The evolution of the companies’ alliance network and its effects on performance. A field study on the automotive industry.

Università Commerciale Luigi Bocconi Facoltà di Economia Corso di laurea specialistica OSI-LS Organizzazione e sistemi informativi

L’EVOLUZIONE DEI NETWORK DI ALLEANZE TRA IMPRESE E GLI EFFETTI SULLE

PERFORMANCE. UNA RICERCA NEL SETTORE DEI MEZZI DI TRASPORTO.

Relatore: Giuseppe Soda Controrelatore: Gianluca Carnabuci Tesi di laurea specialistica di: Dario Comi Matricola: 1105188 Anno accademico: 2006/2007

2

Un particolare ringraziamento a:

Al Professore Giuseppe Soda, per l’interesse manifestato verso i temi trattati,

per l’aiuto assicuratomi per la stesura della tesi e per la disponibilità mostrata in

ogni momento. Un particolare ringraziamento inoltre per avermi avvicinato a ciò

che poi è diventato il mio principale interesse di studio: l’organizzazione

aziendale.

Alla Dottoressa Alessandra Carlone, per l’aiuto fornitomi nell’affrontare le analisi

più complesse.

Alla mia famiglia, che mi ha permesso di arrivare a questo traguardo con

insostituibile disponibilità e affetto.

Ai componenti del gruppo Osmosi, Luigi, Matteo, Francesca e Marco, per i due

anni di intensa collaborazione ed amicizia.

A tutte le persone che in questi anni di studio mi hanno sostenuto, aiutato ed

incoraggiato.

3

Indice

Introduzione................................................................................................................ 6

Network Analysis ........................................................................................................ 8

1.1 Cenni storici e teorici................................................................................. 8

1.2 Definizione, implicazioni e concetti ........................................................ 10

1.3 Variabili d’analisi ..................................................................................... 13

1.3.1 Contenuto delle relazioni ..................................................................14

1.3.2 Natura delle relazioni........................................................................14

1.3.3 Proprietà strutturali di una rete .........................................................16

Alleanze e Reti tra Imprese ...................................................................................... 20

2.1 Reti: approcci e tipologie......................................................................... 20

2.1.1 Reti burocratiche ..............................................................................22

2.1.2 Reti proprietarie ................................................................................22

2.1.3 Reti sociali ........................................................................................23

2.2 Antecedenti e motivi di formazione ......................................................... 23

2.3 Network: struttura dinamica .................................................................... 27

2.4 Network e performance........................................................................... 29

2.4.1 Network ed innovazione ...................................................................32

Il Settore Automobilistico .......................................................................................... 34

3.1 Il settore automobilistico.......................................................................... 34

3. 2 Asia ........................................................................................................ 38

3.2.1 Giappone..........................................................................................38

3.2.2 Cina ..................................................................................................41

Sources: Just-auto.com, Global Insight 2006 ............................................44

3.2.3 India..................................................................................................45

4

3.2.4 Corea del Sud .................................................................................. 47

3.3 Americhe ................................................................................................ 49

3.3.1 Stati Uniti.......................................................................................... 49

3.3.2 Canada ............................................................................................ 51

3.3.3 Brasile .............................................................................................. 53

3.3.4 Argentina.......................................................................................... 55

3.4 Europa.................................................................................................... 56

Ricerca ed Analisi .....................................................................................................59

4.1 Introduzione............................................................................................ 59

4.2 Raccolta dati........................................................................................... 60

4.3 Variabili................................................................................................... 65

4.4 Analisi e risultati...................................................................................... 66

4.4.1 Analisi descrittiva ............................................................................. 66

4.4.2 Approccio Econometrico .................................................................. 70

4.5 Conclusioni ............................................................................................. 75

Allegati ......................................................................................................................76

Bibliografia ................................................................................................................82

5

Introduzione

Ogni organizzazione oggigiorno non può non avere interazioni con altri attori

presenti nel contesto competitivo in cui opera e spesso tali relazioni si spingono

oltre al semplice contatto occasionale con il mercato. Le motivazioni che la

portano ad interfacciarsi con intensità e frequenza con altre entità e gli scopi

che si propone di perseguire possono essere vari e più o meno elaborati.

Il presente lavoro mira ad inserirsi nel filone di studi che associano i risultati di

un’impresa alla posizione che la stessa occupa all’interno del proprio network di

relazioni. Il primo capitolo descrive appunto la Network Analysis riportandone in

apertura l’evoluzione e le origini storiche, dalle quali si comprende il graduale

processo di affermazione di tale teoria, la quale raccoglie ed integra contributi

provenienti da diverse discipline come la sociologia, la psicologia e

l’organizzazione. Questo processo ha portato anche al formarsi di una vera e

propria metodologia di studio e di concetti fondanti, la descrizione dei quali,

assieme alle principali variabili d’analisi, costituisce l’oggetto degli ultimi due

paragrafi.

Il secondo capitolo si scosta dall’esame dei network in senso stretto e analizza i

diversi approcci disciplinari che si sono alternati dagli anni Sessanta. Alcuni

esempi sono gli studi di carattere economico, storico ed evolutivo,

organizzativo, negoziale, istituzionale e sociologico (Grandori, Soda 1995). Le

diverse prospettive appena citate portano a diverse spiegazioni riguardo ai

motivi che spingono le imprese ad impegnarsi reciprocamente tramite

un’alleanza (riduzione dei costi di transazione, resource pooling, adeguamento

alle direttive nazionali, ecc.) e soprattutto hanno portato ad un graduale

cambiamento nella concezione delle reti: da una visione statica ad una

dinamica.

Un particolare filone di studi ritiene che questo “dinamismo strutturale” stia alla

base delle migliori performance di alcune imprese, anche se permane una certa

disparità di risultati con riguardo a quale specifica caratteristica dei network

generi questi surplus.

6

Dopo una breve analisi dei principali mercati del settore Automotive (Capitolo 3)

si affronta nel quarto ed ultimo capitolo lo studio reticolare su 232 aziende dello

stesso settore con l’obiettivo di determinare quali siano in questo specifico caso

le motivazioni sottostanti un maggior output intellettuale e di innovazione di

alcune imprese. Il network è complessivamente composto da 359 società per le

quali si sono raccolte le variabili strutturali tramite l’utilizzo di UCINET 6.

L’analisi multivariata, svolta tramite Stata con l’adozione del Generalized Linear

Model, è invece ristretta ad un campione di 232 attori, ovvero i soli produttori di

veicoli e di componenti. I risultati ottenuti mostrano come effettivamente le

caratteristiche del network vadano ad impattare sulle capacità innovative delle

imprese.

7

Capitolo 1

Network Analysis

1.1 Cenni storici e teorici

Il termine Network è ormai di uso comune nella descrizione e nell’analisi delle

attuali organizzazioni: dalle più grandi multinazionali alle piccole realtà

imprenditoriali, dalle società manifatturiere a quelle di servizi, dai settori più

innovativi come la biotecnologia a quelli tradizionali come la produzione di

automobili.

Un approccio reticolare consente infatti di catturare le interazioni di ciascuna

unità all’interno del proprio ambiente.

Tuttavia il concetto di rete non è nuovo ed occupa, almeno dagli anni ’50,

un’importante posizione in diversi campi come l’antropologia, la psicologia, la

sociologia.

Lo studio dei network nasce come studio delle reti sociali intese come “specifici

insiemi di legami interpersonali caratterizzati da una peculiare proprietà: la

natura delle relazioni, nel complesso, può essere utilizzata per predire ed

interpretare il comportamento sociale degli individui” (Mitchell 1969)

Per quanto riguarda lo studio del comportamento organizzativo, il concetto

risale ad anni anche precedenti; già negli anni ’30 veniva descritta ed

enfatizzata l’importanza dei network informali di relazioni all’interno delle

organizzazioni (Roethlisberger and Dickson, 1939).

Un primo importante contributo per la soluzione del problema metodologico

venne dalla sociologia tedesca ed in particolare dalla sociometria che con

l’invenzione tra gli anni Trenta e Quaranta del sociogramma e della

sociomatrice (Moreno 1934, 1946) può essere considerata precursore della

8

social network analysis. Moreno, in diversi lavori pubblicati sul journal

Sociometry (poi divenuto Social Psychology ed infine Social Psychology

Quarterly), ha voluto dimostrare come le matrici potessero rappresentare le

interazioni relazionali e proporre regole per costruire, partendo dalle stesse,

grafici che ne rappresentassero correttamente la struttura. Lo studio degli

schemi sociali tramite le matrici sociometriche ha dato vita a due elementi

metodologici di fondo: la visualizzazione grafica e la definizione di modelli

probabilistici.

L’iniziale orientamento verso lo studio delle concentrazioni sociali ebbe un

nuovo stimolo all’affermarsi, in sociologia, del concetto di funzionalismo;

l’approccio funzionalista, che dedicava attenzione allo studio delle determinanti

dei comportamenti individuali e di gruppo attraverso l’osservazione delle

relazioni sociali ed informali, risultò tuttavia presto essere inadeguato alla

descrizione di ambienti dinamici e mutevoli a causa della presunzione di

stabilità delle relazioni sociali.

La necessità di approfondire quindi lo studio dei network e le prime integrazioni

tra discipline portarono alla nascita della cosiddetta scuola di Manchester e

dell’analisi strutturale. La prima era costituita da un gruppo di antropologi inglesi

che negli anni Quaranta e Cinquanta spostò la propria attenzione dallo studio

degli aspetti culturali dei gruppi sociali a quello dei sistemi strutturati di relazioni

tra individui, gruppi ed organizzazioni; seppur di carattere strutturalista nasceva

in contrapposizione al filone funzionale.

A quest’ultimo si rifaceva invece il paradigma strutturale di analisi delle reti che

si proponeva di svilupparlo ed innovarlo chiarendo come i modelli di relazione

che caratterizzano una rete di attori organizzativi possano spiegare il modo in

cui questi agiscono e decidono e come la natura e la forma delle relazioni tra

attori ne condizioni o ne determini le strategie e l’operatività.

Dalle scuole di pensiero analizzate e dai loro apporti di carattere empirico,

teorico e matematico/statistico deriva la social network analysis. Le sue

principali radici sono quindi tre:

• Il trasferimento dell’idea di ricerca empirica dalla fisica all’esame di

fenomeni sociali da parte dei primi ricercatori tedeschi (Lewin e Heider)

• L’influenza dell’approccio grafico e matematico

9

• Il divenire più di carattere antropologico che matematico dell’approccio

agli studi organizzativi

1.2 Definizione, implicazioni e concetti

La social network analysis si basa sullo studio degli attori, delle relazioni che

intercorrono tra di essi e delle implicazioni di tali legami. Le regolarità o la

ripetizione dei modelli di relazione che caratterizzano una rete danno vita alle

strutture sociali. All’interno di queste strutture si realizzano i comportamenti, le

decisioni e le azioni di ciascun attore. L’obiettivo principale è quello di

comprendere le proprietà del sistema di relazioni di ogni soggetto e capire

come queste influenzino le caratteristiche osservate e le relazioni stesse (Kilduff

e Tsai 2003, Soda 1998, Wasserman e Faust 1997, Noria e Eccles 1992, Lomi

1991).

Un social network, secondo la definizione riportata da Gulati (1998), può essere

definito come un insieme di nodi (individui o organizzazioni) collegati da

relazioni sociali di un determinato tipo (amicizia, trasferimenti di fondi,

trasferimento di beni, appartenenza ad accordi comuni).

La scelta della prospettiva relazionale porta a dover esplicitare alcuni principi

generali:

1. Tutte le organizzazioni sono reti sociali e devono essere considerate ed

analizzate come tali. Questa premessa si applica a qualsiasi livello di

analisi: piccoli o grandi gruppi, unità organizzative, intere organizzazioni,

regioni, settori, ecc. Ciascuno di questi è infatti un aggregato di attori, i

quali operano creando, rafforzando o sciogliendo relazioni.

2. L’ambiente di un’organizzazione deve essere visto come un network di

altre organizzazioni. Gli elementi più importanti dell’ambiente in cui opera

un attore sono le altre organizzazioni con cui esso deve interagire. Non è

sufficiente la mera conoscenza di quali esse siano ma va analizzato lo

schema di relazioni sottostante.

3. Le azioni degli attori interni alle organizzazioni possono essere meglio

spiegate attraverso la considerazione della loro posizione nella rete di

relazioni. Seguendo l’ottica relazionale, i motivi delle differenze nelle

10

azioni degli attori (e nel successo o fallimento delle stesse) risiedono più

nella posizione che questi occupano nei vari network relazionali che negli

attributi individuali. Come conseguenza della loro posizione strutturale,

gli attori possono dipendere da altri attori così come godere di vantaggi

su di essi.

4. Le reti limitano le azioni dei soggetti e a loro volta sono da esse

modificate. Le reti sono entità in continuo mutamento, dove i legami

vengono continuamente costruiti, riprodotti, cambiati o sciolti come

conseguenza delle azioni degli attori. Perciò la rete non è per il soggetto

una griglia di relazioni immutabili in cui è inserito e che influenza ogni

sua singola azione ma viene anzi continuamente formata e modificata

dai suoi comportamenti; il network è, da questo punto di vista, un

processo quanto una struttura.

5. I network possono essere visti come un Capitale Sociale. L’insieme delle

relazioni e la posizione occupata rappresentano un’importante risorsa

che gli attori possono utilizzare per perseguire i propri interessi

individuali. Il valore di una relazione non risiede all’interno della stessa

ma è definito dal contesto sociale che la circonda (Burt 2005).

6. L’analisi comparativa delle organizzazioni non può prescindere dalle

caratteristiche dei loro network. Ogni tipo di comparazione deve essere

fatto con variabili e misure che tengano in considerazione la struttura

complessiva delle relazioni evitando invece quelle che sono

manifestazione unica della relazione diadica tra i soggetti.

Ci sono poi diversi concetti alla base della network analysis, indispensabili per

la discussione delle reti sociali. Questi sono il concetto di: grafico, attore,

legame, diade, triade, sottogruppo, gruppo, relazione e rete.

Un grafico (più in generale la graph theory) ci fornisce un modello, una

rappresentazione semplificata del network mostrando l’insieme di attori ed i

legami che li uniscono sotto forma di nodi e linee. La teoria dei grafici ha

diverse utilità: tramite la visualizzazione semplificata dei dati rende più

facilmente identificabili per i ricercatori eventuali schemi che potrebbero

altrimenti passare inosservati, fornisce un vocabolario che può essere utilizzato

per identificare le proprietà strutturali della rete, suggerisce operazioni

11

matematiche ed idee con le quali misurare e quantificare tali proprietà e da

ultimo ci permette, grazie allo specifico vocabolario e ai metodi matematici, di

sperimentare i teoremi riguardanti la struttura sociale.

Attore è invece il nome con cui ci si riferisce alle entità che compongono un

network, siano esse individui, organizzazioni o collettività; alcuni esempi

possono essere le persone di un gruppo, le unità organizzative interne ad una

società, le stesse società all’interno di un settore o addirittura le nazioni in

un’analisi a livello globale.

I singoli attori sono poi collegati tra di loro tramite quelli che vengono chiamati

legami sociali, la cui caratteristica è, per definizione, quella di stabilire un

collegamento tra due attori. La natura di tali legami può essere molto diversa e

ne riportiamo di seguito alcuni esempi:

• Valutazione reciproca (affinità, amicizia, rispetto, fiducia..)

• Trasferimento di risorse (transazioni economiche, prestiti..)

• Associazione o affiliazione (partecipazione ad uno stesso evento sociale

o appartenenza al medesimo gruppo sociale)

• Spostamenti di luogo o status (mobilità fisica o sociale)

• Relazioni formali (autorità)

• Relazioni informali (discussioni, invio di messaggi..)

• Relazioni biologiche (discendenza, parentela..)

Al livello più basso un legame costituisce un collegamento tra due attori. Il

legame è una proprietà della coppia e non va inteso come una caratteristica del

singolo soggetto. Quando l’analisi si concentra sullo studio e sulla

comprensione di quali relazioni intercorrano o meno tra coppie di soggetti si

parla di approccio diadico.

Un passo importante è stato lo spostamento verso lo studio delle triadi, e quindi

di gruppi composti da tre attori; non va infatti ricercata solo la presenza o

l’assenza di un collegamento diretto ma va considerata anche la possibilità che

la relazione tra due soggetti “passi” attraverso un terzo attore, in una sorta di

transitività o di bilanciamento. Si pensi all’esempio per cui vi sia affinità o

antipatia tra l’attore i e l’attore j ; questa relazione si rifletterà sulla loro

12

considerazione di un terzo attore k, di segno comune nel primo caso e di segno

opposto nel secondo.

Se si incrementa il numero di soggetti che si è disposti ad analizzare e si

adottano degli specifici criteri di selezione, otteniamo dei sottogruppi di attori.

Tuttavia la network analysis non limita il proprio interesse a diadi, triadi o

sottogruppi ma si spinge fino allo studio di più ampi sistemi. Un sistema

consiste nell’insieme dei legami tra membri di un gruppo, più o meno definito

che sia mentre un gruppo indica un insieme di attori che, per motivi teorici,

empirici o concettuali, vengono considerati e trattati come un insieme finito di

individui sui quali si svolge l’analisi reticolare. Proprio il rendere un gruppo

un’entità dai confini chiari e definiti è una questione della massima rilevanza.

Una network analysis può, per definizione, analizzare più gruppi ma un unico e

solo actor set, definito come l’insieme complessivo degli attori presi in

considerazione.

Infine, dopo aver osservato i diversi livelli di analisi adottabili, è bene chiarire

cosa si intende con i termini relazioni e Social Network. Le prime si riferiscono

non agli specifici collegamenti tra soggetti, che sono precedentemente stati

definiti come legami relazionali, ma all’insieme dei legami di un determinato tipo

misurati su coppie di attori all’interno di un determinato actor set; una relazione

può quindi essere l’insieme dei legami di amicizia rilevati tra gli individui di una

collettività o l’insieme delle relazioni diplomatiche tra diverse nazioni del mondo.

