• No se han encontrado resultados

Tema III: Sistemas de Soporte a la Toma de Decisiones. Maestría: Sistemas de Soporte para Toma de Decisiones

N/A
N/A
Protected

Academic year: 2022

Share "Tema III: Sistemas de Soporte a la Toma de Decisiones. Maestría: Sistemas de Soporte para Toma de Decisiones"

Copied!
36
0
0

Texto completo

(1)

Tema III: Sistemas de Soporte a la Toma de Decisiones

Maestría: Sistemas de Soporte para Toma de Decisiones

(2)

Contenido

• Sistemas de Apoyo a la Toma de Decisiones

• Sistemas de Soporte a la Decisión, DSS e EIS

• Sistemas Colaborativos de Soporte a la Decisión en Grupos

• Knowledge Based Systems

• Inteligencia de Negocios

• Inteligencia Artificial, Fuzzy Logic

• Python

Objetivos: Ofrecer una visión de los tipos de sistemas inteligentes que permiten crear un modelo de la información para soporte de decisiones empresarial.

Indice:

(3)
(4)
(5)

¿ Por qué DSS ?

Creciente complejidad de las decisiones a tomar

• Tecnología:

hay que saber más cosas para tomar la decisión

• Información:

datos al por mayor y poco tiempo para procesarlos

• Número y complejidad de las opciones

• Ritmo de los cambios

Creciente disponibilidad de apoyo computacional

Computación de alto rendimiento a bajo precio mejor software Proceso de desarrollo de software más eficiente

Creciente usabilidad de computadores

• Más y mejores herramientas C(omputer)O(ff)T(he)S(helf)

• Personalización

(6)

Sistemas de Soporte a la Decisión (DSS)

Un Sistema de Soporte a la Decisión (DSS) es una herramienta de Business Intelligence enfocada al análisis de los datos de una organización.

• En principio, puede parecer que el análisis de datos es un proceso sencillo, y fácil de conseguir mediante una aplicación hecha a medida o un ERP sofisticado.

• Sin embargo, no es así: estas aplicaciones suelen

disponer de una serie de informes predefinidos en los

que presentan la información de manera estática, pero

no permiten profundizar en los datos, navegar entre

ellos, manejarlos desde distintas perspectivas.

(7)

Características de un DSS

Enfatizar la flexibilidad y la adaptabilidad respecto cambios que se puedan producir en el contexto de la decisión

Combinar el uso de modelos o técnicas analíticas con funciones de acceso a datos Mejorar la efectividad de los tomadores de decisión

Altamente interactivo

Apoyar y no reemplazar el juicio humano

Debe asistir a tomadores de decisiones en la realización de tareas semiestructuradas

(8)

Características para

considerarlo un DSS Descripción

Interactividad Interactuar de forma amigable y con respuesta a tiempo real.

Tipo de decisiones Apoya a decisiones estructuradas y no estructuradas.

Frecuencias de uso Utilización frecuente de la admón. Media y alta

Variedad de

usuarios Puede ser empleado por usuarios de diferentes áreas funcionales.

Flexibilidad Se acopla a una variedad determinada de estilos administrativos autocráticos, participativos, etc.

Desarrollo El usuario puede desarrollar de manera directa modelos de decisión sin la participación de personal informático.

Interacción

ambiental Permite interactuar con información externa como parte de los modelos de decisión.

Comunicación

interorganizacionalFacilita la comunicación de información relevante de los niveles altos hacia los niveles operativos y viceversa, a través de gráficas.

Variedad de

usuarios Capacidad de accesar información de las B.D corporativas.

Simplicidad Simple y fácil de aprender y utilizar por el usuario final.

Características de los DSS

(9)

Capacidades ideales de los DSS

• Administración del conocimiento.

• Modelado.

• Fácil de construir y de usar.

• Dirigido a grupos o a individuos, directivos a distintos niveles.

• Decisiones Secuenciales.

• Efectividad sobre eficiencia.

• Adaptabilidad y flexibilidad.

• Variedad de estilos de decisión y procesos.

