The golden opportunities for project success: the data mining approach

• Autores: Manuel Castejón Limas, Ana González Marcos, Francisco Javier Martínez de Pisón Ascacíbar, Fernando Alba Elías, Marina Corral Bobadilla
• Localización: X Congreso Internacional de Ingeniería de Proyectos: Valencia, 13-15 Septiembre 2006. Actas / Asociación Española de Ingenieria de Proyectos (AEIPRO) (aut.), Universitat Politècnica de València (aut.), International Project Management Association (aut.), 2006, ISBN 84-9705-987-5, págs. 2656-2664
• Idioma: español
• Texto completo no disponible (Saber más ...)
• Resumen
  • español

    Este artículo aborda la problemática que surge en el campo de la Dirección de Proyectos relativa a la estimación y análisis de los factores de mayor incidencia en el éxito o fracaso del desarrollo del proyecto desde un novedoso punto de vista: la minería de datos. Se resaltan las oportunidades que proporciona el descubrimiento de los principales estados y modos de comportamiento de los sistemas reales que constituyen los subsistemas del proyecto a partir de los datos de experiencias reales previas. La posibilidad de establecer cuales son los parámetros más influyentes en la interacción de los miembros del equipo de Proyectos, las causas más comunes de fallo en su coordinación y los factores críticos para el éxito o fracaso de un Proyecto, proporcionaría unos criterios fundamentales de incalculable valor en la gestión de los Proyectos; y de especial utilidad para el responsable del exitoso desarrollo de los mismos, su director. Gracias a los logros esperados de la línea de investigación emprendida, los Directores de Proyecto podrían establecer a priori cuales son los parámetros más adecuados para el correcto y eficiente desempeño de las actividades en las que se desglosan estos. El enfoque propuesto se basa en el análisis de la información contenida en bases de datos relativas al desarrollo de proyectos reales de software. El análisis a realizar se fundamenta en una metodología propuesta por el grupo EDMANS ya contrastada en proyectos anteriores, concentrándose particularmente en las etapas de preprocesado de los datos y el análisis descriptivo, cuantitativo y cualitativo. En particular, resultarán de particular interés los resultados procedentes del análisis cluster, discriminante, factorial y de identificación de excéntricos aplicados a un conjunto de proyectos que supera los tres millares de casos.

  • English

    This paper tackles a challenge stemming from the Project Management field, on the estimation and analysis of the factors with larger influence in the project development success or failure, with a new approach provided by the field of data mining. It highlights the opportunities provided by the discovering of the main behaviors and space states of the real systems that form the different subsystems of the project by means of the analysis of the data sets containing information from real past experiences. The possibility of establishing which are the most influential parameters on the interaction of the project team members, the most common causes of failure in their coordination and the most critical factors to succeed or fail, would provide some fundamental invaluable criteria for the projects management; and of special usefulness for the responsible of the successful development of these, their director. Thanks to the expected achievements of this research, the project managers would be able to establish a priori which are the most suitable values of the parameters so as to develop efficiently the activities in which these projects are broken down. The analyses to be performed are based on a methodology proposed by the EDMANS research group that already proved right in previous research projects, focusing with particular interest on the data preprocessing phases and on the descriptive analysis, both from the quantitative as from the qualitative point of view. Of particular interest will be the results achieved from the cluster analysis, discriminant analysis, factorial analysis and outlier detection technique application, when applied to the data sets that build a number of projects that exceeds the number of three thousands of them.