El PMBOK reconoce diversos enfoques y metodologías utilizados en la gestión de proyectos. Estos enfoques incluyen:
Enfoque tradicional o en cascadao waterfall: Es el enfoque más común y se basa en una secuencia lineal de actividades. Se divide en fases secuenciales, donde cada fase se completa antes de pasar a la siguiente. Es adecuado para proyectos con requisitos bien definidos y estables.
Enfoque ágilo agile: Se basa en la entrega iterativa e incremental del producto o servicio. Es especialmente útil en proyectos donde los requisitos son cambiantes o no están completamente definidos desde el principio. Los enfoques ágiles más conocidos son Scrum, Kanban y Lean.
Enfoque híbrido o hybrid: Combina elementos de enfoques tradicionales y ágiles. Es utilizado cuando el proyecto requiere una combinación de estructura y flexibilidad. Por ejemplo, se pueden aplicar principios ágiles en la ejecución del proyecto, mientras que se mantienen actividades más tradicionales en la planificación y gestión general.
El PMBOK no favorece un enfoque específico, sino que proporciona una guía general para la gestión de proyectos que puede adaptarse y personalizarse según las necesidades y características de cada proyecto. Reconoce la importancia de seleccionar el enfoque más adecuado según el contexto del proyecto, los requisitos del cliente y otros factores relevantes. Para leer más acerca del PMBOK lea el siguiente enlace: La guía definitiva de la gestión de proyectos: El PMBOK
A continuación es una breve reseña de lo que es el PMBOK, sus áreas de conocimientos, el triangulo de hierro, los grupos de procesos, los 49 procesos hasta la versión 6, y un ejemplo sobre 1 proceso en particular.
El PMBOK (Project Management Body of Knowledge) es una guía de referencia ampliamente reconocida en el campo de la gestión de proyectos. Es publicada por el Project Management Institute (PMI) y describe los estándares, mejores prácticas y conocimientos fundamentales necesarios para gestionar proyectos de manera efectiva.
El PMBOK abarca una amplia gama de áreas de conocimiento relacionadas con la gestión de proyectos. Las 10 áreas de conocimiento conforman un total 49 procesos:
Gestión de la Integración del Proyecto: 7 procesos.
Gestión del Alcance del Proyecto: 6 procesos.
Gestión del Cronograma del Proyecto: 6 procesos.
Gestión de los Costos del Proyecto: 4 procesos.
Gestión de la Calidad del Proyecto: 3 procesos.
Gestión de los Recursos (humanos) del Proyecto: 6 procesos.
Gestión de las Comunicaciones del Proyecto: 4 procesos.
Gestión de los Riesgos del Proyecto: 7 procesos.
Gestión de las Adquisiciones del Proyecto: 4 procesos.
Gestión de los Interesados del Proyecto(stakeholders): 4 procesos.
*Estas representan el famoso triangulo de hierro que todo proyecto debe prever y respetar desde lo más básico. Supongamos la siguiente regla(en rojo en impacto negativo, y en azul impacto positivo) para las siguientes restricciones o áreas de conocimientos:
Si Suben los alcances: repercuten en Alzar los costos y Extender los tiempos.
Si Bajan los costos: repercuten en Bajar los Alcances y Extender los tiempos.
Si se contraen los tiempos: repercuten enBajar los Alcancesyalzar los costos.
Con este ejemplo debemos tener cuidado con encontrar un equilibrio. Ahora debes pensar en las demás restricciones como la Calidad y Los riesgos incluirlas en la ecuación.
Las áreas de conocimiento están alineadas a los grupos de procesos de la gestión de proyectos:
Inicio
Planificación
Ejecución
Monitoreo y control
Cierre
La guía del PMBOK proporciona una estructura y un marco de referencia para la gestión de proyectos, estableciendo procesos, técnicas y herramientas que pueden ser utilizados por los profesionales en la dirección y ejecución de proyectos. También define los roles y responsabilidades de los miembros del equipo de proyecto y los principales conceptos y términos utilizados en la disciplina de gestión de proyectos.
Áreas de Conocimiento/Grupos de procesos–>
Inicio
Planificación
Ejecución
Monitoreo y Control
Cierre
Integración del Proyecto
Desarrollar el Acta de Constitución del Proyecto
Desarrollar el Plan para la Dirección del Proyecto
Dirigir y Gestionar el Trabajo del Proyecto
Monitorear y Controlar el Trabajo del Proyecto
Cerrar el Proyecto
Alcance del Proyecto
Planificar la Gestión del Alcance; Recolectar Requisitos; Definir el Alcance; Crear las Estructura de Árbol EDT/WBS.
