Unidad 2: Sistemas de apoyo a la toma de decisiones: teor

1
Unidad 2 Sistemas de apoyo a la toma de
decisiones teoría y modelos de decisión

• Evaluación
• Trabajos de desarrollo de problemas en clases
• Hay cases en que se podrá terminar en casa
• Evaluación en cada sesión acerca de la sesión
  anterior
• Prueba de preguntas (20 min) (yo soplo las
  preguntas)
• Ausencia en la evaluación se califica con 1.0, y
  no hay excepciones a esta regla
• Se borra el 20 de las peores notas (incluidos
  los 1.0)

2
Objetivos de esta unidad

• General
• Tomar decisiones en forma racional
• Especificos
• Aplicar un proceso racional
• Aplicar tecnicas de modelamiento de sistemas
• Aplicar herramientas de modelamiento de decision

3
Temas

1. Introducción que es un DSS, historia, partes.
2. Modelos, Herramientas cognitivas y la Toma de
   decisiones
3. El subsistema modelo (1) Análisis de decisión y
   Optimización
4. El subsistema modelo (2) Otras técnicas de
   modelamiento
5. Modelamiento y simulación

4
Decision Support System(DSS)

• INTRODUCCION
• Definiciones, historia, partes de un DSS

5
Resumen del capítulo

• Definición de un DSS
• Algo de historia de los DSS
• Definición de los componentes funcionales más
  importantes de un DSS

6
Qué es DSS ?

• Es un término bastante general, hay varias
  interpretaciones, una de ellas
• Un sistema computacional que apoya a personas
  que toman decisiones enfrentados a problemas no
  estructurados
• Falta algo ???

7
Definiciones de la literatura (1)

• DSS are a model-based set of procedures for
  processing data and judgments to assist a manager
  in his/her decision Little, 1970
• DSS couple the intellectual resources of
  individuals with the capabilities of the computer
  to improve the quality of decisions. Its a
  computer-based support for management decision
  makers who deal with semi-structured problems
  Keen Scott-Morton, 1978

8
Definiciones de la literatura (2)

• DSS is a system that is extendable, capable of
  supporting ad hoc analysis and decision
  modelling, oriented towards future planning, and
  of being used at irregular, unplanned intervals
  Moore Chang, 1980
• DSS enable mangers to use data and models related
  to an entity (object) of interest to solve
  semi-structured and unstructured problems with
  which they are faced Beulens Van Nunen, 1988

9
Definiciones de la literatura (3)

• Main feature of DSS rely in the model component.
  Formal quantitative models such as statistical,
  simulation, logic and optimization models are
  used to represent the decision model, and their
  solutions are alternative solutions Emery, 1987
  Bell, 1992
• DSS are systems for extracting, summarising and
  displaying data McNurlin Sprague, 1993

10
Según Scott-Norton

• A interacting computer-based system that helps
  the decision maker in the use of data and models
  in the solution of unstructured problems

11
Características de un DSS

• Debe asistir a tomadores de decisiones en la
  realización de tareas semiestructuradas
• Apoyar y no reemplazar el juicio humano
• Altamente interactivo
• Mejorar la efectividad de los tomadores de
  decisión
• Combinar el uso de modelos o técnicas analíticas
  con funciones de acceso a datos
• Enfatizar la flexibilidad y la adaptabilidad
  respecto cambios que se puedan producir en el
  contexto de la decisión

12
Por qué DSS ?

• Creciente complejidad de las decisiones a tomar
• Tecnología hay que saber más cosas para tomar la
  decisión
• Informacióndatos 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(h
  elf)
• Personalización

13
Modelos de proceso de toma de decisiones

• Creciente complejidad de las decisiones a tomar
• Tecnología hay que saber más cosas para tomar la
  decisión
• Informacióndatos 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(h
  elf)
• Personalización

14
Modelos de proceso de toma de decisiones
15
Modelos de proceso de toma de decisiones
16
Modelos de proceso de toma de decisiones
17
Toma de Decisiones Racional

• Racionalidad en el uso de la razón para escoger
  la mejor alternativa que se pueda dadas las
  circunstancias
• Qué significa mejor ?
• GOOD-D nemotécnica para decision making racional
• G Identificar el Goal que debe lograrse con la
  decisión
• O Identificar las Options disponibles para el que
  debe tomarla
• O Evaluar los resultados (Outcomes) de escoger
  cada opción
• D Decidir cual opción es la mejor
• D And then Do it!
• Los que toman las decisiones necesitan apoyo en
  cada una de las etapas de GOOD-D
• Otra etapa seguimiento

18
El Proceso de Toma de Decisiones
Definición de la estructura del problema
Recolectar, agregar datos
Etapa de divergencia
Generar opciones
Evaluar Opciones
Seleccionar Opción(es)
Etapa de convergencia
Implementar opción seleccionada
19
Problema de Decisión Vender una propiedad.

