Google Looker Studio funciona en el navegador, no cuesta nada en su plan estándar, y parece justo lo que una cadena de restauración necesita: una herramienta de informes de arrastrar y soltar que se conecta a fuentes de datos y produce cuadros de mando. Cuando llevas cinco locales y recibes los informes diarios por WhatsApp, «herramienta de BI gratis» suena a solución.
Una corrección antes de seguir, porque cambia las cuentas para una empresa y no para un particular. Lo gratuito es el plan estándar. Looker Studio Pro se cobra por usuario y por proyecto de Google Cloud, y en Pro acabas si quieres que los informes sean de la empresa en vez de de quien los construyó, o soporte de Google cuando algo se rompe. Toma la tarifa vigente de la página de precios de Google, y ten en cuenta que lo que sorprende es la facturación por proyecto: proyectos separados multiplican la factura aunque la plantilla no crezca.
La realidad es más complicada. Looker Studio es gratis igual que un solar es gratis: la casa todavía hay que levantarla. Para una cadena de restauración, «levantar la casa» significa conectar el TPV, estructurar los datos, definir las métricas y mantenerlo todo cada vez que algo cambia. Nada de eso es gratis, y para la mayoría de operadores lleva meses, no días.
Esto es un desglose honesto de lo que Looker Studio exige de verdad a una cadena multilocal, de lo que hace bien, y de a partir de cuándo una plataforma de operaciones específica es el camino más corto.
Qué es Looker Studio en realidad
Looker Studio (antes Google Data Studio) es una herramienta de visualización. Toma datos de fuentes conectadas y los convierte en gráficos, tablas y cuadros de mando. Lo hace bien, y la herramienta en sí no cuesta nada.
Lo que Looker Studio no es: una herramienta de integración de datos, una capa de transformación, ni una plataforma de operaciones de retail. No se conecta a tu TPV, no calcula el margen bruto a partir de tus facturas de proveedor, no detecta anomalías y no manda un parte por la mañana. Esas capacidades exigen que construyas tú la infraestructura que lo alimenta.
Los conectores nativos que trae Looker Studio cubren productos de Google (Sheets, Analytics, Ads, BigQuery) y una lista escogida de herramientas de marketing y publicidad. Un TPV de restauración como iiko, Poster o R-Keeper no está en esa lista. Tampoco SmartBill, Oblio ni ningún programa de contabilidad que usen los operadores medianos de EMEA.
Looker Studio es una gran herramienta para visualizar datos que ya tienes estructurados en algún sitio. El problema de una cadena de restauración es que los datos todavía no están estructurados en ninguno.
El camino real de puesta en marcha para una cadena de restauración
Para tener en Looker Studio un cuadro de mando multilocal que funcione, el camino habitual de una cadena de 5 locales con iiko y SmartBill es éste:
Paso 1: sacar los datos de venta de iiko
iiko no tiene conector nativo de Looker Studio. Tus opciones son una exportación CSV programada a Google Sheets (a mano o por script), un conector a medida construido por un desarrollador, o un pipeline ETL hacia BigQuery. La vía Sheets se monta en unos días pero es frágil — un solo cambio de formato en la exportación lo rompe todo. La vía BigQuery es sólida pero exige un desarrollador y normalmente de 2 a 4 semanas.
Paso 2: sacar los datos contables de SmartBill
SmartBill tiene API. Un desarrollador tiene que escribir el código de extracción, programar la sincronización, gestionar la renovación del token de autenticación y dejar los datos en algún sitio que Looker Studio sepa leer. Suma otras 1 o 2 semanas encima del conector del TPV.
Paso 3: construir el modelo de datos
Ahora tienes los datos del TPV en una pestaña de Sheets y los contables en otra. Para calcular el margen bruto hay que cruzarlos: asignar cada venta a la categoría de coste que le toca, absorber las diferencias de divisa y de fecha entre la factura y la venta, y escribir la lógica que da el margen por local y por día. Ésta es la parte más difícil, y la que casi todos los operadores subestiman al empezar.