Controlar el Alcance; Verificar(validar) el Alcance
Cronograma del Proyecto
Planificar la Gestión del Cronograma; Definir las actividades; Secuenciar las Actividades; Estimar la duración de las actividades; Desarrollar el Cronograma
Controlar el Cronograma
Costos del Proyecto
Planificar la Gestión de los Costos; Estimar los Costos; Determinar el Presupuesto
Controlar los Costos
Calidad del Proyecto
Planificar la Gestión de la Calidad
Realizar el Aseguramiento de Calidad
Controlar la Calidad
Recursos (Humanos) del Proyecto
Planificar la Gestión de los Recursos; Estimar los Recursos de las actividades
Adquirir Recursos; Desarrollar el Equipo; Dirigir el Equipo
Controlar los Recursos Humanos
Comunicaciones del Proyecto
Planificar la Gestión de las Comunicaciones
Gestionar las Comunicaciones
Controlar las Comunicaciones
Riesgos del Proyecto
Planificar la Gestión de los Riesgos; Identificar los Riesgos; Realizar el análisis cualitativo de los riesgos; Realizar el análisis Cuantitativo de los Riesgos; Planificar la respuesta a los Riesgos
Implementar la respuesta a los riesgos
Controlar los Riesgos
Adquisiciones del Proyecto
Planificar la Gestión de las Adquisiciones
Realizar las Adquisiciones
Controlar las Adquisiciones
Cerrar las Adquisiciones
Interesados del Proyecto
Identificar a los Interesados
Planificar la Gestión de los Interesados
Gestionar la Participación de los Interesados
Controlar la Participación de los Interesados
Los espacios en blanco indican que no hay un proceso. Por cada proceso tienen actividades de Entradas, Procesamiento (Herramientas y Técnicas) y Salidas.
Supongamos, a modo de ejemplo, queremos trabajar en Desarrollar el Acta de Constitución del Proyecto basados en el PMBOK 6. Para aquello debemos revisar en que consiste este proceso tanto las Entradas, las Herramientas y Técnicas, y las Salidas.
Las actividades de entrada para el proceso “Desarrollar el Acta de Constitución del Proyecto” del PMBOK 6 incluyen:
Declaración del trabajo del proyecto (Statement of Work, SOW): Proporciona una descripción de alto nivel de los productos, servicios o resultados que se esperan del proyecto.
Contrato: Si el proyecto se lleva a cabo en el contexto de un contrato formal, este documento puede servir como una entrada importante para establecer los términos y condiciones del proyecto.
Acuerdos comerciales: Cualquier acuerdo comercial o contractual relacionado con el proyecto, como acuerdos de proveedores o contratos con terceros, debe considerarse al desarrollar el Acta de Constitución del Proyecto.
Factores ambientales de la empresa: Los factores ambientales de la empresa, como la cultura organizativa, las políticas y procedimientos existentes, las normas de la industria y las regulaciones gubernamentales, pueden influir en la creación del Acta de Constitución del Proyecto.
Activos de los procesos de la organización: Los activos de los procesos de la organización, como plantillas, formatos, directrices o lecciones aprendidas de proyectos anteriores, pueden proporcionar un marco útil para desarrollar el Acta de Constitución del Proyecto.
Registro de interesados: El registro de interesados contiene información sobre los stakeholders involucrados en el proyecto, lo que puede ayudar a identificar a los interesados relevantes que deben considerarse al desarrollar el Acta de Constitución del Proyecto.
Caso de negocio: El caso de negocio proporciona información sobre los beneficios esperados, los costos estimados y las consideraciones financieras relacionadas con el proyecto. Esto puede ayudar a establecer la justificación y los objetivos del proyecto en el Acta de Constitución.
Expertos en la materia: La colaboración con expertos en la materia puede ser valiosa para comprender las necesidades y los requerimientos del proyecto, así como para garantizar la precisión y la adecuación del Acta de Constitución del Proyecto.
