Observable

Esta análise dos notebooks do Observable aborda as utilizações da plataforma, as suas principais funcionalidades, os preços do Observable, a comparação entre os notebooks e o Observable Framework, os seus pontos fortes e fracos, e as ferramentas com as quais pode ser comparado. A Observable foi fundada em 2016 por Mike Bostock, o criador do D3, e lançada publicamente em 2018. Atualmente, é uma família de produtos: os Observable Notebooks, baseados na Web, para explorar dados com código; o Observable Framework, de código aberto, para criar aplicações de dados e painéis de controlo; os Observable Canvases, para análise colaborativa com SQL e IA; e bibliotecas de código aberto, como o Observable Plot e o D3. De acordo com a Observable, já foram criados e editados mais de 1 200 000 notebooks na plataforma.

Para que serve o Observable?

O Observable é utilizado para análise e visualização de dados que vão além de um criador de gráficos padrão. Os notebooks combinam narrativa, código e resultados em tempo real num único documento, o que os torna a escolha natural para análises exploratórias e narrativa de dados. Os projetos típicos incluem a análise exploratória de um novo conjunto de dados, a visualização interativa para jornalismo e investigação, painéis e relatórios internos, protótipos de visualização antes da sua integração num produto e o ensino da visualização de dados com exemplos em tempo real.

Os cientistas de dados e analistas utilizam os notebooks para carregar dados, consultar bases de dados SQL e experimentar os gráficos do Observable Plot passo a passo. Os programadores e as equipas de dados utilizam o Observable Framework para transformar esse trabalho em aplicações de dados rápidas e relatórios alojados no Git. Os gestores de produto e as equipas de negócios utilizam os Canvases para explorar dados em conjunto sem escrever código. O fio condutor é a Web: tudo funciona no navegador e cada visualização pode ser partilhada como um link, incorporada noutro site ou publicada como um site estático.

Principais funcionalidades

• Cadernos reativos: blocos de código em Observable JavaScript, Markdown, HTML e SQL. Quando um valor muda, todas as células que dependem dele são atualizadas, pelo que as entradas, os filtros e os gráficos permanecem sincronizados sem código adicional.
• Observable Plot e D3: o Observable Plot é uma biblioteca concisa de gráficos para a visualização exploratória de dados; o D3 é a biblioteca de baixo nível subjacente a muitos gráficos interativos personalizados. Ambas são de código aberto e foram desenvolvidas pela equipa do Observable.
• Ligações de dados: as células SQL e as células de tabela de dados consultam bases de dados e armazéns de dados a partir de cadernos privados, a par de anexos de ficheiros, ficheiros na nuvem e APIs web. Um proxy de base de dados auto-hospedado abrange bases de dados numa rede privada (documentação do Observable).
• Colaboração: edição multijogador, comentários, bifurcação, sugestões, histórico de versões e cadernos públicos ou privados com controlo de acesso.
• AI Assist: um assistente de IA integrado nos cadernos que elabora código e gráficos, adicionado em 2023.
• Observable Framework: um gerador de sites estáticos de código aberto para aplicações de dados, painéis e relatórios (ver abaixo).
• Observable Canvases: uma tela de dados colaborativa lançada em 2025, onde as equipas exploram dados com o método «apontar e clicar», SQL ou IA e refinam os resultados em visualizações interativas (Observable Canvases).
• Notebooks 2.0: uma pré-visualização tecnológica com o Notebook Kit, um formato de ficheiro aberto e uma ferramenta de linha de comandos para criar sites estáticos a partir de cadernos, e o Observable Desktop, um editor de cadernos para macOS 15+ no Apple Silicon (Notebooks 2.0).

Preços do Observable

Os planos de notebooks na página de preços do Observable, tal como capturados a 30 de agosto de 2026, são:

• Notebook Free: 0 $. Notebooks públicos e privados, AI Assist, acesso a bases de dados, ficheiros na nuvem e pontos de extremidade da API web, controlo de versões e apoio da comunidade através do fórum.
• Notebook Pro: 22 $ por mês por editor. Adiciona edição de código multijogador, execuções agendadas de notebooks, visualizadores de espaços de trabalho, acesso de convidados ao nível do notebook e remove a marca de água do Observable nas incorporações de notebooks.
• Visualizadores: 10 $ por mês cada no plano Pro, para pessoas que apenas visualizam e interagem com os notebooks.
• Enterprise: disponível mediante pedido; a documentação do espaço de trabalho descreve o SSO personalizado e os registos de auditoria.

