Documentos de Académico
Documentos de Profesional
Documentos de Cultura
En el cada vez más interconectado y digitalizado entorno actual, los datos trascienden
como un recurso valioso e indispensable. En el caso de la gestión de proyectos, en
todas sus fases, y más allá del sector en el que operen, se generan una inmensa
cantidad de datos que no sólo se utilizan como base para el análisis y la toma de
decisiones, sino que también son esenciales para lograr una mejora continua.
Aunque muchos líderes de proyectos todavía consideran los datos simplemente como
un medio asociado para generar reportes, es crucial comprender que estos datos, que
van desde información sobre los stakeholders y la planificación de los proyectos hasta
el seguimiento del cronograma y presupuestos, se transforman en información cuando
se contextualizan.
• Datos de inicio e idea: Estos datos suelen estar relacionados con la visión y la
justificación del proyecto. Pueden incluir datos de mercado, estudios de
factibilidad, requerimientos iniciales, estimaciones de costos y beneficios.
• Datos de clientes y stakeholders: Esto podría incluir las expectativas del
cliente, los comentarios y los informes de satisfacción del cliente.
• Datos de planificación: Incluye el plan del proyecto, el cronograma, los
presupuestos y los recursos necesarios, los riesgos identificados y los planes
para abordarlos.
• Datos de diseño y desarrollo: Estos datos podrían incluir detalles de diseño,
especificaciones técnicas, pruebas, resultados de pruebas, cambios solicitados
y aprobados, y comunicaciones entre los equipos.
Página 2 de 13
“Proyectos Data Driven” Ysmael Ormeño Zender
Página 3 de 13
“Proyectos Data Driven” Ysmael Ormeño Zender
planes de calidad y más. Los datos se recogen, se monitorizan y se controlan
principalmente para garantizar que el proyecto siga el plan inicial.
2. Enfoque Adaptativo (o Agile): En los enfoques adaptativos, los proyectos se
ejecutan en iteraciones cortas o “sprints”. Los datos en estos proyectos suelen
estar más centrados en la velocidad y la flexibilidad. Los datos clave podrían
incluir elementos como el “backlog” del producto, las historias de los usuarios,
los criterios de aceptación, los puntos de la historia, las velocidades del equipo,
las métricas de calidad y los comentarios del cliente. Los datos se recogen y
utilizan para hacer ajustes y adaptaciones en el curso del proyecto.
3. Enfoque Híbrido: Un enfoque híbrido combina elementos de ambos enfoques,
predictivo y adaptativo. Los datos en un enfoque híbrido podrían incluir una
mezcla de planes detallados y flexibilidad para adaptarse. Algunos datos, como
los costos y los plazos, pueden planificarse al principio, mientras que otros
aspectos, como los requisitos detallados, pueden evolucionar a lo largo del
proyecto. Los datos se recogen y utilizan tanto para garantizar que el proyecto
siga el plan inicial como para adaptarse a los cambios.
Página 4 de 13
“Proyectos Data Driven” Ysmael Ormeño Zender
la gestión de datos como un dominio de desempeño específico en futuras versiones del
PMBOK.
La capacidad de una empresa para adoptar un enfoque "Data Driven" en sus proyectos
es a menudo un indicativo de su madurez en la transformación digital. Cuando los
proyectos son impulsados por datos, las empresas pueden hacer uso de la tecnología
para recoger, analizar y aplicar datos de manera efectiva en la toma de decisiones. Esto
puede conducir a una mejora en la eficiencia, la efectividad y la rentabilidad de las
operaciones de la empresa.
Página 5 de 13
“Proyectos Data Driven” Ysmael Ormeño Zender
Con los datos en el centro de las decisiones del proyecto, las empresas pueden ser más
ágiles y flexibles, adaptarse más rápidamente a los cambios en el entorno de negocio y
responder de manera más efectiva a las necesidades y expectativas cambiantes de los
clientes. La siguiente tabla resume algunos de los beneficios que alcanzan los proyectos
data driven:
Beneficio Descripción
El análisis de datos proporcionados que puede ser usado para tomar decisiones
Mejora en la toma
informadas y basadas en hechos, reduce el riesgo de errores en la gestión de
de decisiones
proyectos.