Paso 4: construir el informe de Looker Studio
Con el modelo ya funcionando, montar el informe en Looker Studio es la parte fácil — unas horas para alguien competente. El problema es que llegar hasta aquí suele llevar de 6 a 12 semanas y de 4.000 a 12.000 € de desarrollo.
Paso 5: mantenerlo
Cuando iiko cambia su formato de exportación, el pipeline de Sheets se rompe. Cuando abres un sexto local, el modelo hay que actualizarlo. Cuando SmartBill cambia su autenticación, la sincronización se para. El mantenimiento de un montaje de Looker Studio de esta complejidad ronda los 800–3.000 €/año.
Comparación directa: Looker Studio frente a marql para operaciones de restauración
Ranges, not quotes — the cost figures above are ranges we assembled from vendor list prices and the integration work these stacks need. They are not quotes, not vendor offers, and not measured from customer projects. Your own stack decides where you land inside them, and marql's own price is the only figure here we can state exactly.
El desglose real del Looker Studio «gratis» para una cadena de 5 locales
La aplicación no cuesta nada. Esto es lo que cuesta de verdad la infraestructura que la hace útil, para una cadena de 5 locales:
- Desarrollo del conector del TPV (iiko / Poster). 1.500–5.000 € para que un desarrollador monte un pipeline de exportación fiable hacia Google Sheets o BigQuery. Varía mucho según la calidad de la API del TPV.
- Conector contable (SmartBill / Oblio). 500–2.000 € para extraer las facturas de proveedor de forma programada y mantenerlas alineadas con los datos del TPV para el cálculo del margen.
- Modelo de datos y construcción del informe de Looker Studio. 1.000–3.000 € por la lógica de cálculo del margen bruto, la agregación entre locales y la maquetación del informe.
- Mantenimiento continuo. 800–3.000 €/año por cambios de API, locales nuevos y ajustes del modelo de datos.
Coste total del primer año: 3.800–13.000 €.
El equivalente en una plataforma específica para esos mismos 5 locales: 1.000 €/mes × 12 = 12.000 €, sin cuota de alta, sin desarrollador y sin nada que mantener. Eso es más que el montaje de Looker Studio más barato posible y va más o menos a la par con uno realista — la diferencia es que nadie de tu equipo lo construye, y nadie tiene que ponerlo en pie otra vez cuando un TPV cambia su exportación.
Cuándo Looker Studio sí tiene sentido para una cadena de restauración
Looker Studio es realmente útil en casos concretos:
- Ya tienes datos estructurados en Google Sheets o BigQuery y sólo te falta una capa de visualización encima.
- Tienes un desarrollador en plantilla o un ingeniero de datos contratado para construir y mantener el pipeline.
- Necesitas informes a medida sobre muchas fuentes más allá de operaciones — marketing, RR. HH., datos de cliente — que una herramienta específica no cubre.
- Llevas un solo local y tus datos son lo bastante simples como para manejarlos con exportaciones a Sheets.
Para cadenas de 3 a 20 locales que necesitan el margen bruto diario por local esta semana, y no dentro de tres meses, Looker Studio no es el camino. El coste y el plazo de puesta en marcha superan el coste de la herramienta de una plataforma específica ya en el primer año, y la carga de mantenimiento se acumula después.
Reporting diario sin construir nada
marql lee hoy 48 TPV, desde iiko y Poster hasta Square, Lightspeed y WizPOS — y en contabilidad SmartBill, Oblio, QuickBooks y Xero — sin ningún desarrollo a medida. Ver todas las integraciones soportadas. El cálculo del margen bruto, la comparación entre locales y la detección de anomalías vienen ya configurados.
Los precios arrancan en 200 €/mes por local. Sin cuota de alta, sin ingeniería de datos, sin coste de mantenimiento.
Si ya has probado la vía de Looker Studio y te has topado con la complejidad del pipeline, o estás decidiendo entre construir y comprar antes de empezar, la comparativa completa de software de analítica de retail cubre los cinco enfoques — hojas de cálculo, informes del TPV, herramientas de BI, ERP y plataformas específicas — con costes y plazos reales uno al lado de otro. Para el equivalente en Power BI de esta comparativa, el desglose de Power BI frente a marql sigue la misma estructura.