Redes Neuronales Y La Gestin Del Riesgo

1. Riesgo

El riesgo se puede definir como la combinacin de la probabilidad de un suceso

y sus consecuencias (Gua ISO/CEI 73). En todos los tipos de empresa existe
un potencial de sucesos y consecuencias que constituyen oportunidades para
conseguir beneficios (lado positivo) o amenazas para el xito (lado negativo). Se
reconoce cada vez ms que la gestin de riesgos trata tanto los aspectos
positivos como los negativos de los riesgos. Por lo tanto, los presentes
estndares consideran el riesgo desde ambas perspectivas. En el campo de la
seguridad, se suele admitir que las consecuencias son slo negativas, por lo que
la gestin de riesgos de seguridad se centra en la prevencin y en la mitigacin
del dao.

2. Gestin de riesgos:

La gestin de riesgos es una parte esencial de la gestin estratgica de cualquier

empresa. Es el proceso por el que las empresas tratan los riesgos relacionados
con sus actividades, con el fin de obtener un beneficio sostenido en cada una de
ellas y en el conjunto de todas las actividades. Una gestin de riesgos eficaz se
centra en la identificacin y tratamiento de estos riesgos. Su objetivo es aadir
el mximo valor sostenible a todas las actividades de la empresa. Introduce una
visin comn del lado positivo y del lado negativo potenciales de aquellos
factores que pueden afectar a la empresa. Aumenta la probabilidad de xito y
reduce tanto la probabilidad de fallo como la incertidumbre acerca de la
consecucin de los objetivos generales de la empresa. La gestin de riesgos
tiene que ser un proceso continuo y en constante desarrollo que se lleve a cabo
en toda la estrategia de la empresa y en la aplicacin de esa estrategia. Debe
tratar metdicamente todos los riesgos que rodeen a las actividades pasadas,
presentes y, sobre todo, futuras de la empresa. Debe estar integrada en la cultura
de la empresa con una poltica eficaz y un programa dirigidos por la alta
direccin. Tiene que convertir la estrategia en objetivos tcticos y operacionales,
asignando responsabilidades en toda la empresa, siendo cada gestor y cada
empleado responsable de la gestin de riesgos como parte de la descripcin de
su trabajo. Respalda la responsabilidad, la medida y la recompensa del
rendimiento, promoviendo as la eficiencia operacional a todos los niveles.

3. Factores externos e internos:

Los riesgos a los que se enfrenta una empresa y sus operaciones pueden
resultar de factores tanto internos como externos a la empresa. La tabla que
sigue recoge ejemplos de riesgos clave en estas reas y muestra que algunos
riesgos especficos pueden verse afectados por factores internos y externos y,
por ello, abarcan las dos reas. Se pueden clasificar en diferentes categoras de
riesgo tales como: de azar, financieros, operacionales, estratgicos, etc.

4. Gerencia del riesgo

Riesgo es la probabilidad de ocurrencia de cualquier evento interno o externo en

una organizacin que nos afecta en tiempo, costo, calidad y alcance. La
Gerencia del riesgo es la administracin de esos eventos en donde los directores
o gerentes tienen toda la responsabilidad directa en todos los planes y acciones
preventivas para gestionar o disminuir que cuando se presente un riesgo puedan
aplicar medidas correctivas.
Al momento que se planea un proyecto no se est seguro de que puedan ocurrir
todas las actividades, de acuerdo a esto, todo sera un riesgo, pero no se
consideran as realmente por practicidad, por la misma regla de probabilidad de
ocurrencia.
En la administracin del riesgo, se hace un plan preventivo para asegurar la
supervivencia del negocio, preservando los recursos humanos y recursos
patrimoniales de la empresa. Con la gerencia del riesgo se busca utilizar en
forma efectiva y eficiente los recursos de la organizacin cuando se identifica en
una matriz esas posibles situaciones en las que se puedan suscitar eventos
desde el punto de vista social.
A nivel de manejo de la informacin el riesgo hay que mitigarlo garantizando la
confiabilidad y oportunidad de los datos en la compaa, alrededor del manejo
de la informacin se deben ejecutar planes correctivos; algunas personas tienen
cargos esenciales respecto a este tema, dicho personal tiene un protocolo de
seguridad, plan y estrategia.
Los beneficios de la gerencia de riesgos se ven en que la empresa puede evaluar
el costo respecto a lo que la compaa va a recibir por prevenir. La mayora de
las empresas toman acciones correctivas y no preventivas, hay empresas que
desarrollan mecanismos en planes de emergencia y seguridad industrial pero
nicamente cuando acontecen ocurrencias de alto impacto en las instalaciones,
por ejemplo los incendios.

