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.

## 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 (0,319). 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.