Sistema de inteligencia territorial de apoyo al emprendimiento

El artículo parte de la premisa de que la crisis económica derivada de la pandemia de COVID-19 ha sido aún más severa que la de 2008, afectando profundamente el tejido empresarial. Si bien los gobiernos han implementado medidas similares a las adoptadas tras la crisis financiera, el estudio argument...

ver descrição completa

Detalhes bibliográficos
Autor: Chaves Maza, Manuel
Formato: artículo
Fecha de publicación:2021
País:España
Recursos:Universidad Pablo de Olavide (UPO)
Repositorio:RIO. Repositorio Institucional Olavide
Idioma:español
OAI Identifier:oai:rio.upo.es:10433/23059
Acesso em linha:https://hdl.handle.net/10433/23059
Access Level:acceso abierto
Palavra-chave:Análisis multivariante
Inteligencia artificial
Emprendimiento
Sistemas de apoyo
id ES_8ff375effaf2abbe24ae7f9df68d8f84
oai_identifier_str oai:rio.upo.es:10433/23059
network_acronym_str ES
network_name_str España
repository_id_str
spelling Sistema de inteligencia territorial de apoyo al emprendimientoTerritorial intelligence system to support entrepreneurshipChaves Maza, ManuelAnálisis multivarianteInteligencia artificialEmprendimientoSistemas de apoyoEl artículo parte de la premisa de que la crisis económica derivada de la pandemia de COVID-19 ha sido aún más severa que la de 2008, afectando profundamente el tejido empresarial. Si bien los gobiernos han implementado medidas similares a las adoptadas tras la crisis financiera, el estudio argumenta que estos enfoques requieren una modernización para ajustarse a la realidad económica actual. En particular, se subraya la importancia de diseñar programas de apoyo al emprendimiento basados en análisis predictivos y herramientas de inteligencia artificial. El estudio examina las estrategias tradicionales de apoyo al emprendimiento y las clasifica en dos grandes categorías: Mecanismos de protección (buffering mechanisms), que crean entornos seguros para que los emprendedores adquieran habilidades y recursos antes de enfrentarse al mercado. Mecanismos de conexión (bridging mechanisms), que facilitan la vinculación con redes empresariales, inversores y recursos estratégicos. A pesar de la existencia de estos modelos, el artículo destaca que muchas instituciones de apoyo aún operan con procedimientos que no integran datos históricos ni herramientas analíticas avanzadas. Como consecuencia, los emprendedores reciben asesoramiento estandarizado que, en muchos casos, no garantiza la viabilidad de sus proyectos ni contribuye a la mejora de la tasa de supervivencia empresarial. Para abordar esta deficiencia, el estudio propone la implementación de un Sistema de Inteligencia Territorial, un modelo basado en inteligencia artificial que permite optimizar los servicios de asesoramiento a emprendedores. Utilizando técnicas como Self-Organizing Maps (SOM) y Multilayer Perceptron (MLP), se analizó una base de datos de emprendedores en Andalucía, incorporando 769 variables obtenidas durante la recuperación de la crisis de 2008-2012. Los resultados demostraron que el modelo podía predecir con una precisión superior al 98% la probabilidad de éxito o fracaso de un emprendimiento. En sus conclusiones, el artículo enfatiza la necesidad de que los gobiernos y las instituciones de apoyo adopten enfoques basados en datos para mejorar la asignación de recursos y la efectividad de los programas de emprendimiento. Se propone que la información recopilada a lo largo del tiempo sea utilizada no solo para evaluar proyectos individuales, sino también para diseñar estrategias más eficientes a nivel territorial. Finalmente, se plantea una reflexión sobre cómo la transformación digital puede redefinir el concepto de incubación empresarial, integrando modelos predictivos que permitan anticipar riesgos y maximizar las oportunidades de éxito para los emprendedores.Universidad de Zulia20252025-02-0320212021-01-0120212021-01-01journal articlehttp://purl.org/coar/resource_type/c_6501VoRhttp://purl.org/coar/version/c_970fb48d4fbd8a85info:eu-repo/semantics/articleapplication/pdfhttps://hdl.handle.net/10433/23059reponame:RIO. Repositorio Institucional Olavideinstname:Universidad Pablo de Olavide (UPO)Españolspaopen accesshttp://purl.org/coar/access_right/c_abf2Attribution-NonCommercial-NoDerivatives 4.0 Internationalhttp://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessoai:rio.upo.es:10433/230592026-06-13T12:46:27Z
dc.title.none.fl_str_mv Sistema de inteligencia territorial de apoyo al emprendimiento
Territorial intelligence system to support entrepreneurship
title Sistema de inteligencia territorial de apoyo al emprendimiento
spellingShingle Sistema de inteligencia territorial de apoyo al emprendimiento
Chaves Maza, Manuel
Análisis multivariante
Inteligencia artificial
Emprendimiento
Sistemas de apoyo
