Módulo 1 — Estrategia PropTech y mapa de procesos Real Estate

1.1 Fundamentos, alcance y criterios: Establece los fundamentos de Estrategia PropTech y mapa de procesos Real Estate mediante un análisis crítico de Estrategia PropTech y mapa de procesos Real Estate. Se revisan las decisiones que dependen de esta materia, los parámetros que más influyen en ellas y las simplificaciones habituales que pueden inducir errores. El participante formula un esquema de verificación que permita comprobar coherencia antes de avanzar al siguiente nivel del proyecto.

1.2 Datos, parámetros y calidad de entrada: Convierte la información de Estrategia PropTech y mapa de procesos Real Estate en entradas utilizables para Estrategia PropTech y mapa de procesos Real Estate. Se revisan nomenclatura, unidades, tolerancias, registros y trazabilidad, comparándolas con los requisitos de CDE, BIM y arquitectura de información del activo. El alumno documenta incertidumbres y evita que un valor sin contexto se transforme automáticamente en una conclusión.

1.3 Método, modelado y comprobación: Construye el procedimiento de análisis de Estrategia PropTech y mapa de procesos Real Estate utilizando WBS/CBS, cronogramas y EVM. El método se articula alrededor de Estrategia PropTech y mapa de procesos Real Estate: hipótesis, pasos de cálculo o modelado, sensibilidad y criterios de convergencia o aceptación. Se comparan escenarios para identificar qué variable domina la decisión y qué resultado necesita validación externa.

1.4 Riesgos, interfaces y controles: Desarrolla el assurance de Estrategia PropTech y mapa de procesos Real Estate frente a alcance o interfaz no controlados, relacionándolo con Estrategia PropTech y mapa de procesos Real Estate. Se revisan interfaces, responsabilidades y posibles fallos de coordinación. Cada control se acompaña de una forma concreta de verificación, un propietario y una condición de cierre para que la matriz de riesgos no quede desconectada de la ejecución.

1.5 Entregable, QA/QC y defensa: Cierra Estrategia PropTech y mapa de procesos Real Estate mediante entregable técnico del módulo «Estrategia PropTech y mapa de procesos Real Estate». El documento integra alcance, entradas, hipótesis, análisis de Estrategia PropTech y mapa de procesos Real Estate, resultados, incertidumbre, decisiones rechazadas y recomendaciones. Se exige trazabilidad entre dato y conclusión, criterios de aceptación y próximos pasos para que el entregable pueda utilizarse en revisión, aprobación o actualización.

Módulo 2 — CDE, BIM y arquitectura de información del activo

2.1 Fundamentos, alcance y criterios: Construye el marco de decisión para CDE, BIM y arquitectura de información del activo a partir de Estrategia PropTech y mapa de procesos Real Estate. Se identifican variables dominantes, interacciones y condiciones que podrían invalidar una solución aparentemente correcta. El alumno documenta objetivos, restricciones y nivel de incertidumbre, y relaciona el contenido con seguridad, desempeño, operación y coste para evitar una lectura puramente académica.

2.2 Datos, parámetros y calidad de entrada: Organiza los datos necesarios para CDE, BIM y arquitectura de información del activo: fuentes, unidades, fechas, resolución, versiones y responsable. Se utilizan como referencia CDE, BIM y arquitectura de información del activo y el contexto de IoT, sensórica y edificios conectados. El participante detecta vacíos, valores incompatibles y sesgos; clasifica la información como confirmada, inferida o pendiente; y define qué evidencia adicional necesita antes de aumentar la fidelidad del análisis.

2.3 Método, modelado y comprobación: Desarrolla CDE, BIM y arquitectura de información del activo mediante modelos financieros y de forecast, justificando por qué la herramienta y el nivel de fidelidad son adecuados para CDE, BIM y arquitectura de información del activo. Se revisan sensibilidad, simplificaciones y límites. El participante debe poder explicar cómo cambiaría la respuesta ante variaciones relevantes y qué parte del resultado depende del modelo frente a la evidencia directa.

