LOS DSS y LOS GDSS

INDICE

INTRODUCCION......................................................................................................................................3

1. ORIGEN E HISTORIA.........................................................................................................................5

2. OBJETIVOS DE UN DSS....................................................................................................................6

3. CARACTERÍSTICAS DE DSS............................................................................................................8

4. FUENTES DE DATOS.........................................................................................................................8

5. PARTES DE UN DSS........................................................................................................................10

6. FUNCIONES DE PROCESAMIENTO.............................................................................................12

7. BASES DE DATOS OLTP Y OLAP.................................................................................................14

8. USO DE UN SISTEMA DE APOYO DE DECISIONES................................................................15

9. SISTEMA DE APOYO A DECISIONES DE GRUPOS (GDSS)...................................................16

10. EJEMPLOS PRÁCTICOS DE APLICACIÓN DE LOS DSS.......................................................20

CONCLUSIONES...................................................................................................................................23

BIBLIOGRAFIA.......................................................................................................................................25

1

INTRODUCCION

Cada día más rápido estamos experimentando una transformación pasando de la Sociedad Industrial a la Sociedad de la Información y observando una globalización de las empresas y la economía. La competitividad de las empresas y la creación de empleo, la calidad de vida y el desarrollo sostenible dependen en gran medida del Liderazgo científico-tecnológico y la aplicación constante de novedosas tecnologías. La alta velocidad de transformación deja en la mayoría de los casos a los ciudadanos usuarios de los servicios ofrecidos en la situación de enorme saturación de información no organizada. No cabe duda que la información es y seguirá siendo el motor de nuestra nueva sociedad, pero la incertidumbre a la hora de buscar la información adecuada aumenta también pero con una mayor velocidad.

Un Sistema de Soporte a la Decisión (DSS) es una herramienta de Business Intelligence enfocada al análisis de los datos de una organización.

En principio, puede parecer que el análisis de datos es un proceso sencillo, y fácil de conseguir mediante una aplicación hecha a medida o un ERP sofisticado. Sin embargo, no es así: estas aplicaciones suelen disponer de una serie de informes predefinidos en los que presentan la información de manera estática, pero no permiten profundizar en los datos, navegar entre ellos, manejarlos desde distintas perspectivas... etc.

2

El DSS es una de las herramientas más emblemáticas del Business Intelligence ya que, entre otras propiedades, permiten resolver gran parte de las limitaciones de los programas de gestión. Estas son algunas de sus características principales:

   Informes dinámicos, flexibles e interactivos, de manera que el usuario no tenga que ceñirse a los listados predefinidos que se configuraron en el momento de la implantación, y que no siempre responden a sus dudas reales.

   No requiere conocimientos técnicos. Un usuario no técnico puede crear nuevos gráficos e informes y navegar entre ellos, haciendo drag&drop o drill through. Por tanto, para examinar la información disponible o crear nuevas métricas no es imprescindible buscar auxilio en el departamento de informática.

   Rapidez en el tiempo de respuesta, ya que la base de datos subyacente suele ser un datawarehouse corporativo o un datamart, con modelos de datos en estrella o copo de nieve. Este tipo de bases de datos están optimizadas para el análisis de grandes volúmenes de información (OLTP-OLAP).

   Integración entre todos los sistemas/departamentos de la compañía. El proceso de ETL previo a la implantación de un Sistema de Soporte a la Decisión garantiza la calidad y la integración de los datos entre las diferentes unidades de la empresa. Existe lo que se llama: integridad referencial absoluta.

   Cada usuario dispone de información adecuada a su perfil. No se trata de que todo el mundo tenga acceso a toda la información, sino de que tenga acceso a la información que necesita para que su trabajo sea lo más eficiente posible.

   Disponibilidad de información histórica. En estos sistemas está a la orden del día comparar los datos actuales con información de otros períodos históricos de la compañía, con el fin de analizar tendencias, fijar la evolución de parámetros de negocio... etc.

3

1. ORIGEN E HISTORIAEl concepto de Sistema de Apoyo a las Decisiones (DSS) se originó a finales de los sesenta con el procesamiento de tiempo compartido en las computadoras. G. Anthony Gorry y Michael S. Scotht Morton (1971), fueron los que acuñaron el término de DSS. Estos percibieron la necesidad de contar con un marco para orientar las aplicaciones de cómputo hacia la toma de decisiones gerenciales. Ellos, idearon la matríz de Gorry y Scott Morton. Se basa en dos conceptos fundamentales: el concepto de decisiones programadas y el concepto de niveles gerenciales.

Aquí describieron los tipos de decisiones en términos de la estructura del problema, que va de estructurado a semiestructurado y no estructurado.

