Archivo de la etiqueta: Cisne Negro

Dragons Kings vs. Black Swans (Dragones Reyes contra Cisnes Negros / predictibilidad si o predictibilidad no)


Hemos escrito algunas entradas sobre la obra de Nassim Nicholas Taleb sobre la teoría de “El Cisne Negro”, el cual señala que puede producirse en cualquier momento “hechos raros”, imposibles de predecir, cuyo impacto puede llegar a ser importante y de considerables proporciones, pero desconocíamos que existiera una teoría totalmente opuesta, la de los Dragones Reyes (Dragons Kings) la cual señala que casi todos los hechos son predecibles, teniendo en Didier Sornette su máximo defensor, el cual defiende su concepto del siguiente modo:

Los denominados “Dragons Kings” representan eventos extremos que son de una clase particular que aparecen repentinamente y destroza la creencia que todos los cisnes son blancos; refleja la idea de imprevisibilidad, de desconocimiento, de que los acontecimientos extremos son fundamentalmente incognoscibles.

Nada puede ser más alejado del concepto de “Dragón Rey” que propongo, que es exactamente lo contrario, los fenómenos más extremos son realmente cognoscibles y predecibles.  Así que podemos sentirnos autorizados, asumir la responsabilidad y hacer predicciones sobre los hechos…. Hagamos que mi “Dragón Rey” desaparezca el concepto del “Cisne Negro”.

De la presentación anterior, sobre la predictibilidad de los hechos, extraemos estas otras frases:

  • Gobernar es el arte de la planificación y la predicción
  • La mayoría de los sistemas tienen algo de previsibilidad
  • Es posible desarrollar diagnósticos anticipados de las crisis para estar preparados para poder tomar medidas y asumir responsabilidades.

Nuestra Opinión

Cuando no se sabe algo se suele negar su validez o utilidad, es lo más fácil o cómodo. Algo similar a sucedido con la minería de datos y el análisis predictivo desde siempre.  La minería de datos o data mining requiere cierto conocimiento técnico, especialmente estadístico (por lo visto, no muy fácil de encontrar).  Esta carencia de conocimiento técnico aunado a la complejidad de la mayoría de las herramientas de minería de datos que los fabricantes han desarrollado hasta ahora, ha conducido a lograr muy bajos índices de adopción de esta tecnología en la gestión de las empresas.

SAP, con Predictive Analysis dio un paso importante en la minería datos, pero no lo suficientemente transcendente como para ampliar considerablemente la predictibilidad como estilo de gestión.  Este paso importante tendría lugar si se llegase a concretar la compra de KXEN, una plataforma Data Mining con una amplia trayectoria y una completa gama de soluciones para los negocios, que se caracterizan por la facilidad de uso, principal barrera que han encontrado los usuarios de otros productos. KXEN acoplado a la capacidad de procesamiento de SAP HANA sería la arquitectura perfecta para gestionar los negocios adelantándose a los hechos.

Anuncios

Tiempo de Análisis Predictivo. Tiempo de acuñar nuevos términos


Analizar el pasado para predecir el futuro, por más minucioso que uno sea, no hay ninguna garantía que se acertará, como apuntábamos en la serie de posts “Cisne Negro”, la evaluación estadística de hechos ocurridos no nos permiten presagiar el futuro  porque nos enfrentamos con la incertidumbre que se produzca una rareza, un hecho fuera del alcance de las “expectativas normales” un “Cisne Negro”.

Pero no hay más alternativas, el análisis predictivo es el mejor instrumento para reaccionar a tiempo y lograr una ventaja competitiva si este es bien gestionado.

Desde hace unos años (desde el inicio de la llamada “crisis”) ha ido ganando más protagonismo el análisis predictivo y alrededor de esta técnica se han definido nuevos productos y conceptos como el Predictive Business Analytics (PBA) acuñado por la publicación Businesss Finance

Predictive Business Analytics (PBA)

Se define PBA como el conjunto de habilidades, tecnologías, herramientas y procesos para el continuo análisis del rendimiento que han tenido las organizaciones para poder tener una visión del futuro y encaminar las decisiones y acciones de negocio.

