Sistemas de Información Sistemas de Información para Apoyo a las para Apoyo a las

Decisiones GerencialesDecisiones Gerenciales

Sesión 11Sesión 11

Ms. Ing. CARLOS AURELIO ROMERO SHOLLANDE

caromerosh@yahoo.es

¿Pueden los sistemas de información ayudar a los directivos a tomar mejores decisiones cuando los problemas no son rutinarios y en un ambiente de cambio constante?

¿Cómo pueden los sistemas de información ayudar a la gente que trabaja en equipo a tomar decisiones de manera más eficiente?

¿Hay algún sistema especial que pueda facilitar la toma de decisiones a los altos directivos? Exactamente ¿Qué pueden hacer dichos sistemas para ayudarlos?

¿Qué beneficios generales pueden aportar los sistemas que soportan la gestión de la toma de decisiones?

Objetivos

Información, Decisiones y Gerencia

Los SI pueden combinar datos, herramientas analíticas y modelos para respaldar una variedad de decisiones y niveles de tomas de decisiones gerenciales.

Estos abarcan los tres niveles de gestión gerencial: toma de decisión (1) estratégica, (2) táctica y (3) operacional.

Y tres tipos de estructuras de decisión: (1) estructurada, (2) semiestructurada y (3) no estructurada.

Los sistemas de información proporcionan una amplia gama de productos de información para respaldar esos tipos de decisiones en todos los niveles de la organización.

Niveles de Toma Decisión Gerencial

Gerencia operacional

Gerentes operacionales y equipos independientes

Gerencia táctica

Gerentes de unidades de negocios y equipos independientes

Gerencia estratégica

Ejecutivos y directores

No estructurada

Semiestructurada

Estructurada

Estructura de la decisión

Dec

ision

es

Información

Características de la información

Ad hocNo programada

ResumidaOcasional

ProgresivaExterna

De amplio alcance

Especificada con anterioridad

De enfoque estrechoProgramada

DetalladaFrecuenteHistórica

Interna

Ejemplos de Decisiones

Estructura de decisión

Gerencia operacional Gerencia táctica Gerencia estratégica

No estructurada

Manejo de efectivo

Reingeniería de procesos empresarialesAnálisis del desempeño del grupo de trabajo

Nueva planeación empresarialReorganización de la empresa

Semiestructurada Manejo de créditos

Programación de la producciónAsignación del trabajo diario

Evaluación del desempeño de los empleadosPresupuestos de capital

Presupuesto de programas

Planeación de productos

Fusiones y adquisicionesUbicación de sitios

Estructurada Control de inventarios Control de programas

La información reduce nuestra incertidumbre (sobre algún aspecto de la realidad) y, por tanto, nos permite tomar mejores decisiones

Sistemas de Información Gerencial (SIG) Inicialmente la finalidad de los SI era recopilar

información sobre una parcela del mundo para ayudar en la toma de decisiones:

Recuentos de cereales en Babilonia, de cacao por los pipiles, censos civiles y militares romanos o chinos, libros contables de árabes o sefardíes, ...

Actualmente, con la informatización de las organizaciones y la aparición de aplicaciones de softwares operacionales sobre el sistema de información, la finalidad principal de los sistemas de información es dar soporte a los procesos básicos de la organización (ventas, producción, personal...).

Alternativas para la Elaboración de Informes Informes programados periódicos. Suministran información a los

gerentes utilizando un formato preespecificado diseñado para proporcionar información a los gerentes en forma regular. Ejemplo: los informes de análisis de ventas diarios o semanales y estados financieros mensuales.

• Informes de excepción. En algunos casos los informes se generan sólo cuando ocurren condiciones excepcionales. En otros casos, los informes se producen periódicamente pero contienen información sólo sobre estas condiciones excepcionales. Ejemplo: un gerente a cargo de créditos puede proporcionársele un informe que contenga sólo información sobre clientes que exceden sus límites de crédito

• Respuestas e informes a solicitud. La información esta disponible cada vez que un gerente la solicita. Ejemplo: la Web, los SGBD y los generadores de informes permiten a los gerentes en las estaciones de trabajo de los PC obtener respuestas inmediatas o encontrar y obtener informes personalizados como resultado de sus solicitudes de la información que necesitan.