• Problema Don Juan necesita pagar algunas
  deudas, quiere realizar inversiones de algún tipo
  y tener liquidez para realizar otros gastos. Para
  eso está pensando en vender una propiedad que
  está actualmente dando en arriendo.
• Goal
• Pagar deudas.
• Realizar inversiones de algún tipo.
• Tener liquidez para realizar otros gastos.
• Opciones
• Obtener un Crédito de Consumo.
• Vender la Propiedad.
• No vender su propiedad y quedarse igual como está.

20
Outcomes

• De acuerdo a las Opciones identificadas se
  tienen los siguientes posibles resultados.
• 1- Solicitar un Crédito.
• Liquidez menor de lo deseado.
• Recursos con deuda asociada.
• Se mantiene la propiedad Rentabiliza por el
  arriendo.
• 2- Vender la propiedad
• Liquidez mayor.
• Recursos sin deuda asociada.
• Inversión en Negocio.
• Inversión en Propiedad más pequeña.
• 3- No vender su propiedad y quedarse tal cual
  como está.
• Permanecen las deudas.
• No obtiene liquidez.
• Se mantiene la propiedad Rentabiliza por el
  arriendo.

21
Cómo decidir?

• Decidir En esta etapa se puede desarrollar un
  modelo matemático para calcular la utilidad
  esperada para cada opción de modo que el modelo
  recomendará la opción para la cual la
  utilidad/rentabilidad esperada sea mayor que las
  otras.
• La Función Objetivo
• En este sentido, la función objetivo será
  aquella que apunte a la rentabilidad de cada una
  de las tres opciones, considerando el valor
  presente y el valor futuro de cada uno de los
  flujos obtenidos con cada opción.
• Aquella opción cuyo VAN sea mayor que el resto
  será la mejor decisión posible.

22
Ejemplos mas cercanos

• Alumnos en paro seguimos en paro o entramos a
  clases?
• Como me voy a la pega ?
• A qué carrera entro ?
• Plan de mantención de los trenes del metro
• Plan de apoyo a estudiantes con riesgo de
  desertar la universidad/colegio
• Que tipo bocatoma es la que mas me conviene?
• Que mejoras hago en el club social ?

23
Clasificación de Problemas Según su Grado de
Estructuración

• Estructurados
• Repetitivos
• Existen métodos estándares para solucionarlos
• Puede ser posible automatizar completamente la
  solución
• No Estructurados
• Se dan una vez
• No hay soluciones estándares
• La solución requiere de juicio por parte del
  tomador de decisión
• La automatización de la solución es generalmente
  imposible
• Semi-estructurados
• Algunos elementos y/o fases del proceso de toma
  de decisión tienen elementos repetitivos
• DSS apoya los aspectos repetitivos del proceso de
  solución de problemas semi-estructurados

24
Tipos de DSS (1)

• Model-driven (MD-DSS) enfatiza el acceso y la
  manipulación de modelos financieros, de
  optimización o simulación.
• Modelos simples cuantitativos -gt nivel de
  funcionalidad más elemental
• Modelos realistas de sistemas complejos -gt
  estudios de largo plazo
• MD-DSS usan datos y parámetros aportados por los
  tomadores de decisión para analizar la situación
• http//saduewa.dcc.uchile.cl8888

25
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.

26
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

27
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).

28
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.

29
Cómo se gesta la disciplina DSS
Investigación operativa Ciencias de la
Administración
Inteligencia Artificial Sistemas Expertos
Sistemas de Información
Ciencias Cognitivas
optimización
Sistemas Expertos
Sistemas de procesamiento de transacciones
Juicio y Toma de dcsisiones
Simulación
Representación del conocimiento
Sistemas de Información para la administración
Interacción Humano-Computador
Decision Support Systems
Goal Use best parts of IS, OR/MS, AI
cognitive science to support more effective
decision making
30
Historia de la Computación en los negocios

• 1980-90s
• Movimiento hacia una personalización y
  flexibilización de los sistemas
• Movimiento hacia nuevas metáforas de interacción
  humano-computador
• Énfasis creciente en sistemas inteligentes
• Siglo 21
• Movimiento desde sistemas cerrados
  (input-flujo-output) a sistemas interoperables
• Sistemas Distribuidos
• SOA y Web services

