U3R3.Herramientas y técnicas para análisis cuantitativo y cualitativo

Herramientas y técnicas para análisis cuantitativo y cualitativo

Da clic en cada botón

Las herramientas pueden ser

Es de gran importancia...

La gestión de proyectos

La importancia de la gestión de proyectos ha sido comprobada en prácticamente todas nuestras actividades diarias, desde la gestión de proyectos industriales, como la construcción de una central nuclear, hasta el más simple de los problemas como puede ser planificar el tiempo para una tarea doméstica u organizar nuestra agenda laboral.

Introducción

Pasa el cursor en cada botón

El análisis cuantitativo y cualitativo son enfoques complementarios pero distintos en la gestión de proyectos, cada uno con sus propias características, aplicaciones y beneficios.

1. Diferenciación de Análisis Cuantitativo y Cualitativo

05

Resultados

04

Aplicaciones

03

Datos

02

Objetivo

01

Enfoque

Pasa el cursor en cada botón

Análisis Cualitativo

05

Resultados

04

Aplicaciones

03

Datos

02

Objetivo

01

Enfoque

Da clic en cada botón

El análisis cuantitativo y cualitativo se complementan al proporcionar una visión más completa y equilibrada de la información, mejorando así la toma de decisiones en la gestión de proyectos:

Flexibilidad en la Resolución de Problemas

Validación y Triangulación

Profundidad y Amplitud

¿Cómo se complementan estos dos tipos de análisis en la toma de decisiones?

Da clic en cada imagen

Herramientas y Técnicas para Análisis Cuantitativo

Da clic en cada botón

¿Cómo se aplican estas herramientas para analizar datos cuantitativos en proyectos?

+ info

+ info

+ info

R y Python

+ info

+ info

SPSS

+ info

Análisis de Regresión

Excel

Da clic en cada botón

Análisis Fenomenológico

Análisis de Contenido

Codificación

NVivo

3. Herramientas y Técnicas para Análisis Cualitativo

El análisis cualitativo en la gestión de proyectos se apoya en herramientas y técnicas que permiten interpretar datos no numéricos:

Codificación

NVivo

Análisis Fenomenológico

Análisis de Contenido

¿Cómo se pueden utilizar estas herramientas para interpretar datos cualitativos en proyectos?

*Da clic en cada botón

4. Integración de Resultados

*Da clic en cada botón

La integración de resultados cuantitativos y cualitativos proporciona una visión holística y equilibrada del proyecto, mejorando la toma de decisiones:

Triangulación de Datos

Enriquecimiento de Resultados

Mitigación de Riesgos

Planificación Basada en Evidencia

Ventajas de los bosques aleatorios:

Da clic en cada botón

Casos de estudio Ejemplos)

Caso de Estudio 2: Proyecto de Reestructuración Organizacional en una Empresa de Manufactura

Caso de Estudio 1: Implementación de un Nuevo Sistema de TI en una Organización Global

Ventajas de los bosques aleatorios:

• Los resultados cualitativos pueden validar y explicar los hallazgos cuantitativos, y viceversa. Esta triangulación de métodos aumenta la fiabilidad y validez de las conclusiones.

Descripción: Lenguajes de programación que ofrecen potentes capacidades para análisis estadístico y científico. R es particularmente fuerte en análisis estadístico y visualización, mientras que Python es conocido por su versatilidad y facilidad para integrar análisis con otras aplicaciones. Aplicaciones: Ambos se utilizan para análisis avanzados, como análisis de big data, aprendizaje automático, y modelado predictivo.

Mitigación de Riesgos

La integración de datos cuantitativos y cualitativos permite una evaluación más precisa de los riesgos y la implementación de estrategias de mitigación más efectivas. Por ejemplo, los análisis cuantitativos pueden identificar un riesgo financiero, mientras que los datos cualitativos pueden revelar la aceptación del riesgo por parte de los stakeholders.

