El Modelo de Negocios Decisional como origen de Especificación de
Requisitos en Proyectos de Data Mining: Una Aproximación Metodológica
Mediante el Framework I*
José Gallardo1, Óscar Marbán2, Claudio Meneses1 y Aldo Quelopana1
1Ing. de Sistemas y Comp. U. Católica del Norte
Av. Angamos 0610, Antofagasta, Chile
{jgallardo, cmeneses, aquelopana}@ucn.cl
2Facultad de Informática U. Politécnica de Madrid,
Campus de Montegancedo s/n, Madrid, España
[email protected]
Resumen
Los sistemas de Data Mining, se erigen actualmente como una poderosa
tecnología de análisis de datos y extracción de conocimiento y juegan un
rol indiscutido, como sistemas de apoyo a los procesos de toma de
decisiones. Históricamente, el principal foco de las investigaciones en
Data Mining, ha estado centrado en el desarrollo de algoritmos y
herramientas, sin considerar que para garantizar el éxito de un proyecto de
Data Mining, la investigación también debe considerar el descubrir y
proponer un enfoque metodológico, que permita el desarrollo entre otros, de
una definición y especificación sistemática y organizada de las necesidades
estratégicas que deberá satisfacer el proyecto y las restricciones de
calidad inherente de los resultados. La identificación de las metas
organizacionales constituye la base, para descubrir la correlación que debe
existir entre los objetivos de negocio y los requisitos que debe satisfacer
un proyecto de Data Mining. En el presente trabajo, se presenta una
aproximación metodológica para desarrollar un modelo de negocio decisional
utilizando el Framework i*, el cual posteriormente representará una línea
base a partir de la cual se puedan derivar los requisitos del proyecto de
Data Mining, en correspondencia con los objetivos estratégicos de la
organización.
Palabras Claves: Modelo de negocio decisional, Framework i*, Data Mining,
Elicitación de Requisitos.
Abstract
The Data Mining Systems, have been actually raised as a powerful data
analysis and knowledge extraction technology and play an undisputed roll,
as supporting systems for decision making processes. Historically, the main
focus in Data Mining investigations, has been centred in the development of
algorithms and tools, without considering that to ensure the success of a
Data Mining project, the investigation must also consider discovering and
proposing a methodological approach, that allows the development among
others, of a definition and systematic and organized specification of the
strategic needs that the project will have to satisfy and the quality
restrictions inherent to the results. The identification of the
organizational goals constitutes the base, to discover the correlation that
must exist between the business objectives and the requirements that must
satisfy a Data Mining Project. In the present work, a methodological
approximation is given to develop a decisional business model using
Framework i*, which will later represent a line bases from which the Data
Mining project requirements can be derived, in correspondence with the
strategic targets of the organization.
Keywords: Decisional Business Model, Framework i*, Data Mining,
Requirements Elicitation.
1. Introducción
En el actual escenario en que se desarrollan las diversas organizaciones,
caracterizado por una elevada competitividad y continuos cambios, la
capacidad de responder de una manera rápida y flexible al dinamismo de los
mercados, constituye un desafío para el éxito o fracaso de cualquier
organización. En este contexto, es de primordial importancia el desarrollo
de eficientes sistemas de apoyo a la toma de decisiones tanto estratégicas
como operacionales, que garanticen el éxito y sobrevivencia del negocio. Al
respecto, los sistemas de Data Mining constituyen en la actualidad, una
eficaz tecnología de apoyo a los procesos de toma de decisiones. No
obstante, la literatura sobre Gestión de Sistemas de Información [10],
muestra abundantes ejemplos de proyectos fracasados, inconclusos, excedidos
en los plazos de desarrollo o con costes superiores a los presupuestados.
El caso de los sistemas de Data Mining no constituye la excepción. Entre
las principales causas identificadas y que explican estos hechos, están las
relacionadas con una inadecuada definición de los requisitos [6].