• En los 40s
• Los computadores se usan para aplicaciones
  militares (prog. Lineal)
• procesadores de números
• 1950s
• Aplicaciones a los negocios
• Sistemas de procesamiento de transacciones
  sueldos, facturación
• Mainframes
• 1960-70s
• Uso de computadores en administración
• Grandes cantidades de datos
• Invencion de BD relacionales y SQL
• Nacen los SIA
• Automatización de procesos de lápiz y papel para
  tareas recurrentes

31
Historia de la inteligencia artificial
1980-90s Comercialización de la IA
Shells de sistemas expertos Machine
learning Incorporación de métodos de la teoría
de toma de decisiones y las investigaciones
operativas. Siglo 21 Sistemas basados en
Agentes IA distribuida Web Semántica
Web Bots

• 1950s
• Aparece la computación simbólica
• General Problem Solver
• diferenciación de la computación científica
• IA es sobre
  símbolos, no números
• 1960-70s
• Primeros sistemas expertos
• HEARSAY I (Speech recognition)
• MYCIN (Medical diagnosis)
• Representación del conocimiento - frames,
  reglas
• Lógica difusa (no binaria)

32
Historia de Operational Research Management
Sciences

• 40s
• Aplicación del método científico a
  problemas operacionales movimiento eficiente de
  tropas, bombardeos.
• 1950s
• Op. Res. /Man. Sci. se establece como una
  disciplina
• Se desarrollan métodos estándares
• 1960-70s
• Expansión de OR/MS
• Aplicaciones de Business
• Problemas con uso adecuado y aceptación de
  los sitemas
• computadores con
• capacidades limitadas
• factores humanos en la
• instalación

1980-90s Tendencia a la personalización y
flexibilidad Atención a factores
organizacionales y humanos Incorporación de
métodos de la inteligencia artificial Siglo
21 Embedded systems Canal de suministro
ágil y reconfigurable Excel para todos -
Data mining
33
Tendencias en la toma de decisiones

• Las tecnologías de la información son cada vez
  más ubicuas
• Usuarios son más letrados en computación
• Computadores cada vez más chicos y poderosos
• Computación móvil
• Sistemas interconectados
• La Web está cada vez más presente
• La demanda por sistemas más usables, flexibles, y
  poderosos continuará creciendo
• Apoyo a la toma de decisiones estará integrado en
  una gran variedad de productos

34
DSS simbiosis entre capacidades del humano y la
máquina

• El humano como tomador de decisiones
• Bueno para reconocer patrones
• Puede trabajar con representaciones incompletas
  del problema
• Tiene juicio tácito que no puede expresar
  fácilmente
• Malo para integrar gran cantidad de evidencias
• Poco confiable y lento para realizar cálculos y
  operaciones tediosas
• Computadores
• Todavía inferiores al humano en reconocimiento de
  patrones y trabajo con problemas poco
  estructurados
• Bueno para cálculos y contabilidades tediosas
• Rápido para cálculos complicados
• Puede manejar grandes cantidades de datos

35
El reto encontrar y aprovechar esta sinergia

• Los computadores proveen herramientas cognitivas
• Problemas de decisión complejos requieren
  herramientas cognitivas que ayuden con
• recoger y organizar información relevante
• ponderar los múltiples factores relevantes para
  la elección
• integrar gran número de factores y combinarlos
  para formar una evaluación general
• presentar resultados de una manera racional, cosa
  que la elección sea clara
• Analizar múltiples escenarios que-pasa-si
• Meta de DSS
• Usar fortalezas del computador para aumentar las
  fortalezas del ser humano
• Mejorar la efectividad general del proceso de
  toma de decisión

36
Recomendaciones al desarrollar un DSS

• Entienda a los involucrados
• involúcrelos tempranamente y frecuentemente
• Escuche su feedback (especialmente los
  negativos!)
• Entienda la tarea
• Objetivos a alcanzar con la toma de la
  decisión
• El proceso actual de toma de decisión
• Factores humanos y organizacionales
• Entienda la tecnología
• Qué partes del actual proceso pueden ser
  automatizados
• COTS versus desarrollo a medida
• Integración de componentes y funciones no
  automatizadas
• Entienda el proceso de desarrollo de un DSS
• Co- evolución del proceso,
• por qué el cambio es resistido
• Importancia de una buena ingeniería de
  sistemas

37
Componentes funcionales de un DSS
Administrador del Modelo
Repositorio de modelos
Administrador de Datos
Motor de Conocimiento
Repositorio de datos externo
Interfaz diálogo con usuario