See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/319206426

La estadística y su aplicación en la gerencia de proyectos (Essay of Statistics

and its application in project management)

Research · August 2017

DOI: 10.13140/RG.2.2.21980.90241

CITATIONS READS

0 3,199

1 author:

Juan Pablo Bustamante Visbal

Universidad Tecnológica de Bolívar
7 PUBLICATIONS   15 CITATIONS   

SEE PROFILE

Some of the authors of this publication are also working on these related projects:

Investigación de la aguas profundas en la depresión submarina de Providencia View project

All content following this page was uploaded by Juan Pablo Bustamante Visbal on 21 August 2017.

The user has requested enhancement of the downloaded file.

 LA ESTADÍSTICA Y SU APLICACIÓN EN LA GERENCIA DE PROYECTOS
(STATISTICS AND ITS APPLICATION IN PROJECT MANAGEMENT)

A lo largo de nuestro desempeño académico o profesional todos hemos tenido

relación directa o indirecta con la estadística y sus aplicaciones en diferentes aspectos y
campos tanto de la vida cotidiana como en las actividades profesionales. Desde el punto de
vista cotidiano, se entiende la estadística como la recolección de datos para llegar a obtener
ciertas respuestas. Sin embargo, existe una gran diferencia entre el sentido del término
cuando se utiliza en el lenguaje corriente y lo que realmente significa la estadística como
ciencia (Gómez, 2009).

Precisamente esta diferenciación que han hecho varios autores entro lo que es y lo que
hace la estadística es lo que determina su gran importancia para las ciencias y las personas
que pretendemos en un futuro, hacer ciencia. Dicho lo anterior, una definición clara y concisa
de lo que es y hace la estadística la proporciona Gómez (2009) enunciando lo siguiente: “la
estadística es la ciencia que utiliza un conjunto de métodos, para el estudio numérico de las
colectividades, siempre y cuando, estas puedan ser contadas, clasificadas, ordenadas y
analizadas de acuerdo a ciertas características comunes”.

Por otro lado, en la actualidad la disciplina Gerencia de Proyectos (Project

Management) es definida a su vez por varios autores, entre ellos Badiru y Kovach (2012)
establecen la Gerencia de Proyectos como el proceso de gestión, asignación y sincronización
de recursos para lograr un objetivo determinado de una manera eficiente y expedita. El
cómo lograr ese objetivo determinado de manera eficiente y expedita constituye la trama
principal para llevar a cabo un final exitoso del proyecto. Por lo tanto, es menester para un
director o gerente ejercer un adecuado control de proyecto para alcanzar el éxito y los
objetivos propuestos.

Entonces surge el interrogante: ¿Qué se debe hacer o qué factores críticos se deben
tener en cuenta para mantener el control y alcanzar el éxito en un proyecto? La respuesta a
esta pregunta no es sencilla sin embargo gran parte del éxito de un proyecto depende del
recurso “gente” y del compromiso personal y dedicación de cada persona (Badiru y Kovach,
2012). Lógicamente hay otra serie de consideraciones que deben tenerse en cuenta para llevar
a cabo un proyecto durante todas sus etapas hasta la finalización del mismo, obteniendo
logros exitosos para todas las partes interesadas (stakeholders).

Los resultados exitosos de un proyecto dependen de algunos factores críticos de éxito,

uno de estos factores incluye la selección del equipo de proyecto más adecuado y un gerente
competente con buenas habilidades de liderazgo (Fortune and White, 2006).

Partiendo del anterior enunciado referente a la selección del equipo del proyecto, la
estadística cobra vital importancia en el desarrollo exitoso de un proyecto a través de las
distintas áreas de interés ya que se aplica a aspectos tales como el apoyo en la selección de un
gerente o director de proyecto idóneo, de acuerdo con lo expuesto por Hadat et al. (2012),
hasta la incidencia en otros factores distintos que han sido expuestos y estudiados por
diferentes autores, cuyos artículos hacen parte del compendio tratado en este ensayo.

Los diferentes artículos referenciados en el presente ensayo fueron tomados de las

bases de datos de las revistas International Journal of Project Management e International
Journal of Information Technology Project Management. Los artículos están en idioma inglés
y se tomaron en cuenta aquellos que tratan algunos de los factores que más impactan en la
gerencia de proyectos y que aplican diferentes técnicas y modelos estadísticos en los estudios
referenciados.

A continuación, se exponen una serie de temas dentro de los que se desarrolló en presente
ensayo.

