Ir al contenido
Trabajo seleccionado
Proyecto privadojunio de 2026 — presente

CORA

Estimación de costos para servicios y propuestas basada en datos históricos.

Ingeniería de software y de datos en un solo proyecto: extraer y transformar registros históricos de servicios y propuestas, modelarlos relacionalmente y usar ese historial para estimar el costo de nuevos trabajos, en lugar de comenzar cada estimación desde una hoja en blanco.

Sistema propietario — no se comparte el código fuente.

Estado
En desarrollo
Periodo
junio de 2026 — presente
Contexto
Proyecto privado
Dominios
Estimación · Ingeniería de datos · ETL
CORA — herramienta de estimación de costos históricos

El problema

Las estimaciones de costos se construían desde cero cada vez, apoyándose en la experiencia de quien las preparaba. El historial que debía orientarlas existía, pero estaba disperso en exportaciones y era inutilizable en ese formato.

Enfoque

  1. 01Construyó la extracción y transformación de registros históricos en un conjunto de datos consistente.
  2. 02Diseñó un modelo relacional que hace comparable el trabajo pasado entre servicios y propuestas.
  3. 03Usó ese historial como base de la estimación, para que una nueva estimación parta de evidencia.
  4. 04Lo convirtió en una aplicación web, manteniendo la interfaz ligera y renderizada en el servidor.

Arquitectura

Cómo está construido.

ETL sobre registros históricos

Extracción, limpieza y transformación de exportaciones históricas heterogéneas en un esquema coherente: la parte del proyecto que requirió más cuidado.

Modelado relacional en PostgreSQL

Un modelo normalizado de servicios, propuestas y costos, diseñado para mantener simples las consultas de estimación.

Django + HTMX

Páginas renderizadas en el servidor con HTMX para actualizaciones parciales: interactivas donde importa, sin enviar un framework frontend para una herramienta centrada en formularios.

Stack

Backend
  • Python
  • Django
Frontend
  • HTMX
  • Plantillas renderizadas en el servidor
Datos
  • PostgreSQL
  • pandas
  • ETL

Resultado

  • Convirtió un historial disperso en una base consultable para la estimación.
  • The extraction and cleaning layer is the bulk of the work: heterogeneous exports, inconsistent formats, and no shared identifiers to join on.
  • En desarrollo desde junio de 2026 —los resultados se añadirán cuando esté en uso.