Looker Studio —renombrado por Google como Data Studio en abril— es la forma más rápida de pasar de una planilla a un dashboard interactivo sin escribir una línea de SQL. Esta guía te lleva desde conectar tu primera fuente de datos hasta compartir un reporte que se actualiza solo.

Si trabajás con datos y todavía mandás capturas de pantalla de una planilla por mail, esta herramienta te va a cambiar la rutina. Es gratuita en su versión base, corre en el navegador y se conecta nativamente a Google Sheets, BigQuery, Google Ads y Analytics.

Primero, el cambio de nombre

Google revirtió el rebranding de 2022 y volvió a llamar Data Studio al producto gratuito. Según el detalle del cambio publicado por Dataslayer, se trata de un cambio de nombre e interfaz: todos los reportes, fuentes de datos, permisos y enlaces compartidos siguen funcionando sin que tengas que hacer nada.

Hoy conviven dos ediciones: la gratuita, suficiente para la mayoría de los casos individuales y de equipos chicos, y la versión Pro, que suma seguridad de nivel empresarial, funciones de IA e integración profunda con Google Cloud. En este tutorial trabajamos con la gratuita, y podés consultar el centro de ayuda oficial de Google para el detalle de cada función.

Paso 1: conectar tu primera fuente de datos

Entrá a la herramienta con tu cuenta de Google y creá un reporte en blanco. Lo primero que te va a pedir es una fuente de datos.

Para empezar, Google Sheets es la opción más simple. Preparala así:

• La primera fila debe tener los nombres de columna, sin celdas combinadas.

• Una fila = un registro. Nada de subtotales ni filas en blanco en el medio.

• Fechas en formato de fecha real, no como texto.

• Números sin símbolos de moneda ni separadores de miles mezclados.

El 80% de los problemas en un dashboard vienen de datos mal estructurados en el origen. Invertir diez minutos en limpiar la hoja te ahorra horas después.

Paso 2: entender dimensiones y métricas

Este es el concepto que hay que dominar antes de tocar cualquier gráfico.

• Dimensión: es una categoría, algo por lo que agrupás. País, canal, producto, fecha, vendedor.

• Métrica: es un número que se agrega. Ventas, sesiones, cantidad de pedidos, ticket promedio.

Todo gráfico responde a la fórmula "métrica X por dimensión Y". Ventas por mes. Sesiones por canal. Pedidos por producto. Si tenés claro qué es cada campo, construir el dashboard se vuelve mecánico.

La herramienta clasifica los campos automáticamente, pero se equivoca seguido: un código de sucursal numérico lo toma como métrica. Corregí el tipo desde el panel de la fuente de datos antes de armar los gráficos.

Paso 3: crear campos calculados sin SQL

Acá está el verdadero poder de la herramienta para perfiles no técnicos. Los campos calculados usan una sintaxis parecida a la de Excel.

Ejemplos que vas a usar todo el tiempo:

• Tasa de conversión: SUM(conversiones) / SUM(sesiones), con formato de porcentaje.

• Ticket promedio: SUM(ingresos) / COUNT_DISTINCT(id_pedido)

• Agrupar canales: CASE WHEN canal IN ("google","bing") THEN "Buscadores" WHEN canal IN ("facebook","instagram") THEN "Social" ELSE "Otros" END

• Extraer el mes: MONTH(fecha)

Un consejo que ahorra dolores de cabeza: creá los campos calculados a nivel de la fuente de datos y no del gráfico. Así los reutilizás en todo el reporte y los editás en un solo lugar.

Paso 4: elegir la visualización correcta

Cada tipo de gráfico responde a una pregunta distinta. Esta tabla resuelve la mayoría de las decisiones:

Evitá los gráficos de torta con más de cinco categorías: el ojo humano compara mal ángulos. Una barra horizontal ordenada de mayor a menor comunica lo mismo con menos esfuerzo.

Paso 5: filtros y controles interactivos

Lo que separa un reporte estático de un dashboard es la interactividad. Sumá desde el menú de controles:

• Selector de rango de fechas: siempre, sin excepción. Es lo primero que busca cualquier persona que abre un dashboard.

• Lista desplegable: para filtrar por categoría, región o campaña.

• Control deslizante: para rangos numéricos como monto o cantidad.