Codificación

La codificación permite a los gestores de proyectos organizar datos cualitativos de manera estructurada, facilitando la identificación de temas emergentes. Por ejemplo, en un proyecto de implementación de software, la codificación de entrevistas con usuarios finales puede revelar patrones en sus necesidades y preocupaciones, informando mejoras en el diseño del sistema.

• Cisneros-Caicedo, A. J., Guevara-García, A. F., Urdánigo-Cedeño, J. J., & Garcés-Bravo, J. E. (2022). Técnicas e Instrumentos para la Recolección de Datos que apoyan a la Investigación Científica en tiempo de Pandemia. Dominio de las Ciencias.
• - Creswell, J. W., & Creswell, J. D. (2018). Research Design: Qualitative, Quantitative, and Mixed Methods Approaches (5th ed.). Sage Publications.
• - Harold, K. (2021). Project management: case studies.
• - Kerzner, H. (2017). Project Management: A Systems Approach to Planning, Scheduling, and Controlling (12th ed.). Wiley.
• - Kerzner, H. (2022). Project management metrics, KPIs, and dashboards: a guide to measuring and monitoring project performance.
• - Miles, M. B., Huberman, A. M., & Saldaña, J. (2014). Qualitative Data Analysis: A Methods Sourcebook (3rd ed.). Sage Publications.
• - Montgomery, D. C., & Runger, G. C. (2014). Applied Statistics and Probability for Engineers (6th ed.). Wiley.
• - Silverman, D. (2016). Qualitative Research (4th ed.). Sage Publications.

Referencias

• Es de gran importancia a la hora de gestionar proyectos, como también elegir la herramienta y técnicas adecuadas. Esto se debe a que cada proyecto es único, por lo tanto las plantillas y proyectos deben ajustarse para que cada uno de ellos cumpla con sus expectativas. Un director de proyecto puede enfrentar distintos desafíos a lo largo de la ejecución del proyecto, por lo que podemos distinguir para cada uno las herramientas y técnicas que se pueden utilizar para mitigarlos. Algunos de ellos podrían ser, con respecto al plan a largo plazo se encuentran las técnicas de análisis cualitativo predictivo, como ser las entrevistas o los estudios de mercado. (Kerzner, 2022)

Descripción: En este proyecto, se utilizó Excel y SPSS para analizar datos cuantitativos relacionados con la productividad y el rendimiento post-implementación. Simultáneamente, NVivo se empleó para analizar entrevistas con usuarios, proporcionando una comprensión más profunda de los desafíos percibidos durante la transición al nuevo sistema. Resultados: La integración de estos análisis permitió ajustar la capacitación y soporte post-implementación, resultando en una mejora del 20% en la satisfacción del usuario y una reducción significativa en los tiempos de respuesta del sistema.

Descripción: Técnica estadística que examina la relación entre una variable dependiente y una o más variables independientes. Aplicaciones: Utilizado para predecir resultados futuros y entender la influencia de diferentes factores en una variable de interés.

Enriquecimiento de Resultados

Los resultados cualitativos pueden proporcionar contexto y significado a los hallazgos cuantitativos, ayudando a los gestores de proyectos a interpretar y aplicar los resultados de manera más efectiva.

Análisis Fenomenológico

Esta técnica se utiliza para profundizar en la comprensión de las experiencias de los participantes en un proyecto. Por ejemplo, se podría emplear en un proyecto de cambio organizacional para explorar cómo los empleados perciben e interpretan el proceso de cambio, proporcionando información valiosa para ajustar las estrategias de gestión del cambio.

Planificación Basada en Evidencia

Al integrar ambos tipos de análisis, los gestores de proyectos pueden desarrollar planes más completos y realistas que aborden tanto los aspectos medibles como los subjetivos del proyecto.

Descripción: Técnica que busca comprender las experiencias vividas por los participantes desde su perspectiva, a través de un análisis profundo de sus relatos. Aplicaciones:Utilizado para explorar cómo los individuos experimentan e interpretan situaciones específicas dentro del proyecto, como cambios organizacionales o implementación de nuevas tecnologías.

