Plan enfocado a PYMEs que no cuentan con un plan de análisis de datos adaptado al negocio, determinando la inversión requerida y las medidas necesarias para su adopción, priorizando el establecimiento y aprendizaje de procesos para la extracción de datos y su análisis en beneficio de la pyme.

Importe de la Ayuda:

Segmento A (10-50 empleados): 6.000 €
Segmento B (50-100 empleados): 6.000 €
Segmento C (100-250 empleados): 6.000 €

Actividades Cubiertas:

• Identificación de los datos de la pyme que mejore el entendimiento de la información disponible.
• Analizar las distintas opciones de herramientas de inteligencia artificial para explotar y visualizar los datos, recomendando la que mejor se adapte a la situación actual de la empresa y la inversión necesaria para su adopción.
• Establecer información de valor a partir del tratado de datos con algoritmos de inteligencia artificial.
• Asesoramiento específico sobre la explotación de los datos a través de la herramienta elegida.
• Opcionalmente, asesoramiento sobre los procesos de gobierno, gestión y gestión de calidad del dato de acuerdo con las especificaciones UNE 0077 «Gobierno del dato», UNE 0078 «Gestión del Dato» y UNE 0079 «Gestión de la calidad del dato».
• Desarrollo y ejecución de un caso de uso adaptado al negocio en análisis de datos (nivel básico).
• Identificación de oportunidades o posibles usos de la IA en el ámbito del análisis de datos.
   
  Resultados y Documentación:
• Diagnóstico inicial:
  • Diagnóstico inicial o situación actual de la empresa beneficiaria en cuanto al análisis y explotación de datos.
  • Identificación de Bases de Datos: Dossier en formato digital (Word, PowerPoint, Pdf) con el inventario exhaustivo de las fuentes de datos de la pyme. Para cada fuente de datos, se proporcionará:
    • Ubicación: Precisar su ubicación (servidores locales, externos, en la nube, etc).
    • Tipo de datos almacenados: Naturaleza de los datos (datos de cliente, producto, ventas, etc.) y la extensión de los datos (xls, xlsb, csv, etc).
    • Volumen de datos: Indicar el número de registros y almacenamiento utilizado.
    • Frecuencia de actualización: Periodicidad (o no) de las actualizaciones.
    • Orden de relevancia: Evaluar si la fuente es crítica, importante o secundaria.
• Resultados:
  • Definición de Políticas y procedimientos de calidad: gobierno del dato que incluya:
    • Estandarización de formatos: Definición de formatos estándar para los datos como fechas, direcciones, números de teléfono, etc.
    • Limpieza: Identificación de posibles errores de entrada de datos, como datos duplicados o incorrectos. Se proporcionarán ejemplos de técnicas para tratar estos casos de manera eficiente y precisa.
    • Coherencia: Definición de mecanismos de control de calidad.
    • Estructuración de datos: Establecer el uso de estándares de modelado de datos, como el modelo entidad-relación (MER).
    • Privacidad de los datos: Explicar la importancia del cumplimiento de la normativa legal vigente en el gobierno del dato, como el RGPD.
  • Análisis de herramientas de visualización de datos:
    • Dosier con análisis de mercado de herramientas disponibles basado en 4 ejes: 
      • Facilidad de uso en términos de interfaz de usuario intuitiva y personalizable.
      • Capacidad de visualización para generar gráficos efectivos y atractivos que permitan comprender los datos de manera clara y precisa.
      • Compatibilidad con los sistemas existentes en la pyme (si los hubiera anteriormente).
      • Evaluación del coste económico, considerando tanto el coste inicial como los posibles costes continuos de mantenimiento.
    • En base al análisis de mercado, se proporcionarán recomendaciones de las herramientas que mejor se adapten a la empresa, destacándose específicamente las razones específicas de dichas recomendaciones.

Caso de Uso:

Definición de KPIs de negocio o de áreas de soporte (RRHH, económico, etc):

• Dosier con el análisis de KPIs vigentes, incluyendo: 
  • Análisis de KPIs vigentes: Revisión de los KPIs actuales utilizados por la pyme en diferentes áreas (finanzas, ventas, etc.).
  •  Identificación de mejoras: Identificar KPIs de utilidad, resaltando las cualidades positivas y/o negativas de estos (p.ej. preciso, redundante, difícil de medir, etc.).
  • Propuesta de creación de nuevos KPIs: Proponer la creación de KPIs basados en el análisis realizado. Estos KPIs tendrán que estar completamente detallados, incluyendo, como mínimo: 
    • fórmulas de cálculo específicas para cada KPI, 
    • métricas construidas, 
    • variables involucradas en su cálculo.