Entre las novedades más útiles de este año está el filtrado entre múltiples fuentes de datos: podés hacer que un solo control afecte gráficos que vienen de orígenes distintos, algo especialmente valioso si cruzás datos de varias plataformas de publicidad.

Paso 6: diseño que se entiende en cinco segundos

Un dashboard no es un depósito de gráficos. Aplicá estas reglas:

• Arriba a la izquierda van los 3 o 4 números más importantes en scorecards. Es donde el ojo aterriza primero.

• Debajo, la evolución temporal de la métrica principal.

• Después, los cortes por dimensión (canal, producto, región).

• Al final, la tabla de detalle para quien quiera profundizar.

• Máximo dos colores de acento. El resto en grises.

• Títulos que digan la conclusión, no la descripción: "Las ventas cayeron 12% en móvil" en lugar de "Ventas por dispositivo".

Paso 7: compartir y automatizar

Tenés tres formas de distribuir el reporte:

• Compartir por enlace: con permisos de vista o edición, igual que un documento de Google.

• Envío programado por correo: el reporte llega en PDF cada semana o cada mes, sin que nadie tenga que entrar.

• Insertar en una página: útil para intranets o portales internos.

El envío programado es la funcionalidad más subestimada: convierte un dashboard que nadie abre en un reporte que llega solo a la bandeja de entrada de quien decide.

Errores comunes que arruinan un dashboard

• Meter 15 gráficos en una pantalla. Si todo es importante, nada lo es. Usá varias páginas.

• Conectar directo a una hoja enorme. Si tu Sheet tiene 200.000 filas, el reporte va a tardar. Pre-agregá los datos o pasá a BigQuery.

• No documentar los cálculos. Agregá una página final con las definiciones de cada métrica.

• Olvidar el contexto. Un número sin comparación contra el período anterior o contra el objetivo no dice nada.

Cursos recomendados de Coderhouse

Dominar la herramienta de visualización es el primer paso; el segundo es entender los datos que la alimentan. Estos programas cubren el recorrido:

• Curso de Excel — base para estructurar bien los datos antes de visualizarlos.

• Curso de Power BI — nivel intermedio, para sumar la otra gran herramienta de BI del mercado.

• Curso de SQL — el momento en que dejás de depender de que alguien te pase la planilla.

• Carrera de Data Analytics — el recorrido completo hacia el rol de analista de datos.

Si todavía estás decidiendo si este camino es para vos, esta introducción sobre qué hace un data analyst y cómo se arranca desde cero te da el panorama completo del rol.

Preguntas frecuentes

¿Looker Studio es gratis?

La versión base sí, sin límite de reportes ni de usuarios con los que compartas. Existe una edición Pro paga que agrega soporte, controles de administración y funciones de IA, orientada a organizaciones grandes. Para aprender y para la mayoría de los casos de uso profesional, la versión gratuita alcanza.

¿Necesito saber SQL para usarlo?

No para empezar. Podés conectar Google Sheets, Analytics o Ads y armar dashboards completos con la interfaz visual y campos calculados. SQL se vuelve necesario cuando conectás a BigQuery y querés hacer transformaciones pesadas antes de visualizar.

¿Cuál es la diferencia con Power BI?

Looker Studio corre 100% en el navegador, es gratis y se integra de forma nativa con el ecosistema de Google. Power BI tiene un motor de modelado de datos más potente con DAX, mejor performance con volúmenes grandes y es el estándar en empresas que trabajan con Microsoft. Si tu stack es Google Ads y Analytics, empezá por Looker Studio; si es SQL Server y Excel corporativo, Power BI.

¿Se puede conectar a fuentes que no son de Google?

Sí, mediante conectores de terceros para plataformas como Meta Ads, LinkedIn Ads, Shopify, HubSpot o bases de datos. Muchos son pagos y funcionan por suscripción. También podés cargar datos vía Google Sheets como paso intermedio, que es la ruta gratuita más común.

¿Cuánto tiempo lleva aprender a usarlo?

Un dashboard básico funcional lo armás en una tarde. Manejar campos calculados, filtros cruzados y buenas prácticas de diseño lleva unas dos o tres semanas de práctica sobre datos reales. Lo que realmente lleva tiempo no es la herramienta sino aprender qué métricas importan para el negocio.