3.1 Características generales Teoría de Decisiones La Teoría de la Decisión trata del estudio de los procesos de toma de decisiones desde una perspectiva racional. En cuanto a decisión se refiere, existen dos enfoques sobresalientes: La teorí teoría a de la elecci elección ón racio racional nal (Simon (Simon: : desde desde una perspe perspecti ctiva va descr descript iptiva iva,, nos nos cuenta cuenta cómo cómo son son los proce procesos sos deciso decisorio rioss en las or!ani"aciones. Los #ombres aplican su propia racionalidad limitada por su sin!ular visión de la realidad. La teoría de la decisión: es una metodolo!ía prescriptiva o normativa que que indi indica ca cómo cómo se debe debe deci decidi dirr para para ser ser cons consec ecue uent ntes es con con los los ob$etivos, preferencias % ciertos principios impuestos por la teoría. (&ómo se debe decidir, pero no que decidir. La teoría de la decisión es prescriptiva porque obli!a al TD a proceder de una determinada manera si quiere ser co#erente con las premisas definidas. La teoría de la decisión es sub$etiva porque, al prescribir, tiene en cuenta las preferencias, las valoraciones, las vivencias % la visión del TD. La teoría de decisiones se ocupa de decisiones contra la naturale"a. Esta fase se refiere a una situación donde el resultado (rendimiento de una una deci decisi sión ón indi indivi vidu dual al depe depend nde e de la acci acción ón de otro otro a!en a!ente te (naturale"a sobre el cual no se tiene control. Es importante observar
1
que en este modelo los rendimientos afectan 'nicamente a quien toma la decisión. la naturale"a no le importa cual es el resultado. Elementos de un Proceso de Decisión El decisor (TD: Es el encar!ado de reali"ar la selección de alternativas de la me$or manera, en función de sus ob$etivos Las alternativas o cursos de acción: son las diferentes formas de actuar posibles: el TD deber) seleccionar una de ellas. Es importante tener en cuenta que estas alternativas deben ser exclu%entes entre sí. Los estados de la naturale"a: son las variables no controlables por el TD. Son eventos futuros que influ%en en el proceso de decisión, pero que no pueden ser controladas ni previstas, en su comportamiento, por el TD. Los resultados: es lo que se obtiene ante la selección (la opción de una alternativa determinada cuando se presenta uno de los posibles estados de la naturale"a. La tabla de pa!os (o tablas de decisión: sirven para tratar muc#os problemas de decisión % poseen los si!uientes elementos: * Los diferentes estados de la naturale"a s$ (s+, s,-, sn.
* Las distintas alternativas o cursos de acción, entre los cuales el TD deber) seleccionar uno a$ (a+, a, -, am.
2
* Los resultados i$ que sur!en de la elección de la alternativa ai cuando se presenta el estado s$
* El criterio de decisión: es la especificación de un procedimiento para identificar la me$or alternativa en un problema de decisión.
La descripción de los diferentes criterios de decisión que proporcionan la opción óptima ser) reali"ada de acuerdo con el conocimiento que posea el TD acerca de los estados de la naturale"a, es decir, atendiendo a la clasificación de los procesos de decisión: certidumbre, ries!o e incertidumbre
Etapas del Proceso Decisorio +. El TD debe identificar la existencia de un problema % poder definirlo. . El TD debe recopilar m)s información acerca del problema. /. El TD debe poder especificar los ob$etivos. La decisión se basa en seleccionar la me$or alternativa en función de ciertos ob$etivos. 0. El TD debe elaborar un modelo que describa el problema. 1. El TD debe !enerar soluciones alternativas al problema % evaluarlas en función de sus preferencias (an)lisis cualitativo % an)lisis cuantitativo. 2. El TD debe determinar el criterio de decisión que optimice la situación. 3
3. El TD debe predecir las consecuencias de cada actuación. 4. El TD debe establecer un sistema de preferencias. Tiene que reali"ar una valoración de las consecuencias de acuerdo con una escala de bondad o deseabilidad. 5. El TD debe ele!ir entre las soluciones alternativas. Es necesario que seleccione un curso de acción. Esta elección debe darse mediante un criterio de decisión adecuado. +6.
El TD debe poner en pr)ctica la solución seleccionada %
evaluar los resultados. Lo que modifica el universo, es la acción derivada de la decisión
Clasificación de los Procesos de Decisión Se!'n las características del contexto, podemos decir que el proceso de decisión se reali"a ba$o certidumbre, ba$o ries!o o ba$o incertidumbre. En función de esta distinción podemos identificar tres !randes !rupos: Decisiones 7o Estructuradas: este tipo de decisiones se toman cuando estamos en un contexto de incertidumbre total % se cuenta con mu% poca información. Son, principalmente, decisiones políticas % estrat8!icas. Se requiere de un alto poder de ne!ociación Decisiones 9oco Estructuradas: este tipo de decisiones se toman cuando estamos en un contexto intermedio, es decir, no nos encontramos en certe"a ni en incertidumbre total.
