ARBOL DE DECISION

 Definición
Un árbol de decisión es un diagrama en forma de árbol que muestra
la probabilidad estadística o determina un curso de acción. Muestra a los
analistas y, a los que toman las decisiones, qué pasos deben tomar y cómo
las diferentes elecciones podrían afectar todo el proceso. Todo ello
soportado en datos. Como entenderás, es una herramienta muy útil en
cualquier organización regida por los datos o Data Driven.

árbol de decisión es una especie de mapa en que se muestra cada

una de las opciones de decisión posibles y sus resultados. Este es
tremendamente útil para aquellas personas que tienen que tomar
decisiones en un negocio, ya que te permite comparar diferentes decisiones
y acciones según sus costos, probabilidades y beneficios.

Este diagrama acaba teniendo una forma similar a la de un árbol, de

ahí su nombre de “diagrama de árbol de decisión”.

Puedes usar un árbol de decisiones para calcular el valor esperado

de cada resultado en función de las decisiones tomadas y sus respectivas
consecuencias. Luego, puedes comparar los diferentes resultados para
determinar rápidamente cuál será el mejor plan de acción. También puedes
usar un árbol de decisiones para resolver problemas, gestionar costos e
identificar oportunidades.

 Estructura

Un árbol de decisión, por lo general, está estructurado principalmente con

un único nodo y luego se ramifica en resultados posibles. Cada uno de esos
resultados crea nodos adicionales, que se ramifican en otras posibilidades.
Esto le da una forma similar a la de un árbol.

Hay tres tipos diferentes de nodos:

nodos de probabilidad, nodos de decisión y nodos terminales.

1. Un nodo de probabilidad: representado con un círculo, muestra las
probabilidades de ciertos resultados
2. Un nodo de decisión: representado con un cuadrado, muestra una
decisión que se tomará

3. nodo terminal: muestra el resultado definitivo de una ruta de

decisión.

4. Ramificaciones:
Ventajas
Cuando necesitas tomar una decisión compleja y debes evaluar una gran
cantidad de datos, los árboles de decisiones pueden ayudarte a visualizar
con mayor claridad las posibles consecuencias o beneficios asociados a
cada decisión.

Transparente: la mayor ventaja de este método es que brinda un enfoque

centrado en la toma de decisiones. Cuando analices cada decisión y
calcules su valor esperado, tú y tu equipo tendrán una idea más clara de
cuál será la decisión más apropiada.

Eficiente: los árboles de decisiones son eficientes ya que puedes crearlos

en muy poco tiempo y con pocos recursos. Con otras herramientas de toma
de decisiones, como las encuestas, las pruebas de usuarios o los
prototipos, puedes tardar meses y tener que invertir mucho dinero para
lograr un resultado. Un árbol de decisiones es una forma sencilla y eficiente
de tomar una decisión.

Flexible: si se te ocurre una idea nueva luego de creado el árbol, puedes

agregarla fácilmente al diagrama. También puedes agregar ramificaciones
para posibles resultados si obtienes mayor información durante el análisis.

Desventajas
El árbol de decisiones también tiene sus desventajas por lo que no es una
herramienta de toma de decisiones perfecta. Si logras comprender estas
desventajas, puedes usar tu árbol como parte de un proceso de previsión
más amplio.

Complejo: si bien los árboles de decisiones suelen tener puntos finales

bien definidos, pueden volverse complejos si agregas demasiadas
decisiones al diagrama. Si tu árbol se ramifica en muchas direcciones,
posiblemente tengas dificultades para hacer un seguimiento de todo y
calcular los valores esperados. La mejor manera de usar esta herramienta
es mantenerlo lo más simple posible para que no cause confusión y puedas
aprovechar al máximo sus beneficios. Para poder lograrlo, quizás tengas
que usar otras herramientas de toma de decisiones para reducir tus
opciones y crear un árbol de decisiones una vez que tengas una cantidad
manejable de opciones.
Inestable: es importante asegurarse de que los valores en el árbol de
decisiones sean precisos para que tus ecuaciones sean más exactas. Si
cambias incluso una pequeña parte de los datos, los datos más grandes
pueden presentar errores.

Riesgoso: el árbol de decisiones se basa en un algoritmo de

probabilidades, por lo que el valor esperado que calculas es una
estimación, no una predicción exacta de cada resultado. Esto significa que
debes tomar estas estimaciones con mucha cautela. Si no evalúas lo
suficiente las probabilidades y los beneficios de tus resultados, podrías
asumir un riesgo muy alto con la decisión que elijas.

Cómo hacer un árbol de decisiones

1. Empieza con una idea

Empieza tu diagrama con una idea o decisión principal que representarás
con un nodo de decisión y, luego, agrega ramificaciones individuales con
las diferentes decisiones entre las que debes elegir.