Gorry y Scott Morton pusieron en su matriz diferentes tipos de negocios. Por ejemplo, los gerentes realizan la planificación de cuentas por cobrar en el nivel de control operativo, tomando decisiones estructuradas. En cambio, la planificación de

4

investigación y desarrollo la llevan a cabo los gerentes de planificación estratégica, tomando decisiones no estructuradas. 

La línea punteada horizontal que divide la matriz separa los problemas que en esa época se habían resuelto por medio de las computadoras (arriba), de las que todavía no se habían podido lograr resolver con ayuda de ellas (abajo). Por lo que ellos denominaron a la parte de arriba: sistemas de decisiones estructuradas (SDS, structured decision systems) y a la parte de abajo: sistemas de apoyo a decisiones (DSS, decision support systems)

A raíz de esto a todas las aplicaciones de las computadoras destinadas a apoyar decisiones, las denominaron DSS, así nació este término. Por lo tanto,

Los DSS son "Sistemas informáticos interactivos que ayudan a los encargados de tomar decisiones utilizando datos y modelos para resolver problemas no estructurados" (Sprague y Carlson). 

Un DSS "combina recursos intelectuales individuales con las capacidades de un ordenador para mejorar la calidad de las decisiones (son un apoyo informático para los encargados de tomar decisiones sobre problemas semi-estructurados)" 

Sin embargo, Kenn afirma que es imposible dar una definición precisa incluyendo todas las facetas de la DSS ya que "no puede haber una definición de los sistemas de apoyo a la decisión, sino sólo del apoyo a la decisión" (Keen).

En conclusión podríamos decir que un DSS es un sistema de información que combinan datos y modelos, analíticos sofisticados o herramientas de análisis de datos para apoyar la toma de decisiones semiestructurada y no estructurada. 

2. OBJETIVOS DE UN DSS

Peter G. W. Keen (1978), asociado con Scott Morton, definió tres objetivos que debe alcanzar un DSS:

1) Ayudar a los gerentes a tomar decisiones para tratar de resolver problemas semiestructurados.

2) Apoyar el juicio del gerente en lugar de tratar de reemplazarlo.3) Mejorar la eficacia del gerente en la toma de decisiones, más que su eficiencia.

Estos tres objetivos tienen una correlación con los siguientes tres principios:

5

Estructura del problema: Es difícil encontrar problemas que sean totalmente estructurados o totalmente carentes de estructura; casi todos son semiestructurados. Esto implica que el DSS está dirigido al área en la que se encuentra la mayor parte de los problemas.

Estructura del prob

6

lema

Apoyo a decisiones: El DSS no pretende suplantar al gerente. La computadora puede aplicarse a la porción estructurada del problema, pero el gerente es responsable de la parte no estructurada: aplicar su juicio o intuición y realizar el análisis. El gerente y la computadora trabajan juntos para resolver problemas que pertenecen a la amplia área semiestructurada.

Eficacia de las decisiones: El objetivo del DSS no es hacer el proceso de toma de decisiones lo más eficiente que sea posible. El tiempo del gerente es valioso y no debe desperdiciarse, pero el principal beneficio de usar un DSS es tomar mejores decisiones. Al tomar una decisión, el gerente no siempre trata de encontrar la mejor. Algunos modelos matemáticos pueden encargarse de eso. Sin embargo, en la mayor parte de los casos es el gerente el que debe decidir cuál alternativa es mejor. Es muy posible que el gerente pueda dedicar un poco más de tiempo a afinar la solución de modo que se acerque a la óptima, pero podría ser que el aumento en la precisión no justifique la inversión adicional de tiempo y esfuerzo. El gerente usa su juicio para determinar si una decisión contribuye a resolver un problema.

3. CARACTERÍSTICAS DE DSS

1. Informes dinámicos, flexibles e interactivos, de manera que el usuario no tenga que ceñirse a los listados predefinidos que se configuraron en el momento de la implantación, y que no siempre responden a sus dudas reales.

2. No requiere conocimientos técnicos. Un usuario no técnico puede crear nuevos gráficos e informes y navegar entre ellos. Por tanto, para examinar la información disponible o crear nuevas métricas no es imprescindible buscar auxilio en el departamento de informática.

3. Rapidez en el tiempo de respuesta, ya que la base de datos subyacente suele ser un datawarehouse corporativo o un datamart, con modelos de datos en estrella o copo

7

de nieve. Este tipo de bases de datos están optimizadas para el análisis de grandes volúmenes de información.

4. Integración entre todos los sistemas de la compañía. El proceso de ETL previo a la implantación de un Sistema de Soporte a la decisión garantiza la calidad y la integración de los datos entre las diferentes unidades de la empresa.

