1. Introducción al análisis de datos en proyectos
1.1. Tipo de datos y fuentes de información relevantes.
1.2. Data-driven decision making: la importancia de los datos en la gestión de proyectos.
1.3. Ética y seguridad en la gestión de datos.
2. Recopilación, limpieza y tratamiento de datos
2.1. Estrategias para la recogida de datos.
2.2. Calidad de los datos: limpieza, estructuración y validación.
2.3. Herramientas digitales para gestionar datos.
3. Métodos estadísticos; análisis cuantitativo y cualitativo
3.1. Fundamentos estadísticos aplicados en la toma de decisiones.
3.2. Visualización de datos: cómo interpretar gráficas y dashboards.
3.3. Herramientas de análisis estadístico y big data aplicadas a los proyectos.
4. Inteligencia artificial para la toma de decisiones
4.1. Algoritmos de IA para la predicción y análisis de patrones.
4.2. Machine learning aplicado a la gestión de proyectos.
4.3. Cómo mejorar la toma de decisiones estratégicas mediante IA.
