sistemas de informacion de apoyo a la toma de decisiones

Gestión de las Tecnologías de Información Apuntes Web 6.1

Ignacio Casas * Escuela de Ingeniería * Pontificia Universidad Católica de Chile * 2005

MÓDULO 6 LOS SISTEMAS DE INFORMACIÓN DE APOYO A

LA TOMA DE DECISIONES Objetivos: Describir un modelo del proceso de toma de decisiones en una organización, a nivel táctico y estratégico. Conocer los sistemas de información de apoyo a la toma de decisiones (DSS), los sistemas de información gerencial (MIS) y los sistemas de apoyo a la planeación (EIS). Conocer las técnicas de procesamiento analítico (OLAP), las bodegas de datos (DWH) y la minería de datos (DM). Contenidos: Los SI en el proceso de toma de decisiones en la organización. Un modelo de toma de decisiones. Los SI de apoyo a la toma de decisiones. Las técnicas de procesamiento analítico (OLAP). Resumen y conclusiones. Citas: “Una correcta y sensible toma de decisiones no sólo debe considerar al mundo como es sino que también como será.” Isaac Asimov. “Si no puedes describir lo que haces como un proceso, entonces no sabes lo que estás haciendo”. W. Edwards Deming “¿Donde está la vida que hemos perdido viviendo? ¿Donde está la sabiduría que hemos perdido en el conocimiento? ¿Donde está el conocimiento que hemos perdido en la información?”T.S. Eliot (La Roca) “¿Donde está la información que hemos perdido entre tantas toneladas de datos?” (Un gerente de informática angustiado.) 6.1 Los SI en el Proceso de Toma de Decisiones en la Organización Podemos decir que los sistemas de información (SI) apoyan las actividades humanas en una organización, en tres grandes sentidos:

- automatizan procesos operacionales estructurados y repetitivos, lo cual corresponde al dominio de los sistemas TPS de procesamiento transaccional;

- registran datos, organizan y comunican la información de los diversos procesos y sus entornos, lo cual corresponde a los sistemas administradores de bases de datos (DBMS) y a las sistemas Web de redes Internet, Extranets e Intranets;

- y generan “conocimiento” para apoyar las decisiones relativas a las acciones particulares de cada circunstancia.

Es este último aspecto en el cual nos concentraremos en este capítulo, describiendo los llamados sistemas de información gerencial (MIS), el procesamiento analítico en línea



(OLAP), los sistemas de apoyo a la toma de decisiones (DSS), y los sistemas de información para la planeación o ejecutivos (EIS). Pero antes veremos algunos conceptos generales sobre las actividades relativas a la toma de decisiones. El proceso de toma de decisiones recibe como entrada una cierta información y genera como salida una decisión que se plasma en un cierto plan de acción. Junto con los aspectos de liderazgo y comunicación, la disciplina de administración y gestión de empresas se refiere fundamentalmente a la toma de decisiones para el control de las actividades organizacionales. Gruesamente, se distinguen tres niveles de toma de decisiones en la administración de una organización (ver figura 6.1): estratégico, táctico y operacional.

Procesamiento de Datos y TransaccionesProcesamiento de Datos y Transacciones

Gestión OperacionalGestión Operacional(decisiones rutinarias y de control;

programas de actividades)

Gestión TácticaGestión Táctica(presupuestos,

asignación de recursos, ...)

GestiónGestiónEstratégicaEstratégica

(objetivos, visión,planes largo plazo, ...)

Inf.Resumida

Inf.Detallada

Largoplazo

Cortoplazo

Decisiones Noestructuradas

DecisionesEstructuradas

Niveles de Gestión y Toma de DecisionesNiveles de Gestión y Toma de Decisiones

Figura 6.1: Niveles de gestión y de toma de decisiones

A nivel operacional las decisiones tienden a ser más estructuradas (decisiones “algorítmicas”, fáciles de modelar, automatizar y repetir), mientras que a nivel estratégico tienden a ser poco o nada estructuradas. Estas últimas se conocen como decisiones heurísticas, para las cuales se pueden sugerir tendencias y reglas gruesas (“rules of thumb”). En la Figura 6.2 se presenta un cuadro comparativo de tipo de decisiones en los tres niveles de gestión y toma de decisiones ([O’Brien2004]).



