SISTEMAS DE APOYO A LA TOMA DE DECISIONES : DSS y EIS

IIC3712 GESTIÓN de las TEC. de INFORMACIÓN
SISTEMAS DE APOYO
A LA
TOMA DE DECISIONES :
DSS y EIS
Ignacio Casas R.
Escuela de Ingeniería
Pontificia Universidad Católica de Chile
Mayo, 2002
© I. Casas PUC 2002
¿ Qué es la Toma de Decisiones ?
¨ ¿Qué componentes se analizan al tomar una decisión
(táctica o estratégica) o al formular un plan de decisión?
¨ ¿Cómo estudian los analistas los procesos de decisión en
las situaciones con las que no están familiarizados?
¨ ¿Qué métodos se utilizan para describir y entender las
decisiones, sus condiciones y secuencias (árboles,
heurísticas, tablas)?
¨ ¿Análisis cuantitativo o cualitativo?
¨ ¿Métodos gráficos o secuencias semi-estructuradas?
¨ ¿Cómo se identifican y corrigen los errores en los procesos
de decisión?
© I. Casas PUC 2002
Gerentes y Administradores
• Gestión: es el proceso de obtención de ciertos objetivos/
resultados por medio del uso de recursos (humano,
capital, energía, materiales, espacio y tiempo).
• Productividad (Eficiencia): razón entre los
resultados (productos y/o servicios) y las entradas
(utilización de recursos).
• Roles del Gerente:
2 Inter/personal: líder, cabeza, encargado
2 Información: monitorear, diseminar, presentar
2 Toma de Decisiones: empresarial, manejador de
conflictos, asignación de recursos, negociador, ...
© I. Casas PUC 2002
Características Generales de los DSS y EIS
Decision Support & Executive Information Systems:
¦ El énfasis es en el apoyo a la toma de decisiones más que a
la automatización total de la decisión (no se pretende
reemplazar al administrador).
¦ Dominio general corresponde a decisiones de carácter semiestructuradas
¦ Típicamente el sistema tiene un carácter interactivo
(diálogo entre el usuario y el sistema)
¦ Debe proveer apoyo en todas las etapas del proceso de toma
de decisiones (inteligencia, diseño y elección)
© I. Casas PUC 2002
Flujo de Información en la Toma de Decisión
Ambiente
Externo
Ambiente
Interno
Evaluación de la
Información
Análisis
Cualitativo
Análisis
cuantitativo
Interpretación:
¿hay una oportunidad?
No
Si
Decisión:
¿qué hacer?
© I. Casas PUC 2002
No
El Proceso de Toma de Decisión
Modelo de SIMON de 4 fases :
Inteligencia
Búsqueda de problemas (oportunidades), colección de
datos. Identificación, clasificación, formulación.
Diseño
Formulación y validación de modelos, definición de
criterios de selección, análisis de cursos de acción (alternativas de solución), factibilidad, predicción y medición
Selección
Solución de modelo, análisis de sensibilidad, validación
y prueba, selección de alternativa, plan de desarrollo,
diseño de sistema de control.
© I. Casas PUC 2002
Desarrollo
de la
Solución
La Necesidad de Modelar
*Es demasiado costoso experimentar con el sistema real.
*Un MODELO es una abstracción o representación
simplificada de la realidad: manipulación, análisis (riesgo,
alternativas, aprendizaje), experimentación (prueba y error).
*Grado de abstracción de un MODELO:
ò Modelo de Icono (a Escala)
ò Modelo Análogo (diagramas, mapas, organigramas, …)
ò Modelo Matemático/Cuantitativo: Analítico, Simulación
ò Modelo Mental (creencias, supuestos, relaciones, flujos
de trabajo)
© I. Casas PUC 2002
Grado de Estructuración de las Decisiones
k El problema tiene características de estructurado si las cuatro
fases son estructuradas. Se pueden especificar algoritmos y reglas
de decisión que permiten detectar el problema, diseñar soluciones
alternativas y finalmente decidir por la mejor de ellas.
k El problema puede considerarse no estructurado si no se pueden
definir las condiciones que permitan reconocer el problema, si no
existe una manera clara de crear posibles soluciones, o si no hay un
criterio preciso para elegir finalmente alguna de ellas.
k En algunos casos es posible dejar una o dos etapas al criterio del
administrador y para las restantes usar el apoyo del DSS o EIS.
Estas decisiones son las de carácter semi-estructurado.
© I. Casas PUC 2002
La Fase de Inteligencia
Competitivo
Social
Social
entorno
económico
social, legal
Oportunidades
Interno
Interno
mercado
capacidades
restricciones
debilidades, ..
Inteligencia
Inteligencia
Problemas
Apoyos de un DSS para la fase de inteligencia:
síntesis, comparación, predicción, confirmación
© I. Casas PUC 2002
Inteligencia: el Proceso de Búsqueda
¦ Búsqueda estructurada y continua
Se examinan con regularidad algunos reportes con
indicadores importantes.
¦ Búsqueda Ad Hoc
Oportunidades muy poco frecuentes para justificar búsqueda
continua. Se procede a buscar cuando otros indicadores lo
sugieren.
¦ Búsqueda no estructurada
No se especifican mecanismos regulares de revisión. Apoyo
a este tipo de búsqueda es en forma de acceso muy flexible y
amplio a la base de datos. Se proveen facilidades de
recuperación, presentación, análisis y comparación de los
datos.
© I. Casas PUC 2002
La Fase de Diseño
Formulación y validación de modelos
Definición de criterios de selección
Análisis de alternativas de solución
Estudio de factibilidad
Predicción y medición
Entender
el problema
Acceso flexible a
Base de Datos
Se deben analizar todos los ambientes que la decisión afecta:
la organización, los competidores, la sociedad
(se pueden definir modelos de cada uno de ellos).