PBA se centra en el desarrollo de nuevos conocimiento y en la compresión del rendimiento de la organización, para lo cual se realizan análisis estadísticos, cuantitativos, modelos explicativos y modelos predictivos.  El PBA se caracteriza por lo siguiente:

  • Demuestra una fuerte relación causa – efecto de los hechos
  • Contiene un conjunto equilibrado de indicadores financieros, no financieros, internos y externos.
  • Debe ser relevante, confiable y oportuno para la circunstancia y usuario.
  • Integridad de datos garantizada.
  • De fácil acceso y buena organización.
  • Integrada a la gestión de procesos.
  • Debe influir en el comportamiento (debe estar vinculado a los procesos de reconocimiento y recompensa salarial)

El PBA trata de ayudarnos a saber cómo será el futuro y definir acciones antes que este ocurra, pero quizás la gran variante con relación a lo ya existente, es que se define como un proceso continuo e integrado a la gestión de la organización.

Referencia: Business Finance Magazine

El Cisne Negro en el BI (V Parte) y la Gestión Inteligente del Riesgo (GRC++)


Debemos reconocer nuestras pocas habilidades para vaticinar el futuro y considerar que técnicas como la minería de datos o lo estadística, sólo nos brindará una instantánea de una situación determinada, cuya validez se limita a un espacio de tiempo muy reducido, porque el comportamiento humano y otras tantas variables que conforman cualquier modelo, no obedecen a modelos matemáticos o tendencias duraderas, sino al libre albedrío.  La coyuntura actual y la triste extinción de muchas organizaciones es la prueba de ello.

Creemos que anticiparse al futuro, no es preocuparse en el “cuándo”, sino más bien en el “cómo”, y esta línea la disciplina que se perfila como la más idónea, a nuestro parecer, es el GRC (Governance, Risk management, and Compliance), la cual no debe ser vista como una “herramienta” para facilitar el cumplimiento de leyes y normas o para superar procesos de auditoria.

Risk Intelligence

Un concepto interesante leemos en el blog de Norman Marks (nuestro referente en GRC)Podríamos afirmar que la gestión inteligente del riesgo, es un concepto mucho más amplio que normalmente se le da al GRC.  El Risk Intelligence (RI) considera, no tan sólo no cometer errores, sino saber detectar oportunidades, implicándose más en la cultura de las empresas y en los colaboradores de la organización, porque las decisiones se toman en todos los niveles.

Un aspecto relevante de este enfoque es su tolerancia al “fracaso”, el cual no debería ser visto como la perdida o daño, porque este puede ser impulsor de la superación e innovación.

Los directivos tienen necesidad de anticiparse a lo inesperado (Cisnes Negros / Black Swans) para ser más preactivos y obtener las ventajas de ser el primero y focalizar sus decisiones a más largo plazo.

El surgimiento de nuevos modelos de negocio, los cambios en las preferencias de los consumidores o la evolución de las “nuevas tecnologías”, exigen agilidad que no se logra evitando problemas o elaborando modelos matemáticos. Una alternativa es detectar en el riesgo sus oportunidades, para brindar valor y ventaja competitiva a la organización.

Referencia:

El Cisne Negro en el BI (IV Parte) y las desviaciones presupuestarias


La simple observación de tendencias de variables, basadas en datos de sucesos pasados, puede servir para actuar de inmediato o en el corto plazo, pero tal vez sea poco útil para proyectar el futuro.  Puede ser el mecanismo “más fiable” para tener una referencia en los presupuestos pero quizás esta fase, la de elaboración y discusión previa a su aprobación, no debería acaparar tanto nuestro tiempo y esfuerzo.

Nuestra apuesta estaría focalizada en la identificación de las desviaciones que deberían tener una frecuencia mensual como tiempo máximo para realizar este control. Las desviaciones, entre otras, presentas las siguientes características:

  • Amplia identificación de desviaciones, ordenadas según su importancia, facilitará la identificación de los principales problemas, algunas desviaciones pueden ser consecuencia de otras.
  • Identificar las causas de las desviaciones, señalando si son por efectos estacionales, objetivos desmesurados o sobrepasados, causas externas, etc.
  • Las desviaciones pueden ser expresadas en valor absoluto (unidades previstas menos unidades reales) o en porcentaje (desviación * 100 / presupuesto)

El análisis de las desviaciones debería ser la labor con mayor dedicación, orientada a la toma de decisiones inmediatas, pero para ello se requerirá de un sistema de información basado en indicadores que faciliten este trabajo.

