Modelo de clasificación de clientes con telefonía móvil y uso de canal de autogestión USSD en una empresa de telecomunicaciones

Abstract

En esta tesis se desarrolla un modelo de clasificación utilizando técnicas predictivas de redes bayesianas para la identificación de clientes que no utilizan el canal USSD, canal actualmente utilizado por las empresas de telecomunicaciones para su servicio de postventa y atención al cliente. La solución propuesta para clasificar a los clientes abarca el desarrollo de un datamart, la aplicación de algoritmos de redes bayesianas de minería de datos y el modelo aplicando el algoritmo seleccionado. El primer capítulo describe la problemática en el área de postventa de las empresas de telecomunicaciones, la necesidad de clasificar a sus clientes por su comportamiento utilizando los canales de atención que la empresa les ofrece; indica los objetivos, justificación y alcance de la tesis. El segundo capítulo es el marco teórico y se presenta los conceptos necesarios para entender el desarrollo de la tesis. Esto comprende tres puntos importantes para la solución que proponemos: datamart, minería de datos y canales de atención. El tercer capítulo muestra el esquema general de la solución propuesta y la selección de las metodologías y herramientas a utilizar en las tres fases de la solución. El cuarto capítulo comprende la fase de desarrollo del datamart, se utiliza como referencia la metodología propuesta por Ralph Kimball y definimos las necesidades de información para la solución. El quinto capítulo desarrollamos el modelo de clasificación siguiendo la metodología CRISP-DM, utilizamos como fuente de información el datamart que presentamos en el capítulo anterior. El modelo se construye para tres algoritmos de clasificación de redes bayesianas. Los dos últimos capítulos comprenden las pruebas de los modelos con los tres algoritmos de clasificación, presentamos los resultados de cada uno para la selección del modelo. La parte final son las conclusiones alcanzadas después de las pruebas del modelo de clasificación y recomendaciones para proyectos similares. Palabras clave: modelo de clasificación, canal de autogestión USSD, datamart, minería de datos, redes bayesianas, modelo predictivo, CRISP-DM, metodología Kimball.

This thesis develops a classification model using bayesian network predictive techniques to identify clients that do not use the USSD channel, a channel currently used by telecommunications companies for their customer service. The proposed solution to classify clients covers the development of a datamart, the application of bayesian data mining algorithms and the model applying the algorithm selected. The first chapter describes the problem in the customer service area of telecommunications companies, the need to classify their customers by their behavior using the care channels that the company offers them; indicates the objectives, justification and scope of the thesis. The second chapter is the theoretical framework and presents the concepts necessary to understand the development of the thesis. This includes three important points for the solution we propose: datamart, data mining and care channels. The third chapter shows the general outline of the proposed solution and the selection of methodologies and tools to be used in the three phases of the solution.

The fourth chapter covers the development phase of the datamart, uses the methodology proposed by Ralph Kimball as a reference and defines the information needs for the solution. In fifth chapter we develop the classification model following the CRISP-DM methodology, we use the datamart that we presented in the previous chapter as data source. The model is constructed for three classification algorithms of Bayesian networks. The last two chapters comprise the tests of the models with the three classification algorithms, we present the results of each one test for the model selection. The final part is the conclusions reached after the tests of the classification model and recommendations for similar projects. Keywords: classification model, USSD self-management channel, datamart, data mining, bayesian networks, predictive model, CRISP-DM, Kimball methodology.