Dashboards e BI sob medida: quando Power BI/Looker não resolve em 2026

Em 2026, Power BI, Looker Studio e Tableau resolvem 80% das necessidades de BI de uma PME. Custam pouco, montam rápido, qualquer analista usa. Não tem por que reinventar a roda.

Mas existe um momento em que esses 80% não bastam. A operação cresceu, o produto ficou específico, o cliente precisa enxergar dado em tempo real e a planilha exportada do Power BI virou meme interno. Este post é sobre identificar esse momento antes de queimar 6 meses tentando forçar a ferramenta pronta a fazer o que ela não foi feita pra fazer.

1. Onde o BI pronto resolve (e não vale a pena substituir)

Antes de defender o sob medida, vou ser honesto: a maioria das empresas NÃO precisa. Ferramentas prontas dominam por bons motivos:

• Dashboards executivos: KPIs financeiros, vendas, marketing. Power BI faz lindo.
• Conexão com Excel/Google Sheets: ninguém bate Power BI / Looker aqui.
• Self-service para área de negócio: analistas montam relatório sem precisar de dev.
• Compliance e governança simples: permissão por pasta, auditoria nativa, segurança certificada.
• Visualizações padrão: gráfico de linha, barra, pizza, tabela pivot. 90% dos casos de uso.

Se sua dor é uma destas, fique com Power BI/Looker. Sob medida nesse cenário é overengineering caro.

2. Os 5 sinais de que você passou do limite

O sintoma comum é uma sensação de "tô forçando a ferramenta a fazer algo que ela não foi feita pra fazer". Sinais concretos:

Sinal 1: dado em tempo real (ou quase)

Power BI atualiza a cada 30 minutos no plano Pro, e 1x/hora no padrão. Looker depende do datasource. Se sua operação precisa enxergar dado com latência abaixo de 1 minuto (operação logística, marketplace, atendimento ao vivo, monitoramento de SLA), BI pronto não entrega. Streaming nativo só existe em camada superior paga.

Sob medida com WebSocket + frontend reativo (React/Vue) resolve. Latência de 1-5 segundos em produção real.

Sinal 2: lógica de negócio específica não cabe em DAX/LookML

Quando o dashboard precisa de regra como "cliente premium é quem comprou em 3 dos últimos 12 meses E tem CAC payback abaixo de 6 meses E está em categoria de risco 2 ou 3 segundo nossa matriz interna" — você acaba escrevendo expressão DAX de 200 linhas que ninguém mais entende. Funciona, mas é dívida técnica imediata.

Em código TypeScript/Python, essa mesma regra fica em 15 linhas com testes unitários, code review e versionamento Git. Reusável em N relatórios.

Sinal 3: você precisa entregar dashboard para cliente final

White-label de Power BI Embedded existe, mas custa caro (US$ 3-15k/mês em volume) e tem limites de personalização. Cliente que paga pra ver o dashboard espera visual que combine com a marca dele — não com o estilo Microsoft.

Sob medida com componentes UI reaproveitáveis (chart libraries como Recharts, ECharts, Highcharts) entrega visual idêntico à identidade do cliente, sem custo por usuário ativo, e com login integrado ao SSO do cliente.

Sinal 4: integrações que o BI pronto não tem conector

Power BI/Looker têm 200+ conectores prontos. Funciona pra Salesforce, HubSpot, Shopify, SQL clássico. Mas quando o seu dado mora em: API custom interna, sistema legado SOAP, fila de evento (Kafka, RabbitMQ), CRM nichado da sua indústria — o conector "não existe" ou existe quebrado.

Você acaba criando ETL paralelo (Airbyte, dbt, scripts Python no Airflow) só pra trazer dado pro BI pronto. Já que tem ETL custom, dashboard custom é incremental.

Sinal 5: custo de licença escalou muito

Power BI Pro: US$ 14/usuário/mês. Power BI Premium per User: US$ 24. Tableau Creator: US$ 75. Looker (Google Cloud): US$ 35k/ano mínimo. Pra empresa com 200 usuários que olham dashboard, isso vira US$ 35-180k/ano só de licença.

Dashboard sob medida tem custo de implementação (R$ 50-300k) mas custo recorrente próximo de zero — só infraestrutura. Payback em 2-3 anos em escala média, antes em escala maior.

3. Stack recomendada para dashboard sob medida em 2026

Não tem mais por que reinventar componentes visuais. Stack consolidada:

Backend:

• Node.js + TypeScript (ou Python + FastAPI) para API de agregação
• PostgreSQL como data store principal (TimescaleDB se for time-series)
• Redis para cache de queries pesadas
• ClickHouse ou DuckDB para queries analíticas em volume grande (TB+)
• Apache Kafka ou Redis Streams para dado em tempo real

Frontend:

• React ou Vue 3 (Svelte cresceu mas time menor)
• TanStack Query (React Query) para gerenciar estado de servidor
• ECharts ou Recharts para visualizações (Highcharts se precisar de licença comercial)
• Tailwind CSS para estilização rápida
• WebSocket nativo ou Socket.io para real-time

Infraestrutura:

• Docker + Kubernetes (ou Docker Swarm se time pequeno)
• GitHub Actions ou GitLab CI para deploy
• Grafana para monitoramento da própria infraestrutura
• CloudFlare ou similar para CDN/WAF

Importante: não escolha a stack pela hype. Escolha pela disponibilidade de devs e pelo que o time já domina. Stack chatinha que o time conhece bem > stack moderna que ninguém entende.

4. Arquitetura híbrida: BI pronto + dashboards custom

A escolha não é binária. A arquitetura mais saudável que vejo em 2026 é híbrida:

• Power BI/Looker para dashboards executivos, ad-hoc analysis, exploração por analistas de negócio
• Dashboards custom para: operação em tempo real, portal do cliente, relatório com lógica complexa, dashboard embutido em sistema interno
• Data warehouse compartilhado (PostgreSQL, Snowflake, BigQuery) que alimenta os dois

O erro é tentar fazer TUDO num lugar só. Empresa que força Power BI a fazer real-time + white-label gasta 3x mais e entrega metade. Empresa que faz TUDO custom reinventa visualização que Power BI já entrega pronta.

Regra prática: se a área de negócio vai montar relatório novo sozinha, é Power BI/Looker. Se é produto que aparece pro cliente externo ou operação 24/7 em tempo real, é custom.

5. Quanto custa e quanto demora

Faixas de custo de dashboard sob medida em 2026 (Brasil):

• MVP simples (3-5 dashboards, 1 fonte de dados, sem real-time): R$ 40-80k, 6-10 semanas
• Plataforma média (10-20 dashboards, 3-5 fontes, autenticação, permissões por papel): R$ 120-300k, 4-6 meses
• Plataforma robusta (multi-tenant, real-time, white-label, integração com 5+ sistemas, SSO): R$ 350-900k, 6-10 meses
• Plataforma enterprise (compliance setor regulado, alta disponibilidade, governança avançada): R$ 1M+, 12-18 meses

Custo recorrente após go-live: R$ 3-15k/mês de infraestrutura + manutenção evolutiva variável. Versus licenças de BI que escalam com usuários, custo custom é praticamente fixo.

6. O que NÃO fazer ao migrar

Migrar tudo de uma vez. Estratégia que falha. Manter Power BI em paralelo nos primeiros 3-6 meses é obrigatório. Time de negócio precisa adaptação. Dashboard custom novo concorre com hábito antigo.

Reinventar drag-and-drop. Construir interface tipo "qualquer pessoa monta dashboard arrastando widget" é projeto de empresa SaaS de BI. Custa anos de dev. Pra uso interno, dashboards pré-construídos com filtros são suficientes.

Subestimar governança de dados. "Quem pode ver o quê?" no Power BI é simples porque é nativo. No custom, é projeto à parte: roles, permissões, audit log, mascaramento de PII. Calcule isso no escopo desde o dia 1.

Comparar só pelo custo de licença. Power BI parece caro quando soma 200 usuários, mas tem cliente Microsoft já incluído no contrato. Tableau tem desconto agressivo. Faça a conta com 3 anos de horizonte, não com 1 ano.

Conclusão: arquitetura híbrida ganha

Power BI/Looker não vão sumir nem aqui nem em outras indústrias. São ferramentas excelentes pro que se propõem a fazer. Mas existe limite, e ele aparece quando: 1) sua operação precisa real-time, 2) você entrega dashboard pra cliente externo, 3) custo de licença escalou, ou 4) lógica de negócio virou inviável em DAX/LookML.

A decisão certa em 2026 não é "BI pronto OU custom". É BI pronto E custom, com fronteira clara. O custom resolve onde o pronto trava. Em conjunto, custam menos, atendem mais, e dão ao time exatamente a ferramenta certa pra cada tarefa.

Perguntas frequentes sobre BI sob medida

Vale a pena substituir Power BI por dashboard custom?

Raramente substituir 100%. O ROI aparece em substituição parcial: manter Power BI para dashboards executivos e ad-hoc, e construir custom para casos específicos (real-time, white-label para cliente, lógica de negócio complexa). Empresa que migra tudo de uma vez costuma voltar a Power BI em 12-18 meses porque subestima o esforço de cobrir analista de negócio fazendo relatório novo sozinho.

Qual é o ROI mínimo para justificar BI sob medida?

Geralmente faz sentido quando você está em pelo menos uma situação: gastando R$ 40k+/mês em licenças de BI; entregando dashboard para 50+ clientes externos como produto; tem requisito de real-time que BI pronto não cumpre; ou tem 10+ DAX/LookML expressions de 100+ linhas que ninguém mais consegue manter. Abaixo disso, calcula o payback em 3-5 anos no melhor cenário.

Quanto tempo demora um projeto de dashboard custom?

MVP simples (3-5 telas, sem real-time): 6-10 semanas. Plataforma média com multi-tenant e permissões: 4-6 meses. Plataforma robusta com real-time e white-label: 6-10 meses. Esses prazos pressupõem time experiente e requisitos claros. Falta de clareza no escopo é o que mais atrasa projetos custom — não a parte técnica.

É possível fazer dashboard custom com PHP?

Sim, principalmente para o backend de agregação e API. PHP moderno (8.x) com Laravel ou Symfony entrega API REST/GraphQL com performance comparável a Node/Python. Frontend continua sendo JavaScript (React/Vue) — não tem fugir disso. Em projetos com time PHP forte, faz sentido manter stack. O importante é o desempenho da query analítica, que é mais sobre o banco (PostgreSQL/ClickHouse) do que sobre a linguagem.

Como migrar de Power BI sem perder o histórico?

Padrão recomendado: 1) data warehouse compartilhado vira fonte de verdade (PostgreSQL ou Snowflake), com schema de fatos/dimensões; 2) Power BI passa a consumir desse warehouse, não de planilhas; 3) novo dashboard custom também consome desse warehouse; 4) os dois rodam em paralelo durante 3-6 meses; 5) depois de validar, desativa relatórios Power BI um por um. Histórico fica no warehouse, não no Power BI.