“Integrar capacidades analíticas en una aplicación es, en apariencia, un problema de desarrollo. Elegir una librería, configurar un componente, conectar una fuente de datos… Pero detrás de esa decisión técnica hay una decisión de producto que podría condicionar la experiencia del usuario, la velocidad del equipo y la arquitectura del sistema durante años. Se trata de alcanzar un sólido equilibrio entre flexibilidad y esfuerzo”.
Cuando la integración ya no es opcional
Durante años, el análisis de datos vivió en herramientas o plataformas separadas: el usuario tenía que salir de su aplicación, abría un cuadro de mando, interpretaba los indicadores y volvía a su contexto para tomar decisiones. Ese flujo “roto” tiene nombre: context switching y, como no puede ser de otra manera, tiene un coste medido en tiempo, en errores de interpretación y en adopción perdida.
La tendencia que los analistas de Gartner, Forrester y McKinsey vienen documentando desde hace más tres años, apunta en una dirección clara: la inteligencia tiene que estar donde en los flujos de trabajo, no al lado. En consecuencia, las estrategias de embedded analytics han dejado de ser una funcionalidad adicional en los productos digitales; es la condición para que esos productos sean competitivos.
Según el informe State of Analytics 2026 publicado por Sisense y UserEvidence, más del 70% de las organizaciones que han integrado analíticas directamente en sus flujos operativos reportan una mejora significativa en la velocidad de decisión. Los productos que todavía redirigen al usuario a una herramienta externa están perdiendo terreno frente a los que hacen el análisis invisible porque está donde debe estar.
Sisense ha leído bien esa tendencia. Y su respuesta a este cambio de paradigma es Compose SDK.
Compose SDK: analítica como componente nativo
Compose SDK es el kit de desarrollo de Sisense que ha sido diseñado para que cualquier equipo de producto pueda integrar capacidades analíticas directamente en sus aplicaciones o productos digitales, con el mismo lenguaje y las mismas herramientas con las que ya construye el resto del producto.
Está disponible para React, Angular y Vue. Funciona sobre la infraestructura semántica de Sisense —modelos de datos, métricas, dimensiones, filtros— pero expone esa potencia como componentes y hooks nativos del framework que el equipo ya utiliza. El resultado es que el desarrollador no necesita aprender una plataforma de BI: trabaja con su entorno habitual y Sisense opera como capa de datos y motor analítico en segundo plano.
Esto tiene implicaciones arquitectónicas relevantes. El widget deja de ser un iframe de una herramienta externa y se convierte en un componente de primera clase dentro de la aplicación. Puede recibir parámetros externos (props), responder al estado de la aplicación, compartir contexto con otros componentes, y someterse al mismo ciclo de vida, testing y despliegue que el resto del código.
Ese cambio de paradigma es el que hace posible los cuatro métodos de integración que Compose SDK ofrece a los creadores de producto. Pero antes de entrar en ellos, hay una decisión arquitectónica más básica que tomar.
Los modelos de integración disponibles en Sisense
Compose SDK no es el único camino para llevar Sisense a una aplicación. Existen dos modelos de integración con perfiles de uso bien diferenciados, y la elección entre ellos condiciona todo lo que viene después.
iFrame embedding
iFrame embedding es el método clásico. Consiste en incrustar una URL de Sisense —un dashboard completo, un widget individual— dentro de un elemento <iframe> en la aplicación host. Es rápido de implementar, no requiere instalar ninguna dependencia en el proyecto y funciona con cualquier stack tecnológico, porque el navegador es el único requisito. El dashboard de Sisense vive dentro de un contenedor aislado: tiene su propio DOM, sus propios estilos, su propio ciclo de vida.
Esa independencia es también su límite. La comunicación entre el iFrame y la aplicación host requiere postMessage, lo que introduce complejidad y fragilidad en cuanto se necesita sincronizar estado, filtros o eventos. La personalización visual está restringida a lo que permite el tema de Sisense: no hay acceso al DOM interno del iFrame. Y la experiencia de usuario acusa el peso de cargar una sesión completa de Sisense dentro de la página, con los tiempos de carga que eso implica.
Compose SDK embedding
Compose SDK embedding es el modelo moderno. En lugar de cargar Sisense como una aplicación dentro de otra, el SDK expone las capacidades analíticas como primitivas del framework —componentes React, directivas Angular, composables Vue— que se integran en el árbol de componentes de la aplicación host como cualquier otro elemento nativo. No hay iFrame, no hay DOM aislado, no hay barrera de comunicación: el widget de Sisense y el resto de la aplicación comparten contexto, estado y estilos.
