Analistas

Data-Atlas Colombia y su potencial exportador

La difícil coyuntura exportadora nos indica que es indispensable trabajar en una agenda de competitividad

Recientemente, Bancóldex lanzó el Data-Atlas Colombia (Data-Col), una herramienta que ofrece criterios para identificar sectores productivos con el mayor potencial de crecimiento. Dicho Data-Col usa análisis de “complejidad económica” fundamentada en información detallada a nivel de sectores y regiones dentro de un mismo país. 

Anif aplaude esta iniciativa como otro elemento importante para ayudar a superar la “crisis exportadora” que hemos identificado de tiempo atrás.  Pero, no nos equivoquemos nuevamente, sin solucionar primero lo problemas estructurales de elevado “Costo Colombia” nos resultará imposible llegar a implementar las guías de Data-Col y nos seguirán siendo esquivos los potenciales beneficios de los abundantes TLCs que se han aprobado en los últimos años, cubriendo ya 70% de nuestro comercio internacional. 

Esta difícil coyuntura exportadora nos indica que es indispensable trabajar en esa agenda de competitividad estructural (abaratando costos salariales, energéticos y de transporte) para intentar recuperar algo de los US$30.000 millones (la mitad del valor de nuestras exportaciones) que se han perdido en los últimos tres años. Nótese que también el valor de las exportaciones no-tradicionales (agro e industria) han descendido críticamente de los US$15.000 millones a solo US$12.000 millones (-20%).

De hecho, antes de entrar a ver las virtudes Data-Col, es crucial entender sus limitaciones:  i) no evalúa el impacto del “Costo Colombia” (ver informe semanal No. 1313 de mayo de 2016 ); y ii) no ofrece información sobre la viabilidad financiera-rentabilidad de los nuevos productos, lo cual difícilmente nos permite dimensionar la verdadera “ventaja comparativa” de los nuevos sectores a nivel internacional (se limita al análisis regional al interior de Colombia).

La fortaleza del Data-Col está en ayudar a identificar-verificar nuevos y potenciales crecimientos productivos a nivel sectorial-regional. Ahora bien, Anif considera que “la prueba acida” en su aplicación necesariamente debe estar relacionada con: i) ser capaz de generar “valor agregado” en la vecindad de su función de producción; ii) poder aumentar el número y rango de clientes; y iii) poder “explotar recursos subutilizados” del negocio actual.  De hecho, diversas investigaciones señalan que con frecuencia el éxito exportador no está en la llamada “creación de nuevos productos”, sino en la “evolución de los existentes” para poder satisfacer los anteriores criterios.

En esta nota haremos una primera aproximación cualitativa de esta “prueba acida” al sector de farmacéuticos, donde mostraremos cómo puede utilizarse el Data-Col para concretar su aplicación. La hipótesis de “vecindad-productiva” y de “nueva clientela” se explorará con la información de distancia geográfica y la de aprovechamiento de “recursos subutilizados” lo aproximaremos con índices de “complejidad económica” del Data-Col. 

Sabemos bien que en Cali se tienen importantes desarrollos de medicamentos genéricos, permitiéndoles ampliar su portafolio de productos-clientes. Esto satisface el criterio inicial de “productos en la vecindad”.  Por el lado de los clientes, se cuenta con un ambiente favorable proveniente de la expansión de la medicina prepagada y del propio POS (ahora “homologado”). Esto lo resumimos con una nota positiva en estos dos componentes, donde la información del Data-Col nos proporciona una “frontera productiva” con distancia de 0,38.  

Sin embargo, en el factor de “recursos sub-utilizados” nuestra impresión es que no se cuenta con elementos potenciales muy favorables. Se requeriría un análisis mucho más detallado del sector para entrar a calificar la favorabilidad de los primeros componentes y su potencial en mejorar este tercer factor (por ejemplo, en el caso de los productos cosméticos).  Esta baja calificación en posibilidades de “salto productivo” estaría siendo respaldada por un índice de complejidad muy bajo (0,07), según el propio Data-Col.