Prompt Analisi dei dati

Ti fornisco un export di dati da [fonte, es. CRM, software gestionale, Google Analytics] e voglio capire cosa contiene e quali informazioni estrarre. Contesto aziendale: [attività e domanda generale, es. voglio capire perché le vendite calano].

Dati: [incolla i dati o le prime righe con le intestazioni]

Procedi in ordine: descrivi la struttura (colonne, tipi di dati, periodo coperto, granularità), valuta la qualità (valori mancanti, probabili duplicati, incongruenze, colonne vuote o costanti (elencale con precisione)), calcola le statistiche di base delle colonne importanti, quindi proponi 5 domande di business a cui questi dati possono rispondere e 3 domande a cui NON POSSONO rispondere nonostante le apparenze (indicando il dato mancante).

Termina con l'analisi più promettente da effettuare per prima e il relativo metodo. Non trarre conclusioni di business in questa fase.

Il mio indicatore [indicatore, es. tasso di conversione, carrello medio, churn rate] è passato da [valore prima] a [valore dopo] tra [periodo 1] e [periodo 2]. Storico disponibile: [valori dei periodi precedenti]. Eventi nel periodo: [cosa è cambiato: campagna, prezzi, stagione, incidenti, restyling].

Prima di ogni interpretazione, aiutami a verificare: la variazione è significativa rispetto alle fluttuazioni abituali della serie (calcola l'ordine di grandezza delle variazioni normali dallo storico)? La stagionalità può spiegarlo (confronta con lo stesso periodo di anni o cicli precedenti)? Il perimetro di misurazione è cambiato (volume sottostante, definizione, strumento di misura)?

Solo dopo, elenca le ipotesi esplicative ordinate per plausibilità, indicando per ognuna il test o il dato che la confermerebbe. Vietato: concludere su una causa basandosi solo sulla coincidenza temporale. Termina con quello che diresti onestamente in una frase se ti chiedessero: «Allora, è grave?».

Aiutami a definire il cruscotto (dashboard) per [ambito, es. team commerciale, e-commerce, servizio clienti]. Obiettivo dell'attività: [obiettivo]. Decisioni che questo cruscotto deve supportare: [decisioni ricorrenti, es. dove concentrare lo sforzo commerciale, quando assumere, quali prodotti spingere]. Dati disponibili: [fonti e strumenti].

Per ogni decisione elencata, proponi l'indicatore o gli indicatori che la supportano realmente, distinguendo tra indicatori di risultato (ciò che osserviamo) e indicatori di azione (ciò su cui possiamo agire questa settimana). Massimo 8 indicatori totali: se ne escludi alcuni, spiega il perché.

Per ogni indicatore scelto: definizione univoca (cosa contiamo esattamente, in quale periodo), formula, fonte, frequenza di lettura e la classica trappola di interpretazione (effetto mix, media che nasconde una distribuzione, indicatore manipolabile dal team che lo misura).

Trasforma la mia analisi in una presentazione per [audience, es. consiglio di amministrazione, responsabile, cliente]. Domanda iniziale dell'analisi: [domanda]. Cosa ho scoperto: [risultati, numeri, evidenze]. Limiti dell'analisi: [limiti: dati parziali, periodo breve, possibili bias]. Cosa raccomando: [raccomandazione se presente].

Costruisci la presentazione in questo ordine: la risposta alla domanda in una frase (prima il messaggio principale, mai il metodo), 2 o 3 evidenze a supporto, ognuna con il SUO numero (non cinque numeri per evidenza), la raccomandazione con costi e benefici attesi, i limiti esposti francamente ma senza sminuire il lavoro (un limite esposto = una precauzione d'uso, non una scusa).

Prepara anche: le 3 probabili domande a trabocchetto dell'audience con le relative risposte, e la versione «elevator pitch» di 30 secondi del messaggio. Formato: [formato di output desiderato, es. schema slide, email, nota di una pagina].

Voglio testare [cambiamento previsto, es. nuovo prezzo, nuova landing page, nuovo script di vendita, orario di invio] prima di implementarlo su larga scala. Situazione attuale: [metrica attuale e livello]. Volume disponibile: [traffico, chiamate, invii a settimana]. Cosa spero di ottenere: [miglioramento atteso].

Costruisci il protocollo: l'ipotesi formulata in modo confutabile («se X allora Y aumenta di almeno Z»), il criterio di successo e la soglia decisionale fissati ORA (prima di vedere i risultati), la ripartizione test/controllo e come assegnarla correttamente, la durata necessaria stimata in base al mio volume per distinguere un effetto reale dal rumore (spiega il calcolo in modo semplice), gli effetti parassiti da neutralizzare (stagionalità, giorno della settimana, mix di clientela).

Aggiungi la griglia di lettura dei risultati: in quale caso implemento, in quale mi fermo, in quale prolungo il test, e le conclusioni che sarà VIETATO trarre anche se i numeri sono allettanti (sottogruppi scoperti a posteriori, interruzione del test al primo picco favorevole).

Sei un analista dati. Devo eliminare i duplicati da un file clienti esportato da [strumento, es. CRM, software di fatturazione] prima di una campagna. Colonne disponibili: [elenca le colonne, es. nome, cognome, email, telefono, indirizzo, data creazione].

Estratto del file: [incolla 20-30 righe rappresentative].

Proponi una strategia di deduplicazione in più passaggi: prima i duplicati esatti (stessi valori su quali colonne?), poi i duplicati probabili (varianti ortografiche, stessa email ma nome diverso, telefono formattato diversamente). Per ogni passaggio, precisa la chiave di confronto, le normalizzazioni preventive (minuscole, spazi, accenti, prefissi telefonici) e il rischio di falso positivo.

Vincoli: mai unire automaticamente due schede solo su nome/cognome, indicare sempre quale scheda conservare (la più recente? la più completa?) e perché. Formato di output: piano d'azione passo dopo passo, formule Google Sheets o passaggi Excel concreti per applicarlo, e una stima del numero di duplicati rilevati per passaggio sull'estratto fornito.

Ho un export da [fonte, es. software gestionale, modulo online] in cui la colonna delle date mescola diversi formati: [esempi reali, es. 03/04/2026, 2026-04-03, 3 aprile 2026, 04-03-26]. Lavoro in [Excel o Google Sheets].

Aiutami a convertire tutto in un formato unico [formato target, es. AAAA-MM-GG] senza corrompere i dati. Inizia censendo tutti i formati presenti nel mio campione e identifica i valori AMBIGUI (03/04: 3 aprile o 4 marzo?): elencali esplicitamente invece di decidere arbitrariamente, e proponi un criterio di disambiguazione (lingua dello strumento sorgente, intervallo di valori superiore a 12, coerenza con un'altra colonna).

