Dashboards · Python
Cómo Crear un Dashboard Interactivo con Python y Plotly Dash para Empresas Colombianas
📅 Junio 2026⏱ 10 min✍ Datos Estáticos
¿Tu empresa necesita un panel de datos pero no quiere pagar licencias de Power BI por usuario ni depender de Tableau? Python con Plotly y Dash es la alternativa de código abierto que permite construir dashboards web interactivos profesionales sin costo de licencia. Este artículo explica cómo hacerlo desde cero.
¿Qué es Plotly Dash?
Dash es un framework de Python desarrollado por Plotly que convierte scripts de Python en aplicaciones web interactivas. No necesitas saber HTML, CSS ni JavaScript avanzado: defines la interfaz en Python y Dash se encarga del resto. El resultado es una aplicación que corre en el navegador, funciona desde cualquier dispositivo y puede conectarse a tus bases de datos en tiempo real.
💡 Dato clave: Dash es usado por empresas como KPMG, Siemens y Johnson & Johnson para sus paneles internos. En Colombia, es la opción preferida cuando se necesita un dashboard web sin costo de licencia por usuario.
¿Cuándo elegir Dash sobre Power BI o Tableau?
| Criterio | Dash (Python) | Power BI | Tableau |
|---|
| Costo de licencia | Gratis (open source) | ~$10 USD/usuario/mes | ~$70 USD/usuario/mes |
| Personalización visual | Total (código) | Media | Alta |
| Lógica de negocio compleja | ✅ En Python puro | Limitado (DAX) | Limitado |
| Integración con modelos ML | ✅ Nativa | Compleja | Compleja |
| Curva de aprendizaje | Media (requiere Python) | Baja | Media |
| Despliegue en servidor propio | ✅ Sí | Solo en nube MS | Requiere Tableau Server |
Estructura básica de una app Dash
Una aplicación Dash tiene tres componentes principales: la importación de librerías, el layout (qué se muestra) y los callbacks (qué pasa cuando el usuario interactúa).
# Instalación: pip install dash plotly pandas
import dash
from dash import dcc, html, Input, Output
import plotly.express as px
import pandas as pd
app = dash.Dash(__name__)
# 1. Cargar datos
df = pd.read_csv("ventas.csv")
# 2. Definir el layout (interfaz)
app.layout = html.Div([
html.H1("Dashboard de Ventas"),
dcc.Dropdown(
id="selector-ciudad",
options=[{"label": c, "value": c} for c in df["ciudad"].unique()],
value="Bogotá"
),
dcc.Graph(id="grafico-ventas")
])
# 3. Definir el callback (interactividad)
@app.callback(
Output("grafico-ventas", "figure"),
Input("selector-ciudad", "value")
)
def actualizar_grafico(ciudad):
filtrado = df[df["ciudad"] == ciudad]
return px.bar(filtrado, x="mes", y="ventas", title=f"Ventas en {ciudad}")
if __name__ == "__main__":
app.run(debug=True)
Componentes más usados en dashboards empresariales
- dcc.Graph: Gráficos interactivos (barras, líneas, tortas, mapas, scatter).
- dcc.Dropdown / dcc.Checklist: Filtros para que el usuario seleccione períodos, categorías o regiones.
- dcc.DatePickerRange: Selector de rango de fechas para filtrar por período.
- html.Div / dbc.Card: Tarjetas con KPIs numéricos (ventas del mes, clientes activos, etc.).
- dash_table.DataTable: Tabla interactiva con filtros, ordenamiento y paginación.
- dcc.Interval: Actualización automática del dashboard cada N segundos (para datos en tiempo real).
Conectar el dashboard a tus datos reales
Desde una base de datos SQL
import pandas as pd
from sqlalchemy import create_engine
engine = create_engine("postgresql://usuario:clave@servidor/basedatos")
df = pd.read_sql("SELECT * FROM ventas WHERE fecha >= '2026-01-01'", engine)
Desde Excel o CSV
df = pd.read_excel("reporte_mensual.xlsx", sheet_name="Ventas")
# o desde múltiples archivos:
import glob
archivos = glob.glob("reportes/*.csv")
df = pd.concat([pd.read_csv(f) for f in archivos])
Desde una API REST
import requests, pandas as pd
resp = requests.get("https://api.miempresa.com/ventas", headers={"Authorization": "Bearer TOKEN"})
df = pd.DataFrame(resp.json()["data"])
Despliegue en producción
Una vez que el dashboard funciona localmente, hay varias opciones para que toda la empresa lo use desde el navegador sin instalar nada:
- Servidor propio o VPS: Instalar Gunicorn + Nginx en un servidor Linux. Opción más económica (~$10 USD/mes en DigitalOcean o similar).
- Heroku / Render: Despliegue en la nube con un comando. Tiene plan gratuito para proyectos pequeños.
- Azure / AWS / GCP: Para empresas que ya tienen infraestructura en la nube. Más escalable.
- Intranet corporativa: Si los datos son sensibles y no deben salir de la empresa, se despliega en la red interna.
⚠️ Importante para datos financieros o sensibles: Si el dashboard maneja datos de clientes, información financiera o datos regulados, asegúrate de desplegar en un servidor con HTTPS, autenticación de usuarios y cumplimiento de la Ley 1581. Dash Enterprise incluye autenticación nativa; para Dash gratuito, se puede integrar con Flask-Login o Auth0.
Caso real: dashboard de inventario para empresa de retail
Una empresa distribuidora con 8 bodegas en Colombia tenía a su equipo de logística revisando hojas de Excel individuales por bodega para consolidar el inventario. El proceso tomaba 4 horas semanales. Con un dashboard Dash conectado a su base de datos MySQL:
- El inventario consolidado se actualiza en tiempo real.
- Alertas automáticas cuando un producto baja del stock mínimo.
- Mapa de Colombia con color por nivel de inventario por bodega.
- Tiempo de consolidación: de 4 horas a 0 (automático).
¿Necesitas un dashboard web para tu empresa?
Diseñamos y construimos el panel a medida con tus datos, tu identidad visual y sin costo de licencias adicionales.
Solicitar demo gratuita →
Conclusión
Python con Plotly y Dash es hoy una de las herramientas más poderosas para construir dashboards empresariales sin licencias costosas. Si tu equipo ya usa Python para análisis de datos, el paso a un dashboard interactivo es natural. Si no, el esfuerzo de aprendizaje vale completamente la pena frente al ahorro en licencias y la flexibilidad total que obtienes.