Toma de decisiones basadas en datos

Tomamos decisiones basadas en datos.
Share on twitter
Twitter
Share on whatsapp
WhatsApp
Share on linkedin
LinkedIn
Share on facebook
Facebook
Share on telegram
Telegram
Share on email
Email
Share on facebook
Share on telegram
Share on email
Share on twitter
Share on whatsapp
Share on linkedin

Muchas de las decisiones basadas en datos que tomamos todos los días se basan en modelos, o más bien, representaciones de cómo funciona algo. A veces, estos modelos son mentales, como cuando miramos una habitación vacía e imaginamos cómo podemos decorarla. Los modelos también pueden ser visuales, como hacer referencia a Google Maps cuando se viaja a un nuevo destino. Con frecuencia usamos estos modelos para ayudarnos a tomar mejores decisiones y simplificar las tareas.

Los modelos que usamos para tomar decisiones basadas en datos también pueden ser matemáticos, como modelos abstractos que emplean lenguaje matemático para describir el comportamiento de un sistema. Este tipo particular de modelo cae bajo el paraguas de la ciencia de la decisión: la aplicación interdisciplinaria basada en datos de las ciencias del comportamiento, los negocios, la informática y la tecnología. En esencia, la ciencia de la decisión consiste en utilizar datos para optimizar el proceso de toma de decisiones.

Aunque la mayoría de las personas no utilizan la ciencia de la decisión de forma explícita en su vida cotidiana, las empresas y los economistas suelen utilizarla para realizar análisis de riesgos, análisis de costes y beneficios, análisis de rentabilidad, modelos de simulación y mucho más.

Historia

Las ciencias de la decisión se derivan de múltiples enfoques, incluido el análisis de riesgos, el análisis de costos y beneficios y la ciencia de datos. Es importante recordar que las ciencias de la decisión están arraigadas en los procesos subyacentes de cómo tomamos decisiones basadas en datos. Es por eso que pueden relacionarse con otros campos pero son fundamentalmente diferentes del campo de la ciencia de datos, por ejemplo.

El análisis de riesgos se refiere en términos generales al proceso de evaluar la probabilidad de que ocurra un evento adverso dentro de las empresas, el gobierno o incluso el sector ambiental. Una aplicación dentro del ámbito de la ciencia de la decisión es proteger la salud pública mediante la comunicación de información sobre los riesgos para la salud dentro de un marco que sea útil para la toma de decisiones. Es especialmente importante ahora, ya que el público es cada vez más consciente de cómo su propia salud se ve afectada por los peligros ambientales y la contaminación. Por lo tanto, los gobiernos, las organizaciones de salud y las organizaciones privadas deben tomar decisiones informadas para garantizar que puedan responder a los deseos y necesidades del público en consecuencia. Sin embargo, una limitación es que el riesgo se basa en la probabilidad, lo que significa que es prácticamente imposible ser preciso al calcular el riesgo. Además, el análisis de riesgos no puede dar cuenta del impacto de los eventos extremos.

Análisis de costo y beneficio

El análisis de costo-beneficio fue conceptualizado en 1848 por el ingeniero Jules Dupuit, pero no se implementó en la política pública hasta 1958. El análisis de costo-beneficio luego se amplió para abordar temas relacionados con el abuso de sustancias y los desechos químicos. Ahora, se usa con mayor frecuencia en economía, específicamente en economía del bienestar, así como en políticas públicas. Su rasgo característico es medir costos y beneficios en la misma unidad, lo que significa que los beneficios a menudo se miden en términos financieros. Sin embargo, una limitación es que, para proyectos a largo plazo, es posible que un análisis de costo-beneficio no pueda dar cuenta de cuestiones financieras como la inflación o las tasas de interés.

La ciencia de datos se denominó oficialmente en 2001 por el científico informático William S. Cleveland. Cleveland argumentó que las estadísticas deberían extenderse más allá de la teoría o la extracción de datos y, en cambio, usarse para la innovación. Ahora, la ciencia de datos es extremadamente poderosa, ya que informa prácticamente todos los aspectos de nuestras vidas; es la fuente de información de back-end para todo lo relacionado con la tecnología. La ciencia de datos tiene efectos de gran alcance en nuestra toma de decisiones diaria.

Por lo tanto, la ciencia de la decisión es un término general para muchas técnicas cuantitativas, como el análisis de riesgos y el análisis de costos y beneficios, que se utilizan para mejorar la toma de decisiones. Analiza las decisiones como unidades de análisis, lo que significa que puede y ha informado decisiones en derecho, educación, regulación ambiental, salud pública y política pública. La ciencia de decisiones difiere de otros enfoques, como la ciencia de datos, en que se ocupa de tomar decisiones basadas en los datos disponibles, en lugar de producir nuevos datos.