Referencia:

El Cisne Negro en el BI (III Parte) y los presupuestos


“La inauguración  de la Opera de House de Sidney estaba prevista para principios de 1963, con un coste de 7 millones de dólares australianos.  Al final, abrió sus puertas más de diez años después y, aunque era una versión menos ambiciosa de lo que en un principio se había concebido, acabó por costar entorno a 104 millones de dólares australianos (El Cisne Negro, p208)”¿error de planificación ? Lo que si estamos seguros es que lo inesperado casi siempre actúa en un único sentido: mayores costes y más tiempo (p231)”

Además de la falta de control y liderazgo responsable,  alguno de los siguientes aspectos, que en alguna ocasión hemos observado en ciertos procesos presupuestarios, responden la anterior pregunta:

  • La exagerada antelación con la que se preparan, algunos comienzan en abril, haciendo supuestos de lo que pasará los próximos ochos meses.
  • Elevada dedicación en tiempo y personas, al margen si utilizan un sistema informático adecuado.
  • La simplicidad para estimar los supuestos para los meses del año en curso y para el próximo ejercicio.
  • El cuestionamiento reciproco entre responsables y validadores sobre los supuestos, como si alguien tuviera la certeza absoluta del comportamiento futuro de las variables que influyen en el sector de la organización.
  • Poco enfoque en las tareas de control: desviaciones presupuestarias.

Los presupuestos tienen un alto componente de incertidumbre: el comportamiento del consumidor. Podemos realizar nuestras proyecciones de ventas y en función de ello, elaborar el resto de presupuestos, pero por más estudios o análisis que realicemos, debemos saber que los valores de las variables que hemos considerado inicialmente pueden cambiar abruptamente y significativamente, en cualquier momento.  Lo que se conoce como la degradación de la predicción a medida que el período proyectado se alarga (futuro cercano y futuro lejano)

Hace un tiempo conocimos un sistema de presupuestos, artesanal, pero efectivo. Utilizando hojas de cálculo, una cadena de comercial realiza su presupuesto del siguiente ejercicio en noviembre, en aproximadamente mes y medio, esta elaborado, revisado y transferido a todas las unidades de gestión.  Al cuestionar la aparente poca dedicación, me indicaron, que por las características de su sector, lo importante para ellos era la revisión del presupuesto de referencia (bimensual o mensualmente). Para esta organización, los presupuestos es el principal instrumento de comunicación y motivación para cada punto de venta, y enviar un “mensaje” con parámetros desfasados podría resultar contraproducente.  Por otro lado, no les parece productivo especular sobre lo que podrá suceder el siguiente año, cuando no saben como terminará el que esta en curso.  Los números finalmente avalan su gestión, tal vez podría mejorarse la eficiencia de su proceso presupuestario, pero eso, es otro tema.

Quizás en algunos sectores el comportamiento de las variables que las rigen sean más estáticas y el grado de “acierto” es cercano a la perfección, pero creemos que esto es lo menos frecuente, inclusive en el sector público.  La amplitud de variables, su inestabilidad y efecto contagio, hoy por hoy, es la norma.

Referencia (anteriores post): Parte I y Parte II

El Cisne Negro en el BI (II Parte) y la Minería de Datos


Por todos los sucesos que ocurren a diario, difíciles de predecir y desde que leímos las primeras páginas del libro de Nassim Nicholas Taleb, estamos dudando un poco más sobre la efectividad de la Minería de Datos.  El también llamado data mining, es quizás la técnica menos implementada de todas las que componen el Business Intelligence, creemos que se debe por su mayor complejidad y la necesidad de tener unos conocimientos adicionales como la estadística.

