Decision Support System (DSS) INTRODUCCION

Resumen Definición de un DSS Algo de historia de los DSS Definición de los componentes funcionales más importantes de un DSS Descripción del ciclo de vida de un DSS Descripción del rol de DSS en la toma de decisión y los tipos de decisiones más propensos a usar

¿ Qué es DSS ? Es un término bastante general, hay varias interpretaciones “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] 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]

Definiciones de la literatura (2) 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] 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 (1971) “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 Enfocarse en características que mejoren la interacción con el usuario

Intelligent decision making The use of Artificial Intelligence tools and models provides direct acces to expertise, and their flexibility makes them capable of supporting learning and decision making processes. There integration with numerical and/or statistical models in a single system provides higher accuracy, reliability and utility [Cortés et al., 2000]

¿ Por qué DSS ? Creciente complejidad de las decisiones a tomar Tecnología (hay que saber algunas 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 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(helf) Personalización -> Computer support for decision making

Rational Decision Making Racionalidad en el uso de la razón para escoger la mejor alternativa que se pueda dadas las circunstancias Qué significa mejor ? Aspectos de racionalidad (Kant) Racionalidad cognitiva: qué creer? Racionalidad práctica: qué hacer ? Racionalidad evaluativa: qué evaluar? GOOD-D nemotécnica para decision making racional Identificar el Goal que debe lograrse con la decisión Identificar las Options disponibles para el que debe tomarla Evaluar los resultados (Outcomes) de escoger cada opción Decidir cual opción es la mejor … 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 decisiones Definición de la estructura del problema Recolectar, agregar datos Generar opciones Evaluar Opciones Seleccionar Opción(es) Implementar opción seleccionada

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 es más útil para apoyar los aspectos repetitivos del proceso de solución de problemas semi-estructurados

Tipos de DSS (1) Model-driven DSS: A model-driven DSS emphasizes access to and manipulation of financial, optimization and/or simulation models. Simple quantitative models provide the most elementary level of functionality. Model-driven DSS use limited data and parameters provided by decision makers to aid decision makers in analyzing a situation, but in general large data bases are not needed for model-driven DSS

Tipos de DSS (2) Data-Driven DSS: In general, a data-driven DSS emphasizes access to and manipulation of a time-series of internal company data and sometimes external and real-time data. Simple file systems accessed by query and retrieval tools provide the most elementary level of functionality. Data warehouse systems that allow the manipulation of data by computerized tools tailored to a specific task and setting or by more general tools and operators provide additional functionality. Data-Driven DSS with On-line Analytical Processing (cf., Codd et al., 1993) provide the highest level of functionality and decision support that is linked to analysis of large collections of historical data. Executive Information Systems are examples of data-driven DSS

Tipos de DSS (3) Communication-driven DSS: Communications-driven DSS use network and communications technologies to facilitate decision-relevant collaboration and communication. In these systems, communication technologies are the dominant architectural component. Tools used include groupware, video conferencing and computer-based bulletin boards

Tipos de DSS (4) Knowledge-driven DSS: Knowledge-driven DSS can suggest or recommend actions to managers. These DSS are person-computer systems with specialized problem-solving expertise. The "expertise" consists of knowledge about a particular domain, understanding of problems within that domain, and "skill" at solving some of these problems (Power, 2002). These systems have been called suggestion DSS (Alter, 1980) and knowledge-based DSS (Klein & Methlie, 1995). Goul, Henderson, and Tonge (1992) examined Artificial Intelligence (AI) contributions to DSS.

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

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. & Man. 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 (pervasive) 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

Discusion Dé ejemplos de sistemas de apoyo a la decisiones que le haya tocado ver Qué tipo de decisiones apoya Cómo trabaja Cuán útil fue Qué lo hace un buen producto para la toma de decisiones Que desventajas (problemas) tiene

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 sistema de apoyo a la toma de decisiones • 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

Posibilidades en el diseño • Tarea a apoyar – Estructurabilidad – Nivel de apoyo (estratégico / táctico / operacional) – Fase del proceso de decisión – Área de aplicación – tiempo real / diferido • Usuarios a los que apoyará – Tipo de trabajo – usuario individual / múltiple Distribuido, Interactivo? – Grado de sofisticación con computadores – Modo of interacción • Nivel de apoyo – Mostrar información? – Sugerir soluciones? – Seleccionar soluciones? – Modificar sugerencias con feedback del usuario ? • Fuentes de Información –input del usuario – BD interna/externa – Internet (web / email) – Sensores

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

Modelos de Ciclos de Vida Hay muchos modelos Todos tienen fases para: – Definición – Desarrollo – Puesta e producción El modelo de ciclo de vida para el desarrollo de un DSS debe considerar : – Participación del usuario – Rediseño iterativo centrado en la evaluación