Equivalencias Autopartes
Desarrollé desde cero una plataforma para unificar y consultar equivalencias de filtros de autopartes (filtros de aceite, aire, combustible, etc.). El proyecto inició con un reto de análisis de datos: recibí 10 archivos Excel con información de distintos proveedores y fabricantes, cada uno con estructura y formato diferente. Procesé, normalicé y cargué cerca de 400,000 productos junto con sus equivalencias, aplicaciones y vehículos compatibles. Para los casos especiales de normalización donde un script no era suficiente, usé Gemini (IA) con prompts estructurados para obtener respuestas en JSON listas para importar. Además, migré una base de datos legada con registros cargados manualmente al nuevo modelo estructurado. El resultado es un servicio de consulta rápida, protegido y escalable, consumible por otros sistemas front-end.
Retos Enfrentados
Normalizar datos inconsistentes provenientes de 10 Excel con estructuras distintas. Migrar una base de datos antigua con registros manuales sin pérdida de información. Proteger los endpoints públicos contra scraping. Integrar el nuevo catálogo con un sistema preexistente del equipo de sistemas.
Soluciones Implementadas
Uso de Gemini AI con prompts estructurados para normalizar columnas complejas y generar JSON listo para importar. Implementación de Rate Limiting y CORS en los endpoints públicos. Los endpoints sirven HTML pre-renderizado (SSR) en lugar de JSON puro, dificultando el scraping automatizado. Se mantuvieron endpoints JSON separados para pruebas internas. Se creó un script de integración para WordPress que consume el catálogo como servicio externo.
Aprendizajes
Aprendí a abordar proyectos con datos desordenados del mundo real y a usar IA generativa (Gemini) como herramienta de procesamiento de datos dentro de un pipeline. Reforcé prácticas de seguridad en APIs públicas y la importancia de diseñar servicios pensando en ser consumidos por otros sistemas desde el inicio.
Galería de Capturas