Tipo de Decisión

Gestión Operacional

Gestión Táctica

Gestión Estratégica

No-estructurada Administración de Caja

Reingeniería de procesos; Plan de trabajo en equipo

Planeación de nuevos negocios; Reorganización

Semi-estructurada Administración de Crédito; Plan de producción; Asig-nación de tareas

Presupuestos de capital; Presupuestos de programas

Planeación de productos; Fusiones y compras; Ubicación de locales de venta

Estructurada Control de inventario

Control de programas

Figura 6.2: Tipos de decisión y niveles de gestión La información correcta, oportuna y precisa es vital para una toma de decisión efectiva: reduce la incertidumbre. La información resulta de la interpretación (análisis) de datos en un cierto contexto, realizada por personas. El conocimiento es producto del aprendizaje de las personas acerca del uso de la información, de los procesos, de las decisiones y el resultado de las correspondientes acciones (síntesis, evaluación y generalización). Algunas características de la información necesaria para un correcto proceso de toma de decisiones, son las siguientes:

- precisión (exacta para el nivel operacional, tendencias y estimaciones para el nivel estratégico)

- actualidad (información actualizada, al día) - oportunidad (se obtiene en el tiempo y el lugar adecuado) - nivel de agregación (información resumida a nivel estratégico y detallada a nivel

operacional) - disponibilidad (¿está accesible en forma simple y espontánea?) - relevancia (¿está focalizada en el tema en cuestión?) - horizonte de tiempo (actual a nivel operacional, pasado, presente y futuro a nivel

estratégico) - fuente relevante (interna y externa a nivel estratégico) - ámbito adecuado (de lo específico a lo general y global) - de carácter cuantitativo (operacional) y cualitativo (estratégico)

Hemos dicho que a nivel operacional la mayoría de las decisiones se pueden representar fácilmente en procedimientos algorítmicos que pueden automatizar el proceso completo. Pero en este capítulo nos ocuparemos principalmente de los SI de apoyo a los procesos de decisión no-estructurados típicamente a nivel táctico y a nivel estratégico, los cuales pretenden ayudar pero no reemplazar al tomador de decisiones. El dominio general de estos sistemas corresponde a las decisiones de carácter no-estructurado, las cuales requieren procesos interactivos (personales o grupales con el sistema), iterativos y con retroalimentación para el aprendizaje.



6.2 Un Modelo de Toma de Decisiones Indicamos anteriormente que la información correcta, oportuna y precisa es vital para una toma de decisión efectiva. Pero sobretodo a nivel estratégico, las fuentes externas (a la organización) de información son esenciales. En la figura 6.3 se ilustra el necesario flujo de la información para la toma de decisiones a nivel estratégico. Los ejecutivos que toman decisiones a nivel estratégico requieren información interna y externa resumida, ad-hoc (no bajo procedimientos regulares y rutinarios de búsqueda), informes no planeados, tendencias y predicciones, para sus procesos no-estructurados de “brain-storming”, planeación, definición de políticas y de estrategias.

Flujo de Información en la Toma de DecisiónFlujo de Información en la Toma de Decisión

Decisión:¿qué hacer?

Ambiente Externo

AmbienteInterno

Evaluación de laInformación

AnálisisCualitativo

Análisiscuantitativo

Interpretación:¿hay una oportunidad?

SiNo No

Figura 6.3: Flujo de información en la decisión estratégica

En la figura 6.4 se ilustra el modelo de toma de decisiones para la gestión de empresas planteado por Simon ([Simon1960]), el cual sigue siendo vigente para comprender la forma en que los SI pueden apoyar las distintas actividades del proceso. En dicho modelo se distinguen cuatro fases básicas: inteligencia, diseño, selección y desarrollo (construcción, implementación) de la solución. El modelo es iterativo en el sentido que el análisis en una fase puede requerir de revisiones y afinamientos en la fase anterior. También se sugiere una actividad de retro-alimentación, para evaluar, sintetizar y generalizar los resultados de la solución, dando así “más conocimiento” a las próximas decisiones que puedan estar relacionadas.



