Maestría en Negocios MBA

Ricardo R. Palma
Abril 2020

MBA


MBA Universidad Nacional de Cuyo

Simulación de Negocios

Sección 1

Simulación de Negocios

Portada

Esta presentación ha sido hecha con:

Supply-Chain

  • https://cran.r-project.org/

  • La evaluación de este módulo considera aprobada si:

  • Se entrega una presentación en este formato

  • Se genera una monografía con el template LNCSC

  • Se genera un modelo para el marco teórico de tu tesis

Supply-Chain

  • La temática puede ser elejida por el grupo de trabajo

  • Cada grupo deberá tener no más de 4 integrantes

Agenda

  • Introducción Simulación y Contexto - Pirmer Encuentro

    • Simulación de Negocios
    • Aprendizaje en Maestrías
  • Producción de Textos y Tesis - Primer y Segundo Encuentro

    • Estudio de Casos con R-CRAN
    • Big Data e Inteligencia Artificial
  • Desarrollo de Evaluaciones y Capítulo 3 Tesis - Tercer Encuentro

    • Desafíos planteados
    • Presentación de casos resueltos

Para qué sirve este módulo?

  • Casi para nada
  • Hay una parte de la tesis que puede encontrar aportes en el curso
  • Lo importante no es lo que el curso cubre
  • Lo importante ES lo que el maestrando descubre con la simulación

    • Este curso está pensado tanto para economistas como para involucrado en sistemas y tecnología

Qué es más importante?

  • Cursar una maestría?
  • Hacer la tesis y defenderla?
  • Tener la respuesta correcta ?
  • Hallar la pregunta adecuada?

    Las preguntas nos enseñan

  • El quintilium o matriz romana

  • Cinco señores me enseñaron todo lo que sé

Por qué estas haciendo esta maestría?

  • ¿Cómo has hecho para aprender?
  • ¿Puede aprender una emrpesa?
  • Entonces … ¿Una nación aprende?
  • ¿Como se aprende?
  • Método fáctico
  • Experimentar

  • No hay nada en el intelecto que no haya pasado por la frontera de los sentidos

Simulación: ¿Qué es? ¿Que será?

  • Es una técnica numérica para conducir experimentos en una computadora digital…

    *   H. Maisel
    
  • … con el proposito de entender el comportamiento de un sistema (mecánico) o de predecirlo y elaborar estrategias para el futuro.

        *   Robert Shannon 
    

Bibliografía

Bibliografía

Bibliografía

Software Recomendado

Software Recomendado

Sección 2

Qué puede aportar la simulación a tu tesis

La tesis tiene al menos 8 partes

  • Situación Problema (hipótesis)
  • Marco teórico
  • Caso de Aplicación
  • Demostración o Experimentación
  • Interpretación de resultados
  • Aporte y Discución
  • Conclusión
  • Referencias Bibliográficas

La demostración de la hipótesis

Puede hacerse de 5 formas

  • Evidencia Fáctica
  • Construcción Hipotética Deductiva (incluído la dialéctica)
  • Inducción (pensamiento inductivo)
  • Evidencia Histórica (soporte estadístico fuerte)
  • Simulación

Qué opinión tienes de los modelos de simulación Keynesianos?

  • Te gustó el matlab?
  • Sorpresa !!! no es el único modelo
  • El modelo de von Mises no tiene una sola ecuación (Escuela Austriaca)
  • El modelo Neo Schumpeteriano no cree ni una palabra de Keynes
  • K opera sobre el equilibro y S sobre la trnasición
  • Jean Tirol gano el Novel por atreverse a pensar distinto
  • Los districhi industriali italiani (Marshall) le dan la razón a S
  • Una sola mujer ha ganado el Novel de Economía
  • Un loquito también

El Pensamiento de Elinor Ostrom

Gobernanza

* Lo que hemos ignorado es lo que los ciudadanos pueden hacer, y la importancia de la participación real de las personas involucradas - en comparación con sólo tener a alguien en Washington para promulgar las leyes.

Sobre que cimientas la simulación?

