Dai dati alla Business Intelligence

Hai pochi dati, quattro tabelle “semplici”… e scopri che non sono affatto semplici.In questa puntata entriamo davvero dietro le quinte di un progetto di data analytics reale e capiamo perché a un certo punto Excel e il database operativo non bastano più.Partiamo da un caso concreto e facciamo il passaggio chiave: dal dato transazionale al Data Warehouse, mettendo ordine tra pagamenti, abbonamenti, clienti, lead e “falsi amici” che rischiano di rovinare le analisi.In questa puntata vediamo: - perché il Data Warehouse è un collettore e non “un costo in più”- la differenza tra dato operativo e dato analitico (e perché separarli)- come introdurre storicizzazione e versioning dei dati-pagamenti annuali, mensili e a 0€: dove nascono gli errori-come iniziare a ragionare su KPI corretti (fatturato, clienti attivi, ARPU, durata)-perché le analisi non sono mai “una tantum”, ma un processo continuoNiente teoria per il gusto di farla: usiamo i dati per capire il business e prepararci alle analisi che verranno nelle prossime puntate.Se lavori con i dati, fai BI o stai cercando di rendere la tua azienda più data-driven, questa è una puntata che ti evita parecchi errori a valle.📌 Link utili- [Newsletter] Essere Data Driven: la verità che nessuno racconta: - [1° Video] Ho dato i miei dati REALI a un Data Analyst : - [Carosello]Perché serve un DWH per il progetto di Dietro le quinte: 00:00 – Perché questo progetto di data analytics00:56 – Cos’è davvero un Data Warehouse03:26 – Operativo vs analitico: perché separare i dati04:33 – La dimensione storica dei dati05:57 – Ok, ma chi lo paga? (il punto di vista del business)Quanto costa un DWH e quando ha senso investire davvero.07:41 – Architettura semplice vs complessa08:00 – Star Schema: fatti e dimensioni spiegati sul campoTabella dei fatti, dimensioni e perché il modello dati conta più delle query.11:34 – Entriamo nel caso reale: utenti, pagamenti, abbonamentiLe entità principali del progetto e perché gli abbonamenti sono “falsi amici”.13:34 – Pagamenti singoli, mensili, annuali e a 0€Doppioni, free trial e perché contare i clienti non è banale.15:10 – Quando un cliente è davvero un cliente?Lead, cliente, ex-cliente: la definizione dipende dall’analisi.17:03 – Abbonamenti annuali e RMR: il problema dello “spalmare”Un pagamento ≠ un mese: come simulare i flussi corretti per le analisi.18:27 – Dai dati semplici alla complessità realePerché ogni progetto dati diventa complesso entrando nel business.20:18 – Quali analisi vogliamo fare (prima le priorità)Fatturato, clienti attivi, ARPU e durata del cliente.21:54 – Effetto palestra e utilizzo delle lezioniPerché il dato finanziario da solo non basta.23:41 – Funnel marketing e CRMDa lead a cliente: dati mancanti e analisi di conversione.25:10 – L’analisi come processo, non come dashboardOgni analisi genera nuove domande (ed è normale).28:06 – Il Data Warehouse non è un costo, è un investimentoPerché abilita decisioni migliori, anche correttive.30:15 – Il vero lavoro del data analystSintetizzare complessità in messaggi chiari per decidere.31:23 – Data storytelling: parlare al cliente, non ai tecniciMeno righe di SQL, più messaggi utili.33:20 – Quanti dati servono davvero?50k righe vs milioni: quando Excel non basta più.34:39 – La scelta pragmatica: PostgresPerché partire semplice è spesso la scelta migliore.36:06 – Dal dato grezzo al modelloIngestion vs transformation: come iniziamo a costruire il DWH.38:38 – Più fatti, più dimensioniPagamenti, clienti, prodotti, tempo e abbonamenti.39:16 – Prossimi step del progettoTrasformazioni, modellazione e cosa vedremo nella prossima puntata.

In questo episodio del podcast "Dai dati alla Business Intelligence", ti presentiamo un estratto dal webinar “Excel e Power BI non bastano più – Cosa serve davvero ai CFO oggi”, parte del progetto Dati365.
Sempre più spesso, i team finance si trovano a gestire processi complessi come il budgeting, le chiusure mensili e le analisi di scostamento usando strumenti come Excel, Power BI e SQL. Ma questi strumenti, per quanto diffusi, iniziano a mostrare i propri limiti quando si tratta di governance del dato, tracciabilità e affidabilità.
In questa puntata vediamo alcune clip tratte dal webinar, in cui viene analizzato perché questi tool tradizionali non sono più sufficienti e come gli strumenti EPM (Enterprise Performance Management) possono fare la differenza, soprattutto in contesti aziendali strutturati.
Tra i temi affrontati:
Allocazione dei costi indiretti su centri di costo con regole e driver personalizzati

