Data Driven Archivos - artyco | the data driven company
91 640 41 50 hola@artyco.com
Qué es un árbol de decisión y su importancia en el Data Driven

Qué es un árbol de decisión y su importancia en el Data Driven

Qué es un árbol de decisión y su importancia en el Data Driven

Un árbol de decisión es un diagrama en forma de árbol que muestra la probabilidad estadística o determina un curso de acción. Muestra a los analistas y, a los que toman las decisiones, qué pasos deben tomar y cómo las diferentes elecciones podrían afectar todo el proceso. Todo ello soportado en datos. Como entenderás, es una herramienta muy útil en cualquier organización regida por los datos o Data Driven. En este post, te voy a contar cómo construirlo, sus principales símbolos, sus ventajas y desventajas, así como su importancia en el Data Driven. ¿Interesante verdad? Vamos a por ello.

Un árbol de decisión es una especie de mapa en que se muestra cada una de las opciones de decisión posibles y sus resultados. Este es tremendamente útil para aquellas personas que tienen que tomar decisiones en un negocio, ya que te permite comparar diferentes decisiones y acciones según sus costos, probabilidades y beneficios.

Este diagrama acaba teniendo una forma similar a la de un árbol, de ahí su nombre de “diagrama de árbol de decisión”.

Los árboles de decisión comienzan con un nodo, del cual salen otros en función de las opciones que se presenten, y de cada una de estas, otros. Existen tres tipos diferentes de nodos:

  • Nodos de decisión.
    Se le representa con un cuadrado y muestra una decisión que se tomará.
  • Nodos de probabilidad.
    Está representado por un círculo y muestra las probabilidades de ciertos resultados.
  • Nodos terminales.
    Son de forma triangular, y muestra el resultado definitivo de una ruta de decisión.

Una vez que ya sabes qué es un árbol de decisión y el significado de sus figuras, vamos a ver cómo dibujar uno.

Cómo dibujar un árbol de decisiones

dibujar árbol de decisiones
Para dibujar un árbol de decisión puedes optar por hacerlo manualmente o bien a través de una aplicación. De cualquiera de las formas, su desarrollo es el mismo.

  1. Empieza por la decisión principal. Dibuja un cuadrado pequeño y traza hacia la derecha, a través de líneas, las posibles soluciones o acciones. Estas deben de estar correctamente etiquetadas y ofrecer el coste que supone tomar un camino u otro.
    inicio árbol de decisiones
  2. Es el momento de añadir nodos de decisión y probabilidad, los cuales harán crecer el árbol. Para ello, debes de seguir el siguiente razonamiento:
    • Si otra decisión es necesaria, dibuja otro cuadrado.
    • Si el resultado es incierto, dibuja un círculo (los círculos representan nodos de probabilidad).
    • Si el problema está resuelto, déjalo en blanco (por ahora).
      ramificación de árbol de decisiones

    Como ves, desde cada nódulo de decisión, debes de poner soluciones posibles, mientras que desde cada nódulo de probabilidad, debes de incluir los resultados posibles. Para poder basarte en datos, lo ideal es que incluyas en cada línea de decisión, el coste de esa acción, o el ingreso. De igual forma, en cada nódulo de probabilidad, debes de incluir tus opciones de forma numérica, a través de la probabilidad.

  3.  Continúa expandiendo tu árbol hasta que no haya más decisiones que tomar, y este llegue a su fin. El final representa que no hay más decisiones posibles o resultados probables que considerar. Una vez hayas asignado un valor a cada resultado posible, bien a través de una puntuación abstracta o un valor financiero, agrega triángulos que determinen los extremos.

final árbol de decisiones
Ahora, con el árbol listo, ya estás preparado para analizar la decisión a la que te enfrentas.

Cómo realizar un análisis en un árbol de decisión

analisis arbol de decisiones
Diseñar el árbol de decisión es útil sobre todo para plasmar sobre el papel las alternativas y para visualizar todas las opciones que tienes. Sin embargo, no está completo hasta que no realizas un análisis como tal.

Para ello, tienes que realizar el cálculo final esperado de cada decisión. Este cálculo te aportará una minimización del riesgo y una maximización de la probabilidad de obtener el resultado esperado.

Para sacar ese dato, sólo tienes que restar el costo de esa decisión a los beneficios esperados. Así de fácil. Ten en cuenta que los beneficios esperados son iguales al valor total de todos los resultados que puedan derivar de esa decisión, y cada valor se multiplica por la probabilidad de que ocurra. A continuación, te muestro cómo se calcularían estos valores para el ejemplo descrito anteriormente.
analisis árbol decisiones

Al identificar cuál es el resultado más deseable, es importante tener en cuenta las preferencias de utilidad del encargado de tomar la decisión. Por ejemplo, algunos prefieren opciones de bajo riesgo, mientras que otros están dispuestos a correr riesgos si el beneficio es mayor.