• Control Humano sobre la máquina.

• Evolución del sistema.

• Inteligencia, diseño, elección.

(10)

HERAMIENTAS DE

HARDWARE

Desarrollo de

aplicaciones

Modelos

Manejo y admón. de datos

Interface Gráficas Reportes y consultas HERRAMIENTAS DE SOFWARE

• Consulta Base de Datos

corporativo

Base de Datos

públicas en internet

• Creación

•Motivación

•Consulta

Módulos funcionales que integran un DSS

(11)

Componentes principales de los DSS

Modulo de Administración del conocimiento - Integra el conocimiento de la organización a partir de los datos proveídos por el Administrador de Datos

Modulo Administrador de Datos - Se encarga de realizar las acciones de ETML a partir de las Bases de datos externas o internas de la organización para alimentar al

repositorio de datos del DSS que proveerá de información al Administrador de conocimiento.

Modulo Administrador del Modelo - Se encarga de generar los diversos modelos que permitirán realizar simulaciones que provean los resultados de los análisis requeridos

Modulo Administrador de Diálogo - Gestiona la comunicación entre los Módulos

anteriores y de la Interface amigable hacia el usuario

(12)

Características de DSSs

Informes dinámicos, flexibles e interactivos, de manera que el usuario no tenga que ceñirse a los listados

predefinidos que se configuraron en el momento de la implantación, y que no siempre responden a sus dudas reales.

No requiere conocimientos técnicos. Un usuario no técnico puede crear nuevos gráficos e informes y navegar entre ellos, haciendo drag&drop o drill through. Por tanto, para examinar la información disponible o crear nuevas métricas no es imprescindible buscar auxilio en el departamento de informática.

Rapidez en el tiempo de respuesta, ya que la base de datos subyacente suele ser un datawarehouse corporativo o un datamart, con modelos de datos en estrella o copo de nieve. Este tipo de bases de datos están optimizadas para el análisis de grandes volúmenes de información (ánalisis OLTP-OLAP).

Integración entre todos los sistemas/departamentos de la compañía. El proceso de ETL previo a la implantación de un Sistema de Soporte a la Decisión garantiza la calidad y la integración de los datos entre las diferentes unidades de la empresa. Existe lo que se llama: integridad referencial absoluta.

Cada usuario dispone de información adecuada a su perfil. No se trata de que todo el mundo tenga acceso a toda la información, sino de que tenga acceso a la información que necesita para que su trabajo sea lo más eficiente posible.

Disponibilidad de información histórica. En estos sistemas está a la orden del día comparar los datos actuales con información de otros períodos históricos de la compañía, con el fin de analizar tendencias, fijar la evolución de parámetros de negocio... etc.

El DSS es una de las herramientas más emblemáticas del Business Intelligence ya que, entre otras propiedades, permiten resolver gran parte de las limitaciones de los programas de gestión.

Estas son algunas de sus características principales:

(13)

Diferencia con otras herramientas de Business Intelligence

• El principal objetivo de los Sistemas de Soporte a Decisiones es, a diferencia de otras herramientas como los Cuadros de Mando (CMI) o los Sistemas de

Información Ejecutiva (EIS), explotar al máximo la información residente en una base de datos corporativa (datawarehouse o datamart), mostrando informes muy dinámicos y con gran potencial de navegación, pero siempre con una interfaz

gráfica amigable, vistosa y sencilla.

• Otra diferencia fundamental radica en los usuarios a los que están destinadas las plataformas DSS: cualquier nivel gerencial dentro de una organización, tanto para situaciones estructuradas como no estructuradas. (En este sentido, por ejemplo, los CMI están más orientados a la alta dirección).

• Por último, destacar que los DSS suelen requerir (aunque no es imprescindible) un motor OLAP subyacente, que facilite el análisis casi ilimitado de los datos para hallar las causas raices de los problemas/pormenores de la compañía.

