Predicción del riesgo de fuga de clientes del Grupo MásMóvil usando Inteligencia Artificial

El objetivo del presente proyecto es desarrollar un algoritmo con técnicas de Inteligencia Artificial englobadas dentro del campo del Machine Learning con el fin de predecir patrones acerca de los clientes del Grupo MásMóvil, consorcio de empresas de telecomunicaciones españolas. Concretamente, se buscan patrones relacionados con la probabilidad o el riesgo de fuga de cada cliente, para poder determinar las causas detrás de la fuga de clientes pasados de la compañía, con el fin de poder determinar las razones, corregirlas, y ser capaces de predecir mediante las técnicas del ya citado Machine Learning si clientes actuales se fugarán o no. Para ello, se ha realizado un proceso de extracción de los datos que necesitaremos para ejecutar nuestras técnicas. En este proceso se ha evaluado los datos de los clientes que más relevantes nos pueden ser a la hora de establecer patrones de comportamiento y predicciones, como las fechas de alta y baja, el número de llamadas que hacen al mes... Después, se ha realizado un proceso de manipulación de los datos para, de la información que tenemos, extraer nuevas variables que puedan ayudar a definir con mayor claridad la separación entre los clientes que se han fugado y los que no. Por último, se ha validado todo nuestro proceso mediante métricas extraídas con métodos numéricos constatados y estandarizados, de tal forma que se pueda verificar que nuestro algoritmo cumple con los objetivos que nos propondremos. Abstract: The objective of this project is to develop an algorithm using Artifical Intelligence techniques included within the Machine Learning field with the intention of predicting patterns about Grupo MásMóvil’s clients, consortium of Spanish telecommunication companies. Specifically, we are searching for patterns related to probability or risk of them leaving the company, to determine the causes behind company’s past client’s leaves, in order to determine the reasons, correct them, and make us capable of predicting via aforementioned Machine Learning techniques whether or not current clients will leave or not. To this end, a data extraction process for the data that we will need to execute these techniques has been executed. In this process we have evaluated what data may be the most relevant when it comes to establishing behaviour patterns and predictions, such as sign up and sign off dates, the number of calls they make a month... Afterwards, a process of data manipulation has been performed in order to, from the data we have, extract new variables that may help define better the separation between clients who have left and those who have not. Finally, our whole process has been validated through some metrics extracted via numerical, verified and standardized metrics, in such a way that we can verify that our algorithm fulfills the objectives that we will set for the project