title_short Sistema de inteligencia territorial de apoyo al emprendimiento
title_full Sistema de inteligencia territorial de apoyo al emprendimiento
title_fullStr Sistema de inteligencia territorial de apoyo al emprendimiento
title_full_unstemmed Sistema de inteligencia territorial de apoyo al emprendimiento
title_sort Sistema de inteligencia territorial de apoyo al emprendimiento
dc.creator.none.fl_str_mv Chaves Maza, Manuel
author Chaves Maza, Manuel
author_facet Chaves Maza, Manuel
author_role author
dc.contributor.none.fl_str_mv
dc.subject.none.fl_str_mv Análisis multivariante
Inteligencia artificial
Emprendimiento
Sistemas de apoyo
topic Análisis multivariante
Inteligencia artificial
Emprendimiento
Sistemas de apoyo
description El artículo parte de la premisa de que la crisis económica derivada de la pandemia de COVID-19 ha sido aún más severa que la de 2008, afectando profundamente el tejido empresarial. Si bien los gobiernos han implementado medidas similares a las adoptadas tras la crisis financiera, el estudio argumenta que estos enfoques requieren una modernización para ajustarse a la realidad económica actual. En particular, se subraya la importancia de diseñar programas de apoyo al emprendimiento basados en análisis predictivos y herramientas de inteligencia artificial. El estudio examina las estrategias tradicionales de apoyo al emprendimiento y las clasifica en dos grandes categorías: Mecanismos de protección (buffering mechanisms), que crean entornos seguros para que los emprendedores adquieran habilidades y recursos antes de enfrentarse al mercado. Mecanismos de conexión (bridging mechanisms), que facilitan la vinculación con redes empresariales, inversores y recursos estratégicos. A pesar de la existencia de estos modelos, el artículo destaca que muchas instituciones de apoyo aún operan con procedimientos que no integran datos históricos ni herramientas analíticas avanzadas. Como consecuencia, los emprendedores reciben asesoramiento estandarizado que, en muchos casos, no garantiza la viabilidad de sus proyectos ni contribuye a la mejora de la tasa de supervivencia empresarial. Para abordar esta deficiencia, el estudio propone la implementación de un Sistema de Inteligencia Territorial, un modelo basado en inteligencia artificial que permite optimizar los servicios de asesoramiento a emprendedores. Utilizando técnicas como Self-Organizing Maps (SOM) y Multilayer Perceptron (MLP), se analizó una base de datos de emprendedores en Andalucía, incorporando 769 variables obtenidas durante la recuperación de la crisis de 2008-2012. Los resultados demostraron que el modelo podía predecir con una precisión superior al 98% la probabilidad de éxito o fracaso de un emprendimiento. En sus conclusiones, el artículo enfatiza la necesidad de que los gobiernos y las instituciones de apoyo adopten enfoques basados en datos para mejorar la asignación de recursos y la efectividad de los programas de emprendimiento. Se propone que la información recopilada a lo largo del tiempo sea utilizada no solo para evaluar proyectos individuales, sino también para diseñar estrategias más eficientes a nivel territorial. Finalmente, se plantea una reflexión sobre cómo la transformación digital puede redefinir el concepto de incubación empresarial, integrando modelos predictivos que permitan anticipar riesgos y maximizar las oportunidades de éxito para los emprendedores.
publishDate 2021
dc.date.none.fl_str_mv 2021
2021-01-01
2021
2021-01-01
2025
2025-02-03
dc.type.none.fl_str_mv journal article
http://purl.org/coar/resource_type/c_6501
VoR
http://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.openaire.fl_str_mv info:eu-repo/semantics/article
format article
dc.identifier.none.fl_str_mv https://hdl.handle.net/10433/23059
url https://hdl.handle.net/10433/23059
dc.language.none.fl_str_mv Español
spa
language_invalid_str_mv Español
language spa
dc.rights.none.fl_str_mv open access
http://purl.org/coar/access_right/c_abf2
Attribution-NonCommercial-NoDerivatives 4.0 International
http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rights.openaire.fl_str_mv info:eu-repo/semantics/openAccess
rights_invalid_str_mv open access
http://purl.org/coar/access_right/c_abf2
Attribution-NonCommercial-NoDerivatives 4.0 International
http://creativecommons.org/licenses/by-nc-nd/4.0/
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidad de Zulia
publisher.none.fl_str_mv Universidad de Zulia
dc.source.none.fl_str_mv reponame:RIO. Repositorio Institucional Olavide
instname:Universidad Pablo de Olavide (UPO)
instname_str Universidad Pablo de Olavide (UPO)
reponame_str RIO. Repositorio Institucional Olavide
collection RIO. Repositorio Institucional Olavide
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1869413254601637888
score 15,811543

Registos relacionados