(14)

Cómo se gesta la disciplina DSS

Sistemas de Información

Sistemas de

procesamiento de transacciones

Sistemas de

Información para la administración

Investigación operativa

Ciencias de la Administración

Inteligencia Artificial Sistemas Expertos

Ciencias Cognitivas optimización

Simulación

Sistemas Expertos

Representación del conocimiento

Juicio y Toma de dcsisiones

Interacción

Humano-Computador

Decision Support Systems

Goal: Use best parts of IS, OR/MS, AI & cognitive science to support more effective decision making

(15)

Tipos de DSS (1)

Model-driven (MD-DSS): enfatiza el acceso y la manipulación de modelos financieros, de optimización o simulación.

• Modelos simples cuantitativos -> nivel de funcionalidad más elemental

• Modelos realistas de sistemas complejos -> estudios de largo plazo

• MD-DSS usan datos y parámetros aportados por los tomadores de

decisión para analizar la situación

(16)

Tipos de DSS (2)

Data-Driven DSS: Enfatizan el acceso y la manipulación de gran cantidad de datos para construir series de tiempo, clusters, etc.

• Funcionalidad básica: Simples sistemas de acceso a archivos con herramienta de consulta simples de acceso a archivo

con una herramienta de consulta

• Funciones complejas: Sistemas de Data warehouse que permiten la manipulación de datos computarizada

desarrollados a medida para desarrollar tareas específicas.

(17)

Tipos de DSS (3)

Communication-driven DSS: Usan la tecnología de redes de computadoras para apoyar la colaboración y la comunicación en tareas relacionadas con la toma de decisiones

• Funcionalidad básica: sistemas basados en video conferencia, e-mails, archivos compartidos, etc.

• Funciones complejas: Visualización y Manipulación conjunta de

modelos, con sistemas de awareness incluidos. Ej. Sistemas de

geocolaboración

(18)

Tipos de DSS (4)

Knowledge-driven DSS: Los sistemas basados en el conocimiento pueden sugerir o recomendar acciones a los administradores. Son sistemas persona-computador con expertise para resolver problemas especializados en algún ámbito.

• El "expertise" consiste en conocimiento acerca de un dominio en

particular, entendiendo los problemas de ese dominio y con la habilidad de resolver problemas en ese dominio.

• Han sido llamados suggestion DSS (Alter, 1980) y knowledge-based DSS

(Klein & Methlie, 1995).

(19)

Tipos de DSS (5)

Document-driven DSS: se centra en la recuperación y gestión de documentos no estructurados.

• Categorización (gruesa) de documentos: oral, escrito y video.

Ejemplos:

• documentos orales son conversaciones que se transcriben,

• Documentos de video son clips de noticias o anuncios de televisión,

• documentos escritos pueden ser informes escritos, catálogos, cartas

de clientes, notas, e incluso el correo electrónico.

(20)

Tipos de Sistemas de Soporte a Decisiones

Sistemas de información gerencial (MIS)

Los sistemas de información gerencial (MIS, Management Information Systems), tambien llamados Sistemas de

Información Administrativa (AIS) dan soporte a un espectro más amplio de tareas organizacionales, encontrándose a medio camino entre un DSS tradicional y una aplicación CRM/ERP implantada en la misma compañía.

Sistemas de información ejecutiva (EIS)

Los sistemas de información ejecutiva (EIS, Executive Information System) son el tipo de DSS que más se suele emplear en Business Intelligence, ya que proveen a los gerentes de un acceso sencillo a información interna y externa de su compañía, y que es relevante para sus factores clave de éxito.

Sistemas expertos basados en inteligencia artificial (EDSS)

Los sistemas expertos, también llamados sistemas basados en conocimiento, utilizan redes neuronales para simular el conocimiento de un experto y utilizarlo de forma efectiva para resolver un problema concreto. Este concepto está muy relacionado con el datamining.

Sistemas de apoyo a decisiones de grupo (GDSS)

Un sistema de apoyo a decisiones en grupos (GDSS, Group Decision Support Systems) es "un sistema basado en

computadoras que apoya a grupos de personas que tienen una tarea (u objetivo) común, y que sirve como interfaz con un entorno compartido". El supuesto en que se basa el GDSS es que si se mejoran las comunicaciones se pueden

mejorar las decisiones.