Avendo definito e resi chiari i concetti di attore, gruppo e relazione, si può

definire un Social Network come un insieme definito di attori (actor set) e di

relazioni che intercorrono tra di essi.

1.3 Variabili d’analisi

Dopo aver ripercorso la storia della Network Analysis, averne analizzato le

implicazioni ed elencato i principali concetti, si vuole ora descrivere nello

specifico quelle che sono le variabili da considerare nello studio delle reti.

Di seguito vengono descritte tre tipologie di proprietà di un network o di un

sistema di relazioni, in particolare:

• Il contenuto delle relazioni

13

• La natura delle relazioni

• Le caratteristiche strutturali della rete

Le prime due descrivono principalmente la relazione in sé, mentre l’analisi delle

caratteristiche strutturali aiuta a comprendere l’articolazione complessiva di un

network, differenziando le posizioni occupate dagli attori al suo interno,

identificando i gruppi di soggetti maggiormente coesi o di soggetti simili. Su

quest’ultimo livello di analisi si basa lo studio delle reti attraverso il paradigma

strutturale.

Un quarto elemento, nello specifico l’oggetto delle relazioni e quindi le finalità

che si perseguono tramite le medesime, verrà analizzato nel capitolo

riguardante le alleanze ed i network; non si è voluto inserirlo in questa sezione

poiché non inerente allo studio relazionale di una rete ma più ad un’analisi di

livello strategico sui possibili motivi che spingono le aziende a stringere

un’alleanza.

1.3.1 Contenuto delle relazioni

Come abbiamo precedentemente visto, la natura specifica dei legami tra due

soggetti può essere molto diversa. Senza riportare nuovamente i possibili

contenuti ma rianalizzandoli, si può operare una classificazione distinguendo le

relazioni che implicano uno scambio, di beni, servizi, affetto e norme, da quelle

che hanno come contenuto l’associazione di risorse come consorzi e joint

program. Scambio e associazione si differenziano per il fatto che il primo

consiste in un trasferimento, l’altra, pur non escludendo necessariamente lo

scambio informativo, affettivo o normativo, non presenta il trasferimento come

contenuto principale.

1.3.2 Natura delle relazioni

La natura delle relazioni indica le caratteristiche proprie dei singoli legami,

identificate e descritte secondo un approccio diadico.

Intensità. Quando tra due più attori esistono due o più legami possiamo

ritenere che la relazione tra essi sia più intensa che non nel caso in cui se ne

14

osservi uno solo. Il concetto può anche riferirsi all’ammontare totale delle

risorse investite nella relazione ed in particolare alla presenza di investimenti

specifici (Williamson 1975) oppure, in un’ottica di processo, ai flussi di risorse

ed informazioni che si realizzano tra gli attori.

Forza. Granovetter (1973) ha definito la forza di una relazione come la

combinazione del grado di intensità emotiva, del livello di intimità, dei servizi

reciproci e del tempo ad essa dedicato dalle parti. Ha inoltre dimostrato come

alcuni fenomeni siano spiegabili alla luce del fatto che le connessioni deboli

sono, a volte, più importanti dei legami forti, perché costituiscono legami tra

attori altrimenti non collegabili e sono meno impegnativi da mantenere. Diverse

sono comunque le teorie per misurare la forza di un legame; si è ipotizzato che

quelli con una maggior forza fossero i collegamenti attivi da maggior tempo,

poiché l’esperienza rappresenta un fattore determinante per stabilire il livello di

fiducia di una relazione e quindi la sua forza; forza che contraddistingue anche i

legami formatisi per la presenza di una relazione di tipo primario (parentale,

amicale o affettiva) e quelli costituiti tra attori con una certa similarità di valori,

categoria, status, ecc.

Longevità e frequenza. La longevità di una transazione, e quindi del legame

che la sottende, riguarda l’ampiezza dell’orizzonte temporale in cui si può

trovare un punto di equilibrio tra contributi e incentivi. In presenza di elevata

longevità le parti sono forzate a rimanere in contatto e ciò potrebbe consolidare

la relazione. Squilibri nel breve termine possono essere considerati sopportabili

nell’ottica di un riequilibrio nel medio/lungo periodo.

Reciprocità. La reciprocità, nella network analysis, viene considerata come il

grado con cui una relazione è comunemente percepita e concordata da tutte le

controparti coinvolte. La reciprocità si basa sulla convergenza degli interessi e

delle azioni delle parti verso determinati obiettivi o valori.

Aspettative. Il livello di chiarezza delle aspettative coincide con la misura in cui,

in ogni coppia di attori, l’uno ha aspettative determinate circa il comportamento

dell’altro. Nel caso di relazioni complesse e caratterizzate da un elevato numero

di attori, il problema della chiarezza delle aspettative si manifesta sotto forma

non solo di trasparenza della singola relazione ma come conoscenza delle

regole che governano la cooperazione nel settore.

15

Formalizzazione. Considerata a volte come variabile strutturale, è espressione

della misura in cui le relazioni tra gli attori sono esplicitamente formulate e può

essere misurata attraverso indicatori quali il ricorso a regole e procedure per

garantire lo svolgimento degli scambi.

Molteplicità. La molteplicità si riferisce alla differenziazione dei legami nei quali

è coinvolto un attore; secondo Aldrich e Whetten (1981) una maggior

molteplicità porta ad una maggiore stabilità delle relazioni e anche, attraverso

un aumento delle ragioni di scambio, all’incremento del potenziale di

apprendimento e di sviluppo dell’esperienza.

1.3.3 Proprietà strutturali di una rete

Le proprietà strutturali di una rete possono essere scomposte in:

• Proprietà strutturali e geometriche

• Proprietà riferite ai ruoli e alle posizioni

Le prime si riferiscono innanzitutto allo studio della posizione, della centralità e

del prestigio degli attori all’interno della rete; le tecniche utilizzate si definiscono

relazionali e puntano, partendo dai legami diretti, a identificare i cluster di

relazioni maggiormente connessi attraverso la teoria dei grafi.

Le proprietà legate ai ruoli e alle posizioni si rifanno al concetto principale di

equivalenza strutturale e si analizzano tramite tecniche definite positional.

Queste ultime si focalizzano sulle relazioni con terzi attori e identificano

all’interno dei network gli attori che presentano modelli relazionali identici o

strutturalmente equivalenti.

Proprietà strutturali e geometriche Dimensione. Il numero di attori che compongono una rete e

conseguentemente il numero di nodi presenti nel grafo determina in genere la

dimensione della stessa. Il problema, come si accennava in precedenza,

consiste nel determinarne i confini. Esistono in proposito due approcci; il primo,

definito realista, consiste nell’inclusione all’interno della rete degli attori che

16

dichiarano di appartenere alla struttura relazionale mentre il secondo, chiamato

nominalista, si adotta quando la scelta dei confini risponde a finalità analitiche e

a obiettivi di ricerca.

Connettività. Il concetto di connettività (embeddedness) riassume variabili

come il grado di accentramento, la molteplicità e la diffusione dei legami o la

presenza di attori più o meno isolati all’interno di una rete di relazioni. Un modo

per misurare la connettività di una rete consiste nel definirne la densità

relazionale, ottenibile facendo il rapporto tra le relazioni esistenti in un dato

momento e le relazioni potenziali sempre allo stesso tempo; il risultato,

compreso tra 0 e 1, sarà prossimo allo 0 nel caso di reti debolmente connesse

o prossimo all’1 nel caso di reti fortemente connesse. Qualora si consideri

anche l’intensità dei collegamenti, si passa al concetto di densità ponderata

(valued density).

Non vi è tuttavia solo la densità come espressione della connettività; un'altra

importante variabile è la distanza geodetica, ovvero la distanza minima tra

ciascuna coppia di attori. Definita la lunghezza di un percorso come il numero di

attori che occorre attraversare per raggiungerne un altro, la distanza geodetica

indica la lunghezza del percorso più breve in grado di collegarli. La media delle

distanze tra gli attori all’interno della rete fornisce indicazioni sulla connettività,

nel senso che quest’ultima sarà tanto maggiore quanto più breve è la distanza.

Centralità e potere. Il primo spunto nell’analisi di un network è spesso quello

di identificare gli attori principali cioè quelli con maggior potere, rilevanza e

capacità di controllo. Questi sono quelli maggiormente coinvolti in legami con

altri soggetti. Il fattore critico non è tanto se l’importanza derivi da legami in

entrata (ricezione) o in uscita (trasmissione), ma il coinvolgimento in sé e la

visibilità che ne deriva. In una rete non-direzionale, un primo metodo è quindi

quello di calcolare il numero di legami che ciascun soggetto detiene; questa

misura, dipendendo dalla numerosità degli attori presenti, è confrontabile tra

gruppi di dimensione diversa solo se normalizzata, ricavando la degree

centrality, pari al numero di relazioni incidenti sull’attore diviso per il numero

massimo possibile di relazioni (quest’ultimo pari al numero degli attori meno

uno). In questo caso la centralità è espressione dell’attività del singolo e del suo

conseguente coinvolgimento.

17

Il numero di relazioni che convergono su un attore non è necessariamente una

spiegazione diretta del potere di cui esso dispone e vi sono altre possibili

dimensioni di indagine; ad esempio, è rilevante anche avere una distanza

media da tutti gli altri soggetti relativamente bassa e per quantificare questo

concetto si ricorre ad una misura di centralità definita closeness centrality. La

misura si concentra su quanto un attore sia mediamente vicino a tutti gli altri

presenti nella rete; l’idea di fondo è che un attore è centrale se può interagire

velocemente con chiunque altro, caratteristica particolarmente rilevante in

network dove è prominente l’aspetto informativo e comunicativo.

Anche il ricoprire un ruolo di mediazione tra parti distinte ed altrimenti separate

di una rete (brokerage, Burt 1992) aumenta il potere ed il prestigio di un attore.

Il ruolo di broker è tanto più importante quanto maggiore è la distanza fisica,

psicologica, di linguaggio, culturale o la sfiducia tra gli attori. Una misura di

centralità che si basa sul concetto di mediatore è la betweenness centrality: le

interazioni tra due attori non adiacenti possono dipendere da altri attori presenti

nella rete sociale analizzata e questi ultimi potrebbero avere un qualche tipo di

controllo sulle stesse interazioni. Si può quindi dire che quanto più un attore

costituisce un percorso obbligato per passare da un soggetto ad un altro, tanto

più egli è centrale perché può svolgere il ruolo di broker. Prestigio e potere. Un elemento collegato alla centralità è il prestigio. Considerando la direzionalità dei legami, e quindi la possibilità di distinguere tra

collegamenti in entrata e in uscita, possiamo definire prestigioso (o popolare)

quell’attore che ha numerosi legami, la maggior parte dei quali in entrata

(considerando relazioni positive e non negative come “è inaffidabile”).

Sottogruppi. I sottogruppi, o cluster, sono una tra le maggiori unità di analisi e

consistono in insiemi di attori caratterizzati dalla reciprocità e frequenza dei

legami, la vicinanza e la raggiungibilità degli attori. Un sottogruppo è perciò

composto da attori adiacenti o raggiungibili con brevi percorsi e fortemente

connessi tra di loro, con molti legami interni e pochi esterni, con altri attori o

sottogruppi. La coesione interna ai cluster fa si che essi rispondano

uniformemente agli stimoli esterni ed agiscano in modo coordinato.

18

Proprietà riferite ai ruoli e alle posizioni. Equivalenza strutturale. Molti dei metodi utilizzati per la descrizione delle

proprietà strutturali di un network si rifanno ai concetti di ruolo e posizione

sociale e si traducono, nella network analysis, in procedure per analizzare le

similarità strutturali e lo schema delle relazioni. Questi metodi, che vengono

chiamati posizionali, condividono l’obiettivo di rappresentare in forme

semplificate gli schemi rilevati dall’analisi di complessi dati relazionali per

rivelare sottogruppi di attori che sono inseriti similmente nella struttura sociale e

per descrivere le associazioni tra le diverse relazioni.

I concetti di base sono quelli di ruolo e posizione; il primo indica lo schema di

relazioni che lega un individuo agli altri individui mentre la posizione si riferisce

a come lo stesso è inserito nel network, considerando i legami che ha con gli

altri attori. Due attori in posizioni equivalenti saranno perciò simili per attività

sociale, legami o interazioni.

L’analisi in prospettiva strutturale consente, partendo dall’osservazione delle

relazioni all’interno di un network, di:

• Raggruppare gli attori in posizioni basate sulla similarità delle relazioni

che implicano

• Descrivere le associazioni tra le relazioni in base a come queste ultime si

combinano per connettere attori e posizioni (ad esempio zia è la

combinazione della relazione madre e sorella)

Il processo ideale combina l’identificazione delle classi di equivalenza,

attraverso la definizione delle posizioni, e la descrizione del sistema di relazioni

tra le posizioni, con la definizione dei ruoli. Procedendo nell’ordine esposto si ha

come risultato la definizione delle posizioni e dei ruoli individuali, mentre

invertendo il processo si ottengono le posizioni e i ruoli globali. In conclusione

due attori si definiscono equivalenti se hanno legami identici da e verso tutti gli

altri attori.

19

Capitolo 2

Alleanze e Reti tra Imprese

2.1 Reti: approcci e tipologie

In ambito economico, i sistemi di alleanze tra imprese sono sempre più rilevanti

per la loro capacità di regolare complesse interdipendenze transazionali e di

collaborazione. La capacità di governare interscambi con l’ambiente esterno è

per una società un fattore primario di sopravvivenza; in una prospettiva del

sistema aperto le relazioni sono vitali e si presentano a seguito di

interdipendenze. Dalle relazioni con l’esterno si generano le risorse che, una

volta reimmesse nell’organizzazione, sono in grado di assicurarne la continuità

(Soda 1998).

Con il termine alleanza indichiamo “ogni accordo cooperativo e di

coordinamento, iniziato volontariamente dalle parti, che comporta lo scambio, la

condivisione o lo sviluppo congiunto di risorse e che può prevedere il

conferimento, da parte dei partner, di capitali, tecnologie o attività specifiche”

(Dyer, Singh 1998).

A partire dalla seconda metà degli anni Sessanta si è sviluppato un crescente

impegno verso lo studio delle relazioni interorganizzative che sono state terreno

fertile per analisi di diversa natura, basate su differenti approcci disciplinari.

Alcuni esempi sono gli studi di tipo economico, storico ed evolutivo,

organizzativo, negoziale, istituzionale e sociologico (Grandori, Soda 1995).

Il fiorire di innumerevoli filoni di ricerca ha portato il termine network ad essere

ormai ampiamente utilizzato e di conseguenza a perdere la sua iniziale

precisione nel definire un determinato fenomeno.

20

Se con network si intende in ogni scienza un insieme di nodi collegati da

relazioni, in questo lavoro l’interesse è focalizzato sulle reti come modi di

organizzare l’attività economica attraverso il coordinamento e la cooperazione

interorganizzativa. In questo senso si trovano al cuore delle teorie organizzative

poiché sono modalità di coordinamento tra unità organizzative specializzate

laddove trovare il giusto bilanciamento tra differenziazione e integrazione è

considerato un problema centrale nel processo di strutturazione di un’impresa

(Grandori, Soda 1995).

Internamente a questo tema alcuni autori, tra cui Thorelli (1989), sostengono

che la rete di imprese sia una forma intermedia ed ibrida rispetto al mercato e

alla gerarchia mentre un'altra teoria (Powell 1990, Ring e Van de Ven 1992), in

contrasto con la prima, vede nel network un terzo ed alternativo tipo di assetto

interorganizzativo.

Un ulteriore approccio (Grandori, Soda 1995) propone una definizione non

eccessivamente polarizzata di network, visto come una modalità di regolamento

delle interdipendenze differente dall’aggregazione di unità organizzative

all’interno di un’unica società e dalla gestione attraverso strumenti di mercato

(prezzo, mosse strategiche, collusione, ecc.) e basata su uno schema

cooperativo con elementi comunicativi specifici per ogni partner.

Gli attributi della rete non devono poi essere necessariamente intermedi rispetto

a quelli delle stesse imprese e del mercato o essere per forza unici, potendo

comunque manifestarsi anche negli altri due casi ad intensità diverse. Le

imprese possono così utilizzare meccanismi di mercato al loro interno, le reti

possono essere fortemente gerarchiche così come i mercati potrebbero essere

rigidamente regolati da norme e regolamenti.

Tanto il continuum di forme ibride o intermedie quanto la categoria generale di

“impresa rete” comprendono in realtà una varietà di assetti istituzionali,

contrattuali e organizzativi assai diversi e spesso alternativi tra di loro. Il lavoro

di ricerca originariamente elaborato da Grandori (1989) e Soda (1995) fornisce

un modello generale di classificazione delle diverse forme di rete basato sulla

loro differenziazione in base ai meccanismi di coordinamento adottati e alle

variabili proprie delle relazioni (introdotte al capitolo precedente) ed in

particolare intensità, forza dei legami, livelli di formalizzazione, centralità,

21

dimensione e tipo di interdipendenza. Si distinguono così le reti burocratiche,

proprietarie e sociali.

2.1.1 Reti burocratiche

Le forme burocratiche di rete rappresentano modalità di coordinamento tra

imprese generalmente formalizzate in contratti di scambio o di associazione.

L’elemento impersonale rappresentato dal contratto o dalla norma è quello che

consente il coordinamento tra le parti. I contratti non si riferiscono

esclusivamente agli obblighi economico-patrimoniali, ma anche ai

comportamenti, ai diritti di informazione, di decisione e controllo. Il grado di

formalizzazione può variare e non è mai completo.

Le principali forme di reti burocratiche si distinguono in simmetriche e

asimmetriche; tra le prime rientrano consorzi ed associazioni di categoria

mentre le seconde includono reti dove un attore concede ad un altro lavori e

fasi del ciclo produttivo, diritti, poteri, marchi e licenze (ad esempio franchising e

licensing).

2.1.2 Reti proprietarie

Le reti proprietarie sono quelle forme di relazione in cui le imprese partecipanti

godono congiuntamente di diritti di proprietà e, assieme o in alternativa, di diritti

di partecipazione ai risultati dell’attività svolta. Le partecipazioni incrociate e la

detenzione di diritti proprietari non sono strumenti di coordinamento di per sé,

potendo avere come unici scopi i ritorni finanziari.

