Collegare Google Sheets a Data Studio: dashboard dai fogli di calcolo che usa già

Perché i report da Google Sheets a Data Studio si rompono così spesso?

Perché la maggior parte dei fogli di calcolo è progettata per le persone, non per uno strumento di reportistica. Intestazioni unite, righe di subtotale, una nuova colonna per ogni mese, note digitate nelle colonne numeriche e colori che hanno un significato vanno benissimo per un essere umano e confondono Data Studio.

I sintomi sono noti: una metrica che all'improvviso viene letta come testo, un grafico che conta due volte perché include i subtotali, oppure un intero report che si rompe perché qualcuno ha rinominato l'intestazione di una colonna. Data Studio legge le colonne come campi, quindi qualsiasi modifica a un'intestazione rompe ogni grafico e ogni campo calcolato che la usava.

Come strutturare un foglio prima di collegare Google Sheets a Data Studio?

Tenga una scheda di dati grezzi lunga e stretta e lasci la presentazione a Data Studio. Ogni riga è un record, come una transazione, una polizza o una riga d'ordine. Ogni colonna è un attributo con un solo tipo di dato.

Di solito divido una cartella di lavoro per la reportistica in tre tipi di schede: dati grezzi caricati dall'automazione, piccole tabelle di riferimento mantenute dalle persone e una scheda di output bloccata che Data Studio legge. Le persone modificano solo le tabelle di riferimento, e questo mantiene stabile l'output.

• Una sola riga di intestazione, con nomi brevi e stabili che non cambiano mai.
• Un record per riga, senza righe di subtotale o righe vuote di separazione.
• I mesi come valori in una colonna data, non come colonne separate.
• Date e numeri veri, mai numeri memorizzati come testo.
• Una colonna ID, così le righe si possono unire in modo affidabile ad altre origini.
• Obiettivi e mappature in schede di riferimento separate.

Come può Apps Script mantenere aggiornata una dashboard su Google Sheets?

Apps Script esegue codice all'interno di Google Workspace con un attivatore a tempo, quindi può svolgere il lavoro di copia e pulizia che altrimenti una persona farebbe ogni settimana. Le attività tipiche sono prelevare i nuovi file da una cartella di Google Drive, analizzarli, mappare le colonne su un layout standard, applicare le regole di business e accodare il risultato alla scheda dei dati grezzi.

È qui che si concentra la maggior parte del tempo risparmiato. La dashboard in sé spesso si costruisce in fretta. Le ore se ne vanno nel rituale mensile di scaricare, incollare, correggere e controllare, ed è esattamente ciò che uno script pianificato elimina. Aggiungo una semplice scheda di log, così può vedere quando è stato caricato ogni file e se qualcosa non è andato a buon fine.

Lo script applica anche le regole che una persona stanca salta a fine mese: rifiuta i file duplicati, segnala le righe senza ID e si ferma quando un file di origine arriva con un layout inatteso, invece di caricare in silenzio dati errati.

Che cosa può cambiare automatizzare il passaggio da Sheets a Data Studio? Un esempio nelle assicurazioni

Un broker assicurativo australiano con cui ho lavorato tramite Greenwolf Tech Labs riceveva file .xls disordinati da più compagnie, ciascuno in un formato diverso. Ogni ciclo di reportistica qualcuno passava ore a rimetterli in forma a mano.

Abbiamo costruito una pipeline in cui i file arrivano in Google Drive, vengono mappati in un foglio Google centrale, ricevono l'applicazione delle regole di business e alimentano una dashboard Data Studio. Il tempo per il report è sceso da 4-5 ore a meno di 5 minuti, l'accuratezza della reportistica è salita da circa il 75% al 99% e la visibilità sulle compagnie è passata da limitata a in tempo reale, con filtri.

Quali funzioni di Data Studio funzionano bene sui dati di Sheets?

Sheets è un'origine a schema flessibile, quindi una tabella può usare fino a 100 dimensioni e 100 metriche, molto più di quanto consentano GA4 o Google Ads. Campi calcolati e istruzioni CASE funzionano come di consueto, e i dati combinati possono unire un foglio a GA4, a Google Ads o a un altro foglio, fino a cinque origini, solo con join di uguaglianza.

Uno schema frequente è un piccolo foglio di obiettivi combinato con i dati aggiornati, così una scheda di valutazione mostra il consuntivo rispetto all'obiettivo. Le tabelle di previsione funzionano allo stesso modo, ed è così che spesso si costruiscono le viste consuntivo vs previsione. Da giugno 2026 gli utenti possono aggiornare i dati manualmente, il che aiuta quando un foglio è stato appena aggiornato prima di una riunione.

Quando una dashboard su Google Sheets dovrebbe passare a BigQuery?

Conviene passare quando il foglio è lento ad aprirsi, quando Data Studio inizia a restituire errori di «troppe righe» o va in timeout, oppure quando serve unire più origini di quante ne consenta una combinazione. Un altro segnale è quando diversi report hanno bisogno degli stessi dati puliti e ci si ritrova a mantenere copie dello stesso foglio.

Il passaggio non deve avvenire tutto in una volta. Spesso lascio in Sheets le tabelle di riferimento mantenute dalle persone e sposto in BigQuery i dati grezzi ad alto volume, con caricamenti pianificati. La dashboard mantiene il suo layout e cambiano solo le origini dati sottostanti.