Fornisci poi le formule o i passaggi concreti per la conversione, inclusa una colonna di controllo (una formula che segnali le righe in cui la conversione è fallita o ha prodotto una data fuori dal periodo plausibile [periodo atteso]). Termina con l'elenco delle verifiche da fare prima di sostituire la colonna originale.

Sei un analista dati rigoroso. Il mio file [descrizione, es. export ordini dell'anno dall'ERP] contiene valori mancanti e devo decidere come gestirli prima dell'analisi. Colonne interessate e tasso di vuoto approssimativo: [es. CAP 12%, canale acquisizione 40%, importo 2%].

Analisi prevista: [cosa voglio calcolare, es. fatturato per regione e per canale].

Per ogni colonna, aiutami a rispondere in ordine: il vuoto è portatore di informazioni (campo non applicabile, inserimento facoltativo, bug di raccolta) o puramente casuale? Quale opzione è meno rischiosa per la MIA analisi: escludere le righe, imputare un valore (quale e perché), creare una categoria «non specificato» o rinunciare all'asse di analisi? Quale bias introduce ogni opzione?

Vincoli: mai imputare con la media senza giustificazione, quantificare sempre l'impatto (quante righe perse, che peso sul totale). Formato: tabella colonna per colonna con decisione raccomandata, giustificazione e nota da aggiungere nel report finale.

Ho una colonna di testo inserita liberamente da normalizzare: [natura del campo, es. nomi città, ragioni sociali, categorie prodotti] in [strumento, es. Google Sheets, Excel]. Esempi di valori reali: [incolla 20-40 valori, con varianti: maiuscole/minuscole, abbreviazioni, errori, spazi].

Obiettivo: ottenere una colonna pulita con un valore canonico per entità per poter aggregare correttamente.

Procedi così: identifica i gruppi di varianti che indicano la stessa entità nel mio campione, proponi il valore canonico per ogni gruppo, quindi elenca i casi dubbi da convalidare a mano invece di decidere per me. Fornisci poi il metodo di implementazione: tabella di corrispondenza (variante -> canonico) più formula di join, regole di normalizzazione a monte (case, accenti, spazi multipli, punteggiatura) e una formula di controllo che isoli i valori rimasti senza corrispondenza.

Vincolo: la tabella di corrispondenza deve essere in un foglio separato, riutilizzabile per i prossimi export, non sostituzioni manuali perse. Formato: tabella di corrispondenza, poi formule pronte da incollare.

Devo importare un file di [natura, es. contatti da una fiera, lead da un modulo] in [CRM o strumento target]. Colonne del mio file: [elenca le colonne]. Campi attesi dallo strumento target: [elenca i campi e i relativi vincoli noti, es. email obbligatoria, telefono in formato internazionale].

Campione: [incolla 10-20 righe].

Prepara il piano di conformità: mapping colonna sorgente verso campo target (con le colonne orfane da entrambi i lati), controlli da eseguire prima dell'import (email sintatticamente non valide, telefoni incompleti, campi obbligatori vuoti, duplicati con criteri espliciti), trasformazioni necessarie (separazione nome/cognome, formato telefoni, normalizzazione nazione).

Vincoli: ogni riga scartata deve finire in un foglio «scarti» con il motivo, mai eliminata silenziosamente; nessun campo inventato per riempire un obbligatorio. Formato di output: tabella di mapping, elenco ordinato dei controlli con formula o metodo per ciascuno, e checklist finale prima di lanciare l'import (backup, import di test su 10 righe, verifica nello strumento).

Sei uno sviluppatore SQL senior che lavora con un interlocutore di business. La mia domanda: [domanda in italiano, es. quali clienti hanno ordinato almeno due volte quest'anno ma nulla negli ultimi tre mesi?]. Database: [motore, es. PostgreSQL, MySQL, BigQuery]. Tabelle e colonne disponibili: [descrivi le tabelle, le colonne e le relazioni, o incolla lo schema].

Prima di scrivere la query, riformula la mia domanda in termini precisi ed elenca i punti ambigui con l'ipotesi che adotti per ciascuno (cosa contiamo esattamente, quali limiti temporali, ordini annullati inclusi o meno, fuso orario). Se un'informazione indispensabile manca nello schema, segnalalo invece di inventare una colonna.

Scrivi poi la query, commentata riga per riga in italiano, quindi proponi una query di controllo semplice (un totale o un conteggio) per verificare che il risultato sia plausibile. Formato: ipotesi, query commentata, query di controllo, limiti del risultato.

Ho ereditato una query SQL utilizzata in [contesto, es. un reporting mensile, un export automatico] e nessuno sa più esattamente cosa faccia. Eccola: [incolla la query completa].

Contesto noto: [cosa dovrebbe mostrare il report, motore database se noto].

Spiegala su tre livelli: una frase di sintesi (cosa calcola, in linguaggio di business), poi un'analisi blocco per blocco (ogni join, filtro, aggregazione e subquery, con il suo effetto concreto), infine le trappole nascoste: join che possono duplicare o perdere righe, filtri nel WHERE che trasformano una LEFT JOIN in INNER JOIN, gestione dei NULL, limiti temporali inclusi o esclusi, ipotesi implicite sui dati.

Termina con: i casi in cui il numero prodotto sarebbe ERRATO senza che nulla lo segnali, e due query di controllo rapide per verificare questi casi sul mio database. Formato: spiegazione strutturata, poi elenco delle trappole ordinate per gravità.

Sei un esperto di ottimizzazione SQL. La mia query è troppo lenta: [tempo attuale] per [volume approssimativo delle tabelle interessate]. Motore: [PostgreSQL, MySQL, SQL Server, BigQuery]. Query: [incolla la query]. Index esistenti se noti: [elenca o indica «sconosciuti»]. Piano di esecuzione se disponibile: [incolla l'output EXPLAIN o indica «non disponibile»].

Diagnostica prima: identifica nella query le probabili cause di lentezza (funzioni applicate su colonne filtrate che impediscono l'uso di indici, subquery correlate, SELECT * inutile, join su colonne non indicizzate, ordinamento o aggregazione su grandi volumi, assenza di filtri temporali).

Proponi poi le ottimizzazioni ordinate per rapporto sforzo/guadagno atteso: riscrittura della query (con la versione riscritta completa), indici da creare (con il loro costo in scrittura) e, come ultima risorsa, modifiche alla struttura. Vincolo assoluto: il risultato deve rimanere identico; per ogni riscrittura, spiega perché l'equivalenza è garantita. Termina con il metodo per misurare correttamente il guadagno.

Ho prodotto un risultato con questa query SQL e voglio controllarlo prima di diffonderlo a [destinatari, es. direzione, cliente]. Query: [incolla la query]. Risultato ottenuto: [il numero o i numeri]. Ordine di grandezza atteso: [cosa sarebbe plausibile, o «non so»].