2.4 Riesgos, interfaces y controles: Integra forecast sin soporte en CDE, BIM y arquitectura de información del activo y analiza su interacción con CDE, BIM y arquitectura de información del activo, otras disciplinas y la operación. Se construye una cadena causa–consecuencia–control, se asignan responsables y se definen señales tempranas, hold points y evidencia de cierre. El riesgo residual debe quedar explícito y vinculado a un criterio de escalado.

2.5 Entregable, QA/QC y defensa: Prepara entregable técnico del módulo «CDE, BIM y arquitectura de información del activo» como evidencia profesional de CDE, BIM y arquitectura de información del activo. Se organiza la información de CDE, BIM y arquitectura de información del activo en una narrativa técnica comprensible, acompañada de cálculos, modelos, tablas o registros relevantes. El resultado debe ser auditable, coherente con las versiones de entrada y útil para una decisión concreta.

Módulo 3 — IoT, sensórica y edificios conectados

3.1 Fundamentos, alcance y criterios: Establece los fundamentos de IoT, sensórica y edificios conectados mediante un análisis crítico de CDE, BIM y arquitectura de información del activo. Se revisan las decisiones que dependen de esta materia, los parámetros que más influyen en ellas y las simplificaciones habituales que pueden inducir errores. El participante formula un esquema de verificación que permita comprobar coherencia antes de avanzar al siguiente nivel del proyecto.

3.2 Datos, parámetros y calidad de entrada: Desarrolla un plan de información para IoT, sensórica y edificios conectados tomando IoT, sensórica y edificios conectados como variable de control. Se comprueba procedencia, representatividad y calidad, y se relaciona el dato con Data platforms, APIs y modelo semántico. La práctica incorpora criterios de completitud y consistencia para decidir si el conjunto de entradas es suficiente, debe condicionarse o requiere una nueva campaña de medición o revisión documental.

3.3 Método, modelado y comprobación: Construye el procedimiento de análisis de IoT, sensórica y edificios conectados utilizando registros contractuales y matrices de eventos. El método se articula alrededor de IoT, sensórica y edificios conectados: hipótesis, pasos de cálculo o modelado, sensibilidad y criterios de convergencia o aceptación. Se comparan escenarios para identificar qué variable domina la decisión y qué resultado necesita validación externa.

3.4 Riesgos, interfaces y controles: Integra evidencia contractual insuficiente en IoT, sensórica y edificios conectados y analiza su interacción con IoT, sensórica y edificios conectados, otras disciplinas y la operación. Se construye una cadena causa–consecuencia–control, se asignan responsables y se definen señales tempranas, hold points y evidencia de cierre. El riesgo residual debe quedar explícito y vinculado a un criterio de escalado.

3.5 Entregable, QA/QC y defensa: Convierte el trabajo de IoT, sensórica y edificios conectados en entregable técnico del módulo «IoT, sensórica y edificios conectados», con especial atención a IoT, sensórica y edificios conectados. La entrega debe permitir que un tercero reproduzca el razonamiento: fuentes, versiones, método, resultados, riesgos residuales y acciones. Se evalúa claridad, consistencia y capacidad para defender por qué la solución seleccionada es preferible a las alternativas.

Módulo 4 — Data platforms, APIs y modelo semántico

4.1 Fundamentos, alcance y criterios: Aborda Data platforms, APIs y modelo semántico desde la lógica de IoT, sensórica y edificios conectados, conectando requisitos, comportamiento esperado y evidencia disponible. El alumno aprende a convertir conceptos en criterios operativos y a justificar cuándo un supuesto resulta conservador, representativo o insuficiente. La salida es una base argumentada para las decisiones posteriores.

4.2 Datos, parámetros y calidad de entrada: Convierte la información de Data platforms, APIs y modelo semántico en entradas utilizables para Data platforms, APIs y modelo semántico. Se revisan nomenclatura, unidades, tolerancias, registros y trazabilidad, comparándolas con los requisitos de IA aplicada a operación, inversión y experiencia. El alumno documenta incertidumbres y evita que un valor sin contexto se transforme automáticamente en una conclusión.