O Observable Framework, o Notebook Kit, o Observable Plot e o D3 são gratuitos e de código aberto ao abrigo da licença ISC. As telas (canvases) não estão listadas na página de preços dos notebooks; consulte o departamento de vendas para saber o preço atual. A Observable também informa, na mesma página, sobre descontos para organizações sem fins lucrativos e educadores.

A surpresa em termos de custos a ter em conta é quem conta como uma licença. O plano Pro é faturado por editor, e os visualizadores têm um custo adicional, pelo que partilhar painéis privados com um público vasto acaba por sair caro. Os sites do Framework evitam custos de licença quando os hospeda você mesmo, uma vez que o resultado são simples ficheiros estáticos.

Notebooks do Observable vs. Observable Framework

Os cadernos destinam-se à exploração: abre-se um novo caderno no navegador, carregam-se os dados e itera-se em cada visualização do Observable Plot, com os colaboradores a editarem em simultâneo. O Observable Framework destina-se à entrega: escrevem-se ficheiros Markdown com JavaScript reativo, e o Framework compila-os num site estático com carregamento instantâneo das páginas (Observable Framework).

A ideia central do Framework são os carregadores de dados. Um carregador de dados é um script em qualquer linguagem, como SQL, Python, R ou Node.js, que é executado na fase de compilação e grava um instantâneo estático dos dados num ficheiro. O painel carrega então esse ficheiro, em vez de consultar a base de dados em cada visita. Como um projeto consiste apenas em ficheiros numa pasta, adapta-se ao desenvolvimento de software normal: pode utilizar o seu próprio editor, Git, testes unitários e CI/CD, e alojar o resultado em qualquer lugar ou implementá-lo no Observable. Vem equipado com temas, grelhas e bibliotecas JS, incluindo Observable Plot, D3, DuckDB, Vega-Lite, Mapbox GL JS, Leaflet e Mermaid. A versão mais recente no GitHub é a 1.13.4, de março de 2026.

O Notebook Kit traz a mesma abordagem baseada em ficheiros para os cadernos. Armazena um caderno num formato aberto e legível por humanos, pelo que um caderno pode ser editado no navegador, no Observable Desktop ou num editor de código, e publicado como um site estático.

Observable Plot e D3 para visualização de dados

A maioria dos gráficos no Observable é criada com o Observable Plot, a biblioteca de visualização de código aberto que a equipa lançou em 2021. O Plot segue uma gramática de gráficos em camadas: basta passar um conjunto de dados e uma lista de marcas, tais como pontos, linhas, barras ou células, e o Observable Plot seleciona escalas, eixos e legendas adequadas, de modo que o gráfico predefinido já faz sentido. Um gráfico de dispersão ou um gráfico de barras facetado requer apenas algumas linhas de código, e a documentação do Plot apresenta um exemplo para cada marcador. Para gráficos interativos totalmente personalizados, o D3 oferece controlo de baixo nível sobre a apresentação de cada elemento. Ambos funcionam também em JavaScript puro fora do Observable, pelo que um gráfico prototipado num notebook pode ser transferido para uma aplicação front-end sem necessidade de reescrever o código. Elementos de entrada integrados, como controles deslizantes, menus suspensos, caixas de pesquisa e tabelas, ligam os controlos do utilizador aos gráficos através de variáveis reativas.

Notebooks do Observable vs. notebooks do Jupyter

Os cientistas de dados que conhecem os notebooks Jupyter irão encontrar a maior diferença na forma como as células são executadas. No Jupyter, as células Python são executadas na ordem em que são executadas, o que pode deixar para trás um estado desatualizado. No Observable, o código é executado por ordem de dependência, tal como numa folha de cálculo, pelo que uma alteração atualiza tudo o que depende dela. O Observable é executado no navegador e utiliza JavaScript, enquanto o Jupyter executa Python num servidor, o que torna o Jupyter mais adequado para cálculos intensivos e aprendizagem automática. Conjuntos de dados muito grandes também podem atingir os limites de desempenho do navegador no Observable; os carregadores de dados resolvem isto executando consultas em Python ou SQL na fase de compilação e enviando apenas o resultado para o navegador. Muitas equipas utilizam ambos: Python para análise e o Observable para partilhar resultados interativos.

Começar a utilizar o Observable

Crie uma conta gratuita e crie um novo notebook, ou faça um fork de um dos notebooks públicos da galeria e adapte-o. Adicione um ficheiro de dados ou ligue-se a uma base de dados, escreva uma célula SQL ou uma célula JavaScript e adicione um gráfico com o Observable Plot em poucas linhas. Aprenda primeiro o Observable JavaScript: trata-se de JavaScript padrão com células reativas, mas a ordem de avaliação segue as dependências em vez da ordem na página. Para um painel que precise de estar integrado numa base de código, execute npx @observablehq/framework@latest create e siga o tutorial de introdução ao Framework.

Onde o Observable se destaca — e onde fica aquém

Pontos fortes:

• Os melhores gráficos interativos e visualização personalizada da sua classe, da equipa por trás do D3.
• Os notebooks reativos tornam a exploração rápida e mantêm as entradas e os gráficos sincronizados.
• O Framework, o Plot e o Notebook Kit são de código aberto e produzem sites estáticos que pode alojar em qualquer lugar.
• Uma vasta galeria pública de notebooks para aprender e fazer forks, com um forte apoio da comunidade.

Compromissos:

• O JavaScript é a linguagem principal nos notebooks; o Python e o R só são executados em carregadores de dados durante a compilação.
• Não é uma ferramenta de business intelligence do tipo «arrastar e largar»; criar um gráfico ainda implica escrever algum código.
• A partilha privada na versão Pro é cobrada por editor, mais uma taxa por visualizador, e os utilizadores gratuitos têm apenas acesso ao apoio no fórum.
• A existência de vários produtos (notebooks, Notebooks 2.0, Framework, Canvases) com fluxos de trabalho diferentes pode ser confusa no início.

Como o Observable se compara

• Datawrapper: gráficos e mapas do tipo «apontar e clicar» para publicação, sem código.
• Power BI: o pacote de business intelligence da Microsoft para painéis de controlo com dados da empresa.
• Retool e Appsmith: ferramentas internas com formulários e tabelas, em vez de visualização personalizada.
• Dataiku: uma plataforma de ciência de dados de ponta a ponta para equipas que trabalham em Python e com receitas visuais.
• Mapbox e CARTO Builder: plataformas centradas em mapas para dados de localização.
• Google Sheets e Rows: folhas de cálculo com gráficos integrados para análises rápidas.

Notebooks que privilegiam o Python, como o Jupyter, o Hex, o Deepnote e o Marimo, são as alternativas mais próximas para equipas que trabalham principalmente em Python e SQL.

Vale a pena usar o Observable?

O Observable vale a pena se precisar de visualização de dados personalizada e interativa e se se sentir à vontade com algum JavaScript. O plano gratuito inclui notebooks públicos e privados com acesso a bases de dados, e o Framework de código aberto é gratuito para criar painéis rápidos que pode alojar por conta própria. É menos adequado para equipas que procuram uma ferramenta de BI sem código, que trabalham exclusivamente em Python ou que precisam de partilhar painéis privados com muitos utilizadores, mas dispõem de um orçamento reduzido. Se precisar de ajuda para criar painéis ou aplicações de dados com o Observable, as agências e os programadores de low-code da LowCodeDevs podem encarregar-se disso.

Fontes

• Preços do Observable: Notebook Free e Pro, preço por utilizador (capturado a 30 de agosto de 2026).
• Sobre o Observable: fundação, marcos e números de utilização.
• Documentação do Observable Framework: gerador de sites estáticos, carregadores de dados e bibliotecas.
• Pré-visualização tecnológica do Notebooks 2.0: Notebook Kit e Observable Desktop.
• Observable Canvases: a tela de dados colaborativa.
• Ligação a bases de dados: clientes de bases de dados e o proxy auto-hospedado.
• observablehq/framework no GitHub: licença ISC e versões.
• Ideias interessantes no Observable Framework, Simon Willison: carregadores de dados e a transição para ferramentas de código aberto.
• Observable Plot, data.europa.eu: a biblioteca de gráficos na prática.
• Observable, datasciencenotebook.org: visão geral das funcionalidades; a sua nota «sem auto-hospedagem» aplica-se à plataforma de notebooks hospedada, não aos sites do Framework ou do Notebook Kit.
• Alternativas ao Observable, Livedocs: lista de alternativas (escrita por um concorrente; a sua afirmação de que o Observable não suporta SQL e Python entra em conflito com as células SQL e os carregadores de dados Python do Observable).