Costruisci la mia batteria di controlli: una query di volumetria grezza (quante righe prima di ogni filtro, quante dopo ogni filtro principale, per vedere dove cala il volume), un controllo dei duplicati sulla chiave presunta unica, un controllo dei NULL sulle colonne di join e aggregazione, un confronto con una fonte indipendente se disponibile [fonte di riscontro], e un test di limiti (il numero cambia se sposto il periodo di un giorno?).

Per ogni controllo: la query pronta da eseguire, come appare un risultato normale e cosa deve allarmarmi. Termina con la regola decisionale: in quali casi diffondo, correggo o avviso che il dato è provvisorio.

Lavoro in [Excel o Google Sheets] su un file di [natura dei dati, es. righe di vendita con data, prodotto, negozio, quantità, importo]. Domanda a cui voglio rispondere: [domanda di business, es. quali prodotti trainano la crescita e in quali negozi?].

Colonne disponibili: [elenca le colonne e il loro contenuto].

Progetta la tabella o le tabelle pivot adatte: per ognuna, indica quali campi inserire in riga, colonna, valore e filtro, quale aggregazione scegliere (somma, media, conteggio, e perché la media potrebbe essere fuorviante), e quale raggruppamento applicare (date per mese, fasce di importo).

Segnala le trappole del mio caso: righe che si duplicano se la granularità non è quella corretta, totali che mescolano unità diverse, percentuali calcolate sulla base sbagliata, elementi vuoti nascosti per impostazione predefinita. Fornisci i passaggi di costruzione clic per clic nel mio strumento, poi due chiavi di lettura che la tabella permetterà e una conclusione che sarebbe allettante ma errata trarre.

In [Excel o Google Sheets], voglio riportare nel mio foglio principale un'informazione che si trova in un altro foglio. Foglio principale: [colonne, es. A numero ordine, B data, C importo]. Foglio sorgente: [colonne, es. A numero ordine, D nome cliente, E segmento]. Informazione da riportare: [colonna desiderata]. Chiave di corrispondenza: [colonna comune].

Dammi la formula esatta, pronta da incollare, scegliendo tra CERCA.VERT, INDICE/CONFRONTA e CERCA.X in base alla mia versione dello strumento [precisa versione se nota], e spiega la scelta in due frasi.

Gestisci esplicitamente i casi che rompono queste formule: chiave assente nella sorgente (cosa restituire al posto dell'errore), chiavi duplicate nella sorgente (quale riga viene presa, come rilevarlo con una formula di conteggio), chiavi che sembrano identiche ma differiscono per uno spazio o formato numero/testo (formula di pulizia da applicare prima). Formato: formula principale, formula rilevamento duplicati, formula di pulizia, ognuna con l'intervallo esatto da adattare.

Lavoro in [Excel o Google Sheets]. I miei dati: [descrivi le colonne con le lettere, es. A data, B commerciale, C regione, D importo, E stato]. Cosa voglio calcolare: [es. il totale delle vendite della regione Nord firmate nel 2026 per commerciale, escluso lo stato «annullato»].

Scrivi la formula o le formule esatte con gli intervalli corretti, scegliendo tra SOMMA.PIÙ.SE, CONTA.PIÙ.SE, MEDIA.PIÙ.SE o una combinazione. Spiega ogni criterio della formula in una riga.

Copri le sottigliezze del mio caso: criteri di data (come scrivere «nel 2026» o «tra due date» in un criterio, con virgolette ed e-commerciale al posto giusto), criterio di esclusione (diverso da), caratteri jolly per testo parziale e riferimenti bloccati con il simbolo del dollaro per poter copiare la formula. Aggiungi una formula di controllo: il totale delle mie formule per criterio deve restituire il totale generale, scrivi questa verifica. Formato: formule pronte da incollare, poi una riga di spiegazione per ciascuna.

In Google Sheets (funzioni REGEXEXTRACT, REGEXMATCH, REGEXREPLACE), voglio estrarre [informazione target, es. CAP, numero fattura, dominio email] da una colonna di testo libero. Esempi reali di valori: [incolla 10-15 valori rappresentativi, inclusi i casi complessi].

Risultato atteso per ciascuno: [fornisci il risultato voluto per 3 o 4 esempi].

Scrivi la formula completa, quindi spiega la regex pezzo per pezzo (ogni classe di caratteri, quantificatore e gruppo). Testala mentalmente contro i miei esempi e segnala quelli che fallirebbe, invece di promettere che funzioni ovunque.

Aggiungi: una variante REGEXMATCH per creare una colonna di controllo vero/falso (il pattern è presente?), la gestione del caso «nessuna corrispondenza» senza mostrare errori, e i limiti noti del tuo pattern (varianti di scrittura non coperte). Vincolo: privilegiare una regex leggibile anche se più lunga. Formato: formule pronte da incollare, poi spiegazione.

La mia formula [Excel o Google Sheets] non dà il risultato atteso. Formula esatta: [incolla la formula]. Errore o sintomo: [es. #N/D su alcune righe, #RIF!, un totale errato, zero ovunque]. Contesto: [descrivi le colonne usate e un esempio di riga dove fallisce, con i valori reali].

Procedi con la diagnosi, non con una riscrittura cieca: elenca le possibili cause del MIO sintomo ordinate dalla più probabile alla meno probabile (tipi misti numero/testo, spazi invisibili, intervalli sfalsati dopo inserimento righe, riferimento non bloccato, valore cercato assente, ordinamento richiesto non rispettato, separatori locali).

Per ogni causa, fornisci il test che la conferma o la elimina in meno di un minuto (formula VAL.NUMERO, VAL.TESTO, LUNGHEZZA per vedere gli spazi, confronto stretto). Una volta identificata la causa, fornisci la correzione minima, poi la versione robusta della formula per evitare ricadute. Vincolo: non proporre di rifare l'intero file. Formato: albero diagnostico, test, correzione.

Devo presentare dei dati a [audience, es. consiglio di amministrazione, team operativo] e voglio scegliere il grafico corretto. Messaggio da trasmettere: [il messaggio in una frase, es. due prodotti concentrano la maggior parte della crescita]. Dati disponibili: [descrivi o incolla i dati: dimensioni, misure, numero di categorie, periodo].

Raccomanda il tipo di grafico adatto a questo MESSAGGIO (confronto, evoluzione, ripartizione, relazione, distribuzione) e giustifica in due frasi. Proponi un'alternativa credibile e spiega perché la consideri secondaria. Escludi esplicitamente le scelte sbagliate ma allettanti per i miei dati (torta con troppe categorie, doppio asse che suggerisce una relazione inesistente, aree sovrapposte illeggibili) spiegandone il motivo.

Fornisci poi le specifiche concrete: cosa inserire in ascissa e ordinata, ordinamento delle categorie, scala (zero incluso o meno e perché), cosa annotare direttamente sul grafico, il titolo formulato come il messaggio e non come una descrizione. Termina con la versione «da non fare»: la scelta che distorcerebbe il messaggio.

