‐Nudo de relaciones entre economías importantes ‐Puerta de acceso a y desde Asia Canal Exclusivo: ‐Vínculos con las mayores economías Bajo Coste: ‐Acuerdos de libre comercio ‐Bajo coste de mano de ‐Accesos dentro y fuera de Asia obra ‐Bajos impuestos personales y Amplitud Horizontal: empresariales ‐Amplio y diversificados agentes económicos ‐Dinámica de crecimiento en manufactura y servicios

Mejor Producto/ Integración con el Servicio: Cliente: ‐Entorno favorable ‐Eficaciaie y efic nci a de ‐Capital humano de calidad las ins tuciones públicas ‐Empresariado innovador Integración con los ‐Infraestructuras ‐Visión a largo plazo clientes: ‐Nivel educa vo y ‐Competencia y flexibilidad ‐Redes de expansión forma vo elevado ‐Regulación, Norma va e internacional Infraestructura de ‐Prác cas contables y de telecomunicaciones de primer conformidad internacionales nivel.

Fook‐Chuen Ow, “The Delta Model Analysis of the Compe veness of Singapore Inc.”, 15.902 research paper, Fall 2005

16

Etapa 4- La formula del modelo Delta

Concentrarse en el cliente. Por medio de un proceso de segmentación clasificando previamente a los clientes en base a un conocimiento cabal de la situación económica de cada grupo (buscar la fidelidad).

Definir la estrategia más apropiada que determina el programa de acción a seguir. Asegurarse de los apropiados alineamientos con los tres procesos adaptativos.

Seleccionar la estrategia más apropiada posicionándose entre las tres opciones- Mejor producto, solución total del cliente y el sistema Lock- In.

Con todo ello, el modelo Delta consiste en una estructura de estrategia integrada. Es un proceso integrador para formular y ejecutar la estrategia, que se configura en base a seis elementos diferenciales con respecto a los demás modelos de análisis estratégico.

1.- El Triángulo: Capturando la visión del negocio

La primera de las tareas y la más compleja consiste en capturar la esencia de la posición estratégica; en otras palabras, es el desarrollo de la visión del negocio. Las tres aristas del triángulo ayudan a identificar la estrategia del negocio.

2.- La Misión: Definición del negocio y las competencias

La misión incluye dos claves de decisión: definir el negocio dónde se determina el marco en el que competir y desarrollar las competencias centrales del negocio, que determinan los recursos y las capacidades necesarias para tener éxito.

Existen dos tipos de información bien definida y articulada en la misión del negocio:

- Primero, el objetivo del negocio deriva de una visión de la competencia actual y futura en cuanto a productos, cobertura, clientes y presencia geográfica.

- Segundo, las competencias esenciales se basan en los recursos intangibles y tangibles necesarios para alcanzar la posición competitiva deseable. La misión incluye los cambios que el negocio necesita realizar para adaptarse a las circunstancias cambiantes. Si no hay cambios en la misión, existen pocas posibilidades de sobrevivir en este mundo dinámico.

17 Estrategia 2020 Ámbito económico empresarial

3.- La Estructura de la Industria: Comprender y negociar con las fuerzas externas.

Analizando las variables de la estructura de la industria, se trata de captar las principales fuerzas externas. El modelo de las 5 fuerzas de Porter ayuda a entender las estrategias desarrolladas por los agentes que pertenecen a una determinada industria.

El modelo Delta critica y promueve modificaciones a las 5 fuerzas. Primero, la Rivalidad y la mentalidad de que “el ganador se lleva todo”. Segundo, plantea la cuestión, ¿qué tipo de industria se debería analizar?. El modelo Porter observa la industria en la que esta inserta la empresa. Obviamente esa industria siempre es relevante para los negocios. Sin embargo, usando el modelo Delta no sólo se visualiza la propia industria. El modelo extiende el análisis a las industrias en que sus clientes están insertos y trata de completar la oferta para cubrir las necesidades del cliente.

4.- Posicionamiento Competitivo: Diseñar las actividades para obtener resultados.

Después de analizar las 5 fuerzas externas que son parte de la industria y entendiendo las oportunidades y amenazas del entorno, se hace necesario definir una fuerte posición competitiva que responda al entorno. Nuevamente el modelo de Porter es importante como punto de partida, ya que permite identificar las actividades que son más importantes para obtener ventajas competitivas y desarrollar programas de acción para lograr las capacidades necesarias.

En el modelo Delta la solución total al cliente pretende encontrar la cadena de valor conjunta con los proveedores y los clientes, buscando la manera de enriquecer y mantener la relación.

En el sistema Lock-In, se observa más allá de la industria hasta concebir la oferta como un “todo” con todos sus complementos relevantes. El desafío es crear mecanismos donde las cadenas de valor formen una perfecta unión (captabilidad). Una vez más la estrategia esta centrada en la cooperación y unión (fidelización).

5.- La Agenda Estratégica: Especificando las tareas del negocio.

Los pasos previos del modelo Delta:

La selección de la estrategia preferida, la misión del negocio, el análisis de la estructura de la industria, y el posicionamiento competitivo, proveen un respaldo importante para el desarrollo de una agenda estratégica comprensiva. Esta debe incluir las líneas de acción dirigidas a alcanzar los objetivos estratégicos del negocio. La agenda debe definir cada tarea con suficiente claridad, de manera que se puedan comunicar con precisión a través de la organización. Debe identificar los indicadores necesarios y objetivos asociados con cada tarea y el mecanismo de supervisión.

18 Observaciones: Primero, la agenda es dinámica, esta sujeta a revisiones continuas. Segundo, debe ser comunicado a través de la organización. La comunicación dentro de una organización es elemental para lograr alinear los propósitos del negocio y las acciones individuales de los participantes.

6.- El Proceso Adaptativo: Alineando la estrategia con la ejecución.

La agenda estratégica integra todas las tareas necesarias que son requeridas para determinar las direcciones (objetivos) del negocio. El proceso adaptativo va más allá. Entra en los detalles de la ejecución en la organización. Esto garantiza los alineamientos de la estrategia y la ejecución.

Figura 2.3

Modelo Delta: Posicionamiento Estratégico

Consolidación del Sistema

Mejor Producto/Servicio Integración con el Cliente Visión

Análisis de Relaciones con Clientes

Misión: Alcance del Negocio Competencias

Análisis de la Red de Valor Externa Análisis de la Red de Valor Interna

Formulación de la Estrategia: Mapa Estratégico Plan Estratégico de Negocio Cuadro de Mandos Estratégico

Ges ón de Relaciones con Clientes

Ges ón de Operaciones Ges ón de Innovaciones

Ges ón de Relaciones con otros Agentes

Puesta en Marcha de la Estrategia: Plan Estratégico de Negocio Cuadro de Mandos Estratégico

19 Estrategia 2020 Ámbito económico empresarial

La referencia al modelo Delta pretende ser la guía conceptual que dé sentido a los apartados que configuran este trabajo. Este modelo podría ser el referente para el análisis completo de la estrategia del área metropolitana y cada una de las partes suponen eslabones en el camino de desarrollo estratégico a llevar a cabo. Originalmente desarrollado para un análisis estratégico de empresa, también ha sido utilizado como metodología de desarrollo estratégico para áreas geográficas determinadas, como se muestra en la figura anterior. Se concibe en este marco la actuación coordinada entre los agentes empresariales y las agencias de desarrollo, con el fin de que las propuestas de cada agente no se lleven a cabo de forma independiente y deslavazada y que den lugar a un conjunto de actuaciones coordinadas, con el objetivo último de consolidar el sistema en su conjunto. A partir de este modelo, en este informe no es posible abarcar todas las cuestiones necesarias para realizarlo de forma completa para el caso de Zaragoza y su área metropolitana. Por ello, a continuación, se presentan los elementos que son considerados clave y que permiten iniciar el análisis propuesto desde este enfoque: factores generales del entorno (normativa y comparación con las ciudades europeas) y factores de ciudad específicos referidos al análisis socioeconómico de la demanda, al análisis de la oferta empresarial comparada con otras áreas metropolitanas europeas junto con el análisis de su posición estratégica. El eslabón final de este análisis consistiría en posicionar en el gráfico del modelo la situación del área de análisis en el punto correspondiente de las aristas del triángulo. Este posicionamiento gráfico podría ser el punto de partida para el diseño de las actuaciones posteriores que dieran sentido al conjunto de estrategias y políticas a desarrollar para alcanzar la consolidación completa del sistema.

20

3. La Política de la Unión Europea en materia de desarrollo urbano desde un enfoque económico y empresarial.

21 Estrategia 2020 Ámbito económico empresarial

22 En el conjunto de documentos y propuestas en materia de las nuevas estrategias futuras de la Unión Europea las ciudades aparecen como una de los elementos fundamentales. No solamente en Europa, sino también a nivel mundial, las ciudades han adquirido un protagonismo muy elevado en las sociedades de forma que “en un planeta donde ya existen 23 ciudades cuya población excede los cinco millones de habitantes, donde las urbes de un millón de habitantes ascienden a 284, y en el que aproximadamente los dos tercios de la población mundial viven en ciudades de 100.000 o más habitantes, puede considerarse ya que la realidad dominante es la urbana y que no es concebible ninguna alternativa a los modelos de desarrollo actuales que no ofrezca respuestas a los problemas planteados por el desarrollo urbano” (Velázquez y Verdaguer, 2003).

La Unión Europea recoge también esta idea y, además, ha establecido una relación estrecha entre las cuestiones medioambientales, la calidad de vida de los ciudadanos y la ciudad tal y como lo expresa la European Environment Agency-EEA (2009): “Cuatro de cada cinco europeos viven en zonas urbanas y su calidad de vida está directamente influenciada por el estado del medio ambiente urbano”. Conseguir un medio ambiente urbano de gran calidad contribuye hacer posible una de las prioridades de la nueva Estrategia de Lisboa para "hacer de Europa un lugar más atractivo para trabajar e invertir”. Y que se recoge también en la propia Carta de Aalborg de Ciudades Europeas hacia la Sostenibilidad en donde se indica que el objetivo es "integrar el medio ambiente con el desarrollo social y económico para mejorar la salud y la calidad de vida de nuestros ciudadanos”.

Asimismo, en los documentos y propuestas europeas en materia de desarrollo de las ciudades atienden diferentes aspectos introduciendo elementos como la cohesión social EC (2006a), la calidad de vida (EC, 2007a y 2007b) y la contribución de las ciudades al crecimiento económico y a la creación de empleo EC (2006b).

23 Estrategia 2020 Ámbito económico empresarial

Cuadro 3.1: Principales documentos relacionados con el desarrollo económico y empresarial de las ciudades en la Unión Europea

EC — European Commission, 2006a. Community strategic guidelines on cohesion. Council Decision of 6 October 2006 (2006/702/EC). OJEU L 291, 21.10.2006.

EC — European Commission, 2006b. Cohesion policy and cities: the urban contribution to growth and jobs in the regions. COM (2006) 385 final.

EC — European Commission, 2006c. Thematic Strategy on the urban environment. COM (2005) 718 final.

EC — European Commission, DG Regional Policy, 2007a. Survey on perceptions of quality of life in 75 European cities. Brussels.

EC — European Commission, DG Regional Policy, 2007b. State of European cities report. Brussels.

EC — European Commission, 2007c. Green Paper: Towards a new culture for urban mobility. COM (2007) 551 final. Brussels 25.9.2007.

EC — European Commission, 2007d. The urban dimension in Community policies for the period 2007–2013. Brussels. www.ec.europa.eu/regional_policy/sources/docgener/ guides/urban/index_en.htm [accessed April 2009].

EC — European Commission, 2008a. Fostering the urban dimension: analysis of the operational programmes co-financed by the European Regional Development Fund (2007–2013). Working document of the Directorate-General for Regional Policy. Brussels 25 November 2008.

EC — European Commission, 2008b. Green Paper on territorial cohesion: turning territorial diversity into strength. COM (2008) 616 final. Brussels, 6.10.2008.

EEA— European Environment Agency (2009): Ensuring Quality of life in Europe’s cities and towns. Tackling the environmental challenges driven by European and global change, EEA, Copenhagen ISBN: 978-92-9167-994-2

En este conjunto de ideas, destaca la propuesta de Eurofound (2004)1 en el desarrollo de las Encuestas sobre Calidad de Vida en Europa que comenzaron en el año 2003. En la primera encuesta se investigó sobre 8 categorías referidas a las situaciones de la vida individual en 25 Estados miembros. Estas categorías no cubren todos los aspectos, pero son las más relevantes para una descripción completa de la calidad de vida, tanto en su dimensión objetiva y subjetiva. En concreto son los siguientes: • Situación económica • Vivienda y el medio ambiente local • Empleo y educación • Estructura de los hogares y las relaciones familiares

1 Eurofound, (2004) Quality of life in Europe www.eurofound.europa.eu/pubdocs/2004/105/en/1/ef04105en.pdf.

24 • Equilibrio trabajo-vida • Salud y atención sanitaria • El bienestar subjetivo • La calidad percibida de la sociedad

Así, en este conjunto de propuestas, para el desarrollo de las ciudades y la mejora de la calidad de vida de los ciudadanos, siempre aparece, o bien la situación económica como uno de los factores relevantes, o el desarrollo empresarial o la capacidad de creación de empleo. Es decir, el aspecto económico y empresarial siempre está presente en las estrategias de desarrollo de las ciudades junto con otros aspectos tan esenciales como el transporte, la calidad del aire, la salud, la formación, etc.. En concreto, en el texto de 2008 de los Gobiernos Locales por la Sostenibilidad se expresa a través del gráfico siguiente la idea de sostenibilidad especialmente conectada con la actividad económica al servicio de la calidad de vida de las personas.

Es más, algunos trabajos se plantean desde la idea de que “Las ciudades viven a costa de sus territorios y éstos dependen cada vez más de las ciudades para su subsistencia, en una relación desigual dominada por los flujos de energía, de materia y de personas que confluyen en los núcleos urbanos” (Velázquez y Verdaguer, 2003). Mientras que hay ya experiencias y acciones concretas para el desarrollo de las ciudades a partir de las propuestas de la UE y se está fomentado el intercambio de experiencias entre ciudades europeas con mejores prácticas en esta idea.

Sin embargo, la mayoría de los trabajos que hablan de estrategias de desarrollo de las ciudades no entran en detalle en los asuntos económico-empresariales y se centran principalmente en las otras categorías detalladas por Eurofound. Por tanto, para conocer cuál es el marco para establecer cuáles deben ser las líneas estratégicas de desarrollo de las ciudades europeas en el ámbito económico-empresarial, hay que acudir a la Estrategia de Lisboa y la Estrategia de Gothenburg. En las dos tablas siguientes se muestra el resumen realizado por EEA (2009) de estas dos estrategias.

25 Estrategia 2020 Ámbito económico empresarial Tabla 3.1: Principales Políticas Europeas relacionadas con las ciudades (EEA, 2009)

Áreas de actuación política Empresa Empleo y asuntos sociales Agricultura y desarrollo rural Objetivo Hacer a la UE más competitiva y una economía Contribuir al desarrollo de un modelo social europeo La promoción de un sector agrícola fuerte y dirigida por el aprendizaje dinámico moderno, innovador y sostenible con más y mejores puestos competitivo. de trabajo en una sociedad inclusiva basada en la igualdad de Contribuir al desarrollo sostenible de las zonas oportunidades. rurales. Compromisos 2008 0.6 11.5 54.1 en millones de euros Estrategias y principales Comunicación: Agenda Social Política Agrícola Común directivas relacionadas con los temas urbanos Poner el conocimiento en 2005-2010. la práctica: Una amplia base para la estrategia de Europea de Empleo innovación de la Unión Europea. Estrategia y Directrices de empleo Comunicación: Implementar el Programa Comunitario de Lisboa - Más investigación e Innovación - Invertir en el crecimiento y el empleo: Un Enfoque común. Programas, Programa Plurianual de la Empresa y Fondos Estructurales FEADER 2007 a 2013 instrumentos El espíritu empresarial. ETAP - Medio Ambiente 2007-2013: - Desarrollo rural y financiación Tecnología Plan de Acción. Fondo Social Europeo (12,9 millones de euros). AGF - ayudas directas, (Compromisos de Y la competitividad Marco para la Innovación (11,1 millones de euros). de apoyo al mercado (36,8 millones de euros). 2008) Programa (0,1 millones de euros). Relación con otras Política regional, Política regional y económica Política regional, empleo, medio ambiente, salud políticas europeas el empleo, medio ambiente y protección del consumidor. Impactos potenciales en la situación urbana Mejora de la calidad Apoyo a la innovación ecológica en las ciudades. Reducir las disparidades económicas, sociales y territoriales Asegurar los diferentes de la vida Mejora de la eficiencia energética. y fortalecer la cohesión económica y social servicios de los zonas rurales para las ciudades: Apoyo a la libre circulación de trabajadores. suministro de alimentos, disponibilidad de agua, naturaleza, ocio, etc. Posibles efectos secundarios no deseados Puede conducir al Efectos probables en: El desarrollo rural, los bajos precios de desarrollo de nuevos por ejemplo, el medio ambiente dependerá de la las tierras agrícolas, una mejor accesibilidad zonas residenciales e manera cómo el crecimiento puede estimular más la ciudad “sprawl” infraestructuras alrededor de los nuevos clusters y el empleo sea redefiniendo la interacción con las ciudades. industriales. promovido.

Contribución de las ciudades a la situación Las ciudades son el motor del desarrollo europeo y el Proporcionar la mayoría Proporcionar servicios socioeconómicos europea lugar donde la mayoría de empresas operan de puestos de trabajo y los servicios socioeconómicos. y culturales para las zonas rurales. Mercado de productos agrícolas.

26 Tabla 3.1 (continuación)

Áreas de actuación política Política regional / Transportes y Medio ambiente Salud y protección del Investigación cohesión energía consumidor

Objetivo Mejorar el atractivo de las Proporcionar a los ciudadanos europeos Garantizar un nivel elevado Garantizar un alto nivel de Contribuir a alcanzar regiones europeas, fomentar la y las empresas servicios de transporte de protección del medio protección de salud de los los objetivos de las otras innovación, el espíritu empresarial, con energía competitiva ambiente. consumidores, seguridad y de políticas comunitarias el crecimiento del conocimiento Contribuir a un los intereses económicos, así y crear más y mejores puestos de nivel de calidad de vida algo como de salud pública en

trabajo. y al bienestar social Nivel de la Unión Europea. para los ciudadanos Compromisos 2008 36.6 2.8 36.6 2.8 0.4 0.7 4.0 en millones de euros Estrategias y principales Estrategias recogidas en las Libro Verde sobre la urbana Estrategia temática sobre Hacia un Plan Estratégico 7 º Programa Marco de directivas relacionadas con los Directrices 2007-2013 transporte (2007). el medio ambiente urbano. Enfoque para la UE Investigación temas urbanos de los Fondos Estructurales. Directiva relativa a la Varias directivas sobre: 2008-2013. Libro Verde sobre la eficiencia energética de • La calidad del aire ambiente; Europea de Medio Ambiente la cohesión territorial edificios • ruido ambiental; Salud y estrategia. (2008). 2002/91/CE. • el Marco del Agua Política del Consumidor Comunicación sobre Estrategia para la simplificación • Directiva; Estrategia 2007-2013. Política de cohesión y de la reglamentación en • El agua residuales urbanas ciudades: la población urbana medio ambiente (2005). • tratamiento; contribución al crecimiento • Gestión de Residuos; y al empleo en la región • Normas de emisiones, (2006) • etc Programas, Fondos Estructurales Redes Transeuropeas EAP-La Sexta Programa comunitario El 7 º PM todos los paquetes instrumentos 2007-2013 (de manera explícita de transporte Medio Ambiente en el ámbito de la salud pública relacionados con la y financiación incluidos los urbanos (RTE) - Apoyo financiero en Programa 2002 - 2008-2013 investigación de la UE proponer (Compromisos de desarrollo): el de 2008: 2012. (0.045 millones de euros). iniciativas, para jugar un papel 2008) Fondo de Cohesión 0,9 mil millones de euros). Programa LIFE + - Programa de acción crucial en el desarrollo de (8,1 millones de euros) Energía inteligente - Instrumento de Financiación medio ambiente y salud objetivos de crecimiento, FEDER - Europeo Europa programa para el Medio Ambiente 2004-2010. de competitividad y de Desarrollo Regional (0,07 millones de euros en - 2007 a 2013 (0,25 Programa del Consumidor empleo. Fondo (27.5 mil millones de la UE 2008). millones de euros). 2007-2013 (0,02 millones de euros) Relación con otras Apoyar a otras políticas: Política regional Base de la calidad de vida - La salud pública es base de la Apoyo a las demás políticas con políticas europeas transporte, la energía (Accesibilidad), la energía, Enlaces a casi todas las políticas calidad de vida - Enlaces a casi nuevos conocimientos economía, el empleo, medio ambiente, salud, todas las políticas medio ambiente empresa Política regional (Accesibilidad), la energía, medio ambiente, salud, empresa

27 Estrategia 2020 Ámbito económico empresarial Tabla 3.1 (continuación)

Áreas de actuación política Política regional / Transportes y Medio ambiente Salud y protección del Investigación cohesión energía consumidor

Impactos potenciales en la situación urbana

Mejora de la calidad Ciudades más fuertes, atractivas Mejora de la accesibilidad Reducir el impacto del cambio Establecer un marco El apoyo de las ciudades de la vida y competitivas ; de las ciudades por carretera, ferrocarril, climático y la contaminación de alto nivel de protección de la proporcionando el conocimiento Renovación de las ciudades; aéreo, marítimo. asegurando un medio ambiente salud de los consumidores, necesario Desarrollo policéntrico del Establecer el marco urbano para un sano seguridad, así como de territorio mejor transporte. Establecer un marco de apoyo la salud pública. Promoción de la energía sostenible, para el desarrollo urbano: equipos y su penetración en el mercado. patrón de consumo, precios adecuados, etc Posibles efectos secundarios no Puede fomentar modelos de vida Pueden promover una expansión urbana Puede impedir algunos Puede obstaculizar la deseados insostenibles en el Oeste de con mayores distancias necesitando desarrollos insostenibles o producción y distribución de Europa: demanda de transporte, todavía más transporte. comportamientos del algunos (peligrosos) productos aumento del consumo de energía y Una aplicación desequilibrada puede consumidor y servicios. materias primas, expansión urbana. aumentar la cuota del transporte por La competencia entre ciudades, carretera en relación a otros modos. regiones

Contribución de las ciudades a Las ciudades son el motor Organizar un transporte urbano eficiente Apoyo con acciones en materia Contribuir con sus Proporcionar los casos prácticos la situación europea de Europa el desarrollo. y respetuoso con el medio ambiente de medio ambiente para obtener propias medidas para elevar para la investigación. Aumentar la eficiencia energética de las un alto calidad del medio los niveles de la salud pública. viviendas y el transporte urbano. ambiente en toda Europa. Fuente: EEA (2009)

28 A partir del resumen realizado por EEA (2009) del papel de las ciudades en las principales políticas europeas y atendiendo solamente a los ámbitos definidos de Empresa, Empleo y el sector agrícola y el resto de políticas europeas se puede observar cómo se considera que la contribución de las ciudades a la sociedad europea se fundamenta en los siguientes aspectos: - Empresa: Las ciudades son el motor del desarrollo europeo y el lugar donde la mayoría de empresas operan. - Empleo y asuntos sociales: Proporcionar la mayoría de puestos de trabajo y los servicios socioeconómicos - Agricultura y desarrollo rural: Proporcionar servicios socioeconómicos y culturales para las zonas rurales. Ser el mercado natural de los productos agrícolas. - Política regional / cohesión: Las ciudades son el motor del desarrollo en Europa. - Transportes y energía: Organizar un transporte urbano eficiente y respetuoso con el medio ambiente Aumentar la eficiencia energética de las viviendas y el transporte urbano. - Medio ambiente: Apoyo con las acciones en materia de medio ambiente una alto calidad del medio ambiente en toda Europa. - Salud y protección del consumidor: Contribuir con sus propias medidas para elevar los niveles de la salud pública. - Investigación: Proporcionar los casos prácticos para la investigación.

