Proyecto Big Data y Analytics

Proyecto Big Data y Analytics

1. Objetivo

El objetivo del proyecto es crear una aplicación Chat Boot Facebook para el banco BBVA el cual a través de un modelo de recomendación de campañas y aplicando técnicas de machine learning tenga la capacidad de ofrecer de una manera personalizada productos, promociones y servicios en base al historial de consumos de los clientes, es decir la aplicación tendrá la función de ser un asesor virtual de campañas las 24 horas del día.

1. Fuente de Información

1. Datos Estructurados.

• Detalle de compras.
• Establecimientos.
• Monto de transacciones.
• Historial de campañas.
• Empresas con promociones afiliadas a la tarjeta del banco.

1. Datos No Estructurados

• Se recopilará información de las siguientes páginas web: tripadvisor, Trip.com, Wikitravel, Wikivoyage. Twitter, Facebook.

1. Velocidad de los datos

Para Data Estructurada: Será actualizada de manera diaria tal cual el transaccional del banco vaya enviado los datos a nuestro modelo dimensional, además de la información que los clientes puedan ir generando mediando la interacción con la aplicación.

Para Data No Estructurada: La velocidad de los datos será actualizada a diario según los cambios incrementales de información en las aplicaciones como TripAdvisor.

1. Estimación del volumen de datos a procesar

Data Estructurada, al inicio será un aproximado de 500 MB, la cual ira creciendo en base a las interacciones con los usuarios.

1. Herramientas de Big Data a utilizar

Herramientas de extracción de datos:

• Api Facebook (Bot)
• Api TripAdvisor

Herramientas de administración de la plataforma Hadoop:

• Zoeekeper
• Hadoop Hdfs
• Pig
• Hive
• Sqoop
• Map Reduce

Herramienta de Visualización:

• Tableau

1. ¿Qué preguntas resuelve el análisis de datos?

• ¿Qué campañas son las más consultadas y cuántos de los clientes realmente terminan realizando transacciones en ellas?
• ¿Cuál es el patrón de desplazamiento en la quincena de nuestros clientes teniendo en cuenta su primera consulta?
• ¿Qué zonas son las que tienen mayor cantidad de consultas y que segmento de clientes presentan?
• ¿Cuánto ha mejorado el sistema de cobranzas desde la implementación de la aplicación? Si el ratio de deuda ha disminuido.
• Conocer el % de uso de la aplicación y la cantidad de transacciones hechas por el cliente desde la fecha de vigencia en el banco. (Análisis de cosechas).
• ¿Cuáles son las key words relacionada a consumo que nuestros clientes comentan a través del tweeter? ¿A cuántos de nuestros clientes podemos hacerle un seguimiento en social networks partiendo del email proporcionado en la firma del contrato?

1. Resultado esperado

- Ofrecer productos, servicios a los usuarios incentivando el consumo y uso de la tarjeta del banco o afiliación como nuevo cliente, a través de las promociones y descuentos.

...