La scorsa settimana abbiamo parlato di bias cognitivi e di come i dati possano essere un supporto importante per superarli. Argomento che reputo molto interessante, che mi ha portato a riflettere sull’importanza di trovare un equilibrio tra oggettività e soggettività nel prendere decisioni, di cui ho parlato sul mio profilo linkedin e a cui vi invito a contribuire con la vostra esperienza lasciando un commento.
Oggi invece vorrei condividere con voi uno strumento indispensabile per utilizzare i dati per predere decisioni: la Data Visualization, il processo di rappresentazione visiva dei dati attraverso grafici, diagrammi, mappe e altre forme visive. Strumento che permette di trasformare i dati complessi in informazioni di valore e facilmente comprensibili.
Grazie alla data visualization è possibile ad esempio individuare pattern, tendenze e relazioni tra i dati, facilitando l’analisi e l'interpretazione dei risultati. Questa tecnica gioca un ruolo fondamentale nell'aiutare le persone a trarre conclusioni informate e adottare strategie basate su evidenze.
La frase "un’immagine vale più di mille parole" cattura perfettamente una delle ragioni fondamentali per cui la data visualization è così potente: la capacità innata del cervello umano di elaborare e comprendere le immagini molto più rapidamente ed efficacemente dei dati numerici.
Per assimilare meglio questo concetto, è importante considerare come il cervello umano processa le informazioni visive rispetto ai dati testuali o numerici:
Elaborazione visiva rapida: il cervello umano è cablato per riconoscere e interpretare le informazioni visive in modo estremamente rapido. Studi neuroscientifici indicano che il cervello può elaborare immagini viste per appena 13 millisecondi. Questa rapidità è cruciale quando si tratta di analizzare grandi quantità di dati.
Riconoscimento di pattern: gli esseri umani sono eccezionalmente bravi a riconoscere pattern, forme e colori. La data visualization sfrutta questa capacità trasformando dati numerici in grafici e immagini, permettendo al cervello di identificare tendenze e correlazioni in modo più intuitivo.
Memoria visiva: le immagini sono più facilmente memorizzabili rispetto al testo o ai numeri. Ciò significa che le informazioni presentate visivamente sono più propense a essere ricordate a lungo termine.
Riduzione del carico cognitivo: leggere e interpretare dati numerici o testuali richiede uno sforzo cognitivo significativo. Le visualizzazioni riducono questo carico, presentando le informazioni in un formato che il cervello può elaborare più facilmente.
Comunicazione emotiva: le immagini possono trasmettere non solo dati, ma anche emozioni e contesto, rendendo la comunicazione più efficace. Ad esempio, un grafico a colori che mostra un aumento drastico di qualcosa può avere un impatto emotivo immediato, spingendo all'azione o alla riflessione.
Rappresentazione multidimensionale: mentre i dati numerici sono limitati a due dimensioni (numero e tempo), le visualizzazioni possono incorporare molteplici dimensioni, come grandezza, colore e posizione, permettendo una rappresentazione più ricca e complessa dei dati.
Facilità di condivisione: le immagini sono facilmente condivisibili e possono essere comprese da un pubblico ampio, indipendentemente dal loro background o esperienza con i dati.
Facciamo un esempio semplice confrontando dati numerici grezzi con la loro rappresentazione grafica. Immaginiamo di avere i dati di vendita di una piccola azienda per cinque prodotti diversi in un anno.
Ecco come potrebbero apparire i dati numerici in forma tabellare:
Questi dati, sebbene completi, richiedono tempo e attenzione per essere analizzati e compresi a fondo. Ad esempio, individuare quale prodotto ha avuto le migliori prestazioni durante l'anno o riconoscere tendenze mensili non è immediato.
Ora, immaginiamo di trasformare questi dati in un grafico a linee. Ogni prodotto è rappresentato da una linea di colore diverso, con l'asse delle ascisse che rappresenta i mesi e l'asse delle ordinate le vendite.
