Diseño e Implementación de un Proceso de Recomendación para Plataforma de Bienestar Financiero

Abstract

RESUMEN : Las recomendaciones de servicios y consejos adecuados pueden ser un medio para mejorar el bienestar financiero de una persona. La personalización de éstas es realizada mediante modelos de recomendación a partir de los datos de cada usuario. En la plataforma existen múltiples fuentes de datos heterogéneos distribuidas en diferentes componentes de transmisión y almacenamiento, y diversos modelos de recomendación que son usados por muchos clientes y procesos mediante peticiones acopladas a cada uno de ellos. A través de abstracciones se diseñó un proceso de recomendación que permite a cualquier cliente o proceso dentro de la plataforma interactuar con múltiples modelos de recomendación de manera transparente, independientemente de los algoritmos con los que se hayan implementado. Las recomendaciones, y las características a partir de las que se calculan, pueden ser generadas en procesamientos en línea, a partir de consultas síncronas; casi en tiempo real, mediante eventos enviados en streams de datos; y en lote, recurriendo a ETLs; siendo capaces de explotar las diversas fuentes de datos que hacen parte de la plataforma. El componente central de la implementación realizada es un microservicio encargado de exponer a los demás clientes de la plataforma las funcionalidades para calcular y consultar recomendaciones; de gestionar la extracción y almacenamiento de las características a partir de los datos de los usuarios; y de orquestar los modelos de recomendación adecuados para cada contexto. Los componentes resultantes se diagramaron utilizando el modelo C4, centralizando la documentación y unificándola bajo un mismo estándar intuitivo y adaptable a diferentes públicos.

ABSTRACT : Services and tips recommendations can be a way to improve a person’s financial wellbeing. The personalization of these recommendations is achieved through recommendation models using each user’s data. There are multiple heterogeneous data sources on the platform, distributed on different streaming and storing components, and various recommendation models that are used by many clients and processes via requests that are coupled to each one of them. Through abstractions, we designed a recommendation process that allows to any client or process within the platform to interact with multiple recommendation models in a seamless manner, regardless of the algorithms in wich thay have been implemented. Recommendations, and the characteristics from which they are calculated, can be generated in online processing; on synchronous requests; in near-real-time, from events sent in data streams; and in batch, resorting to ETLs; being able to exploit the various data sources that are part of the platform. The central component of the implementation carried out is a microservice in charge of exposing to the other clients in the platform the functionalities to calculate and consult recommendations, to manage the extraction and storage of features from users data; and to orchestrate the appropiate recommendation models for each context. The resulting components were diagrammed using the C4 model, centralizing the documentation and unifying it under the same intuitive, adaptable to different audiences standard.