Actualización en vivo
WebSockets o consultas periódicas según lo que el caso pida, para que el dato esté al día sin que nadie tenga que recargar la página.
// DASHBOARDS Y DATA APPS
Tus datos convertidos en decisiones claras.
Construimos dashboards y aplicaciones de datos que vuelven legible lo que hoy vive repartido en sistemas y planillas. Para equipos que no pueden seguir decidiendo a ciegas.
// DEFINICIÓN
¿Qué es un dashboard a medida?
Un dashboard a medida es una aplicación que lee datos de los sistemas que una empresa ya usa y los muestra según las métricas y las reglas propias del negocio. A diferencia de una herramienta de BI genérica, el cálculo, la actualización y la forma de presentarlo se construyen para ese caso puntual.
La parte que más sorprende es que la etapa larga no es programar los gráficos. Es ponerse de acuerdo en qué significa cada métrica. En casi todas las empresas conviven tres definiciones distintas de la misma cosa —qué cuenta como venta, desde cuándo un cliente está activo— y el dashboard obliga a elegir una. Ese acuerdo suele valer tanto como la herramienta.
La otra decisión que conviene tomar temprano es cada cuánto se actualiza. Tiempo real cuesta bastante más que actualizar cada hora, y solo se justifica cuando alguien de verdad va a reaccionar en el minuto. Para un tablero de gestión que se mira una vez por día, exigir tiempo real es pagar de más por algo que nadie va a mirar.
// CAPACIDADES
Visualizaciones que generan decisiones.
Conexión a tus fuentes
PostgreSQL, MySQL, BigQuery, APIs REST y hasta Google Sheets cuando ahí es donde vive el dato de verdad. Sin migración previa obligatoria.
Gráficos a medida
D3.js, Recharts y visualizaciones propias para los casos donde las librerías genéricas obligan a deformar el dato para que entre.
// COMPARATIVA
Dashboard a medida o herramienta de BI: qué resuelve cada uno.
No compiten tanto como parece: sirven para momentos distintos y muchas empresas terminan con los dos.
| Criterio | Dashboard a medida | Herramienta de BI (Power BI, Metabase) |
|---|---|---|
| Quién arma las vistas | Se definen en el proyecto; cambiarlas pasa por desarrollo. | Cualquiera del equipo, sin pedirle nada a desarrollo. |
| Reglas de cálculo propias | Sin límite: la lógica del negocio va en el código. | Hasta donde llegue el lenguaje de consultas de la herramienta. |
| Mostrárselo a tus clientes | Sí: es parte del producto, con tu marca y tus permisos. | Incómodo y caro: se licencia por usuario. |
| Tiempo de puesta en marcha | Semanas. | Días, si los datos ya están accesibles. |
| Cuándo conviene | La visualización es parte del producto o el cálculo es propio. | Análisis exploratorio interno y equipos que quieren autonomía. |
// DATOS CONCRETOS
Cómo trabajamos, en números.
- Plazo típico
- 4 a 8 semanas Según cantidad de fuentes y complejidad del cálculo. La etapa más larga suele ser acordar qué significa cada métrica.
- Fuentes
- PostgreSQL, MySQL, BigQuery, APIs REST, Google Sheets Se lee el dato donde está. Exigir una migración previa es lo que hace que estos proyectos nunca arranquen.
- Stack
- React, D3.js, Recharts, Node.js Gráficos propios solo donde las librerías genéricas obligarían a deformar el dato.
- Frecuencia de actualización
- Se define por caso de uso, no por defecto Tiempo real cuesta más y se justifica solo si alguien va a reaccionar en el minuto. Cada hora suele alcanzar y sale mucho menos.
- Data warehouse
- Solo si hace falta Se justifica al cruzar varias fuentes, cuando las consultas molestan a la operación o cuando hacen falta históricos que nadie guarda.
- Qué se entrega
- Aplicación, consultas y definiciones documentadas Con cada métrica escrita: qué incluye, qué excluye y de dónde sale. Es lo que evita que dos áreas discutan el mismo número.
//PREGUNTAS FRECUENTES
Lo que nos preguntanantes de empezar.
¿Conviene un dashboard a medida o una herramienta como Power BI?
Las herramientas de BI son la mejor opción para análisis exploratorio: alguien del equipo arma su propia vista sin pedirle nada a desarrollo. Un dashboard a medida se justifica cuando la visualización es parte del producto que le mostrás a tus clientes, o cuando el cálculo tiene reglas de negocio que ninguna herramienta genérica sabe hacer.
¿Necesito un data warehouse antes de empezar?
No siempre. Si los datos viven en una base transaccional y el volumen es moderado, se consulta directo con vistas y caché. El warehouse se justifica cuando hay que cruzar varias fuentes, cuando las consultas de análisis empiezan a molestar a la operación, o cuando hacen falta datos históricos que el sistema no guarda.
¿Cuánto tarda desarrollar un dashboard a medida?
Entre 4 y 8 semanas según la cantidad de fuentes y lo enredado del cálculo. La etapa más larga casi nunca es dibujar los gráficos: es ponerse de acuerdo en qué significa cada métrica, porque suele haber tres definiciones distintas conviviendo en la misma empresa.
¿Se conecta con las fuentes de datos que ya usamos?
Sí: PostgreSQL, MySQL, BigQuery, APIs REST y hasta Google Sheets cuando ahí es donde vive el dato de verdad. La idea es leer los datos donde están y no obligar a una migración previa, que es lo que hace que estos proyectos nunca arranquen.
¿Qué significa que el dashboard sea "en tiempo real"?
Que el dato se actualiza sin recargar la página, con WebSockets o consultas periódicas según el caso. Conviene preguntarse si hace falta: para métricas de operación minuto a minuto sí, pero para un tablero de gestión que se mira una vez por día, actualizar cada hora cuesta mucho menos y alcanza igual.
Los datos que ya tenés, finalmente legibles.
Casi todas las empresas tienen los datos que necesitan para decidir mejor: lo que no tienen es una forma de verlos. Un buen dashboard no es un reporte que alguien arma el lunes, es una ventana permanente a la operación.