4
Decisiones Estructuradas: este tipo de decisiones se toman cuando estamos en un contexto de casicerte"a, donde existe poca comple$idad. La ma%oría de estas situaciones son abarcadas por los ;8todos de
3.2 Criterios de decisión Determinísticos y Probabilísticas
El conocimiento es lo que sabemos. La información es la comunicación
de
conocimientos.
En
cada
intercambio
de
conocimientos, #a% un remitente % un receptor. El remitente #ace com'n lo que es privado, #ace la información, la comunicación. La información se puede clasificar como formas explícitas % t)citas. La información explícita se puede explicar de forma estructurada, mientras que la información t)cita es inconsistente e imprecisa de explicar. Los datos son conocidos como información cruda % no como conocimientos en sí. La secuencia que va desde los datos #asta el conocimiento es (observe el si!uiente cuadro: de los Datos (Data a la ec#os (?acts, % finalmente, de los >ec#os (?acts al &onocimiento (@noAled!e . Los datos se convierten en información, cuando se #acen relevantes para la toma de decisión a un problema. La información se convierte en #ec#o, cuando es respaldada por los datos. Los #ec#os son lo que los datos revelan. 5
Sin embar!o el conocimiento instrumental es expresado $unto con un cierto !rado estadístico de confian"a (!l. Los #ec#os se convierten en conocimiento, cuando son utili"ados en la complementación exitosa de un proceso de decisión. Bna ve" que se ten!a una cantidad masiva de #ec#os inte!rados como conocimiento, entonces su mente ser) sobre#umana en el mismo sentido en que, con la escritura, la #umanidad es sobre#umana comparada a la #umanidad antes de escribir. La fi!ura si!uiente ilustra el proceso de ra"onamiento estadístico basado en datos para construir los modelos estadísticos para la toma de decisión ba$o incertidumbre.
De donde: Level of Exactness of Statistical ;odel C 7ivel de Exactitud del ;odelo Estadístico. Level of improvements on decisión main! C 7ivel de ;e$oramiento en la Toma de Decisiones
6
La fi!ura anterior representa el #ec#o que a medida que la exactitud de un modelo estadístico aumenta, el nivel de me$oramiento en la toma de decisión aumenta. Esta es la ra"ón del porqu8 necesitamos la estadística de ne!ocio. La estadística se creo por la necesidad de poner conocimiento en una base sistem)tica de la evidencia. Esto requirió un estudio de las le%es de la probabilidad, del desarrollo de las propiedades de medición, relación de datos. La inferencia estadística intenta determinar si al!una si!nificancia estadística puede ser ad$unta lue!o que se permita una variación aleatoria como fuente de error. Bna inteli!ente % crítica inferencia no puede ser #ec#a por aquellos que no entiendan el propósito, las condiciones, % la aplicabilidad de las de diversas t8cnicas para $u"!ar el si!nificado. &onsiderando el ambiente de la incertidumbre, la posibilidad de que las
buenas
decisionesF
sean
tomadas
incrementa
con
la
disponibilidad de la buena informaciónF. El c#ance de la disponibilidad de la buena informaciónF incrementa con el nivel de estructuración del proceso de Dirección de &onocimiento. La fi!ura anterior tambi8n ilustra el #ec#o que mientras la exactitud de un modelo estadístico aumenta, el nivel de me$ora en la toma de decisiones aumenta. El conocimiento es m)s que simplemente saber al!o t8cnico. por e$emplo, crea el softAare estadístico que es 'til, m)s bien que t8cnicamente brillante.
7
9roceso de Toma de Decisiones Estadísticas diferencia de los procesos de toma de decisiones determinísticas tal como, optimi"ación lineal resuelto mediante sistema de ecuaciones, sistemas param8tricos de ecuaciones % en la toma de decisión ba$o pura incertidumbre, las variables son normalmente m)s numerosas % por lo tanto m)s difíciles de medir % controlar. Sin embar!o, los pasos para resolverlos son los mismos. Estos son: +. Simplificar . &onstruir un modelo de decisión /. 9robar el modelo 0. Bsando el modelo para encontrar soluciones: El modelo es una representación simplificada de la situación real 7o necesita estar completo o exacto en todas las relaciones Se concentra en las relaciones fundamentales e i!nora las irrelevantes. Los m8todos probabilísticos % estadísticos para el an)lisis de toma de decisiones ba$o incertidumbre son m)s numerosos % muc#o m)s poderosos que nunca. Las computadoras #acen disponible muc#os usos pr)cticos. l!unos de los e$emplos de aplicaciones para ne!ocios son los si!uientes: •
Bn auditor puede utili"ar t8cnicas de muestreo aleatorio para auditar las cuentas por cobrar de un cliente.
8
•
Bn !erente de planta puede utili"ar t8cnicas estadísticas de control de calidad para ase!urar la calidad de los productos con mínima inspección % menor n'mero de pruebas.