4.3 Método, modelado y comprobación: Modela o evalúa Data platforms, APIs y modelo semántico dentro de Data platforms, APIs y modelo semántico mediante dashboards ejecutivos y matrices de riesgo. El objetivo es convertir la herramienta en un instrumento de decisión: se definen entradas, casos, controles y comparación de resultados. El análisis incluye una verificación independiente que permita diferenciar precisión numérica de validez técnica.

4.4 Riesgos, interfaces y controles: Examina riesgo mal asignado como escenario crítico de Data platforms, APIs y modelo semántico y contrasta su relación con Data platforms, APIs y modelo semántico. El alumno define prevención, detección, contingencia y recuperación, separando controles independientes de medidas redundantes solo en apariencia. El cierre se apoya en evidencia y no en declaraciones de cumplimiento.

4.5 Entregable, QA/QC y defensa: Convierte el trabajo de Data platforms, APIs y modelo semántico en entregable técnico del módulo «Data platforms, APIs y modelo semántico», con especial atención a Data platforms, APIs y modelo semántico. La entrega debe permitir que un tercero reproduzca el razonamiento: fuentes, versiones, método, resultados, riesgos residuales y acciones. Se evalúa claridad, consistencia y capacidad para defender por qué la solución seleccionada es preferible a las alternativas.

Módulo 5 — IA aplicada a operación, inversión y experiencia

5.1 Fundamentos, alcance y criterios: Establece los fundamentos de IA aplicada a operación, inversión y experiencia mediante un análisis crítico de Data platforms, APIs y modelo semántico. Se revisan las decisiones que dependen de esta materia, los parámetros que más influyen en ellas y las simplificaciones habituales que pueden inducir errores. El participante formula un esquema de verificación que permita comprobar coherencia antes de avanzar al siguiente nivel del proyecto.

5.2 Datos, parámetros y calidad de entrada: Desarrolla un plan de información para IA aplicada a operación, inversión y experiencia tomando IA aplicada a operación, inversión y experiencia como variable de control. Se comprueba procedencia, representatividad y calidad, y se relaciona el dato con Gemelo digital y mantenimiento basado en datos. La práctica incorpora criterios de completitud y consistencia para decidir si el conjunto de entradas es suficiente, debe condicionarse o requiere una nueva campaña de medición o revisión documental.

5.3 Método, modelado y comprobación: Modela o evalúa IA aplicada a operación, inversión y experiencia dentro de IA aplicada a operación, inversión y experiencia mediante WBS/CBS, cronogramas y EVM. El objetivo es convertir la herramienta en un instrumento de decisión: se definen entradas, casos, controles y comparación de resultados. El análisis incluye una verificación independiente que permita diferenciar precisión numérica de validez técnica.

5.4 Riesgos, interfaces y controles: Integra decisión económica sin trazabilidad en IA aplicada a operación, inversión y experiencia y analiza su interacción con IA aplicada a operación, inversión y experiencia, otras disciplinas y la operación. Se construye una cadena causa–consecuencia–control, se asignan responsables y se definen señales tempranas, hold points y evidencia de cierre. El riesgo residual debe quedar explícito y vinculado a un criterio de escalado.

5.5 Entregable, QA/QC y defensa: Entrega entregable técnico del módulo «IA aplicada a operación, inversión y experiencia» para cerrar IA aplicada a operación, inversión y experiencia, demostrando cómo IA aplicada a operación, inversión y experiencia se tradujo en una decisión. Se documentan alternativas, sensibilidad, riesgos y criterios de aceptación. El objetivo es que el documento sobreviva al cambio de equipo o fase y conserve el contexto necesario para operación, mantenimiento, auditoría o defensa.

Módulo 6 — Gemelo digital y mantenimiento basado en datos

6.1 Fundamentos, alcance y criterios: Establece los fundamentos de Gemelo digital y mantenimiento basado en datos mediante un análisis crítico de IA aplicada a operación, inversión y experiencia. Se revisan las decisiones que dependen de esta materia, los parámetros que más influyen en ellas y las simplificaciones habituales que pueden inducir errores. El participante formula un esquema de verificación que permita comprobar coherencia antes de avanzar al siguiente nivel del proyecto.

