Mó dulo 2: Modelo General del

Proceso Decisorio
UNIDAD 3: MODELO GENERAL
https://player.vimeo.com/video/283698490?h=9acbb70647

Con este módulo abordamos los últimos temas introductorios al proceso de decisión, para
luego pasar en los próximos a la aplicación propiamente dicha.

Habíamos anteriormente, presentado dentro del Ámbito de Decisión los distintos “estados”
que se enfrentan los individuos que tienen que tomar decisiones.

Estos estados (naturales o sujetos racionales) son clasificados a su vez según el grado de
incertidumbre (tema que también trataremos en los módulos siguientes). La incertidumbre
determinará la certeza o aleatoriedad.

Entonces, con la certeza identificaremos a los problemas que se enfrentan a “Estados

Naturales” y que con total seguridad sabremos que ha de ocurrir.

En cambio, en las aleatorias se reflejarán aquellos problemas en donde se puede estimar los
“Estados Naturales”, pero no se tiene ninguna seguridad de ocurrencia. A su vez, según
contemos con datos del pasado (por ejemplo probabilidades) encontraremos Criterios de
Decisión Bajo Riesgo y si no fuera así, se darán los Criterios de Decisión Bajo Incertidumbre.

Enunciaremos las decisiones relacionadas con individuos racionales, cuando se enfrenta a

intereses que se superponen. Esto lo veremos más profundamente en el Módulo 4 con “Teoría
de los Juegos”.

Dentro del Modelo General ubicaremos la Teoría del Valor o de Utilidad, relacionada con
variables subjetivas de las personas.

Se despliegan Matrices de Decisión o de Resultado para llevar al campo práctico el concepto

de Valor Esperado, conocido en el ámbito de las ciencias como esperanza matemática.

Con ejercitación práctica se señala el fenómeno matricial de “Dominancia”, con el objeto de

simplificar el análisis de las alternativas posibles dentro de una matriz, y hallar la más
conveniente.

Como siempre estamos diciendo, en la complejidad del universo de las decisiones, quienes
quieren prever el futuro necesitan elaborar modelos para observar el comportamiento de las
variables que les interesan. Bueno, esto se puede hacer por medio de la “Simulación”, ya que
éstas se basan en estructuras representativas del conocimiento, que utilizan variables reales,
con datos reales; pudiendo de esta manera pronosticar, nada más y nada menos, que el futuro
acompañado por los resultados.
En la segunda parte se profundiza más la pregunta: ¿cuál o cuáles son los objetivos en un
pronóstico determinado?

En este apartado, se puede observar que algo que parece lo más lógico de la decisión, como es
conocer los objetivos, no es tan así; ya que se pueden fijar los equivocados (que nos llevarán a
situaciones más comprometidas que la actual), o quienes deciden (por determinados
intereses) ocultarlos o no los clarificarlos debidamente para su comprensión.

Por último, es lógico que en esta observación y análisis existan objetivos de distintos niveles
según la apreciación subjetiva del decisor.

Además en un mismo pronóstico o proyecto nos encontramos generalmente con objetivos que
se encuentran en conflicto.

Para estas dos situaciones (importancia de objetivos y conflicto de objetivos) se consignan

diversos métodos de resolución para poder apreciar sus verdaderas dimensiones.

Objetivos del mó dulo

Terminar de armar el modelo tipo para la toma de decisiones.

Contenidos del mó dulo

Unidad 3- Modelo General

3.1 Criterios para la toma de decisiones

3.2 Teoría del valor

3.3 Valor esperado y utilidad esperada

3.4 Técnicas de Simulación

Unidad 4- Decisiones Multiatributo

4.1 Objetivos múltiples

4.2 Escalas de medición

4.3 Métodos de resolución de objetivos en conflicto

Decisiones multiatributo

Introducción a la unidad
¿Existen criterios y modelos para ayudar en la toma de decisión?

Contenidos de la unidad
1-Criterios para la toma de decisiones

2-Teoría del valor

3-Valor esperado y utilidad esperada

4-Técnicas de Simulación

Comenzamos a utilizar algunos conocimientos que ayudan a plantear los problemas de

decisión, y la forma en que se pueden arribar a una solución lógica, ordenando el pensamiento
de las personas que tienen que decidir.

Como expresamos en la “Introducción del Módulo”, dependerá ante que circunstancia del
problema se encuentre el decisor, la utilización de distintas herramientas para darle solución al
mismo.
Por lo tanto, la primera pregunta que debe hacerse quien tiene que tomar la decisión, es: ¿en
qué contexto se presenta el problema?

Así, si está a fuera de la racionalidad humana, el criterio tendrá que ver con “estados
naturales”; de lo contrario, el criterio tendrá que ver con personas que utilizan su misma
lógica.

Estos conceptos, son apoyados por una “presentación” del material didáctico.

Pero la unidad también deja explícito que tanto la elección de las alternativas como los
modelos elegidos para la solución del problema, está directamente relacionado con la
subjetividad de cada individuo (Teoría del Valor o de Utilidad).

El primer modelo o pronóstico que se presenta, es el de “Valor Esperado”, que si bien no se

puede generalizar a todos los ámbitos de decisión, es útil solo cuando poseemos datos de
sucesos frecuentes del pasado (probabilidades).

Al construir la estructura del modelo (Matriz de Decisión), se seleccionan las alternativas que
puedan alcanzar el objetivo, pero el decisor debe realizar una primera observación para
entender si en el conjunto de esas alternativas se produce “dominancia” de unas sobre otras.

En la Actividad de la unidad, se incorpora un ejercicio práctico relacionado con la

determinación de “Dominancia” de alternativas dentro de una matriz de decisión. Esto es
apoyado por el material didáctico (Ensayo)

Por último, las “Técnicas de Simulación”, en el llamado Modelo General, aportarán ayuda para
quien tiene que interpretar la realidad presente, y extrapolar la solución hacia el futuro.

Tema 1: Criterios para la toma de decisiones

Cuando desarrollamos en la Unidad 1 el “Proceso de Decisión”, específicamente el Ambiente
de Decisión, vimos como el decisor se puede “Enfrentar con Estados Naturales” o “Enfrentar
con Oponentes Racionales”. Los criterios para la toma de decisión están relacionados en el
cómo pueden resolverse situaciones o problemas que se circunscriben a estos llamados
enfrentamientos.

Centrando nuestra atención en los problemas de decisión que involucren estados naturales
diremos que, de acuerdo a lo que sepamos de dichos estados naturales, las decisiones se
pueden tomar en condiciones de certeza o aleatoriedad, pudiendo dividir esta última en dos
situaciones diferentes: riesgo e incertidumbre.

Como el proceso decisorio en estos tipos de problemas es distinto, se hace necesario

distinguirlos perfectamente entre sí.

La toma de decisión en condición de certeza comprende la denominada Programación

Matemática, que a su vez podemos dividir en Lineal y No Lineal, siendo la Programación Lineal,
unidad indisolublemente al genio creativo de George DANTZIG, la más desarrollada y aplicable.
Decisió n en condició n de certeza
La toma de una decisión en condición de certeza se produce cuando tenemos un problema en
el cual sabemos con toda seguridad cuál será el estado natural que habrá de ocurrir. En otras
palabras, en lugar de varios Fj distintos, existe un solo F con probabilidad p = 1, y la matriz de
resultados se reduce a una columna. El análisis a realizar en este tipo de problema se
circunscribe a la enumeración correcta de todas las alternativas Ai que se presentan y a la
determinación de los resultados Xj obtenidos, sabiendo que sólo la aparición de un futuro F es
posible, para luego seleccionar el resultado óptimo.

