Observable

Esta reseña sobre Observable Notebooks aborda para qué se utiliza la plataforma, sus características principales, los precios de Observable, cómo se comparan los cuadernos con Observable Framework, en qué aspectos destaca y en cuáles se queda corto, y con qué herramientas se puede comparar. Observable fue fundada en 2016 por Mike Bostock, creador de D3, y se lanzó al público en 2018. Hoy en día es una familia de productos: los cuadernos de Observable, basados en la web, para explorar datos con código; el Observable Framework, de código abierto, para crear aplicaciones de datos y paneles de control; los Observable Canvases, para el análisis colaborativo con SQL e IA; y bibliotecas de código abierto como Observable Plot y D3. Según Observable, se han creado y editado más de 1 200 000 cuadernos en la plataforma.

¿Para qué se utiliza Observable?

Observable se utiliza para el análisis y la visualización de datos, y va más allá de un simple generador de gráficos estándar. Los cuadernos combinan narrativa, código y resultados en tiempo real en un solo documento, lo que los convierte en la herramienta ideal para el análisis exploratorio y la narración de datos. Algunos proyectos típicos son el análisis exploratorio de un nuevo conjunto de datos, la visualización interactiva para el periodismo y la investigación, los paneles de control y los informes internos, los prototipos de visualización antes de su incorporación a un producto y la enseñanza de la visualización de datos con ejemplos en tiempo real.

Los científicos de datos y los analistas utilizan los cuadernos para cargar datos, consultar bases de datos SQL y probar los gráficos de Observable Plot paso a paso. Los desarrolladores y los equipos de datos utilizan Observable Framework para convertir ese trabajo en aplicaciones de datos rápidas e informes alojados en Git. Los gestores de producto y los equipos empresariales utilizan Canvases para explorar datos de forma conjunta sin necesidad de escribir código. El nexo común es la web: todo se ejecuta en el navegador, y cada visualización se puede compartir como un enlace, incrustarse en otro sitio web o publicarse como un sitio web estático.

Características principales

• Cuadernos reactivos: bloques de código en Observable JavaScript, Markdown, HTML y SQL. Cuando cambia un valor, se actualizan todas las celdas que dependen de él, de modo que las entradas, los filtros y los gráficos permanecen sincronizados sin necesidad de código adicional.
• Observable Plot y D3: Observable Plot es una biblioteca concisa de gráficos para la visualización exploratoria de datos; D3 es la biblioteca de bajo nivel que hay detrás de muchos gráficos interactivos personalizados. Ambas son de código abierto y han sido desarrolladas por el equipo de Observable.
• Conexiones de datos: las celdas SQL y las celdas de tabla de datos consultan bases de datos y almacenes de datos desde cuadernos privados, además de archivos adjuntos, archivos en la nube y API web. Un proxy de base de datos autohospedado da cobertura a las bases de datos de una red privada (documentación de Observable).
• Colaboración: edición multijugador, comentarios, bifurcaciones, sugerencias, historial de versiones y cuadernos públicos o privados con control de acceso.
• AI Assist: un asistente de IA integrado en los cuadernos que redacta código y crea gráficos, incorporado en 2023.
• Observable Framework: un generador de sitios web estáticos de código abierto para aplicaciones de datos, paneles de control e informes (véase más abajo).
• Observable Canvases: un lienzo de datos colaborativo lanzado en 2025, donde los equipos exploran los datos mediante «apuntar y hacer clic», SQL o IA, y refinan los resultados en visualizaciones interactivas (Observable Canvases).
• Notebooks 2.0: una vista previa tecnológica con Notebook Kit, un formato de archivo abierto y una herramienta de línea de comandos para crear sitios web estáticos a partir de cuadernos, y Observable Desktop, un editor de cuadernos para macOS 15+ en Apple Silicon (Notebooks 2.0).

Precios de Observable

Los planes de cuadernos que figuran en la página de precios de Observable, tal y como se capturó el 30 de agosto de 2026, son:

• Notebook Free: 0 $. Cuadernos públicos y privados, AI Assist, acceso a bases de datos, archivos en la nube y puntos de conexión de la API web, control de versiones y asistencia de la comunidad a través del foro.
• Notebook Pro: 22 $ al mes por editor. Añade edición de código multijugador, ejecuciones programadas de cuadernos, visores de espacios de trabajo, acceso de invitados a nivel de cuaderno y elimina la marca de agua de Observable en las incrustaciones de cuadernos.
• Visores: 10 $ al mes cada uno en el plan Pro, para personas que solo ven e interactúan con los cuadernos.
• Enterprise: disponible bajo petición; la documentación del espacio de trabajo describe el SSO personalizado y los registros de auditoría.