5. Cada usuario dispone de información adecuada a su perfil. No se trata de que todo el mundo tenga acceso a toda la información, sino de que tenga acceso a la información que necesita para que su trabajo sea lo más eficiente posible.

6. Disponibilidad de información histórica. En estos sistemas está a la orden del día comparar los datos actuales con información de otros períodos históricos de la compañía, con el fin de analizar tendencias, fijar la evolución de parámetros de negocio.

4. FUENTES DE DATOSDebido a su característica única y a la envergadura de los problemas tratados a través del sistema, los datos necesarios para respaldar los análisis pueden provenir de muchas fuentes. Desde luego, en el DSS los gerentes proporcionan una gran parte de los datos en comparación con los otros sistemas ya estudiados (TPS y MIS), pero aun cuando los datos más importantes se encuentran almacenados en los archivos maestros, es probable que no vengan de un archivo único. Por el contrario, parte de los datos puede haber sido tomada de varios archivos diferentes y agrupados de tal manera que los pueda utilizar el DSS, como se ilustra en la figura.

Por lo tanto, en el ambiente de un DSS es evidente la necesidad de las posibilidades que ofrece una poderosa gestión de base de datos que permita fácilmente el procesamiento de multiarchivos, subrayando la importancia de los temas de la gestión de base de datos en el diseño de un MIS y en el mejoramiento de las aplicaciones que constituyen los sistemas de información de área funcional. Los objetivos del manejo de datos como un recurso sólo aumentan en importancia en la medida en que decrece la estructura en el ambiente de los usuarios.

8

Fuentes de información de un DSS para un ejemplo de control de inventario

5. PARTES DE UN DSSBasándonos en el autor Senn, A. J. (2003), podemos decir que “un DSS está compuesto de tres partes: mecanismos de interfase, subsistema de datos y subsistema del modelo. El diseño de las partes varía dependiendo de la naturaleza del DSS”.

Interfaz. La interfaz proporciona una manera para que el usuario pueda interaccionar con el sistema. Una de las formas más sencillas de interfase está representada por los renglones y columnas de la página electrónica. Este es el vehículo para alimentar los datos y determinar las características de un modelo.

9

Otros sistemas de apoyo de decisiones utilizan una estructura más rigurosa de órdenes. Básicamente, el usuario debe ensamblar un programa de cómputo consistente en comandos e instrucciones que describen el modelo y especifican el proceso. Dependiendo del sistema, los comandos pueden ser dados en un lenguaje de procedimientos o en un lenguaje de alto nivel de cuarta generación. En esta área se lleva a cabo una gran cantidad de investigación, como resultado de la aparición de la interfase con el lenguaje natural.

Para la salida del sistema, las capacidades de interfase pueden incluir los dispositivos de exhibición o de impresión. La posibilidad de graficar, con frecuencia a todo color, realza aún más al método de presentar la información al usuario.

Subsistema del modelo. Maneja el almacenamiento y la recuperación del modelo por ser una parte integral del apoyo de decisiones. También ayuda al usuario en la elaboración de modelos.

En un medio ambiente de página electrónica, los modelos consisten en una o más hojas tabulares que contienen las variables y los parámetros, así como las fórmulas que los interrelacionan (por ejemplo, la fórmula para determinar la utilidad estará establecida como una secuencia de sumar y restar renglones y columnas). El sistema del modelo debe permitir que el usuario defina y almacene los contenidos de la hoja tabular. Con frecuencia, la hoja tabular se encuentra almacenada en una forma de patrón que contiene únicamente las fórmulas y la interrelación de las variables, es decir, no existen datos en las celdas. Los patrones pueden ser distribuidos a otros usuarios, los cuales agregan los datos que desean utilizar en la evaluación del modelo.En otros medios de DSS los modelos se describen utilizando un lenguaje diseñado especialmente. Sin embargo, las necesidades son las mismas: variables que deben ser identificadas e interrelacionadas mediante fórmulas y procedimientos escritos previamente.

El subsistema del modelo también proporciona la capacidad para almacenar y recuperar modelos. Una base de datos modelos, con frecuencia denominada banco de modelos, los almacena designándole a cada uno un nombre único. Cuando un usuario solicita un modelo proporcionando el nombre previamente asignado, el subsistema del modelo lo localiza y lo recupera y, a través del subsistema de datos carga los datos para ser procesados. El procesamiento se lleva a cabo bajo el control del subsistema de datos e incluye la capacidad de “correr el modelo” para producir resultados. Los modelos pueden ser procesados periódicamente o cuando se requiere responder a necesidades de análisis especial.

