Kiedy pytasz o cenę dashboardu w Data Studio, odpowiedź jest zawsze ta sama: to zależy. Ale to nie jest wymówka – to rzeczywiście jeden z tych produktów cyfrowych, gdzie rozstrzał między 500 zł a 20 000 zł wynika z fundamentalnie innych zakresów prac. Prosty raport z jednym źródłem danych to zupełnie inny projekt niż enterprise'owy system raportowania z BigQuery, Row-Level Security i automatyczną wysyłką PDF do zarządu. Ten artykuł rozkłada cennik na czynniki pierwsze, żebyś przed pierwszą rozmową z wykonawcą wiedział czego oczekiwać i co przygotować.
Cennik według złożoności projektu
Poniższa tabela to realne widełki, nie chwytliwe liczby z ulotki. Każdy projekt jest inny, ale te cztery poziomy obejmują zdecydowaną większość zapytań, które do mnie trafiają.
| Parametr | Starter 500–2 000 zł |
Standard 2 000–6 000 zł |
Enterprise 6 000–20 000 zł |
Obsługa 500–2 000 zł/mies. |
|---|---|---|---|---|
| Zakres | Raport operacyjny dla jednego działu | Dashboard wielostronicowy dla kilku odbiorców | System raportowania dla całej organizacji | Miesięczne utrzymanie i rozwój |
| Źródła danych | 1 źródło (Google Sheets, GA4 lub Google Ads) | 2–4 źródła, blending lub widok BigQuery | BigQuery pipeline, API własne, RLS | Istniejący system + nowe integracje |
| Czas realizacji | 3–5 dni roboczych | 1–3 tygodnie | 4–10 tygodni | Ongoing |
| Co obejmuje | Briefing, podłączenie źródła, projekt graficzny, udostępnienie | Wszystko ze Starter + SQL/blending, szkolenie, dokumentacja | Wszystko ze Standard + architektura BigQuery, RLS, harmonogram PDF, testy UAT | Monitoring, poprawki, nowe widoki, optymalizacja wydajności |
Co wchodzi w zakres wdrożenia?
Wiele osób myśli, że wdrożenie dashboardu to po prostu "zrobienie kilku wykresów". W praktyce dobrze wykonany projekt BI składa się z kilku warstw, które razem decydują o tym, czy raport będzie działał za rok tak samo sprawnie jak w dniu odbioru.
1. Briefing i audyt danych. Zaczynam od rozmowy – chcę zrozumieć kto będzie korzystał z raportu, jakie decyzje ma wspierać i jakie dane są już dostępne. Bez tego etapu każdy kolejny krok to strzelanie w ciemno.
2. Podłączenie i weryfikacja źródeł danych. To często najbardziej czasochłonny etap. Dane z GA4 trzeba sprawdzić pod kątem spójności, dane z Google Ads mogą wymagać mapowania kampanii, a własna baza SQL – napisania warstwy transformacji w BigQuery. Podłączenie "na ślepo" kończy się zwykle raportem, który pokazuje złe liczby.
3. Projekt dashboardu. Układ strony, hierarchia informacji, dobór typów wykresów, kolory i typography – wszystko z myślą o konkretnym odbiorcy. Inaczej wygląda dashboard dla CEO, inaczej dla analityka, inaczej dla handlowca w terenie na telefonie.
4. Testowanie i walidacja. Porównuję liczby ze źródłem, sprawdzam filtry, daty, obliczenia pól. Testuję na kilku typach urządzeń. Bez tej fazy zawsze coś się sypie po odbiorze.
5. Szkolenie i dokumentacja. Przekazuję raport z krótkim przewodnikiem: jak go filtrować, jak dodawać nowych użytkowników, co robić gdy coś nie działa. Dobry specjalista nie zostawia Cię sam na sam z nowym narzędziem.
Kiedy cena rośnie – 5 czynników
Jeśli Twój projekt trafia do jednej z poniższych kategorii, spodziewaj się wyższej wyceny. To nie jest lista do straszenia – to informacja, żebyś wiedział skąd bierze się różnica w cenie między ofertami różnych wykonawców.
1. Wiele źródeł danych wymagających blendingu. Połączenie GA4, Google Ads, Facebooka i własnego CRM w jednym raporcie to projekt inżynieryjny. Blending w Data Studio ma swoje limity (tylko LEFT JOIN, max 5 źródeł, problemy z wydajnością przy dużych zbiorach), więc często konieczne jest przeniesienie łączenia danych do BigQuery. To dodaje czas i wartość.