El trade-off es claro: Compose SDK requiere un stack JavaScript moderno y una curva de aprendizaje inicial, pero devuelve control total sobre la experiencia. Para productos donde la analítica debe ser invisible —donde el usuario no debería percibir que hay una herramienta de BI debajo— Compose SDK es la única opción que lo hace posible de verdad.
La elección entre ambos modelos no es solo una decisión técnica. Es una decisión sobre qué tipo de producto se quiere construir: uno que usa Sisense, o uno que es inteligente gracias a Sisense.
Compose SDK: modelos de integración
Existen cuatro caminos para embeber analíticas utilizando Compose SDK. Y elegir bien la correcta puede cambiarlo todo.
Una vez elegido Compose SDK como método de integración, aparece una segunda decisión a tomar: qué estrategia de integración usar para cada widget. Cada una representa un punto diferente en el espectro entre velocidad de implementación y control técnico, con trade-offs distintos según el contexto del producto, el equipo y la arquitectura.
Veamos a continuación cada uno de los modelos, sus ventajas, limitaciones y cuándo es recomendable utilizarlos.
01. Widget ID — Renderizado directo desde Sisense Fusion
El método más rápido. Se pasa el identificador del widget existente en Sisense Fusion y el SDK lo renderiza tal cual. Sin configuración adicional, sin lógica de construcción: el widget aparece en la aplicación tal como existe en Sisense Fusion.
Ventajas: despliegue inmediato, hereda automáticamente cualquier actualización que se haga sobre el widget en Sisense Fusion, y no requiere que el equipo de desarrollo entienda la estructura interna del modelo de datos.
Limitaciones: al no haber modo edición disponible, el usuario de la aplicación host no puede interactuar con el widget más allá de lo que Sisense Fusion permite. La personalización visual está restringida a lo que el tema global de Sisense permita. Los datos no son modificables desde la aplicación: lo que Sisense Fusion devuelve es lo que se muestra. Y quizás el riesgo más silencioso: cualquier cambio que alguien haga sobre ese widget en Fusion —intencionado o no— se propaga automáticamente a producción sin que el equipo de la aplicación host lo controle ni lo revise. En entornos donde Sisense Fusion lo gestionan perfiles no técnicos, esto puede generar incidentes inesperados.
Cuándo usarlo: despliegues rápidos, dashboards internos, contextos donde Sisense Fusion es la fuente de verdad incuestionable y los cambios están gobernados.
Sisense Developer Playground – Widget ID
02. Widget Model — Control a través del modelo
En lugar de renderizar un widget por su ID, este método recupera el modelo completo del widget desde Fusion mediante un hook o servicio, y lo expone como objeto manipulable antes de renderizar. Eso abre la puerta a modificar propiedades, sobreescribir configuraciones y adaptar el comportamiento del widget sin tocar Fusion.
Ventajas: acceso programático a las propiedades del widget, nivel de personalización significativamente mayor que Widget ID, y los datos pueden cambiar dinámicamente en función del contexto de la aplicación. El componente empieza a ser reutilizable.
Limitaciones: sigue existiendo una dependencia estructural con Fusion: si el widget original cambia de forma incompatible en la plataforma, el modelo recuperado puede romperse o comportarse de forma inesperada. El equipo de desarrollo necesita entender la estructura del modelo de Sisense para poder manipularlo con seguridad, lo que introduce una curva de aprendizaje que el método anterior no requería. Además, el widget de base sigue siendo un asset de Fusion, por lo que el control sobre el ciclo de vida visual del componente sigue siendo parcial.
Cuándo usarlo: cuando se necesita reutilizar la lógica de un widget existente con variaciones de configuración o de datos según el contexto del usuario, y el equipo tiene capacidad técnica para trabajar con el modelo de Sisense.
Sisense Developer Playground – Widget Model
03. CSDK Library — Construcción en la aplicación host
Aquí se rompe la dependencia directa con Sisense Fusion como activo de visualización. El widget se construye enteramente en el código de la aplicación host usando los componentes y hooks de Compose SDK. Fusion deja de ser el origen del componente: opera exclusivamente como capa de datos y motor analítico.
