Para poder enviar candidaturas a retos, completa tu perfil de empresa.
Caso de uso

SAT-Inseguridad Alimentaria: Modelo Predictivo y Alerta Temprana para la Vulnerabilidad Social en Madrid

Contexto

Problema

Requisitos de integración

Solución propuesta

Impacto

Aplicaciones destacadas

SAT-Inseguridad Alimentaria: Modelo Predictivo y Alerta Temprana para la Vulnerabilidad Social en Madrid Real
Los cambios se han guardado correctamente.
Algo ha salido mal, por favor contáctanos en info@opengovtech.es
Caso de uso

SAT-Inseguridad Alimentaria: Modelo Predictivo y Alerta Temprana para la Vulnerabilidad Social en Madrid

Tipo de caso

Real

Contexto

En el marco de las políticas de bienestar social de la Comunidad de Madrid, Gis4tech ha desarrollado un sistema avanzado que trasciende la asistencia reactiva tradicional. El proyecto utiliza la inteligencia geográfica para mapear y predecir qué hogares o zonas presentan un mayor riesgo de sufrir inseguridad alimentaria, permitiendo a los servicios sociales actuar antes de que la situación de vulnerabilidad se vuelva crónica.

Modelo Predictivo y Sistema de Alerta Temprana (SAT) para la Inseguridad Alimentaria en la Comunidad de Madrid - GIS4tech

Problema

La inseguridad alimentaria suele ser un fenómeno "invisible" que no siempre coincide con los mapas de pobreza convencionales. Las administraciones a menudo carecen de herramientas para identificar de forma proactiva a las familias en riesgo, dependiendo de que los ciudadanos acudan por iniciativa propia a solicitar ayuda. Esto genera una brecha en la cobertura y una respuesta lenta ante crisis económicas o inflacionarias que afectan al acceso a alimentos básicos.

Requisitos de integración

La plataforma SAT (Sistema de Alerta Temprana) integra capas complejas de información:

  • Indicadores Socioeconómicos: Renta per cápita, tasas de desempleo y precios de la cesta de la compra por barrios.
  • Variables de Entorno: Disponibilidad y proximidad de comercios de alimentación fresca frente a "desiertos alimentarios".
  • Datos Dinámicos: Integración de encuestas de condiciones de vida y registros de usuarios de servicios sociales (anonimizados).
  • Algoritmos de Machine Learning: Modelos predictivos entrenados para detectar patrones de riesgo basados en datos históricos y tendencias de mercado.


Solución propuesta

Desarrollo de un Modelo Predictivo Espacial que clasifica el territorio en distintos niveles de alerta (Verde, Amarillo, Rojo). La solución incluye un cuadro de mando interactivo donde los gestores públicos pueden visualizar no solo dónde está el problema hoy, sino dónde aparecerá en los próximos meses según las proyecciones económicas. El sistema permite realizar micro-segmentación para diseñar campañas de ayuda directa o bancos de alimentos móviles de manera ultra-localizada.

Impacto

Prevención Proactiva: Transición de un modelo de servicios sociales de "espera" a uno de "búsqueda activa" de personas vulnerables.

Eficiencia en el Gasto Público: Optimización de la logística de distribución de ayudas, reduciendo costes operativos y asegurando que el recurso llegue a quien más lo necesita.

Resiliencia Urbana: Fortalecimiento de la red de seguridad social de la Comunidad de Madrid frente a choques externos (inflación, crisis energéticas).

Aplicaciones destacadas

Planificación de Recursos: Ubicación estratégica de nuevos centros de distribución de alimentos y comedores sociales.

Simulación de Escenarios: Capacidad de medir cómo afectaría una subida específica del precio de los alimentos a diferentes distritos de Madrid.

Panel de Alerta para Decisiones Rápidas: Sistema de notificaciones para técnicos de servicios sociales ante desviaciones críticas en los indicadores de riesgo.