Una visión clara de los datos del proyecto permite un mejor seguimiento del
Mayor control del progreso y ayuda a identificar rápidamente cualquier desviación del plan
proyecto original. Niveles de madurez avanzadas pueden incluso recibir prescripciones
de acciones a tomar y el consiguiente impacto en diferentes escenarios.
Protección de la
La gestión adecuada de los datos ayuda a garantizar la seguridad de la
privacidad y la
información y el cumplimiento de las leyes de protección de datos.
seguridad
Mejora en la Los datos pueden ser utilizados para facilitar la comunicación dentro del equipo
comunicación y con las partes requeridas, requieren una base objetiva para las discusiones.
Reducción de La gestión eficaz de datos puede ayudar a evitar errores costosos, retrasos y
costos duplicaciones de esfuerzos en el proyecto.
Mayor satisfacción Al permitir una entrega más rápida y precisa de los resultados del proyecto, la
del cliente gestión de datos eficiente puede mejorar la satisfacción del cliente.
Predicción y A través del análisis de datos, los gestores de proyectos pueden recibir alertas
prevención de tempranas y en tiempo real para prevenir posibles problemas, en lugar de
problemas simplemente reaccionar a ellos.
• Asegura que todos los miembros del equipo comprendan y alineen sus acciones
hacia los mismos objetivos de gestión de datos.
• Facilita el pronto acceso a datos precisos y actualizados, fundamentales para
tomar decisiones eficaces.
• Permite definir protocolos de protección de datos, garantizando el cumplimiento
de las normativas pertinentes.
• Anticipa y atenúa los riesgos asociados como la pérdida o inseguridad de los
datos.
Página 6 de 13
“Proyectos Data Driven” Ysmael Ormeño Zender
Asimismo, al plantear la arquitectura de datos temprana, es fundamental considerar
ciertos elementos para garantizar que los estos se gestionen de manera efectiva y que
aporten valor. Aquí diez pasos que podrían ser útiles:
1. Definir los objetivos de la gestión de datos: ¿Qué se espera lograr con la
gestión de datos en este proyecto? Los objetivos pueden variar desde la mejora
de la eficiencia operativa hasta la generación de “insights” para la toma de
decisiones estratégicas.
2. Identificar las fuentes de datos: Determinar de dónde y cómo se van a
recopilar los datos es esencial. Las fuentes de datos pueden ser internas (por
ejemplo, de sistemas ERP, CRM, etc.) o externas (por ejemplo, datos de
mercado, de clientes, etc.).
3. Definir la estructura de los datos: En este paso, se debe determinar cómo se
van a organizar, clasificar y almacenar los datos.
4. Seleccionar las herramientas de gestión de datos: Existen diversas
herramientas de gestión de datos, desde bases de datos tradicionales hasta
soluciones de almacenamiento en la nube y herramientas de análisis de datos
con software como Excel, Tableau, Power BI, entre otros, que no solo permiten
visualizar los datos de manera efectiva, sino que también realizan análisis
predictivos y prescriptivos.
1 Los colores morados en el gráfico de barras son oportunidades que los modelos de aprendizaje automático de Aible
han identificado como rentables para cada una de las diez oportunidades principales, dadas las compensaciones
particulares de costo-beneficio y las limitaciones de capacidad del negocio.
El diagrama de dispersión muestra cada oportunidad rentable que Aible ha identificado, coloreada por el tipo de
cliente. Haciendo clic en cualquiera de los puntos se obtiene una ventana emergente que explica exactamente quién
es el cliente objetivo, el valor del trato, los factores que mejoran o reducen la probabilidad de una venta y, lo más
importante de todo, la acción recomendada, ya sea para continuar o no con el trato.
El panel del extremo derecho muestra la extensión Aible en acción. En este ejemplo, el usuario ejecuta un escenario
hipotético basado en cuatro controladores de modelo: tipo de cliente (existente), región, tamaño de la empresa
(grande) y tipo de acuerdo (renovación).
Página 7 de 13
“Proyectos Data Driven” Ysmael Ormeño Zender
5. Crear un plan de gestión de la calidad de los datos: Implica definir los
estándares de calidad de los datos, implementar procesos para limpiar y validar
los datos, y desarrollar mecanismos para controlar y mejorar la calidad de los
datos a lo largo del tiempo.