(21)

Sistemas de Información Ejecutiva (EIS)

• Un Sistema de Información para Ejecutivos o Sistema de Información Ejecutiva es una herramienta software, basada en un DSS, que provee a los gerentes de un acceso sencillo a información interna y externa de su compañía, y que es relevante para sus factores clave de éxito.

• La finalidad principal es que el ejecutivo tenga a su disposición un

panorama completo del estado de los indicadores de negocio que le

afectan al instante, manteniendo también la posibilidad de analizar

con detalle aquellos que no estén cumpliendo con las expectativas

establecidas, para determinar el plan de acción más adecuado.

(22)

Características de un EIS

• De forma más pragmática, se puede definir un EIS como una aplicación informática que muestra informes y listados

(query & reporting) de las diferentes áreas de negocio, de forma consolidada, para facilitar la monitorización de la empresa o de una unidad de la misma.

• El EIS se caracteriza por ofrecer al ejecutivo un acceso rápido y

efectivo a la información compartida, utilizando interfaces gráficas visuales e intuitivas. Suele incluir alertas e informes basados en excepción, así como históricos y análisis de tendencias. También es frecuente que permita la domiciliación por correo de los

informes más relevantes.

• A través de esta solución se puede contar con un resumen del comportamiento de una organización o área específica, y poder compararla a través del tiempo. Es posible, además, ajustar la visión de la información a la teoría de Balanced Scorecard

o Cuadro de Mando Integral impulsada por Norton y Kaplan, o bien a cualquier modelo estratégico de indicadores que maneje la compañía.

(23)

Su objetivo es lograr la participación de un grupo de personas durante la toma de decisiones en ambientes de anonimato y consenso.

Sistema para la toma de decisiones en Grupo (GDSS)

Permiten cargar bases de conocimiento que se integran por una serie de reglas de sentido común para que diferentes usuarios las consulten.

Sistemas Expertos de Soporte a la

toma de decisiones (EDSS)

(24)

Beneficios de los sistemas de apoyo a la toma de decisiones

•Elevar la calidad en la toma de decisiones

•Mayor comunicación en la organización

•Lograr una reducción de costos y optimización de recursos

•Incremento en la productividad de la empresa

•Optimización y ahorro de tiempo

•Satisfacción de clientes y empleados

(25)

Plataformas de Business Intelligence

(26)

Gartner-Magic-Quadrant-for-Advanced-

Analytics-Platforms-2015

(27)

Inteligencia Artificial y Big Data aplicados al negocio

Métodos como el aprendizaje automático o el aprendizaje profundo están ayudando a las entidades en numerosos campos operativos. Y lógicamente, las APIs especializadas en machine learning y deep learning son el punto de partida de cualquier transformación. Gracias a ellas los bancos pueden crear productos finalistas que aporten valor a la entidad y sus clientes:

permiten extraer datos relevantes de Big Data, búsqueda de patrones que faciliten ofertas más personalizadas, ajustes de precios o detección de procesos de fraude bancario.

Hoy en día existen interfaces de desarrollo de aplicaciones con características de procesamiento de lenguaje natural o

reconocimiento de imágenes y voz (aprendizaje profundo) o la elaboración de modelos predictivos para establecer proyecciones (aprendizaje automático). Esto tiene algunas aplicaciones prácticas: definición de producto y clientes (saber qué servicios le interesan a cada tipo de usuario mediante la segmentación de clientes); gestión de riesgos (la concesión de préstamos siempre va asociada al posible impago); y técnicas contra el fraude.

Todo esto es posible por la evolución natural de los equipos de datos: de inteligencia de negocio (herramientas SAS, Excel y PowerPoint) a equipos de ciencia de datos (programación en lenguajes como R, Python o Scala); visualización de datos con librerías JavaScript como D3 o herramientas de cuadros de mando como Tableau; la plataforma de computación distribuida de código abierto Apache Spark; o el sistema de almacenaje de datos Apache Hive, con Apache Hadoop, para la realización de consultas y análisis de los datos con HiveQL.

