É um projeto paralelo solo que criei porque achei injusto abastecer e, no dia seguinte, o preço do combustível cair.
Com os dados públicos do Opinet, dá para saber "onde está barato hoje", mas não dá para saber "se devo abastecer hoje ou esperar". Por isso, peguei os preços diários de 11,5 mil postos em todo o país desde 2022, acrescentei variáveis como petróleo internacional (WTI·Dubai), câmbio e imposto sobre combustíveis, criei um modelo que prevê a variação de preços em 7 dias e o mostro todas as manhãs em formato de semáforo. Em vez de dizer "parece que vai subir?", ele fala em valores, como "se esperar, você economiza cerca de 40 won por litro".
O desenho central não é o modelo, é isto: um serviço de previsão acaba se não conseguir responder a "por que eu deveria confiar nisso?". Por isso, todos os dias ele avalia automaticamente a previsão do dia anterior e publica o boletim de desempenho dentro do app. São mais de 30 mil avaliações acumuladas, 99% de acerto nas previsões de "não vai subir" e até a proporção em que a recomendação "aqui está barato" realmente estava barata. Quando erra, o usuário vê os números caírem, e isso também me impede de fazer o modelo de qualquer jeito.
A arquitetura é simples, com o princípio de custo fixo zero:
CSV diário do Opinet → DuckDB (série temporal de 4,6 GB, local) → features → previsão → avaliação → snapshot de serving, tudo totalmente automático todos os dias às 07:30 com launchd
O serving usa FastAPI + HTML único em JS vanilla (90 KB); só membros e snapshots ficam no Supabase; hospedagem no plano gratuito do Render (com ping do UptimeRobot para evitar sleep)
6.473 postos credenciados a moedas locais foram conectados a partir de dados públicos da Korea Minting and Security Printing Corporation, por correspondência de coordenadas em um raio de 150 m + nome comercial
Um único perrengue: um dia, 57% dos postos foram tratados como "em espera", e passei dois dias investigando. O "corte de variação prevista de 40 won" que eu tinha colocado como gate de outliers era o p75 da distribuição realizada. Ou seja, 1 em cada 4 casos estava sendo tratado como outlier. Subi para p99,5 e resolveu. Senti na prática que limiares devem ser definidos por quantis, não por intuição. (Diário de desenvolvimento detalhado: link do velog)
Na semana passada, postei um texto em uma comunidade de economia e 730 pessoas acessaram em dois dias; 82% dos inscritos eram pessoas de 30 a 40 e poucos anos que se deslocam diariamente. Todas as funções podem ser usadas sem cadastro e tudo é gratuito.
Ainda estou pensando em várias coisas, como previsão para diesel (no momento só ofereço consulta) e unidades regionais mais granulares que cidade/distrito. Se vocês testarem e enviarem feedback do tipo "a previsão do meu bairro está estranha", vou corrigir validando pelo boletim de desempenho.
Ainda não há comentários.