Árbol de Decisión

Visión General

El calculador de Árbol de Decisión utiliza análisis estadísticos impulsados por IA para identificar las causas principales de comportamientos específicos en procesos. Este poderoso calculador compara casos con un resultado objetivo contra todos los casos para descubrir qué valores de atributos se correlacionan más fuertemente con ese resultado. Calcula automáticamente ratios de riesgo, puntajes de probabilidad y métricas de fracción explicada para clasificar las posibles causas raíz según su poder explicativo.

Este es un calculador potenciado por IA que requiere definir un resultado mediante filtros, y luego analiza automáticamente sus datos para descubrir qué impulsa ese comportamiento.

Usos Comunes

Identificar factores que contribuyen a pagos tardíos
Entender causas raíz de retrabajos y actividades repetidas
Descubrir qué provoca escaladas de casos
Analizar patrones que causan violaciones de cumplimiento
Averiguar qué impulsa duraciones extendidas de casos
Investigar problemas de calidad y sus factores contribuyentes
Entender patrones de quejas de clientes

Configuraciones

Definición del Resultado

Número de Filtros: La cantidad de filtros preexistentes que definen su resultado objetivo. Si se establece en 0, utilice la Lista de Filtros a continuación para definir el resultado.

Lista de Filtros: Cuando Número de Filtros es 0, defina filtros que seleccionen casos que exhiben el comportamiento que desea analizar. Por ejemplo, cree un filtro para "Casos con Retrabajo" o "Casos que tardan más de 30 días".

Configuración de Entrada

Nombres de Columnas de Entrada: Especifique manualmente qué atributos de casos analizar como posibles causas raíz.

Entrada Automática: Cuando está activado, selecciona automáticamente las columnas apropiadas para el análisis basándose en tipos de datos y cardinalidad.

Umbrales de Análisis

Porcentaje Mínimo: La fracción mínima de casos que deben tener un valor de atributo para ser considerado (por defecto: 0.1% de casos).

Cantidad Mínima de Casos: El número mínimo de casos requerido para que un valor de atributo sea considerado (por defecto: 3 casos).

Umbral de Aumento de Probabilidad: El ratio de riesgo mínimo requerido para reportar una causa raíz (por defecto: 1.01, lo que significa un 1% más de probabilidad).

Umbral de Porcentaje Explicado: La fracción mínima de casos con resultado que deben tener el valor de atributo (por defecto: 1%).

Máximo de Causas Raíz: El número máximo de causas raíz a devolver (por defecto: 20).

Ejemplo

Encontrar Causas de Retrasos de Pago

Escenario: Desea entender por qué algunas facturas se pagan tarde mientras otras se pagan a tiempo.

Configuración:

Cree un filtro que defina "pagos tardíos" (por ejemplo, Fecha de Pago > Fecha de Vencimiento)
Configure el calculador de Árbol de Decisión para usar este filtro como resultado
Seleccione atributos a analizar: Proveedor, Departamento, Monto de Factura, Condiciones de Pago
Ejecute el análisis

Resultado:

El calculador genera resultados mostrando:

Atributo	Valor	Casos con Valor	Probabilidad de Resultado	Ratio de Riesgo	Fracción Explicada
Categoría Proveedor	Internacional	15% de todos los casos	45% son tardíos	3.2x	35% de pagos tardíos
Monto de Factura	> $50,000	8% de todos los casos	38% son tardíos	2.7x	18% de pagos tardíos
Departamento	Compras B	12% de todos los casos	32% son tardíos	2.3x	22% de pagos tardíos

Interpretación:

Los proveedores internacionales tienen 3.2 veces más probabilidad de tener pagos tardíos que el promedio
El 35% de todos los pagos tardíos involucran a proveedores internacionales
Las facturas de alto valor y un departamento específico también muestran un riesgo elevado

Perspectivas: El análisis revela que los proveedores internacionales, especialmente para facturas de alto valor, necesitan procesos de pago diferentes. El árbol de decisión ayuda a priorizar qué mejoras de proceso tendrán el mayor impacto.