(28)

Big Data. Perfiles de análisis

(29)

Diferencias Python vs R para análisis de datos

PYTHON

• Horizontal,

multipropósito

• Diseñado para ser sencillo

• Técnicas avanzadas de programación

• Incluido en Linux

R

• Vertical, análisis estadístico

• Orientación científica

• Funcional, pero conservador

• Hay que instalarlo

(incluso en Linux)

(30)

El lenguaje Python

• Creado en 1989 por Guido van Rossum (CWI, Amsterdam)

• Lenguaje de propósito general de alto nivel.

• Énfasis en la legibilidad del código

• Multi paradigma

• Orientado a indentación

• Manejo automático de memoria

• Tipado dinámico

• Interpretado

• Apropiado para scripting

(31)

Influencers

• FORTRAN

science / engineering

• COBOL

business data

• LISP

logic and AI

• BASIC

a simple language

31

(32)

Zen de Python

1. Bonito es mejor que feo

2. Simple es mejor que complejo 3. Plano es mejor que anidado 4. La legibilidad cuenta

5. Debería haber una manera (y preferiblemente sólo una) obvia de hacerlo

6. Los namespaces son buena idea

• ¡Hagamos más!

(33)

Características

• Un programa en Python puede ser descompuesto en módulos,

sentencias, expresiones y objetos

(34)

Machine Learning y data analysis en Python

• Las librerías necesarias de esta categoría son:

• Numpy

• SciPy

• Matplotlib

• Pandas

• mlpy

• scikit-learn

• Pybrain

• IPython

• NLTK

(35)

Python

(36)

Bibliografía

Turban, Aronson, Liang, Decision Support System and Intelligent System 7th Ed, Prentice Hall,2007

Gallagher, Watson, Métodos Cuantitativos Para la Toma de Decisiones en Administración, McGraw Hill, 2000

Bierman, Bonini, Hausman, Análisis cuantitativo para la toma de decisiones, McGraw HIll, 2000

Lluis Cano, Business Intelligence-Competir con Información, Banesto-ESADE, 2002.

García, Molina, Data Mining v5, U. Carlos III de Madrid, 2012

Documentación de Python (http://www.python.org/)

Tutorial - Introduce informalmente los conceptos y propiedades básicas del lenguaje Python.

Bibliotecas - Describe todas las funciones y métodos de la librería estándar de python

Referencia del Lenguaje - Describe con precisión la sintaxis y semántica del lenguaje Python

Cursos del Instituto Pasteur

Introduction to Programming using Python Curso de introducción a los conceptos de programación orientado a biólogos.

Referencias

Documento similar

Las manifestaciones musicales y su organización institucional a lo largo de los siglos XVI al XVIII son aspectos poco conocidos de la cultura alicantina. Analizar el alcance y

"No porque las dos, que vinieron de Valencia, no merecieran ese favor, pues eran entrambas de tan grande espíritu […] La razón porque no vió Coronas para ellas, sería

No había pasado un día desde mi solemne entrada cuando, para que el recuerdo me sirviera de advertencia, alguien se encargó de decirme que sobre aquellas losas habían rodado

Entre nosotros anda un escritor de cosas de filología, paisano de Costa, que no deja de tener ingenio y garbo; pero cuyas obras tienen de todo menos de ciencia, y aun

Después de una descripción muy rápida de la optimización así como los problemas en los sistemas de fabricación, se presenta la integración de dos herramientas existentes

Se dice que una variables es aleatoria cuando no se sabe con certeza Se dice que una variables es aleatoria cuando no se sabe con certeza el valor que tomará, sino solo los valores

La campaña ha consistido en la revisión del etiquetado e instrucciones de uso de todos los ter- mómetros digitales comunicados, así como de la documentación técnica adicional de

Luis Miguel Utrera Navarrete ha presentado la relación de Bienes y Actividades siguientes para la legislatura de 2015-2019, según constan inscritos en el