Observable Framework, Notebook Kit, Observable Plot y D3 son gratuitos y de código abierto bajo la licencia ISC. Los lienzos no aparecen en la página de precios de los cuadernos; consulta al departamento de ventas para conocer el precio actual. Observable también ofrece información sobre descuentos para organizaciones sin ánimo de lucro y educadores en la misma página.

Un aspecto que puede suponer una sorpresa en cuanto al coste es quién cuenta como «puesto». El plan Pro se factura por editor, y los usuarios de solo visualización tienen un coste adicional, por lo que compartir paneles privados con un público numeroso puede encarecer la factura. Los sitios de Framework evitan los costes por puesto cuando los alojas tú mismo, ya que el resultado son simples archivos estáticos.

Cuadernos de Observable frente a Observable Framework

Los cuadernos sirven para la exploración: abres un nuevo cuaderno en el navegador, cargas datos y realizas iteraciones en cada visualización de Observable Plot, mientras los colaboradores editan al mismo tiempo. Observable Framework sirve para la publicación: escribes archivos Markdown con JavaScript reactivo, y Framework los compila en un sitio web estático con carga instantánea de páginas (Observable Framework).

La idea clave de Framework son los cargadores de datos. Un cargador de datos es un script en cualquier lenguaje, como SQL, Python, R o Node.js, que se ejecuta en el momento de la compilación y escribe una instantánea estática de los datos en un archivo. A continuación, el panel de control carga ese archivo en lugar de consultar la base de datos en cada visita. Dado que un proyecto no es más que un conjunto de archivos en una carpeta, se adapta al desarrollo de software habitual: puedes utilizar tu propio editor, Git, pruebas unitarias y CI/CD, y alojar el resultado en cualquier lugar o implementarlo en Observable. Incluye temas, cuadrículas y bibliotecas de JS, entre las que se encuentran Observable Plot, D3, DuckDB, Vega-Lite, Mapbox GL JS, Leaflet y Mermaid. La última versión disponible en GitHub es la 1.13.4, de marzo de 2026.

Notebook Kit aplica el mismo enfoque basado en archivos a los cuadernos. Almacena un cuaderno en un formato abierto y legible para el usuario, de modo que un cuaderno se puede editar en el navegador, en Observable Desktop o en un editor de código, y publicarse como un sitio web estático.

Observable Plot y D3 para la visualización de datos

La mayoría de los gráficos de Observable se crean con Observable Plot, la biblioteca de visualización de código abierto que el equipo lanzó en 2021. Plot sigue una gramática de gráficos por capas: se le pasa un conjunto de datos y una lista de marcas, como puntos, líneas, barras o celdas, y Observable Plot elige escalas, ejes y leyendas adecuadas, de modo que el gráfico predeterminado ya tiene sentido. Un gráfico de dispersión o un gráfico de barras facetado se crea con unas pocas líneas de código, y la documentación de Plot incluye un ejemplo para cada marcador. Para gráficos interactivos totalmente personalizados, D3 ofrece un control de bajo nivel sobre la visualización de cada elemento. Ambos funcionan también en JavaScript puro fuera de Observable, por lo que un gráfico prototipado en un cuaderno puede trasladarse a una aplicación front-end sin necesidad de reescribirlo. Los controles integrados, como controles deslizantes, menús desplegables, cuadros de búsqueda y tablas, conectan los controles del usuario con los gráficos a través de variables reactivas.

Cuadernos de Observable frente a cuadernos de Jupyter

Los científicos de datos familiarizados con los cuadernos de Jupyter encontrarán la mayor diferencia en cómo se ejecutan las celdas. En Jupyter, las celdas de Python se ejecutan en el orden en que se ejecutan, lo que puede dejar atrás estados obsoletos. En Observable, el código se ejecuta por orden de dependencia, como en una hoja de cálculo, por lo que un cambio actualiza todo lo que depende de él. Observable se ejecuta en el navegador y utiliza JavaScript, mientras que Jupyter ejecuta Python en un servidor, lo que hace que Jupyter sea más adecuado para cálculos intensivos y aprendizaje automático. Los conjuntos de datos muy grandes también pueden alcanzar los límites de rendimiento del navegador en Observable; los cargadores de datos resuelven esto ejecutando consultas de Python o SQL en el momento de la compilación y enviando solo el resultado al navegador. Muchos equipos utilizan ambos: Python para el análisis y Observable para compartir resultados interactivos.

