Connettore personalizzato Data Studio: quando crearne uno, come funziona e quanto costa

Che cos'è un connettore personalizzato Data Studio?

È codice che insegna a Data Studio come accedere a un'origine, quali campi offre e come recuperare le righe su richiesta. La documentazione per sviluppatori di Google li chiama connettori della community (community connector, nome rimasto anche negli anni di Looker Studio) e si scrivono in Google Apps Script sulla Connector API di Google.

Ogni connettore deve definire quattro funzioni. getAuthType indica a Data Studio come l'utente effettua l'accesso. getConfig chiede all'utente le impostazioni, come un ID account o l'obbligo di un intervallo di date. getSchema restituisce l'elenco di dimensioni e metriche con i rispettivi tipi. getData restituisce le righe per i campi effettivamente richiesti da un grafico. Una volta distribuito, il connettore compare come origine dati al pari dei connettori nativi GA4 o Google Ads, e report, campi calcolati, filtri e invii pianificati funzionano sopra di esso come di consueto.

La documentazione di Google elenca sette tipi di autenticazione supportati: OAuth 2.0, USER_PASS, USER_TOKEN, KEY, PATH_USER_PASS, PATH_KEY e NONE. Le credenziali vanno memorizzate nelle proprietà dell'utente (PropertiesService.getUserProperties), non digitate nei campi di configurazione, così una chiave API non finisce mai visibile agli altri editor del report.

Serve un connettore personalizzato, un connettore partner o una pipeline di dati?

La maggior parte dei team che mi chiede un connettore personalizzato finisce per avere bisogno di altro. Prima di scrivere una riga di codice, sottopongo l'origine a tre domande: esiste già un connettore, quanti dati servono a ciascun report e quanto devono essere aggiornati?

Data Studio si collega in modo nativo a GA4, Google Ads, Search Console, Sheets, BigQuery, YouTube, Campaign Manager 360, Display and Video 360, Ad Manager, Cloud SQL, MySQL, PostgreSQL, SQL Server e Redshift. I connettori partner di fornitori come Supermetrics, Windsor.ai, Porter Metrics, Funnel, Power My Analytics e Catchr coprono centinaia di piattaforme comuni a fronte di un canone mensile. Uno sviluppo su misura ha senso solo dove nessuno dei due copre la Sua origine, o dove il fornitore non riesce a dare ai dati la forma di cui hanno bisogno i Suoi report.

A che cosa può collegarsi un connettore della community?

A quasi tutto ciò che è raggiungibile via internet. La documentazione di Google indica quattro strade: API web, database JDBC, file piatti in CSV, JSON o XML e altri servizi Apps Script. In pratica le richieste che ricevo rientrano in tre gruppi.

Il primo è un sistema interno con un'API, come una piattaforma ordini, un motore di prenotazione o uno strumento di gestione delle polizze. Il secondo è un prodotto SaaS di nicchia che i grandi fornitori di connettori non supportano. Il terzo è un'azienda di software che vuole permettere ai propri clienti di creare report sui suoi dati in Data Studio: è il caso in cui ha senso pubblicare il connettore.

• API REST interne con autenticazione tramite chiave o token.
• Strumenti SaaS di settore con un'API ma senza connettore partner.
• Database raggiungibili tramite JDBC che i connettori nativi non coprono.
• File CSV, JSON o XML ospitati online che si aggiornano secondo una pianificazione.

Come si crea un connettore personalizzato Data Studio, passo dopo passo?

Lo sviluppo in sé è la parte minore. La maggior parte dell'impegno sta nel concordare i campi, gestire le stranezze dell'origine e fare test rispetto a numeri di cui l'azienda si fida già. Questa è la sequenza che seguo.

