Conectar Google Sheets a Data Studio: dashboards con las hojas de cálculo que ya utiliza

¿Por qué fallan tan a menudo los informes de Google Sheets en Data Studio?

Porque la mayoría de las hojas de cálculo se diseñan para personas, no para una herramienta de informes. Encabezados combinados, filas de subtotales, una columna nueva para cada mes, notas escritas en columnas numéricas y colores con significado parecen correctos a una persona y confunden a Data Studio.

Los síntomas son conocidos: una métrica que de repente se lee como texto, un gráfico que cuenta dos veces porque incluye los subtotales o un informe entero que falla porque alguien cambió el nombre de un encabezado. Data Studio lee las columnas como campos, así que cualquier cambio en un encabezado rompe todos los gráficos y campos calculados que lo usaban.

¿Cómo debe estructurarse una hoja de Google para un dashboard de Data Studio?

Mantenga una pestaña de datos en bruto larga y estrecha, y deje la presentación para Data Studio. Cada fila es un registro, como una transacción, una póliza o una línea de pedido. Cada columna es un atributo con un único tipo de dato.

Suelo dividir un libro de informes en tres tipos de pestañas: datos en bruto cargados por automatización, pequeñas tablas de referencia que mantienen las personas y una pestaña de salida bloqueada que lee Data Studio. Las personas solo editan las tablas de referencia, lo que mantiene estable la salida.

• Una sola fila de encabezados, con nombres cortos y estables que nunca cambian.
• Un registro por fila, sin filas de subtotales ni filas vacías de separación.
• Los meses como valores de una columna de fecha, no como columnas separadas.
• Fechas y números reales, nunca números guardados como texto.
• Una columna de ID para poder unir las filas con otras fuentes de forma fiable.
• Objetivos y correspondencias en pestañas de referencia separadas.

¿Cómo puede Apps Script mantener actualizado un dashboard de Google Sheets?

Apps Script ejecuta código dentro de Google Workspace con un activador por tiempo, así que puede hacer el copiado y la limpieza que de otro modo haría una persona cada semana. Las tareas típicas son recoger archivos nuevos de una carpeta de Google Drive, procesarlos, asignar las columnas a un formato estándar, aplicar las reglas de negocio y añadir el resultado a la pestaña de datos en bruto.

De ahí sale la mayor parte del ahorro de tiempo. El dashboard en sí suele ser rápido de crear. Las horas se van en el ritual mensual de descargar, pegar, corregir y revisar, y eso es exactamente lo que elimina un script programado. Añado una pestaña de registro sencilla para que vea cuándo se cargó cada archivo y si algo falló.

El script también aplica las reglas que una persona cansada se salta a fin de mes: rechaza archivos duplicados, marca las filas sin ID y se detiene cuando un archivo de origen llega con un formato inesperado, en lugar de cargar datos erróneos sin avisar.

¿Qué puede cambiar automatizar Sheets con Data Studio? Un ejemplo de seguros

Una correduría de seguros australiana con la que trabajé a través de Greenwolf Tech Labs recibía archivos .xls desordenados de varias aseguradoras, cada uno con su propio formato. Alguien dedicaba horas en cada ciclo de informes a reorganizarlos a mano.

Creamos un flujo en el que los archivos llegan a Google Drive, se consolidan en una hoja central de Google, se les aplican las reglas de negocio y alimentan un dashboard de Data Studio. El tiempo de elaboración del informe bajó de 4-5 horas a menos de 5 minutos, la precisión de los informes subió de alrededor del 75% al 99% y la visibilidad de todas las aseguradoras pasó de limitada a en tiempo real, con filtros.

¿Qué funciones de Data Studio funcionan bien con datos de Sheets?

Sheets es una fuente de esquema flexible, así que una tabla puede usar hasta 100 dimensiones y 100 métricas, muchas más de las que permiten GA4 o Google Ads. Los campos calculados y las sentencias CASE funcionan como siempre, y las combinaciones pueden unir una hoja con GA4, Google Ads u otra hoja, hasta cinco fuentes y solo con uniones por igualdad.

Un patrón habitual es una pequeña hoja de objetivos combinada con datos en vivo, para que una tarjeta de resultados muestre el real frente al objetivo. Las tablas de previsión funcionan igual, y así se suelen crear las vistas de real frente a previsión. Desde junio de 2026, los usuarios pueden actualizar los datos manualmente, lo que ayuda cuando una hoja se acaba de actualizar antes de una reunión.

¿Cuándo conviene pasar un dashboard de Google Sheets a BigQuery?

Conviene cuando la hoja tarda en abrirse, cuando Data Studio empieza a devolver errores de "demasiadas filas" o a agotar el tiempo de espera, o cuando necesita unir más fuentes de las que permite una combinación. Otra señal es que varios informes necesiten los mismos datos depurados y usted mantenga copias de la misma hoja.

No hace falta migrarlo todo de una vez. A menudo mantengo en Sheets las tablas de referencia que gestionan las personas y paso los datos en bruto de gran volumen a BigQuery con cargas programadas. El dashboard conserva su diseño y solo cambian las fuentes de datos que tiene debajo.