5. Fases de la Gerencia de Riesgos

La Gerencia de Riesgos genera un mtodo de gestin del riesgo organizado en

fases sucesivas que proporcionan a la empresa las herramientas necesarias
para afrontar sus riesgos.

6. Fases de la Gerencia de Riesgos

a) Identificacin
El primer paso es conocer detalladamente la organizacin, sus actividades y su
entorno para identificar los riesgos que pueden afectarla (positivos y negativos),
describirlos-clasificarlos y estimar sus consecuencias (orgenes, personal
involucrado, etc.)

b) Anlisis
El resultado del anlisis nos permitir conocer los efectos previsibles de cada
riesgo/clase de riesgos sobre la organizacin (de acuerdo con la experiencia de
expertos, con casos anlogos de empresas del mismo sector, etc.)

c) Reduccin/Eliminacin
Conocidos los riesgos y evaluados sus efectos potenciales, habr que estudiar
qu medidas puede aplicar la organizacin para su reduccin o eliminacin.
La adopcin de medidas de prevencin y protocolos de control y de calidad
permitirn actuar tanto en la ocurrencia de los riesgos, como en la severidad de
sus consecuencias.

d) Asuncin/Transferencia
Una vez conocidos los riesgos, definidos sus causas y reducidos, la organizacin
deber gestionarlos, asumindolos o transfirindolos, siempre que sea posible,
a terceros (si es viable econmicamente o de acuerdo con su inters
estratgico).

Alcanzado este punto, la Gerencia de Riesgos se convierte en una herramienta

bsica para la gestin estratgica de la organizacin: la organizacin es un ente
vivo, que desarrolla su actividad en un entorno en constante evolucin, y la
Gerencia de Riesgos integrada en su estructura operativa y jerrquica le
proporciona la capacidad de adaptacin que necesita.
Como el propio grfico indica, la Gerencia de Riesgos es un proceso continuo
que se retroalimenta de la experiencia de los aos anteriores en la definicin de
la poltica de gestin de riesgos para los aos venideros. De esta forma, la
empresa mejora su conocimiento y capacidad de gestin de riesgos y se prepara
para gestionar los nuevos riesgos que aparecern en su camino.
 7. Concepto de red neuronal

Las redes neuronales artificiales (RN) son sistemas paralelos para el procesamiento
de la informacin, inspirados en el modo en el que las re- des de neuronas
biolgicas del cerebro procesan informacin.
Se ha podido comprobar que el cerebro humano es superior a los ordenadores en
muchas tareas. Por ejemplo, en el procesamiento de informacin visual: un nio de
1 ao reconoce objetos, caras, mejor y ms rpidamente que el mejor sistema de
Inteligencia Artificial diseado para dicha tarea, incluso ejecutndose en un
avanzado ordenador. Es en las tareas basadas principal- mente en aritmtica
sencilla, donde los ordenado- res sobrepasan el cerebro humano
Las RN deben tener as unas caractersticas similares a las del cerebro:
Robustas y tolerantes a fallos. En el cerebro mueren todos los das gran cantidad
de neuronas sin afectar sensiblemente a su funcionamiento.
Flexibles. El cerebro se adapta a nuevas circunstancias mediante el aprendizaje.
Podrn trabajar con informacin borrosa, incompleta, probabilstica, con ruido o
inconsistente.
Sern altamente paralelas. El cerebro est formado por muchas neuronas
interconecta- das entre si y es precisamente el comportamiento colectivo de todas
ellas lo que caracteriza su forma de procesar la informacin.
Las aplicaciones principales estarn centradas en campos donde la inteligencia
humana no pueda ser emulada de forma satisfactoria por algoritmos aritmticos que
pueden ser implementados en ordenadores. El punto clave de las RN es la nueva
estructura de estos sistemas para el procesamiento de la informacin.
Las RN estn compuestas, al igual que el cerebro, por un nmero muy elevado
de elementos bsicos (las neuronas), altamente interconectadas entre ellos y con
modelo de respuesta para cada elemento en funcin de su entorno muy parecido al
comportamiento de las neuronas biolgicas. Estos modelos son simulados en
ordenadores y es el comportamiento colectivo de todos los elementos lo que le
confiere esas caractersticas tan peculiares para la resolucin de problemas
complejos. Las RN, como las personas, aprenden a partir de ejemplos.
 8. Proceso de aprendizaje de las redes neuronales

