Diamo uno sguardo al futuro: Python e Forecasting (Salvatore Merone)
Come portare Python e il forecasting dentro la Business Intelligence, senza perdere semplicità, accessibilità e usabilità.
Benvenuti all’articolo numero 110 del nostro viaggio dentro la Business Intelligence. Anche questa settimana continuiamo ad esplorare la vNext25 di Elly (la trovate qui)
e dopo aver raccontato gli interventi di Fabio Spaziani, Diego Zunino e del nostro Team Adoption, questa settimana si torna sul palco per parlare di qualcosa che riguarda tutti: il futuro.
A guidarci in questo viaggio è Salvatore Merone - Product Manager di Ellycode - che durante la vNext25 ha presentato alcune delle novità più rivoluzionarie e impattanti della nuova versione di Elly:
lo Step Python e
il Forecasting integrato.
Come da tradizione, partiamo dalla musica, con la nostra playlist Spotify Data Grooves. Questa settimana lasciamo la scelta a Salvatore, che ci fa (ri)scoprire un classico intramontabile, ironico, brillante, perfetto per parlare di futuro con leggerezza:
🎵 “Always Look on the Bright Side of Life” — Monty Python
Python dentro Elly
Partiamo da un principio fondamentale:
“è vero che Elly diventa ogni giorno più potente, ma noi ogni giorno lavoriamo per non farle perdere la sua semplicità d’utilizzo e accessibilità, restando fedeli alla nostra idea di BI: strumenti che parlano a tutti.”
Tuttavia c’è una parte di pubblico a cui ci rivolgiamo che conosce il dato più a fondo degli altri: i Power User.
Per loro, i tool drag & drop sono una benedizione, finché non diventano una gabbia.
Funzioni predefinite, trasformazioni standard, limiti invisibili che emergono proprio quando serve spingersi oltre.
E allora ci siamo chiesti: come liberare il Power User senza complicare la vita a tutti gli altri?
Abbiamo creato uno step che rompe le barriere del no-code, aggiungendo profondità solo quando serve davvero. Un mattoncino potentissimo da incastrare nel flusso visuale di Elly.
Nasce così lo Step Python.
Uno Step, possibilità infinite, che permette di:
modificare lo schema delle tabelle (aggiungere, cambiare, rimuovere colonne).
manipolare i dati con logiche complesse.
gestire valori mancanti, normalizzazioni e aggregazioni avanzate.
creare righe aggiuntive e collezioni derivate.
preparare il dato per analisi di livello superiore.
Perché proprio Python? Semplice, perché è il linguaggio più vicino agli analisti: leggibile, accessibile e soprattutto ricco di librerie standard per l’analisi dati (Pandas, NumPy) e per il machine learning (scikit-learn, Prophet).
In altre parole: tutta la potenza della Data Analysis, direttamente dentro Elly.
In questo modo,
Elly rimane semplice per chi vuole semplicità,
ma si espande e si evolve per chi ha bisogno di controllo.
Normalizzare i dati: un incubo che finisce qui
Chiunque lavori con i dati ha vissuto la stessa scena:
esporti un CSV,
lo apri in Excel,
scopri formati tutti diversi,
inizi a sistemare manualmente,
poi ricarichi tutto.
Un ciclo infinito.
Nella demo che abbiamo mostrato alla vNext25, facciamo vedere come risolvere questo problema senza uscire da Elly: crei una nuova colonna, scrivi poche righe di codice per pulire il dato grezzo e il gioco è fatto.
Il dato rientra in tabella perfettamente formattato.
Tre secondi invece di tre ore.
Arriva il Forecasting
E arriviamo al punto più atteso. Nel nostro lavoro lo diciamo spesso:
il forecasting non è magia e di certo non basta un algoritmo, seppure quasi perfetto, affinché le cose vadano nel verso giusto.
Nel mercato dell’AI c’è chi vende il bottone “Predici Futuro”, tuttavia è risaputo che un algoritmo usato alla cieca e senza controllo, sbaglia sempre. Perché le previsioni dipendono da:
stagionalità,
trend di mercato,
anomalie,
dinamiche specifiche del business,
logiche proprie del cliente.
Non esiste una funzione unica che vada bene per tutti.
Serve contesto, serve esperienza, serve dominio.
E qui lo Step Python fa la differenza:
ti permette di costruire previsioni che uniscono dati storici e conoscenza aziendale, il mix che rende davvero affidabile un modello.
Prophet in azione dentro Elly
Per la demo di vNext25 siamo partiti da una semplice serie storica con due colonne: data e valore. È esattamente il formato su cui Prophet lavora al meglio, infatti con poche righe di codice:
importiamo la libreria,
prepariamo il dataframe nella struttura richiesta dal modello,
addestriamo Prophet sulla serie storica,
generiamo la previsione dei prossimi 7 giorni.
Il resto lo fa Elly:
grafico aggiornabile,
confronto tra reale e previsto,
integrazione in dashboard,
aggiornamento automatico nel tempo.
Un modello predittivo costruito dentro il workflow, non in un file esterno.
Quello che abbiamo mostrato alla vNext25 non è un prototipo di qualcosa che verrà; lontano anni luce dall’utilizzo reale.
Lo Step Python è già qui con noi! Per adesso è nelle mani sapienti del nostro Team Adoption che lo sta usando per creare verticali personalizzati per clienti e partner.
Ne abbiamo proprio la settimana scorsa con Giuseppe e Chiara 👇
Come trasformare i dati in decisioni (Chiara e Giuseppe)
“Come Team Adoption, il nostro obiettivo è aiutare i nostri clienti, ovvero gli user, a prendere confidenza con la piattaforma. Partiamo dai loro dati e, insieme, andiamo a tirare fuori le analisi necessarie e di interesse.”
Stiamo raccogliendo feedback reali, testando casi veri e iterando velocemente. È questo il modo migliore per prepararne il rilascio pubblico previsto per il prossimo anno.
Niente effetti speciali o promesse vaghe: vogliamo portare ai clienti qualcosa che funzioni davvero e che li aiuti fin da subito.
Vuoi provare?
Se hai un dataset che finora è rimasto in silenzio, lì fermo a prendere povere nel cassetto - vendite, prenotazioni, ticket, flussi di clienti - questo è il momento perfetto per provare.
Possiamo prendere i tuoi dati, applicare Prophet e costruire insieme la tua prima previsione dentro Elly.
👉 Contattaci e parliamone insieme: i tuoi dati sanno già molto più di quanto immagini.
Il futuro non è un esercizio da maghi, prestigiatori e indovini, ma un processo che va modellato con competenza e gli strumenti giusti, un dato alla volta.