En las tablas anteriores se pone de manifiesto la estrecha conexión de las ciudades con todas las políticas de ámbito europeo. En el ámbito económico-empresarial se les otorga un papel crucial para el desarrollo de empresas, creación de empleo y ser un mercado para los productos procedentes de las zonas rurales y a su vez proporcionar la oferta de servicios a estas mismas zonas. Con todo ello, quedan un conjunto de propuestas generales que las ciudades deben desarrollar y adecuar a sus características. Hübner (2006) propone que las ciudades en Europa: pueden tomar medidas para promover el espíritu empresarial, la empleabilidad y el crecimiento de la economía del conocimiento. Se pueden establecer asociaciones locales, incluidos los planificadores, empresas, universidades y la comunidad local.

En este sentido las recomendaciones que se realizan en el documento EC (2006c)2 proponen dos grandes ejes estratégicos en materia económico empresarial con respecto a las ciudades: a) El apoyo a la innovación, el espíritu empresarial y economía del conocimiento; y b) más y mejores empleos. A continuación se presentan tal y como se expresa en el documento:

2 Extraído de European Commission, 2006c. Cohesion policy and cities: the urban contribution to growth and jobs in the regions. COM(2006) 385 final. p. 7

29 Estrategia 2020 Ámbito económico empresarial

Eje estratégico A: Apoyo a la innovación, el espíritu empresarial y economía del conocimiento

Las ciudades suelen constituir un entorno propicio para la innovación y para que las empresas puedan prosperar pero es necesario tomar medidas que propicien un entorno favorable. En este sentido, el valor añadido de las acciones que se pongan en marcha en las propias ciudades tienen que ver con una mejor información sobre las características específicas del entorno empresarial.

A.1 Acciones para las PYME y las microempresas Directrices para acciones: - El fomento de las empresas requiere la mejora de la infraestructura económica. Esto incluye el transporte y la accesibilidad, la regeneración y la renovación de los edificios, parques empresariales, viveros de empresas y centros comerciales. - Suministro de asesoramiento y servicios de apoyo a empresas, incluidas las empresas sociales y de Economía Social. Esto incluye el apoyo en la adopción y uso eficiente de las nuevas tecnologías, la promoción de parques científicos, de centros de comunicación y de las TIC. También incluye el apoyo y acompañamiento a la empresa en los ámbitos de la gestión, marketing, asistencia técnica, contratación y otros servicios profesionales y comerciales. - La promoción de sistemas de cooperación entre socios locales - incluidas las empresas, sindicatos, universidades, ONG, institutos de formación y la comunidad local. mecanismos para compartir conocimientos y la experiencia son ayudados por la existencia de redes de apoyo. Organizar talleres, redes y exposiciones es una buena manera de ayudar a los socios potenciales. - Mejorar el acceso a la financiación. En particular a través de asociaciones entre las autoridades locales, los inversores, los proveedores de servicios y las PYME pueden facilitar la puesta en común de instrumentos financieros y no financieros, para satisfacer las necesidades locales. Existen diferentes instrumentos además de las subvenciones como los sistemas de microcréditos, los fondos de garantía para el reparto de riesgos, fondos para el asesoramiento y la formación. Las ciudades pueden ser agentes de primer orden en este ámbito y en coordinación con las iniciativas financieras regionales y nacionales. - La colaboración con grupos específicos, como los jóvenes empresarios, grupos de mujeres o grupos desfavorecidos y las minorías étnicas es esencial. - Las autoridades públicas y las ONG pueden desempeñar un papel de mediador, para detectar las necesidades y actuar, por ejemplo, como observadores de la calidad y el impacto de los proyectos.

30 A.2 Innovación y economía del conocimiento al servicio del crecimiento Directrices para acciones: - Las ciudades deberían atraer y retener a los trabajadores del conocimiento y, en general, una parte importante de los residentes titulados superiores. Es necesario cuidar aspectos fundamentales que orientan la elección de los trabajadores como son el atractivo de una ciudad en términos de transporte, servicios, medio ambiente y la cultura. - Las ciudades deben jugar un papel de liderazgo en la preparación de una estrategia de innovación para la región. Podrán también, en su caso, tomar la iniciativa en apoyar o llevar a cabo su propia investigación. - Se propone que las ciudades también pueden participar en proyectos de I + D (7PM) y apoyar la introducción de innovaciones tecnológicas. - Las ciudades deberían actuar para que la innovación regional de Investigación y Desarrollo Tecnológico y la oferta educativa sea más eficiente y accesible para las empresas locales, especialmente las PYME y las empresas sociales. - Las ciudades pueden estimular y coordinar las asociaciones y agrupaciones de excelencia con universidades y otras instituciones de educación superior, la creación de viveros de empresas, empresas conjuntas y parques científicos. - Las ciudades pueden desarrollar una estrategia de sociedad de la información integrada y equilibrada. El objetivo de luchar contra la brecha digital, en línea con los objetivos de la nueva iniciativa de i20105 (en la administración electrónica, comercio electrónico, e-learning, alfabetización digital, e-inclusión y e-accesibilidad), así como con las estrategias de información regionales y nacionales de la sociedad. - Las ciudades deberían apoyar la rápida adopción de las innovaciones ecológicas y la gestión ambiental. La inversión en este ámbito permitirá a las empresas europeas la oportunidad de construir una posición de liderazgo en un sector en crecimiento.

Eje estratégico B. Más y mejores empleos

B.1. La paradoja de las ciudades: muchos puestos de trabajo, pero un elevado desempleo

La paradoja es que las ciudades concentran a la vez las necesidades y oportunidades. Las personas altamente cualificadas están sobre-representadas en las ciudades, pero también hay muchas personas con pocas habilidades y niveles de cualificación bajos.

Directrices para acciones: - Los Fondos Estructurales pueden, en el marco de la convergencia de las acciones del objetivo de apoyo, fortalecer la eficiencia de la capacidad institucional a nivel local y regional y particularmente en la prestación de los servicios públicos y administrativos. En concreto, fomentando la

31 Estrategia 2020 Ámbito económico empresarial

mejora de sus capacidades de análisis y acción, por ejemplo, las ciudades deben ser capaces de utilizar los sistemas y herramientas de análisis necesarios para adelantarse a los cambios económicos y sociales que tendrán lugar a nivel local y regional. También deberían adoptar medidas para mejorar la eficiencia de la administración, mediante ventanillas únicas y agrupación de diversos servicios. - Desde el nivel local y en colaboración con las regiones y estados se deberían promover medidas para crear empleo y luchar contra el desempleo conjuntamente. - Las ciudades deberían apoyarse en sus fortalezas. En especial, pueden crear asociaciones y pactos para el empleo y la innovación, reuniendo a los principales actores -los representantes electos, líderes empresariales, organizaciones no gubernamentales, grupos de interés y las universidades - a participar de forma positiva y dinámica en el desarrollo social y económico. - Las ciudades deberían luchar contra sus puntos débiles favoreciendo la empleabilidad entre los grupos de población que tienen dificultades para encontrar por ejemplo, acceso al empleo mujeres, jóvenes, trabajadores mayores, las minorías étnicas, parados de larga duración, las personas sin hogar y discapacitados.

32

4. Caracterización socioeconómica comparada de la ciudad de Zaragoza y su entorno

33 Estrategia 2020 Ámbito económico empresarial

34

4.1.- Introducción

El mundo actual es un mundo esencialmente urbano. Las protagonistas de los procesos de crecimiento económico y de generación de renta son las ciudades. Aún más, autores como Gyourko y otros sostienen que las ciudades son una especie de bien de lujo (Gyourko et al., 2006), de forma que si su población crece, digamos, un X%, la renta lo hace un Y%, siendo Y>X. En este contexto, es anecdótico pero sumamente significativo que los investigadores Gregory Fulkerson, Lobby Morris y Ron Wimberley de North Carolina State University y la University of Georgia fecharan el 23 de mayo de 2007 como el primer día en la historia de la humanidad en que la población urbana en el mundo (3,303,992,253 personas) supera a la rural (3,303,866,404 personas). Ahondando en esta idea, la Figura 4.1 pone de manifiesto que el proceso de urbanización en los últimos sesenta años ha sido un fenómeno imparable, tanto en las regiones más desarrolladas como en las menos desarrolladas.

Figura 4.1: Porcentaje de población urbana

Fuente: United Nations, Population Division

Aún más, existe un cierto consenso acerca de que el proceso de urbanización ha ido de la mano con el de industrialización y el de un crecimiento sostenido y duradero, de forma que los tres hechos económicos se determinan y causan de forma más o menos simultánea.

Los párrafos previos sirven perfectamente para justificar el análisis que se lleva a cabo en este documento. Si el mundo vigente es sobre todo urbano, tiene interés, por definición, estudiar una ciudad, en nuestro caso Zaragoza, y compararla, mediante variables socioeconómicas, demográficas y culturales, con otros núcleos urbanos similares en tamaño y ubicados en su entorno geográfico de referencia, a saber, Europa.

El estudio aquí presentado, que utiliza una técnica novedosa y muy adecuada para nuestros fines como es el SOM (self organising map, véase la sección siguiente. y el Apéndice 1, permite detectar puntos fuertes y débiles; en definitiva, aspectos en los que somos competitivos con las ciudades europeas de parecida dimensión, y otros en los que el ámbito para la potencial mejora es amplio. Las implicaciones de política urbana de todas estas conclusiones son, en consecuencia, difíciles de exagerar.

35 Estrategia 2020 Ámbito económico empresarial

Todo ello resulta, a nuestro juicio, clave para poder definir con la información correcta y con técnicas estadísticas que dotan de rigor y objetividad al análisis, la estrategia óptima en el área económico-empresarial del área metropolitana de Zaragoza en el horizonte temporal 2010-2020, que no deja de ser el objetivo prioritario de EBRÓPOLIS y al que este documento quiere aportar algo de luz.

Este apartado se articula como sigue. La sección segunda describe con detalle la base de datos utilizada, que es Urban Audit, facilitada por EUROSTAT y que constituye la mejor base disponible actualmente para ciudades europeas. El apartado tercero explica, de manera divulgativa, la metodología utilizada, en otras palabras, qué es el SOM y para qué sirve. La sección cuarta es la de resultados y en ella se profundiza en la relación de Zaragoza con el resto de ciudades europeas de nuestra muestra a partir del estudio comparativo de factores demográficos, económicos y culturales.

El objetivo principal de este trabajo es realizar un análisis comparado de Zaragoza en el entorno de ciudades Europeas con características comparables. Para ello, se sirve de la base de datos Urban Audit3, el es esfuerzo más sólido y fiable, hasta la fecha, de obtener más de 300 indicadores para una muestra representativa y consistente de ciudades europeas. Esta sección describe de manera breve la base de datos utilizada, así como las ciudades y variables empleadas para el análisis justificando, en todo momento, su elección.

4.1.1. ¿Qué es el Urban Audit?

El proyecto Urban Audit es coordinado por EUROSTAT y nació por iniciativa del Directorado-General para Política Regional de la Comisión Europea (DG REGIO), en cooperación con EUROSTAT y las oficinas de estadística nacionales de los 25 Estados Miembro más Bulgaria y Rumania. Su objetivo es proporcionar información fiable y comparable de algunas áreas urbanas seleccionadas entre los Estados Miembro de la Unión Europea y los Países Candidato (EUROSTAT, 2004). Para ello, se propuso crear y mantener una base de datos estadísticos urbanos para 258 ciudades en 27 países europeos. El primer Urban Audit se realizó en 2003 y, en 2004, la base se amplió a los diez nuevos Estados Miembro más Bulgaria y Rumania.

Actualmente, Urban Audit proporciona datos para tres periodos en el tiempo: 1989-1993, 1994-1998, 1999-2002 y 2003-2006. Sin embargo, particulamente en los dos primeros, existe gran cantidad de series incompletas, encontrándose algunas de ellas prácticamente inservibles. De entre todas las ediciones realizadas hasta la fecha, el periodo que cuenta con mayor disponibilidad de datos es el comprendido entre 1999 y 2002, en el que se puede encontrar el número más alto de indicadores para más ciudades.

La base de datos contiene alrededor de 300 indicadores, derivados de otras tantas variables, que abarcan los siguientes campos: demografía, sociedad, economía, participación cívica, formación y educación, medioambiente, viaje y transporte, sociedad

3Más información en: urbanaudit.org

36 de la información, cultura y ocio. Dentro de cada categoría existe una gran variedad indicadores que recogen información acerca de diferentes aspectos de cada uno de los bloques más generales.

4.1.2. ¿Qué se entiende por ciudad y cuáles se utilizan en la comparación?

Urban Audit ofrece información en tres niveles de resolución espacial diferente: las “Ciudades Centrales” (o “Core Cities”), que se corresponden con la definición administrativa; las “Zonas Urbanas Más Grandes” (ZUMG o LUZ por su abreviatura anglo-sajona de Larger Urban Zone), que son una aproximación de la zona urbana funcional y hacen referencia al área metropolitana; y, por último, los “distritos Sub- Urbanos” (o “Sub-City Districs”) que recogen áreas entre 5.000 y 40.000 habitantes dentro de una ciudad y, en la medida de lo posible, son internamente homogéneas.

Puesto que la resolución espacial no es un aspecto clave en el contexto de este estudio y que el grado de disponibilidad de datos no es el mismo para cada uno de los tres niveles, se ha tratado de maximizar el segundo para poder contar con una base de datos lo más amplia y completa posible. Por ello, tras un examen cuidadoso de cada uno de ellos, se ha optado por la delimitación administrativa (“core city”). Esta demarcación se asocia con la municipalidad, es decir, aquella que es responsable del gobierno local. En general, ésta viene representada por el concepto de Unidad Administrativa Local (“Local Administrative Unit”) de nivel 2, antiguamente las NUTS de nivel 5 (uaMethods).

Figura 4 2: Ciudades analizadas

NOTA: En la imagen no aparecen las siguientes ciudades turcas: Antalya, Gaziantep, Kayseri, Konya y Diyarbakir. Aunque sí existen estadísticas y han sido incluidas en el análisis, EUROSTAT no suministra datos geográficos para las mismas.

Puesto que lo que se pretende es comparar a Zaragoza con su entorno de ciudades europeas y ver dónde se situa en el mapa cuando se la pone en relación con otras de características similares, la muestra a elegir es de gran relevancia. En este caso, se ha tomado el tamaño (medido por la población) como el elemento que define el marco de

37 Estrategia 2020 Ámbito económico empresarial

trabajo. Así, este estudio considera todas las ciudades dentro de la base de datos Urban Audit que cuentan con una población entre medio (500.000) y un millón (1.000.000) de habitantes. La Figura 2 muestra un mapa con la distribución geográfica de aquellas elegidas y el Apéndice 2 ofrece una lista detallada de las mismas.

4.1.3. ¿Qué variables se utilizan en la comparación?

En este estudio se ha empleado una lista de 54 variables socio-económicas que tratan de caracterizar las ciudades elegidas de la manera más completa posible y amplia, abarcando aspectos económicos, demográficos y de estructura de población así como culturales. El objetivo principal es contar con el máximo número de características posible que describan una ciudad para poder establecer cuáles son similares, cuáles no, en qué aspectos lo son y dónde se sitúa Zaragoza en este contexto.

El proceso de selección ha estado guiado por dos principios generales: por un lado, contar con el mayor número de carácterísticas y lo más variado posible; por otro, obtener una base de variables con el mínimo número de datos incompletos posible, para que ninguna ciudad sea infra-valorada con respecto a otras al realizar la comparación. El conjunto final de variables, detallado en el Apéndice 3, fue el resultado de dicha selección, y aúna diversidad con un nivel de disponibilidad excelente, pues ninguna de las variables tiene una cobertura menor al 90% de las ciudades de la muestra.

4.2 El método del mapa auto-organizable: ¿qué es y cómo interpretarlo?

El algoritmo del mapa auto-organizable, o SOM por sus siglas anglo-sajonas (self- organising map), es una técnica de proceso de datos desarrollada por el grupo del profesor Teuvo Kohonen a partir de la década de los ochenta (Kohonen, 1982). Aunque su propósito inicial era estudiar la configuración espacial de las funciones del cerebro humano, su aplicación se ha extendido a un amplio abanico de campos y disciplinas diferentes, desde el análisis de patrones de voz a la visualización de grandes bases de datos financieros4. De manera sorprendente, su aplicación en las ciencias sociales no comenzó hasta bien entrados los noventa o principios de siglo5, lo que la convierte en una técnica novedosa en este área y muy prometedora. En esta sección se explica de manera lo más sencilla posible en qué consiste el método y cómo funciona, así como de qué manera se puede utilizar e interpretar. Para una explicación más detallada y técnica, el Apéndice 1, ofrece una descripción rigurosa.

4.2.1 ¿Para qué sirve el SOM?

El SOM es un algoritmo que se enmarca dentro de la familia de las redes neuronales artificiales, un conjunto de métodos inspirados en la forma en que funciona el sistema nervioso de los animales que utilizan, avances en computación para procesar y analizar

4 Oja et al. (2003) analiza 2092 referencias en diferentes campos que utilizan el algoritmo. 5 Algunos ejemplos incluyen Agarwal y Skupin (2007) o Yan y Thill (2009).

38 bases de datos de gran tamaño donde las observaciones cuentan con muchos atributos o dimensiones. La función principal del SOM es la reducción de tal base de datos sin pérdida de información relevante, de forma que el resultado final sea comprensible para el cerebro humano sin que ello conlleve pérdida de las características iniciales.

Antes de pasar al mecanismo propiamente dicho, es conveniente aclarar una serie de conceptos que agilizarán y harán más comprensible la explicación. La idea principal del SOM es que existe un espacio de entrada y uno de salida que se ponen en relación a través del algoritmo. El primero es el conjunto de datos iniciales que queremos procesar a través del algoritmo y que tiene varias dimensiones, tantas como atributos o variables tiene cada observación; el espacio de salida es el modo en que se representa el resultado del algoritmo, y normalmente se trata de una cuadrícula o malla de hexágonos a la que se llama red neuronal (cada uno de los hexágonos son también llamados neuronas) o, simplemente, mapa.

El objetivo del SOM es convertir el espacio de entrada en el de salida de forma que se mantenga toda la información relevante pero se represente de una forma comprensible. Para ello, el algoritmo se aplica a los datos iniciales en un proceso que se denomina entrenamiento, en virtud del cual el espacio de salida va adquiriendo de manera secuencial las propiedades del de entrada. Una vez finalizado, el resultado es lo que se denomina red entrenada o, simplemente, SOM. El mecanismo de aprendizaje artificial utilizado por el algoritmo está explicado de manera técnica en el Apéndice 1.

Este proceso de conversión del espacio de entrada en el de salida implica una reducción de datos en dos sentidos: del número de variables asociadas a cada observación y del número de observaciones. Por un lado, el número de atributos, dimensiones o variables que cada observación tiene son reducidas a dos, pues el espacio de salida es un plano únicamente con anchura y altura; es decir, toda la información de cada observación es colapsada en dos coordenadas dentro del mapa entrenado (x e y) que representan las características iniciales y que pueden ser puestas en relación con los puntos del resto de observaciones para compararlas entre sí y ver cuáles, en base a las variables o atributos empleados, son similares y cuáles y en qué forma difieren. Por otro lado, aunque en este trabajo no se explota esta característica del algoritmo, el SOM también puede ser utilizado para reducir el número de observaciones a través de lo que se conoce como método de agregación o, en inglés, clustering.

4.2.2 ¿Cómo se interpreta un SOM?

Una vez hemos aplicado el algoritmo y tenemos la red entrenada, estamos en condiciones de analizarla. Existen dos maneras principales para ello: una permite comparar las observaciones iniciales entre sí, y la segunda hace posible analizar más en detalle cada una de las variables utilizadas para la muestra; ambas pueden ser, también, combinadas.

