El lenguaje de la dirección de proyectos, traducido a ciencia de datosThe language of project management, translated into data science
El PMI define un proyecto como un esfuerzo temporal llevado a cabo para crear un producto, servicio o resultado único. En ciencia de datos, esto es fácil de confundir: entrenar un modelo no es "hacer un experimento aislado", es un proyecto completo con inicio, fin y un objetivo de negocio que debe justificar la inversión. PMI defines a project as a temporary endeavor undertaken to create a unique product, service, or result. In data science this is easy to confuse: training a model isn't "running an isolated experiment" — it's a full project with a beginning, an end, and a business objective that must justify the investment.
Temporal: tiene inicio y fin definidos. Único: nunca se ha hecho exactamente igual antes.Temporary: has a defined start and end. Unique: has never been done exactly the same way before.
Continuo: no tiene fecha de fin, es trabajo repetitivo y estandarizado.Ongoing: has no end date; it is repetitive, standardized work.
La aplicación de conocimientos, habilidades, herramientas y técnicas a las actividades del proyecto para cumplir sus objetivos — es decir, todo este curso.The application of knowledge, skills, tools, and techniques to project activities to meet its objectives — that is, this entire course.
Pregunta clave para el examen: si la actividad "termina" cuando se logra un objetivo específico, es proyecto. Si sigue "para siempre" manteniendo algo funcionando, es operación. Un pipeline de MLOps que corre automáticamente cada noche es operación; construir ese pipeline por primera vez fue un proyecto. Key exam question: if the activity "ends" once a specific objective is achieved, it's a project. If it keeps running "forever" to keep something working, it's an operation. An MLOps pipeline that runs automatically every night is an operation; building that pipeline for the first time was a project.
PMBOK 8 abandona la idea de "un solo enfoque correcto" y presenta un continuo entre lo predictivo (Waterfall) y lo adaptativo (Ágil). Un proyecto de ciencia de datos rara vez es 100% uno u otro: el gobierno del proyecto (Charter, presupuesto, interesados) suele necesitar la disciplina predictiva, mientras que el trabajo técnico (exploración de datos, modelado) necesita iteración ágil porque el camino no se conoce por adelantado. PMBOK 8 drops the idea of "one correct approach" and presents a continuum between predictive (Waterfall) and adaptive (Agile). A data science project is rarely 100% one or the other: the project's governance (Charter, budget, stakeholders) usually needs predictive discipline, while the technical work (data exploration, modeling) needs agile iteration because the path isn't known upfront.
La Fase de Inicio y Planificación —el corazón de este curso— casi siempre se maneja de forma predictiva: se firma un Charter, se define una línea base de alcance/costo/tiempo, y esa línea base ancla al proyecto. Pero dentro de la ejecución, el equipo de datos itera en sprints ágiles de exploración y modelado, porque no se sabe qué tan preciso será el modelo hasta probarlo. The Initiating and Planning phase — the heart of this course — is almost always handled predictively: a Charter is signed, a scope/cost/schedule baseline is set, and that baseline anchors the project. But within execution, the data team iterates in agile sprints of exploration and modeling, because you don't know how accurate the model will be until you test it.
No confundas "híbrido" con "flexible sin reglas". El híbrido sigue teniendo un Charter firmado y un Sponsor que aprueba presupuesto — lo que cambia es cómo se ejecuta el trabajo técnico, no si existe gobierno del proyecto. Profundizaremos esto en la página dedicada "El Modelo Híbrido". Don't confuse "hybrid" with "flexible with no rules." Hybrid projects still have a signed Charter and a Sponsor approving budget — what changes is how the technical work is executed, not whether project governance exists. We'll go deeper into this on the dedicated "Hybrid Model" page.
Para el examen y para la práctica profesional, es vital no confundir estos cuatro términos. Representan las reglas del juego y las amenazas con las que un Project Manager —o un Data Scientist actuando como tal— lidia desde el primer día. For the exam and for professional practice, it's vital not to confuse these four terms. They represent the rules of the game and the threats a Project Manager — or a Data Scientist acting as one — deals with from day one.
Factor que se considera verdadero sin necesidad de prueba, para efectos de planificación. Agrega riesgo si resulta falso.A factor considered true without proof, for planning purposes. It adds risk if it turns out false.
Factor limitante que afecta las opciones de ejecución. La Triple Restricción clásica: tiempo, costo, alcance.A limiting factor affecting execution options. The classic Triple Constraint: time, cost, scope.
