Search

Objective: Present an overview of scientific articles published in the last ten years on the topic of machine learning (ML), with an emphasis on predictive algorithms. Method/approach: Bibliometric analysis, with support from the PRISMA protocol, to evaluate authors, universities and countries, regarding productivity, bibliographic citations and focuses on the topic, with a sample of 773 articles from the Scopus and Web of Science databases, from 2013 to May /2023. Originality/value: There is an absence of studies in the literature that consolidate articles related to ML and Big Data. The research contributes to covering this gap, favoring the design of future actions and research. Main results: The following were identified in the ML bibliometric corpus: most cited authors with the greatest number of publications, most productive countries and universities, journals with the greatest number of publications and citations, areas of knowledge with the greatest number of publications, and the most prestigious articles. In the ML themes and domains, the following were identified: main co-occurrences of keywords, emerging themes (grouped into five clusters), and word clouds by title and abstract. Studies on the impact of data acquisition and predictive analysis represent opportunities for future research. Theoretical/methodological contributions: The PRISMA protocol enabled the identification and relevant quantitative and qualitative analyzes of articles, consolidating scientific knowledge on the topic. Social/managerial contributions: Ease of understanding the maturity of research on ML and Big Data by company managers and researchers, regarding the feasibility of investments to obtain competitive advantages with such technologies, Objetivo: Apresentar uma visão dos artigos científicos publicados nos últimos dez anos sobre o tema aprendizado de máquina, do inglês machine learning (ML), com ênfase nos algoritmos preditivos. Método/abordagem: Análise bibliométrica, com apoio do protocolo PRISMA, para avaliar autores, universidades e países, quanto a produtividade, citações bibliográficas e focos sobre o tema, com amostra de 773 artigos das bases de dados Scopus e Web of Science, no período de 2013 a maio/2023. Originalidade/valor: Há ausência de estudos na literatura que consolidem artigos relacionados a ML e Big Data. A pesquisa contribui para cobrir tal lacuna, favorecendo o delineamento de ações e pesquisas futuras. Principais resultados: Foram identificados no corpus bibliométrico de ML: autores mais citados e com maior número de publicações, países e universidades mais produtivas, periódicos com maior número de publicações e citações, áreas de conhecimento com maior número de publicações e artigos de maior prestígio. Nos temas e domínios de ML, foram identificados: principais coocorrências de palavras-chaves, temas emergentes (agrupados em cinco clusters) e nuvem de palavras por título e por resumo. Os estudos sobre impacto da aquisição de dados e análise preditiva representam oportunidades para pesquisas futuras. Contribuições teóricas/metodológicas: O protocolo PRISMA possibilitou a identificação e análises quantitativa e qualitativa relevantes dos artigos, consolidando o conhecimento científico sobre o tema. Contribuições sociais/gerenciais: Facilidade de compreender a maturidade das pesquisas sobre ML e Big Data por parte de gestores de empresas e pesquisadores, quanto à viabilidade de investimentos para se obter vantagens competitivas com tais tecnologias, Objetivo: Presentar un panorama de artículos científicos publicados en los últimos diez años sobre el tema de aprendizaje automático (ML en Inglés), con énfasis en algoritmos predictivos. Método/enfoque: Análisis bibliométrico, con apoyo del protocolo PRISMA, para evaluar autores, universidades y países, en cuanto a productividad, citaciones bibliográficas y enfoques en el tema, con una muestra de 773 artículos de las bases de datos Scopus y Web of Science, del 2013 a mayo/2023. Originalidad/valor: Existe una ausencia de estudios en la literatura que consoliden artículos relacionados con ML y Big Data. La investigación contribuye a cubrir este vacío, favoreciendo el diseño de futuras acciones e investigaciones. Principales resultados: En el corpus bibliométrico de ML se identificaron: autores más citados con mayor número de publicaciones, países y universidades más productivos, revistas con mayor número de publicaciones y citaciones, áreas de conocimiento con mayor número de publicaciones y las más prestigiosas. artículos. En los temas y dominios de ML, se identificaron lo siguiente: principales co-ocurrencias de palabras clave, temas emergentes (agrupados en cinco grupos) y nubes de palabras por título y resumen. Los estudios sobre el impacto de la adquisición de datos y el análisis predictivo representan oportunidades para futuras investigaciones. Contribuciones teóricas/metodológicas: El protocolo PRISMA permitió la identificación y análisis cuantitativos y cualitativos relevantes de artículos, consolidando el conocimiento científico sobre el tema. Contribuciones sociales/gerenciales: Facilidad de comprensión de la madurez de la investigación sobre ML y Big Data por parte de directivos e investigadores de empresas, en cuanto a la viabilidad de inversiones para obtener ventajas competitivas con dichas tecnologías

