- Licença é só uma parte do custo: Kommo custa ~US$15/25/45 por usuário/mês (Base/Advanced/Enterprise), o que em câmbio de ~R$5,50 dá ~R$83/~R$138/~R$248 por usuário/mês, mas BI normalmente exige também Make/Zapier, scripts/API ou serviço de implantação.
- Kommo é excelente para dado operacional do chat, não para BI “corporativo”: para gestor comercial, o nativo costuma bastar; para diretoria/FP&A (CAC, ROI por canal, cohort, LTV), você tende a precisar extrair e modelar fora.
- O risco real é “dado inconsistente”: se o time não segue etapas do funil, não preenche campos e pula atividades, seu BI fica bonito e errado. O custo oculto aqui é governança e padronização, não tecnologia.
- Integração via API é viável, mas não é plug-and-play: exige mapeamento (entidades, campos customizados, funis), tratamento de duplicidade e rotina de atualização. Sem alguém dono do dado (ops/CRM), vira manutenção contínua.
- Decisão prática: se sua prioridade é WhatsApp + controle de conversas + processo de vendas, Kommo faz sentido e o BI pode vir depois; se sua prioridade é analytics avançado “de primeira”, avalie se você tem maturidade de dados (e gente) antes de comprar achando que o CRM resolve tudo.
Para quem este review é (e qual é o ângulo)
Se você está decidindo implementar Kommo e a pergunta não é apenas “vai organizar o WhatsApp?”, mas “vou conseguir medir o comercial do jeito que a empresa precisa?”, este é o ponto. A maioria dos CRMs conversacionais brilha na operação diária (responder rápido, distribuir leads, registrar histórico) e tropeça quando você quer métricas padronizadas, comparáveis e auditáveis no Power BI/Looker/Data Studio.
O ângulo aqui é: Kommo como fonte de dados. O que dá para tirar de lá, como sair do básico sem virar uma gambiarra cara, e quais são os limites reais de relatório/modelagem para quem precisa tomar decisão executiva.
O que o Kommo entrega bem (quando o objetivo é dado + operação)
O Kommo tende a funcionar muito bem quando o dado que você quer medir é consequência direta do processo conversacional: entrada de lead, etapa do funil, tempo até primeira resposta, volume de conversas por vendedor, atividades e status do deal. Isso porque o produto foi desenhado para vender “dentro do chat”, com pipeline visual e trilha de conversas centralizada — o que aumenta a chance de o dado existir (desde que o time use).
Na prática, se você quer um painel de gestão comercial para rotina (daily/weekly), Kommo costuma atender com menos fricção do que CRMs mais generalistas, justamente porque WhatsApp e funil ficam no mesmo lugar.
Onde normalmente quebra: BI exige padronização, e CRM não cria maturidade sozinho
O problema recorrente em projetos de BI com CRM não é “falta de dashboard”, e sim falta de disciplina de dado: etapas mal definidas, campos livres demais, vendedores criando atalhos, e fontes de lead chegando sem UTM/identificação. Kommo não foge disso. Se você não tiver um dono do processo (CRM/RevOps) e regras mínimas (o que é lead qualificado, quando muda etapa, o que é ganho/perdido), qualquer extração para Power BI vira um espelho do caos.
Outro ponto: relatórios nativos de CRM geralmente resolvem gestão tática, mas quando você quer cruzar dados com financeiro, mídia paga, ERP, plataforma de pagamentos e metas, você entra em território de modelagem (tabelas fato/dimensão, deduplicação, chaves únicas). Aí, Kommo vira só mais uma fonte — e você precisa de pipeline de dados.
Custos reais envolvidos quando BI entra no escopo (licença + ‘camadas’)
A licença do Kommo é por usuário/mês e geralmente aparece em três faixas: Base (US$15), Advanced (US$25) e Enterprise (US$45) por usuário/mês. Em conversão simples a ~R$5,50/US$ (referência, varia), isso dá ~R$83, ~R$138 e ~R$248 por usuário/mês — antes de impostos/IOF e variação cambial no cartão/boleto.
Só que BI quase nunca fica apenas na licença. Você pode precisar de: (1) Make/Zapier para integração; (2) um conector/API/rotina para extrair incrementalmente; (3) alguém para manter mapeamentos e corrigir campos; (4) eventualmente um data warehouse (BigQuery/Snowflake/Redshift) se o volume e o cruzamento crescerem. Se você não tem essa estrutura, o risco é prometer BI e entregar um monte de CSV manual toda semana.
Três caminhos práticos para levar dados do Kommo ao BI (e o trade-off real)
Na vida real, existem três abordagens que aparecem com mais frequência em empresas brasileiras usando Kommo:
1) Exportação manual/recorrente (CSV/Sheets): rápido para começar, bom para prova de valor, mas frágil (erro humano, versionamento, atraso e ‘um relatório diferente por pessoa’).
2) Automação via Make/Zapier: melhora a recorrência e reduz o manual, mas cria dependência de cenários (que quebram), limites de tarefas e custo mensal do integrador. É ‘semi-engenharia’ sem desenvolvedor, funciona bem até certo nível de complexidade.