Evento o condición incierta (probabilidad < 100%) que, de ocurrir, afecta positiva o negativamente al proyecto.An uncertain event or condition (probability < 100%) that, if it occurs, affects the project positively or negatively.
Evento que ya ocurrió (probabilidad = 100%) y afecta negativamente al proyecto hoy. Requiere acción inmediata.An event that has already occurred (probability = 100%) and is negatively affecting the project today. Requires immediate action.
En ciencia de datos, la mayoría de los supuestos y riesgos ocultos viven en la calidad de los datos. Antes de firmar un Charter, siempre pregunta: "¿qué estoy asumiendo sobre estos datos que todavía no he verificado?" — esa pregunta sola evita la mitad de los proyectos fallidos de DS. In data science, most hidden assumptions and risks live in data quality. Before signing a Charter, always ask: "what am I assuming about this data that I haven't verified yet?" — that single question prevents half of failed DS projects.
Cuando el proyecto de datos necesita adquirir servicios externos —etiquetado de datos, consultoría en la nube, aumento de personal técnico— el tipo de contrato define quién absorbe la pérdida si algo sale mal (Comprador = tu proyecto, Vendedor = el proveedor). When a data project needs to procure external services — data labeling, cloud consulting, technical staff augmentation — the contract type defines who absorbs the loss if something goes wrong (Buyer = your project, Seller = the vendor).
| Tipo de ContratoContract Type | Uso Ideal en Ciencia de DatosIdeal Use in Data Science | ¿Quién asume el riesgo?Who bears the risk? |
|---|---|---|
| Precio Fijo (FP)Fixed-Price (FP) | Etiquetar 50,000 imágenes con especificación clara y cerrada. El alcance está detallado y no cambiará.Labeling 50,000 images with a clear, closed spec. Scope is fully detailed and won't change. | Alto para el vendedor: si le toma más horas, el proveedor de etiquetado pierde dinero.High for the seller: if it takes more hours, the labeling vendor loses money. |
| Costos Reembolsables (CR)Cost-Reimbursable (CR) | Investigación exploratoria con un consultor de IA cuando aún no se sabe qué arquitectura de modelo funcionará.Exploratory research with an AI consultant when it's still unclear which model architecture will work. | Alto para el comprador: si la investigación toma más meses, tu proyecto paga todos los gastos.High for the buyer: if research takes more months, your project pays all expenses. |
| Tiempo y Materiales (T&M)Time and Materials (T&M) | Contratar a un ingeniero de ML por hora para reforzar el equipo durante el sprint de despliegue.Hiring an ML engineer per hour to reinforce the team during the deployment sprint. | Riesgo compartido: peligroso para el comprador si no se fija un tope máximo de horas (Not-to-exceed).Shared risk: dangerous for the buyer if a Not-to-exceed (NTE) cap isn't set. |
Regla mnemotécnica: "Alcance claro → Precio Fijo. Alcance incierto → Reembolsable." La incertidumbre técnica típica de la ciencia de datos (¿qué tan preciso será el modelo?) empuja muchos contratos de investigación hacia Costos Reembolsables o T&M con tope. Mnemonic: "Clear scope → Fixed-Price. Uncertain scope → Reimbursable." The technical uncertainty typical of data science (how accurate will the model actually be?) pushes many research contracts toward Cost-Reimbursable or capped T&M.
Una Fase del Proyecto es un conjunto de actividades relacionadas que culmina en uno o más entregables. En Atlas, una fase termina, por ejemplo, con un reporte de factibilidad de datos. Al final de cada fase, el proyecto enfrenta una revisión crítica: A Project Phase is a set of related activities culminating in one or more deliverables. In Atlas, a phase ends, for example, with a data-feasibility report. At the end of each phase, the project faces a critical review:
Las puertas de fase son tu mejor amigo como Data Scientist: son el momento formal para decir "los datos no sirven, detengámonos aquí" sin que se vea como un fracaso personal — es una decisión de negocio basada en evidencia. Phase gates are your best friend as a Data Scientist: they're the formal moment to say "the data doesn't work, let's stop here" without it reading as a personal failure — it's an evidence-based business decision.
