Importancia de los sistemas de apoyo a la gestión para empresas comerciales

Importancia de los sistemas de soporte de gestión para empresas de negocios!

Los sistemas de apoyo a la gestión se centran en los usos administrativos de los recursos de información. Estos sistemas proporcionan información para gestionar para la planificación y toma de decisiones. La información proporcionada por estos sistemas se basa en los datos internos y externos mediante diversas herramientas de análisis de datos.

También ofrecen una opción al usuario para seleccionar estas herramientas para el análisis de datos. Estos sistemas satisfacen las necesidades de información de los gerentes en los niveles medio y superior en la jerarquía gerencial.

Hay tres tipos de sistemas de soporte de gestión, a saber:

a) Sistemas de apoyo a la decisión,

b) Sistemas de Información Ejecutiva (soporte) y

c) Sistemas expertos.

Sistemas de Soporte a la Decisión:

Los sistemas de soporte de decisiones (DSS) están diseñados para respaldar el proceso de toma de decisiones de los gerentes para mejorar su efectividad y, por lo tanto, la eficiencia de la empresa. Se basan en la premisa de que el juicio administrativo no puede ser reemplazado por ninguna solución basada en computadora. Sin embargo, al ofrecer soporte de datos y modelos, es posible mejorar el proceso de toma de decisiones incluso en el caso de problemas semiestructurados y no estructurados.

El propósito básico de DSS es ampliar la capacidad del proceso de toma de decisiones de un gerente mediante el apoyo a las herramientas y los datos puestos a su disposición bajo su control directo. DSS no presupone requisitos de información específicos y herramientas predefinidas para el análisis de diferentes tipos de decisiones ni impone ninguna solución a un gerente.

Por lo tanto, le da flexibilidad al gerente para decidir los datos de entrada, la herramienta de análisis, la profundidad del análisis y la confianza en el resultado del análisis para la toma de decisiones. DSS ofrece un entorno interactivo para los usuarios y, por lo tanto, permite al administrador experimentar con datos y modelos para desarrollar la estrategia de toma de decisiones óptima en una situación dada.

Los DSS también se describen como sistemas de información interactivos que ayudan a los gerentes a utilizar modelos de análisis de datos para resolver problemas no estructurados. DSS utiliza tecnologías que pueden denominarse como sus componentes básicos. Están representados en la figura 10.3.

Tipos y características de DSS:

DSS puede ser orientado a datos u orientado a modelos. Los DSS orientados a datos tienen una mayor entrada de recuperación y análisis de datos. El DSS orientado al modelo tiene poderosas instalaciones para simular escenarios de decisión al estimar el resultado de una acción y generar sugerencias. De hecho, es difícil encontrar un DSS exclusivamente para la recuperación y análisis de datos o, simplemente, para el modelado. De hecho, la mayoría de los DSS contienen una combinación de ambos tipos de instalaciones.

Los DSS tienen las siguientes características que los diferencian de otros tipos de sistemas de información:

a) DSS no apunta a ningún tipo específico de decisiones. Tiene la flexibilidad de uso en diversas situaciones de decisión inesperada.

b) La interfaz fácil de usar del DSS lo hace diferente de otros tipos de sistemas de información. Una vez que un administrador ha usado un DSS durante algún tiempo, su uso irregular no afecta negativamente la facilidad de uso.

c) Los generadores de informes y las instalaciones gráficas en DSS proporcionan mejores formas de representar la información generada por el uso de modelos en DSS. Estas instalaciones agregan valor a la información.

d) DSS ofrece a cualquier usuario control completo sobre el sistema. La entrada, el método de procesamiento y la salida son controlados por el usuario.

Beneficios del DSS:

Un sistema de información debe tener su propia justificación para ser un candidato que vale la pena considerar para su inclusión en la cartera de aplicaciones de una empresa. Las justificaciones son generalmente en términos de los beneficios en la generación de información para ayudar en el proceso externo de toma de decisiones y toma de decisiones gerenciales. El beneficio que puede ofrecer un DSS incluye:

a. La evaluación de un mayor número de alternativas, ya que las instalaciones en DSS reducen el tiempo y el esfuerzo en la recopilación y el análisis de datos para diferentes alternativas.

segundo. El modelado y la previsión se vuelven fáciles para los gerentes que utilizan DSS, lo que les permite obtener más información sobre los procesos de negocios.

do. Utilidad en la comunicación intragrupo e intergrupo porque permite explicar a otros cómo se ha llegado a una conclusión particular. El razonamiento asigna respetabilidad a las conclusiones y se gana el respaldo de otros en la empresa.

re. Instalaciones para un análisis más rápido de los datos para la toma de decisiones no estructurada, mejorando así la velocidad de respuesta en situaciones inesperadas de toma de decisiones.

mi. Localización más rápida de variaciones y excepciones. Los usuarios frecuentes de DSS han descubierto que DSS les permite anticipar los resultados con la ayuda de un servicio eficiente de consultas ad hoc.

