Dai dati alla Business Intelligence

Siamo partiti da una domanda apparentemente semplice: come sta andando la mia azienda?
E siamo arrivati a costruire una dashboard capace di rispondere a domande molto più concrete: quanto vale mediamente un cliente? Quanto rimane attivo in un modello ad abbonamento? Perché il fatturato ricorrente cresce o diminuisce? E soprattutto: quanto posso permettermi di investire per acquisire un nuovo cliente?
In questa ultima puntata dello spin-off Dietro le quinte del podcast Dai Dati alla Business Intelligence, chiudiamo il percorso realizzato insieme a Massimo di Itauros su un caso concreto: l’analisi dei dati di Dati 365, la mia Academy dedicata alla formazione in Data Analytics.
Durante le puntate precedenti siamo partiti da file Excel e CSV complessi, dati distribuiti tra clienti, abbonamenti, pagamenti, corsi singoli, prodotti gratuiti e lead magnet. Abbiamo ragionato sulla necessità di costruire un data warehouse, standardizzare le informazioni, collegare correttamente le entità di business, progettare un modello dati coerente e preparare la base per una dashboard realmente utile.
In questo episodio arriviamo finalmente alla dashboard e alla fase più importante di tutto il progetto: leggere i dati per prendere decisioni.
Il punto centrale della puntata è proprio questo: una dashboard non serve semplicemente a visualizzare numeri. Serve a far emergere anomalie, comprendere il comportamento dei clienti e supportare decisioni concrete su marketing, retention, nuovi prodotti e investimenti.
Parliamo anche di come una soluzione di Business Intelligence possa essere costruita tecnicamente: architettura cloud AWS, storage dei dati, livelli Bronze, Silver e Gold, elaborazioni serverless, Athena, SQL e collegamento finale con Power BI. Ma soprattutto ribadiamo un principio fondamentale: tutta la tecnologia, tutto il codice e tutta l’infrastruttura hanno valore solo quando aiutano qualcuno a decidere meglio.

📌 In questa puntata parliamo di:
dashboard Power BI per analizzare un business reale;
data warehouse, AWS, SQL e architettura dati;
perché Excel da solo non basta quando le analisi diventano complesse;
come passare dai dati alle decisioni di business.
00:00 Dalla domanda di business alla dashboard finale
01:08 L’obiettivo del progetto: capire come sta andando Dati 365
02:25 Dai file complessi al data warehouse
03:00 Fatturato, abbonamenti e valore del cliente
04:54 Perché un progetto dati evolve durante il percorso
06:18 Partire da un quick win per dimostrare valore
08:22 La dashboard della mia azienda: i primi KPI
10:07 Cosa emerge leggendo davvero i grafici
11:57 Il picco di fatturato: cosa è successo a gennaio?
13:43 RMR per cliente: perché cresce mentre il fatturato cala
15:18 Vita media cliente e churn rate
17:23 Analisi per coorti: quanto rimangono i clienti?
20:22 Come scegliere il grafico giusto per chi decide
23:58 Dai tecnicismi alle decisioni di business
28:13 L’architettura dati: AWS, Data Warehouse e Power BI
30:31 Bronze, Silver e Gold Tier spiegati in pratica
33:22 Da Athena alla dashboard Power BI
35:17 Il miglior compromesso tra costi, tempi e complessità
36:00 Il futuro del progetto: dashboard, aggiornamenti e AI
37:44 Conclusioni dello spin-off
▶️ Guarda tutte le puntate dello spin-off Dietro le quinte:
https://www.youtube.com/watch?v=2kgN5ISmlSs&list=PLzM3BfJntqRUye38s2wXb01dI54ClQwiv
📩 Iscriviti alla Newsletter Dati 365 per ricevere approfondimenti su Data Analytics, Business Intelligence, Data Storytelling e cultura data-driven:
https://substack.com/@dati365
📊 Scopri Dati 365, l’Academy per imparare a lavorare con i dati su casi di business concreti:
https://dai-dati-alla-bi-393157.socialacademy.com/
Capitoli

📩 Newsletter Dati365
📊 Academy Dati365

Claude può davvero progettare la dashboard di un’azienda?
In questa nuova puntata dello spin-off “Dietro le quinte di un progetto dati” abbiamo deciso di fare un esperimento reale: prendere il progetto dati costruito nelle puntate precedenti e chiedere a Claude AI di progettare la dashboard finale del business.