Históricamente, el principal foco de las investigaciones en Data Mining,
ha estado centrado en el desarrollo de algoritmos y herramientas, sin
considerar que para garantizar el éxito de un proyecto de Data Mining,
complejo en su esencia, la atención no sólo debiera centrarse en el
desarrollo de algoritmos, sino también en la búsqueda de un enfoque
metodológico que permita el descubrimiento y comprensión de las necesidades
estratégicas que deberá satisfacer el proyecto. En este sentido, la
integración del proceso de Ingeniería de Requisitos con el proceso de
desarrollo de proyectos de Data Mining se considera relevante.
La Ingeniería de Requisitos, define y propone un conjunto de
procedimientos y actividades, que permiten garantizar la elicitación y el
correcto entendimiento de los requisitos tanto organizacionales, como de
calidad para el desarrollo eficiente de un proyecto. El proceso de
elicitación, no sólo involucra descubrir qué es lo que los clientes desean,
sino también el análisis y entendimiento del dominio de aplicación y de
negocios en el cual el sistema será utilizado [7].
Las principales dimensiones que deben ser consideradas en un proceso de
especificación de requisitos [7] son:
La comprensión del dominio de aplicación: Que establece, el conocimiento
que se debe poseer sobre el área donde el sistema será aplicado.
El entendimiento del problema: Que involucra la comprensión de los
detalles del problema de negocio que el sistema deberá resolver.
La comprensión del negocio: Que significa comprender de qué manera el
desarrollo del sistema afecta a los diversos componentes de negocio y cuál
es su contribución hacia el logro de las metas organizacionales.
La comprensión de las necesidades de los Stakeholders: Los Stakeholders,
se pueden definir como el conjunto de personas con intereses en el
desarrollo del proyecto, o que son afectadas de alguna forma por el
sistema, y por lo tanto se deberán comprender sus necesidades específicas,
particularmente los procesos que forman parte de su trabajo y que el
sistema deberá apoyar.
En este sentido la construcción de un modelo de negocios, es esencial
para el proceso de descubrimiento y especificación de los requisitos de un
proyecto, en particular un proyecto de Data Mining, por cuanto considera
las principales dimensiones ya descritas, permitiendo además alinear el
desarrollo de cualquier proyecto, con las metas y objetivos estratégicos de
la organización. De esta manera, una mejor comprensión de la lógica de
negocios de la empresa debe permitir a los administradores, tomar mejores
decisiones [5].
2. El modelo de negocios decisional
Existe poca literatura [3] que contenga claras definiciones y una
discusión formal acerca del concepto de modelo de negocios. Algunas
definiciones coinciden en establecer, que un modelo de negocios "es una
representación de la manera en que las empresas producen, distribuyen y
venden un producto o servicio, muestra asimismo, la forma en que da valor a
los clientes y cómo se crea riqueza" [11], [9]. En [14], se registra una
definición suficientemente amplia, la cual puede ser utilizada en diversas
áreas tales como e-business, sistemas de información, ciencias de la
computación, o administración [15]. Ésta indica que un Modelo de Negocios,
es "una herramienta conceptual, que contiene un conjunto de objetos,
conceptos y sus relaciones, con el propósito de representar la lógica de
negocios de una empresa específica". Este conjunto de elementos, permite
una descripción simplificada y una representación conceptual de todas las
estrategias de producción en una empresa, los procesos, políticas de la
organización, uso de tecnologías o tendencias tecnológicas y la estructura
organizacional en todos sus niveles de jerarquía.
Un modelo de negocios [2] podrá contar, con múltiples visiones en función
de los aspectos de negocio que se deseen resaltar y/o de acuerdo al tipo de
problemas que se quieran resolver. En este sentido y considerando que un
sistema de Data Mining, es un sistema que apoya al proceso de toma de
decisiones, el modelo de negocios debe representar fundamentalmente al
negocio desde el punto de vista de la toma de decisiones y constituir
además un documento base, que facilite la comprensión del problema que se
desea resolver, proporcionando información acerca de los objetivos
organizacionales y consecuentemente los requisitos que debe satisfacer el
sistema a desarrollar.
Una tarea previa a la construcción de un modelo de negocios decisional, es
la de comprensión del dominio del negocio, el cual permite entre otros, la
identificación de los objetivos estratégicos de la organización.