F. Análisis en profundidad de los datos y, por tanto, un uso más eficaz de los recursos de datos.

Aplicaciones de DSS:

Los DSS han tenido éxito en empresas de tamaño mediano a grande y en escenarios de decisión que requieren un análisis en profundidad de los datos internos y externos. El éxito del DSS depende, en gran medida, del apoyo de la alta dirección, la regularidad y duración del uso, la capacitación de los gerentes y la variedad de situaciones de toma de decisiones.

Si el proceso de negocios es simple y repetitivo, es posible que DSS no pueda justificar sus costos. El DSS aplicado a decisiones estructuradas solo aumenta los costos y la confusión. Se ha encontrado que los DSS son útiles en áreas de decisión donde se requiere flexibilidad en los datos y modelos para una mejor toma de decisiones. Las áreas típicas de aplicación de DSS en funciones de producción y finanzas de negocios son:

Producción:

Análisis de adquisiciones, estimación y análisis de costos, planificación y programación de la producción, decisiones de toma o compra, planificación y control de inventario, carga de mano de obra, etc.

Financiar:

Presupuesto de capital, planificación y análisis financiero, planificación fiscal, planificación financiera estratégica, presupuesto, administración de efectivo y capital de trabajo, análisis de financiamiento de deuda y capital, gestión de riesgo de tipo de cambio, análisis de desempeño financiero, análisis de varianza, etc.

Los sistemas de apoyo a las decisiones se desarrollan utilizando un proceso diferente del proceso de desarrollo del sistema tradicional, ya que se supone que procesan datos internos y externos. Necesitan ser independientes e interactivos.

Sistemas de información ejecutiva:

Los DSS están diseñados para satisfacer las necesidades de información de los gerentes en los niveles medio a alto. Se relacionan con el trabajo basado en reglas que realiza modelado y análisis de datos para que sea útil en la toma de decisiones.

Sin embargo, en la parte superior del nivel gerencial, existe la necesidad de centrarse más en el empaquetado y la entrega de información que en la generación de información. El gerente superior merece un mejor entorno para el acceso a la información que el proporcionado por DSS.

Los principales ejecutivos necesitan un acceso rápido a información actualizada y concisa e informes de excepciones con instalaciones para información y análisis personalizados. Los sistemas de información diseñados para satisfacer dichas necesidades de los altos ejecutivos se denominan sistemas de información ejecutiva (EIS) o sistemas de apoyo ejecutivo.

Estos sistemas actúan como sistemas informativos electrónicos y ofrecen una gran flexibilidad de uso. EIS utiliza información interna y externa y ofrece un entorno operativo interactivo y fácil de usar.

Aplicaciones de EIS:

Resumen ejecutivo:

EIS ofrece información actualizada sobre diferentes aspectos del interés del ejecutivo. La sesión informativa está, en general, relacionada con el desempeño de varios centros de beneficio y ofrece informes de estado sobre diversas actividades de la empresa. Aunque se lleva a cabo una cierta cantidad de informes en el DSS, la información se presenta como y cuando se solicita, desde las bases de datos.

En EIS, la información se descarga automáticamente de forma periódica desde bases de datos en forma de informes terminados. Esta descarga automática garantiza que el ejecutivo no permanezca fuera de contacto por mucho tiempo durante los días de extrema presión de la carga de trabajo.

Análisis personalizado:

EIS ofrece facilidades para el análisis de datos utilizando los modelos de elección del usuario. Hojas de cálculo y técnicas estadísticas están disponibles en EIS para preguntar. La diferencia, aquí, es que el EIS no solo ayuda al usuario en el análisis de datos, sino también en la interpretación del resultado del análisis.

Informe de excepciones:

Un componente importante de EIS es el módulo de informe de excepciones. EIS satisface eficazmente este requisito de los ejecutivos y advierte al ejecutivo de las variaciones sustanciales de los planes.

Permiten, en mayor o menor grado, una mayor investigación sobre los motivos de las desviaciones y el posible impacto de las operaciones de salvamento propuestas. Esta capacidad de investigar el asunto para obtener un poco más que solo la excepción hace de EIS una herramienta muy útil para el ejecutivo en el desempeño eficiente de sus funciones.

Análisis basado en modelos:

EIS tiene facilidades para el análisis de información basado en modelos y esta característica es común con DSS. Pero, el análisis basado en modelos en EIS es diferente al de DSS en el sentido de que los datos de entrada en EIS son limitados y se obtienen de fuentes internas y externas.

Cabe señalar que EIS no es una colección aislada de informes informáticos de información para ejecutivos. EIS es un conjunto de herramientas y tecnologías integradas integradas en el entorno de sistema de información total de la empresa.

