A little big difference

Enriqueta Vercher González

Departamento de Estadística e Investigación Operativa
Universitat de València

enriqueta.vercher@uv.es 

 Abstract

  A reflection on the future of the profession of operational researcher and statistician is presented. Concerning what EIO professionals will need, the advantages and opportunities they can count on and the challenges involved in solving the problems that 21st century society will demand of them.

 Introducción

 

Antes de que comiencen a leer estas líneas, debería señalar que me ha sorprendido la petición de los editores de nuestro Boletín para que escriba mi opinión sobre la profesión. Mi visión sobre el tema puede resultar bastante sesgada por diferentes motivos. Me considero una profesora e investigadora dedicada a la optimización y a la extensión del conocimiento en temas de Investigación Operativa, aunque también me ha preocupado el tratamiento de la incertidumbre, la predicción de resultados y la estimación de riesgos. He trabajado en estos temas desde una perspectiva fundamentalmente académica, lo que añade otro sesgo en cuanto a la importancia que le concedo a una buena formación matemática de las y los investigadores operativos y estadísticos.

Mi trayectoria y experiencia docentes se han centrado en asegurar que los y las estudiantes recibiesen una buena formación en los diversos niveles de educación superior en los que he podido participar (licenciatura, grado, máster y doctorado), y en el acompañamiento de las y los futuros profesionales. Como responsable del programa de Doctorado Interuniversitario en Estadística y Optimización (Universitat de València y Universidad Politécnica de Valencia) tuve la oportunidad de relacionarme con estudiantes de ambas áreas del conocimiento, y comprobar que esos doctorandos y doctorandas, nuestro futuro como Sociedad, trabajan francamente duro para resolver eficazmente los problemas para los que las empresas, las instituciones y la sociedad reclaman buenas soluciones.

En estas líneas, me gustaría poder responder a una doble pregunta, que concierne a qué necesitarían los y las profesionales en Estadística e Investigación Operativa (EIO), y en qué dirección se debería avanzar para conseguir un mayor reconocimiento al trabajo de nuestros profesionales.

 

 

 

 

Reflexiones sobre la profesión 

 

 

 

 

 

 

 

 

 

 

 

 

En primer lugar, respecto de la definición y el ámbito de actuación de ambas profesiones, creo que la sociedad actual reconoce y aprecia la profesión del experto o experta estadística, así como el papel de la Estadística, en los diferentes ámbitos del conocimiento. Este hecho no suele estar tan claro en el caso de la Investigación Operativa (IO) y de sus profesionales. Un simple paseo por los menús de la web de nuestra Sociedad (https://www.seio.es) permite visualizar esa diferencia de actuación para ambas disciplinas. En cuanto a lo que se entiende por IO, me gusta la definición de que se trata de la ciencia que permite tomar mejores decisiones, basándose en el análisis científico de los datos (https://www.theorsociety.com/).

 

 

 

 

 

 

 

 

 

 

 

No debería quedar duda, pues, de que los y las profesionales de ambas disciplinas (EIO) necesitan tener un buen conocimiento del lenguaje de los datos y de las herramientas que nos permiten entenderlos e interpretarlos. Y, en mi opinión, eso implica tener un conocimiento profundo del lenguaje que nos proporcionan las matemáticas para modelizar y poder representar adecuadamente todas las facetas de los problemas complejos que se plantean en los diferentes ámbitos del conocimiento: salud, gestión, negocios, industria, etc. No es una idea demasiado original, pero creo que se necesita una buena base en Matemáticas para poder avanzar en la comprensión y resolución de los problemas de la vida real, sin olvidar por supuesto la formación en Estadística y en Investigación Operativa. Asimismo, se trata de que los y las profesionales de EIO posean una buena formación teórica en conceptos básicos y fundamentales, para que sean capaces, no solo de aplicar metodologías establecidas, sino de desarrollar nuevos conceptos, procedimientos y herramientas para enfrentarse a los retos del futuro.