  • Leyes
  • Principios
  • Teoremas
  • Teorías
  • Conjeturas
  • Empirismos
  • Paradigmas
  • My Flower
  • La tragedia de los comunes
  • Vilfredo Pareto y Adam Smith
  • Una mente hermosa
  • Los bienes públicos privados
  • Me llamo Joseph Stiglitz

Como las preguntas los modelos y las simulaciones siempre nos enseñan

Tenemos Conocimientos Previos?

Gato

Bebe

Inteligencia

Inteligencia es …

\[ I = \frac{\partial(k)}{\partial(t)} \]

\[ \int _{*}^{\ddagger} I . (dt) = K \]

mediacion

discurso

Modelo Inteligencia Prieto Castillo, Daniel

library(data.table)
Inteligence <- fread("http://ceal.fing.uncu.edu.ar/r-cran/PCASTILLO.csv")
head(Inteligence,3)
        Age dkoverdt
1: 0.050473  7.96957
2: 0.256239 10.34800
3: 0.291010  9.11358

Cálculo Direrencial

I <- Inteligence$dkoverdt
Age <- Inteligence$Age

length(I)
[1] 365
W <- rep(0.1,365)
suavizado.datos <- smooth.spline(I,w=W,spar=0.45)

Qué tienen en común ?

plot(Age,I, col="green")

plot of chunk unnamed-chunk-3

plot(Age,suavizado.datos$y, col="red", type="l")

plot of chunk unnamed-chunk-4

La simulación en un juego

  • Se puede aprender jugando
  • La Universidad ha enseñado por más de 500 años
  • Pero la humanidad ha aprendido por el diálogo millones de años
  • El método del caso es un cuento
  • El cuento es un juego
  • Los Grobos
  • Vamos Manao
  • Sie Tu Helados
  • Son historias que emocionan
  • Sin emoción no hay pasión
  • Sin pasión no hay aprendizaje

Simular => jugar = aprender

  • Si puedo simular mi negocio = > MODELO

  • Si tengo un modelo => puedo cambiarlo de escenario (el punto fuera del sistema)

  • Si modelo en otro entorno => yo puedo aprender de ese escenario (punto dentro del sistema)

  • Síntesis => Concepto

  • Concepto => Modelo mental

  • Analítica de Datos (patrones)

Lo peor que puede pasar en una simulación

  • ¿Cuántos delfines podés ver?

¿Qué es más seguro. ¿manejas tu o maneja google?

Nuestro cerebro siempre nos engaña

Lea el texto hasta el final, sin fijarse en que este se ve algo extraño…

En difreetnes invesigtacinoes los cinefiticos inlgeses descbureiron, que es de pcoa impotrancia en que odern etsan las lertas en las palbaras, lo mas improtnate,es que la prirmea y ulimta lerta tieenn que esatr en su luagr. Lo del meido no es imoprtnate, aun asi pudees leer. Poruqe nosrotos lemeos las pablaras enetras y no lerta por lerta. 

El peso sobre tus hombros

  • 1. Recuerde siempre que Economía es una ciencia social.
  • 2. Toda la economía es microeconomía.
  • 3. Piensa primero !!! calcula después.
  • 4. Conoce (bien) tus datos.
  • 5. SEAMOS ÉTICOS.
  • 6. seamos humildes.

Pasos para tener éxito en simulación

  • 0 - Piense siempre que el modelo es un reflejo arbitrario de la vida real y no al contrario. (en el mundo real vive gente real)

  • 1 - Defina el sistema

  • 2 - Formule el modelo

  • 3 - Coleccione datos

  • 4 - Implemente el modelo en una computadora

  • 5 - Valide el modelo
  • 6 - Use esto como su “bola de cristal”
  • 7 - Jugar es APRENDER (Modelo Mental)
  • 8 - No quede usted dentro del sistema !!!
  • 9 - Deja que la AI esté contigo
  • 10 - Desconocer Una Verdad Nos Hace Esclavos De Una Mentira

Clasificación de juegos de simulación

  • De realidad limitada (ceteris paribus)
  • Juegos con cartas
  • Juegos secuenciales
  • Juegos en solitario
  • Juegos de Dinámica de Sistemas
  • Juegos de Guerra
  • Juegos de Nash (Suma Cero)

Juegos para descargar : http://eduscol.education.fr/numerique/dossier/apprendre/jeuxserieux