Cabe señalar que EIS es compatible con todos los usuarios y no necesariamente con los principales ejecutivos de la empresa. Todos aquellos que ayudan a los altos ejecutivos deben tener acceso a EIS y debe atender las necesidades de información de todas esas personas.

DSS y EIS:

Algunas de las instalaciones en EIS también se encuentran en el DSS y, como tal, la línea de distinción a veces se vuelve borrosa. La superposición no se puede descartar en tales sistemas. La Figura 10.4 muestra los tipos de soporte de información que estos dos sistemas proporcionan a un administrador.

Beneficios de la EIS:

EIS ofrece los siguientes beneficios a una empresa comercial:

a) Soporte informativo para decisiones estratégicas:

EIS ayuda a los ejecutivos a confiar más en los hechos que en la intuición y el juicio empresarial para sus decisiones estratégicas.

b) Cambiando el enfoque:

Las consultas frecuentes de un alto ejecutivo con respecto a un conjunto de factores críticos de éxito tienen un impacto en las prioridades de las personas en los niveles más bajos de gestión. Por lo tanto, es más fácil para un ejecutivo que usa EIS transmitir el mensaje a los gerentes funcionales con respecto a la necesidad de mantener estándares de calidad, simplemente haciendo consultas frecuentes de EIS con respecto a la calidad de los productos. Las consultas del ejecutivo pueden establecer el impulso de las actividades en la empresa y, por lo tanto, cambiar las prioridades en la empresa.

Se dice que la EIS es uno de los sistemas de información importantes que presenta una oportunidad para que la alta gerencia tenga una idea real de la utilidad de los sistemas de información en la toma de decisiones estratégicas.

Es probable que un sistema de este tipo en una empresa promueva el entendimiento entre la alta gerencia y los profesionales de TI y mejore la comunicación entre estos importantes actores en el desarrollo de la infraestructura de TI.

El EIS exitoso puede proporcionar visibilidad y credibilidad a los sistemas de información en general y ayudar a implementar otros sistemas de información en la empresa.

Factores críticos de éxito en la implementación de EIS:

EIS tiene la intención de proporcionar conocimiento de primera mano a los principales ejecutivos sobre los beneficios potenciales de los sistemas de información en la empresa. Por lo tanto, es necesario garantizar que la EIS, una vez planificada, se debe implementar con éxito.

Los problemas de implementación en EIS pueden ser numerosos, pero algunos de los más comunes son los siguientes:

a) Dificultad en la especificación del sistema:

Los usuarios objetivo de EIS no tienen en claro sus requisitos específicos de información ni tienen tiempo para marcar las especificaciones del sistema de información. Los usuarios, por lo tanto, merecen algunas opciones para probar antes de que puedan especificar los servicios requeridos por ellos. La creación de prototipos se considera una mejor estrategia en el diseño de EIS.

b) Grandes volúmenes de datos:

Las instalaciones de consultas ad hoc exigen acceso a un gran volumen de datos. La satisfacción de tales consultas puede requerir el uso de herramientas estadísticas que procesan datos en masa antes de que puedan cumplir con el requisito de información en la consulta. Esto puede llevar tiempo y la respuesta del sistema puede ser lenta.

Por lo tanto, es esencial anticipar los problemas generales en los que es probable que se centren las consultas, y la información sobre dichos problemas puede generarse y almacenarse regularmente por separado para acceder al EIS.

c) Resistencia de niveles inferiores:

Es probable que EIS también enfrente la resistencia de las personas en casi todos los niveles y más de los gerentes en los niveles más bajos de java. Esto es así porque ahora el jefe tiene acceso a la información más reciente sobre el funcionamiento diario de cada departamento, incluso antes de que los jefes de departamento lo hayan entendido y entendido. Rochartat a anticipa serias implicaciones de tal acceso a las bases de datos sobre las nuevas políticas de propiedad de datos entre los gerentes. Sin embargo, un administrador de base de datos puede resolver este problema manejando cuidadosamente el botón de distribución de datos.

d) Estilos de gestión:

Sería difícil implementar el EIS en el caso de las empresas que tienen una cultura contraria a la TI. Algunos altos ejecutivos no favorecen el uso de TI en la toma de decisiones. Tienen más confianza en su criterio comercial y desean dejar el análisis de datos a sus subordinados o a los expertos en el dominio que los ayudan.

Este problema es bastante serio. Por lo tanto, EIS en tales entornos están dirigidos a las mejores posiciones. Están limitados, en alcance, a servicios donde se sabe que la tasa de éxito es muy alta. Una vez que se genera la confianza en TI y EIS, EIS puede agregar más servicios a sí mismo.

e) Mayor tamaño y costo:

Si el gerente encuentra útil un EIS, espera que sus subordinados también lo utilicen. Aquellos que no lo usan, encuentran muy difícil cumplir con las expectativas de su jefe en lo que respecta a la conciencia sobre el entorno empresarial. Por lo tanto, el EIS se sobrecarga y los costos aumentan considerablemente debido a que el número de usuarios crecerá en proporciones geométricas.