La estadística como apoyo en la selección del gerente de proyecto

La estadística en los proyectos puede aplicarse incluso desde antes que inicien su fase
de ejecución tal como se ve en este estudio mediante el cual se establece un método
estadístico que apoya el proceso de selección del mejor gerente de proyecto de entre un grupo
de varios candidatos con diversas experiencias, logros y calificaciones. Hadat et al. (2012)
expresan que la selección del gerente de un proyecto se basa en los desempeños pasados de
los potenciales gerentes, sin embargo, esto no garantiza que la elección hecha con base en
este criterio sea la más adecuada ya que hay muchos más factores que se deben tener en
cuenta, unos pueden ser medibles y otros un tanto subjetivos no medibles.

Apoyándose en la experiencia obtenida en estudios realizador por otros autores, Hadat

et al. (2012) proponen un Módulo del Sistema de Apoyo para la Toma de Decisiones (DMSS
por sus siglas en inglés) para la selección de gerentes de proyecto. Inicialmente el módulo
DMSS propuesto calcula y clasifica los puntajes de desempeño logrados por los candidatos
en proyectos anteriores. Luego de que los proyectos son clasificados, se les agrupa por
categorías de acuerdo con cada gerente de proyecto, de quien se calcula un puntaje promedio
basado en los proyectos que ha realizado. Para probar la importancia de la diferencia entre los
dos grados se realiza la prueba U de Mann-Withney-Wilcoxon (MWW) que es una
comparación entre dos pares. La persona encargada de la decisión final de la elección ajusta
el nivel de importancia y así puede escoger entre dos subgrupos que pueden estar compuestos
por uno o más candidatos para seleccionar finalmente entre ellos.

En este estudio, realizado en Israel, las técnicas estadísticas son un gran soporte para
ayudar a la selección del gerente de proyectos más idóneo entre una baraja de candidatos,
empero el modelo propuesto DMSS se queda corto o es insuficiente porque la elección final
la realizan personas y no está exenta de la subjetividad o favoritismos, especialmente en
nuestra región latinoamericana.

Análisis estocástico del Valor Ganado usando técnicas estadísticas

Los métodos estadísticos también pueden ser aplicados para medir las desviaciones
del proyecto con respecto al control esperado usando algoritmos de detección de anomalías
tal como los proponen Acebes et al. (2015) en su publicación, se aplica el método estadístico
de la Simulación de Monte Carlo y otras técnicas estadísticas de aprendizaje.

En la gerencia de proyectos para controlar y monitorear el desempeño con respecto a

su línea base se pueden aplicar distintas metodologías o herramientas, sin embargo, en la
práctica una de las más usadas es la gestión del valor ganado conocida en inglés por sus
siglas EVM (Earned Value Management): “esta herramienta se utiliza para controlar la
gestión integrada del alcance, la agenda y los costos. Para llevar a cabo la gestión del valor
ganado es necesario calcular tres valores: Valor planificado (PV: Plan Value), Costo real
(AC: Actual Cost) y Valor ganado (EV: Earned Value) o valor del trabajo realizado”.

El gran aporte que hacen Acebes et al. (2015) en sus investigaciones es que proponen
un refinamiento del EVM para controlar proyectos bajo modelos estocásticos mediante un
algoritmo cuyas entradas son la definición estocástica del proyecto, la curva del valor
planeado y los valores de entrada del EVM: EV (Earned Value), AT (Actual Time) y AC
(Actual Cost).

Debido a ques el EVM por sí solo no provee una forma para determinar si las
desviaciones del proyecto se deben al rango de variabilidad del mismo o si pueden ser
causados por eventos inesperados que afectan el desarrollo del proyecto, por lo tanto un
aporte significativo de los autores es que se utiliza un marco de referencia basado en el EVM
llamado la Metodología Triada, la cual utiliza también el Método de Monte Carlo para
obtener la distribución estadística de todas las posibles realizaciones de un proyecto.

Como resultado final, el gran valor que proporciona este estudio es que los directores
o gerentes del proyecto puedan monitorear y controlar el desarrollo del proyecto en cualquier
etapa en que se encuentre. La ventaja del método de aproximación propuesto es que permite
detectar situacionales anormales relacionadas con la definición del proyecto y tomando en
cuenta la posible correlación entre tiempo y costo. También permite calcular probabilidades
de sobre costos y tiempo esperado de duración. Otro gran aporte a la gerencia de proyectos es
que este marco de referencia propuesto por los investigadores es independiente de los
algoritmos y puede ser empleado junto con cualquier otro método de detección, clasificación
y regresión lo que le proporciona gran ventaja y validez frente a otros métodos usados.

