Desarrollo de un modelo de propensión a la reducción del gasto de cliente en ofertas agregadas de telecomunicaciones

Las tecnologías Big Data suponen una gran ventaja para las empresas que optan por su
implementación como soporte para sus actividades. En concreto, existe en las empresas una
tendencia en el ámbito de la gestión de clientes a implementar sistemas Next Best Action,
los cuales tienen como objetivo evaluar el contexto y los intereses de los clientes con el fin
de adaptar el enfoque de marketing a las necesidades reales de estos.
Telefónica, empresa en la cual se ha desarrollado este proyecto, tiene establecido un sistema
de este tipo a través del cual recomienda acciones para personalizar la atención que les ofrece
a sus clientes y que responden tanto al interés de negocio de la empresa como al de los
clientes.
Dentro del contexto del proyecto que engloba este sistema, el trabajo se ha centrado en el
modelo de propensión a downgrade que forma parte del sistema como componente
algorítmico, y permite identificar qué clientes tienen mayor riesgo de reposicionar su
producto de ofertas agregadas contratado por uno de prestaciones inferiores.
Principalmente se ha dado respuesta a la necesidad de migración del modelo mencionado a
la plataforma en la nube de Azure Databricks, pretexto bajo el cual se ha optimizado todo el
proceso de este, desde la selección de variables concretas de la problemática hasta el
despliegue y la automatización de las predicciones y la carga al sistema Next Best Action.

Big Data technologies are a key competitive advantage for companies that implement them
as part of their support activities. Specifically, there has been a trend going on in the scope
of Customer Relationship Management in companies to deploy Next Best Action systems,
which aim to evaluate the background and interests of customers in order to adapt their
marketing approach to customers' real needs.
Telefónica, the company in which this project has been developed, has established a system
of this type whereby it recommends actions to personalize the attention offered to its
customers. This system allows to meet the business interests of the company as well as the
customers'.
Within the context of the project which involves the configuration of this system the tasks
carried out have been focused on a downgrade propensity model, which allows the company
to identify which customers have a higher risk of repositioning their contracted convergent
product for one with fewer features. This model is part of the mentioned system as an
algorithmic component of it.
Mainly, the project aims to resolve to the need of migrating the aforementioned model to the
Azure Databricks cloud platform, under which pretext the complete process has been
optimized, from the selection of concrete variables that fit the problem to the deployment
and automation of the predictions and the load of the results to the Next Best Action system