In questo grafico è possibile:
individuare immediatamente quale prodotto ha le migliori prestazioni in un dato mese;
confrontare facilmente le prestazioni dei prodotti tra loro;
riconoscere tendenze, come un aumento o una diminuzione delle vendite in certi periodi dell'anno;
identificare pattern stagionali o anomalie, come picchi o cali improvvisi nelle vendite.
La scelta del tipo di visualizzazione è fondamentale, se infatti rappresentiamo gli stessi dati con un grafico diverso, ad esempio a Barre, possiamo facilitare il confronto diretto delle vendite tra i diversi prodotti per ogni mese. Possiamo vedere chiaramente quali prodotti hanno avuto le migliori prestazioni in ogni periodo e come queste prestazioni si confrontano tra i vari mesi.
Sono solo due semplici esempi, ma ci dimostrano esattamente che:
gli stessi dati possono essere rappresentati in maniera differente e possono diventare più efficaci a seconda delle informazioni che vogliamo analizzare.
Nel grafico a linee ad esempio è più semplice vedere le tendenze delle vendite per ogni prodotto e evidenziare le fluttuazioni, mentre nel grafico a barre c’è maggiore enfasi sui valori individuali, che è molto utile per fare valutazioni quantitative precise.
Nella mia esperienza, oltre ad essere uno strumento di analisi indispensabile per un manager o un imprenditore, la data visualization è anche un ottimo modo di favorire la creatività per trovare nuove idee per le proprie strategie che, oltre a basarsi sulla propria esperienza, può fare affidamento su un supporto data-driven.
I grafici che avete visto sono stati generati in maniera semplice e veloce con Elly.
Sono partito da un CSV gentilmente creato da ChatGPT che poi ho trascinato nell’area di lavoro di Elly, pensata proprio per rendere semplici le analisi dei dati.
Possiamo anche sfruttare la funzionalità Insight di cui abbiamo parlato in occasione della newsletter in cui abbiamo annunciato le funzionalità di AI Generativa, per avere un quadro descrittivo dei dati: basta cliccare sull’icona della lampadina:
Ve la riporto qui nel caso non riusciate a leggere bene l’immagine.
Insights di Vendite Mensili Prodotti
Dall'analisi della tabella si possono trarre i seguenti insight:
Trend di crescita: tutti i prodotti mostrano un trend di crescita nel corso dell'anno, con il prodotto C che presenta l'aumento più consistente in termini di unità vendute da gennaio a dicembre.
Prodotto leader: il prodotto C è il più venduto in ogni mese, suggerendo che è il più popolare o il più richiesto tra i cinque prodotti.
Prodotto in declino: il prodotto E mostra un declino costante nelle vendite mese dopo mese, suggerendo una perdita di popolarità o una possibile saturazione del mercato.
Crescita stagionale: i prodotti A e B mostrano una crescita più marcata nei mesi estivi (da giugno ad agosto), il che potrebbe indicare una stagionalità nella loro domanda.
Variazioni minori: il prodotto D ha le variazioni più piccole in termini di unità vendute, con un picco di 70 in marzo e un minimo di 10 in settembre, suggerendo una domanda più stabile o meno sensibile rispetto agli altri prodotti.
Performance complessiva: in termini di performance complessiva, i prodotti possono essere classificati in ordine decrescente come segue: C, A, B, E, D, con il prodotto C che domina chiaramente il mercato e il prodotto D che mostra le vendite più basse.
Questi insight possono aiutare l'azienda a comprendere meglio le dinamiche di vendita dei propri prodotti e a pianificare strategie di marketing, produzione e inventario più efficaci.
Proviamo a fare insieme qualche analisi con dei vostri dati?
Scommettiamo che tiriamo fuori delle informazioni che ”sentivate e di cui avevate percezione”, ma che non sapevate spiegare? Sono anche abbastanza sicuro che troveremo qualche informazione che non immaginavate neanche.
Se vi va compilate il form sul nostro sito, adoriamo vedere le facce sorprese dalla scoperta ogni volta che facciamo questi test.
Non siate timidi, vi aspettiamo!