2.1. Comprensión del dominio de negocio
El dominio de negocio de una organización, es habitualmente bastante
complejo y debería ser cabalmente comprendido antes de iniciar el
desarrollo de cualquier proyecto. De la comprensión de los objetivos y
requisitos del proyecto, desde una perspectiva empresarial o institucional,
depende en gran medida el éxito de un proyecto de DM. Por lo tanto el
objetivo en este punto, es definir un proceso que permita desarrollar la
tarea de comprensión del dominio de negocio y establecer una visión común
con los usuarios del futuro sistema, respecto de los objetivos
fundamentales del proyecto.
La guía de desarrollo CRISP-DM [1] propone, realizar en la primera fase
del ciclo de vida de un proyecto de Data Mining (comprensión del negocio),
la determinación de los objetivos del negocio, que tiene como meta,
determinar desde la perspectiva de negocio, cuál o cuales son los problemas
que se desean resolver, qué es lo que el cliente espera obtener y cuales
son los factores que en primera instancia deben ser considerados para el
desarrollo del proyecto.
Evidentemente el proceso de concreción de las actividades antes
mencionadas, no es simple y CRISP-DM no sugiere ningún procedimiento
metodológico orientado a la ejecución de este proceso. Al respecto en [13],
se expresa que si bien las metodologías de desarrollo de sistemas de
información hacen mención a la fase de comprensión del negocio, ninguna de
ellas explicita qué información debe ser relevada para lograr dicha
comprensión y ni las técnicas que deben ser adoptadas por el especialista,
para abordar el problema.
Reiterando la importancia que esta tarea representa para la posterior
construcción del modelo de negocio, se presenta a continuación un
procedimiento metodológico orientado a que los participantes del proyecto,
tengan la mayor comprensión posible acerca de la estructura organizacional,
objetivos estratégicos, procesos, lógica de negocios y otros elementos
relevantes de la organización para la cual se desarrollará el sistema de
Data Mining.
El desarrollo de la propuesta que se presenta, se fundamenta en la
identificación y descripción de los componentes fundamentales de un modelo
de negocios, propuestos en [14], [8], y en los estudios realizados en [13]
producto de los cuales, es posible obtener y documentar la información
relativa al dominio del negocio con independencia del sistema de
información a desarrollar, sea éste un sistema tradicional, uno basado en
conocimiento o un sistema de explotación de información.
El enfoque adoptado, consiste en la identificación de la información
pertinente que debe ser elicitada y que permitirá tener una visión global
del negocio, la identificación de las fuentes de tal información y la
aplicación de técnicas de educción y herramientas (plantillas), para
posteriormente construir un mapa resumen que ilustre en forma sintética el
dominio del negocio.
El proceso de descubrimiento de la información relacionada con el dominio
del negocio y posterior especificación se desarrolla en dos etapas.
1. En la primera se pretende lograr recabar información que permita tener
una visión del escenario actual en que se encuentra la empresa (visión
estática del negocio) es decir, conocer los elementos (misión,
necesidades u objetivos organizacionales, estructura organizacional,
productos/servicios, mercado) que definen a la organización y su entorno,
al momento de iniciar el proyecto.
2. En la segunda etapa, se pretende educir información relativa a los
factores que influyen o condicionan el logro de los objetivos planteados
tales como, recursos, requisitos, riesgos, restricciones, contingencias,
etc. El logro de los objetivos organizacionales, define en sí el
escenario futuro de la organización.
Figura 1. Información sobre el dominio del Negocio.
La figura 1, sintetiza la información que debe ser elicitada, en el
contexto del ciclo de vida de la organización, y que permitirá tener una
visión global del dominio de negocio.
Luego de obtener la información definida en las dos etapas ya descritas,
se procede a construir un mapa mental que permita mediante una vista
simplificada tener un mayor conocimiento y comprensión del dominio de
negocio. El mapa mental es representado en la figura 2.
2.2. Proceso de modelado
Luego de concluida la fase de comprensión del dominio de negocio e
identificadas las metas organizacionales se procede a elicitar la siguiente
información
Figura 2. Mapa mental que describe el dominio del negocio (elaborado en
base a [13]).