  • Beer Game (SCM)
  • Hotzone (Bomberos)
  • MEG Balkans (ONU)
  • Merchant (Conflicto)
  • Triskelion (Desarrollo personal)
  • Los carteles de San Luis (5S)
  • Juego del Tomate (Corrupción)

Serious Game

Una cuestión más caliente que una braza …

  • Supply-Chain

*Comportamiento Contraintuitivo

  • Mejor no siempre es más caro
  • Se trata de proteger el eslabón más debil de la cadena
  • La continuidad de nuestro consumidor
  • La tierra tiene todo el tiempo del mundo para resolver este problema
  • Nosotros NO! , (no somos escenciales)

Cloud Tag (Business Simulation)

Por qué debería una empresa jugar?

  • Para traducir la visión en objetivos operacionales
  • Comunicar esa visión y decalara en performance individual
  • Parender ha ahcer planificación de actividades compartidas
  • Feedback y aprendizaje, que es la estrategia en funcionamiento
  • Finanza y Beneficios Financieros ;

    • No percibido por los accionistas
  • Cliente o impacto en el cliente;

    • No percibidos por nuestros clientes
  • Procesos Internos o Procesos Clave

    • que aportan valor
  • Aprendizaje organizaciona

    • … lo que nos preguntabamos al comienzo

Juego Míticos

Beer Game

  • Actores Simultaneos
  • Síncrono
  • Dinámico (con memoria o historia)

Beer

Simulation (Stella - Vensim)

Juegos de Sistemas Complejos

  • Stella - Vensim (MEG Balkans)
    • Dinámico
    • Complejidad (feedback)
    • Simulación
    • Tiempo discreto
  • Reservorio

  • Compuerta

  • Variable de Estado, (independiente)

Vensym

Life Cycle Analysis

Journal

Paper

I-O Life Cycle Juego

cadena2

  • Muchos actores
  • Muchas Vinculaciones
  • Matriz de Leontief

cadena4

MEG Balkans

cadena2

Juego de Prospectiva (Planetaria) Desarrollado en VenSim


  • Multi Strategye Game (1984)
  • Multi Entity Game (1998)

    • is an actor-based system dynamics model hierarchy to assess the impacts of climate mitigation policies
  • The Multi-Actor Dynamic Integrated Assessment Model System (MADIAMS - 2012)

MEG Balkans (2)

  • T21-China – A model was developed for China to highlight its growing energy and food demand.

  • UNEP Green Economy Report – A comprehensive global and national sectoral models games Green Economy Report. The report can be downloaded here:

http://www.unep.org/GreenEconomy/Portals/93/documents/Full_GER_screen.pdf

http://www.millennium-institute.org/integrated_planning/tools/T21/timeline.html

Plataforma de Juegos Serios

Sección 3

Es Hora de Jugar

El Juego del Tomate

  • 5 Actores
  • + Dinero
  • Mix
  • + Poroducto
  • Gobiernos e Impuestos
  • Objetivo: Ganar Dinero
  • Cadena Alimentaria
  • C02 Fijo (base)
  • CO2 Transporte y Almacenamiento
  • La velocidad de transacción el es factor clave

Section 4

Elementos básicos del R-CRan

Carga de Paquetes

library(FinCal)
ls("package:FinCal")
 [1] "bdy"                   "bdy2mmy"              
 [3] "candlestickChart"      "cash.ratio"           
 [5] "coefficient.variation" "cogs"                 
 [7] "current.ratio"         "ddb"                  
 [9] "debt.ratio"            "diluted.EPS"          
[11] "discount.rate"         "ear"                  
[13] "ear.continuous"        "ear2bey"              
[15] "ear2hpr"               "EIR"                  
[17] "EPS"                   "financial.leverage"   
[19] "fv"                    "fv.annuity"           
[21] "fv.simple"             "fv.uneven"            
[23] "geometric.mean"        "get.ohlc.google"      
[25] "get.ohlc.yahoo"        "get.ohlcs.google"     
[27] "get.ohlcs.yahoo"       "gpm"                  
[29] "harmonic.mean"         "hpr"                  
[31] "hpr2bey"               "hpr2ear"              
[33] "hpr2mmy"               "irr"                  
[35] "irr2"                  "iss"                  
[37] "lineChart"             "lineChartMult"        
[39] "lt.d2e"                "mmy2hpr"              
[41] "n.period"              "npm"                  
[43] "npv"                   "pmt"                  
[45] "pv"                    "pv.annuity"           
[47] "pv.perpetuity"         "pv.simple"            
[49] "pv.uneven"             "quick.ratio"          
[51] "r.continuous"          "r.norminal"           
[53] "r.perpetuity"          "sampling.error"       
[55] "SFRatio"               "Sharpe.ratio"         
[57] "slde"                  "total.d2e"            
[59] "twrr"                  "volumeChart"          
[61] "was"                   "wpr"                  