Una ventaja importante es la capacidad de poder enlazar diferentes modelos entre sí, procesándolos en secuencia. Por ejemplo, al planear una nueva línea de producto, se

10

deben elaborar modelos separados para el control del material y la operación de la línea de producción, así como para las ventas y la distribución. Un cambio en una de las áreas puede requerir que se procesen nuevamente todos los modelos para determinar el impacto global del cambio. El enlace directo entre los modelos permitirá que esto se ejecute de una manera integrada.

Subsistema de datos. El subsistema de datos incluye los medios para recuperar y procesar los datos que se encuentran en las bases de datos formales, así como las herramientas para administrarlos. Algunos de los datos necesarios son resultados del procesamiento de transacciones (es decir, datos d contabilidad, detalles del control del inventario, datos de órdenes). Otros datos originados externamente, tal vez describan actividades de la competencia, consideraciones económicas o la proyección futura de una industria en particular.

El DSS incluye dos tipos de bases de datos. La de la organización es una fuente de datos muy valiosa. Sin embargo, está complementada por una base de datos de DSS lógicamente separada, que es por lo común una unidad más pequeña que contiene información resumida (basada en lo que ya se encuentra incluido en la base de datos de la organización). Un software especial de extracción de información resume y almacena los datos en la base de datos del DSS. Esta base de datos también puede contener datos bajo diferentes arreglos o incluir detalles únicos (como las consideraciones de planificación o las metas y objetivos) o bien datos personales (no oficiales).

Cuando los gerentes evalúan las estrategias y las posibles soluciones de los problemas, deben ser capaces de recuperar y utilizar los datos en forma rápida. No puede tolerarse el excesivo retraso en la búsqueda de grandes bases de datos, recuperación de detalles y el procesamiento con el fin de disponer de ellos en forma resumida. Además, el arreglo de los datos en la base de datos de la organización puede ser inadecuado para un DSS (y sería ilógico reorganizar toda la base de datos, ya que se aprovecha por muchas aplicaciones a nivel de transacción).

6. FUNCIONES DE PROCESAMIENTOSegún Senn (2003), el Sistema de Soporte a las Decisiones incluye complejas actividades de procesamiento. Algunas son financieras y se encuentran relacionadas con las actividades de contabilidad y de administración de efectivo. Las cuales son:

- Funciones Financieras: Las funciones financieras están compuestas por un conjunto de herramientas para la proyección del efecto de las tasas de interés, perfiles de

11

crecimiento y análisis económicos. Las funciones financieras más comunes son las siguientes:

Cálculo del valor actual.

Determinación de la tasa de retorno interna.

Amortización de préstamos.

Cálculo de pagos.

Determinación del valor futuro.

- La función “Qué pasa si” (“What if”): permite al usuario cambiar la definición de una o más variables en un modelo. Los valores existentes son reemplazarlos con unos nuevos, y el modelo se vuelve a procesar con objeto de determinar el impacto de los nuevos valores y sus resultados. Por ejemplo, los gerentes desean analizar la factibilidad de un producto que se encuentra en su fase de planeación proyectando los ingresos de las ventas para diferentes grados de penetración en el mercado: ¿Qué sucederá si lográramos una penetración del 20%? ¿Cuál es el ingreso estimado por ventas si se obtiene una penetración del 25%?

Con frecuencia los modelos formulados que utilizan páginas electrónicas son diseñados teniendo en mente esta función básica. Los renglones y las columnas de la matriz del modelo, junto con las funciones financieras interconstruidas permiten que el usuario cambie los datos de una o más celdas de la matriz y utilice la función de “calcular de nuevo” del software de la página electrónica para determinar inmediatamente el impacto de dicho cambio.

Análisis de Sensibilidad: Éste es una forma especial del análisis de “qué pasa si” que se utiliza cuando un administrador no está seguro de las consideraciones hechas sobre una variable en particular del modelo. La incertidumbre hace que lo mejor sea poder establecer si los cambios en los valores considerados van a causar un mayor o menor impacto sobre el resultado.

Búsqueda de objetivos: esta función le permite a los usuarios encontrar el valor que debe tener una variable en particular si se desea obtener un determinado nivel de rendimiento. Dependiendo de la situación, quizá los usuarios necesiten especificar ya sea un objetivo único de rendimiento (como la meta de una utilidad dada a una línea de producto) o el rendimiento en un horizonte de tiempo predeterminado (por ejemplo, en un ciclo de vida esperado de cinco años).

12

La función de “análisis”: Cuando el rendimiento en un área de interés produce resultados inesperados o dudosos, o bien cuando la interrelación de las variables en un modelo es muy compleja, los gerentes tienden a buscar explicaciones. La función de “análisis” en un DSS utiliza métodos estadísticos para proporcionar los siguientes datos:

Una línea de tendencia de las variables de interés durante un período especificado.

Los valores de las variables para cada uno de los períodos.