Por ejemplo, si estás planificando desarrollar una aplicación, pero no

puedes decidir si crear una nueva o actualizar una existente, usa un árbol
de decisiones para evaluar los posibles resultados de cada decisión.

En este caso, el primer nodo de decisión será:

Crear una aplicación

Las tres opciones (o ramas) entre las que debes elegir son:

Desarrollar una nueva aplicación de planificación de tareas

Actualizar una aplicación de planificación de tareas existente

Desarrollar una aplicación de productividad en equipo

2. Agrega nodos de oportunidades y de decisiones

Después de agregar tu idea principal al árbol, continúa agregando nodos de
oportunidades o de decisiones luego de cada decisión para expandir aún
más tu árbol. Un nodo de oportunidad puede ir seguido de ramificaciones
alternativas, ya que de dicha decisión podrían desprenderse varios
resultados posibles.

Por ejemplo, si decides desarrollar una aplicación nueva, existe la

posibilidad de obtener una gran rentabilidad si tienes éxito con los clientes.
Sin embargo, también existe la posibilidad de que la aplicación no tenga
éxito, lo que podría resultar en una rentabilidad baja. Es muy importante
que coloques ambos resultados posibles en tu árbol de decisiones.

3. Expande el diagrama hasta llegar a los puntos finales

Continúa agregando nodos de oportunidades y de decisiones a tu árbol
hasta que hayas abarcado todas las decisiones y resultados posibles.
Cuando llegues a este punto, agrega los nodos terminales para indicar la
finalización del diagrama.

Una vez que hayas completado tu árbol, puedes empezar a analizar cada
una de las decisiones.

4. Calcula los valores del árbol

Lo ideal es que tu diagrama también incluya datos cuantitativos. Los datos
que se usan con más frecuencia en los árboles de decisiones son valores
monetarios.

Por ejemplo, desarrollar o actualizar una aplicación le costará a tu empresa

una determinada cantidad de dinero. Además, cada opción tendrá un costo
diferente. Incluir estos valores en el árbol debajo de cada decisión puede
ayudarte durante el proceso de toma de decisiones.

También puedes intentar estimar el valor esperado que generará cada

decisión, ya sea grande o pequeño. Una vez que hayas determinado el
costo de cada resultado y la probabilidad de que ocurra, podrás calcular el
valor esperado para cada resultado usando la siguiente fórmula:

Valor esperado (EV) = (primer resultado posible x probabilidad del

resultado) + (segundo resultado posible x probabilidad del resultado) - costo

Para calcular el valor esperado, primero debes multiplicar los dos

resultados posibles por la probabilidad de que ocurra cada uno de ellos y
sumar ambos valores. Luego debes restar los costos iniciales de tu total.

5. Evalúa los resultados

Una vez que tengas los resultados esperados para cada decisión,
determina cuál es el mejor plan de acción para ti en función del riesgo que
 estás dispuesto a tomar. Es posible que el valor esperado más alto no
siempre sea el que quieras elegir. Esto se debe a que, si bien podría
resultar en una mayor rentabilidad, también significa que debes asumir el
riesgo del proyecto más alto.

Ten en cuenta que el valor esperado en un diagrama de árbol de decisiones

se basa en un algoritmo de probabilidades. Depende de ti y tu equipo
determinar cómo evaluar mejor los resultados del árbol.

Casos de uso/aplicaciones habituales de los árboles de decisiones

Los árboles de decisiones son más aptos para tomar decisiones complejas.
El análisis basado en ellos puede desvanecer la incertidumbre y aportar
claridad. No obstante, ten presente que los árboles de decisiones son más
adecuados para decisiones claras y no para soluciones de la propuesta de
ideas.

Por ejemplo, una pregunta adecuada para un árbol de decisiones sería:

"¿Debemos crear un sitio web nuevo o renovar el que tenemos?" Luego,
puedes investigar las consecuencias de crear o de renovar el sitio web. En
cambio, una pregunta inadecuada sería: "¿Cuál es la sopa favorita de
Jared? No se trata de una decisiones; es simplemente una pregunta (y la
respuesta es minestrone).

 Planificación de productos: por ejemplo, proponer un producto

completamente nuevo y elegir entre dos ideas, o determinar qué
característica añadir en primer lugar.

 Decisiones comerciales generales: ¿Mantener el negocio a distancia o

mudar la sede a Praga?

 Diseño de software: ¿Deberíamos usar Drupal o Blogspot?

 Aprobación de préstamos: saber cuándo prestar dinero es una decisión

importante. Mitiga el riesgo financiero con un árbol de decisiones para
determinar si debe aprobarse un préstamo.
 Decisiones personales: tus viajes diarios dicen Prius mientras que tu
corazón clama Mustang. Los árboles de decisiones pueden ayudarte a
actuar con más lógica.