Ecco un grafico che sto per diffondere in [contesto, es. report mensile, presentazione cliente]. Descrizione precisa o dati del grafico: [descrivi il grafico: tipo, assi, scale, serie, titolo, o incolla i dati rappresentati]. Messaggio che dovrebbe trasmettere: [il messaggio].

Fanne una critica su tre fronti. Onestà: la scala distorce la variazione (asse troncato non segnalato, doppio asse, scala logaritmica non dichiarata)? Il periodo è stato scelto ad arte (cherry-picking)? I numeri sono sufficienti per le percentuali mostrate? Leggibilità: cosa capisce un lettore in cinque secondi? Il titolo esprime il messaggio o solo l'argomento? Ci sono elementi da eliminare (colori, griglie, decimali, legende ridondanti)? Adeguatezza: questo tipo di grafico serve il messaggio o un altro farebbe meglio?

Classifica le osservazioni in «bloccanti prima della diffusione» e «miglioramenti auspicabili», quindi descrivi con precisione la versione corretta. Vincolo: critica il grafico, non i dati; se il problema risiede nei dati, segnalalo separatamente.

Voglio costruire [grafico desiderato, es. curva di evoluzione mensile per canale, grafico a barre in pila] in [strumento, es. Google Sheets, Excel, Looker Studio] ma i miei dati grezzi non sono nel formato corretto. Dati attuali: [incolla un estratto con le intestazioni, es. una riga per transazione].

Descrivi prima la struttura target esatta richiesta dallo strumento per questo grafico (formato long o wide, una colonna per serie o una colonna categoria, granularità delle date), con un esempio di 5 righe di come devono apparire i dati alla fine.

Fornisci poi il percorso di trasformazione più semplice nel mio strumento: aggregazione (tabella pivot o formule, quali?), gestione dei periodi senza dati (farli apparire a zero o lasciarli assenti, ed effetto sulla curva), ordinamento e arrotondamento solo in visualizzazione, mai nei dati sorgente.

Termina con due controlli prima di tracciare: il totale della tabella trasformata deve corrispondere al totale grezzo e il numero di periodi deve corrispondere all'intervallo atteso [periodo]. Formato: struttura target, passaggi, controlli.

Nella mia azienda, l'indicatore [nome indicatore, es. tasso di conversione, fatturato, clienti attivi] fornisce numeri diversi a seconda di chi lo calcola e voglio scrivere la SUA definizione di riferimento. Utilizzi attuali noti: [chi lo usa e come, es. il marketing lo calcola da GA4, le vendite dal CRM]. Fonti dati disponibili: [strumenti e tabelle].

Redigi la scheda di definizione completa: formula esatta (numeratore e denominatore definiti senza ambiguità: quali eventi o righe contano, quali sono esclusi, gestione di casi limite come annullamenti, rimborsi, duplicati, test interni), periodo e fuso orario di riferimento, fonte ufficiale in caso di scostamenti tra strumenti, frequenza e data di consolidamento (il dato di un mese può ancora cambiare a posteriori?).

Elenca poi gli scostamenti probabili tra gli utilizzi attuali e questa definizione, con l'ordine di grandezza dello scarto atteso, per preparare il passaggio. Vincolo: ogni termine della formula deve essere verificabile tramite query, nessun termine vago («cliente attivo» deve essere definito da un criterio misurabile). Formato: scheda strutturata di una pagina.

Il mio indicatore principale è [indicatore, es. fatturato mensile, numero di nuovi clienti] e voglio scomporlo in leve per sapere dove agire. Contesto: [attività, es. e-commerce, studio professionale, rete di negozi]. Livello attuale: [valore attuale]. Obiettivo: [obiettivo mirato].

Costruisci l'albero di scomposizione aritmetica: l'indicatore espresso come prodotto o somma di sotto-indicatori (es. traffico moltiplicato per tasso di conversione moltiplicato per carrello medio), quindi ogni sotto-indicatore scomposto di un ulteriore livello dove utile. Verifica che ogni scomposizione sia matematicamente esatta, non approssimativa.

Per ogni foglia dell'albero: chi nell'organizzazione può agirvi, il dato che permette di misurarla [fonti disponibili] e il suo margine di miglioramento realistico. Identifica poi le due leve dove uno sforzo produce il massimo risultato (sensibilità: cosa succede all'indicatore principale se questa leva migliora del 10%?), mostrando il calcolo. Vincolo: segnalare le leve che si cannibalizzano a vicenda. Formato: albero indentato seguito da tabella delle leve.

Voglio analizzare la retention dei miei [clienti o abbonati] per coorti. Dati disponibili: [descrivi, es. export con ID cliente, data primo ordine o iscrizione, date di attività o ordini successivi]. Strumento: [Excel, Google Sheets, SQL]. Definizione di cliente «attivo» nella mia attività: [es. ha riordinato nel mese, ha un abbonamento attivo].

Guidami nella costruzione della tabella di coorti: raggruppamento per mese del primo ordine, calcolo dell'attività a M+1, M+2, M+3 e successivi, in percentuale sulla dimensione iniziale della coorte. Fornisci il metodo concreto nel mio strumento (formule o query).

Aiutami poi a LEGGERLA: distinguere l'effetto anzianità (tutte le coorti si erodono nel tempo) dall'effetto annata (le coorti recenti sono migliori o peggiori delle vecchie alla stessa età?), individuare il mese di anzianità in cui la retention si stabilizza e segnalare le coorti troppo giovani o piccole per trarre conclusioni (con la soglia raccomandata). Formato: metodo di costruzione, poi griglia di lettura con le domande da porsi.

Voglio segmentare la mia base clienti con il metodo RFM (Recency, Frequency, Monetary) per mirare le mie azioni. Dati: [export disponibile, es. una riga per ordine con ID cliente, data, importo, dal software gestionale o CRM]. Strumento di lavoro: [Excel, Google Sheets, SQL]. Attività: [tipo di attività e ciclo di acquisto tipico, es. e-commerce moda, acquisto ogni 2 mesi].

Costruisci il processo: calcolo dei tre valori per cliente (con formula o query esatta nel mio strumento), scelta delle soglie di scoring adatte al MIO ciclo di acquisto invece di quintili automatici (giustifica ogni soglia), assegnazione dei punteggi e raggruppamento in 5-8 segmenti con nomi chiari (fedeli, dormienti, nuovi promettenti, persi...).

Per ogni segmento: percentuale attesa sul totale, caratterizzazione in una frase, azione commerciale prioritaria e indicatore per misurarne l'efficacia. Vincoli: escludere ordini annullati e clienti di test, gestire il caso di clienti con ordine singolo e segnalare che le soglie dovranno essere riviste a [frequenza raccomandata]. Formato: metodo passo dopo passo, poi tabella dei segmenti.

