Analítica embebida: dashboards dentro de tu app

La analítica embebida consiste en colocar gráficos, dashboards y reportes directamente dentro de otra aplicación, como un portal de clientes, un producto SaaS o una herramienta interna, para que las personas vean la información sin abrir una herramienta de BI aparte. Puedes lograrlo con las funciones de embebido de una plataforma de BI (Power BI, Tableau, Looker, Metabase, Superset) o construyendo tus propios gráficos, y la mejor opción depende de tus usuarios, tus necesidades de seguridad y tu presupuesto.

Qué es realmente la analítica embebida

En un esquema tradicional de BI, el usuario entra a un portal de reportes, busca un dashboard y lo revisa. Con la analítica embebida, el dashboard llega al usuario. Una empresa de logística puede mostrarle a cada cliente un dashboard de desempeño de entregas dentro de su portal de rastreo. Una app de ventas puede mostrar el pipeline del vendedor justo al lado de su lista de oportunidades. Un sistema de recursos humanos puede incluir la tendencia de personal en su pantalla de inicio.

La idea clave es el contexto: los números aparecen donde se toma la decisión. Los usuarios no necesitan una licencia de BI propia (en la mayoría de los modelos donde "la app es dueña de los datos"), no tienen que aprender otra herramienta y solo ven los datos que les corresponden.

Dos escenarios comunes

• Embebido interno: dashboards dentro de herramientas que tus empleados ya usan, como la intranet, el CRM o Microsoft Teams. Normalmente el usuario inicia sesión con su cuenta de la empresa.
• Embebido externo (para clientes): dashboards que ven clientes, socios o proveedores dentro de tu producto. Tu aplicación maneja el inicio de sesión y le indica a la plataforma de BI qué datos puede ver cada usuario.

Power BI usa justamente esta división en su documentación: "embed for your organization" (el usuario es dueño de los datos) y "embed for your customers" (la app es dueña de los datos). Otras plataformas usan nombres distintos, pero el concepto es el mismo.

Tres formas de embeber dashboards

Antes de comparar proveedores, decide el enfoque general. Cada uno equilibra esfuerzo y control de manera distinta.

Para la mayoría de los equipos pequeños y medianos, el embebido seguro con tokens es el punto ideal: reutilizas los dashboards que tus analistas ya crearon y mantienes el control de quién ve qué.

Plataformas populares de analítica embebida

Power BI Embedded

Power BI ofrece una librería cliente de JavaScript y APIs REST para embeber reportes, dashboards y visuales individuales. En escenarios para clientes, tu backend se autentica con una entidad de servicio (service principal) y genera tokens de embebido. El licenciamiento depende del escenario y de la capacidad (Power BI Embedded en Azure o capacidad de Fabric), y Microsoft cambia estas opciones con el tiempo, así que revisa la página oficial de precios y nuestra guía de licencias de Power BI antes de decidir.

Tableau, Looker y otros

Tableau ofrece una Embedding API y autenticación mediante connected apps; Looker permite el embebido firmado, donde tu servidor crea una URL firmada para cada usuario. Ambas son opciones maduras para empresas que ya usan esas herramientas. Los planes comerciales varían mucho, así que pide una cotización o consulta la página de precios del proveedor.

Opciones open source: Metabase y Superset

Metabase permite el embebido firmado (estático) con un JSON Web Token, y sus ediciones de pago agregan funciones de embebido más interactivas. Apache Superset ofrece un SDK de embebido con guest tokens. Son atractivas para startups que quieren alojar la herramienta en sus propios servidores. Lee nuestra comparación de Metabase y Superset para más detalles.

Cómo funciona el embebido firmado (con código)

Casi todos los métodos seguros siguen el mismo patrón: el navegador nunca recibe tu clave secreta. Tu servidor firma una solicitud que dice "este usuario puede ver este dashboard con estos filtros durante los próximos minutos", y la herramienta de BI valida la firma.

Este es un ejemplo mínimo en Python para el embebido estático de Metabase, usando la librería PyJWT:

import time
import jwt  # pip install PyJWT

METABASE_SITE_URL = "https://bi.example.com"
METABASE_SECRET_KEY = "load-this-from-an-environment-variable"

def dashboard_url(customer_id: int) -> str:
    payload = {
        "resource": {"dashboard": 12},
        "params": {"customer_id": customer_id},  # filtro bloqueado
        "exp": round(time.time()) + 60 * 10       # vence en 10 minutos
    }
    token = jwt.encode(payload, METABASE_SECRET_KEY, algorithm="HS256")
    return f"{METABASE_SITE_URL}/embed/dashboard/{token}#bordered=true&titled=true"

Tu página web coloca la URL resultante dentro de un iframe. Como customer_id forma parte del payload firmado y el parámetro está configurado como "bloqueado" en Metabase, el usuario no puede cambiarlo para ver los datos de otro cliente. Power BI, Tableau y Looker siguen la misma lógica con sus propios formatos de token.

Lista de verificación de seguridad y multi-tenancy

La analítica para clientes falla más por seguridad que por diseño de gráficos. Revisa estos puntos antes del lanzamiento:

1. Filtra por cliente a nivel de datos. Usa seguridad a nivel de fila (RLS) o parámetros bloqueados para que cada cliente vea solo sus filas. Nuestra guía de seguridad a nivel de fila explica cómo funcionan los roles de RLS en Power BI.
2. Prueba con dos clientes ficticios. Entra como el cliente A y como el cliente B y confirma que ninguno ve los datos del otro, incluso al exportar o usar drill-through.
3. Desactiva lo que no necesitas. Apaga "exportar datos subyacentes", la edición o el uso compartido si los clientes no deben usarlos.
4. Protege las credenciales. Guarda los secretos de la entidad de servicio y las claves de firma en un gestor de secretos o en variables de entorno.
5. Cuida el rendimiento. Un reporte embebido que tarda 15 segundos en cargar se siente roto dentro de una app. Preagrega los datos y mantén un número razonable de visuales por página.
6. Registra el uso. Mide qué dashboards abren los clientes para saber qué mejorar.

Construir o comprar: cómo decidir

Hazte tres preguntas. Primero, ¿cuántos gráficos distintos necesitan realmente los usuarios? Si la respuesta es "tres KPIs y una línea de tendencia", puede bastar con una librería de gráficos. Segundo, ¿los analistas (no los desarrolladores) necesitan actualizar los dashboards con frecuencia? Si es así, una plataforma de BI ahorra mucho tiempo de ingeniería. Tercero, ¿cuál es tu modelo de costos? Algunas plataformas cobran por usuario, otras por capacidad o por sesión, y la diferencia pesa mucho cuando tienes cientos de clientes. Calcula cuántos usuarios esperas y compara las páginas oficiales de precios antes de decidir.

Para un prototipo rápido, quienes programan en Python también pueden probar Streamlit, que convierte un script en un pequeño dashboard web que puede quedar detrás de tu propio inicio de sesión.

Próximos pasos

Empieza en pequeño: elige un dashboard que los clientes ya te piden por correo, define si los datos son públicos o privados y crea una prueba de concepto con embebido por tokens en un ambiente de pruebas. Valida la seguridad con dos cuentas de prueba, mide el tiempo de carga y solo entonces publícalo. A medida que crezca tu audiencia, revisa el licenciamiento y la capacidad para que los costos sigan siendo predecibles.

Mira: lecciones en video

▶

Preguntas frecuentes