Con tantos factores que hay que tener en cuenta y tantas variables en juego, no es de extrañar que la toma de decisiones pueda ser uno de los aspectos más difíciles al dirigir una empresa.
La presión para elegir el camino correcto es tremenda, y las consecuencias de tomar un camino equivocado pueden ser catastróficas. Por eso, en Analytics Town estamos dedicados a facilitar la toma de decisiones aprovechando el poder de los datos y esta no podía ser la excepción.
Afortunadamente, existen algunos métodos probados para tomar mejores decisiones. En este artículo, exploraremos algunas de las técnicas de toma de decisiones más populares, como el análisis coste/beneficio, el análisis conjunto (más conocido como Conjoint Analysis), los árboles de decisión y la teoría de juegos. Si comprendes y aplicas estos métodos, podrás tomar decisiones con mayor confianza, sabiendo que has evaluado todas las opciones posibles y elegido el mejor curso de acción para tu negocio.
Si te perdiste la primera parte de este contenido, podes acceder aquí la nota sobre "Técnicas para tomar decisiones - Parte 1". En ese momento hablamos sobre diagramas de afinidad, AHP (Analytics Hierarchy Process) y modelos RFM (Recensy, Frequency y Monetary Value).
Veamos a continuación estos nuevos modelos mentales y de procesos para lograr analizar los datos para distintos usos y así facilitar la toma de decisiones.
Una de las técnicas de toma de decisiones más sencillas y comunes es el análisis coste/beneficio. Este enfoque consiste en estimar los costes y beneficios de cada opción disponible y, a continuación, elegir la opción con el mayor beneficio neto (es decir, la opción con los mayores beneficios menos los menores costes).
Lo más interesante de este tipo de análisis es contrastar tanto los costos como el ingreso esperado al comparar distintos escenarios, concretando al final un ratio de cuántas veces en costos representa nuestra nueva línea de ingresos alcanzado con la ejecución de lo que estemos evaluando.
Básicamente estamos hablando de una división simple: si invierto 100 y mi beneficio esperado en ese escenario es 150, mi ratio se encuentra en 1.5. Por lo tanto, si tengo 3 escenarios en los que mi ratio de costo/beneficio es respectivamente de 1.5, 2.8 y 6.4, mi decisión se vuelve mucho más fácil, puesto que puedo compararlos y rápidamente definir que un ratio de 6.4 es mucho más atractivo que sus otras dos posibilidades. ¡He allí la decisión a tomar!
Si te emociona esto ¿qué tal si también lo combinas con un análisis de oferta y demanda para darle mayor vida a las conclusiones? Si haces ese mix, podrías probar con los rendimientos marginales decrecientes, ya que visualizar la evolución de los ratios de costo/beneficio bajo la lógica de rendimientos marginales es un boom a tus neuronas que te permitirá encontrar los puntos de inflexión donde una buena decisión deja de serlo sin demasiada complejidad en la interpretación de los datos.
Hay gran cantidad de situaciones en las que el análisis de costo/beneficio puede resultar útil. Algunos ejemplos son:
El Conjoint Analysis (análisis conjunto) es una técnica estadística que se utiliza a menudo en la investigación de mercados para evaluar las preferencias de los consumidores por diferentes características del producto.
El análisis conjunto también puede aplicarse a otros tipos de decisiones, como qué proveedor utilizar o qué conjunto de oficinas nuevas alquilar. El Conjoint Analysis consiste en comparar elementos en base a categorías para determinar la mejor opción. Para hacer esto se aplican una separación de productos en sus distintos niveles de categoría o atributos evaluados.
En un vistazo rápido podremos darnos cuenta de qué opción se adapta mejor a nuestras necesidades según en qué categoría es fuerte o débil.
Los usos de un Conjoint Analysis son mesurados a primera vista, pero si profundizamos un momento nos daremos cuenta que es una herramienta poderosa y muy simple de implementar para tomar decisiones ágiles y certeras. Algunos de estos usos son:
Un árbol de decisión es una representación gráfica de todos los posibles resultados de una decisión, junto con las correspondientes probabilidades y valores estimados. Los árboles de decisión pueden utilizarse para evaluar varias opciones a la vez y compararlas entre sí. También son útiles para identificar riesgos potenciales y maximizar los valores esperados.