El proceso de estimar las mejores ponderaciones para la red neuronal es el

llamado entrena miento o aprendizaje.
El acercamiento usado por el software comercial para estimar las ponderaciones
o esos es el backpropagation.
En cada ciclo de red con los datos de entrena- miento, se produce un valor
predicho para la variable designada. Este valor se compara con el valor real para
la variable designada y se calcula el error para cada observacin.
Los errores son realimentados a travs de la red y se calculan las nuevas
ponderaciones para reducir el error global.
El proceso de entrenamiento es realmente un procedimiento de optimizacin
estadstico

9. Ventajas E Inconvenientes De Las Redes Neuronales

Debido a su constitucin y a sus fundamentos, las redes neuronales artificiales

presentan un gran nmero de caractersticas semejantes a las del cerebro.
La ventaja ms importante de las redes neuronales es que pueden utilizarse para
la solucin de problemas que son demasiado complejos para las tcnicas
convencionales: problemas que no tienen un algoritmo especfico para su
solucin, o cuyo algoritmo es demasiado complejo para ser encontrado. Por lo
tanto, son de especial utilidad cuando existen grandes cantidades de datos y
mucha incertidumbre en cuanto a la manera de cmo estos son producidos.
Entre las ventajas se incluyen:
Aprendizaje Adaptativo. Capacidad de aprender a realizar tareas basadas en un
entrenamiento o en una experiencia inicial.
Tolerancia a fallos. La destruccin parcial de una red conduce a una degradacin
de su estructura; sin embargo, algunas capacidades de la red se pueden retener,
incluso su- friendo un gran dao.
Operacin en tiempo real. Los cmputos neuronales pueden ser realizados en
paralelo; para esto se disean y fabrican mquinas con hardware especial para
obtener esta capacidad
Fcil insercin dentro de la tecnologa existente. Se pueden obtener chips
especializados para redes neuronales que mejoran su capacidad en ciertas
tareas. Ello facilitar la integracin modular en los sistemas existentes.

Cuadro 1. Ventajas e Inconvenientes

Ventajas Inconvenientes
Universalidad de la funcin de aproximacin. Es preciso conocer bien el problema que se desea
Capacidad de representar cualquier dependencia modelar
funcional

El efecto caja negra black box Los datos entran

en la caja negra y se obtienen las predicciones,
Trabajan con gran cantidad de variables y datos pero no se revela normalmente la naturaleza de
las relaciones entre las variables independientes y
dependientes. En algunos casos las redes
neuronales no dan explicaciones, al igual que en
otros planteamientos tradicionales
Disponen de gran poder de prediccin Los procesos son muy largos
Autoorganizacin. Una red neuronal puede crear
su propia organizacin o representacin de la
informacin que recibe mediante una etapa de
aprendizaje

Son explicativos Requieren la definicin de muchos parmetros

antes de poder aplicar la metodologa

Pueden ser no lineales y por lo tanto son capaces

de representar mejor cualquier comportamiento
que los modelos lineales

Aprendizaje adaptativo: disponen de capacidad

de aprendizaje (automtica), que elimina la
necesidad de adaptacin de los sistemas expertos

Las entradas de datos se incorporan directamente

al software de prediccin, sin interpretacin
o modificacin. (no interviene un experto que
realiza previamente un modelo mental)
Resistencia a una cierta falta de fiabilidad de los
datos
 Posibilidades de la variable de prediccin,
clasificacin
Menos trabajo personal que en la aplicacin de
estadstica clsica
Aplicacin a la segmentacin, determinando por si
mismas cuantos cluster encierran cada clase

Comportamiento aceptable cuando no se dispone

de una fiable base de datos. Posibilidad de tratar
de completar los datos mediante redes

Mas fcil que al anlisis multivariante

Facilidad de anlisis y modelizacin de las

relaciones espaciales, geogrficas, etc.