Por ejemplo, supongamos un taller mecánico que cuenta con 10 máquinas distintas con las
cuales hay que realizar 10 órdenes de trabajo asignando una orden a cada máquina. Cada
asignación posible tiene un costo que conocemos, y esos costos son distintos. Es entonces un
problema en condiciones de certeza en el cual podemos fijar como objetivo elegir la asignación
con el costo mínimo. Si bien conceptualmente sencillo, este resulta un problema difícil si se
pretende explicitar los costos de todas las asignaciones posibles, puesto que son nada menos
que 10! = 3.628.800 valores. Sin embargo la Investigación Operativa ha desarrollado modelos
que permiten resolver fácilmente no sólo éste sino también otros tipos de problemas de
decisión en condiciones de certeza, que aparecen muy frecuentemente. (Dresdner, E.C.,
Evelson, A.R., Dresdner M.O. & Dreyfus M. (1998). Pág. 34 y 35).

Este tema será desarrollado más ampliamente en el siguiente módulo.

Decisió n en condiciones de riesgo

La segunda clase de problemas de decisión, decisión en condiciones de riesgo, ocurre cuando
existen varios estados naturales Fj cuyas probabilidades de aparición pj son conocidas por
quien debe tomar la decisión. Un ejemplo sencillo está dado por el problema de decisión a que
se enfrenta un apostador al tirar un dado al caer, cuyas probabilidades pueden calcularse por
medio de la correspondiente teoría (p = 1/6, si el dado no está cargado).

Por lo general, cuando en los problemas de decisión empresariales se conocen las

probabilidades de los distintos futuros, ello se debe a que se las ha estimado a través de la
frecuencia con que se dieron en el pasado. Un ejemplo típico es la determinación del número
de repuestos que hay que tener en stock para reemplazar las piezas de una máquina cuando se
rompen; en este problema hay que considerar varios estados naturales representados por el
promedio de las roturas de las roturas de dichas piezas, cuyas probabilidades pueden
determinarse en base a los valores históricos de la frecuencia de rotura.

Dresdner, E.C., Evelson, A.R., Dresdner M.O. & Dreyfus M. (1998). Pg. 35).

Se tiene que acotar, que se continuará más detalladamente las decisiones en condiciones de
riesgo en el siguiente módulo, utilizando la esperanza matemática de algún valor monetario

Decisió n en condiciones de incertidumbre

La tercera clase de problemas de decisión, en condiciones de incertidumbre, se presenta
cuando conocemos los estados naturales posibles Fj, pero no sus probabilidades de ocurrencia.
Estos problemas surgen siempre que no existe una base de experiencia anterior que permita
calcular las probabilidades de que ocurran los estados naturales pertinentes. Es por ejemplo el
caso del lanzamiento de un producto nuevo al mercado, en el cual se desconocen las
probabilidades de los futuros constituidos por los distintos niveles de demanda esperables.
Analógicamente, si necesitamos decidir entre comprar dólares o marcos, desconocemos las
probabilidades de que cambie la paridad con nuestra moneda. (Dresdner, E.C., Evelson, A.R.,
Dresdner M.O. & Dreyfus M. (1998). Pag. 36).

En este curso, el alumno podrá observar la resolución de problemas de decisión empresaria en

condiciones de incertidumbre en el Módulo 4.

Decisió n en condiciones de conflicto

Por último, debemos también analizar las decisiones en condiciones de conflicto, que son las
que se toman cuando en lugar de enfrentarnos con estados naturales, tenemos oponentes
racionales. Un ejemplo muy sencillo está dado por el problema de decisión a que se enfrenta
un jugador de ajedrez al comenzar la partida.

Esta parte de la teoría de la decisión se conoce más generalmente como Teoría de Juegos. A
diferencia de los otros casos de decisión, en los que el futuro que tiene lugar es independiente
de la alternativa específica elegida, en los juegos cada individuo antes de tomar una decisión
debe analizar detenidamente lo que espera que haga su contrincante. La esencia de los juegos
está en el conflicto de intereses entre los oponentes puesto que se presume la racionalidad de
los jugadores, de ello se infiere que estarán deseando frustrar los deseos de sus adversarios.
(Dresdner, E.C., Evelson, A.R., Dresdner M.O. & Dreyfus M. (1998). Pag. 36).

Nuevamente, al igual que los otros criterios, se procederá a ampliar estos puntos en el Módulo
4.

Tema 2: Teoría del valor

Este punto se relaciona con el similar del anterior módulo – Función de Utilidad (2.4). Así, por
ejemplo:

Dadas dos personas enfrentadas a una misma circunstancia de decisión con dos alternativas:
compra o venta, donde cada una opta por una alternativa diferente. ¿Quién de las dos se ha
equivocado? ¿acaso puede que las dos hayan decidido correctamente o ambas hayan decidido
incorrectamente?

En los orígenes de la Teoría de la Decisión, la solución natural era que alguno de los dos
decisores estaba necesariamente equivocado (y el otro acertado). Pero luego de someter a las
personas a diferentes situaciones de decisión se pudo establecer que cada persona tendía a
tener una coherencia consigo misma (claro que esto resulta válido durante el lapso de tiempo
que el decisor “sea el mismo”).

¿Qué significa “ser el mismo” desde la Teoría de la Decisión?

Cada decisor tiene restricciones, objetivos, umbrales, pero además tiene una Función de Valor.
La función de valor es posiblemente el descubrimiento más novedoso para la Teoría de la
Decisión en el último siglo.

La función de valor consiste en reconocer que cada decisor transforma cualquier resultado
que pueda obtener en una medida propia, a la que los autores de la Teoría del Valor –Von
Neumann y Morgenstern, Premios Nobel de Economía 1994-, llamaron “útilas”.

La teoría del valor o de la utilidad –como algunos la suelen llamar- explica que cada persona
realiza una valoración interna de las recompensas o castigos que puedan resultar de una
decisión y que es en función de estas valoraciones personales, y no de las recompensas en sí,
que cada decisor escoge alternativas.

Bonatti, P., Aguirre, M., Del Regno, L., Dias, A., Esseiva, F., Dias, A.,… & Weissmann, E. (2011.
PP. 291)

Tema 3: Valor esperado y utilidad esperada

En el Módulo 1 (1.3. El Proceso Decisorio. Ambientes de decisión) se consignó que los
“Elementos del Proceso Decisorio” se formalizan en dos herramientas básicas, una de ellas era
la Matriz de Decisión, que a su vez la habíamos representado como Matriz de Resultados.

En la misma, se despliega en fila las distintas alternativas (Ai) de elección, con sus respectivos
resultados (Xij); y como columnas los Futuros (Fj) o Escenarios que prevé el decisor conforme a
la información que posee.

Con un ejemplo práctico podremos realizar los primeros análisis; con números muy simple
para su comprensión tenemos para tres futuros (Fi) posibles, también tres alternativas (Ai)
dadas. Utilizando la matriz de resultados, volcamos valores que representan ganancia para una
empresa determinada.

La construcción de la matriz puede ser como la anterior de ganancia o de pérdida o costos.

MATRIZ DE GANANCIA

La matriz de ganancia puede dar utilidad para tomar decisiones referentes a la elección de
alternativas relacionados con utilidades, valores de ventas, clientes o consumidores entre
otras.
MATRIZ DE PÉRDIDA O COSTOS

La matriz de pérdida o costos se puede relacionar con la elección de alternativas de costos por
ventas, costos por promoción, costos de vendedores, clientes perdidos, etc.

Previo a toda acción deberemos determinar si existe Dominancia. Método que emplea la
Teoría de la Decisión para eliminar alternativas antes de aplicar sobre ellas algún criterio de
decisión.

Es el primer movimiento que surge de la observación de la gráfica matricial, y como acto

previo a la resolución de la misma. Permite eliminar a aquellas alternativas que de ninguna
manera serán elegidas como óptimas, descomplejizando de ésta manera el análisis de
resolución de matrices.

El decisor elegirá la alternativa que, sea cual fuere el estado natural que ha de suceder, los
resultados asociados a ella, son mejores que los de otra alternativa, o por lo menos iguales.
Elegirá la alternativa “dominante” sobre la “dominada”

Bonatti, P., Aguirre, M., Del Regno, L., Dias, A., Esseiva, F., Dias, A.,… & Weissmann, E. (2011.
Pag. 153)

En el ejemplo que planteamos es notorio que existe una relación de dominio de la alternativa
A1 sobre la A2, que hace posible eliminar esta última del problema, pues:

Para F1, X11 es mayor que X21 (5 > 3)

Para F2, X12 es mayor que X22 (4 > 1)

Para F3, X13 es mayor que X23 (6 > 2)

Observamos que cualquiera sea el futuro que ocurra, la alternativa A1 nos asegura siempre
mayor ganancia, y eliminando a A2 el problema se reduce a elegir entre las alternativas A1 y
A3.

