Insight automatici e il valore del non chiedere
Quando la domanda non c’è ancora, lascia che siano i dati a indicare dove guardare.
Bentornati al nostro consueto appuntamento settimanale sul mondo della Business Intelligence per tutti.
Oggi arriviamo all’articolo 118 e mettiamo a fuoco un tema che, in questi mesi, torna in ogni conversazione con manager e team operativi: cosa succede quando non sai nemmeno quale domanda porre ai tuoi dati?
Il punto non è la mancanza di informazioni, semplicemente capita che manca il tempo — e la lucidità — per capire davvero dove guardare. E come diceva Pablo Picasso:
“I computer sono inutili. Possono solo darti risposte”.
La vera sfida, oggi, è capire quale sia la domanda giusta. Però fermiamoci un attimo e come da tradizione, partiamo dalla musica con la nostra playlist Spotify Data Grooves.
Questa settimana scegliamo un brano che tiene insieme tre parole chiave: cambiamento, scostamenti, memoria.
🎵 “Somebody That I Used to Know” — Gotye
I numeri cambiano prima delle storie che ci raccontiamo e spesso ce ne accorgiamo troppo tardi.
Quando la Business Intelligence diventa un lavoro a tempo pieno
Per anni abbiamo raccontato la BI come un processo lineare:
Ho una domanda → costruisco un grafico → cerco la risposta.
Funziona.
A patto che la domanda sia chiara, il perimetro sia corretto e tu abbia già un’idea di dove potrebbe nascondersi il problema.
Nella vita reale, però, succede più spesso il contrario:
hai una dashboard davanti,
è tutto “verde”
eppure i conti non tornano.
Il margine scende piano, una regione smette di convertire, un fornitore rallenta. Si tratta di segnali deboli, mimetizzati in mezzo a numeri rassicuranti. E qui vale la regola più semplice — e più ignorata — di tutte: avere i dati non significa avere le risposte.
Ecco perché usiamo gli Insight Automatici
Gli Insight Automatici di Elly nascono per risolvere un problema molto concreto: il momento in cui i dati ci sono, ma la domanda non è ancora chiara.
In quelle situazioni l’analisi tende a diventare una sequenza di tentativi: un grafico, un filtro, un’altra vista. Non perché manchi competenza, ma perché manca un indizio da cui partire.
Con Genera Insight, Elly avvia una scansione del dataset (o della dashboard) e porta in superficie ciò che merita attenzione: variazioni rispetto allo storico, valori fuori scala, andamenti insoliti, relazioni tra variabili che a colpo d’occhio restano nascoste.
Quando clicchi su “Genera Insight”, il motore applica statistica descrittiva e modelli di machine learning per:
trovare tendenze: variazioni significative e cambi di passo rispetto allo storico
identificare outlier: valori fuori scala o comportamenti anomali (in positivo o in negativo)
proporre pattern: relazioni tra variabili che non emergono a colpo d’occhio
costruire visualizzazioni: grafici coerenti con il fenomeno rilevato
Il risultato è una lista di fenomeni “da guardare”.
E da lì la domanda arriva più facilmente: non si parte dal vuoto, si parte da un segnale.
Due modi diversi di cercare: Collezione e Dashboard
In Elly, gli Insight Automatici possono lavorare su due livelli. Capire la differenza è il modo più semplice per ottenere risultati davvero azionabili.
1) Insight su Collezione — esplorazione
Qui Elly lavora sul dataset grezzo: una tabella intera (es. Ordini, Fatture).
È la modalità in cui chiedi di analizzare l’intera fonte dati per far emergere segnali macroscopici: scostamenti, andamenti insoliti, concentrazioni anomale.
È utile quando inizi un’analisi da zero e vuoi capire quali variabili stanno muovendo i risultati, senza partire da ipotesi già “chiuse”.
2) Insight su Dashboard — contestualizzazione
Qui l’analisi è più mirata: Elly lavora sulle metriche e sulle tile che hai già scelto di monitorare.
Ed è qui che succede una cosa importante: non stai solo chiedendo “trova anomalie”, stai anche definendo dove ha senso cercarle, perché quella dashboard rappresenta già un contesto di lettura.
In pratica, la struttura della dashboard orienta l’analisi verso ciò che, per te, è strategicamente rilevante.
Il contesto determina il risultato
Qui serve disciplina.
L’AI calcola sempre dentro un contesto e quel contesto lo costruisci tu: filtri, perimetri, qualità del dato. Prima di cliccare “Genera”, dobbiamo ricordare due principi tecnici fondamentali.
1) Attenzione ai filtri
Se hai un filtro attivo (es. “Anno 2024”, “Regione Nord”), Elly analizzerà solo quel perimetro.
Un insight su un sottoinsieme può essere matematicamente corretto, ma parziale.
Assicurati che il filtro rifletta davvero l’ampiezza dell’analisi che vuoi fare.
2) Garbage In, Garbage Out
Se i dati alla fonte sono sporchi, duplicati o incoerenti, l’algoritmo non ti “avvisa”. Non può, come potrebbe mai farlo?
All’opposto invece ti restituisce comunque un risultato ordinato, solo che quell’ordine mostra semplicemente, anche se in una forma molto elegante, un errore.
La qualità del dato è il prerequisito dell’affidabilità.
L’output segue l’input. Sempre.
L’insight non chiude il discorso. Lo apre.
L’errore più comune è trattare l’Insight Automatico come una sentenza definitiva.
Un insight è un acceleratore: segnala una variazione statisticamente rilevante.
Poi arriva la parte che conta davvero:
Perché sta succedendo?
È un cambio reale di mercato o un’anomalia operativa?
Quale azione correttiva ha senso intraprendere?
Gli Insight Automatici riducono la fatica del data mining.
La decisione, però, resta un lavoro umano: interpretazione, priorità, responsabilità.
Elly può indicare il dove, ma il perché resta tuo.
Meno tempo a cercare, più tempo a decidere
Gli Insight Automatici servono a ridurre drasticamente il tempo che passa tra la disponibilità del dato e l’azione.
E soprattutto riducono i giri a vuoto: quelli in cui non stai analizzando, stai solo cercando il punto da cui iniziare.
La prossima volta che apri una dashboard su Elly, prova questo: per un attimo, non chiedere nulla. Lascia che siano i dati ad indicarti la strada.