DEFINICIÓN DE METODOLOGÍA DE

UN PROYECTO

Entendemos por metodología de un proyecto al proceso que seguiremos para gestionar

nuestras actividades siguiendo unos requisitos y pasos, con el fin de encontrar rutas de
trabajo optimizadas.

Antes de empezar a aplicar esta breve guía de cómo elaborar un proyecto, es importante
entender que un proyecto es una unidad única de trabajo, en la que se realiza
una gestión de recursos disponibles para alcanzar el objetivo específico del proyecto.
Todo ello en un periodo de tiempo claro y establecido en la planificación. De ahí, que
para saber cómo hacer la metodología de un proyecto, es preciso hablar, y mucho, de
cómo planificar un proyecto.

HISTORIA

La metodología de un proyecto ha sido siempre un elemento clave para la

administración del trabajo. La gestión de proyectos se remonta a épocas antiguas en las
que se hacía necesario planificar y organizar recursos para llegar a construir pirámides,
diseñar un aeroplano o edificar la Gran Muralla China.

Sin embargo, no fue hasta el siglo XX cuando se comenzaron a teorizar y definir las
diferentes técnicas y metodologías contemporáneas, con el propósito de aplicar en
nuestros proyectos las más adecuadas.

Muchos teóricos sitúan el comienzo de la Gestión de Proyectos en la publicación del

Diagrama de Gantt, utilizado aún en nuestros días con variaciones innovadoras de apps
como Sinnaps. Ya a mediados de siglo la Armada de los Estados Unidos desarrolló
técnicas PERT y CPM para aplicar técnicas predictivas en sus proyectos. No fue hasta
entonces cuando las principales compañías empezaron a utilizar Gantt, PERT y
CPM como metodologías claves para la gestión de sus proyectos.
En la actualidad, se aplican varias metodologías basadas en PMI, PRINCE2, Scrum,
Kanban, etc. Básicas todas ellas en la especialización en gerencia de proyectos. Pero
siempre existe un procedimiento común a todas estas técnicas, las cuales se pueden
aplicar según las necesidades del proyecto.

APLICACIÓN

Este procedimiento común se puede aplicar a cualquier tipo de proyecto. Cabe destacar
que la naturaleza, requisitos, propósitos y demás elementos definen la metodología
exacta a aplicar para la gestión de proyectos. Los habrá en los que sea necesario aplicar
métodos ágiles y los hay que conviene destacar más las técnicas predictivas, como es el
caso del sector de la Construcción.

Sin embargo, a continuación veremos que para todos ellos se suelen seguir un
procedimiento básico.

¿CUÁLES SON LOS PASOS PARA

ELABORAR UN PROYECTO?

1. Definir el objetivo y la necesidad que nos lleva a realizar un proyecto. No

perderlos de vista en todo el procedimiento.
2. Identificar la información y los recursos con los que contamos. Sobre todo, en
estos primeros pasos es importante averiguar todas las dudas posibles cuanto
antes. Para ello, es importante poner en común los requerimientos básicos con el
resto del equipo. Los demás colaboradores nos darán gran parte de las preguntas
que más adelante nos puedan surgir. No importa tanto si ahora tienen respuesta.
Lo fundamental aquí es saber qué investigar.
En esta segunda fase ya podemos hacer nuestro primer borrador de la planificación. Con
los pocos datos que tengamos, podemos empezar un nuevo proyecto. Para ello, nos
abrimos el calendario de nuestra app para planificar y comenzamos a añadir las
actividades principales.
Aquí, también podremos asignar las personas que participarán en las tareas. Esto se
recomienda hacerlo antes de la primera reunión. Así, utilizaremos la planificación como
herramienta de comunicación principal.

3. Fase de investigación y planificación. Se añaden más detalles y requisitos en

nuestra aplicación gestión online. Si mantenemos un feedback con los
responsables de las actividades planificadas, podremos asignar recursos
específicos en ellas.
Gracias a la planificación en el calendario de apps como Sinnaps, podremos pasar a
llevar un control de lo que estamos haciendo desde el tablero Kanban. Recuerda:
primero, planifica tu proyecto en el calendario o diagrama Gantt-flow, y después ve
revisando las actividades que se van completando en tu tablero de inicio. De esta
manera, ya puedes poner en marcha tu proyecto, sin esperar más miramientos. Será
tiempo ganado.