En la fase de inteligencia se examina (“toda”) la información relevante interna de la organización y de su medio ambiente (externa), se interpreta (en forma “no prejuiciada”) para buscar problemas que requieran ser resueltos y/u oportunidades que pueden ser reconocidas. Se coleccionan los datos, se organiza y clasifica la información, se realizan discusiones y “tormentas de ideas” y se formula la situación. En la fase de diseño se formulan y validan modelos de solución. Se plantean soluciones alternativas y se determinan sus factibilidades, riesgos y predicciones. Se definen los criterios de medición, selección y pruebas. En la fase de selección se resuelven y validan los modelos, se efectúan pruebas y análisis de sensibilidad, se selecciona la “mejor” alternativa, se define el plan de desarrollo y se diseña un proceso de control y retro-alimentación. En la fase de desarrollo se construye e implementa la solución escogida en la fase de selección. Se retroalimenta a las fases anteriores para ganar en “conocimiento” del proceso.

InformaciónInformaciónInteligencia

Búsqueda de problemas (oportunidades), colección dedatos. Identificación, clasificación, formulación.

DiseñoFormulación y validación de modelos, definición de criterios de selección, análisis de cursos de acción (alter-nativas de solución), factibilidad, predicción y medición

SelecciónSolución de modelo, análisis de sensibilidad, validacióny prueba, selección de alternativa, plan de desarrollo,diseño de sistema de control.

Modelo de Toma de Decisión de Simon:Modelo de Toma de Decisión de Simon:

Desarrollode la

Solución

Figura 6.4: El modelo de toma de decisiones de Simon

Si bien en la práctica de las organizaciones se pueden distinguir claramente estas fases, no siempre ellas son realizadas en la forma sistemática y racional que postula el modelo. Las razones para una práctica no alineada con la teoría se pueden encontrar en:

- tiempos extremadamente limitados para tomar decisiones - información incompleta (mayor intuición) - capacidades limitadas para el procesamiento de la información (interpretaciones,

influencias emocionales, personalidades, etc.) - falta de orientación hacia el aprendizaje



- situaciones de cultura organizacional y liderazgo 6.3 Los SI de Apoyo a la Toma de Decisiones En el capítulo 2 vimos que existe una gran variedad de sistemas de información (SI). Desde una perspectiva del nivel de decisión que ellos apoyan, encontramos los siguientes: MIS, DSS, EIS, las técnicas de procesamiento OLAP y los sistemas KMS. Los sistemas de información gerencial (MIS – “Management Information Systems”) se construyen para el apoyo a los procesos de toma de decisiones más estructuradas: esto es, cuando las cuatro fases (del modelo de Simon) pueden ser definidas en base a algoritmos y reglas de decisión fácilmente identificables. Se pueden diseñar soluciones alternativas y decidir por la mejor de ellas en un proceso claramente definido. Las decisiones a nivel operacional y táctico son generalmente estructuradas: por ejemplo, el decidir los niveles apropiados de stock, tratamiento de órdenes de compra y de pago normales, etc. Los sistemas de apoyo a la toma de decisiones DSS y los de apoyo a la planeación o ejecutivos EIS, se proponen generalmente para apoyar los procesos no estructurados, es decir cuando todas a algunas de las fases no se pueden definir o modelar en forma adecuada y detallada. (Cuando alguna de las fases es estructurada, se habla de decisiones semi-estructuradas.) Esta falta de estructuración se puede deber a distintas razones: situaciones novedosas, falta de información o conocimiento incierto, presencia de aspectos no cuantificables, o cualquiera de las razones indicadas anteriormente para una toma de decisión no sistematizada. Como ejemplos, se pueden considerar la contratación de personal y la decisión de inversiones. Los sistemas basados en técnicas de procesamiento analítico OLAP (“OnLine Analytical Processing”) permiten un eficiente análisis interactivo y multidimensional, de grandes volúmenes de datos (generalmente históricos) recolectados desde los procesos operacionales. Facilitan la búsqueda de relaciones complejas entre los datos, en forma interactiva y en tiempo real, para descubrir tendencias, patrones de comportamiento (clientes, servicios, alumnos, etc.) y condiciones de excepción, que apoyan los procesos de toma de decisiones. Dentro de estos sistemas encontramos el uso de Bases de Datos Analíticas Multidimensionales, Bodegas de Datos (“Data Warehouses”) y las técnicas de Minería de Datos (“Data Mining”). Los sistemas de gestión del conocimiento KMS apoyan la búsqueda, descubrimiento, generación, administración y comunicación del conocimiento de los procesos internos y externos, para el aprendizaje en la organización y por consiguiente para una mejor toma de decisiones. Antes de describir en más de detalle algunos de estos tipos de sistemas de apoyo a la toma de decisiones, efectuaremos una rápida comparación con los sistemas TPS de procesamiento transaccional.