Voglio prevedere [grandezza, es. vendite mensili, prenotazioni, volume chiamate] per i [orizzonte, es. prossimi 6 mesi]. Storico disponibile: [incolla la serie, idealmente 24 mesi o più, o descrivi cosa hai]. La mia attività ha una stagionalità nota: [descrivi, es. picco a dicembre, calo ad agosto].

Costruisci una previsione semplice e riproducibile in [Excel o Google Sheets]: calcola il trend di fondo (media mobile a 12 mesi o regressione, spiega la scelta), i coefficienti di stagionalità mensili dallo storico, quindi la previsione (trend moltiplicato per coefficiente). Mostra le formule.

Esigi l'onestà del risultato: fornisci un intervallo minimo/massimo costruito in base agli errori che questo metodo avrebbe commesso nel passato (backtest: applica il metodo agli ultimi 6 mesi noti e misura lo scarto), non un intervallo decorativo. Elenca ciò che il metodo NON può vedere (eventi eccezionali, cambi di prezzo, anno di base atipico) e il segnale che dovrebbe spingermi a rifare la previsione in corso d'opera. Formato: metodo, formule, tabella di previsione con intervallo, limiti.

Siamo a [mese attuale] e voglio proiettare la mia chiusura di fine anno su [grandezza, es. fatturato, spese, numero pratiche gestite]. Consuntivo ad oggi: [valore cumulato]. Obiettivo annuale: [obiettivo]. Storico mensile dello scorso anno e di quest'anno: [incolla i valori].

Costruisci tre proiezioni e confrontale: la proporzione semplice (cumulato diviso mesi trascorsi moltiplicato per dodici), la proiezione stagionalizzata (il peso abituale dei mesi rimanenti secondo lo storico) e la proiezione «informata» che integra ciò che già so dei mesi futuri: [elementi noti, es. ordini firmati, preventivi in corso, chiusura estiva, nuove assunzioni].

Per ognuna: il numero, l'ipotesi implicita che adotta e il caso in cui sbaglia di più. Raccomanda quella da preferire per il mio caso e lo scostamento dall'obiettivo che implica, in euro e in percentuale. Termine con le due o tre azioni che potrebbero ancora spostare il risultato finale e una stima approssimativa di ciascuna. Formato: tabella comparativa poi raccomandazione in cinque righe.

Sei un responsabile della qualità dei dati. Voglio audire la qualità di [database interessato, es. base clienti CRM, catalogo prodotti, anagrafica fornitori] prima di [uso previsto, es. migrazione, campagna, implementazione reporting]. Struttura: [elenca i campi]. Estratto rappresentativo: [incolla 30-50 righe].

Esegui l'audit secondo questi assi, con un riscontro numerico sul mio estratto per ciascuno: completezza (tasso di riempimento per campo, distinguendo i campi critici), validità (formati non validi: email, telefoni, CAP, date impossibili), unicità (duplicati probabili e criterio di rilevamento), freschezza (date di aggiornamento, quota di schede verosimilmente obsolete), coerenza interna (campi che si contraddicono, es. CAP e città).

Produci poi il piano di bonifica prioritizzato per impatto sul MIO uso previsto: cosa blocca, cosa degrada, cosa può aspettare, indicando per ogni lotto il metodo di correzione (automatizzabile o manuale) e lo sforzo stimato. Formato: tabella di audit per asse, poi piano in tre lotti.

Voglio creare il dizionario dei dati di [dataset, es. export ordini ERP, tabella clienti del database, foglio condiviso del reporting] affinché il team smetta di interpretare male le colonne. Colonne ed estratto: [elenca le colonne con 5 righe di esempio].

Cosa so del contesto: [origine dati, frequenza aggiornamento, chi li inserisce].

Per ogni colonna, redigi la scheda: nome tecnico e nome business, definizione in una frase senza gergo, tipo e formato atteso, valori possibili o intervallo plausibile, regola di compilazione (obbligatorio, calcolato, manuale), fonte a monte e soprattutto la sezione «trappole»: cosa rischia di credere erroneamente un utente su questa colonna (importo IVATO o imponibile, data ordine o pagamento, campo storicizzato o sovrascritto). Quando non puoi dedurre un'informazione, scrivi «da confermare con [chi]» invece di inventare.

Formato: una tabella pronta da incollare in un foglio «dizionario», più l'elenco delle domande da confermare, ordinate per probabile referente.

Due dei miei strumenti forniscono numeri diversi per la stessa realtà: [fonte A, es. GA4] indica [valore A] e [fonte B, es. software di cassa, Stripe, CRM] indica [valore B] per [metrica e periodo]. Scostamento: [percentuale o importo]. Devo capire l'origine dello scarto e decidere quale fonte sia ufficiale.

Guida l'indagine nell'ordine: prima le differenze di DEFINIZIONE (cosa conta esattamente ogni strumento: rimborsi, annullamenti, test, fusi orari, data ordine vs data incasso, filtri anti-bot), poi le differenze di PERIMETRO (canali o punti vendita assenti da un lato), infine le differenze di RACCOLTA (perdite di tracciamento, consensi, guasti). Per ogni ipotesi: il test concreto per quantificarla, partendo da quelle che spiegano i maggiori scostamenti abituali.

Obiettivo finale: una tabella di raccordo dal valore A al valore B, voce per voce. Termina con la tua raccomandazione: quale fonte considerare ufficiale per quale uso e lo scostamento residuo accettabile sotto il quale smettere di indagare.

Sto per diffondere [documento, es. report mensile, presentazione cliente, email con risultati trimestrali] a [destinatari]. Numeri chiave contenuti: [elenca i numeri principali con descrizione]. Fonti: [da dove proviene ogni numero].

Fammi scorrere la checklist di controllo finale, punto per punto, chiedendomi di confermare ciascuno: coerenza interna (i sottototali corrispondono ai totali, le percentuali e le basi coincidono, i numeri citati più volte sono identici ovunque), coerenza esterna (confronto con mese precedente e anno scorso: ogni variazione sorprendente ha una spiegazione verificata?), perimetro dichiarato (ogni numero indica periodo, perimetro e valuta; le definizioni non sono cambiate senza segnalazione), riproducibilità (so rifare ogni numero: query o file sorgente conservato) e arrotondamenti (coerenti, senza precisione illusoria).

Per ogni punto che non posso confermare, indica il rischio concreto e se sia bloccante per la diffusione o meno. Formato: checklist numerata con caselle da spuntare.

Voglio rilevare automaticamente i valori anomali in [serie monitorata, es. vendite giornaliere, ordini orari, iscrizioni quotidiane] per reagire rapidamente in caso di problemi. Storico: [incolla la serie o descrivi: granularità, anzianità, valori tipici]. Strumento: [Google Sheets, Excel, SQL]. Variazioni normali note: [es. sabato forte, domenica debole, stagionalità].