1. ¿Qué actores participan en el proceso de toma de decisiones?
2. ¿Cuales son los instrumentos que soportan sus decisiones?
3. ¿Qué pasos se siguen en el proceso de toma de decisiones?
Para abordar la primera interrogante es conveniente considerar, que dentro
de una organización, diferentes actores organizacionales toman diferentes
tipos de decisiones [9]. En los niveles operativos y del conocimiento se
toman decisiones de tipo estructuradas, es decir, decisiones que se apoyan
en procedimientos establecidos dentro de la organización, no son
innovadoras y tienden a repetirse, sin embargo, a medida que se avanza
hacia los niveles estratégicos, el tipo de decisiones se transforma en
decisiones de tipo no estructuradas o a lo más semiestructuradas las
cuales tienen un alto nivel de incertidumbre y afectan a toda la
organización. Hechas estas consideraciones, se pueden identificar en el
nivel correcto a los actores que toman las decisiones estratégicas
("actores primarios"), y a los actores que interactúan en el proceso, pero
sin tomar decisión alguna ("actores secundarios") [9].
La segunda pregunta está enfocada a elicitar los datos o información que
utilizan los actores primarios para tomar las decisiones. Aquí existe un
desafío implícito puesto que estos datos pueden surgir de variadas fuentes,
tanto internas como externas a la organización, además puede ocurrir que
algunas de ellas sean consideradas no conscientemente por el actor, por lo
que elicitarlas dependerá bastante de la técnica utilizada y del
profesional a cargo de proceso de elicitación. El responder a esta pregunta
es muy importante porque cualquier proyecto de Data Mining precisará de
datos sobre los cuales trabajar.
La última pregunta no está relacionada con el modelado de la toma de
decisiones, sino que apunta a describir la toma de decisiones en sí, como
un proceso que represente las interacciones que se producen entre los
distintos tipos de actores y cómo estas interacciones se relacionan con los
objetivos de la organización. Se sugiere la aplicación de técnicas de
ingeniería de requisitos e ingeniería de conocimientos, para elicitar la
información descrita, tales como entrevistas y cuestionarios, técnicas JAD,
análisis de protocolos o laddering. Para la representación del modelo, el
uso de alguna notación gráfica, que para el caso de estudio será el
framework i* [16].
A partir de la información elicitada como respuesta a las consultas
planteadas, se procede a la construcción de un árbol de refinamiento de
metas con tres niveles de profundidad de acuerdo a lo sugerido en [4] y
[12], en el cual se representa la descomposición de las metas de alto
nivel, en metas de logro, operaciones asociadas y actores involucrados.
Tabla 1. Simbología a utilizar
"SIMBOLO "DEFINICION "
"MG "Meta General "
"ML "Meta de Logro "
"CD "Consulta Decisional "
"Oper "Operación "
Para el caso particular de la derivación de un modelo de negocios
decisional, se incorpora en la nomenclatura descrita en la tabla 1, el
campo CD, el cual representa la consulta decisional que da origen a las
posteriores operaciones desencadenadas por ella y que son necesarias
considerar para la concreción de la meta de logro asociada.
2.3. Técnica de modelado
De entre las técnicas de modelado que se han evaluado en el proyecto en
que esta inserto el presente trabajo, la técnica a utilizar para
representar el modelo de negocio decisional, es la técnica denominada
"Framework i*". Esta técnica fue propuesta por Eric Yu en su tesis doctoral
en 1995 ([16]) y presenta las siguientes características:
Permite representar explícitamente a los actores organizacionales que
toman parte en el proceso y sus dependencias.
Permite construir una vista simplificada del proceso de negocio que se
desee representar, mostrando a los actores, dependencias, recursos y las
operaciones necesarias para lograr las metas de negocio definidas.
Permite una representación gráfica con un reducido número de primitivas.
Este framework, está constituido por dos modelos: el modelo de
dependencias estratégicas y el modelo de razones estratégicas, ambos
modelos son complementarios.
