MDULO 4 SISTEMAS DE APOYO PARA LA TOMA

MÓDULO 4 SISTEMAS DE APOYO PARA LA TOMA DE DECISIONES Clase 2 Profesor: Nelson Baloian

Decision Support System (DSS) Modelos, Herramientas cognitivas y la Toma de decisiones

Resumen âQué es un modelo âUsando modelos en DSS âPensamiento enfocado en el valor (value focused thinking)

“All decisions are based on models… and all models are wrong. ” John D. Stearman

“All models are wrong, but some are useful. ” George Box

Por qué es difícil tomar decisiones â Hay problemas en varias de las etapas de GOOD-D â Goal » desacuerdo sobre lo que se debe lograr » objetivos encontrados (competitivos) » desacuerdo sobre la importancia relativa de los objetivos â Options » Falta de conocimiento en las opciones » Muchas opciones a ser comparadas â Outcomes » Incerteza acerca de los resultados » Desacuerdo acerca de los resultados posibles â Deciding » Proceso de decisión engorroso, complejo o desestructurado » Políticas en el proceso de decisión » No hay alguien con autoridad para decidir (o muchas personas!!) â Do It! » Falta de un proceso efectivo » Incapacidad de llegar a consensos » Necesidad de coordinar muchos actores » Inercia organizacional

Modelos â Un modelo es una representación de un sistema que puede ser usado para responder preguntas acerca del sistema â Los modelos se construyen de: » Datos anteriores del sistema » Datos anteriores relacionados con el sistema » Juicios de expertos en la materia » Juicios de constructores de modelos experimentados

Modelos en la Ingeniería â Para diseñar un sistema los ingenieros: » Construyen un modelo que represente el sistema que desean diseñar » Manipulan el modelo » Usando el comportamiento del modelo: • Predicen el comportamiento del sistema • Evalúan y comparan opciones de diseño alternativas â Tipos de representación » Física » Matemática » Computacional » Verbal

Ejemplos â Túnel de viento y aviones â Diseño CAD de un puente â Simulación computacional del flujo del tráfico en caminos â Programación lineal para panificación de inventarios â Un filtro bayesyano de spam â Que otros ejemplos ? â Cómo ha revolucionado la computación la forma de modelar ?

Observación Representación Mundo real Acción

Realidad y representación â Elementos de una representación » Realidad a representar » Posibles representaciones » Correspondencia entre los aspectos de la realidad y las características de la representación â Consideraciones importantes » Quién usará la representación » Para qué propósitos » Como medir cuan buena es la representación â DSS usa representaciones en dos niveles » A nivel de objeto: tomadores de decisiones usan un modelo para representar el problema de decisión » Nivel Meta: el diseño DSS está basado en una representación del proceso de decisión y cómo los tomadores de decisión representan la decisión

Teoría de decisión: Modelos de decisión â Goal » La descomposición jerárquica de los objetivos representa la estructura del modelo de decisión â Options » Para problemas simples las opciones pueden ser compiladas en una lista » Para problemas complejos se debe representar el espacio de decisiones â Outcomes » Características (variables), causa-efecto, relaciones, dependencias representan la estructura del espacio de resultados » Probabilidades cuantifican las posibilidades de los diferentes resultados â Deciding » La teoría de la decisión recomienda la opción con la máxima utilidad esperada » Es la respuesta correcta ? Por qué no ? â Do It! » El valor de la decisión depende de una efectiva implementación !

Representando la toma de decisiones â GOOD-D es una buena representación verbal de los elementos de una decisión » Es nemotécnica » Pero muy general para un problema específico â Terminología alternativa: » Goal: objetivo, medición de efectividad, requerimiento, beneficio, costo, pérdida, penalización » Options: espacio de soluciones, región de viabilidad, alternativas de diseño, opciones, cursos de acción » Outcomes: consecuencias, resultados, estados, trayectoria observaciones â La mayoría de los enfoques de toma de decisiones » Descomponen el problema en elementos de GOOD-D (o algo similar) » Ayudan a los tomadores de decisión a identificar opciones cuyos resultados se espera sean convenientes para los tomadores de decisión

Personas y modelos de Toma de Decisión â Las personas son buenas para » Identificar qué objetivos son imperantes » Identificar características relevantes » Identificar las relaciones entre las características y los objetivos » Generar opciones â La personas necesitan ayuda en » Enfrentar ideas pre-concebidas y convenciones establecidas » Integrar un gran número de factores » Integrar información numérica y estadística con elementos de juicio » Tareas de contabilidad tediosas » Coordinar múltiples actores â Para ser efectivos, los modelos deben establecer una base lógica entendible para las recomendaciones

Herramientas Cognitivas â No nos vamos a embarcar en un proyecto de construcción sin tener las herramientas físicas adecuadas â No debemos tomar decisiones importantes sin herramientas cognitivas efectivas â Un DSS efectivo provee las herramientas para: » Estructurar el problema » incorporación de los juicios humanos como input » Organizar y mostrar datos relevantes » Consolidar inputs para producir • Predicciones y resultados para las opciones generadas • Recomendaciones de opciones para ser consideradas » Entender las fortalezas y debilidades de las opciones » Seleccionar una solución » Justificar la opción tomada » Implementarla