Ventajas: el widget es un componente nativo de la aplicación, con control total sobre su apariencia, comportamiento y ciclo de vida. Se puede integrar con el design system existente, responder al estado global de la aplicación y gestionarse con las mismas herramientas de testing y despliegue del resto del código. Alto nivel de personalización y reutilización.
Limitaciones: la responsabilidad del diseño, mantenimiento y evolución del widget recae íntegramente en el equipo de desarrollo de la aplicación. No hay un widget en Fusion del que partir: hay que construirlo desde cero usando las APIs de Compose SDK, lo que requiere un conocimiento más profundo del SDK y del modelo semántico de Sisense. El tiempo de desarrollo inicial es considerablemente mayor que en los métodos anteriores. Y cualquier cambio en la API de Compose SDK en futuras versiones de Sisense puede requerir actualizaciones en el código de la aplicación.
Cuándo usarlo: productos SaaS con multi-tenant, aplicaciones donde el branding debe ser 100% propio, o cuando el equipo ya tiene un design system consolidado al que el widget debe integrarse sin costuras.
Sisense Developer Playground – CSDK Library
04. External Library — Máxima soberanía técnica
El widget se construye con cualquier librería externa —D3, Highcharts, ECharts, Recharts, lo que sea— y Sisense actúa únicamente como proveedor de datos a través de su API. No existe ningún asset ni componente de Fusion en el proceso de renderizado. La capa de presentación es completamente independiente de Sisense.
Ventajas: libertad total de visualización, sin restricciones impuestas por las capacidades nativas de Sisense. Máximo nivel de personalización posible. El componente es completamente reutilizable e independiente del proveedor de BI: si en el futuro la organización cambia de plataforma de datos, la capa de presentación no necesita reescribirse. Es también la estrategia más resiliente a cambios de versión en Sisense, ya que la dependencia se reduce a la capa de consulta de datos.
Limitaciones: es el método que exige mayor inversión de desarrollo y el que introduce más complejidad de mantenimiento. El equipo necesita dominar tanto la librería de visualización elegida como la integración con la API de datos de Sisense, gestionando autenticación, consultas JAQL y transformación de respuestas de forma manual. No hay componentes preconstruidos en los que apoyarse: todo es código propio. En equipos pequeños o con plazos ajustados, esta autonomía puede convertirse en una carga que no compensa.
Cuándo usarlo: cuando el producto tiene requisitos de visualización que las librerías nativas de Sisense no cubren, cuando la estrategia técnica exige desacoplar por completo la presentación del proveedor, o cuando el equipo tiene capacidad y tiempo para asumir esa inversión de forma sostenida.
Sisense Developer Playground – External Library
Sisense Intelligence: embeber la IA, no solo los datos
Los cuadros de mando responden preguntas que alguien ya pensó formular. La IA hace algo distinto: detecta lo que nadie pensó, ni se preguntó; además responde en lenguaje natural y aprende del contexto. Sisense Intelligence es la capa que lleva esas capacidades al mismo entorno donde ya viven los datos, y que se integra en la aplicación host con la misma lógica que cualquier otro componente de Compose SDK.
No es una herramienta separada ni un módulo opcional de reporting. Es un conjunto de capacidades que pueden coexistir con cualquiera de los cuatro métodos de integración descritos anteriormente, añadiendo una dimensión que los datos solos no tienen: la capacidad de interpretar, anticipar y explicar.
NLQ / Chatbot analítico
El componente de lenguaje natural (NLQ) permite que los usuarios formulen preguntas sobre los datos en texto libre —”¿Cuál fue el margen por región en Q3?” o “Muéstrame los productos con mayor caída en los últimos 30 días”— y reciban una respuesta en forma de visualización generada automáticamente.
Para el desarrollador, esta capacidad se expone como un componente <Chatbot> o <NlqInput> que se puede incrustar en cualquier punto de la interfaz. La integración requiere apuntar al modelo semántico de Sisense y configurar los permisos de acceso a datos; el motor de interpretación de lenguaje natural corre en la infraestructura de Sisense, no en la aplicación host.
AI-powered insights automáticos
Sisense puede generar narrativas automáticas sobre los datos: resúmenes en lenguaje natural de lo que ha ocurrido, comparativas respecto a períodos anteriores, o explicaciones de variaciones significativas. Estos insights se exponen como componentes que pueden colocarse junto a cualquier visualización. El desarrollador decide dónde aparece el insight, con qué datos se alimenta y qué nivel de detalle expone; Sisense se encarga de la generación del texto y del análisis estadístico subyacente. Para el usuario final, el efecto es el de un analista que ya revisó los números antes de que llegara: la pantalla no muestra solo qué pasó, sino qué significa.