Como citar FinCal en la tesis

citation("FinCal")

To cite package 'FinCal' in publications use:

  Felix Yanhui Fan (2016). FinCal: Time Value of Money, Time
  Series Analysis and Computational Finance. R package version
  0.6.3. https://CRAN.R-project.org/package=FinCal

A BibTeX entry for LaTeX users is

  @Manual{,
    title = {FinCal: Time Value of Money, Time Series Analysis and Computational
Finance},
    author = {Felix Yanhui Fan},
    year = {2016},
    note = {R package version 0.6.3},
    url = {https://CRAN.R-project.org/package=FinCal},
  }

ATTENTION: This citation information has been auto-generated from
the package DESCRIPTION file and may need manual editing, see
'help("citation")'.

Aplicar la funcion ALLUVIAL del simulador Rstudio, con el fin de entender la utilidad de la herramienta para el analisis de bases de datos.

EJECUCION

Buscamos una base de datos que queremos analizar con la funcion ALLUVIAL, sobre la base salarial de los empleados de una entidad educativa con filiales en distintas partes del mundo. La idea es realizar una comparativa de las personas que cobran por encima y por debajo del promedio. La base de datos original tuvimos que modificarla para que una de las variables independientes, en este caso el SALARIO (variable numerica), transformarla en dicotomica y asi obtener dos valores como resultado mayor o menor al promedio, debido a que solo pudimos utilizar dos colores distintivos en el grafico.

CODIGOS USADOS

library(alluvial)
library(readr)
#salarios1 <- read_delim("D:/Documentos/MBA 2016/4to semestre/Simulacion de Negocios/trabajo clase/final/salarios1.csv", 
#    ";", escape_double = FALSE, col_types = cols(Cargo = col_character(), Facultad = #col_character(), Freq = col_number(), Seccional = col_character(), `rango salario` = #col_character()), trim_ws = FALSE)

salarios1 <- read_delim("salarios1.csv", 
    ";", escape_double = FALSE, col_types = cols(Cargo = col_character(), Facultad = col_character(), Freq = col_number(), Seccional = col_character(), `rango salario` = col_character()), trim_ws = FALSE)
head(salarios1)
tit <- as.data.frame(salarios1, stringasfactor=FALSE) 

ENCABEZADO DE LA BASE DE DATOS

# A tibble: 4 x 5
  Seccional   Facultad       Cargo               `rango salario`  Freq
  <chr>       <chr>          <chr>               <chr>           <dbl>
1 Bucaramanga Administracion Aux. Tecnico        < $2.965.000        1
2 Medellin    Diseno         Tecnico             < $2.965.000        1
3 Monteria    Ingenieria     Aux. Administrativo < $2.965.000        1
4 Medellin    Administracion Docente             < $2.965.000        1

CODIGO PARA CREAR EL GRAFICO

alluvial(tit[,1:4], freq=tit$Freq, 
col = ifelse(tit$`rango salario` == "< $2.965.000", "lightblue", "pink"),
border = ifelse(tit$`rango salario` == "< $2.965.000", "lightblue", "pink"),
hide = tit$Freq == 0,
cex = 0.7)

GRAFICO OBTENIDO

plot of chunk unnamed-chunk-14

CONCLUSION

  • Desde la herramienta “R”, en su funcion “ALLUVIAL”, vemos que es muy poderosa a la hora de manejar informacion, organizarla y mostrar sus resultados. En contrapartida, es necesario aprender en lenguaje que se utiliza, por lo que en un comienzo puede ser una tarea un poco mas tediosa, pero que con practica se mejora sustancialmente.
  • Respecto a la informacion analizada, podemos decir que: La filial de Medellin tiene mayor cantidad de empleados que las otras. Las profesiones mejor remuneradas son Ingenierias, Publicidad, Derecho, Comunicacion, mientras que los menos remunerados son Administracion, Diseno y Medicina. Ademas puede visualizarse que los cargos mejor remunerados son: investigadores y Docentes.

