El Ayuntamiento de Madrid, desde el área de Economía, Innovación y Empleo en el año 2020 impulsó la creación del Cluster de Big Data de Madrid, organización sin ánimo de lucro con el fin de fomentar la colaboración público privada en el contexto de los datos y la Inteligencia artificial para “acelerar la creación de ecosistemas digitales poniendo a disposición de los integrantes plataformas colaborativas comunes protegiendo la competitividad empresarial”. Cluster integrado por todo tipo de organizaciones: PYMEs, Start Ups, Grandes Empresas Tecnológicas, Universidades, Administraciones Públicas, Asociaciones sin Ánimo de Lucro, … con un foco claro: fomentar el networking, desarrollar proyectos tecnológicos y ser un referente tecnológico.
El Ayuntamiento de Madrid, dentro de este marco de fomento de la excelencia tecnológica, en el año 2021, lanzó un programa de ayudas dirigido al fomento de productos, herramientas o servicios de innovación disruptiva orientados a las pymes, que tengan como finalidad su aplicación en el rediseño de procesos y/o el desarrollo de nuevos productos, servicios y modelos de negocio. Programa que ha tenido su segunda convocatoria este pasado 2022.
El Ayuntamiento de Madrid lanzó un programa de ayudas dirigido al fomento de productos, herramientas o servicios de innovación disruptiva orientados a las pymes, que tengan como finalidad su aplicación en el rediseño de procesos y/o el desarrollo de nuevos productos, servicios y modelos de negocio.
Desde PiperLab, hemos presentado nuestras soluciones a ambas convocatorias:
En el año 2021 presentamos Datenea, nuestra plataforma de desarrollo y reutilización de proyectos de Data Science. Una solución en la que tener el repositorio de toda la experiencia y casos de uso de aplicación de técnicas de Data Science y Machine Learning.
El contexto actual en que las empresas necesitan acelerar el proceso de digitalización de sus servicios y aprovechar mejor todos sus recursos y detectar las oportunidades que ofrece el mercado, provoca que cada vez sean más demandadas herramientas y soluciones que utilicen las tecnologías del Data Science para automatizar sus procesos y tratar mejor los datos de los que se dispone para poder orientar mejor el modelo de negocio.
Esta ayuda fue destinada a dar soporte a la evolución 
de Datenea, no sólo en términos de funcionalidad base sino para su integración con nuestro data lake de datos abiertos. Los datos externos son imprescindibles para contextualizar los negocios para los que desarrollamos proyectos y entender las circunstancias que rodean a cada dato transaccional de las empresas.
En el año 2022 presentamos Lean Mile. Después de años trabajando en el sector de la logística, hemos desarrollado nuestra propia solución para la previsión de demanda y planificación de recursos de las operaciones de última milla.
En el contexto actual, las compañías dedicadas a la 
distribución de paquetería se han visto enfrentadas a grandes retos. El auge del e-commerce, amplificado por el impacto de la reciente pandemia, ha provocado un aumento de la competitividad del sector debido al creciente volumen de negocio. Existe una clara ventaja competitiva para aquellas empresas que son capaces de incrementar su eficiencia operativa y ofrecer mejores tarifas manteniendo un buen nivel de servicio. Adicionalmente, el incremento del peso del negocio B2C (Business-to-Customer) ha provocado una mayor variabilidad e incertidumbre en los volúmenes de demanda de paquetería. Un ejemplo de esto son las grandes campañas comerciales como el “Black Friday”.
Una estrategia de planificación de recursos basada en datos es capaz de ayudar a dimensionar los recursos de la cadena de distribución de una forma mucho más eficiente. Lean Mile es una herramienta web de planificación de recursos eficiente, integrada con un motor de predicción de demanda basado en modelos entrenados a partir de los datos utilizando técnicas de Machine Learning.
Una estrategia de planificación de recursos basada en datos es capaz de ayudar a dimensionar los recursos de la cadena de distribución de una forma mucho más eficiente.