New paradigms for evidence-based decisions such as big data analytics (BDA) have emerged to assess programmes in sustainable development goals (SDGs). The arguments supporting the contributions of BDA in the assessment of SDGs in Colombia are mixed. This article presents a qualitative review of a list of programmes that adopted BDA and assesses whether problems such as bias and wrong impressions of programme performance can be controlled with the adoption of these methods. The results vary depending on the quality of the data and the collection method. Unfortunately, Colombia faces challenges such as data privacy management and deficiency of institutional interoperability to exploit these techniques conveniently., Nuevos paradigmas en decisiones basadas en evidencia como el análisis de big data (BDA) han aparecido para evaluar programas en objetivos de desarrollo sostenible (ODS). Los argumentos que sustentan los aportes de BDA en la medición de los ODS en Colombia son mixtos. Este artículo presenta una revisión cualitativa de una lista de programas que adoptaron BDA y evalúa si estas técnicas pueden controlar problemas como sesgos e impresiones erróneas sobre el desempeño de estos programas. Los resultados varían según la calidad de datos y recopilación. Infortunadamente, Colombia enfrenta desafíos para la gestión de privacidad de datos y deficiencia interoperativa institucional para explotar estas técnicas apropiadamente.

[Abstract] This doctoral thesis is dedicated to functional regression for scalar response. In particular, we focus on functional semiparametric models, which combine the practical advantages of parametric and nonparametric approaches, surpassing both methodologies. Accordingly, several semiparametric models involving a functional singleindex component were studied from a theoretical and practical perspective. First, for the functional single-index model (FSIM) and the semi-functional partial linear single-index model (SFPLSIM), we provide uniform consistency results (over all parameters involved) for kernel- and k-Nearest-Neighbours-based statistics related to the estimation of the semiparametric component. Second, for the sparse semifunctional partial linear single-index model (SSFPLSIM), we develop a variable selection procedure in the linear component based on penalized least squares (PLS). The good behaviour of this method is theoretically assured (rates of convergence of the estimators are obtained, as well as asymptotic behaviour of the variable selection procedure). Third, the SSFPLSIM is adapted to the case in which covariates with linear e ect come from the discretization of a curve. For this new model, the multi-functional partial linear single-index model (MFPLSIM), the variable selection problem was also studied. Consequently, two new algorithms were proposed (providing theoretical results that ensure their good performance) to solve the ine ciency of the PLS method when it is directly applied to the MFPLSIM. For all the models and procedures mentioned above, theoretical results are accompanied by both simulation studies and real data applications which illustrate the good performance of the proposed methodology in practice., [Resumo] Esta tese está adicada ao estudo da regresión funcional con variable resposta escalar. En particular, centrámonos en modelos funcionais semi-paramétricos, os cales combinan as vantaxes prácticas dos enfoques paramétrico e non-paramétrico, superando a ambas metodoloxías. Desta maneira, estudáronse, tanto dende o punto de vista te orico como dende a perspectiva pr actica, varios modelos semi-param etricos que involucran unha compoñente funcional single-index. En primeiro lugar, para o functional single-index model (FSIM) e para o semi-functional partial linear single-index model (SFPLSIM) establecemos resultados de consistencia uniforme (sobre todos os parámetros involucrados) para os estatísticos de tipo núcleo e tipo k-veciños-máis-próximos relacionados coa estimación da compoñente semi-paramétrica do modelo. En segundo lugar, para o sparse semi-functional partial linear single-index model (SSFPLSIM) desenvolvemos un procedemento de selección de variables na compoñente linear baseado en mínimos cadrados penalizados (PLS, iniciais de penalized least squares). O bo comportamento deste método asegurouse dende o punto de vista teórico (obtendo taxas de converxencia dos estimadores, así como o comportamento asintótico do procedemento de selección de variables). En terceiro lugar, o SSFPLSIM adaptouse ao escenario no cal as covariables con efecto linear proveñen da discretización dunha curva. Para este novo modelo, o multi-functional partial linear single-index model (MFPLSIM), estudouse tamén o problema da selección de variables e propuxéronse dous novos algoritmos (dos que aseguramos teoricamente o seu bo comportamento) para resolver a inefi cacia do método PLS cando se aplica directamente ao MFPLSIM. Para todos os modelos e procedementos citados, os resultados teóricos acompañáronse de estudos de simulación e aplicacións a datos reais que ilustran o bo comportamento na práctica da metodoloxía presentada., [Resumen] Esta tesis está dedicada al estudio de la regresión funcional con variable respuesta escalar. En particular, nos