“A theory should be as simple as possible, but no simpler. ” -A. Einstein

Modelamiento Exploratorio o Consolidativo â El modelamiento Consolidativo usa el modelo como un reemplazo del sistema » Consolida hechos conocidos acerca del sistema » Para propósitos de análisis el modelo representa adecuadamente al sistema â El modelamiento exploratorio explora como se portaría el mundo si diferentes hipótesis son correctas » Muchos detalles y mecanismos del sistema son inciertos » El modelo no es una imagen confiable del mundo real » Hay escasez de datos que representen “verdades básicas” para evaluar el modelo â Modelamiento exploratorio y consolidativo difieren en » Propósito del modelo » metodología

Ejemplos de modelos Consolidativos y Exploratorios â Consolidativos » Análisis de una estructura para ver cómo soporta la carga » … » … â Exploratorios » Crecimiento económico el próximo año » … » …

Metas de los modelos Exploratorios â Identificar un ensamble de modelos y supuestos de modelamiento plausibles â Identificar el rango de los resultados predichos por los modelos plausibles bajo supuestos plausibles â Identificar las relaciones entre los supuestos de modelamiento y los resultados del modelo â Encontrar supuestos que tengan un impacto grande en los resultados del modelo â Identificar predicciones que son robustas bajo los diferentes conjuntos de supuestos

Modelos Exploratorios y Decision Making (DM) â Modelos Consolidativos pueden ser usados como subsistemas o partes del problema â Modelos exploratorios podrían ser usados para subsistemas o subproblemas para los cuales no hay modelos consolidativos â Los diferentes actores involucrados pueden tener diferentes creencias o preferencias

Errores de los modelos exploratorios â Tratar modelos exploratorios como si fueran consolidativos » Aceptar los resultados del modelo como si fueran verdades » No poner en duda los supuestos » No hacer análisis de sensibilidad ni diagnóstico del modelo â Enfocarse mucho en partes del problema para los cuales existen modelos consolidativos

Cómo usar modelos exploratorios â Como argumento para política de opciones » Cuando se puede argumentar que el modelo difiere de la realidad de una manera que favorece aún más la opción en cuestión » Cuando poner en duda los supuestos de modelamiento no cambian la recomendación â Como un dispositivo de comunicación » Ilustra las relaciones entre supuestos y conclusiones » Facilita la argumentación “que pasa si…” » Aclara algunas ideas del problema » Ayuda a focalizar la discusión entre los distintos involucrados • Focalizar áreas de acuerdo y desacuerdo • Evita argumentaciones contraproducentes sobre quien tiene la razón â Como registro de lo que se hizo

Modelos y análisis de sensibilidad â Idea básica de análisis de sensibilidad » Variar los supuestos y parámetros del modelo » Examinar como cambian las conclusiones » Evaluar la robustez de las conclusiones frente a los cambios en el modelo â Usando análisis de sensibilidad en DSS » Calculando variaciones en el modelo • Enfoques analíticos • Simulación, enfoques numéricos • Variaciones en un parámetro, varios parámetros » Mostrando los resultados • Tablas, gráficos » Efectos de la variación del modelo en las recomendaciones

Value focused Thinking (qué tiene valor para DM) â Alternative focused thinking » Percibir el problema y comenzar a solucionarlo » Listar soluciones alternativas » Compararlas » Elegir â Value focused thinking » Enfocar la solución según los valores de los Decision Makers (DM) » Generar alternativas basadas en los valores de los DM » Escoger la alternativa que más se adecua a los valores de los DM

Ventajas de value thinking

Identificando valores Interactuar con los DM Obtener feedback por medio del desarrollo de DSS Los valores son fijados por los objetivos 3 características de los objetivos » (1) Decision Context » (2) Object » (3) Direction of Preference â Ex: Compañía forestal quiere minimizar los impactos ambientales » (1) Decision Context – talas árboles » (2) Object – Impacto ambiental » (3) Direction of Preference – Mínimo es mejor â â

Técnicas para obtener valores â (1) Hacer una “Wish List” â (2) Comparar & contrastar alternativas â (3) Identificar problemas y deficiencias â (4) Predecir resultados & consecuencias â (5) Examinar objetivos, constraints, guidelines â (6) Adoptar diferentes perspectivas â (7) Considerar objetivos estratégicos â (8) Enumerar objetivos genéricos â (9) Estructurar objetivos â (10) Cuantificar objetivos

Value focused Thinking, Modelos y DSS â Decision support debe enfocarse en ayudar a los DM a identificar y seleccionar alternativas que sirvan a los valores â DSS puede apoyar a » Identificar y estructurar valores » Incorporar valores apropiadamente en los modelos de decisión » Generar alternativas que puedan servir a los valores » Comparar alternativas en dimensiones claves para los valores

Comunicando los resultados del modelo â “porque el modelo dice así” no es una buena justificación para una decisión â El DM es el finalmente responsable de la decisión â El reto: comunicar al tomador de la decisión: » Qué recomienda el modelo » Por qué el modelo recomienda eso » Cuales son los supuestos subyacentes » Cuál es la sensibilidad para • Cambios en los valores de los parámetros • Violaciones en los supuestos estructurales â Una comunicación efectiva puede ser más difícil que construir el modelo