Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1.8 REFINACIÓN DE
DATOS
REFINACIÓN DE DATOS
El término refinación se emplea a menudo como sinónimo de disgregación, pero eso no es
del todo correcto. Los datos que están muy refinados (se les describe a menudo como
altamente estructurados) corresponden a datos muy disgregados, pero lo inverso no
siempre es cierto. Una cantidad considerable de datos puede ser fácilmente accesible en la
base de datos de la red corporativa conocida como “almacén de datos”. Es posible que los
datos sean pertinentes para la situación que usted está estudiando, pero es frecuente que
los datos no se encuentren en la forma apropiada. Tal vez encontremos datos anuales
acerca del volumen total de ventas y datos anuales sobre el número total de plantas en
operación, pero para nuestro modelo podemos requerir las ventas promedio por planta
realizadas cada año. Dichas ventas pueden calcularse mediante manipulaciones sencillas
de los datos existentes, usando la hoja de cálculo electrónica. Este proceso de
manipulación, “masaje” o “trituración” de información, puede designarse con mayor
propiedad como la refinación de los datos. Tales procesos de refinamiento pueden requerir
extensivas manipulaciones en la hoja de cálculo electrónica, según el material disponible y
el que usted requiera para la construcción de su modelo.
1
27/2/2024
1.9 MODELOS
PROBABILÍSTICOS Y
DETERMINISTAS
MODELOS DETERMINÍSTICOS
Y PROBABILÍSTICOS
Los modelos para toma de decisiones se clasifican con frecuencia según la función de
negocios a la cual se aplican (finanzas, mercadotecnia, contabilidad de costos, operaciones,
etc.) o por la disciplina de aplicaciones o la industria involucrada (ciencias, ingeniería,
economía, organización militar, instituciones no lucrativas, transporte, capital de riesgo, etc.).
También pueden clasificarse según el nivel de la organización en el cual se aplican
(estratégicos vs. tácticos), por el marco temporal elegido (largo vs. corto plazo), por el tipo de
matemáticas utilizadas (ecuaciones lineales vs. ecuaciones no lineales) y por la tecnología
aplicada en la construcción del modelo (hoja de cálculo electrónica, paquete de software
personalizado, lápiz y papel, etc.). Cada una de esas tipologías provee mayores
conocimientos acerca de los usos y la aplicabilidad de cada modelo. Usaremos una tipología
más para organizar nuestra aproximación a la construcción de modelos: modelos
determinísticos vs. probabilísticos.
2
27/2/2024
MODELOS DETERMINÍSTICOS
Los modelos determinísticos son aquellos donde se supone que todos los datos pertinentes se
conocen con certeza. Es decir, en ellos se supone que cuando el modelo sea analizado se tendrá
disponible toda la información necesaria para tomar las decisiones correspondientes. Un ejemplo de
modelo determinístico sería la asignación de la tripulación de una aerolínea para cada uno de sus
vuelos diarios del mes próximo, conociendo los horarios de vuelos, el personal disponible, las
restricciones legales sobre las horas de trabajo, las reglas del sindicato y así sucesivamente. Como
vimos en Investigación Operativa I, los modelos determinísticos pueden manejar situaciones
complejas en las que hay muchas decisiones y restricciones. La utilidad de los modelos
determinísticos suele ser máxima cuando unas cuantas entradas no controladas del modelo presentan
incertidumbre. En consecuencia, los modelos determinísticos se utilizan a menudo, aunque no
siempre, para la toma de decisiones internas de una organización, como en el ejemplo acerca del
programa de trabajo para la tripulación de una aerolínea.
Los modelos determinísticos son importantes por cinco razones:
2. Muchas hojas de cálculo electrónicas cuentan con la tecnología necesaria para optimizar mo-
delos determinísticos, es decir, para encontrar decisiones óptimas.
3. El subproducto de las técnicas de análisis es una gran cantidad de información muy útil para la
interpretación de los resultados por la gerencia.
3
27/2/2024
MODELOS PROBABILÍSTICOS
En los modelos probabilísticos, o estocásticos, algunos elementos no se conocen con certeza.
Es decir, en los modelos probabilísticos se presupone que algunas variables importantes, llama-
das variables aleatorias, no tendrán valores conocidos antes que se tomen las decisiones corres-
pondientes, y que ese desconocimiento debe ser incorporado al modelo. Un ejemplo de modelo
probabilístico podría ser la decisión de establecer una compañía de Internet mediante la venta
pública de acciones de capital, antes de saber si el mercado para nuestra oferta será favorable
(mercado en alza) y rendirá un alto precio de las acciones, o desfavorable (mercado sostenido) y
el precio de éstas será bajo. Esos modelos incorporan la incertidumbre a través de
probabilidades en las variables aleatorias; en este caso, la condición futura del mercado de
valores. Estos modelos tienden a reportar su mayor utilidad cuando intervienen en ellos muchas
entradas inciertas y hay pocas restricciones. En consecuencia, los modelos de incertidumbre se
usan a menudo para la toma de decisiones estratégicas referentes a la relación de una
organización con su ambiente (incierto), como en el ejemplo de la oferta de acciones al público.
1.10 CICLOS EN LA
CONSTRUCCIÓN DE
MODELOS
4
27/2/2024
CICLOS EN LA CONSTRUCCIÓN DE
MODELOS
Para entender mejor el lugar que ocupan los modelos
en el proceso de su construcción y análisis, será
conveniente que clasifiquemos los modelos
simbólicos a partir de las dimensiones ilustradas por
medio del diamante que aparece en la figura.
Confrontados entre sí, los lados derecho e izquierdo
del diamante se refieren a los extremos polares que
corresponden a la construcción de modelos
determinísticos frente a la construcción de modelos
probabilísticos.
