Claude.ai 101: Come trasformare un Google Sheet in una dashboard pubblica senza scrivere una riga di codice

Ho un'abitudine. Tenere traccia degli esperimenti che faccio su LinkedIn in un Google sheet. Ogni settimana un'ipotesi, delle metriche, un risultato.

Quando ho iniziato a condividere questo Google sheet con un paio di persone, la reazione era sempre la stessa: "Mi piacerebbe dargli un'occhiata con più attenzione." Un Excel condiviso non è esattamente il massimo per esplorare dati con calma.

Quindi ho deciso di costruire una dashboard pubblica, senza scrivere una riga di codice. Mi ha dato il pretesto per imparare un po' meglio come funziona Claude.

Questo articolo racconta come l'ho fatto. Non è una storia di successo immediato. È un metodo che ho messo a punto sbagliando, e che adesso funziona abbastanza bene da valere la pena di condividerlo.

Qui sotto un estratto dal webinar in cui ne ho parlato. Big up per Matteo Moccia che ha gestito insieme a me la cosa.

Il risultato, prima di tutto

Prima di spiegare il processo, vale la pena capire cosa si ottiene alla fine.

Ovvero questa.

Una dashboard web pubblica, aggiornata in tempo reale dai dati del tuo Google Sheet, con un design decente e una logica personalizzata. Chiunque può aprirla da browser senza dover accedere al file originale.

Nel mio caso: un archivio di esperimenti LinkedIn, ognuno con la sua ipotesi, le metriche della settimana e un indice sintetico che mi dice se quell'esperimento è stato validato o no. Più una sezione trend con le metriche nel tempo.

L'insight che ha cambiato tutto: separare i componenti

Il primo approccio che ho provato era quello intuitivo: aprire Claude, caricare l'Excel, dire "costruisci una dashboard". Il risultato era sempre qualcosa di generico, lontano da quello che avevo in testa, difficile da correggere perché non sapevo da dove cominciare.

Il problema non era Claude. Era che stavo chiedendo troppo in una volta sola.

Quando si costruisce una dashboard, ci sono tre componenti distinti che non hanno niente a che fare l'uno con l'altro:

I dati: da dove arrivano, come sono strutturati, come li colleghi.

La logica: cosa ci fai con quei dati. Quali calcoli, quali aggregazioni, come definisci "questa informazione è di valore".

L'aspetto: come appare. Colori, layout, tipografia, come sono presentate le informazioni.

Tenere questi tre pezzi separati, lavorarci in chat diverse e poi unirli solo alla fine, è stata la svolta. Ogni componente diventa un problema risolvibile. Insieme diventano un casino.

Il processo, passo per passo

Passo 1: Risolvi la questione "import dei dati"

Prima di pensare a come appare la dashboard, devi capire come collegare i tuoi dati a Claude.

Nel mio caso ho usato Google Sheet con l'opzione "Pubblica sul web": il file genera un URL pubblico che Claude può leggere direttamente. Non è l'unico modo, ma è il più semplice se i tuoi dati non sono sensibili.

Ho lavorato in una chat dedicata solo a questo. Nessun input sul design, nessun input sulla logica. Solo: "Ho questi dati in questo formato, come li colleghi?"

Quando Claude ha confermato di riuscire a leggerli correttamente, quel pezzo era chiuso.

Passo 2: Definisci la logica

Questo è il passaggio più sottovalutato, e probabilmente il più importante.

La logica è quello che nel software si chiama product requirement document: un testo che spiega quali sono gli obiettivi, come si comporta l'app, cosa succede con i dati una volta caricati.

Ho aperto un'altra chat e ho descritto esattamente quello che volevo. Dal mio caso posso citare: ogni settimana ha un indice di "crescita" calcolato su quattro metriche con pesi diversi. Le view del profilo pesano di più delle impression perché per me indicano interesse reale, non solo visibilità. Un esperimento è "validato" se quell'indice supera la mediana storica.

Questa chat non ha prodotto nessun codice. Ha prodotto un documento che descrive la logica in modo preciso. È quello che avrei passato a uno sviluppatore se ne avessi avuto uno.

Passo 3: Definisci l'aspetto

Per l'aspetto ho fatto una cosa semplice: sono andato su Dribbble, che è un portfolio online di designer, ho trovato un'interfaccia che mi piaceva, ho fatto uno screenshot. Poi l'ho passato a Claude chiedendogli di descriverla in modo sistematico.

Il risultato è stato un documento di design system: colori, tipografia, spaziatura, stile dei componenti. Una specie di manuale visivo che descrive come appare quell'interfaccia.

Anche questa chat ha prodotto un documento, non codice.

Passo 4: Unisci tutto

A questo punto avevo tre cose separate: i dati collegati, la logica descritta, l'aspetto documentato.

Ho aperto la chat principale, ho caricato l'Excel, e ho scritto un prompt che includeva una versione condensata del documento di logica e le istruzioni grafiche. Qualcosa del tipo: "Costruisci una dashboard usando questi dati, seguendo questa logica e questo stile."

Il primo risultato non era perfetto. Ma era molto più vicino a quello che volevo rispetto a qualsiasi tentativo precedente. E soprattutto, sapevo esattamente cosa correggere.

Come iterare senza fare casino

L'iterazione è inevitabile. Il punto è farlo in modo che la situazione migliori invece di deteriorarsi.

La cosa che ha cambiato di più il mio approccio è stata strutturare i feedback in punti separati e numerati. Invece di scrivere "aggiusta un po' il layout e cambia il colore di quella sezione e aggiungi anche il totale in cima", ho scritto:

1. Nella tab Trends, il titolo "Followers nel tempo" diventa "Followers a settimana"

2. Il colore del testo nella card sommario diventa bianco

3. Aggiungi una riga di totale in cima alla tabella esperimenti

Ogni modifica ha un contesto preciso. Claude sa esattamente dove intervenire. Il risultato è controllabile.

Quando qualcosa non funziona visivamente, uso uno screenshot. Non descrivo il problema a parole: mostro direttamente l'errore o la cosa che non torna. Questo riduce i fraintendimenti e accelera la risoluzione.

💡Un principio che mi sembra di poter isolare: Claude è molto più bravo quando isoli i problemi. Più cose gli chiedi contemporaneamente in un contesto già complesso, più il risultato si deteriora. Ma dopotutto questo non è un limite dell'AI, è un principio generale di project management.

Cosa ho ottenuto

Una dashboard pubblica con tre sezioni: un sommario con le metriche aggregate, un archivio degli esperimenti con l'indice di validazione, una sezione trend con i grafici settimana per settimana.

Si aggiorna automaticamente quando modifico il Google Sheet. Chiunque può aprirla da browser.

Il lavoro vero non è stato scrivere codice. È stato fare chiarezza su cosa volevo: definire la logica prima di costruire, scegliere un riferimento visivo invece di descrivere vagamente "qualcosa di pulito", separare i problemi invece di buttarli tutti insieme.

Claude ha fatto il resto.

Se hai un Excel con dati che vorresti rendere più accessibili, il punto di partenza non è aprire una chat e caricare il file. È rispondere a tre domande: da dove arrivano i dati? Cosa ci fai con quei dati? Come deve apparire? Quando hai le risposte, il lavoro diventa molto più lineare di quanto sembri.