 Una buena formación en Matemáticas puede marcar la diferencia, profundizando los contenidos en Probabilidad y Estadística Matemática, en Programación Matemática y en Modelización de sistemas complejos, para afrontar los retos que indefectiblemente se les plantearán como científicos a las y los profesionales de EIO. Creo, además, que es un valor añadido el hecho de que nuestros profesionales puedan formarse simultáneamente en Estadística y en Optimización. Esta formación y el adecuado acompañamiento en el aprendizaje de procedimientos para la incorporación de la incertidumbre en los problemas de optimización clásicos, y/o la propuesta de algoritmia, modelización y procedimientos de resolución para el análisis de datos masivos, es una oportunidad que no debería desaprovecharse. En mi opinión, esa es la ‘pequeña gran diferencia’, en la que radica la ventaja competitiva que deberíamos proporcionar a los y las profesionales de EIO.

 

 

 

 

 

 

 

 

 

 

Nuestros profesionales saben analizar bases de datos, resolver problemas complejos y ayudar en la toma de decisiones, aunque en muchas ocasiones los problemas los plantean profesionales de otras áreas de conocimiento, con otro lenguaje, con otras expectativas, y también, con otro timing respecto de la necesidad de soluciones (factibles, y buenas, aunque no óptimas, rápidamente alcanzables, etc.). Trabajar en equipos multidisciplinares resulta imprescindible en ocasiones, lo que nos obliga a recapacitar sobre la cuestión de si prestamos la suficiente atención a este hecho cuando se plantea la formación de las y los profesionales de EIO, para que sean capaces de sacar el máximo partido a su formación y a su capacidad participando en la toma de decisiones en esos contextos.

 

 

 

 

 

 

 

Una cuestión más específica de la Investigación Operativa se refiere al marketing de nuestra profesión, que no parece haber alcanzado un gran reconocimiento. Para resolver este pequeño contratiempo podemos interactuar con una nueva profesión que aparentemente solapa su rango de aplicación con la de los y las profesionales de EIO: la ciencia de datos. Los estudios en Ciencia de Datos, en sus diferentes denominaciones según la institución en que se impartan, pueden ser una oportunidad para salvar la brecha del reconocimiento de nuestros profesionales, aunque ello suponga implicarse directamente en esas titulaciones. No se trata de competir, sino de colaborar, complementar y compaginar diferentes áreas y niveles de conocimiento para lograr mejores soluciones. Como ejemplo de esa estrategia podríamos citar algunos eventos: el congreso “New Bridges between Mathematics and Data Science” (http://nbmds.uva.es), la realización de seminarios insistiendo en la necesidad de las matemáticas para el desarrollo de nuevas tecnologías (véase, por ejemplo, “Online Seminar Series Machine Learning NeEDS Mathematical Optimization”, https://congreso.us.es/mlneedsmo/), y otras iniciativas semejantes en las que participan un buen número de compañeros y compañeras, profesionales de EIO.

 

 

 

 

En resumen, se debería seguir avanzando en estas líneas: (i) proporcionando a nuestros estudiantes una sólida formación matemática en las universidades, (ii) estableciendo postgrados especializados en Estadística y en Investigación Operativa, en los que colaboren distintas universidades, y para los que se asegure la participación de profesionales de otras áreas de conocimiento que las estén aplicando (EIO) en su trabajo cotidiano, y (iii) acompañando a nuestros futuros profesionales en las primeras etapas de su formación. Finalmente, pero no menos importante, consiguiendo financiación suficiente para los y las estudiantes de doctorado (contratos de investigación pre-doctorales), para contratos post-doctorales en nuestras universidades e instituciones, y para estancias de investigación en el extranjero. Todo ello con el propósito de que el talento de nuestros profesionales y su trabajo puedan desarrollarse en nuestro país, si esa es su decisión. Si fallamos en alguna de estas etapas, estaremos desperdiciando talento como sociedad, y renunciando a progresar como sociedades profesionales.

 

 

 

 

 

 

Agradecimientos 

 

Muchas gracias a todas las compañeras y compañeros, profesionales de EIO, con los que he podido dialogar, reflexionar y colaborar a lo largo de toda mi trayectoria académica y profesional para conseguir visibilizar nuestro trabajo, desde la Universitat de València y a través de la Sociedad de Estadística e Investigación Operativa.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Más BEIO

Uso de app’s para recogida de datos en la estadística oficial

Los institutos oficiales de estadística europeos han realizado un gran esfuerzo durante los últimos años para adaptarse al avance de las nuevas tecnologías estableciendo un nuevo canal de recogida de datos basados en cuestionarios web de auto-cumplimentación. Eustat, el Instituto Vasco de Estadística, lleva trabajando desde el año 2017 en el desarrollo de app’s para teléfonos móviles.

