AI Analytics BCP

1. Metodos a Aplicar

1.1. Analisis de Dependencia Linear

1.2. Unsupervised Learning para classificación automática : K-Means

1.3. Analisis de Correlación entre eventos

1.4. Prediccion/Estimación de Parametros para establecer objetivos. Ajuste de parámetros para alcanzar una metrica deseada

2. Objetivos

2.1. Encontrar nuevas correlaciones entre las actividades de los usuarios

2.2. Presentar estos nuevos enfoques al cliente de tal forma que puedan ser agregados como criterios de decisión/medición para evolucionar el App de Bancamovil

2.3. Aumentar estas métricas adicionalmente a los reportes que se vienen presentando regularmente

2.4. Demostrar que el uso de técnicas de Machine Learning/Data Science/Artificial intelligence; pueden brindar informacion no evidente ni disponible con las herramientas brindadas por la consola de Google Analytics

3. Trabajando con lo que tenemos

3.1. Goolge Analytics

3.1.1. Reportes Agregados por Métrica/Dimensión

3.1.2. Data accesible mediante Reporting API

3.1.3. Información detallada por dispositivo/sesión

3.1.4. Google Analytics Premium : $150000 anuales

3.2. Base de datos del BCP

3.2.1. Solicitar Reportes

4. Recolectar más informacion

4.1. Agregar recolección de eventos directamente a base de datos (Firebase Realtime Database) como alternativa a Google Analytics Premium

4.2. Considerar otras funtes potenciales de información : Actualmente se estan haciendo pilotos con SDKs de Dynatrace y CA para tracking de actividad en el App