• Informes de entrega. La información se transmite selectivamente informes a la estación de trabajo en red de los gerentes y especialistas a través de sus intranets corporativa.

Procesamiento Analítico en Línea (OLAP)

Los SI gerencial, de apoyo a las decisiones y de información ejecutiva pueden ampliarse con una capacidad de procesamiento analítico en línea.El procesamiento analítico en línea (OLAP: On-Line Analyitical Processing) se basa en servidores especializados y software para analizar interactivamente relaciones complejas entre grandes cantidades de datos almacenados en bases de datos multidimensionales.Entonces, los gerentes y analistas pueden descubrir patrones, tendencias y condiciones de excepción, en un proceso en tiempo real y en línea que apoye su analísis empresarial y toma de decisiones.

Procesamiento Analítico en LíneaComputadoras

personales cliente

Bases de datos corporativas

Servidor OLAP

Hojas de cálculo Paquetes estadísticos Paquetes de apoyo a las

decisiones/sistema de información ejecutiva

Los datos se recuperan desde las bases de datos corporativas y se organizan en una base de datos OLAP multidimensional para recuperación por parte de sistemas front-end

Bases de datos operacionales

Plazas de datos Bodega de datos

Bases de datos multidimensionales

Sistemas de Apoyo a las Decisiones (DSS)

Los sistemas de apoyo a las decisiones (DSS: Decision-Support System) son sistemas de información interactivos y basados en el computador que utilizan software DSS, una base de modelos y una base de datos para suministrar información adaptada para respaldar las decisiones semiestructuradas y no estructuradas que enfrentan los gerentes individuales.

Estos están diseñados para utilizar las propias percepciones y juicios de la persona que toma las decisiones en un proceso de elaboración de modelos analíticos ad-hoc e interactivo que conduce a una decisión específica.

Comparación entre SIG y DSS

Sistemas de información gerencial

Sistemas de apoyo a las decisiones

• Apoyo a las decisiones que suministra

Suministran información sobre el desempeño de la organización

Suministra información y técnicas de apoyo a las decisiones para analizar problemas u oportunidades específicas

• Forma y frecuencia de la información

Respuestas e informes periódicos, de excepción, a solicitud y de entrega

Consultas y respuestas interactivas

• Formato de la información

Formato fijo especificado con anterioridad

Formato ad hoc, flexible y adaptable

• Metodología de procesamiento de la información

Información generada mediante extracción y manipulación de datos empresariales

Información generada mediante modelación analítica de los datos empresariales

Componentes de un DSS de Marketing

Multimedia hiperenlazada, visualización tridimensional

Elaboración de modelos analíticos, análisis estadístico

Extracción, validación, depuración, integración y duplicación de datos

Software de herencia

Explorador Web

Otro Software

Funciones de la interfaz de usuario

Funciones del manejo de modelos

Funciones de manejo de datos

Datos de mercado

Datos operacionales

Datos de ventas

Datos de la cuenta del consumidor

Uso de Sistemas de Apoyo a las Decisiones

Tipo de modelo analítico Actividades y ejemplos

Qué pasaría si Observar cómo los cambios a variables seleccionadas afectan otras variablesEjemplo: ¿Qué pasaría si reducimos la publicidad en 10%? ¿Qué les sucedería a las ventas?

Análisis de sensibilidad Observar como los cambios repetidos a una sola variable afectan a otras variables.Ejemplo: reduzcamos repetidamente la publicidad en US$100, de manera que podamos ver su relación con las ventas.

Análisis de búsqueda de metas

Realizar cambios repetidos a variables seleccionadas hasta que un variable escogida llegue a un valor objetivo.Ejemplo: Podemos incrementar en la publicidad hasta que las ventas lleguen a US$1 millón.

Análisis de optimización Encontrar un valor óptimo para variables seleccionadas, dadas ciertas restricciones.Ejemplo: ¿Cuál es la cantidad óptima de publicidad que se debe tener, dados nuestro presupuesto y selección de medios?