TPS: Los Sistemas de Procesamiento Transaccional Un sistema de procesamiento transaccional, llamado genéricamente TPS, utiliza algoritmos automatizados para realizar detalladas actividades operacionales de negocio tales como:

- procesamiento de ordenes de compras , de pago y de cancelación - facturación de productos y servicios - control de asistencia, pago de sueldos y salarios - control de inventarios - monitoreo de ventas y comisiones

Los sistemas TPS manejan grandes de volúmenes de datos y deben ser capaces de procesar gran cantidad de transacciones simultáneas en línea, en forma eficiente (tiempos de respuesta en el orden de los segundos) y precisa. Por ejemplo, podemos visualizar la gran cantidad de transacciones diarias en línea que debe realizar un sistema de administración de cuentas corrientes (“débito-crédito”) en un banco. A diferencia de los sistemas de apoyo a la toma de decisiones basados en técnicas OLAP, los sistemas TPS utilizan técnicas de procesamiento OLTP (“On Line Transaction Processing”) que se concentran en el manejo eficiente de grandes volúmenes de datos (generalmente con sistemas administradores de bases de datos - DBMS) y de transacciones en línea. Algunas de las características comunes de los sistemas TPS incluyen:

- automatización de actividades operacionales del día a día del negocio (para reducir costos y aumentar la productividad)

- almacenamiento de datos operacionales (centralizados y distribuidos), acceso concurrente a ellos y gestión de consistencia, integridad, redundancia, y recuperación por medio de sistemas DBMS.

- realización de acciones repetitivas y consistentes sobre los datos almacenados tales como: lecturas, búsquedas, escrituras, eliminaciones, cambios, conversiones y transferencias.

- custodia y protección de los datos en el tiempo - interfaces gráficas de uso simple para los usuarios (clientes y administradores) - complejas carga de datos de inicio de un período de procesamiento

Los TPS incorporan mecanismos de monitoreo y medición para obtener estadísticas de rendimiento tales como: costos por transacción, volúmenes de transacciones por canal y por períodos de tiempo, tiempos de respuesta al cliente, control de inventarios, ciclos de ventas, costos por cliente, costos por empleado, etc. Las bases de datos que generan y administran los TPS constituyen la principal fuente (al interior de la organización) para los mecanismos de búsqueda y análisis de información de los sistemas de apoyo a la toma de decisiones. Tal como vimos en el capítulo dos, la tendencia moderna ha sido la de integrar sistemas TPS en suites de productos estandarizados (con las mejores prácticas de la industria)



llamados ERP (“Enterprise Resource Planning”). Los ERP automatizan e integran conjuntos de procesos internos de la organización, por ejemplo, finanzas, manufacturas, logística de entrada y salida (distribución) recursos humanos y pago de sueldos. Adicionalmente, estos sistemas ERP apoyan la toma de decisiones con herramientas de planificación de procesos, pronósticos, asignaciones, re-abastecimiento, inventario, reportes sobre ventas, perfiles de clientes y tendencias, entre otros. Paralelamente a los ERP, los sistemas SCM (“Supply Chain Management”) intentan integra el proceso completo de abastecimiento (materiales, información y servicios de la logística de entrada, producción y logística de salida) y los sistemas CRM integran los procesos de relación con los clientes. MIS: Los Sistemas de Información Gerencial Los MIS representan una categoría fundamental de SI al interior de las organizaciones: proveen información de apoyo a las decisiones (más estructuradas) operacionales y tácticas. Entregan reportes, gráficos y respuesta a situaciones particulares del día a día, en el nivel táctico y estratégico. Por ejemplo, entregan reportes de ventas diarias y mensuales para el análisis del rendimiento de distintos vendedores y distintos puntos de venta. Usualmente, el tipo de reportes que estos sistemas entregan son los siguientes:

- reportes periódicos, - reportes de excepción (detección de problemas puntuales), - reportes personalizados a pedido, y - reportes “espontáneos” (enviados selectivamente a los administradores)

Se utilizan interfaces gráficas en Web/Intranets, búsquedas en Web, búsquedas y consultas a sistemas de bases de datos corporativas (que se alimentan con sistemas de procesamiento transaccional masivo - TPS), generadores de reportes y aplicaciones de software para la gestión. Si es necesario, la información sobre el entorno organizacional se obtiene de buscadores y bases de datos en Internet y Extranets. DSS: Los Sistemas de Apoyo a la Toma de Decisiones A diferencia de los MIS, los DSS buscan apoyar los procesos de toma de decisiones semi-estructuradas y no estructuradas. Utilizan modelos analíticos, bases de datos especializadas, los criterios y conocimiento de los propios tomadores de decisiones, y sistemas interactivos en Web/Intranets, para entregar respuestas rápidas y ad-hoc en el proceso de toma de decisiones. En la figura 6.5 se muestra una tabla comparativa de sistemas MIS y DSS.



Característica MIS DSS Tipo de apoyo Estadísticas y agregados del

desempeño de la organización

Información y técnicas de toma de decisiones para el análisis de problemas y oportunidades

Frecuencia y tipo de la información

Periódica, de excepción, por demanda, a pedido y en forma espontánea

Consultas y respuestas interactivas y en tiempo real

Formato de la información Formato pre-especificado y fijo

Formato ad-hoc, flexible y adpatable

Metodología de procesamiento de la información

Extracción y manipulación de los datos de los procesos transaccionales a nivel operacional

Información producida por la modelación analítica de los datos operacionales

Figura 6.5: Tabla comparativa de los MIS y DSS Los DSS definen y utilizan modelos matemáticos para definir los criterios de selección de una alternativa de solución. Estos criterios se ven afectados por cuatro dimensiones, a decir: el nivel de conocimiento de los resultados, el nivel de programabilidad del proceso, la especificación de los criterios para las decisiones y el nivel de impacto de las decisiones. Algunos DSS comerciales permiten al usuario definir sus propios modelos de selección. Con respecto al conocimiento de los resultados, se pueden definir los siguientes niveles: certeza, riesgo e incertidumbre. La certeza sobre el resultado indica un conocimiento completo y exacto de lo que produce cada alternativa de solución. El riesgo indica el conocimiento de múltiples resultados para cada alternativa y la probabilidad de ocurrencia de cada resultado. La incertidumbre identifica múltiples consecuencias para cada alternativa, pero no se conocen las probabilidades de resultado para cada una de ellas. En el caso de certeza sobre los resultados, se calcula la alternativa óptima para una cierta función objetivo, por ejemplo: en base al menor costo. 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. En el caso de riesgo, todas las estrategias (alternativas) y resultados (consecuencias de las decisiones) se asumen como conocidos, teniéndose como objetivo, por ejemplo, la maximización de utilidades. Se asume que se conocen las probabilidades de varios estados y se busca una “optimización” del resultado esperado (probabilidad X resultado). Si hay certeza en cuanto a los estados que prevalecerán, simplemente se selecciona la estrategia que provee la mayor utilidad. En el caso de incertidumbre, 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. Por ejemplo, se pueden asignar probabilidades iguales, o minimizar las penas, o utilizar criterios de “maximin” o “maximax”.



