The linear assignment problem with Monge costs

Con los datos históricos_​es posible realizar un análisis estadístico utilizando el coeficiente de Pearson que determina el grado de relación causal que tienen los objetivos, tal y como lo hizo Sears, que realizó un análisis exhaustivo para determinar patrones de relaciones causales entre indicadores del cuadro de mando. En dicho análisis determinó la repercusión en toda la red, de los cambios en cada objetivo perteneciente a la misma.

En la opinión de algunos de los autores estudiados, “la causalidad existe y es distinta de la correlación”._​[2-Val]

Sin embargo, coinciden en que “es posible partir de las hipótesis planteadas en el Mapa Estratégico que es producto de un análisis causa-efecto y no una correlación; y luego, con el paso del tiempo, de tener una data histórica de los indicadores asociados a los objetivos del Mapa Estratégico, utilizamos el coeficiente de Pearson para validar dichas hipótesis planteadas al inicio”._​[2-Val]

Luego de realizar el coeficiente de correlación de Pearson, se puede observar que las correlaciones cercanas a 1 indican que existe una fuerte relación entre los objetivos

involucrados, y de esta manera quedan probadas las hipótesis planteadas en el Mapa Estratégico.

No obstante, dentro de la documentación se utiliza como un paso intermedio, para posibilitar el uso de Redes Bayesianas como método de predicción por simulaciones. El objetivo es simular o estudiar los comportamientos diferentes frente a distintos escenarios, buscando los efectos que produce el cambio de una variable en el comportamiento futuro del sistema. “Se pueden estudiar métodos estadísticos avanzados para obtener buenas predicciones. Las redes Bayesianas son uno de los métodos con un futuro prometedor”._​[4-Val]

5.2 Bayes

Una red Bayesiana representa una función de distribución conjunta sobre un conjunto finito de variables. Su composición consta de un grafo que describe las posibles entidades o variables (que en nuestro caso sería el mapa estratégico ya validado por el Coeficiente de Pearson). El otro componente esencial son las relaciones entre dichas variables, caracterizadas por probabilidades condicionales a-priori y a-posteriori (que en nuestro caso se podrían construir a partir de los datos históricos) que representan la incertidumbre del problema.

Se pretende hacer uso de Redes Bayesianas para simular las relaciones causales del mapa estratégico, ofreciendo una simulación diferente al análisis estadístico, para responder a las preguntas: ¿Cómo cambian los estados de los objetivos si hacemos inferencia sobre uno o más objetivos, cambiando su estado? El beneficio principal de este trabajo es obtener la probabilidad de ocurrencia futura del comportamiento de los objetivos, reduciendo así el grado de incertidumbre en la toma de decisiones.

Como resultado de esta metodología que es identificar a través de inferencias el modelo óptimo de la Red; ayuda a la alta gerencia para que pueda tomar una decisión eficaz, con un bajo grado de incertidumbre, en la elección de la estrategia a seguir permitiendo invertir en proyectos e iniciativa que realmente apoyarán de manera efectiva a lograr los objetivos empresariales plasmados en un Mapa Estratégico.

Bayes propone que cada nodo se calcule y mande la información de su valor a los nodos vecinos (objetivos afectados) para que, teniendo esta información, éstos puedan actualizar su valor y propagar los cambios, bajo la suposición de que el valor estimado es el de mayor probabilidad condicional de ocurrencia. De esta manera, se conforman las probabilidades

utilizadas para armar la red bayesiana asociada al Cuadro de Mando y al Mapa Estratégico de un BSC. Para ello es necesario seleccionar una herramienta informática de apoyo, por ejemplo Netica o JBayes.

A partir de la red bayesiana, podemos realizar inferencias de tipo abductivo y/o predictivo sobre cualquier nodo o objetivo, con el fin de acercar la realidad a los modelos óptimos (observando cómo los valores que toman ciertas variables afectan al resto). La propagación de probabilidades se conoce como inferencia probabilística, es decir, la probabilidad de algunas variables puede ser calculada dadas evidencias en otras variables.

Figura 36: Pasos en la construcción de redes Bayesianas.

5.3 Delphi

Si no tuviéramos data histórica y quisieramos saber el comportamiento o tendencia futura de las variables empresariales o del Cuadro de Mando Integral, para decidir la estrategia; se pueden utilizar métodos de prospectiva, como son Método de Expertos (Método Delphi), Métodos Extrapolativos. Los métodos de prospectiva estudian el futuro en lo que se refiere a la evolución de los factores del entorno tecno-socio-económico y las interacciones entre estos factores.

El Método Delphi consiste en interrogar individualmente, por medio de cuestionarios, a un panel de “expertos” seleccionados en función de su profesión, cultura o cargo, con el objetivo de identificar escenarios futuros en los temas de interés. Los cuestionarios se administran en sucesivas rondas, en las que se intenta a través de la presentación de los resultados de la ronda anterior, generar pronósticos de consenso creciente.

6 Conclusión

La idea principal de este proyecto ha sido la de desarrollar un prototipo de aplicación web, que de manera intuitiva y sencilla, permita volcar un plan estratégico. Además, que el mismo tenga las facultades para poder ser integrado con el proyecto “Herramienta para la Gestión de Indicadores” . 6

A lo largo de la investigación realizada durante la tesis de grado, nos encontramos con numerosas herramientas de software que tratan la problemática mencionada, pero todas cuentan con algunas desventajas. Dentro de estas desventajas nos gustaría remarcar la ausencia de herramientas web de carácter libre.

El prototipo desarrollado es una herramienta web, más específicamente Single Page Application, que permite el volcado y seguimiento de planes estratégicos. La riqueza de esta aplicación yace dividida en dos. Por un lado, se logró un prototipo sólido en cuanto al punto de vista arquitectónico y modular. Para esto se utilizaron modernas, pero ya consagradas, tecnologías, lo que resultó en un prototipo robusto, testeable, y por sobre todo, extensible. Por otra parte, se dio gran importancia a la experiencia de usuario que ofrece la herramienta, logrando, gracias a diferentes bibliotecas y frameworks, desarrollar una aplicación sencilla e intuitiva de utilizar.

Los planes estratégicos de la herramienta desarrollada se componen de perspectivas y objetivos, y estos últimos, los objetivos, se alimentan de un conjunto de indicadores. Los indicadores no forman parte de nuestro desarrollo, los mismos se recuperan del proyecto de tesis de grado “Herramienta para la Gestión de Indicadores”. Para lograr esto, se llevó a cabo una integración parcial dicho proyecto, alcanzando una integración a nivel bases de datos. Denominamos a esta integración “parcial” porque nuestra herramienta nace con la promesa de ser a futuro un nuevo módulo funcional de la aplicación señalada.