Sistemas de Información Ejecutiva (EIS)

Los sistemas de información ejecutiva (EIS: Executive Information System) son sistemas de información gerencial diseñados para respaldar la necesidad de información estratégica de la alta gerencia.Sin embargo, su uso se está extendiendo hacia los niveles inferiores de la gerencia.Un EIS es fácil de usar y permite al ejecutivos obtener información adaptada a su necesidad y preferencia.Por tanto, los EIS pueden proporcionar a los ejecutivos información sobre los factores críticos para el éxito de una empresa, con el fin de respaldar sus responsabilidades de planeación y control.

Almacenes de Datos

El almacén de datos es ahora el “sistema de Información central” en todo este proceso.

Actualmente, los almacenes de datos y las técnicas OLAP son las maneras más efectivas y tecnológicamente más avanzadas para integrar, transformar y combinar los datos para facilitar al usuario o a otros sistemas el análisis de la información.

La tecnología OLAP generalmente se asocia a los almacenes de datos, aunque: Podemos tener Almacenes de Datos sin

OLAP y viceversa.

Minería de Datos

La Minería de Datos es un conjunto de técnicas de análisis de datos que permiten:

Extraer patrones, tendencias y regularidades para describir y comprender mejor los datos.

Extraer patrones y tendencias para predecir comportamientos futuros.

Debido al gran volumen de datos este análisis ya no puede ser manual (ni incluso facilitado por herramientas de almacenes de datos y OLAP) sino que ha de ser (semi-)automático.

Minería de DatosEste proceso consta de varias fases: Preparación de Datos (selección, limpieza,

y transformación), Minería de Datos, Evaluación, Difusión y Uso de Modelos.

Incorpora diferentes técnicas Arboles de decisión, regresión lineal,

redes neuronales artificiales, técnicas bayesianas, máquinas de soporte vectorial, etc.De campos diversos:

Aprendizaje automático e AI, bases de datos, …Aborda una tipología variada de problemas:

Clasificación, categorización, estimación / regresión, agrupamiento, ...

Evolución 60’s: Informes batch:

La información es difícil de encontrar y analizar, poco flexible, se necesita reprogramar cada petición 70’s: Primeros DSS (Decision Support

Systems) y EIS (Executive Information Systems): Basado en terminal, no integrado a otra

herramienta 80’s: Acceso a datos y herramientas de análisis integradas (conocidas como intelligent business tools): Herramienta de consulta e informe, hoja

de cálculo, interfaces gráficos e integrados, fáciles de usar

Acceden a base de datos operacional (killer queries)

90’s: Almacenes de Datos y herramientas OLAP

00’s: Herramientas de Minería de Datos y Simulación

Herramientas para la Toma de Decisiones

¿Cuál es la diferencia entre EIS y OLAP? ¿Cuál es la diferencia entre “informes

avanzados” y OLAP? ¿Cuál es la diferencia entre OLAP y Minería

de Datos? ¿Qué interrelaciones existen entre todas

estas herramientas?

Han aparecido diferentes herramientas de negocio o DSS que coexisten: EIS, OLAP, Consultas & informes,

Minería de datos, ...

Diferencia entre EIS y OLAP Un EIS es un SI y un grupo de herramientas

asociadas: Permite acceso a informes de actividades de gestión

Especializado en analizar el estado diario de la organización (mediante indicadores clave) para informar rápidamente sobre cambios a los directivos

La información solicitada suele ser numérica (nivel de ventas, etc.) y representada en forma gráfica

Un OLAP es más genérico: Funciona sobre SI (transaccional o

almacén de datos) Permiten realizar agregaciones y

combinaciones complejas y ambiciosas de datos, con objetivo de un análisis más estratégico

Diferencia entre Informe Avanzado y OLAP Los sistemas de informes o consultas

avanzadas: Están basados, generalmente, en sistemas relacionales u objeto-relacionales

Utiliza operadores clásicos: concatenación, proyección, selección, agrupamiento, … (en SQL y extensiones)

El resultado se presenta de una manera tabular.

Las herramientas OLAP Están basadas, generalmente, en

sistemas o interfaces multidimensionales,

Utilizando operadores específicos (además de los clásicos): drill, roll, pivot, slice & dice, …

El resultado se presenta de forma matricial o híbrida.

Diferencia entre OLAP y Minería de Datos Las herramientas OLAP

Proporcionan facilidades para “manejar” y “transformar” los datos.

Producen otros “datos” (más agregados, combinados).