Los valores de cada una de las variables especificada.

La función de “análisis” generalmente se encuentra sólo en sistema de apoyo de decisiones complejas o lenguajes de modelación.

Simulación: genera la información necesaria para valorar los riesgos de las diferentes decisiones. Mediante esta técnica, el sistema de apoyo de decisiones combinaciones de las variables para determinar su impacto en el rendimiento. También se aplican las distribuciones de probabilidad al modelo que representa la frecuencia típica de los eventos.

Con objeto de evaluar la operación de una nueva línea de producto, se pueden especificar valores aceptables de fallas de equipos y de ausentismo, así como niveles variables de generación de desperdicio.

7. BASES DE DATOS OLTP Y OLAP

OLTP - On-Line Transactional Processing

Los sistemas OLTP son bases de datos orientadas al procesamiento de transacciones. El proceso transaccional es típico de las bases de datos operacionales.

   El acceso a los datos está optimizado para tareas frecuentes de lectura y escritura. (Por ejemplo, la enorme cantidad de transacciones que tienen que soportar las BD de bancos o hipermercados diariamente).

   Los datos se estructuran según el nivel aplicación (programa de gestión a medida, ERP o CRM implantado, sistema de información departamental...).

13

   Los formatos de los datos no son necesariamente uniformes en los diferentes departamentos (es común la falta de compatibilidad y la existencia de islas de datos).

   El historial de datos suele limitarse a los datos actuales o recientes.

OLAP - On-Line Analytical Processing

Los sistemas OLAP son bases de datos orientadas al procesamiento analítico. Este análisis suele implicar, generalmente, la lectura de grandes cantidades de datos para llegar a extraer algún tipo de información útil: tendencias de ventas, patrones de comportamiento de los consumidores, elaboración de informes complejos… etc. Este sistema es típico de los datamarts.

   El acceso a los datos suele ser de sólo lectura. La acción más común es la consulta, con muy pocas inserciones, actualizaciones o eliminaciones.

   Los datos se estructuran según las áreas de negocio, y los formatos de los datos están integrados de manera uniforme en toda la organización.

   El historial de datos es a largo plazo, normalmente de dos a cinco años.

   Las bases de datos OLAP se suelen alimentar de información procedente de los sistemas operacionales existentes, mediante un proceso de extracción, transformación y carga (ETL).

8. USO DE UN SISTEMA DE APOYO DE DECISIONES

En el uso del sistema de apoyo de decisiones interviene un proceso iterativo. Podemos considerar cinco etapas.

1.- Se examina el problema y se elabora una formulación que permita el estudio del problema.

2.- Se identifican los parámetros y las variables pertinentes, para que el usuario comprenda la situación.

3.- Se construye el modelo interrelacionando los parámetros y las variables de la manera establecida por el usuario. Aun cuando el usuario puede entender claramente de qué manera los factores se encuentran relacionados unos con otros, en mucho caso parte del problema original puede estar en la falta de dicho conocimiento. Por lo tanto,

14

el modelo puede ser únicamente una idea que necesite ser probada por medio de un proceso.

4.- Proporcionar datos para las variables y llevar a efecto los procesos y los cálculos para poder determinar los resultados. Dependiendo de la aplicación, las variables de prueba pueden ser utilidades y pérdidas, volúmenes de ventas, tasa de interés, entre otras.

5.- Por último, en un DSS es muy importante la utilización de la etapa de afinación del problema. Los usuarios identifican datos adicionales o diferentes que se deberán considerar. O eliminan ciertas variables y agregan otras.

El proceso iterativo se puede repetir un gran número de veces hasta que los usuarios sientan que los usuarios sientan que comprenden la situación lo mejor posible.

9. SISTEMA DE APOYO A DECISIONES DE GRUPOS (GDSS)

“Es un sistema basado en computadoras que apoya a grupos de personas que tienen una tarea u objetivo común, y sirve como interfaz con un entorno compartido.” Ellis, Gibbs y Rein (1991).

Entorno del GDSS

El GDSS se subdivide en cuatro ambientes, según el tamaño del grupo y el lugar donde se encuentren los miembros; los cuales son propicios para la comunicación, reunión simultanea e intercambio sincrónico o asincrónico.

1. Recintos de decisiones: es un ambiente para grupos pequeños de personas que se reúnen personalmente, este contribuye a la comunicación mediante una combinación de equipos y disposición. El recinto combina las estaciones de

15

trabajo, los micrófonos de captación de audio, cámaras de video y pantallas grandes.

Con la base en los programas que se establecen para cada sesión, los mensajes que un miembro teclea para enviar a otro miembro se pueden mostrar en una pantalla grande, para que todo el grupo los vean.