Por lo tanto, la implementación de la DIA debe realizarse con mucho cuidado. Es recomendable seleccionar un momento oportuno para la implementación. La gente se resiste a los cambios cuando la marcha es fluida y está más dispuesta a probar algo nuevo en una crisis.

Por lo tanto, el momento más oportuno para la implementación de EIS es cuando las personas están buscando nuevas soluciones a sus problemas. La instalación piloto se considera la estrategia de instalación más adecuada para EIS. Un enfoque selectivo es mejor en las etapas iniciales del diseño de EIS y los nuevos servicios se agregan en EIS solo después de que el modelo inicial sea exitoso. La participación y el apoyo de los usuarios son fundamentales para la implementación exitosa de EIS.

Sistemas expertos:

Las crecientes complejidades y el dinamismo en el entorno empresarial emergente requieren una mayor interacción de los gerentes funcionales con los expertos para obtener un asesoramiento oportuno. Estos expertos no solo analizarán la información de vastos grupos de información diversa, sino que también utilizarán su experiencia para ofrecer asesoramiento.

Tradicionalmente, la experiencia disponible en una organización ha proporcionado una base importante para lograr, mejorar y mantener su posición competitiva. En igualdad de condiciones, las empresas sin experiencia comparable están en desventaja.

Es posible que los expertos humanos no puedan hacer frente a los nuevos desafíos, dadas las limitaciones de tiempo y las complejidades del nuevo entorno. Además, puede que no haya uniformidad y consistencia en el asesoramiento para una determinada situación de decisión durante un período.

Esto es así debido a la evidente incapacidad de los seres humanos para captar el impacto de varias variables de decisión todo el tiempo. El síndrome de fatiga de la información y las limitaciones de los expertos humanos en el cambiante entorno empresarial han dado lugar a una creciente popularidad de los sistemas de expertos en negocios (BES).

Estos sistemas simulan la actividad humana y siguen capturando y sistematizando el conocimiento empresarial, extendiendo las capacidades de toma de decisiones de expertos humanos costosos y escasos, para que otros puedan usar sus experiencias de decisión. Ofrecen la ventaja de la flexibilidad en la captura y representación de información de diferentes tipos en diversas formas.

Un sistema experto en negocios recibe un problema del usuario, identifica sus requisitos de datos, analiza los datos relevantes contra las reglas de decisión (contenidas en un sistema de conocimiento). Una vez que se resuelve el problema, el sistema a través de su motor de inferencia informa la solución al usuario y también puede explicar su línea de razonamiento para llegar a esa solución.

Un sistema experto en negocios puede actuar como una ayuda para la efectividad gerencial al brindar asesoramiento. Sus soluciones / consejos son siempre consistentes, uniformes, minuciosos y metódicos. Funciona como un solucionador de problemas estandarizado. El sistema experto en negocios es capaz de explicar la línea de razonamiento que usa para resolver un problema.

Un usuario puede estudiar la lógica y es libre de aceptar, modificar o rechazar la solución. A diferencia de otros sistemas expertos en el campo de la medicina, ingeniería, etc., el objetivo del sistema de expertos en negocios no es reemplazar la evaluación realizada por expertos humanos por el programa de computadora.

Más bien, el objetivo es adquirir la experiencia del experto humano y ponerlo a disposición de los expertos humanos y otros miembros de la organización de forma estandarizada. Elaboran estrategias para utilizar el conocimiento en las áreas de aplicación a fin de desarrollar soluciones plausibles a los problemas.

Las áreas típicas de aplicación del sistema experto en negocios incluyen:

yo. Tomar o comprar decisiones.

ii. Decisiones de lanzamiento de nuevos productos.

iii. Determinación de límites de crédito

iv. Desarrollo de productos

v. asesoramiento en inversiones

vi. Evaluación del desempeño

vii Sistemas de incentivos

viii. Consulta de cliente

ix Evaluaciones de proyectos

X. Programación de la producción

xi Decisiones de enrutamiento

Bloques de construcción de sistemas expertos de negocios:

Aunque la metodología del sistema experto se ha desarrollado durante las últimas dos décadas, aún está en su infancia cuando se la ve desde el punto de vista de un gerente de negocios. Por lo tanto, no existe un modelo estándar para un sistema experto en negocios. Holsapple identifica tres componentes básicos de BES: la interfaz de usuario, el motor de inferencia y el sistema de conocimiento. Las relaciones entre estos componentes se representan en la Figura 10.5.

Un usuario plantea un problema antes de que BES utilice la interfaz de usuario. El motor de inferencia trata de entender el problema, lo estructura de tal manera que el sistema de conocimiento pueda usarse para resolverlo. Luego utiliza el sistema de conocimiento para buscar soluciones al problema.