Quelle proprietarie sono reti interorganizzative diffuse in settori complessi o

nella gestione di attività innovative che affrontano il problema della difficoltà di

misurazione dei contributi e degli incentivi, assegnando a ciascuna parte quote

di risultato e riducendo così i costi di controllo.

Le joint ventures sono ad esempio forme di coordinamento tra imprese

fondamentalmente simmetriche, basate sulla creazione di una nuova impresa

attraverso il conferimento dei capitali e l’unione delle risorse a disposizione dei

partner, tangibili ed immateriali.

22

Una forma proprietaria asimmetrica è invece il capital venture, rete che, per

essere così definita, deve andar oltre il mero aspetto finanziario includendo

anche un legame organizzativo tra investitore e partner.

Il confine tra forme burocratiche e proprietarie non è nettamente definibile;

esistono infatti modalità di coordinamento non proprietario che presentano diritti

agli utili così come reti proprietarie che hanno un elevato grado di

formalizzazione burocratica/contrattuale.

2.1.3 Reti sociali

I meccanismi di coordinamento riconducibili allo scambio sociale svolgono in

genere una duplice funzione. Se da un lato rappresentano un elemento

sovrapponibile ad uno scambio di beni, servizi o informazioni, con un ruolo di

supporto, dall’altro rappresentano una vera e propria tipologia di network. Un

esempio di rete che passa attraverso gli individui connettendo anche le

organizzazioni è rappresentata dagli intrecci di consiglieri di amministrazione o

interlocking directorate. L’elemento che permette a questi scambi di rafforzare e

stabilizzare le alleanze tra imprese risiede nelle persone e nelle sfere emotive

individuali. Come detto precedentemente, la possibilità di creare valore, di

ridurre i costi e di aumentare la soddisfazione attraverso i meccanismi della

reciprocità e fiducia e delle norme sociali ha portato a definire il patrimonio di

relazioni sociali di un attore come capitale sociale (Burt 2005).

2.2 Antecedenti e motivi di formazione

Dopo aver brevemente analizzato il concetto di rete tra imprese ed aver definito

le principali tipologie si vuole ora indagare quali possono essere i motivi per cui

due o più attori economici decidono di stringere un’alleanza. Soda (1998)

identifica sette differenti possibilità. Le imprese possono ad esempio costituire,

con altre organizzazioni, relazioni basate sulla cooperazione ed il

coordinamento al fine di controllare l’incertezza ambientale

Il principio fondamentale è che i soggetti operano all’interno di ambienti incerti e

tale incertezza è riconducibile a diversi fattori: la scarsità di risorse, la non

predicibilità delle variazioni ambientali, la specializzazione funzionale degli attori

23

economici ed il controllo delle risorse critiche da parte di altre organizzazioni.

L’esigenza di ridurre tale incertezza spinge le società a creare ambienti esterni

negoziati, stabili e maggiormente prevedibili attraverso la creazione di legami

cooperativi.

Tale tendenza si può anche spiegare attraverso la teoria dello scambio, per la

quale il fine è quello di acquisire risorse non disponibili all’interno o per

controllare, attraverso l’esercizio del potere o dell’influenza, l’utilizzo di capacità

produttive detenute da altre organizzazioni. Quanto maggiore è il potere di cui

dispone un’organizzazione, tanto maggiore sarà l’influenza che eserciterà per

determinare la forma dei canali e la natura del rapporto di scambio.

La teoria della prossimità (Homophily theory) vede non tanto nel tentativo di

creare situazioni stabili di scambio, quanto nella vicinanza e nella somiglianza

delle finalità, dei valori e delle caratteristiche organizzative delle imprese la

ragione per cui queste costituiscono relazioni.

Un altro motivo è quello ottenere benefici mutui, per accrescere la forza di tutto

il network e per esercitare la cooperazione ed il coordinamento; in presenza di

scambi che non possono trovare un punto di equilibrio immediato, la

cooperazione è un processo di interazione più efficiente della competizione. In

quest’ottica la reciprocità rappresenta una determinante delle reti di alleanze

poiché le parti si impegnano per lunghi periodi garantendosi una maggior

probabilità di sopravvivenza.

Tornando a valutazioni più strettamente economiche, il motivo che spiega la

formazione dei nuovi legami è, secondo la teoria dei costi di transazione, quello

di ridurre i costi che si sostengono per governare le transazioni e i costi di

produzione, ai quali i primi si aggiungono.

Con resource pooling si indica invece la ricerca di un accesso stabile a risorse o

conoscenze complementari per fini competitivi, per lo sviluppo di competenze

interne o per distribuire i rischi di attività innovative. Questa ipotesi include

diversi aspetti già analizzati in altre prospettive ma ne sottolinea l’aspetto

strategico: le società ricorrono alle alleanze per la loro esigenza di costruire il

vantaggio competitivo sulle risorse immateriali, sull’innovazione e sulle

economie di velocità (first mover).

24

L’ultimo motivo è di carattere istituzionale e legato a processi di conformazione

alle prescrizioni e ai regolamenti internazionali e di legittimazione ed

acquisizione di una data immagine e prestigio.

Grandori e Soda (1995) associano invece a ciascun approccio per lo studio

delle reti aziendali le relative variabili che spingono gli attori all’azione e quindi

ad entrare in un network.

Cominciando da quelli di carattere economico, le principali variabili utilizzate per

valutare un possibile ingresso in un sistema di alleanze sono diverse categorie

di costi collegate agli assetti produttivi e tecnologici: economie di scala, di

raggio d’azione, di specializzazione e d’esperienza. I costi collegati alla

tecnologia e ai relativi problemi di apprendimento ad essa collegati sono stati

analizzati e indicati come una spinta verso il fenomeno delle alleanze dal filone

storico-evolutivo, che si rifaceva al pensiero di Chandler e all’idea di “Visible

Hand”.

Le società tuttavia non costituiscono delle alleanze sulla base dei soli costi di

produzione ma valutando anche la riduzione dei costi di gestione dell’impresa,

come indica l’economia organizzativa. Un’elevata specificità delle risorse,

l’incertezza e la frequenza delle transazioni e la difficile misurabilità delle

performance diventano, in determinate condizioni, indicatori della formazione di

un network come conseguenza del fallimento del mercato e della gerarchia. La

stessa considerazione può essere fatta nel caso di un alto grado di

differenziazione tra le unità, di un’intensa interdipendenza tra le stesse e

dell’elevata complessità delle attività svolte.

La teoria della dipendenza dalle risorse porta invece argomentazioni molto

simili a quelle citate dalle teorie organizzative, rifacendosi quantitativamente

all’intensità delle relazioni e qualitativamente al tipo di interdipendenza,

resource pooling (orizzontale) o resource transferring (verticale).

Una maggior propensione alla formazione di un network deriva anche

dall’institutional embeddedness, dalla social embeddedness e dalla cultural

embeddedness. Intendendo con questi termini il grado con cui un attore è

inserito in un sistema istituzionale, sociale e culturale, l’approccio neo-

istituzionale ritiene che quanto maggiore è lo sviluppo e la pervasività delle

istituzioni sociali (sistema bancario, mercato del lavoro, sistema politico, ecc.) e

la possibilità di legittimare il proprio operato con l’appartenenza ad un certo

25

gruppo di imprese, tanto maggiore è la probabilità che si formino strutture

interorganizzative di collaborazione. Similmente, per le altre due variabili, la

sociologia organizzativa sostiene che le relazioni economiche abbiano luogo in

una rete di relazioni preesistenti e di norme e valori sociali, le quali ne

influenzano lo sviluppo e possono essere utilizzate per prevedere il formarsi o

meno di nuovi legami.

Per spiegare questo fenomeno, la psicologia sociale ha focalizzato la propria

attenzione sulle dinamiche interne alla rete e sulla particolare struttura del

network in un determinato periodo di tempo, identificandoli come predittori del

futuro sviluppo del sistema; come dice Gulati (1995) “ [il network] rende i

potenziali partner consapevoli dell’altrui esistenza”.

Infine la population ecology adotta una prospettiva di “selezione naturale”:

l’impresa sceglierà il network come forma organizzativa fintantoché questo le

permetterà di sopravvivere nell’ambiente economico, quali che siano le sue

condizioni contingenti.

Un ulteriore contributo alla descrizione delle variabili antecedenti la creazione di

nuove alleanze viene fornito da Gulati e Gargiulo (1999); i due autori

propongono un diverso esame delle motivazioni che portano alla formazione di

sistemi interorganizzativi di coordinamento. La probabilità che ciò avvenga

aumenta assieme:

• al livello di interdipendenza tra le due imprese. Le organizzazioni vedono

nell’alleanza un modo per condividere costi e rischi legati all’adozione di

nuove tecnologie, all’inizio di progetti caratterizzati da grandi economie di

scala e allo sviluppo o penetrazione di mercati.

• al numero di precedenti legami diretti (relational embeddedness). Un

attore con legami coesi può avere informazioni tempestive e precise

sulle competenze, sui bisogni e sul grado di affidabilità degli attuali

partner e valutare di conseguenza la possibilità di formare nuove

alleanze.

• al numero di precedenti legami indiretti (structural embeddedness). Gli

stessi vantaggi informativi si applicano alla comunicazione indiretta e alla

raccolta di informazioni riguardanti un attore che non rientra già tra i

26

propri partner. L’attenzione si sposta dalla diade alla triade e ai relativi

concetti di transitività precedentemente visti.

• al livello di centralità complessivo delle due imprese (positional

embeddedness). In questo caso si sottolinea l’impatto delle posizioni che

le organizzazioni occupano nella struttura complessiva della rete di

alleanze sulla formazione di nuovi legami. La relazione si appoggia al

concetto di centralità e alla visibilità e prestigio che ne derivano.

Come si può notare dalla breve analisi delle possibili cause che spingono

un’impresa ad impegnare tempo e risorse nella costituzione di un’alleanza, agli

iniziali approcci basati unicamente sulla valutazione dei costi e delle

convenienze contingenti se ne sono aggiunti di nuovi, che prendono in

considerazione l’intero ambiente relazionale in cui l’attore è immerso.

2.3 Network: struttura dinamica

Un processo simile a quello poco fa descritto, ovvero l’ampliamento dell’ottica di

analisi, si è verificato anche nella concezione stessa del network. Inizialmente

l’idea di rete era quella di un’alternativa al mercato e alla gerarchia: ad esempio

Ring e Van de Ven (1992) affermano che “se anche l’analisi dei costi di

transazione fornisce una solida base per la scelta tra mercato o gerarchia per la

soluzione di problemi di interdipendenza, essa non esplora adeguatamente

altre strutture di gestione, la loro evoluzione, la presenza di transazioni ripetute

ed il ruolo della fiducia e dell’equità”. Per questo identificano due nuove

tipologie di relazioni che si distinguono in base al grado di specificità degli

scambi: i contratti ricorrenti e i contratti relazionali.

L’attenzione resta tuttavia concentrata sulla scelta tra sistemi definiti e separati

e, soprattutto, ad un livello diadico; anche nel precedente studio di Van de Ven

e Walker (1984) vengono analizzati i singoli legami esistenti tra coppie di attori

appartenenti al settore sanitario.

Nel 1995 e nel 1998, Gulati, critica questo approccio per tre motivi: il fatto che si

prendano in considerazione variabili legate alla singola impresa e alleanza e

non alla loro relazione con l’intero network, che si esamini la formazione e le

performance delle alleanze in un contesto asociale ed infine che si cerchino le

27

spiegazioni alla formazione dei nuovi legami solo tra i fattori propri dell’impresa

o del settore.

Nel primo studio, svolto a livello globale su 166 imprese, l’autore analizza

coppie di organizzazioni unendo la teoria dei network, in particolare il concetto

di embeddedness, con la teoria della dipendenza dalle risorse ed arriva a

stabilirne la complementarietà; l’una copre le lacune dell’altra. La prima valuta i

comportamenti derivanti da un dato assetto relazionale mentre la seconda si

concentra sulle contingenze che portano alle singole scelte di formazione di una

relazione.

L’importanza dell’approccio reticolare viene sottolineata anche nel successivo

lavoro (1998). Si deve superare la concezione atomistica dell’analisi per

valutare percorsi alternativi di azione tenendo conto dei comportamenti di tutti

gli attori e delle relazioni nelle quali la singola organizzazione è inserita.

L’autore conclude dicendo che “si è dimostrato come le reti sociali possono

influire sulla creazione e sul successo delle alleanze e si è evidenziato come

una prospettiva che tenga conto della structural embeddedness delle imprese

possa fornire nuove prospettive su alcuni dei principali argomenti relativi alle

alleanze strategiche”, come il loro governo ed evoluzione.

Non vengono comunque rifiutate le spiegazioni di tipo economico-contingente,

alle quali però si aggiunge l’ottica relazionale (Venkatraman e Lee 2004,

Gimeno 2004). In proposito Gulati, Nohria e Zaheer (2000) dicono che “le

rendite che le imprese maturano in parte sono il risultato dello loro proprie

dotazioni di risorse, ma in parte derivano anche dalla struttura della rete cui

appartengono”.

Un ulteriore sviluppo si ha con la considerazione della mutevolezza della stessa

rete. La prospettiva dinamica ha come assunto di base il fatto che la rete

cambia con il passare del tempo a causa di eventi che la rafforzano o la

indeboliscono. Madhavan, Koka e Prescott (1998) dimostrano che proprio

queste variazioni permettono agli attori che la compongono di trarre vantaggio

dalle mutate condizioni rafforzando la propria posizione all’interno del network.

In un lavoro successivo (2006), gli stessi autori affrontano sempre il medesimo

argomento dimostrando che le imprese hanno a disposizione un ventaglio di

azioni per assecondare le variazioni che subisce il network. rispetto a due sue

principali dimensioni: la rimuneratività e l’incertezza. Queste ultime influenzano

28

le opportunità che hanno le organizzazioni (risorse disponibili e possibili

alleanze) e di conseguenza influenzano le loro scelte d’azione: espandere la

rete, rafforzarla, ricombinarla o ridurla.

Hite ed Hesterly (2001) hanno dimostrato inoltre che le scelte effettuate da

un’impresa per la gestione del proprio network variano in base alla fase del

ciclo di vita in cui essa si trova. La dinamicità del network non è quindi relativa

solo alle caratteristiche di quest’ultimo ma anche ai bisogni e alle necessità

delle società.

2.4 Network e performance

In passato, le differenze nelle performance delle imprese sono state analizzate

in ambito strategico seguendo due principali impostazioni: l’industry structure

view e la resource based view. La prima suggerisce che maggiori redditività

sono una conseguenza dell’appartenenza ad un settore con una struttura

favorevole (fornitori, concorrenti, clienti, potenziali entranti, prodotti sostitutivi e

barriere all’entrata; Porter 1980). La resource based view ritiene invece che il

vero motivo sia l’eterogeneità delle imprese; quelle capaci di appropriarsi delle

risorse e delle competenze necessarie raggiungeranno un vantaggio

competitivo sulle altre.

Nonostante il loro rilevante contributo, questi approcci ignorano che i vantaggi e

gli svantaggi di una singola impresa sono spesso collegati ai vantaggi e

svantaggi della rete di relazioni in cui la stessa è inserita, secondo il concetto di

capitale sociale (Dyer, Singh 1998, Burt 2005).

Si sviluppa così una Relational view che si focalizza sui processi diadici e

reticolari, considerati un’importante unità d’analisi per comprendere le fonti del

vantaggio competitivo (Dyer, Singh, 1998; Gulati, Nohria, Zaheer, 2000; Dyer,

Hatch, 2004; Brass, Galaskiewicz, Greve, Tsai, 2004; Goerzen, Beamish 2005).

Una rendita relazionale è un profitto straordinario, generato congiuntamente in

uno scambio relazionale, che non può essere ottenuto dalle singole imprese e

che può essere creato solo attraverso i contributi dei partner.

Il dibattito è tuttavia aperto su quali siano esattamente le configurazioni

strutturali di un network che consentano il raggiungimento di performance

migliori.

29

Un filone di studi (Uzzi 1997, 2000; Rowley, Behrens, Krackhardt, 2000,

McEvily, Marcus, 2005) ha dimostrato che la caratteristica che spiega questo

fenomeno è l’embeddedness; con questo termine si indica la connettività e la

centralità di un attore, il grado con cui è inserito nel proprio network.

Rowley et Al. in particolare distinguono tra periodi di exploration ed exploitation.

Durante i primi, quando è necessario esplorare nuove ed incerte alternative,

sono preferibili legami deboli ed una riduzione della coesione della rete per

raccogliere informazioni nuove e varie, mentre durante le fasi di “exploitation”,

dove l’impresa deve consolidare le competenze esistenti, è necessario

rafforzare i legami e rendere il network più coeso, per raccogliere informazioni

specifiche e di approfondimento.

Uzzi (1997, 2000), oltre agli effetti positivi di cooperazione, unione di risorse ed

adattamento, identifica una soglia oltre la quale la connettività di un’impresa

diventa eccessiva e definisce tale situazione come overembeddedness; una

volta che tale soglia è superata la rete rallenta l’organizzazione sigillandola al

suo interno ed impedendo che nuove informazioni ed opportunità giungano

dall’esterno. Secondo l’autore la relazione è quindi “U-shaped”.

Conclusioni diverse sono invece tratte da chi sostiene che alla base del

vantaggio competitivo vi sia l’azione mediatrice svolta da quelle imprese che

collegano gruppi di organizzazioni altrimenti separati gli uni dagli altri (McEvily,

Zaheer 1999, Zaheer, Bell 2005).

Di conseguenza, una rete più rada, nonostante non generi un meccanismo di

controllo e di governo, da all’impresa-mediatrice la possibilità di ottenere in

modo efficiente le informazioni e conseguentemente il raggiungimento di

prestazioni migliori.

Graficamente, gli spazi tra differenti cluster di attori sono falle e lacune presenti

nel flusso informativo, più semplicemente definite structural holes (Burt 1992).

