Reseña

Un enfoque progresivo del modelado es esencial en el proceso de toma de decisiones. Este enfoque involucra a dos partes clave: quien toma las decisiones y quien construye el modelo, a quien a menudo se le llama analista. El analista juega un papel crucial al ayudar a quien toma las decisiones durante todo el proceso de toma de decisiones. Para cumplir eficazmente este papel, el analista debe poseer algo más que un conjunto de métodos analíticos; también deben poseer una comprensión integral del proceso de toma de decisiones. El análisis de decisiones ofrece una herramienta valiosa para quienes toman decisiones en una amplia gama de campos, incluidos ingenieros, planificadores, agencias públicas, gerentes de proyectos, analistas financieros y expertos en diversas disciplinas médicas y tecnológicas.

Su soporte cuantitativo permite a estos profesionales tomar decisiones informadas en sus respectivas áreas de especialización. En el campo de la construcción de modelos, los expertos a menudo se sienten atraídos por investigar a fondo un problema antes de retirarse a sus propias mentes para construir un modelo matemático para que lo utilice el gerente o la persona que toma las decisiones, surge un desafío importante cuando el gerente carece de una comprensión completa de las complejidades del modelo. Esto podría dar como resultado que el gerente implemente ciegamente el modelo sin comprender sus principios subyacentes o lo rechace rotundamente. Esta desconexión entre el especialista y el gerente a veces puede generar una sensación de frustración en ambas partes. El especialista puede percibir que el gerente está alarmantemente desinformado y carente de sofisticación al intentar evaluar el modelo, mientras que el gerente puede considerar que el especialista habita en un mundo de suposiciones poco prácticas y utiliza una jerga matemática compleja que parece irrelevante para el escenario del mundo real en cuestión.

Estos desafíos de malentendidos y comunicación ineficaz pueden evitarse si el gerente colabora estrechamente con el especialista en el desarrollo de un modelo básico que ofrezca un análisis aproximado pero comprensible. Una vez que el gerente se sienta cómodo con el modelo, se pueden incorporar gradualmente y con cautela más detalles y una mayor sofisticación. Este procedimiento exige la inversión de tiempo del administrador y el compromiso genuino del analista para resolver los problemas reales del administrador, en lugar de intentar crear y explicar modelos excesivamente complejos. Esta construcción gradual del modelo, a menudo conocida como enfoque de arranque, es el determinante clave de un modelo de decisión de implementación exitoso, el enfoque de arranque simplifica las complejidades involucradas en la validación y verificación del modelo. Un sistema puede definirse como un conjunto de componentes interconectados que funcionan juntos de manera coordinada para lograr un objetivo específico. Es la interdependencia y la interacción entre estos componentes lo que en última instancia determina el funcionamiento general y el propósito del sistema. En consecuencia, las relaciones y conexiones dentro del sistema suelen tener mayor importancia que los componentes individuales por sí solos. Además, cuando los sistemas se construyen combinando unidades o subsistemas más pequeños, se les denomina subsistemas dentro del sistema más grande. La dinámica de un sistema: un sistema que permanece sin cambios se considera estático o determinista. Sin embargo, la mayoría de los sistemas que encontramos son de naturaleza dinámica, lo que significa que sufren cambios con el tiempo, estos cambios se basan en el comportamiento exhibido por el sistema.

Si el sistema sigue un patrón de desarrollo predecible, nos referimos a él como si tuviera un patrón de comportamiento. El hecho de que un sistema sea estático o dinámico depende del marco temporal de estudio y de las variables específicas que son el foco del análisis. El horizonte temporal se refiere al tiempo durante el cual se observa y examina el sistema, mientras que las variables son los valores ajustables dentro del sistema. En los modelos deterministas, la evaluación de la calidad de una decisión se basa únicamente en sus resultados. Sin embargo, en los modelos probabilísticos la evaluación del directivo va más allá de los resultados y también toma en consideración el nivel de incertidumbre o riesgo asociado a cada decisión. Para ilustrar la distinción entre modelos probabilísticos y deterministas, consideremos los reinos del pasado y el futuro.

Cuando se trata del pasado, sin importar nuestras acciones en el presente, no podemos alterar lo que ya ocurrió. Por otro lado, cuando nos centramos en el futuro, nuestras elecciones y decisiones tienen la capacidad de ejercer influencia y provocar cambios, aunque siga existiendo un cierto nivel de incertidumbre. Como directivos, a menudo nos sentimos cautivados por la oportunidad de dar forma al futuro, dándole mayor importancia que el análisis y la insistencia en acontecimientos pasados. El concepto de probabilidad ocupa un lugar importante en el proceso de toma de decisiones, ya sea dentro de una empresa, el gobierno, las ciencias sociales o nuestra vida cotidiana. Es raro tener toda la información necesaria disponible al tomar decisiones, y la mayoría de las decisiones se toman en medio de la incertidumbre.

A diferencia de los procesos de toma de decisiones determinísticas tal como, optimización lineal resuelta mediante sistema de ecuaciones, sistemas paramétricos de ecuaciones y en la toma de decisión bajo pura incertidumbre, las variables son normalmente más numerosas y por lo tanto más difíciles de medir y controlar, los pasos para resolverlos son los mismos. Estos hijo: simplificar Construir un modelo de decisión Probar el modelo Usando el modelo para encontrar soluciones: El modelo es una representación simplificada de la situación real. No necesita estar completo o exacto en todas las relaciones. Este se entiende con mayor facilidad que un suceso empírico (observado), por lo tanto permite que el problema sea resuelto con mayor facilidad y con un mínimo de esfuerzo y pérdida de tiempo. El modelo puede usarse repetidamente para problemas similares, y además puede ajustarse y modificarse, afortunadamente, los métodos probabilísticos y estadísticos para analizar la toma de decisiones en condiciones de incertidumbre son mucho más numerosos y poderosos que nunca. Las computadoras ofrecen muchos usos prácticos. Algunos ejemplos de aplicaciones comerciales son los siguientes: Un auditor puede utilizar técnicas de muestreo aleatorio para auditar las cuentas por cobrar de un cliente. Un gerente de planta puede utilizar técnicas de control de calidad para asegurar la calidad de los productos con mínima inspección y menor número de pruebas. Un analista financiero podría usar métodos de regresión y evaluación para entender mejor la analogía entre los indicadores financieros y un conjunto de otras variables de negocio. Un analista de mercado podría usar pruebas de significancia para aceptar o rechazar una hipótesis sobre un grupo de posibles compradores a los cuales la compañía está interesada en vender sus productos, un gerente de ventas podría usar técnicas para predecir las ventas de los próximos períodos.