Ej: Adquisición de nueva maquinaria
• viabilidad desde el punto de vista de la organización :
flujo de caja, efectos en el personal, etc.
• efectos sociales: niveles de polución, contribución al desempleo, ..
© I. Casas PUC 2002
La Fase de Selección de Alternativas
* La formulación de las alternativas y selección
Se ve afectada por cuatro dimensiones:
- nivel de conocimiento de los resultados
- nivel de programabilidad
- criterios para las decisiones
- nivel de impacto de la decisión
* Conocimiento de los resultados:
- Certeza
- Riesgo
- Incertidumbre
© I. Casas PUC 2002
Selección: Conocimiento de los resultados
k Certeza:
conocimiento completo y exacto de lo que produce cada
alternativa.
k Riesgo:
se identifica la posibilidad de múltiples resultados para
cada alternativa y la probabilidad de ocurrencia asociada a
cada uno.
k Incertidumbre:
se identifican múltiples consecuencias para cada alternativa,
pero no se conoce la probabilidad de los resultados de cada
una de ellas.
© I. Casas PUC 2002
Selección: Certeza en los resultados
2 Se calcula la alternativa óptima para una función objetivo
dada, por ejemplo en base al menor costo.
2 La programación lineal es un ejemplo de técnica para la
localización de una solución óptima bajo certeza, si bien
puede ser de un alto costo computacional.
- sistemas de ecuaciones
- programación lineal, entera, dinámica
- modelos de teoría de colas
- modelos de inventario
- análisis de presupuestos de capital
- análisis de puntos de equilibrio
© I. Casas PUC 2002
Selección: Riesgo en los resultados
t Todas las estrategias (alternativas) y resultados
(consecuencias de las decisiones) se asumen como
conocidos, teniéndose como objetivo la maximización de
utilidades.
t Se asume que se conocen las probabilidades de varios
estados y se busca la optimización del resultado esperado
(probabilidad X resultado).
t Métodos para presentar las estrategias, “estados del mundo”
y resultados: matrices de pago (retorno), árboles de decisión
Si hay certeza en cuanto a los estados que prevalecerán,
simplemente se selecciona la estrategia que provee la
mayor utilidad.
© I. Casas PUC 2002
Selección: Incertidumbre en los resultados
* Como se conocen las consecuencias de las alternativas de
decisión, pero no sus probabilidades, los criterios de
optimización no son aplicables.
* Se estiman (predicen) las probabilidades desconocidas y
luego el problema se trata como si fuera una toma de
decisión bajo riesgo:
- asignar probabilidades iguales
- minimizar las penas
- utilizar criterios de “maximin” o “maximax”
© I. Casas PUC 2002
Ejemplo de Apoyo en la Fase de Selección
En general, los DSS no hacen la elección, sino que entregan información de apoyo al responsable de efectuarlas:
- uso de modelos de optimización y sugerencia para seleccionar
entre alternativas
- Teoría de decisiones
Ejemplo
Alternativas para un empresario dueño de un restorán
1. Dejarlo como está
2. Remodelar para mejorar la distribución
3. Reconstruir completamente
Condiciones que pueden presentarse:
1. Aparece un competidor en un lugar cercano
2. Hay un cambio en el tráfico haciendo que pase menos gente
3. Todo sigue igual
© I. Casas PUC 2002
Ejemplo: Uso de matrices de retorno
Análisis:
beneficios/
pérdidas
(miles de $)
Alternativas Igual Nuevo Comp.
Cambio Tráfico
No innovar
2000
0
-1000
Remodelar
4000
3000
-3000
Construir
7000
2000
-10000
¿ Que conviene hacer? Si todo sigue igual mejor construir
Supongamos probabilidades para cada situación:
Igual=0.5, Nuevo Competidor= 0.2, Cambio Tráfico=0.3
Valores esperados de las alternativas:
1. No hacer nada: 2000*.5 + 0*.2 -1000*.3
= 700
2. Remodelar:
4000*.5 + 3000*.2 - 3000*.3 = 1700
3. Construir:
7000*.5 + 2000*.2 - 10000*.3 = 900
Criterio de máximo
valor esperado
REMODELAR
© I. Casas PUC 2002
Ejemplo: Otros criterios para decidir
En el caso de incertidumbre en los resultados:
1. Visión Pesimista (MAXIMIN)
Seleccionar la estrategia que dará la mayor utilidad (MAX), dado que
ocurre lo peor (MIN). En el ejemplo del restorán, dado que lo peor es
el cambio de tráfico, es aconsejable no hacer nada.
2. Visión Optimista (MAXIMAX)
Seleccionar la estrategia que es mejor (MAX) dado que ocurre la
mejor (MAX) de las situaciones. En el ejemplo, se decide construir.
3. Minimizar los "lamentos”:
Estimar lo que se deja de ganar
en cada situación … y
escoger la situación de menor
pérdida.
© I. Casas PUC 2002
Matriz de lamentos (MM$)
Nada
5
3
0 =
Remodelar 3
0
2 = 5
Construir
1
9 = 10
0
8
Otro Ejemplo: Árboles de Decisión
¿En qué invertir el premio ganado en el último ATP Tour?
actividad
económica
bolsa
$pesos
Capital
Inicial
© I. Casas PUC 2002
1.5
2.0
2.0
2.0
US$
alta (.2)
renta fija
1.9
media (.5)
retorno
10
2
baja (.3)
-5
alta (.2)
2
media (.5)
2
baja (.3)
2
devaluación
SI (.1)
10
NO (.9)
1