El uso de los DSS implica un proceso interactivo de exploración y análisis de las situaciones y sus alternativas de solución. Este proceso generalmente incluye las siguientes actividades: análisis de sensibilidad, análisis “¿Que-Pasa-Si?” y análisis de búsqueda de objetivos. El Análisis de Sensibilidad se refiere al estudio del impacto que el cambio en algunos parámetros del modelo en el DSS produce en los parámetros de salida. Permite conocer la precisión de los resultados del modelo del DSS y la relevancia de algunos datos de entrada. El Análisis “¿Que-Pasa-Si?” pretende realizar predicciones y supuestos respecto a los datos de entrada. Se realizan cambios a las variables y a las relaciones entre ellas y se observan los resultados. En el Análisis de”Búsqueda-de-objetivos” se intenta encontrar el valor de los datos de entrada necesarios para lograr un cierto nivel de resultados. (También conocido como “análisis-hacia-atrás”). Algunos ejemplos de productos comerciales del tipo DSS son: PC/FOCUS, IFPS Personal, Decision-Web, Category Management Solution Suite, RiskAdvisor, Customer Retention System, y especializaciones de SAS y SPSS. EIS: Los Sistemas de Información Ejecutivos (para la planeación) En un nivel de apoyo a las decisiones estratégicas, los EIS (también conocidos como “ESS – Executive Support Systems” y “Enterprise Information Systems”) combinan las mejores características de los MIS con los DSS para entregar a los directivos de más alto nivel en la organización, la información oportuna y necesaria para evaluar los “factores críticos de éxito”, es decir aquellos factores críticos para lograr los objetivos estratégicos. Las interfaces gráficas de estos sistemas se personalizan según las preferencias de los ejecutivos que las utilizan. En la figura 6.6 se muestran las principales características de los EIS. Además de las fuentes tradicionales de información que utilizan los DSS, los EIS intentan extraer información de la correspondencia (en papel y electrónica), memos, diarios (en papel y electrónicos), informes, apuntes de reuniones, etc. También utilizan mecanismos de búsqueda en Internet, sistemas basados en Web/Intranets, y sistemas de apoyo al trabajo grupal (GSS). Debido a su popularidad, los sistemas EIS también han comenzado a utilizarse en el nivel de gestión táctica y operacional.



Características y Capacidades de un EISCaracterísticas y Capacidades de un EIS

Apoya las necesidades de información de los ejecutivos de la “alta gerencia”. Provee acceso directo, rápido y oportuno a información ejecutiva tipo DSS y DWH, junto con análisis de correspondencia, apuntes de reuniones, etc. Fuertes capacidades gráficas, reportes de excepción y búsque-das “top-down” (o “drill-down”) para encontrar más detalles.Depende fuertemente de capacidades de comunicación.Monitoreo, medición y seguimiento de los factores críticos de éxito: indicadores claves de rendimiento.Indicación de status, análisis de tendencias y análisis ad-hoc.Uso de búsquedas en Internet y en Web/Intranets.

Apoya las necesidades de información de los ejecutivos de la “alta gerencia”. Provee acceso directo, rápido y oportuno a información ejecutiva tipo DSS y DWH, junto con análisis de correspondencia, apuntes de reuniones, etc. Fuertes capacidades gráficas, reportes de excepción y búsque-das “top-down” (o “drill-down”) para encontrar más detalles.Depende fuertemente de capacidades de comunicación.Monitoreo, medición y seguimiento de los factores críticos de éxito: indicadores claves de rendimiento.Indicación de status, análisis de tendencias y análisis ad-hoc.Uso de búsquedas en Internet y en Web/Intranets.

Figura 6.6: Características y capacidades de los EIS

6.4 OLAP: Las Técnicas de Procesamiento Analítico Las técnicas de procesamiento analítico OLAP (“OnLine Analytical Processing”) nacen como una respuesta a las crecientes necesidades de las organizaciones para obtener respuestas rápidas de información en su búsqueda de estrategias competitivas en ambientes dinámicos de economía globalizada. Estas técnicas son utilizadas por los MIS, DSS y EIS para examinar, manipular e interrogar desde diferentes perspectiva, dinámica e interactivamente, grandes cantidades de datos principalmente históricos. El procesamiento OLAP se realiza sobre bases de datos corporativas (construidas para almacenar y organizar los datos operacionales de los sistemas transaccionales (TPS)), sobre bodegas de datos (DWH - “data warehouses”) y sobre bases de datos analíticas. El procesamiento OLAP de una base de datos analítica incluye varios tipos de actividades, siendo las más conocidas el consolidar, el perforar (“drill down”) y el rebanar (“slice & dice”). La “consolidación” OLAP se refiere a la agrupación o integración de datos interrelacionados. Por ejemplo, se podrían agrupar las ventas por el nivel socio-económico de los clientes, o por ubicación geográfica (comunas y/o ciudades). Se podrían agrupar los resultados de las evaluaciones educativas de los colegios por nivel socio-económico, tipo estatal/privado, por ubicación geográfica o por tipos de materias (ciencias, humanistas, etc.). La “perforación” OLAP hace el camino opuesto de la “consolidación”, mostrando casos específicos desde resultados consolidados. Por ejemplo, el resultado particular de una



