Viernes: las fichas de segmento y la demo

## Viernes, 10:00. De los grupos a la decisión

Toda la semana ha sido para llegar aquí: no a un modelo, sino a una decisión que alguien pueda tomar. Fátima no quiere ver tu Pipeline ni tu silueta; quiere saber cuántos grupos hay, cómo es cada uno en una frase, y si puede fiarse de ellos para repartir las tarifas. Y Rosalía quiere algo todavía más concreto: la lista de qué cliente va en qué grupo, para meterla en su herramienta de campañas y lanzar la de la tarifa nocturna. Hoy conviertes el trabajo de modelado en esas dos entregas, y de paso cierras el repositorio que has ido montando sin darte cuenta.

El primer paso es el más directo: usar el modelo bueno —el escalado, dentro del Pipeline— para asignarle a cada cliente su segmento, y sacar la tabla cups→segmento. Esa tabla es la entrega que de verdad usa Rosalía: una columna con el identificador del cliente y otra con su grupo. Y el número que más le interesa es cuántos clientes caen en el grupo NOCTURNO —los que consumen sobre todo de noche—, porque es exactamente la gente a la que quiere ofrecer la tarifa nocturna. Son unos 150, alrededor del 25% de la cartera de la muestra. Y ojo con la lectura: no son "los que más gastan" (gastan como todos, un total normal), son "los que gastan de noche". Esa distinción es justo lo que el modelo del miércoles no sabía ver, y es la que hace útil la lista.

## Antes de recomendar tarifa: las franjas no son los periodos de la factura

Tus franjas de noche (0-8), día (8-18) y tarde (18-24) sirven para describir la forma de la curva. Pero la factura no se cobra por esas franjas. En España, casi todos los hogares tienen el peaje 2.0TD, que parte la semana en tres periodos: punta (de 10 a 14 y de 18 a 22, de lunes a viernes; el más caro), llano (de 8 a 10, de 14 a 18 y de 22 a 24, de lunes a viernes) y valle (de 0 a 8 los laborables, y todo el sábado, el domingo y los festivos nacionales; el más barato). Una tarifa con discriminación horaria como la nocturna de LuzClara cobra distinto cada periodo. Así que, antes de decir qué tarifa le va a cada grupo, hay que mirar cuánto consume cada grupo en cada periodo. Tu franja de "tarde" es el mejor ejemplo de por qué: de 18 a 22 es punta, la hora cara.

1# Reparto del consumo de cada segmento por periodo 2.0TD (de lecturas.csv).
2# cups_segmento es la tabla cups -> segmento del primer ejercicio de hoy.
3import numpy as np
4import pandas as pd
5
6L = pd.read_csv('datos/lecturas.csv')
7L['cups'] = L['cups'].astype(str).str.strip().str.upper().str.replace('-', '').str.replace(' ', '')
8L = L[L['consumo'] >= 0].copy()
9es_wh = (L['unidad'] == 'Wh') | (L['unidad'].isnull() & (L['consumo'] > 10))
10L['kwh'] = L['consumo'].where(~es_wh, L['consumo'] / 1000)
11ts = pd.to_datetime(L['fecha_hora'], format='mixed', dayfirst=True)
12h, finde = ts.dt.hour, ts.dt.dayofweek >= 5   # la semana tipo no tiene festivos
13L['periodo'] = np.select(
14    [finde | (h < 8), ((h >= 10) & (h < 14)) | ((h >= 18) & (h < 22))],
15    ['valle', 'punta'], 'llano')
16t = L.merge(cups_segmento, on='cups').groupby(['segmento', 'periodo'])['kwh'].sum().unstack()
17print((100 * t.div(t.sum(axis=1), axis=0)).round(1))

1% del consumo de cada segmento en cada periodo 2.0TD
2
3segmento     punta   llano   valle
4noche          5,7     7,0    87,3
5tarde         37,1    23,1    39,8
6día           33,5    32,2    34,3
7plano         23,8    23,7    52,5
8
9horas de la semana en cada periodo:
10              23,8    23,8    52,4   (40 h, 40 h y 88 h de 168)

Ahora sí se puede leer la tabla como una recomendación. El grupo NOCHE pone el 87 % de su consumo en valle: la discriminación horaria le encaja de lleno. Ojo: de esos 150 clientes, 83 ya tienen la nocturna, así que la campaña es para los otros 67. El grupo de TARDE es el que más consume en punta (37 %): una tarifa por periodos le cobraría más justo en sus horas fuertes, así que lo suyo es un precio fijo. El de DÍA también pone un tercio en punta (de 10 a 14 es punta): precio fijo. Y el PLANO reparte su consumo casi igual que las horas de la semana, así que una tarifa por periodos ni le gana ni le pierde mucho: decide el precio, y la plana gana por sencillez.

## La figura estrella: la silueta engañosa al lado de la honesta

De todas las figuras que llevas a la demo, hay una que resume el caso entero, y es la que te va a salvar cuando alguien pregunte "¿y por qué no usasteis el modelo de silueta más alta?". Es un gráfico de dos barras: a la izquierda, la silueta del modelo sin escalar (0,550); a la derecha, la del modelo escalado (0,441). La barra de la izquierda es más alta, y precisamente por eso es la trampa. Tienes que contarla al revés de como se lee: la barra más alta es el modelo peor, porque medía la separación por volumen; la más baja es el bueno, porque separa por patrón. Es contraintuitivo, y por eso es importante dibujarlo: así Fátima lo ve de un vistazo y entiende que elegisteis el modelo con el número peor a propósito.

Con las fichas, las figuras y la tabla cups→segmento, el repositorio queda completo: src/05_perfiles.py cierra el código, las figuras van a output/, y solo falta el README, que lo escribes tú. El README de un proyecto de datos no es un trámite: es lo primero que lee quien abre tu repo en GitHub, y lo que convierte una carpeta de scripts en una pieza de portfolio que cuenta una historia. Lleva qué hace el proyecto, cómo se ejecuta (las dependencias y el orden de los scripts) y —lo que de verdad importa— el hallazgo honesto de la semana. Ese hallazgo es el one-pager que le dejas a Fátima, y es el último ejercicio.