Sistemas de apoyo a la toma de decisiones

• Clases – Octubre 02, 03, 05, 10, 12, 17, 19, 26

• 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)

Objetivos• General:

– Tomar decisiones en forma racional

• Especificos: – Aplicar un proceso racional – Aplicar tecnicas de modelamiento de sistemas– Aplicar herramientas de modelamiento de decision

Temas1. Introducción: que es un DSS, historia, partes.2. Modelos, Herramientas cognitivas y la Toma de decisiones3. El subsistema modelo (1): Análisis de decisión y

Optimización4. El subsistema modelo (2): Otras técnicas de modelamiento5. Modelamiento y simulación 6. Sistemas colaborativos

Decision Support System(DSS)

INTRODUCCIONDefiniciones, historia, partes de un DSS

Resumen del capítulo• Definición de un DSS• Algo de historia de los DSS• Definición de los componentes funcionales más

importantes de un DSS

¿ 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 ???

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. It’s a computer-based support for management decision makers who deal with semi-structured problems [Keen & Scott-Morton, 1978]

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]

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]

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”

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

¿ 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 computacionalComputación de alto rendimiento a bajo precio mejor

softwareProceso de desarrollo de software más eficiente

• Creciente usabilidad de computadores– Más y mejores herramientas C(omputer)O(ff)T(he)S(helf)– Personalización

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

El Proceso de Toma de DecisionesDefinición de la estructura del problema

Definición de la estructura del problema

Generar opciones Recolectar, agregar datos

Recolectar, agregar datos

Evaluar Opciones

Seleccionar Opción(es)

Implementar opción

seleccionada

Implementar opción

seleccionada

Etapa de divergencia

Etapa de convergencia

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:1. Obtener un Crédito de Consumo.2. Vender la Propiedad.3. No vender su propiedad y quedarse igual como está.

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.

Outcomes

¿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.

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 ?

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

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

• http://saduewa.dcc.uchile.cl:8989

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.

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

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).

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.

Cómo se gesta la disciplina DSS

Sistemas de Información

Sistemas de procesamiento de transacciones

Sistemas de Información para la administración

Investigación operativaCiencias de la Administración Inteligencia Artificial

Sistemas Expertos

Ciencias Cognitivasoptimización

Simulación

Sistemas Expertos

Representación del conocimiento

Juicio y Toma de dcsisiones

InteracciónHumano-Computador

Decision Support Systems

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

Historia de la Computación en los negocios

• En los 40’s– Los computadores se usan para aplicaciones

militares (prog. Lineal)– “procesadores de números”

• 1950’s– Aplicaciones a los negocios– Sistemas de procesamiento de

transacciones: sueldos, facturación – Mainframes

• 1960-70’s– 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

1980-90’s» 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

Historia de la inteligencia artificial• 1950’s

– Aparece la computación simbólica– General Problem Solver– diferenciación de la computación científica

“IA es sobre símbolos, no números”

• 1960-70’s– Primeros sistemas expertos

» HEARSAY I (Speech recognition); » MYCIN (Medical diagnosis)

– Representación del conocimiento - frames, reglas– Lógica difusa (no binaria)

• 1980-90’s

– 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”

Historia de Op. Res. & Management. Sci.

• 40’s – Aplicación del método científico a problemas

operacionales: movimiento eficiente de tropas, bombardeos.

• 1950’s – Op. Res. /Man. Sci. se establece como una disciplina – Se desarrollan métodos estándares

• 1960-70’s – 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

• 1980-90’s – 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

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

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

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

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

Componentes funcionales de un DSS

Administrador de Datos

Motor de Conocimiento

Repositorio de datos externo

Administrador del Modelo

Interfaz diálogo con usuario

Repositorio de modelos