Ayudan a analizar los datos porque producen diferentes vistas de los mismos. Las herramientas de Minería de Datos:

Son muy variadas: permiten “extraer” patrones, modelos, descubrir relaciones, regularidades, tendencias, etc.

Producen “reglas” o “patrones” (conocimiento)

Interrelaciones entre las Herramientas

La aparición de algunas de ellas han hecho cambiar la manera de trabajar de otras herramientas.

Fuentes Internas

Fuentes Externas

Fuente de Datos HTML

Fuente de Datos

Texto

ETLInterfaz y

Operadores

Herramientas de consultas e informes

Herramientas EIS

Herramientas OLAP

Herramientas de Minería de

Datos

Base de Datos Transaccional

Fuente de Datos

Almacén de Datos

Almacenes de Datos y Minería de DatosLos almacenes de datos no son

imprescindibles para hacer extracción de conocimiento a partir de datos Se puede hacer minería de datos sobre un

simple fichero de datos

Las ventajas de organizar un almacén de datos para realizar minería de datos se amortizan sobradamente a medio y largo plazo cuando: Tenemos grandes volúmenes de datos, o Estos aumentan con el tiempo, o Provienen de fuentes heterogéneas o Se van a combinar de maneras arbitrarias

y no predefinidas

Inteligencia ArtificialLos principales dominios de aplicación de la inteligencia artificial (AI) abarcan una variedad de aplicaciones en ciencia cognitiva, robótica e interfaces naturales.La meta de la AI es el desarrollo de funciones computacionales que normalmente se asocian a las capacidades físicas y mentales de los seres humanos, como robots que ven, oyen, conversan, sienten y se mueven, software capaz de razonar, aprender y solucionar problemas.De esta forma la AI se está utilizando en muchas aplicaciones de operaciones empresariales y de toma de decisiones gerenciales, lo mismo que en muchos otros campos.

Inteligencia ArtificialAspectos Filosóficos

Se detracta de los métodos generales para solucionar problemas, como la búsqueda heurística

Se afirma que tales métodos sobrevaluan el concepto de “inteligencia general”, mientras que desprecian el sentido común, particularmente la habilidad del humano de evitar, identificar y corregir errores

Se afirma que el poder heurístico del que resuelve problemas yace en la representación explícita de conocimiento a la que el programa puede tener acceso, y no en algún sofisticado mecanismo de inferencia o alguna complicada función de evaluación.

Atributos del comportamiento Inteligente

Pensar y razonar Utilizar la razón para solucionar problemas Aprender y comprender con base en la experiencia Adquirir y aplicar conocimiento Mostrar creatividad e imaginación Abordar situaciones complejas Responder con rapidez y éxito a nuevas situaciones Reconocer la importancia relativa de los elementos de una

situación Manejar información ambigua, incompleta o errónea

La inteligencia artificial (AI) está tratando de reproducir estas capacidades en los sistemas computacionales.

Áreas de Aplicación de la AI

Inteligencia Artificial

Aplicaciones de la ciencia

cognoscitiva

Aplicaciones de las interfaces

naturales

Aplicaciones de la robótica

• Sistemas expertos• Sistemas de

aprendizaje• Lógica difusa• Algoritmos genéticos• Redes neurales• Agentes inteligentes

• Percepción visual• Perceptible al tacto• Agilidad mental• Capacidad

locomotriz• Navegación

• Lenguajes naturales• Reconocimiento del

lenguaje• Interfaces sensoriales

múltiples• Realidad virtual

Ejemplos de AI

Apoyo a las decisionesAmbiente de trabajo inteligente que le ayudará a captar el por qué y el qué del diseño de ingeniería y la toma de decisiones.Sistemas inteligentes de la interfaz ser humano-computador (HCI, human-computer interface) que pueden comprender lenguaje hablado y gestos, y facilitar la solución de problemas mediante el apoyo de colaboración a nivel de la organización, con el fin de solucionar determinados problemasSoftware de asignación de recursos y evaluación de situaciones para usos que van desde aerolíneas y aeropuertos hasta centros de logística

Recuperación de informaciónSistemas internet e intranet que se basan en AI, que convierten olas de información en presentaciones simplesTecnología de lenguaje natural para recuperar cualquier tipo de información en línea desde texto hasta fotografías, videos, mapas y clips de audio, en respuesta a preguntas en inglésExploración de la base de datos para análisis de tendencia del marketing, elaboración de pronósticos financieros, reducción de costos de mantenimiento y otros aspectos.