La red entrenada es una representación bidimensional de toda la información contenida en los datos iniciales (de más de dos dimensiones). Gracias a ello, podemos localizar en la misma dónde se ubican cada una de las observaciones. Esto nos permite compararlas

39 Estrategia 2020 Ámbito económico empresarial

entre sí, pues el SOM preserva de manera topológica las características de cada una. De esta forma, el hecho de que dos observaciones se encuentren muy cercanas en el mapa entrenado puede ser interpretado como que ambas son muy parecidas en relación a las variables o atributos empleados en el proceso de entrenamiento; del mismo modo, el que dos observaciones se localicen de manera separada en el mapa implica que su grado de similitud es bajo. Esta característica nos permite dar respuesta a preguntas del tipo: ¿cuáles son las observaciones más similares dentro de la muestra? ¿Son parecidas las observaciones ’i’ y ’j’? ¿Existen grupos o clusters de observaciones similares?

Además, un SOM permite analizar la distribución e interrelaciones de las variables empleadas. La red entrenada puede ser vista como una superficie en la que los valores de cada una de las variables para cada una de las observaciones están distribuidos. Esto nos permite comparar las distribuciones de cada variable entre sí y estudiar qué tipo de patrones de asociación aparecen entre ellas. Gracias a este aspecto, podemos analizar cuestiones como: ¿están la variable ’x’ e ’y’ distribuidas a lo largo de la muestra de manera similar? En este punto, es interesante notar también que existe una relación entre tal distribución en el mapa entrenado y otras medidas estadísticas clásicas como, por ejemplo, el coeficiente de correlación: un coeficiente alto se verá reflejado en dos distribuciones muy similares mientras que, si las variables tienen una relación débil, las respectivas distribuciones serán diferentes. Sin embargo, la utilización del SOM aporta más información al análisis que otros métodos tradicionales entre otras razones porque, al contrario que el coeficiente de correlación, permite analizar con mucho más detalle qué ocurre con variables que están poco correladas y, por ejemplo, ver para qué observaciones los valores son similares aunque el grado de correlación global sea bajo.

Ambas técnicas pueden ser combinadas para visualizar de manera rápida e interactiva qué valores muestra cada una de las observaciones para cualquiera de las variables empleadas durante el entrenamiento. Esto permite estudiar qué observaciones se localizan en zonas con determinados valores de cualquiera de las variables empleadas y, así, responder preguntas del tipo: ¿cuáles son las observaciones que muestran valores más altos o más bajos de la variable ’x’? ¿qué valores muestra la observación ’i’ para la variable ’x’?

Las anteriores son particularidades que hacen del SOM un método muy útil para visualizar y analizar con detalle bases de datos en las que existen varias observaciones y, cada una de ellas, cuenta con una serie de atributos o variables. Por ello, su uso nos parece muy apropiado en este contexto, pues permite realizar una comparación rigurosa entre varias ciudades europeas y situar a Zaragoza en el “mapa”, nunca mejor dicho, de su entorno competitivo, destacando sus principales ventajas e inconvenientes y averiguando cuáles son sus principales competidoras (ciudades muy parecidas).

4.3 Zaragoza en el contexto de su entorno europeo

Una vez explicada la intuición detrás del método empleado, pasamos al análisis propiamente dicho de Zaragoza y su entorno competitivo de ciudades europeas. Para ello, realizamos un SOM; las especificaciones y detalles del algoritmo se pueden encontrar en

40 el Apéndice 4. Las variables utilizadas son las descritas en la Sección 4.1.3, que comprenden una serie de factores socio-económicos que nos permiten caracterizar de manera completa cada ciudad.

El primer paso consiste en analizar cómo se organizan dentro del mapa entrenado todas las ciudades analizadas. La Figura 4. 3 muestra precisamente eso: en una malla de hexágonos, las ciudades se encuentran distribuidas de manera que cercanía dentro de la malla implica similitud y, cuanto más alejadas se encuentren dos ciudades, más diferentes son. A primera vista, observamos que Zaragoza se encuentra en la zona central-izquierda y que la ciudad más similar de la muestra es la italiana Génova. Otras de las ciudades con características muy parecidas incluyen: Sevilla, Málaga, Palermo o Nápoles. Si observamos con más detalle, podemos distinguir como grupos de ciudades que, intuitivamente, parecen similares, efectivamente aparecen cercanas en el mapa. Así, la zona de inferior derecha del mapa agrupa las ciudades de Europa occidental y nórdica, englobando aquellas de países como Holanda, Noruega, Suecia, Finlandia o Alemania; del mismo modo, si nos imaginamos una franja diagonal que cruza la malla desde la parte inferior izquierda hasta la superior derecha, podemos localizar rápidamente otro grupo de ciudades de países como Francia, el Reino Unido, España o Italia; por último, la esquina superior izquierda aglutina las ciudades de Turquía y Polonia, así como las bálticas.

Figura 4. 3: SOM de Zaragoza y las ciudades de su entorno

El análisis anterior nos indica que tales grupos de países y las ciudades analizadas en ellos aparecen como similares dentro de ellos y diferentes entre sí; sin embargo, todavía no podemos discernir qué características son las que comparten, ni qué valores muestran cada grupo. Para ello, debemos analizar la distribución en el SOM de las variables

41 Estrategia 2020 Ámbito económico empresarial

empleadas, lo que nos permitirá obtener una idea más clara de qué características tiene cada zona del mapa. Las siguientes secciones analizan la distribución de algunas de las variables, las de mayor interés. Cada variable es representada sobre el mapa entrenado en una escala de colores creada a partir de cinco cuantiles, de forma que cada color contiene una quinta parte de los valores para esa variable. La escala va desde el verde claro hasta el azul oscuro, representando el primero los valores más bajos y el último los más altos.

4.3.1 Factores demográficos

Tanto por su interés propio como por su relevancia de cara a la fuerza de trabajo, una de las características principales de una ciudad es su estructura demográfica. Con objeto de obtener una buena idea de la misma y captar tantos aspectos como sea posible, el algoritmo ha empleado más de veinte de ellas. En este apartado mostraremos dos que nos parecen de especial relevancia: la proporción de población jóven y de población envejecida con que cuenta cada ciudad.

Figura 4.4: Variables demográficas

a.- Prop. población total entre 5 y 14 años.

b.- Prop. población total de más de 75 años.

42

La Figura 4.4 (a) muestra la distribución de la proporción de población joven, aquella que tiene entre 5 y 14 años. Esta ratio nos da una idea del potencial futuro que la ciudad tiene, pues muestra qué parte de la población está a punto de entrar a formar parte de la fuerza de trabajo. Existen tres grupos claros de ciudades que cuentan con un grado alto de jóvenes: uno localizado en la parte superior izquierda que engloba todas las ciudades turcas y bálticas, así como buena parte de las polacas; otro en la esquina superior derecha, donde ciudades como las francesas Toulouse o Bordeaux y la italiana Torino están localizadas; y un último en el centro de la parte inferior, donde se encuentran Nice, Nantes, Dortmund y Rotterdam. Al contratio que estas ciudades jóvenes, las ciudades escandinavas (zona inferior derecha) y algunas de las mediterráneas (Atenas, Sevilla, Valencia o Génova) muestran los valores más bajos. Zaragoza se encuentra en el segundo cuantil, lo que implica una proporción relativamente baja de población joven.

Muy relacionada con la anterior está la Figura 4.4 (b), que muestra la distribución de la proporción de la población con más de 75 años. Este indicador da una idea del grado de envejecimiento de la población y, aunque no es directamente inverso, es esperable que tenga cierta correlación (negativa) con el ratio de jóvenes. En efecto, la distribución que observamos es practicamente la opuesta a la de la Figura 4.4 (a): las ciudades que mostraban un porcentaje alto jóvenes también muestran, en general, uno bajo de personas de más de 75 años, y viceversa. Algunas excepciones son los casos de Nantes, Nice, Rotterdam y Dortmund que, aunque se encuentran en el cuantil más alto de población jóven, no se encuentran en el cuartil más bajo de población envejecida sino en el segundo más bajo o en el intermedio. En este caso, y de manera simétrica, Zaragoza se encuentra en el segundo cuartil más alto de porcentaje de población envejecida.

Como conclusión, en el aspecto demográfico, podemos decir que Zaragoza se encuentra en una situación intermedia dentro del conjunto de ciudades de la muestra, aunque con una ligera inclinación hacia una mayor proporción de población envejecida y una menor jóven.

4.3.2 Factores económicos

Existen pocas dudas acerca de la relevancia de la economía para la vida de una ciudad; en este apartado nos centramos en algunas de las variables económicas más relevantes que pueden caracertizarla. Del mismo modo que en el caso anterior, aunque para el algoritmo se emplearon unas treinta, únicamente se mostrarán las más relevantes y con un mensaje más claro y definido; ellas son: la renta per cápita, la tasa de desempleo y el peso de determinados sectores económicos.

43 Estrategia 2020 Ámbito económico empresarial

Figura 4.5: PNB per cápita (ec2001)

La Figura 4.5 muestra la distribución en el mapa entrenado de una de los indicadores más comúnmente utilizados para considerar el éxito económico: la renta per cápita. El mapa llama la atención porque parece un gradiente casi perfecto en el que los valores más altos se concentran en la esquina inferior derecha y descienden progresivamente conforme se acercan a la esquina superior izquierda. Esto implica que, a la distinción realizada a partir de la Figura 4. 33, ahora podemos añadir cierto contenido económico. En efecto, una de las razones que hacen a las ciudades agruparse del modo mencionado es su nivel de riqueza: aquellas con una renta per cápita mayor, escandinavas y alemanas principalmente, ocupan la zona azul más oscuro; aquellas en una situación intermedia, francesas, británicas y mediterráneas, entre las que se encuentra Zaragoza, se distribuyen a lo largo de una franja diagonal; y, por último, las ciudades polacas, bálticas y, particularmente, turcas, se agrupan en torno a la esquina superior izquierda, coloreada del verde más claro.

Figura 4.6: Tasa de desempleo (ec1020)

44 El segundo indicador empleado en este apartado es un que, en cierta medida, actúa en dirección contraria al del anterior en el sentido de que mide con qué grado la ciudad no es capaz de aprovechar al máximo sus recursos económicos. La Figura 4.6 muestra cómo se distribuyen los valores de la tasa de desempleo. En este caso, el “gradiente” observado no es tan claro como para la renta per cápita aunque, no obstante, el patrón es claro: el grupo de ciudades del Norte muestran las tasas más bajas y, progresivamente, éstas aumentan para el resto de ciudades, alcanzado las cotas más altas en el caso de las turcas, polacas y bálticas. La diferencia más clara aparece en la esquina inferior izquierda, en la que ciudades como Lisboa, Atenas e, incluso, Valencia, muestran un nivel de paro relativamente bajo. En este caso, Zaragoza aparece en una situación intermedia de nuevo, aunque más cercana a los niveles más altos de desempleo, pues se encuentra en el segundo cuantil más alto. A pesar de ello, ciudades del entorno más cercano, como podrían ser Málaga o Palermo, muestran tasas superiores.

Figura 4.7: Tasa de actividad femenina (ec1003)

La siguiente variable también está relacionada con el mercado laboral, aunque se puede entender más bien como un indicador del grado de inserción de la mujer en el mismo; estamos hablando de la tasa de actividad femenina. La Figura 4.7 muestra la distribución de la proporción de mujeres que se encuentran activas, ya sea trabajando o en búsqueda de empleo, en cada ciudad. La evolución de esta variable es similar a las anteriores: se trata también de un gradiente con los valores más altos en las ciudades más ricas de la muestra que desciende de manera casi monótona conforme se avanza hacia las más pobres. El único punto que “rompe” tal evolución aparece en la zona inferior izquierda, donde Lisboa muestra una tasa más alta de lo que, a primera vista, se esperaría del gradiente, dada su localización en el SOM. Zaragoza, una vez más, se encuentra en una situación intermedia aunque más cercana a niveles bajos, y las ciudades que comparten la misma situación con ella son cinco: Valencia, Génova, Torino y las polacas Wroclaw y Poznan. Es relevante también el hecho de que ciudades como Sevilla que, en otros

45 Estrategia 2020 Ámbito económico empresarial

aspectos como la renta per cápita, se encuentran en el ámbito de Zaragoza, muestran niveles más bajos. Figura 4.8: Sectores económicos a.- Proporción de empleo en comercio, hoteles, restaurantes

b.- Proporción de empleo en actividades de intermediación financiera

c.-Proporción de empleo en administración pública, salud y educación

d.-Proporción de empleo en construcción

46 Por último, vamos a caracterizar las ciudades en base al tipo de empleos que ofrecen. La Figura 4.8, muestra la distribución de la proporción de empleo dedicado a cuatro sectores económicos: comercio, hoteles y restauración (que llamaremos “turísticos” a partir de ahora); actividades de intermediación financiera; administración pública, salud y educación (“servicios públicos” desde ahora); y construcción. En este caso los cuatro gráficos serán comentados de manera conjunta dada su estrecha relación. El patrón de gradiente observado en otras ocasiones aparece para dos sectores y de manera inversa en cada uno de ellos: por un lado, los servicios turísticos muestran sus valores más bajos en las ciudades más ricas, las de la zona inferior derecha, y obtienen los más altos en ciudades del Sur y Este de Europa, que tradicionalmente han contado con un mejor clima y han basado buena parte de la economía en el turismo; por otro lado, las actividades de intermediación financiera, servicios avanzados y de alto valor añadido, por lo general, que requieren un mercado laboral con cierto grado de formación, se encuentran distribuidas de manera inversa, con valores máximos para las ciudades nórdicas y occidentales y mínimos para las turcas y bálticas. El caso de las subfiguras inferiores es algo más inusual. Los servicios públicos muestran los valores más altos en una franja diagonal que comprende ciudades francesas, holandesas y británicas, principalmente, así como las capitales meridionales (Lisboa, Atenas) y valores mínimos en las ciudades de la Europa mediterránea (Italia, España) y Turquía. Resulta remarcable que las ciudades ricas de la zona inferior derecha muestran valores relativamente bajos, a pesar de que, algunas de ellas (Oslo, Estocolmo), también son capitales. Por último, el caso más curioso sea, probablemente, el de la proporción del empleo dedicada a la construcción. La Figura 4.8 (d) presenta una distribución “atípica”, si se compara con las anteriores, en el sentido de que los grupos de ciudades que han tendido a diferir en mayor grado, las ricas de la esquina inferior derecha y las menos desarrolladas de la superior izquierda, comparten en este caso los valores más bajos. Los más altos aparecen en torno a las ciudades mediterráneas, italianas y españolas, así como a algunas polacas (Poznan, Cracovia).

Zaragoza también presenta características diferentes a las anteriores en lo que se refiere a su posición con relación a otras ciudades. Hasta ahora, siempre había sido una ciudad con valores medios, nunca extremos y acercándose más a las características de las cidudades mediterráneas, turcas y bálticas que a las de Europa Occidental y Escandinavia. Cuando consideramos la estructura de su empleo, aparecen casos en los que Zaragoza alcanza valores extremos: la proporción de empleo dedicado a actividades financieras se encuentra en el cuantil más bajo (verde claro), mientras que la dedicada a construcción en el más alto (azul oscuro). En lo que se refiere a las otras dos categorías, servicios públicos y turismo, Zaragoza aparece en situaciones intermedias, siguiendo el patrón observado hasta ahora: siempre más cerca de las ciudades con renta más baja que de las ricas. Estas desviaciones, sin embargo, reafirman la línea apuntada anteriormente: Zaragoza se encuentra más cerca de ciudades como Lisboa, Cracovia o Poznan que de otras como Hannover, Glasgow o Estocolmo. Sin embargo, como nota adicional, sería importante hacer notar que, aunque sí está más cerca de las primeras que de las segundas, su posición es intermedia; es decir, si consideramos estas últimas como más avanzadas o desarrolladas económica y socialmente, y las anteriores como menos, Zaragoza está más cercana de la cola que de la cabeza, aunque por delante de la cola.

47 Estrategia 2020 Ámbito económico empresarial

5. Análisis de la convergencia de la oferta empresarial del área de Zaragoza en el marco Europeo

48 49 Estrategia 2020 Ámbito económico empresarial

5.1. Introducción.

En este apartado se presenta un análisis de la convergencia de la oferta empresarial de la ciudad de Zaragoza y su área metropolitana, comparado con otras áreas europeas así como un análisis de la posición estratégica de la misma.

El análisis de la convergencia en la oferta empresarial en términos comparativos tiene como objetivo detectar los movimientos observados en los años de referencia del análisis en las áreas nacionales y regionales. De tales movimientos cabe inferir disparidades u homogeneidades entre áreas que podrían ser interpretables bajo la óptica de las estrategias de localización.

La convergencia entre áreas puede ser interpretable como una mayor homogeneidad en el tejido empresarial que suponga aproximaciones en el tamaño medio de las empresas como consecuencia de estrategias tales como las de subcontratación de actividades o la externalización de determinados procesos industriales.

La base de datos empresarial que se ha elaborado para la realización de este trabajo procede de la base europea Amadeus (que recoge información financiera y empresarial de las empresas públicas y privadas de Europa), de ella se han extraído las muestras de empresas que han servido de base para la realización de los modelos de Convergencia.

La base se ha configurado tomando como referencia básica las áreas europeas en las que existe una fábrica de automóviles o de componentes. La información procede de la European Automobile Manufacturers Association (véase Apéndice 5). Se identifican 63 regiones o áreas pertenecientes a 11 países para las que hay información en la base Amadeus. Se extrae toda la información empresarial, perteneciente a todos los sectores, existente en esas 63 zonas geográficas6. El volumen de información obtenido ha sido muy alto, se ha llegado a casi 11000 empresas de las que se dispone de toda la información necesaria.

Observaciones (empresas) 10.998 Ciudades 1.975 Regiones 63 Países 11

Las variables que son utilizadas en este estudio son las siguientes: Código NACE REv.2, Ingresos del año 2000, Ingresos del año 2008, Empleados del año 2000 y Empleados del año 2008. La dispersión entre empresas fabricantes es muy elevada así como entre empresas de componentes de la misma casa matriz, lo que da lugar a un panorama muy disperso de áreas, en las que existen fábricas en todo el ámbito europeo. En el Apéndice 6 se ha recogido los resúmenes estadísticos de las observaciones obtenidas por áreas.

6 Se establece como requisito que la empresa tenga más de 100 trabajadores en el año 2008, para garantizar la calidad de la información.

50 Es necesario matizar la notable dificultad que ha supuesto el tratamiento informativo de las empresas alemanas. Ha sido sorprendente que, a pesar de existir en la base muchas observaciones de empresas de este país, la muestra con información completa se ha reducido notablemente. Además existen algunas cuestiones particulares en el tratamiento de la información contable y los métodos de agregación de estas empresas. Por todo ello se hace necesario tomar con mucha cautela los resultados correspondientes a este colectivo.

La base resultante no pretende ser representativa de los países o regiones, sino que precisamente pretende ser el reflejo de cual es la estructura empresarial de esas áreas para utilizarlas como elemento de referencia y comparación.

El estudio de la evolución temporal permite poner de manifiesto cómo se han comportado las empresas instaladas en cada una de la áreas y si es posible derivar una cierta sistemática en su comportamiento. La existencia de comportamientos heterogéneos mostrará estrategias diferenciadas entre las empresas de cada área y pudiéndose observar agrupamientos estratégicos según las variables de referencia para distintos grupos de áreas geográficas. En este apartado se adopta una visión de empresa como agente económico relevante en el análisis, pero con una orientación regional. Es decir, el área Geográfica de la región en la que está instalada la empresa es la que constituye el hilo conductor del análisis; se adopta por lo tanto el punto de vista de la cartera de empresas que configuran el tejido empresarial del área de referencia, a imagen de la concepción de una empresa con respecto a sus cartera de negocios. La idea es que se produce una mayor interacción entre una empresa de cierta importancia y el área en la que se halla instalada que con otras áreas, la necesidad de abastecimientos de recursos próximos, de prestación de servicios en las propias instalaciones, etc., así lo justifican. En consecuencia la cartera de empresas se verá influida por esa circunstancia en mayor medida cuanto mayor sea la importancia relativa de la instalación industrial dominante.

Tradicionalmente, los modelos competitivos desarrollados en las economías nacionales obedecían a las condiciones propias de cada una de estas economías. La disponibilidad de los factores productivos y las condiciones nacionales de oferta y demanda constituían los determinantes básicos del éxito empresarial. Por ello, una modificación de las circunstancias que afectase a estos factores, conllevaría modificaciones que se verían reflejadas en las estrategias empresariales.

En la actualidad, las empresas operan en un entorno económico con mercados globalizados y, por tanto, hacia la integración de las diferentes economías nacionales. Así, se ha pasado de sectores de competencia local o multidoméstica, en los que la competencia en un país es esencialmente independiente de la competencia en otros países (Porter, 1986a y b), a sectores de competencia global donde existe una interdependencia creciente entre los diferentes mercados nacionales (Ghoshal, 1987). Por ello, en circunstancias de economías nacionales abiertas, como las que se están dando entre los países desarrollados, las políticas comerciales y de inversión de las empresas se desarrollan bajo parámetros diferentes a los puramente nacionales o regionales y el

51 Estrategia 2020 Ámbito económico empresarial

proceso de integración genera una creciente rivalidad internacional a la que las empresas necesariamente se adaptan.

Como indica la teoría de la competencia, existe una relación inversa entre rivalidad empresarial y resultados de las empresas. La obtención de resultados extraordinarios por parte de las empresas de un determinado ámbito económico, estimulará la producción de las empresas establecidas en el mercado y atraerá a nuevos competidores, produciéndose un incremento de la oferta que hará disminuir los precios y, por tanto, el nivel de resultados. Por el contrario, cuando el nivel de beneficios obtenidos por las empresas no sea capaz de remunerar el capital invertido a su coste de oportunidad llevará al abandono del mercado de aquellas empresas menos eficientes, provocando una disminución en la oferta, un aumento en los precios y la reconstrucción de los beneficios. Por tanto, bajo la condición de competencia, los resultados extraordinarios desaparecen en el largo plazo y, como consecuencia, en economías abiertas como las actuales, las tasas de rentabilidad tienden a igualarse no sólo entre empresas e industrias, sino también entre economías.

Según se deriva de estos postulados teóricos, debería observarse que en las economías nacionales no se dan las circunstancias que permiten la obtención de beneficios extraordinarios a largo plazo por parte de las empresas. El mecanismo competitivo y la movilidad internacional de capitales y empresas homogeneizan las economías nacionales y generan unas expectativas de beneficios a largo plazo convergentes entre distintas economías, a no ser que prevalezca algún tipo de barreras estratégicas o de otro tipo que resulten insalvables para los potenciales competidores.

