• Saltar al contenido principal
  • Skip to secondary menu
  • Saltar a la barra lateral principal
  • Saltar al pie de página
  • Inicio
  • Secciones
    • Ciencia de datos
    • Criptografía
    • Herramientas
    • Machine Learning
    • Noticias
    • Opinión
    • Productividad
    • Programación
      • JavaScript
      • Julia
      • Matlab
      • Python
      • R
  • Programación
    • JavaScript
    • Julia
    • Matlab
    • Python
    • R
  • Laboratorio
    • Estadística
      • Calculadora del Tamaño Muestral en Encuestas
      • Calculadora de estadísticos descriptivos
      • Test de normalidad
      • Calculadora de contrastes de hipotesis
      • Calculadora de tamano del efecto
      • Simulador de Regresión Lineal con Ruido
      • Visualizador de PCA
      • Visualizador de Series Temporales
      • Simulador de Regresión Logística
      • Simulador de K-Means
      • Simulador de DBSCAN
      • Detector de la Ley de Benford
      • Ajuste de Curvas
      • Calculadora de Matrices
    • Probabilidad
      • Calculadora de Probabilidad de Distribuciones
      • Calculadora de Probabilidades de Lotería
      • Simulador del Problema de Monty Hall
      • Simulador de la Estrategia Martingala
    • Finanzas
      • Calculadora de Préstamos e Hipotecas
      • Conversor TIN ↔ TAE
      • Calculadora DCA con ajuste por inflación
      • Calculadora XIRR con Flujos Irregulares
      • Simulador FIRE (Financial Independence, Retire Early)
    • Negocios
      • CLV
      • Scoring
    • Herramientas
      • Formateador / Minificador de JSON
      • Conversor CSV ↔ JSON
      • Comparador y Formateador de Texto y JSON
      • Formateador y Tester de Expresiones Regulares
      • Inspector de JWT
      • Generador y verificador de hashes
      • Codificador / Decodificador Base64 y URL
      • Conversor de bases numericas
      • Conversor de Timestamp Unix
      • Conversor de colores
      • Generador de UUIDs
    • Juegos
      • Tres en Raya
      • Nim con Q-Learning
    • Más
      • Método D’Hondt
      • Generador de Contraseñas Seguras
  • Noticias
  • Boletín
  • Contacto
  • Tienda
    • Libros
    • Equipamiento de oficina
    • Equipamiento en movilidad

Analytics Lane

Ciencia e ingeniería de datos aplicada

  • Ciencia de datos
  • Machine Learning
  • IA Generativa
  • Python
  • Pandas
  • NumPy
  • R
  • Excel

Decidir la siguiente acción para actuar en GTD

GTD

septiembre 23, 2022 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 3 minutos

En el aclarado de la bandeja de entrada que se realiza en GTD hay un punto clave para poder ser realmente productivo: decidir cuál será la siguiente acción. Durante la fase de procesado o aclarado se tiene que evaluar cada uno de los elementos capturados previamente para ver si estos se deben descamar, archivar, incubar, delegar o definir la siguiente acción a realizar para alcanzar el objetivo. Siendo esta definición clave para poder actuar o no.

El poder de la siguiente acción

Haber definido la siguiente acción es clave para poder actuar. Si no se ha definido cuál es la siguiente acción asociada a una tarea o proyecto no es posible finalizar este, ya que se desconoce qué hacer. Por eso, la identificación de esta durante el proceso de aclarado es algo clave.

Ahora supongamos que durante el proceso de revisión nos encontramos con la necesidad de pasar la revisión al coche. Lo que es un proyecto. Recordemos que en GTD se llama proyecto a todos los objetivos que requieren más de una acción para su consecución. Dado que tiene una fecha objetiva, es necesario realizar la revisión antes de una fecha dada, no es posible eliminar, archivar o incubar. Por lo que es necesario decidir cuál será la siguiente acción asociada. Si simplemente se apunta “revisión del coche realizada” en su momento no se sabrá qué hacer al revisar las tareas pendientes, pero si se apunta “llamar al taller para concertar una cita”, lo que es una tarea bien definida, sabremos qué hacer y en el contexto necesario.

Desbalanceo de Clases en Credit Scoring: Por Qué Usamos Ponderación en lugar de Undersampling
En Analytics Lane
Desbalanceo de Clases en Credit Scoring: Por Qué Usamos Ponderación en lugar de Undersampling

Cómo seleccionar la siguiente acción

Para identificar la siguiente acción asociada a una tarea debemos preguntarnos qué se puede hacer para conseguir el objetivo y si se dispone de la información o recursos necesarios para ello. Definir una acción que no se puede realizar por falta de algo es como no definirla, antes se tendrá que conseguir los recursos o la información.

Siguiendo con el ejemplo de pasar la revisión al coche. Al preguntarnos cuál es la siguiente acción podemos pensar que esta es llevar el coche al taller. Pero si vamos sin una cita previa lo más probable es que no nos atiendan. Así que antes es necesario concertar una cita, para lo que necesitamos el número de teléfono del taller. Información que es necesario conseguir antes de llamar. Por eso la siguiente acción será buscar en Internet, o preguntar a alguien que lo sepa, el número del teléfono del taller al que deseamos llevar el coche. En este caso la siguiente acción no podría ser llamar al taller, ya que sin la información necesaria es algo que no se puede llevar a cabo. Una reflexión que lleva unos pocos segundos y nos permite definir claramente qué hacer.

