Redefinamos los

buenos negocios
Analítica para centrum.pucp.edu.pe

la Toma de
Decisiones
Sesión 07 – 08 :
Competing on Analytics y
Arquitectura Analítica
Agenda

• Toma de Decisiones
• Compitiendo mediante
Analítica
• Arquitectura Analítica
Toma de Decisiones
Definición
Decisión
Una decisión es el producto final del proceso
mental-cognitivo específico de un individuo o un
grupo de personas u organizaciones, el cual se
denomina toma de decisiones, por lo tanto, es un
concepto subjetivo. Es un objeto mental y puede ser
tanto una opinión como una regla o una tarea para
ser ejecutada y/o aplicada.
(Wikipedia)

Toma de Decisiones
Proceso mediante el cual se realiza una elección
entre diferentes opciones o formas posibles para
resolver diferentes situaciones en la vida en
diferentes contextos.
(Wikipedia)
Tipos de Decisiones

No Estructuradas

Semi Estructuradas

Estructuradas
Valor del Negocios en la Toma de Decisiones

o Decisiones tomadas a todo nivel de la empresa.

o Las decisiones pueden ser:
1. Comunes
2. Rutinarias
3. Numerosas
4. Valor
individual
 Valor del Negocios en la Toma de Decisiones

Decisión Encargado de tomar la Número de Decisiones Valor estimado para la firma Valor Anual
decisión Anuales de una sola Decisión

Asignar soporte a la mayoría Gerente de Cuenta 12 $100 000 $ 1 200 000

de clientes valiosos

Predecir la demanda diaria del Administrador de Call 4 150 000 600 000
call center Center

Decidir los niveles de Gerente de Inventario 365 5 000 1 825 0000

inventario de piezas diarias

Identificar ofertas Gerencia de Nivel Superior 1 2 000 000 2 000 000

competitivas de los
principales proveedores
Programar la producción para Gerente de Manufactura 150 10 000 1 500 000
surtir pedidos

Asignar mano de obra para Gerente de Piso de 100 4 000 400 000
completar trabajo Producción

Kenneth C. Laudon & Jane P. Laudon. (2012). Sistemas de Información Gerencial. México: Pearson Educación.
Previsión en la Toma de Decisiones
Muchas de las decisiones tomadas dependen de muchas más variables
(estructura de datos e información) de las que podemos siquiera intuir a
primera vista.
Previsión: Precisión respecto a los Datos:
Sesgo y Varianza

La selección del modelo dependerá fundamentalmente del grado de precisión y la

disponibilidad de datos históricos correctos.
Las 7 variables de la Previsión

5)
1) Contexto Externo 3) Modelo Mental

6) Previsión del Riesgo

4) Comportamiento

2)
2) Contexto Interno 7) Tiempo

Para la Toma de Decisión

Proceso de Toma de Decisiones

Definir Situación Imaginar Opciones Prever Resultados

Valorar
Tomar Decisión
Consecuencias

Plan de Acción
Análisis

Evaluar Resultados

Herbert A. Simon, The new Science of Management Decision, ed. Rev. (Englewood Cliffs, NJ: Prentice-Hall, 1977).
Proceso de Toma de Decisiones
Proceso de Toma de Decisiones
Evolución de la Toma de Decisiones
Evolución de la Toma de Decisiones
Evolución de la Toma de Decisiones
Analítica
para la
Toma de
Decisiones
Descriptivo, Predictivo y Prescriptivo
Descriptivo, Predictivo y Prescriptivo

Previsión para facilitar los procesos

de la toma de decisión
Seleccionamos el nivel de análisis según la etapa de madurez y objetivos del negocio.

Conocer lo que Estimar los Mejorar los posibles

ha pasado futuros resultados resultados
Análisis Análisis Análisis
Descriptivo Predictivo Prescriptivo
A partir de lo sucedido Identificar estrategias y
Analiza e interpreta lo que
intenta determinar acciones que mejoran los
ha sucedido
lo que sucederá resultados previstos
- Que paso
- Que pasó - Que hacer
- Como paso
- Que podría pasar - Como hacerlo
Compitiendo Mediante Analítica
Los 4 Pilares del Competidor Analítico

