Inferencia de máquinas de estado desde Big Data para el etiquetado estático y caracterización de conductas dinámicas: Generación de las queries de dominio

En la actualidad, la cantidad de información que un usuario genera es enorme, tanto la información que él mismo genera de manera consciente, como la que se deduce de sus hábitos en la red o incluso de su residencia. Es posible cotejar la información interna de que dispone una empresa, la información tradicional, con información más dinámica generada por redes sociales u otros sistemas de reciente implantación. Mientras que la información tradicional generalmente está compuesta de estructuras estáticas según el tipo de cliente, la información dinámica está formada por datos no estructurados, que a priori no se pueden utilizar ni almacenar de manera eficiente, como es el caso de un servicio de ayuda online personalizado. A estos datos internos de la empresa se les pueden añadir datos externos que ayuden a caracterizar al cliente, como los datos relativos a su navegación en internet o datos sociodemográficos. Al agregar estos datos se puede crear lo que se conoce como el ciclo de vida de un cliente, esto es algo muy demandado por las empresas, ya que supone un gran potencial de negocio puesto que el mayor conocimiento de los clientes permite tanto la detección de fugas, como la creación de ofertas más personalizadas y efectivas para los clientes. Para llevar a cabo la manipulación de estos volúmenes de datos es necesario un tipo de tecnología capaz de manipular datos no estructurados y de realizar consultas bajo demanda. Actualmente es un proceso muy complejo y costoso, en el que es difícil integrar información abundante y ágil. Apache Spark junto con el sistema de archivos distribuidos de Hadoop están especialmente diseñados para cumplir con estos requisitos, por lo que serán fundamentales para el éxito de este Trabajo. Otra parte fundamental es el algoritmo de clasificación de los clientes. Para este propósito se ha elegido realizar la clasificación con un algoritmo de inferencia de máquinas de estado. Esto permite realizar diagramas con los estados de los clientes, y de este modo poder predecir cuáles podrían ser sus siguientes acciones. Este Trabajo Fin de Grado se realiza con la colaboración de la empresa consultora Gain Dynamics y tiene como objetivo poner en marcha su proyecto de confección de ciclo de vida del cliente mediante un nuevo enfoque utilizando su infraestructura de servidores para instalar en ella la última versión de las tecnologías Big Data y crear las queries de dominio que generen una tabla preparada para ser introducida en un algoritmo de inferencia de máquinas de estado. Además, este Trabajo Fin de Grado se relacionará con el Trabajo de Fin de Grado “Inferencia de máquinas de estado desde Big Data para el etiquetado estático y caracterización de conductas dinámicas: generador del modelo”, que creará el modelo de la máquina de estados. Este Trabajo forma parte de un proyecto más amplio, y es una línea de investigación que Gain Dynamics persigue con el objetivo de crear un ciclo de vida para clientes.At present, the amount of information that a user generates is enormous, the information that he generates consciously, the one that is deduced from his habits on the web or even his residence. It is possible to compare internal information available to the company, traditional information, with more dynamic information generated by social networks or other systems of recent implementation. While traditional information is composed of static structures according to the type of client, the dynamic information is formed by unstructured data, which cannot be used efficiently, as in the case of a personalized online help service. This internal data of the company can be added to data that help characterize the client, such as data related to their Internet browsing or socio-demographic data. By adding this data you can create what is known as the life cycle of a customer, this is something very demanded by the companies, since it supposes a great potential of business since the greater knowledge of the clients allow the detection of leaks or create more personalized and effective offers for customers. To manipulate these volumes of data is required a type of technology capable of manipulating unstructured data and performing on-demand queries. It is currently a very complex and expensive process, in which it is difficult to integrate abundant and agile information. Apache Spark along with Hadoop's distributed file system is specially designed to meet these requirements, so they are critical to the success of this work. Another fundamental part is the algorithm of classification of the clients. For this purpose it has been chosen to perform the classification with an inference algorithm of state machines. This allows to make diagrams with the states of the clients, and thus to be able to predict which are the following actions. This End-of-Grade Work is carried out with the collaboration of the consultant Gain Dynamics and aims to launch its client life cycle design project through a new approach in its server infrastructure to install the latest version of Technologies Big Data and create the domain questions that generate a table prepared to be entered into a state machine inference algorithm. In addition, this End-of-Grade Work was related to the End-of-Grade work " Inferencia de máquinas de estado desde Big Data para el etiquetado estático y caracterización de conductas dinámicas: generador del modelo", which create the model of the machine of states. This work is part of a larger project, and is a line of research that Gain Dynamics pursues with the aim of creating a life cycle for customers