Dashboards en tiempo real para PyME mexicana: Metabase, Streamlit, Looker Studio

Para dashboards en PyME mexicana: Metabase self-hosted ($15-25 USD/mes VPS) cubre 80% de casos cross-equipo. Streamlit para custom dashboards Python con ML/data science. Google Looker Studio gratis para dashboards ejecutivos Google-centric. Patron: 3 niveles - operacional (refresh 5-15min, equipo dia a dia), tactico (refresh diario, gerencia), ejecutivo (refresh semanal, CEO). Maximo 5-8 metricas por dashboard.

El dashboard que importa es el que tu equipo ve diario

Implementar automatizacion sin dashboards = volar a ciegas. Implementar dashboards over-engineered = nadie los usa. El sweet spot 2026 es: dashboards simples, en tiempo real, que el equipo abra cada manana y entienda en 30 segundos.

Las 3 herramientas que cubren 95% de casos

Metabase — BI robusto open-source

• Open-source self-hosted ($0 license, $15 USD/mes VPS)
• 50+ integraciones (Postgres, MySQL, MongoDB, Sheets, etc.)
• Drag-and-drop charts
• Schedule reports email/Slack
• Permission management por equipo

Streamlit — Python rapid prototyping

• Dashboard custom en 50-200 lineas Python
• Ideal para casos especificos no genericos
• Self-hosted o Streamlit Cloud ($0-50 USD/mes)
• Integracion natural con pandas, sklearn, plotly

Google Looker Studio — Para ejecutivos

• Gratis hasta 100K rows
• Conectores Google nativos (Sheets, GA, GBP)
• UI familiar para no-tecnicos
• Embed friendly

Patron: 3 niveles de dashboard

Nivel 1 — Operacional (equipo dia a dia)

Refresh 5-15 minutos. Visible en pantalla TV oficina o tab fijo navegador. Mostrar:

• Leads del dia por fuente
• Conversaciones WhatsApp activas + tiempo respuesta promedio
• Citas/ordenes del dia + status
• Alertas criticas (clientes molestos, errores sistema)

Herramienta tipica: Streamlit custom o Metabase. Audiencia: gestores operativos, supervisores.

Nivel 2 — Tactico (gerencia semanal)

Refresh diario. Audiencia: gerencia comercial, marketing, operaciones. Mostrar:

• Pipeline ventas weekly: leads, qualified, demos, propuestas, cerrados
• Conversion rates por canal
• Cohort analysis: clientes adquiridos mes pasado vs hace 3, 6, 12 meses
• Productividad equipo (sin agresivo, solo visibilidad)

Herramienta tipica: Metabase. Audiencia: middle management.

Nivel 3 — Ejecutivo (CEO/dueno)

Refresh semanal. Audiencia: CEO, fundadores. Mostrar:

• MRR/Revenue actual + tendencia 12 meses
• CAC, LTV, payback period
• Cash flow + runway
• Top 5 metricas norte estrella del negocio
• Alerts: drops >15% en metricas criticas

Herramienta tipica: Google Looker Studio o Metabase con dashboard simplificado. Audiencia: ejecutivos.

Errores comunes en dashboards

1. Over-engineering: 50 metricas en una pantalla. Nadie las mira. Maximo 5-8 metricas por dashboard.
2. Sin contexto temporal: mostrar "ventas hoy: $50K" sin comparar vs ayer, semana pasada, mes pasado. La cifra absoluta sola no informa.
3. Sin alertas: dashboard que nadie revisa diario es invisible. Configurar Slack/Telegram alerts cuando metrica sale de rango.
4. Datos stale: refresh manual semanal en dashboard que pretende ser real-time. Configurar auto-refresh.
5. Sin drill-down: dashboard ejecutivo no debe permitir drill-down (es ruido). Dashboard operacional SI debe permitir click para detalle.

Setup tipico Metabase self-hosted

# Docker compose
version: '3'
services:
  metabase:
    image: metabase/metabase:latest
    ports:
      - "3000:3000"
    environment:
      MB_DB_TYPE: postgres
      MB_DB_DBNAME: metabase
      MB_DB_PORT: 5432
      MB_DB_USER: metabase
      MB_DB_PASS: ${POSTGRES_PASSWORD}
      MB_DB_HOST: postgres
    depends_on:
      - postgres
  postgres:
    image: postgres:17
    environment:
      POSTGRES_DB: metabase
      POSTGRES_USER: metabase
      POSTGRES_PASSWORD: ${POSTGRES_PASSWORD}
    volumes:
      - metabase_data:/var/lib/postgresql/data
volumes:
  metabase_data:

Setup 30 minutos. Conectar a tu Postgres operacional con read-only user. Crear primer dashboard en 1-2 horas.

Streamlit ejemplo dashboard operacional

import streamlit as st
import pandas as pd
import psycopg2
from datetime import datetime, timedelta

st.set_page_config(page_title="Operativo", layout="wide")
st.title("Dashboard Operativo - Live")

conn = psycopg2.connect(host="localhost", database="empresa", user="readonly", password=st.secrets["pg_pass"])

# Leads hoy
leads_hoy = pd.read_sql("SELECT source, COUNT(*) FROM leads WHERE received_at::date = CURRENT_DATE GROUP BY source", conn)
col1, col2, col3 = st.columns(3)
col1.metric("Leads hoy", leads_hoy['count'].sum())
col2.metric("Vs ayer", "+15%")
col3.metric("Tasa respuesta <5min", "78%")

# Conversaciones WA activas
wa_activas = pd.read_sql("SELECT COUNT(*) FROM wa_conversations WHERE last_message_at >= NOW() - INTERVAL '15 minutes'", conn)
st.metric("Conversaciones WA activas", wa_activas.iloc[0,0])

# Auto-refresh cada 60s
st.empty()
import time
time.sleep(60)
st.experimental_rerun()

Dr. Irving Varela — Ph.D, PMP Fundador de Varela Insights · Director de Estudios Aplicados GEO · Monterrey, México. Ver perfil completo →