Análisis de Contenido

Este método se utiliza para analizar las comunicaciones escritas, como correos electrónicos, reportes y actas de reuniones. Permite a los gestores identificar palabras clave y frases que indican áreas de preocupación o satisfacción entre los miembros del equipo.

NVivo

NVivo facilita el análisis de entrevistas y grupos focales, permitiendo a los gestores de proyectos identificar rápidamente temas recurrentes y patrones de respuesta. Esto es útil para comprender mejor las preocupaciones de los stakeholders o evaluar la efectividad de las comunicaciones del proyecto.

Descripción: Un software especializado en análisis estadístico. Ofrece una amplia gama de funciones para realizar análisis descriptivos, inferenciales y predictivos. Aplicaciones: Ideal para análisis multivariados, pruebas de hipótesis, análisis de regresión, y análisis de series temporales.

Descripción: Proceso de etiquetar y categorizar datos cualitativos para identificar temas y patrones. Puede ser manual o asistido por software como NVivo. Aplicaciones: Permite estructurar y organizar datos cualitativos, facilitando la interpretación y análisis de grandes volúmenes de información textual.

Descripción: Una de las herramientas más accesibles y versátiles para el análisis de datos. Permite realizar cálculos estadísticos, crear gráficos y tablas dinámicas, y ejecutar análisis de regresión. Aplicaciones: Usado ampliamente para la gestión de datos, modelado financiero, pronósticos, y análisis de tendencias.

Descripción: Técnica que implica la categorización sistemática de datos textuales para identificar patrones, temas, y significados. Aplicaciones: Se utiliza en la gestión de proyectos para analizar respuestas de entrevistas y encuestas cualitativas, ayudando a identificar las preocupaciones y expectativas de los stakeholders.

Descripción: Software diseñado para la gestión y análisis de datos cualitativos, como textos, entrevistas y encuestas abiertas. Aplicaciones: NVivo se utiliza para organizar y analizar grandes cantidades de datos textuales, facilitando la codificación, búsqueda de patrones, y la identificación de temas clave.

• Las herramientas pueden ser utilizadas en diferentes momentos, como para controlar el proceso de dirección, su ejecución o la toma de decisiones. Además, hay varios factores que influyen en la elección de la herramienta a utilizar, incluyendo el objeto de la dirección y control, la naturaleza del proyecto y de la actividad, la estructura de la organización, el esfuerzo que representa su aplicación y el retraso que causa en la dirección y gestión del proyecto, y la comparabilidad de los resultados. (Harold, 2021)

Triangulación de Datos

Combinar datos cuantitativos y cualitativos para corroborar resultados y obtener una visión más completa. Por ejemplo, los datos cuantitativos pueden mostrar una disminución en la productividad, mientras que el análisis cualitativo puede revelar las causas subyacentes, como problemas de comunicación o motivación.

• La gestión de proyectos teóricamente pretende, con técnicas apropiadas, resolver una serie de problemas que surgen en todo proyecto puesto en marcha: falta de información, incertidumbre, tareas que dependen de la ejecución de otras, recursos con limitaciones, plazos a cumplir... De ahí la importancia del uso de herramientas y técnicas para análisis cuantitativo y cualitativo. (Cisneros-Caicedo et al.2022)

Descripción: Durante la reestructuración, se utilizó un análisis de regresión para predecir el impacto en los costos operativos, mientras que el análisis fenomenológico exploró las percepciones de los empleados sobre el cambio. Resultados: Los hallazgos cualitativos revelaron que la resistencia al cambio era una preocupación significativa, lo que llevó a la implementación de una estrategia de comunicación más efectiva. Como resultado, la transición se completó con un 15% menos de interrupciones operativas de lo previsto.

• La combinación de ambos enfoques permite abordar problemas desde múltiples ángulos, identificando no solo las tendencias y patrones, sino también los factores subyacentes que los impulsan.

• Mientras que el análisis cuantitativo ofrece una visión amplia y generalizable de los datos, el análisis cualitativo proporciona una comprensión profunda y contextualizada. Juntos, permiten a los gestores de proyectos tomar decisiones bien informadas que consideran tanto la escala como el significado de los datos.