Por supuesto, ningún modelo es completamente
determinístico (ausente de incertidumbre en todas sus
variables) ni totalmente probabilístico (con
incertidumbre en los valores de toda
5
27/2/2024
CICLOS EN LA CONSTRUCCIÓN DE
MODELOS
El diamante también ilustra que las cuatro dimensiones que forman sus facetas son abor-
dadas por los gerentes en el proceso para construir modelos, sobre todo en las etapas
formativas iniciales. Es decir, la construcción de modelos pocas veces se realiza usando una
sola de las dimensiones o siguiendo una simple "receta de cocina" donde se combinen
dichas dimensiones. En lugar de eso, los elementos del modelo son ensayados, probados,
evaluados (a menudo subjetivamente en un principio), revisados, vueltos a ensayar y así
sucesivamente, en forma iterativa, saltando de una "faceta" del diamante a otra ya sea
mediante la creatividad o al estilo de una "lluvia de ideas". Por ejemplo, una gerente podría
empezar a construir un modelo para el cálculo del costo de un producto por medio de un
modelo de decisiones, suponiendo o razonando (por el método deductivo) que el costo total
de los bienes vendidos representa 60% del ingreso total, y considerando que el porcentaje
del "costo de los bienes" (60%) es conocido (determinístico).
6
27/2/2024
Esto la hace pasar de la parte superior del diagrama a la faceta derecha de un modelo
determinístico. Cuando esté más avanzado el proceso de construcción del modelo, tal vez
desee "dar un vistazo a algunos datos históricos sobre ingresos y costos", con lo cual
descenderá hasta la faceta del diamante que corresponde al análisis de datos, ubicado a la
derecha y abajo en el diagrama. Después de analizar los datos históricos (por inferencia),
quizá decida modificar el porcentaje a 63% por ejemplo. A continuación, podría examinar el
efecto de esa revisión en los costos generales o la rentabilidad del modelo en conjunto. Esto
la llevaría de nuevo a la faceta de la decisión de la derecha, en la construcción del modelo
(las proyecciones de "¿qué pasaría si?" sobre costos totales y rentabilidad) para evaluar
subjetivamente la veracidad del mismo. El enfoque iterativo se ilustra mediante el ciclo o
circuito cerrado de construcción de modelos representado .
C C D
I O E
C N
L S M
O T O
S R D
U E
E C L
N C O
I S
L Ó
A N
7
27/2/2024
CICLOS EN LA CONSTRUCCIÓN DE
MODELOS
Ya más avanzado el proceso de construcción del modelo, los colegas podrían
convencer a la gerente de que el porcentaje del costo de los bienes no permanece en
el valor fijo de 63%, sino que varía en forma un tanto aleatoria a causa de la
variabilidad en los precios de productos primarios que paga por sus materias primas.
Con esto, el proceso de construcción del modelo pasaría a la mitad izquierda del
diagrama, para que ella pudiera desarrollar iterativamente las relaciones entre
diversos porcentajes del costo de los bienes y el precio de los productos primarios
(deducción) y analizara los datos para ponerlos a prueba (inferencia) con relación en
los parámetros de la distribución de probabilidades que rige los valores para el
porcentaje de costo de los bienes, es decir, el ciclo de formulación del modelo que
aparece en la mitad izquierda del diagrama.
CICLOS EN LA CONSTRUCCIÓN DE
MODELOS
Más tarde aun, la gerente podría tratar de simplificar su modelo pasando por alto la
incertidumbre reconocida en tomo al porcentaje del costo de los bienes (por
ejemplo, porque otras proyecciones de "¿qué pasaría si?" sugieren que la
variabilidad en los precios de los productos primarios no afecta materialmente la
toma de decisiones). Con esto, la parte del modelo correspondiente a la relación del
costo de los bienes se desplazaría de nuevo a la mitad derecha del diamante que
aparece en el diagrama. Este último desplazamiento muestra que en el proceso de
construcción de modelos existen ciclos o circuitos cerrados horizontales, además de
los verticales cuyo diagrama
El enfoque iterativo del tipo ensayo-error para la construcción de modelos ilustrado
es sumamente creativo. A eso se debe que la formulación de modelos
administrativos sea más un arte que una ciencia. Y, como todo arte, se aprende
observando con sentido crítico los ejemplos realizados por otras personas y
practicando, practicando, practicando.
8
27/2/2024
1.11 CONSTRUCCIÓN DE
MODELOS Y TOMA DE
DECISIONES"
4. Implementación
• Es decir, aplicar a la toma de decisiones en el mundo real, el conocimiento validado
que se obtuvo con la interpretación de los resultados del modelo.
9
27/2/2024
10
27/2/2024
Por sí solo, el sentido común difícilmente ofrece un camino científico para validar la
construcción de un modelo. Por desgracia, también otras técnicas de validación
tienen sus limitaciones. Por ejemplo, con frecuencia se valida un modelo diciendo
que una organización ahorró $X en sus costos u obtuvo $Y en ganancias cuando lo
usó como base para sus decisiones. Esto plantea la pregunta de sí el desempeño
hubiese mejorado lo mismo (¡o quizá más!) sin el modelo.
Considerando que, en general, no es posible realizar una experimentación bajo
control, un método imperfecto para validar un modelo consiste en usarlo para
"predecir la historia". En efecto, para probar el modelo, se utilizan como entradas
datos históricos sobre decisiones, parámetros y resultados obtenidos en una situación
similar en una época ya conocida. A continuación se comparan los dos conjuntos de
resultados, los del modelo y los de la historia, y el modelo queda validado si existe
similitud entre ellos.
11