Unas de las formas de elegir cual es la mejor alternativa es el Criterio del Valor Esperado o
esperanza matemática de una variable discreta en la teoría de las probabilidades: que no es
otra cosa que el promedio aritmético ponderado por los distintos valores; usando como
valores de ponderación las respectivas probabilidades.

Por lo tanto, representa la cantidad media que se "espera" como resultado de un experimento
aleatorio cuando la probabilidad de cada suceso se mantiene constante y el experimento se
repite un elevado número de veces. Cabe decir que el valor que toma la esperanza matemática
en algunos casos puede no ser "esperado" en el sentido más general de la palabra - el valor de
la esperanza puede ser improbable o incluso imposible.

Por ejemplo, el valor esperado cuando tiramos un dado de 6 caras es 3,5.

Podemos hacer el cálculo:

y cabe destacar que 3,5 no es un valor posible al rodar el dado. En este caso, en el que todos
los sucesos son de igual probabilidad, la esperanza es igual a la media aritmética.

Una aplicación común de la esperanza matemática es en las apuestas o los juegos de azar. Por
ejemplo, la ruleta tiene 38 casillas para apostar en el juego (en el supuesto de ruleta americana
con doble cero). La ganancia para acertar una apuesta a un solo número paga de 35 a 1 (es
decir, cobramos 35 veces lo que hemos apostado y recuperamos la apuesta, así que recibimos
36 veces lo que hemos apostado). Por tanto, considerando los 38 posibles resultados, la
esperanza matemática del beneficio para apostar a un solo número es:

Por lo tanto uno, en media, sería perder unos 5 centavos por cada peso que se apuesta; el
primer paréntesis, es la "esperanza" de perder la apuesta de $1, por eso es negativo el valor; el
segundo paréntesis es la esperanza matemática de ganar los $35. La esperanza matemática del
beneficio es el valor esperado a ganar menos el valor esperado a perder.

De este concepto se desprende también el llamado Criterio de Valor Monetario Esperado y

Utilidad Esperada que lo utilizaremos para resolver problemas de Decisión Bajo Riesgo, más
adelante en este módulo.

Tema 4: Técnicas de Simulación

A la hora de tomar decisiones en las empresas, los responsables se encuentran con una gran
dificultad: la imposibilidad de conocer lo que ocurrirá en el futuro.

Entre las numerosas decisiones de distinta complejidad y alcance que un decisor toma, una de
sus habilidades principales radica en seleccionar el método adecuado de análisis para cada
situación particular.

Otra cuestión a tener en cuenta a la hora de abordar una decisión es la complejidad que
reviste. En las decisiones reales de las empresas, muchos factores están sujetos a algún grado
de incertidumbre y están relacionados de alguna manera que se influencian unos a otros e
impactan en el resultado final a evaluar.

Por ejemplo, para estimar la demanda del mercado de un determinado bien, algunos factores
a tener en cuenta son la disponibilidad de dinero de la gente, sus gustos, la obsolescencia,
innovación tecnológica, las acciones de la competencia, productos sustitutos, el desempleo, la
inflación, la tasa de cambio, las tendencias demográficas, la moda, el clima, y todo esto, a su
vez, depende de muchos otros factores. Considerar el impacto que tiene el comportamiento
de cada una de estas variables y su interrelación en los resultados parece no ser una cuestión
simple. Por lo tanto sería razonable seleccionar un método de análisis que permita abarcar
esta complejidad.

De esta manera algunas preguntas que el decisor se podría hacer son: ¿cómo hago para
analizar la incertidumbre pudiendo ver toda su extensión las consecuencias posibles, desde los
resultados más negativos hasta los más positivos?; ¿cómo puede conocer la probabilidad de
que se den estos resultados sabiendo que los mismo dependen a su vez de innumerables
variables que los afectan?

En el diccionario de la Real Academia Española se define pronosticar como “conocer por

algunos indicios lo futuro”. Efectivamente, pronosticar es el arte y ciencia de predecir
acontecimientos futuros.

Existen distintas aproximaciones a los pronósticos. La estimación de un valor futuro (el método
explicativo). Por ejemplo, la creencia que los niveles de venta de juguetes aumentará debido a
una campaña publicitaria reciente más bien que a la proximidad de la Navidad, ilustra la
diferencia entre las dos filosofías. Incluso en muchas ocasiones se utilizan en forma combinada
estos métodos.

Independientemente de que implique o no la extrapolación del pasado, la técnica del

pronóstico apunta a predecir aquello que va a ocurrir a través de la búsqueda del “mejor
estimado”. Ante el desconocimiento del futuro, y ante la necesidad de tener una base para
poder decidir, realizar pronósticos se toma como el primer recurso que sirve como una
justificación para los cursos de acción que se eligen tomar. Es decir, parte del principio que
ante lo desconocido se deben establecer algunas suposiciones y actuar.

Algunos de los métodos de pronósticos más conocidos son: jurado de opinión ejecutiva,
método de Delphi y estudios de mercado, entre los cualitativos; y el enfoque simple, series de
tiempo, media simple, media móvil ponderada, suavización exponencial y suavización
exponencial con ajuste de tendencia, entre los cuantitativos.

No se pretende ser exhaustivo en esta lista ni entrar en detalle en cada uno de ellos porque no
está dentro del alcance de este texto, por supuesto, ya que existen textos especializados sobre
pronósticos.

Los modelos de pronósticos que se utilizan suelen ser planillas más o menos sofisticadas que
incluyen gran cantidad de supuestos. Pero claro, la dificultad para el decisor no se encuentra
en proyectar una tasa interna de retorno o cualquier resultado que desee dado un conjunto de
pronósticos. La dificultad está en entender los supuestos y su impacto. Cada supuesto
envuelve cierto grado de incertidumbre, y tomados en conjunto la combinación de estas
variables puede tornar en un grado de incertidumbre total muy elevado. Aquí es donde el
impacto de la incertidumbre entra en juego, y donde los pronósticos han sido de poca ayuda
para los decisores. Algunos pronosticadores intentan arreglar esta falta de inconsistencia
aplicándole al pronóstico un “factor de descuento” (por ejemplo +/- 10%), pero esto
difícilmente puede arreglar los problemas generados por esta falta de precisión….
Evidentemente, cuanto más relevante es una decisión y cuanto más complejo se torna el
ámbito en el cual se toma, más difícil será obtener una predicción exacta de lo que ocurrirá en
el futuro.

Observemos como trabaja con un ejemplo que luego también utilizaremos para explicar el
funcionamiento de los otros métodos de análisis de la incertidumbre.

En una decisión de lanzamiento de un nuevo producto de una empresa de bebidas, los

ejecutivos consideran como los factores más relevantes: el tamaño del mercado, la
participación del mercado para este producto y los costos operativos. Consultan con los
expertos del mercado pidiéndoles sus mejores estimados para cada una de estas variables,
quienes les arroja los siguientes números:

Tamaño del mercado : 1.500.000 unidades

Participación del mercado : 80%

Costos operativos :$ 1 por unidad

Con esto estiman el resultado neto del proyecto en un plazo de tres años en base a un modelo
muy simple que se presenta en el siguiente cuadro:

RESULTADOS DE LANZAMIENTO DE NUEVO PRODUCTO

El lanzamiento de este nuevo producto parecería ser un negocio tentador, arrojando una
rentabilidad cercana al 100% en un plazo de tres años. La alternativa a este lanzamiento era
invertir los $800.000 en un plazo fijo, con una tasa de interés nominal anual del 10% a interés
simple no acumulativo el cual arrojaría el siguiente resultado:
RESULTADOS DE INVERSIÓN EN PLAZO FIJO

Tomado la decisión en base a estos pronósticos los ejecutivos parecían no tener dudas
respecto de lanzar el nuevo producto. Sin embargo tengamos en cuenta que para que el
resultado esperado de la inversión se dé, deberían cumplirse a la perfección los estimados de
cada una de las variables si cada uno de estos estimados tuvieran un 60% de probabilidad de
ser correctos (0,6 x 0,6 x 0,6), en caso de que sean variables independientes. De esta manera,
que se concretará la rentabilidad esperada, la cual es una consecuencia de estos tres factores,
dependía casi de una fortuita casualidad.