Por tanto, cabría inferir que, de este proceso de integración, se va a derivar un resultado de convergencia a largo plazo homogéneo para todas las empresas que formarían, después del proceso, parte de una única economía. El nivel de integración entre regiones de un ámbito regional puede estudiarse analizando esta evolución temporal que anticipa la teoría.

Existen numerosos estudios, enmarcados principalmente dentro de la Teoría Económica y la Economía Industrial, que tratan de contrastar la hipótesis de competencia en diferentes economías desarrolladas. Así, destacan los trabajos de Mueller (1986) para el caso estadounidense, Odagiri y Yamawaki (1986) con relación a Japón, Goddard y Wilson (1996) para Gran Bretaña, Schohl (1990) para el caso alemán y Espitia y Salas (1989) para España. Las conclusiones resultan similares en todos ellos, de tal forma que en cada uno de estos países se observa un cierto proceso de convergencia que tiende a acercar en el largo plazo los resultados de las diferentes empresas, si bien este proceso resulta parcial ya que no consigue eliminar totalmente los beneficios extraordinarios.

Sin embargo, son escasos los trabajos que se han centrado en el análisis comparativo entre diferentes mercados. Así, Geroski y Jacquemin (1998), a partir de una muestra de grandes empresas europeas (Francia, Alemania y Gran Bretaña) analizan las diferencias en las fuerzas competitivas entre empresas, industrias y países. Jacquemin y Sáez (1976) que, aunque utilizan una metodología diferente a los estudios previos, analizan la persistencia en los beneficios en una muestra con empresas de la antigua CEE, de Gran

52 Bretaña y Japón. Geroski y Gugler (2001), presentan un trabajo que estudia la convergencia del crecimiento corporativo de diferentes industrias de un conjunto de 14 países europeos.

Los orígenes de las ventajas competitivas de las empresas han sido objeto de estudio recientemente desde diversas ópticas, además de las citadas. La aproximación desde la óptica de Recursos y Capacidades fundamenta esta ventaja en la empresa, los recursos de que dispone y la capacidades generadas en su seno para la generación de tales ventajas. Además de los ‘efectos empresa’ y el ‘efecto sector’, el ‘efecto localización’ surge como uno más en el ámbito de aquellos efectos que tratan de explicar resultados diferenciales entre empresas. El ‘efecto localización’ cabría asimilarlo a una serie de aspectos de tipo institucional, de dotación de infraestructuras, de calidad y cantidad de determinados recursos, incluso de aspectos de tipo sociológico. Se trata, en definitiva, del efecto que produce sobre la empresa la ubicación de sus centros operativos.

Son diversos los autores que reconocen y valoran la importancia de la localización, ya los clásicos A. Smith y D. Ricardo definían las ventajas absolutas y comparativas como explicación del comercio internacional. Kogut (1991) explica las diferencias en competitividad por el nivel de desarrollo tecnológico y la capacidad organizacional, efectos persistentes según la localización de las empresas. Krugman (1994) desde la óptica de la Economía Regional revisa los efectos que sobre la posición competitiva de una empresa tienen las externalidades de una determinada localización y concluye destacando la importancia de la localización Geográfica.

El objetivo del presente apartado es analizar, desde una perspectiva metropolitana, cuál ha sido la evolución, en términos comparativos en dos momentos temporales, de la estructura empresarial de un grupo de ciudades situando a Zaragoza como el elemento de referencia. El análisis se realiza desde una doble perspectiva, el nivel de diversificación empresarial y la convergencia que se ha producido en ese lapso temporal.

La existencia de convergencia entre regiones puede ser interpretada como una forma de integración de los mercados que, a través de los procesos de inversión, hacen que las diferencias iniciales observadas entre las regiones se vayan desvaneciendo con el tiempo. En definitiva este proceso puede llevar a la homogeneización de las áreas, o en caso de que existan políticas diferenciadas a un predominio de esas políticas sobre la tendencia de los mercados.

El análisis se realiza tomando Zaragoza como el elemento central del análisis y como referentes un grupo de ciudades europeas que presentan como elemento común la existencia de una fábrica de automóviles o de componentes en su área metropolitana.

5.2. Análisis de la convergencia entre países.

La mayoría de los países han constituido unidades económicas que fueron diseñadas desde la óptica de la autosuficiencia, la apertura de las economías nacionales está provocando cambios que suponen desviaciones claras del modelo original. La

53 Estrategia 2020 Ámbito económico empresarial

representación en momentos del tiempo suficientemente distanciados puede informar sobre las tendencias que se han observado y sobre las perspectivas de futuro en cada una de las áreas.

Con el objeto de analizar la evolución de la actividad empresarial en las áreas de referencia, se aplica la metodología propuesta por Sala-i-Martín (1996) para analizar la existencia de convergencia entre las diferentes economías.

Sala-i-Martín distingue entre convergencia β y convergencia σ. Indica que existe convergencia β cuando los agentes de menor tamaño tienden a crecer más rápido que los grandes, observándose así convergencia entre ambos tipos de agentes. Aplicando este concepto al caso concreto tratado en este trabajo, se puede afirmar que existe convergencia β cuando aquellas ciudades con una determinada situación de partida, se aproximan entre sí en la actividad empresarial desarrollada en su ámbito.

Para contrastar esta hipótesis se estima la siguiente ecuación:

gi(2008, 2000) = α + β ln (Yi,2000) + eit

Siendo gi(2008, 2000) la ratio de crecimiento anual entre 2008 y 2000 de la empresa i, calculada sobre los ingresos por empleado, e Yi,2000 los ingresos por empleado en 2000. Si el coeficiente β estimado es menor que 0 se observa convergencia β.

La convergencia σ entre un grupo de ciudades se da cuando la dispersión entre sus niveles de actividad tiende a decrecer con el paso del tiempo. Así, para el caso concreto aquí analizado, se observa convergencia σ si σ2008 < σ2000, siendo σt la desviación típica del ln (Yit).

Como indica Sala-i-Martín la existencia de convergencia β es una condición necesaria para que exista convergencia σ, pero no constituye una condición suficiente. Así, podría darse el caso de que existiendo convergencia β, la diferencia entre las tasas de crecimiento de los diferentes ámbitos de análisis fuese tan grande que al final del período considerado exista la misma dispersión que al principio pero en sentido contrario, es decir, con los ámbitos que al principio presentaban una actividad económica más baja ocupando la posición de los que la presentaban más alta y viceversa.

54

El trabajo desarrollado ha consistido en la estimación del modelo sobre la muestra de datos indicada.

Los resultados del modelo globalmente planteado se resume en la Tabla 5.1. Los estadísticos del modelo en su conjunto son aceptables dado el tamaño de la muestra, se alcanza un coeficiente de determinación de 16,71% y el test-F es significativo.

Se puede apreciar que la variable explicativa resulta muy significativa; el signo es negativo lo que indica que se aprecia convergencia entre las empresas de menor tamaño y las mayores de la muestra.

Tabla 5.1.- Resultados de la estimación del modelo general. Coeficiente ErrorStd. t-Student V. Independiente -0,0321332*** 0,000684 -46,98 Constante 0,0785981*** 0,001499 52,44 ***, significativo al 95%; ** significativo al 90%

R-squared 0,1671 Adj R-squared 0,1671 Test-F 2207,23 N. Obsv. 10998

Con el objetivo de precisar el modelo con más detalle, se han añadido como variables explicativas la variable de país con el fin de detectar la existencia de efectos propios de cada uno de los países incluidos en la muestra (Tabla 5.2). Esta variable está relacionada con el término independiente que recoge el efecto propio del país de referencia que se corresponde con España (variable ficticia sumativa en el término independiente).

55 Estrategia 2020 Ámbito económico empresarial

Tabla 5.2.- Resultados de la estimación del modelo general con variables ficticias sumativas por países. Coeficiente ErrorStd. t-Student V. Independiente -0,0336*** 0,0007 -45,79 Constante 0,0839*** 0,0017 49,94

Belgium 0,0057*** 0,0014 4,14 Czech-republic -0,0114*** 0,0020 -5,81 Finland 0,0042** 0,0023 1,80 France 0,0000*** 0,0009 0,05 Germany 0,0036 0,0028 1,27 Italy -0,0019 0,0015 -1,22 Poland -0,0056*** 0,0013 -4,40 Romania 0,0096 0,0064 1,50 Sweden -0,0019 0,0014 -1,32 United Kingdom -0,0136*** 0,0011 -12,00 ***, significativo al 95%; ** significativo al 90%

R-squared 0,187 Adj R-squared 0,186 Test-F 229,7 N. Obsv. 10998

Se aprecia en los resultados obtenidos que se mantiene la bondad del ajuste según los resultados globales del modelo. El signo del coeficiente de la variable independiente es negativo lo que indica claramente la existencia de convergencia.

Se detectan efectos de país sobre la constante, es decir, existen una serie de países en los que se detectan diferencias significativas en la constante que representa el punto de partida a partir del cual se da la convergencia. Bélgica, Finlandia y Francia presentan valores positivos y significativamente distintos de España. Chequia, Polonia y Reino Unido reflejan valores negativos y significativos, que se interpretan en sentido contrario, es decir, el punto de partida es menor para estos países que para España.

La Tabla 5.3 presenta los resultados del modelo al incluir variables ficticias multiplicativas en la pendiente (M-pais). En ese caso la interpretación del resultado para un determinado país, se hace sumando los coeficientes de ambas variables, el de la variable independiente (incluida en la Tabla 5.2) y el de la variable ficticia correspondiente.

56 Tabla 5.3.- Resultados de la estimación del modelo general con variables ficticias sumativas y multiplicativas por países. Coeficiente ErrorStd. t-Student V. Independiente -0,0312*** 0,0013 -23,84 Constante 0,0789*** 0,0028 27,79

Belgium -0,0021 0,0069 -0,30 Czech-republic 0,0153** 0,0075 2,04 Finland -0,0039 0,0148 -0,26 France 0,0018 0,0044 0,41 Germany 0,0446*** 0,0172 2,59 Italy 0,0443*** 0,0083 5,32 Poland -0,0001 0,0048 -0,01 Romania 0,0337*** 0,0121 2,80 Sweden 0,0184*** 0,0079 2,33 Unitedkingdom -0,0164*** 0,0060 -2,74

M-Belgium 0,0031 0,0030 1,04 M-Czech-republic -0,0159*** 0,0044 -3,64 M-Finland 0,0037 0,0068 0,55 M-France -0,0009 0,0020 -0,46 M-Germany -0,0182*** 0,0075 -2,43 M-Italy -0,0205*** 0,0036 -5,64 M-Poland -0,0027 0,0025 -1,09 M-Romania -0,0240*** 0,0112 -2,13 M-Sweden -0,0091*** 0,0035 -2,64 M-Unitedkingdom 0,0012 0,0027 0,44 ***, significativo al 95%; ** significativo al 90%

R-squared 0,192 Adj R-squared 0,190 Test-F 123,9 N. Obsv. 10998

Los resultados de este modelo sugieren algunos cambios (ligeras mejorías) con respecto a las estimaciones anteriores; aunque los resultados globales del modelo son similares. Así, se sigue manifestando claramente la convergencia en sentido general, que se puede precisar para cada uno de los países:

- Bélgica, Finlandia, Francia y Polonia no presentan diferencias con respecto a España en ninguna de las variables de país. - El Reino Unido presenta una ligera diferencia sobre el término independiente con un valor de partida inferior al de los demás países. - Chequia, Alemania, Italia Rumania y Suecia presentan diferencias significativas en las dos variables, y con el mismo signo para todos los países de este grupo. El punto de partida es ligeramente mayor y la convergencia es más rápida que para los demás países.

57 Estrategia 2020 Ámbito económico empresarial

5.3. Análisis de la convergencia entre áreas.

El objetivo último de esta parte pretende llegar a comparar situaciones entre regiones más que entre países, dada la connotación que tiene la distribución del espacio Geográfico en relación a la actividad empresarial desarrollada en su seno.

Para ello se ha vuelto a estimar el modelo con variables identificativas de la región, siguiendo el mismo planteamiento que el de los países (variables ficticias de región en el término independiente –Tabla 5.4-; éstas y las variables ficticias multiplicativas de región en la pendiente –Tabla 5.5-).

Los resultados ponen de manifiesto un incremento de la capacidad explicativa de los modelos con regiones frente al modelo con países, este hecho permite analizar cómo se distribuye la capacidad explicativa de la variable dependiente entre las demás variables. Resulta por lo tanto más explicativo el modelo de regiones y con mayor nivel de precisión.

Tabla 5.4.- Resultados de la estimación del modelo general con variables ficticias sumativas por regiones Coeficiente Std. Err. t-Student V. Independiente -0,0340 0,0007 -46,00 Constante 0,0855 0,0033 25,96

Bélgica Aalst 0,0037 0,0088 0,42 Bélgica Antwerp 0,0035 0,0038 0,93 Bélgica Brussels 0,0070*** 0,0035 1,98 Bélgica Ghent 0,0033 0,0048 0,68 Bélgica Hasselt 0,0034 0,0050 0,67 Bélgica Maaseik 0,0051 0,0063 0,82 Bélgica Turnhout 0,0045 0,0046 0,97 Chequia Centralboh~M -0,0108*** 0,0039 -2,76 Chequia Liberechra~E -0,0138*** 0,0039 -3,54 Finlandia Westernfin~D 0,0035 0,0037 0,94 Francia Alpesmarit~S -0,0049 0,0047 -1,04 Francia Basrhin 0,0014 0,0042 0,34 Francia Deuxsvres -0,0043 0,0061 -0,70 Francia Doubs -0,0023 0,0053 -0,43 Francia Hautrhin 0,0079 0,0048 1,64 Francia Hautesane -0,0032 0,0086 -0,37 Francia Hautsdeseine 0,0038 0,0032 1,18 Francia Illeetvila~E -0,0058 0,0041 -1,42 Francia Jura -0,0111 0,0107 -1,04 Francia Loietcher 0,0024 0,0065 0,36 Francia Moselle 0,0020 0,0052 0,39 Francia Nord -0,0011 0,0037 -0,30 Francia Sarthe -0,0008 0,0053 -0,15 Francia Seinemarit~E -0,0025 0,0042 -0,60

58 Tabla 5.4. (continuación) Francia Seinesaint~S 0,0013 0,0038 0,33 Francia Villedeparis -0,0047 0,0032 -1,46 Francia Yvelines -0,0008 0,0038 -0,22 Alemania Arnsberg -0,0073 0,0074 -0,99 Alemania Bonn 0,0163 0,0103 1,59 Alemania Koln 0,0156*** 0,0074 2,09 Alemania Niederbayern -0,0012 0,0088 -0,14 Alemania Oberbayern 0,0031 0,0060 0,53 Alemania Stuttgart -0,0018 0,0066 -0,27 Italia Bologna -0,0016 0,0038 -0,40 Italia Frosinone -0,0135 0,0096 -1,41 Italia Modena -0,0005 0,0042 -0,11 Italia Torino -0,0036 0,0036 -1,01 Polonia Mazowieckie -0,0051 0,0032 -1,58 Polonia Slaskie -0,0086*** 0,0034 -2,52 Rumanía Arges 0,0084 0,0070 1,19 España Barcelona -0,0002 0,0031 -0,06 España Jan -0,0069 0,0086 -0,81 España Madrid -0,0003 0,0031 -0,10 España Navarra 0,0007 0,0047 0,15 España Pontevedra -0,0038 0,0045 -0,85 España Valencia -0,0045 0,0037 -1,21 España Valladolid 0,0019 0,0061 0,31 Suecia Skne -0,0010 0,0035 -0,29 Suecia Vstragtaland -0,0037 0,0034 -1,09 R.Unido Birmingham -0,0146*** 0,0037 -3,96 R.Unido Blackpool -0,0173*** 0,0080 -2,16 R.Unido Bristol -0,0153*** 0,0042 -3,66 R.Unido Coventry -0,0119*** 0,0044 -2,69 R.Unido Crewe -0,0020 0,0057 -0,35 R.Unido Derby -0,0095*** 0,0043 -2,18 R.Unido Guildford -0,0135*** 0,0040 -3,40 R.Unido Leeds -0,0184*** 0,0040 -4,62 R.Unido Norwich -0,0167*** 0,0052 -3,23 R.Unido Oxford -0,0135*** 0,0042 -3,24 R.Unido Portsmouth -0,0152*** 0,0053 -2,84 R.Unido Sunderland -0,0238*** 0,0060 -3,99 R.Unido Swindon -0,0154*** 0,0049 -3,17 ***, significativo al 95%; ** significativo al 90%

R-squared 0,192 Adj R-squared 0,188 Test-F 41,35 N. Obsv. 10998

59 Estrategia 2020 Ámbito económico empresarial

La incorporación de variables ficticias multiplicativas (M-región) da mayor precisión al modelo y recoge el efecto de la región sobre el coeficiente de la variable independiente y la pendiente. La interpretación del resultado hay que hacerla una vez calculada la suma de los coeficientes de la variable y de la región.

Tabla 5.5.- Resultados de la estimación del modelo general con variables ficticias sumativas y multiplicativas por regiones. Coeficiente Std. Err. t-Student V. Independiente -0,0307*** 0,0060 -5,15 Constante 0,0790*** 0,0123 6,44

Bélgica Aalst -0,0257 0,0666 -0,39 Bélgica Antwerp -0,0139 0,0168 -0,83 Bélgica Brussels -0,0297** 0,0155 -1,92 Bélgica Ghent 0,0675*** 0,0252 2,68 Bélgica Hasselt 0,0736*** 0,0250 2,94 Bélgica Maaseik 0,0375 0,0640 0,59 Bélgica Turnhout 0,0685*** 0,0287 2,38 Chequia Centralboh~M 0,0027 0,0157 0,17 Chequia Liberechra~E 0,0302*** 0,0156 1,93 Finlandia Westernfin~D -0,0039 0,0189 -0,21 Francia Alpesmarit~S -0,0183 0,0240 -0,77 Francia Basrhin 0,0569*** 0,0223 2,56 Francia Deuxsvres 0,0173 0,0452 0,38 Francia Doubs 0,0189 0,0339 0,56 Francia Hautrhin 0,0701*** 0,0277 2,53 Francia Hautesane 0,0535 0,0659 0,81 Francia Hautsdeseine 0,0296*** 0,0138 2,14 Francia Illeetvila~E -0,0373*** 0,0191 -1,96 Francia Jura -0,0022 0,0867 -0,03 Francia Loietcher -0,0192 0,0393 -0,49 Francia Moselle -0,0092 0,0304 -0,30 Francia Nord -0,0367*** 0,0180 -2,04 Francia Sarthe -0,0032 0,0310 -0,10 Francia Seinemarit~E -0,0557*** 0,0221 -2,52 Francia Seinesaint~S -0,0181 0,0172 -1,06 Francia Villedeparis 0,0087 0,0138 0,63 Francia Yvelines -0,0503*** 0,0187 -2,69 Alemania Arnsberg 0,0500 0,0457 1,09 Alemania Bonn -0,1230*** 0,0709 -1,73 Alemania Kln 0,0324 0,0472 0,69 Alemania Niederbayern -0,1044 0,1383 -0,75 Alemania Oberbayern 0,0545** 0,0314 1,74 Alemania Stuttgart 0,0726*** 0,0352 2,06 Italia Bologna 0,0311** 0,0188 1,66 Italia Frosinone 0,0487 0,0705 0,69 Italia Modena 0,0739*** 0,0212 3,48 Italia Torino 0,0414*** 0,0166 2,50

60 Tabla 5.5. (continuación) Polonia Mazowieckie 0,0047 0,0131 0,36 Polonia Slaskie -0,0073 0,0143 -0,51 Rumanía Arges 0,0337*** 0,0169 1,99 España Barcelona -0,0081 0,0133 -0,61 España Jan -0,0486 0,0555 -0,87 España Madrid 0,0014 0,0129 0,11 España Navarra 0,0261 0,0259 1,01 España Pontevedra 0,0335** 0,0203 1,65 España Valencia 0,0073 0,0165 0,44 España Valladolid 0,0031 0,0209 0,15 Suecia Skne 0,0577*** 0,0161 3,58 Suecia Vstragtaland -0,0194 0,0160 -1,21 R.Unido Birmingham -0,0007 0,0186 -0,04 R.Unido Blackpool 0,0267 0,0338 0,79 R.Unido Bristol -0,0455*** 0,0189 -2,41 R.Unido Coventry 0,0321 0,0201 1,60 R.Unido Crewe -0,0753*** 0,0307 -2,45 R.Unido Derby -0,0141 0,0236 -0,60 R.Unido Guildford 0,0072 0,0200 0,36 R.Unido Leeds -0,0318 0,0199 -1,60 R.Unido Norwich 0,0127 0,0289 0,44 R.Unido Oxford -0,0478*** 0,0234 -2,05 R.Unido Portsmouth -0,0001 0,0328 0,00 R.Unido Sunderland -0,0724*** 0,0348 -2,08 R.Unido Swindon -0,0052 0,0266 -0,20 Bélgica M-Aalst 0,0116 0,0275 0,42 Bélgica M-Antwerp 0,0070 0,0077 0,92 Bélgica M-Brussels 0,0154*** 0,0072 2,14 Bélgica M-Ghent -0,0280*** 0,0110 -2,53 Bélgica M-Hasselt -0,0316*** 0,0112 -2,81 Bélgica M-Maaseik -0,0147 0,0282 -0,52 Bélgica M-Turnhout -0,0279*** 0,0125 -2,23 Chequia M-Centralo~M -0,0075 0,0083 -0,91 Chequia M-Liberchr~E -0,0275*** 0,0085 -3,24 Finlandia M-Westernf~D 0,0032 0,0089 0,36 Francia M-Alpesmar~S 0,0060 0,0111 0,54 Francia M-Basrhin -0,0255*** 0,0103 -2,49 Francia M-Deuxsvres -0,0102 0,0206 -0,49 Francia M-Doubs -0,0101 0,0159 -0,64 Francia M-Hautrhin -0,0277*** 0,0123 -2,25 Francia M-Hautesane -0,0249 0,0284 -0,88 Francia M-Hautsdes~E -0,0117** 0,0066 -1,78 Francia M-Illetvil~E 0,0147*** 0,0090 1,63 Francia M-Jura -0,0044 0,0406 -0,11 Francia M-Loietcher 0,0096 0,0179 0,54 Francia M-Moselle 0,0050 0,0141 0,35 Francia M-Nord 0,0160** 0,0084 1,90