4. Planificación colaborativa. Comparte con todo el equipo los requisitos

planificados. Aquí la reunión puede ser por departamentos o actividades
principales. En este punto se definirán objetivos concretos de cada actividad. El
equipo podrá ir validándolos.
Si trabajas con equipos dispersos geográficamente, puedes mantener conversaciones
organizadas y directas desde las propias actividades. Y si realizas cambios, todos los
colaboradores lo podrán ver en el muro de actividad y en el muro de proyecto.

Invita a proveedores, e incluso clientes, en tus proyectos. La gestión de permisos de

Sinnaps, por ejemplo, puede desactivar que visualicen costes. De esta manera, la
comunicación y los requerimientos de todos se gestionarán más rápido y serán más
eficaces. Sobre todo, si tus proyectos se gestionan empleando metodologías ágiles.

5. Revisión y control continuo. El tablero de proyectos de tu aplicación de gestión,

te guiará sobre las tareas que quedan por hacer, las que van tarde o las que están
validadas. Si no estás seguro de cambiar, por ejemplo, fechas de actividades o
eliminar una determinada tareas, puede ver cómo impactaría en todo el proyecto
desde el Modo de pruebas de Sinnaps.
Además, la evaluación continua o métodos de control de proyectos sobre su desarrollo,
es clave en la metodología de administración de proyectos. Esto nos permitirá
minimizar riesgos o contratiempos de última hora. Muchos directores de proyecto
utilizan técnicas basadas en el Valor Ganado (EVM), a través de aplicaciones online.

Te recomendamos: ¿Cuáles son los pasos para elaborar el diagnóstico de un proyecto?

EJEMPLOS DE USO

Como veníamos diciendo, este tipo de técnicas de administración de proyectos se puede

aplicar en una gran variedad de ellos. Cada Director de Proyectos, puede seguir las
‘buenas prácticas’ del PMIBOK o la guía de PRINCE2, entre otras metodologías.

En esta primera lección del curso online y gratis de gestión de proyectos, te damos
algunas pistas para que puedas aplicar la metodología adecuada según el tipo de
proyecto que gestiones. Desde proyectos de investigación o construcción, hasta
desarrollo de producto o procesos de producción y fabricación.
 Tabla de contenidos [ocultar]
 ## Herramientas para NO programadores
o # Herramientas Comerciales para NO programadores
 Minitab
 SPSS
 SAS
 Excel
o ¿Quieres APRENDER a analizar datos en EXCEL en 60 minutos? +
curso GRATIS Pro Statistics
 Tableau
o # Herramientas gratuitas para NO programadores
 R+ Rcommander
 Rapid Minner
 Tanagra
 Italassi
 Weka
 Open Refine
 Orange
 Wrangler
 ## Herramientas para Programadores
o # Herramientas Comerciales para programadores
 Matlab
o # Herramientas gratuitas Open-source para programadores
 R+Rstudio
 Python
 ROctave
 JMatLab
 Scavis

## Herramientas para NO
programadores
Este es el listado para NO programadores. Como te decía lo he
subdividido entre softwares comerciales y softwares open
sources o de código abierto. Si quieres saber que es un software de
código abierto, aquí tienes más información.

# Herramientas Comerciales para NO

programadores
Minitab
Es una herramienta de pruebas estadísticas y análisis típicos de
estadística. Es fácil de usar puedes copiar y pegar datos de Excel. Es
muy interesante cuando tienes poquitos datos y quieres crear análisis
estadísticos rápidamente.

En las últimas versiones Minitab tiene un asistente para escoger las

pruebas estadísticas más apropiadas. Pero es muy importante saber
que estás haciendo y entender la estadística antes de hacer análisis
como un loco.

Es una herramienta bastante intuitiva. Es ampliamente usado en

universidades. Los outputs son agradables y puedes crear un
buen informe en poco tiempo.

