Un feature store centraliza la definición, el cálculo y el almacenamiento de las variables (features) que distintos modelos de machine learning de una organización necesitan, permitiendo que equipos distintos reutilicen features ya calculadas y validadas, en lugar de recalcular la misma lógica de forma redundante para cada proyecto nuevo.
El problema específico que resuelve
Además de evitar duplicar esfuerzo, garantiza consistencia entre las features usadas durante el entrenamiento de un modelo y las que se calculan en tiempo real cuando ese modelo ya está en producción, un desajuste sutil (conocido como “training-serving skew”) que puede degradar seriamente el desempeño real de un modelo sin que sea evidente durante su desarrollo.