El modelo obtenido es continuo y derivable por lo

que se presta bien a la visualizacin, con
indudables aplicaciones prcticas

Se puede demostrar que la regresin lineal y

logstica son casos particulares de las redes
neuronales

10. Las Aplicaciones Empresariales De Las Redes Neuronales

Es un sistema compuesto por un gran nmero de elementos bsicos, agrupados

en capas y que se encuentran altamente interconectados; Esta estructura posee
varias entradas y salidas, las cuales sern entrenadas para reaccionar (valores
OUTPUT), de una manera deseada, a los estmulos de entrada (valores INPUT).
Las redes neuronales son de utilidad para sistemas que son slo parcialmente
conocidos, que producen una cantidad inmensa de datos; estos datos con
frecuencia contienen valiosa informacin.
Las soluciones de software de prediccin estn basadas en una combinacin de
redes reglas bases y nerviosas.
Si se construyen las redes neuronales de los datos histricos; la red es entonces
especializada para que reconozca qu entradas tienen un efecto significativo
en la prediccin.
La red nerviosa descubre automticamente no slo las relaciones lineales
aditivas entre los datos sino tambin las relaciones no lineales.
De los datos histricos, la red aprende a combinar las variables independientes
para producir el resultado deseado. La red empieza entrenando haciendo las
predicciones con los pesos al azar ajustados. Compara sus predicciones
entonces con los resultados conocidos y ajusta cada ponderacin para que
cause menos error. Despus de repasar miles de ejemplos en innumerables
situaciones de tiempo, la red aprende los modelos y tendencias que le permiten
que haga las pre- dicciones exactas. En general se trata de la sustitucin de la
estadstica clsica y de modelos lineales por las RN en diversos procesos
empresariales.
Las RN pueden ser combinadas con otras herramientas de la Inteligencia
Artificial(IA), tal como la lgica difusa (lgica fuzzy), los algoritmos genticos y
los sistemas expertos

Cuadro 2. Resumen de aplicaciones empresariales de las redes neuronales

Riesgo operacional Credibilidad Credit scoring: Riesgo en funcin
Anlisis de supervivencia de un historial
Prediccin del comportamiento
Seguros Banca de nuevos clientes
Seleccin de buenas clases de
riesgo
Riesgo operacional

Anlisis de datos y clasificacin Ayuda al diagnostico Diagnstico

Gestin de costes en proyectos clnico
de construccin Anlisis de Imgenes e
Ingeniera Qumica Ingeniera interpretacin Anlisis de
Ciencia Elctrica Climatologa Medicina y seales e interpretacin
e Ingeniera Conduccin automtica de salud Desarrollo de medicamentos
vehculos Reaccin qumica a Desarrollo de drogas
productos Sistemas dinmicos (anticancergenos y otras)
Control Distribucin de recursos
Interpretacin de seales
 Predicciones Anlisis sociodemogrficos de la
Medida de la volatilidad Precio de clientela
opciones Gestin de acciones Ciblaje de mailing y ciblaje de
Formacin y Gestin de carteras marketing
Finanzas Clasificacin-Agencias de Rating Marketing Campanas de venta Prediccin
Prediccin de riesgos de fidelizacin Venta cruzada
Gestin de Fondos de Pensiones Minera de datos Investigaciones
y Fondos de Inversin de mercado con campos en
blanco
Prediccin de la criminalidad Optimizacin de rutas.
Anlisis de las informaciones Optimizacin en la distribucin
fiscales. Deteccin del fraude de recursos
fiscal y de otro tipo. Sistema Inteligente de gestin de
Predicciones econmicas stocks
Administracin Proyeccin de prestaciones de Transportes y Prediccin de stocks
Pblica los sistemas de salud Comunicacione
Proyeccin de prestaciones s
sociales Anlisis de los riesgos
Predecir la demanda de servicios
pblicos
Gestin de recursos
Prediccin consumode agua
elctrico Anlisis de olor y aroma
Distribucin recursos hidrulicos Perfiles de clientes en funcin de
Energa para la produccin elctrica Alimentacin su compra
Prediccin de consumo de gas, Desarrollo de productos Control
etc. de Calidad

