Hardware Pulse
Inteligencia de precios de hardware para el mercado uruguayo
El problema
Los precios de hardware en Uruguay tienen una dispersión enorme entre retailers por el tamaño del mercado, los costos de importación y la volatilidad cambiaria - y no existía herramienta para seguirlos ni compararlos.
La solución
Pipeline de scraping automatizado con resolución de entidades en tres niveles (exacto → regex → fuzzy), snapshots de precios normalizados y feature engineering semanal para pronóstico de precios.
Impacto
Ayuda a los compradores uruguayos a elegir cuándo comprar y en qué retailer, en GPUs, CPUs, SSDs y RAM - siguiendo 3+ comercios locales con un pipeline reproducible, contratos de datos Pydantic y SQLite en modo WAL para acceso concurrente.
Desafíos de ingeniería
Resolución de entidades con títulos inconsistentes
Los títulos de producto varían muchísimo entre retailers. Un pipeline de tres niveles (exacto → regex → fuzzy con rapidfuzz) resuelve los listados a SKUs canónicos y marca los casos dudosos para revisión manual.
Scraping de sitios heterogéneos
Cada retailer usa una estructura HTML y una paginación distintas. Un BaseHTMLScraper con patrón Template Method eliminó la lógica de orquestación duplicada entre scrapers.
Aprendizajes
Contratos de datos antes del scraping
Definir los modelos Pydantic (RawListing, PriceSnapshot) antes de escribir los scrapers obligó a decidir qué datos importaban de verdad y evitó el drift de esquema.
Las métricas de ingeniería sustituyen a las del modelo al principio
Un pipeline bien diseñado, con contratos claros y cobertura de tests, demuestra madurez de ingeniería incluso antes de tener métricas de modelo.