Determinación estadística de factores que influencian costos en la construcción

Los sobrecostos en la industria de la construcción pueden tener su origen en factores

tan diversos desde una mala planificación del proyecto hasta por factores externos como por
ejemplo el aumento del valor de los materiales, el clima, la legislación, las huelgas, etc.
 De acuerdo con Cheng (2013), los sobre costos en la construcción son un problema
común en las industrias constructoras. Debido a esto desarrolló una investigación para
determinar los factores claves de influencia en el costo con un nuevo concepto y métodos que
ayuden al control de los gastos, para ello utiliza el Método Delphi Modificado (MDM) y el
método de Kawakita Jiro (KJ).

En las industrias de la construcción es costumbre ganar los proyectos con la oferta

más baja Cheng (2013). Esto, tal como se plantea por este investigador Taiwanés no es
absolutamente desconocido para nadie que se desempeñe en el ámbito de la gerencia de
proyectos. Teniendo en cuenta esto, argumenta que, sin el control de los factores claves de
influencia en los costos, las compañías del sector de la construcción no serán capaces de
controlar los gastos de manera efectiva y por lo tanto se incrementarán los costos del
proyecto afectando las ganancias globales.

El caso de estudio en la investigación planteada corresponde a un proyecto público

para la construcción de una estación para un carril de alta velocidad en Taiwán. De acuerdo
con los resultados obtenidos, el investigador argumenta que éste es un exitoso caso de control
de costos en la industria de la construcción. Y adicionalmente se hace la anotación de que,
aunque los costos del proyecto se vieron afectados por el clima (tifones) y la inflación, estos
estaban dentro del alcance de los riesgos previstos.

Usando el MDM, KJ y el índice de severidad [SI] (o índice de importancia relativa

RII)se realizó un cálculo computacional para categorizar los distintos factores de riesgo
encontrados del más alto al más bajo así: alcance del contrato, riesgos del proyecto, gestión y
técnicas, el medioambiente y las influencias circunstanciales.

En conclusión, el trabajo de investigación utiliza métodos basados en la estadística

para identificar factores que afectan el costo de un proyecto y finalmente proporcionar a las
compañías constructoras los factores claves que afectan los costos del proyecto y de esta
forma evitar los sobrecostos y de esta forma aumentar los beneficios económicos globales.
 Metodología estadística para mejora en el análisis de Milla Medida

Muchas veces cuantificar las pérdidas en cualquier proceso o proyecto es una labor
difícil y tediosa. Sin embargo, es algo que tiene que hacerse, ya que lo que no se mide no se
puede controlar. En la Gerencia de Proyectos existe una aproximación para determinar dichas
pérdidas, lo que se conoce con el nombre de análisis de Milla Medida (Measured Mile). De
acuerdo con lo expresado en el trabajo de los investigadores estadounidenses Ibbs y Liu
(2010), la técnica de la milla medida compara la productividad alcanzada durante un periodo
no impactado (o mínimamente impactado) con la productividad lograda en un periodo
impactado (Jones, 2003). El trabajo realizado que se realizó durante un periodo de milla
medida debe ser similar al de un periodo afectado. A pesar de todo, en la práctica la
escogencia de los periodos usados para calcular la milla medida es una labor que se hace de
manera bastante subjetiva.

El aporte del trabajo de los autores es que desarrollan un método estadístico de

agrupamiento como herramienta para la selección de los periodos similares. Teniendo en
cuenta que hay varios factores que afectan a la selección de los periodos similares, los cuales
incluyen variables relacionadas con el trabajo, tales como: tipo, métodos y medios, carácter,
complejidad, ubicación, aglomeración y sitios.

Por lo tanto, la contribución de los métodos estadísticos propuestos en el artículo está

en que se minimizan los errores que se pueden dar por realizar consideraciones subjetivas al
seleccionar los días de trabajo similar, además los procedimientos propuestos, aunque son
complejos, se pueden llevar a cabo de manera con el apoyo de paquetes estadísticos como el
SPSS.

Evaluación para niveles de madurez en proyectos IT

En los tiempos actuales probablemente los proyectos de Tecnologías de la

Información (IT) son los más ejecutados en comparación con otro tipo de proyectos debido a
que vivimos en un mundo que demanda día a día mejoras tecnológicas e informáticas.
 La madurez en la gerencia de proyectos es definida por (Ibbs and Kwak, 2000) como
la capacidad de una organización para gestionar el tiempo, los objetivos, y la calidad durante
el ciclo de vida de un proyecto. Para determinar dicha madurez en un proyecto se han
desarrollado varios modelos, entre ellos está el Hexágono de la Excelencia de Kerzner.

