Proposed extended analytic hierarchical process for selecting data science methodologies

Abstract

Decision making can present a considerable amount of complexity in competitive environments; where methods that support possess great relevance. The article presents an extension of the Hierarchy Analytical Process; complemented with Personal Construct Theory, which purpose is to reduce ambiguity when defining and establishing values for the criteria in a determined problem. In recent years, the scope for decision making based on data has considerably raised, which is why Data Science as a scientific field is rising in popularity; where one of the main activities for data scientists is selecting an adequate methodology to guide a project with this traits. The steps defined in the proposed model guide this task, from establishing and prioritizing criteria based on degrees of compliance, grouping them by levels, completing the hierarchical structure of the problem, performing the correct comparisons through different levels in an ascendant manner, to finally obtaining the definitive priorities of each methodology for each validation case and sorting them by their adequacy percentages. Both disparate cases, one referred to an industrial/commercial field and the other to an academic field, were effective to corroborate the extent of usefulness of the proposed model; for which in both cases MoProPEI obtained the best results.

Los problemas de toma de decisiones son complejos en entornos competitivos; donde los métodos que ayudan a esta disciplina tienen gran relevancia. Este artículo presenta una extensión al proceso analítico jerárquico; complementado con la teoría de la construcción personal, con el propósito de disminuir la ambigüedad en la definición y valoración de criterios del problema. En los últimos años ha ido tomando mayor envergadura las decisiones tomadas a partir de los datos, es por ello que la ciencia de dato es una disciplina en pleno auge; donde una de las actividades principales de los científicos de datos es la elección de la metodología adecuada para guiar un proyecto de estas características. Los pasos definidos en el modelo propuesto guían esta tarea, desde el establecimiento y priorización de los criterios según el grado de cumplimiento, agrupándolos por niveles, completando la estructura jerárquica del problema, realizando las comparaciones pertinentes subiendo por niveles, hasta obtener las prioridades finales y ordenándolas según los porcentajes de adecuación de cada metodología para cada caso de validación. Ambos casos disimiles, uno referido al ámbito académico y otro al industrial/comercial, sirvieron para corroborar la utilidad del modelo propuesto; donde para ambos casos la metodología MoProPEI obtuvo mejores resultados.