6.2 Datos, parámetros y calidad de entrada: Desarrolla un plan de información para Gemelo digital y mantenimiento basado en datos tomando Gemelo digital y mantenimiento basado en datos como variable de control. Se comprueba procedencia, representatividad y calidad, y se relaciona el dato con Automatización de workflows y smart contracts. La práctica incorpora criterios de completitud y consistencia para decidir si el conjunto de entradas es suficiente, debe condicionarse o requiere una nueva campaña de medición o revisión documental.

6.3 Método, modelado y comprobación: Aplica modelos financieros y de forecast para desarrollar Gemelo digital y mantenimiento basado en datos con un nivel de detalle proporcional al riesgo. Se estudian Gemelo digital y mantenimiento basado en datos, parámetros sensibles, condiciones de contorno y escenarios alternativos. El alumno comprueba el resultado mediante una segunda referencia o cálculo independiente, evitando aceptar una salida solo porque el software la produce sin error.

6.4 Riesgos, interfaces y controles: Integra alcance o interfaz no controlados en Gemelo digital y mantenimiento basado en datos y analiza su interacción con Gemelo digital y mantenimiento basado en datos, otras disciplinas y la operación. Se construye una cadena causa–consecuencia–control, se asignan responsables y se definen señales tempranas, hold points y evidencia de cierre. El riesgo residual debe quedar explícito y vinculado a un criterio de escalado.

6.5 Entregable, QA/QC y defensa: Prepara entregable técnico del módulo «Gemelo digital y mantenimiento basado en datos» como evidencia profesional de Gemelo digital y mantenimiento basado en datos. Se organiza la información de Gemelo digital y mantenimiento basado en datos en una narrativa técnica comprensible, acompañada de cálculos, modelos, tablas o registros relevantes. El resultado debe ser auditable, coherente con las versiones de entrada y útil para una decisión concreta.

Módulo 7 — Automatización de workflows y smart contracts

7.1 Fundamentos, alcance y criterios: Construye el marco de decisión para Automatización de workflows y smart contracts a partir de Gemelo digital y mantenimiento basado en datos. Se identifican variables dominantes, interacciones y condiciones que podrían invalidar una solución aparentemente correcta. El alumno documenta objetivos, restricciones y nivel de incertidumbre, y relaciona el contenido con seguridad, desempeño, operación y coste para evitar una lectura puramente académica.

7.2 Datos, parámetros y calidad de entrada: Desarrolla un plan de información para Automatización de workflows y smart contracts tomando Automatización de workflows y smart contracts como variable de control. Se comprueba procedencia, representatividad y calidad, y se relaciona el dato con Tokenización: conceptos, activos y modelos de inversión. La práctica incorpora criterios de completitud y consistencia para decidir si el conjunto de entradas es suficiente, debe condicionarse o requiere una nueva campaña de medición o revisión documental.

7.3 Método, modelado y comprobación: Construye el procedimiento de análisis de Automatización de workflows y smart contracts utilizando registros contractuales y matrices de eventos. El método se articula alrededor de Automatización de workflows y smart contracts: hipótesis, pasos de cálculo o modelado, sensibilidad y criterios de convergencia o aceptación. Se comparan escenarios para identificar qué variable domina la decisión y qué resultado necesita validación externa.

7.4 Riesgos, interfaces y controles: Examina forecast sin soporte como escenario crítico de Automatización de workflows y smart contracts y contrasta su relación con Automatización de workflows y smart contracts. El alumno define prevención, detección, contingencia y recuperación, separando controles independientes de medidas redundantes solo en apariencia. El cierre se apoya en evidencia y no en declaraciones de cumplimiento.

7.5 Entregable, QA/QC y defensa: Entrega entregable técnico del módulo «Automatización de workflows y smart contracts» para cerrar Automatización de workflows y smart contracts, demostrando cómo Automatización de workflows y smart contracts se tradujo en una decisión. Se documentan alternativas, sensibilidad, riesgos y criterios de aceptación. El objetivo es que el documento sobreviva al cambio de equipo o fase y conserve el contexto necesario para operación, mantenimiento, auditoría o defensa.

