ANÁLISIS DE LA NOTICIA “De la cibernética y la investigación de operaciones a la analítica y la inteligencia artificial”
PUBLICADA “21 de julio de 2023”
Por: Simón Martínez
INTRODUCCIÓN
La Investigación Operativa (OR), surgida en la Segunda Guerra Mundial, ha ido evolucionando hacia la analítica, destacando en decisiones empresariales en la era de grandes datos. Mientras la OR se centra en analítica avanzada, la analítica abarca todo el proceso. Ambas convergerán, y "analítica" podría suplantar a "OR". En inteligencia artificial, el aprendizaje automático (ML) Machine Learning en inglés destaca, y la ciencia de datos evoluciona, va marcando una distinción en conocimientos y disciplinas.
SÍNTESIS
La Investigación Operativa (OR) tiene sus raíces en la Segunda Guerra Mundial, cuando se aplicó un enfoque científico para gestionar recursos militares escasos. Tras la guerra, su éxito generó interés en aplicaciones civiles. En la década de 1950, consultores empresariales introdujeron la OR en diversas organizaciones, abarcando sectores como negocios, industria y gobierno. Su aplicación se extiende a actividades organizativas en sectores diversos como fabricación, transporte, salud y servicios públicos. Gracias a su versatilidad, la OR requiere equipos multidisciplinarios con expertos en estadística, economía, administración, informática e ingeniería para abordar eficazmente sus facetas.
La analítica, considerada sucesora de la Investigación de Operaciones (OR), ha tenido un impacto significativo en la toma de decisiones empresariales, destacando la influencia de Thomas Davenport. Aunque conceptualmente similar a la OR, la analítica reconoce la era de los grandes datos y su definición destaca su papel en transformar datos en conocimiento. Vinculada estrechamente al Big Data, se desglosa en analítica descriptiva, predictiva y prescriptiva, cada una aplicada a comprender el pasado, prever el futuro y recomendar acciones. Su aplicación abarca consultas de datos, estadísticas, visualización, análisis de regresión y análisis prescriptivo, apoyándose en técnicas avanzadas para optimizar la toma de decisiones empresariales.
La investigación operativa (OR), según Hillier y Liebermann (2015), se centra en la analítica avanzada, las actividades predictivas y prescriptivas. Por otro lado, los profesionales de la analítica tienen un papel más integral en los negocios, desde la identificación de necesidades hasta la implementación de soluciones. Se espera que con el tiempo estos enfoques converjan, y es posible que el término "analítica" reemplace a "OR" como el nombre común para esta disciplina integrada. Además de su impacto en las empresas, la analítica ha demostrado su potencia en contextos diversos, como la campaña presidencial de 2012 en Estados Unidos. Allí, un equipo multidisciplinario respaldado por analítica y OR utilizó enormes cantidades de datos para personalizar mensajes y estrategias.
Ahora, hablemos de la evolución épica de la ciencia de datos. Según Hull (2020), hay cuatro categorías clave de modelos de aprendizaje automático (ML). Está el supervisado, que se concentra en hacer predicciones; el no supervisado, que se enfoca en identificar patrones para entender mejor el mundo de los datos; el semisupervisado, un híbrido útil para datos con y sin etiquetas; y, por último, el aprendizaje por refuerzo, diseñado para situaciones de toma de decisiones en entornos caóticos e inciertos. Esta perspectiva histórica nos muestra cómo, desde los años 70, los sistemas de toma de decisiones pasaron de informes estructurados a inteligencia empresarial (BI). Hoy, el término "ciencia de datos" está en la cima, marcando una distinción de alto vuelo en términos de conocimientos y disciplinas, donde la analítica y la ciencia de datos coexisten con misiones importantes en la industria y la academia.
CONCLUSIÓN
La Investigación de operaciones surgió tras la Segunda Guerra Mundial y ha estado evolucionando hacia la analítica, que transforma datos en decisiones inteligentes. Hillier y Liebermann sugieren que OR y Analítica convergerán. En el ámbito de la Inteligencia Artificial, el Aprendizaje Automático destaca, aprovechando el crecimiento exponencial de datos. Hull destaca la evolución de la Ciencia de Datos, que ha pasado de informes estructurados a un papel crucial en la toma de decisiones. Este viaje refleja cómo la innovación continua impulsa mejoras significativas en la gestión actual.
LINK DE LA NOTA OFICIAL
