• 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
    • 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

El proceso de planificación natural de proyectos de GTD

marzo 4, 2022 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 3 minutos

En GTD todo objetivo que requiera más de un paso para poder ser alcanzado se le llama proyecto, los cuales requieren de una planificación antes de ser abordado. Lo que implica intentar adivinar qué puede pasar y pensar, en consecuencia, cuáles serán los pasos necesarios para alcanzar el objetivo. Como ya sabemos, realizar predicciones es algo complicado, por lo que contar con un método que nos ayude a planificar puede ser clave para el éxito. A este método es al que David Allen en su metodología GTD ha llamado el proceso de planificación natural de proyectos.

* En este artículo, nuestras recomendaciones son el resultado una evaluación rigurosa e independiente. Algunos enlaces incluidos en el texto son enlaces de afiliados, lo que significa que podemos recibir una comisión si decides realizar una compra a través de ellos. Esta comisión no afecta de ninguna manera a nuestra selección de productos ni influye en nuestra opinión sobre los mismos.

Planificar

Como se ha comentado anteriormente, planificar es intentar adivinar qué puede pasar en el futuro de modo que sea posible anticipar los pasos que van a ser necesarios para completar un proyecto. Algo que no es sencillo. El futuro es incierto y poder anticipar todas las opciones no es sencillo, por lo que habitualmente es necesario cambiar los planes iniciales.

La caverna del consumo, o cómo Greenspan miraba calzoncillos para hacer política monetaria – El bestiario de los indicadores económicos absurdos (parte 1)
En Analytics Lane
La caverna del consumo, o cómo Greenspan miraba calzoncillos para hacer política monetaria – El bestiario de los indicadores económicos absurdos (parte 1)

Aún así planificar es una tarea que hacemos casi a diario, incluso sin darnos cuenta. Cuando queremos alcanzar un objetivo generalmente lo primero que haces es visualizar este, pensando en las posibles formas que existe para alcanzarlo, seleccionando entre estas aquella que nos parece óptima y poniendo en marcha el primer paso planificado. Algo que podemos ver en tareas tan triviales como desplazarnos. En primer lugar, visualizamos el sitio al que deseamos llegar, identificamos las posibles rutas, seleccionamos aquella que nos parece la óptima y damos el primer paso.

Este proceso se da de forma natural, por lo que David Allen lo llama en su libro el proceso de “planificación natural de proyectos”.

Los tipos de proyectos

A la hora de planificar un proyecto es necesario diferenciar entre dos tipos: los proyectos evidentes y los no evidentes. En los proyectos evidentes se conocen todos los pasos y el orden en que estos se deben ejecutar. Bien porque ya se han realizado con antelación o los pasos se encuentran estipulados. Por lo que estos no requieren mucha planificación.

Por otro lado, se encuentran los proyectos no evidentes, en los que no se conocen todos los pasos necesarios para finalizarlos. Siendo necesario en estos casos aplicar el proceso de “planificación natural de proyectos” para identificar los pasos necesarios en la medida de los posible.

Publicidad


La planificación natural de proyectos

El proceso de “planificación natural de proyectos” es un proceso que se puede realizar en cinco pasos:

  1. Identificar es el objetivo: inicialmente es necesario identificar el alcance del proyecto (qué se quiere conseguir concretamente con este) y el plazo (para cuándo). Un punto clave en el que hay que ser concreto. No se puede usar algo como “crear el informe de ventas” sino que debería ser algo como “informe de ventas con los datos de enero y entregado antes del 15 de febrero”. El segundo enunciado es mucho más claro, se sabe exactamente qué hay que hacer y para cuándo.
  2. Propósito: otro punto importante es identificar por qué se desea llevar a cabo el proyecto, algo que aumentará la motivación para realizarlo.
  3. Visualización del resultado: hay que visualizarse como estaremos al conseguir el proyecto. Algo que es clave tanto de cara a la motivación como para anticipar los sentimientos que este nos traerá.
  4. Realizar una tormenta de ideas: debido a que no se conocen los pasos necesarios para alcanzar el objetivo, ni el orden en que estos se deben llevar a cabo, es posible probable que la primera idea que se tenga sea la óptima. Por lo que, en el caso de que contemos con varias, es más probable que se encuentre alguna buena opción entre ellas. Así que realizar una tormenta de ideas también es un punto clave en la planificación del proyecto.
  5. Organizar las ideas: una vez que se han recopilado las ideas simplemente se tiene que ordenar y seleccionar la primera acción a realizar.

Una vez planificado el proyecto ya solo nos queda dar el primer paso.

Conclusiones

En esta entrada hemos visto los pasos para organizar un proyecto de forma natural. Para lo que solamente debemos identificar el objetivo, ver por qué lo queremos hacer, visualizarnos consiguiendo este, pensar en los diferentes pasos y organizar estos. Una vez hecho esto solo nos queda empezar con el primer paso.

Si quieres saber más sobre GTD puedes consultar la serie que se publicó en el blog con antelación y sus referencias.

Imagen de hudsoncrafted 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

  • La caverna del consumo, o cómo Greenspan miraba calzoncillos para hacer política monetaria – El bestiario de los indicadores económicos absurdos (parte 1)
  • Analytics Lane lanza la versión 1.1 del laboratorio con nuevas suites de CLV y Scoring
  • Subplots en Matplotlib: cómo organizar múltiples gráficos en una sola figura
  • Cómo comparar datos con barras en Matplotlib: agrupadas, apiladas y porcentuales
  • Ley de Benford: cómo detectar datos manipulados con ejemplos reales
  • Costes hundidos en ciencia de datos: cuándo mantener un modelo y cuándo migrar
  • Síndrome del objeto brillante en ciencia de datos: el error simétrico a los costes hundidos
  • WOE e IV: La Base Matemática del Credit Scoring
  • De la Regresión Logística al Scorecard: La Transformación Matemática

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

La caverna del consumo, o cómo Greenspan miraba calzoncillos para hacer política monetaria – El bestiario de los indicadores económicos absurdos (parte 1)

junio 4, 2026 Por Daniel Rodríguez

Calibración vs Discriminación en Credit Scoring: diferencias clave y cómo evaluarlas

junio 2, 2026 Por Daniel Rodríguez

Ley de Benford: cómo detectar datos manipulados con ejemplos reales

mayo 28, 2026 Por Daniel Rodríguez

Publicidad

Es tendencia

  • Hoja de cálculo para repartir los escaños en base al método D’Hont Aplicar el método D’Hondt en Excel publicado el abril 14, 2021 | en Herramientas
  • Gráficos de barras en Matplotlib publicado el julio 5, 2022 | en Python
  • Método del codo (Elbow method) para seleccionar el número óptimo de clústeres en K-means publicado el junio 9, 2023 | en Ciencia de datos
  • Identificar el número de clústeres con Calinski-Harabasz en k-means e implementación en Python publicado el junio 16, 2023 | en Ciencia de datos
  • Copiar y pegar Activar copiar y pegar en VirtualBox publicado el mayo 1, 2019 | en Herramientas

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

4.1 (11)

Aplicar el método D’Hondt en Excel

Comentarios recientes

  • 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
  • Daniel Rodríguez en Probabilidad básica: cómo entender el azar en nuestra vida diaria
  • Pepe en Probabilidad básica: cómo entender el azar en nuestra vida diaria

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