61 Estrategia 2020 Ámbito económico empresarial

Tabla 5.5. (continuación) Francia M-Sarthe 0,0008 0,0143 0,06 Francia M-Seinemari~E 0,0245*** 0,0103 2,38 Francia M-Seinesain~S 0,0082 0,0079 1,03 Francia M-Villedepa~S -0,0064 0,0066 -0,96 Francia M-Yvelines 0,0211*** 0,0085 2,49 Alemania M-Arnsberg -0,0262 0,0205 -1,28 Alemania M-Bonn 0,0632*** 0,0321 1,97 Alemania M-Kln -0,0079 0,0209 -0,38 Alemania M-Niederbay~N 0,0458 0,0618 0,74 Alemania M-Oberbayern -0,0229** 0,0138 -1,66 Alemania M-Stuttgart -0,0318*** 0,0149 -2,13 Italia M-Bologna -0,0148** 0,0086 -1,72 Italia M-Frosinone -0,0281 0,0313 -0,90 Italia M-Modena -0,0324*** 0,0095 -3,43 Italia M-Torino -0,0204*** 0,0077 -2,65 Polonia M-Mazowieckie -0,0051 0,0064 -0,79 Polonia M-Slaskie -0,0001 0,0074 -0,01 Rumanía M-Arges -0,0245*** 0,0126 -1,94 España M-Barcelona 0,0035 0,0064 0,55 España M-Jan 0,0195 0,0260 0,75 España M-Madrid -0,0010 0,0062 -0,16 España M-Navarra -0,0120 0,0120 -1,00 España M-Pontevedra -0,0182** 0,0097 -1,87 España M-Valencia -0,0058 0,0079 -0,73 España M-Valladolid -0,0005 0,0103 -0,05 Suecia M-Skne -0,0263*** 0,0075 -3,51 Suecia M-Vstragtal~D 0,0065 0,0074 0,87 R.Unido M-Birmingham -0,0066 0,0087 -0,77 R.Unido M-Blackpool -0,0225 0,0168 -1,34 R.Unido M-Bristol 0,0139 0,0088 1,57 R.Unido M-Coventry -0,0199*** 0,0091 -2,18 R.Unido M-Crewe 0,0318*** 0,0136 2,34 R.Unido M-Derby 0,0018 0,0109 0,17 R.Unido M-Guildford -0,0096 0,0092 -1,05 R.Unido M-Leeds 0,0063 0,0095 0,67 R.Unido M-Norwich -0,0137 0,0132 -1,04 R.Unido M-Oxford 0,0146 0,0105 1,40 R.Unido M-Portsmouth -0,0072 0,0151 -0,48 R.Unido M-Sunderland 0,0258 0,0180 1,44 R.Unido M-Swindon -0,0048 0,0116 -0,42 ***, significativo al 95%; ** significativo al 90%

R-squared 0,2121 Adj R-squared 0,2030 Test-F 23,41 N. Obsv. 10998

62 Se puede observar que existen una serie de regiones en las que resulta significativa la variable ficticia multiplicativa. Esto es indicativo de diferencias con respecto al coeficiente de la variable independiente, es decir, del indicador de convergencia. Para determinar el valor individual de cada una de estas regiones se suma al coeficiente de la variable independiente el de la ficticia multiplicativa de la región. Los resultados obtenidos muestran convergencia en todas las regiones del análisis, excepto en dos de ellas, las regiones de Bonn y de Crece. En estos casos no se muestra convergencia sino lo contrario.

Tabla 5.7.- Regiones con valor de convergencia β, distinta del área de referencia. Arges -0,0552 Basrhin -0,0563 Bologna -0,0455 Bonn 0,0324 Brussels -0,0154 Coventry -0,0506 Crewe 0,0010 Ghent -0,0587 Hasselt -0,0623 Hautrhin -0,0584 Hautsdese~E -0,0424 Liberechr~E -0,0583 Modena -0,0631 Nord -0,0147 Oberbayern -0,0536 Pontevedra -0,0489 Seineari~E -0,0062 Skne -0,0570 Stuttgart -0,0625 Torino -0,0511 Turnhout -0,0586 Yvelines -0,0096

La convergencia σ se produce cuando se reduce la dispersión de la variable de referencia, es un indicativo de que los valores de la variable se concentran en valores más próximos a su media. El análisis de la convergencia σ se ha realizado de la misma forma, que en el caso anterior, en primer lugar sobre la muestra total, después por países y finalmente por áreas dentro de cada uno de los países, configuradas con el mismo criterio que en el caso anterior.

Se puede observar en la tabla 5.8 que, en términos generales, se produce una reducción del valor de la dispersión de la variable de referencia entre los años 2000 y 2008, lo que es un indicativo de convergencia de resultados. Esta convergencia general se ha producido en el mismo sentido en casi todos los países excepto Chequia y Francia. Los valores de Francia son muy similares en ambas observaciones por lo que la convergencia es apenas perceptible.

63 Estrategia 2020 Ámbito económico empresarial

Los valores de la variable de convergencia σ son similares también en otros países en los que se observa el sentido de la desigualdad tal y como el modelo sugiere. Tal es el caso de Finlandia, Polonia y R. Unido; en cambio se observa una convergencia más perceptible en los resultados de las empresas de países como Italia Suecia o España.

Tabla 5.8.- Resultado de convergencia por países. PAIS σ2008 σ2000 GENERAL 0,4516 0,4811 Convergencia

Belgium 0,417 0,442 Convergencia Chequia 0,452 0,434 No Convergencia Finland 0,321 0,334 Convergencia France 0,424 0,418 No Convergencia Germany 0,340 0,372 Convergencia Italy 0,368 0,407 Convergencia Poland 0,483 0,508 Convergencia Romania 0,527 0,576 Convergencia Sweden 0,352 0,401 Convergencia United Kingdom 0,370 0,389 Convergencia Spain 0,462 0,498 Convergencia

En el Gráfico 5.1 se representa la posición de cada uno de los países según los valores de la variable y su posición en la zona de convergencia.

Gráfico 5.1.- Resultado de convergencia por países.

64 Los cálculos a nivel de áreas (Tabla 5.9) presentan un panorama muy variado en el que se observan desigualdades en ambos sentidos.

Tabla 5.9.- Resultado de convergencia por áreas. PAIS REGION σ2008 σ2000 Bélgica Aalst 0,297 0,314 Convergencia Bélgica Antwerp 0,463 0,495 Convergencia Bélgica Brussels 0,471 0,475 Convergencia Bélgica Ghent 0,362 0,404 Convergencia Bélgica Hasselt 0,311 0,428 Convergencia Bélgica Maaseik 0,227 0,201 No Convergencia Bélgica Turnhout 0,280 0,321 Convergencia Chequia Central Bohemian 0,457 0,447 No Convergencia Chequia Liberec 0,443 0,415 No Convergencia Finlandia Western Finland 0,321 0,334 Convergencia Francia Alpes-Maritimes 0,357 0,393 Convergencia Francia Bas-Rhin 0,261 0,350 Convergencia Francia Deux-Svres 0,337 0,274 No Convergencia Francia Doubs 0,285 0,297 Convergencia Francia Haut-Rhin 0,302 0,356 Convergencia Francia Haute-Sa™ne 0,278 0,295 Convergencia Francia Hauts-De-Seine 0,435 0,457 Convergencia Francia Ille-et-Vilaine 0,432 0,421 No Convergencia Francia Jura 0,234 0,266 Convergencia Francia Loi-et-Cher 0,341 0,348 Convergencia Francia Moselle 0,347 0,338 No Convergencia Francia Nord 0,443 0,362 No Convergencia Francia Sarthe 0,304 0,341 Convergencia Francia Seine-Maritime 0,387 0,348 No Convergencia Francia Seine-Saint-Denis 0,445 0,456 Convergencia Francia Ville de Paris 0,451 0,449 No Convergencia Francia Yvelines 0,477 0,379 No Convergencia Alemania Arnsberg 0,317 0,351 Convergencia Alemania Bonn 0,433 0,323 No Convergencia Alemania Kšln 0,357 0,345 No Convergencia Alemania Niederbayern 0,226 0,137 No Convergencia Alemania Oberbayern 0,328 0,418 Convergencia Alemania Stuttgart 0,362 0,438 Convergencia Italia Bologna 0,373 0,396 Convergencia Italia Frosinone 0,254 0,305 Convergencia Italia Modena 0,329 0,405 Convergencia Italia Torino 0,384 0,420 Convergencia Polonia Mazowieckie 0,515 0,556 Convergencia Polonia Slaskie 0,405 0,388 No Convergencia Rumanía Arges 0,527 0,576 Convergencia

65 Estrategia 2020 Ámbito económico empresarial

Tabla 5.9.- (continuación) España Barcelona 0,426 0,459 Convergencia España Jazz 0,341 0,324 No Convergencia España Madrid 0,507 0,548 Convergencia España Navarra 0,377 0,351 No Convergencia España Pontevedra 0,413 0,436 Convergencia España Valencia 0,403 0,426 Convergencia España Valladolid 0,518 0,637 Convergencia España Zaragoza 0,452 0,491 Convergencia Suecia SkŒne 0,341 0,429 Convergencia Suecia VŠstra Gštaland 0,361 0,379 Convergencia R.Unido Birmingham 0,342 0,350 Convergencia R.Unido Blackpool 0,374 0,480 Convergencia R.Unido Bristol 0,430 0,448 Convergencia R.Unido Coventry 0,381 0,480 Convergencia R.Unido Crece 0,445 0,396 No Convergencia R.Unido Derby 0,336 0,349 Convergencia R.Unido Guildford 0,349 0,380 Convergencia R.Unido Leeds 0,349 0,357 Convergencia R.Unido Norwich 0,332 0,360 Convergencia R.Unido Oxford 0,329 0,338 Convergencia R.Unido Portsmouth 0,339 0,321 No Convergencia R.Unido Sunderland 0,331 0,307 No Convergencia R.Unido Swindon 0,376 0,387 Convergencia

El área de Zaragoza ha dado lugar a un resultado convergente al pasar de 0,491 a 0,451 en los valores de dispersión de la variable. La comparación con los valores obtenidos para el conjunto de España se pone de manifiesto una posición central del área de Zaragoza en el panorama empresarial de las regiones españolas.

Los resultados observados para el año 2000 eran de los más dispersos al ocupar el lugar 58 de 63 áreas, lo que se identifica como un área de grandes diferencias entre las empresas; este resultado se ha reducido algo a lo largo de los años como consecuencia de la convergencia observada, no obstante, sigue estando entre los mas dispersos al ocupar el puesto 55 en 2008.

La representación gráfica de estos resultados por áreas se puede ver en el Gráfico 5.2, donde se ha marcado el área de Zaragoza.

66

67 Estrategia 2020 Ámbito económico empresarial

6. Análisis de la diversidad de la oferta empresarial del área de Zaragoza en el marco Europeo

68

69 Estrategia 2020 Ámbito económico empresarial

6.1 Introducción.

En el panorama empresarial es muy frecuente observar empresas que han seguido estrategias que les han llevado a tener en su seno una notable variedad de negocios o actividades, unas veces relacionadas y otras sin relación alguna. El resultado es un panorama empresarial muy variado, con empresas diversificadas y especializadas participando de los mismos negocios o actividades. En el panorama empresarial de un área geográfica determinada se puede plantear la misma cuestión, es decir, el panorama empresarial puede ser muy diverso o especializado en función de determinadas variables que son las que históricamente han influido en uno u otro sentido sobre la localización de las empresas. En esta parte del trabajo se plantea analizar cual es el panorama empresarial de una determinada área desde una óptica de cartera, entendiendo que se ha llegado a un determinado nivel de diversidad en función de una serie de variables que son las que han determinado la realidad empresarial actual en la zona. El análisis desde la óptica de cartera permite observar el panorama de diversidad empresarial general y establecer un marco de comparación entre áreas distintas.

La Diversificación (DP) se ha medido, a lo largo de la literatura especializada, a través de multitud de propuestas; pueden distinguirse dos aproximaciones generales que han sido comunes en las investigaciones: medidas continuas y medidas categóricas7.

Las medidas continuas posicionan una empresa en una escala que indica su grado relativo de diversificación, mientras que las medidas categóricas incluyen clasificaciones8 de una empresa en términos de uno de los varios tipos característicos de estrategia de diversificación. Estas medidas categóricas pueden basarse en medidas subjetivas (p.e. Rumelt, 1974) o en medidas continuas (p.e. Varadarajan, 1986).

Estas últimas se refieren al tipo de medidas que, a partir de los índices continuos, desarrollan un conjunto de categorías de diversificación. Para ello, se utiliza el valor medio o un punto de discontinuidad a lo largo de las medidas continuas como un punto de corte para establecer las diferentes categorías. Estudios como el de Palepu (1985) y Varadarajan (1986) ilustran este tipo de aproximaciones (Ramanujam y Varadarajan, 1989).

En el presente trabajo se utiliza la clasificación de Varadarajan (1986). Ésta refleja tanto el grado de diversificación (alto versus bajo) como la dirección (predominantemente relacionado o no relacionada), basándose en el cálculo SIC (Varadarajan y Ramanujam, 1987).Se construye sobre los trabajos de Berry (1971) y Wood (1971), siguiendo el esquema básico de este último. Wood distinguió entre dos modelos diferentes de diversificación: Espectro amplio de diversificación (BSD) y espectro estrecho de

7 Ramanujam y Varadarajan (1989, pág. 538-figura 2) clasifican estas medidas como objetivas y subjetivas. Sin embargo, se puede establecer una correspondencia entre las medidas definidas como continuas y las objetivas, así como entre las medidas categóricas y las subjetivas. 8 Basadas en una evaluación cualitativa del alcance de los productos/mercados de la empresa (Varadarajan, 1986).

70 diversificación (NSD)9. El primero, BSD, se refiere a la expansión en una industria diferente definida mediante dos códigos SIC; es decir, como la diversificación en áreas poco o nada relacionadas con las actividades principales de una empresa y áreas de conocimiento técnico. El segundo, NSD, se refiere a la expansión fuera de la industria definida mediante códigos SIC de 4-dígitos, pero dentro de la industria definida con 2- dígitos del código SIC; es decir, como diversificación en áreas relacionadas a las actividades principales de la empresa y áreas de conocimiento técnico.

Posteriormente, Varadarajan (1986) y Varadarajan y Ramanujam (1987) modifican la medida NSD, ya que para una industria dada, definida con el código de dos dígitos SIC, una empresa puede estar activa en muchos o pocos segmentos definidos con códigos de cuatro dígitos SIC. Se define, en su lugar, el espectro estrecho medio de diversidad (MNSD)10, que corresponde al número medio de códigos de cuatro dígitos SIC por código de dos dígitos SIC en el cual una empresa está activa.

Conceptualmente las dimensiones BSD y MNSD son similares a los componentes relacionado y no relacionado de la medida de entropía. Sin embargo, en términos de medida, tienen la característica de no necesitar el uso de datos detallados de los segmentos de negocios, ni los cálculos envueltos en la medida de entropía (Sambharya, 1995).

A partir de las dimensiones BSD y MNSD, se construye una matriz de cuatro celdas, donde cada una representa la totalidad de actividades de diversificación realizadas por la empresa en varias categorías industriales, medidas con códigos de dos o cuatro dígitos SIC (Cuadro 6.1): Alta Diversidad; Diversificación No Relacionada; Diversificación Relacionada; Baja Diversidad.

Cuadro 6.1: Conceptualización bidimensional de la diversificación Celda C: Empresas Celda D: Empresas con Alto diversificadas no muy alta diversidad (AD) relacionadas (DNR) BSD Celda B: Empresas Celda A: Empresas con muy Bajo diversificadas relacionadas baja diversidad (BD) (DR) Bajo Alto MNSD Nota: BSD (espectro amplio de diversificación) es el número de segmentos, medidos con códigos de 2 dígitos SIC, en los cuales una empresa opera al mismo tiempo; MNSD (espectro estrecho medio de diversidad) es el número de segmentos, medidos con códigos de 4 dígitos SIC, en los cuales una empresa opera dividido por el número de segmentos, medidos con códigos de 2 dígitos SIC en los cuales opera. Fuente: Varadarajan y Ramanujam (1987), pág. 383.

9 Se mantienen las siglas correspondientes a las iniciales del término en inglés: Narrow Spectrum Diversification (NSD) y Broad Spectrum Diversification (BSD). 10 Al igual que antes, se mantiene la sigla correspondiente a las iniciales del término en inglés: Mean narrow Spectrum Diversity (MNSD).

71 Estrategia 2020 Ámbito económico empresarial

Aunque no existe un acuerdo generalizado, algunos autores consideran que existe un incremento progresivo en el grado de diversidad según el tipo de diversificación. Es decir, la Baja Diversidad (BD) reflejaría el menor grado de diversidad, siendo en algunos casos, especializadas. Le seguiría la Diversificación Relacionada (DR). Generalmente, las empresas inician su diversificación hacia áreas/actividades con las que pueden compartir recursos (motivo central de la DR). Es decir, se puedan beneficiar de las sinergias. A medida que las empresas tienen experiencia en este tipo de diversificación, buscan nuevas oportunidades en otros sectores diferentes al de su actividad principal, con los que no tienen una gran relación. Se busca diversificar el riesgo, principalmente. Por eso, generalmente, las empresas con Diversificación No Relacionada (DNR) pueden considerarse que tienen una mayor diversificación que las que tienen Diversificación Relacionada. Por último, las empresas con una mayor diversificación son las empresas con alta diversidad (AD).

En esta parte del trabajo, la unidad de análisis no es la empresa sino la región o el país, aunque se basa en la cartera empresarial disponible en la muestra. Como consecuencia, cuando se calcula la diversificación de un área o región, se está analizando el grado de diversificación (diversidad versus concentración) del entramado empresarial de la región/país). La concreción del la estrategias de localización empresarial queda plasmada en la diversidad empresarial que se detecta en cada área geográfica. El resultado observado en un momento determinado es el reflejo de las decisiones tomadas en el pasado con los referentes decisionales de la época pero con una óptica de futuro. A nivel de economías nacionales no se perciben los detalles de la diversidad que es posible apreciar en los análisis por áreas o regiones, de ahí que la propuesta se concreta en los dos ámbitos de análisis para precisar con mas detalle los resultados.

6.2. Diversificación Empresarial por Países.

Siguiendo el mismo razonamiento que para la empresa se calcula, para cada país, cada una de las dimensiones necesarias para el cálculo de la medida de diversificación.

Así, el BSD se calcula como el número de grandes sectores diferentes (NACE REv.2 a 2 dígitos) existentes en el país. Es decir, refleja la expansión hacia industrias diferentes entre sí (poco relacionadas). El NSD se calcula como el número de actividades (NACE Rev. 2 a 4 dígitos) desarrolladas dentro de cada sector. Es decir, refleja la expansión hacia actividades relacionadas con la actividad principal del país. Por último, el MNSD corresponde con el número medio de códigos de cuatro dígitos NACE REv.2 por código de dos dígitos NACE REv.2 en el cual un país está activo.

A partir de estas dos dimensiones, el BSD y el MNSD, se identifica el tipo de diversificación de cada uno de los países. Los puntos de corte de cada una de las dimensiones corresponde al valor medio respectivamente (58 para la dimensión BSD; y 3.52 para la MNSD).

72 Esta información queda recogida en la Tabla 6.1, junto con la información sobre las dimensiones de la diversificación, el número de empresas disponibles en la muestra (Nº Emp), los ingresos (Ing08 e Ing00 en miles de Millones-mM-) y empleados que corresponden a una empresa representativa11 del correspondiente país para los dos(Emp08 y Emp00) años del estudio (2000 y 2008), y los principales descriptivos (media, mínimo y máximo). También se representa gráficamente en las figuras 6.1 y 6.2, donde el tamaño de los círculos corresponde con el tamaño de una empresa representativa del país en términos de ingresos del 2008 o del empleo respectivamente. De esta forma, cada una de las celdas de la matriz representa el tipo de diversificación desarrollado.

Como se refleja en la tabla, la mayor parte de los países tienen una alta diversidad (Bélgica, Francia, Polonia, España, Suecia y Gran Bretaña). Con una Diversificación No Relacionada sólo está Italia y con Diversificación Relacionada sólo la República Checa. Por último, países como Finlandia, Alemania12 y Rumanía destacan por una Baja Diversidad. Las principales industrias de Finlandia son la de ingeniería, telecomunicaciones y electrónicas. Para el caso alemán, las industrias más importantes corresponden al de transportes, aparatos eléctricos y electrónicos y productos químicos. Por último, en Rumanía destacan sectores como el textil, el siderúrgico, la producción de maquinaria y vehículos.

Tabla 6.1: Diversificación Empresarial (DP) Nacional

Nº Ing08 Ing00 País NSD BSD MNSD DP Emp08 Emp00 Emp mM mM Belgium 822 250 68 3,68 AD 538 448 288 159 Czech Republic 353 177 50 3,54 DR 376 340 38 23 Finland 233 126 50 2,52 BD 447 345 125 66 France 2980 422 74 5,70 AD 2379 1929 619 422 Germany 155 78 43 1,81 BD 13281 12557 3833 3296 Italy 610 202 60 3,37 DNR 641 491 197 119 Poland 1022 278 65 4,28 AD 584 532 72 37 Romania 29 20 15 1,33 BD 606 337 19 3 Spain 2725 374 74 5,05 AD 1211 748 325 170 Sweden 706 223 62 3,60 AD 779 589 230 156 United Kingdom 1363 281 73 3,85 AD 1198 991 219 204

Media 1000 221 58 3,52 2004 1755 542 423 Minimo 29 20 15 1,33 376 337 19 3 Maximo 2980 422 74 5,70 13281 12557 3833 3296

11 Se calcula como los datos agregados de la variable correspondiente entre el número de empresas disponibles en la muestra para el país correspondiente. 12 La información sobre las empresas alemanas es escasa. A pesar del gran número de empresas existentes en el país, son pocas las que aportan la información necesaria para desarrollar el trabajo, por lo que los datos deben interpretarse con cautela.