Al usar tu árbol de decisión acompañado por un modelo de probabilidad, puedes emplearlo para calcular la probabilidad condicional de un evento o la probabilidad de que suceda, en el caso de que otro evento ocurra. Para hacerlo, simplemente empieza con el evento inicial, luego sigue la ruta desde ese evento hasta el evento objetivo, y multiplica la probabilidad de cada uno de esos eventos juntos.

De este modo, un árbol de decisión se puede emplear como un diagrama de árbol tradicional, que traza las probabilidades de determinados eventos, como lanzar una moneda dos veces.

probabilidad evento árbol de decisiones

Como puedes suponer, los árboles de decisión ofrecen muchas ventajas, pero también alguna que otra desventaja. Vamos a verlas.

Ventajas y desventajas del uso del árbol de decisión

ventajas y desventajas árbol de decisiones
Las principales ventajas de utilizar en tu proceso de decisión, este tipo de diagrama, son evidentes y seguro que la mayoría de ellas ya se te han pasado por la cabeza:

  • Los árboles de decisión son simples de entender y de interpretar.
  • Si el diagrama no es demasiado grande, puede visualizarse de un vistazo y eso facilita mucho el entendimiento del proceso.
  • No requiere que prepares unos datos excesivamente complejos.
  • Es válido tanto para variables cuantitativas como para cualitativas.
  • Se pueden agregar nuevas opciones a los árboles existentes.
  • Son fácilmente combinables con otras herramientas de tomas de decisiones.
  • Utiliza un modelo de caja blanca: la respuesta del algoritmo es fácilmente justificable a partir de la lógica booleana implementada en él.

Por otro lado, hay una serie de desventajas, las cuales quizás no sean tan evidentes, aunque seguro que muchas de ellas se te hayan pasado por la cabeza. Principalmente son estas:

  • Son inestables: cualquier pequeño cambio en los datos de entrada puede suponer un árbol de decisión completamente diferente.
  • No se puede garantizar que el árbol generado sea el óptimo.
  • Hay conceptos que no son fácilmente aprendidos pues los árboles de decisión no son capaces de expresarlos con facilidad (como el operador XOR).
  • Los principiantes crean árboles sesgados, sobre todo si una de las personas que interviene es dominante respecto al resto.
  • Un árbol de decisión puede llegar a ser demasiado complejo con facilidad, perdiendo su utilidad.

Por lo que puedes suponer, esta herramienta es muy útil en las empresas Data Driven, las cuales, sólo toman decisiones en base a los datos. A continuación, paso a contarte por qué es tan útil para este tipo de empresas.

Los diagramas de árbol de decisión en el Data Driven

árbol de decisiones y data driven

Hoy día, las empresas más modernas están siendo regidas por los datos. Los años en los que se tomaban las decisiones en función de la experiencia personal del más veterano, o la intuición del empleado de más éxito, terminaron.

Gracias a los datos, una empresa Data Driven es capaz de multiplicar el número de ventas fácilmente, así como de fidelizar a sus clientes y de ahorrar costes, entre otras muchas cosas.

Para lograrlo, es necesario crear una cultura y una filosofía entorno al dato, pero también entorno a la mejor manera de tomar decisiones basadas en estos.

En este sentido, el diagrama de árbol de decisión es una excelente herramienta para lograr tomar decisiones basadas en datos.

Pero no sólo eso, los árboles de decisión son, además, potentes herramientas de visualización que ayudan a los responsables precisamente en esa toma de decisiones, realizando los movimientos correctos en el momento adecuado.

Cada vez más sectores los utilizan hoy en día con el fin de sacarles todo el provecho y aumentar su negocio, utilizándolos para optimizar estrategias, predecir los resultados o la probabilidad de eventos.

En próximos posts profundizaremos más en esta herramienta, hablando de árboles más avanzados como el de regresión o el de clasificación y cómo pueden entrar en juego en la Inteligencia artificial, a través del machine learning. No te lo pierdas.

¿Quieres convertir tu empresa en una compañía Data Driven?

Emilio Fernández Lastra

Chief Marketing Officer

“Después de la hipoteca, el inbound marketing es la mejor
herramienta para asegurar una relación a largo plazo”

¿Te ha parecido interesante lo que has leido?

En artyco podemos ayudarte a conseguir tus objetivos

¿Hablamos?

Si, quiero

+34 916 404 150

hola@artyco.com

© Artyco comunicación y servicios - Todos los derechos reservados

© Artyco comunicación y servicios - Todos los derechos reservados

¿Por qué tu empresa no es Data Driven?