Con este ejemplo podemos ver que más allá del, más que probable, desacierto del pronóstico,
uno de los mayores defectos de esta técnica ante decisiones importantes es que no le permite
ver al decisor las potenciales pérdidas de las que le interesaría estar resguardado, ni tampoco
oportunidades de ganancias, ya que sólo puede ver un número que surge de la combinación
de varios supuestos o mejores estimados. Por lo tanto, el decisor pierde capacidad de
maniobra, su decisión ante un único futuro posible parecería ser muy simple, al grado tal de
que podría transformarse en una decisión programada si puede fijar el resultado a maximizar

Bonatti, P., Aguirre, M., Del Regno, L., Dias, A., Esseiva, F., Dias, A.,… & Weissmann, E. (2011.
PP. 269, 270, 271, 272 y 273).

También hay que reconocer que el Valor Esperado tratado en el punto anterior, puede ayudar
al decisor para orientar un pronóstico de la situación futura, por lo que habría que considerarlo
entre estos.

El reconocimiento de la existencia de altos niveles de incertidumbre no pretende alentar una

postura de impotencia aduciendo que por ser tan difícil, no es sujeto de un análisis sistemático
y consciente; sino por el contrario, dar cuenta de nuevas metodologías de análisis que puedan
abordar esta complejidad. Adicionalmente, a medida que aumenta la relevancia de la decisión,
el decisor es más propenso a utilizar herramientas y métodos que permitan evaluar la
incertidumbre en toda su dimensión considerando todas las consecuencias posibles.
En estas ocasiones donde el uso de la Simulación de Monte Carlo ha venido creciendo en los
últimos tiempos para llegar a comprender en toda su dimensión el impacto de la
incertidumbre. Simulación en el sentido más común de la palabra, significa imitar. Y de esto se
trata; se va a imitar el comportamiento de un sistema a través de la manipulación de un
modelo que representa la realidad. Según R. E. Shannon, “Simulación es el proceso de diseñar
un modelo de un sistema real y llevar a cabo experiencias con el mismo, con la finalidad de
comprender el comportamiento del sistema o de evaluar nuevas estrategias – dentro de los
límites impuestos por un criterio o un conjunto de ellos – para el funcionamiento de un
sistema”. La simulación ha sido utilizada desde hace mucho tiempo, especialmente por los
diseñadores. Por ejemplo, se tiene la prueba de modelos a escaladas de aeroplanos en túneles
de viento, modelos de represas, distribución en planta. La intención de esto simuladores es
poner a prueba estos modelos en un entorno que sea lo más cercano a la realidad posible,
antes justamente de correr los riesgos reales. (Bonatti, P., Aguirre, M., Del Regno, L., Dias, A.,
Esseiva, F., Dias, A.,… & Weissmann, E. (2011). Pág. 277 y 278).

Matrices de decision

La matriz de decisión es una de las dos herramientas básicas de modelo general de decisión (la
otra es el árbol de decisión). Es un cuadro de doble entrada donde se ordenan los resultados
que pueden surgir de la implementación de una decisión.

ACCEDER A WEB

Bibliocausa (2013). Matrices de decision. Recuperado en Septiembre de 2019 :

https://bibliocausa.files.wordpress.com/2013/03/decision-matrices-de-decision.pdf

Cierre de la unidad
¿Existen criterios y modelos para ayudar en la toma de decisión?

Existe un ordenamiento de criterios y modelos generales que ayudan al decisor.

Bibliografía

de referencia

Bonatti, P., Aguirre, M., Del Regno, L., Dias, A., Esseiva, F., Dias, A.,… & Weissmann, E. (2011).
Teoría de la Decisión. Buenos Aires, Argentina: Prentice Hall – Pearson.

Dresdner, E.C., Evelson, A.R., Dresdner M.O. & Dreyfus M. (1998). Técnicas Cuantitativas.
Avellaneda, Provincia de Buenos Aires, Argentina: Ediciones Universo.

de lectura obligatoria
Pavesi, P.F.J., Bonatti, P., Avenburg D., Aguirre M., Bortman, R., Dias, A.,…& Weissmann, E.
(2004).La Decisión - su Teoría y Práctica – Aplicaciones Conceptuales. Buenos Aires, Argentina:
Grupo Editorial Norma.

Velez Pareja, I. (2003). Decisiones Empresariales Bajo Riesgo e Incertidumbre. Bogotá,

Colombia: Editorial Norma.

UNIDAD 4: DECISIONES MULTIATRIBUTO

Introducción a la unidad
¿Los objetivos que el decisor asume, surgen espontáneamente o merecen un análisis más
profundo?

Contenidos de la unidad

 Objetivos múltiples
 Escalas de medición
 Métodos de resolución de objetivos en conflicto

En esta unidad nos ocupamos de los objetivos, que en los problemas de decisión,
contrariamente al pensamiento común de qué existe solo uno, se pueden identificar varios.

Pero en realidad, en este tipo de problemas los objetivos tienen distinta jerarquía, y que en la
mayoría de los casos se contraponen.

La confusión también se da incluso en los cursos de aprendizaje, ya que por un abuso de

simplificación, para su comprensión, puede llevar a pensar al alumno que siempre hay un
objetivo, cuando quizás se utilice sólo el objetivo que tiene el mayor nivel para resolver los
problemas que se presentan.

Recordemos el Módulo 1 (Fases del Proceso de Decisión) que los objetivos eran de suma
importancia pues en cierta forma pueden descartar algunas alternativas de solución.

Y esa importancia se hace evidente, cuando en vez de formar parte de la solución de un

problema, agrava la situación cuando se eligen equivocadamente.

En los equipos multidisciplinarios de las organizaciones, cuando los objetivos están

identificados claramente y explicados en toda su extensión, constituyen un elemento
motivador para los ejecutivos; eliminando todo tipo de conflicto por una mala interpretación
de los objetivos que se persiguen.

También habrá que recordar que una “medida de eficiencia” es la que permita cuantificar el
cumplimiento de los objetivos de la organización (Ej.: con objetivos de rentabilidad la medida
de eficiencia estará en pesos, pero si el objetivo es aumentar el nivel educativo de la
población, la medida de eficiencia estará expresada en número de estudiantes graduados,
etc.).

Podemos decir que las técnicas de análisis de la decisión, los términos multicriterio,
multiobjetivos, multiatributo se utilizan para describir problemas de decisión con más de una
medida de efectividad. Dentro del ámbito académico, estos aparecen indistintamente con un
nombre u otro, sin existir una definición universal para ellos.

En la unidad se utiliza una clasificación de los objetivos. Allí se destacarán los objetivos
simultáneos que son los que se trazan en el mismo espacio temporal y son concomitantes.
Otros serán los objetivos compatibles, que además de simultáneos se destacan porque pueden
ser alcanzados en forma parcial o total en el mismo período de tiempo.

Encontraremos también que los objetivos pueden ser divisibles o indivisibles. Los primeros (los
divisibles) son aquellos que pueden ser cumplidos en distintos niveles o grados; mientras que
los indivisibles no existen grados de cumplimiento o se alcanzan totalmente o directamente no
se los obtiene en ninguna medida.

Ahora, habrá que entender que un objetivo puede formar parte de otro más amplio, de nivel
superior y quizás, al que contribuye en su realización.

La apreciación de los distintos niveles o jerarquía de objetivos, es de origen subjetivo de las

personas que tienen la responsabilidad de fijarlos.

