Aplicacione MDM

1. Sesión 1
Decision Management Systems

2. Habilidades analíticas

3. Habilidades analíticas
Personas capaces de visualizar un problema desde todos los
ángulos posibles antes de ejecutar una acción determinada.
¿cuál es la definición de habilidades analíticas? Este tipo de
habilidades se refieren a la capacidad de recolectar y analizar
información, resolver problemas y tomar decisiones.
Se utilizan habilidades analíticas para detectar patrones,
observar, interpretar datos, integrar nueva información,
teorizar y tomar decisiones basadas en múltiples factores y
opciones disponibles.

4. Habilidades analíticas
Entre las principales características de las habilidades analíticas
podemos destacar:
• La aplicación de la lógica
• La búsqueda de la verdad, la corrección y la coherencia
• El uso de un vocabulario lógico y de procesos inferenciales
en la argumentación
Las habilidades analíticas del pensamiento le permitirán procesar
eficientemente la información y llegar a una solución o conclusión
pero, sin ser un orador efectivo, estos resultados no le serán de
ningún valor. Por eso es necesario que afine sus habilidades de
comunicación para poder aprovechar al máximo su potencial
tanto en su vida profesional como personal

5. Habilidades analíticas
¿Cuáles son las habilidades analíticas?
Comunicación
Tener fuertes habilidades analíticas no significa nada si no puedes compartir tu análisis con otros.
Creatividad
El análisis requiere una visión creativa para detectar tendencias en los datos que otros pueden no
encontrar. La creatividad también es importante cuando se trata de resolver problemas.
Pensamiento crítico
El pensamiento crítico se refiere a evaluar la información y luego tomar una decisión basada en sus
hallazgos.
Análisis de datos
Capacidad de examinar un gran volumen de datos e identificar las tendencias en esos datos. Hay
que ir más allá de la simple lectura y comprensión de la información para darle sentido, resaltando
los patrones de los principales responsables de la toma de decisiones.
Investigación
Usted debe aprender más sobre un problema antes de resolverlo. Primero tendrá que recopilar
datos o información antes de analizarlos. Por lo tanto, una habilidad analítica importante es poder
recopilar datos e investigar un tema.

6. Importancia de la analítica de datos en las empresas
“En Dios confío pero todos ustedes me traen números”
E. Deming

7. Importancia de la analítica de datos en las empresas
Los datos te ayudan a tomar mejores decisiones
La analítica de datos es vital para cualquier negocio, pues nos ayuda a encontrar
información potencial para usarla para mejorar tu empresa.
Los datos te ayudan a resolver problemas.
Los datos te ayudan a visualizar tu rendimiento
Los datos te ayudan a mejorar los procesos
Los datos te ayudan a entender a los consumidores y al mercado
La analítica de datos te permitirá administrar tu negocio de forma adecuada. Los
avances en el procesamiento y la visualización de datos hacen que el crecimiento sea
más fácil de hacer.

8. La gestión de datos

9. La gestión de datos
La gestión de datos consiste en ordenar y mantener una estructura con el
fin de que la información que se utilizará durante el proceso de
investigación permanezca actualizada hasta su publicación.
El objetivo de la gestión de datos consiste en validar y autentificar la
información obtenida para que se encuentre disponible, sea segura y
pueda ser compartida. De esta manera, se tendrá la confianza e interés de
emplear los datos a largo plazo, hasta que dejen de ser de utilidad.

10. La gestión de datos
Gestión de datos relacionados: Es un sistema de gestión de datos
muy popular debido a que es muy fácil y rápido de utilizar. Los
datos obtenidos se encuentran concentrados en tablas que
pueden relacionarse con información agrupada en otras tablas.

11. 11
Sistemas de Informacion Gerencial

12. Sistemas de Informacion Gerencial

13. La gestión de datos
Para que un sistema de gestión de datos pueda funcionar de forma eficaz, es necesario
que cumpla con las siguientes características:
•Los datos deben estar bien definidos y accesibles para cumplir con los objetivos
establecidos por la organización.
•El sistema debe poder mostrar rápidamente los datos que los usuarios soliciten y
modificarlos cuando se solicite.
•Los datos almacenados deben estar registrados, resguardados y protegidos de pérdidas
y personas que no pertenezcan a la organización.
•Los datos deben ser fáciles de recuperarse o restaurarse en caso de que exista un fallo
en el sistema.

