El control y monitoreo de los procesos en la industria son establecidos generalmente a través de la realización de mediciones de diferente tipo, cuyos datos deben ser analizados posteriormente para la toma de decisiones. Tradicionalmente se utilizan análisis estadísticos sencillos que involucran dos o tres variables simultáneamente (gráficas, diagramas, medias, modas, proporciones, varianzas, covarianzas), pero no se logra aprovechar adecuadamente la totalidad de la información recolectada y se carece de criterios para eliminar aquella que no es relevante.  

 

El análisis multivariado es una técnica que aplica herramientas matemáticas y estadísticas para el estudio de matrices de datos que contienen numerosas variables; su uso ha sido ampliamente difundido y dentro de las aplicaciones de mayor utilidad se encuentra la evaluación de datos relacionados con diferente tipo de características de productos, de manera que se puedan emitir conceptos confiables referentes a la calidad de los mismos o a las condiciones de los procesos  involucrados.

 

En el periodo 2000-2003, la Universidad de Berkeley y la Universidad Noruega de Ciencia y Tecnología, corroboraron y sustentaron cuantitativamente que la cantidad de información disponible por los distintos agentes sociales (empresas, investigadores, instituciones públicas y privadas, etc.) crece exponencialmente; alcanzando un incremento estimado del 30% anual. De hecho, la contínua aparición de nuevas tecnologías y el desarrollo de herramientas de hardware y software, aceleran el proceso.

 

Estas investigaciones también demostraron que mucha gente altamente capacitada se abstiene de usar la totalidad de los datos disponibles, a pesar que han sido recolectados con un esfuerzo considerable; el desconocimiento de cómo procesarlos ha llevado a una selección “sentimental” de la información , de modo que se seleccionen aquellos datos que por experiencia, tradición, disponibilidad, oportunidad o conocimiento se sabe que aportan comprensión del fenómeno estudiado; sin embargo, en muchas ocasiones la verdadera información útil se encuentra cuando se analiza la totalidad de la información al mismo tiempo.

 

Hoy en día, el acceso al nuevo conocimiento es un arte basado en seleccionar, discriminar, organizar y analizar la información disponible para poder tomar las decisiones oportunas y actuar correctamente. Abundan los ejemplos:

 

• Las empresas acumulan cada vez más datos sobre sus procesos y la trazabilidad y calidad de sus productos, pero los conocen menos. Sus responsables estratégicos deben tomar decisiones basados en la información contenida en una base de datos con cientos de millones de registros.

 

• Los métodos modernos de diagnóstico clínico permiten la realización simultánea y paralela de decenas de miles de análisis clásicos. Así, el carácter de la enfermedad que padece un paciente puede tener que leerse de una sucesión de cifras que, escritas sobre papel, podrían ocupar 100 folios.

 

• La extensión y profundidad de las fuentes de datos con las que cuentan los investigadores a la hora de verificar sus hipótesis han crecido más allá de lo imaginable hace unos años. Pero este fenómeno, fundamental para asegurar la fiabilidad y reproducibilidad de los resultados, ha acrecentado la dificultad que implica el probarlos, de manera inherente al desarrollo de instrumentación analítica compleja.

 

Los ejemplos anteriores ponen de manifiesto la necesidad que tienen empresas, centros de investigación, instituciones públicas, etc., de contar con herramientas que le permitan tomar decisiones objetivas basadas en la evidencia y con un enfoque matemático/estadístico. Es por esto que tenemos como misión primordial asesorar y capacitar a los diferentes actores involucrados en áreas de la industria, la academia o la investigación en el manejo de datos, desde los puntos de vista:

 

• multidisciplinar, capaz de adaptarse a enfoques distintos, de comprender rápidamente la naturaleza de problemas planteados en entornos completamente diferentes;

 

• formativo, con la capacidad de analizar y emitir conclusiones sólidas basadas en aproximaciones por métodos cuantitativos y, finalmente,

 

• práctico, con experiencia en el ciclo de transformación de la información en conocimiento.