Última actualización:
17
/
09
/
2026
Publicado:
17
/
09
/
2026
Nommon
Nommon desarrolla herramientas de analítica avanzada impulsadas por big data e inteligencia artificial para evaluar escenarios, medir impactos y tomar decisiones estratégicas y operacionales más informadas.
Datos de la empresa
Año de fundación
2012
NIF/CIF
B86440906
Certificaciones
RGPD
Todavía no dispone de certificaciones.
Nº de Empleados
41
Análisis GovTech
Explora la información de las variables clave en las tres dimensiones de nuestra categorización Govtech.
Tracción pública
Volumen adjudicado
(último año)
1.057.748 €
Clientes públicos
(últimos 3 años)
38
Crecimiento en contratos públicos
(últimos 3 años)
-13 %
Canales formales
Si
Certificación ENS
No tiene
Solvencia económica
Facturación
(último año)
3.201.474 €
Inversión total levantada
0 €
Crecimiento en facturación
(últimos 3 años)
44 %
Nº de clientes
(últimos 3 años)
135
Antigüedad de la empresa
14 años
Public Readiness (Tracción pública)
Valor total de contratos como entidad adjudicataria (último año)
1.057.748 €
Cantidad de contratos (último año)
25
Clientes públicos destacados
MITMA, Consorcio Regional Transportes Madrid, Ayuntamiento Madrid, Ayuntamiento de Málaga, Banco Mundial, Gobierno Vasco, Universidad Politécnica de Barcelona
Canales y colaboraciones
UTEs con: Orange (para MITMS y Gobierno Vasco), CTyM y Ámbar Telecomunicaciones (para la Junta de Castilla y León), Tema Grupo Consultor (para el Consorcio Regional de Transportes de Madrid).
Vendor Trust (Solvencia económica)
Facturación (último año)
3.201.474 €
Inversión levantada acumulada
0 €
Contrato mayor valor en los últimos 3 años
1.264.000 €
Inversores
Enisa e inversores privados.
Ecosistema
Premios
- eMobility Innovation Awards 2023 - premio a Mejor Aplicación de la Tecnología para Mejorar la Movilidad
- ITS España 2025
- ITS & Big Data
Aceleradoras
Govtech Madrid / ENISA / Eurostars SME programme / European Innovation Council / ACCIONA I’MNOVATION
Datos de la empresa
Año
Ventas
Empleados
EBITDA
Clientes
Ronda
Inversión
Inversores
Todavía no se han publicado datos de la empresa.
This is some text inside of a div block.
Caso de uso
Analisis de la movilidad a partir de datos de telefonia móvil
Problema
- Coste y plazos elevados de los estudios de movilidad tradicionales: las encuestas y aforos manuales requieren mucho tiempo y presupuesto, dificultando disponer de datos actualizados con la frecuencia que necesita la planificación.
- Falta de visibilidad sobre patrones reales de desplazamiento: sin datos de origen y destino fiables, resulta difícil conocer el reparto modal, las rutas utilizadas o los flujos entre zonas urbanas, metropolitanas o regionales.
- Datos de movilidad dispersos entre distintas fuentes: la información de usos del suelo, transporte, billetaje o estadísticas sociodemográficas suele estar fragmentada, dificultando un análisis integral de la demanda.
- Dificultad para actualizar la planificación ante cambios en el territorio: los métodos tradicionales no permiten seguir de forma continua cómo evolucionan los desplazamientos tras obras, eventos o cambios en la oferta de transporte.
...
Solución
- Matrices origen-destino a partir de datos de telefonía móvil: procesa registros anonimizados de redes móviles para generar matrices de viajes con origen, destino, hora, distancia y modo, a menor coste y en menos tiempo que los métodos tradicionales.
- Fusión de múltiples fuentes de datos de movilidad: combina los datos de telefonía móvil con usos del suelo, puntos de interés, redes de transporte, encuestas y billetaje, mejorando la precisión del análisis.