Ejemplos de AI

Realidad virtualVisión similar a los rayos X facilitada mediante la visualización de realidad ampliada que permite a los neurocirujanos «ver a través» del tejido que se va a operar, y revisar y evaluar el avance de una enfermedadAnimación automatizada e interfaces sensibles al tacto que permiten a los usuarios interactuar con objetos virtuales a través del tacto (es decir, para que los estudiantes de medicina «sientan» lo que es saturar aortas rotas)

RobóticaSistemas de inspección visual de máquinas para evaluar, guiar, identificar e inspeccionar productos y suministrar ventaja competitiva en la manufacturaSistemas de robótica de mayor avance desde microrobots y manos y piernas hasta sistemas de robótica cognoscitiva y de visión modular entrenable

Redes NeuralesLas Redes Neurales son sistemas computacionales diseñados según el modelo de red similar a la malla de elementos de procesamiento interconectado del cerebro, que reciben el nombre de «neuronas»Las redes neurales son mucho más simples en arquitectura (se estima que el cerebro humano tiene más de 100,000 millones de neuronas).Sin embargo, igual que el cerebro, los procesadores interconectados en una red neural operan en paralelo e interactúan dinámicamente entre sí.Esto permite que la red «aprenda» de los datos que procesa. Es decir, aprende a reconocer patrones y relaciones de los datos que procesa.

Redes Neurales

Salario Alto

Salario Medio

Casa propia

Menos de 3 años en el

empleo

Bancarrota anterior

Tiene un perro

Cliente rentable

Cliente deudor

Salario Medio

Casa propia

Menos de 3 años en el

empleo

Bancarrota anterior

Tiene un perro

Cliente rentable

Cliente deudor

Salario Alto

Entrenamiento de una red neural para un

sistema de evaluación de solicitudes de crédito

Red neural no entrenada

Red después de una ronda de

entrenamiento

Sistemas de Lógica DifusaLa Lógica Difusa es un método de razonamiento que se asemeja al razonamiento humano, ya que tiene en cuenta inferencias y valores aproximados (lógica difusa) y datos ambiguos o incompletos (datos difusos), en lugar de basarse en datos precisos, como alternativas binarias (s/n)

Reglas de lógica difusaEl riesgo debe ser aceptableSi el endeudamiento con relación al patrimonio es muy alto, entonces el riesgo se incrementa de manera positivaSi el ingreso se incrementa, entonces el riesgo se disminuye un pocoSi las reservas de efectivo están entre bajas y muy bajas, entonces el riesgo se incrementa bastanteSi la relación precio-ganancias es buena, entonces el riesgo generalmente se disminuye

Consulta SQL de lógica difusaSeleccionar empresas de instituciones financieras donde los ingresos son muy grandes y la relación precio-ganancias es aceptable y las utilidades están entre altas y muy altas y el (ingreso/empleado_total) es razonable.

Sistemas de Lógica Difusa

Asesor de características

financieras difusas

Sistema selector y de consulta SQL

difusa

Depósito de la base de datos DB2

Transacciones financieras

seleccionadas de la empresa

Políticas de evaluación

Empresas seleccionadas

Depósito de la base de conocimiento

ReglasClases de objetosConjuntos lógicos

Barreras

Datos financieros

externos

S & P Valueline D&B

Otras Tecnologías de AI

Los algoritmos genéticos usan funciones de selección, de orden aleatorio y otras funciones matemáticas para simular un proceso evolutivo que puede generar soluciones cada vez mejores a los problemas.

Los sistemas de realidad virtual son sistemas multisensoriales que permiten a los usuarios humanos experimentar ambientes simulados por computador como si estos realmente existieran.

Los agentes inteligentes son sustitutos de software basados en el conocimiento, para un usuario o proceso, en la realización de tareas seleccionadas.