¿Por qué tu empresa no es Data Driven?

¿Por qué tu empresa no es Data Driven?

Tras la situación sanitaria y económica que estamos viviendo, todas las compañías intentan rentabilizar al máximo cada una de sus inversiones, así como optimizar cada una de las decisiones corporativas que se toman. Saben que la mejor manera de hacerlo con éxito es a través de los datos, y eso es lo que consigue una cultura Data Driven. Es por eso, que todas las compañías con visión de futuro están adoptando esa filosofía empresarial. ¿Quieres saber en qué momento estás? Aquí te cuento por qué tu empresa no es Data Driven y cuáles son las fases por las que pasan todas aquellas empresas que se adentran en el camino de conseguirlo. Vamos allá.

Una empresa data driven basa su cultura en el empleo eficiente de los datos, convirtiéndolos en auténtico valor para la organización.

Según los resultados de una encuesta realizada por McKinsey, las empresas data driven tienen 23 veces más probabilidades de adquirir clientes, seis veces más probabilidades de retener a esos clientes y 19 veces más probabilidades de ser rentables.

A pesar de todo, según otro informe, esta vez realizado por EY y Nimbus Ninety, a pesar de que el 81% de las empresas piensan que los datos deben de estar en el centro de su organización, la mayoría usa la analítica de datos sólo para resolver problemas esporádicos.

De estos informes, se desprendieron unas conclusiones que evidenciaban los porqués de no llegar a convertirse en empresas data driven. Estas conclusiones se pueden resumir en estos 4 puntos:

#1. Las empresas necesitan crear una organización respecto al dato, teniendo en cuenta la gobernanza de este, con el objetivo de que se puedan llegar a tomar decisiones basadas en estos.

#2. Las empresas deben de tener el hábito de recoger datos de diferentes fuentes, pero vigilando la veracidad de los mismos, así como su calidad y consistencia. Con estos, se deben de crear insights que sean valiosos para todos los empleados de la organización. Ya que, gracias a estos, podrán tomar sus decisiones diarias.

#3. Una empresa que quiera ser Data Driven, debe de disponer del talento necesario para ello y formar a los empleados actuales, para que sean capaces de trabajar en base a los datos. Además, deben de contar con organizaciones especializadas en Big Data, que les acompañen en el viaje.

#4. El mayor riesgo de manejar datos, está en que te los roben. Por ello, es necesario que una empresa Data Driven se aproveche de la analítica Big Data para aumentar la ciberseguridad y mejorar el cumplimiento normativo. Con la GDPR actual, el usuario tiene derecho a elegir qué empresas tienen acceso a sus datos y para qué los utilizan.

Ahora ya sabes más o menos cómo debe de ser una empresa Data Driven. Supongo que habrás hecho la introspección de analizar si tu compañía cumple con alguno de estos puntos, ¿verdad? Para que no te quede más dudas, a continuación, voy a contarte definitivamente por qué tu empresa no es Data Driven.

5 motivos por las que tu empresa no es Data Driven

Creo que lo tienes claro. Tu empresa no es Data Driven, pero por si te queda alguna sospecha, aquí te presento cinco puntos que terminarán por sacarte de dudas.

Muchas empresas dicen que son Data Driven simplemente porque trabajan con datos, pero no es así. Ser Data Driven va mucho más allá.

Si tu empresa cumple alguno de estos puntos, piensa que no es Data Driven.

#1. Mantenéis la información guardada por departamentos, sin posibilidad de poder compartirla con el resto de los equipos, o al menos, no es tarea sencilla. Trabajáis en lo que se denomina dentro del sector, en silos independientes de información, en los que cada responsable de departamento es dueño y señor de su silo.

#2. Sí, trabajas con datos a diario, pero ¿te preocupas de la calidad de estos? Muchas compañías presumen de disponer de una gran cantidad de datos, incluso de tenerlos en cuenta a la hora de trabajar y tomar decisiones. Lo que ya no tienen tan en cuenta es el trabajo previo a esos datos, es decir, la calidad de ellos en su fiabilidad en la recogida, su normalización, limpieza y correcto tratamiento. El impacto del Dirty Data en España, supone un total de 321 millones de euros de pérdidas, ya que se toman decisiones erróneas. ¿Quieres saber más sobre ello? Echa un ojo a este post sobre Dirty Data.

#3. Utilizas herramientas de analítica de datos, sin embargo, es dudosa su eficacia en cuanto a la toma de decisiones. Piensas que estas herramientas están siendo infrautilizadas en tu empresa, y realmente no están ayudando a tomar más y mejores decisiones empresariales y de negocio. Piensa que una de las mayores dificultades a las que se enfrentan las empresas hoy día, es la toma de decisiones respecto a qué herramienta utilizar, que sea adecuada a las necesidades de cada empresa o negocio. Aquí te dejo una guía de cómo elegir la herramienta más adecuada en sólo 5 pasos.

