Llega el jueves a las 5 de la tarde. Tu jefe te pide el reporte de estado. Abres Jira, exportas a Excel, ajustas columnas, haces una gráfica, pegas en PowerPoint, escribes el resumen, envías. Eso te tomó 2 horas. Y el viernes los datos ya cambiaron.
El reporting ejecutivo no debería ser trabajo manual semanal: debería ser un panel siempre actualizado al que todos acceden sin esperarte. Looker Studio convierte tus datos en paneles interactivos que se actualizan solos. Sin ingenieros. Sin presupuesto.
En este módulo construyes tu primer dashboard operativo con las métricas que importan: Throughput (cuánto entregas), Lead Time (cuánto tardas), NPS (qué tan contentos están). Y cuando tu jefe pida el reporte, no abrirás PowerPoint: le enviarás un link.
Vamos.
2.1. De Datos a Telemetría
No es lo mismo tener datos que tener telemetría.
| Datos | Telemetría | |
|---|---|---|
| Definición | Números crudos | Datos contextualizados que guían decisiones |
| Ejemplo | "Entregamos 8 historias" | "Entregamos 8 historias, 2 más que la semana pasada. Estamos en el promedio del equipo." |
| Frecuencia | Semanal (reporte manual) | Tiempo real (panel automático) |
| Dueño | El PM lo prepara | Todos lo ven cuando quieren |
Migrar de "hacer reportes" a "tener telemetría".
2.2. Las 3 Métricas Operativas que Todo PM Debe Tener
Estas 3 métricas son el tablero de un avión: Throughput es la velocidad, Lead Time la altitud, NPS el combustible. No puedes pilotear con una sola — las tres juntas te dicen si el vuelo va bien.
2.3. Looker Studio: ¿Qué es y Por Qué Gratis?
Looker Studio es la herramienta de Google para crear dashboards. Es gratuita (no confundir con Looker, que es la versión paga para empresas). El flujo completo:
Conectores gratuitos que usarás:
- Google Sheets → tu fuente más accesible. Ideal para empezar.
- BigQuery Sandbox → para cuando Sheets se queda corto (más de 100k filas).
- Google Analytics → si tu SaaS tiene web.
- Google Search Console → si tu SaaS depende de SEO.
Si tus datos caben en Sheets, usa Sheets. Si no caben, BigQuery Sandbox: 10 GB gratis, sin tarjeta de crédito.
-
Preparar los datos en Google Sheets
Crea un Google Sheet llamado
Datos_Operativos_[Proyecto]con las siguientes pestañas (la misma data viene en el kit como CSV):Pestaña 1: throughput
Semana Fecha Inicio Fecha Fin Historias Completadas Puntos Bloqueos 1 2025-05-01 2025-05-07 8 24 1 2 2025-05-08 2025-05-14 10 30 0 3 2025-05-15 2025-05-21 6 18 3 4 2025-05-22 2025-05-28 9 27 1 5 2025-05-29 2025-06-04 11 33 0 6 2025-06-05 2025-06-11 7 21 2 Pestaña 2: lead_time
Historia Fecha Solicitud Fecha Entrega Días Login con Google 2025-05-10 2025-05-17 7 Dashboard de ventas 2025-05-12 2025-05-22 10 Notificaciones push 2025-05-15 2025-05-20 5 Pago con QR 2025-05-20 2025-06-05 16 Historial de transacciones 2025-05-22 2025-05-30 8 Modo oscuro 2025-05-25 2025-05-28 3 Exportar a PDF 2025-06-01 2025-06-10 9 Filtros avanzados 2025-06-03 2025-06-12 9 Pestaña 3: nps
Mes Respuestas Promotores Pasivos Detractores NPS 2025-01 100 60 20 20 40 2025-02 120 66 30 24 35 2025-03 90 54 18 18 40 2025-04 110 55 33 22 30 2025-05 130 78 26 26 40 2025-06 140 84 28 28 40 -
Crear el dashboard en Looker Studio
Paso 1 — Ir a Looker Studio:
- Ve a lookerstudio.google.com.
- Haz clic en "Crear" → "Informe".
- Se te pedirá conectar una fuente de datos.
Paso 2 — Conectar Google Sheets:
- Selecciona "Google Sheets".
- Busca tu archivo
Datos_Operativos_[Proyecto]. - Selecciona la pestaña
throughput. - Haz clic en "Conectar".