centramos en modelos funcionales semi-paramétricos, los cuales combinan las ventajas prácticas de los enfoques paramétrico y no-paramétrico, superando a ambas metodologías. De esta forma, se estudiaron, tanto desde el punto de vista teórico como desde la perspectiva práctica, varios modelos semi-paramétricos que involucran una componente funcional single-index. En primer lugar, para el functional single-index model (FSIM) y para el semi-functional partial linear single-index model (SFPLSIM) establecemos resultados de consistencia uniforme (sobre todos los parámetros involucrados) para los estadísticos de tipo núcleo y de tipo k-vecinos-más-próximos relacionados con la estimación de la componente semi-paramétrica del modelo. En segundo lugar, para el sparse semi-functional partial linear single-index model (SSFPLSIM) desarrollamos un procedimiento de selección de variables en la componente linear basado en mínimos cuadrados penalizados (PLS, iniciales de penalized least squares). El buen comportamiento de este método se ha asegurado desde el punto de vista teórico (obteniendo tasas de convergencia de los estimadores, así como el comportamiento asintótico del procedimiento de selección de variables). En tercer lugar, el SSFPLSIM se ha adaptado al escenario en el cual las covariables con efecto linear provienen de la discretización de una curva. Para este nuevo modelo, el multi-functional partial linear single-index model (MFPLSIM), se ha estudiado también el problema de selección de variables y se propusieron dos nuevos algoritmos (de los que aseguramos teóricamente su buen comportamiento) para resolver la ine ficiencia del método PLS cuando se aplica directamente al MFPLSIM. Para todos los modelos y procedimientos citados, los resultados teóricos se acompañaron de estudios de simulación y aplicaciones a datos reales que ilustran el buen comportam

[Abstract] This doctoral thesis is dedicated to functional regression for scalar response. In particular, we focus on functional semiparametric models, which combine the practical advantages of parametric and nonparametric approaches, surpassing both methodologies. Accordingly, several semiparametric models involving a functional singleindex component were studied from a theoretical and practical perspective. First, for the functional single-index model (FSIM) and the semi-functional partial linear single-index model (SFPLSIM), we provide uniform consistency results (over all parameters involved) for kernel- and k-Nearest-Neighbours-based statistics related to the estimation of the semiparametric component. Second, for the sparse semifunctional partial linear single-index model (SSFPLSIM), we develop a variable selection procedure in the linear component based on penalized least squares (PLS). The good behaviour of this method is theoretically assured (rates of convergence of the estimators are obtained, as well as asymptotic behaviour of the variable selection procedure). Third, the SSFPLSIM is adapted to the case in which covariates with linear e ect come from the discretization of a curve. For this new model, the multi-functional partial linear single-index model (MFPLSIM), the variable selection problem was also studied. Consequently, two new algorithms were proposed (providing theoretical results that ensure their good performance) to solve the ine ciency of the PLS method when it is directly applied to the MFPLSIM. For all the models and procedures mentioned above, theoretical results are accompanied by both simulation studies and real data applications which illustrate the good performance of the proposed methodology in practice., [Resumo] Esta tese está adicada ao estudo da regresión funcional con variable resposta escalar. En particular, centrámonos en modelos funcionais semi-paramétricos, os cales combinan as vantaxes prácticas dos enfoques paramétrico e non-paramétrico, superando a ambas metodoloxías. Desta maneira, estudáronse, tanto dende o punto de vista te orico como dende a perspectiva pr actica, varios modelos semi-param etricos que involucran unha compoñente funcional single-index. En primeiro lugar, para o functional single-index model (FSIM) e para o semi-functional partial linear single-index model (SFPLSIM) establecemos resultados de consistencia uniforme (sobre todos os parámetros involucrados) para os estatísticos de tipo núcleo e tipo k-veciños-máis-próximos relacionados coa estimación da compoñente semi-paramétrica do modelo. En segundo lugar, para o sparse semi-functional partial linear single-index model (SSFPLSIM) desenvolvemos un procedemento de selección de variables na compoñente linear baseado en mínimos cadrados penalizados (PLS, iniciais de penalized least squares). O bo comportamento deste método asegurouse dende o punto de vista teórico (obtendo taxas de converxencia dos estimadores, así como o comportamento asintótico do procedemento de selección de variables). En terceiro lugar, o SSFPLSIM adaptouse ao escenario no cal as covariables con efecto linear proveñen da discretización dunha curva. Para este novo modelo, o multi-functional partial linear single-index model (MFPLSIM), estudouse tamén o problema da selección de variables e propuxéronse dous novos algoritmos (dos que aseguramos teoricamente o seu bo comportamento) para resolver a inefi cacia do método