Proponi un sistema semplice e robusto: un valore di riferimento che rispetti i miei cicli (confrontare un lunedì con i lunedì precedenti, non con il giorno prima), una misura di scostamento e una soglia di allerta giustificata dalla dispersione reale del mio storico (mostra il calcolo, spiega perché questa soglia e non una percentuale arbitraria) e una regola anti-falsi allarmi (es. allerta solo dopo due punti anomali consecutivi, soglie distinte per anomalie alte e basse).

Fornisci l'implementazione concreta nel mio strumento, formule incluse. Termina con: le tre cause benigne che attiveranno l'allerta erroneamente (giorno festivo, promozione, guasto raccolta dati) e come gestirle, oltre alla procedura in tre passaggi quando scatta un'allerta.

Un numero nel mio reporting mi sembra errato e devo decidere: errore di calcolo, problema di dati o realtà sorprendente. Il numero: [valore e descrizione, es. il fatturato di marzo indica 240.000 euro contro i 90.000 abituali]. Dove appare: [report, query o file che lo produce]. Catena di produzione nota: [da dove arrivano i dati e quali trasformazioni subiscono].

Struttura l'indagine a livelli, dal risultato a ritroso, con il test per ogni livello: il calcolo finale (formula, intervallo, filtro del report), la trasformazione (aggregazione, join che duplica, duplicato di import, cambio definizione recente), la raccolta (guasto, recupero massivo in un giorno, cambio strumento) e infine la realtà di business (grande ordine, cliente eccezionale: quale record preciso lo proverebbe?).

Vincolo: divieto di correggere alcunché prima di aver identificato la causa; un numero sorprendente ma vero non si «corregge». Formato: piano di indagine ordinato, poi i tre esiti possibili con l'azione associata per ciascuno (correggere, documentare, allertare).

Ho raccolto risposte aperte dai clienti tramite [canale, es. domanda aperta sondaggio soddisfazione, recensioni Google, motivi disdetta] e voglio trarne un'analisi operativa. Feedback: [incolla i testi, o un campione se voluminosi, con il numero totale]. Domanda posta ai clienti: [la domanda esatta].

Procedi così: costruisci una griglia di temi partendo dai feedback stessi (non usare griglie predefinite), con una definizione di una riga per tema affinché la classificazione sia riproducibile. Classifica ogni feedback (ammessi più temi), quindi quantifica: numero di citazioni per tema, tonalità dominante e incrocio con [variabile disponibile, es. voto dato, anzianità cliente] se fornita.

Vincoli di onestà: cita i feedback testualmente senza riscriverli, distingue i temi frequenti da quelli rari ma gravi, precisa il numero di rispondenti ovunque (niente percentuali su meno di 30 risposte senza segnalarlo) e non inventare citazioni. Formato: sintesi di una pagina (temi ordinati per frequenza, 2 citazioni rappresentative per tema, segnali deboli da monitorare), poi tabella di classificazione completa.

Ho somministrato un questionario tramite [strumento, es. Google Forms, Typeform] e devo analizzarlo. Numero risposte: [numero]. Domande poste: [elenca le domande con il tipo: scelta singola, scelta multipla, scala, aperta]. Export: [incolla un estratto delle risposte]. Obiettivo dell'indagine: [cosa voglio decidere o imparare].

Svolgi l'analisi in ordine: pulizia (risposte duplicate, questionari compilati in pochi secondi, incongruenze interne palesi: elenca cosa scarti e perché), analisi descrittiva di ogni domanda (con il formato di restituzione adatto al tipo di domanda), quindi i 3-5 incroci più utili per il MIO obiettivo (giustifica la scelta, non incrociare tutto con tutto).

Precauzioni obbligatorie: ricordare chi ha risposto e in cosa il campione può differire dal target (modalità diffusione, volontarietà), segnalare ogni incrocio in cui una cella scende sotto i 30 rispondenti e vietare conclusioni causali su dati dichiarativi. Formato: piano di analisi, risultati descrittivi e incroci sull'estratto, limiti in un riquadro finale.

Ho implementato [cambiamento, es. nuovi orari, restyling pagina, nuovo prezzo, nuovo script] il [data] e voglio sapere se ha funzionato, senza gruppo di controllo. Metrica monitorata: [metrica]. Valori prima: [serie prima del cambiamento, la più lunga possibile]. Valori dopo: [serie dopo il cambiamento]. Altri eventi nel periodo: [cosa è cambiato contemporaneamente: stagione, campagne, attualità, meteo, concorrenza].

Prima di confrontare le medie, obbligami a verificare: la finestra temporale precedente è rappresentativa (abbastanza lunga, senza anomalie)? La variazione osservata supera le fluttuazioni abituali della metrica (quantificale dallo storico)? La stagionalità spiega lo scarto (confronta con lo stesso periodo precedente se disponibile)? Quale degli eventi concomitanti potrebbe produrre lo stesso effetto?

Concludi su tre livelli: cosa i dati permettono di affermare, cosa suggeriscono soltanto, cosa non possono decidere. Termina con il sistema che renderebbe la prossima valutazione più solida (implementazione progressiva, alternanza, gruppo pilota). Vietato: concludere basandosi solo sulla coincidenza temporale.

Redigi una nota di una pagina partendo dal mio lavoro di analisi, destinata a [lettore, es. direttore, comitato investimenti, cliente] che la leggerà in [tempo disponibile, es. tre minuti] e dovrà decidere: [decisione attesa]. Materiale grezzo: [incolla risultati, numeri, evidenze dell'analisi, anche in bozza]. La mia raccomandazione: [raccomandazione].

Struttura imposta: un titolo che esprima la conclusione (non l'argomento), un primo paragrafo con la risposta e il numero chiave, poi massimo 3 evidenze ognuna con UN numero a supporto, le opzioni possibili con costi e rischi in una riga ciascuna, la raccomandazione esplicita e una riga «cosa non sappiamo ancora» che indichi i limiti senza affogare il messaggio.

Vincoli formali: massimo una pagina, frasi brevi, nessun gergo tecnico da analista (niente «correlazione» o «dataset» senza spiegazione), numeri arrotondati alla precisione utile per decidere, nessun numero nella nota non presente nel materiale grezzo. Se il materiale non basta per un elemento, scrivi [dato mancante] invece di inventare.

Aiutami a trasformare i miei risultati di analisi in una presentazione efficace per [audience e occasione, es. revisione trimestrale davanti alla direzione, incontro cliente]. Durata: [durata]. Risultati da presentare: [incolla evidenze e numeri chiave]. Cosa voglio ottenere dall'audience alla fine: [decisione, budget, cambio priorità].