;8todo para tomar decisiones determinanticas con m'ltiples opciones % ob$etivos 9ara resolver dis%untivas Gesto es, para decidir ante dos opciones Hen$amín ?ranlin escribía en un papel los factores que favorecían a una % otra, separados por una línea vertical. Lue!o buscaba en ambos lados, factores o !rupos de factores que tuviesen Gse!'n su apreciación i!ual peso, % los eliminaba. sí iba simplificando el problema #asta que los elementos no tac#ados indicaran el predominio de una opción. El procedimiento consiste en eliminar alternadamente opciones % ob$etivos. 9ara ello se aplican dos principios ló!icos irrebatibles: a Iue si una opción J es superior a una opción K en un ob$etivo % no es inferior a esta en nin!uno de los restantes (condición llamada de Dominio bsoluto, entonces la opción K se puede descartar &rear una Tabla De &onsecuencias Bna Tabla de &onsecuencias representa en cada línea un ob$etivo % en cada columna una opción o candidato. Las intersecciones son G naturalmente las calificaciones de los ob$etivos para cada candidato. Se ver) me$or a trav8s de un e$emplo: supon!amos que uan quiere encontrar traba$o % sus ob$etivos son: 9
- Sueldo - ?lexibilidad de >orario - 9restaciones (como Salud, atención dental, etc. - Distancia desde su casa % - Macaciones
El sueldo se medir) en miles de pesos, la flexibilidad de #orario en lta (, ;ediana (;, o 7ula (7, la calidad % cantidad de prestaciones, mediante una nota de + a 3, la distancia, en cantidad de @ilómetros % las vacaciones, en Días #)biles por aNo. 9or otra parte, supondremos que %a tiene cinco ofertas: , H, &, D % E. Supon!amos, adem)s, que una ve" #ec#a la evaluación de cada ob$etivo individual, para cada oferta, se obtuvo la si!uiente Tabla de &onsecuencias: Tabla de &onsecuencias de uan =b$etivo
H
&
D
E
Sueldo
166
266
366
116
016
?lexibilidad
;
7
7
;
9restaciones 2
1
1
2
0
Distancia
6
+6
4
+
3
Macaciones
+1
6
+5
+1
+1
10
En la tabla se puede apreciar que la opción D tiene dominio bsoluto sobre la opción , %a que el sueldo es m)s alto (116 contra 166 % es i!ual o superior en los ob$etivos restantes. Bna ve" eliminada , la tabla queda: Tabla de &onsecuencias de uan =b$etivo
H
&
D
E
Sueldo
266
366
116
016
?lexibilidad
7
7
;
9restaciones 1
1
2
0
Distancia
+6
4
+
3
Macaciones
6
+5
+1
+1
veces no es f)cil identificar situaciones de dominio por la sola observación de la tabla de consecuencias. En tal caso se puede recurrir a una Tabla de &lasificación, la que Gen lu!ar de desple!ar los valores muestra la ubicación relativa de cada opción en cada uno de los ob$etivos. En el caso de uan, la Tabla de &lasificación quedaría:
Tabla de &lasificación de uan =b$etivo
H
&
D
E 11
Sueldo
+
/
0
?lexibilidad
/ (e
/ (e
+
9restaciones ( e
(e
+
0
Distancia
+
/
0
Macaciones
+
/ (e
/ (e
Donde el símbolo (e si!nifica empate. Se aprecia que %a no existen situaciones de dominio absoluto, pero la opción & es superior a la H en casi todos los ob$etivos, excepto en el de las vacaciones (donde pierde por sólo un día. quí, por supuesto, entra a tallar el criterio del decisor: ese día de vacaciones Oes tan importante como la diferencia en el sueldo o la ma%or distanciaP &reemos que para la ma%oría probablemente val!a m)s que la diferencia en distancia ( m. pero difícilmente puede compensar los cien mil pesos de ma%or sueldo que se obtienen con &. Se dice, en este caso, que & tiene Dominio elativo sobre H, circunstancia que permite eliminar a esta 'ltima.
Bna ve" descartada H, la tabla de consecuencias queda: Tabla de &onsecuencias de uan =b$etivo
&
D
E
Sueldo
366
116
016 12
?lexibilidad
7
;
9restaciones 1
2
0
Distancia
4
+
3
Macaciones
+5
+1
+1
3.3 V!"# DE ! $%&"#'C$(% PE#&ECT Si se pudiera contar con un predictor perfecto, se podría seleccionar por anticipado el curso de acción óptimo correspondiente a cada evento pronosticado. 9onderando la utilidad correspondiente a cada curso de acción óptimo por la probabilidad de ocurrencia de cada evento se obtiene la utilidad esperada contando con información perfecta (BE<9. El ME<9 es la diferencia entre BE<9 % ME. efle$a el aumento en la utilidad esperada a partir de contar con un mecanismo de predicción perfecto.
<7TE9ET&
El ME<9 tambi8n da una medida de las oportunidades perdidas. Si el ME<9 es !rande, es una seNal para que quien toma la decisión busque otra alternativa que no se #a%a considerado #asta el momento
14
