Si tu reporte de Looker Studio tarda más de diez segundos en pintar la primera página, el problema casi nunca es Looker Studio. Es la cantidad de trabajo que le estás pidiendo a la fuente cada vez que alguien abre el link. Y como esa persona suele ser un gerente con 40 segundos de paciencia, un dashboard lento es un dashboard muerto.
Esto lo vemos seguido con alumnos del curso de visualización de datos con Google Data Studio: el dashboard quedó bonito, conecta cinco fuentes y nadie lo abre porque se cuelga. Lo bueno es que el arreglo sigue un orden bastante fijo.
Primero: entiende qué pasa cuando alguien abre el reporte
Cada gráfico de la página es una consulta independiente. Diez gráficos en una página son diez consultas que salen al mismo tiempo hacia Sheets, Analytics o BigQuery. Si además tienes selectores de fecha, cada cambio vuelve a disparar las diez. La lentitud no es un bug: es aritmética.
De ahí salen las tres palancas, en orden de impacto: traer menos datos, calcular antes de llegar a Looker, y pedir lo mismo menos veces.
La palanca que más rinde: extraer los datos
La función «Extraer datos» crea una foto estática de tu fuente y la guarda del lado de Looker Studio. Los gráficos consultan esa foto en vez de ir hasta la base cada vez. El efecto se siente de inmediato, sobre todo si vienes de Sheets o de un conector de terceros.
Dos límites que hay que respetar: el extracto admite hasta 100 MB y hasta 750,000 filas. Si no entras, casi siempre es porque estás trayendo detalle que nadie mira. Recorta así:
- ▸Rango de fechas: si el dashboard muestra los últimos 90 días, extrae 90 días, no tres años de histórico.
- ▸Campos: deja solo las dimensiones y métricas que algún gráfico usa de verdad. Es normal botar la mitad.
- ▸Granularidad: si reportas por día, agrega por día. Guardar el evento individual para después sumarlo en el gráfico es el error más caro de todos.
Programa la actualización del extracto a la frecuencia que el negocio realmente necesita. Casi nadie necesita datos al minuto; la mayoría de reportes comerciales viven perfecto con una actualización diaria a las 6 a.m.
Si tu fuente es BigQuery, el juego cambia
Con BigQuery detrás tienes dos movidas extra. La primera es obvia pero se ignora: pre-agregar con SQL. En vez de conectar la tabla cruda de eventos, crea una tabla o vista materializada ya resumida por día y dimensión, y conecta esa. Pasas de escanear millones de filas a escanear miles.
La segunda es BI Engine, el servicio de análisis en memoria de Google. Acelera las consultas de dashboards a respuestas casi instantáneas, y cada usuario tiene 1 GB de capacidad gratuita, suficiente para la mayoría de reportes de un equipo. Si tu tabla resumida pesa menos que eso, es plata encontrada en el piso. Esta parte se entiende mucho mejor cuando ya sabes escribir el SQL de agregación: ahí el curso de BigQuery de cero a héroe te ahorra el ensayo y error.
Los pecados de diseño que cuestan segundos
Con la fuente ya arreglada, queda el reporte en sí. Lo que más he visto romper el rendimiento:
- ▸Una sola página con 15 gráficos. Pártela en tres páginas temáticas: nadie mira 15 cosas a la vez y cargas un tercio.
- ▸Campos calculados encima de campos calculados. Cada capa se evalúa en cada consulta. Si la fórmula es estable, súbela a la fuente (SQL o una columna en el extracto) y bájala del reporte.
- ▸Mezclas (blends) de cuatro o cinco fuentes para armar una tabla. Las mezclas se calculan al vuelo; si la puedes resolver antes, en SQL o en Sheets, hazlo.
- ▸Rangos de fecha por defecto gigantes. Si el reporte abre en «todo el histórico», cada visita paga el escaneo completo. Déjalo en 28 o 30 días y que quien quiera más lo amplíe.
Un truco de diagnóstico: duplica el reporte y ve borrando gráficos de a uno midiendo el tiempo de carga. En diez minutos encuentras al culpable, que casi siempre es una tabla con demasiadas filas o una mezcla pesada escondida en una esquina.
La caché no es tu enemiga
Mucha gente desactiva la actualización automática por miedo a ver datos viejos y termina pagando la consulta completa en cada visita. Decide con el negocio cada cuánto necesitan ver cifras nuevas, configura esa frecuencia y escríbela en el propio dashboard («datos al día de ayer»). Es más honesto que fingir tiempo real y, sobre todo, es más rápido.
Por dónde seguir
Si recién estás armando tus primeros reportes y quieres evitar estos problemas desde el diseño, el curso de visualización de datos con Google Data Studio son 32 clases y tres horas on demand, por 49 dólares y con certificado: conectas Sheets, BigQuery, Analytics y Ads, y construyes un dashboard completo con campos calculados, selectores y compartido programado. Hay también una introducción a Looker Studio más corta si solo quieres la interfaz. Y si lo que buscas es el camino completo hacia el puesto, mira la ruta de Data Analyst, donde el dashboard es el final de la historia y no el principio.
Lo que te llevas al terminar no es «saber Looker Studio»: es poder entregar un reporte que el equipo abre todos los lunes sin quejarse de que tarda. Si quieres mostrar el tuyo y que te lo revisen, cada semana hacemos un taller en vivo en la Comunidad AI Builders (desde 19 USD al mes).