1. Red de decisiones de área local: es un ambiente de pequeños grupos de personas que se reúnen personalmente o interactúan a través de una red de área local. Un miembro introduce comentarios en un monitor con teclado y ve los comentarios de los otros miembros en la pantalla.

2. Sesión legislativa: es un ambiente demasiado grande para un recinto de decisiones. El tamaño impone ciertas restricciones la comunicación; donde se elimina la oportunidad de que todos los miembros tengan la misma participación o se les garantice tiempo suficiente para cada exposición.

3. Conferencia mediada por computadora: esta permite la comunicación entre grandes grupos con miembros geográficamente dispersos; es una aplicación de oficina virtual colectiva, con teleconferencias, audioconferencias y videoconferencias.

Tamaño de grupo y la ubicación determinado en el ambiente del GDSS

Cómo un G.D.S.S. mejora la toma de decisiones?

Mejora la planeación previa

Incrementa la participación

Crea una atmósfera abierta y de colaboración

16

Permite la generación de ideas libre de críticas

Incorpora objetividad en la evaluación

Permite la organización y evaluación de ideas

Logra establecer prioridades

Documentación de las reuniones

Acceso a información externa

Presentación de una “memoria institucional”

Aplicaciones

Establecimiento de la misión de la empresa

Formulación de estrategias

Evaluación de administradores

Planeación de sistemas de información

Soporte en negociaciones

Características de los GDSS

1. La meta de GDSS. Es apoyar a los tomadores de decisiones en su trabajo.

2. GDSS. Es fácil de aprender y de usar. Accesible para usuarios con diferentes niveles de conocimiento computacional y de soporte a la decisión. Tales como ventas, producción, recursos humanos, administración y finanzas.

3. Un GDSS. Contiene mecanismo para evitar el desarrollo de conductas negativas en el grupo, como son los problemas de comunicación.

4. Un GDSS debe motivar a todos los miembros del grupo a participar de manera activa. Es importante que pueda existir anonimato de la participación.

5. Un GDSS debe motivar a todos los miembros del grupo a participar de manera activa. Es importante que se cuide el anonimato de la participación.

17

6. Un GDSS puede utilizarse por grupos de personas que están en una misma localidad y desean tomar decisiones acerca de un problema en específico.

Ventajas

Motiva a los miembros del grupo a trabajar juntos, ya que se pueden aportar varias ideas al mismo tiempo, lo cual elimina la situación de que pocas miembros dominen el desarrollo de la junta. En este contexto, el GDSS evita que unas cuantas personas se adueñen del “micrófono” y frenen la creatividad y las aportaciones del resto del grupo.

Mejora la etapa de preparación de la reunión de trabajo, pues debe existir una mejor planeación de las sesiones de trabajo para adecuarla a la tecnología, para así tratar de conseguir los objetivos fijados para cada una de ellas.

Da la misma oportunidad de participación a todos los miembros del grupo, debido a que cada uno tiene su propio equipo y puede participar las veces que quiera hacerlo.

Cuando en una junta es necesario que estén presentes muchas personas se optimiza el uso de la información que aporta cada miembro del grupo.

Proporciona un mecanismo para enfocar al grupo en problemas clave y descartar las conductas que perjudican el desarrollo de la junta de toma de decisiones, tal como distraerse del tema central de la junta y utilizar gran parte de la sesión en tratar temas relevantes.

Apoya el desarrollo de una memoria organizacional de una junta a otra, pues permite almacenar más información sobre lo que se ha logrado. El término memoria organizacional se utiliza para referirse al resumen de lo que se analizó en la junta y a toda la documentación que se generó en ésta.

Desventajas

- Falta de costumbre al utilizar un sistema para soportar el proceso de toma de decisiones diferente al de la forma tradicional de realizarlo. Es necesario dar cursos de introducción o capacitar a los miembros de un grupo para que utilicen la manera adecuada del GDSS.

- Resistencia al cambio de parte de los administradores por que pueden pensar que este sistema puede desplazarlos sobre todo en el caso de los

18

“dueños del micrófono”, quienes están acostumbrados a dirigir el rumbo de toda la junta sin dar oportunidad a que todos los demás miembros participen.

- La responsabilidad al tomar una decisión, ya que las aportaciones son anónimas y la decisión representa el consenso del grupo. Por ejemplo, si se toma la decisión de lanzar un producto al mercado el próximo año, la responsabilidad del director de mercadotecnia se puede diluir y puede no existir un compromiso personal y definitivo de ese directivo durante el lanzamiento del producto al mercado.

10. EJEMPLOS PRÁCTICOS DE APLICACIÓN DE LOS DSSA continuación mostramos una serie de ejemplos reales (resumidos) de aplicación de los DSS al proceso de toma de decisiones:

Empresa conservera

Este caso práctico se refiere a una empresa conservera, con presencia internacional, más de 500 empleados y cerca de 100.000.000 € de facturación.

