Última actualización:
20
/
08
/
2026
Publicado:
20
/
08
/
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
Public Readiness (Tracción pública)
Valor total de contratos adjudicados (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