Paso 3 — Agregar más fuentes (para las otras pestañas): menú "Recurso" → "Administrar fuentes de datos agregadas" → agrega
lead_timeynps.Paso 4 — Diseñar el panel. Tu dashboard debe tener 3 secciones principales:
📈 ThroughputGráfico: serie temporal.Dimensión: Semana · Métrica: SUM(Historias Completadas) + SUM(Bloqueos) como línea secundaria.Propósito: ver la tendencia de entrega y correlacionarla con bloqueos.📊 Lead TimeGráfico: barras (opcional: tabla detallada con fechas).Dimensión: Historia · Métrica: AVG(Días).Propósito: identificar qué historias tardaron más de lo normal.🎯 NPSGráfico 1: scorecard con AVG(NPS) y semáforo: rojo (<0), amarillo (0-50), verde (>50).Gráfico 2: serie temporal de NPS por mes.Propósito: ver el NPS actual y su tendencia.Paso 5 — Agregar controles de filtro. En el menú "Insertar" → "Control de período":
- Arrástralo a la parte superior del dashboard.
- Conéctalo a las dimensiones de fecha de cada fuente.
Quien vea el panel podrá filtrar por rango de fechas y todas las gráficas se actualizan automáticamente.
-
Opcional: conectar BigQuery Sandbox
Si tus datos crecen más allá de lo que Sheets puede manejar (>100k filas):
- Ve a console.cloud.google.com.
- Activa BigQuery Sandbox (no requiere tarjeta de crédito).
- Sube tus datos como tabla (o usa datasets públicos para practicar).
- En Looker Studio, conecta BigQuery como fuente de datos.
- El panel es el mismo. La diferencia es que los datos viven en BigQuery y el rendimiento es mejor.
Ventaja de BigQuery: Puedes escribir SQL para transformar los datos antes de graficarlos. Por ejemplo:
SELECT DATE_TRUNC(fecha_entrega, WEEK) AS semana, COUNT(*) AS historias_completadas, AVG(dias_lead_time) AS lead_time_promedio FROM `proyecto.dataset.historias` GROUP BY semana ORDER BY semana
Jira → Excel → gráfica → PowerPoint → resumen → email. 2 horas cada semana, y el viernes los datos del jueves ya están viejos.
Un link a Looker Studio que siempre muestra los datos de hoy. 0 minutos de preparación; la reunión discute excepciones, no números.
4.1. El Panel que Reemplaza 3 Reuniones
Con un dashboard bien diseñado, puedes eliminar (o reducir drásticamente) estas reuniones:
| Reunión | Antes | Después |
|---|---|---|
| Reporte de estado semanal | PM prepara 2h → Presenta 30 min | Todos ven el panel antes de la reunión. Se discuten solo las excepciones. |
| Revisión de sprint | Equipo repite lo que ya sabe | Equipo ve el throughput del sprint. Discuten por qué varió. |
| Comité de producto | Discusión basada en opiniones | Discusión basada en NPS y Lead Time. |
4.2. La Rutina de 5 Minutos Diarios
- Cada mañana, abre el dashboard y responde:
- Throughput: ¿vamos al ritmo esperado? (Si no: ¿hay bloqueos?)
- Lead Time: ¿alguna historia tardó más de lo normal? (Si sí: ¿qué pasó?)
- NPS: ¿cambió significativamente? (Si sí: ¿qué cambiamos nosotros?)
Esto reemplaza el "¿cómo vamos?" que le preguntas al equipo. El panel responde por ellos.
4.3. Diagnóstico Rápido
- Autodiagnóstico: ¿reportes o telemetría?
- ¿Preparas reportes semanales a mano? → Si te toma más de 1 hora, el dashboard se paga solo.
- ¿Tu equipo sabe su throughput de las últimas 4 semanas sin preguntar? → Si no, no tienen visibilidad de su propia velocidad.
- ¿Podrías saber hoy si el NPS bajó la semana pasada? → Abriendo un panel = telemetría; preguntando a soporte = proceso manual; no = no sabes si lo que entregas funciona.
4.4. Entregable del Módulo
Parte A — Fuente de datos:
- Google Sheet con 3 pestañas:
throughput,lead_time,nps(el kit trae los CSV listos para importar). - Datos simulados de al menos 6 semanas (throughput), 8 historias (lead time), 6 meses (NPS).
- Sheet compartido con permisos de lectura para el panel.