escuela en el contexto de un resultado consolidado del sistema educativo. La actividad de “rebanar” se refiere a la capacidad de ver la base de datos desde diversas perspectivas, en un cierto período de tiempo. Por ejemplo, la variación de los resultados de la evaluación educativa en una zona geográfica para un determinado grupo socio-económico de estudiantes, en los últimos diez años. Una bodega de datos (DWH) almacena datos históricos (del período presente y de anteriores), los cuales han sido extraídos (filtrados, transformados, estandarizados e integrados) desde diversas bases de datos corporativas (operacionales), para poder ser analizados en los procesos de toma de decisiones que apoyan los MIS, DSS y EIS, sin alterar la normal operación de los procesos de negocio. Estas bodegas de datos son sólo de lectura (no modificables) y se pueden subdividir en bodegas de datos locales (“data marts”) con datos específicos sobre ciertas áreas del negocio. Por ejemplo, se puede construir un “data mart” con datos históricos de los procesos de contabilidad y finanzas y otro con datos de mercadeo y clientes. En la figura 6.7 se presenta la arquitectura básica de un DWH.

Arquitectura de un Data Warehouse:Arquitectura de un Data Warehouse:

Bodega de datosCorporativa

FuenteTransformación &

Integración

Sistemas operacionales

Bodegadatos local

Bodegadatos local

Software de Apoyo a laToma de Decisiones

Figura 6.7: Arquitectura de un Data Warehouse

En la figura 6.8 se ilustran las funciones de una bodega de datos. El principal procesamiento que se realiza sobre un DWH es el llamado de “minería de datos”, el cual busca identificar factores y tendencias claves en patrones históricos de actividades de negocio, para poder tomar decisiones sobre cambios estratégicos que permitan ventajas competitivas. Por ejemplo, se puede descubrir desde una DWH de datos históricos de ventas y clientes de un supermercado, que los pañales se compran junto con algún otro



producto alimenticio especial (e. g, un queso gourmet) para el padre que es enviado a cumplir con esta “ingrata” tarea. Por lo tanto se podría aumentar la venta de pañales si es que se disponen de esos productos especiales que no son tan relevantes por sí solos.

Funciones de un Data Warehouse:Funciones de un Data Warehouse:

Recolectar datos de varias aplicaciones dentro de los sistemas a nivel operacional.

Integrar dichos datos en un modelo lógico de áreas temáticas empresariales. Esta integración requiere que los datos sean transformados en formatos de medición, referencia y almacenamiento comunes, de modo que sean útiles.

Almacenar los datos de manera que sean accesibles y comprensibles para los usuarios (en forma no volátil: no quedan sujetos a los cambios de los sistemas operacionales.)

Suministrar la información a los encargados de la toma de decisiones (táctico estratégicas), a través de herramientas de consulta y generación de informes. Se producen secuencias de informaciónorganizacional que suceden a intervalos de tiempo definidos (procesos de negocios).

Recolectar datos de varias aplicaciones dentro de los sistemas a nivel operacional.

Integrar dichos datos en un modelo lógico de áreas temáticas empresariales. Esta integración requiere que los datos sean transformados en formatos de medición, referencia y almacenamiento comunes, de modo que sean útiles.

Almacenar los datos de manera que sean accesibles y comprensibles para los usuarios (en forma no volátil: no quedan sujetos a los cambios de los sistemas operacionales.)

Suministrar la información a los encargados de la toma de decisiones (táctico estratégicas), a través de herramientas de consulta y generación de informes. Se producen secuencias de informaciónorganizacional que suceden a intervalos de tiempo definidos (procesos de negocios).