• Perimetro: elencare i report che il connettore alimenta, ogni campo di cui hanno bisogno, il suo tipo e i totali con cui riconciliare.
• Analisi dell'API: metodo di autenticazione, paginazione, limiti di frequenza, filtro per data e profondità dello storico disponibile.
• Autenticazione: scegliere il tipo di autenticazione corrispondente e memorizzare le credenziali nelle proprietà dell'utente, con errori chiari quando una chiave scade.
• Configurazione e schema: definire le impostazioni che gli utenti scelgono e uno schema tipizzato, con dimensioni e metriche chiamate come le chiama il Suo team.
• getData: recuperare solo i campi e l'intervallo di date richiesti, scorrere le pagine di risultati e mapparli sullo schema.
• Cache: memorizzare le risposte recenti, così i caricamenti ripetuti dei grafici non richiamano di nuovo l'API.
• Errori: restituire messaggi leggibili invece di un grafico vuoto, perché Data Studio non avvisa quando un connettore si rompe.
• Distribuzione e test: creare un deployment con versione, collegarlo in un report di prova, riconciliare i totali e poi condividerlo con il team.
• Consegna: codice nel Suo account Google, un breve documento su campi e limiti e una guida passo passo.

Quali limiti considerare prima di creare un connettore?

Le quote di Apps Script fissano il tetto, quindi vanno confrontate prima di tutto con il volume dei Suoi dati. I valori qui sotto provengono dalla pagina delle quote di Apps Script e dal riferimento del servizio Cache, entrambi consultati a ottobre 2026. Il valore di URL Fetch è giornaliero per l'account che esegue lo script, e conta quando molti utenti aprono un report nello stesso momento.

A questi si aggiungono comunque i limiti di Data Studio. I dati combinati contengono al massimo 5 origini dati, solo con join di uguaglianza, e le query molto grandi restituiscono errori di «troppe righe». Un connettore non elimina nessuno dei due limiti.

Perché i connettori personalizzati sono lenti e come mantenerli veloci?

Ogni richiesta di dati esegue Apps Script prima ancora che venga interrogata l'origine, e le pagine con tanti grafici e tanti utenti generano molte richieste. In una discussione del luglio 2025 sul forum per sviluppatori di Google (discuss.google.dev, intitolata «Custom Connectors Very Slow»), uno sviluppatore riferiva che i grafici impiegavano più di 10 secondi a comparire anche quando il connettore restituiva un risultato minimo scritto nel codice, e nella discussione non era stata pubblicata alcuna soluzione. Corrisponde a ciò che vedo io: un costo fisso per chiamata, moltiplicato per i grafici della pagina.

Le soluzioni sono soprattutto scelte di progettazione più che codice ingegnoso. Meno grafici per pagina, filtri che restringono la richiesta e risposte aggregate prima che arrivino a Data Studio aiutano tutti. Dove i dati sono molti o l'API è lenta, la risposta migliore è caricarli in BigQuery con una pianificazione e collegare Data Studio a una tabella partizionata, eliminando del tutto Apps Script dal percorso di visualizzazione.

• Restituire solo i campi e l'intervallo di date richiesti dal grafico.
• Aggregare nell'API o in un livello di cache, non riga per riga in Data Studio.
• Usare la cache per utente e per query, così le visite ripetute non interrogano l'API.
• Limitare le pagine ai grafici che le persone leggono davvero.
• Passare a un caricamento pianificato in BigQuery quando crescono i volumi o il numero di utenti.

Il connettore deve restare privato o essere pubblicato nella galleria?

Lo tenga privato se legge i dati della Sua azienda. La documentazione di Google conferma che un connettore può essere condiviso direttamente con qualsiasi utente, ed è tutto ciò che serve a un team di reportistica interno; in più si evita un processo di revisione pensato per i prodotti pubblici.

