Este estudio presenta el desarrollo de una solución de software para procesar, analizar y visualizar datos de sensores recopilados por un robot móvil educativo. El enfoque está en el análisis estadístico e identificación de correlaciones entre diversos conjuntos de datos. La investigación utilizó la plataforma de robot móvil PlatypOUs, equipada con odometría y unidades de medida inercial (IMUs), para recopilar datos de movimiento completos. Para mejorar la fiabilidad e interpretabilidad de los datos, se emplearon técnicas avanzadas de procesamiento de datos, como promedios móviles, análisis de correlación y suavizado exponencial. Se utilizaron herramientas basadas en Python, incluyendo Matplotlib y Visual Studio Code, para la visualización y análisis de datos. El análisis proporcionó información clave sobre la dinámica de movimiento del robot; específicamente, su estabilidad durante movimientos lineales y variabilidad durante giros. Al aplicar filtrado de promedios móviles y suavizado exponencial, se redujo significativamente el ruido en los datos del sensor, lo que permitió una identificación más clara de los patrones de movimiento. El análisis de correlación reveló relaciones significativas entre la velocidad y la aceleración durante varios estados de movimiento. Estos hallazgos subrayan el valor de las técnicas avanzadas de procesamiento de datos para mejorar el rendimiento y la fiabilidad de los robots móviles educativos. Los conocimientos adquiridos en este proyecto piloto contribuyen a la optimización de algoritmos de navegación y sistemas de control de movimiento, mejorando el potencial futuro del robot en aplicaciones de educación STEM.