El MAVT, Multi Attribute Vañie Tree, es la técnica más utilizada y consiste en realizar una serie
de preguntas como ser que objetivos influyen en el cumplimiento de otros. La secuencia lógica
lleva a determinar los objetivos de órdenes inferiores, superiores y fundamentales.

Existen dos formas para armar la jerarquía de objetivos, Top-Down (de arriba hacia abajo) y
Bottom-Up (de abajo hacia arriba). Haciendo preguntas como ¿cuáles son los componentes
claves de este objetivo? o ¿cómo se podría lograr? para el enfoque Top-Down, o para el de
Bottom-Up ¿por qué es eso importante? o ¿de que otro objetivo más general es esto?

Los objetivos de orden superior responden a la pregunta de “¿por qué?”, y cuando se baja en
la jerarquía, los objetivos de orden inferior se adaptan a preguntas del tipo de “¿cómo?” pues
incluyen acciones más específicas.

La otra cuestión, es la escala de medición para los objetivos. Aquí habrá que identificar los
atributos para poder medir cada uno de los objetivos.

Esos atributos se pueden identificar en naturales, construidos y alternativos.

Los atributos naturales pueden ser contados o medidos físicamente, y tienen la propiedad de
poder medir directamente el grado en que un objetivo es alcanzado.

Los atributos construidos, sirven para medir el alcance de un objetivo cuando no existen
atributos naturales. Por estos motivos, podría ser necesario construir una escala basada en
diferentes aspectos asociados a la situación que se quiere relevar.
Nos referiremos, también a los atributos alternativos, que al igual que el natural incluye una
escala de intervalos que puede ser contada o medida físicamente, pero la diferencia está en
que provee menos información que uno natural pues determina en forma indirecta el logro de
un objetivo.

Se verán también métodos para la resolución de objetivos en conflicto como ser el Método
Directo, en donde se procede a ordenar los objetivos por orden de importancia, agregándole
alguna ponderación al objetivo de menor nivel (por ejemplo un número), y luego se lo
compara con el siguiente en importancia identificándolo con un número mayor al dado
anteriormente, con el fin de que se refleje esta relación.

El Método SMART, por su parte, también se ordena los objetivos de los menos importantes a
los más trascendentes y se les asigna la ponderación, comparando cada objetivo contra el de
menor nivel o menos importante de los relevados, para saber cuánto más importante es
respecto al menor.

El Método AHP, en este caso, se comparan de dos en dos todos los objetivos y se les asignan
ponderaciones, determinando ¿cuánto más importante es el objetivo respecto de al otro? En
estas ponderaciones se utilizan números ente 1 y 9, y a cada número se le agrega una
explicación verbal.

Finalmente, el Método de Ponderación por SWINGS, aquí habrá que idear alternativas
hipotéticas, que cumplan cada una un solo objetivo en el máximo nivel posible, y el resto se las
identificará con el nivel más bajo.

Tema 1: Objetivos múltiples

Podemos decir que las técnicas de análisis de la decisión, los términos multicriterio,
multiobjetivos, multiatributo se utilizan para describir problemas de decisión con más de una
medida de efectividad, apareciendo indistintamente con un nombre u otro, no existiendo una
definición universal de estos términos.

Otra aclaración válida es que al hablar de “objetivos”, nos estamos refiriendo a elementos
trascendentales en el proceso decisorio como pueden ser los objetivos fundamentales, finales
o de alto nivel, relacionados con la decisión a tomar, como así también, objetivos intermedios
o de bajo nivel como pueden ser las alternativas que elegimos como relevantes en el proceso
decisorio.

En el Módulo 1 (Unidad 1 y 2) hacíamos referencia a los objetivos como elemento importante

en el proceso decisorio.

En los equipos ejecutivos de las empresas, en donde intervienen responsables de las distintas
áreas, algunas veces resulta difícil que todos identifiquen los objetivos, y de poder hacerlo, no
todos pueden coincidir en el significado de los mismos.

Es más, muchas veces se abocan a idear las soluciones posibles por medio de las distintas
alternativas, sin detenerse a clarificar cuales son los objetivos.
Esta situación también se da como consecuencia de existir, intereses particulares (objetivos
individuales) de los mismos ejecutivos, los que muchas veces prefieren que no haya claridad en
el planteamiento de los objetivos organizacionales.

La circunstancia de elegir correctamente los objetivos, es tan trascendente que de hacerlo

equivocadamente, se conducirá a una situación mucho más complicada para la empresa.

Por ejemplo, en la construcción de Euro Disney, el objetivo implícito del CEO era “cumplir el
sueño de Walt”, pero nunca fue explicado o aclarado. Para la mayoría de las personas, el
objetivo era incrementar las ganancias de la empresa. El resultado fue un gran fracaso
financiero. Si se hubiera aclarado que el objetivo era generar ganancias, seguramente no se
hubiera construido. . (Bonatti, P., Aguirre, M., Del Regno, L., Dias, A., Esseiva, F., Dias, A.,… &
Weissmann, E. (2011). Pág. 180).

Por esta razón, elegir los objetivos correctos, comunicarlos en forma clara a todos los
miembros de la organización; conducirá a que cada uno de ellos encuentre alternativas que
sean coordinadas y complementarias con las demás elegidas por los otros integrantes. De lo
contrario, cada uno interpretará distintas soluciones con alternativas que seguramente se
contraponen con las de otros miembros, provocando graves conflictos que repercutirán en la
marcha de la empresa.

Los objetivos bien entendidos son verdaderos motivadores para los equipos de trabajo,
moldean el futuro y le da sentido a las acciones de las personas. Concentran el esfuerzo y la
habilidad de quienes se desempeñan en lar organizaciones empresariales, construyendo una
imagen que impele a alcanzar los resultados.

Nos corresponderá ahora, darle una categorización a los objetivos que a su vez nos ayude a
clasificarlos.

Para ello, utilizaremos la enunciada por Pedro F. J Pavesi en 1997, cuando se refería a los
“Objetivos múltiples”, pudiendo ser:

OBJETIVOS SIMULTÁNEOS

Dos objetivos son simultáneos si sus definiciones temporales (T) son iguales. Si se superponen
parcialmente, son parcialmente simultáneos (y deberán ser tratados como simultáneos).

OBJETIVOS COMPATIBLES

Dos objetivos simultáneos son compatibles si ambos pueden ser obtenidos total o
parcialmente en el mismo período.

OBJETIVOS DIVISIBLES

Un objetivo es divisible cuando pueden existir distintos grados de obtención del mismo. Es
indivisible si se obtiene totalmente o no se obtiene nada.
Lo anterior se puede ver, en la siguiente imagen

AXIOMA DE ADITIVIDAD

(Bonatti, P., Aguirre, M., Del Regno, L., Dias, A., Esseiva, F., Dias, A.,… & Weissmann, E. (2011).
Pág. 184, 185 y 186).
Para quien decide, es importante que una vez realizada la clasificación de los objetivos,
establecer lo que se llama “Jerarquía de Objetivos”.

Podemos dar como ejemplo para una mejor exposición, el caso de una empresa cuyo objetivo
“fundamental” es el incremento de la tasa de rendimiento sobre la inversión, puede lograrlo si:

1-Aumentando el nivel de utilidades o reduciendo la cantidad de capital invertido.

2-Ahora bien, las utilidades se pueden aumentar si se incrementan las ganancias o se reducen
los gastos.

3-A su vez los gastos pueden aumentarse haciendo crecer la participación de mercado o
subiendo los precios.

De este modo, la empresa puede pasar de objetivos amplios a objetivos específicos para
departamentos e individuos específicos, yendo del más importante al menos importante.

Diagramando sería:

Podemos ver con el ejemplo, que no es simple tener no solo bien definidos los objetivos, sino
tener la dimensión que ocupa en una jerarquía de importancia.

En la jerarquía de objetivos discernir qué objetivos depende de otros, dentro de un contexto

dado (muchas veces relacionado con la subjetividad del decisor), es complejo; y se van
derivando de los niveles más altos a los niveles más específico.
En esta concatenación de objetivos, los más específicos, llevan a conseguir los objetivos
superiores o fundamentales.