Precisamente mediante la aplicación de este modelo de Kerzner en los proyectos IT

los autores turcos Bolat et al. (2017) desarrollaron sus estudios usando métodos estadísticos
como la prueba U de Mann Withney para determinar una guía propuesta mediante la cual se
pudiera examinar el nivel de maduración del proyecto.

Una conclusión del estudio propuesto es que los niveles de maduración cambian de
acuerdo con la estructura de capital de una firma. Una vez más se ve cómo el uso e
interpretación de los resultados de las técnicas estadísticas es fundamental para la gestión
eficiente de un proyecto.

Modelo estadístico para predecir desempeño del tiempo en proyectos de software

La aplicación de la estadística en este caso ayuda a desarrollar modelos predictivos

que encuentren los factores más efectivos de éxito en el desarrollo de un software. Esto se
logra gracias a la aplicación de un algoritmo de segmentación jerárquica CHAID mediante el
cual se crea un modelo para predecir retrasos en el proyecto.

Los estudios desarrollados en este aspecto son de vital importancia ya que gracias al
modelo propuesto por Sökmen y Çebi (2017) los gerentes de proyecto pueden determinar
probabilidades de éxito y fracaso antes de empezar el proyecto y tomar la decisión de iniciar
o no un proyecto.
Selección de alternativas de ofertas diseño -construcción en proyectos de transporte
público

En muchos proyectos de construcción deben seleccionarse las mejores propuestas

entre una baraja de ofertas que pueden incluir el diseño y construcción ejecutados por un solo
contratista, o bien pueden ejecutarse por separado y diferentes contratistas. En un estudio
realizado en Estados Unidos, para determinar las consecuencias entre una elección u otra,
Park y Kwak (2016) plantean hipótesis que son evaluadas por modelos de elección discretos
y de regresión lineal. Las conclusiones en este estudio arrojan diversos factores y
consideraciones que influyen en la selección de una oferta u otra por parte del dueño del
proyecto que se va a ejecutar.

Desarrollo del control de procesos estadísticos en la gerencia de proyectos

Las técnicas de control estadístico de procesos son una de las herramientas que dan
mayor soporte a la gerencia de proyectos para aplicar los sistemas de control como el valor
ganado (EVM) y así tomar correctivos para el ajuste del desempeño del proyecto. Además de
esto también se pueden utilizar modelos estadísticos como la simulación como la de Monte
Carlo para proyectar situaciones ficticias en el desarrollo del proyecto.

El gran aporte de estas técnicas de control estadístico es su aplicación y soporte tanto

en los campos académicos como en la práctica ya que permiten que las herramientas que usa
la gerencia de proyectos para el control los mismos, tales como el EVM, se basen en datos
confiables, medibles y técnicos y no tanto en decisiones tomadas por la intuición y la
experiencia.

Tamaño del proyecto en relación a la estimación de costos

Al realizar la estimación de costos de un proyecto, se pueden presentar errores

los cuales traen como consecuencia sobre costos en la ejecución. Algunos estudios
evidencian que a los errores en la estimación de costos conllevan a generar sobrecostos a
medida que incrementa el tamaño de los proyectos. A través de la estadística se obtienen
algunas conclusiones que permiten esperar un incremento en los sobrecostos en relación con
el aumento del tamaño del proyecto, con base en esto un gerente de proyecto debería ser
capaz de tomar decisiones confiables para estimar costos actuales de su proyecto evitando de
este modo que se generen sobrecostos.

Predicción de la duración del proyecto mediante el método programación

ganada (Earned Schedule Method-ESM)

Mediante el uso de simulaciones estadísticas e información de trabajos previos,

Elshaer (2012) determinó que el método ESM es una métrica confiable para predecir la
duración final de un proyecto. Las correlaciones estadísticas usadas para evaluar ESM
proporcionan suficiente certeza para que un gerente de proyecto estime la duración de su
proyecto tome decisiones basadas en datos significativos y no falsas alarmas generadas como
retrasos o adelantos generados por factores no críticos. Gracias a la aplicación de la
estadística los profesionales en proyectos tienen en el ESM una herramienta confiable para
predecir la duración del proyecto y así pueden emprender los esfuerzos en otros aspectos y no
usar dicho esfuerzo buscando siempre acciones correctivas.