14. BIG DATA es la capacidad de almacenamiento de la información generada a una
velocidad extraordinaria por múltiples fuentes, en múltiples formatos; y la
capacidad de interconectarlos, generando inteligencia colectiva, aplicable a
cualquier ámbito.
DATA SCIENCE es la extracción de conocimiento a partir de los datos; es el
procedimiento de obtener información valiosa de los datos y está apareciendo debido a la
necesidad de trabajar con conjuntos inmensos de datos (conocidos como Big data), formados
tanto por datos estructurados como por datos semiestructurados o desestructurados. Estos
conjuntos proceden de los datos generados por los dispositivos electrónicos, las redes
sociales y la web.
BUSINESS INTELLIGENCE. Un conjunto de conceptos y métodos que mejoran la
toma de decisiones, utilizando información de lo sucedido (hechos).
DATA DISCOVERY. Arquitectura de BI orientada a informes interactivos y datos
explorables de múltiples fuentes. el enfoque de las aplicaciones es en los usuarios y
menos en los aspectos técnicos.

15. El proceso de toma de decisiones

16. El proceso de toma de decisiones
El proceso de toma de decisiones en una empresa es una fase
delicada ya que, para tomarla, es necesario tener toda la
información posible.
Cuando se presenta el momento de tomar una decisión se está
frente diversas alternativas con caminos y opciones distintas.
¿Cómo saber cuál es la mejor?

17. El proceso de toma de decisiones
• Identificación del problema
• Identificación de los criterios
• Ponderación de criterios
• Detección y análisis de alternativas
• Selección de una alternativa
• Implementación de la alternativa seleccionada
• Evaluación de la implementación

18. El proceso de toma de decisiones
Evaluación de la Implementación
Estudio que analice y documente cómo se ha procedido a la toma de esta decisión. Para
determinar una correcta evaluación, se pueden seguir estos pasos.
• Objetivos resueltos. El proceso de toma de decisiones se habrá terminado
satisfactoriamente si este cumple con las expectativas esperadas. También es
importante saber si las partes implicadas han aceptado positivamente el reto.
• Analítica e informe de seguimiento. Es conveniente realizar un informa final donde se
determinen los factores que han intervenido en el proceso de toma de decisiones y
como han influido.
• Otros apuntes. Añade a tus estadísticas empresariales los métodos utilizados, así
como introducir los datos recopilados y estudiados para futuros procedimientos.
Resulta muy útil tener catalogado cualquier paso para el futuro.

19. Toma decisiones estratégicas basadas en análisis de datos

20. Toma decisiones estratégicas basadas en análisis de datos
Qué una empresa implemente una cultura de toma de decisiones basadas en el
análisis de datos es mucho más complejo de lo que parece. Significa introducir en tu
organización un cambio cultural radical.
Muchas personas piensan que volverse “data-driven” (impulsador de datos) es tan
simple como implementar una herramienta como Google Analytics o Adobe
Analytics y luego analizar los resultados.
Sin embargo, el crear una cultura data-driven trae consigo grandes desafíos, es decir,
conseguir la aceptación de los ejecutivos corporativos y otros superiores de tu
empresa.
El compromiso de ser data-driven debe abarcar casi todos los elementos que
conforman una empresa.
Sí, medir es importante. Sin embargo, toda la compañía debe estar comprometida con
utilizar los datos, hacer un análisis de datos para la toma de decisiones, para que esa
medición tenga el impacto deseado.

21. Toma decisiones estratégicas basadas en análisis de datos
¿Qué significa ser data-driven?
•Significa establecer indicadores clave de rendimiento para toda la compañía, que
brinden a todos en la organización una idea de los objetivos estratégicos.
•Significa comparar regularmente el rendimiento con esos objetivos y utilizar otras
métricas para hacer los ajustes necesarios.
•Significa hacer que todos los miembros de la organización, no solo ciertos
departamentos o las personas con la palabra “datos” en su título, estén conscientes y
comprometidos con las mejores prácticas de análisis de datos.

22. Toma decisiones estratégicas basadas en análisis de datos
Costos
Ser data driven requiere invertir en herramientas de medición, y muchos empleados
de nivel medio no tienen suficiente control sobre los presupuestos para implementar
dichas herramientas.
Tiempo
Desde tomarte el tiempo de convencer a los ejecutivos de la necesidad de utilizar
datos, hasta la implementación real después de obtener el apoyo, hacer la transición a
“data-driven” va a requerir una inversión de tiempo que generalmente se utiliza en
mantener el status quo.
Cambio de cultura
El mayor desafío es cambiar la cultura en tu lugar de trabajo. Ser data-driven es mucho
más que simplemente implementar un programa de seguimiento o colocar algunos
píxeles en tu sitio web.

