Unica360
Unica360 es una pyme tecnológica especializada en consultoría analítica y soluciones basadas en datos que combina una sólida experiencia con grandes empresas privadas de distintos sectores como retail (Carrefour, Alcampo), banca (Ibercaja, Caja Navarra) y farmacéutica (Cinfa) con una trayectoria pública con más de 11 contratos ejecutados con administraciones como el Ministerio de Transportes, Ministerio de Transición Ecológica, Gobierno Vasco o Ayuntamiento de Madrid.
Su valor diferencial radica en trasladar capacidades ya probadas en modelización espacial, análisis avanzado de datos, Machine/Deep learning y simulación del comportamiento humano a retos públicos concretos como los Planes de Movilidad Urbana Sostenible, la gestión de residuos, las zonas de bajas emisiones o la vulnerabilidad territorial. Este enfoque permite ir más allá de análisis descriptivos o cartográficos, generando modelos predictivos y escenarios de decisión. Además, sus métodos de simulación por agentes hacen realidad el paradigma del Gemelo Digital en el ámbito urbano y territorial. Estas capacidades se apoyan en herramientas propias de generación y procesamiento de datos, que eliminan la dependencia de la calidad del dato del cliente o fuentes externas.
Datos de la empresa
Año de fundación
2018
NIF/CIF
B67177816
Certificaciones
Nº de Empleados
9
Public Readiness (Tracción pública)
Valor total de contratos adjudicados (último año)
65.175 €
Clientes públicos destacados
Ministerio de Transportes Movilidad y Agenda Urbana (MITMA), Ministerio de Inclusión Seguridad Social y Migraciones (MISSM), Dirección General de Calidad y Evaluación Ambiental (MITECO), Gobierno Vasco, Diputación Foral de Bizkaia, Diputación de Barcelona, Ayuntamiento de Madrid, Ayuntamiento de Bilbao, Instituto Canario de Estadística (ISTAC), Ciudad de San Antonio (Texas).
Canales y colaboraciones
Acuerdos formales para comercializar su producto y servicio con Carto y Esri.
Han ganado licitaciones públicas en UTE o subcontratados por Smart & City, 3BF, Geograma, Smartup Digital, Leber.
Vendor Trust (Solvencia económica)
Facturación (último año)
572.319 €
Inversión levantada acumulada
160.000 €
Contrato mayor valor en los últimos 3 años
160.000 €
Ecosistema
Premios
- Participación en programa fiveCLM 2025 - Junta de Castilla la Mancha.
Aceleradoras
Datos de la empresa
Análisis de proximidad y escenarios de movilidad peatonal
Problema
- Falta de medición precisa de la proximidad peatonal a servicios: muchos municipios no disponen de indicadores homogéneos para medir qué viviendas o barrios tienen acceso peatonal real a comercio, salud, educación o transporte público. Esto dificulta detectar déficits de accesibilidad y priorizar intervenciones.
- Inventarios incompletos de servicios y equipamientos: las Administraciones suelen localizar solo una parte de la oferta existente, especialmente la pública, pero tienen dificultades para cartografiar de forma realista comercios y equipamientos privados.
- Limitada capacidad para activar servicios de promoción económica y apoyo al emprendimiento: la falta de datos completos sobre oferta y accesibilidad limita la capacidad de la Administración para diseñar servicios útiles para ciudadanía y emprendedores.
- Incertidumbre sobre el impacto de peatonalizaciones y cambios en el espacio público: muchas Administraciones no cuentan con herramientas para anticipar cómo afectarían estas decisiones a los flujos peatonales y vehiculares antes de ejecutarlas.
- Dificultad para priorizar inversiones en movilidad activa: la falta de análisis territorial comparativo dificulta identificar qué barrios o corredores urbanos ofrecen mayor potencial de mejora en accesibilidad peatonal.
- Datos urbanos fragmentados para la planificación peatonal: la información necesaria —cartografía, red viaria, equipamientos, población y movilidad— suele estar dispersa entre distintos sistemas y departamentos municipales.