El sistema de conocimiento consiste en la experiencia de razonamiento almacenado y es abordado por el motor de inferencia para buscar soluciones al problema. El sistema de conocimiento puede consistir en herramientas de representación de conocimiento tales como conjuntos de reglas, bases de datos, hojas de cálculo, estructuras orientadas a cuadros, bases de casos, redes semánticas, textos, gráficos, etc. El motor de inferencia puede interactuar con los usuarios para obtener más detalles sobre la toma de decisiones. ambiente.

Opciones de adquisición:

Un sistema experto en negocios es un sistema complejo y requiere un compromiso a largo plazo por parte de una empresa para poder entregar bienes. Debido a la dinámica de los negocios, la utilidad de las BES puede reducirse debido a cambios en el entorno empresarial.

Algunas de las BES pueden volverse obsoletas incluso durante la etapa de desarrollo si no se planifican adecuadamente. Es esencial conocer las opciones de adquisición, de modo que se pueda reducir el tiempo y el costo de desarrollo y se pueda mantener un equilibrio entre flexibilidad y eficiencia en el sistema.

En términos generales, hay tres opciones de compra para BES:

a) Adquirir un sistema totalmente desarrollado:

Hay una cantidad de BES listos para usar para diferentes tipos de problemas identificados en la lista de aplicaciones de BES que se mencionaron anteriormente. Estas soluciones listas para usar tienen los tres componentes completamente desarrollados y están listos para usar. Tienen las ventajas de ser económicos, bien probados y de implementación más rápida, pero en muchas situaciones de decisión no son adecuados.

b) Adquirir inteligencia artificial de concha:

El shell de inteligencia artificial consiste en un administrador de conjuntos de reglas y un motor de inferencia. El administrador de conjuntos de reglas cuenta con la experiencia representada por varias herramientas de representación de conocimiento. Una vez que se representa el conocimiento experto, su conjunto de reglas se prueba con la información pasada y, una vez que se encuentra correctamente, el shell se puede utilizar con la ayuda del motor de inferencia.

Esta opción le brinda a un administrador la flexibilidad para definir sus propios conjuntos de reglas y obtener un BES personalizado hecho operacional en un corto período de tiempo. Sin embargo, los depósitos disponibles en el mercado tienen sus propias áreas de aplicaciones para las que son más adecuados.

c) Sistema construido a la medida:

En caso de que las dos primeras opciones no sean factibles o se consideren convenientes debido a la singularidad del problema, se puede optar por un BES personalizado. Cuestan más y toman más tiempo, pero son muy útiles en situaciones únicas o específicas de toma de decisiones.

Beneficios de los sistemas expertos:

Los BES son caros, tanto en términos de dinero como de tiempo, necesarios para desarrollarlos. Por lo tanto, es necesario conocer los beneficios de BES para que se pueda realizar un análisis de costo-beneficio antes de aventurarse en la adquisición de BES.

Los siguientes son los beneficios potenciales de BESs:

a) Codificación de la experiencia:

El beneficio significativo del sistema experto en negocios es que ayuda a formalizar / codificar la capacidad de razonamiento de una organización. En el proceso de desarrollo de BES, se intenta representar la experiencia en forma de reglas, marcos, casos, texto y gráficos.

Esto lleva a la compilación de conocimientos sobre la experiencia hasta ahora sostenida firmemente por los expertos. Este tipo de experiencia puede proporcionar una base para una mejor capacitación de expertos humanos en la organización, además de permitir una mejor toma de decisiones.

b) Comprensión mejorada del proceso de negocio:

Mejora la comprensión del proceso de toma de decisiones que a su vez puede llevar a una mejora en el proceso. Durante el proceso de desarrollo, las formas existentes de toma de decisiones son identificadas y revisadas. Esto ayuda a mejorar el proceso de toma de decisiones. La interacción frecuente de expertos con BES es un gran proceso de aprendizaje y resulta en una mejora mutua de las capacidades de resolución de problemas de cada uno.

c) Disponibilidad oportuna de experiencia:

BES puede proporcionar experiencia cuando un experto humano no está disponible. Estos sistemas no tienen problemas de disponibilidad que es bastante común entre los expertos humanos. Los BES están disponibles para los usuarios para consultas en horas impares, no tienen compromisos previos, no se van de permiso por una razón u otra y no renuncian a la empresa para unirse a un competidor.

d) Fácil replicación:

El costo marginal de replicar un BES es insignificante. Una vez que BES tiene éxito en un lugar, se puede replicar en otros lugares que tengan entornos de toma de decisiones similares, sin pérdida de tiempo ni oportunidad.

e) Elimina las solicitudes de consulta de rutina:

BES puede ayudar a un experto humano a reducir su carga de trabajo dirigiendo el tipo rutinario de solicitudes de consulta a BES. Esto permite al experto humano concentrarse en problemas más difíciles que BES no resuelve.

f) Consistencia:

BES ofrece consejos consistentes y uniformes sobre problemas. Sus consejos no sufren de pasar por alto algunos factores, olvidando algunos de los pasos, los prejuicios personales o los problemas temperamentales.

g) Línea de lógica:

BES ofrece una línea de lógica utilizada junto con la solución. Esto permite al administrador examinar críticamente las soluciones y averiguar si la línea de razonamiento utilizada es válida o no. Esto ayuda al gerente a comprender las fortalezas y debilidades de la solución y aplica su criterio comercial para llegar a las decisiones.

h) Aplicaciones estratégicas:

Los beneficios de BES ayudan en la diferenciación de productos y servicios y reducen los costos. También ayudan a desarrollar nichos de mercado donde los competidores sin tales sistemas pueden no ser efectivos. Por lo tanto, los BES pueden proporcionar la ventaja estratégica a una empresa.

Factores críticos de éxito en la implementación de BES:

Los críticos de BES proporcionan numerosas razones para la impracticabilidad de BES. La crítica en la mayoría de los casos no es infundada. Es esencial que se anticipen los problemas relacionados con el desarrollo y la implementación y se tomen las precauciones necesarias para garantizar el éxito de BES.

Los siguientes factores pueden tenerse en cuenta a este respecto:

a) Eficacia de costes:

La mayoría de los BES son muy caros y, a veces, es económico recurrir a expertos humanos. Es necesario mantener el costo de BES bajo para garantizar que el costo esté justificado por los beneficios potenciales. Las dos primeras opciones de adquisición ayudan a mantener el costo de BES en niveles más bajos.

b) De alcance selectivo:

El BES más ambicioso puede requerir una mayor duración del proceso de desarrollo y costos elevados. Puede recordarse que no todas las decisiones ofrecen la misma tasa de retorno de la inversión en BES.

Uno debe ser selectivo al incluir aplicaciones en BES y un BES integral, tal vez requiere mucha experiencia en sistemas de información. Las tecnologías de inteligencia artificial todavía están evolucionando y puede ser económicamente viable tener un alcance más amplio para BES.

c) Amabilidad del usuario:

Los BES son sistemas muy complejos que tienen poderosas técnicas para el análisis de datos. Requieren mucho esfuerzo de entrenamiento antes de que puedan ser utilizados efectivamente. Por lo tanto, es necesario tener una interfaz de usuario más fácil de usar y estructuras de menú más explícitas e inequívocas.

d) Entorno multiusuario:

La mayoría de los BES son sistemas independientes. Sin embargo, muchas veces, la experiencia en decisiones es un resultado de la actividad colectiva y grupal. Es probable que BES tenga un entorno multiusuario más exitoso que los sistemas independientes.

Lo que un gerente necesita saber sobre BES:

BES utiliza múltiplos de herramientas de ingeniería de conocimiento de las cuales muchas pueden estar más allá de la comprensión de un gerente funcional ordinario. Sin embargo, como usuario de BES, un administrador no necesita conocer los detalles técnicos del sistema de conocimiento.

Lo que necesita saber sobre BES es:

yo. Las oportunidades para la aplicación de BES en las actividades comerciales y el potencial relativo de cada aplicación en la formalización del conocimiento.

ii. Tecnologías BES básicas y sus áreas de aplicación favoritas.

iii. Viabilidad de utilizar la inteligencia artificial shell.

iv. Papel de BES en el apoyo a las personas en sus actividades.

v. Viabilidad técnica y económica de BES.

Los beneficios potenciales de BES son bastante fascinantes. Quizás, lo que se requiere es desarrollar herramientas rentables para desarrollar BES y la participación voluntaria de expertos en el dominio en el proceso de desarrollo que es de naturaleza evolutiva.

Limitaciones de los sistemas expertos de negocios:

Las BES han demostrado sus beneficios potenciales en muchas aplicaciones y algunas han tenido mucho éxito. Sin embargo, hay algunas limitaciones de BESs. Estas limitaciones se deben a los supuestos que hacen las BES con respecto a:

yo. La disponibilidad de un experto humano en el dominio que esté dispuesto a colaborar, que sea capaz de articular conocimientos y tenga un historial comprobado para tomar decisiones efectivas. Tales expertos rara vez están disponibles, particularmente en nuevos dominios donde el conocimiento también está en un estado de evolución.

ii. El entorno de toma de decisiones es simple, bien estructurado y no está sujeto a cambios frecuentes. En realidad, la toma de decisiones se lleva a cabo en un entorno complejo, dinámico y multidimensional. Como consecuencia, articular el conocimiento es muy difícil.