Analítica en toda la Empresa • Capacidad Distintiva

Compromiso de la Alta Dirección

Ambición a gran Escala

• Analítica en toda la Empresa
Capacidad Distintiva

• Compromiso de la Alta Dirección

• Ambición a gran Escala

Niveles de la Analítica
 Etapas Analíticas
Etapa Capacidades
Distintivas/Nivel de
Conocimiento
1. Incapacidad Analítica Incapacidad, hacer todo lo
que sea necesario para poder
reunir información de calidad
sobre el negocio
2. Analitica Localizada Local y oportunista – Puede
no estar apoyando las
capacidades distintivas de la
compañía
3. Aspiraciones Analiticas Empezar esfuerzos para
obtener datos y un análisis
más integrado
4. Empresas Analiticas Perspectiva en toda la
empresa capaz de utilizar el
análisis para obtener puntual
ventaja, saber qué hacer para
llegar al siguiente nivel, pero
no completamente allí
5. Competidor Analítico En toda la empresa, grandes
resultados, ventaja sostenible
Preguntas a realizar
¿Qué pasó en nuestro
negocio?
¿Qué podemos hacer para
mejorar esta actividad?
¿Cómo podemos entender
mejor nuestro negocio?
¿Qué está pasando ahora?
¿Podemos extrapolar las
tendencias existentes?
¿Cómo podemos utilizar la
analítica para innovar y
diferenciar?
¿Que sigue? ¿Qué es posible?
¿Cómo podemos seguir
adelante?
Objetivo Métricas/Medidas/valo
res
Conseguir datos precisos Ninguno
para mejorar las
operaciones del negocio
Utilizar análisis para ROI en aplicaciones
mejorar una o más individuales
actividades funcionales
Utilizar análisis para Desempeño futuro y valor
mejorar una capacidad de mercado
distintiva
Construir una amplia El análisis es un importante
capacidad analítica - impulsor del rendimiento y
análisis para la del valor
diferenciación
Master en analítica - El análisis es el principal
Compitiendo impulsor del rendimiento y
completamente en analítica el valor
Como Hacer Dinero con Analítica
• Optimizar una capacidad distintiva del Negocio o
relación externa con clientes
• CRM, supply chain, HH.RR., R&D, etc.
• Harrah’s, Marriott, Amazon, etc.
• Comprender y actuar mejor en el negocio
• MCI, Sara Lee Bakeries, Royal Bank of Canada (RBC)
• Ofrecer analítica a los clientes como la oferta
principal
• Apex Management Group en gestión de riesgos de
seguros
• Franklin Portfolio Associates en desarrollo de cartera de
capital
• Ofrecer analítica a los clientes para aumentar el
producto o servicio existente.
• SmartSwing en Club de Golf
• Nielsen/IRI en retail / productos de consumo masivo
El panorama analítico siempre está
cambiando
• Aerolíneas: Dejar que
el modelo de negocio
se vuelva obsoleto.
• Equipos de Futbol: El
porcentaje en goles
realizados por
jugadores se
sobrevalora.
• Banca: Varios bancos se
ponen al día y entran
en nuevos negocios en
la Big Data.
Datos

• Requisito previo para todo lo analítico.

• Limpio, común, integrado.

• Accesible como en un almacén

• Las métricas son importantes

Liderazgo

Gary Loveman de Harrah’s:

"¿Pensamos en datos o sabemos
de datos?"

Barry Beracha de Sara Lee:

"En Dios confiamos, todos los
demás aportan datos“

Jeff Bezos de Amazon: "Nunca

desechamos datos"
Objetivo
• Si los recursos analíticos son limitados, elija un objetivo
estratégico importante, con uno o dos objetivos
• Harrah’s = Lealtad + Servicio
• Real Madrid = Mejor jugador + Goles hechos
• BBVA = Análisis de activos + Tarjetas de crédito
• UPS = Operaciones + Datos del cliente

• También puede tener dos objetivos principales en el grupo de

usuarios
• Wong = Gerentes de tienda + Proveedores
• Seguros + EPS = Logística + Clínicas
• Retails = Proveedores + Clientes
Especialistas (Analistas)

Profesionales Analíticos
5-10% — Pueden crear algoritmos (Python, R)
Semi Profesionales Analíticos
15-20% — Pueden usar herramientas visuales, Crear simples
modelos (Orange, Tanagra, SPSS Modeler)

Aficionados a la Analítica
70-80% — Pueden usar Hojas Electrónicas (Excel)
Tomando Acción
•La analítica debe
integrarse en la
maquinaria de la acción
organizacional