23. Toma decisiones estratégicas basadas en análisis de datos
• Utiliza los datos
• Empieza poco a poco
• Conecta los datos con tu estrategia
• No te enfoques en los aspectos técnicos
• Cuenta una historia
• Se visual

24. El auge de la analítica y la IA en las empresas

25. El auge de la analítica y la IA en las empresas
La experiencia empírica atrae cada año a más empresas que buscan adaptarse a las
nuevas necesidades del entorno digital y optimizar todo el potencial del uso de los
datos.
El uso de los datos pronto terminó creando una segmentación, que Deloitte emplea
para valorar el nivel de madurez analítico. La escala IDO (insight-driven organization),
permite entender en qué punto se encuentran las organizaciones con relación a su
capacidad de tomar decisiones fundamentada en procesamientos innatos de datos.
En abril de 2019 un estudio realizado a más de 1.000 ejecutivos de grandes compañías
relacionadas con el uso total o parcial de la analítica, Analytics and AI-driven enterprises
thrive in the Age of With, arroja unos resultados prometedores; tres cuartas partes de los
entrevistados asegura que el nivel de madurez analítica de su organización ha
incrementado en el último año y un 70% espera que las capacidades en este campo serán
más importantes en los 3 próximos años. La proyección dibuja un porvenir en el que la
analítica estará asociada a procesos críticos de las empresas, a soluciones de riesgo, a la
gestión de la reputación, a la innovación de productos y servicios, y a expectativas de
crecimiento.

26. 1.Herramientas: solo el 67% de las empresas utilizan al menos una herramienta de gestión
avanzada como SAS, un recurso de código libre como R, un lenguaje de programación como
Python, o un software de Inteligencia Artificial. Los productos de Microsoft o IBM, más limitados,
siguen siendo los de mayor penetración. Esto se traduce en una limitación de procesamiento
analítico y en un criterio de tratamiento, lógicamente, sesgado.
2. Talento: ¿formar o contratar? Las empresas divergen en esa bifurcación, ignorando cuál debería
ser el tema principal de la discusión: la ciencia de los datos. Para abarcar dicho campo, el estudio
muestra que dos de cada tres compañías limita el entrenamiento a un grupo preseleccionado de
empleados. Solo el 27% afirman implementar formación específica a toda la plantilla, entendiendo
la necesidad de cultivar valores independientes de analítica a cualquier puesto.
La “democratización de la ciencia de los datos” todavía se perfila como una utopía, a la que algunas
corporaciones si han logrado engancharse. Siguiendo resultados, estas gozan de porcentajes de
éxito empresarial espectaculares; un 88% superan las metas propuestas, frente al 61% de aquellas
empresas ancladas en el fraccionamiento de formación.
3. Cultura: la autonomía solo es posible desde la experiencia compartida. Mientras las
herramientas y el talento son facilitadores, la cultura es imperativa. Debe existir una voluntad real
de actuar sobre los conocimientos derivados del análisis, para tomar decisiones, cambiar los
procesos y adaptar los comportamientos basados en aptitudes fundamentadas en lugar de la
intuición.

28. Analítica de datos o cómo tomar las mejores decisiones
Datos de operaciones, de procesos, de logística, de personal, financieros …. Datos,
datos y más datos. Demasiados. Tantos, en cantidad y variedad, que abruman. ¿Cómo
recopilarlos y organizarlos para que tengan sentido? ¿Para saber qué hacer con ellos?
¿Para que impulsen la productividad y eficiencia de la planta?
Unido al resto de mejoras que propone la Industria 4.0, el Data Analytics es
imprescindible para sacarle valor a la información. Y cuando hablo de valor es que hay
datos, valga la redundancia, que lo avalan. Según un informe elaborado por Forbes
Insights , a partir de la opinión de 1.500 ejecutivos de grandes empresas a nivel
mundial, el 66% de las compañías, con una estrategia de analítica avanzada bien
definida, mejora sus márgenes operativos y beneficios en más de un 15%. Es evidente,
pues, que, en el camino hacia la digitalización, una oportunidad de crecimiento
importante viene dada por el análisis eficaz de la información que generamos en
nuestras empresas.