73 Estrategia 2020 Ámbito económico empresarial

Figura 6.1: Diversificación Empresarial (DP) Nacional (Ingresos 2008)

DIVERSIFICACIÓN INDUSTRIAL (Ing08)

DNR AD 80 Spain U.K. France

Belgium 70

Poland Italy 60 Sweden

0,00 1,00 2,00 3,00 4,00 5,00 6,00 7,00

50 Czech Republic Finland BSD

40 Germany

30

20 BD Romania DR 10 MNSD

74 Figura 6.2: Diversificación Empresarial (DP) Nacional (Empleados 2008)

DIVERSIFICACIÓN INDUSTRIAL (Emp08)

DNR AD Spain 80 U.K. France

Belgium 70

Poland Italy 60 Sweden

0,00 1,00 2,00 3,00 4,00 5,00 6,00 7,00

50 Czech Republic

Finland BSD

40

Germany 30

20 BD Romania DR 10 MNSD

75 Estrategia 2020 Ámbito económico empresarial

Cabe destacar que, precisamente es Rumanía la que tiene los valores mínimos de todas las dimensiones de la diversificación (un BSD = 1,33 y un MNSD= 15).

Por el contrario, es en Francia donde se observan los mayores valores, con 74 grandes industrias (NACE Rev 2 a 2 dígitos) y una media de 5.70 actividades sectoriales (NACE Rev 2 a 4 dígitos) por industria (NACE Rev 2 a 2 dígitos). España también presenta valores altos en dichas dimensiones de la diversificación, siendo igual de altos que en Francia para el caso del BSD (74 grandes industrias) y ligeramente inferior para el MNSD (5.05). Por tanto, a nivel país, se observan ciertas similitudes entre Francia y España en cuanto a la diversificación de su respectivo entramado empresarial13.

En cuanto al tamaño de la empresa representativa de cada país, en términos de Ingresos y Empleo, se observa una tendencia creciente en los ingresos medios por empleado del 2000 al 2008. En concreto, los ingresos medios por empleado en el 2000, para el conjunto de países, eran de 0.24 miles de millones de euros, mientras que en el 2008 pasa a ser 0.27 (un incremento del 12.26%).

Los ingresos medios por empleado más bajos en el 2008 corresponden a los países del este: Rumanía (0.03), República Checa (0.10) y Polonia (0.12). Lo que muestra que el entramado empresarial de estos países es más intensivo en empleo. Aunque también cabe señalar que han sido los países en los que se ha observado un mayor crecimiento en los ingresos medios por empleado entre los años 2000 y 2008.

Los ingresos medios por empleado en España en el 2008 corresponden con la media del conjunto de países, aunque en el 2000 se situaba levemente por debajo.

Por otra parte, Bélgica destaca no sólo por tener el ingreso medio por empleado más alto en el 2008 (0.53) sino también por haber incrementado considerablemente durante el período (51%).

El único país en el que se observa un descenso es en Gran Bretaña, que pasa del 0.21 miles de millones de euros por empleado en el 2000 a 0.18 miles de millones de euros en el 2008.

6.3. Diversificación Empresarial por Áreas

Dado que el objetivo del trabajo es analizar y comparar las distintas Regiones, se profundiza en el análisis anterior y se desagrega en las 63 regiones identificadas y con datos en la muestra.

13 Cabe señalar que también hay similitud en el número de empresas (las más numerosas) para las que se dispone de datos.

76 Tabla 6.2: Diversificación Empresarial por áreas Nº Ing08 Ing00 País Región NSD BSD MNSD DP Emp08 Emp00 Emp mM mM B1-Antwerp 202 109 47 2,32 AD 511 436 341 159 B2-Brussels 321 146 59 2,47 AD 724 593 394 212 B3-Aalst 17 17 13 1,31 BD 577 554 282 220 BELGIUM B4-Hasselt 70 49 30 1,63 BD 321 287 94 74 B5-Maaseik 38 28 17 1,65 BD 291 196 67 35 B6-Turnhout 92 63 33 1,91 BD 353 300 140 84 B7-Ghent 82 55 35 1,57 DNR379 304 172 151 CR1-Central Bohemian - Usti 172 113 43 2,63 AD 402 348 46 31 Nad Labem CR2-Liberec - CZECH

REPUBLIC Hradec Kralove - 181 104 38 2,74 AD 352 333 31 15 Pardubice FIN1-Western FINLAND 233 126 50 2,52 AD 447 345 125 66 Finland FR1-Bas-Rhin 135 96 45 2,13 AD 368 337 87 60 FR2-Hauts-De- 738 218 64 3,41 AD 3.727 3.084 1088 730 Seine FR3-Ille-et-Vilaine 141 82 38 2,16 AD 405 301 77 51 FR4-Nord 248 129 46 2,80 AD 681 517 165 98 (France) FR5-Seine- 133 83 38 2,18 AD 379 276 94 56 Maritime FR6-Seine-Saint- 205 113 44 2,57 AD 607 452 238 154 Denis FR7-Ville de Paris 714 227 68 3,34 AD 4.964 3.996 1157 807 FR8-Yvelines 217 105 41 2,56 AD 843 656 242 172 FRANCE FR9-Alpes- 85 51 32 1,59 BD 446 317 99 69 Maritimes FR10-Deux- 40 31 21 1,48 BD 317 249 53 43 S vres FR11-Doubs 61 43 25 1,72 BD 243 202 47 34 FR12-Haute- 18 15 11 1,36 BD 221 159 64 32 Sa™ne FR13-Jura 11 9 7 1,29 BD 350 311 54 45 FR14-Loi-et-Cher 34 29 19 1,53 BD 377 297 89 63 FR15-Moselle 62 42 22 1,91 BD 288 260 86 45 FR16-Sarthe 59 45 25 1,80 BD 486 368 101 66 FR17-Haut-Rhin 79 59 29 2,03 DR 364 332 117 80 G1-Arnsberg 25 14 13 1,08 BD 2.385 2.051 437 338 G2-Bonn 12 11 11 1,00 BD 60.640 44.259 10418 7330 G3-Kšln 25 20 15 1,33 BD 6.974 5.708 2368 1502 G4-Niederbayern 17 13 10 1,30 BD 21.548 20.146 7453 5522

GERMANY G5-Oberbayern 43 27 16 1,69 BD 8.730 8.488 3246 2198 G6-Stuttgart 33 24 20 1,20 BD 10.765 15.571 4023 5715

77 Estrategia 2020 Ámbito económico empresarial

Tabla 6.3: Diversificación Empresarial por áreas (continuación) Nº Ing08 Ing00 País Región NSD BSD MNSD DP Emp08 Emp00 Emp mM mM I1-Bologna 192 107 44 2,43 AD 711 411 165 83 I2-Torino 274 138 55 2,51 AD 668 601 243 157 ITALY I3-Frosinone 14 10 8 1,25 BD 273 266 45 60 I4-Modena 130 65 34 1,91 BD 522 398 164 101 P1-Mazowieckie 623 218 61 3,57 AD 1.500 976 382 202 POLAND P2-Slaskie 399 149 48 3,10 AD 395 377 44 23 ROMANIA Arges 29 20 15 1,33 BD 606 337 19 3 SP1-Barcelona 944 245 66 3,71 AD 703 497 177 92 SP2-Madrid 1165 286 73 3,92 AD 1.924 1.159 538 285 SP3-Valencia 233 114 49 2,33 AD 861 363 188 58 SP4-Jaén 18 14 11 1,27 BD 339 237 68 44 SPAIN SP5-Navarra 87 60 33 1,82 BD 413 338 118 76 SP6-Pontevedra 103 62 34 1,82 BD 549 390 138 100 SP7-Valladolid 41 33 25 1,32 BD 586 375 100 84 SP8-Zaragoza 134 86 45 1,91 DNR 536 331 126 80 SW1-SkŒne 302 146 52 2,81 AD 627 482 162 98 SWEDEN SW2-VŠstra 404 159 57 2,79 AD 893 670 282 199 Gštaland UK1-Birmingham 235 119 50 2,38 AD 934 816 120 120 UK2-Blackpool 21 18 15 1,20 BD 704 418 71 41 UK3-Crewe 50 39 23 1,70 BD 659 534 139 93 UK4-Norwich 64 44 30 1,47 BD 495 537 67 82 UK5-Portsmouth 59 41 25 1,64 BD 858 759 144 216 UK6-Sunderland 43 18 14 1,29 BD 1.625 1.307 216 179 UK7-Swindon 78 49 30 1,63 BD 969 738 272 237 UK8-Bristol 134 72 42 1,71 DNR 1.404 1.078 317 235 UK9-Coventry 105 59 35 1,69 DNR 1.241 1.158 347 390 UNITED KINGDOM UK10-Derby 114 78 43 1,81 DNR 816 734 177 134 UK11-Guildford 162 80 42 1,90 DNR 1.695 1.188 301 264 UK12-Leeds 162 90 46 1,96 DNR 2.222 1.813 333 303 UK13-Oxford 136 72 38 1,89 DNR 679 696 121 146

MEDIA 175 79 34 2,00 2490 2096 620 483 MINIMO 11 9 7 1,00 221 159 19 3 MAXIMO 1165 286 73 3,92 60640 44259 10418 7330

Siguiendo el mismo razonamiento se calcula, para cada región, cada una de las dimensiones necesarias para el cálculo de la medida de diversificación. Los puntos de corte de cada una de las dimensiones corresponden al valor medio del BSD (34) y del MNSD (2).

78

La información queda recogida en la Tabla 6.2 que, como en el caso anterior, también incluye información sobre el número de empresas disponibles en cada región, los ingresos y empleados que corresponden a una empresa representativa de la correspondiente región para los dos años del estudio (2000 y 2008), y los principales descriptivos (media, mínimo y máximo). Su representación gráfica queda recogida en las figura 6.3 y 6.4, donde el tamaño de los círculos corresponde con el tamaño de una empresa representativa de la región en términos de ingresos del 2008 o del empleo respectivamente.

La información por áreas ofrece nueva información. Se observa que la desagregación de los países permite identificar las principales regiones de cada país, así como la diferente diversificación que se observa en el entramado empresarial de cada una de las mismas.

Como se pone de manifiesto en las figuras, la distribución de las regiones se expande, situándose en la diagonal del cuadro.

Cabe indicar que los valores máximos de las dos dimensiones (BSD y MNSD) se observan en la Región de Madrid (España)14. Sin embargo, el valor mínimo del MNSD (1.00) corresponde a la Región de Bonn (Alemania) y el valor mínimo del BSD (7) a Jura (Francia).

El entramado empresarial de la Región de Zaragoza, objeto principal de estudio, presenta una diversidad media de 3.92 actividades diferentes por industria, mientras que está presente en más de 45 grandes industrias. Esto conlleva que el tipo de diversificación medio de esta Región sea del tipo no relacionado (DNR).

Como se puede identificar en las figuras 6.3 y 6.4, la región de Zaragoza (Sp8) tiene similitudes en el tipo de diversificación con regiones de Gran Bretaña tales como la de Leeds (UK12), Derby (UK10), Guilford (UK11), Oxford (UK13) y Bristol (UK8). En cuanto a tamaño, tanto en ingresos como en empleo de 2008, Zaragoza tiene grandes similitudes con Oxford. Las regiones que destacan por su alta diversidad de su entramado empresarial son Madrid (Sp2) y Barcelona (Sp1). Otras regiones situadas próximas a éstas son las de Ville de Paris (Fr7), Hauts-DE-Seine (Fr2) y la de Mazowieckie (P1).

Por el contrario, las regiones que destacan por su menor diversidad son las germanas, observándose una Baja Diversidad en todas ellas15. También se caracterizan por su bajo grado de diversificación industrial zonas como Jaén (Sp4) y Valladolid (Sp7). Con una baja diversidad, pero con mayor grado de diversificación que las anteriores están las zonas de Pontevedra (Sp6) y Navarra (Sp5).

14 Cabe destacar que un gran número de empresas españolas tienen sus sedes sociales en zonas como Madrid, Barcelona o Valencia, aunque sus plantas productivas estén dispersas en la geografía española. 15 Véase nota 12.

79 Estrategia 2020 Ámbito económico empresarial Figura 6.3: Diversificación Industrial (DP) por Regiones (Ingresos

DIVERSIFICACIÓN INDUSTRIAL (Ingresos 2008)

DNR AD 80

Sp2 70 Fr7 Sp1

B2 Fr2 60 P1 Sw2 I2 Sp3 Sw1 50 UK1 Fin1 Sp8 UK12 P2 Fr6 Fr4 UK10 Fr1 B1 I1 UK8 UK11 Fr8 Cr1 40 BSD Fr3 B7 UK13 Fr5 Cr2 UK9 Fr9 Sp6 I4 0,50 1,00 1,50 2,00 2,50 3,00 3,50 4,00 30 UK4 Sp5 B6 Fr17 UK7 Fr11 Fr16 Sp7 Fr10 UK5 G6 UK3 Fr15 Fr14 20 G3 UK2 R1 G5 UK6

Sp4 10 G2 I3 BD G4 DR

0 MNSD 2008) Figura 6.4: Diversificación Industrial (DP) por Regiones (Empleo 2008)

80 DIVERSIFICACIÓN INDUSTRIAL (Empleo 2008)

DNR 80 AD

Sp2 70 Fr7 Sp1

Fr2 60 B2 P1 Sw2 I2 Sp3 Sw1 Sp8 50 UK1 Fin1 UK10 UK12 P2 B1 Fr6 Fr4 Fr1 I1 UK8 UK11 Cr1 40 Fr3 Fr8 BSD B7 UK13 Fr5 Cr2 UK9 Sp6 I4 Fr9 0,50 1,00 1,50 2,00 2,50 3,00 3,50 4,00 UK4 Sp5 B630 Fr17 UK7 Fr11 Sp7 Fr16 UK5 G6 Fr10 UK3 Fr15 G3 Fr14 20 UK2 R1 G5 UK6

Sp4 10 G2 I3 G4 BD DR

0 MNSD

81 Estrategia 2020 Ámbito económico empresarial

En cuanto al tamaño de la empresa representativa de cada región, en términos de Ingresos y Empleo, se observa una leve tendencia creciente en los ingresos medios por empleado del 2000 al 2008. En concreto, los ingresos medios por empleado en el 2000, para el conjunto de países, eran de 0.23 miles de millones de euros, mientras que en el 2008 pasa a ser 0.25 (un incremento del 8%).

Los ingresos medios por empleado más bajos en el 2008 corresponden principalmente a zonas geográficas de países del este como Arges (R1), Liberec - Hradec Kralove - Pardubice (CR2) y Central Bohemian - Usti Nad Labem (CR1) de la República Checa, Slaskie (P2) de Polonia (0.12). De esto se puede deducir que en estas zonas su entramado empresarial es más intensivo en empleo. Aunque también cabe señalar que han sido las zonas geográficas en los que se ha observado un mayor crecimiento en los ingresos medios por empleado entre los años 2000 y 2008.

Sin embargo, entre las zonas geográficas con una menor ratio de ingresos medios por empleados también está una zona de Gran Bretaña, concretamente Blanckpool (UK2), cuyo crecimiento en esta ratio no alcanza el 3%.

Por el contrario, las zonas geográficas con una mayor ratio de ingresos medios por empleados corresponden todas ellas a zonas de Bélgica; en concreto, y por orden de mayor a menor ratio: Antwerp (B1), Brussels (B2), Aalst (B3), Ghent (B7) y Turnhout (B6). Además, cabe destacar que excepto en Ghent, se observa un alto aumento en la ratio de ingresos medios por empleado.

Si analizamos la zona de Zaragoza se observa cierta estabilidad, siendo los ingresos medios por empleado de 0.24 miles de millones de euros en los dos años objeto de estudio, aunque levemente inferior en 2008. Por lo que estaría reflejando una tendencia del entramado empresarial a ser más intensivo en mano de obra. Además, cabe señalar que, mientras que en 2000 era superior a la media, durante el 2008 es levemente inferior.

Con respecto al resto de zonas españolas, ratios superiores a la media se observan en Navarra (Sp5), seguido de Madrid (Sp2). Obtienen valores próximos a la media en Pontevedra (Sp6) y Barcelona (Sp1). Y, finalmente, con valores inferiores a la media en Valencia (Sp3), Jaén (Sp4) y Valladolid (Sp7) y por este orden.

Aunque la tendencia en estas zonas es a ser menos intensivas en trabajo esto no se observa en zonas como Pontevedra (Sp6) o Valladolid (Sp7).

- 82 -

- 83 - Estrategia 2020 Ámbito económico empresarial

7. Conclusiones

- 84 - - 85 - Estrategia 2020 Ámbito económico empresarial

7. Conclusiones

A lo largo del presente trabajo se ha perseguido conocer mejor el comportamiento socio- económico y empresarial para poder establecer los elementos de debate para el desarrollo de futuras líneas estratégicas dentro del contexto de la “Estrategia de Zaragoza y su Entorno en el horizonte 2020”.

Partiendo del modelo Delta, se analizan aquellos aspectos que sirven para alcanzar el objetivo propuesto. En este apartado, se presentan a continuación los resultados más relevantes.

Así, en el apartado 4 se relacionan una serie de características socio-económicas de la ciudad de Zaragoza con las de una muestra de ciudades europeas que podrían considerarse su entorno competitivo. Con tal propósito, se ha empleado un novedoso método de análisis y visualización de datos conocido como el “mapa auto-organizable” o SOM, por sus siglas anglo-sajonas.

Un primer análisis de los resultados del algoritmo utilizado ha permitido conocer cuáles son las ciudades más parecidas a Zaragoza, y establecer una primera segmentación de la muestra, que ha agrupado, por un lado, a algunas conocidas ciudades de Europa Occidental y Escandinavia y, por otro, a ciudades de los países bálticos y Turquía; en otra categoría, aunque más dispersa, han quedado ciudades de Francia, Reino Unido, Italia y España.

En segundo lugar, se ha pasado a caracterizar tales grupos en base a algunas, las más relevantes, de las variables empleadas en el SOM. Esto ha desvelado interesantes aspectos de carácter demográfico, económico y cultural, y ha colocado, en casi todos los casos, en posiciones opuestas al grupo de ciudades occidentales y escandinavas (más avanzadas), por un lado, y al de las turcas y bálticas (menos desarrolladas), por otro. Con respecto a Zaragoza, esta parte ha mostrado a la capital aragonesa como una en posiciones casi siempre intermedias, a camino entre las más desarrolladas y las menos, aunque con una tendencia a acercarse más a estas últimas que a las primeras.

Las ciudades que, en base a todas las variables elegidas, han aparecido como más parecidas a Zaragoza son las siguientes: Génova, Sevilla, Málaga, Palermo y Nápoles. Sin embargo, para cada uno de los aspectos analizados, se pueden identificar los “vecinos” más cercanos, que no siempre coinciden con los anteriores. Así, demográficamente, Zaragoza se encuentra próxima a ciudades como las alemanas Bremen o Essen; en el plano más puramente económico, podríamos agruparla con Torino, Valencia y Génova; en cuanto a la estructura de la ocupación sectorial de la población, se muestra muy similar a la polaca Poznan; y en los aspectos más culturales, se le podría asociar con Bordeaux, Torino, Birmingham, Nice y Dortmund.

Por último, aunque Zaragoza aparece casi siempre en la misma situación en relación a otras ciudades, existen dos aspectos en los que se podría decir que muestra una situación

- 86 - algo diferente a la tónica general del resto de variables. Por un lado, la ciudad muestra una proporción de trabajadores empleados en el sector de la construcción con unos valores que se encuentran entre los más altos de toda la muestra, característica compartida con el resto de ciudades españolas y algunas de las italianas y polacas. Por el otro, Zaragoza también muestra un grado de inserción de la mujer en el mercado laboral más cercano al de las ciudades más desarrolladas que al de las que se encuentran a la cola.

La posición estratégica del área de Zaragoza en el modelo Delta podría considerarse que se corresponde con un punto intermedio entre mejor producto y la integración con el cliente. Una vez superado el punto de mejor producto y antes de alcanzar la integración entre los agentes. Se trata de la zona en la que para dar continuidad al modelo, es necesario entrar a formar parte de las redes de expansión internacional, con redes e infraestructuras de primer nivel, con una visión a largo plazo en la que el capital humano, la innovación, la competitividad y la flexibilidad estratégica juegan el papel más importante.

Ha existido convergencia entre las economías de las áreas metropolitanas consideradas entre todas las áreas de referencia a nivel nacional. Sin embargo, esta convergencia que se ha producido de forma genérica no ha sido homogénea entre países, algunos países tienen una situación de partida superior (Bélgica ,Finlandia) y otros inferior (Reino Unido, Polonia y Chekia) al de las áreas españolas; las demás áreas nacionales no presentan diferencias en términos genéricos.

A nivel de detalle de áreas metropolitanas, 20 convergen más rápido que el área de Zaragoza, de un total de 63. Lo que es un indicativo muy favorable de la dinamicidad del tejido empresarial de la zona que se sitúa en el tercio superior de las áreas europeas.

La dispersión de los resultados se ha reducido desde el 2000 al 2008 lo que es un indicativo de convergencia de resultados hacia los valores medios de la variable. La homogeneización ha sido una tónica general en el marco europeo observándose una aproximación entre los resultados de las diversas áreas. España se sitúa muy próxima en esta variable al valor general para toda la muestra.

No ha sido homogénea para todos los países, han sido Francia y Chequia los países que han manifestado no convergencia de resultados en este periodo.

El área de Zaragoza ha presentado resultados de convergencia y dinamicidad en este periodo, muestra en términos de dispersión valores muy altos en 2008 aunque se ha reducido desde el 2000.

Zaragoza se sitúa entre las áreas de mayor dispersión, la 55 más dispersa de 63. Esta alta dispersión pone de manifiesto una gran diferencia entre las empresas del área, lo que justifica el resultado que posteriormente se obtiene en términos de diversidad empresarial.