El MAVT, Multi Attribute Vañie Tree (Keeney Raiffa, 1976), es la herramienta más utilizada para
graficar la estructuración de los objetivos. La jerarquía se estructura conformando una red de
objetivos de medios afines. Es esencial corresponder estas relaciones con los objetivos
fundamentales. Esto se realiza con una serie de preguntas que siguen la lógica de cuáles
objetivos influyen en el logro de cuáles otros objetivos.

Los objetivos de orden superior responden a la pregunta de “¿por qué?”. Y a medida que se va
bajando en la jerarquía, los objetivos de orden inferior responden más a la pregunta de
“¿cómo?” ya que incluyen acciones específicas. Es por eso también que son llamados objetivos
de recursos (o medios). El principal objetivo fundamental se va descomponiendo en objetivos
más específicos y medibles y, finalmente, los objetivos de orden inferior desembocan en
atributos para poder ser medidos y así conocer su grado de consecución. De esta medición
surgirán los resultados que luego utilizaremos en los modelos de decisión.

Cuando a un decisor se pregunta sobre la importancia de unos de sus objetivos y la respuesta

es “porque es simplemente importante”, esto indica que estamos frente a un objetivo
fundamental dentro del contexto de la decisión.

Se necesita cierta habilidad para identificar los objetivos fundamentales para un contexto de
decisión, sobre todo teniendo en cuenta que los mismos para ser apropiados, tienen que ser
tanto controlables como esenciales.

Controlable significa que las alternativas apropiadas para el contexto de decisión influyen en el
grado en que cada objetivo se alcanza, sin exigir decisiones adicionales fuera de ese contexto
de decisión. Esencial se relaciona con el hecho de que todas las alternativas en el contexto de
decisión tienen una influencia en los objetivos fundamentales.
¿Cómo armar la jerarquía de objetivos?

La jerarquía de objetivos puede armarse ya sea “bajando desde la cima” o “subiendo desde el
piso”. Los enfoques Top-Down y Bottom-Up para armar jerarquías siguen reglas simples.
Ambos procesos brindan flexibilidad, aceptando que la valoración del riesgo y la planificación,
a menudo comienzan con una visión estrecha de un problema mayor.

En la figura 5.3 se puede apreciar esta herramienta:

ENFOQUE "TOP-DOWN" / "BOTTOM-UP"

figura 5.3

El proceso Top-Down: Agudizando el foco

El objetivo fundamental de más alto nivel puede ser desagregado en uno o varios objetivos
inferiores que sean medibles y que aporten al logro del objetivo más alto. En el caso de tener
identificados los objetivos fundamentales, se hacen preguntas del tipo: ¿cómo podría lograrse
este objetivo? o ¿cuáles son los componentes claves de este objetivo?

Con esto se busca obtener objetivos más manejables, medibles. Al depurar los objetivos
fundamentales vagos o generales en objetivos más específicos, los decisores están en mejor
posición para identificar o adaptar las actividades de management relevantes.

En algún momento del proceso Top-Down, se volverá obvio que un nivel más alto de objetivo
es lo suficientemente específico para diseñar o elegir indicadores; y/o identificar objetivos de
nivel inferior que contribuyan al logro de objetivos del más alto nivel.
Se puede continuar el proceso de construcción de la rede de objetivos/fines de arriba hacia
abajo a través de más pasos preguntado ¿cómo es que sucede esto? o ¿cómo podría lograr
esto? Eventualmente, este proceso une objetivos de más alto nivel con actividades de
managemente de bajo nivel.

El proceso Bottom-Up: Foco inicial en las actividades

Mientras que el proceso Top-Down parece más lógico (particularmente porque los procesos de
planeamiento suele comenzar con valores y objetivos), las conversaciones iniciales entre los
participantes de la decisión, en general, se centran en una necesidad percibida de actividades
de management específicas, sus efectos o potenciales catástrofes. El proceso Bottom-up
intenta deducir los objetivos fundamentales correspondientes, a partir de una serie dada de
tareas, preocupaciones o actividades de management propuestas.

Comienza preguntando ¿Por qué se quiere esto?, ¿qué causa este evento?, ¿por qué es valioso
este logro? o ¿qué beneficios se derivan de él? Este es un proceso secuencial de ampliación del
foco estrecho del equipo en amenazas específicas, tareas o disposiciones de management para
obtener objetivos de nivel alto. Se usan mayormente preguntas de “por qué”. Es un proceso de
descubrimiento que ayuda a clarificar e identificar objetivos de nivel superior, y hasta puede
descubrir objetivos ocultos que pueden agrandar o redefinir el contexto de la decisión.
(Bonatti, P., Aguirre, M., Del Regno, L., Dias, A., Esseiva, F., Dias, A.,… & Weissmann, E. (2011).
Pág. 192, 193, 194 y 195).

Tema 2: Escalas de medición

El proceso decisorio por medio del cual se eligen las alternativas, va a necesitar saber también,
en qué grado cada una de las elegidas son satisfactorias para cumplir con los objetivos.

Recurriremos al trabajo de R. Keeney y R. Gregory, Selecting Attributes to Measure the

Achievement of Objectives, para tener una forma de medirlos.

Es a través de la identificación de atributos que se permite medir a los objetivos

apropiadamente; pero deberíamos primero reflexionar sobre algunos conceptos básicos de
medición.

¿Qué es lo que pretendemos al medir algo? Lo que buscamos es obtener una representación
numérica de cierta parte del universo percibido, es decir, representar con número
determinados aspectos del universo, ciertas variables, y lograr con operaciones efectuadas con
estos números, descubrir algún aspecto no evidente de ese universo (Pavesi, 1996).

Existen algunos elementos que son más difíciles de medir que otros. Así, es más fácil medir la
variación de la cotización del dólar en un determinado día, que cuánto más prefiero el sabor
de chocolate respecto al de frutilla en un helado. Respecto a la susceptibilidad para ser medido
podríamos proponer la existencia de dos mundos: el primero será cuantitativo, ya que permite
la asignación de números; el segundo en cambio no posee la estructura adecuada para una
representación numérica, por lo que es llamado cualitativo…

Bonatti, P., Aguirre, M., Del Regno, L., Dias, A., Esseiva, F., Dias, A.,… & Weissmann, E. (2011.
PP. 198 y 199)

Ahora el problema es cómo identificar los atributos que permitan medir el grado de alcance de
los objetivos.

Siguiendo la clasificación de Keeney (1992), podemos identificar tres tipos de atributos:

naturales, construidos y alternativos.

ATRIBUTOS NATURALES

Son de uso general y permiten una interpretación común y sencilla. Por ejemplo, para el
objetivo “minimizar costos”, un atributo natural podría ser “costos medidos en dólares”. Para
el objetivo “minimizar las fatalidades en accidentes de tránsito” podría utilizarse el atributo
“número de fatalidades”.

La mayoría de los atributos naturales pueden ser contados o medidos físicamente. Tienen la
propiedad de poder medir directamente el grado en que un objetivo es cumplido.

ATRIBUTOS CONSTRUIDOS

Son en ocasiones desarrollados para medir directamente el logro de un objetivo, cuando no

existen atributos naturales.

Supongamos que cierto gobierno está evaluando la posibilidad de instalar un nuevo depósito
de desechos tóxicos. Los integrantes de la comunidad vecina se encuentran preocupados por
los riesgos potenciales de salud para sus familias y amigos. Un objetivo podría ser reducir el
miedo que esto produzca en el público. Resultaría inadecuado medir directamente la cantidad
de personas sintiendo miedo, ya que los niveles de miedo entre las personas pueden variar
significativamente y, además no existe una escala natural para medir estos niveles. Por estos
motivos, podría ser necesario construir una escala basada en diferentes aspectos típicamente
asociados con el miedo, tal vez incluyendo algunas medidas físicas (por ejemplo, presión
sanguínea) o comportamiento específicos (cantidad de personas que han dejado de beber
agua de la canilla). Otro objetivo para esta misma decisión podría ser aumentar el apoyo del
público para la localización de la planta para desechos tóxicos. Un atributo natural podría ser el
porcentaje de público apoyando u oponiéndose a la decisión. Una escala construida podría
focalizar en grupos de actitudes provenientes del público, otorgando a cada nivel un número y
una descripción apropiada.

