Toma de Decisiones y Análisis de Consecuencias

Almacén de Datos Empresariales

• Un Almacén de Datos (Data Warehouse) a gran escala utilizado en toda la empresa para el soporte de decisiones.
• Los datos de muchas fuentes diferentes se pueden extraer, transformar y cargar en un Almacén de Datos para un mayor acceso y análisis para el soporte de decisiones.

Procesamiento Analítico

• Procesamiento Analítico en Línea (Online Analytical Processing)
• Minería de Datos (Data Mining)
• Solicitud (Querying)
• Información (Reporting)
• Aplicaciones de Soporte a las Decisiones (Decision Support Applications)

Procesamiento de Transacciones versus Procesamiento Analítico

• Los Sistemas de Procesamiento de Transacciones (Transaction Processing Systems) están constantemente involucrados en el manejo de actualizaciones de bases de datos operativas.
• Los Sistemas de Procesamiento de Transacciones en Línea (Online Transaction Processing) manejan el negocio continuo de rutina de una empresa.

La Influencia de los Entornos Externos e Internos

• La incertidumbre puede surgir de múltiples factores, incluyendo factores políticos, económicos, sociológicos y psicológicos, y factores ambientales.
• Debido a estos cambios constantes, el enfoque de prueba y error para la gestión es poco confiable e insostenible.

Los Datos y su Análisis en la Toma de Decisiones

• La cantidad de datos se duplica cada dos años.
• El proceso de toma de decisiones requiere que una organización recopile y analice vastos almacenes de datos.
• Las aplicaciones informáticas se han movido de actividades de procesamiento y monitoreo de transacciones hacia el análisis de problemas y aplicaciones de solución.

Analítica Prescriptiva

• El objetivo de la Analítica Prescriptiva es reconocer lo que está sucediendo, así como el pronóstico probable y tomar decisiones para lograr el mejor rendimiento posible.
• Técnicas utilizadas en la Analítica Prescriptiva incluyen K-Vecinos más Cercanos, Redes Neuronales, Máquinas de Vectores Soporte, Algoritmo Naïve Bayes, Modelos de Conjuntos, Minería de Textos, Análisis de Sentimiento y Analítica Social.

Convergencia de Inteligencia Artificial e Internet de las Cosas

• La combinación de Inteligencia Artificial (Artificial Intelligence) e Internet de las Cosas (Internet Of Things) puede conducir a las "soluciones y experiencias de siguiente nivel".
• Ejemplos de combinación de Inteligencia Artificial (Artificial Intelligence) e Internet de las Cosas (Internet Of Things) incluyen el termostato inteligente de Nest Labs, aspiradoras automáticas y vehículos autónomos.

Definición de Inteligencia Artificial

• La Inteligencia Artificial (Artificial Intelligence) tiene varias definiciones que se refieren a dos ideas básicas: el estudio de los procesos de pensamiento humano y la representación y duplicación de esos procesos de pensamiento en máquinas.
• Otra definición de Inteligencia Artificial (Artificial Intelligence) es "las capacidades de una máquina para imitar el comportamiento humano inteligente".

Principales Características de las Máquinas de Inteligencia Artificial

• La Web 3.0 permite sistemas computarizados que exhiben más inteligencia que la Web 2.0.
• Varias aplicaciones ya se basan en múltiples técnicas de Inteligencia Artificial (Artificial Intelligence).
• La traducción automática de idiomas está ayudando a las personas que hablan diferentes idiomas a colaborar en tiempo real, así como a comprar productos en línea que se anuncian en diferentes idiomas.

Principales Elementos de Inteligencia Artificial

• Los componentes de Inteligencia Artificial (Artificial Intelligence) se pueden dividir en dos grupos: Fundamentos y Tecnologías & Aplicaciones.

Evalúa el impacto de las decisiones y analiza las consecuencias de los factores políticos, económicos, sociales y ambientales en el proceso de toma de decisiones. Identifica los pasos para predecir y evaluar el futuro de una decisión.