La diversidad empresarial se ha generado a consecuencia de las estrategias de inversión empresarial y de localización de tales inversiones.

- 87 - Estrategia 2020 Ámbito económico empresarial

La diversidad empresarial por su nivel de actividad, que se observa en las áreas de referencia españolas, es casi tan grande como la de las áreas francesas. Destaca por su baja diversidad el resultado correspondiente a Alemania que se aleja de la media europea en ese concepto.

Un panorama muy similar se observa bajo la óptica del empleo con una representación gráfica casi idéntica a la de la actividad.

El nivel de diversificación empresarial que se observa al tomar como referencia las áreas metropolitanas, presenta un panorama en el que Zaragoza se sitúa en una zona central del gráfico con una ligera desviación hacia el espectro amplio de diversificación.

En el otro eje el área de Zaragoza se encuentra en la zona de diversificación no relacionada, al aparecer la actividad del área dispersa en más de 45 grandes industrias. Sin embargo, su posición en el gráfico es muy centrada con relación a todas las áreas analizadas.

La gran dispersión observada podría interpretarse en términos del modelo Delta como una garantía para encontrar fórmulas de relación entre las empresas del área, ya que de tanta diversidad se desprende un amplio espectro de oferta empresarial. No obstante, también cabría interpretar como que tal diversidad es el resultado de una carencia notable de guías en el mapa estratégico del área.

Una constatación de esta circunstancia se puede percibir de forma clara al observar el gran número de polígonos industriales y la dispersión de estos en el área de Zaragoza. Se han desarrollado sin una guía o patrón de referencia lo que ha dado lugar a la gran fragmentación de polígonos que existe en la actualidad. La reconsideración de esta circunstancia con los polígonos de nuevo cuño, con un modelo de gestión de los espacios mas integrado, con líneas de especialización propias y características diferenciales entre ellos, podría ser una línea de actuación en el sentido de las recomendaciones del modelo.

Los resultados obtenidos en términos de actividad y empleo revelan un estancamiento en este concepto, es decir, no se ha observado una mejora destacable en los ingresos por trabajador, que sin embargo sí aflora en otras áreas españolas. Diversas áreas belgas destacan especialmente sobre las demás en este concepto.

La interpretación de este resultado es que la intensidad tecnológica no es el elemento diferenciador de la cartera industrial del área de Zaragoza. No se han observado mejoras en el periodo de análisis en este aspecto lo que, desde la óptica del modelo supondría un estancamiento en el movimiento deseado.

- 88 -

- 89 - Estrategia 2020 Ámbito económico empresarial

8. Bibliografía

- 90 - - 91 - Estrategia 2020 Ámbito económico empresarial

8. Bibliografía

Agarwal, P. and Skupin, A., editors (2007). Self-organizing Maps: Applications in Geographic Information Science. John Wiley, Chichester, Sussex. Berry, C.H. (1971): “Corporate growth and diversification”. Journal of Law and Economics, Vol. 14, págs. 371-383. Combes P.P., Mayer, T. y Thisse J.F. (2008) Economic Geography. Princenton University Press. EC — European Commission (2006ª). Community strategic guidelines on cohesion. Council Decision of 6 October 2006 (2006/702/EC). OJEU L 291, 21.10.2006. EC — European Commission (2006b). Cohesion policy and cities: the urban contribution to growth and jobs in the regions. COM(2006) 385 final. EC — European Commission (2006c). Thematic Strategy on the urban environment. COM(2005) 718 final. EC — European Commission (2007a). Green Paper: Towards a new culture for urban mobility. COM(2007) 551 final. Brussels 25.9.2007. EC — European Commission (2007b). The urban dimension in Community policies for the period 2007–2013. Brussels. www.ec.europa.eu/regional_policy/sources/docgener/ guides/urban/index_en.htm [accessed April 2009]. EC — European Commission (2008b). Fostering the urban dimension: analysis of the operational programmes co-financed by the European Regional Development Fund (2007–2013). Working document of the Directorate-General for Regional Policy. Brussels 25 November 2008. EC — European Commission (2008c). Green Paper on territorial cohesion: turning territorial diversity into strength. COM(2008) 616 final. Brussels, 6.10.2008. EC — European Commission, DG Regional Policy, (2007a.) Survey on perceptions of quality of life in 75 European cities. Brussels. EC — European Commission, DG Regional Policy, (2007b). State of European cities report. Brussels. EEA— European Environment Agency (2009): Ensuring Quality of life in Europe’s cities and towns. Tackling the environmental challenges driven by European and global change, EEA, Copenhagen ISBN: 978-92-9167-994-2 Espitia, M. y Salas, V.(1989). Beneficios a Largo Plazo de las Empresas Españolas. Papeles de Economía Española, número 39, páginas 397-413. ESPON — European Spatial Planning Observational Network, 2005a. ESPON 1.1.1: Potentials for polycentric development in Europe. www.espon.eu/mmp/online/

- 92 - website/content/projects/259/648/index_EN.html [accessed june 2010]. Eurofound, (2004) Quality of life in Europe www.eurofound.europa.eu/pubdocs/2004/105/en/1/ef04105en.pdf European Parliament, Committee on Regional Development, Kallenbach, G. (2008). Report on the followup of the territorial agenda and the Leipzig Charter: towards a European action programme for spatial development and territorial cohesion. Eurostat (2004). Urban Audit. Methodological Handbook. European Comission, 2004 edition. Fischer, M. M. (2001). Computational neural networks: tools for spatial data analysis. In Fischer, M. M. and Leung, Y., editors, Geocomputational Mod- el ling: Techniques and Applications, pages 79–102. Springer Heidelberg. Fook-Chuen Ow (2005). The Delta Model Analysis of the Competitiveness of Singapore Inc, 15902 research paper. Fall 2005. Geroski, P. y Gugler, K.P. (2001). Corporate Growth: Convergence in Europe. Discussion Paper Nº 2838. www.cepr.org/pubs/dps/DP2838.asp Geroski, P. y Jacquemin, A. (1988). The Persistence of Profits: A European Comparison. The Economic Journal, número 98, páginas 375-389 Ghoshal, S. (1987). Global Strategy: An Organizing Framework. Strategic Management Journal, número 8. Goddard, J.A. y Wilson, J.O.S. (1996). Persistence of Profits for UK Manufacturing and Service Sector Firms. The Service Industries Journal, número 16/2, páginas 105- 117. Gyourko, J., Mayer, C., y Sinai, T. (2006). Superstar cities. NBER working paper. Hax A. y Wilde, D. (2002). The Delta Model: Toward a Unifie framework of Strategy. Sloan School of Management, Sept. . Hax, A. (2003) El Modelo Delta: Un Nuevo Marco Estratégico. Journal of Strategic Management Education. Hübner, D. (2006). Cities for growth, jobs and cohesion: the urban action of the Structural Funds. speech in Inforegio num. 19 April 2006. Jacquemin, A. y Sáez, W. (1976). A Comparison of the Performance of the Largest European and Japanese Industrial Firms. Oxford Economic Papers, número 2, páginas 271-283 Kogut, B. (1991). Joint ventures and the option to expand and acquire, Management Science, 37, pp. 19-33 Kohonen, T. (1982). Self-organized formation of topologically correct feature maps. Biological cybernetics, 43(1):59–69. Kohonen, T. (2001). Self-organizing Maps. Berlin: Springer, 3rd. edition. Krugman, P. (1994). Fluctuations, Instability, and Agglomeration. NBER Working Papers 4616, National Bureau of Economic Research, Inc.

- 93 - Estrategia 2020 Ámbito económico empresarial

Lavalle, C.; Barredo, J.; Mc Cormick N.; Engelen, G.; White, R. and Uljee, I. (2004). The MOLAND Model for Urban and Regional Growth Forecast. A tool for the Definition of Sustainable Development Paths. EUR 21480 EN. Office for Official Publications of the European Communities Luxembourg. Mueller, D.(1986). Profits in the Long Run. Cambridge University Press. Odagiri, H. y Yamawaki, H. (1986). A study of Company Profit. Rate Time Series. International Journal of Industrial Organization, número 4, páginas 1-23. Oja, M., Kaski, S., and Kohonen, T. (2003). Bibliography of self-organizing map (SOM) papers: 1998-2001 addendum. Neural Computing Surveys, 3(1):1–156. Palepu, K. (1985). Diversification strategy, profit performance and the entropy measure. Strategic Management Journal, Vol. 6, págs. 239-255. Porter, M.E. (1986a). Competition in Global Industries. Boston: Harvard Business School Press. Porter, M.E. (1986b). Changing Patterns of International Competition. California Management Review, número 28/2. Ramanujam, V. y Varadarajan, P. (1989). Research on corporate diversificartion: A synthesis. Strategic Management Journal, Vol. 10, págs. 523-551. Rumelt, R.P. (1974): Strategy, structure and economic performance. Harvard University Press, Boston. Sala-i-Martín, X (1996). The Classical Approach to convergence analysis. The Economic Journal, número 106, páginas 1019-1036. Sambharya, R.B. (1995): “The combined effect of international diversification and product diversification strategies on the performance of U.S.-based multinational corporations”. Management International Review, Vol. 35, págs. 197-218. Varadarajan, P. (1986). Product diversity and firm performance: An empirical investigation. Journal of Marketing, Vol. 50, Nº 3, págs. 43-57. Varadarajan, P. y Ramanujam, V. (1987). Diversification and performance: A reexamination using a new two-dimensional conceptualization of diversity in firms. Academy of Management Journal, Vol. 30, Nº 2, págs. 380-393. Velázquez, I. y Verdaguer, C. (2003). Estrategias Europeas y Españolas hacia la sostenibilidad urbana, Urbanismo para un Desarrollo más Sostenible, Collegi Oficial D’Arquitectes, Illes Balears. Wood, A. (1971). Diversification, merger, and research expenditures: A review of empirical studies. En Morris, R. y Wood, A. (Eds.), The corporate eonomy: Growth, competition, and Innovative potential. págs. 428-453. Boston: Harvard University Press. Yan, J. y Thill, J. (2009). Visual data mining in spatial interaction analysis with self- organizing maps. Environment and Planning B: Planning and Design, 36:466–486. Schohl, F. (1990). Persistence of Profits in the Long Run. A Critical Extension of Some Recent Findings. International Journal of Industrial Organization, 8, pp. 385-404.

- 94 -

- 95 - Estrategia 2020 Ámbito económico empresarial

9. Anexos

- 96 - - 97 - Estrategia 2020 Ámbito económico empresarial

Apéndice 1: El algoritmo del mapa auto-organizable: una descripción técnica

El método del mapa auto-organizable16 (SOM, a partir de ahora) es un tipo de red neuronal de computación no supervisada (Fischer, 2001) que combina la proyección, es decir, la reducción del número de atributos que tiene cada vector de entrada; con la cuantización (quantization) o, lo que es lo mismo, la reducción del número de vectores iniciales. A la vez, es capaz de preservar las relaciones topológicas en el espacio de salida. Normalmente, se emplea con dos propósitos: por un lado, es ideal para visualizar bases complejas de datos en las que, cada observación, tiene varios atributos o dimensiones; en segundo lugar, también es muy útil en el contexto del análisis de clusters como herramienta para agrupar observaciones similares en conjuntos mutuamente exclusivos. Debido a la primera utilidad, el SOM ha sido comparado en ocasiones con otros métodos como el de componentes principales o análisis de factores; y, debido a la segunda, a veces se le pone en el mismo grupo que otras técnicas como la de k-means o agrupación jerárquica (hierarchical clustering).

Aunque existen varias versiones del algoritmo, en función del tipo de datos con los que se trabaje y el contexto para el que emplee, nosotros hemos optado por emplear la original, que realiza un “mapeado [representación] no lineal, ordenado y suave de un conjunto datos de un alto número de dimensiones sobre los elementos de una red de pocas dimensiones” (Kohonen, 2001), normalmente dos.

Antes de detallar el procedimiento, es aconsejable clarificar una serie de conceptos que se utilizarán a lo largo de la explicación. El primero es el de espacio de entrada (también llamado señal), que hace referencia al grupo de datos iniciales con los que “alimentaremos” el algoritmo; normalmente, las observaciones son multidimensionales y se expresan a través de un vector para cada una de ellas. El segundo concepto es el de espacio de salida (red entrenada, red o SOM), que define el universo de baja dimensión en el que el algoritmo representa los datos de entrada. Normalmente (aunque no es necesario), éste tiene dos dimensiones, y está compuesto por un grupo de elementos llamados neuronas (o nodos) que se encuentran interconectadas, de aquí el nombre de red. Lo que el algoritmo hace es representar el espacio de entrada sobre el espacio de salida, manteniendo toda la información relevante y ordenando las observaciones de modo que cercanía topológica en el espacio de salida implique similitud estadística en el espacio de entrada.

El espacio de entrada se compone de vectores n-dimensionales que queremos visualizar/agrupar en un entorno de baja dimensión (normalmente, dos), el espacio de salida. Podemos expresar el vector de entrada t como:

(1) donde ζi(t) representa el valor de cada dimensión o atributo i. Aunque no existe ningún

16 En esta sección se ofrece una visión detallada aunque resumida del método self-organizing map. Para una discusión completa, se recomienda consultar la referencia original, Kohonen (2001), que contiene mucho mayor grado de detalle.

- 98 - requerimiento particular acerca de los datos que se utilicen como espacio de entrada, dependiendo de la naturaleza de los mismos, y al igual que se suele proceder para otros métodos estadísticos, puede ser útil estandarizarlos si están expresados en escalas muy dispares, o tomar logaritmos para evitar asimetrías.

El espacio de salida es una red de x por y neuronas (o nodos) conectados topológicamente siguiendo algún tipo de regla geométrica (las dos más comunes son cuadrados y hexágonos). A cada uno de los nodos se le asigna un vector de parámetros reales al que le llamaremos modelo, y expresaremos:

(2)

Los valores de mi pueden ser elegidos de manera aleatoria o asignados siguiendo algún tipo de conocimiento previo acerca del espacio de entrada con objeto de agilizar el tiempo de computación. También definiremos como d(x, mi) cualquier distancia métrica entre los vectores x y mi. La medida más utilizada es la distancia Euclídea, aunque cualquier otra especificación puede ser también válida.

Lo que buscamos es una representación topológicamente ordenada de la señal sobre la red. Esto es realizado por el algoritmo del SOM a través de un proceso iterativo llamado entrenamiento, en el que cada vector de la señal es presentado de manera secuencial a la red de neuronas. Definiremos la unidad de mejor adaptación (BMU17) como aquella neurona para la que la distancia entre el vector mi que tiene asociado y el vector de entrada x es mínima, es decir:

(3)

Una vez se encuentra c, la neurona asociada a mi es activada y comienza un proceso adaptativo por el cual la BMU y su vecindario topológico son modificadas de acuerdo al siguiente esquema:

(4) donde t y t+1 representan, respectivamente, el estado inicial y final, una vez la señal ha activado la neurona; a hci(t) se le llama la función de vecindario y expresa cómo la BMU y sus vecinas son modificadas cuando son activadas por la señal; normalmente, se trata de una función lineal o Gausiana. Este proceso se repite una cantidad determinada de ciclos antes de terminar el entrenamiento. La función de vecindario depende de varios parámetros que juegan un papel importante en este apartado: la distancia entre la BMU y la neurona modificada (de modo que cuanto más lejos se encuentre esta última, el ajuste es menor); la tada de aprendizaje α(t) que define la magnitud del ajuste, y que decrece de manera gradual a medida que los ciclos del entrenamiento avanzan; y el radio del

17 Del inglés best matching unit.

- 99 - Estrategia 2020 Ámbito económico empresarial

vecindario, que decide cuáles de las neuronas que rodean a la BMU son modificadas por la función de vecindario, y que también decrece con el paso de los ciclos. Todos juntos, hacen posible que el espacio de salida preserve topológicamente las características estadísticas de los datos del espacio de entrada.

Es importante destacar que el proceso de aprendizaje que se acaba de describir es la esencia del método y, éste, viene dado por el hecho de que la función de vecindario no ajusta perfectamente la BMU ni sus vecinas para que tengan el valor del vector de entrada, sino que únicamente lo hace de manera parcial (y, siempre, controlado por la tasa de aprendizaje). Este proceso es repetido una cantidad relativamente grande de veces, lo que produce una configuración y la auto-organización (de ahí el nombre) del espacio de entrada sobre el espacio de salida. También es de interés recalcar que, al contrario que otros métodos de agrupación (clustering) o reducción de datos, el SOM nunca compara los vectores de entrada entre sí de manera directa, sino siempre a través de comparaciones entre la señal y las neuronas.

- 100 - Apéndice 2: Ciudades empleadas

Código Nombre País 1 nl002c Amsterdam Holanda 2 tr003c Antalya Turquía 3 gr001c Athina Grecia 4 uk002c Birmingham Reino Unido 5 fr007c Bordeaux Francia 6 de012c Bremen Alemania 7 be001c Bruxelles / Brussel Bélgica 8 tr007c Diyarbakir Turquía 9 de010c Dortmund Alemania 10 de011c Düsseldorf Alemania 11 de006c Essen Alemania 12 de005c Frankfurt am Main Alemania 13 tr010c Gaziantep Turquía 14 it006c Genova Italia 15 uk004c Glasgow Reino Unido 16 de013c Hannover Alemania 17 fi001c Helsinki Finlandia 18 tr016c Kayseri Turquía 19 tr018c Konya Turquía 20 pl003c Krakow Polonia 21 de004c Köln Alemania 22 uk003c Leeds Reino Unido 23 pt001c Lisboa Portugal 24 pl002c Lodz Polonia 25 es006c Málaga España 26 fr008c Nantes Francia 27 it003c Napoli Italia 28 fr205c Nice Francia 29 no001c Oslo Noruega 30 it005c Palermo Italia 31 pl005c Poznan Polonia 32 lv001c Riga Letonia 33 nl003c Rotterdam Netherlands 34 es004c Sevilla España 35 uk010c Sheffield Reino Unido 36 se001c Stockholm Suecia 37 de007c Stuttgart Alemania 38 it004c Torino Italia 39 fr004c Toulouse Francia 40 es003c Valencia España 41 lt001c Vilnius Lituania 42 pl004c Wroclaw Polonia 43 es005c Zaragoza España

- 101 - Estrategia 2020 Ámbito económico empresarial

Apéndice 3: Variables empleadas

Código Variable 1 cr1003i Número de asientos de cine por 1000 residentes 2 de1003i Proporción de mujeres sobre hombres en la población total 3 de1025i Proporción de la población total entre 55 y 64 años 4 de1028i Proporción de la población total entre 65 y 74 años 5 de1029i Proporción de la población masculina entre 65 y 74 años 6 de1030i Proporción de la población femenina entre 65 y 74 años 7 de1040i Proporción de la población total entre 0 y 4 años 8 de1043i Proporción de la población total entre 5 y 14 años 9 de1052i Proporción de la población total entre 25 y 54 años 10 de1055i Proporción de la población total de más de 75 años 11 de1057i Proporción de mujeres sobre hombres de más de 75 años 12 de1080i Proporción de la población masculina entre 15-64 años 13 de1081i Proporción de la población femenina entre 15-64 años 14 de1082i Proporción de la población masculina entre 55-64 años 15 de1081i Proporción de la población femenina entre 55-64 años 16 de3002i Proporción de hogares con una sola persona 17 ec1002i Tasa de actividad masculina 18 ec1003i Tasa de actividad femenina 19 ec1007i Tasa neta de actividad de residentes entre 55 y 64 años 20 ec1011i Tasa de desempleo masculina 21 ec1012i Tasa de desempleo femenina 22 ec1020i Tasa de desempleo 23 ec1029i Tasa de empleados masculinos sobre la población activa masculina 24 ec1030i Tasa de empleadas femeninas sobre la población activa femenina 25 ec1031i Tasa de auto-empleo 26 ec1032i Tasa de auto-empleo - masculina 27 ec1033i Tasa de auto-empleo - femenina 28 ec1143i Tasa de actividad de hombres entre 15 y 24 años 29 ec1144i Tasa de actividad de mujeres entre 15 y 24 años 30 ec1145i Tasa de actividad entre los 55 y 64 años 31 ec1146i Tasa de actividad masculina entre los 55 y 64 años 32 ec1147i Tasa de actividad femenina entre los 55 y 64 años 33 ec1149i Proporción de residentes masculinos desempleados entre 15 y 24 años 34 ec1150i Proporción de residentes femeninas desempleadas entre 15 y 24 años 35 ec1151i Proporción de residentes desempleados entre 55 y 64 años 36 ec1152i Proporción de residentes masculinos desempleados entre 55 y 64 años 37 ec2001i PNB per cápita 38 ec2009i Proporción de empleo en industrias C-E (NACE Rev. 1) 39 ec2010i Proporción de empleo en comercio, hoteles, restaurantes

- 102 - 40 ec2011i Proporción de empleo en actividades de intermediación financiera 41 ec2012i Proporción de empleo en administración pública, salud y educación 42 ec2016i Proporción de empleo en minería, manufacturación y energía 43 ec2017i Proporción de empleo en industrias G-P (NACE Rev. 1) 44 ec2019i Proporción de empleo (trabajos) únicamente en auto-empleo 45 ec2022i Proporción de empleo en construcción 46 ec2023i Proporción de empleo en transporte y comunicación 47 ec2024i Proporción de empleo en servicios comerciales (NACE Rev 1.1: G-K) 48 sa1011i Proporción de hogares viviendo en vivienda propia 49 sa1013i Proporción de hogares viviendo en vivienda privada alquiladada 50 sa2017i Tasa de mortalidad para menores de 65 años por año (Hombres) 51 sa2018i Tasa de mortalidad para menores de 65 años por año (Mujeres) 52 sa2029i Tasa bruta de mortalidad por cada 1000 residentes 53 sa2030i Tasa bruta de mortalidad entre residentes masculinos por 1000 residentes masculinos 54 sa2031i Tasa bruta de mortalidad entre residentes femeninas por 1000 residentes femeninas