Es muy común que una vez que un atributo construido ha sido utilizado en la práctica con
cierto éxito, la gente se familiarice con él y comience a tomar las propiedades de un atributo
natural.

ATRIBUTOS ALTERNATIVOS
Comparten muchas de las cualidades de los atributos naturales. Por lo general incluye una
escala de intervalos o racional de uso común que puede ser contada o medida físicamente. La
diferencia es que no miden directamente el objetivo en consideración.

En una decisión en donde se deba fijar un límite de velocidad, un atributo alternativo para el
objetivo “minimizar fatalidades”, puede ser “cantidad de vehículos involucrados en
accidentes”. La cantidad de vehículos accidentados está relacionada directamente con el
número de fatalidades, sin embargo no mide directamente el número de fatalidades. Un
atributo alternativo provee menos información que uno natural debido a que indica de forma
indirecta el logro de un objetivo.

Los atributos alternativos se utilizan generalmente cuando es difícil seleccionar un atributo

natural para medir un objetivo. Consideremos, por ejemplo, una fábrica cuyo objetivo para
una determinada decisión es “maximizar la calidad” de cierto producto. Puede ser que no
exista un atributo natural obvio para medir este objetivo. Sin embargo, un atributo alternativo
disponible puede ser el porcentaje de ventas retornadas. Claramente, este atributo no mide
directamente la calidad, y también falla en tener en cuenta aquellos clientes que, a pesar de
no estar conformes con el producto, no lo retornan, pero que probablemente en la próxima
ocasión adquirirán el producto de un competidor. Por razones de ésta índole, es difícil
interpretar el significado de los diferentes niveles de un atributo alternativo.

Es necesario prestar especial atención a cuáles son los componentes cuantitativos y

cualitativos elegidos para cada atributo que pueda ser entendido e interpretado con facilidad,
y por supuesto, adoptado.

Por ejemplo, para el objetivo maximizar la eficiencia del uso de combustible de un auto, las
personas en Estados Unidos utilizan el atributo que podríamos definir como “cantidad de
millas por galón”, en done el millaje es la noción cualitativa, que puede ser medida en distintas
escalas cuantitativas. En cambio en Europa, para el mismo objetivo otro atributo “cantidad de
litros cada 100 kilómetros” es utilizado. Notemos que más millas por galón es mejor, y menos
litros cada 100 kilómetros es también mejor.

Bonatti, P., Aguirre, M., Del Regno, L., Dias, A., Esseiva, F., Dias, A.,… & Weissmann, E. (2011.
PP. 199, 200 y 201)

Tema 3: Métodos de resolución de objetivos en conflicto

Hay que seguir pensando que los objetivos tienen distinto peso para el individuo que los
identifica. Ese peso, también llamado ponderación es establecido en forma subjetiva por el
decisor, y por lo tanto no podríamos encontrar ponderaciones objetivas, ya que se relaciona
más con los valores y creencia de quienes deciden, sea un individuo o grupos de personas
dentro de una organización.

Atendiendo la condición subjetiva, existen diferentes métodos que pueden ayudar a asignar la
ponderación de los objetivos, y que cada decisor puede utilizar según su apreciación.
Dada la condición aludida en el párrafo anterior, cualquier adaptación de los métodos
sugeridos, o cualquier otro que se quiera implementar será de utilidad, con la condición de que
las ponderaciones de los objetivos que se encuentren en conflicto, reflejen la relación de
importancia entre ellos.

Así, destacamos:

MÉTODO DIRECTO

Direct Wieghting.

Esta metodología para asignar ponderaciones a los objetivos es sencilla de aplicar. Primero se
ordenan los objetivos de acuerdo a su importancia, luego se fija una ponderación tentativa
asignando 1 al objetivo de menor importancia, y comparando el mismo con el siguiente en
importancia, se le asigna algún número mayor a 1 que refleje esa relación.

Luego de ponderar todos los objetivos de esta manera, haciendo comparaciones contra el
inmediato superior en importancia se chequean las mismas haciendo todas las comparaciones
posibles (cada objetivo contra todos los demás). Preguntarse: ¿cuánto más importante es este
objetivo para mí, en comparación con este otro? ¿este objetivo es realmente 3 veces más
importante para mí que este otro objetivos?

La otra verificación que debemos hacer es agrupándolos. Me pregunto: ¿este objetivo

realmente es igual de importante para mí que estos dos objetivos tomados en conjunto?
Luego de verificar todas las ponderaciones que asignados, se normalizan las mismas (puede ser
que normalicemos para que la suma totalice el valor de 1, o el valor de 10 o 100).

Cómo el nombre lo sugiere, el decisor está asignando directamente las ponderaciones a los
objetivo. Los valores están en una escala proporcional.

MÉTODO SMART

Simple Multiattribute Rating Technique (Edwards 1977; Von Winterfeld y Edwards, 1986).

El decisor hace una lista de objetivos, ordenándolos del menos importante al más importante.
Luego, para asignar las ponderaciones, se compara cada objetivo contra el menos importante
de la lista (preguntarse: ¿cuánto más importante es este objetivo respecto a este otro?).

Algunos autores recomiendan asignar el objetivo menos importante una ponderación de 10

puntos, y luego compara contra ese todos los demás. El decisor puede asignar cualquier valor
inicial como para comparar, el que le resulte más práctico.

CASOS CONCRETOS.
Supongamos que estamos evaluando la compra de un automóvil, para ello definimos que
nuestros objetivos son pagar el menor precio posible; adquirir el vehículo con mayor vida útil
posible; y el color que más nos guste.

Hacemos la lista con objetivos, del menos importante al más importante.

 Objetivo a - Maximizar agrado del color

 Objetivo b - Maximizar vida útil
 Objetivo c - Minimizar precio

Ahora asignamos ponderaciones, al objetivo a le asignamos un valor de 10. Para ponderar el

objetivo b nos preguntamos: ¿cuánto más me interesa maximizar la vida útil del auto respecto
a maximizar el agrado del color que tenga el vehículo? Supongamos que luego de meditarlo,
concluimos que el objetivo b nos interesa 5 veces más que el objetivo a. En este caso,
asignamos al objetivo b una ponderación de 50.

Nos preguntamos lo mismo con el objetivo c. Si la respuesta es, por ejemplo, que nos interesa
6 veces más, asignamos un ponderación de 60 al objetivo c.

Ponderaciones finales:

 Objetivo a -10
 Objetivo b -50
 Objetivo c -60

MÉTODO AHP

Analytic Hierarchy Process (Saaty, 1980)

Se comparan de dos en dos todos los objetivos y se les asignan ponderaciones (¿cuánto más
importante es este objetivo respecto de este otro?). Estas ponderaciones serán números
enteros ente 1 y 9, y cada número se le asocia una explicación verbal.

Para resolver el caso antes planteado, el procedimiento sería compara cada objetivo con todos
los demás.

Comenzamos con el objetivo que consideramos menos importante, el del color. Lo

comparamos con el siguiente que consideramos en importancia, el de la vida útil.

Pensamos ¿cuánto más importante es cumplir con maximizar la vida útil, respecto de adquirir
un automóvil que nos guste el color? Imaginemos que nos resulte 6 veces más importante la
vida útil que el color.

Ahora comparamos la vida útil con el precio. Es posible que el precio nos resulte más
importante, por ejemplo, si le asignamos un 6 al objetivo b, le asignamos un 8 al objetivo c.

Ahora hay que comparar el objetivo b contra el objetivo c: ¿cuánto más nos interesa minimizar
el precio contra maximizar la vida útil restante del auto? ¿ésta relación está correctamente
reflejada como 8/6, o sea, nos interesa 1,33 veces más? Si la respuesta fuera no, tendríamos
que modificar alguna ponderación.