Ma attenzione: questo video NON è il classico contenuto “l’AI sostituirà i data analyst” oppure “scrivi un prompt magico e avrai dashboard perfette in 10 secondi”.

Anzi.

Questa puntata mostra esattamente il contrario: il vero valore nei progetti di data analytics non è lo strumento, ma il ragionamento che c’è dietro. Claude può aiutare, accelerare, proporre idee, creare mockup e supportare il brainstorming… ma non può capire da solo cosa conta davvero per il business.

Ed è qui che il progetto diventa interessante.

Nel corso della puntata partiamo dal lavoro fatto nelle settimane precedenti:

* costruzione del data warehouse
* progettazione delle viste
* modellazione dei dati
* ragionamenti sulla granularità
* KPI
* retention
* lifetime value
* comportamento clienti
* ricavi ricorrenti

Fino ad arrivare al momento più atteso: la dashboard.

Per la prima volta il progetto diventa tangibile.
Fino a questo momento abbiamo lavorato dietro le quinte: database, ETL, query SQL, viste e trasformazioni. Tutto fondamentale, ma invisibile agli occhi del business. La dashboard invece è il primo elemento che un imprenditore, un manager o un CEO riesce davvero a “vedere”.

Ed è proprio qui che iniziano i problemi più interessanti.

Nel video mostriamo come Claude reagisce a un prompt estremamente generico:
“Crea la dashboard di un’azienda che vende corsi in abbonamento”.

Il risultato?
Una dashboard apparentemente corretta:

* KPI
* grafici
* churn rate
* fatturato
* clienti attivi
* revenue ricorrente

Sembra giusta.

Ma guardandola meglio emerge un problema enorme: è una dashboard generica. Claude ha costruito qualcosa che assomiglia alle dashboard che trova mediamente online. Ha fatto una regressione verso la media.

E qui entra in gioco il vero ruolo del data analyst.

Nel video analizziamo perché una dashboard realmente utile non nasce dai grafici, ma dalle domande:

* Chi userà questa dashboard?
* Che decisioni deve prendere?
* Qual è il vero obiettivo di business?
* Quali KPI contano davvero?
* Quali dati mancano?
* Quali informazioni sono rumorose?
* Quali sono i trade-off?
* Cosa vogliamo raccontare?

Ed è qui che la puntata diventa molto più profonda di un semplice “test AI”.
Mostriamo anche il metodo pratico che utilizzo per progettare dashboard.
Perché una dashboard non è un insieme di visualizzazioni messe a caso. Una dashboard è una storia.
Nel video vediamo come il risultato migliori drasticamente nel momento in cui iniziamo a dare contesto:

* chi leggerà la dashboard
* quali decisioni deve prendere
* quali dati esistono nel DWH
* quali sono gli obiettivi
* quali sono i limiti
* quali informazioni mancano

Solo a quel punto Claude inizia davvero ad aiutarci.

Parliamo anche di un tema molto importante ma spesso ignorato: la dashboard come strumento di comunicazione interna.
Quando arriva la dashboard, il management vede finalmente un risultato tangibile.
La dashboard non è il punto finale del progetto.
È il momento in cui il progetto inizia davvero a generare decisioni.

Se lavori nel mondo dati questa puntata ti farà vedere l’AI in un modo completamente diverso.
come acceleratore di ragionamento.

E soprattutto ti farà capire una cosa fondamentale:

Le dashboard non si progettano in Power BI.
Si progettano nella testa di chi deve prendere decisioni.