Figura 6.8: Principales funciones de un Data Warehouse

Se puede considerar la minería de datos como un paso esencial dentro del llamado proceso de “descubrimiento de conocimiento” en bodegas de datos, el cual consiste de los siguientes pasos iterativos:

- limpieza de datos (para eliminar “ruido” e inconsistencias) - integración de datos (para combinar y compatibilizar múltiples fuentes de datos) - selección de datos (para identificar los datos relevantes, dados los objetivos del

análisis) - transformación de datos (consolidación de los datos, que vienen de distintas y

variadas fuentes, en un formato común y compatible) - minería de datos (aplicación de métodos “inteligentes” para descubrir relaciones,

patrones y tendencias) - evaluación de patrones (para identificar las relaciones, patrones y tendencias más

relevantes o significativas en el contexto de los índices de medición y objetivos propuestos)

- presentación del conocimiento (técnicas de visualización y representación para presentar al usuario (tomador de decisiones) el conocimiento extraído)



Pero la minería de datos no sólo se refiere a productos de software para la generación del conocimiento, sino que también a la clara definición del contexto de los objetivos del negocio en que se realizarán las búsquedas y análisis de relaciones, junto con el diseño de un ambiente de aprendizaje. Dicho ambiente de aprendizaje constituye un plan específico de descubrimiento y creatividad, con preguntas tales como:

- quienes son mis clientes y como se comportan; - quienes son mis clientes más valiosos o importantes; - cuales son los productos o servicios que mis mejores clientes necesitarán en el

futuro; - como debo segmentar mi posición en el mercado y que relación tiene dicha

segmentación con mis resultados de ventas ; - como, cuando y donde debo comunicar a mis clientes las promociones, descuentos y

novedades; - como debo segmentar a mis clientes; etc.

Como ejemplo, podemos mencionar el sistema “Consultor de Mercado” de MasterCard International ([Freeman1997]) que utiliza una bodega de datos para que sus clientes puedan realizar procesamientos OLAP y minería de datos de transacciones y ventas, en forma interactiva y en tiempo real. Acumula datos transacciones por períodos de un año, los cuales se pueden examinar, consolidar, perforar y rebanar con interfaces gráficas y alertas para condiciones de excepción definidas por los propios clientes. Oto ejemplo es el DWH desarrollado por Oracle, EMC e IBM para British Telecommunications (BT) que administra del orden de 100 billones de registros de transacciones de 35 millones de clientes, en sistemas de almacenamiento EMC de 82 Terabytes de capacidad . Con este sistema, BT puede analizar el comportamiento y necesidades de sus clientes, para así intentar ganar ventajas competitivas en un mercado tremendamente competitivo y cambiante.



6.5 Resumen y Conclusiones Hemos visto en este capítulo que los sistemas de información (SI) pueden apoyar los toma de decisiones en los niveles de gestión operacional, táctica y estratégica. Dado que a nivel estratégico las decisiones siguen procesos sin estructuración aparente, los EIS y DSS basados en OLAP y DWH intentan apoyar las heurísticas de los tomadores de decisión, en forma simple, dinámica, flexible y en tiempo real. A nivel de gestión operacional los procesos de decisión tienden a ser más estructurados y simples de modelar con sistemas de información. En el nivel de gestión táctica encontramos un amplio espectro de decisiones semi-estructuradas que pueden ser apoyadas por sistemas MIS y DSS. La construcción de una bodega de datos constituye la base de la llamada “inteligencia del negocio” para una organización en continuo aprendizaje. Desde dicha bodega de datos se puede obtener (con diversas técnicas de análisis y de minería de datos) el conocimiento de los patrones de comportamiento y tendencias del mercado, de los clientes, de los procesos del negocio y de los empleados, que permitan apoyar la toma de decisiones para definir estrategias y obtener ventajas competitivas. Referencias del Módulo 6 [Beynon2002] P. Beynon-Davies, “Information Systems: An Introduction to Informatics in Organizations”, Palgrave, New York, 2002. Cap. 6. [Freeman1997] E. Freeman, “Birth of a Terabyte Data Warehouse”, Datamation , Abril 1997. [Han2001] J. Laube, M. Kamber, "Data Mining - Concepts and Techniques”", Morgan Kaufmann Publishers, Academic Press, 2001. [Laube2003] D. R. Laube, R. F. Zammuto, Editores, "Business Driven Information Technology”", Stanford University Press, 2003. Cap. 2. [O’Brien2004] J.A. O'Brien, " Management Information Systems: Managing Information Technology in the Internetworked Enterprise", 6ª ed., McGraw Hill, 2004. Cap. 11. [Simon1960] H. Simon, “The New Science of Management Decisions”, Harper & Row, New York, 1960.



Humor del Módulo 6

Desarrollo de un sistema de información ejecutivo

sistemas de informacion de apoyo a la toma de decisiones

Documents