PLS cando se aplica directamente ao MFPLSIM. Para todos os modelos e procedementos citados, os resultados teóricos acompañáronse de estudos de simulación e aplicacións a datos reais que ilustran o bo comportamento na práctica da metodoloxía presentada., [Resumen] Esta tesis está dedicada al estudio de la regresión funcional con variable respuesta escalar. En particular, nos centramos en modelos funcionales semi-paramétricos, los cuales combinan las ventajas prácticas de los enfoques paramétrico y no-paramétrico, superando a ambas metodologías. De esta forma, se estudiaron, tanto desde el punto de vista teórico como desde la perspectiva práctica, varios modelos semi-paramétricos que involucran una componente funcional single-index. En primer lugar, para el functional single-index model (FSIM) y para el semi-functional partial linear single-index model (SFPLSIM) establecemos resultados de consistencia uniforme (sobre todos los parámetros involucrados) para los estadísticos de tipo núcleo y de tipo k-vecinos-más-próximos relacionados con la estimación de la componente semi-paramétrica del modelo. En segundo lugar, para el sparse semi-functional partial linear single-index model (SSFPLSIM) desarrollamos un procedimiento de selección de variables en la componente linear basado en mínimos cuadrados penalizados (PLS, iniciales de penalized least squares). El buen comportamiento de este método se ha asegurado desde el punto de vista teórico (obteniendo tasas de convergencia de los estimadores, así como el comportamiento asintótico del procedimiento de selección de variables). En tercer lugar, el SSFPLSIM se ha adaptado al escenario en el cual las covariables con efecto linear provienen de la discretización de una curva. Para este nuevo modelo, el multi-functional partial linear single-index model (MFPLSIM), se ha estudiado también el problema de selección de variables y se propusieron dos nuevos algoritmos (de los que aseguramos teóricamente su buen comportamiento) para resolver la ine ficiencia del método PLS cuando se aplica directamente al MFPLSIM. Para todos los modelos y procedimientos citados, los resultados teóricos se acompañaron de estudios de simulación y aplicaciones a datos reales que ilustran el buen comportam

“Informe ePyme 2019” a partir del cual se puede obtener una visión completa de la situación y evolución de la transformación digital que tiene lugar en las empresas de los diferentes sectores económicos. En total se analizan diez sectores de actividad que agrupan el 72,6 % del total de empresas existentes en España según el Directorio Central de Empresas (DIRCE). Las principales áreas temáticas de los indicadores en torno a los que se dirige el análisis son: infraestructuras y conectividad; presencia y uso de Internet; comercio electrónico(compras y ventas realizadas por Internet); uso de tecnologías clave (uso de servicios de cloud computing, análisis de big data, sistemas de ciberseguridad utilizados, y uso de herramientas ERP y CRM) y, por último, talento digital (especialistas en TIC y formación relacionada con tecnologías). Incluye además un índice sintético que permite realizar una evaluación comparativa sobre el grado de integración tecnológica alcanzado por los sectores de actividad, diferenciando también por segmentos empresariales. En la presente edición se amplía el alcance analítico del índice sintético al nivel europeo, con el fin de comparar el índice español con el del conjunto de la UE-27 y de algunos países del entorno (Alemania, Francia, Suecia, Países Bajos y Estonia). El informe aborda igualmente el uso e integración de las TIC a nivel sectorial desde la perspectiva cualitativa, mediante el análisis de entrevistas a expertos y expertas de asociaciones de los sectores de actividad contemplados., “Informe ePyme 2019” a partir del cual se puede obtener una visión completa de la situación y evolución de la transformación digital que tiene lugar en las empresas de los diferentes sectores económicos. En total se analizan diez sectores de actividad que agrupan el 72,6 % del total de empresas existentes en España según el Directorio Central de Empresas (DIRCE). Las principales áreas temáticas de los indicadores en torno a los que se dirige el análisis son: infraestructuras y conectividad; presencia y uso de Internet; comercio electrónico(compras y ventas realizadas por Internet); uso de tecnologías clave (uso de servicios de cloud computing, análisis de big data, sistemas de ciberseguridad utilizados, y uso de herramientas ERP y CRM) y, por último, talento digital (especialistas en TIC y formación relacionada con tecnologías). Incluye además un índice sintético que permite realizar una evaluación comparativa sobre el grado de integración tecnológica alcanzado por los sectores de actividad, diferenciando también por segmentos empresariales. En la presente edición se amplía el alcance analítico del índice sintético al nivel europeo, con el fin de comparar el índice español con el del conjunto de la UE-27 y de algunos países del entorno (Alemania, Francia, Suecia, Países Bajos y Estonia). El informe aborda igualmente el uso e integración de las TIC a nivel sectorial desde la perspectiva cualitativa, mediante el análisis de entrevistas a expertos y expertas de asociaciones de los sectores de actividad contemplados.

