📩 Newsletter Dati365 → https://daiti365.substack.com/📊 Academy Dati365 → https://dai-dati-alla-bi-393157.socialacademy.com/In una dashboard fatta bene, i dati che vedi NON sono quelli che pensavi all’inizio.In questa puntata di Dai Dati alla Business Intelligence entriamo nel cuore reale di un progetto dati, insieme al partner di progetto Itauros.Non parliamo di tool.Non parliamo di grafici.Parliamo di quello che succede davvero quando provi a trasformare un’esigenza di business in un sistema di analytics funzionante.🎯 Di cosa parliamo concretamente in questo episodioPartiamo da un punto molto semplice (ma sottovalutato):👉 “Cosa vogliamo analizzare?”Sembra banale.Non lo è.Perché quello che emerge durante il progetto è questo:gli obiettivi iniziali sono spesso incompleti o poco chiariil business fatica a formalizzare davvero cosa vuoleil team dati scopre vincoli e opportunità solo lavorando sui datiE quindi cosa succede?Succede che il processo NON è lineare.🔄 Il processo reale (che nessuno racconta)In questo episodio vediamo passo dopo passo il loop vero:Si parte da un’esigenza di businessSi entra nei dati (ETL, modellazione, viste)Si costruisce una prima strutturaSi torna al business con più consapevolezzaSi ridefiniscono gli obiettiviE questo ciclo si ripete.👉 Non è un errore. È il processo.📊 Caso concreto: cosa stiamo costruendoIn questo progetto (Dati365) partiamo da un business in abbonamento.Le domande iniziali sembrano semplici:quanti clienti attivi abbiamo?quanto fatturano?quanto restano nel tempo?Ma appena iniziamo a lavorarci sopra emergono subito nuove complessità:differenza tra clienti mensili e annualigestione delle coorti (quando entrano e come evolvono)analisi dei canali di acquisizioneconfronto tra clienti “sopra” e “sotto” la media👉 Risultato: la “dashboard semplice” non è più così semplice.⚠️ L’errore più comune (e pericoloso)Partire subito dalla dashboard.“Facciamo qualche grafico”“Mettiamo dentro un po’ di KPI”“Poi vediamo”👉 È qui che iniziano i problemi:dashboard piene di rumoreanalisi poco utilizzabilicontinue modifiche e reworkPerché?Perché non è chiaro cosa vuoi davvero capire.🧠 Il vero lavoro nei datiQuesto episodio chiarisce una cosa fondamentale:Il valore non è:nel toolnel graficonella queryIl valore è nel:👉 definire le domande giuste👉 tradurre business ↔ dati👉 costruire un percorso di analisi coerente⚖️ Il trade-off reale che affrontiamoDurante la puntata tocchiamo anche un tema avanzato:centralizzare vs specializzare i datiuna sola vista → rischio rigiditàtroppe viste → caos e inconsistenza👉 la soluzione è progettare viste “intermedie”:abbastanza flessibilima governate🎬 Serie “Dietro le quinte”Questa è una serie in cui raccontiamo come nasce davvero un progetto dati:confronto tra business e ITerrori, iterazioni, cambi di direzionescelte architetturali e di analisiNiente teoria astratta.Solo processo reale.🤝 Partner del progettoQuesto progetto è sviluppato insieme a Itauros, con cui stiamo costruendo passo dopo passo l’intera architettura dati e il sistema di analisi.📣 Se lavori con i dati (o vuoi farlo)Questo è il tipo di contenuto che fa davvero la differenza.Iscriviti al canaleLascia un likeScrivi nei commenti:👉 da dove parti quando devi costruire una dashboard?

Se vuoi approfondire questi temi, nella mia newsletter condivido ogni settimana contenuti pratici su dati, AI e decisioni 👉 https://substack.com/@dati365------------------------------------------------------------In questo video trovi la registrazione di un workshop che ho tenuto come ospite nella community di @RaffaeleGaito , all’interno della sua academy AI 360.Il tema è l’utilizzo dell’intelligenza artificiale nella data analytics, con un focus molto pratico su come supportare (e non sostituire) il lavoro del data analyst.Il video è di qualche mese fa, quindi alcuni modelli o funzionalità potrebbero essere cambiati nel frattempo.Quello che non cambia, però, è il punto centrale: l’AI da sola non basta.Nel workshop mostro alcuni esempi concreti di utilizzo di ChatGPT per analizzare dati e creare grafici, e come il risultato cambi in modo significativo quando si inseriscono contesto, obiettivi e competenze di data analytics.Si parla anche di:cosa fa davvero un data analystperché molte dashboard non aiutano a prendere decisioniil ruolo del data storytellingcome progettare una dashboard prima ancora di costruirlacome usare i custom GPTs per supportare la fase di prototipazioneL’idea di fondo è semplice: l’AI è uno strumento molto potente, ma va guidata.Se usata senza metodo, tende a produrre output medi o fuorvianti.Se inserita in un processo strutturato, diventa un acceleratore enorme.Se lavori con dati, dashboard o decisioni, qui trovi un approccio concreto che puoi applicare subito.00:00 Introduzione e contesto workshop (AI 360)02:15 Chi sono e cosa faccio04:30 Cos’è davvero la data analytics07:20 Il ruolo del data analyst: dai dati alle decisioni10:10 La piramide dati → informazione → decisione13:30 Esempio pratico: dati senza contesto17:20 Perché serve il data storytelling20:30 Primo test con ChatGPT sui dati24:00 Limiti dell’AI: grafici e analisi superficiali27:30 Come migliorare i risultati con prompt migliori32:10 Il ruolo dello human-in-the-loop36:00 Dal grafico alla dashboard39:30 Cos’è davvero una dashboard efficace43:00 I 3 pilastri del data storytelling47:30 Prototipazione: perché carta e penna52:00 Il metodo di progettazione dashboard56:30 Introduzione ai Custom GPTs59:00 Custom GPT 1: storyboard01:05:00 Custom GPT 2: scelta dei grafici01:12:00 Custom GPT 3: titoli e testi01:18:00 Esempio reale: costruzione dashboard01:28:00 Errori dell’AI e iterazione01:35:00 Considerazioni finali sull’AI nei dati01:38:00 Q&A e conclusione

In questa nuova puntata di Dietro le quinte dei progetti di data analytics affrontiamo uno dei problemi più reali e più sottovalutati nei progetti dati: il momento in cui dovresti parlare di strategia, ma finisci per bloccarti sui dati.È una situazione molto più comune di quanto sembri.Si entra in riunione per prendere decisioni di business, discutere priorità, valutare investimenti, capire come sta andando l’azienda o quale direzione prendere. E invece ci si ritrova a parlare di tutt’altro: numeri che non tornano, definizioni non condivise, clienti contati in modi diversi, dati sporchi, logiche poco chiare, fonti non allineate. Il risultato? La decisione si ferma.Questa puntata parte da un caso concreto e personale: un confronto su Dati 365 che avrebbe dovuto riguardare la strategia e la sostenibilità del progetto, ma che si è trasformato in una discussione sui dati, su come interpretarli, su come pulirli e su come costruire definizioni corrette per poterli usare davvero. Ed è proprio qui che emerge una lezione fondamentale: se il lavoro sui dati non viene fatto bene prima, nel momento in cui serve decidere ci si blocca.Nel video parliamo di perché la qualità del dato non è un tema solo tecnico o solo IT, ma un tema che impatta direttamente il processo decisionale. Perché se i dati non sono affidabili, se non sono stati validati, se non esistono definizioni condivise su cosa sia un cliente, un contatto, un abbonamento, un upgrade o un ricavo mensile, allora la riunione non serve a decidere: serve solo a capire quale numero sia giusto.Approfondiamo anche il ruolo delle view, che in questa puntata diventano il vero passaggio tecnico chiave. Le view non sono il punto finale del percorso e non sono ancora la dashboard o il data storytelling, ma sono uno step intermedio fondamentale: servono a organizzare, aggregare, normalizzare e semplificare i dati in modo da preparare una base solida per l’analisi successiva. In altre parole, sono il semilavorato che rende possibile il lavoro di narrazione del dato.Parliamo quindi di:perché i dati sbagliati o non preparati possono bloccare una riunione strategicaperché un progetto di data analytics non è lineare ma iterativocome si passa dai dati grezzi a tabelle più strutturate e poi a view più leggibiliperché le definizioni di business contano tanto quanto il codiceche differenza c’è tra parlare dei dati e parlare con i daticome le view aiutano a preparare il terreno per il data storytellingperché una dashboard, da sola, non basta se prima non è stato costruito bene tutto il percorsoQuesta puntata è utile se lavori con Power BI, Excel, SQL, dashboard, business intelligence, data warehouse, ETL, reporting, analytics, data preparation e data storytelling, ma soprattutto se ti capita spesso di vivere riunioni in cui si dovrebbe decidere e invece ci si arena sui numeri.Perché il punto, alla fine, è sempre questo:i dati dovrebbero aiutarti a decidere meglio. Se invece ti bloccano, significa che a monte c’è ancora del lavoro da fare