Para darte un ejemplo, te presento a continuación un diagrama que muchas veces le hemos puesto como desafío inicial cuando damos alguna charla o conferencia de introducción a Machine Learning en distintas universidades o academias, mediante el cual un dataset sencillo como el de los pasajeros del Titanic y sus correspondientes características nos permite responder a la pregunta: ¿cuál es tu probabilidad de sobrevivir en el Titanic?.
El diagrama es tan sencillo que podrás llegar a tu respuesta personal de forma simple siguiendo el resultado del modelo de árboles de decisión. Básicamente, si eres mujer que viajaba en primera o segunda clase, tendrías una probabilidad muy alta de sobrevivir. Por el contrario si eres hombre, de tercera clase y mayor de 12 años, difícilmente estarías leyendo este artículo en este momento.
Cada vez que tengas variables concatenadas que se afecten entre sí y se vayan ramificando, tendrás entonces un escenario perfecto para utilizar árboles de decisión.
Si viste alguna vez la película "A Beautiful Mind" (o como le decían en español: "Una Mente Brillante") seguramente conoces algo de la historia de la teoría de juegos encarnado en la vida de John Nash, el gran Premio Nobel de Economía en 1994.
La teoría de los juegos es una rama de las matemáticas que suele utilizarse en economía para modelar las interacciones estratégicas entre distintos agentes (por ejemplo, empresas o individuos). La teoría de juegos puede aplicarse a escenarios de negociación, como dos empresas que negocian un precio o dos países que evalúan sus opciones para resolver un conflicto comercial.
A lo que esta teoría hace referencia es a la posibilidad de encontrar un equilibrio entre las motivaciones, perjuicios y beneficios necesarios para equilibrar las necesidades y deseos de dos partes en proceso de negociación.
Con la matemática apropiada, la teoría de equilibrio de Nash nos permite encontrar puntos en común donde se equilibra ganar y resignar cosas para ambas partes negociantes. Esto nos permite llegar a un punto "óptimo" que nos maximice a todos el beneficio obtenido. Cuando necesites negociar con tu contraparte, este es el modelo para ti.
A continuación un ejemplo de cómo utilizar teoría de juegos para encontrar un equilibrio tal que aumente tus probabilidades de que te vaya bien en una cita.
De aquí para arriba, ¡el infinito es el límite!
La planificación de escenarios es una herramienta que las empresas utilizan para prepararse para eventos futuros considerando múltiples resultados potenciales.
La planificación de escenarios suele implicar la creación de múltiples "mundos futuros" basados en diferentes combinaciones de condiciones (por ejemplo, políticas, económicas, sociales, tecnológicas), para luego desarrollar planes sobre la mejor manera de responder en cada caso.
A diferencia de las técnicas de forecasting, la planificación de escenarios basada en técnicas de "Strategic Foresights" tiene la ventaja de reconocer y asumir la incertidumbre y brindarnos flexibilidad y adaptación como respuesta de lo que vaya sucediendo.
En el caso del típico forecast, solamente se plantea la extrapolación del presente hacia un momento futuro, pero en el caso de la planificación de escenarios podemos también adaptar dicho entorno a distintas situaciones potenciales en las cuales implementamos el conocimiento experto de quien está realizando el análisis para indagar en las posibles variables de ajuste de dichas situaciones futuras.
Cuando tengamos un alto grado de incertidumbre sobre el futuro o tenemos mucha volatilidad que nos dificulta entender una tendencia clara de hacia donde va todo, es un buen momento para anticiparnos a distintos posibles escenarios.
Tomar decisiones es difícil, pero no tiene por qué ser imposible. Utilizando algunas o todas las técnicas de toma de decisiones comentadas anteriormente, puedes dotarte de la información que necesitas para tomar decisiones con confianza. ¿Qué esperas? ¡Sal ahí fuera y empieza a tomar mejores decisiones para tu negocio hoy mismo!
¿Te gustó alguno de estos modelos? ¿Te interesaría que te enseñáramos paso a paso alguno de ellos?
Déjanos saber tus impresiones y no te olvides que, si necesitas ayuda, estamos a tu disposición con todo el equipo de Analytics Town listo para darte una mano con tus procesos de decisión.
¡¡Hasta la próxima!!