The aim of the study was to examine the mediating effect of big data analytics (BDA) as a tool in the relationship between service supply chain management and operational performance in the pursuit of customer satisfaction. To this end, an exploratory descriptive research was conducted with a sample of 125 managers of residential and building service and condominium companies in the metropolitan region of São Paulo. The data, treated by descriptive statistics and structural equation modeling, revealed that BDA partially mediates the relationship between service supply chain management and operational performance, which in turn positively influences customer satisfaction. From these results it can be concluded that BDA is an important management tool for facilitating the execution of service activities in residential condominiums in order to foresee problems in equipment used by customers, such as elevators, hydraulic pumps, automatic gates and access monitoring cameras, thereby improving the operational performance of condominium service companies and contributing customer satisfaction with service provision., O objetivo do estudo foi examinar o efeito mediador do BDA (big data analytics), como ferramenta, na relação entre gestão da cadeia de suprimentos de serviços e desempenho operacional, na busca pela satisfação do cliente. Para tanto, realizou-se uma pesquisa exploratória do tipo descritiva junto a uma amostra de 125 gestores de empresas de serviços e condomínios residenciais e prediais da região metropolitana de São Paulo. Os dados, tratados pela estatística descritiva e modelagem de equações estruturais, revelaram que o BDA medeia parcialmente a relação entre gestão da cadeia de suprimentos de serviços e o desempenho operacional, que por sua vez, influencia positivamente a satisfação do cliente. A partir desses resultados, pode-se concluir que o BDA é uma importante ferramenta de gestão por facilitar a prestação de serviços em condomínios residenciais ao permitir antever problemas em equipamentos utilizados pelos clientes, como elevadores, bombas hidráulicas, portões automáticos e câmeras de monitoramento de acesso de pessoas nos condomínios, melhorando, assim, o desempenho operacional das empresas prestadoras de serviços condominiais e estendendo-se à satisfação do cliente com a prestação do serviço., El objetivo del estudio fue examinar el efecto mediador del análisis de big data (BDA) como una herramienta en la relación entre la gestión de la cadena de suministro de servicios y el rendimiento operativo en la búsqueda de la satisfacción del cliente. Con este fin, se realizó una investigación descriptiva exploratoria con una muestra de 125 gerentes de empresas de servicios residenciales y de construcción y condominios en la región metropolitana de São Paulo. Los datos, tratados mediante estadísticas descriptivas y modelos de ecuaciones estructurales, revelaron que BDA media parcialmente la relación entre la gestión de la cadena de suministro de servicios y el rendimiento operativo, que a su vez influye positivamente en la satisfacción del cliente. A partir de estos resultados, se puede concluir que el BDA es una herramienta de gestión importante para facilitar la ejecución de actividades de servicio en condominios residenciales para prever problemas en los equipos utilizados por los clientes, como ascensores, bombas hidráulicas, puertas automáticas y cámaras de monitoreo de acceso a condominios en condominios, mejorando así el desempeño operativo de las empresas de servicios de condominios y la satisfacción del cliente con los servicios.

