Tinto
Para probar y para cafeterías que están empezando.
- Subir Excel o CSV
- Tablero de ventas y calendario
- Qué mueve tus ventas
- Simulador de un día
- 1 producto
- Tus datos solo en tu navegador
Proyecto 2 de Álgebra Lineal I, Universidad de La Sabana, 2026-2
Predecimos cuántos cafés se venden en un día a partir del precio, el clima, las promociones y el calendario, con regresión multilineal cuadrática por mínimos cuadrados. Por Samuel Angarita García y Alejandro Serna.
Por dentro usa álgebra lineal (mínimos cuadrados). Por fuera solo ves respuestas.
Una fila por día: fecha, precio y ventas. Si anotas promociones, mejor. Te damos la plantilla.
Cuánto suman la promoción y la lluvia, cuánto resta subir el precio, cuál es tu día flojo.
Con el pronóstico del clima te dice cuánto vas a vender cada día y cuánta leche y café comprar.
Por dentro, Tintómetro es álgebra lineal: regresión multilineal por mínimos cuadrados. Esto es lo que hace con tus datos, paso a paso, con los números de nuestra cafetería de ejemplo (221 días).
Cada día es una fila. Cada cosa que puede mover las ventas es una columna: una columna de unos, el precio p, el precio al cuadrado p² (para que la demanda pueda ser una curva), la temperatura, lluvia, promoción, gente que pasa y viernes. Las ventas van en un vector aparte.
Cada β dice cuánto suma o resta una columna. Elegimos los β que hacen más pequeña la suma de los errores al cuadrado. Esa condición se convierte en un sistema de 8 ecuaciones con 8 incógnitas, las ecuaciones normales, que resolvemos con eliminación de Gauss.
Geométricamente: la predicción ŷ = Xβ es la «sombra» de tus ventas sobre el plano de las columnas de X, y el error queda perpendicular a ese plano.
Para predecir un día armamos su fila x (precio, clima, promoción…) y la multiplicamos por β: cada barra es β × dato, y la suma es la predicción. Cambia el día en la tarjeta «Juega con el modelo» del encabezado y mira cómo se mueve.
Los ingresos son precio por ventas: I(p) = p · ŷ(p). Como ŷ tiene p y p², I(p) es un polinomio de grado 3. Buscamos donde su derivada vale cero; si ese punto cae fuera de los precios que ya probaste, el mejor precio confiable es el borde de ese rango.
Ajustamos con los primeros 166 días y probamos en los últimos 55, que el modelo no vio. Ahí se equivoca en promedio ±10 tintos al día; con la curva (p²) el error baja 3,9 % frente a una recta. Comprobamos todo contra Python y contra un caso resuelto a mano.
Ver el proyecto completo: matrices, Gauss paso a paso y validaciónEmpieza gratis. Pasa a un plan de pago cuando quieras más.
Para probar y para cafeterías que están empezando.
Para la cafetería que quiere comprar justo y vender más.
Para cadenas y cafeterías con varias sedes.
Precios en pesos colombianos. Son la propuesta de modelo de negocio del proyecto: hoy todas las funciones que ya existen se pueden usar gratis en la herramienta.
| Qué incluye | Tinto | Pintado | Greca |
|---|---|---|---|
| Tus ventas | |||
| Subir Excel o CSV | ✓ | ✓ | ✓ |
| Tablero, calendario y día más fuerte | ✓ | ✓ | ✓ |
| Productos | 1 | Varios | Varios |
| Sedes | 1 | 1 | Hasta 5 |
| Predicción | |||
| Qué mueve tus ventas e ideas para vender más | ✓ | ✓ | ✓ |
| Simulador de un día | ✓ | ✓ | ✓ |
| Plan de la semana con pronóstico del clima | — | ✓ | ✓ |
| Insumos: leche y café | — | ✓ | ✓ |
| Precio que más ingresos deja | — | ✓ | ✓ |
| Conexiones y ayuda | |||
| Reporte en PDF | — | ✓ | ✓ |
| Hoja de Google en vivo | — | Próximamente | Próximamente |
| Sistema de caja | — | — | Próximamente |
| Acompañamiento por WhatsApp | — | — | ✓ |
Comprar de más es plata que se bota. Mueve los controles con los números de tu cafetería.
Lo que más nos preguntan las cafeterías.
