Los ejemplos de sistemas de Soporte de decisiones incluyen sistemas manuales, sistemas híbridos, todo tipo de análisis, así como un sofisticado software de soporte de decisiones. Un factor que distingue a los sistemas basados en computadoras más nuevos de los sistemas de apoyo a las decisiones tempranas es su capacidad para analizar conjuntos de datos extremadamente grandes, proporcionando recomendaciones basadas en datos que eliminan las conjeturas de la toma de decisiones.,
el uso de DSS para guiar la toma de decisiones
mientras que algunos se resisten a la idea de confiar en soluciones complejas de software para tomar decisiones por ellos, la mayoría se sienten cómodos usando estadísticas generadas por computadora para comprender las tendencias clave. Estos incluyen análisis tales como estadísticas de ventas, tasas de garantía y tendencias de flujo de efectivo que son indicadores importantes que ayudan a los usuarios a determinar la salud de sus negocios y provocan la necesidad de acciones correctivas.,
la dificultad es que este nivel de información no puede determinar cuál de varias posibilidades maximizará los retornos mientras logra el resultado deseado. Tampoco puede anticipar cambios externos que puedan afectar a la rentabilidad, un factor importante ya que la mayoría de las empresas operan en un entorno incierto gobernado por el sentimiento del consumidor, las regulaciones legales y la intensa competencia. Additionally, companies are vulnerable to external influences, such as political uncertainty, major weather events and trade disputes.,
estos factores a veces se combinan para crear una tormenta perfecta donde la toma de decisiones se ve obstaculizada por una falta de previsibilidad, así como por una incapacidad para procesar datos lo suficientemente rápido como para respaldar las decisiones. Esta es la razón por la que los sistemas de apoyo a la toma de decisiones que pueden analizar datos rápidamente, determinar patrones y evaluar múltiples alternativas están demostrando ser invaluables para los líderes empresariales.
los principios detrás de DSS
los principios básicos de DSS evolucionaron a partir del trabajo teórico realizado en el último siglo en el Instituto Carnegie de tecnología sobre la teoría de la toma de decisiones organizacionales., Este trabajo reconoció que, si bien el instinto humano y el instinto a menudo resultaban en buenas decisiones, hubo numerosos casos en los que las decisiones impulsadas por el intestino estaban equivocadas.
en cambio, los investigadores desarrollaron el concepto de usar sistemas de información ejecutiva para analizar datos organizacionales y producir información ejecutiva concisa para apoyar la toma de decisiones. Con el tiempo, y a medida que mejoraban las capacidades informáticas, este enfoque se amplió para incluir el uso de software sofisticado que modelaba los procesos comerciales, lo que permitía a los usuarios evaluar los resultados de varios escenarios., De esta manera, fue posible evaluar cuál de varias alternativas ofrecía el mejor rendimiento comercial.,
los tres elementos clave de DSS incluyen:
- Datos organizacionales: información y conocimiento relevante
- Un modelo: fórmulas matemáticas y estadísticas que representan el negocio y analizan los datos
- Una interfaz de usuario: paneles u otras interfaces que permiten a los usuarios interactuar y ver los resultados
ejemplos de Sistemas de apoyo a la uso de hoy., Por ejemplo, la planificación de rutas GPS determina la ruta más rápida y mejor entre dos puntos mediante el análisis y la comparación de múltiples opciones posibles. Muchos sistemas GPS también incluyen capacidades de evitación de tráfico que monitorean las condiciones del tráfico en tiempo real, lo que permite a los automovilistas evitar la congestión. Los agricultores utilizan herramientas de planificación de cultivos para determinar el mejor momento para plantar, fertilizar y cosechar. El software de diagnóstico médico que permite al personal médico diagnosticar enfermedades es otro ejemplo. La mayoría de los sistemas comparten un atributo común en el sentido de que las decisiones son repetitivas y se basan en datos conocidos., Sin embargo, no son infalibles y pueden tomar decisiones incorrectas o irracionales, algo que muchos de los primeros usuarios de GPS descubrieron.
ejemplos de Sistemas de apoyo a la toma de decisiones que utilizan Datos Históricos
El análisis de Datos Históricos, utilizado en todas las facetas de los negocios y la vida, está bien desarrollado y maduro. Aunque dicha información no siempre es directamente procesable, es una parte importante de DSS porque informa el rendimiento pasado y destaca las áreas que necesitan atención. Algunos ejemplos incluyen:
- análisis descriptivo: métricas como resultados de ventas, rotación de inventario y crecimiento de ingresos.,
- Análisis de diagnóstico: información de diagnóstico que profundiza un poco más para revelar resultados y explica las razones del rendimiento pasado medido por análisis descriptivo.