El modelo de dependencias estratégicas ([17]), modela las dependencias que
existen entre los actores en un proceso de negocio, y se representa a
través de un grafo en el cual cada nodo identifica a un actor o agente y
los arcos que los unen, indican las dependencias que existen entre ellos
para alcanzar las metas definidas, ejecutar tareas y suministrar o
solicitar recursos. Este conjunto de nodos y uniones forma una red de
dependencias, que permite representar gráficamente las relaciones entre los
actores.
El modelo de razones estratégicas ([17]), se utiliza para describir los
intereses y motivaciones de los participantes, habilitar la valoración de
posibles alternativas en la definición de procesos y especificar con un
mayor nivel de detalle, las razones de la existencia de dependencias entre
los diferentes actores. Este modelo extiende al modelo de dependencias
estratégicas, incorporando dos tipos de constructores: means-end cuyo
objetivo es representar las diversas alternativas que pueden tomarse para
lograr una meta o tarea, y task-descomposition que permite detallar el
conjunto de actividades necesarias para lograr un objetivo.
La figura 3 muestra algunas de las primitivas básicas con las que cuenta
el framework i*.
Figura 3. Primitivas básicas Framework i*
3. Caso de estudio
Para ilustrar la aproximación metodológica que se propone en el presente
trabajo, se presenta el siguiente caso de estudio: "creación de una nueva
carrera en un Instituto de Formación Técnico Profesional". El objetivo del
estudio, es construir un modelo del proceso de negocio decisional
(utilizando el framework i*) relacionado con la creación de una nueva
carrera de formación técnica, modelo a partir del cual pueda
posteriormente, derivarse el modelo de requisitos para un sistema de Data
Mining de apoyo al proceso de toma de decisiones involucradas en la
apertura de la nueva carrera.
Una vez realizada la fase de comprensión del dominio de negocio, se
identificó que la visión de la organización es posicionarse como un
Instituto de Formación Técnico Profesional de vanguardia y excelencia en el
país y con reconocimiento internacional. Luego, la misión es formar y
capacitar personas en el área técnica con las competencias requeridas por
el sector productivo y de servicios, certificadas por organismos
acreditados cuando ello sea factible. De estas declaraciones se obtuvo que
la meta de la organización que da origen al proyecto es: proveer
permanentemente programas de educación técnico profesional que se adapten
de manera continua a las demandas del sector productivo y de servicios.
El caso de estudio, se puede describir en términos generales de la
siguiente manera: Existe un director ejecutivo que es el encargado de
dirigir el centro de formación técnica y velar por su buen funcionamiento.
Para la creación de una carrera, es el director, quien propone o gatilla la
acción. Dentro de la gerencia de la institución, existe un consejo que se
encarga de entregar opiniones y validar el actuar del director ejecutivo.
Por último existen colaboradores externos que prestan apoyo a las
necesidades del director ejecutivo.
3.1. ¿Quiénes actúan en la toma de decisiones?
Como se dijo anteriormente se deben identificar los stakeholders que
directamente intervienen en el proceso (actores primarios) y luego a los
stakeholders que, si bien es cierto, no toman decisiones, ayudan a los
actores primarios a llevarlas a cabo (actores secundarios). Para es caso de
estudio se identificaron los siguientes actores (tabla 2):
Tabla 2. Stakeholders involucrados
"ROL "TIPO DE ACTOR"
"Director "Primario "
"ejecutivo " "
"Consejo "Primario "
"Consultores "Secundario "
3.2. ¿En qué se basan para tomar decisiones?
Luego de identificar a los stakeholders que participan en el proceso
decisional, se debe determinar las fuentes de dónde se obtiene la
información y los datos necesarios para llevar a cabo la toma de
decisiones, esta información se consigna en la tabla 3.
