toma de decisiones tecnologicas

Proceso de toma de Decisiones tecnológicas en las organizaciones El proceso de toma de decisiones en la empresa en red se guía tanto por las expectativas de los usuarios (potenciales clientes) como por los objetivos trazados por sus directivos. En el presente estudio se tratará de conjugar en un modelo los mecanismos que faciliten el establecimiento de tareas que la empresa debe realizar para que dicha toma de decisiones sea la óptima de acuerdo con los requerimientos de los usuarios. El primer paso en la elaboración de dicho modelo consistirá en la identificación de los atributos que influyen en la percepción del usuario sobre el diseño del sitio. Para ayudar a establecer dichos atributos se analizará el comportamiento de los visitantes del sitio a partir de la información proveniente de los logs del servidor web, relativa a las decisiones que éstos adoptan al visitar una página, lo que nos permitirá obtener información relativa a la relevancia de cada factor de diseño de dicha página y que ésta información útil pueda ser empleada para fines decisionales en la empresa. A través del tratamiento automatizado de los datos obtenidos y su procesamiento en una red neuronal, el decisor puede analizar las visitas que recibe en su página/s y entender en cierto modo, el comportamiento y los requerimientos de los navegantes para, de ésta forma, conseguir una personalización de estilo o contenido de su página web. Tras un oportuno entrenamiento de la red, se buscará la mejor parametrización (ejemplo de clasificación), para poder utilizarla así posteriormente, como predicción del comportamiento futuro de los visitantes de la página y de éste modo adoptar la decisión más adecuada a la situación prevista. Los servidores web generalmente registran una entrada en un fichero log con información sobre: dirección IP, hora de acceso, método de interrogación, URL de la página a la que se ha accedido, protocolo de transmisión de datos, código de retorno y número de bytes transmitidos, así como información irrelevante o redundante como las entradas relativas a ficheros de imágenes o código de error que no son necesarios para la obtención del perfil de usuario y por tanto no se necesitan para la posterior toma de decisiones que se llevará a cabo tras el proceso de explotación de esa información El preprocesado de la información obtenida de los ficheros logs consistiría en la preparación y limpieza de datos para la obtención de una base de datos libre de errores y ruido, así como una reducción de variables y datos de acuerdo con el objetivo trazado para el análisis. Esta labor la realizaría un experto que, con ayuda de diversas herramientas o técnicas, y a partir de un módulo de transformación de la información contenida en dichos ficheros (y posteriormente discriminada sobre la base de algún criterio frecuencia de aparición, orden alfabético...) los convertiría en datos ordenados en función de los conceptos Usuarios-Sesiones-Servicios, susceptibles de ser clasificados. Una vez que los datos de log han sido preprocesados y transformados en información útil, se debe arbitrar una medida que permita establecer la clasificación de los mismos en categorías mediante la red neuronal. Tras clasificar los datos por categorías es necesario establecer una partición del conjunto de datos acorde a una métrica. Los métodos de clustering parecen ideales para comparar sesiones de usuario(Perkowitz y Etzioni, 1999) y establecer similaridades (Broker et al., 1997), aunque cuentan con algunos inconvenientes cuando los datos de acceso se refieren a servicios distintos o la información obtenida presenta alguna ambigüedad e imprecisión, es por ello, que se hace necesario complementar la técnica de recogida de información con un preprocesado sobre la base de métodos difusos. Un método difuso, de especial interés para el presente trabajo es el algoritmo de agrupación fuzzy c-means (Kwok et al., 2002), por el que se asigna un conjunto de objetos, caracterizados por sus respectivos valores de atributos, a un número determinado de clases. Una vez se han obtenido los datos de salida fuzzy c-means normalizados y cuantificados, éstos ingresan para ser procesados por el motor de cluster que puede ser una red neuronal o un algoritmo de fuzzyficación, los cuales tratarán estos datos para convertirlos en patrones analizables útiles mediante los cuáles se podrá conocer la naturaleza de los requerimientos y características de la página, sus interrelaciones así como a la observación del comportamiento ante posibles variaciones en las variables que les influyen. A continuación, se procederá en la segunda parte del estudio a