Parte B — Dashboard en Looker Studio:
- Mínimo 3 gráficos: throughput (serie temporal), lead time (barras o tabla), NPS (scorecard + tendencia).
- Al menos 1 control de filtro (rango de fechas).
- Título y descripción del panel.
- Paleta de colores coherente.
Parte C — Grabación o captura. 3 capturas mostrando:
- El panel completo con todos los gráficos visibles.
- El filtro de fechas en acción (cambias el rango y los gráficos se actualizan).
- Una breve interpretación: "throughput estable, el lead time de X fue alto por Y, NPS en rango saludable".
Formato de entrega: link al Looker Studio (lectura) + link al Sheet. Si no puedes compartir, capturas.
No uses la paleta por defecto de Looker: personalízala con los colores de tu producto o empresa. Un panel con identidad se percibe como herramienta oficial, no como experimento.
- Error: graficar el NPS como conteo o suma en lugar de promedio. Corrección: el scorecard usa AVG(NPS); revisa la agregación de cada métrica antes de confiar en el número.
- Error: un filtro de fechas que solo afecta a una de las tres fuentes. Corrección: conecta el control de período a la dimensión de fecha de cada fuente y verifica que las 3 gráficas reaccionan.
- Error: mostrar números sin referencia: ¿8 historias es bueno o malo? Corrección: agrega meta, promedio histórico o semáforo de colores a cada métrica.
- Error: nombres de columnas inconsistentes entre pestañas (Fecha vs fecha_entrega). Corrección: define los encabezados una vez (diccionario de datos del M12) y reutilízalos.
- Error: presentar en el QBR una captura del panel en vez del panel. Corrección: comparte el link vivo; la captura es exactamente el reporte estático que viniste a eliminar.
| Criterio | No Aprobado (0) | Aprobado (1) | Sobresaliente (2) |
|---|---|---|---|
| 1. Las 3 métricas operativas están representadas | Falta al menos 1 métrica (throughput, lead time o NPS) o los gráficos no representan correctamente el dato (ej. NPS como conteo en lugar de promedio) | Las 3 métricas están presentes pero algún gráfico no es el más adecuado (ej. lead time como gráfico circular) o los datos están desactualizados | Las 3 métricas están en gráficos apropiados para cada tipo de dato, la fuente está conectada correctamente, y el panel muestra los datos más recientes del Sheet |
| 2. El panel es interactivo (filtros funcionan) | No hay controles de filtro o los filtros no afectan a todos los gráficos | Hay al menos un filtro (rango de fechas) pero no está conectado a todas las fuentes de datos (algunas gráficas no reaccionan al filtro) | El filtro de rango de fechas está conectado a las 3 fuentes, cambiar el rango actualiza todos los gráficos simultáneamente, y el PM puede demostrarlo en la grabación |
| 3. El panel es accionable (toma de decisiones) | El panel solo muestra datos sin contexto ni interpretación; no hay forma de saber si las métricas son buenas o malas | El panel muestra los datos pero no hay valores de referencia (promedio histórico, meta, semáforo) para saber si la métrica está en rango saludable | El panel incluye al menos un valor de referencia por métrica (meta, promedio, o semáforo de colores), y el PM puede explicar qué acción tomaría si una métrica se desvía (ej. "Si el NPS baja de 30, programa entrevistas con detractores") |
Aprobación: 2 de 3 criterios en "Aprobado" o superior.
El panel del QBR debe mostrar datos vivos, no una foto del pasado. Conecta una fuente que se actualice sola: BigQuery Sandbox con una API pública, o un Apps Script que refresque el Sheet cada hora.
- Telemetría, no reportes: el panel siempre está actualizado y todos lo ven cuando quieren.
- Tres métricas pilotean el avión: Throughput (velocidad), Lead Time (altitud), NPS (combustible).
- Si los datos caben en Sheets, Sheets; si no, BigQuery Sandbox con 10 GB gratis.
- Un panel sin valores de referencia no es accionable: agrega metas, promedios o semáforos.
- El reporte del jueves de 2 horas se convierte en un link que siempre tiene los datos de hoy.
Kit: Looker Studio
| Archivo | Descripción |
|---|---|
| ⬇ throughput.csv | Datos simulados de throughput |
| ⬇ lead_time.csv | Datos simulados de lead time |
| ⬇ nps.csv | Datos simulados de NPS |