El camino hacia la agilidad en las metodologías de gestión de proyectos analíticos

agilidad en las metodologías de gestión de proyectos analíticos

Continuamente encontramos publicaciones que incluyen términos como Digitalización, Big Data o Data Science. Y en contextos de negocio, economía, marketing, etc. El motivo es que los negocios cambian cada vez con más rapidez. También ha cambiado la manera en la que se relacionan las personas. Ya sea para colaborar en grupo o, simplemente para adquirir bienes y servicios.

La nueva realidad empresarial

Hace poco escuché que el 20% de la facturación de los restaurantes proviene ya del servicio de comida a domicilio, solicitado típicamente a través de apps. Seguro que los restaurantes han tenido que cambiar sus procesos en poco tiempo para adaptarse. Hay algo todavía más importante: Los propietarios de las apps, e incluso Google con su Android y su Gmail, pueden identificar clientes individuales, geolocalizarlos y analizar sus patrones de compra (hablamos de Data Analytics en general). Con ello podrán conocer mejor los gustos de los clientes, para ajustar convenientemente la oferta, y hasta promocionar otros productos que nada tienen que ver con la restauración.

La gestión de proyectos también ha tenido que adaptarse a esta realidad empresarial: Los cambios son muy rápidos, las tecnologías se complican y requieren la colaboración de equipos multidisciplinares, a veces en remoto, el número de datos crece exponencialmente, son poco estructurados y externos a la empresa (por ejemplo opiniones de redes sociales), etc.

Gestión predictiva de proyectos tecnológicos

La gestión de proyectos tecnológicos durante muchos años ha sido (y sigue siendo) lo que denominamos predictiva, esto es, trata de ofrecer una estimación sobre el alcance, plazo, coste y calidad del proyecto (que suelen implicar restricciones contrapuestas, por ejemplo, más calidad puede suponer un incremento de costes y tiempos). De esta manera, la gestión predictiva observa sobre todo desviaciones reales o previstas sobre la planificación, y toma decisiones correctivas o preventivas con objeto de restablecer el equilibrio.

Para poder hacer estimaciones realistas, es necesario que en fases tempranas del proyecto se conozcan con bastante detalle los requisitos y objetivos del mismo. Si bien se puede abordar por fases, la planificación irá cambiando a medida que se conozcan los detalles. La ventaja principal es que a lo largo de todo el proyecto (o al menos durante la fase que se ha planificado en detalle), se puede saber, siempre con cierto margen de error, si se van a cumplir o no las restricciones.

La figura del Project Manager es la encargada de tomar decisiones, normalmente consensuadas con diferentes interesados, y de realizar el seguimiento del proyecto. La literatura sobre este tipo de gestión es muy extensa, aunque sin duda la organización PMI (Project Management Institute) y su publicación PMBOK (Project Management Body of Knowledge) son los estándares de referencia básica. PMI ofrece la certificación PMP, que estoy orgulloso de disponer desde 2.009, cuando no era tan conocida en España. También dispongo de la certificación de Scrum Master desde 2.014.

Pilares básicos

Cualquier método de gestión de proyectos conlleva cierta gestión de cambios y riesgos como pilares básicos. En el caso de gestión predictiva, por ejemplo, los cambios van a alterar alguna de las previsiones sobre alcance, tiempo, coste y calidad. Así pues, se recomienda aplicar alguna política al respecto, para priorizar unos cambios y rechazar otros, y requiere evaluar el impacto sobre la planificación. Puede haber hasta un comité de cambios que gestione los de mayor calado.

No gestionar correctamente los cambios, como cuando se introducen cambios de alcance sin ningún tipo de autorización (conocido como scope creep), deviene en retrasos, sobrecostes, y entregables que los usuarios rechazan. Es decir, proyectos que acaban fracasando por no alcanzar sus objetivos. En ocasiones el Project Manager toma decisiones sin contar con su equipo. A veces acapara excesivo poder sobre él mismo. Lógicamente, el equipo técnico acaba viendo al Project Manager como una especie de capataz, que exige el cumplimiento de plazos… Pero que a la vez toma decisiones cuestionables de forma unilateral, incluso de índole técnica.

Debo aclarar que el PMBOK no ampara este tipo de gestión, y establece diversos mecanismos para que esto no ocurra. No obstante, la realidad es que el trabajo bajo presión por cumplir restricciones, y un Project Manager con falta de experiencia, o quizás llevado por la cultura empresarial, acaban derivando en lo expuesto anteriormente.

Agile o gestión adaptativa

Enlazando con el inicio del artículo, el negocio quiere que los entregables del proyecto reflejen los cambios solicitados lo antes posible, porque el mercado se lo exige. Por otro lado el equipo técnico reclama no ser tratado como simples productores de software (como recursos o máquinas), sino que demanda un ámbito de autoridad sobre la parte técnica, la planificación y el valor para el negocio.

En este contexto se acuña el término de “agilidad” o “agile”, así como el de la gestión adaptativa frente a la predictiva. Pero no hay que confundir agilidad con rapidez de producción, el equipo técnico necesita tomarse su tiempo para entregar una solución de suficiente calidad. Si hay muchos cambios, el proyecto se alargará (las restricciones contrapuestas siguen ahí).

Agilidad se refiere a aligerar los procesos de gestión, especialmente el de cambios, e incorporarlos como algo no solo inevitable sino positivo para el proyecto. En visiones provenientes de una interpretación extrema e inadecuada del PMBOK, la mayor parte de los cambios se consideraban como riesgos negativos, y por lo tanto a rechazar siempre que fuera posible. Se llegaba incluso a “castigar” al equipo técnico por querer abordar cambios, ya que es como reconocer que se habían cometido errores.

Agile en proyectos de Ciencia de Datos

Un proyecto de Ciencia de Datos, sin ir más lejos, tiene  buena parte de experimental.  De inicio no se sabe muy bien si se encontrará un modelo adecuado, ni lo que puede costar hacerlo. Los usuarios de negocio no son capaces de definir requisitos detallados al principio. Y podemos dar por seguro que, antes de encontrar un buen modelo, tendremos que probar y descartar otros. Los sucesivos refinamientos de modelos ya incluyen el cambio como un elemento fundamental y beneficioso.

La figura de un Project Manager obsesionado por cumplir una planificación rígida tiene poco sentido, y en su lugar una figura que ayude a superar momentos de bloqueo emerge como algo más útil. Como contrapartida, son proyectos donde el riesgo de exceder costes y tiempos aumenta, y es algo a asumir. No obstante, son necesarias prácticas para limitar el riesgo, como  las que comenté en un artículo anterior. Hemos llegado al punto donde buenas prácticas de gestión ágil como SCRUM nos permiten articular ese enfoque adaptativo.

En próximos artículos espero seguir profundizando sobre los beneficios del enfoque adaptativo para los proyectos de Analytics, Big Data, Ciencia de Datos y Business Intelligence. Y cómo Scrum necesita particularizarse en estos casos. Pero, para terminar, quiero aclarar otro punto típico de confusión: El PMBOK permite también gestión adaptativa, y sigue más vigente que nunca. PMI hace tiempo que ofrece certificaciones sobre agilidad. Los enfoques predictivo y adaptativo conviven dentro de los proyectos reales, y se busca un equilibrio entre cumplir con restricciones y responder a los cambios.


 José Julio López, Business Intelligence, Data Science, IT Project Manager. SCRUM Master, PMP y antiguo alumno del máster de Big Data & Analytics de datahack.

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *