Docs de Looky

Qué vas a lograr después de recorrer esta doc

Si recién llegás a Looky, este set de docs te lleva de cero a un workspace publicado con al menos un dashboard visible en https://my.looky.studio. Está escrito para builders, analytics engineers y delivery leads que necesitan ejecución repetible, no teoría.

Empezando

Acceso y primer éxito

Invitación, sign-in, linkeo del CLI, contexto de billing, setup de BigQuery, primer workspace.

Build Workflow

Autorear y publicar contenido

Sources, models, cache, visualizations, dashboards, exports, validación, push.

Referencia

Playbook de comandos y fallas

Lookup rápido de comandos del CLI y secuencias concretas de troubleshooting.

Construí respuestas enfocadas, no dashboards gigantes

La mayoría de las herramientas BI te empujan a un solo dashboard que trata de responder todo. El resultado es algo que nadie lee. Looky está construido alrededor del opuesto: un dashboard enfocado por pregunta de negocio.

Un dashboard que responde "¿Dónde está perdiendo fulfillment este mes?" es algo que un equipo va a abrir todas las mañanas. Un dashboard con 40 charts y sin una pregunta clara es una pantalla de loading.

Esto modela todo el build workflow:

Models definen tu capa semántica una sola vez. Una definición de measure, reutilizada en cada chart que la necesite.
Visualizations conectan una query con un chart. Sin lógica, sin duplicación.
Dashboards componen visualizations alrededor de una pregunta única — chicos como para que la respuesta sea obvia, específicos como para ser accionables.
Document mode toma ese dashboard enfocado y lo convierte en un entregable: un reporte top-to-bottom que exporta a PDF en un schedule y llega a las manos correctas sin que nadie tenga que abrir la UI.
Cross-filtering en dashboards interactivos deja al usuario clickear cualquier barra o punto y filtrar todos los charts simultáneamente — el tipo de exploración que destapa respuestas que ningún chart solo podría mostrar.

Un workspace bien construido concreta esto: varios dashboards separados, cada uno respondiendo una pregunta distinta del negocio, en vez de una sola superficie gigante tratando de cubrir todo.

Camino de cero a dashboard (45 a 90 minutos)

Aceptar invitación y verificar el alcance de tu rol en la UI (Invitación de Owner).
Hacer sign in en https://my.looky.studio y linkear el CLI a tu local root (Sign In y conectar el CLI).
Crear el service account de BigQuery y cablear las credentials en el runtime config del workspace (Acceso al Dataset de BigQuery).
Setear el contexto de billing y crear tu primer workspace (Creá tu primer workspace).
Autorear sources, models, visualizations y dashboards (Build Workflow).
Correr looky validate, looky diff, looky push y verificar en la UI.

Secuencia de comandos que la mayoría de los equipos corre todos los días

looky login https://my.looky.studio <local_root>
looky whoami

cd <local_root>
looky billing list
looky billing use <billing_account_id>

cd <local_root>/<billing_account_id>
looky create <workspace_slug> --name "My Workspace"

cd <workspace_slug>
looky status
looky validate
looky diff
looky push
looky list visualizations
looky list dashboards

Convención de placeholders: <local_root> es la carpeta de tu máquina linkeada con la instancia, <billing_account_id> es tu billing account activo, y <workspace_slug> es una carpeta de workspace dentro de ese billing account.

Qué hace diferente este set de docs

Cada fase incluye success criteria, no solo ejemplos de comandos.
El workflow es end-to-end: acceso, setup de BigQuery, autoría, publish, verificación.
Los ejemplos están aterrizados en estructuras reales de workspace y comandos reales del CLI que vas a correr.
El troubleshooting está organizado por síntoma con pasos determinísticos de fix.

Leer esta doc con un LLM o un coding assistant

El mismo contenido que leés en este sitio se publica también en formatos amigables para agentes, servido desde la misma fuente — no hay copia separada que pueda drift. Dos convenciones de URL:

Markdown por página. Agregá .md a cualquier URL de docs para conseguir un render limpio en Markdown con YAML frontmatter (title, slug, language, summary, last-modified date).

https://looky.studio/es/docs/build-workflow/viz-types/bar.md
https://looky.studio/es/docs/build-workflow/cross-filtering.md
https://looky.studio/es/docs/reference/source-adapters.md

Índices siguiendo la convención llmstxt.org.
- https://looky.studio/es/llms.txt — índice corto de cada página de docs en este idioma, agrupada por sección, con un summary de una línea por página y un link a su versión .md. Inglés en /en/llms.txt.
- https://looky.studio/es/llms-full.txt — concatenación de cada página de docs renderizada como Markdown, separadas por límites ---PAGE---. Un solo fetch y el assistant tiene la doc completa.
- https://looky.studio/llms.txt — índice root, redirige al idioma default.

Usá el .md por página cuando vos (o tu assistant) solo necesitan la referencia de un feature; usá llms-full.txt cuando querés que el assistant tenga todo el contexto de entrada.

El formato es estable: los slugs de las páginas no cambian una vez publicados, así que cualquier URL capturada hoy sigue funcionando mientras la doc crece. El contenido autoreado es HTML; el Markdown y los índices se derivan en tiempo de request desde el mismo MongoDB store, así que no pueden hacer drift de lo que ven los humanos en el browser.