 |
| Matriz DAFO |
Desde hace ya varios años, entre el arsenal de herramientas del análisis estratégico y también el análisis de posicionamiento de productos e incluso de personas, se intenta entender realidades complejas mediante el uso de modelos simples.
En muchas ocasiones, estos modelos simples adoptan la forma de una matriz de cuatro cuadrantes. Se establecen dos ejes de coordenadas con dos atributos ortogonales y una clasificación ambigua del tipo alto / bajo. Cada eje se subdivide en dos y el cruce de ambos genera cuatro cuadrantes...una matriz simple. Según los modelos, a cada uno de esos cuadrantes se le asigna una forma de tratar los elementos que en ella se encuadran o bien, simplemente se clasifican los elementos en uno de esos cuadrantes.
 |
| Matriz BCG |
 |
| Las 5 fuerzas de Porter |
En todos los casos, la táctica es hacer modelos muy simples, reducir una realidad tremendamente compleja a representaciones simplificadas que nos permiten entender, analizar, clasificar y decidir cursos de acción más o menos genéricos. En cierto sentido, en su simplicidad reside precisamente su virtud.
Hoy día, con el explosivo auge de las tecnologías de la información, con el espectacular crecimiento de las capacidades de computación y con el desarrollo de algoritmos complejos de análisis y explotación de la información, se nos pueden estar abriendo posibilidades nuevas.
 |
| Red neuronal artificial |
Existen un arsenal de técnicas, algunas novedosas, otras no tanto que, si bien precisan de unas capacidades computacionales elevadísimas, son capaces de proporcionar resultados fiables, basados en datos reales y con entradas complejas. Estaríamos hablando, desde técnicas más tradicionales como los
modelos econométricos o las
redes neuronales, a técnicas más modernas como el análisis de
redes complejas o la explotación del denominado
Big Data.
Al explosivo
aumento de las capacidades de computación se une la
ubicuidad de terminales que pueden actuar como sensores, en el sentido de servirnos como puntos de generación, recogida o medida de información. No es ya sólo la generalización del uso del ordenador personal, ni siquiera se trata sólo del espectacular aumento del uso de smartphones o tablets, que añaden a sus capacidades de procesamiento y comunicación, la posibilidad de geolocalización. Es que, a todo esto se añaden
Terminales Punto de Venta, medios de pago, máquinas de check-in o vending y un sin fin de dispositivos que pueden recoger y transmitir información. El desarrollo del
M2M, del Internet de las cosas, hace que, incluso, elementos y sensores que antes estaban fuera del flujo general de información, se unan a él. Se conjugan además, por un lado, la recolección de ingentes cantidades de datos de tipo numérico/objetivo mediante sensores y terminales, a la obtención de
datos de comportamiento o preferencia mediante análisis de navegación, resultados de compras o interacciones sociales.
 |
| Arquitectura simple M2M de ETSI |
¿Qué tenemos, pues? Tenemos tres cosas:
Datos muy ricos y muy abundantes
Grandes capacidades de computación
Algoritmos capaces de analizar la complejidad y obtener conclusiones
En ese contexto ¿para qué necesitamos la simplificación? ¿Por qué recurrir a modelos simplificados y no apostar directamente por el análisis complejo?
Más o menos, esto es lo que se preguntan
Mikael Krogerus y Roman Tschäppeler al final de su libro '
El pequeño libro de las grandes decisiones'. Se trata de un libro que, precisamente, recoge y explica brevemente, decenas de modelos simplificados, incluyendo varios de los citados en este artículo. En ese sentido, resulta paradójico que, justo al final, en el momento, digamos, de la despedida, se planteen este tipo de cuestiones. Sin embargo, la pregunta parece pertinente.
¿Cómo contestan los autores a la cuestión que ellos mismos plantean? Veámoslo:
"¿Esto quiere decir que usted puede olvidar todos los modelos que ha aprendido en este libro? No. La aplicación de los modelos de antaño no se debe susbestimar. Nos ayudan en un mundo caótico a ordenar, reducir y establecer puntos clave. Quienes sepan qué modelos emplear, aunque reflejen sólo una parte simplificada de la realidad, pueden sacar un buen provecho de ellos."
Creo que los modelos simplificados mantienen su valor en muchos aspectos.
En primer lugar, la capacidad humana de comprensión sigue siendo limitada, por lo que, en el ámbito del aprendizaje, la comunicación y la comprensión, siempre serán valiosos esos modelos simplificados.
Por otro lado, no existen, al menos actualmente, modelos y capacidades de cálculo para entender cualquier fenómeno. En aquellos ámbitos que por novedosos, por complejos o por cualquier otra razón, no existan modelos de predicción complejos, los modelos simplificados siempre darán un primer paso muy importante hacia la comprensión del fenómeno y el soporte a la decisión.
Finalmente, incluso existiendo modelos complejos de predicción, éstos pueden no estar a nuestro alcance en un momento o circunstancia dadas. En esas situaciones, un modelo sencillo siempre lo podremos llevar con nosotros.
 |
| Big data |
Por todo ello, las matrices estratégicas o, de forma más general, los modelos simplificados, conservan su valor. Eso no obsta para continuar desarrollando, adoptando y confiando de forma creciente en los modelos complejos basados en datos que, una vez refinados y maduros, parece que nos deben proporcionar diagnósticos, predicciones y propuestas mucho más confiables.
Como en tantos ámbitos, debemos elegir la herramienta, en este caso el modelo, más adecuado a la circunstancia.