A pesar de que en el sector conservero es bien conocida la estacionalidad de las ventas (el consumo de atún en conserva se dispara en verano, debido a su participación en las ensaladas) y en diciembre (con motivo de la navidad), esta empresa no había sido capaz de optimizar la cantidad de producto finalizado que debía almacenar en stock para maximizar sus beneficios.

Mediante la implantación de un sistema de soporte a la decisión (DSS), y tras el análisis minucioso de los datos históricos que guardaba la compañía, resultó posible rediseñar todo el proceso logístico y de almacenamiento productivo hasta el punto de incrementar la rentabilidad económica de la misma (independientemente de la producción y la demanda) en un 10%.

Cadena de supermercados

19

Una conocida cadena de supermercados ha recurrido a un sistema de Business Intelligence para averiguar cuál era el perfil de sus clientes más rentables e intentar hacer lo posible para fidelizarlos.

Para ello, una de las primeras acciones que llevó a cabo fue la creación de una "tarjeta descuento", que vinculara a los clientes con el club del supermercado. Para poder optar a esta tarjeta, cada cliente debía facilitar sus datos personales básicos (edad, sexo, origen...) y unos datos complementarios de sus preferencias. A cambio recibía descuentos eventuales en sus compras.

Tras haber acumulado una relevante cantidad de datos, llegó el momento de extraer la información requerida mediante un sistema de soporte a la decisión. Entre las rarezas obtenidas en los resultados, cabe destacar que el perfil ideal de cada cliente tenía sustanciales diferencias en función de la ubicación geográfica.

Cooperativa lechera

En una cooperativa láctea, cuyos productos se publicitan en TV a nivel nacional, se habían desatado las alarmas debido a las grandes desviaciones económicas existentes, cada año, entre los parámetros estimados en enero y los resultados analizados doce meses más tarde.

Finalmente, para resolver el problema y potenciar al máximo sus sistemas informáticos tradicionales, la cooperativa decidió implantar un cuadro de mando integral (Balanced Scorecard) y realizar un seguimiento minucioso de sus objetivos estratégicos. Tras ocho meses desde la puesta en producción del sistema, consiguieron encontrar el origen de las desviaciones y tomar las acciones oportunas para enderezar la trayectoria operativa de la empresa.

Por otro lado, y como efecto colateral estrechamente relacionado, el sistema ha permitido analizar el impacto en las ventas de cada una de sus campañas publicitarias. Basándose la información contenida en sus propias bases de datos, la cooperativa ha conseguido desde entonces adaptar su publicidad para incrementar en un 8% su cuota de mercado.

Operador de telecomunicaciones

Este ejemplo hace referencia a uno de los mayores operadores de telecomunicación del mundo, con más de 91 millones de clientes en 220 países de los cinco continentes. Esta organización cuenta con 190.000 empleados y ofrece una gama completa de servicios de telecomunicaciones: telefonía local, internacional y móvil; internet y multimedia; transporte de datos; y difusión de TV por cable.

20

En los últimos años, la empresa ha venido utilizando los sistemas informáticos como un arma estratégica fundamental en la batalla entre operadores de telecomunicaciones. El objetivo de una de sus principales iniciativas ha sido reducir las inconsistencias en los datos y compartir la información de manera más eficaz entre las diferentes áreas de negocio, implementando en toda la organización estándares en el campo del software de gestión.

Peluquería local

Una peluquería llevaba dos años abierta al público. Durante todo ese tiempo, las dueñas, dos chicas jóvenes y emprendedoras, habían trabajado todos los días de la semana (a excepción, naturalmente, de los domingos) para sacar adelante su negocio.

Al haber estabilizado su cartera de clientes decidió descansar un día más a la semana. Su primera opción fue cerrar los lunes, como las demás peluquerías de la zona. No obstante, decidieron basar su decisión en la información histórica que habían recogido en su pequeña aplicación de citas.

Los resultados obtenidos fueron contundentes, ya que el lunes resultó ser el cuarto día más rentable de la semana (probablemente como consecuencia del cierre de la competencia). Finalmente el día elegido para descansar fue el martes.

American Airlines

El American Analyticalinformation Management System (AAIMS, sistema estadounidense de manejo de información analítica) es un exitosos sistema de apoyo a las decisiones, fue desarrollado por American Airlines, fue tan buena su aplicación que otras aerolíneas, fabricantes de aeronaves, analistas financieros de aerolíneas , consultores y asociaciones lo aplican. El AAIMS respalda las decisiones sobre aerolíneas a través del análisis de los datos que se recopilan sobre estadísticas de uso de aeronaves en las aerolíneas, la capacidad y uso de los asientos y sobre el tráfico aéreo. Además genera pronósticos sobre participación de mercado, ingresos y rentabilidad de las aerolíneas a su vez ayuda a la gerencia a tomar decisiones sobre asignación de aeronaves, solicitudes de ruta, clasificación de pasajes y fijación de precios.