La loro presenza non significa che gli attori non sono consapevoli dell’altrui

esistenza ma solo che si concentrano sull’attività interna al gruppo senza

interessarsi di quella degli altri. Il potenziale valore delle structural holes è

quindi quello di separare fonti di informazioni non ridondanti, i cui contributi

sono più sommabili che sovrapposti.

30

E’ evidente la tensione che esiste su diversi aspetti tra il concetto di rete coesa

e di mediazione:

• Rispetto alla struttura del network. I due concetti si contraddicono sul

rapporto che le terze parti hanno con il capitale sociale; nei sistemi coesi

queste formano un capitale sviluppando il flusso informativo, rendendo

possibile il rilevamento e la punizione dei comportamenti negativi ed

aumentando la reciproca fiducia. Nelle situazioni di mediazione

(brokerage) il capitale sociale scaturisce dalle relazioni-ponte che

collegano i gruppi in possesso di risorse, conoscenze o esperienze

complementari. Le terze parti possono anche non intaccare il potenziale

di una relazione, ma sono tuttavia un segnale che la quest’ultima rischia

di fornire informazioni ridondanti rispetto a quelle ottenibili tramite altre

fonti.

• Rispetto al contenuto del network. Le informazioni che fluiscono e i

comportamenti che si verificano all’interno della struttura sociale giocano

ruoli differenti nei due meccanismi. La mediazione crea valore

esponendo le organizzazioni alla varianza delle informazioni mentre nel

caso di reti coese (embedded) il valore nasce portando al minimo la

variabilità interna.

• Rispetto all’attore interessato. I due sistemi hanno soggetti differenti. Il

mediatore agisce per se stesso, esponendosi alla diversità di aspettative

e di giudizio dei diversi gruppi. Agire in un cluster coeso significa invece

portare gli altri attori ad agire e pensare in un modo simile a al proprio.

Sempre secondo Burt (2005), queste tensioni possono essere gestite adottando

diversi approcci. Le possibilità sono quelle di:

• Rifiutare il meccanismo di coordinamento meno sostenuto dall’evidenza

empirica. La vera fonte di vantaggio competitivo è la mediazione tra

gruppi diversi anche se dopo il periodo iniziale sono necessari processi

di rafforzamento dei legami, sia per numero che per intensità

31

• Sottrarsi alla tensione tra i due meccanismi isolandoli. Non ce ne

sarebbe quindi uno corretto ed uno sbagliato ma sarebbero entrambi

corretti ed alternativi in base alle situazioni (Walker, Kogut, Shan, 1997)

• Integrare i due meccanismi in un modello più ampio: la Structural

Autonomy. Le performance migliori si otterrebbero combinando forti e

numerose relazioni all’interno del gruppo con diverse e varie relazioni di

mediazione all’esterno dello stesso (Ahuja 2000; Bae, Gargiulo). In

questo modo si avrebbero forti strumenti reputazionali per allineare i

comportamenti degli attori interni e significativi vantaggi nel monitorare la

variabilità dell’ambiente esterno.

2.4.1 Network ed innovazione

Come è stato possibile notare nel precedente paragrafo, numerosi studi hanno

indicato che le differenti posizioni delle imprese nei network interorganizzativi

ne influenzano i comportamenti e i risultati. Esiste inoltre un particolare filone di

ricerca che associa l’idea di risultato al grado di innovazione che l’impresa

riesce a generare. Il presente studio si ispira proprio a questa concezione,

andando ad identificare nell’innovazione l’output osservato dell’impresa ed

assumendo che quest’ultimo sia influenzato dalle caratteristiche della rete.

Proposizione: La capacità innovativa di un’impresa è influenzata dalla

posizione che essa occupa nel network.

Riprendendo nuovamente i temi trattati nel precedente paragrafo e declinandoli

in ottica di innovazione, risulta chiaro come queste caratteristiche siano:

• La presenza di structural holes: la presenza di numerose structural holes

nella rete di un attore ne aumenta l’accesso ad informazioni differenti e

provenienti da gruppi di attori lontani tra di loro. Di conseguenza

accresce anche la capacità di generazione di un output innovativo

Hp1: Maggiore la presenza di structural holes nella rete dell’impresa, maggiore

sarà la sua performance innovativa

32

• Il grado di centralità degli attori: Le organizzazioni che hanno più legami

con altri attori godono di maggior prestigio, hanno un miglior accesso alle

risorse e alle informazioni, un maggior controllo sulle stesse ed una

migliore consapevolezza di dove esse siano reperibili. (Lieberman,

Asaba, 2006; Haunschild, 1993; Hansen, 1999; Brass, Galaskewicz,

Greve and Tsai, 2004).

Hp2: Maggiore la centralità dell’impresa, maggiore sarà la sua performance

innovativa

• La densità delle reti degli attori (ego-network): la densità necessità di

una distinzione; se è vero che una rete più densa possa generare

numerosi vantaggi, è altresì vero che possa portare con sé degli aspetti

negativi, fungendo da limite alle azioni dell’impresa o riducendo la varietà

delle informazioni (Uzzi 2000).

Hp3: Maggiore la densità della rete dell’impresa, maggiore sarà la sua

performance innovativa.

Hp4: Maggiore la densità della rete dell’impresa, minore sarà la sua

performance innovativa

33

Capitolo 3

Il Settore Automobilistico

3.1 Il settore automobilistico

Il settore automobilistico comprende tutte le società la cui produzione riguarda:

automobili, sport utility vehicles (SUV), furgoni, pickup, veicoli pesanti, autobus,

pullman, rimorchi e camper. Include, oltre alle società manifatturiere, quelle

legate all’assemblaggio degli autoveicoli e alla produzione di componenti come

motori, sedili, freni e sistemi elettrici.

arda:

automobili, sport utility vehicles (SUV), furgoni, pickup, veicoli pesanti, autobus,

pullman, rimorchi e camper. Include, oltre alle società manifatturiere, quelle

legate all’assemblaggio degli autoveicoli e alla produzione di componenti come

motori, sedili, freni e sistemi elettrici.

E’ un settore fortemente concentrato, dominato da un piccolo numero di società

maggiori. A livello globale, tra i principali attori si possono riportare le “Tre

Grandi” americane, GM, Ford e DaimlerChrysler con il 55.8% di quota di

mercato complessiva, Toyota con il 12% seguita da Nissan Honda e Hyundai.

E’ un settore fortemente concentrato, dominato da un piccolo numero di società

maggiori. A livello globale, tra i principali attori si possono riportare le “Tre

Grandi” americane, GM, Ford e DaimlerChrysler con il 55.8% di quota di

mercato complessiva, Toyota con il 12% seguita da Nissan Honda e Hyundai.

OEM Occidentali:

OEM Asiatiche:

• Quota di mercato mondiale ridottasi dal 93% (1965) al 52% (2007)

• Quota di mercato globale dal 4% (1965) al 48% (2007)

• CAGR 1965-2003: 2% • CAGR 1965-2003: 10% • Crescita Relativa 1965-2003: -1% • Crescita Rel. 1965-2003: 8% • Presenza ancora debole nei mercati

orientali/asiatici • Presenza significativa nel

mercato statunitense (33% market share) e in quello europeo (14% market share)

34

Un veicolo è solitamente composto da più di 20.000 parti che, nel loro

complesso, non possono essere prodotte da un’unica società, per cui è comune

il ricorso all’outsourcing o all’acquisto di componenti (come pneumatici e

batterie). Si può quindi definire quello di automobili, veicoli commerciali e bus

un settore integrato, anche perché fa affidamento su numerose altre attività per

la produzione dell’ampia varietà di materiali di cui necessita.

Stati Uniti, Cina, Giappone e Germania sono i principali produttori e mercati di

sbocco ma solo la regione pacifica registra stabili ed elevati tassi di crescita.

Se si vuole tracciare lo sviluppo del settore in termini geografici, si può dire che

il Nord America e l’Europa sono stati alla base dell’innovazione e

dell’eccellenza ingegneristica a livello mondiale. Il Giappone successivamente

ha accresciuto le proprie competenze attraverso un sistematico trasferimento

della conoscenza e un continuo sviluppo tecnico-produttivo. La Corea del Sud

si è affidata alla cooperazione ed alle alleanze similmente alla Cina, dove il

settore è fiorito grazie a numerose joint venture con OEM internazionali

(Original Equipment Manufacturer). Ultimo attore con grandi possibilità di

crescita è invece l’India.

Produzione veicoli

China

India

Japan

South Korea

USA

Europa occidentale

0

2

4

6

8

10

12

14

16

2000 2001 2002 2003 2004 2005 2006

Mili

oni

Argentina

Brazil

Canada

China

India

Japan

Mexico

Russia

South Korea

Thailand

USA

Europaoccidentale

Elaborazione dati OICA, International Organisation of Motor Vehicle Manufacturers Europa occidentale: Germania, Francia, Inghilterra, Italia, Spagna

35

Globalmente la domanda è cresciuta, nel 2006, del 2,5% rispetto all’anno

precedente. Le immatricolazioni di nuovi veicoli sono state circa 62,6 milioni di

cui il 29% nella sola Europa, dove sono aumentate del 1,4%. I mercati

emergenti sono rimasti su un trend di forte crescita con Cina (+23,4%), India

(+21,4%), Russia (+30%) e i paesi appartenenti al Mercosur (+12,8% :

Argentina, Brasile, Paraguay, Uruguay e Venezuela) mentre Stati Uniti e

Giappone hanno subito una contrazione rispettivamente del -2,3% e -1,9%. La

produzione globale ammonta a più di 68 milioni tra automobili, veicoli

commerciali leggeri, veicoli commerciali pesanti e bus, con un incremento del

4% rispetto al 2005.

Il 2007 ha confermato questo trend, con i tre tradizionali mercati (USA,

Giappone ed Europa Occidentale) incapaci di generare incrementi significativi;

mentre il mercato statunitense continua a contrarsi ad un ritmo simile agli anni

precedenti, il Giappone e la Germania stanno registrando, in termini di vendite,

forti tassi negativi.

Al contrario, i mercati dei paesi emergenti come Asia ed America Latina

continuano a mantenere elevati tassi di crescita. Nel 2007 le auto vendute in

Cina sono aumentate del 25%, portando il paese ad essere il secondo

maggiore mercato. I mercati di Brasile ed Argentina crescono a tassi simili così

come l’India.

Le principali sfide a lungo termine, che il settore si trova ad affrontare

oggigiorno, sono legate ai cambiamenti climatici e alla riduzione delle

emissioni, alle condizioni finanziarie delle case madri, ad una necessaria

riforma strutturale di alcuni mercati e ad un quadro normativo talvolta gravoso

che impone requisiti che aumentano considerevolmente il costo e di riflesso il

prezzo dei veicoli, rendendoli meno convenienti per i consumatori (ACEA,

European Automobile Manufacturers Association 2007).

La globalizzazione è un altro fattore di interesse rilevante; inizialmente le

nazioni in via di sviluppo erano principalmente fonti di lavoro a basso costo per

la produzione di veicoli, ma la crescita dei mercati interni, avvenuta anche

grazie agli investimenti esteri, ha permesso ai produttori locali di svilupparsi e di

superare l’iniziale focus sul mercato domestico in favore di processi di

espansione internazionale. (U.S. Department of Commerce).

36

Le successive analisi di settore, suddivise per area geografica, fanno

riferimento ai tre principali segmenti automobilistici. Di seguito vengono

brevemente indicati quali veicoli comprende ciascuno di essi.

Il mercato delle automobili include tutte le auto per passeggeri ed il valore di

mercato è calcolato considerando i prezzi di vendita retail (RSP) mentre i

volumi si riferiscono alle unità complessivamente vendute. Le conversioni delle

valute sono state effettuate con riferimento al tasso di scambio medio del 2006.

Invece, per calcolare i ricavi di vendita dei mercati dei veicoli commerciali, si è

utilizzato il prezzo di vendita dei produttori, privi di tasse e imposte. Tra i veicoli

commerciali leggeri (LCV) rientrano anche gli autobus e i pullman (LBC) con

peso fino a 3,5 tonnellate. I veicoli commerciali medi comprendono i mezzi con

peso tra le 3,5 e le 16 tonnellate, mentre quelli pesanti superano le 16

tonnellate.

Mercato Autoveicoli (CAGR 2003-2007)

New Cars Light Trucks M&H Trucks

Value Volume Value Volume Value Volume

Global 4,6% 4,6% 2,5% 3,0% 7,4% 7,8%

Giappone 0,3% -2,0% -2,5% -3,0% 1,2% -1,9%

Cina 29,2% 32,1% 18,3% 15,5% 23,2% 22,6%

Corea del Sud 4,6% -0,3% -8,8% -10,0% 4,5% 7,6%

India 16,6% 11,8% 28,2% 23,6% 23,4% 19,5%

Asia Pacific 8,0% 9,8% 5,7% 6,5% 20,7% 20,8%

USA 3,6% 1,2% -1,1% -1,6% -0,9% -1,4%

Canada 1,9% 0,1% 2,8% 3,0% 2,0% 2,0%

Brasile 15,7% 12,1% 20,6% 19,3% 13,1% 12,3%

Argentina n.a. n.a. n.a. n.a. n.a. n.a.

Europa 2,3% 2,2% 7,0% 7,0% 5,2% 6,0%

Datamonitor Industry Market Research: December 15, 2007

Europe: Belgium, the Czech Republic, Denmark, France, Germany, Hungary, Italy, Netherlands, Norway, Poland, Russia, Spain, Sweden and the UK. Asia-Pacific: Australia, China, Japan, India, Singapore, South Korea and Taiwan

37

3. 2 Asia

3.2.1 Giappone

Il settore “automotive” è uno dei principali rami industriali dell’economia

giapponese. Nel 2006 le esportazioni e le importazioni complessive sono

aumentate come valore rispettivamente del 14,6% e del 18,3% dall’anno

precedente. Nello stesso periodo le importazioni ed esportazioni del solo

settore automobilistico hanno avuto incrementi del 19,7% e del 7,9%.

Il settore auto è il fulcro di un ampio insieme di attività industriali, dalla

produzione dei materiali ai servizi collegati. In Giappone il settore occupa circa

4,95 milioni di persone, il 7,8% dei lavoratori opera direttamente o

indirettamente.

Nel 2006 la produzione è aumentata per il quinto anno consecutivo, con un

incremento del 6,3% rispetto al 2005 fino ad un totale di 11,5 milioni di unità.

Spezzando la categoria generale, le auto hanno registrato un aumento del

17,3%, le minicar del 9,2% ed i bus del 16,1%. Si segna invece il calo nella

produzione di small car e truck che rispettivamente scendono del 3,3% e del

4%. (JAMA, Japan Automobile Manufacturers Association, 2007).

Produzione (migliaia)

8,359 8,118 8,618 8,478 8,720 9,017 9,757

1,781 1,660 1,639 1,808 1,791 1,7831,728

0

2,000

4,000

6,000

8,000

10,000

12,000

2000 2001 2002 2003 2004 2005 2006

Auto Veicoli Commerciali

Elaborazione dati OICA

Negli ultimi cinque anni il mercato giapponese è cresciuto del 1.6% per quanto

riguarda i volumi di produzione (CAGR: tasso di crescita annuo composto 2001-

2006) ma nelle stime per il 2011 si prevede una stagnazione con un CAGR pari

38

a 0,1%. Per quanto riguarda invece le vendite, nel 2006 si è registrata una

riduzione delle immatricolazioni complessive pari all’1,9% (JAMA).

Scomponendo il settore nelle tre categorie, il mercato delle automobili si è

ridotto ad un tasso del 2% annuo raggiungendo quota 4,3 milioni di veicoli

venduti e le previsioni per il 2012 lasciano invariata questa tendenza.

39

Le performance in termini di valore vedono un miglioramento dello 0,3% che

diventa 0,5% per il quinquennio successivo (2007-2012) portando il mercato

Mercato Autoveicoli giapponese: valore ($)

114.2 115.5 118.2 119.3 115.7

20.4 20.4 18.420.8 20.1

6.8 10.8 10.9 7.27.9

0.0

20.0

40.0

60.0

80.0

100.0

120.0

140.0

160.0

2003 2004 2005 2006 2007

Mili

ardi

New Cars Light Commercial Vehicles Medium & Heavy Trucks

Mercato Autoveicoli giapponese: volumi

4,700 4,800 4,700 4,600 4,300

898 894 900 882794

111 182103

117190

0

1,000

2,000

3,000

4,000

5,000

6,000

7,000

2003 2004 2005 2006 2007

Mig

liaia


Elaborazione dati da: Datamonitor Industry Market Research: December 15, 2007

dagli attuali 115,7 miliardi di dollari a 118,7 miliardi. Miglioramento ben poco

significativo se confrontato con quelli di Cina ed India, rispettivamente pari al

16,9% e 5,9% che porteranno i mercati dei due paesi a raggiungere, sempre

per il 2012, quota 109,6 miliardi di dollari e 41,9 miliardi.

Con l’eccezione di un miglioramento nel 2005, anche il mercato dei veicoli

commerciali leggeri è in declino dal 2003, discesa culminata nella contrazione

dell’8% nel 2007 (da $20,1 a $ 18,4 miliardi) e ben descritta da un tasso di

crescita composto dal 2003 al 2007 pari a -2,5% e, se si guardano i volumi di

vendita, pari a -3%.

Anche il mercato dei mezzi pesanti segue il generale trend negativo;

analizzando il periodo 2003-2007, si riporta una crescita dell’1,2% nel valore

delle vendite ed un calo dell’1,9% nei volumi. Questo perché alla forte crescita

del 2004 (57,2% e 64,6%) è stata seguita da un rapido declino nel 2006 (-

27.4% e -38.4%) che si è protratto per tutto il 2007 (-9.1% e -12.6%).

40

3.2.2 Cina

La produzione e le vendite sono cresciute, in Cina, dai quasi due milioni di unità

all’anno del 2000 fino ad oltre sette milioni di veicoli nel 2006.