Módulo 8 — Tokenización: conceptos, activos y modelos de inversión

8.1 Fundamentos, alcance y criterios: Analiza Automatización de workflows y smart contracts como componente central de Tokenización: conceptos, activos y modelos de inversión. La práctica exige identificar mecanismos, causas, consecuencias y criterios de comparación antes de seleccionar herramientas. Se trabaja la diferencia entre dato observado, valor calculado y juicio profesional, dejando constancia de los límites que deben comunicarse a un revisor o cliente.

8.2 Datos, parámetros y calidad de entrada: Desarrolla un plan de información para Tokenización: conceptos, activos y modelos de inversión tomando Tokenización: conceptos, activos y modelos de inversión como variable de control. Se comprueba procedencia, representatividad y calidad, y se relaciona el dato con Ciberseguridad, privacidad y gobierno del dato. La práctica incorpora criterios de completitud y consistencia para decidir si el conjunto de entradas es suficiente, debe condicionarse o requiere una nueva campaña de medición o revisión documental.

8.3 Método, modelado y comprobación: Desarrolla Tokenización: conceptos, activos y modelos de inversión mediante dashboards ejecutivos y matrices de riesgo, justificando por qué la herramienta y el nivel de fidelidad son adecuados para Tokenización: conceptos, activos y modelos de inversión. Se revisan sensibilidad, simplificaciones y límites. El participante debe poder explicar cómo cambiaría la respuesta ante variaciones relevantes y qué parte del resultado depende del modelo frente a la evidencia directa.

8.4 Riesgos, interfaces y controles: Desarrolla el assurance de Tokenización: conceptos, activos y modelos de inversión frente a evidencia contractual insuficiente, relacionándolo con Tokenización: conceptos, activos y modelos de inversión. Se revisan interfaces, responsabilidades y posibles fallos de coordinación. Cada control se acompaña de una forma concreta de verificación, un propietario y una condición de cierre para que la matriz de riesgos no quede desconectada de la ejecución.

8.5 Entregable, QA/QC y defensa: Entrega entregable técnico del módulo «Tokenización: conceptos, activos y modelos de inversión» para cerrar Tokenización: conceptos, activos y modelos de inversión, demostrando cómo Tokenización: conceptos, activos y modelos de inversión se tradujo en una decisión. Se documentan alternativas, sensibilidad, riesgos y criterios de aceptación. El objetivo es que el documento sobreviva al cambio de equipo o fase y conserve el contexto necesario para operación, mantenimiento, auditoría o defensa.

Módulo 9 — Ciberseguridad, privacidad y gobierno del dato

9.1 Fundamentos, alcance y criterios: Define el alcance técnico de Ciberseguridad, privacidad y gobierno del dato y sitúa Tokenización: conceptos, activos y modelos de inversión dentro de la decisión que debe tomarse. Se revisan conceptos, límites de aplicabilidad, dependencias y errores frecuentes. El participante debe distinguir qué parte del problema puede resolverse con reglas conocidas y qué parte exige datos adicionales, cálculo, ensayo o revisión especialista. El ejercicio termina con criterios explícitos para aceptar, condicionar o rechazar una hipótesis.

9.2 Datos, parámetros y calidad de entrada: Desarrolla un plan de información para Ciberseguridad, privacidad y gobierno del dato tomando Ciberseguridad, privacidad y gobierno del dato como variable de control. Se comprueba procedencia, representatividad y calidad, y se relaciona el dato con Vendor selection, interoperabilidad y lock-in. La práctica incorpora criterios de completitud y consistencia para decidir si el conjunto de entradas es suficiente, debe condicionarse o requiere una nueva campaña de medición o revisión documental.

9.3 Método, modelado y comprobación: Aplica WBS/CBS, cronogramas y EVM para desarrollar Ciberseguridad, privacidad y gobierno del dato con un nivel de detalle proporcional al riesgo. Se estudian Ciberseguridad, privacidad y gobierno del dato, parámetros sensibles, condiciones de contorno y escenarios alternativos. El alumno comprueba el resultado mediante una segunda referencia o cálculo independiente, evitando aceptar una salida solo porque el software la produce sin error.