SPSS
El competidor directo de Minitab. Un software para el análisis
estadístico. Es más profesional que Minitab. Pero también más
complejo de utilizar. Trabaja muy bien con elmanejo de los datos
previo al análisis. Limpia y ordena los datos de manera muy
eficaz.

Tienes más funcionalidades que Minitab como el análisis factorial, de

discriminante etc…
SAS
Es un software empresarial muy potente. Como puedes hacer
muchas muchas cosas es más difícil aprender que SPSS y, que
obviamente Minitab. SAS también requiere de programación si
quieres trabajar con todo su poder.

SAS tiene la gran ventaja que pude trabajar con muchos datos sin
que se cuelgue el programa. Minitab, Excel, SPSS cuando tienes
muchos datos puedes tener algún que otro problemilla.

En definitiva es para uso más profesional y empresarial.

Excel
Excel no es la mejor herramienta para hacer análisis estadísticos.
Pero se puede usar para hacer test simples y calcular regresiones
entre variables. Excel 2013 ha añadido buenos gráficos como el
boxplot y ha corregido algún error de cálculo estadístico.

Para hacer análisis básicos excel es muy intuitivo y fácil de

usar. Aprende Excel en el blog de ExcelyVBA.
Tableau
Tableau es una de las herramientas de visualización de datos y
BI (Business Intelligence) más rápidas en evolución. Es muy rápido de
implementar, fácil de aprender y muy intuitivo para usar. Aquí hay un
camino de aprendizaje para todas aquellas personas que son nuevas
en Tableau.
 # Herramientas gratuitas para NO
programadores

R+ Rcommander
R+Rcommander es genial. Puedes hacer miles de test como Minitab o
SPSS. La user interface no es tan comercial y bonita como los
softwares comerciales pero es funcional. Para centros de investigación
es más que suficiente el uso de esta herramienta. No requiere nada
de programación y es bastante intuitivo.

En vivaelsoftwarelibre.com tienes tutoriales interesates de RCommander.

Tienes la garantía que trabajas con un lenguaje más que probado, R.

Rapid Minner
En 2006 se creó la primera versión del software. Es un software
open source hasta la versión 6. Ahora tiene versión comercial.

Rapid Minner es una herramienta que hace la función de todas las

fases de un modelo de predicción. Desde la preparación de los
datos hasta la creación del modelo y la validación.

La GUI es tipo diagrama de bloques. Similar a la Matlab Simulink.

Se puede aplicar bloques de R y Python para el análisis de datos. Es

un software muy a tener en cuenta.
Tanagra
Es un software de código libre creado en Francia para propósito
académico y de investigación. No requiere picar código. No es
comercial en el sentido que la user interface no es una maravilla pero
hace su función.

Tiene un plugin interesante para poderlo poner en Excel y usar su

máquina de cálculo estadístico. Puede ser útil si te gusta Excel.

¿Y que te permite hacer Tanagra? Visualización de los datos

estadística descriptiva, regresión lineal, análisis factorial, clustering y
más opciones. Más que suficiente si quieres hacer análisis
estadísticos básicos.

Italassi
Es un software pensado para la interpretación de regresiones con
dos variables independientes. No es una maravilla pero te permite
visualizar todo tipo de estadísticos de estos modelos de regresión.
Weka
Weka es un pájaro muy especial de las islas de Nueva Zelanda. Pero
también es un software capaz de crear algoritmos de machine learning.
Es muy famoso por proporcionar una plataforma que contiene
herramientas para el preprocesado de los datos, clasificación,
regresión, clustering y visualización.

Es un software open-source y tiene licencia GNU.

Tiene cursos y tutoriales para usar la herramienta. Los puedes

consultar en su página web o en su canal de youtube.

Y si quieres más puedes utilizar los sabios consejos de Analytics Vidhya, el

blog referencia en data analytics.
Open Refine
Me gusta también ponerte software que permiten el refinado y la
preparación de los datos. OpenRefine, formalmente Google Refine es
una herramienta muy potente para trabajar con grandes
cantidades de datos. Y su función principal es poner los datos más
sexys y mejor arreglados para poder ser procesados.