configurar los parámetros de un agente-hormiga para probar la usabilidad del sitio web así como optimizar los recorridos de acceso a los principales nodos informativos. El diseño del algoritmo basado en agentes-hormiga sigue una metáfora de diseño basada en la vida de una comunidad de hormigas. Las hormigas (agentes de pequeño tamaño para facilitar su transmisión por cualquier tipo de red) salen de su hormiguero (el servidor central) para buscar comida (la información) en todo pic-nic disponible (cada sesión de navegación). Una vez que la hormiga haya conseguido su comida ésta vuelve al hormiguero y almacena cuidadosamente lo conseguido en alguna de sus galerías o almacenes (los ficheros o las bases de datos del servidor). Una característica interesante del comportamiento de las colonias de hormigas es cómo pueden encontrar los caminos más cortos entre el hormiguero y la comida. ( Estas características propias del comportamiento de las hormigas se podrían asemejar al comportamiento del navegador por sitios web que busca en sus sesiones determinada información que le interesa. Elegirá aquellas rutas de navegación que le conduzcan de forma más directa (camino más corto) hacia el objetivo perseguido, y ante la eventual aparición de alguna dificultad en sus accesos (lentitud, imposibilidad momentánea de conexión...), buscará otro camino alternativo que le conduzca a una nueva solución óptima. En el estudio planteado el Sistema de Hormigas resulta adecuado dado que: 1.- Los objetivos empresariales no son fijos ni únicos, pueden modificarse o ser considerados desde diferentes puntos de vista. El algoritmo basado en hormigas se puede ejecutar con diferentes matrices de valoraciones como input por lo que, en éste sentido, resulta adecuada su utilización en el problema que nos ocupa en el presente estudio. 2.- En la empresa en red es fundamental que los enlaces se adapten perfectamente al perfil del usuario definido previamente en un proceso preliminar de segmentación. La entrada del algoritmo puede incorporar además de la matriz de valoraciones la identificación del usuario así como la información suministrada por éste, con frecuencia expresada en forma de requerimientos “vagos” e “imprecisos” y en muchos casos contradictorios, para lo cuál se podrá incorporar al algoritmo un modelo de representación basado en un tratamiento difuso de los datos como herramienta. 3.- Dado que en el problema planteado, al tratar de conjugar información endógena y exógena, el número de variables resulta generalmente muy elevado y las posibles interrelaciones entre las mismas hace que el número de combinaciones posibles sea lo suficientemente grande como para dificultar su resolución, es por lo que el proceso de búsqueda y optimización es idóneo realizarlo mediante una heurística basada en hormigas dados los excelentes resultados que estos algoritmos ofrecen en problemas con alto grado combinatorio. A modo de conclusiones. La metodología en la que se ha apoyado el presente estudio basada en el manejo de distintas técnicas de Inteligencia Artificial (redes neuronales, lógica difusa, así como técnicas bio-inspiradas basadas en el comportamiento de las hormigas) constituye una ayuda al proceso de toma de decisiones de la empresa en red, para la consecución de un objetivo concreto como es el de lograr la maximización del valor de los enlaces recorridos así como el logro de una óptima usabilidad del sitio. El procesamiento y entrenamiento en una red neuronal, constituye un eficaz medio para realizar una predicción del comportamiento futuro de los visitantes de la página y, de ésta forma, conseguir una personalización de estilo o contenido de su página web que se adapte tanto a los requerimientos actuales de los usuarios como a sus comportamientos futuros. El apoyo de las técnicas heurísticas basadas en el comportamiento de las hormigas nos ha permitido de manera óptima comprobar la usabilidad del sitio web así como optimizar los recorridos del usuario por los diferentes nodos del sitio. La aplicación empírica de ésta metodología ha sido probada en el análisis del diseño y comprobación de la usabilidad y accesibilidad del sitio web de una compañía aérea. Bibliografía: Broder, A.; Glassman, S.; Manasse, M.; Zweig, G. (1997) “Syntantic Clustering on the Web”. Systems Research Digital Equipment Corporation, Department of Computer Science, University of California, Berkeley. Kwok, T.; Smith, K. A.; Lozano, S.; Taniar, D. (2002) Parallel Fuzzy c-Means Clustering for Large Data Sets. Euro-Par 2002 Parallel Processing. Lecture Notes in Computer Science, Vol. 2400, Coords/Eds B. Monien and R. Fedmann, pp. 365-374, Springer-Verlag, Berlín, 2002.