Un nuevo conjunto de datos ayuda a paliar la falta de datos sobre innovación que permitan captar los mecanismos internos y los comportamientos de las empresas, escriben Max Nathan y Anna Cecilia Rosso.
El papel de la innovación para explicar el desempeño económico ha sido un tema central de la investigación económica durante décadas, y muchas preguntas siguen sin respuesta. Uno de los principales desafíos es cómo medimos la innovación. Solo mejorando la información de que disponemos a nivel de empresa podemos decir algo sobre los vínculos entre productividad, desempeño empresarial y la aplicación de nuevas ideas. En nuestro documento de trabajo, contribuimos a este objetivo midiendo la innovación con un nuevo conjunto de datos a nivel de empresa y relacionándola después con el desempeño empresarial.
La literatura empírica que vincula la innovación y la productividad en las empresas se remonta a Griliches (1979; 1986), cuyo trabajo relaciona la investigación y el desarrollo con los resultados en productividad. Sin embargo, el vínculo entre innovación y productividad sigue siendo ambiguo en lo que respecta a las pequeñas y medianas empresas (pymes): puede variar aún más según la antigüedad, el tamaño o el sector. En nuestro trabajo utilizamos una novedosa combinación de microdatos administrativos del Reino Unido, contenidos de medios de comunicación y sitios web para desarrollar nuevas medidas de la innovación empresarial. Esta combinación complementa métricas existentes, como las patentes, las marcas registradas y las encuestas de innovación autodeclaradas. Cruzamos estos datos con un amplio panel intersectorial de pymes del Reino Unido y analizamos las conexiones entre innovación y productividad con mayor riqueza y solidez que los estudios anteriores.
Para ello, aprovechamos un conjunto de datos de vanguardia desarrollado por la empresa de ciencia de datos Growth Intelligence (GI), que utiliza rutinas de aprendizaje automático sobre el contenido de los sitios web y de los medios de comunicación de las empresas para modelar los "eventos" del ciclo de vida de las empresas (por ejemplo, lanzamientos de nuevos productos o servicios, fusiones y adquisiciones, nuevas contrataciones o empresas conjuntas). Depuramos y refinamos estas variables, utilizando modelado estructural de temas para alinear mejor los datos de GI notificados con la actividad real subyacente. También desarrollamos medidas de la calidad de los lanzamientos análogas a las citas de patentes. Después construimos un panel de datos corto que vincula estos "eventos innovadores" con los microdatos administrativos del Reino Unido a nivel de empresa, las patentes, las marcas registradas y los datos de la Encuesta de Innovación del Reino Unido.
En nuestros ejercicios descriptivos mostramos que estas nuevas medidas complementan las métricas existentes de innovación, con una cobertura más frecuente en todos los sectores. Además, en cuanto a la cobertura local, como se muestra en la figura siguiente, los lanzamientos tienen una distribución en el espacio mucho más uniforme que las patentes o las marcas registradas.
Figura 1. Recuentos ponderados de lanzamientos, patentes y marcas registradas, TTWA, 2014-2015
A continuación, analizamos las asociaciones entre la actividad de lanzamiento y la productividad de las empresas, controlando la propiedad intelectual anterior y la heterogeneidad empresarial. Nuestros resultados muestran que la actividad de lanzamiento se asocia con una mayor productividad de las pymes, especialmente en el sector servicios. Los resultados sobre la productividad de las pymes muestran que un aumento de 1 desviación típica en la probabilidad de lanzar (margen extensivo) incrementa la productividad de los ingresos un 2,7 %, mientras que el aumento del número de productos lanzados (margen intensivo) la incrementa un 3,9 %. Estos resultados se estiman sobre una muestra de empresas con exposición mediática, ya que los eventos mediáticos empresariales generan problemas en la selección muestral subyacente. Curiosamente, una vez que los lanzamientos de productos se controlan en el modelo, las patentes no parecen desempeñar ningún papel, mientras que las marcas registradas sí lo siguen desempeñando.
Ampliamos el análisis examinando los sectores manufacturero y de servicios, la antigüedad y el tamaño de las empresas. Las empresas de servicios impulsan los efectos tanto sobre los lanzamientos de productos como sobre las marcas registradas, mientras que, en el caso de las empresas manufactureras, las patentes recientes se asocian con una menor productividad y las patentes históricas con una mayor productividad, lo que explica el coste inicial de patentar y sus efectos a largo plazo en este sector. Añadimos un nuevo enfoque al calcular una medida de la calidad de los lanzamientos similar a la que se utiliza para las citas, aprovechando el hecho de que los eventos más importantes se informan más veces en las noticias. Encontramos una fuerte correlación entre los lanzamientos importantes, medida por el número de menciones, y la productividad: las empresas que realizan al menos un lanzamiento tienen una productividad de ingresos un 17 % superior, mientras que cada lanzamiento importante adicional añade un 22 % a la productividad.
Interpretamos estos resultados como una clara señal de que los impulsores de nuestros resultados principales son un pequeño conjunto de lanzamientos importantes de productos y servicios de gran perfil. Por último, exploramos el papel de la antigüedad y el tamaño. Las empresas jóvenes se definen como aquellas del cuartil más reciente (de hasta nueve años de antigüedad), mientras que el tamaño se define utilizando la definición de la OCDE: microempresas, pequeñas y medianas. Los resultados globales están impulsados por las empresas medianas, mientras que la antigüedad no parece desempeñar ningún papel. En todo caso, encontramos un efecto negativo de ser una microempresa en el margen extensivo y ningún efecto adicional en el margen intensivo de lanzamiento.
En conjunto, nuestro análisis muestra que se necesitan mejores datos sobre innovación para captar los mecanismos y comportamientos dentro de las empresas. Ignorar el hecho de que las empresas seleccionan de forma muy marcada la actividad de propiedad intelectual podría llevar a conclusiones engañosas y a responsables políticos mal informados. Por último, creemos que hay margen para una mejora considerable en esta dirección, especialmente en lo que se refiere a los datos. Creemos que el cambio tecnológico desempeña un papel clave en el crecimiento de la productividad, aunque es difícil de captar con los datos convencionales. Aportamos una contribución novedosa a una literatura bien establecida sobre la innovación en las empresas, en la que sabemos que las patentes y las encuestas siguen siendo las métricas dominantes, al desarrollar nuevas formas de observar la actividad innovadora de las empresas basadas en el web scraping y el procesamiento del lenguaje natural. De hecho, algo inusual en este campo, combinamos macrodatos y grandes conjuntos de datos administrativos de alta calidad: un enfoque que creemos que tiene un gran potencial futuro. Los recursos de vanguardia mejorarán la medición de varias cuestiones económicas, con, esperamos, efectos directos en la calidad de la elaboración de políticas.