Simulazioni multiple di scenari (budget, actual, forecast)

Workflow approvati e tracciabili per ogni fase del processo

Input guidati, controllo versioni e reporting parametrici

Integrazione dati via ETL automatizzati per un modello centralizzato

Questi strumenti aiutano i CFO e i controller a prendere decisioni migliori, basate su dati affidabili, replicabili e facilmente confrontabili.
🎓 Vuoi approfondire? Il webinar completo (1h di formazione) è disponibile al link:
👉 https://dai-dati-alla-bi-393157.socialacademy.com/courses/webinar-excel-e-power-bi-non-bastano-piu-cosa-serve-davvero-ai-cfo-oggi/product_page

Come nasce davvero un progetto Data Driven (senza filtri, né teoria)Tutti parlano di aziende “data driven”. Ma cosa significa davvero esserlo? In questa puntata del podcast “Dai dati alla Business Intelligence”, insieme a Massimo Piras (Itauros), inauguriamo un progetto mai visto prima: un vero dietro le quinte, senza filtri, di un progetto reale di data analytics.Il progetto nasce da un’esigenza molto semplice: raccontare con onestà come funziona davvero un progetto di analisi dati, dall’interno, senza filtri, senza casi studio “perfetti”, senza teoria astratta.Ho deciso di documentare in tempo reale tutte le fasi di un progetto data driven, su un’azienda reale: Dati 365“Come sta andando la mia azienda?”Una domanda banale all’apparenza, ma in realtà estremamente complessa se non si ha:- una buona cultura del dato,- sistemi ben tracciati,- metriche definite,- processi strutturati.📋 Cosa succede in concreto nel progetto👉 Ho fornito a Massimo un set di dati reali (ma anonimizzati):pagamenti, abbonamenti, anagrafiche, dati di accesso alla piattaforma, ecc.👉 Massimo (e il suo team) analizzano questi dati da zero, senza alcun contesto o documentazione tecnica, come spesso avviene nella realtà.👉 Le conversazioni, i dubbi, gli scambi tra “cliente” e “consulente” vengono registrati, pubblicati e commentati pubblicamente: podcast, newsletter, contenuti social.👉 Ogni puntata del progetto mostra un pezzo del processo:Quali dati ci sono? Come sono messi?Cosa manca per rispondere alla domanda di business?Come si progetta una soluzione tecnica coerente?Quali metriche vanno costruite e perché?Come si crea una dashboard che serva davvero?Come si interpretano gli insight?Come si prendono decisioni migliori grazie ai dati? Perché è un progetto unicoNon c’è una trama scritta prima. Nessuno sa dove si arriverà.I problemi sono veri: dati sporchi, metriche ambigue, mancanza di processi.Le decisioni vengono prese in diretta, come succede davvero in azienda.Ogni fase è utile sia a chi lavora con i dati, sia a chi li deve usare per decidere.A chi è utileImprenditori e manager che vogliono capire se la loro azienda è davvero data drivenData analyst, BI specialist e data engineer che vogliono vedere come si traduce un bisogno aziendale in una soluzione tecnicaFormatori e studenti che vogliono un esempio pratico e reale di un progetto completoÈ il primo progetto italiano che mostra tutto il percorso, con le sue incertezze, scoperte, errori e compromessi.Perché essere “data driven” non è uno slogan. È un processo — lungo, concreto, faticoso — ma potentissimo.Oggi si inizia con il primo episodio! Un progetto divulgativo, didattico e profondamente concreto. La prima puntata di un percorso che ti porterà dentro ogni fase di un progetto dati: dalla domanda di business alla dashboard finale.🔔 Iscriviti al podcast e attiva le notifiche per non perdere i prossimi episodi di questa serie rivoluzionaria.[00:00:00] Introduzione e contesto[00:04:00] Inizio del progetto con Massimo Piras[00:06:20] Perché raccontare un progetto reale[00:08:00] I due estremi nei progetti dati[00:09:30] La scelta del caso studio: Dati 365[00:12:00] La domanda di partenza[00:14:30] L’importanza di fare domande “banali”[00:20:30] Le metriche da costruire (non solo fatturato)[00:27:00] Qualità e struttura dei dati[00:30:30] L’importanza della comprensione del business[00:33:30] Come nasce davvero un progetto di analisi[00:36:00] Cultura data driven e resistenze interne[00:38:30] Conclusioni e prossimi passi