Mercato Autoveicoli cinese: valore ($)

29.5 37.957.2 70.4 82.110.1

12.817.2

18.419.8

49.257.2

69.588.0

113.3

0

50

100

150

200

250

2003 2004 2005 2006 2007

Mili

ardi


Mercato Autoveicoli cinese: volumi

2.1 2.54.0

5.26.3

0.8270.989

1.283

1.375

1.469

1.51.7

2.1

2.6

3.3

0

2

4

6

8

10

12

2003 2004 2005 2006 2007

Mili

oni



La Cina ha superato paesi produttori come Corea e Francia, Germania e

Giappone, diventando il secondo mercato automobilistico dopo gli Stati Uniti.

41

Gran parte della produzione era costituita da veicoli pesanti, ma dal 2000 la

crescita è stata guidata dalle vendite di automobili, che ora costituiscono la

metà della produzione.

I marchi nazionali cinesi si sono inoltre ripresi dall’iniziale declino, arrivando al

26,3% del mercato. Gli incrementi annui della produzione, che hanno reso

possibile il

raggiungimento di tali traguardi, sono stati pari al 22% nel 2005 e al 25,9% nel

2006 (OICA).

Analizzando separatamente i mercati di auto, veicoli commerciali leggeri e

veicoli pesanti, questi hanno rispettivamente realizzato ricavi pari a 82,1, 19,7 e

113,3 miliardi di dollari, con tassi di crescita pari a 29,2%, 18,3% e 23,2%

(CAGR 2003-2007).

Il rapido sviluppo ha riguardato anche i volumi di vendita dei veicoli appartenenti

alle tre categorie, che sono cresciuti ad un tasso del 32,1% per le automobili,

del 15,5% per i veicoli leggeri e del 22,6% per i veicoli pesanti (CAGR 2003-

2007) per un totale di 11 milioni di veicoli venduti nello scorso anno.


605 704 1,1022,019 2,480 3,078

5,233

1,464 1,6312,185

2,4252,754

2,630

1,956

0

1,000

2,000

3,000

4,000

5,000

6,000

7,000

8,000

2000 2001 2002 2003 2004 2005 2006



Un aspetto peculiare del mercato cinese è il marcato protezionismo del

governo; nonostante l’ingresso della Cina nel 2001 nel World Trade

Organization (WTO) voglia incoraggiare la competizione eliminando le

discriminazioni verso gli attori stranieri, ogni diversità di trattamento per i

prodotti destinati al mercato estero o a quello interno ed evitando che il controllo

42

dei prezzi favorisca le società cinesi, il governo continua a proteggere la

produzione domestica.

Normativa Pre-WTO Post-WTO

Tariffe di importazione veicoli 70-80% 25% by 2006

Tariffe di importazione componenti 15-50% 10% by 2006

Quote di importazione Annuale Incrementata del 15% all’anno, eliminata gradualmente dal 2006

Contenuto locale della produzione

40% della produzione il primo anno, 60% e 80% nel secondo e terzo.

Non necessario

Autofinanziamento Divieto per le istituzioni straniere non bancarie di fornire finanziamenti

Finanziamenti concessi in determinate città prima di un’estensione nazionale

Dal 21 maggio 2004 è in vigore la nuova regolamentazione per il settore

automobilistico, emanata dalla Commissione per lo Sviluppo e le Riforme in

sostituzione a quella del 1994.

Le nuove direttive mirano alla formazione di grandi società che possano

competere sul mercato internazionale, al rafforzamento del settore

automobilistico cinese e alla definizione di linee guida per gli investimenti

stranieri.

Se da un lato vengono eliminati aspetti non compatibili con l’appartenenza al

WTO dall’altro si mantengono limitazioni sulle partecipazioni estere nelle joint

venture e tariffe sulle importazioni di componenti.

43

Normativa Contenuto

Trasferimento tecnologico

Incentivi statali, per il 2010 il 50% delle vendite deve appartenere a società indipendenti che utilizzano tecnologie proprie

Partecipazioni estere Limite del 50%

Retail I rivenditori di marchi nazionali non possono vendere marchi esteri

Politiche di importazione

Import limitato ad alcuni porti e con l’utilizzo di determinate vie di trasporto

Sources: Just-auto.com, Global Insight 2006

44

3.2.3 India

Il settore automobilistico indiano si è sviluppato principalmente negli ultimi anni.

Questa crescita improvvisa è il risultato di due principali processi: il graduale

miglioramento delle condizioni di vita del ceto medio e l’aumento dei redditi.

Il processo di liberalizzazione avviato dal governo, che comprende

alleggerimenti delle regolamentazioni degli scambi commerciali e delle

partecipazioni estere, riduzioni delle tariffe sulle importazioni ed una revisione

delle politiche bancarie, ha giocato un ruolo altrettanto importante nella crescita

del settore.

La domanda in continuo aumento ha portato numerose compagnie

internazionali, principalmente giapponesi, statunitensi ed europee, ad entrare

sul mercato indiano lavorando in collaborazione con le società locali come

Maruti e Tata, i due principali attori che detengono, da soli, più del 60% del

mercato.

La produzione al 2006 è salita a due milioni di unità con un incremento del

24,2% sull’anno precedente (OICA) mentre le immatricolazioni hanno toccato

quota 1,7 milioni (+21,4%).


518 655 704 9081,178 1,264 1,473283 160 191

254

333 363

547

0

500

1,000

1,500

2,000

2,500

2000 2001 2002 2003 2004 2005 2006



Analizzando sempre il periodo 2003-2007, le vendite di automobili, veicoli

leggeri e veicoli pesanti hanno registrato un significativo sviluppo; con una

crescita del 16,6%, 28,2% e 23,4% hanno raggiunto ricavi rispettivamente pari

45

a 19,2, 2,8 e 9,7 miliardi di dollari (CAGR 2003-2007). I volumi di vendita sono

aumentati a tassi simili fino a superare quota 1,8 milioni di veicoli venduti nel

2007.

46

Mercato Autoveicoli indiano: valore ($)

10.4 11.5 13.116.0

19.21.0 1.31.7

2.3

2.8

4.25.4

5.7

7.8

9.7

0

5

10

15

20

25

30

35

2003 2004 2005 2006 2007

Mili

ardi


Mercato Autoveicoli indiano: volumi

800 900 1,000 1,1001,300

99121

144192

232

161199

207276

330

0

200

400

600

800

1,000

1,200

1,400

1,600

1,800

2,000

2003 2004 2005 2006 2007

Mig

liaia



3.2.4 Corea del Sud

L’industria automobilistica coreana è una delle principali nel contesto

competitivo mondiale, con esportazioni verso i maggiori mercati esteri.

Hyundai è il maggiore produttore nazionale con 648.000 unità vendute nel 2006

(427,000 Hyundai e 221,000 Kia) ed una quota di mercato pari al 70%.

Nonostante quest’ultimo dato, la produzione è volta principalmente

all’esportazione, che ne costituisce il 69%.

Dal 2006 la Corea del Sud è impegnata con gli Stati Uniti nelle negoziazioni sui

Free Trade Agreements (FTA); il 30 giugno 2007 è stato firmato l’accordo.

Quasi il 95% degli scambi commerciali bilaterali saranno privi di dazi entro i

primi tre anni dall’entrata in vigore dell’accordo e la totalità entro i primi 10 anni.

Con specifico riguardo al mercato dell’auto, il KORUS FTA è il primo importante

passo verso l’eliminazione delle barriere che rendono gravoso ai produttori

statunitensi l’ingresso nel mercato coreano. Come tutti gli accordi FTA, il

KORUS FTA mira a dare agli investitori esteri gli stessi diritti e lo stesso

trattamento riservato a quelli coreani attraverso una regolamentazione stabile e

trasparente. (US Trade Representative).

Nel 2006 la produzione di veicoli ha raggiunto i 3,7 milioni con un incremento

del 3,8% rispetto al 2005 (OICA). Le immatricolazioni, che sono diminuite del

2% annuo tra il 2001 e il 2006, hanno registrato un aumento del 2,9% nel 2007,

mentre la produzione è aumentata del 7% (CAGR 2001-2006).


2,602 2,471 2,651 2,768 3,123 3,357 3,489

513 475496 410

347342 351

0

500

1,000

1,500

2,000

2,500

3,000

3,500

4,000

4,500

2000 2001 2002 2003 2004 2005 2006



47

Il segmento delle automobili, riprendendosi dalla riduzione di volumi e ricavi di

vendita avvenuta nel 2004, ha segnato buoni tassi di crescita negli anni

successivi, fino a raggiungere un aumento del 4,6% nei ricavi del periodo 2003-

2007. I volumi invece hanno stentato a risollevarsi, segnando, per lo stesso

periodo, un CAGR pari a -0,3%.

Il 2004 ha avuto conseguenze peggiori sul segmento dei veicoli leggeri, che ha

subito una riduzione sia dei ricavi (-8,8%) che dei volumi (-10%).

Il mercato coreano dei veicoli pesanti si pone in controtendenza coi precedenti:

nel 2004 ha raggiunto un picco di crescita (+14% per i ricavi e +25,9% per i

volumi rispetto al 2003), mantenendo tassi positivi, anche se di molto inferiori,

negli anni successivi. Dal 2003 le unità vendute sono quindi aumentate del

7,6% ed il relativo valore del 4,5%.

Mercato Autoveicoli coreano: valore ($)

19.1 17.319.5 20.2

22.9

3.92.9

2.8 2.8

2.71.5

1.71.7 1.7

1.8

0

5

10

15

20

25

30

2003 2004 2005 2006 2007

Mili

ardi


Mercato Autoveicoli coreano: volumi

1,000900 900 900

1,000

267.6

191.4 182.2 184.8175.8

34.7

43.6 45.4 45.746.4

0

200

400

600

800

1,000

1,200

1,400

2003 2004 2005 2006 2007

Mig

liaia



48

3.3 Americhe

3.3.1 Stati Uniti

Il paese è il maggior mercato automobilistico, rappresentando il 30% delle

vendite mondiali per un valore di 470 miliardi di dollari di vendite nel 2005

(OAAI, Office of Aerospace and Automotive Industries, U.S. Department of

Commerce).

Vendite (milioni di unità)

8,8 8,4 8,2 7,6 7,5 7,7 7,8

8,5 8,7 8,7 9 9,3 9,2 8,7

0,5 0,4 0,3 0,4 0,50,50,3

02468

101214161820

2000 2001 2002 2003 2004 2005 2006

Cars Light Trucks Med/Heavy Trucks


I principali produttori operanti negli Stati Uniti sono DaimlerChrysler, GM, Ford,

Toyota, Honda e Nissan. Delle Tre Grandi, General Motors ha visto ridursi la

propria quota di mercato dal 36% del 1990 al 26% attuale, Ford dal 24% al

17%. (OAAI).

Analizzando i dati del U.S. Labor Department’s Bureau of Labor and Statistics

(BLS), si può notare come questo abbia avuto ripercussioni sui livelli

occupazionali. Questi dal 1991 al 2005 sono cresciuti dell’8% ma diminuiti del

16% dal 2000 per un totale di 1.098.000 occupati ed una perdita di 243.000

posti di lavoro. Gli stessi dati mostrano come la situazione sia stata tuttavia

migliore rispetto all’insieme dei settori manifatturieri, che nei medesimi intervalli

di tempo sono scesi del 21% e del 18%. (BLS). Nel 2005 sono stati prodotti, negli Stati Uniti, 12 milioni di veicoli che nel 2006

sono diminuiti del 6% per un totale di 11 milioni (OICA). Anche le

49

immatricolazioni sono scese, del 2,3%. I veicoli registrati in uso sono

complessivamente 133,8 milioni con una densità pari al 45%.

Produzione (milioni)

5,5 4,8 5,0 4,5 4,2 4,3 4,4

6,86,3 7,0 7,3 7,3 7,2 6,4

0,258 0,2510,256

0,3910,358 0,424

0,462

0

2

4

6

8

10

12

14

2000 2001 2002 2003 2004 2005 2006

Mili

oni

Cars Light Trucks Med/Heavy Trucks


Nel complesso il settore vede un mercato stagnante, privo di costanti e durature

tendenze di crescita ma anzi in contrazione nell’ultimo periodo (BEA, Bureau of

Economic Analysis).

Il mercato delle auto ha generato ricavi per 228,2 miliardi di dollari nel 2007,

con un CAGR pari a 3,6% dal 2003 mentre i volumi di vendita hanno registrato

un tasso di crescita composto dell’1,2%.

I segmenti commerciali hanno entrambi trend opposti rispetto al primo; i veicoli

commerciali leggeri vedono ridursi ricavi e volumi rispettivamente dell’1,1% e

dell’1,6%, percentuali molto vicine a quelle del mercato dei veicoli pesanti (-

0,9% e -1,4%).

50

3.3.2 Canada

Il Canada è l’ottavo produttore mondiale di veicoli dopo Stati Uniti, Giappone,

Germania, Cina, Francia, Corea del Sud e Spagna. Nel mercato americano è

quindi il secondo produttore e il terzo mercato dopo USA e Brasile.

51

Mercato Autoveicoli canadese: valore ($)

22.60 21.10 22.20 23.20 24.30

9.58 9.00 9.70 9.99 10.71

10.9010.50

11.30 11.4011.80

0

5

10

15

20

25

30

35

40

45

50

2003 2004 2005 2006 2007

Mili

ardi

Mercato Autoveicoli canadese: volumi

880.2 820.1 845.2 863.2 882.2

461.8433.2 462.4 481.8 520.4

311.1298.8 322.6 328.4 336.6

0

200

400

600

800

1,000

1,200

1,400

1,600

1,800

2,000

2003 2004 2005 2006 2007

Mig

liaia


I principali produttori operanti nel paese sono DaimlerChrysler, GM, Ford,

Toyota e Honda. Nel 2006 sono stati prodotti 2,5 milioni di veicoli (OICA) con

una crescita quasi nulla (0,1%) considerando il CAGR nel quinquennio 2001-

2006. Nel paese sono attualmente in uso 13,9 milioni di autovetture, con una

densità pari al 43%.

Il settore nel suo complesso e nel periodo 2003-2007, cresce lentamente ma in

modo costante; i ricavi e i volumi di vendita sono aumentati sia per le automobili

(1,9% e 0,1%) che per i veicoli commerciali leggeri (2,8% e 3,0%) e per i veicoli

pesanti (2,0% e 2,0%).


1,551 1,275 1,369 1,340 1,336 1,356 1,390

1,4111,258 1,260 1,213 1,376 1,332 1,183

0

500

1,000

1,500

2,000

2,500

3,000

3,500

2000 2001 2002 2003 2004 2005 2006



52

3.3.3 Brasile

Il settore automobilistico occupa, in Brasile, circa 100.000 persone con una

produzione che nel 2006 ha raggiunto i 2,6 milioni di unità, in aumento del 3,3%

rispetto al 2005.

Mercato Autoveicoli brasiliano: volumi

19.6 23.6 25.430.0

35.12.19

2.97 3.323.65

4.64

3.103.50

3.904.00

5.00

05

101520253035404550

2003 2004 2005 2006 2007

Mili

ardi


Mercato Autoveicoli brasiliano: volumi

1,100.01,300.0 1,400.0

1,600.01,800.0

173.2227.7

249.8275.5

351.3

85.7

75.5

95.796.0

120.1

0

500

1,000

1,500

2,000

2,500

2003 2004 2005 2006 2007

Mig

liaia



Il 30% dei prodotti finiti viene esportato e il 95% dei veicoli venduti sul mercato

interno è prodotto in Brasile; le principali società che vi operano sono Fiat, GM

e Volkswagen.

53

Complessivamente negli ultimi cinque anni il mercato brasiliano è cresciuto per

volumi di produzione dell’8.4% (CAGR 2001-2006). Nel 2006 le

immatricolazioni sono cresciute del 12,4% rispetto al precedente anno,

passando da 1,7 milioni a quasi 1,9.

Attualmente vi circolano 18,1 milioni di veicoli corrispondenti ad una densità del

10%. (ANFAVEA - Associação Nacional dos Fabricantes de Veículos

Automotores).

Il settore automobilistico brasiliano è in forte crescita anche per le vendite; dal

2003 al 2007 sono cresciute sia per ricavi (15,7% auto, 20,6% veicoli

commerciali leggeri e 13,1% veicoli pesanti) che per volumi (rispettivamente

12,1%, 19,3% e 12,3%).


1,352 1,502 1,520 1,5051,863 2,009 2,092

330316 271 323

454519 519

0

500

1,000

1,500

2,000

2,500

3,000

2000 2001 2002 2003 2004 2005 2006

Mig

liaia



54

3.3.4 Argentina

Con riguardo al mercato americano l’argentina è il quarto principale mercato di

produzione e vendita. I principali produttori sono Volkswagen, GM e Fiat.


239170

111 109171 183

263

101

66

48 60

89137

169

050

100150200250300350400450500

2000 2001 2002 2003 2004 2005 2006

Mig

liaia



Nel 2005 sono stati prodotti 319.000 veicoli e le vendite hanno interessato

372.000 unità. Nel 2006 la produzione è salita del 35,1% (432.000) rispetto

all’anno precedente e negli ultimi cinque anni il mercato è cresciuto del 22,8%

per vendite e del 9,5% per volumi di produzione (CAGR 2001-2006). La forte

ripresa dopo la crisi del 2002 è confermata anche dai dati del 2007: nei primi

undici mesi dell’anno la produzione è salita del 25,9% rispetto allo stesso

periodo dell’anno precedente mentre le vendite del 14,35% (ADEFA,

Asociacion de Fabricas de Automotores).

In Argentina sono attualmente in uso 5.7 milioni di veicoli per una densità pari al

15%.

Vendite (migliaia)

55

338,861,4

121,5

106,2

4,8

16,3

0

200

400

600

2001 2006

Cars Light trucks Heavy trucks

3.4 Europa

Il 27% della produzione globale di veicoli ha luogo in Europa, il che la rende il

principale produttore di veicoli.

Dopo una crescita del 6% nel primo trimestre del 2006 ed un calo nel secondo

quarto (-2%) rispetto al 2005, la produzione di veicoli è rimasta stagnante nei

periodi successivi. Nel complesso sono stati prodotti 18,6 milioni di unità, l’1%

in più rispetto al 2005.