Prediccin del tiempo Modelos Reconocimiento de caracteres

de prediccin impresos mecnicamente
Reconocimiento de grficos
Meteorologa Tratamiento de Verificacin de firmas
textos y Reconocimiento de caracteres
proceso de escritos a mano
formas Reconocimiento de escritura
manual cursiva
OCR
 Prediccin de la demanda Prediccin de la demanda de un
de un producto. Planificacin de servicio
la produccin
Industria Planificar los avisos y alarmas Industria
manufacturera de las mquinas y reactores de servicios
qumicos Control de procesos
Control de calidad Control de
robots

CONCLUSIN
En resumen, las soluciones de software de RN, software de prediccin en
combinacin con otras tcnicas permitirn a las empresas mejorar la gestin de
riesgos, los procesos y su rentabilidad, efectuando una mejor prestacin de
servicios y productos adaptados.
La mejora creciente de la rentabilidad se obtiene a travs de la reduccin de riesgo,
eficacia de los procesos, la capacidad de gestin y la mejora de los productos con
diseos ms eficaces.

Anlisis de riesgos Comprende la identificacin, descripcin y estimacin de

riesgos. 4.1 Identificacin de riesgos La identificacin de riesgos se propone
identificar la exposicin de una empresa a la incertidumbre. Ello requiere un
conocimiento detallado de dicha empresa, del mercado en el que opera, del
entorno legal, social, poltico y cultural que le rodea, as como el desarrollo de
una visin comn coherente de su estrategia y de sus objetivos operacionales,
incluyendo los factores crticos para su xito y las amenazas y oportunidades
relacionadas con la consecucin de estos objetivos. Hay que enfocar la
identificacin de riesgos de forma metdica para asegurarse de que se han
identificado todas las actividades importantes de la organizacin y que se han
definido todos los riesgos que implican dichas actividades. La volatilidad
relacionada con estas actividades debe ser identificada y categorizada. Las
actividades y decisiones empresariales pueden clasificarse en distintas
categoras, que incluiran las siguientes: Estratgicas: Se refieren a los
objetivos estratgicos a largo plazo de la empresa. Pueden estar condicionadas
por reas como la disponibilidad de capital, los riesgos polticos y soberanos, los
cambios legales y de regulacin, la reputacin y los cambios en el entorno fsico.
Operacionales: Se refieren a los problemas cotidianos a los que se enfrenta la
empresa al esforzarse por conseguir sus objetivos estratgicos. Financieras:
Se refieren a la gestin efectiva y al control de las finanzas de la empresa as
como a los efectos de factores externos como la disponibilidad de crdito, los
tipos de cambio de las divisas, los movimientos de los tipos de inters y otras
exposiciones al mercado. Gestin del Conocimiento: Se trata de la gestin
efectiva y del control de los recursos del conocimiento, la produccin, proteccin
y comunicacin de los mismos. Los factores externos pueden incluir el uso sin
autorizacin o el abuso de la propiedad intelectual, los fallos en el rea de
energa y la competencia tecnolgica. Entre los factores internos se pueden
incluir el mal funcionamiento de los sistemas o la prdida de personal clave.
Conformidad: Se refiere a temas como salud y seguridad, medioambiente,
descripcin comercial, proteccin del consumidor, proteccin de datos, prcticas
de empleo y temas de regulacin. Mientras que la identificacin de riesgos
pueden llevarla a cabo consultores externos, es muy probable que un enfoque
interno con procesos y herramientas coherentes, coordinados y bien
comunicados, resulte ms eficaz. La "propiedad" interna del proceso de gestin
de riesgos es esencial. 4.2 Descripcin de riesgos El objetivo de la descripcin
de riesgos es mostrar los riesgos identificados de una forma estructurada, por
ejemplo, utilizando una tabla. La tabla de descripcin de riesgos que figura a
continuacin, se puede utilizar para facilitar la descripcin y valoracin de
riesgos. El uso de una estructura bien diseada es necesario para asegurar un
proceso exhaustivo de identificacin, descripcin y valoracin de riesgos. Al
tener en cuenta la consecuencia y probabilidad de cada uno de los riesgos que
constan en la tabla, debera ser posible dar prioridad a los riesgos clave que
tienen que ser analizados con ms detalle. La identificacin de los riesgos
asociados a las actividades empresariales y la toma de decisiones se puede
calificar como estratgica, tctica u operacional. Es importante incorporar la
gestin de riesgos en la fase de concepcin de los proyectos as como a lo largo
de la vida de un proyecto especfico.