Primeros pasos con Observable

Regístrate para obtener una cuenta gratuita y crea un nuevo cuaderno, o haz un fork de uno de los cuadernos públicos de la galería y adáptalo. Añade un archivo de datos o conecta una base de datos, escribe una celda SQL o una celda JavaScript, y añade un gráfico con Observable Plot en unas pocas líneas. Aprende primero Observable JavaScript: se trata de JavaScript estándar con celdas reactivas, pero el orden de evaluación sigue las dependencias en lugar del orden en la página. Para un panel de control que deba integrarse en un código base, ejecuta npx @observablehq/framework@latest create y sigue el tutorial de introducción al Framework.

Donde destaca Observable — y dónde se queda corto

Puntos fuertes:

• Los mejores gráficos interactivos y visualizaciones personalizadas de su clase, del equipo responsable de D3.
• Los cuadernos reactivos agilizan la exploración y mantienen sincronizadas las entradas y los gráficos.
• Framework, Plot y Notebook Kit son de código abierto y generan sitios web estáticos que puedes alojar en cualquier lugar.
• Una amplia galería pública de cuadernos de los que aprender y de los que se pueden crear bifurcaciones, con un sólido apoyo de la comunidad.

Inconvenientes:

• JavaScript es el lenguaje principal en los cuadernos; Python y R solo se ejecutan en los cargadores de datos durante la compilación.
• No es una herramienta de inteligencia empresarial de «arrastrar y soltar»; crear un gráfico sigue implicando escribir algo de código.
• El uso compartido privado en la versión Pro se factura por editor, más una tarifa por usuario que lo visualiza, y los usuarios gratuitos solo tienen acceso a la asistencia del foro.
• La existencia de varios productos (cuadernos, Notebooks 2.0, Framework, Canvases) con flujos de trabajo diferentes puede resultar confusa al principio.

Comparación de Observable

• Datawrapper: gráficos y mapas de «apuntar y hacer clic» para publicar, sin código.
• Power BI: la suite de inteligencia empresarial de Microsoft para paneles de control con datos de la empresa.
• Retool y Appsmith: herramientas internas con formularios y tablas en lugar de visualizaciones personalizadas.
• Dataiku: una plataforma integral de ciencia de datos para equipos que trabajan con Python y recetas visuales.
• Mapbox y CARTO Builder: plataformas centradas en los mapas para datos de ubicación.
• Google Sheets y Rows: hojas de cálculo con gráficos integrados para un análisis rápido.

Los cuadernos centrados en Python, como Jupyter, Hex, Deepnote y Marimo, son las alternativas más cercanas para los equipos que trabajan principalmente con Python y SQL.

¿Merece la pena Observable?

Observable merece la pena si necesitas una visualización de datos personalizada e interactiva y te sientes cómodo con algo de JavaScript. El plan gratuito incluye cuadernos públicos y privados con acceso a bases de datos, y el Framework de código abierto es gratuito para crear paneles rápidos que alojas tú mismo. No es la mejor opción para equipos que buscan una herramienta de BI sin código, que trabajan únicamente en Python o que necesitan compartir paneles privados con muchos usuarios y cuentan con un presupuesto ajustado. Si necesitas ayuda para crear paneles o aplicaciones de datos con Observable, las agencias y desarrolladores de «low-code» de LowCodeDevs pueden encargarse de ello.

Fuentes

• Precios de Observable: Notebook Free y Pro, precio por usuario (consultado el 30 de agosto de 2026).
• Acerca de Observable: fundación, hitos y cifras de uso.
• Documentación del marco Observable: generador de sitios estáticos, cargadores de datos y bibliotecas.
• Vista previa tecnológica de Notebooks 2.0: Notebook Kit y Observable Desktop.
• Observable Canvases: el lienzo de datos colaborativo.
• Conexión a bases de datos: clientes de bases de datos y el proxy autohospedado.
• observablehq/framework en GitHub: licencia ISC y versiones.
• Ideas interesantes en el marco Observable, Simon Willison: cargadores de datos y el paso a herramientas de código abierto.
• Observable Plot, data.europa.eu: la biblioteca de gráficos en la práctica.
• Observable, datasciencenotebook.org: descripción general de las características; su nota sobre la «ausencia de autoalojamiento» se aplica a la plataforma de cuadernos alojada, no a los sitios de Framework o Notebook Kit.
• Alternativas a Observable, Livedocs: lista de alternativas (redactada por un competidor; su afirmación de que Observable carece de compatibilidad con SQL y Python entra en conflicto con las celdas SQL y los cargadores de datos de Python de Observable).