Tipos de Agentes InteligentesAgentes de la interfaz de usuario•Tutores de interfaz. Observan las operaciones computacionales de los usuarios, corrigen errores de los usuarios y proporcionan sugerencias y consejos sobre el uso eficiente del software.•Agentes de presentación. Muestran información en una variedad de formas y medios de presentación y de elaboración de informes, con base en las preferencias del usuario•Agentes de navegación en la red. Descubren rutas hacia la información y proporcionan maneras de visualizar la información que prefiere un usuario•Agentes de desempeño de papeles. Desempeñan papeles del tipo qué pasaría si y otros, para ayudar a los usuarios a comprender la información y tomar mejores decisiones.

Agentes de administración de información•Agentes de búsqueda. Ayudan a los usuarios a encontrar archivos y bases de datos, buscan información deseada y sugieren y encuentran nuevos tipos de productos, medios y recursos de información•Intermediarios de información. Proporcionan servicios comerciales para descubrir y desarrollar recursos de información que se ajusten a las necesidades empresariales o personales de un usuario•Filtros de información. Reciben, encuentran, filtran, descartan, graban, transmiten y notifican a los usuarios sobre los productos recibidos o deseados, incluidos correo electrónico, correo de voz y todos los demás medios de información.

Componentes de un Sistema ExpertoEl sistema experto

Usuario

Asesoría experta

Estación de trabajo

Software de sistemas expertos

Programa de motor de

inferencias

Programas de interfaz de

usuario

Base de conocimiento

Desarrollo de sistemas expertos

Ingeniería del conocimiento

Estación de trabajo Experto y/o ingeniero

del conocimiento

Programas de adquisición de conocimiento

Sistemas Expertos

• Razonamiento basado en casos. Representa el conocimiento en la base de conocimiento de un sistema experto, en la forma de casos, es decir, ejemplos del desempeño, hechos y experiencias pasadas.

• Conocimiento basado en estructuras. Conocimiento que representa en la forma de una jerarquía o red de estructuras. Una red de estructuras es un conjunto de conocimiento sobre un a entidad, que se compone de un paquete complejo de valores de datos que describen sus atributos

• Conocimiento basado en objetos. Conocimiento que se representa como una red de objetos. Un objeto es un elemento de datos que incluye tanto datos como los métodos o procesos que actúan sobre dichos datos

• Conocimiento basado en reglas. Conocimiento que se representa en la forma de reglas y declaraciones de hechos. Las reglas son declaraciones que generalmente adoptan la forma de una premisa y una conclusión como: Si (condición). Entonces (conclusión)

Sistema Experto es un sistema de información basados en el conocimiento, que utiliza software y una base de conocimientos acerca de un área de aplicación específica y actuar como consultor experto de los usuarios en muchas aplicaciones empresariales y técnicas.

El software incluye un programa de motor de inferencias, que realiza inferencias con base en los hechos y las reglas almacenados en la base de conocimientos.

Categorías de Aplicación de Sistema Experto

Gerencia de Decisión. Sistemas que evalúan situaciones o consideran alternativas y formulan recomendaciones con base en los criterios que se suministran durante el proceso de descubrimiento:Análisis del portafolio de créditosEvaluación del desempeño del empleadoSubscripción de segurosPronósticos demográficos

Solución de problemas/diagnóstico: sistemas que infieren causas implícitas de los síntomas e historia informados:Calibración de equiposOperaciones del mostrador de ayudaCorrección de softwareDiagnóstico médico

Mantenimiento/programación: sistemas que dan prioridades y programan recursos limitados o críticos en tiempo:Programación del mantenimientoProgramación de la producciónProgramación de la educaciónAdministración de proyectos

Categorías de Aplicación de Sistema Experto

Diseño/configuración: Sistemas que ayudan a configurar componentes de equipos dadas las restricciones siguientes:Instalación de opciones de computadoresEstudios de posibilidad de manufacturaRedes de comunicacionesPlan de ensamblaje óptimo

Selección/clasificación: sistemas que ayudan a los usuarios a seleccionar productos o procesos, con frecuencia entre series grandes o complejas de alternativas:Selección de materialesIdentificación de cuentas morosasClasificación de la informaciónIdentificación de sospechosos

Control/supervisión de procesos: sistemas que supervisan y controlan procedimientos o procesos:Control de máquinas (incluida la robótica)Control de inventariosSupervisión de la producciónPruebas químicas