No. Subes tu Excel y la herramienta te responde en palabras: «con lluvia vendes cerca de 22 más», «tu día flojo es el viernes». Las cuentas las hace ella.
En el plan Tinto no: el archivo se lee y se calcula dentro de tu navegador. Lo único que se consulta afuera es el clima de tu ciudad (Open-Meteo), con las fechas, no con tus ventas.
Una fila por día con la fecha, el precio y lo que vendiste. Si además anotas si hubo promoción y si fue un día especial (festivo, evento, vacaciones), los cálculos mejoran. Puedes descargar nuestra plantilla.
Con un mes ya ves tu tablero. Para que los cálculos sean confiables, lo ideal son dos meses o más, y haber probado al menos dos precios distintos.
Siempre te mostramos el margen: por ejemplo, «entre 110 y 130». En la cafetería de ejemplo el error típico es de unos 10 tintos al día. Con datos tuyos, la herramienta mide su propio error con tus días más recientes.
Sí. Los planes de pago son mes a mes o por año, sin permanencia, y el plan Tinto es gratis para siempre.
Prueba con tus ventas o con nuestra cafetería de ejemplo.
Empezar gratisPara que tu cafetería sepa cuánto va a vender y qué hace que venda más o menos: el precio, la lluvia, el frío, las promociones o el día de la semana. Con eso puedes comprar los insumos justos, decidir cuándo hacer promociones y probar precios sin adivinar.
Una fila por día con la fecha, el precio y cuánto vendiste. Si anotas las promociones, mejor.
La herramienta compara tus días y te dice cuánto suma o resta cada cosa.
Mueves el precio, el clima o la promoción y ves al instante cuánto venderías.
Con el pronóstico del clima calcula ventas, leche y café para los próximos días.
Con una cuenta tus ventas quedan guardadas, llevas tus rachas y tienes un calendario de tu cafetería. Sin cuenta también funciona: todo se queda en este navegador.
Así la herramienta te saluda por tu nombre, trae el clima de tu ciudad y calcula los insumos de tu semana. Se guarda solo en este navegador.
Tu Excel (.xlsx) o un CSV, con una fila por día. Columnas necesarias: fecha, precio y ventas. Opcionales: promoción (Sí/No), tipo de día (Normal, Evento, Festivo, Vacaciones…), producto, temperatura y lluvia. Los datos no salen de tu computador.
Cada cuadro es un día; más oscuro, más ventas. Pasa el mouse para ver el detalle.
Mueve los controles y mira cómo cambian las ventas. Con internet, el botón trae el pronóstico real para la fecha (hasta 15 días adelante).
Escribe una fecha, aunque sea de aquí a meses. Se usa tu precio de siempre, sin promoción, y el clima típico de ese mes en tus datos.
Cada barra es coeficiente × dato de ese día; sumadas dan la predicción (ŷ = xᵀβ). La lluvia entra como la probabilidad de que llueva ese mes, así el resultado es el promedio esperado.
Con las condiciones del simulador, solo con los precios que ya has usado: con precios que nunca has probado el cálculo no es confiable.
Calcula cuánto venderás los próximos días con el pronóstico del clima y cuántos insumos necesitas. Marca los días en que harás promoción.
La herramienta busca la línea que pasa lo más cerca posible de todos tus días. Pruébalo tú: cada punto es un día (precio y ventas). Mueve la línea y trata de que los cuadrados rojos sean lo más pequeños posible. Cada cuadrado es el error de un día; la herramienta busca que la suma de todos sea la menor posible.
Con tus datos reales hace lo mismo, pero con todo a la vez: precio, clima, promociones y día de la semana. En vez de una línea busca la mejor combinación de todos esos factores, y con eso arma lo que ves arriba.
Para saber si sus cálculos sirven, se guarda tus días más recientes, hace la cuenta sin mirarlos y luego compara lo que calculó con lo que de verdad vendiste. De ahí sale el «± unidades». El clima de tus días y el pronóstico vienen de Open-Meteo, un servicio gratuito de datos del clima.
Son estimaciones a partir de tus propios datos, no una garantía. Entre más días subas, mejores son. Si quieres ver las matemáticas detrás, están en la pestaña Proyecto académico.
La historia en 8 pantallas · baja despacio
De cada día anotamos el precio, el clima, si hubo promoción, cuánta gente pasó, si era viernes… y cuántos cafés se vendieron.