9.4 Riesgos, interfaces y controles: Integra riesgo mal asignado en Ciberseguridad, privacidad y gobierno del dato y analiza su interacción con Ciberseguridad, privacidad y gobierno del dato, otras disciplinas y la operación. Se construye una cadena causa–consecuencia–control, se asignan responsables y se definen señales tempranas, hold points y evidencia de cierre. El riesgo residual debe quedar explícito y vinculado a un criterio de escalado.

9.5 Entregable, QA/QC y defensa: Entrega entregable técnico del módulo «Ciberseguridad, privacidad y gobierno del dato» para cerrar Ciberseguridad, privacidad y gobierno del dato, demostrando cómo Ciberseguridad, privacidad y gobierno del dato se tradujo en una decisión. Se documentan alternativas, sensibilidad, riesgos y criterios de aceptación. El objetivo es que el documento sobreviva al cambio de equipo o fase y conserve el contexto necesario para operación, mantenimiento, auditoría o defensa.

Módulo 10 — Vendor selection, interoperabilidad y lock-in

10.1 Fundamentos, alcance y criterios: Aborda Vendor selection, interoperabilidad y lock-in desde la lógica de Ciberseguridad, privacidad y gobierno del dato, conectando requisitos, comportamiento esperado y evidencia disponible. El alumno aprende a convertir conceptos en criterios operativos y a justificar cuándo un supuesto resulta conservador, representativo o insuficiente. La salida es una base argumentada para las decisiones posteriores.

10.2 Datos, parámetros y calidad de entrada: Prepara las entradas de Vendor selection, interoperabilidad y lock-in mediante una revisión estructurada de Vendor selection, interoperabilidad y lock-in. El trabajo incluye control de versiones, detección de outliers, comprobaciones de orden de magnitud y contraste con Business case, roadmap y gestión del cambio. Cada dato queda vinculado a una fuente y a una decisión, de forma que el modelo posterior pueda auditarse.

10.3 Método, modelado y comprobación: Construye el procedimiento de análisis de Vendor selection, interoperabilidad y lock-in utilizando modelos financieros y de forecast. El método se articula alrededor de Vendor selection, interoperabilidad y lock-in: hipótesis, pasos de cálculo o modelado, sensibilidad y criterios de convergencia o aceptación. Se comparan escenarios para identificar qué variable domina la decisión y qué resultado necesita validación externa.

10.4 Riesgos, interfaces y controles: Evalúa cómo decisión económica sin trazabilidad puede comprometer Vendor selection, interoperabilidad y lock-in. A partir de Vendor selection, interoperabilidad y lock-in, el participante identifica escenarios, barreras preventivas, controles de detección y respuestas. Se jerarquizan acciones por criticidad y se evita confundir la mera existencia de un procedimiento con la eficacia real del control.

10.5 Entregable, QA/QC y defensa: Formaliza Vendor selection, interoperabilidad y lock-in en entregable técnico del módulo «Vendor selection, interoperabilidad y lock-in». El participante sintetiza Vendor selection, interoperabilidad y lock-in sin eliminar la evidencia necesaria, diferencia hechos de interpretaciones y registra supuestos pendientes. La revisión final comprueba que cada recomendación tenga soporte, responsable y criterio de cierre, evitando documentos extensos pero poco accionables.

Módulo 11 — Business case, roadmap y gestión del cambio

11.1 Fundamentos, alcance y criterios: Establece los fundamentos de Business case, roadmap y gestión del cambio mediante un análisis crítico de Vendor selection, interoperabilidad y lock-in. Se revisan las decisiones que dependen de esta materia, los parámetros que más influyen en ellas y las simplificaciones habituales que pueden inducir errores. El participante formula un esquema de verificación que permita comprobar coherencia antes de avanzar al siguiente nivel del proyecto.