Produzione Globale Europa %

Automobili 50 milioni 16.170.882 33%

Veicoli Comm. Leggeri 15,6 milioni 1.791.217 11%

Veicoli Comm. Pesanti 3,2 milioni 577.834 19%

Bus 479.000 41.021 9%

Per quanto riguarda le immatricolazioni di veicoli nuovi, il settore automobilistico

europeo ha chiuso il 2006 con una lieve tendenza al rialzo (+1,4% rispetto al

2005). Fattori positivi, tra cui una miglior performance economica dell’Unione

Europea, hanno contrastato elementi problematici come alti tassi di interesse,

un generale inasprimento fiscale, il rafforzamento dell’Euro che influisce sulle

esportazioni, il rallentamento della crescita economica mondiale e

l’innalzamento del prezzo del petrolio. Sviluppi politici ed economici in specifici

mercati hanno avuto impatto sull’incremento delle immatricolazioni del 2006;

per la prima volta dopo il loro ingresso nell’UE, i nuovi stati membri appartenenti

all’area baltica hanno condiviso questo trend positivo, con la Polonia che ha

invertito l’andamento negativo. Anche Bulgaria e Romania hanno segnato una

crescita nell’anno precedente al loro ingresso nell’Unione.

Per quanto riguarda le automobili, Italia (+3,9%) e Germania (+4,5%) hanno

chiuso il 2006 in rialzo mentre UK (-3,9%), Francia (–3.3%) e Spagna (–2%)

hanno visto ridursi i propri mercati. Con l’esclusione di Portogallo (–5.7%),

Finlandia (–1.5%) e Grecia (–0.8%), I rimanenti 15 paesi dell’UE hanno

migliorato i propri risultati rispetto a quelli dell’anno precedente.

56

Il 2007 ha tuttavia visto l’indebolirsi dei mercati dell’Europa occidentale che, nel

secondo trimestre, hanno presentato una flessione dell’1,4% rispetto al

secondo trimestre 2006. Tale andamento è conseguenza anche della

significativa riduzione della domanda in Germania (-8,4%), ancora condizionata

dall’anticipazione degli acquisti negli ultimi mesi del 2006, in vista dell’aumento

dell’IVA a partire da inizio 2007, nonché dei cali in Francia (-3,7%) e in Spagna

(-2,4%). Tra i principali paesi sono risultate in crescita l’Italia (+8,7%), dove il

mercato è sostenuto anche dagli incentivi alla rottamazione, e la Gran Bretagna

(+1,1%).

Produzione veicoli

13,439 13,449 13,303 12,883 12,53513,442 13,458

1,875 1,944 2,017 2,0911,7381,9772,018

0

2,000

4,000

6,000

8,000

10,000

12,000

14,000

16,000

18,000

2000 2001 2002 2003 2004 2005 2006

x100

0


Elaborazione dati OICA per Francia, Germania, Inghilterra, Italia, Spagna

Il mercato dell’Europa occidentale di veicoli industriali con peso maggiore di 2,8

tonnellate è complessivamente aumentato del 6,4% nei confronti del secondo

trimestre del 2006 trainato dalla crescita (+14,4%) del segmento dei veicoli

leggeri, mentre i mercati dei veicoli medi e pesanti hanno rilevato, sempre nello

stesso periodo, flessioni rispettivamente del 14,4% e del 10,3%. (Il 2006 era

stato tuttavia caratterizzato da un’anticipazione degli acquisti di veicoli di questi

segmenti per precedere l’introduzione del tachigrafo digitale e l’uscita di

produzione dei motori Euro 3). La domanda è aumentata in tutti i principali

paesi europei, ad eccezione del mercato britannico che ha registrato un calo del

3,9%.

Incrementi significativi si sono manifestati in Spagna (+13,7%), Francia (+7%),

Italia (+7,9%) e in Germania (+4,6%). La domanda di bus nei cinque principali

57

mercati dell’Europa Occidentale si è ridotta del 2,3% rispetto al secondo

trimestre del 2006. (Dati ACEA).

58

Capitolo 4

Ricerca ed Analisi

4.1 Introduzione

Come è risultato evidente dall’analisi della letteratura, non si può indicare una

proprietà specifica dei network che racchiuda completamente in sé la

spiegazione dei migliori risultati dell’impresa.

Dopo aver descritto cosa è la Network Analysis, quali sono i suoi principi di

base ed aver riassunto la situazione attuale del settore automobilistico, il

prossimo obiettivo è quello di cercare l’evidenza di un nesso di causalità tra le

caratteristiche della rete dello stesso settore in cui operano i principali attori ed i

loro risultati in ambito di innovazione.

Per la costruzione della rete si è scelta come tipologia di relazione la Joint

Venture (JV), specifico tipo di alleanza strategica, caratterizzata dall’impegno

comune di due o più attori per il raggiungimento di un obiettivo comune. La

scelta è ricaduta su questo tipo di alleanza anche per motivi di carattere

negativo: le partecipazioni incrociate, comuni e ricorrenti, spesso non derivano

da un impegno attivo e da una finalità strategica definita ma solo da interessi

finanziari, mentre gli accordi intesi in senso lato sarebbero stati difficilmente

identificabili nella loro completezza sull’intero settore mondiale.

L’attenzione si è poi focalizzata sui produttori di veicoli per passeggeri, veicoli

commerciali leggeri, medi e pesanti, di autobus e pullman così come sui

produttori di componenti. Di seguito vengono spiegati nello specifico i criteri di

ricerca e di analisi dei dati.

59

4.2 Raccolta dati

Per poter svolgere le analisi erano necessari due diverse fasi di raccolta dati:

quella per la costruzione dei network di imprese e quella per ottenere le

informazioni sull’attività aziendale. Per la prima si sono cercate tutte le Joint

Venture effettivamente costituite da Gennaio 2001 a Dicembre 2006 e in cui

l’attività svolta da almeno uno dei partner appartenesse ad almeno uno dei

seguenti gruppi di attività manifatturiere, identificati dal corrispondente SIC code

statunitense:

• Sic 3537: industrial trucks, tractors, trailers and stackers

• Sic 3559: special industry machinery not elsewhere classified

• Sic 3711: motor vehicles and passenger car bodies

• Sic 3713: truck and bus bodies

• Sic 3714: motor vehicles parts and accessories

• Sic 3715: truck trailers

Si è svolta una ricerca così ampia per non perdere alcun legame che le società

potevano aver formato, per qualsiasi tipo di necessità e si è proceduto alla loro

ricerca tramite il database Zephyr. Con questo è stato possibile ricavare per

ogni accordo la data, il nome dell’impresa nascente, i partner e le motivazioni

che li hanno spinti ad intraprendere un’azione congiunta.

Le iniziali 445 Joint Venture sono state successivamente ridotte a 359

eliminando le osservazioni non pertinenti, come ad esempio quelle il cui fine era

la produzione di distributori del caffè o di distribuzione di cibi e mantenendo

unicamente quelle relative al settore “Automotive”.

Il passo conclusivo è stato quello di associare a ciascun legame la finalità

perseguita dalle società e che sono risultate essere alla fine:

• Assembling: questa categoria raggruppa tutte le joint venture il cui scopo

è l’assemblaggio di veicoli con parti fornite da uno o tutti i partners

• Commercial: alleanze commerciali il cui principale fine è il potenziamento

dei canali distributivi o dell’attività di marketing

60

• Production: in questo caso la nuova società è un’unità produttiva

costituita nella maggior parte dei casi per avvicinare la produzione ai

mercati di sbocco

• R&D: in un settore segnato da una sempre crescente e necessaria

attenzione all’inquinamento e alla diminuzione dei costi di produzione, i

partner ricorrono a JV di ricerca e sviluppo per creare ad esempio motori

più efficienti, nuovi materiali o soluzioni produttive innovative.

• Services: la categoria in questione comprende tutte le Joint Venture la

cui finalità è quella di fornire servizi (anche di carattere finanziario) alle

società partner.

• Source: nella categoria “fonte” sono state inclusi tutti gli accordi che

hanno come principale motivazione l’accaparramento di risorse, nello

specifico materiali, competenze, capacità produttive esclusive e

logistiche.

2001 2002 2003 20042005

2006

Assembling

R&DCommercial

ServicesProduction

0

10

20

30

40

50

60

Finalità Joint Venture

Assembling R&D Commercial Services Production

In conclusione, il database nel suo insieme comprende 359 Joint Venture per

un totale di 592 partner e 1136 legami.

61

Un intervento particolare ha riguardato la costruzione dei network negli anni

considerati: prendendo come spunto la durata media delle Joint Venture

indicata dalla bibliografia (Lyles 1987; Gomes-Casseres 1987; Lei, Slocum) e

pari a 3 anni, i network di ciascun periodo sono costituiti dai legami in essere

nell’anno considerato e nei due precedenti. Si sono così formati quattro trienni

dove, ad esempio, il 2003 comprende le Joint Venture formate nel 2001, 2002 e

2003, mentre il 2004 comprende quelle create nel 2003, 2003 e 2004; lo stesso

vale per i due periodi successivi.

2001 2002 2003 2004 2005 2006

UKSpain

RussiaKorea

FranceThailand

IndiaGermany

JapanUSA

OthersChina

Totale

0

10

20

30

40

50

60

70

80

Joint Venture e Nazioni Obiettivo

62

Completato il disegno della rete, sono stati raccolti i dati relativi ai risultati delle

imprese appartenenti ad un campione di 232 società andando così a reperire

ed analizzare le performance innovative delle sole società di produzione di

veicoli e componenti; dopo aver constatato che il settore automotive è un

settore molto concentrato e caratterizzato da problematiche di tipo tecnologico

(progettazione, produzione, riduzione dei consumi e dell’inquinamento, etc) si è

scelto come specifico risultato di un’impresa il grado di innovazione che la

stessa riesce a generare ogni singolo anno ed in particolare come sua misura il

numero di brevetti proposti per la registrazione. Questi ultimi sono stati raccolti

tramite il Worldwide esp@cenet database, sviluppato dall’European Patent

Office (EPO) e contenente brevetti pubblicati in 63 diverse nazioni.

Rete di alleanze 2001-02-03

Elaborazione dati UCINET 6 tramite Netdraw

63





64

4.3 Variabili

Variabile dipendente. Come detto a conclusione del precedente paragrafo, questa variabile è

rappresentata dal numero di brevetti ufficialmente presentati ogni anno dalle

società per ottenerne la registrazione. Nonostante non possa rappresentare la

misura perfetta del prodotto intellettuale di un’impresa, il numero di brevetti ne

rappresenta una riconosciuta approssimazione (Powell, Koput, Smith-Doerr

1996; Hagedoorn 2002, Ahuja 2000). Non si è comunque riportato il numero di

brevetti registrati in un determinato anno, ma i brevetti presentati nello stesso

anno e successivamente registrati (tra i due momenti possono intercorrere

anche diversi mesi). Questo è stato possibile perché i brevetti riportano la data

di presentazione che è stata utilizzata per la loro ricerca. Si è così garantita

anche l’omogeneità dei risultati, eliminando le possibili differenze nella durata

dei processi di registrazione.

Variabili indipendenti. Centrality. Misurata tramite il Freeman’s Centrality Degree (1979), rappresenta

in un grafico simmetrico il numero di vertici adiacenti ad un determinato vertice.

Nel caso di dati non simmetrici si distingue tra in-degree ed out-degree, ma il

database analizzato rientra nel primo caso.

Density. Il numero di legami diviso per il numero di coppie, dove quest’ultimo è

il numero totale di coppie di attori presenti nell’ ego-network e rappresentante

ad esempio il numero di potenziali legami.

Effective Size. Secondo la misura di Burt (1992) corrisponde al “numero di nodi

cui il nodo focale è connesso (alters) meno la media degli alters presenti nella

ego-network, senza contare i collegamenti con il nodo focale”.

Variabili di controllo. Country. Le tre variabili di controllo di tipo country riportano l’area geografica di

appartenenza delle società. Sono nell’ordine Asia Pacific, Europe e North

America.

65

Sic. Variabile di controllo che riporta il settore di appartenenza delle imprese

analizzate e rispettivamente produzione di veicoli completi (3711) e produzione

di componenti (3714).

4.4 Analisi e risultati

4.4.1 Analisi descrittiva

Alcune prime considerazioni possono essere formulate relativamente al numero

di alleanze create e al numero di brevetti presentati. Quest’ultimo, come mostra

il grafico sottostante, rimane pressoché stabile nei primi tre anni mentre subisce

un forte calo nel 2006.

Numero brevetti e alleanze in essere

0

20

40

60

80

2003 2004 2005 2006

Mig

liaia

050100150200250

Brevetti (migliaia) Alleanze in essere

Le percentuali di crescita sono rispettivamente pari a -0,6%, -0,9% e -46,7%. Le

alleanze esistenti nei quattro diversi trienni mostrano la stessa riduzione finale

anche se di entità minore (-10.2%) e comunque successiva ad un iniziale

periodo di crescita (31.69%, 15.51%). Se si considerano invece solo le nuove

alleanze formatesi nello specifico anno, gli andamenti dei dati sono quelli

rappresentati dalle due rette nel grafico seguente.

66

Numero brevetti e nuove alleanze

-10

10

30

50

70

90

2003 2004 2005 2006

Mig

liaia

0

20

40

60

80

100

Brevetti (migliaia) Nuove alle

Se dal 2003 al 2004 gli incrementi hanno segno diverso, nei due periodi

successivi sono accomunati da una graduale riduzione che nel 2006 ha valori

percentuali molto prossimi (-46,7% per i brevetti e -39,4% per le alleanze).

Proseguendo in questa prima analisi di carattere descrittivo, si può notare come

anche il numero di clique segua il trend delle alleanze formate nei quattro

diversi anni. Definita una clique come un insieme di attori con densità pari a

uno, il grafico seguente mostra il numero di sottogruppi costituiti da tre, quattro

o cinque e più attori.

Clique

35

4650

43

11 11 9 94 4 2 1

0

10

20

30

40

50

60

2003 2004 2005 2006

3-clique 4-clique 5-clique

Considerazioni più interessanti possono derivare dall’analisi dei dati relativi alla

dimensione media (Size) e alle dimensioni medie effettive (Effsize) delle reti di

ciascun attore.

67

Ego-Density degree / Ego-Effective size

0.00

0.20

0.40

0.60

0.80

1.00

1.20

1.40

1.60

2003 2004 2005 2006

degree effective size

I due dati calcolati mediante UCINET 6 e posti a confronto evidenziano la

presenza di legami ridondanti, motivo per cui la retta delle dimensioni effettive è

generalmente inferiore; come si può tuttavia notare dal precedente grafico e

come evidenzia il successivo, la distanza tra le rette diminuisce e ciò indica un

incremento dell’efficienza delle reti personali degli attori, poiché ciò sta a

significare l’eliminazione di legami ridondanti.

Efficiency

0.80

0.82

0.84

0.86

0.88

0.90

0.92

0.94

2003 2004 2005 2006

efficiency

Lo stesso risultato è evidenziato dai quattro successivi grafici di dispersione, sui

cui assi sono posti il grado di centralità e la dimensione effettiva della rete di

ciascun attore. Si può notare come dal 2003 al 2006 ad uguali livelli della prima

si associno valori più alti della seconda. Un attore che mantiene lo stesso livello

68

di centralità aumentando la propria rete effettiva ha eliminato dei legami

ridondanti andando invece a trarre vantaggio dalle structural holes.

Ego-Centrality Degree ed Ego-Efficient Size 2003-2006

Di seguito vengono proposte, con le relative statistiche principali, le variabili che

poi saranno utilizzate per le analisi multivariate.

Variable Obs Mean Std. Dev. Min Max Brevetti 03 231.00 291.46 1004.82 0.00 7222.00Ego Density 01-03 155.00 20.46 38.88 0.00 100.00Structural Holes 01-03 231.00 0.75 0.99 0.00 5.86Centrality 01-03 231.00 0.05 0.08 0.00 0.51 Brevetti 04 231.00 289.59 1005.47 0.00 7122.00Ego Density 02-04 139.00 25.57 40.36 0.00 100.00Structural Holes 02-04 231.00 0.97 1.08 0.00 7.00Centrality 02-04 231.00 0.06 0.08 0.00 0.51

2003

0.000

2.000

4.000

6.000

8.000

10.000

12.000

14.000

0.000 2.000 4.000 6.000 8.000 10.000 12.000 14.000

Centrality Degree

Effe

ctiv

e Si

ze

2004

0.000

2.000

4.000

6.000

8.000

10.000

12.000

14.000

0.000 2.000 4.000 6.000 8.000 10.000 12.000 14.000

Centrality Degree

Effe

ctiv

e Si

ze

2006

0.000

2.000

4.000

6.000

8.000

10.000

12.000

14.000

0.000 2.000 4.000 6.000 8.000 10.000 12.000 14.000

Centrality Degree

Effe

ctiv

e Si

ze

2005

0.000

2.000

4.000

6.000

8.000

10.000

12.000

14.000

0.000 2.000 4.000 6.000 8.000 10.000 12.000 14.000

Centrality Degree

Effe

ctiv

e Si

ze

69

Brevetti 05 231.00 284.11 972.78 0.00 6535.00 Ego Density 03-05 141.00 21.87 36.60 0.00 100.00 Structural Holes 03-05 231.00 1.10 1.25 0.00 7.27 Centrality 03-05 231.00 0.06 0.08 0.00 0.47 Brevetti 06 231.00 151.36 535.39 0.00 4049.00 Ego Density 04-06 145.00 13.13 29.57 0.00 100.00 Structural Holes 04-06 231.00 0.91 1.05 0.00 6.11 Centrality 04-06 231.00 0.06 0.09 0.00 0.51

4.4.2 Approccio Econometrico

Il passo successivo è l’analisi delle variabili brev_04, brev_05 e brev_06, che

rappresentano il numero di brevetti emessi dalle imprese in ogni singolo anno e

che rappresentano la loro forza innovativa, in modo da vedere se esiste un

effetto dovuto alla centralità delle stesse imprese, alla densità delle loro reti o

alla presenza di structural holes nelle stesse (rispettivamente le variabili

densit_0x, centr_nrmdegree0x e sh_effsize_0x).