Actualización de nomenclatura: PMBOK 8 renombró los clásicos "Grupos de Procesos" a "Áreas de Enfoque" (Focus Areas) — mismos 5 nombres (Inicio, Planificación, Ejecución, Monitoreo y Control, Cierre), pero reconociendo que hoy se cumplen tanto con procesos formales como con prácticas informales y políticas flexibles, no solo con procesos rígidos. Si ves ambos términos en distintas fuentes, son el mismo concepto. Terminology update: PMBOK 8 renamed the classic "Process Groups" to "Focus Areas" — same 5 names (Initiating, Planning, Executing, Monitoring and Controlling, Closing), but acknowledging that today they're satisfied through formal processes as well as informal practices and flexible policies, not just rigid processes. If you see both terms in different sources, they're the same concept.
¡Cuidado en el examen! Las Áreas de Enfoque no son fases. Las 5 (Inicio, Planificación, Ejecución, Monitoreo y Cierre) se repiten dentro de cada fase mencionada arriba — incluso dentro de cada sprint de modelado. Exam trap! Focus Areas are not phases. The 5 (Initiating, Planning, Executing, Monitoring, and Closing) repeat within every phase mentioned above — even within every modeling sprint.
Truco visual: dibuja las 5 áreas de enfoque como una ola pequeña dentro de cada fase. Si tu proyecto Atlas tiene 3 fases, hay potencialmente 3 "olas" de Inicio-Planificación-Ejecución-Monitoreo-Cierre, no solo una. Visual trick: draw the 5 focus areas as a small wave inside each phase. If your Atlas project has 3 phases, there are potentially 3 "waves" of Initiating-Planning-Executing-Monitoring-Closing, not just one.
PMBOK 8 simplificó los 12 principios de la edición anterior a solo 6, para hacerlos más accionables. Aquí están — con su traducción directa al trabajo diario de un Data Scientist: PMBOK 8 simplified the previous edition's 12 principles down to just 6, to make them more actionable. Here they are — translated directly into a Data Scientist's daily work:
El modelo de churn afecta —y es afectado por— marketing, retención, IT y finanzas. Diseñarlo aislado del resto del negocio garantiza que falle al integrarse.The churn model affects — and is affected by — marketing, retention, IT, and finance. Designing it in isolation from the rest of the business guarantees it fails to integrate.
Un modelo con 99% de exactitud que nadie usa vale menos que uno simple que sí se integra al negocio.A model with 99% accuracy nobody uses is worth less than a simple one that actually gets adopted.
Definir un "Definition of Done" claro para el modelo: no basta con que corra — debe cumplir el umbral de recall y pasar una revisión de sesgo antes de considerarse terminado.Define a clear "Definition of Done" for the model: it's not enough that it runs — it must meet the recall threshold and pass a bias review before being considered finished.
El Data Scientist que detecta que el dataset tiene un sesgo problemático lo reporta de inmediato al Sponsor, aunque eso retrase el proyecto.The Data Scientist who detects a problematic bias in the dataset reports it to the Sponsor immediately, even if it delays the project.
Considerar el costo energético de reentrenar el modelo constantemente (huella de cómputo en la nube), y si el modelo podría perjudicar injustamente a ciertos segmentos de clientes.Considering the energy cost of constantly retraining the model (cloud compute footprint), and whether the model could unfairly harm certain customer segments.
Crear seguridad psicológica para que un analista junior pueda decir "este dato no cuadra" sin miedo.Creating psychological safety so a junior analyst can say "this data doesn't add up" without fear.
Si ya conocías la edición anterior de PMBOK, notarás que "Adaptación (Tailoring)" y "Riesgo" desaparecieron de esta lista — con razón: en PMBOK 8, Tailoring es un capítulo completo (cómo adaptar cada dominio a tu proyecto), y Riesgo es uno de los 7 Dominios de Desempeño (como Alcance o Cronograma) — no principios de comportamiento. Cada uno vive donde le corresponde, no como parte de este mindset de 6. If you knew the previous PMBOK edition, you'll notice "Tailoring" and "Risk" disappeared from this list — for good reason: in PMBOK 8, Tailoring is an entire chapter (how to adapt each domain to your project), and Risk is one of the 7 Performance Domains (like Scope or Schedule) — not behavioral principles. Each lives where it actually belongs, not as part of this 6-item mindset.
En el taller de Inicio del Proyecto Atlas (siguiente parada del curso) usarás estos 6 principios como checklist antes de redactar el Charter. Si no puedes justificar tu proyecto con "Enfoque en el Valor", probablemente el Charter no debería aprobarse todavía. In the Project Atlas Initiating workshop (the course's next stop) you'll use these 6 principles as a checklist before drafting the Charter. If you can't justify your project under "Focus on Value," the Charter probably shouldn't be approved yet.