29. El reto es, por tanto, saber cómo estructurar toda esa información para optimizar
procesos, identificar áreas de mejora operativa, afianzar la relación con los clientes,
en definitiva, para potenciar el crecimiento del negocio.
Ayudados por softwares específicos y otras herramientas tecnológicas, los analistas
extraen, seleccionan, procesan, analizan y organizan los datos para establecer
patrones, tendencias, asociaciones, seguimientos que nos ayudan a tomar las
mejores decisiones en todo momento, las más disruptivas si cabe, en cuanto a
horarios de producción, mantenimiento, procesos, gestión de inventarios… Todo
ello, en tiempo real, de forma automática, lo que redunda en una mayor reducción
de costes.

30. Los cuatro tipos de Data Analytics:
1. ¿Qué está pasando? Es la más básica de las interpretaciones. Visualizamos todos
los datos para hacer un análisis descriptivo del negocio, de los productos, de los
clientes
2. ¿Por qué está pasando? Un segundo paso del análisis de datos descriptivo es aplicar
herramientas de diagnóstico para averiguar si existen posibles problemas para, así,
solucionarlos
3. ¿Qué es lo más probable que pase? Aquí entran de lleno las posibilidades del Data
Analytics en términos de predicción. La probabilidad de que ocurra alguna incidencia y
podamos solventarla antes de que suceda. Esta capacidad de predecir permite tomar
mejores decisiones
4. ¿Qué necesito hacer? El último paso es a partir del modelo prescriptivo, a partir del
cual se analiza lo que ha sucedido, por qué y lo que podría suceder para así tomar
decisiones en conjunto.

32. Hacia decisiones basadas en hechos
La toma de decisiones debe estar basada en el análisis de los datos y la
información. Para tomar decisiones acertadas es mejor basarse en la frialdad y
objetividad de los datos más que en intuiciones, deseos y esperanzas.
La información es la herramienta o materia prima fundamental en la toma de
decisiones de la organización.
La información sobre hechos pasados es muy importante, así como los
resultados obtenidos por las estrategias pasadas basadas en esa información.
Su objeto es tomar decisiones acertadas en el presente basándose solo en el
método y el análisis.
Aumentar la capacidad para revisar, afrontar y cambiar opiniones y decisiones.
¿Y el sexto sentido?

33. Asegurar que los datos e información son suficientemente precisos y fiables.
Con unos datos precisos es posible aplicar métodos de evaluación adecuados, realizar
predicciones fiables y tomar las decisiones adecuadas.
Hacer que los datos sean accesibles para cualquiera que los necesite.
La información ha de estar disponible para quien la requiera y ha de ser fácilmente
obtenible.
La información no tiene connotaciones de ningún tipo. Los resultados y evaluaciones
que puedan desprenderse de los datos han de aceptarse y asumirse fría y
objetivamente.

35. El peligro de no pensar analíticamente
La ciencia no piensa
¿qué quiere decir Heidegger cuando afirma: la «ciencia no piensa»?“
La respuesta de Heidegger: "Para comenzar primero con los dolores de cabeza. Los
encuentro muy sanos. Hoy día hay demasiado pocos dolores de cabeza en el mundo y
una gran falta de pensamiento que justamente va con el olvido del ser. Y esa frase, la
ciencia no piensa, que causó gran sensación cuando la dije en una lección en Friburgo,
significa: la ciencia no se mueve en la dimensión de la filosofía, pero está, sin que ella
lo sepa, referida a esa dimensión. Por ejemplo, la física se mueve en espacio, tiempo y
movimiento; lo que sea movimiento, lo que sea espacio, lo que sea tiempo, no lo
puede decidir la ciencia en cuanto [ais] ciencia; entonces, la ciencia no piensa; no
puede en este sentido pensar con sus métodos. Yo no puedo, por ejemplo, con
métodos físicos decir lo que sea la física. Lo que sea la física yo sólo lo puedo pensar a
la manera del preguntar filosófico. La frase la ciencia no piensa no es ninguna objeción,
sino solamente una constatación de la estructura interna de la ciencia; a su esencia
pertenece que ella esté referida, por una parte, a lo que piensa la filosofía y, por otra
parte, ella misma, sin embargo, olvida esto que hay que pensar y no lo considera"
Heidegger

36. FIN