Desarrollo de una herramienta basada en machine learning para la ayuda en la toma de decisiones

Abstract

[ES] La cantidad de datos que generan diariamente los usuarios móviles permite disponer de una huella digital extensa, esta queda almacenada en repositorios que contienen gran volumen de datos. Estos datos posibilitan obtener información muy variada, como por ejemplo datos geográficos y temporales de los usuarios.

En este Trabajo Final de Grado se realiza un análisis de la movilidad de los usuarios a partir de los datos generados y almacenados de sus dispositivos móviles. Para ello, se realiza un procesado previo de forma anónima y agregada. A los datos procesados, se les aplican unos algoritmos basados en técnicas de extracción, análisis de datos y machine learning que permiten caracterizar y etiquetar los diferentes sitios de interés frecuentados por los usuarios e identificar los flujos de movilidad a partir de matrices origen y destino. El resultado obtenido por los algoritmos son diferentes tablas que recogen a nivel usuario los análisis de movilidad y patrones de comportamiento y son almacenadas en una base de datos del proyecto. Los resultados son manejables desde las herramientas de visualización, Tableau y Kepler gl, estas permiten un análisis interactivo.

En definitiva, este trabajo permite crear una herramienta útil en la toma de decisiones empresarial y gubernamental de cara a la toma de decisiones en materia de estrategias de marketing. Como resultado del trabajo, se elabora una herramienta capaz de ayudar a predecir e interpretar el entorno microeconómico en el que se encuentra una organización, desarrollar patrones de comportamiento o consumo de las personas de una zona geográfica concreta, segmentar de mercado, localizar mercados potenciales o nichos, definir objetivos de mercado en base a la zona geográfica, así como facilitar la búsqueda de clientes potenciales.

[EN] The amount of data generated daily by mobile users allows for an extensive digital footprint, which is stored in repositories containing a large volume of data. These data make it possible to obtain a wide variety of information, such as geographical and temporal data of the users.

In this Bacherlor's Tesis, an analysis of user mobility is carried out based on the data generated and stored about them. For this purpose, an anonymous and aggregated pre-processing is carried out. Algorithms based on extraction techniques, data analysis and machine learning are applied to the processed data to characterise and label the different sites of interest frequented by users and identify mobility flows based on source and destination matrices. The result obtained by the algorithms are different tables that collect user-level mobility analyses and behavioural patterns, which are stored in a project database. The results are visualised using the visualisation tools Tableau and Kepler.gl, which allow interactive analysis.

In conclusion, this project allows to create a useful tool in the decision-making of a company and in the defined marketing strategies. A tool is developed that is capable of helping to predict and interpret the microeconomic environment in which an organization is located, develop patterns of behavior or consumption, segment the market, locate potential markets or niches, define market objectives based on the geographical area, as well as facilitating the search for potential clients.