Tabla 3. Fuentes de información y datos
"FUENTE "DESCRIPCIÓN "
"Gestión de"Son todos los datos "
"ventas "obtenidos de los "
"(Capacitac"cursos de "
"ión) "capacitación. "
"Innovación"Datos derivados del "
" "uso de nuevas "
" "tecnologías o de "
" "nuevos procedimientos"
" "incorporados por las "
" "empresas. "
"Encuestas "Datos obtenidos por "
"y "indagación directa "
"cuestionar"entre las empresas. "
"ios a " "
"empresas " "
"Proyectos "Datos con origen en "
"educativos"proyectos que "
"transinsti"involucran la "
"tucionales"participación de un "
" "conjunto de "
" "instituciones. "
" "Incluidos datos que "
" "se obtienen de la "
" "convalidación de "
" "estudios y de "
" "acuerdos con otras "
" "instituciones para "
" "intercambio "
" "estudiantil. "
"Colegios "Datos obtenidos de "
"de la zona"los colegios de la "
" "zona, de los cuales "
" "existe la posibilidad"
" "de ingreso de nuevos "
" "alumnos. "
"Encuestas "Datos que permitirán "
"y "captar las "
"cuestionar"preferencias de los "
"ios a "posibles alumnos. "
"estudiante" "
"s " "
"Marketing "Datos que permitirán "
" "realizar una "
" "predicción de cómo el"
" "marketing influirá en"
" "el segmento del "
" "mercado objetivo "
" "(posibles alumnos). "
"Utilidades"Datos que permitirán "
" "predecir las "
" "utilidades que se "
" "obtendrían con la "
" "creación de la nueva "
" "carrera. "
"Estructura"Costes involucrados. "
"de costos " "
"Infraestru"Datos que permiten "
"ctura "obtener los "
" "requisitos de la "
" "infraestructura "
" "necesaria. "
"Docentes "Datos para la "
" "obtención y "
" "contratación de "
" "docentes idóneos. "
"Personal "Datos para obtención "
"externo e "de personal externo e"
"interno "internos a la "
" "organización. "
"Leyes "Información "
" "relacionada con la "
" "creación de nuevas "
" "carreras en los "
" "centros de formación "
" "técnica. "
"Donaciones"Datos que permiten "
" "predecir la entrega "
" "de donaciones. "
"Proyectos "Son todos los datos "
" "que apoyan a la "
" "postulación de "
" "proyectos de "
" "inversión. "
"Comportami"Datos que permiten "
"ento "predecir las tasas de"
"estudianti"deserción o de "
"l "titulación "
" "estudiantil. "
3.3 ¿Cuáles son los pasos para tomar una decisión?
Para responder esta pregunta, se construye un árbol de refinamiento de
metas en el cual se visualiza cómo en cada una de las metas de alto nivel
del negocio, se implementan decisiones de un proceso de negocio decisional.
Se establece un máximo de tres niveles de profundidad [4], [12], para
evitar una explosión en el tamaño del modelo. La relación existente entre
campo CD y la operación, es que esta última es provocada por la primera.
La tabla 4 ilustra una descripción textual del árbol de metas. La primera
columna muestra en forma jerárquica las metas identificadas, el orden en el
que se encuentran ubicadas, indica la precedencia que existe entre ellas
(1er nivel la meta más general, después todas las metas de logro que
existan, y por último las decisiones a considerar para satisfacer estas
metas junto a las operaciones relacionadas). La segunda columna indica el
tipo de meta o decisión. La tercera columna muestra los actores
involucrados para alcanzar esta meta.