- Business intelligence (BI): aunque se basa en gran medida en Datos Históricos, las soluciones de BI permiten a los usuarios desarrollar y ejecutar consultas que se utilizan para guiar y apoyar la toma de decisiones.
- paneles de ERP: paneles configurables por el usuario que permiten a los gerentes monitorear una variedad de indicadores de rendimiento.,
ejemplos de sistemas manuales e híbridos de apoyo a la toma de decisiones
Existen numerosas técnicas manuales que apoyan la toma de decisiones. Estas incluyen actividades como el análisis FODA, donde los equipos determinan las fortalezas y debilidades de su organización, así como la identificación de las amenazas que enfrenta la organización y las oportunidades potenciales para un mayor crecimiento. Los resultados de un análisis FODA son decisiones procesables para hacer avanzar a la organización. Otras herramientas manuales incluyen matrices de decisión, análisis de Pareto y análisis de costo-beneficio.,
Las soluciones híbridas de DSS incluyen el uso de análisis de hojas de cálculo que aprovechan la capacidad de Excel para calcular, analizar, comparar opciones y evaluar escenarios hipotéticos.
aunque las soluciones DSS manuales e híbridas son relativamente lentas y difíciles de manejar, en las manos adecuadas, son poderosas herramientas de apoyo a la toma de decisiones y muchas organizaciones confían en ellas.,
Software DSS que ayuda a predecir tendencias futuras
Si bien es esencial comprender qué sucedió en el pasado y por qué sucedió, este conocimiento es de uso limitado cuando se trata de predecir el futuro, excepto posiblemente en entornos muy estables y predecibles. Sin embargo, esto es casi nunca el caso. Afortunadamente, existen técnicas que permiten predecir, con cierto grado de certeza, las tendencias y cambios futuros que afectarán a una empresa o negocio., Por ejemplo, estas herramientas pueden predecir, sobre la base del rendimiento pasado, los datos externos y los comentarios del mercado, las cifras de la demanda futura de productos, la obsolescencia de los productos y los rendimientos.
esto se llama análisis predictivo y forma la base de otro tipo de Herramienta de DSS, una que ayuda a predecir lo que sucederá en el futuro cercano. El análisis predictivo utiliza una combinación de minería de datos, herramientas estadísticas y algoritmos de aprendizaje automático para determinar la probabilidad de que ciertos eventos tengan lugar., Los bancos utilizan estas técnicas para detectar el fraude, las compañías de seguros las utilizan para evaluar el riesgo y las empresas de transporte para determinar los precios de los boletos en función de la demanda.
modelado DSS para apoyar la toma de decisiones basada en datos
los ejemplos de sistemas de soporte de decisiones más efectivos son aquellos que determinan la mejor decisión, en base a ciertos criterios. Tales sistemas eliminan la subjetividad y el sesgo del proceso de toma de decisiones. Además, son capaces de evaluar numerosos escenarios alternativos e identificar los mejores.,
el enfoque habitual es desarrollar un modelo matemático del negocio, ver cómo toma decisiones y utilizar software de optimización para determinar los resultados de varios escenarios. Esta técnica se basa en la analítica prescriptiva y es extremadamente poderosa. Si bien algunos sugieren que solo se debe modelar el proceso de toma de decisiones, desarrollar un modelo completo de la organización aumenta la versatilidad y mejora la precisión en términos de resultados financieros.
Hay dos enfoques de optimización, basados en reglas y modelos de optimización., Los modelos basados en reglas (heurísticas) funcionan bien cuando los resultados posibles pueden estar predeterminados en gran medida, como en la evaluación del riesgo de los seguros. Por otro lado, los modelos de optimización son más adaptables, pueden manejar problemas más complejos y lidiar con múltiples Restricciones y compensaciones.
elegir el sistema DSS adecuado para sus necesidades
el DSS más adecuado depende de la madurez organizacional, la complejidad y, en cierta medida, el tamaño. En las organizaciones pequeñas, los sistemas híbridos pueden ser suficientes., Si la organización es nueva en el análisis, los sistemas DSS históricos serían un buen lugar para comenzar, mientras que aquellos involucrados en actividades como el comercio y los productos básicos pueden beneficiarse más de un ejemplo de sistema de apoyo a la toma de decisiones predictivo.
sin duda, el mayor beneficio reside en la selección de un sistema de gestión de decisiones derivado de la analítica prescriptiva que modele el negocio y proporcione la capacidad de determinar la decisión más ventajosa en función de ciertos criterios, como los ingresos y la rentabilidad., Si bien implica una mayor inversión en recursos y dinero, dicha solución tiene una mayor probabilidad de superar las expectativas y lograr un mayor ROI. Además, elimina las conjeturas de la toma de decisiones, y debido a que el modelo replica el negocio, este tipo de ejemplo de sistema de apoyo a la decisión es más probable que ofrezca soluciones viables y racionales.