• Descripción

Esta asignatura presenta la aplicación de la ciencia de datos en el contexto de la toma de decisiones organizacional. La toma de decisiones organizacional es sumamente amplia puesto que cubre diversos escenarios: (1) entornos en los que podemos diseñar, descubrir y aplicar modelos que representan el proceso de negocio, (2) entornos en los que hemos podido capturar datos que representan el proceso de negocio y podemos extraer a través de mecanismos de aprendizaje un modelo que representan el proceso de negocio, y (3) entornos dinámicos con alta incertidumbre, sin conocimiento del modelo de negocio y sin la posibilidad de capturar datos.

En esta asignatura nos centraremos principalmente en los dos primeros escenarios, puesto que el tercero pertenece al ámbito de la psicología y otras disciplinas. El curso tiene un enfoque teórico práctico, y es, por este motivo, que está compuesto de introducciones teóricas a los diferentes temas que se tratan y ejemplos sobre cómo ponerlos en práctica. El curso está estructurado en cuatro bloques.

En la primera parte nos centraremos en la toma de decisiones clásica, se revisan los enfoques tradicionales usados para la toma decisiones basados en modelos. En la segunda parte, toma de decisiones basada en ciencia de datos, se revisan algunos ejemplos usando el enfoque de la ciencia de datos y se revisan las diferencias entre ambos enfoques. La tercera parte hace hincapié que el uso de la ciencia de datos no está exenta de barreras y problemas a tener en cuenta y revisaremos aspectos como los sesgos, la deriva y la equidad. Por último, se introducirá la interpretabilidad como mecanismo para paliar los problemas de introducir la ciencia de datos en la toma de decisiones empresarial.

• La asignatura en el conjunto del plan de estudios

La asignatura es optativa en el Grado de Ciencia de Datos Aplicada y forma parte de las competencias del Data Science Explorer que identifica los problemas de datos, crea soluciones, y proporciona las evidencias para tomar decisiones.

• Campos profesionales en el que se proyecta

Los conocimientos adquiridos en esta asignatura serán de utilidad para los científicos de datos que participen en proyectos relacionados con la toma de decisiones (o decision science). Es decir, en proyectos que dan soporte a la toma de decisiones humanas a través de datos y evidencias pero que al mismo tiempo necesitan capacidades para analizar la interpretabilidad y equidad.

• Conocimientos previos

Es conveniente disponer de ciertos conocimientos de programación (en Python y R) y análisis de datos o en su defecto haber cursado al menos las asignaturas "Programación para la ciencia de datos", "Minería de datos" y "Aprendizaje Automático" del del Grado en Ciencia de Datos Aplicada.

Además, es necesario cierto conocimiento de la lengua inglesa para comprender documentación teórica y técnica de los productos instalados y/o información de referencia disponible en la red.

• Información previa a la matrícula

Contenidos disponibles a partir de setiembre 2021.

• Objetivos y competencias

El objetivo principal de la asignatura es proporcionar conocimiento de la aplicacion de la ciencia de datos en el ámbito de la toma de decisiones (lo que se conoce como decision science). Por lo que esta asignatura introduce el enfoque clásico, el enfoque considerando la ciencia de datos, los problemas derivados de dicha introducción y tecnicas para paliar estos problemas como interpretablidad y equidad.

Para los estudiantes que cursan el Grado de Ciencia de Datos Aplicada, las competencias del grado que se trabajan en la asignatura son:

• CB1 - Que los estudiantes hayan demostrado poseer y comprender conocimientos en un área de estudio que parte de la base de la educación secundaria general, y se suele encontrar a un nivel que, si bien se apoya en libros de texto avanzados, incluye también algunos aspectos que implican conocimientos procedentes de la vanguardia de su campo de estudio.
• CB5 - Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía.
• CG5 - Comunicar y transmitir los conocimientos, habilidades y destrezas de la profesión en el marco de la ciencia de datos.
• CT1 - Uso y aplicación de las TIC en el ámbito académico y profesional.
• CT2 - Comunicarse en una lengua extranjera.
• CE3 - Definir, evaluar y seleccionar soluciones tecnológicas, así como recursos (espaciales, temporales) necesarios para el desarrollo y ejecución de proyectos, teniendo en cuenta las alternativas disponibles, las condiciones de mercado y las normativas vigentes.
• CE11 - Resumir, interpretar, presentar y contrastar de forma crítica los resultados obtenidos utilizando las herramientas de análisis y visualización más adecuadas.
• CE13 - Ejercer la actividad profesional de acuerdo al código ético y los aspectos legales en el marco de la privacidad y seguridad de los datos.