📩 Newsletter Dati365 → https://daiti365.substack.com/📊 Academy Dati365 → https://dai-dati-alla-bi-393157.socialacademy.com/
In questa nuova puntata dello spin-off “Dietro le quinte di un progetto dati” entriamo in una fase cruciale: siamo ormai vicini alla dashboard… ma è proprio qui che molti fanno l’errore più grande. L’analisi dei dati non è un processo lineare, ma un ciclo continuo fatto di iterazioni, ritorni indietro e raffinamenti progressivi.Partendo dal lavoro fatto nelle puntate precedenti — dalla definizione della domanda di business fino alla costruzione del data warehouse e delle viste — analizziamo cosa succede davvero quando si inizia a preparare i dati per la dashboard. Scoprirai perché la granularità dei dati è fondamentale, quali sono i rischi nascosti quando si uniscono tabelle diverse e perché numeri apparentemente corretti possono nascondere errori profondi.Parliamo anche del passaggio chiave tra mondo tecnico e business: come si costruiscono le viste, come si validano e perché questo step è spesso sottovalutato. Vedremo inoltre perché l’approccio iterativo è l’unico realmente efficace nei progetti data driven, e come questo impatta direttamente sulla qualità delle decisioni.Se pensi che il lavoro finisca con la creazione di una dashboard, questo video ti farà cambiare prospettiva: la dashboard è solo l’inizio. Il vero valore nasce da un processo continuo di analisi, revisione e miglioramento.Un contenuto pratico e concreto per chi vuole capire davvero come funzionano i progetti di data analytics nel mondo reale, senza teoria inutile e senza buzzword.Capitoli00:00 Introduzione e recap della puntata precedente00:33 Sigla01:01 Dove eravamo: dalle viste alla dashboard01:29 Cosa sono le viste e perché sono fondamentali02:13 Il modello dati: tabelle e struttura (prodotti, contatti, abbonamenti, pagamenti)03:27 Prime analisi: abbonamenti e fatturato mensile04:18 Ricavo per utente e per prodotto (ARPU e logiche di aggregazione)06:00 Granularità dei dati: quanto dettaglio serve davvero07:20 Approccio corretto: meglio dati granulari o aggregati?08:13 Il mito dei Big Data (e la realtà nei progetti)10:11 Data Warehouse: a cosa serve davvero (e a cosa no)12:14 Il ruolo degli strumenti di BI (Power BI e simili)14:16 Interattività e drill-down: perché serve granularità15:41 Perché le viste servono a “recintare” il dato16:55 Dal business alla tecnica (e ritorno): chiudere il cerchio18:00 Validazione dei dati prima della dashboard18:46 Il rischio delle join: quando i numeri “esplodono”21:00 La difficoltà reale del data modeling22:19 Il problema dei numeri “quasi giusti”22:56 Il processo iterativo nei progetti dati23:23 Waterfall vs Agile: perché nei dati non funziona24:56 Nei dati si impara facendo (e testando)26:31 Data analytics come processo continuo27:54 Decisioni, processi e miglioramento continuo29:00 Verso la dashboard (e il prossimo step)29:36 Dalla tecnica alla comunicazione: il ruolo della dashboard30:00 Prototipazione prima della BI (carta e penna)30:03 Conclusione

📩 Newsletter Dati365 → https://daiti365.substack.com/📊 Academy Dati365 → https://dai-dati-alla-bi-393157.socialacademy.com/In una dashboard fatta bene, i dati che vedi NON sono quelli che pensavi all’inizio.In questa puntata di Dai Dati alla Business Intelligence entriamo nel cuore reale di un progetto dati, insieme al partner di progetto Itauros.Non parliamo di tool.Non parliamo di grafici.Parliamo di quello che succede davvero quando provi a trasformare un’esigenza di business in un sistema di analytics funzionante.🎯 Di cosa parliamo concretamente in questo episodioPartiamo da un punto molto semplice (ma sottovalutato):👉 “Cosa vogliamo analizzare?”Sembra banale.Non lo è.Perché quello che emerge durante il progetto è questo:gli obiettivi iniziali sono spesso incompleti o poco chiariil business fatica a formalizzare davvero cosa vuoleil team dati scopre vincoli e opportunità solo lavorando sui datiE quindi cosa succede?Succede che il processo NON è lineare.🔄 Il processo reale (che nessuno racconta)In questo episodio vediamo passo dopo passo il loop vero:Si parte da un’esigenza di businessSi entra nei dati (ETL, modellazione, viste)Si costruisce una prima strutturaSi torna al business con più consapevolezzaSi ridefiniscono gli obiettiviE questo ciclo si ripete.👉 Non è un errore. È il processo.📊 Caso concreto: cosa stiamo costruendoIn questo progetto (Dati365) partiamo da un business in abbonamento.Le domande iniziali sembrano semplici:quanti clienti attivi abbiamo?quanto fatturano?quanto restano nel tempo?Ma appena iniziamo a lavorarci sopra emergono subito nuove complessità:differenza tra clienti mensili e annualigestione delle coorti (quando entrano e come evolvono)analisi dei canali di acquisizioneconfronto tra clienti “sopra” e “sotto” la media👉 Risultato: la “dashboard semplice” non è più così semplice.⚠️ L’errore più comune (e pericoloso)Partire subito dalla dashboard.“Facciamo qualche grafico”“Mettiamo dentro un po’ di KPI”“Poi vediamo”👉 È qui che iniziano i problemi:dashboard piene di rumoreanalisi poco utilizzabilicontinue modifiche e reworkPerché?Perché non è chiaro cosa vuoi davvero capire.🧠 Il vero lavoro nei datiQuesto episodio chiarisce una cosa fondamentale:Il valore non è:nel toolnel graficonella queryIl valore è nel:👉 definire le domande giuste👉 tradurre business ↔ dati👉 costruire un percorso di analisi coerente⚖️ Il trade-off reale che affrontiamoDurante la puntata tocchiamo anche un tema avanzato:centralizzare vs specializzare i datiuna sola vista → rischio rigiditàtroppe viste → caos e inconsistenza👉 la soluzione è progettare viste “intermedie”:abbastanza flessibilima governate🎬 Serie “Dietro le quinte”Questa è una serie in cui raccontiamo come nasce davvero un progetto dati:confronto tra business e ITerrori, iterazioni, cambi di direzionescelte architetturali e di analisiNiente teoria astratta.Solo processo reale.🤝 Partner del progettoQuesto progetto è sviluppato insieme a Itauros, con cui stiamo costruendo passo dopo passo l’intera architettura dati e il sistema di analisi.📣 Se lavori con i dati (o vuoi farlo)Questo è il tipo di contenuto che fa davvero la differenza.Iscriviti al canaleLascia un likeScrivi nei commenti:👉 da dove parti quando devi costruire una dashboard?

