En este artículo, consideramos un sistema de inventario multiperiodo y de dos ubicaciones con distribuciones de demanda desconocidas y productos perecederos. Los productos pueden ser transbordados desde la ubicación con exceso de inventario a la otra con exceso de demanda para satisfacer mejor la demanda del cliente. Se asume que las distribuciones de demanda siguen una familia de distribuciones paramétricas y solo se pueden aprender sobre la marcha. Para abordar el desafío, proponemos un algoritmo de gestión de inventario basado en datos llamado DD2LI que logra un buen rendimiento en términos de arrepentimiento. Este algoritmo, DD2LI, emplea la estimación de máxima verosimilitud para aproximar el parámetro desconocido y determina la cantidad de pedido en función de estas estimaciones. Además, enfatizamos una suposición clave que restringe el límite de arrepentimiento. Finalmente, probamos la efectividad de nuestro algoritmo propuesto realizando experimentos numéricos para dos escenarios.