Relación entre las actividades de oficina de proyectos (PMO) y la satisfacción de

las partes interesadas (Stakeholders)

Si se tiene una muestra de una población de profesionales de proyectos, a los cuales les
fueron formuladas una serie de preguntas, se puede realizar un análisis estadísticamente
significativo para determinar la influencia que tienen las oficinas de proyectos (PMO) con la
satisfacción de las partes interesadas.

La estadística nos provee de las herramientas necesarias para poder determinar dicha
relación. Por lo tanto, para el estudio se establecen una serie de hipótesis relacionadas entre
PMO y Stakeholders. Para analizar las hipótesis se requiere usar técnicas estadísticas como la
metodología PLS-ESM (Partial least squares structural equation modeling). La contribución
más importante de la estadística sobre el asunto estudiado es que permite confirmar con datos
confiables que la importancia de las oficinas de gerencia de proyecto (PMO) está en que van
más allá de la planeación y la organización mediante el establecimiento y mejoramiento de la
disciplina en la gestión de cualquier proyecto.
 Aplicación de gráficos de control de calidad en el monitoreo de costos y duración
de proyectos de construcción

Una vez más se evidencia la importancia de las herramientas de control en los

proyectos mediante el uso de la estadística. Como ya es sabido, la técnica del valor ganado
(EV) es la más usada para monitorear los costos durante la duración de los proyectos, sin
embargo, la técnica se complementa con los índices del desempeño de programación (SPI) y
el de desempeño de costos (CPI) que hacen que el EV sea más robusto y confiable para el
control de proyectos.

A través de los artículos revisados se puede afirmar la gran importancia de la

estadística tanto descriptiva como inferencial en la gerencia de proyectos.

Muchas de las herramientas usadas para el seguimiento y control de los proyectos se

basan en técnicas estadísticas, algoritmos y métodos modificados que están encaminados a
conferir un mayor grado de certeza en los resultados obtenidos para que la toma de decisiones
esté soportada por factores medibles, calculables y no tanto por la experiencia o ciertos
paradigmas tradicionales.

La importancia de la estadística es tal que se aplica en todas las etapas y áreas en los
proyectos de cualquier tipo y en cualquier momento.

La estadística es de suma utilidad para aspectos tales como la selección del gerente
más adecuado, estimación de sobrecostos, predicción de duración, desviaciones de la línea
base, asignación de recursos, monitoreo y control, etc.

REFERENCIAS
Hadad, Y., Keren, B, Laslo, Z. A decision-making support system module for project
manager selection according to past performance. International Journal of Project
Management 31 (2013) 532–541.
Acebes, F., Pereda, M., Poza, D., Pajares, J., Galán, J.-M. Stochastic earned value analysis
using Monte Carlo simulation and statistical learning techniques. International Journal of
Project Management 33 (2015) 1597–1609.
Cheng, Y.-M. An exploration into cost-influencing factors on construction projects.
International Journal of Project Management 32 (2014) 850–860.
 Ibbs, W., Liu, M. An improved methodology for selecting similar working days for measured
mile analysis. International Journal of Project Management 29 (2011) 773–780
Bolat, B., Kusdemir, A., Uslu, I.-C., Temur, G.-T. An Assessment for IT Project Maturity
Levels. International Journal of Information Technology Project Management .Volume 8 •
Issue 2 (2017).

Sökmen, N., Çebi, F. Decision-Tree Models for Predicting Time Performance in Software-
Intensive Projects. International Journal of Information Technology Project Management.
Volume 8 • Issue 2 • (2017).

Park, J., Kwak, Y.,-H. .Design-Build (DB) in the U.S. public transportation projects: The
choice and consequences. International Journal of Project Management 35 (2017) 280–295.
Colin, J., Vanhoucke, M. Developing a framework for statistical process control approaches
in project management. International Journal of Project Management 33 (2015) 1289–1300.
Jørgensen, M., Halkjelsvik, T., Kitchenham, B. How does project size affect cost estimation
error? Statistical artifacts and methodological challenges. International Journal of Project
Management 30 (2012) 839–849.
Elshaer, R. Impact of sensitivity information on the prediction of project's duration using
earned schedule method. International Journal of Project Management 31 (2013) 579–588.
Güngör, D.-O., Gözlü, S. Investigating the Relationship between Activities of Project
Management Offices and Project Stakeholder Satisfaction.
Aliverdi, R., Moslemi, L., Salehipour, A. Monitoring project duration and cost in a
construction project by applying statistical quality control charts. International Journal of
Project Management 31 (2013) 411–423.

View publication stats