Tabla 4. Descripción textual del árbol de refinamiento de metas para el
caso de estudio
"Nombre de la "Ti"Actores "
"meta "po"involucrados "
"Meta: Crear "MG"Director "
"una nueva " "ejecutivo, "
"carrera " "consultores, "
" " "consejo "
"1. Realizar "ML"Director "
"estudio de " "ejecutivo - "
"mercado " "Consultores "
"1.1 ¿Existe "CD"Director "
"una necesidad" "ejecutivo "
"para la " " "
"empresa? " " "
"1.1.1 "Op"Director "
"Analizar el "er"ejecutivo – "
"campo laboral" "Consultores "
"1.2 ¿Existe "CD"Director "
"el interés " "ejecutivo "
"necesario por" " "
"parte de los " " "
"futuros " " "
"alumnos? " " "
"1.2.1 "Op"Director "
"Analizar "er"ejecutivo – "
"segmento del " "consultores "
"mercado " " "
"2. Realizar "ML"Director "
"estudio de " "ejecutivo – "
"factibilidad " "consultores "
"2.1 ¿Es "CD"Director "
"factible la " "ejecutivo "
"creación de " " "
"la carrera? " " "
"2.1.1 "Op"Director "
"Realizar "er"ejecutivo – "
"análisis de " "Consultores "
"factibilidad " " "
"económica " " "
"2.1.2 "Op"Director "
"Realizar "er"ejecutivo – "
"análisis de " "Consultores "
"factibilidad " " "
"física " " "
"2.1.3 "Op"Director "
"Realizar "er"ejecutivo – "
"análisis de " "Consultores "
"RRHH " " "
"2.1.4 "Op"Director "
"Realizar "er"ejecutivo – "
"análisis de " "Consultores "
"factibilidad " " "
"legal " " "
"2.2 ¿Es "CD"Director "
"sustentable " "ejecutivo "
"en el tiempo?" " "
"2.2.1 "Op"Director "
"Realizar plan"er"ejecutivo – "
"de " "Consultores "
"sustentabilid" " "
"ad " " "
"3. Aprobar "ML"Director "
"estudio y " "ejecutivo – "
"análisis " "Consejo "
"3.1 ¿Está "CD"Consejo "
"correcto el " " "
"estudio de " " "
"mercado? " " "
"3.1.1 "Op"Director "
"Analizar "er"ejecutivo – "
"estudio de " "Consejo "
"mercado " " "
"3.2 ¿Están "CD"Consejo "
"correctos los" " "
"estudios de " " "
"factibilidad?" " "
"3.2.1 "Op"Director "
"Analizar "er"ejecutivo - "
"factibilidad " "Consejo "
Es importante recordar en este punto, que las decisiones no estructuradas
son muy difíciles de modelar. Ante tal situación, se propone representar
las decisiones, de la forma más estructurada posible empezando con un alto
nivel de abstracción. Al llegar al mayor nivel de detalle se sugiere que
las decisiones sean tratadas como "cajas negras", pero indicando todas las
fuentes de información y datos que se utilicen. Esto permitirá encontrar
los puntos exactos en los que un proyecto de Data Mining puede apoyar la
toma de decisiones. A continuación en la figura 4, se presenta el modelo de
dependencias estratégicas construido utilizando el framework i*. En el
representan los actores involucrados en el proceso decisional, las
principales metas de logro y los recursos resultantes luego de ejecutadas
las operaciones involucradas en el proceso.
Figura 4. Modelo de Dependencias Estratégicas.
Luego de construido el modelo de dependencias estratégicas, se procede a
desarrollar el modelo de razones estratégicas (figuras 5a y 5b) en el cual
se representan las consultas y operaciones gatilladas para cumplir con las
metas de logro.
Figura 5a. Modelo de Razones Estratégicas
Por ultimo luego de desarrollado el modelo de razones estratégicas, se
incluye en el modelo al actor sistema, al cual se le asignan todas las
tareas que pueden ser ejecutadas por el sistema y del cual, en una fase
posterior se derivaran los requisitos de Data Mining. La figura 6, muestra
una vista del actor sistema.
Figura 5b. Vista amplificada del actor "Director Ejecutivo".
Figura 6. Vista amplificada del actor "Sistema"
4. Conclusiones
Con el trabajo desarrollado se ha logrado evidenciar la importancia de
contar con un modelo de procesos decisional como un paso previo al
desarrollo de un proyecto de Data Mining, por cuanto es posible definir con
mayor claridad, a qué tareas del proceso de toma de decisiones estratégico,
los proyectos de Data Mining pueden apoyar y más aun, el modelo permite
derivar el conjunto inicial de requisitos bajo los cuales el proyecto debe
estar alineado.
En cuanto al uso de la técnica de modelado, se ha logrado constatar que el
Framework i* posee características importantes que facilitan el desarrollo
de un modelo de proceso decisional, entre las que se pueden citar:
Expresividad: Posee la capacidad de modelar la complejidad de los
procesos de negocios decisionales.