Consecuencias

Tomar decisiones puede ser increíblemente difícil y estresante para las personas. Considere, sin embargo, lo difícil que es tomar una decisión sobre el futuro de toda una empresa o gobierno. A pesar de la enorme cantidad de datos que reciben las empresas y los gobiernos, y la experiencia de sus grupos de trabajo, siempre existe la posibilidad de interferencia por sesgos cognitivos y opiniones subjetivas.

La ciencia de la decisión mitiga algunos sesgos y proporciona a las empresas y los gobiernos una predicción clara y muy precisa del resultado de una decisión potencial. Además, al calcular los riesgos y las recompensas de una decisión, las empresas o los responsables políticos pueden comprender mejor en qué se están metiendo antes de tomar una decisión final.

Temas relacionados

Big data: Grandes cantidades de información que acumulan las empresas y los estadísticos, a menudo de los consumidores. Esto a menudo proviene de la minería de datos.

Minería de datos: un proceso que utilizan las empresas para transformar datos sin procesar en material utilizable e informativo. Estos datos a menudo se utilizan para crear programas de aprendizaje automático.

Análisis de costo-beneficio: Un método sistemático para estimar las fortalezas y debilidades de un enfoque. Brinda a las empresas una mejor comprensión de qué enfoque resultaría en el máximo beneficio y ahorro.

Ciencia de datos: un campo interdisciplinario que utiliza algoritmos, métodos y técnicas científicos para extraer información de datos estructurados y no estructurados. Las ciencias de datos ven los datos como una herramienta para la optimización y el refinamiento del negocio; se basa en big data y aprendizaje automático.

Ciencia de la decisión: una aplicación de técnicas cuantitativas complejas para facilitar e informar el proceso de toma de decisiones. Las ciencias de la decisión ven los datos como una herramienta para el desarrollo de hipótesis y la toma de decisiones utilizando la lógica y la probabilidad.

Aprendizaje automático: una rama de la inteligencia artificial que implica la creación de aplicaciones y programas informáticos que aprenden de los datos y mejoran su precisión con el tiempo. Las máquinas están entrenadas para encontrar patrones en los datos.

Análisis de riesgo: Un proceso que estima la probabilidad de que ocurra un evento adverso, dentro de las industrias corporativas, gubernamentales o ambientales. El análisis de riesgos garantiza que haya un equilibrio entre asumir riesgos y reducir las posibles consecuencias negativas.

Fuentes

  1. Laboratorio de decisiones. (2022). Data driven. (S. Melzner, trad)
  2. Beck, D., Toole, J., John-Baptiste, A., (2015). Decidir el valor por el dinero: mejorar la detección genética prenatal en Ontario en: Speechley, M. y Terry, AL [eds] Western Public Health Casebook 2015. London, ON: Public Health Casebook Publishing.
  3. Científico de decisiones versus científico de datos. (Dakota del Norte). Central de ciencia de datos. 
  4. Cómo se realiza el proceso de análisis de costo-beneficio. (Dakota del Norte). Investopedia. 
  5. Cómo funciona el análisis de riesgos. (Dakota del Norte). Investopedia. 
  6. Recomendación: Cáncer de pulmón: Cribado | Grupo de trabajo de servicios preventivos de los Estados Unidos. (Dakota del Norte). Grupo de Trabajo de Servicios Preventivos de los Estados Unidos.
  7. ¿Qué es la ciencia de la decisión? (2017, 5 de junio). NDMU.
  8. ¿Qué es la ciencia de la decisión? (2020, 20 de octubre). Centro de Ciencias de la Decisión en Salud. Harvard

Leé más conceptos tendencias modelos casos contenidos materiales adelantos guías

Completá tus datos para recibir una serie de 10 envíos hechos para vos.

Los algoritmos gobiernan nuestra vida.

Algoritmos

Los algoritmos son esencialmente una secuencia de instrucciones concretas que le dicen a un operador qué hacer.

wood animal lizard reptile

Evolución

Cuando los organismos vivos se reproducen, transmiten rasgos exitosos de evolución que aseguran su supervivencia y capacidad de reproducción.

Sunstein

Cass Sunstein

Las ideas de Cass Sunstein se pueden escuchar en leyes, políticas, ciencias del comportamiento, salud, enseñanza y consultoría legal. 

silhouette of man holding flamethrower

¿Qué es la ingeniería social?

Durante los últimos años, el término “ingeniería social” ha ganado algo de popularidad. No mucha. Todavía no es —aunque quizás debería serlo— un campo tan

Identidad económica

La identidad en la economía

Imaginate que estás comprando una camisa nueva. ¿Qué factores creés que influirán en tu decisión? Eso es la identidad en la economía.

inteligencia artificial y robotización

Inteligencia artificial

La inteligencia artificial (IA) intenta que las computadoras y las máquinas tomen decisiones como los humanos.

OODA loop de la fuerza aérea

Bucle OODA

El bucle OODA es un modelo de procesamiento de información que considera la observación, orientación, decisión y acción.