- Segmentación y personalización del análisis territorial: permite definir el área de estudio, la zonificación y el periodo temporal, y segmentar los desplazamientos por perfil del viajero, como residencia, edad o nivel de renta.
- Monitorización continua de la movilidad: al integrar datos históricos y actualizados de forma constante, permite hacer seguimiento en periodos concretos o de manera permanente ante cambios en el territorio.
...
Implementado en:
Ver caso de uso
Caso de uso
Monitorización inteligente de parques urbanos mediante datos geolocalizados y análisis predictivo
Problema
- Necesidad de optimizar la gestión de parques urbanos: los espacios verdes requieren una planificación más eficiente para garantizar su función social, ambiental y de salud.
- Falta de datos sobre uso real de los espacios: las administraciones no disponen de información suficiente para entender cómo se utilizan los parques.
- Impacto del cambio climático: el aumento de presión sobre los espacios verdes exige una gestión más adaptativa y basada en evidencia.
- Creciente demanda ciudadana de espacios verdes: el uso intensivo dificulta equilibrar mantenimiento, accesibilidad y sostenibilidad.
- Limitaciones en el aprovechamiento de nuevas fuentes de datos: aunque la digitalización avanza, muchas administraciones aún no integran estos datos en la gestión operativa.
...
Solución
- Insights de la población: Se fusionan los datos anonimizados de telefonía móvil y aplicaciones móviles para estimar y analizar en tiempo real la afluencia, perfil y comportamiento de los usuarios en zonas verdes.
- Monitorización permanente con alta resolución temporal: Se calcula la ocupación de los parques las 24 horas del día, con intervalos de hasta 15 minutos, sin necesidad de sensores físicos ni encuestas.
- Indicadores segmentados por perfil sociodemográfico y lugar de residencia: Se proporcionan datos sobre edad, género, zona de procedencia y frecuencia de visita, facilitando el análisis de patrones por tipo de usuario.
- Predicción de afluencia mediante modelos de aprendizaje automático: Se incorporan modelos predictivos que anticipan los niveles de uso según el histórico y factores como clima o eventos programados.
- Visualización e interoperabilidad con otros sistemas públicos: Se despliega una interfaz visual y una API para integrar los datos con plataformas smart city, cuadros de mando municipales o aplicaciones ciudadanas.
...
Implementado en:
Ver caso de uso
Caso de uso
Aprovechamiento de datos de sistemas de pago inteligente para planificar y mejorar la movilidad
Problema
- Dificultad de acceso a datos de movilidad de calidad: las administraciones no disponen de información actualizada, representativa y útil para la toma de decisiones.
- Limitaciones de los métodos tradicionales: encuestas de movilidad y aforos manuales resultan costosos y poco escalables.
- Fragmentación de la información: los datos están dispersos por operador o tipo de transporte, impidiendo una visión integral del sistema.
- Falta de capacidad predictiva: la ausencia de datos consolidados limita la anticipación de cambios en la demanda.
- Dificultad para optimizar servicios de transporte: resulta complejo adaptar rutas, frecuencias o evaluar políticas tarifarias.
- Procesos de decisión lentos: la falta de herramientas que integren y estructuren grandes volúmenes de datos ralentiza la gestión pública.
...
Solución
- Modelización de viajes a partir de datos de validación: Extracción de patrones de movilidad a partir de datos de pago sin contacto, anonimizados y respetando la privacidad, para estimar flujos entre zonas de transporte.
- Integración de fuentes externas: Combina los registros de pagos con información complementaria como censos, horarios y geodatos para mejorar la inferencia de trayectos completos.
- Herramienta interactiva de análisis: Despliega una plataforma que permite a técnicos públicos consultar patrones de viaje según zona, horario, propósito y perfil de usuario.
- Automatización del tratamiento de datos: Implementa procesos de análisis automatizados que actualizan periódicamente los datos, facilitando su uso continuo en la toma de decisiones.
...
Implementado en:
Ver caso de uso