Se vuoi approfondire questi temi, nella mia newsletter condivido ogni settimana contenuti pratici su dati, AI e decisioni 👉 https://substack.com/@dati365------------------------------------------------------------In questo video trovi la registrazione di un workshop che ho tenuto come ospite nella community di  @RaffaeleGaito  , all’interno della sua academy AI 360.Il tema è l’utilizzo dell’intelligenza artificiale nella data analytics, con un focus molto pratico su come supportare (e non sostituire) il lavoro del data analyst.Il video è di qualche mese fa, quindi alcuni modelli o funzionalità potrebbero essere cambiati nel frattempo.Quello che non cambia, però, è il punto centrale: l’AI da sola non basta.Nel workshop mostro alcuni esempi concreti di utilizzo di ChatGPT per analizzare dati e creare grafici, e come il risultato cambi in modo significativo quando si inseriscono contesto, obiettivi e competenze di data analytics.Si parla anche di:cosa fa davvero un data analystperché molte dashboard non aiutano a prendere decisioniil ruolo del data storytellingcome progettare una dashboard prima ancora di costruirlacome usare i custom GPTs per supportare la fase di prototipazioneL’idea di fondo è semplice: l’AI è uno strumento molto potente, ma va guidata.Se usata senza metodo, tende a produrre output medi o fuorvianti.Se inserita in un processo strutturato, diventa un acceleratore enorme.Se lavori con dati, dashboard o decisioni, qui trovi un approccio concreto che puoi applicare subito.00:00 Introduzione e contesto workshop (AI 360)02:15 Chi sono e cosa faccio04:30 Cos’è davvero la data analytics07:20 Il ruolo del data analyst: dai dati alle decisioni10:10 La piramide dati → informazione → decisione13:30 Esempio pratico: dati senza contesto17:20 Perché serve il data storytelling20:30 Primo test con ChatGPT sui dati24:00 Limiti dell’AI: grafici e analisi superficiali27:30 Come migliorare i risultati con prompt migliori32:10 Il ruolo dello human-in-the-loop36:00 Dal grafico alla dashboard39:30 Cos’è davvero una dashboard efficace43:00 I 3 pilastri del data storytelling47:30 Prototipazione: perché carta e penna52:00 Il metodo di progettazione dashboard56:30 Introduzione ai Custom GPTs59:00 Custom GPT 1: storyboard01:05:00 Custom GPT 2: scelta dei grafici01:12:00 Custom GPT 3: titoli e testi01:18:00 Esempio reale: costruzione dashboard01:28:00 Errori dell’AI e iterazione01:35:00 Considerazioni finali sull’AI nei dati01:38:00 Q&A e conclusione