6. Definir un plan de seguridad de los datos: Es un aspecto crítico que debe
incluir medidas para proteger los datos de accesos no autorizados, pérdida de
datos y otros riesgos. Se debe considerar la encriptación de los datos, el uso de
contraseñas y controles de acceso, y la realización de copias de seguridad. Los
datos corruptos o alterados pueden llevar a decisiones equivocadas. También
debe incluir medidas para cumplir con las regulaciones de privacidad y
protección de datos.
7. Definir la gobernanza de los datos: Quién será responsable de los datos, cómo
se administrarán y quién tendrá acceso a ellos.
8. Planear la integración y el intercambio de datos: En muchos proyectos, los
datos necesitarán integrarse con otros sistemas o compartirse con otras partes
interesadas. En este paso, se deben definir las estrategias y herramientas para
la integración y el intercambio de datos.
9. Definir los procesos de mantenimiento y actualización de datos: Los datos
deben mantenerse actualizados y relevantes para continuar aportando valor al
proyecto.
10. Implementar la arquitectura de datos: Finalmente, una vez que se han definido
todos estos elementos, se puede implementar la arquitectura de datos.
Este es un proceso iterativo que puede requerir ajustes y modificaciones a medida que
evoluciona el proyecto. La arquitectura de datos debe ser flexible y escalable para
adaptarse a las necesidades cambiantes del proyecto.
Página 8 de 13
“Proyectos Data Driven” Ysmael Ormeño Zender
Los proyectos data driven no solo están redefiniendo la competencia en el mercado,
sino también moldeando nuestras ciudades. "Implementing Data-Driven Strategies in
Smart Cities" (2021) es una obra clave que demuestra cómo el Big Data, la ciencia de
datos y el Internet de las Cosas están facilitando la transformación de ciudades
alrededor del mundo. Con estudios de caso de ciudades como Barcelona a Zúrich, el
libro ilustra el poder y el potencial de los proyectos basados en datos en la
transformación urbana.
A pesar de estos éxitos, los desafíos persisten. Como señala un artículo de Harvard
Business Review (2023), construir una cultura data driven exige constancia y valor. El
tránsito hacia una organización orientada a los datos no es inmediato, requiere
compromiso y la audacia para desafiar paradigmas existentes. Estos proyectos ilustran
no solo el poder de los datos, sino también la importancia de la resiliencia en la era
digital.
• Mitigación de riesgos: Los datos oscuros pueden proporcionar una visión más
profunda de los riesgos potenciales que pueden afectar a un proyecto. Esto
puede ayudar a los gestores de proyectos a tomar medidas preventivas y a estar
mejor preparados para enfrentar los desafíos que puedan surgir.
Página 9 de 13
“Proyectos Data Driven” Ysmael Ormeño Zender
DATA DRIVEN TEAMS
Independientemente del sector o industria al que corresponda, un proyecto basado en
datos ("Data Driven") suele requerir un equipo diverso y multidisciplinario con un amplio
enfoque tecnológico para garantizar que todos los aspectos del proyecto se gestionen
de manera efectiva. Aquí hay algunos tipos de profesionales que podrían formar parte
de este equipo:
LO QUE VIENE…
En un futuro, podemos esperar que la gestión de datos en la gestión de proyectos se
vuelva aún más integral y crítica para el éxito del proyecto. A medida que las tecnologías
de la información y la analítica avancen, se desarrollarán más técnicas y herramientas
para facilitar la recolección, el análisis y la utilización de los datos.
La inteligencia artificial y el aprendizaje automático, en particular, tienen el potencial de
transformar la gestión de datos del proyecto, permitiendo un análisis de datos más
complejos y precisos, y exigen una mayor capacidad para predecir resultados de
proyectos y tomar decisiones basadas en datos.
Página 10 de 13
“Proyectos Data Driven” Ysmael Ormeño Zender
Además, el aumento creciente en la privacidad y la seguridad de los datos significa que
las técnicas de protección y eliminación segura de datos se volverán cada vez más
importantes en la gestión de datos del proyecto.
Por ende, es crucial que los líderes de proyecto continúen perfeccionando sus
conocimientos y competencias en la gestión de datos (también parte del llamado
coeficiente tecnológico), con el objetivo de mantenerse actualizados ante los avances
tecnológicos y optimizar así la eficacia y prosperidad de sus proyectos.
Mientras se aproximan los siguientes desafíos, los invito a considerar cómo administrar
el flujo constante de datos que se generan en cada fase de sus proyectos y cómo cada
fragmento de información puede ser aprovechado al máximo.