New advances in set estimation

Some recent advances in Set Estimation, from 2009 to the present, are discussed. These include some new findings, improved convergence rates, and new type of sets under study. Typically, the theoretical results are derived under some shape constrains, such as r-convexity or positive reach, which are briefly reviewed, together with some other new proposals in this line. Known constraints on the shape, such as r-convexity and positive reach, as well as recently introduced ones are discussed. The estimation of the home-range of a species, which is closely related to set estimation, is also explored, and statistical problems on manifolds are covered. Commentary and references are provided for readers interested in delving deeper into the subject.

Problemas de Elección Social en el Contexto de los Problemas de Asignación

En este trabajo proponemos un método de elección social basado en el problema de asignación de la investigación de operaciones, en particular consideramos un proceso de votación donde los votantes enumeran según sus preferencias a cada uno de los n candidatos disponibles, luego entonces nosotros construimos una matriz de asignación donde las “tareas” por realizar son los puestos 1,2,…n; siendo el puesto número 1 el principal y el n-ésimo el de menor jerarquía. El valor de la posición ij de la matriz se obtiene considerando el número de veces que el candidato i fue seleccionado para “ocupar” el puesto j. Así obtenemos una matriz de rendimiento y se busca la mejor asignación. Usamos bases de datos obtenidos de algunos procesos de elección en los Estados Unidos de América y comparamos los resultados que se obtendrían con nuestra propuesta, adicionalmente se construyen ejemplos para demostrar que nuestro método no es equivalente a los métodos de Borda, Condorcet y mayoría simple.

Técnicas de diferenciabilidad con aplicaciones estadísticas

En esta tesis doctoral se han explorado diferentes aplicaciones del conocido Método delta (Capítulo 2). En concreto, se han calculado las derivadas de Hadamard direccional de diferentes funcionales de tipo supremo en diferentes contextos. A continuación, se han investigado aplicaciones a inferencia no-paramétrica (Capítulo 3), a los problemas de dos muestras u homogeneidad (Capítulo 4) y a la metodología de k-medias (Capítulo 5).

Relevance and identification of biases in statistical graphs by prospective Primary school teachers

El enorme poder de visualización de la información basada en datos representada mediante gráficos estadísticos, hace especialmente interesante el estudio del entendimiento de dicha información por parte de los ciudadanos que se enfrentan a ella día a día. Al mismo tiempo, en el ámbito de didáctica de la estadística se investiga para conocer cómo se produce la transferencia de conocimiento estadístico en la escuela. Así, aunando ambos fines, el propósito del presente estudio exploratorio es observar el grado de alfabetización estadística que poseen los futuros maestros en base a la evaluación de los gráficos estadísticos, frecuentemente utilizados en los medios de comunicación, y la identificación de los sesgos que debido a su visualización selectiva de los datos a veces estos presentan. Los resultados muestran, de forma implícita, una aceptable identificación de convenios para cada gráfico estudiado mientras que evidencia una muy pobre identificación de sesgos o errores en dichas imágenes. Con ello se deduce una necesidad de refuerzo educativo en cuanto a la enseñanza y aprendizaje de la estadística, concretamente, en los estudiantes del Grado de Educación Primaria para, mediante ello, conseguir ciudadanos con una alfabetización estadística funcional desde la escuela.

Learning to build statistical indicators from open data sources

The paper presents the building of several statistical indicators from different Open Data sources, all of them using a common methodological approach to estimate changes across time. The purpose is to show the problems that must be addressed when using these data and to learn about the different ways to cope with them, according to the type of information, the data available and the aim of the specific indicator. The raw data come from diverse secondary sources that make it publicly accessible: traffic sensors, multichannel citizen attention services, Twitter messages and scraped data from a digital newspapers’ library website. The built indicators may be used as proxies or lead indicators for economic activities or social sentiments.