Costruisci il filo narrativo ad arco: la situazione che l'audience conosce e accetta, la tensione (il numero o l'evidenza che disturba o sorprende), l'esplorazione (perché è così, massimo 2-3 prove), la risoluzione (cosa propongo) e la chiamata alla decisione. Suddividi poi in slide: un'idea per slide, con il titolo di ogni slide come frase affermativa che esprime l'idea (la sequenza dei soli titoli deve raccontare tutta la storia: verificalo).

Per ogni numero chiave, proponi una contestualizzazione che lo renda tangibile (confronto con una grandezza nota all'audience, traduzione in euro o in clienti a settimana). Vincoli: nessun numero inventato per il racconto, le riserve dell'analisi hanno una slide dedicata, non una nota a piè di pagina. Formato: piano slide per slide con titolo e contenuto.

Traduci il mio risultato di analisi in una spiegazione chiara per [pubblico, es. team vendita in riunione, affiliati, cliente finale] che non ha competenze statistiche. Il risultato tecnico: [enuncia il risultato con i termini tecnici, es. correlazione di 0,7 tra X e Y, intervallo di confidenza, risultato test A/B, modello di scoring]. Cosa il pubblico deve capire per agire: [azione o cambiamento atteso].

Produci tre livelli di spiegazione: la versione da 30 secondi a voce (linguaggio comune, un'analogia della vita quotidiana se aiuta, nessun termine tecnico), la versione da 5 minuti con un esempio numerico concreto dai miei dati e la risposta alle 3 domande che questo pubblico probabilmente porrà.

Vincoli di fedeltà, non negoziabili: la divulgazione non deve dire PIÙ del risultato tecnico (una correlazione non diventa una causa, un trend non diventa una certezza, un risultato su un segmento non diventa generale); segnala esplicitamente ogni punto in cui hai semplificato e cosa la semplificazione tralascia. Formato: i tre livelli, poi l'elenco delle semplificazioni adottate.

Voglio documentare [reporting interessato, es. cruscotto commerciale mensile, report attività del lunedì] affinché un'altra persona possa produrlo, capirlo e correggerlo senza di me. Come viene prodotto oggi: [descrivi la meccanica: fonti, estrazioni, file, formule, rielaborazioni manuali, diffusione]. Frequenza: [frequenza]. Destinatari: [chi lo riceve e cosa ne fa].

Redigi la documentazione in quattro sezioni: la guida operativa alla produzione (ogni passaggio in ordine, indicando esattamente dove cliccare o quale query lanciare, incluse le rielaborazioni manuali «sporche»: sono quelle che si perdono), il dizionario degli indicatori mostrati (definizione, formula, fonte di ciascuno), la mappa delle dipendenze (cosa rompe il report: un export che cambia formato, un accesso che scade, un foglio rinominato) e il protocollo incidenti (come verificare un numero contestato, chi avvisare, come segnalare un report errato già diffuso).

Ponimi le domande necessarie se la mia descrizione ha delle lacune, invece di riempire con supposizioni. Formato: documento strutturato pronto da archiviare in [posizione, es. Drive di team].

Devo incrociare due file che parlano delle stesse entità ma senza un identificativo comune affidabile: [file 1, es. export CRM con nome società ed email] e [file 2, es. export contabile con ragione sociale e numero fattura]. Colonne file 1: [elenca]. Colonne file 2: [elenca]. Estratti: [incolla 10 righe di ciascuno]. Obiettivo dell'incrocio: [cosa voglio ottenere alla fine].

Costruisci la strategia di abbinamento a cascata, dalla più sicura alla meno sicura: prima le chiavi esatte disponibili dopo normalizzazione (email in minuscolo, Partita IVA, numero pulito), poi chiavi composte (nome normalizzato più CAP), infine l'abbinamento approssimativo sui nomi (spiegando il metodo praticabile in [Excel, Google Sheets] e i suoi limiti). Per ogni passaggio: quante righe abbinate sui miei estratti e il tasso di falsi positivi da temere.

Vincoli: ogni abbinamento deve mantenere una colonna «metodo» che indichi il passaggio di origine; i non abbinati finiscono in una lista per il controllo manuale, mai scartati silenziosamente. Formato: piano a cascata, formule, tabella di monitoraggio dei tassi di abbinamento.

Non posso esaminare l'intera popolazione e devo lavorare su un campione. Popolazione: [descrizione e dimensione, es. 12.000 anagrafiche clienti, 3.000 fatture dell'anno, 800 chiamate registrate]. Cosa voglio stimare o verificare: [obiettivo, es. tasso di errore inserimento, quota di pratiche conformi]. Precisione necessaria per decidere: [es. sapere se il tasso supera il 5%, una stima con margine di +/- 3 punti].

Costruisci il piano: la dimensione del campione necessaria per la mia precisione target (mostra il ragionamento in modo semplice, senza formule calate dall'alto), il metodo di selezione che eviti bias palesi (casuale semplice o stratificato: se la popolazione ha sottogruppi molto diversi [descrivi strati possibili], raccomanda e dimensiona la stratificazione) e la procedura concreta di selezione in [Excel o Google Sheets] (formula di estrazione casuale riproducibile).

Elenca i bias che minacciano il MIO caso nonostante la selezione (pratiche introvabili sostituite con quelle facili, periodo non rappresentativo) e la contromisura per ciascuno. Termina con la frase tipo, onesta, per presentare il risultato finale con il suo margine di incertezza.

Il mio tasso di conversione varia a seconda di come viene calcolato e voglio renderlo affidabile una volta per tutte. Contesto: [percorso interessato, es. visita sito -> acquisto, preventivo -> firma, chiamata -> appuntamento]. Fonti di misura: [strumenti, es. GA4, CRM, software cassa]. Calcoli attualmente usati e risultati: [le diverse versioni circolanti].

Aiutami a stabilire la definizione rigorosa: il numeratore (quale evento conta come conversione, gestione annullamenti, duplicati, conversioni multiple della stessa persona), il denominatore (chi entra nella base: visitatori unici o visite, prospect qualificati o tutti i contatti, con quale criterio di ingresso) e la finestra di attribuzione (quanto tempo tra ingresso e conversione, e a quale periodo imputare una conversione a cavallo tra due mesi).

Per ogni scelta, mostra l'effetto sul numero con i miei dati e indica la convenzione più comune. Spiega perché i miei calcoli attuali divergono. Termina con la definizione scelta in una frase pubblicabile e i due errori di lettura da prevenire per chi vedrà questo tasso (confrontare tassi con perimetri diversi, fare la media dei tassi senza ponderare).

Voglio calcolare e monitorare il churn (tasso di abbandono) di [attività, es. abbonamenti software, contratti manutenzione, palestra]. Dati disponibili: [descrivi, es. export abbonamenti con data inizio, data fine, stato, importo mensile]. Ciclo di fatturazione: [mensile, annuale, misto].