Entendiendo las Métricas

Ratio de Riesgo (Aumento de Probabilidad)

El Ratio de Riesgo compara la probabilidad del resultado cuando un valor de atributo está presente frente a cuando está ausente:

Risk Ratio = P(Outcome | Value Present) / P(Outcome | Value Absent)

Ratio de Riesgo = 1.0: El valor de atributo no tiene efecto
Ratio de Riesgo = 2.0: Los casos con este valor tienen 2 veces más probabilidad de tener el resultado
Ratio de Riesgo = 0.5: Los casos con este valor tienen un 50% menos probabilidad de tener el resultado

Fracción Explicada

La Fracción Explicada muestra qué porcentaje de los casos con resultado tienen el valor de atributo:

Fraction Explained = (Cases with Outcome AND Value) / (Total Cases with Outcome)

Esto ayuda a priorizar: una causa raíz con alto ratio de riesgo pero baja fracción explicada solo afecta una pequeña parte de sus casos problemáticos.

Clasificación por Prioridad

Las causas raíz se clasifican como Alta, Media o Baja prioridad basándose en una combinación de:

Aumento de probabilidad (ratio de riesgo)
Fracción del resultado explicado
Significancia estadística (volumen de casos)

Modos de Visualización

Vista en Oración

Muestra explicaciones legibles para humanos de cada causa raíz:

"Los casos donde Categoría Proveedor = Internacional tienen 3.2 veces más probabilidad de ser pagos tardíos. Este atributo explica el 35% de todos los pagos tardíos."

Tabla de Estadísticas

Muestra todas las métricas calculadas en una tabla ordenable para análisis detallado.

Vista de Probabilidad de Resultado

Se enfoca en valores de atributos con los ratios de riesgo más altos, es decir, los que incrementan más dramáticamente la probabilidad del resultado.

Vista de Valor del Resultado

Se enfoca en valores de atributos que afectan al mayor número de casos, donde las mejoras tendrían el mayor impacto general.

Cómo Funciona

Cálculo de Frecuencia: Cuenta ocurrencias de cada valor de atributo en todos los casos y en los casos con resultado
Comparación de Probabilidades: Para cada valor, calcula la probabilidad del resultado cuando está presente vs cuando está ausente
Ratio de Riesgo: Calcula la razón entre estas probabilidades
Fracción Explicada: Calcula qué porción de casos con resultado tienen cada valor
Filtrado por Umbrales: Remueve resultados por debajo de los umbrales configurados
Clasificación: Ordena por poder explicativo (combinación de ratio de riesgo y fracción explicada)

Mejores Prácticas

Definiendo Buenos Resultados

Sea específico: "Pagos con más de 7 días de retraso" es mejor que "Pagos tardíos"
Asegure suficiente volumen de casos: Necesita suficientes casos con resultado para validez estadística
Pruebe diferentes definiciones para ver si cambian las causas raíz

Selección de Columnas de Entrada

Incluya atributos categóricos (proveedor, departamento, estado)
Incluya atributos numéricos discretizados (rangos de monto, categorías de duración)
Excluya columnas con demasiados valores únicos (IDs, texto libre)
Comience con selección automática, luego refine según resultados

Interpretación de Resultados

Busque ratios de riesgo altos Y fracción explicada alta juntos
Considere el contexto del negocio: ¿es la causa raíz identificada accionable?
Valide hallazgos con expertos de proceso antes de actuar
Use el desglose para examinar casos subyacentes

Salida

El calculador proporciona múltiples formatos de salida:

Tabla de Árbol de Decisión: Todas las causas raíz ordenadas por poder explicativo
Tabla de Probabilidad de Resultado: Valores con ratio de riesgo más alto con desglose de casos
Tabla de Valor de Resultado: Valores más impactantes por conteo de casos con desglose
Texto Resumen: Resumen legible para humanos para presentaciones

Características interactivas:

Haga clic en filas para ver casos subyacentes
Ordene por diferentes métricas
Exporte resultados para análisis adicional
Cree recomendaciones a partir de causas raíz identificadas

Esta documentación forma parte de la plataforma de minería de procesos mindzie Studio.