Recuperando la definición sobre minería de datos, de una de las mejores fuentes bibliográficas que tenemos de referencia, señala textualmente lo siguiente:

“La minería de datos tiene como objetivo analizar los datos para extraer conocimiento.  Este conocimiento puede ser en forma de relaciones, patrones o reglas inferidas de los datos y (previamente) desconocidos, o bien e forma de una descripción más concisa (es decir, un resumen de los mismos). Estas relaciones o resúmenes constituyen el modelo de datos analizado. Existen muchas formas diferentes de representar los modelos y cada una de ellas determina el tipo de técnica que puede usarse para inferirlos.

En la práctica, los modelos pueden de dos tipo: predictivos o descriptivos.  Los modelos predictivos pretenden estimar valores futuros o desconocidos…

Los modelos descriptivos, en cambio, identifican patrones que explican o resumen los datos, es decir, sirven para explorar las propiedades de los datos examinados,…”

Sobre la categorización o clasificación según patrones, por ejemplo aplicado en las personas, estos se trastocan con mayor celeridad que antes, Internet y todos los fenómenos que conlleva, como las redes sociales, contribuyen a la evolución o abandono de estos patrones en unos cuantos clics, son tantos los datos que se podrían analizar, que la técnica basada en la agrupación y resumen, deja en el camino características particulares de mayor relevancia.

Esta comprobado que la facultad de predicción es inexistente, entidades revisoras de riesgo financiero, gobiernos, Gartner con sus predicciones anuales sobre la tecnología que  se implementará y luego no valora su grado de acierto o el mismo Google, con la cantidad de información que manipula a fracasado con el lanzamiento de más de un producto, el último Google Wave.  Como señala el autor del Cisne Negro, predecir y acertar es cuestión de suerte, no se puede predecir cuando ocurrirá un terremoto, pero si se podría cuantificar sus consecuencias y estar preparados para una reacción inmediata.

No sugerimos que abandonen sus implementaciones de minería de datos, sólo que los modelos generados sean revisados con mayor frecuencia y que el resultado de las conclusiones sean tomandos con una información de referencia, no como la verdad absoluta.

Referencia: (anterior post) El Cisne Negro en el BI (I Parte)

El Cisne Negro en el BI (I Parte)


¿La evaluación de los sucesos del pasado, hechos conocidos, pueden ser suficiente para conocer o “predecir” los sucesos del futuro, hechos por conocer?, este uno de los tantos cuestionamientos que se plantea Nassim Nicholas Taleb en su obra El Cisne Negro.

Un  Cisne Negro, término acuñado por el autor, es una rareza, un hecho fuera del alcance de las “expectativas normales” el cual tiene las siguientes tres características:

  • Nada del pasado puede apuntar de forma convincente de su posibilidad.
  • Produce un gran impacto.
  • Después de producido el hecho, surgen las explicaciones y se convierte en un hecho predecible

La forma en como analizamos los hechos, el afán por corroborar nuestros supuestos, el conocimiento inductivo, la búsqueda de la simplificación a través de la categorización, la apreciación de los hechos por contagio o proximidad, entre otros aspectos, según el Nassim, nos hacen dejar en el camino hechos relevantes que nos podrían dar otra visión de más utilidad.

Sin duda, viendo la coyuntura actual, el autor de esta obra, tiene algo o bastante de razón.  Talvez, estemos viviendo las consecuencias de un gran Cisne Negro que nadie pudo predecir , ha ocasionado un gran impacto y ahora, ocurrido los hechos, tenemos a nuestra disposición inmensas bibliotecas explicándonos los hechos, desde los antecedentes, causas y recetas para que no vuelva ocurrir.

El Cisne Negro nos parece una obra muy interesante, altamente recomendable, estamos en mitad de su lectura, vamos apuntando algunos tweets de los conceptos que nos parecen más relevantes (aquí).  Creemos que existen muchas ideas que podrían ser útiles y aplicables en el Business Intelligence, sobre todo, para un planteamiento nuevo y útil que contemple un análisis más amplio y productivo.

Volveremos a comentar sobre este libro, por lo pronto, resaltamos la siguiente sugerencia: “La estrategia es juguetear cuanto sea posible y tratar de reunir tantas oportunidades de “Cisne Negro” como se pueda”.  La cual interpretamos, desde nuestra perspectiva de Business Intelligence, como la obligación de elaborar tantos escenarios como sean posibles, sin descartar ninguno, sin antes, no valorarlo minuciosamente.

Referencia: