Dashboards y BI a medida: cuándo Power BI/Looker no resuelve en 2026

En 2026, Power BI, Looker Studio y Tableau resuelven 80% de las necesidades de BI de una PYME. Cuestan poco, se montan rápido, cualquier analista los usa. No hay por qué reinventar la rueda.

Pero existe un momento donde esos 80% no alcanzan. La operación creció, el producto se volvió específico, el cliente necesita ver datos en tiempo real y la planilla exportada de Power BI se volvió meme interno. Este post es sobre identificar ese momento antes de quemar 6 meses intentando forzar la herramienta lista a hacer lo que no fue hecha para hacer.

1. Dónde el BI listo resuelve (y no vale la pena reemplazar)

Antes de defender el a medida, voy a ser honesto: la mayoría de las empresas NO necesita. Las herramientas listas dominan por buenas razones:

• Dashboards ejecutivos: KPIs financieros, ventas, marketing. Power BI lo hace lindo.
• Conexión con Excel/Google Sheets: nadie supera a Power BI / Looker acá.
• Self-service para área de negocio: analistas arman reporte sin necesitar dev.
• Compliance y gobernanza simple: permisos por carpeta, audit nativo, seguridad certificada.
• Visualizaciones estándar: gráficos de línea, barra, torta, tablas pivot. 90% de los casos de uso.

Si tu dolor es uno de estos, quédate con Power BI/Looker. A medida en ese escenario es overengineering caro.

2. Las 5 señales de que pasaste del límite

El síntoma común es la sensación de "estoy forzando la herramienta a hacer algo que no fue hecha para hacer". Señales concretas:

Señal 1: datos en tiempo real (o casi)

Power BI actualiza cada 30 minutos en plan Pro, y 1x/hora en estándar. Looker depende del datasource. Si tu operación necesita ver datos con latencia debajo de 1 minuto (operación logística, marketplace, atención en vivo, monitoreo de SLA), BI listo no entrega. Streaming nativo solo existe en capa superior pagada.

A medida con WebSocket + frontend reactivo (React/Vue) resuelve. Latencia de 1-5 segundos en producción real.

Señal 2: lógica de negocio específica no cabe en DAX/LookML

Cuando el dashboard necesita regla como "cliente premium es quien compró en 3 de los últimos 12 meses Y tiene CAC payback debajo de 6 meses Y está en categoría de riesgo 2 o 3 según nuestra matriz interna" — terminas escribiendo expresión DAX de 200 líneas que nadie más entiende. Funciona, pero es deuda técnica inmediata.

En código TypeScript/Python, esa misma regla queda en 15 líneas con tests unitarios, code review y versionado Git. Reutilizable en N reportes.

Señal 3: necesitas entregar dashboard al cliente final

White-label de Power BI Embedded existe, pero cuesta caro (US$ 3-15k/mes en volumen) y tiene límites de personalización. Cliente que paga por ver el dashboard espera visual que combine con su marca — no con el estilo Microsoft.

A medida con componentes UI reutilizables (chart libraries como Recharts, ECharts, Highcharts) entrega visual idéntico a la identidad del cliente, sin costo por usuario activo, y con login integrado al SSO del cliente.

Señal 4: integraciones sin conector listo

Power BI/Looker tienen 200+ conectores listos. Funciona para Salesforce, HubSpot, Shopify, SQL clásico. Pero cuando tus datos viven en: API custom interna, sistema legacy SOAP, cola de eventos (Kafka, RabbitMQ), CRM de nicho de tu industria — el conector "no existe" o existe roto.

Terminás creando ETL paralelo (Airbyte, dbt, scripts Python en Airflow) solo para traer datos al BI listo. Ya que tenés ETL custom, dashboard custom es incremental.

Señal 5: costo de licencia escaló mucho

Power BI Pro: US$ 14/usuario/mes. Power BI Premium per User: US$ 24. Tableau Creator: US$ 75. Looker (Google Cloud): US$ 35k/año mínimo. Para empresa con 200 usuarios que miran dashboard, eso se vuelve US$ 35-180k/año solo en licencias.

Dashboard a medida tiene costo de implementación (R$ 50-300k) pero costo recurrente cerca de cero — solo infraestructura. Payback en 2-3 años en escala media, antes en escala mayor.

3. Stack recomendada para dashboard a medida en 2026

No hay más por qué reinventar componentes visuales. Stack consolidada:

Backend:

• Node.js + TypeScript (o Python + FastAPI) para API de agregación
• PostgreSQL como data store principal (TimescaleDB si es time-series)
• Redis para cache de queries pesadas
• ClickHouse o DuckDB para queries analíticas en gran volumen (TB+)
• Apache Kafka o Redis Streams para datos en tiempo real

Frontend:

• React o Vue 3 (Svelte creció pero pool de talento menor)
• TanStack Query (React Query) para gestionar estado de servidor
• ECharts o Recharts para visualizaciones (Highcharts si necesita licencia comercial)
• Tailwind CSS para estilización rápida
• WebSocket nativo o Socket.io para real-time

Infraestructura:

• Docker + Kubernetes (o Docker Swarm si equipo pequeño)
• GitHub Actions o GitLab CI para deploy
• Grafana para monitoreo de la propia infraestructura
• CloudFlare o similar para CDN/WAF

Importante: no elijas la stack por hype. Elige por disponibilidad de devs y por lo que el equipo ya domina. Stack aburrida que el equipo conoce bien > stack moderna que nadie entiende.

4. Arquitectura híbrida: BI listo + dashboards custom

La elección no es binaria. La arquitectura más saludable que veo en 2026 es híbrida:

• Power BI/Looker para dashboards ejecutivos, análisis ad-hoc, exploración de analistas de negocio
• Dashboards custom para: operación en tiempo real, portal del cliente, reportes con lógica compleja, dashboard embebido en sistema interno
• Data warehouse compartido (PostgreSQL, Snowflake, BigQuery) que alimenta los dos

El error es intentar hacer TODO en un solo lugar. Empresa que fuerza Power BI a hacer real-time + white-label gasta 3x más y entrega la mitad. Empresa que hace TODO custom reinventa visualización que Power BI ya entrega lista.

Regla práctica: si el área de negocio va a armar reporte nuevo sola, es Power BI/Looker. Si es producto que aparece al cliente externo u operación 24/7 en tiempo real, es custom.

5. Cuánto cuesta y cuánto demora

Rangos de costo de dashboard a medida en 2026 (Brasil/LATAM):

• MVP simple (3-5 dashboards, 1 fuente de datos, sin real-time): R$ 40-80k, 6-10 semanas
• Plataforma media (10-20 dashboards, 3-5 fuentes, autenticación, permisos por rol): R$ 120-300k, 4-6 meses
• Plataforma robusta (multi-tenant, real-time, white-label, integración con 5+ sistemas, SSO): R$ 350-900k, 6-10 meses
• Plataforma enterprise (compliance sector regulado, alta disponibilidad, gobernanza avanzada): R$ 1M+, 12-18 meses

Costo recurrente post go-live: R$ 3-15k/mes de infraestructura + mantenimiento evolutivo variable. Versus licencias de BI que escalan con usuarios, costo custom es prácticamente fijo.

6. Lo que NO hacer al migrar

Migrar todo de una vez. Estrategia que falla. Mantener Power BI en paralelo en los primeros 3-6 meses es obligatorio. Equipo de negocio necesita adaptación. Dashboard custom nuevo compite con hábito viejo.

Reinventar drag-and-drop. Construir interfaz tipo "cualquier persona arma dashboard arrastrando widgets" es proyecto de empresa SaaS de BI. Cuesta años de dev. Para uso interno, dashboards pre-construidos con filtros son suficientes.

Subestimar gobernanza de datos. "¿Quién puede ver qué?" en Power BI es simple porque es nativo. En custom es proyecto aparte: roles, permisos, audit log, enmascaramiento de PII. Calcula esto en el alcance desde el día 1.

Comparar solo por costo de licencia. Power BI parece caro cuando sumas 200 usuarios, pero tiene cliente Microsoft ya incluido en el contrato. Tableau tiene descuento agresivo. Hace la cuenta con 3 años de horizonte, no con 1 año.

Conclusión: arquitectura híbrida gana

Power BI/Looker no van a desaparecer ni acá ni en otras industrias. Son herramientas excelentes para lo que se proponen hacer. Pero existe límite, y aparece cuando: 1) tu operación necesita real-time, 2) entregas dashboard al cliente externo, 3) costo de licencia escaló, o 4) lógica de negocio se volvió inviable en DAX/LookML.

La decisión correcta en 2026 no es "BI listo O custom". Es BI listo Y custom, con frontera clara. El custom resuelve donde el listo traba. Juntos cuestan menos, atienden más, y dan al equipo exactamente la herramienta correcta para cada tarea.

Preguntas frecuentes sobre BI a medida

¿Vale la pena reemplazar Power BI por dashboard custom?

Raramente reemplazar 100%. El ROI aparece en reemplazo parcial: mantener Power BI para dashboards ejecutivos y ad-hoc, construir custom para casos específicos (real-time, white-label para cliente, lógica de negocio compleja). Empresa que migra todo de una vez normalmente vuelve a Power BI en 12-18 meses porque subestima el esfuerzo de cubrir analista de negocio haciendo reporte nuevo solo.

¿Cuál es el ROI mínimo para justificar BI a medida?

Generalmente tiene sentido cuando estás en al menos una situación: gastando R$ 40k+/mes en licencias de BI; entregando dashboard a 50+ clientes externos como producto; tienes requisito de real-time que BI listo no cumple; o tienes 10+ expresiones DAX/LookML de 100+ líneas que nadie más puede mantener. Debajo de esto, calcula el payback en 3-5 años en el mejor escenario.

¿Cuánto demora un proyecto de dashboard custom?

MVP simple (3-5 pantallas, sin real-time): 6-10 semanas. Plataforma media con multi-tenant y permisos: 4-6 meses. Plataforma robusta con real-time y white-label: 6-10 meses. Esos plazos presuponen equipo experimentado y requisitos claros. Falta de claridad en el alcance es lo que más atrasa proyectos custom — no la parte técnica.

¿Es posible hacer dashboard custom con PHP?

Sí, principalmente para el backend de agregación y API. PHP moderno (8.x) con Laravel o Symfony entrega API REST/GraphQL con performance comparable a Node/Python. Frontend continúa siendo JavaScript (React/Vue) — no hay cómo escapar de eso. En proyectos con equipo PHP fuerte, tiene sentido mantener stack. Lo importante es el desempeño de la query analítica, que es más sobre la base (PostgreSQL/ClickHouse) que sobre el lenguaje.

¿Cómo migrar de Power BI sin perder el histórico?

Patrón recomendado: 1) data warehouse compartido se vuelve fuente de verdad (PostgreSQL o Snowflake), con esquema de hechos/dimensiones; 2) Power BI pasa a consumir de ese warehouse, no de planillas; 3) nuevo dashboard custom también consume de ese warehouse; 4) los dos corren en paralelo durante 3-6 meses; 5) después de validar, desactiva reportes Power BI uno por uno. Histórico queda en el warehouse, no en Power BI.