Experiencias reales en Machine Learning: AutoML de h2o y la predicción de la rotación de clientes en telefonía

¿Quieres conocer cómo el #DataScience, el #MachineLearning y la #ArtificialIntelligence hacen avanzar las ruedas del progreso e innovación en la empresa? 

Descubre ejemplos reales de analítica aplicada en el mundo empresarial de la mano de nuestros alumnos y cómo Máxima Formación les ha ayudado en este proceso. 

Hoy te contamos la historia de José Luis Loren (Team Lead Digital Analytics in zooplus), un analista digital apasionado con un fuerte enfoque en apoyar el desarrollo y la optimización de productos digitales. Cuenta con una amplia experiencia en el liderazgo de equipos internacionales, socios externos y agencias ubicadas en diferentes países y continentes. 

En su Trabajo Fin de Máster (TFM) del Máster en Machine Learning con R, José Luis Loren utilizó modelos AutoML de h2o para la predicción de la rotación de clientes en una prestigiosa operadora de telefonía. 

La rotación de clientes es uno de los grandes problemas a los que se enfrenta toda empresa y la habilidad para identificar aquellos clientes con una alta probabilidad abandonar la compañía es clave a la hora de optimizar el ROI de las actividades destinadas a retener esos clientes. 

Para el modelado ha utilizando los mejores modelos de Machine Learning como AutoML de h2o que genera gran cantidad de modelos de predicción de diversos tipos (GBM, Stacked Ensembled, árboles de decisión, etc.) de una manera muy sencilla y con apenas unas pocas líneas de código.

José Luis Loren ha explotado de manera original y efectiva la enorme variedad de modelos que estudió en nuestro Máster en Machine Learning con R. Luego de generar diversos tipos de modelos de predicción de clasificación, ha seleccionado los mejores modelos en función de métricas de performance como el AUC, y ha comunicado en términos de negocio qué mejora supondría para la empresa la utilización del modelo con mejor resultado. 

Todo el ejercicio se ha realizado en R Software y para el mismo se ha utilizado un conjunto de datos que contiene información acerca de los clientes de una importante operadora de telefonía. 

Como conclusión, José Luis Loren destaca que con el 50% de los clientes seleccionados por el modelo, estaríamos abarcando el 80% de los clientes cuyas variables poseen valores que son compatibles con la rotación. 

El TFM es una oportunidad excelente para demostrar que cuentas con habilidades avanzadas en adquisición, preparación, visualización, programación, modelado, evaluación e interpretación de datos para resolver problemas de Machine Learning con aplicación a cualquier rama de conocimiento.

Y si te gustó conocer este emprendimiento, comenta y comparte la publicación. ¡Nos encantaría conocer tu opinión!

Puedes descargar el TFM de José Luis Loren debajo.

Artículo escrito por Rosana Ferrero