• Contenidos

Los contenidos de la parte teórica de la asignatura se recogen en los módulos didácticos que componen el material de la asignatura:

• Toma de decisiones clásica: El uso de método científico para la toma de decisiones no es nuevo. De hecho, existe desde hace tiempo con dos nombres diferentes investigación operativa y ciencia de las decisiones. Iniciado a principios de 1900 por Frederic W. Taylor ha evolucionado considerablemente. Muchas empresas aun están usando los enfoques tradicionales cuando aplican estas técnicas. El punto de partida será introducir este enfoque para que sea conocido.
• Toma de decisiones basada en ciencia de datos: La progresiva digitalización de los procesos de negocio ha generado una explosión de datos para la toma de decisiones. Este fenómeno abre la puerta al uso de tecnicas enmarcadas en el ámbito de ciencia de datos. Revisaremos las diferencias de enfoques entre el uso de la ciencia de datos y el enfoque clásico, algunas de las técnicas usadas y también algunos casos de éxito en el que se han aplicado este tipo de técnicas.
• Problemas en la toma de decisiones basada en la ciencia de datos: A medida que se han ido conociendo casos de uso de la ciencia de datos, ha quedado patente que este tipo de proyectos no está exento de problemas. Casos como los de Cambridge Analytics u otros, nos ha demostrado que es necesario tener en cuenta los diversos problemas existentes. Los principales aspectos que pueden afectar a un proyecto son sesgos (humanos y algorítmicos), evolución de los datos, regulación y su impacto en la sociedad. Por ello, vamos a discutir diversos de estos problemas y conocer un marco de referencia que nos ayudará a tenerlos en cuenta de antemano.
• Interpretabilidad en la toma de decisiones basadas ciencia de datos: Con el creciente uso de las técnicas de ciencia de datos en la toma de decisiones, se busca ayudar a responsables de negocio a tomar decisiones fundamentadas en datos y evidencias en un entorno complejo real. Sin embargo, la toma de decisiones humanas frecuentemente esta ligada a contextos de incertidumbre, ligada a sesgos, regulaciones sectoriales y regionales y potencialmente propensas a generar desigualdades. Para evitar que los responsables de negocio trabajen con cajas negras que devuelven respuestas, patrones o acciones a realizar emerge una colección de técnicas que ayudan a los humanos a comprender las decisiones de un algoritmo. Es lo que conocemos como interpretabilidad. Es necesario conocer qué es, qué técnicas existen y que nos proporcionan estas técnicas.

• Consulta de los recursos de aprendizaje de los que dispone la asignatura

• Recursos de aprendizaje y herramientas de apoyo

A parte de los módulos didácticos previamente mencionados, la asignatura dispone de otros materiales adicionales que se encuentran en el apartado Recursos del aula como, por ejemplo, artículos, capítulos de libros, casos prácticos y actividades resueltas. Si hiciera falta algún otro material adicional, será proporcionado durante el curso.

Así mismo, dado el carácter práctico de la asignatura, se usará R y/o Python y librerías vinculadas a la ciencia de datos, interpretabilidad y equidad.

• Informaciones sobre la evaluación en la UOC

El proceso de evaluación se fundamenta en el trabajo personal de cada estudiante y presupone la autenticidad de la autoría y la originalidad de los ejercicios realizados.

La falta de autenticidad en la autoría o de originalidad de las pruebas de evaluación; la copia o el plagio; el intento fraudulento de obtener un resultado académico mejor; la colaboración, el encubrimiento o el favorecimiento de la copia, o la utilización de material o dispositivos no autorizados durante la evaluación, entre otras, son conductas irregulares que pueden tener consecuencias académicas y disciplinarias graves.

Por un lado, si se detecta alguna de estas conductas irregulares, puede comportar el suspenso (D/0) en las actividades evaluables que se definan en el plan docente –incluidas las pruebas finales– o en la calificación final de la asignatura, ya sea porque se han utilizado materiales o dispositivos no autorizados durante las pruebas, como redes sociales o buscadores de información en internet, porque se han copiado fragmentos de texto de una fuente externa (internet, apuntes, libros, artículos, trabajos o pruebas del resto de estudiantes, etc.) sin la correspondiente citación, o porque se ha practicado cualquier otra conducta irregular.

Por el otro, y de acuerdo con las normativas académicas, las conductas irregulares en la evaluación, además de comportar el suspenso de la asignatura, pueden dar lugar a la incoación de un procedimiento disciplinario y a la aplicación, si procede, de la sanción que corresponda.

• Consulta del modelo de evaluación