Sistemas de Información para Apoyo a las Decisiones Gerenciales

Presentación del tema: "Sistemas de Información para Apoyo a las Decisiones Gerenciales"— Transcripción de la presentación:

1 Sistemas de Información para Apoyo a las Decisiones Gerenciales
Sesión 11 Sistemas de Información para Apoyo a las Decisiones Gerenciales Ms. Ing. CARLOS AURELIO ROMERO SHOLLANDE

2 Objetivos ¿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?

3 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.

4 Niveles de Toma Decisión Gerencial
Estructura de la decisión Características de la información Ad hoc No programada Resumida Ocasional Progresiva Externa De amplio alcance Decisiones Información 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 Especificada con anterioridad De enfoque estrecho Programada Detallada Frecuente Histórica Interna Estructurada

5 Ejemplos de Decisiones Estructura de decisión
Gerencia operacional Gerencia táctica Gerencia estratégica No estructurada Manejo de efectivo Reingeniería de procesos empresariales Análisis del desempeño del grupo de trabajo Nueva planeación empresarial Reorganización de la empresa Semiestructurada Manejo de créditos Programación de la producción Asignación del trabajo diario Evaluación del desempeño de los empleados Presupuestos de capital Presupuesto de programas Planeación de productos Fusiones y adquisiciones Ubicación 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

6 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...).

7 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.

8 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.

9 Procesamiento Analítico en Línea
Computadoras personales cliente Servidor OLAP Bases de datos corporativas Bases de datos multidimensionales 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

10 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.

11 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

12 Componentes de un DSS de Marketing
Software de herencia Explorador Web Otro Software Funciones de la interfaz de usuario Multimedia hiperenlazada, visualización tridimensional Funciones del manejo de modelos Elaboración de modelos analíticos, análisis estadístico Funciones de manejo de datos Extracción, validación, depuración, integración y duplicación de datos Datos operacionales Datos de mercado Datos de ventas Datos de la cuenta del consumidor

13 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 variables Ejemplo: ¿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?

14 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.

15 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.

16 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.

17 Minería de Datos Este 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, ...

18 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

19 Herramientas para la Toma de Decisiones
Han aparecido diferentes herramientas de negocio o DSS que coexisten: EIS, OLAP, Consultas & informes, Minería de datos, ... ¿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?

20 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

21 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.

22 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)

23 Interrelaciones entre las Herramientas
Fuentes Internas Base de Datos Transaccional Herramientas de consultas e informes Herramientas EIS Almacén de Datos Interfaz y Operadores ETL Fuente de Datos Texto Herramientas OLAP Fuente de Datos HTML Fuente de Datos Herramientas de Minería de Datos Fuentes Externas La aparición de algunas de ellas han hecho cambiar la manera de trabajar de otras herramientas.

24 Almacenes de Datos y Minería de Datos
Los 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

25 Inteligencia Artificial
Los 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.

26 Inteligencia Artificial
Aspectos 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.

27 Atributos del comportamiento Inteligente
La inteligencia artificial (AI) está tratando de reproducir estas capacidades en los sistemas computacionales. 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

28 Áreas de Aplicación de la AI
Inteligencia Artificial Aplicaciones de la ciencia cognoscitiva Aplicaciones de la robótica Aplicaciones de las interfaces naturales 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

29 Ejemplos de AI Apoyo a las decisiones
Ambiente 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 problemas Software de asignación de recursos y evaluación de situaciones para usos que van desde aerolíneas y aeropuertos hasta centros de logística Recuperación de información Sistemas internet e intranet que se basan en AI, que convierten olas de información en presentaciones simples Tecnología 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 inglés Exploración de la base de datos para análisis de tendencia del marketing, elaboración de pronósticos financieros, reducción de costos de mantenimiento y otros aspectos.

30 Ejemplos de AI Realidad virtual
Visión 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 enfermedad Animación 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) Robótica Sistemas de inspección visual de máquinas para evaluar, guiar, identificar e inspeccionar productos y suministrar ventaja competitiva en la manufactura Sistemas de robótica de mayor avance desde microrobots y manos y piernas hasta sistemas de robótica cognoscitiva y de visión modular entrenable

31 Redes Neurales Las 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.

32 Redes Neurales Red después de una ronda de entrenamiento Salario Alto
Red neural no entrenada Salario Alto Salario Medio Salario Medio Cliente rentable Cliente rentable Casa propia Casa propia Menos de 3 años en el empleo Menos de 3 años en el empleo Cliente deudor Cliente deudor Bancarrota anterior Bancarrota anterior Entrenamiento de una red neural para un sistema de evaluación de solicitudes de crédito Tiene un perro Tiene un perro

33 Sistemas de Lógica Difusa
La 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 difusa El riesgo debe ser aceptable Si el endeudamiento con relación al patrimonio es muy alto, entonces el riesgo se incrementa de manera positiva Si el ingreso se incrementa, entonces el riesgo se disminuye un poco Si las reservas de efectivo están entre bajas y muy bajas, entonces el riesgo se incrementa bastante Si la relación precio-ganancias es buena, entonces el riesgo generalmente se disminuye Consulta SQL de lógica difusa Seleccionar 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.

34 Sistemas de Lógica Difusa
Asesor de características financieras difusas Transacciones financieras seleccionadas de la empresa Políticas de evaluación Empresas seleccionadas Depósito de la base de conocimiento Reglas Clases de objetos Conjuntos lógicos Barreras Sistema selector y de consulta SQL difusa Depósito de la base de datos DB2 Datos financieros externos S & P Valueline D&B

35 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.

36 Tipos de Agentes Inteligentes
Agentes 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.

37 Componentes de un Sistema Experto
El sistema experto Asesoría experta Estación de trabajo Software de sistemas expertos Usuario Base de conocimiento Programas de interfaz de usuario Programa de motor de inferencias Programas de adquisición de conocimiento Desarrollo de sistemas expertos Ingeniería del conocimiento Estación de trabajo Experto y/o ingeniero del conocimiento

38 Sistemas Expertos 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. 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)

39 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 créditos Evaluación del desempeño del empleado Subscripción de seguros Pronósticos demográficos Solución de problemas/diagnóstico: sistemas que infieren causas implícitas de los síntomas e historia informados: Calibración de equipos Operaciones del mostrador de ayuda Corrección de software Diagnóstico médico Mantenimiento/programación: sistemas que dan prioridades y programan recursos limitados o críticos en tiempo: Programación del mantenimiento Programación de la producción Programación de la educación Administración de proyectos

40 Categorías de Aplicación de Sistema Experto
Diseño/configuración: Sistemas que ayudan a configurar componentes de equipos dadas las restricciones siguientes: Instalación de opciones de computadores Estudios de posibilidad de manufactura Redes de comunicaciones Plan 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 materiales Identificación de cuentas morosas Clasificación de la información Identificación de sospechosos Control/supervisión de procesos: sistemas que supervisan y controlan procedimientos o procesos: Control de máquinas (incluida la robótica) Control de inventarios Supervisión de la producción Pruebas químicas