Una precisazione va fatta riguardo alle relazioni ipotizzate: gli effetti della rete

costruita per il periodo t vengono valutati nel periodo t+1, così ad esempio

ipotizziamo che l’effetto di una determinata posizione nella rete nell’anno 2003

produca i propri effetti sui brevetti presentati formalmente durante il 2004.

Ottenute le informazioni sui brevetti negli anni 2004, 2005 e 2006 si

considerano per ciascuno le caratteristiche delle reti all’anno precedente.

Innanzitutto riportiamo, nella prossima pagina, una tabella riassuntiva che

presenta le correlazioni tra le quattro variabili nei diversi periodi analizzati. I

risultati mostrano una forte e significativa associazione tra centrality ed effsize e

tra centrality e density. Escludendo la densità per la quale è riportata una

correlazione non significativa o pressoché nulla, le altre variabili indipendenti

mostrano una buona correlazione con la variabile dipendente.

70

Correlazioni 2004-2006

1 2 3 4 5 6 7 8 1 Brevetti 04 2 Ego Density 01-03 .14 3 Structural Holes 01-03 .27*** .24 4 Centrality 01-03 .32*** .56*** .77*** 5 Country Asia Pacific .10 .24** .04 .14* 6 Country Europe -.04 -.12 .01 -.05 -.68*** 7 Country North America -.08 -.17 -.05 -.11 -.47*** -.30*** 8 Sic 3711 .05 .01 .25*** .19** .17** .02 -.25*** 9 Sic 3714 -.05 -.01 -.25*** -.19** -.17** -.02 .25*** -1

1 2 3 4 5 6 7 8 1 Brevetti 05 2 Ego Density 02-04 .02 3 Structural Holes 02-04 .28*** .12 4 Centrality 02-04 .31*** .42*** .81*** 5 Country Asia Pacific .10 .22** .14* .20** 6 Country Europe -.04 -.12 -.12 -.14* -.68*** 7 Country North America -.08 -.15 -.03 -.09 -.47*** -.30*** 8 Sic 3711 .04 .02 .18** .17** .17** .02 -.25*** 9 Sic 3714 -.04 -.02 -.18** -.17** -.17** -.02 .25*** -1

1 2 3 4 5 6 7 8 1 Brevetti 06 2 Ego Density 03-05 -.06 3 Structural Holes 03-05 .17** .07 4 Centrality 03-05 .18** .26** .94*** 5 Country Asia Pacific .07 .30*** .13* .18** 6 Country Europe -.02 -.23** -.14* -.15* -.68*** 7 Country North America -.07 -.12 -.01 -.05 -.47*** -.30*** 8 Sic 3711 .02 .06 .21*** .25*** .17** .02 -.25*** 9 Sic 3714 -.02 -.06 -.21*** -.25*** -.17** -.02 .25*** -1

* p < .05 ** p < .01 *** p < .001

71

Rappresentiamo ora la variabile dipendente con degli istogrammi: si può notare

come siano fortemente asimmetriche e lontane dalla distribuzione normale. La

regressione lineare non è quindi utilizzabile.

Istogrammi della variabile brev_0x

I dati di tipo “count” seguono spesso una distribuzione di tipo Poisson. La

Poissoniana è detta anche legge degli eventi rari, in quanto può essere

applicata quando la probabilità p di un evento è molto bassa e

contemporaneamente la grandezza del campione n è molto alta, oppure

quando un evento è raro, ma il numero di eventi che si verificano è comunque

finito. Una sua caratteristica è che media e varianza sono uguali.

Procedendo attraverso il programma Stata con il comando summarize, si può

vedere come la varianza sia eccessivamente superiore alla media. La variabile

brev_0x è perciò sovra-dispersa e non permette di utilizzare questa seconda

soluzione, come testimoniato dai valori elevati della Goodness of fit.

Una terza soluzione è il Generalized Linear Model (GLM) selezionando come

distribuzione una che permetta l’utilizzo di una variabile con una varianza molto

superiore alla media: la distribuzione binomiale negativa.

05.

0e-0

4.0

01.0

015

.002

Den

sity

.001

5.0

01.0

02D

ensi

ty5.

0e-0

40

0 2000 4000 6000 8000Brev_03

0 2000 4000 6000 8000Brev_04

05.

0e-0

4.0

01.0

015

.002

Den

sity

.003

.002

.004

Den

sity

.001

0

0 2000 4000 6000Brev_05

0 1000 2000 3000 4000Brev_06

72

La variabile casuale binomiale negativa è una variabile causale discreta, usata

spesso per descrivere eventi rari in cui la probabilità dell'evento non è uguale

per tutti gli elementi (contrariamente alla variabile causale Poissoniana), Il suo

nome deriva dall'affinità che ha con la variabile causale binomiale; infatti essa

può essere descritta dallo stesso esperimento della binomiale negativa, ma

cambiando il punto di vista: se nella binomiale il numero di prove era fissato e

variabile era il numero di "successi", nella binomiale negativa si suppone dato il

numero di successi e l'incognita rappresenta il numero di prove necessarie per

ottenere tale numero di successi.

Le seguenti tabelle mostrano i risultati ottenuti:

Brevetti 04 _____________________ b Std. Err. Ego Density 01-03 -.01 .00 Structural Holes 01-03 .66 *** .15 Centrality 01-03 4.00 2.36 Country Asia Pacific .95 *** .19 Country N. America .88 ** .28 Sic 3711 -.04 .19 _cons 3.60 .20 Brevetti 05 _____________________ b Std. Err. Ego Density 02-04 -.01 * .00 Structural Holes 02-04 .69 *** .12 Centrality 02-04 2.73 1.48 Country Asia Pacific .92 *** .24 Country N. America 1.55 *** .34 Sic 3711 .72 ** .22 _cons 3.22 .27 Brevetti 06 _____________________ b Std. Err. Ego Density 03-05 -.02 *** .00 Structural Holes 03-05 .67 ** .22 Centrality 03-05 -2.88 3.65 Country Asia Pacific -.34 .29 Country Europe .34 .28 * p < .05 Sic 3714 .35 .20 ** p < .01 _cons 4.29 .31 *** p < .001

73

La prima ipotesi formulata affermava che maggiore la presenza di structural

holes della rete dell’impresa, maggiore sarà la sua performance innovativa.

Dalle analisi si può notare come risulti significativamente verificata in tutti e tre

gli anni con coefficienti pari a .66 (p<.001), .69 (p<.001) e .67 (p<.01).

La seconda ipotesi enunciava invece che maggiore la centralità dell’impresa,

maggiore sarà la sua performance innovativa. Questa caratteristica non risulta

tuttavia essere significativa e mostra un coefficiente negativo nell’ultimo periodo

(b= -2.88). L’ipotesi non si può quindi definire supportata.

Le ultime due ipotesi riguardavano la densità e proponevano sia una relazione

positiva che una negativa: maggiore la densità della rete dell’impresa, maggiore

(3) / minore (4) sarà la sua performance innovativa. Dai risultati si può notare

come la variabile densità abbia coefficienti negativi seppur ridotti, e che questi

sono gradualmente più significativi negli ultimi due periodi (b= -.01, p<.05; b= -

.02, p<.001).

Per quanto riguarda le variabili di controllo, l’appartenenza alle aree geografiche

Asia Pacific e North America è fortemente legata al numero di brevetti

presentati nel 2004 e 2005. Per quest’ultimo anno è influente anche

l’appartenenza al settore di produzione di veicoli (sic 3711).

Riassumendo brevemente i risultati, la prima ipotesi appare effettivamente

sostenuta su tutti i periodi mentre la quarta ipotesi è verificata su due dei tre

periodi.

74

4.5 Conclusioni

Il presente studio ha esaminato l’impatto che tre aspetti degli ego-network delle

società hanno sulle loro performance innovative: questi sono structural holes,

density e centrality. L’idea è nata analizzando la bibliografia principale

riguardante la Network Analysis (Burt R. S. 1992, 2005; Dyer J.H., Singh H.,

1998; Ahuja, G., 2000a; Brass D.J., Galaskiewicz J., Greve H.R., Tsai W.,

2004; Gulati R., 1998; Gulati R., Gargiulo M., 1999; Gulati R., Nohria N., Zaheer

A., 2000; Uzzi B, 1997, 2000) ed identificando al suo interno le principali teorie.

Lo schema teorico preesistente proponeva, per ciascuna caratteristica delle reti

relazionali, un differente tipo di contributo positivo; per cui la densità della rete

porta ad un numero maggiore di informazioni grazie ad una rete ricca di

collegamenti indiretti, la centralità porta alla raccolta di risorse ed informazioni

grazie al prestigio e alla posizione privilegiata dell’attore, mentre le structural

holes portano ad una maggior varietà informativa grazie ai collegamenti tra

gruppi distinti.

Il lavoro mostra, in conclusione, come le structural holes siano la caratteristica

del network che meglio spiega l’output innovativo delle imprese presenti nelle

loro reti e come le stesse società siano in grado di “scavalcarle” con dei legami.

Queste conclusioni si inseriscono nel filone di studi che pone alla base del

vantaggio competitivo l’azione mediatrice svolta da quegli attori che collegano

gruppi di organizzazioni altrimenti separati gli uni dagli altri (McEvily, Zaheer

1999, Zaheer, Bell 2005). Di conseguenza, una rete più rada, nonostante non

generi un meccanismo di controllo e di governo, dà al soggetto-mediatore la

possibilità di ottenere performance innovative più elevate consentendole di

reperire in modo efficiente le informazioni.

E’ di conseguenza rilevante anche il risultato il quale mostra come, nel settore

analizzato, la densità dei legami allacciati da un attore abbia al contrario degli

effetti negativi sulla sua forza innovativa. Questa caratteristica strutturale del

network tende a ridurre i risultati osservati dell’impresa, seppur con un impatto

moderato.

75

76

Allegati Allegato 1. Elenco delle imprese componenti il network Aapico Hitech PCL ABB Ltd Acasia Food Co., Ltd. ACE Automotive Group Agrosumadija Zirovnica doo Aguirre Newman SA Air Liquide SA Airbus Industrie SAS Aisin AW Co Aisin Seiki Co., Ltd Ajinomoto Co., Inc. Akmolinsk Kamaz auto centre Al Araba Alcopa SA Alenia Aeronautica SpA Alfa Laval AB Alfa SA de CV Alteams Oy American Zettler Inc. AMTE SAS Araco Corporation Arcelor SA Areva SA ARRK Formation Ltd ARV Transservice ArvinMeritor Light Vehicle Systems Asaka Engine Repair Plant Ashok Leyland Ltd Asian Honda Motor Co., Ltd Astana-Finance OJSC Atla Srl Autobacs Seven Co., Ltd Autocam Corporation Autocomponent Engineering SRL Autoflex Russia Avio SpA Avis Europe plc AvtoVAZ OAO Azin Khodro Bahrain Ship Repairing and Engineering Company Ban Suzuki Ltd Bank of China International Banque PSA Finance Baoding Tianwei Group Co., Ltd Barclays Asset and Sales Finance Basell BV Bayerische Motoren Werke AG BBS Kraftfahrzeugtechnik AG Behr GmbH & Co. KG

Beijing Automotive Industry Holding Co., Ltd Beijing Fidia Machinery Co., Ltd Beijing Heavy Duty Truck Plant Beiren Printing Machinery Holdings Ltd BelAZ Bergé y Compañía SA Binzuhou Moveever Manufacturing Bio-Clean Fuels Inc. BNP Paribas Lease Group BorgWarner Turbo Systems Bosal International NV Bosch GmbH Bouillet BP - Sinopec Zhejiang Oil Co., Ltd Bridgestone Corporation Bright Futures Group plc Brilliance China Automotive Holdings Ltd British American Tobacco plc Bursel Canam Manac Group Inc. Carolina Precision Plastics LLC Casio Computer Co., Ltd Caterpillar Inc. CDGM Glass Co., Ltd Chang'an Automobile (Group) Corporation Changchun FAW Sihuan Automotive Co., Ltd Changjiang Bus Co., Ltd Changshu Zhongming Automobile Element Co., Ltd Changzhou Guangyang Bearing Co., Ltd Chelyabinskii Kuznechno-Pressovyi Zavod OAO Cheung Woh Technologies Ltd China Aviation Industry Corporation II China Energy Conservation Investment Corporation China Engine Corporation China Metal International Holdings Inc. China Motor Corporation Ltd China Natural Gas Corporation China South Industries Group Corporation China South Industry Group member 1 China South Industry Group member 2 China South Industry Group member 3 China South Industry Group member 4 China Southern Airlines Co., Ltd Chinontec Industries Inc. Chongqing Changan Automobile Co., Ltd

Chung Kwang Rubber Goods Manufacturing Co., Ltd Chuo Kagaku Co., Ltd Chuo Spring Co., Ltd CIA Insurance Services Ltd CIE Automotive SA Cobra Automotive Technologies SpA Comex Nucleaire SA Companhia Siderúrgica de Tubarão Compañía de Distribución Integral Logista SA Continental AG Cooper-Standard Automotive Inc. Corporación Gestamp SL Corporacion Nacional del Cobre de Chile CPR Gomu Industrial Co., Ltd Craft-Co Enterprises Inc. Cromodora Wheels SpA Cummins Engine C. Inc. Cummins Inc. Cummins India Ltd Cummins Westport Inc. Daewoo Dai Nippon Printing Co., Ltd Daihatsu Motor Co., Ltd DaimlerChrysler AG Daisin Co., Ltd Daiso Industries Co., Ltd Dalian Chuangxin Parts Manufacturing Dana Corporation Danfoss A/S Dayen Environmental Ltd Deere & Company Delphi Corporation Denel (Pty) Ltd Denso Corporation Dentsu Inc. Desc Automotriz Deutsche Postbank AG DHL Worldwide Express Inc. Dilip Chhabria Design Pvt Ltd Dipol Chemical International Inc. Dofasco Inc. Dongfeng Automobile Co., Ltd Dongfeng Electronic Technology Co., Ltd Dongfeng Motor Co., Ltd DongFeng Motor Group Co., Ltd Dongfeng Motor Industry Import & Export Co., Ltd Dongfeng Peugeot Citroen Automobiles Ltd Dongwon Metal Industry Co., Ltd Dubrovsky open-cast coal mine DURA Automotive Systems Inc. Duro Felguera SA Eagle-Picher Industries Inc. Eaton (China) Investments Co., Ltd Egyptian Automotive Company Elite (BVI) Financial Co., Ltd Elkar NPP OOO ElringKlinger AG

Empresa Brasileira de Aeronautica SA Enabling Partnership, The Enboma Investments Ltd Ener1 Inc. Energy Initiative Japan ETF Group E-Ton Solar Tech. Co., Ltd European Aeronautics Defence and Space company (EADS) European Bank for Reconstruction and Development FAUN Novatec GmbH Faurecia SA FAW Corporation FAW Car Co., Ltd FAW Huaiyin Special Purpose Vehicle Factory Fawer Automotive Components Company Ltd Fawer Automotive Parts Co., Ltd Fiat Auto SpA Ficosa International SA Fidia SpA Filtarn Filterwerk Mann & Hummel GmbH First Automobile Group Ltd First Engineering Ltd Fischer Tech Ltd Fisker Coachbuild LLC Ford Motor Company Fractus SA Franklin Mutual Advisers LLC Fuji Heavy Industries Ltd Fuji Technical Inc. Fujian Automobile Industry Group Co., Ltd Fujian Motor Industry Group Fujitsu Ltd Furukawa Automotive Parts Inc. Furukawa Electric Co., Ltd Futaba Industrial Co. Gamesa Corporación Tecnológica SA GBR GE China General Motors Corporation Genius Georg Fischer AG GETRAG Hermann Hagenmeyer GmbH GKN plc GM Subsidiary Great Wall Motors Co., Ltd Green Star Products Inc. Greenbrier Companies Inc., The Grupo Antolín Irausa SA Grupo Empresarial Alcor SL Grupo Industrial Monclova SA Grupo Industrial Saltillo SA de CV GS Yuasa International Ltd GSE Partners AB GSK Corporation Guangzhou Automobile Industry Group

77

Guizhou Guihang Automotive Components Co., Ltd Haima Co Hako-Werke GmbH Haldex AB Hanoi Foodstuff Co., Ltd. Hanoi General Import and Export Company Hanshin Electric Co., Ltd. Harbin Electric Inc. Harbin Hafei Motor Co., Ltd Harley Davidson Inc. Hella KGaA Hueck & Co Hella-Behr Fahrzeugsysteme GmbH Henan Costar Group Co., Ltd Henan Zhongyuan Internal Combustion Accessories Plant Co., Ltd. Henan Zhongyuan Special Steel Group Co., Ltd Henlys Group plc Hiking Group Co., Ltd Hino Motors Ltd Hitachi Cable Ltd Hitachi Ltd Hitachi Zosen Corporation HLI European Holdings Honda Motor Co., Ltd Honeywell International Inc. Hongoing Changan Kuayue Automobile Co Horie Metal Co., Ltd Horizon Batteries Inc. Horton Inc. House Foods Corporation Hsin Chong International Investment Ltd Hydro Alunova Hyundai Motor Co., Ltd IBD Holding GmbH Ichikoh Industries Ltd iD TechVentures Inc. IGE+XAO SA IMPCO Technologies Inc. Imperial Holdings Ltd Inci Holding AS Industrias Gesta SA de CV ING. G. Dekorsy GmbH Ingest Segim Srl Inoac Corporation International Truck and Engine Corporation Investors 1 Investors 2 Investors 3 Investors 4 Investors 5 Iran Khodro Industrial Group Ishikawajima-Harima Heavy Industries Co., Ltd Isker Ispat Karmet Isuzu Motors Ltd ITOCHU Corporation Iveco SpA