2. Budowa pipeline'u BigQuery. Jeśli dane muszą być przechowywane, transformowane lub łączone przed wejściem do raportu, buduję pipeline – tabele w BigQuery, widoki SQL, harmonogramy odświeżania. To nakłaca dodatkowy czas pracy, ale skutkuje raportem, który działa szybko i nie sypie się przy dużych zbiorach.
3. Row-Level Security. Jeśli różni użytkownicy mają widzieć różne dane (np. regionalny handlowiec tylko swój region, a dyrektor – całość), potrzebuję wdrożyć filtrowanie na poziomie źródła danych oparte o email zalogowanego użytkownika. To eleganckie rozwiązanie, ale wymaga odpowiedniej architektury BigQuery.
4. Niestandardowe konektory API. Facebook Ads, Shopify, HubSpot, systemy własne – jeśli dane nie mają natywnego konektora Google, trzeba je pobierać przez API i składować w BigQuery lub Sheets. Każdy taki konektor to dodatkowy czas konfiguracji i testowania.
5. Niejasny brief i iteracyjne poprawki. To największy ukryty koszt. Projekt, który zaczyna się od "zrób coś fajnego z naszymi danymi", a kończy na piątej rundzie poprawek bo każdy stakeholder ma inne zdanie – pochłania czas nieproporcjonalnie do efektu.
"Niejasny brief to numer jeden przyczyna przekroczenia budżetu projektu BI. Każda godzina spędzona na doprecyzowaniu wymagań przed startem oszczędza trzy godziny poprawek po wdrożeniu."
Jak wygląda mój proces wyceny
Pracuję wyłącznie na stałej cenie za projekt – nie rozliczam się godzinowo. Powód jest prosty: przy rozliczeniu godzinowym ryzyko nieprzewidzianych komplikacji spada na Ciebie. Przy fixed-price – na mnie. To mnie motywuje do dobrego briefiningu na początku i chroni Cię przed niespodziankami na fakturze.
Krok 1 – Bezpłatny briefing. 30–45 minut rozmowy (video lub telefon). Omawiam Twoje dane, odbiorców raportu i cele. Na tym etapie nie piszę jeszcze żadnej wyceny – najpierw chcę zrozumieć.
Krok 2 – Wycena wstępna i koncepcja. W ciągu 24–48 godzin od rozmowy przesyłam dokument z: opisem zakresu, propozycją architektury danych, widełkami cenowymi i szacowanym czasem realizacji. Jeśli projekt jest bardziej złożony, na tym etapie mogę zaproponować prototyp (zwykle bezpłatny lub za symboliczną opłatę) zanim przejdziemy do pełnego zakresu.
Krok 3 – Oferta na stałą cenę. Po akceptacji koncepcji wystawiam ofertę z jasno zdefiniowanym zakresem: co dokładnie buduję, ile stron, jakie źródła danych, jakie funkcjonalności. Zmiany zakresu po podpisaniu umowy są możliwe, ale wyceniane osobno – bez niespodzianek.
Werdykt – kiedy warto zainwestować?
Pytanie o cenę dashboardu jest w gruncie rzeczy pytaniem o ROI. Czy 3 000 zł za raport się zwraca? Policzmy na konkretnym przykładzie.
Typowy menedżer działu marketingu spędza 8–12 godzin miesięcznie na ręcznym zbieraniu danych z GA4, Google Ads i arkuszy, łączeniu ich w Excelu i wysyłaniu raportu do zarządu. Przy stawce 60–80 zł/h (koszt pracodawcy) to 500–1 000 zł miesięcznie czystych kosztów pracy – i to bez uwzględnienia błędów ludzkich, opóźnień i frustracji.
Dashboard, który automatyzuje ten proces, zwraca się w ciągu 3–6 miesięcy. Przy założeniu, że działa 2–3 lata, rzeczywisty koszt to nie "3 000 zł" – to zysk rzędu 15 000–30 000 zł zaoszczędzonej pracy. Do tego dochodzi wartość informacyjna: decyzje podejmowane na podstawie aktualnych danych, nie miesięcznych raportów sprzed tygodnia.
Inwestycja w BI ma sens zawsze, gdy koszt wdrożenia jest niższy niż roczny koszt ręcznej pracy którą zastępuje. W większości projektów, które realizuję, ten próg jest osiągany przed upływem roku. Często znacznie wcześniej.