Ejemplos de Manual

Un inversionista coloca $ 100 durante un año a una tasa de interés simple de 1.5% mensual pagadera mensualmente ¿Qué retribución obtiene durante el año?

I= 100*0.015*12
F=100 + I
F
[1] 118

Reinvesrión de dividendos

Considere el caso del inversionista del ejemplo anterior, pero suponiendo que recibe los intereses al final de cada mes y que los reinvierte inmediatamente en las mismas condiciones de la inversión inicial.¿Qué cantidad de dinero recibirá al cabo de un año ?

fv.simple(r = 0.015, n=12, pv = -100)
[1] 119.5618

Convertir de tasa Anual a Mensual

¿Cuál es la tasa de interés nominal anual de una inversión que ofrece el 1.5% de interés pagado al final de cada mes?

r.norminal(r = 0.015, 12) * 12
[1] 0.1801125

Plazo fijo

¿Cuál es la tasa efectiva anual de rendimiento de una inversión que ofrece un interés nominal anual del 8%, pagadero cada semestre vencido, pero que el interesado procede a reinvertirlo?

ear(r = 0.08, 2)
[1] 0.0816

Representación de inversiones de un proyecto

año<-c(2019,2020,2021,2022,2023,2024,2025,2026,2027,2028)

FFN1<-c(-940693,  186255,  186255,  186255, 37323,37323,37323,37323, 116482, 280651)

plot(año,FFN1,pch=19,cex=3,col="dark red")

plot of chunk unnamed-chunk-19

FinCal::pv.uneven(0.18,-FFN1)
[1] -322333.4

plot(año,FFN1,pch=19,cex=3,col=“dark red”)

Plot Inversión

plot(año,FFN1,pch=19,cex=3,col="dark red")

plot of chunk unnamed-chunk-20

FFN2<-c(-19132841, 5691206, -14230711, 16387818, 24645898)

plot(año[2:6],FFN2,pch=19,cex=3,col=rgb(.25, 0.5, .3))

plot of chunk unnamed-chunk-21

Comparación de Flujos Descontados

Valor Actual Neto

  • Cálculo del valor presente de una serie de flujo de caja desigual
FinCal::pv.uneven(0.3339,-FFN1)
[1] -414627.2
FinCal::pv.uneven(0.18,-FFN2)
[1] -1562583

Tasa Interna de Retorno

TIR

TIR1 = irr(FFN1)
TIR2 = irr(FFN2)

TIR1
[1] 0.03481718
TIR2
[1] 0.1487625

Visualización de Ambos Evaluadores

tir2<-c(0.148)

van2<-c(FinCal::pv.uneven(0.18,-FFN2))

plot(tir2,van2,pch=19,cex=3,col=rgb(.25, 0.5, .3))

plot of chunk unnamed-chunk-24

Modelos Determinísticos

Modelos estocásticos

length(FFN1)
[1] 10

Volatilidad <- scan()

Volatilidad <- c( 0.1 ,0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1.0)

Creación de Set de Datos

FFN_S <- matrix(rnorm(144,FFN1,Volatilidad), ncol=12, nrow=12, byrow=TRUE )

FFN_S[ ,1] <- rnorm(12, FFN1[1], 100*Volatilidad[1])

VAN Estocástico

# for (i in 1:12) { print(VAN_S[i]  <- FinCal::npv(0.18,FFN_S[i,] ))}
VAN_S <- c(0,0,0,0,0,0,0,0,0,0,0,0)
for (i in 1:12) { (VAN_S[i]  <- FinCal::npv(0.18,FFN_S[i,] ))}

hist(VAN_S)

plot of chunk unnamed-chunk-28

Resultado VAN para Opciones Reales

density(VAN_S)

Call:
    density.default(x = VAN_S)

