Uno de los desafíos fundamentales a los que se enfrentan tanto agentes públicos como privados, en general, y decisores económicos, en particular, radica en la toma de decisiones en entornos de incertidumbre. Acontecimientos excepcionales, como la pandemia del COVID-19, o recurrentes en forma de conflictos, como la invasión de Ucrania, intensifican la complejidad de esta tarea, creando situaciones cada vez más dinámicas y cambiantes. En este contexto, la disponibilidad de metodologías y aplicaciones flexibles para el análisis de datos económicos y la generación de predicciones se vuelve de gran interés, especialmente para las y los analistas involucrados en el estudio de la realidad regional, que deben considerar las características idiosincrásicas de la región. La presente tesis doctoral trata el desafío de la toma de decisiones en entornos de incertidumbre, enfocándose en tres problemas relacionados con el crecimiento económico regional. En primer lugar, propone una metodología innovadora para combinar predicciones dentro del marco conceptual de la teoría de la información utilizando técnicas de aprendizaje automático basadas en regresión con regularización. En segundo lugar, aborda la construcción de índices sintéticos de crecimiento económico regional, prestando atención a la medición de la incertidumbre asociada. Por último, evalúa el impacto de los Fondos Next Generation EU en el crecimiento regional español, considerando la heterogeneidad en la distribución de estos fondos y utilizando metodologías contrafactuales para distinguir entre la evolución natural del ciclo y la contribución de los fondos.