• Descripció

Aquesta assignatura presenta l'aplicació de la ciència de dades en el context de la presa de decisions organitzacional. La presa de decisions organitzacional és summament àmplia, ja que cobreix diversos escenaris: (1) entorns en què podem dissenyar, descobrir i aplicar models que representen el procés de negoci, (2) entorns en què hem pogut capturar dades que representen el procés de negoci i podem extreure a través de mecanismes d'aprenentatge un model que representen el procés de negoci, i (3) entorns dinàmics amb alta incertesa, sense coneixement del model de negoci i sense la possibilitat de capturar dades.

En aquesta assignatura ens centrarem principalment en els dos primers escenaris, ja que el tercer pertany a l'àmbit de la psicologia i altres disciplines. El curs té un enfocament teòric pràctic, i és, per aquest motiu, que està compost d'introduccions teòriques als diferents temes que es tracten i exemples sobre com posar-los en pràctica. El curs està estructurat en quatre blocs.

A la primera part ens centrarem en la presa de decisions clàssica, es revisen els enfocaments tradicionals usats per a la presa decisions basats en models. A la segona part, presa de decisions basada en ciència de dades, es revisen alguns exemples usant l'enfocament de la ciència de dades i es revisen les diferències entre tots dos enfocaments. La tercera part remarca que l'ús de la ciència de dades no està exempta de barreres i problemes a tenir en compte i revisarem aspectes com els biaixos, la deriva i l'equitat. Finalment, s'introduirà la interpretabilitat com a mecanisme per pal·liar els problemes d'introduir la ciència de dades en la presa de decisions empresarial.

• L'assignatura en el conjunt del pla d'estudis

L'assignatura és optativa en el Grau de Ciència de Dades Aplicada i forma part de les competències del Data Science Explorer que identifica els problemes de dades, crea solucions, i proporciona les evidències per prendre decisions.

• Camps professionals en què es projecta

Els coneixements adquirits en aquesta assignatura seran d'utilitat per als científics de dades que participin en projectes relacionats amb la presa de decisions (o decision science). És a dir, en projectes que donen suport a la presa de decisions humanes a través de dades i evidències, però que al mateix temps necessiten capacitats per analitzar la interpretabilitat i equitat.

• Coneixements previs

És convenient disposar de certs coneixements de programació (en Python i R) i anàlisi de dades o, si no haver cursat al menys les assignatures "Programació per a la ciència de dades", "Mineria de dades" i "Aprenentatge Automàtic" del de l'Grau en Ciència de Dades Aplicada.

A més, cal cert coneixement de la llengua anglesa per comprendre documentació teòrica i tècnica dels productes instal·lats i / o informació de referència disponible a la xarxa.

• Informació prèvia a la matrícula

Continguts disponibles per a partir de setembre 2021.

• Objectius i competències

L'objectiu principal de l'assignatura és proporcionar coneixement de l'aplicació de la ciència de dades en l'àmbit de la presa de decisions (el que es coneix com a decision science). Pel que aquesta assignatura introdueix l'enfocament clàssic, l'enfocament considerant la ciència de dades, els problemes derivats d'aquest enfocament i tècniques per pal·liar aquests problemes com interpretablitat i equitat.

Per als estudiants que cursen el Grau de Ciència de Dades Aplicada, les competències de l'grau que es treballen en l'assignatura són:

• CB1 - Que els estudiants hagin demostrat posseir i comprendre coneixements en una àrea d'estudi que parteix de la base de l'educació secundària general, i se sol trobar a un nivell que, si bé es recolza en llibres de text avançats, inclou també alguns aspectes que impliquen coneixements procedents de l'avantguarda del seu camp d'estudi.
• CB5 - Que els estudiants hagin desenvolupat aquelles habilitats d'aprenentatge necessàries per emprendre estudis posteriors amb un alt grau d'autonomia.
• CG5 - Comunicar i transmetre els coneixements, habilitats i destreses de la professió en el marc de la ciència de dades.
• CT1 - Ús i aplicació de les TIC en l'àmbit acadèmic i professional.
• CT2 - Comunicar-se en una llengua estrangera.
• CE3 - Definir, avaluar i seleccionar solucions tecnològiques, així com recursos (espacials, temporals) necessaris per al desenvolupament i execució de projectes, tenint en compte les alternatives disponibles, les condicions de mercat i les normatives vigents.
• CE11 - Resumir, interpretar, presentar i contrastar de forma crítica els resultats obtinguts utilitzant les eines d'anàlisi i visualització més adequades.
• CE13 - Exercir l'activitat professional d'acord amb el codi ètic i els aspectes legals en el marc de la privacitat i seguretat de les dades.