Representación de roles: Permite representar los diferentes actores
que están involucrados en el proceso de toma de decisiones y las
dependencias que los ligan.
Identificación de Decisiones: Tiene la capacidad para especificar las
características de la toma de decisiones en el proceso de negocio
Identificación de Recursos: Es posible representar las fuentes de
recursos que permiten señalar, en qué lugar del proceso se requieren
datos.
Vista Multinivel: Permite una vista multinivel de los proceso.
Partiendo de descripciones con un mayor nivel de abstracción, se tiene
la posibilidad de alcanzar niveles con gran cantidad de detalles.
Integración: Permite la integración y soporte con otro tipo de
notaciones.
Finalmente se puede expresar que el Framework i* no siempre es claramente
comprensible para aquellos stakeholders que no son especialistas en el
modelado.
5. Agradecimientos
A la Dirección General de Investigación y Postgrado de la Universidad
Católica del Norte (DGIP), que financia el proyecto, del cual forma parte
el presente trabajo.
6. Referencias
[1] Chapman P., Clinton J., Kerber R., Khabaza T., Reinartz T., Shearer C.,
and Wirth R., "CRISP-DM 1.0 step-by-step data mining guide", Technical
report, 2000.
[2] Eriksoon, H. E., "Business Modeling with UML, Business Patterns at
Work", Ed. Wiley Computer Publishing, 2000.
[3] Gaarder K. "Business models ¿what are they and how do we design them?",
Paper presented at Eurescom Summit 2003.
[4] Glinz M., "Problems and Deficiencies of UML as a Requirements
Specification Language", Proceedings of the Tenth International Workshop on
Software Specification and Design (IWSSD'00), 2000.
[5] Hayes J. and Finnegan P., "Assessing the of potential of e-business
models: towards a framework for assisting decision-makers", European
Journal of Operational Research 160(2): 365-379, 2005.
[6] Johnson, J. H., 2001. "Micro Projects Cause Constant Change". In:
Extreme Programming Conference (XP2001), Villasimius, Cagliari, Italy
(May).
[7] Kotonya G. and Sommerville I. "Requirements Engineering. Processes and
techniques", USA. J. Wiley, 1998.
[8] Lagha B., Osterwalder, A. and Pigneur Y., "An ontology for e-business
models" In Value Creation from E-Business Models. W. Currie, Butterworth-
Heinemann, 2004.
[9] Laudon, K., and Laudon J., "Sistemas de Información Gerencial", Ed.
Prentice Hall, 2004.
[10] Maciaszek L., "Requirements Analysis and System Design", 2a Edition,
Ed. Addison Wesley, 2005.
[11] Magretta J. "Why Business Models Matter" Harvard Business Review, mayo
2002.
[12] Martinez A., y otros, "From Early Requirements to User Interface
Prototyping: A methodological approach", 17th IEEE International Conference
on Automated Software Engineering 2002, September 23-27, 2002, Edinburgh,
UK
[13] Ochoa, A., "Uso de Técnicas de Educción para el entendimiento del
Negocio", Tesis de Magister en Ingeniería del Software. Escuela de
Postgrado. Instituto Tecnológico de Buenos Aires, 2006.
[14] Osterwalder A., Pigneur Y., Tucci., "Clarifying business models:
origins, present, and future of the concept", Communications of AIS, Volume
15, Article, May, 2005.
[15] Pateli A. and Giaglis G. "A Framework for Understanding and Analysing
e-Business Models". Proceedings of the Bled Electronic Commerce Conference,
2003.
[16] Yu, E. Modelling Strategic Relationships for Process Reengineering,
Ph.D. thesis, Department of Computer Science, University of Toronto,1995.
[17] Yu, Eric S.K. and J. Mylopoulos. "AI Models for Business Process
Reengineering.", in IEEE Expert Intelligent Systems and Their Applications.
IEEE Computer Society. Volume 11, Number 4. pp. 16-23.
-----------------------
VII Jornadas Iberoamericanas de Ingeniería del Software e Ingeniería del
Conocimiento