Las Herramientas y técnicas aplicadas para el proceso “Desarrollar el Acta de Constitución del Proyecto” del PMBOK 6 incluyen:
Juicio de expertos: Se busca la opinión y el conocimiento de expertos en la materia o profesionales con experiencia relevante en proyectos similares para asegurar la precisión y la integridad del Acta de Constitución del Proyecto.
Recopilación de datos: Se lleva a cabo la recopilación de datos pertinentes para desarrollar el Acta de Constitución, lo cual puede incluir la revisión de documentación existente, entrevistas con stakeholders y análisis de datos relevantes.
Reuniones: Se realizan reuniones con los stakeholders clave, como el patrocinador del proyecto y otros interesados relevantes, para discutir y acordar los elementos clave del Acta de Constitución del Proyecto.
Análisis de documentos: Se realiza un análisis de documentos existentes relacionados con el proyecto, como declaraciones de trabajo, contratos, acuerdos comerciales, políticas organizacionales y otros documentos relevantes, para obtener información valiosa y asegurar la coherencia entre los diferentes documentos.
Técnicas facilitadoras: Se utilizan técnicas facilitadoras, como la lluvia de ideas, el pensamiento visual y las técnicas de resolución de problemas, para estimular la creatividad y fomentar la colaboración en la elaboración del Acta de Constitución del Proyecto.
Estudio de casos: Se puede realizar un estudio de casos de proyectos similares anteriores para obtener lecciones aprendidas y mejores prácticas que puedan aplicarse al desarrollo del Acta de Constitución.
Análisis de expertos: Se puede realizar un análisis por parte de expertos para evaluar la viabilidad del proyecto, identificar riesgos potenciales y evaluar los beneficios y costos esperados.
Por último las Salidas para el proceso “Desarrollar el Acta de Constitución del Proyecto” del PMBOK 6 incluyen:
Acta de Constitución del Proyecto: Es el documento que autoriza formalmente el inicio del proyecto. Contiene información clave como el propósito, objetivos, alcance, requisitos iniciales, partes interesadas, restricciones y supuestos del proyecto. El acta de constitución del proyecto establece la base para la toma de decisiones y proporciona una referencia para el equipo del proyecto y las partes interesadas.
Supuestos y restricciones: Estas son declaraciones o condiciones que se consideran verdaderas o se imponen en el proyecto, y pueden tener un impacto en la planificación y ejecución del mismo. Los supuestos son factores considerados como ciertos, pero que no se pueden garantizar, mientras que las restricciones son limitaciones que pueden afectar la forma en que se lleva a cabo el proyecto.
Lista de partes interesadas: Es un registro que identifica a todas las partes interesadas relevantes para el proyecto, incluyendo a los patrocinadores, clientes, usuarios finales, equipo del proyecto y otros grupos o individuos que puedan afectar o ser afectados por el proyecto. La lista de partes interesadas proporciona información importante para la comunicación y gestión de las expectativas de las partes interesadas a lo largo del proyecto.
Enunciado del trabajo inicial: Es una descripción resumida de los resultados esperados del proyecto y los productos entregables que se deben lograr. El enunciado del trabajo inicial ayuda a definir el alcance general del proyecto y proporciona una visión inicial de lo que se espera lograr.
Estas actividades de entrada, herramientas y técnicas, y salida proporcionan la información necesaria para desarrollar un Acta de Constitución del Proyecto sólida y completa, que sirva como autorización formal para el inicio del proyecto y establezca las bases para su planificación y ejecución.
Es importante destacar que el PMBOK no es una metodología o un enfoque específico de gestión de proyectos, sino que se puede adaptar y combinar con diferentes metodologías y enfoques según las necesidades y características de cada proyecto.
Tampoco hay que olvidar el PMO (Project Management Office) se refiere a una oficina o departamento encargado de estandarizar y facilitar la gestión de proyectos en una organización. La función principal de un PMO es brindar apoyo y orientación en la implementación de buenas prácticas de gestión de proyectos, así como establecer estándares, procesos y metodologías para asegurar la ejecución efectiva de proyectos.
Lo recopilado hasta aquí es la versión sexta del PMBOK.
Comencemos a desglosar este fascinante mundo de las tecnologías que se entrelazan con otras ciencias y fines para obtener soluciones mucho mas eficientes y que es el camino al éxito para varias organizaciones con y sin fines de lucro pero principalmente para la sociedad en general. Comenzaremos con conceptos que pueden parecerse pero no son iguales o que necesitan del otro para funcionar o que provienen del otro gran concepto. La idea es explicar que significa cada una de ellas sin tanto detalle, ya que eso dependerá de ustedes seguir indagando en este fascinante mundo.