Las BES carecen de la flexibilidad que se necesita a la luz de la dinámica de los negocios. El entorno de toma de decisiones multidimensional hace que la toma de decisiones en grupo sea esencial. Conseguir un experto que entienda todas las dimensiones de los problemas de negocios es cada vez más difícil. Puede recordarse que las BES son adecuadas para un tipo limitado de aplicaciones y no son para reemplazar totalmente a expertos humanos.

Como consecuencia, los BES están perdiendo su popularidad. Se consideran adecuados para un tipo limitado de aplicaciones. Las nuevas herramientas de inteligencia artificial, como las redes neuronales, la lógica difusa, el razonamiento basado en casos, etc., se están agregando a los motores de inferencia para hacerlas más adecuadas para las cambiantes necesidades de los negocios.

De lado a lado, se están haciendo intentos para usar las herramientas de AI para desarrollar software complementario para realizar funciones limitadas. Estos complementos se denominan como agentes inteligentes.

Agentes inteligentes:

Los agentes inteligentes son componentes de software que realizan una parte del proceso utilizando una base de conocimientos. Generalmente trabajan con sistemas de información compartida y operan de manera semi-autónoma.

Estos programas se comunican con los usuarios y las bases de información para realizar tareas autónomas. Estos programas están integrados en diferentes aplicaciones para mejorar los servicios de análisis de información del sistema de información. Estos agentes se están utilizando para una variedad de aplicaciones tales como:

a) Sistemas de detección y alarma:

Los agentes inteligentes se utilizan para establecer un sistema de detección de excepciones en las bases de datos, sistemas de comunicación, etc. y emitir las alarmas necesarias a los usuarios en cuestión. 'Administración por excepción' encontraría una nueva dimensión en las actividades de gestión cuando tales agentes inteligentes comiencen a entregar información.

b) Buscadores de información:

Los agentes inteligentes también se están desarrollando para funcionar como motores de búsqueda de información para responder a las consultas recibidas de diferentes tipos de usuarios. Por ejemplo, un ministerio puede obtener una cantidad de solicitudes de información, todos los días. Los agentes inteligentes pueden interpretar las solicitudes y tamizar la información de la base de datos y enviar la respuesta en la forma apropiada al usuario.

Del mismo modo, los agentes inteligentes podrían agregar valor al sistema de información de los ferrocarriles mediante la gestión adecuada de las consultas de los pasajeros con respecto a diversas operaciones. Un agente inteligente conecta Internet, la red interna y los CD-ROM para buscar filtros y entregar información personalizada. Una versión más pequeña de dicho motor de búsqueda ya está disponible en LOTUS-NOTES.

c) Aplicaciones de escritorio:

A medida que la disponibilidad de agentes inteligentes se vuelve común en las PC, actuarán como administradores de reuniones personales, bibliotecarios personales, asesores financieros personales, etc. Estos agentes organizarían automáticamente el contacto telefónico con los clientes, arreglarían las citas y emitirían alarmas para garantizar que la cita no fuera correcta. ignorado inadvertidamente.

Estos agentes buscarán reseñas sobre temas de interés de las revistas de Internet y recopilarán información de otras fuentes, incluidas bibliotecas electrónicas y CD-ROM, para brindar información que hoy se obtiene con la ayuda de las secretarias.

Nuevas herramientas de análisis de información:

Los agentes inteligentes utilizan una variedad de herramientas de análisis de información. Estas herramientas no solo filtran la información de la gran cantidad de datos, sino que también proporcionan la información de manera significativa. Las importantes entre estas herramientas son la minería de datos, el mapeo de datos, la visualización de datos, las redes neuronales, etc.

a) Minería de datos:

La minería de datos se refiere al examen de un gran volumen de datos en busca de tendencias y patrones, estableciendo relaciones cruzadas entre varios factores que hasta ahora pueden permanecer ocultos en el montón de datos. Implica técnicas de profundización para desglosar cifras de niveles superiores en cifras de niveles inferiores.

Los 'semáforos' proporcionan señales de alerta cuando se encuentran excepciones. La minería de datos encuentra sus aplicaciones donde hay relaciones complejas y sutiles entre productos o servicios individuales que no son fáciles de identificar pero tienen implicaciones significativas para los ingresos y la rentabilidad. Una característica notable de la minería de datos es que analiza todos los datos disponibles en lugar de recoger muestras para su análisis. La figura 10.6 ilustra el proceso de minería de datos.

La minería de datos hizo su debut en la comercialización de productos básicos y fue bastante natural. Sin embargo, también tiene aplicaciones en otras actividades comerciales. Puede ayudar a los gerentes a establecer relaciones entre varios factores que influyen en diferentes variables de decisión.