“Informe ePyme 2018” a partir del cual se puede obtener una visión completa de la situación y evolución de la transformación digital que tiene lugar en las empresas de los diferentes sectores económicos. En total se analizan diez sectores de actividad que representan el 74,8 % de las empresas registradas en España según el Directorio Central de Empresas (DIRCE). Las principales áreas temáticas de los indicadores en torno a los que se dirige el análisis son: infraestructuras y conectividad; presencia y uso de Internet; comercio electrónico; uso de tecnologías clave (software de código abierto, cloud computing, Big Data, ciberseguridad, impresoras 3D, robótica) y, por último, talento digital (especialistas en TIC y formación relacionada con tecnologías). Cabe destacar dos novedades en lo que a contenido del informe se refiere. Por una parte, la inclusión de indicadores relacionados con la robótica, la impresión 3D y la formación específica sobre Big Data. Por otro, la incorporación de un capítulo adicional en el que se analiza el uso e integración de las TIC a nivel sectorial desde una perspectiva cualitativa, basada en entrevistas personales a representantes de las asociaciones de los sectores contemplados en el estudio, quienes además de evaluar la relevancia de las tecnologías clave en los diferentes sectores de actividad y casos de éxito concretos, abordan los retos y barreras a la integración de las TIC., “Informe ePyme 2018” a partir del cual se puede obtener una visión completa de la situación y evolución de la transformación digital que tiene lugar en las empresas de los diferentes sectores económicos. En total se analizan diez sectores de actividad que representan el 74,8 % de las empresas registradas en España según el Directorio Central de Empresas (DIRCE). Las principales áreas temáticas de los indicadores en torno a los que se dirige el análisis son: infraestructuras y conectividad; presencia y uso de Internet; comercio electrónico; uso de tecnologías clave (software de código abierto, cloud computing, Big Data, ciberseguridad, impresoras 3D, robótica) y, por último, talento digital (especialistas en TIC y formación relacionada con tecnologías). Cabe destacar dos novedades en lo que a contenido del informe se refiere. Por una parte, la inclusión de indicadores relacionados con la robótica, la impresión 3D y la formación específica sobre Big Data. Por otro, la incorporación de un capítulo adicional en el que se analiza el uso e integración de las TIC a nivel sectorial desde una perspectiva cualitativa, basada en entrevistas personales a representantes de las asociaciones de los sectores contemplados en el estudio, quienes además de evaluar la relevancia de las tecnologías clave en los diferentes sectores de actividad y casos de éxito concretos, abordan los retos y barreras a la integración de las TIC.

El informe ePyme 2017 aborda, un año más, el análisis de la implantación y desarrollo de las TIC en diez sectores de la economía que representan el 72,8% del total de las empresas españolas. Este año incluye, como novedad, un indicador sintético que mide la digitalización de las empresas en los diez sectores mencionados y que posiciona a información y comunicaciones como el más digitalizado, tanto en el entorno de las pymes y grandes compañías (52 puntos sobre 100) como en el de las microempresas (34,7 puntos sobre 100). Algunos datos destacados por sectores: En el sector de la industria crecen 4 y 8,4 puntos el porcentaje de microempresas y pymes y grandes empresas que utilizan los medios sociales, alcanzando el 33,3 % y 44,1 %, respectivamente. El sector con mayores porcentajes de empresas que usan los medios sociales -87,2 % pymes y grandes empresas y 54,5 % microempresas- es del de hoteles y agencias de viajes. El sector transporte y almacenamiento destaca en el uso de Big Data (17,6 % pymes y grandes empresas y 6,6 % microempresas). Actividades profesionales, científicas y técnicas, es de los que más destacan en movilidad, compras por comercio electrónico y Cloud Computing., El informe ePyme 2017 aborda, un año más, el análisis de la implantación y desarrollo de las TIC en diez sectores de la economía que representan el 72,8% del total de las empresas españolas. Este año incluye, como novedad, un indicador sintético que mide la digitalización de las empresas en los diez sectores mencionados y que posiciona a información y comunicaciones como el más digitalizado, tanto en el entorno de las pymes y grandes compañías (52 puntos sobre 100) como en el de las microempresas (34,7 puntos sobre 100). Algunos datos destacados por sectores: En el sector de la industria crecen 4 y 8,4 puntos el porcentaje de microempresas y pymes y grandes empresas que utilizan los medios sociales, alcanzando el 33,3 % y 44,1 %, respectivamente. El sector con mayores porcentajes de empresas que usan los medios sociales -87,2 % pymes y grandes empresas y 54,5 % microempresas- es del de hoteles y agencias de viajes. El sector transporte y almacenamiento destaca en el uso de Big Data (17,6 % pymes y grandes empresas y 6,6 % microempresas). Actividades profesionales, científicas y técnicas, es de los que más destacan en movilidad, compras por comercio electrónico y Cloud Computing.