Página 11 de 13
“Proyectos Data Driven” Ysmael Ormeño Zender
REFERENCIAS
1. McKinsey & Company. (2021). The data-driven enterprise of 2025.
https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-data-
driven-enterprise-of-2025
2. AlOwaish, M. B., y Redman, T. C. (2023). What does it actually take to build a
data-driven culture? Harvard Business Review. https://hbr.org/2023/05/what-
does-it-actually-take-to-build-a-data-driven-culture
3. Zamora, J., Valor Sabatier, J., Ricart, J. E., Infante Middleton, N., Guerra Cortada,
T., y Pérez Tejada, J. L. (2022). Estudio IESE-Penteo. Índice data-driven:
Diagnóstico de la transformación digital en organizaciones impulsadas por los
datos. IESE Business School. https://media.iese.edu/research/pdfs/ST-0630
4. (2022). Analítica de datos: Una tendencia para la toma de decisiones
empresariales en las organizaciones. Recuperado de:
https://hdl.handle.net/10901/24140.
5. Merkatu. (2020). Dossier industria ayudas IA.
https://www.merkatu.com/images/Dossier-industria-ayudas-IA.pptx.pdf
6. Repsol. (s. f.). Data driven: la revolución de los datos.
https://www.repsol.com/es/energia-futuro/tecnologia-innovacion/data-
driven/index.cshtml
7. Business Intelligence. (s. f.). Datos, información y conocimiento.
https://www.businessintelligence.info/dss/datos-informacion-conocimiento.html
8. ESIC Business & Marketing School. (2020). Data driven: qué es y cómo
implementarlo en un proyecto hotelero.
https://www.esic.edu/rethink/tecnologia/data-driven-que-es-y-como-
implementarlo-en-un-proyecto-hotelero
9. Project Management Institute. (2021). A guide to the project management body
of knowledge (PMBOK® guide) (7th ed.). https://www.pmi.org/pmbok-guide-
standards/foundational/pmbok
10. DAMA International. (2020). La guía del conocimiento para la gestión de datos
(DAMA-DMBOK2) (2a. ed.). Technics Publications.
https://www.dama.org/cpages/body-of-knowledge
11. Tableau. (2020). Tendencias de datos para 2020. https://www.tableau.com/es-
es/reports/data-trends/2020
12. Steeg, D., y Maris, R. (2020). Infuse your Tableau dashboard with real-world AI
and machine learning from Aible. Tableau. https://www.tableau.com/blog/infuse-
your-tableau-dashboard-real-world-ai-and-machine-learning-aible
13. Kanbanize. (s. f.). ¿Qué es un límite WIP de Kanban? ¿Por qué lo necesita?
https://kanbanize.com/es/recursos-de-kanban/primeros-pasos/que-es-limite-wip
14. Prieto, B. (2022). Data driven: la importancia de los datos en la nueva realidad.
KPMG Tendencias. https://www.tendencias.kpmg.es/2022/03/data-driven-
importancia-datos-nueva-realidad/
Página 12 de 13
“Proyectos Data Driven” Ysmael Ormeño Zender
15. Castelan, J. (2022). 15 casos de éxito de Big Data en el mundo. Crehana.
https://www.crehana.com/blog/transformacion-digital/big-data-casos-de-exito/
16. Prieto, B. (2022). Data driven: la importancia de los datos en la nueva realidad.
KPMG Tendencias. https://www.tendencias.kpmg.es/2022/03/data-driven-
importancia-datos-nueva-realidad/
17. Grimaldi, D., & Carrasco-Farré, C. (2021). Implementing Data-Driven Strategies
in Smart Cities: A Roadmap for Urban Transformation. Elsevier.
https://doi.org/10.1016/C2019-0-01442-2
En su cargo actual como Gerente de Operaciones en Activos Mineros S.A.C., supervisa la remediación de
pasivos ambientales mineros en 11 regiones de Perú. Además, comparte sus conocimientos del PMBOK®
y principios ágiles a nivel nacional como conferencista y facilitador, centrándose en la implementación y
mejora de la PMO.
ing.ysmaeloz@gmail.com
www.linkedin.com/in/ysmaelormeñozender
https://oficinadegestiondeproyectos.com
Página 13 de 13