Data: VAN_S (12 obs.);  Bandwidth 'bw' = 9.327e+04

       x                  y            
 Min.   :-1255818   Min.   :8.593e-09  
 1st Qu.:-1004394   1st Qu.:2.485e-07  
 Median : -752969   Median :1.167e-06  
 Mean   : -752969   Mean   :9.928e-07  
 3rd Qu.: -501544   3rd Qu.:1.561e-06  
 Max.   : -250120   Max.   :2.021e-06  

Resultado VAN para Opciones Reales

plot(density(VAN_S))

plot of chunk unnamed-chunk-30

TIR Estocastico

FinCal::npv(0.18,FFN_S[4,])

Tasa Interna de Retorno

Series de Tiempo

Estacionalidad y Kondratief

Ajustes de Series de Tiempo Periódicas

Uno de los aspectos m\'as poderosos de R-CRAN es la enorme cantidad de bibliotecas (library) que han sido refinadas y mejoradas por cientos de investigadores a lo largo del mundo.

Si bien es posible analizar la tendencia de una serie de tiempo con una hoja de c\'alculo , se hace complicado en los casos en que existe estacionalidad.

En este caso analizaremos un set de datos cl\'asico, los pasajeros de una l\'inea aerea.

Descomposición serie de tiempo

Pasajero de una low cost

f <- stl(AirPassengers, "periodic", robust=TRUE)
(outliers <- which(f$weights<1e-8))
 [1]  79  91  92 102 103 104 114 115 116 126 127 128 138 139 140
op <- par(mar=c(0, 4, 0, 3), oma=c(5, 0, 4, 0), mfcol=c(4, 1))

Ploteo de la Serie

plot(f, set.pars=NULL)

plot of chunk unnamed-chunk-32plot of chunk unnamed-chunk-32plot of chunk unnamed-chunk-32

sts <- f$time.series
points(time(sts)[outliers], 0.8*sts[,"remainder"]
       [outliers], pch="x", col="red")

plot of chunk unnamed-chunk-32

par(op) 

Código Utilizado

Series_Tiempo,fig=TRUE f <- stl(AirPassengers, “periodic”, robust=TRUE) (outliers <- which(f$weights<1e-8)) op <- par(mar=c(0, 4, 0, 3), oma=c(5, 0, 4, 0), mfcol=c(4, 1)) plot(f, set.pars=NULL) sts <- f$time.series points(time(sts)[outliers], 0.8*sts[,“remainder”] [outliers], pch=“x”, col=“red”) par(op) # reset layout @

\subsection{Interfaz Graficas de Ploteo} Existen muchas herramientas para que las personas que no desean trabajar con el lenguaje R puedan obtener gr\'aficos . Una de las m\'as utilizadas es RgraphR().

S\'olo basta ejecutarla para comenzas a usar su intuitivo menu

library(GrapheR) run.GrapheR()

Juego del Tomate (pasos)

  • 1 Establecer un inventario de hortalizas y dinero inicial
  • 2 Establecer una Estrategia
  • 3 Comenzar a negociar (comprar y vender)
  • 4 Declarar las operaciones en el sistema
  • 5 Registrar los datos y ver las noticias
  • 6 Retornar el paso 3

cadena2

Enregistrez soldes debut

  • Au début du jeu, il faut compter que nous avons

  • Il y a des joueurs qui ont plus d'argent, d'autres ont plus de produits

  • Chacun devrait bien penser à sa propre stratégie

Citrouille Pomme Noyer Poire Pastèque Tomate
Pallets 12 3 8 12 9
Argent $245

First Slide

Les jeu sérieux For more details on authoring R presentations please visit https://support.rstudio.com/hc/en-us/articles/200486468.

  • Bullet 1
  • Bullet 2
  • Bullet 3

Slide With Code

summary(cars)
     speed           dist       
 Min.   : 4.0   Min.   :  2.00  
 1st Qu.:12.0   1st Qu.: 26.00  
 Median :15.0   Median : 36.00  
 Mean   :15.4   Mean   : 42.98  
 3rd Qu.:19.0   3rd Qu.: 56.00  
 Max.   :25.0   Max.   :120.00  

Slide With Plot

plot of chunk unnamed-chunk-34