•Expectativas del •Toma de decisiones

cliente

•Comportamiento en
•Procesos de negocios
el gerente y empleado
Progreso
Moviéndonos a :

Nivel 1 Etapa 2 Etapa 3 Etapa 4 Etapa 5

Factor de Exito Incapacidad Analitica Analítica Localizada Aspiraciones Analiticas Empresas analíticas Competidores analíticos

Datos Inconsistente, de Datos utilizables, La organización Datos comunes, Búsqueda incesante de

baja calidad, mal pero en silos comienza a crear un precisos e integrados nuevos datos y
organizados funcionales. almacén de datos en el almacén central. métricas.
centralizado.
Empresas n/a Islas de datos, Las primeras etapas Los datos clave, la Todos los recursos
tecnología y de un enfoque para tecnología y el análisis analíticos clave
experiencia. toda la empresa están centralizados o gestionados
están en red. centralmente
Liderazgo Sin conciencia, ni Solo a nivel de Los líderes Apoyo y liderazgo para Fuerte pasión por el
interés función comienzan a la competencia liderazgo para la
reconocer la analítica. competencia analítica
importancia de la
analítica.
Objetivos n/a Múltiples objetivos Esfuerzos analíticos Actividad analítica Los análisis respaldan
desconectados que que se unen detrás centrada en algunos la capacidad y la
pueden no ser de un pequeño dominios clave. estrategia distintivas de
conjunto de objetivos. la empresa.
estratégicamente
importantes
Analistas Pocas habilidades, y Grupos aislados de Afluencia de analistas Analistas altamente Analistas profesionales
están asociados a analistas sin tener en áreas claves capacitados en de clase mundial y dan
funciones comunicación organizaciones atención a los
centrales o en red. analíticos aficionados.
específicas
Próximos pasos de la Analítica

•Búsqueda continua
•Acciones en tiempo
de nuevos tipos de
real.
datos.

•Minería de
•Ingeniería de la
contenido, análisis
toma de decisiones
de intangibles

•Gestión de modelos
/ gestión de recursos
analíticos / gestión
del conocimiento
Arquitectura Analítica
Pirámide de la información en la
empresa…

Resumen, sumarización, agregación

INTELIGENCIA

Cantidad, detalle, granularidad

“SABIDURÍA” Estrategia
Sistemas
Analíticos Retroali-
“CONOCIMIENTO” mentación

Táctica
Sistemas INFORMACIÓN
Transaccio- Feedback
nales
DATOS Operación
Arquitectura Empresarial

Arquitectura Empresarial es investigar acerca de la Eficiencia

Arquitectura Empresarial
Arquitectura Empresarial es entregar simplicidad en los servicios a los clientes
Arquitectura Empresarial
Arquitectura Empresarial
Arquitectura Analítica básica –
data estructurada

Almacenamiento de la información

Datawarehouse  Datamarts Explotación de Datos

(vistas funcionales) (Reporting, Dashboards,
Scorecards)
Por ejemplo:
Datamart de Finanzas
Analítica Avanzada
(Origen de la Datamart de Ventas
(Datamining, Machine
data e (sumarizar, homologar, Datamart de Operaciones Learning, Analítica
información) limpiar, completar, Predictiva, Alertas,
juntar, separar, Analytics apps)
formatear, etc.)
Arquitectura Analítica extendida
Arq. Analítica extendida: data
estructurada y Big Data (no estructurada)
 Arquitectura Analítica en Nube

Fuente: Microsoft – Azure: Real Time Analytics on Big Data Architecture

https://docs.microsoft.com/en-us/azure/architecture/solution-ideas/articles/real-time-analytics
Ejemplo:
Arquitectura de Monitoreo de equipos de Minería

Fuente: Microsoft – Azure: Mining equipment monitoring

https://docs.microsoft.com/en-us/azure/architecture/solution-ideas/articles/monitor-mining-equipment
Data Lake
Prototipo de Arquitectura Analítica
Prototipo de Arquitectura Analítica
Prototipo de Arquitectura Analítica
Tecnología del Data Mining
Tecnología del
Data Mining

Gartner 2021
Magic Quadrant
for Data
Science and
Machine
Learning
Platforms
https://www.predictiveanalyticstoday.com/top-free-data-mining-software/