PepsiCo

PepsiCo y Sedgwick James Inc , es la según empresa de corretaje de seguros más grande del mundo desarrollo un DSS para manejo de riesgos con el fin de ayudar a minimizar las pérdidas de PepsiCo, por accidentes, robos y otras causas. Todas las semanas Sedgwick carga los últimos datos de reclamaciones por accidentes de las principales empresas aseguradoras de Estados Unidos. En una base de datos

21

equipados con el sistema de riesgos INFORM, este sistema de manejo de riesgos combinan el poder analítico de la elaboración de modelos para el apoyo a las decisiones con las capacidades graficas del mismo programa. Como resultado de obtiene que los gerentes de PepsiCo de todos los niveles pueden identificar con

precisión tendencias criticas indagar información de respaldo detallada, identificar problemas y plantear maneras de minimizar riesgos y maximizar utilidades.

CONCLUSIONESUn sistema de soporte a las decisiones (Decision Support System, DSS) es un sistema informático de información el cual ayuda a un usuario a mejorar las decisiones que toma, a tener más cura y a reducir los costes sin pérdida de calidad.

 Un DSS es un software que intenta ayudar a las persones que toman las decisiones compilando información útil sobre los datos sin procesar, los documentos, el conocimiento personal, y/o los modelos de negocio para poder identificar y solucionar los problemas y poder tomar mejores decisiones. El tipo de información puede ser por ejemplo cualquiera de las siguientes:

un inventario de todos los bienes de que se dispone (incluido la información directa o de terceros, lo que hay en los almacenes, en los mercados,...)

comparativa de ventas entre semanas

proyección de beneficios futuros de un nuevo producto teniendo en cuenta las ventas de productos similares

evaluar las consecuencias de diferentes decisiones teniendo en cuenta las alternativas y la experiencia en un contexto similar

22

Los beneficios de utilizar un sistema de soporte a les decisiones son:

Mejora la eficiencia personal

Proporciona soluciones a los problemas

Facilita la comunicación entre personas

Fomenta el aprendizaje o formación

Mejora el control de la organización

Obtiene nuevas evidencias que ayudan a las decisiones

Crea ventajas competitivas sobra la competencia

Anima a explorar y descubrir de cómo se toman las decisiones

Proporciona nuevos puntos de vista de cómo pensar sobre el espacio del problema

Las limitaciones del uso de un D.S.S.

No puede incluir talentos distintivos humanos como la creatividad, imaginación, intuición

Su desempeño está limitado al sistema computacional en el que funcione

23

Los lenguages e intefaces no son aún lo suficientemente sofisticados para procesar lenguaje natural

Por su especialización, un DSS no puede llegar a usarse de manera generalizada en múltiples contextos de toma de decisiones

BIBLIOGRAFIAAndreu, R; Ricart, J.E.; Valor, J.(1996): Estrategia y sistemas de Información; Ed. McGraww-Hill, Segunda edición,

Cornellá, A (1994): Los Recursos de la información: ventaja competitiva para las empresas; Ed.McGraw-Hill México

Freynfeld,W.A. (1984): Decision Support Systems; Ed. NCC Publications

Gil, I.P.(1997): Sistemas y Tecnologías de la información para la Gestión; Ed. McGraw-Hill México

Senn, A.J. (2003) Análisis y Diseño de Sistemas de Información; Ed. McGraw-Hill Madrid

http://www.sinnexus.com/business_intelligence/olap_vs_oltp.aspx

http://sistemadeapoyoadecisiones.wikispaces.com/4.Sistema+de+Apoyo+a+Decisiones+(DSS)

http://sistemadeapoyoadecisiones.wikispaces.com/5.Sistema+de+Apoyo+a+Decisiones+de+Grupos+%28GDSS%29

http://fccea.unicauca.edu.co/old/soportegrupal.htm

24

http://www.iiia.csic.es/udt/es/artificialintelligence/sistemas-soporte-decisiones

http://www.sinnexus.com/business_intelligence/sistemas_soporte_decisiones.aspx

http://www.sinnexus.com/business_intelligence/datawarehouse.aspx

http://www.sinnexus.com/business_intelligence/datamart.aspx

http://www.sinnexus.com/business_intelligence/datamining.aspx

http://www.sinnexus.com/business_intelligence/ejemplos.aspx

25