Data Science o Ciencia de datos
Origen del Data Science o Ciencia de Datos
El data Science o Ciencia de Datos, históricamente se nombro en la década de los 60 como sustituto de la estadística, pero no fue hasta en 1974 donde Peter Naur acuño la Ciencia de Datos como un conjunto de técnicas para manejar y analizar datos en su publicación “Concise Survey of Computer Methods” se traduce al español como “Resumen Conciso de Métodos Computacionales”. Y en el año 2001 es donde toma fuerza con William S. Cleveland, un estadístico estadounidense donde convoca que la ciencia de datos es un campo interdisciplinario donde combina Estadísticas y el Análisis y visualización de datos mediante la computación abocados a un problemas real. En el año 2012 la Harvard Business Review, publicó lamado “Data Scientist: The Sexiest Job of the 21st Century” traducido al español como “El Trabajo Más Sexy del Siglo XXI”. que ayudó a popularizar tanto el término “ciencia de datos” como la función del “científico de datos”. Desde entonces, la ciencia de datos ha continuado creciendo en relevancia debido al surgimiento del Big Data y la necesidad de analizar y extraer valor de los grandes conjuntos de datos generados en un amplio rango de campos y sectores.
Composición del Data Science
La ciencia de datos es un “concepto para unificar estadísticas, Informática( análisis de datos, aprendizaje automático e inteligencia artificial ) y su objetivo es comprender y analizar fenómenos reales con datos“. Combina diversas habilidades, desde las matemáticas y estadísticas hasta la visualización de datos, y también involucra el uso de técnicas de programación y software.
Objetivo del Data Science
El objetivo de la ciencia de datos se centra en extraer y generar insights (“Insights” se refiere al entendimiento profundo y claros obtenidos a partir de la interpretación y análisis de datos valiosas para tomar decisiones más informadas) y comprender los patrones y las tendencias dentro de los datos.
y Los científicos de datos?
Los científicos de datos suelen trabajar en la limpieza, preparación y análisis de grandes volúmenes de datos (Big data), para proporcionar a las organizaciones una mejor comprensión de la información que contienen. Esta comprensión puede usarse para tomar decisiones informadas, predecir tendencias futuras, mejorar los procesos comerciales y mucho más. La ciencia de datos es muy valiosa en áreas que generan grandes cantidades de datos, como la medicina, la banca y la comercialización en línea.
Inteligencia Artificial IA o Artificial Intelligence AI
Origen de la Inteligencia Artificial
Si bien en la decada del 40, Alan Turing desarrollo el concepto de una maquina universal puede simular cualquier otra maquina de computo y también fue el creador del “test de turing” donde una maquina puede interactuar de tal manera que no pueda ser distinguida por un ser humano( famosa prueba de una interfaz de texto con una maquina y con un ser humano, sino se distingue cual es la maquina, entonces se supera el test). El término “Inteligencia Artificial” fue acuñado por primera vez en 1956 por John McCarthy, un científico de la computación estadounidense, durante la Conferencia de Dartmouth. Esta conferencia es a menudo citada como el evento que dio origen al campo de la Inteligencia Artificial como una disciplina académica independiente. En dicha conferencia se propuso que “cada aspecto del aprendizaje o cualquier otra característica de la inteligencia puede ser descrito con tanta precisión que una máquina puede ser hecha para simularlo”. Este concepto se convirtió en la base de la investigación en IA. En aquella conferencia además de McCarthy también estuvieron los participantes Marvin Minsky, Nathaniel Rochester y Claude Shannon.
Inteligencia artificial proviene de la Informática
Inteligencia artificial es un campo de la informática que se centra en la creación de sistemas capaces de realizar tareas que normalmente requieren la intervención humana. Estas tareas pueden incluir el procesamiento del lenguaje natural, la toma de decisiones, la percepción visual, etc. El aprendizaje automático o Machine Learning, que es una subrama de la IA, se ocupa del desarrollo de algoritmos que permiten a los sistemas aprender de los datos y mejorar su rendimiento con el tiempo sin ser programados explícitamente.