Lo pubblichi se è un'azienda di software e vuole che i Suoi clienti creino report sui Suoi dati. I requisiti di Google per i connettori partner sono precisi: un deployment di produzione, accesso in visualizzazione condiviso con gli indirizzi di revisione di Google, una pagina ospitata sul Suo dominio con informativa sulla privacy e termini di utilizzo, una pagina di assistenza anziché un semplice link email, un logo ospitato sotto il Suo controllo, ambiti OAuth espliciti, la verifica del client OAuth completata e un connettore finito, non in beta. Metta in conto il tempo di questa revisione oltre a quello dello sviluppo.

Quanto costa un connettore personalizzato Data Studio?

Lo sviluppo è il costo principale, mentre i costi di esercizio di solito sono contenuti. Apps Script non prevede alcuna licenza entro le quote indicate sopra, e Data Studio è gratuito per chi crea e per chi consulta i report. Data Studio Pro, a $9 per utente, per progetto, al mese, serve solo se il Suo team vuole spazi di lavoro Pro e contenuti di proprietà dell'organizzazione, non per usare un connettore.

A far variare il prezzo dello sviluppo è l'origine, non i grafici. Un'API con autenticazione tramite chiave, JSON pulito e un filtro per data è un lavoro contenuto. OAuth, paginazione profonda, nomi di campo incoerenti, storico mancante o limiti di frequenza stringenti aggiungono ciascuno lavoro, e la pubblicazione in galleria ne aggiunge altro. Come riferimento, le tariffe pubblicate da agenzie come halo-lab.com collocano i consulenti freelance Data Studio tra circa $100 e $200 l'ora, anche se un prezzo fisso su un perimetro scritto è più facile da confrontare.

Faccia il confronto con onestà. Se un connettore partner copre già la Sua piattaforma, il suo abbonamento è spesso più economico che sviluppare e mantenere codice proprio, e glielo dirò nell'analisi.

Errori frequenti, e quando non creare un connettore personalizzato

La maggior parte dei progetti di connettori falliti ha le stesse cause, e nessuna riguarda il codice. Sono problemi di perimetro e di proprietà che emergono mesi dopo, di solito quando qualcuno se ne va o l'API dell'origine cambia.

A volte la risposta giusta è nessun connettore. Per un broker assicurativo australiano che riceveva file .xls disordinati da diverse compagnie, un progetto che ho guidato in Greenwolf Tech Labs ha automatizzato l'arrivo dei file in Google Drive, li ha mappati in un foglio Google centrale applicando le regole di business e ha alimentato la dashboard da lì. La preparazione del report è scesa da 4-5 ore a meno di 5 minuti, e l'accuratezza della reportistica è salita da circa il 75% al 99%. Un connettore non avrebbe sistemato quei file; una pipeline sì.

• Sviluppare per una piattaforma già supportata da un connettore partner.
• Recuperare righe grezze e aggregarle in Data Studio, cosa che esaurisce rapidamente le quote.
• Lasciare lo script nell'account personale di un collaboratore esterno.
• Inserire le chiavi API nei campi di configurazione invece che nelle proprietà dell'utente.
• Saltare la riconciliazione, così nessuno si fida del primo report.
• Non ne crei uno quando l'origine è un'esportazione di file, i dati sono molto grandi o nessuno manterrà il codice dopo il lancio.

Come lavoro sui progetti di connettori

Lavora direttamente con me, dalla prima analisi alla consegna. Comincio leggendo la documentazione della Sua API o un'esportazione di esempio e i report che desidera, poi Le consiglio la strada più economica che regga nel tempo: un connettore partner, un connettore personalizzato oppure una pipeline su Sheets o BigQuery. Dopo un'analisi gratuita riceve un preventivo a prezzo fisso per quella strada, con i costi di esercizio indicati a parte.

Codice, deployment e origini dati risiedono nel Suo account Google fin dal primo giorno, quindi nulla dipende dal mio coinvolgimento futuro. Se il connettore alimenta una nuova dashboard, realizzo anche quella, e se un report esistente si è rotto dopo una modifica dell'origine, posso invece ripararlo.