• Continguts

Els continguts de la part teòrica de l'assignatura es recullen en els mòduls didàctics que componen el material de l'assignatura:

• Presa de decisions clàssica: L'ús de mètode científic per a la presa de decisions no és nou. De fet, existeix des de fa temps amb dos noms diferents investigació operativa i ciència de les decisions. Iniciat a principis de 1900 per Frederic W. Taylor ha evolucionat considerablement. Moltes empreses encara estan fent servir els enfocaments tradicionals quan s'apliquen aquestes tècniques. El punt de partida serà introduir aquest enfocament perquè sigui conegut.
• Presa de decisions basada en ciència de dades: La progressiva digitalització dels processos de negoci ha generat una explosió de dades per a la presa de decisions. Aquest fenomen obre la porta a l'ús de tècniques emmarcades en l'àmbit de ciència de dades. Revisarem les diferències d'enfocaments entre l'ús de la ciència de dades i l'enfocament clàssic, algunes de les tècniques usades i també alguns casos d'èxit en què s'han aplicat aquest tipus de tècniques.
• Problemes en la presa de decisions basada en la ciència de dades: A mesura que s'han anat coneixent casos d'ús de la ciència de dades, ha quedat palès que aquest tipus de projectes no està exempt de problemes. Casos com els de Cambridge Analytics o altres, ens ha demostrat que cal tenir en compte els diversos problemes existents. Els principals aspectes que poden afectar un projecte són biaixos (humans i algorítmics), evolució de les dades, regulació i el seu impacte en la societat. Per això, anem a discutir diversos d'aquests problemes i conèixer un marc de referència que ens ajudarà a tenir-los en compte per endavant.
• Interpretabilitat en la presa de decisions basades ciència de dades: Amb el creixent ús de les tècniques de ciència de dades en la presa de decisions, es busca ajudar a responsables de negoci a prendre decisions fonamentades en dades i evidències en un entorn complex real. No obstant això, la presa de decisions humanes freqüentment aquesta lligada a contextos d'incertesa, lligada a biaixos, regulacions sectorials i regionals i potencialment propenses a generar desigualtats. Per evitar que els responsables de negoci treballin amb caixes negres que retornen respostes, patrons o accions a realitzar emergeix una col·lecció de tècniques que ajuden als humans a comprendre les decisions d'un algoritme. És el que coneixem com interpretabilitat. Cal conèixer què és, quines tècniques existeixen i que ens proporcionen aquestes tècniques.

• Consulta dels recursos d'aprenentatge de què disposa l'assignatura

• Recursos d'aprenentatge i eines de suport

A part dels mòduls didàctics prèviament esmentats, l'assignatura disposa d'altres materials addicionals que es troben a l'apartat Recursos de l'aula com, per exemple, articles, capítols de llibres, casos pràctics i activitats resoltes. Si fes falta algun altre material addicional, serà proporcionat durant el curs.

Així mateix, atès el caràcter pràctic de l'assignatura, es farà servir R i / o Python i llibreries vinculades a la ciència de dades, interpretabilitat i equitat.

• Informacions sobre l'avaluació a la UOC

El procés d'avaluació es fonamenta en el treball personal de l'estudiant i pressuposa l'autenticitat de l'autoria i l'originalitat dels exercicis realitzats.

La manca d'autenticitat en l'autoria o d'originalitat de les proves d'avaluació; la còpia o el plagi; l'intent fraudulent d'obtenir un resultat acadèmic millor; la col·laboració, l'encobriment o l'afavoriment de la còpia, o la utilització de material o dispositius no autoritzats durant l'avaluació, entre d'altres, són conductes irregulars que poden tenir conseqüències acadèmiques i disciplinàries greus.

D'una banda, si es detecta alguna d'aquestes conductes irregulars, pot comportar el suspens (D/0) en les activitats avaluables que es defineixin en el pla docent –incloses les proves finals– o en la qualificació final de l'assignatura, sigui perquè s'han utilitzat materials o dispositius no autoritzats durant les proves, com ara xarxes socials o cercadors d'informació a internet, perquè s'han copiat fragments de text d'una font externa (internet, apunts, llibres, articles, treballs o proves d'altres estudiants, etc.) sense la citació corresponent, o perquè s'ha practicat qualsevol altra conducta irregular.

De l'altra, i d'acord amb les normatives acadèmiques, les conductes irregulars en l'avaluació, a més de comportar el suspens de l'assignatura, poden donar lloc a la incoació d'un procediment disciplinari i a l'aplicació, si escau, de la sanció que correspongui.

• Consulta del model d'avaluació