Repositorio centralizado que gestiona, documenta y sirve variables de Machine Learning tanto para el entrenamiento de modelos como para inferencias en tiempo real.
Explicación y Contexto Conceptual
Un Feature Store (Almacén de Características) es un componente crítico de la infraestructura moderna de MLOps (Machine Learning Operations). En la ciencia de datos aplicada al marketing, una 'característica' (feature) es una variable numérica o categórica calculada a partir de los datos crudos (ejemplo: 'gasto total en los últimos 30 días', 'categoría de producto más navegada en las últimas 2 horas' o 'días transcurridos desde el último ticket de soporte').
Sin un Feature Store, los equipos sufren el problema de la 'duplicación y asimetría online/offline': los científicos calculan características en SQL sobre Snowflake para entrenar modelos (offline), pero los ingenieros de producción reescriben esa lógica en Java/Python para la app móvil (online), generando discrepancias que arruinan la precisión del modelo.
El Feature Store unifica ambas capas: sirve datos históricos en lote para entrenar y una API de bajísima latencia (Redis, DynamoDB) para inferencia en tiempo real.
Ejemplo en la Práctica
El modelo de recomendación web consulta el Feature Store en 5 milisegundos para obtener las 10 características de afinidad del usuario mientras se renderiza la página.