Sisense Developer Playgroud – AI-powered insights automáticos
Forecasting y detección de anomalías
Las capacidades predictivas de Sisense Intelligence permiten proyectar tendencias y detectar comportamientos atípicos en series temporales. Para el desarrollador, se integran como configuraciones adicionales en los componentes de visualización existentes: una línea de forecast sobre un gráfico de barras, o un indicador visual de anomalía sobre un KPI, son extensiones del componente base, no componentes independientes. La configuración incluye el horizonte temporal, el nivel de confianza y los umbrales de alerta. La detección de anomalías es especialmente relevante en contextos operacionales donde el volumen de datos hace imposible la revisión manual: el sistema alerta, el analista investiga.
Sisense Developer Playgroud – Forecasting y detección de anomalías
BYO LLM — Bring Your Own Language Model
Esta es la capacidad más relevante para organizaciones con requisitos estrictos de privacidad de datos o con modelos propietarios ya en producción. Sisense permite sustituir el modelo de lenguaje que opera sobre los datos por uno propio: un modelo desplegado en la infraestructura de la organización, un modelo fine-tuned sobre el dominio del negocio, o un modelo de un proveedor alternativo. La integración se configura a nivel de instancia de Sisense —no a nivel de componente individual— apuntando al endpoint del modelo externo y configurando la autenticación. Desde la aplicación host, la experiencia del usuario final es idéntica: el cambio es transparente en la capa de presentación.
La implicación estratégica de BYO LLM va más allá de la privacidad. Significa que la inteligencia que opera sobre los datos del negocio puede ser tan específica y afinada como el negocio requiera, sin depender del modelo genérico que cualquier competidor también usa. En sectores con datos sensibles —banca, salud, industria— esta capacidad no es un diferenciador: es un requisito.
La lectura estratégica: más allá de la cuestión técnica
Los dos modelos de integración, los cuatro métodos de embeber componentes de Sisense y las capacidades de Sisense Intelligence no son decisiones independientes: forman una arquitectura. Y como toda arquitectura, sus decisiones se toman mejor antes de que el código esté escrito que después de que el producto esté en producción.
El criterio de elección correcto no es técnico en primera instancia, sino de producto.
- ¿Qué nivel de control necesita la aplicación sobre la experiencia analítica?
- ¿Cuánta deuda técnica está dispuesto a asumir el equipo a cambio de velocidad inicial?
- ¿La estrategia de datos de la organización permite o requiere desacoplar la presentación del proveedor?
- ¿La inteligencia artificial es una funcionalidad futura o una capacidad que el producto necesita desde el primer día?
Antes de esas decisiones viene una más importante: entender que la pregunta ya no es si integrar analíticas e inteligencia en el producto, sino cómo hacerlo de forma que el usuario nunca note la “costura”.
Eso es lo que diferencia un producto con “datos” de un producto verdaderamente “inteligente”.
Acelerar el time-to-market, incrementar el time-to-insight
Comercialización más rápida gracias a la analítica embebida con capacidades de IA y GenAI, pero de verdad, nada de promesas incumplidas.
La alianza perfecta entre Producto y Desarrollo
Mayor colaboración entre los jefes de producto y los desarrolladores para eliminar cualquier atisbo de fricción entre los equipos.
Autoservicio de datos para todos
Análisis intuitivos y de autoservicio para los usuarios finales a través del Asistente de IA que, en Sisense, trabaja contigo.
Se trata de que nuestros usuarios y clientes tomen decisiones más inteligentes basadas en datos, sin esfuerzo.
Por tanto, si estás en un proceso para modernizar, sustituir, ampliar o adquirir tu plataforma de análisis, ten en cuenta que con Sisense los equipos avanzan más rápido, trabajan de forma más inteligente y ofrecen mejores experiencias de análisis a sus usuarios y clientes, gracias a Sisense Fusion, Sisense Intelligence y Compose SDK.
Descubre por qué la próxima generación de analíticas empresariales estará integrada, será invisible y esencial para alcanzar los resultados empresariales.
¡Hablemos!
Parapentex Studios, March 2026