MINERÍA la mejor puerta de acceso al sector minero MINERÍA / JULIO 2023 / EDICIÓN 550 64 Datos de cierre: lecciones aprendidas, informes finales, evaluaciones de rendimiento, documentación de cierre y datos de transferencia. El problema es que, si construimos un Data Journey Map como el que se observa en la Figura 2, advertiremos que existe una infinidad de datos que no se aprovechan en todo su potencial por la falta de digitalización y de gobernanza en su administración. Tipos de datos considerando los enfoques de desarrollo Por otro lado, en relación con los diferentes enfoques de desarrollo, como predictivo, adaptativo o híbrido, la naturaleza y el tipo de los datos pueden variar requiriendo de una adaptación de la forma de gestionarse para maximizar su eficiencia. A continuación, algunas consideraciones: Enfoque Predictivo: en este el proyecto se planifica en su totalidad antes de que comience la ejecución. Los datos generados y requeridos pueden ser bastante detallados e incluirán aspectos como costos exactos, cronogramas específicos, requisitos del proyecto claramente definidos, planes de calidad y más. La data se recoge, se monitoriza y se controla principalmente para garantizar que el proyecto siga el plan inicial. Enfoque Adaptativo (o Agile): en estos los proyectos se ejecutan en iteraciones cortas o sprints. Los datos suelen estar más centrados en la velocidad y la flexibilidad. La data clave podría 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. Enfoque Híbrido: este combina elementos de los enfoques anteriores. Los datos incluyen 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. La data se recoge y utiliza tanto para garantizar que el proyecto siga el plan inicial como para adaptarse a los cambios. La gestión de datos en el PMBOK 7ª edición La Guía del PMBOK del PMI, en su séptima edición, sitúa a los datos como un componente esencial en la gestión de proyectos, subrayando que su verdadero valor radica no tanto en su mera recopilación sino en su análisis y utilización estratégica para impulsar acciones relevantes. El PMBOK 7 recalca que los datos deben ser un motor para generar discusiones productivas entre el equipo del proyecto y los stakeholders, y no solo para producir informes de estado. En cuanto a los “activos de datos”, el PMBOK 7 incluye una variedad de elementos como bases de datos, bibliotecas de documentos, métricas y artefactos de proyectos anteriores. Estos activos, junto con los métodos para recopilar, valorar y evaluar la información, ofrecen una visión profunda de la situación del proyecto y su contexto. Un punto por destacar es el énfasis que el PMBOK 7 pone en la visualización de datos. Los tableros de control, que proporcionan una representación gráfica del estado de los datos, son identificados como una herramienta común y eficaz. Permiten resumir datos de alto nivel y facilitan un análisis detallado, ayudando así a tomar decisiones informadas. Otro aspecto relevante en la guía es la continua necesidad de capturar y reportar datos que se relacionan con la materialización de beneficios, tanto durante el proyecto como después de su finalización. Esto alinea la gestión de datos con la de beneficios, uno de los aspectos clave en la gestión moderna de proyectos. Finalmente, el PMBOK 7 recalca que la medición y visualización de datos deben tener como
RkJQdWJsaXNoZXIy MTM0Mzk2