- 103 - Estrategia 2020 Ámbito económico empresarial

Apéndice 4: Especificaciones del algoritmo aplicado

Inicialización Topología hexagonal x, y 15, 15 Función de vecindario gausiana Primera Segunda parte parte No. de ciclos 10.000 100.000 α 0.04 0.03 Radio inicial 7 5

- 104 - Apéndice 5: Localización de plantas de automóviles o componentes en Europa

Coches Coches Motores

PAIS LOCALIDAD GRUPO Comerciales Austria Steyr BMW GROUP x x Austria Graz MAGNA STEYR x Belgica Antwerp GENERAL MOTORS EUROPE x Belgica Forest VOLKSWAGEN AG x Belgica Genk FORD OF EUROPE x Belgica Ghent FORD OF EUROPE x Belgica Liège IMPERIA x Bulgaria Lovech GREAT WALL MOTOR x Chequia Mlada Boleslav VOLKSWAGEN AG x x Chequia Kolin TOYOTA - PSA (TPCA) x Chequia Vrchlabi VOLKSWAGEN AG x Eslovaquia Zilina HYUNDAI-KIA x x Eslovaquia Bratislava VOLKSWAGEN AG x Eslovaquia Trnava PSA PEUGEOT CITROËN x España Barcelona NISSAN x x España Linares SANTANA MOTORS x x España Vigo PSA PEUGEOT CITROËN x x España Zaragoza GENERAL MOTORS EUROPE x x España Almusafes (Valencia) FORD OF EUROPE x x España Landaben (Pamplona) VOLKSWAGEN AG x x España Martorell VOLKSWAGEN AG x x España Valladolid RENAULT SA x x España Madrid PSA PEUGEOT CITROËN x España Palencia RENAULT SA x Finlandia Uusikaupunki VALMET AUTOMOTIVE x Francia Cerizay HEULIEZ CAPITAL (BKC) x x Francia Hordain FIAT – PSA x x Francia Carros MDI x x Francia Molsheim VOLKSWAGEN AG x x Francia Onnaing (Valenciennes) TOYOTA MOTOR EUROPE x x Francia Alès PGO x Francia Aulnay-sous-Bois PSA PEUGEOT CITROËN x Francia Dieppe RENAULT SA x Francia Douai RENAULT SA x Francia Flins RENAULT SA x Francia Hambach DAIMLER AG x Francia Mulhouse PSA PEUGEOT CITROËN x Francia Poissy PSA PEUGEOT CITROËN x Francia Rennes PSA PEUGEOT CITROËN x Francia Romorantin MATRA x Francia Sablé-sur-Sarthe VENTURI x

- 105 - Estrategia 2020 Ámbito económico empresarial Coches Coches Motores

PAIS LOCALIDAD GRUPO Comerciales Francia Sandouville RENAULT SA x Francia Sochaux PSA PEUGEOT CITROËN x Hungria Györ VOLKSWAGEN AG x x Hungria Esztergom SUZUKI x Hungria Kecskemet DAIMLER AG x Italia Bairo PININFARINA x Italia Cassino (Frosinone) FIAT GROUP x Italia Grugliasco (Torino) FIAT GROUP x Italia Grugliasco (Torino) PININFARINA x Italia Maranello FIAT GROUP x Italia Melfi (Potenza) FIAT GROUP x Italia Mirafiori (Torino) FIAT GROUP x Italia Modena FIAT GROUP x Italia Modena PAGANI x Italia Pomigliano d'Arco (Napoli) FIAT GROUP x Italia San Giorgio Canavese PININFARINA x Italia Sant'Agata Bolognese VOLKSWAGEN AG x Italia Termini Imerese (Palermo) FIAT GROUP x Paises Bajos Born NEDCAR – MITSUBISHI x Paises Bajos Lelystad DONKERVOORT x Paises Bajos Zeewolde SPYKER x Polonia Bielsko-Biala FIAT – GM x x Polonia Gliwice GENERAL MOTORS EUROPE x Polonia Tychy FIAT GROUP x Polonia Warsaw UKRAVTO x Portugal Palmela (Setubal) VOLKSWAGEN AG x Reino Unido Crewe (Cheshire) VOLKSWAGEN AG x x Reino Unido Blackpool TVR x Reino Unido Burnaston TOYOTA MOTOR EUROPE x Reino Unido Castle Bromwich JAGUAR LAND ROVER x Reino Unido Chippenham INVICTA x Reino Unido Coventry MANGANESE BRONZE HOLDINGS x Reino Unido Cowley (Oxford) BMW GROUP x Reino Unido Dartford (Kent) CATERHAM x Reino Unido Ellesmere Port GENERAL MOTORS EUROPE x Reino Unido Filton (Bristol) BRISTOL x Reino Unido Garforth (Leeds) GINETTA x Reino Unido Gaydon (Warwick) ASTON MARTIN x Reino Unido Goodwood BMW GROUP x Reino Unido Halewood JAGUAR LAND ROVER x Reino Unido Hethel (Norwich) LOTUS GROUP INTERNATIONAL x Reino Unido Hethel (Norwich) TESLA MOTORS x Reino Unido Longbridge MG MOTOR UK (Nanjing+SAIC) x Reino Unido Malvern MORGAN x

- 106 - Coches Coches Motores

PAIS LOCALIDAD GRUPO Comerciales Reino Unido Solihull JAGUAR LAND ROVER x Reino Unido Sunderland NISSAN x Reino Unido Swindon HONDA x Reino Unido Tamworth (Staffordshire) METROCAB x Reino Unido Woking MCLAREN x Rumania Colibasi (Pitesti) RENAULT SA x x x Rumania Câmpulung ARO x Suecia Ängelholm KOENIGSEGG AUTOMOTIVE AB x Suecia Torslanda (Göteborg) VOLVO CARS x Suecia Trolhättan SPYKER x Alemania Bochum GENERAL MOTORS EUROPE x Alemania Ennepetal BITTER x Alemania Dingolfing BMW GROUP x Alemania Bremen DAIMLER AG x Alemania Dresden VOLKSWAGEN AG x Alemania Grossenhain FUNKE & WILL AG x Alemania Köln FORD OF EUROPE x x Alemania Leipzig BMW GROUP x Alemania Leipzig PORSCHE AG x Alemania Emden VOLKSWAGEN AG x Alemania Dülmen WIESMANN x Alemania Eisenach GENERAL MOTORS EUROPE x Alemania Ingolstadt VOLKSWAGEN AG x Alemania Munich BMW GROUP x Alemania Neckarsulm VOLKSWAGEN AG x Alemania Osnabrück VOLKSWAGEN AG x Alemania Rastatt DAIMLER AG x Alemania Regensburg BMW GROUP x Alemania Rüsselsheim GENERAL MOTORS EUROPE x Alemania Saarlouis FORD OF EUROPE x Alemania Sindelfingen DAIMLER AG x Alemania Stuttgart-Zuffenhausen PORSCHE AG x x Alemania Wolfsburg VOLKSWAGEN AG x Alemania Zwickau VOLKSWAGEN AG x Reino Unido Frimley (Surrey) AC MOTOR HOLDINGS x

European Automobile Manufacturers Association. Documento, 'Automobile assembly & engine production plant in Europe'

- 107 - Estrategia 2020 Ámbito económico empresarial

Apéndice 6. Información estadística de las variables por área geográfica EMPLEADOS- INGRESOS- INGRESOS- REGIÓN PAÍS EMPLEADOS-2008 2000 2008 2000 Aalst BÉLGICA Max 4919 3768 2533229 4919 Min 100 51 19073 100 Promedio 577 554 281800 577 Desv Tip 1139 869 606956 1139 Nº Observaciones = 17 Antwerp BÉLGICA Max 11485 9329 29710424 6973784 Min 100 2 7046 102 Promedio 511 436 341195 158912 Desv Tip 1169 1100 2149100 589494 Nº Observaciones = 202 Brussels BÉLGICA Max 20163 23090 23752863 8239922 Min 100 3 7791 93 Promedio 724 593 394345 211510 Desv Tip 1967 1822 1866341 789116 Nº Observaciones = 321 Ghent BÉLGICA Max 4480 3906 3048098 2745536 Min 102 2 7112 525 Promedio 379 304 171843 150773 Desv Tip 657 568 450620 456993 Nº Observaciones = 82 Hasselt BÉLGICA Max 2130 3274 1837269 1210813 Min 100 2 10624 5 Promedio 1115 1638 923946,5 605409 Desv Tip 1435 2314 1291633 856171 Nº Observaciones = 70

108

EMPLEADOS- INGRESOS- INGRESOS- REGIÓN PAÍS EMPLEADOS-2008 2000 2008 2000 Maaseik Bélgica Max 2549 691 310301 89112 Min 101 33 11200 6977 Promedio 1325 362 160750,5 48044,5 Desv Tip 1731 465 211496 58078 Nº Observaciones = 38 Turnhout Bélgica Max 4082 3752 3609638 1798424 Min 100 7 11044 2122 Promedio 353 300 139821 83689 Desv Tip 534 505 393739 206864 Nº Observaciones = 92 Central Bohemian República Checa Max 4500 7500 667482 1501000 Min 150 3 98 150 Promedio 402 348 45745 31167 Desv Tip 558 665 93331 122430 Nº Observaciones = 172 Liberec República Checa Max 4500 7500 486063 303990 Min 150 3 63 506 Promedio 2325 3752 243063 152248 Desv Tip 468 642 60375 31646 Nº Observaciones = 181 Western Finland Finlandia Max 7421 3945 2818824 1272600 Min 100 2 2530 81 Promedio 447 345 124859 66154 Desv Tip 822 545 306825 129829 Nº Observaciones = 233

109 Estrategia 2020 Ámbito económico empresarial

EMPLEADOS- INGRESOS- INGRESOS- REGIÓN PAÍS EMPLEADOS-2008 2000 2008 2000 Alpes-Maritimes Francia Max 3754 2104 708747 1251983 Min 100 24 6030 1218 Promedio 446 317 99303 69052 Desv Tip 625 396 159797 153638 Nº Observaciones = 85 Bas-Rhin Francia Max 3626 2745 738804 444522 Min 100 9 6979 2274 Promedio 368 337 87047 60135 Desv Tip 498 484 129319 90511 Nº Observaciones = 135 Deux-Sqvres Francia Max 3038 2184 171730 216593 Min 100 7 1252 897 Promedio 317 249 53038 42551 Desv Tip 2077 1539 120546 152520 Nº Observaciones = 40 Doubs Francia Max 1373 728 313913 164461 Min 100 10 4981 1109 Promedio 243 202 47178 33866 Desv Tip 209 159 50648 34069 Nº Observaciones = 61 Haut-Rhin Francia Max 3462 3398 1027656 783139 Min 100 7 6966 50 Promedio 364 332 117106 79835 Desv Tip 540 515 194400 131163 Nº Observaciones = 79

110

EMPLEADOS- INGRESOS- INGRESOS- REGIÓN PAÍS EMPLEADOS-2008 2000 2008 2000 Haute-Sa™ne Francia Max 734 614 443959 111048 Min 100 15 14499 5119 Promedio 221 159 63871 32313 Desv Tip 161 138 97187 25809 Nº Observaciones = 18 Hauts-De-Seine Francia Max 479072 330247 160331000 114557000 Min 100 1 91 1 Promedio 3727 3084 1087556 730059 Desv Tip 25775 20545 7581109 5401486 Nº Observaciones = 738 Ille-et-Vilaine Francia Max 5765 1925 1063333 517531 Min 100 1 1130 53 Promedio 405 301 77352 50927 Desv Tip 610 361 124980 75484 Nº Observaciones = 141 Jura Francia Max 1187 893 139567 123938 Min 118 115 10445 14226 Promedio 350 311 53628 45125 Desv Tip 305 256 46751 41148 Nº Observaciones = 11 Loi-et-Cher Francia Max 2728 2026 659324 424101 Min 100 21 2990 1375 Promedio 377 297 89398 63008 Desv Tip 535 384 128029 96377 Nº Observaciones = 34

111 Estrategia 2020 Ámbito económico empresarial

EMPLEADOS- INGRESOS- INGRESOS- REGIÓN PAÍS EMPLEADOS-2008 2000 2008 2000 Moselle Francia Max 935 996 1096278 410077 Min 100 2 2123 725 Promedio 288 260 86087 44937 Desv Tip 202 218 159770 61859 Nº Observaciones = 62 Nord Francia Max 17019 12310 4089042 3025633 Min 100 1 228 20 Promedio 681 517 165389 97712 Desv Tip 1758 1361 434000 287893 Nº Observaciones = 248 Sarthe Francia Max 11870 7962 1953887 1049176 Min 102 42 7027 2574 Promedio 486 368 101015 65882 Desv Tip 1543 1026 283095 158660 Nº Observaciones = 59 Seine-Maritime Francia Max 3099 1665 1266500 626175 Min 100 3 1675 596 Promedio 379 276 94310 55713 Desv Tip 475 299 174267 93103 Nº Observaciones = 133 Seine-Saint-Denis Francia Max 6710 4378 7010040 5346685 Min 100 6 4561 241 Promedio 607 452 238172 154031 Desv Tip 989 739 639717 440906 Nº Observaciones = 205

112

EMPLEADOS- INGRESOS- INGRESOS- REGIÓN PAÍS EMPLEADOS-2008 2000 2008 2000 Ville de Paris Francia Max 234653 290000 68487400 44204000 Min 100 1 252 68 Promedio 4964 3996 1156516 806656 Desv Tip 22376 20012 5628462 3918918 Nº Observaciones = 714 Yvelines Francia Max 18775 14751 3941286 3882885 Min 100 1 52 422 Promedio 843 656 241550 171523 Desv Tip 2016 1448 494517 418313 Nº Observaciones = 217 Arnsberg Alemania Max 22535 17923 3337000 2250385 Min 104 95 13350 17294 Promedio 2385 2051 437401 337840 Desv Tip 4698 3722 737471 510713 Nº Observaciones = 25 Bonn Alemania Max 484763 319998 63637000 52805000 Min 323 176 41638 25949 Promedio 60640 44259 10417633 7330171 Desv Tip 149560 104854 23406127 17305523 Nº Observaciones = 12 Kšln Alemania Max 106898 69523 26989000 16886000 Min 132 80 11747 4971 Promedio 6974 5708 2367606 1502168 Desv Tip 21659 15451 6563470 4201494 Nº Observaciones = 25

113 Estrategia 2020 Ámbito económico empresarial

EMPLEADOS- INGRESOS- INGRESOS- REGIÓN PAÍS EMPLEADOS-2008 2000 2008 2000 Niederbayern Alemania Max 348521 322415 122578000 90325000 Min 131 176 21790 25977 Promedio 21548 20146 7452661 5521805 Desv Tip 84265 77904 29668752 21854588 Nº Observaciones = 17 Oberbayern Alemania Max 95699 100319 54625000 37291000 Min 106 41 20339 6354 Promedio 8730 8488 3246148 2197534 Desv Tip 19873 21013 10079864 6567157 Nº Observaciones = 43 Stuttgart Alemania Max 260916 449594 97107000 163330000 Min 116 95 18767 19066 Promedio 10765 15571 4022706 5714786 Desv Tip 45438 78034 17113945 28420878 Nº Observaciones = 33 Bologna Italia Max 13992 4015 4040551 1281455 Min 100 2 3664 922 Promedio 711 411 165144 82561 Desv Tip 1658 656 385763 146398 Nº Observaciones = 192 Frosinone Italia Max 1322 2082 148655 553850 Min 102 5 12063 2135 Promedio 273 266 44680 59788 Desv Tip 315 530 41941 143576 Nº Observaciones = 14

114

EMPLEADOS- INGRESOS- INGRESOS- REGIÓN PAÍS EMPLEADOS-2008 2000 2008 2000 Modena Italia Max 7193 4688 2249810 1381707 Min 100 4 5995 1538 Promedio 522 398 163678 101492 Desv Tip 915 662 344752 208990 Nº Observaciones = 130 Torino Italia Max 22639 31598 20281927 10792711 Min 100 2 2742 1331 Promedio 668 601 243249 156539 Desv Tip 1811 2161 1344422 735921 Nº Observaciones = 274 Mazowieckie Polonia Max 96791 101255 2138735 1684050 Min 100 1 623 3 Promedio 705 632 90386 46004 Desv Tip 4084 4308 226526 126543 Nº Observaciones = 623 Slaskie Polonia Max 5853 4692 3689274 1833274 Min 100 5 240 227 Promedio 395 377 43769 22699 Desv Tip 522 439 203035 99492 Nº Observaciones = 399 Arges Rumanía Max 9125 2645 177712 27174 Min 115 6 609 46 Promedio 606 337 19053 3120 Desv Tip 1674 575 36966 5682 Nº Observaciones = 29

115 Estrategia 2020 Ámbito económico empresarial

EMPLEADOS- INGRESOS- INGRESOS- REGIÓN PAÍS EMPLEADOS-2008 2000 2008 2000 Barcelona España Max 93863 49922 14394080 6622040 Min 100 1 1797 36 Promedio 46982 24962 7197939 3311038 Desv Tip 66300 35299 10176881 4682464 Nº Observaciones = 944 Jaén España Max 1601 1265 326180 325446 Min 104 18 8118 1124 Promedio 339 237 67519 43967 Desv Tip 423 324 99167 78627 Nº Observaciones = 18 Madrid España Max 251775 145730 61048000 45742000 Min 100 1 1075 1 Promedio 1924 1159 538249 285096 Desv Tip 10797 5948 3115924 1881641 Nº Observaciones = 1165 Navarra España Max 4220 5759 2224824 2302520 Min 100 6 2439 1082 Promedio 413 338 117987 75926 Desv Tip 766 767 295249 258462 Nº Observaciones = 87 Pontevedra España Max 12110 11654 6344285 5967470 Min 100 2 2553 211 Promedio 549 390 137856 99793 Desv Tip 1467 1207 638540 590446 Nº Observaciones = 103

116

EMPLEADOS- INGRESOS- INGRESOS- REGIÓN PAÍS EMPLEADOS-2008 2000 2008 2000 Valencia España Max 62038 19642 14308686 3131053 Min 100 2 722 180 Promedio 861 363 188164 57546 Desv Tip 5713 1802 1324320 290706 Nº Observaciones = 233 Valladolid España Max 62038 19642 14308686 3131053 Min 100 2 722 180 Promedio 1237 507 268120 84344 Desv Tip 6986 2222 1619913 387932 Nº Observaciones = 41 Zaragoza España Max 12958 8743 5095096 4966454 Min 100 2 2221 24 Promedio 536 331 126082 79531 Desv Tip 1376 888 480987 435951 Nº Observaciones = 134 SkŒne Suecia Max 24347 12397 4843327 1788663 Min 100 1 1396 14 Promedio 627 482 161549 97926 Desv Tip 1865 1233 441848 222040 Nº Observaciones = 302 Goteborg Suecia Max 97030 54264 28080111 14885633 Min 100 1 1877 21 Promedio 893 670 281750 198623 Desv Tip 5387 3516 1578787 1008992 Nº Observaciones = 404

117 Estrategia 2020 Ámbito económico empresarial

EMPLEADOS- INGRESOS- INGRESOS- REGIÓN PAÍS EMPLEADOS-2008 2000 2008 2000 Birmingham Reino Unido Max 59784 30855 2244565 2714172 Min 100 8 1061 283 Promedio 934 816 119721 120159 Desv Tip 4146 2681 276586 296593 Nº Observaciones = 235 Blackpool Reino Unido Max 3119 1606 268077 99071 Min 115 68 7463 986 Promedio 704 418 71015 41054 Desv Tip 855 403 79682 32226 Nº Observaciones = 21 Bristol Reino Unido Max 40855 65946 12729347 9432464 Min 101 1 6075 36 Promedio 1404 1078 316610 235263 Desv Tip 5177 5792 1364793 1043018 Nº Observaciones = 134 Coventry Reino Unido Max 17594 10627 9468322 6534410 Min 100 6 6472 157 Promedio 1241 1158 346991 390428 Desv Tip 2803 2269 1057909 987928 Nº Observaciones = 105 Crewe Reino Unido Max 3681 4410 868794 568743 Min 102 2 4638 254 Promedio 659 534 139277 93350 Desv Tip 931 790 171984 112012 Nº Observaciones = 50

118

EMPLEADOS- INGRESOS- INGRESOS- REGIÓN PAÍS EMPLEADOS-2008 2000 2008 2000 Derby Reino Unido Max 20997 15644 2184451 1966816 Min 104 6 4376 98 Promedio 816 734 177158 134081 Desv Tip 2114 1748 365993 283802 Nº Observaciones = 114 Guildford Reino Unido Max 68635 31327 14069542 7259209 Min 100 2 6776 332 Promedio 1695 1188 300584 263900 Desv Tip 6193 3507 1207817 786336 Nº Observaciones =162 Leeds Reino Unido Max 105664 89981 19455154 15624857 Min 100 14 4121 674 Promedio 2222 1813 333288 303161 Desv Tip 11765 8712 2149559 1732066 Nº Observaciones = 162 Norwich Reino Unido Max 4647 6309 351808 682231 Min 107 4 4614 5597 Promedio 495 537 66843 81855 Desv Tip 824 951 77998 127446 Nº Observaciones = 64 Oxford Reino Unido Max 8102 9324 1083321 2287688 Min 101 6 4096 672 Promedio 679 696 120779 145780 Desv Tip 1112 1405 184005 300461 Nº Observaciones = 136

119 Estrategia 2020 Ámbito económico empresarial

EMPLEADOS- INGRESOS- INGRESOS- REGIÓN PAÍS EMPLEADOS-2008 2000 2008 2000 Portsmouth Reino Unido Max 17849 19107 3922560 9407145 Min 101 17 4975 2365 Promedio 858 759 143859 215621 Desv Tip 2411 2549 508520 1218787 Nº Observaciones = 59 Sunderland Reino Unido Max 40487 29281 4210928 3320436 Min 101 44 5133 4190 Promedio 1625 1307 216496 179220 Desv Tip 6135 4445 787828 646635 Nº Observaciones = 43 Swindon Reino Unido Max 21693 15921 3885500 3336223 Min 105 29 4812 4295 Promedio 969 738 271646 237134 Desv Tip 2688 1982 672993 560428 Nº Observaciones = 78

120