Imaginemos que nuestra respuesta es afirmativa, en tal caso, las asignaciones finales se ven en
el siguiente cuadro:

MÉTODO DE PONDERACIÓN

Por SWINGS (Von Winterfeld y Edwards, 1986)

El decisor debe imaginar alternativas hipotéticas, que cumplan cada una un solo objetivo en el
máximo nivel posible, y el resto en el peor nivel. Además, imagina una alternativa que cumpla
todos los objetivos en el peor nivel. De esta manera, tendremos una alternativa hipotética más
que la cantidad de objetivos que perseguimos (en nuestro ejemplo del automóvil, con tres
objetivos, tendremos 4 alternativas hipotéticas).

Ahora se asigna un orden de preferencia a estas alternativas imaginarias. En nuestro ejemplo

para la compra de un automóvil, tendríamos una matriz de ésta forma (considerando el color
gris como preferido):

 Alternativa hipotética A: color rojo, 10 años de vida útil, precio de $30.000.

 Alternativa hipotética B: color gris, 5 años de vida útil, precio de $30.000.
 Alternativa hipotética C: color rojo, 5 años de vida útil, precio de $25.000.
 Alternativa hipotética D: color rojo, 5 años de vida útil, precio de $30.000.

Ahora le asignamos la preferencia. Imaginamos que la alternativa que más nos complace es la
A donde si bien el automóvil es rojo y tiene el mayor precio, tiene la vida útil restante más alta.
Luego le sigue aquel auto que si bien tiene baja vida útil restante y es rojo, sale más barato.
Como tercera opción elegimos el auto que es gris. Y lógicamente la cuarta posición
corresponde a aquella alternativa que cumple todos los objetivos en el peor nivel posible. La
representación se ve en el cuadro 5.3a:

Ahora se asigna la ponderación. Aquella alternativa que nos resulta preferida obtiene 100
puntos, y la última posición 0 puntos. Las demás obtendrán puntajes entre 100 y 0 (máximo y
mínimo). Comparamos la segunda opción contra la primera, pensando: ¿cuánto menos
satisfacción obtenemos por pasar de un auto con 10 años de vida útil a uno con 5, en
comparación con la disminución del precio de $30.000 a $25.000? Es decir, si el swing de pasar
de 10 a 5 años de vida útil vale 100 puntos, ¿cuánto vale el swing de pasar de $30.000 a $
25.000? Por ejemplo, se puede asignar 75 puntos.

Luego comparamos la alternativa en tercera posición contra la segunda: ¿cuánta menos

satisfacción tengo por conseguir un auto gris en lugar de rojo, pero abonando $5.000 más?
Imaginemos que la respuesta es 10.

La matriz resultante es el siguiente cuadro:

Estos valores se pueden normalizar para que totalicen 1, o no. Son las ponderaciones de
nuestros objetivos

Objetivo a (color) - ponderación de 10 – 10/185 = 0,04

Objetivo b (vida útil) – ponderación de 100 – 100/185 = 0,54

Objetivo c (precio) – ponderación de 75 – 75/185 = 0,42

También puede analizarse (siguiendo la misma metodología) de la siguiente manera: Parto de

una alternativa hipotética (llamada benchmark, o de referencia) que cumple todos los niveles
en el peor grado posible, y pienso cual de los objetivos desearía llevar antes al máximo nivel
manteniendo los otros igual. A este objetivo se le asigna una ponderación de 100.

Luego, pienso cuál es el segundo objetivo que llevaría al mejor nivel manteniendo todos los
demás en el peor, y este objetivo será el segundo más importante, al que asigne una
ponderación entre 100 y 0, comparándolo con el primer objetivo (en este ejemplo, le asigno
un 75). Luego el tercer objetivo, ¿cuánto menos importante es? Y recibe la menor
ponderación, en relación a cuanta menor satisfacción me produce. Se llega al mismo resultado,
pensando de una forma diferente. (Bonatti, P., Aguirre, M., Del Regno, L., Dias, A., Esseiva, F.,
Dias, A.,… & Weissmann, E. (2011). Pag. 206, 207, 208, 209, 210 y 211).

Administración y Desarrollo Organizacional

En el siguiente material podremos observara el concepto de “Decisiones Multiatributo”.

admonorganizacional. (2009). Administración y desarrollo organizacional. Recuperado el 26 de

julio de 2019 de: : http://admonorganizacional.blogspot.com/2009/09/modelos-de-utilidad-
multiatributo.html

Administración y desarrollo organizacional

miércoles, 23 de septiembre de 2009

Modelos de utilidad multiatributo.

¿Qué se quiere decir con el término de utilidad multiatributo? Para descifrarlo tenemos
primeramente que definir el concepto de modelo, podemos concluir que un modelo es una
representación o abstracción de algo.

¿Qué queremos decir con “modelo de utilidad”?

Podemos definir un modelo de utilidad como un modelo de utilidad como un modelo gráfico o
matemático que puede usarse para estimar la utilidad de un concepto o de una alternativa.
Esencialmente, un modelo de utilidad transforma una descripción de un concepto o alternativa
en una evaluación numérica del concepto alternativa

Un atributo es una característica o propiedad de un concepto o de una alternativa.

Un modelo de utilidad multiatributo indica o representa la utilidad general derivada de un
concepto o de una porción que posee más de un atributo relevante.

Los modelos de utilidad multiatributo (MAU) están diseñados para obtener la utilidad de
conceptos o alternativas que tienen más de un atributo valioso; por lo tanto, deben ser
evaluados de acuerdo con más de un criterio.

Un modelo MAU muestra esencialmente a un encargado de tomar decisiones cómo juntar la

utilidad o la satisfacción derivadas de cada uno de los diversos atributos en una sola medida de
utilidad general del concepto o de la opción multiatributaria.

El concepto que está detrás del uso de modelos MAU es claro: simplemente ponderamos y
agregamos las utilidades derivadas de los atributos individuales con el fin de obtener una
utilidad general para cada alternativa. Entonces, a menos que exista una buena razón para no
proceder, escogemos la alternativa cuya puntuación de utilidad generalmente sea la más alta.

El uso de modelos MAU nos permite superar el efecto de alguna de nuestras limitaciones, con
la ayuda de una memoria externa, un modelo cuidadosamente construido, y un procedimiento
paso a paso para agregar información.

Sin brújula, fijándolos objetivos para tomar decisiones

En el siguiente material realizaremos un énfasis en la administración de empresas.

ACCEDER A WEB

Weissmann, E. (2009). Sin brújula, fijando los objetivos para tomar decisiones. Recuperado el
26 de julio de 2019 de: http://materiabiz.com/sin-brujula-fijando-los-objetivos-para-tomar-
decisiones/

Cierre de la unidad

¿Los objetivos que el decisor asume, surgen espontáneamente o merecen un análisis más
profundo?

Dado que existen objetivos de distintos niveles en la decisión, es necesario que el decisor
proceda a un análisis exhaustivo de los objetivos, para determinar los relevantes, y los que no
lo son.

Bibliografía
de referencia
Bonatti, P., Aguirre, M., Del Regno, L., Dias, A., Esseiva, F., Dias, A.,… & Weissmann, E. (2011).
Teoría de la Decisión. Buenos Aires, Argentina: Prentice Hall – Pearson.

Dresdner, E.C., Evelson, A.R., Dresdner M.O. & Dreyfus M. (1998). Técnicas Cuantitativas.
Avellaneda, Provincia de Buenos Aires, Argentina: Ediciones Universo.

de lectura obligatoria

Pavesi, P.F.J., Bonatti, P., Avenburg D., Aguirre M., Bortman, R., Dias, A.,…& Weissmann, E.
(2004).La Decisión - su Teoría y Práctica – Aplicaciones Conceptuales. Buenos Aires, Argentina:
Grupo Editorial Norma.

Velez Pareja, I. (2003). Decisiones Empresariales Bajo Riesgo e Incertidumbre. Bogotá,

Colombia: Editorial Norma.