3) Integração via API + ETL/ELT: mais robusta e auditável, porém exige alguém técnico (interno ou parceiro), documentação, manutenção e governança de mudanças (novos campos/funis). É o caminho quando BI vira missão crítica.
Com tabela: qual abordagem escolher para BI dependendo do seu estágio
A tabela abaixo não é “certo vs errado”. É um jeito direto de escolher sem se enganar: quanto mais crítico seu BI, mais você paga em robustez (tempo e/ou ferramenta).
| Abordagem | Quando faz sentido | O que você ganha | Limitações e riscos | Custo típico além do Kommo |
|---|---|---|---|---|
| CSV/Exportação manual | Time pequeno, gestão semanal, baixa exigência de auditoria | Começa rápido, quase zero setup | Erro humano, atraso, dado não rastreável; difícil escalar | Baixo (tempo de pessoas); pode virar alto em horas ocultas |
| Google Sheets + automação simples | Você precisa de recorrência (diária) mas sem engenharia pesada | Menos retrabalho, dá para alimentar Data Studio/Looker | Ainda frágil para histórico e deduplicação; mudanças quebram planilhas | Médio (Make/Zapier + manutenção mensal) |
| Make/Zapier → BI | Operação já padronizada e eventos bem definidos | Automação de ponta a ponta sem código pesado | Custo por tarefa/execução; cenários quebram; rastreio limitado | Médio a alto (assinatura + horas de suporte) |
| API + ETL/ELT + Data Warehouse | BI é crítico, precisa cruzar com ERP/mídia/financeiro e manter histórico | Robustez, auditabilidade, histórico, governança e escala | Precisa dono técnico; projeto de dados; mais prazo de implantação | Alto (desenvolvimento + infraestrutura + operação) |
O que medir no BI (e o que costuma ser “pegadinha” em CRM conversacional)
Métricas que tendem a sair bem do Kommo (se o processo estiver ajustado): volume de leads por canal, taxa de avanço por etapa, tempo até primeira resposta, taxa de ganho por vendedor/etapa, motivos de perda (se padronizados), produtividade por carteira e SLA operacional (resposta/atrasos).
Métricas que viram pegadinha sem maturidade de dados: CAC por campanha (UTM faltando e canal ‘WhatsApp’ genérico), ROI por mídia (sem amarração confiável de origem), conversão por coorte (sem data correta de entrada/qualificação), e forecast “sério” (se o time mexe em etapas sem critério ou se não existe definição de probabilidade por etapa).
O ponto editorial honesto: Kommo não é ‘ruim’ nisso — é que CRM nenhum salva um funil mal definido. Se você espera que o CRM produza automaticamente atribuição e modelagem financeira, a frustração é quase garantida.
Checklist de decisão (antes de comprar pensando em BI)
1) Vocês já têm dicionário de dados comercial? (o que é Lead, MQL/SQL, Oportunidade, Ganho/Perdido). Sem isso, BI vai refletir interpretações diferentes.
2) Campos críticos são obrigatórios? Ex.: origem, produto, ticket estimado, motivo de perda. Se fica opcional, vira nulo e seu BI perde valor.
3) Existe rotina de higiene de dados (duplicidade, padronização, auditoria)? Caso contrário, o BI vira ‘painel de achismo’.
4) Quem é o dono do CRM e do dado? Se é ‘de todo mundo’, na prática é de ninguém. BI sem dono vira projeto eterno.
5) Qual nível de automação e histórico você precisa? Se a resposta é “diretoria vai olhar todo dia e bater com financeiro”, CSV manual não é aceitável.
Veredito: quando o Kommo vale a pena para quem precisa de BI (e quando eu teria cuidado)
Vale a pena quando o objetivo primário é melhorar execução comercial no WhatsApp (velocidade, distribuição, histórico, funil) e o BI é uma evolução natural — começando simples e ganhando robustez conforme a operação amadurece. Nesse cenário, a licença (US$15/25/45 por usuário/mês, ~R$83/~R$138/~R$248) costuma ser justificável porque a eficiência operacional aparece antes do ‘BI perfeito’.
Eu teria cuidado quando o seu principal driver de compra é analytics avançado desde o dia 1 e sua empresa já exige governança forte, consolidação com ERP/financeiro e auditoria. Não porque o Kommo não possa participar disso, mas porque o custo e o esforço estarão mais em dados/integração do que no CRM — e você pode se frustrar se comprar esperando que o Kommo substitua uma stack de dados.
Perguntas frequentes
Dá para conectar Kommo ao Power BI diretamente?
Os relatórios nativos do Kommo substituem um BI?
Qual plano do Kommo faz mais sentido se eu vou extrair dados?
O que mais encarece um projeto de BI com Kommo?
Se eu começar com exportação manual, vou conseguir evoluir depois?
Leia também
O software é bom. O resultado vem da implementação.
O Kommo é uma ferramenta excelente — mas quem transforma o CRM em máquina de vendas é o processo por trás dele. A rota mais rápida: entrar na Comunidade Kommo Brasil (implementação guiada com quem já fez centenas de vezes), garantir suas licenças ou acompanhar o conteúdo no YouTube.
Portal do ecossistema Luiz Otávio — engenharia digital, CRM e IA.