Scopri come l’Intelligenza Artificiale può diventare un vero alleato per accelerare l’adoption dell’innovazione in azienda.Guarda il webinar completo (durata: 1 ora) In questo estratto del webinar di Dati 365, Fabiano e William, esperto di data analytics e AI, spiegano come passare dalla sperimentazione all’adozione reale di strumenti basati sull’intelligenza artificiale.Non basta creare modelli o dashboard: serve che le persone li usino e li comprendano.Attraverso esempi pratici e casi studio reali, il video mostra 5 modi concreti in cui l’AI accelera l’adoption aziendale:
Prototipizzazione con AI – Creare prototipi rapidi (con strumenti come Claude AI) per testare e comunicare le innovazioni prima del rilascio ufficiale.
Creazione di sistemi riutilizzabili – Passare dal semplice prompt all’automazione scalabile, generando soluzioni replicabili
Data storytelling e insight azionabili – Usare l’AI per trasformare i dati in narrazioni comprensibili e KPI orientati all’azione.
Strumenti AI no-code e framework collaborativi – Sfruttare piattaforme come Miro, Figma e Canva per creare dashboard e visualizzazioni intuitive, anche senza codice.
Sicurezza e deploy locale AI – Garantire la tutela dei dati e la fiducia degli utenti, mantenendo controllo e trasparenza.
Questo estratto affronta temi chiave per chi lavora nell’ambito data analytics, innovazione e digital transformation:Intelligenza Artificiale e AI adoptionPrototipizzazione con AI e Claude AIData storytelling e visualizzazione datiKPI, metriche e decisioni data-drivenStrumenti AI no-code e framework AIScraping dati con AI e deploy locale AIOgni punto è spiegato con esempi chiari e applicabili nel contesto aziendale, per mostrare come l’AI possa facilitare l’adozione, non sostituire le persone.🎓 Il webinar completo fa parte del percorso formativo di Dati 365, la prima academy italiana dedicata alla data analytics e all’uso strategico dell’Intelligenza Artificiale in azienda.Guarda l’intera registrazione qui:👉 https://dai-dati-alla-bi-393157.socialacademy.com/offers/webinar-adozione-ai/checkout00:00 – Introduzione: l’AI come alleato dell’adoption01:10 – Perché l’adoption è la sfida più difficile per le aziende02:50 – Dalla teoria alla pratica: il metodo di William04:15 – Prototipizzazione con AI: come trasformare un’idea in sistema06:00 – Claude AI e la creazione di soluzioni riutilizzabili07:35 – Data storytelling: dai KPI agli insight azionabili09:10 – Miro, Figma e altri strumenti AI no-code per collaborare10:50 – Scraping e data enrichment con AI: arricchire i dati in modo smart12:30 – Sicurezza dei dati e deploy locale AI: lavorare in modo responsabile14:10 – Analisi predittiva: come l’AI aiuta le decisioni data-driven15:45 – Framework AI per impostare obiettivi e misurazioni (OKR)17:10 – Le 5 strategie per accelerare l’adoption aziendale18:30 – Conclusioni: dal prototipo all’innovazione reale19:30 – Invito al webinar completo e risorse di approfondiment

La Bolla dell’AI: siamo nel pieno di una rivoluzione… o di un’illusione miliardaria?
In questa puntata del podcast provo a mettere ordine in quello che sta succedendo nel mondo dell’intelligenza artificiale.
No, non parliamo di prompt, modelli o nuovi tool magici, ma di qualcosa di molto più profondo (e potenzialmente pericoloso):
il rischio concreto di una bolla finanziaria nel settore AI.

Cosa succede quando Nvidia investe in OpenAI, che compra GPU da Nvidia, mentre Oracle investe in Nvidia per vendere cloud ad… OpenAI?
E quando Microsoft mette soldi, prende equity e rivende servizi?
Succede che nasce l’Economia Circolare dell’Hype.
Bloomberg l’ha chiamata AI Money Machine.

E il paragone con la bolla delle dot-com è fin troppo facile: all’epoca bastava un “.com” per raccogliere milioni, oggi basta un “AI-powered” in una slide.

Se l’adozione reale non tiene il passo della narrazione, la bolla scoppia.
Ma come già successo in passato, a cadere saranno i progetti vuoti, mentre i veri innovatori resteranno. Amazon, Google e Netflix ci insegnano che le rivoluzioni digitali sopravvivono alle bolle.
L’intelligenza artificiale cambierà il mondo, ma prima dovrà ripulirsi.
E forse, questo scoppio sarà proprio ciò che serve per separare i fuffa-powered dai game-changer.
🎧 Ascolta la puntata e dimmi la tua:
Siamo dentro un’altra bolla destinata a scoppiare…o dentro una rivoluzione che sta solo scremando il rumore?

👇 Scrivilo nei commenti o iscriviti alla newsletter per restare aggiornato sulle prossime riflessioni.

In questa puntata parlo di:
Cosa accomuna l’AI del 2025 a Internet del 2000

Come funziona davvero questo “giro tondo” tra Big Tech

Perché il rischio bolla non è una tragedia, ma un’occasione

Cosa resterà dopo l’hype (spoiler: non i tool copia-incolla)