La minería de datos como técnica aún está en su infancia. Mantiene una gran promesa, especialmente porque puede ayudar a identificar oportunidades y permitir a los gerentes reaccionar rápidamente a las oportunidades actuales y los peligros inminentes.

b) Mapeo de datos:

Las herramientas de mapeo de datos proporcionan una vista gráfica de la información superpuesta en un mapa de un área geográfica o territorio. Pueden proporcionar una vista más rápida de la distribución / concentración geográfica de la demanda de los productos y las preferencias, expectativas y sentimientos del mercado de los clientes.

También pueden ayudar a identificar los factores locales que influyen en el comportamiento del mercado en diferentes momentos. Dichas herramientas de mapeo pueden ser de gran ayuda para mejorar la comprensión de la información de datos voluminosos, ya que se ha encontrado que una gran proporción de los datos almacenados es de naturaleza geográfica.

Sin embargo, las herramientas de mapeo deben enriquecerse con más detalles sobre los rasgos característicos de cada área geográfica y las similitudes asociadas de las áreas vecinas.

c) Herramientas de visualización de datos:

Estas herramientas apuntan principalmente a representar datos con la ayuda de imágenes tridimensionales. Estos visuales pueden ser histogramas que se pueden navegar para obtener más detalles de los datos de sus componentes, con la ayuda de cualquier dispositivo señalador como el mouse.

Lo visual puede adoptar formas más imaginativas, como bolas esféricas de diferentes tamaños y colores o cualquier otra forma que pueda estar directamente relacionada con el tema o el comportamiento de los datos. Las herramientas de visualización de datos tienen la capacidad de resumir los datos de tal manera que los usuarios tardan menos tiempo en visualizar la situación.

Ayuda a centrarse en la parte relevante de los datos actualmente y permite al usuario explorar más en caso de que le interese. Las técnicas de visualización de datos también deberían ayudar en la simulación, el análisis de sensibilidad y responder preguntas "qué pasaría si".

Para echar un vistazo a sus aplicaciones en la gestión financiera, veamos un ejemplo del análisis de relación clásico para medir el desempeño de una empresa. La relación, cuando se usa con cuidado, puede contribuir mucho para proporcionar una visión del estado de cosas.

Sin embargo, un gran número de ratios relacionados con una empresa con diferentes interpretaciones en comparación con los ratios de la industria y el país sería demasiado engorroso y resistiría la comprensión de relaciones intrincadas. Las técnicas de visualización pueden ayudar a ponerlas en la perspectiva correcta.

Un visual tridimensional que pone los valores en forma de bolas / cajas de colores y los componentes / valores de nivel inferior contenidos en las bolas más grandes que representan valores de alto nivel puede ayudar a comprender mejor las relaciones y la comparación con los estándares correspondientes de la industria y el país. Por ejemplo, el rendimiento de una compañía bancaria sobre activos en ejecución puede calcularse y mostrarse junto con los valores correspondientes del Costo de los fondos;

Tasa de interés del mercado; impuesto de intereses / otros impuestos; Mezcla de activos; y Riesgo financiero junto con los índices de la industria en forma de tablas bidimensionales o conjunto de índices. Alternativamente, la relación de la compañía se muestra como una bola en un monitor a color junto con la relación de la industria en la distinción de colores y tamaños proporcionales. Al golpear con la ayuda de un ratón en cada bola, el usuario puede abrir la bola para dar cinco bolas adicionales.

Cada una de estas bolas representa uno de los factores enumerados anteriormente. Los tamaños de estas bolas están asociados con su importancia relativa para determinar el valor del rendimiento de los activos que realizan, tanto para la empresa como para la industria.

d) Algoritmos genéticos y redes neuronales:

Los algoritmos genéticos también están siendo reconocidos como herramientas efectivas para el análisis de datos financieros. Estas herramientas establecen reglas y patrones de decisión a partir de los datos pasados ​​y ayudan a formular hipótesis sobre diversas situaciones. Con la disponibilidad de herramientas avanzadas de estadísticas difusas e instalaciones de computación de alta velocidad, los algoritmos genéticos ahora están encontrando nuevas aplicaciones en el modelado financiero.

Las redes neuronales intentan emular cerebros humanos con la fuerza adicional en la precisión aritmética en el procesamiento de datos de gran volumen utilizando algoritmos complejos. Estas redes, cuando se enfrentan a datos relevantes, desentierran patrones en los datos y desarrollan modelos, los prueban, pronostican eventos futuros y aprenden de los errores.

Estos agentes inteligentes tienen el potencial de permitir que los gerentes anticipen los cambios en el entorno empresarial de manera más rápida para que puedan cambiar sus estrategias a tiempo. De esta forma, ayudan a mejorar la adaptabilidad de los procesos de negocio.

Most of these tools try to analyse information on real time basis and thus the most recent scenario is presented to the manager without much of technical analysis done by himself.

Software giants like Oracle, Cognos and Comshare have started offering intelligent agents as add-ons with their traditional application products. Some of the others offer independent software tools for data management, modelling and information presentation. However, at present, these tools are very simple and in their primitive form.