El Objetivo de la Inteligencia Artificial
En un sentido más amplio, el objetivo de la IA es imitar la inteligencia humana, y en última instancia, superarla(concepto de IA fuerte que no se ha logrado), para ayudar a los humanos una variedad de tareas, mejorando la eficiencia y permitiendo nuevos tipos de tecnología.
Tipos de Inteligencia Artificial
IA débil o estrecha (Weak or Narrow AI): Este tipo de IA está diseñado para realizar una tarea específica, como el reconocimiento de voz o la recomendación de productos en sitios de compra. Aunque estas IAs pueden parecer inteligentes en su área específica, en realidad no comprenden o conceptualizan la información que procesan.
IA fuerte o general (Strong or General AI): Este tipo de IA es el que todavía es en gran parte teórico y no existe en la práctica. La IA fuerte no sólo sería capaz de realizar tareas específicas, sino que también sería capaz de comprender, aprender, adaptarse y aplicar su inteligencia a cualquier problema, de manera similar a como lo haría un humano. En otras palabras, una IA fuerte tendría una inteligencia similar a la humana en todos los aspectos.
Subdisciplinas o subramas de la Inteligencia Artificial
La Inteligencia Artificial (IA) . Aquí están algunas de las más destacadas:
Inteligencia Artificial (IA) es un campo amplio y diverso que se compone de varias subdisciplinas o subramas. Aquí están algunas de las más destacadas:
Aprendizaje automático (Machine Learning): Esta subrama se centra en el desarrollo de algoritmos que permiten a las máquinas aprender de los datos y mejorar su rendimiento a medida que adquieren más datos.
Aprendizaje profundo (Deep Learning): Es una subcategoría del aprendizaje automático que se centra en las redes neuronales artificiales, especialmente aquellas con muchas capas (de ahí el término “profundo”). El aprendizaje profundo ha demostrado ser muy eficaz para tareas como el reconocimiento de imágenes y voz.
Procesamiento del lenguaje natural (Natural Language Processing, NLP): Esta subrama se ocupa de cómo las máquinas pueden entender, interpretar y generar lenguaje humano. Esto incluye la traducción automática, la generación de texto y los chatbots.
Visión por computadora (Computer Vision): Se enfoca en permitir que las máquinas “vean”, es decir, interpreten y comprendan información visual. Esto incluye tareas como el reconocimiento de objetos, la detección de movimiento y la interpretación de video.
Robótica: Esta subrama se ocupa de cómo las máquinas pueden interactuar físicamente con su entorno. Esto incluye tareas como la navegación, la manipulación de objetos y la interacción humano-robot.
Sistemas expertos: Son programas de computadora que utilizan el conocimiento y los procesos de toma de decisiones de un experto en un determinado campo para resolver problemas complejos.
Inteligencia artificial evolutiva (Evolutionary Computation): Se refiere a los algoritmos y métodos basados en la teoría de la evolución biológica, como los algoritmos genéticos y la programación genética.
Redes neuronales (Neural Networks): Son sistemas computacionales que intentan imitar las redes de neuronas que componen el cerebro humano, para ayudar a las computadoras a pensar y aprender de manera más parecida a los humanos.
Cada una de estas subramas tiene sus propias técnicas, enfoques y aplicaciones, aunque a menudo hay un gran solapamiento y colaboración entre ellas.
En Resumen
Data Science o Ciencia de datos: Estudio multidisciplinario que se compone de Estadísticas, Informática y un problema de negocio el que se debe solucionar mediante modelos como la clasificación, regresión, clasterización de patrones y que en algunos casos utiliza inteligencia artificial como son las redes neuronales.
Artificial Intelligence o Inteligencia Artificial: Es el uso de tecnología mediante maquinas de computo que buscan imitar las tareas y comportamiento humano logrando ser más productivos, eficientes y disminuyendo la exposición a riesgos.
Machine Learning o Aprendizaje de Máquina: Pertenece a la inteligencia artificial y posee algoritmos que se “alimentan” de los datos y “aprenden” de los mismos.
Deep Learning o Aprendizaje Profundo: “Pertenece al Machine Learning y utiliza algoritmos más evolucionados de aprendizaje como es el caso de las redes neuronales siendo eficiente en campos de tratamiento de audios e imágenes.
Big Data: Análisis de datos que cumplen con las características claves de las 5V: Volumen, Velocidad, Variedad, Veracidad y Valor. Con esto podemos realizar tanto ciencia de datos como Inteligencia Artificial.