Poni innanzitutto le decisioni di definizione, con l'opzione raccomandata per il mio caso e il suo effetto sul numero: churn in numero di clienti o in termini di fatturato (le due cose raccontano storie diverse: mostra un esempio numerico), la base di partenza (clienti a inizio periodo, includendo o meno i nuovi del mese), la gestione dei casi limite (sospensioni, insoluti in corso, downgrade, disdetta comunicata ma effettiva in futuro, cliente tornato dopo l'abband).

Fornisci poi la formula esatta e la sua implementazione in [Excel, Google Sheets o SQL] sui miei dati. Mettimi in guardia dalle trappole di lettura: mix di cicli mensili e annuali nello stesso tasso, churn che migliora meccanicamente quando le vendite accelerano, e perché una lettura per coorti di anzianità completa utilmente il tasso globale. Formato: decisioni, formula, implementazione, trappole.

Voglio capire quanto mi rende davvero ogni [prodotto, servizio o famiglia]. Dati: [export disponibile, es. vendite per prodotto con quantità e prezzi dal software di cassa, acquisti e costi dalla contabilità]. Costi identificati: [elenca: acquisti, materie prime, manodopera, costi fissi, spedizione, commissioni].

Costruisci l'analisi per fasi: il margine lordo per prodotto (prezzo vendita meno costi diretti, precisando imponibile ovunque), quindi la questione delicata dei costi indiretti: proponi 2 chiavi di ripartizione plausibili per la mia attività (sul fatturato, sul tempo impiegato, sul volume), mostra come cambia la classifica dei prodotti in base alla chiave e spiega perché nessuna è «quella vera».

Restituisci incrociando il margine in percentuale E in euro con il volume: il prodotto ad alto margine che non si vende, il prodotto a basso margine che fa volume e cosa ci perdiamo guardando una sola delle due colonne. Termina con le 3 decisioni tipo che questa analisi può supportare (prezzi, dismissione, promozione) e per ognuna il dato complementare da verificare prima di decidere. Formato: metodo, tabella tipo, lettura commentata.

Voglio misurare quanto la mia attività dipenda da pochi [clienti, prodotti, canali, referenze]. Dati: [export, es. fatturato per cliente su 12 mesi dalla fatturazione, vendite per referenza dalla cassa]. Strumento: [Excel o Google Sheets].

Guida la costruzione dell'analisi di concentrazione: ordinamento decrescente, cumulata e percentuale cumulata (formule esatte nel mio strumento), lettura delle soglie significative (quanti elementi per il 50% e l'80% del totale, quota del primo e dei primi cinque), e curva di Pareto se utile (come tracciarla e leggerla).

Vai oltre la constatazione: aiutami a qualificare il RISCHIO di questa concentrazione per il mio caso: cosa succede se il primo [cliente o prodotto] scompare (impatto in euro e percentuale)? La concentrazione sta aumentando o diminuendo rispetto al [periodo di confronto disponibile]? La «coda lunga» (i molti piccoli) costa più di quanto renda servirli?

Vincoli: gestire il caso di elementi correlati che sono in realtà un'unica entità (stesso gruppo, stesso acquirente) e non concludere «tagliamo la coda» senza guardare i costi reali. Formato: metodo, formule, lettura del rischio in 5 righe.

Voglio confrontare le performance dei miei [punti vendita, agenzie, team, siti] senza essere ingiusto: non hanno lo stesso contesto. Unità da confrontare: [elenca, con differenze note: dimensione, zona, anzianità, organico, flusso pedonale]. Dati: [metriche disponibili per unità e periodo].

Costruisci il confronto in tre fasi. Prima le metriche RAPPORTATE a una base equa (per venditore, per metro quadro, per ora di apertura, per abitante della zona: scegli i rapporti pertinenti e giustificali). Poi il confronto di ogni unità con se stessa (crescita su un anno): la classifica per crescita racconta qualcosa di diverso dalla classifica assoluta? Infine gli scostamenti inspiegabili residui: quelli che permangono dopo la normalizzazione e che meritano un approfondimento o un colloquio, non una sanzione.

Vincoli: segnalare le unità troppo recenti o troppo piccole per essere classificate, mai riassumere in un'unica classifica senza mostrare i rapporti che la compongono, ed elencare i fattori che i dati non catturano (lavori stradali, concorrenza locale, assenze prolungate). Formato: tabella comparativa tipo, poi griglia di lettura per la revisione con i responsabili.

Voglio analizzare il mio funnel di conversione per capire dove concentrare gli sforzi. Percorso: [descrivi le fasi in ordine, es. visita, scheda prodotto, carrello, spedizione, pagamento, conferma; o per B2B: lead, contatto stabilito, appuntamento, preventivo, firma]. Volumi per fase su [periodo]: [incolla i numeri]. Fonte di misura: [GA4, CRM, altro].

Calcola i tassi di passaggio tra ogni fase consecutiva (non solo il tasso globale finale) e identifica la fase con la maggiore perdita, sia in valore assoluto di persone perse che in percentuale: le due letture non indicano sempre la stessa fase, spiega quale prioritizzare per il mio obiettivo [obiettivo, es. più firme a parità di traffico].

Prima di concludere, verifica con me le trappole di misura: passaggi tecnici che non sempre si attivano, persone che saltano una fase o tornano indietro, finestra di misurazione troppo breve per percorsi lenti. Proponi poi l'incrocio più istruttivo con [segmento disponibile, es. mobile vs desktop, fonte di traffico, dimensione cliente] e cosa implicherebbe uno scarto tra segmenti. Formato: tabella dei tassi, diagnosi, 2 ipotesi di miglioramento testabili sulla fase prioritaria.

Sospetto un legame tra [variabile 1, es. meteo, numero recensioni online, tempo di risposta ai preventivi] e [variabile 2, es. vendite, tasso di firma] e voglio verificarlo correttamente. Dati: [incolla le due serie appaiate, con granularità: per giorno, settimana o pratica]. Intuizione iniziale: [cosa credo e cosa farei se fosse confermato].

Guida l'analisi in [Excel o Google Sheets]: prima il grafico a dispersione (scatter plot) e la sua lettura (forma, direzione, punti anomali che influenzano la relazione), poi il coefficiente di correlazione con la sua interpretazione in linguaggio semplice e le soglie oltre le quali diventa degno di nota dato il mio numero di osservazioni [numero punti].

Infine, la parte cruciale: esamina le spiegazioni alternative prima di ogni conclusione causale: fattore comune che influenza entrambe le variabili (stagionalità in primis sulle serie temporali), direzione della causalità inversa, pura coincidenza su pochi punti. Per ciascuna, indica il test semplice che la rinforza o la indebolisce con i miei dati. Conclusione imposta in tre righe: cosa è accertato, cosa resta un'ipotesi e l'esperimento concreto che risolverebbe il dubbio.