11.2 Datos, parámetros y calidad de entrada: Organiza los datos necesarios para Business case, roadmap y gestión del cambio: fuentes, unidades, fechas, resolución, versiones y responsable. Se utilizan como referencia Business case, roadmap y gestión del cambio y el contexto de Capstone: estrategia de digitalización PropTech. El participante detecta vacíos, valores incompatibles y sesgos; clasifica la información como confirmada, inferida o pendiente; y define qué evidencia adicional necesita antes de aumentar la fidelidad del análisis.

11.3 Método, modelado y comprobación: Aplica registros contractuales y matrices de eventos para desarrollar Business case, roadmap y gestión del cambio con un nivel de detalle proporcional al riesgo. Se estudian Business case, roadmap y gestión del cambio, parámetros sensibles, condiciones de contorno y escenarios alternativos. El alumno comprueba el resultado mediante una segunda referencia o cálculo independiente, evitando aceptar una salida solo porque el software la produce sin error.

11.4 Riesgos, interfaces y controles: Integra alcance o interfaz no controlados en Business case, roadmap y gestión del cambio y analiza su interacción con Business case, roadmap y gestión del cambio, otras disciplinas y la operación. Se construye una cadena causa–consecuencia–control, se asignan responsables y se definen señales tempranas, hold points y evidencia de cierre. El riesgo residual debe quedar explícito y vinculado a un criterio de escalado.

11.5 Entregable, QA/QC y defensa: Cierra Business case, roadmap y gestión del cambio mediante entregable técnico del módulo «Business case, roadmap y gestión del cambio». El documento integra alcance, entradas, hipótesis, análisis de Business case, roadmap y gestión del cambio, resultados, incertidumbre, decisiones rechazadas y recomendaciones. Se exige trazabilidad entre dato y conclusión, criterios de aceptación y próximos pasos para que el entregable pueda utilizarse en revisión, aprobación o actualización.

Módulo 12 — Capstone: estrategia de digitalización PropTech

12.1 Fundamentos, alcance y criterios: Establece los fundamentos de Capstone: estrategia de digitalización PropTech mediante un análisis crítico de Business case, roadmap y gestión del cambio. Se revisan las decisiones que dependen de esta materia, los parámetros que más influyen en ellas y las simplificaciones habituales que pueden inducir errores. El participante formula un esquema de verificación que permita comprobar coherencia antes de avanzar al siguiente nivel del proyecto.

12.2 Datos, parámetros y calidad de entrada: Define la calidad mínima de información para Capstone: estrategia de digitalización PropTech, centrando el análisis en Capstone: estrategia de digitalización PropTech y su relación con Estrategia PropTech y mapa de procesos Real Estate. Se establecen criterios de aceptación, campos obligatorios, evidencias y tratamiento de datos faltantes. El resultado es una ficha de entrada que impide avanzar de forma inadvertida con información insuficiente.

12.3 Método, modelado y comprobación: Transforma Capstone: estrategia de digitalización PropTech en un flujo reproducible de Capstone: estrategia de digitalización PropTech con apoyo de dashboards ejecutivos y matrices de riesgo. La práctica exige documentar parámetros, versiones, cambios y resultados intermedios. Se incorporan comprobaciones físicas, operativas o contractuales para detectar incoherencias antes de que el análisis se convierta en un entregable.

12.4 Riesgos, interfaces y controles: Desarrolla el assurance de Capstone: estrategia de digitalización PropTech frente a forecast sin soporte, relacionándolo con Capstone: estrategia de digitalización PropTech. Se revisan interfaces, responsabilidades y posibles fallos de coordinación. Cada control se acompaña de una forma concreta de verificación, un propietario y una condición de cierre para que la matriz de riesgos no quede desconectada de la ejecución.

12.5 Entregable, QA/QC y defensa: Cierra Capstone: estrategia de digitalización PropTech mediante entregable técnico del módulo «Capstone: estrategia de digitalización PropTech». El documento integra alcance, entradas, hipótesis, análisis de Capstone: estrategia de digitalización PropTech, resultados, incertidumbre, decisiones rechazadas y recomendaciones. Se exige trazabilidad entre dato y conclusión, criterios de aceptación y próximos pasos para que el entregable pueda utilizarse en revisión, aprobación o actualización.