Solución
- Analítica espacial de proximidad y accesibilidad: el uso de location intelligence, redes peatonales e isócronas permite medir el acceso real a servicios desde cada vivienda o zona urbana e identificar áreas con menor cobertura para orientar la planificación.
- Extracción y depuración avanzada de puntos de interés: algoritmos propios permiten extraer inventarios online, clasificar establecimientos y deduplicar fuentes para construir censos realistas de actividades, equipamientos y servicios.
- Base de datos completa y lista para usar: los sistemas incluyen el 100% de los datos necesarios, sin depender de la disponibilidad de datos por parte de la Administración, mejorando calidad y estandarización y reduciendo el tiempo de puesta en marcha del proyecto.
- Simulación de escenarios de movilidad urbana: la modelización y el análisis de escenarios permiten estimar el efecto de distintas configuraciones urbanas, comparar alternativas y reducir el riesgo de decisiones con efectos no deseados.
- Modelización territorial para priorización de intervenciones: el uso de microdatos espaciales, indicadores territoriales y análisis multicriterio permite ordenar zonas según su potencial de impacto y priorizar inversiones con mayor efecto en movilidad sostenible.
- Integración de datos urbanos para soporte a la planificación: la combinación de analítica espacial, enriquecimiento de datos, cloud computing y modelos analíticos permite unificar fuentes heterogéneas en una visión territorial única.
Analítica espacial predictiva para optimizar la separación de residuos
Problema
- Baja visibilidad sobre generación y calidad de separación en origen: muchos municipios no saben con precisión cuánto residuo se genera ni cómo está separando la ciudadanía, lo que dificulta diagnosticar la situación y prepararse para modelos de tasa por uso.
- Falta de lectura microterritorial del rendimiento de la recogida selectiva: los datos suelen estar agregados por distrito o contrato con la empresa encargada de la recogida, sin detalle suficiente para identificar barrios o zonas con peor desempeño.
- Dificultad para imputar residuos e impropios a ciudadanos y comercios: sin sistemas de identificación individual, la Administración no puede atribuir directamente la generación de residuos ni los impropios a cada tipo de generador.
- Escasa capacidad para diferenciar el peso de residentes y actividad económica: la falta de identificación de usuarios impide separar con claridad qué parte del residuo procede de hogares y cuál de comercios o servicios.
- Baja capacidad para anticipar demanda e impacto de cambios operativos: las Administraciones tienen dificultades para prever la evolución futura de los residuos y para estimar el efecto de cambios en contenedores, rutas, frecuencias o campañas.
- Datos dispersos y difícil acceso al conocimiento para usuarios no técnicos: la información relevante está fragmentada entre sistemas y los modelos avanzados resultan poco accesibles para perfiles de negocio o gestión.
Solución
- Analítica avanzada del servicio de residuos: el análisis de los datos generados por el servicio permite estimar volúmenes, calidad de separación y patrones de comportamiento, creando una base objetiva para diagnóstico, seguimiento y comunicación pública.
- Analítica espacial y modelización microterritorial: la combinación de location intelligence, variables sociodemográficas y tipologías urbanas permite estimar resultados a escala microterritorial y localizar con precisión las áreas donde la recogida selectiva funciona peor.
- Modelos de imputación probabilística a generadores: el uso de sistemas de ecuaciones y analítica avanzada permite estimar residuos e impropios atribuibles a ciudadanos y comercios, con resultados segmentados por barrio y perfil sociodemográfico.
- Segmentación analítica por tipología de generador: la modelización permite estimar la contribución relativa de residentes y comercios, mejorando el diagnóstico y apoyando decisiones sobre fiscalidad y diseño del servicio.
- Predicción y simulación de escenarios con IA: el uso de series temporales, machine learning y simulación permite anticipar la producción futura y comparar el efecto esperado de distintas configuraciones del servicio antes de implantarlas.
- Integración de datos y acceso en lenguaje natural: la unificación de fuentes heterogéneas junto con interfaces GenAI-LLM permite consultar datos, generar mapas e informes y acceder a insights de forma más intuitiva para usuarios no técnicos.