Iveco-Magirus AG IVU Traffic Technologies AG Jackspeed Corporation Ltd Jatco Ltd Jiangjin Turbocharger Plant Ltd. Jiangling Motors Corporation Group Jiangnan Mould & Plastic Technology Co., Ltd Jiangsu Linhai Power Machinery Group Corporation Jiangsu Linhai Yamaha Motor Co., Ltd Jianshe Group Co., Ltd Johnson Controls Inc. Joloda (International) Ltd Junsei Chemical Co., Ltd Jyco Sealing Technologies Inc. K Wah International Holdings Ltd KamAZ OAO Kanoo Group, The Kanto Kasei Co., Ltd Kanzaki Kokyunkoki Manufacturing Company Kawasaki Precision Machinery Ltd Kayaba Industry Co., Ltd Kazakhstan Engineering Kazakhstantraktor Kazanskii Mediko-Instrumentalnyi Zavod OAO KCI Konecranes Oyj Kenwood Corporation Key Safety Systems Inc. Kimura Unity Co., Ltd Kinugawa Rubber Industrial Co., Ltd Kleemann A/S Knorr-Bremse Far East Ltd Koc Holding AS Korea Flange Co., Ltd Kostanai engine repair works KS Bearings Inc. Kyosan Denki Co., Ltd Labinal SA LDV Ltd Lear Corporation Liangshan Dongyue Trailer Manufacturing Co., Ltd Liaoning SG Automotive Group Co., Ltd Lingyun Industrial Corporation Ltd Liuzhou Wuling Motor Co., Ltd Loading Automation Inc. Magneti Marelli SpA Mahindra & Mahindra Ltd Manitou BF SA Mann + Hummel Holding GmbH Mantrac Uganda Ltd Marco Polo Marmillon Marubeni Corporation Marusan Corporation Maruti Suzuki India Ltd Matsushita Battery Industrial Co., Ltd

78

Matsushita Communication Industrial Co. Matsushita Electric Industrial Co., Ltd Mayflower Corporation plc Mazda Motor Corporation Mcneill Engineering Ltd Meidi-Ya Co., Ltd Meyra Wilhelm Meyer GmbH & Co. KG Miba-Bearings US LLC Michelin SA Milacron Inc. Minda Group Minsk Motor Plant Minskii Avtomobilnyi Zavod Mitsubishi Aluminum Co., Ltd Mitsubishi Corporation Mitsubishi Electric Corporation Mitsubishi Heavy Industries (Hong Kong) Ltd. Mitsubishi Heavy Industries Ltd Mitsubishi International Corporation Mitsubishi Materials Corporation Mitsui & Co., Ltd Mitsui Bussan Automotive Inc. Miyazu Seisakusho Co., Ltd MobiApps Holdings Pte Ltd Mobility CarSharing Switzerland Mobius Corporate Venture Capital Monaco Coach Corporation Moskovskii Shinnyi Zavod OAO Motherson Sumi Systems Ltd Motor Plant OJSC Mr Kenneth Yen MTU Motoren- und Turbinen-Union Friedrichshafen GmbH Mutsumi Special Alloy Industry Co., Ltd Nanjing Turbine Wheel Co. Nanning Zhuangning Assets Management Co., Ltd. NEC Corporation Neumayer Holding GmbH New Chip Xeng NHK Spring Co., Ltd Ningbo Tongmuo New Materials Group Co., Ltd Nippon Express Co., Ltd Nippon Yusen KK Nissan Diesel Motor Co., Ltd Nissan Motor Co., Ltd Nisshinbo Industries, Inc. Nissho Iwai Corporation N-K Manufacturing Tecnhologies Inc. NKK Corporation Noble International Ltd Noginskii Zavod Toplivnoi Apparatury NRG Resources Inc. NTN Corporation NTT Data Corporation Nuvera Fuel Cells Inc. OLHO tronic GmbH Omron Corporation

ORIS Fahrzeugteile Hans Riehle GmbH O-Ta Precision Industry Co., Ltd Pacifica Group Ltd Patria Industries Oyj Perga Permintex Holdings Sdn Bhd Perusahaan Otomobil Nasional Bhd Pioneer Corporation Pirelli & C SpA Plastic Trim LLC Plastik OAO Porsche AG President Chain Store Corporation Press Kogyo Co., Ltd Prevent Global Druzba za Upravljanje, Investicije in Razvoj dd Prota SA Provincial Government of Hainan PSA Peugeot Citroën Puls Action Pure Energy Corporation Pyeong Hwa Automotive Co Ltd Pyongsan Corporation Quantum Fuel Systems Technologies Worldwide Inc. Raba Jarmuipari Holding Rt Rautenbach AG Raytheon Company Renault SA Resonator Vállalkozási és Kereskedelmi Kft Riken Technos Corporation Roman SA Roots Industries Ltd Rostselmash OAO Rothenberger AG Russkiye Avtobusy Saab AB SAC General Products Industry Co., Ltd Sado Saft SA Saginomiya SAIC - Shanghai Automotive Industry Corporation SAIC Chery Automobile Co., Ltd Saipa Corporation Saiyang Sealing Products Co. Salzburger Aluminium AG Samancor Chrome Samlip Industrial Co., Ltd Samotlor-NN Sanko Co., Ltd Santana Motor SA Sanyo Special Steel Co., Ltd Sanyo Techica Co., Ltd SAR Auto Products Ltd SAT Auto Technologies Ltd Sate-Lite Manufacturing Company Schweizerische Bundesbahnen Semipalatinsk Bus Plant Severstal-Group

79

Shaanxi Fast Gear Co., Ltd Shandong Shifeng Group Co., Ltd Shanghai Automotive Industry Sales Corporation Shanghai Baosteel Group Corporation Shanghai Baosteel International Economic & Trading Corporation Ltd Shanghai Diesel Engine Co., Ltd Shanghai GM Shanghai Industrial Holdings Ltd Shanghai Shenhua Holdings Co., Ltd Shanghai SIIC Transportation Electronic Co., Ltd Shanghai Tractor and Engine Co., Ltd Shanghai Tyre & Rubber Co., Ltd Shanghai Volkswagen Automotive Co., Ltd Shanghai-based fine chemical company Shenyang Aerospace Xinguang Group Shenyang city Shenyang JinBei Automotive Co., Ltd Shenyang Machine Tool Co., Ltd Shin Chong Machinery Works Co., Ltd Shinchang Electrics Co., Ltd Showa Denko KK Showa Seiko Co., Ltd Shri Vasanthe Senanayeke Siam Industrial Credit PCL Siam International Corporation Co., Ltd Siemens AG Siemens VDO Automotive AG (old) Simona AG Singamas Container Holdings Ltd Singapore Technologies Kinetics Ltd Sino Stride Technology (Holdings) Ltd Sinosteel Corporation Skoda AS SNC Former PCL SNPE Matériaux Energétiques (SME) SNPE SA Societe Mecachrome SA Socma Sociedad Macri Sogeclair SA Sojitz Corporation Sony Corporation Southeast Fujian Motor Corporation, The Stanley Electric Co., Ltd State Bank of India, The SteelCorr Stokota NV Stoneridge Inc. STV USA Sumitomo Corporation Sumitomo Electric Industries Ltd Sumitomo Heavy Industries Ltd Sumitomo Metal Industries Ltd Sunright Ltd Suzuki Motor Corporation Syntax-Brillian Corporation Systaic AG Tag Srl

Taiwan Kai Yih Industrial Co., Ltd Takamul Investments Takanichi Co., Ltd Tashkent Tractor Plant Tata AutoComp Systems Ltd Tatarstan government Tatra AS Tatsuta Electric Wire & Cable Co., Ltd Technoplast Mcd Kft Tecstar Inc. Teikoku Piston Ring Co., Ltd Tenneco Inc. Terex Corporation Textron Inc. TG North America Corporation Thales SA ThyssenKrupp AG Tianjin Binhai Energy and Development Co., Ltd Tianjin TEDA Energy-Management and Investment Consulting Co., Ltd Tianjin Tongmuo Ouyi Industry and Trade Co Ltd TietoEnator Oyj Timken Company, The Tokai Rika Co., Ltd Tokyu Land Corporation Tonichi Kyosan Cable Ltd T-Online International AG Toppan Printing Co., Ltd Torch Investment Co., Ltd Tower Automotive Inc. Toyo Seat Co Ltd Toyota Automatic Loom Works Ltd. Toyota Boshoku Corporation Toyota Gosei Co., Ltd Toyota Industries Corporation Toyota Machine Works Ltd Toyota Motor Corporation Toyota Tsusho Corporation TPV Trzenje In Proizvodnja Opreme Vozil DD Tracoma Holdings Bhd TRAM Inc. Treves SA Trimble Navigation Ltd TRW Automotive Inc. TS Tech Co., Ltd. TSATEK Tsubasa System Co., Ltd Turbocor Inc. TYC Brother Industrial Co., Ltd U-Chang Precision Co., Ltd Uglemet-Trading Unicafe Inc UniCredito Italiano SpA Union China Holdings Co., Ltd Unior Kovaska Industrija dd Unipres Corporation United Technologies Corporation

80

81

Unknown 1 Unknown 2 Unknown 3 Unnamed Chinese company Unnamed company Uralvagonzavod PO FGUP US Marine and Industrial Pump Repair Usinor SA Valeo SA Vectra Investments Private Ltd Vestech Japan Corporation Visteon Corporation Vladimirskii Traktornyi Zavod Volkswagen AG Volvo AB Wako Industrial Co., Ltd Wärtsilä Propulsion Webasto AG Weifu High Technology Co., Ltd WL Ross & Company LLC Wuhan Zhongren Auto Parts Co. Xiamen Hongfa Electroacoustic Co., Ltd Xi'an National Economic & Technological Development Zone Xuan Hoa Company Yamaha Motor Co., Ltd

Yangfeng Visteon Automotive Trim Systems Yanmar Co., Ltd Yarnapund Industry Yazaki Corporation Yellow Hat Ltd Yoosung Enterprise Co., Ltd. Youngor Group Co., Ltd Yu'an Group Yuejin Yulon Motor Co., Ltd Yunison ZAO Yutaka Giken Co., Ltd Yuzhmash Zamil International Investment Company Zaparizykiy Avtomobilebudivniy Zavod ZAO Zavolzhskii Motornyi Zavod OAO ZF Friedrichshafen AG ZF Sachs AG Zhejiang Gabriel Holdings Group Limited Zhejiang University Logistics and Investment Holdings Co., Ltd Zhejiang Zhanwang Industry Group Co., Ltd Zhenjiang CME Co., Ltd Zibo Heng Xing Ji Dian She Bei Co., Ltd

Bibliografia

Ahuja, G., 2000a, Collaboration Networks, Structural Holes, and Innovation: A Longitudinal Study, Administrative Science Quarterly. Bae J., Gargiulo M., Network Evolution and Efficient Alliance Strategies, Academy of Management Journal. Brass D.J., Galaskiewicz J., Greve H.R., Tsai W., 2004, Taking Stock of Networks and Organizations: a Multilevel Perspective, Academy of Management Journal. Contractor N.S., Wasserman S., Faust K., 2006, Testing Multitheoretical Multilevel Hypoteses About Organizational Networks: an Analytic Framework and Empirical Example, Academy of Management Review. Dyer J.H., Singh H., 1998, The relational view: cooperative strategy and sources of interorganizational competitive advantage, Academy of Management Review. Dyer J.H., Hatch N.W., 2004, Network-specific Capabilities, network barriers to knowledge transfers and competitive advantage, Academy of Management best conference paper. Gimeno J., 2004, Competition Within and Between Networks: The Contingent Effect of Competitive Embeddedness on Alliance Formation, Academy of Management Journal. Goerzen A., Beamish P.W., 2002, The effect of alliance network diversity on multinational enterprise performance, Strategic Management Journal. Gomes-Casseres B., 1987, Joint Venture Instability: Is It a Problem?, Columbia Journal of World Business. Grandori A., Soda G., 1995, Inter-firm Networks: Antecedents, Mechanisms and Forms, Organization Studies. Gulati R., 1995, Social Structure and Alliance Formation Patterns: a Longitudinal Analysis, Administrative Science Quarterly. Gulati R., 1998, Alliances and Networks, Strategic Management Journal. Gulati R., Gargiulo M., 1999, Where Do Interorganizational Networks Come From?, American Journal of Sociology.

82

Gulati R., Nohria N., Zaheer A., 2000, Strategic Networks, Strategic Management Journal. Hagedoorn J., 2002. Inter-firm R&D partnerships: an overview of major trends and patterns since 1960, Research Policy. Hagedoorn J., 2006, Understanding the Cross-level Embeddedness of Interfirm Partnership Formation, Academy of Management Review. Hite J.M., Hesterly W.S., 2001, The Evolution of Firm Networks: from Emergence to Early Grovth of the Firm, Strategic Management Journal. Jorde T.M., Teece D.J., 2001, Competition and Cooperation: Striking the Right Balance, California Management Review. Koka B.R., Madhavan R., Prescott J.E., 2006, The Evolution of Interfirm Networks: Environmental Effects on Patterns of Network Change, Accademy of Management Review. Lei D., Slocum J.W., Global Strategic Alliances: Payoffs and Pitfalls, Organizational Dynamics. Lomi A., Pattison P., 2006, Manufactoring relations: an empirical study of the organization of production across multiple networks, Organization Science. Lyles M.A., 1987, Common Mistakes of Joint Venture Experienced Firms, Columbia Journal of World Business. Madhavan R., Koka B.R., Prescott J.E., 1998, Networks in Transition: How Industry Events (re)shape Interfirm Relationships, Strategic Management Journal. McEvily B, Zaheer A., 1999, Bridging Ties: a Source of Firm Heterogeneity in Competitive Capabilities, Strategic Management Journal. McEvily B., Marcus A., 2005, Embedded Ties and the Acquisition of Competitive Capabilities, Strategic Management Journal. Nohria N., Garcia-Pont C., 1991, Global Strategic Linkages and Industry Structure, Strategic Management Journal. Powell W.W., Koput K.K., Smith-Doerr L., 1996. Inter-organizational collaboration and the locus of innovation: networks of learning in biotechnology, Administrative Science Quarterly. Ring P.S., Van de Ven A.H., 1992, Structuring Cooperative Relationships Between Organizations, Strategic Management Journal.

83

Rowley T., Behrens D., Krackhardt D., 2000, Redundant Governance Structures: an Analysis of Structural and Relational Embeddedness in the Steel and Semiconductor Industries, Strategic Management Journal. Schilling M.A., Phelps C.C., Interfirm Collaboration Networks: the Impact of Large-scale Network Structure on Firm Innovation, Management Science. Shipilov A.V., 2006, Network Strategies and Performance of Canadian Investment Banks, Academy of Management Journal. Soda G., Usai A, Zaheer A., 2004, Network Memory: The Influence of Past and Current Networks on Performance, Academy of Management Journal.. Stuart T.E., 2000, Interorganizational Alliances and the Performance of Firms: A Study of Growth and Innovation Rates in a High-Technology Industry, Strategic Management Journal. Thorelli H.B., 1986, Networks: Between Markets and Hierarchies, Strategic Management Journal. Uzzi B, 1997, Social Structure and Competiton in Interfirm Networks: The Paradox of Embeddedness, Administrative Science Quarterly. Uzzi B., 2000, The Sources and Consequences of Embeddedness for the Economic Performance of Organizations: The Network Effect, American Sociological Review. Van de Ven A.H., Walker G., 1984, The dynamics of Interorganizational Coordination, Administrative Science Quarterly. Venkatraman N., Lee Chi-Hyon, 2004, Preferential Linkage and Network Evolution: a Conceptual Model and Empirical Test in the U.S. Video Game Sector, Academy of Management Journal. Walker G., Kogut B., Shan W., 1997, Social Capital, Structural Holes and the Formation of an Industry Network, Organization Science. Yang H., Lin Z., 2005, Interfirm Distances as Channels for External Resources: the Choice Between Alliances and Mergers & Acquisitions, Academy of Management Best Conference Paper. Ronald S. Burt, Structural holes : the social structure of competition, Harvard University Press, 1992. Ronald S. Burt, Brokerage and closure: an introduction to social capital, Oxford University Press 2005

84

Benjamin Gomes-Casseres, The alliance revolution : the new shape of business rivalry, Harvard University Press, 1996. Jeffrey J. Reuer (edited by), Strategic alliances : theory and evidence, Oxford University Press, 2004. Craig C. Julian, International joint venture performance in South East Asia, Elgar 2005 Anna Grandori (edited by), Interfirm networks : organization and industrial competitiveness, Routledge, 1999. Gernot Grabher (edited by), The embedded firm : the socioeconomics of industrial networks, Routledge, 1993. Nitin Nohria and Robert G. Eccles (edited by), Networks and organizations : structures, form and action, Harvard Business School Press, c1992. Siti consultati http://ep.espacenet.com

European Patent Office (EPO)

www.oica.net

International Organisation of Motor Vehicle Manufacturers (OICA)

www.acea.be/

European Automobile Manufacturers Association (ACEA)

www.adefa.com.ar

Asociacion de Fabricas de Automotores (ADEFA)

www.anfavea.com.br

Associacao Nacional dos Fabricantes de Veiculos Automotores (ANFAVEA)

www.cvma.ca

Canadian Vehicle Manufacturers Association (CVMA)

www.jama.org

Japan Automobile Manufacturers Association, Inc. (JAMA)

85

http://ep.espacenet.com/

http://www.oica.net/

http://www.acea.be/

http://www.adefa.com.ar/

http://www.cvma.ca/

http://www.jama.org/

86

www.kama.or.kr

Korean Automotive Manufacturers Association, Inc. (KAMA)

www.autoalliance.org

Alliance of Automotive Manufacturers (AAM)

www.commerce.gov

U.S. Department of Commerce

www.bls.gov

U.S. Department of Labor

www.bea.gov

Bureau of Economic Analysis

http://www.kama.or.kr/

http://www.autoalliance.org/

http://www.commerce.gov/

http://www.bls.gov/

http://www.bea.gov/

The evolution of the companies’ alliance network and its effects on performance. A field study on the automotive industry.

Documents

network e performance

analisi e risultati

francesca e marco

implicazioni e concetti

antecedenti e motivi

approcci e tipologie

alleanze e reti tra

stesura della tesi e