Al subir el precio se venden menos cafés. Pero las primeras subidas espantan más clientes que las siguientes. Pruébalo:
Sean 221 días o 10.000, siempre queda un sistema pequeño de 8 ecuaciones con 8 incógnitas: los β.
Las predicciones posibles forman un plano. Las ventas reales y quedan afuera. La mejor predicción ŷ es su sombra: el punto del plano más cercano. El error r cae derechito, en ángulo recto.
Girarla en 3DRestando filas se hacen ceros debajo de la diagonal. Lo que queda se despeja de abajo hacia arriba. Lo hicimos a mano con el caso pequeño:
Cuántos cafés cambia cada cosa al pasar de un día «bajo» a uno «alto». El precio es el que más pesa.
Sube tu Excel y te dice cuánto vas a vender, qué mueve tus ventas y qué precio deja más plata.
Lo mismo, sección por sección, con las matrices, las cuentas y la validación.
Qué problema resolvemos y con qué alcance.
La cafetería quiere saber cuántos cafés venderá en un día según el precio, la temperatura, si llueve, si hay promoción, cuánta gente pasa por el local y si es viernes. Así puede planear la compra de insumos y el personal.
Sospechamos que la demanda no baja en línea recta con el precio. Las primeras subidas espantan más clientes que las siguientes, así que la relación tiene curvatura. Para capturarla agregamos la columna p² a la matriz de diseño.
221 días hábiles de un año (4 de agosto de 2025 a 17 de julio de 2026), sin festivos ni el cierre de fin de año. Incluye temporada normal y de vacaciones. Puede cargar otro CSV con las columnas: precio_miles, temperatura, lluvia, promo, flujo, viernes, ventas.
| Símbolo | Significado |
|---|---|
| y | Cafés vendidos en el día |
| p | Precio del café en miles de COP (2,0 a 5,0) |
| T | Temperatura media del día (°C) |
| lluvia | 1 si llovió, 0 si no |
| promo | 1 si hubo combo café + pan, 0 si no |
| flujo | Personas que pasaron por el local (cientos) |
| viernes | 1 si es viernes, 0 si no (variable de calendario) |
El precio va en miles de pesos y no en pesos. Con p en pesos, p² llegaría a 25 000 000 y la matriz XᵀX quedaría muy mal condicionada:
Escoja las columnas de la matriz de diseño de cada modelo. La columna 1 (intercepto) siempre va incluida.
Matrices construidas con los datos de entrenamiento.
ŷ = Xβ es el punto del plano más cercano a y; el error queda perpendicular, por eso XTr = 0.
Mueve los controles para cambiar las ventas y arrastra el dibujo para girarlo.
Lo que hace la plataforma al presionar "Calcular".
Ventas ajustadas a las condiciones del Día 1 del comparador, para ver solo el efecto del precio.
Si un modelo deja una forma de "U" en los residuales, le falta curvatura. Un buen ajuste deja una nube sin patrón alrededor de 0.
Cada punto de la superficie es la predicción para un precio y una temperatura. La bolita es el día que armaste en la portada.
RMSE = raíz del error cuadrático medio, en cafés por día. Lo que importa es el error en los días de prueba, que el modelo nunca vio.
Cambio en ventas al pasar cada variable de un valor bajo (P10) a uno alto (P90); las de sí/no, de 0 a 1.
Dos días hipotéticos. Se ve la predicción de cada modelo y cuánto aporta cada término (β̂ⱼ · xⱼ).
Dos pruebas: un caso pequeño que se resuelve a mano y la comparación con Python (NumPy).
El caso a mano de 4 días: ecuaciones normales XTX β = XTy para ŷ = β₀ + β₁p + β₂p². Avanza con el botón o con las flechas del teclado.
Resultado: β = (10, −4, 1) y residuales cero.
Python resolvió los mismos modelos con normales, QR y SVD.
Autores: Samuel Angarita García y Alejandro Serna.
Ingeniería Industrial, Universidad de La Sabana, 2026-2.
Funcionamiento: la página es un solo archivo, sin librerías externas. La parte académica funciona sin internet; la pestaña «Para tu cafetería» usa internet solo para traer el clima de Open-Meteo. El álgebra (productos matriciales, eliminación gaussiana y autovalores por Jacobi) está programada a mano en JavaScript.
El uso de IA en el resto del proyecto está en la declaración de CoInteligencia del informe.