#4. ¿Una de tus mayores preocupaciones es disponer de suficientes datos? Sin embargo, no los utilizas de forma correcta y no sabes extraer el verdadero valor de estos. Muchas empresas pierden mucho tiempo en la adquisición de más y más datos, sin pararse a pesar cuáles de estos son verdaderamente necesarios para sus objetivos de negocio. Este hecho les hace perder la perspectiva de para qué se necesitan esos datos.

#5. En la empresa sólo unos pocos están verdaderamente capacitados para trabajar con datos. Uno de los mayores problemas y hándicaps a los que se enfrentan las compañías hoy día, es la falta de personal formado respecto a la cultura del dato, así como en el trabajo entorno al dato.

¿Verdad que te ves reflejado en más de uno? Si es así, lo siento, pero tu empresa no es Data Driven. Sin embargo, conseguirlo no está sólo al alcance de la mano de grandísimas compañías. Convertir un negocio en Data Driven o basado en los datos, no es sencillo, pero es posible retocando ciertos elementos. El camino para conseguirlo conlleva habitualmente una serie de fases. Te las cuento.

Fases de evolución hacia el Data Driven

Según Christopher S. Penn (autor de uno de los libros más vendidos ‘Marketing White Belt: Basics for the Digital Marketer’, y autoridad líder en nuevos medios y marketing en Wall Street Journal, Washington Post, New York Times , BusinessWeek y US News and World Report , PBS, CNN, CNBC, Fox News y ABC News, entre otras) todas las empresas que desean transformarse en una compañía basada en datos, deben de pasar por una serie de etapas hacia su evolución. Las etapas son estas:

  • Fase de resistencia a los datos.
    Normalmente las empresas que se resisten a los datos suelen decir esto: «Siempre lo hemos hecho de esta manera», una frase dolorosa para cualquiera con mentalidad de progreso. Es por eso por lo que, dirigirse hacia el Data Driven en una organización que está en esta fase de resistencia, el esfuerzo debe de venir desde dentro de la organización.
  • Consciencia de datos.
    Son las empresas que saben de la existencia de los datos, los recogen y sienten curiosidad por ellos, pero aún no saben cómo sacarles partido. La transición de la detección de datos a la guiada por datos proviene del deseo de desbloquear el valor de los datos que una empresa ha recopilado.
  • Empresa guiada por los datos.
    Las empresas guiadas por datos se centran en el análisis, en lo que sucedió en los datos. ¿Qué dicen los datos? ¿Qué ocurrió? Y entran en una fase de contratación y cambio cada dos por tres de proveedor tecnológico y de herramientas. Muchas empresas se quedan estancadas en esta fase, ya que tiene repercusión sobre la parte más táctica de la empresa, bastándoles a muchas de ellas.
  • Experta en datos.
    La empresa experta en datos se da cuenta de que el valor de los datos no es solo táctico; los datos pueden ser un activo estratégico. Para desarrollar ese valor estratégico, una empresa experta en datos continúa invirtiendo en el qué, pero luego dirige su atención al por qué, y al desarrollo de conocimientos.
  • Basada en datos.
    La empresa basada en datos combina datos, análisis y conocimientos para responder a la pregunta ¿qué sigue? Las decisiones que toman las organizaciones basadas en datos encapsulan los datos, lo que sucedió, por qué y qué sigue en declaraciones claras y concisas que indican la próxima acción a tomar. Para estas, los datos son un activo estratégico que impulsa todas las decisiones importantes que se toman.

    En una organización verdaderamente basada en datos, cada reunión de planificación comienza con datos y no se ejecuta ninguna decisión sin una estructura de gobierno para recopilar y medir la decisión.

Como ves, convertirse en una empresa Data Driven no es tan sencillo como muchas empresas suponen, pero si se hace de manera acertada y con empeño, esta opción puede reportar interesantes beneficios para el negocio.

En artyco ayudamos a las compañías a ser Data Driven, a través de nuestros consultores especializados y nuestros años de experiencia con los datos, ¿hablamos?

Emilio Fernández Lastra

Chief Marketing Officer

“Después de la hipoteca, el inbound marketing es la mejor
herramienta para asegurar una relación a largo plazo”

¿Te ha parecido interesante lo que has leido?

En artyco podemos ayudarte a conseguir tus objetivos

¿Hablamos?

Si, quiero

+34 916 404 150

hola@artyco.com

© Artyco comunicación y servicios - Todos los derechos reservados

© Artyco comunicación y servicios - Todos los derechos reservados