Publicidad


Conclusiones

Identificar y definir la siguiente acción es clave para poder ser productivo, trabajemos o no con GTD. Cuando nos enfrentamos a una tarea es necesario saber qué se puede hacer para alcanzar el objetivo y definir esto como siguiente acción. Siendo necesario tener claro que se cuenta con los recursos o información necesaria para ello, definir una algo que no se puede realizar es cómo no hacerlo.

Imagen de Gerd Altmann en Pixabay

¿Te ha parecido de utilidad el contenido?

¡Puntúalo entre una y cinco estrellas!

Puntuación promedio 0 / 5. Votos emitidos: 0

Ya que has encontrado útil este contenido...

¡Síguenos en redes sociales!

¡Siento que este contenido no te haya sido útil!

¡Déjame mejorar este contenido!

Dime, ¿cómo puedo mejorar este contenido?

Publicaciones relacionadas

  • Desbalanceo de Clases en Credit Scoring: Por Qué Usamos Ponderación en lugar de Undersampling
  • Por Qué las Contraseñas Largas son más Seguras que las Complejas
  • Gini, KS y AUC: Cómo Medir la Calidad de un Modelo de Credit Scoring
  • Por qué migrar tus proyectos TypeScript a ES Modules en 2026
  • Curiosidad: El “bug”, la polilla y la leyenda de Grace Hopper
  • Curiosidad: Por qué la criptografía habla siempre de Alice y Bob
  • BG/BB: el modelo de CLV para compras en períodos discretos
  • Errores comunes al interpretar resultados estadísticos
  • Método del codo: interpretación correcta y limitaciones

Publicado en: Productividad Etiquetado como: GTD

Interacciones con los lectores

Deja una respuesta Cancelar la respuesta

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

I accept the Terms and Conditions and the Privacy Policy

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.

Barra lateral principal

Suscríbete a nuestro boletín

Suscríbete al boletín semanal para estar al día de todas las publicaciones.

Política de Privacidad

Analytics Lane en redes sociales

  • Amazon
  • Bluesky
  • Facebook
  • GitHub
  • Instagram
  • Mastodon
  • Pinterest
  • RSS
  • Telegram
  • Tumblr
  • Twitter
  • YouTube

Publicidad

Entradas recientes

Por qué migrar tus proyectos TypeScript a ES Modules en 2026

septiembre 17, 2026 Por Daniel Rodríguez

Método del codo: interpretación correcta y limitaciones

septiembre 15, 2026 Por Daniel Rodríguez

Errores comunes al interpretar resultados estadísticos

septiembre 10, 2026 Por Daniel Rodríguez

Publicidad

Es tendencia

  • Curiosidad: La Paradoja de Simpson, o por qué no siempre debes fiarte de los promedios publicado el septiembre 18, 2025 | en Ciencia de datos, Opinión
  • Truco Matlab: Calcular el número máximo de elementos en Matlab publicado el noviembre 11, 2020 | en Matlab
  • Desmontando el Mito: “La IA puede predecir el futuro con precisión” [Mitos de la Inteligencia Artificial 16] publicado el agosto 15, 2024 | en Opinión
  • Prueba exacta de Fisher publicado el mayo 13, 2020 | en Ciencia de datos
  • Chatbots vs redes sociales: la diferencia clave entre la inteligencia artificial y los algoritmos de recomendación – Conversar con una inteligencia artificial – Parte II publicado el abril 21, 2026 | en Opinión

Publicidad

Lo mejor valorado

4.9 (24)

Seleccionar filas y columnas en Pandas con iloc y loc

4.6 (16)

Archivos JSON con Python: lectura y escritura

4.4 (14)

Ordenación de diccionarios en Python mediante clave o valor

4.7 (13)

Operaciones de filtrado de DataFrame con Pandas en base a los valores de las columnas

4.9 (11)

Pandas: Cambiar los tipos de datos en los DataFrames

Comentarios recientes

  • Daniel Rodríguez en Los récords con asterisco, o la épica del titular sin contexto – El bestiario de los indicadores económicos absurdos (parte 8 y final)
  • Juan en Los récords con asterisco, o la épica del titular sin contexto – El bestiario de los indicadores económicos absurdos (parte 8 y final)
  • bif en JSON en bases de datos: cuándo es buena idea y cuándo no
  • bif en Cómo desinstalar Oracle Database 19c en Windows
  • M. Pilar en Cómo eliminar las noticias en Windows 11 y recuperar tu concentración

Publicidad


Footer

Analytics Lane

  • Acerca de Analytics Lane
  • Boletín de noticias
  • Contacto
  • Libros
  • Lo más popular
  • Noticias
  • Tienda
  • Tiendas afiliadas

Secciones

  • Ciencia de datos
  • Criptografía
  • Herramientas
  • Machine Learning
  • Opinión
  • Productividad
  • Programación
  • Reseñas

Sobre de Analytics Lane

En Analytics Lane tratamos de explicar los principales conceptos de la ciencia e ingeniería de datos con un enfoque práctico. Los principales temas tratados son ciencia de datos, ingeniería de datos, inteligencia artificial, machine learning, deep learning y criptografía. Además, también se habla de los principales lenguajes de programación y herramientas utilizadas por los científicos e ingenieros de datos.

Copyright © 2018-2026 Analytics Lane ·Términos y condiciones ·Política de Cookies ·Política de Privacidad ·Herramientas de privacidad ·Contacto