Cuando pensamos en Machine Learning, muchos se imaginan cosas ultra técnicas, de Silicon Valley, modelos que corren en la nube con GPUs de miles de dólares… Pero quiero hablarles de algo mucho más aterrizado.

¿De qué forma un simple puesto de comida, de esos que tienen una fila larguísima de gente esperando su burrito de picadillo, puede beneficiarse de Machine Learning?

Sí, suena loco al principio. Pero piénsalo dos segundos.

Todos hemos pasado alguna vez por uno de esos puestos en una esquina, con una plaza enorme para crecer, pero atendiendo igual que siempre. Uno (que ya tiene el chip de buscar eficiencia todo el día), ve eso y piensa:

“Aquí podrían estar vendiendo el doble, con casi el mismo costo”.

¿Y cómo se logra eso? Pues con datos.

Con datos bien organizados, recolectados todos los días:

• Hora exacta en que se vende algo
• Qué pidió el cliente
• Cuánto pidió
• Si repite o no
• El clima

Sí, el clima. Porque hay quienes piden más burritos o más bebidas dependiendo de si hace calor, frío o está lloviendo.

Time Series y precisión con sabor a picadillo

Imagina que ese puesto tuviera la información en formato Time Series.

¿Y eso qué es?

Que cada venta esté registrada con su hora, minuto, segundo, clima, ticket promedio, producto vendido, método de pago (aunque solo sean los últimos 4 dígitos de la tarjeta)... Todo indexado.

Y con esa data, entrenar un modelo de predicción.