Orange
Es un software open source en machine learning y visualización de los datos
para novatos y expertos. Su gran particularidad es que puedes crear
interesantes análisis y visualización de los datos arrastrando
cajas.

No necesitas programar para nada. Es muy interesante este software

por si no tienes nada de ganas de programar pero quieres hacer
análisis estadísticos y gráficos interesantes.
Es capaz de realizar desde visualización de los datos de manera
simple, histogramas, boxplots, heatmaps. Hasta hacer análisis un
poco más avanzados como árboles de decisión o métodos de
clustering. Pasando por análisis de regresión, pruebas estadísticas
paramétricas y no paramétricas.

La gracia principal: puedes explorar los datos sin entrar en el

código. Es fácil y rápido de trabajar. Una buena opción si eres
perezoso 😉

Wrangler
Este es otro software para limpiar y arreglar los datos antes de ser
analizados. Te ayuda a perder menos tiempo en preparar los
datos. Los transforma y los pone en los mismos formatos para
después analizarlos correctamente.

Puede exportar los datos en Excel, R, Tableau etc… Es una buena

opción a considerar antes de empezar tus análisis.

## Herramientas para
Programadores
En este apartado listo herramientas de análisis de datos que requieren
dotes de programación.

# Herramientas Comerciales para

programadores

Hay pocas herramientas comerciales que sólo estén preparadas para

programadores. Normalmente las comerciales tienen una user
interface intuitiva y fácil de usar.

Por ejemplo SAS es un software súper potente que no requiere

programación pero puedes añadir módulos personalizados con tu
código hechos ad-hoc.

Matlab
He estado trabajando con Matlab durante 6 años y la verdad que es un
software muy cómodo para la programación científica y en
ingeniería.

El lenguaje es sencillo de usar. La user interface es muy

interesante. Es adecuado tanto para empresa como para
educación e investigación.

Tiene un montón de Toolbox muy interesantes. Son paquetes de

funciones diseñados para un determinado campo de aplicación.

El problema principal es que no es un lenguaje eficiente y los gráficos

los trabaja con Java y es un poco lento. El otro problema es que es
comercial y cuesta pasta si quieres todos las funcionalidades.
 # Herramientas gratuitas Open-source
para programadores

Python
No soy usuario de Python y quizá debería serlo. Cada vez se está
usando más este lenguaje. Tanto por informáticos como por científicos
e ingenieros.

Es un lenguaje bastante eficiente con una sintaxis bastante

amigable. No digo que sea fácil aprender pero no es muy complejo.

Como no sé mucho del tema les dejo a los de analyticsvidhya.com que

seguro que te van ayudar mucho más que yo:

Algún día me pondré en serio con este programa 😉

ROctave
Es el matlab open-source. No tiene todas todas las funcionalidades de
Matlab pero tiene una gran cantidad de funciones y paquetes
implementados. Obviamente me gusta más Matlab porque tiene todo
el software, la user interface es mejor pero si no tienes presupuesto es
una gran opción.

JMatLab
La otra opción con Matlab es JMatLab. Es un clon de Matlab y Octave
limitado a estas funcionalidades:
  Symbolic calculations (simplification, differentials, integration)
 Numeric Evaluation of mathematical functions, special functions
 Linear algebra with vectors and matrices
 Displaying data, vectors, matrices and functions using 2D and
3D interactive plots
 Saving data (vectors and matrices) in CSV files
 Random numbers using the major distributions
 Solving linear and non-linear equations and systems of
equations
 Basic statistical calculations and histogramming

Scavis
Es un software interesante. Es adecuado para centros de
investigación y universidades. Es un software indicado para la
computación numérica, estadística y análisis de big data y
visualización científica.

El software es usado en muchas áreas como las ciencias naturales,

ingeniería, modelado y análisis de mercados financieros.

Como pasa con R y otros softwares, Scavis es una plataforma que

permite trabajar con muchos lenguajes de programación como
Python/Jython, BeanShell, Groovy, Ruby, y también Java.