| name | statistica-applicata |
| description | Statistica applicata per PMI italiane: analisi descrittiva, regressione, forecasting vendite, test A/B, correlazioni, visualizzazione dati. Senza necessità di competenze matematiche avanzate — output orientato alla decisione. |
Statistica Applicata — Decisioni Basate sui Dati
Analisi descrittiva — metriche base
| Metrica | Calcolo | Quando usarla |
|---|
| Media | Σx / n | Dati simmetrici, senza outlier forti |
| Mediana | Valore centrale ordinato | Dati con outlier (fatturati, tempi) |
| Moda | Valore più frequente | Categorie (prodotti più venduti) |
| Dev. standard | √(Σ(x-μ)²/n) | Variabilità, coerenza consegne |
| Coefficiente variazione | σ/μ × 100 | Confronto variabilità tra serie diverse |
| Percentile 90 | Valore sotto cui cade il 90% | SLA: "il 90% delle consegne in X giorni" |
Forecasting vendite — metodi pratici
Media mobile (semplice)
Previsione mese M = Media degli ultimi N mesi
N = 3 per trend rapido, N = 12 per stagionale stabile
Exponential Smoothing (ETS)
Previsione_t = α × Reale_{t-1} + (1-α) × Previsione_{t-1}
α = 0.3 → memoria lunga (stabile)
α = 0.7 → reattivo ai cambiamenti recenti
Stagionalità — decomposizione
Vendite = Trend × Stagionalità × Irregolarità
Indice stagionale mese M = Media vendite M / Media annuale
Esempio: se luglio pesa 1.35 sulla media → aspettati +35% in luglio.
Regressione lineare — uso pratico PMI
Domanda: "Le vendite dipendono dagli investimenti marketing?"
y = a + b×x
y = vendite mensili
x = spesa marketing mensile
b = incremento vendite per ogni €1 in marketing
R² = quanto x spiega y (0=nulla, 1=perfetto, > 0.7 = buono)
Interpretazione R²:
- R² = 0.85 → 85% della variazione vendite spiegata dalla variabile X
- Se R² < 0.3: cercare altre variabili esplicative
Test A/B — quando e come
Quando: confrontare due versioni (email, landing page, prezzo, processo).
Dimensione campione minima:
n = 16 × σ² / δ²
σ = dev. standard attesa
δ = minima differenza rilevante
Regola pratica: almeno 100 osservazioni per gruppo per effetti > 10%
Significatività statistica: p-value < 0.05 (95% confidenza che la differenza non sia casuale).
Errore comune: concludere dopo 3 giorni → attendere almeno 2 cicli completi (es. 2 settimane per email settimanali).
KPI PMI — analisi standard
Vendite
- Tasso conversione = Ordini / Preventivi × 100 (target B2B: >30%)
- Ticket medio = Fatturato / N° ordini
- Concentrazione clienti = % fatturato top 3 clienti (rischio se >50%)
Operatività
- OTD (On Time Delivery) = Consegne puntuali / Totale consegne
- Lead time medio = Media (data consegna - data ordine)
- % scarti/resi = Unità difettose / Totale prodotte
Finanziario
- DSO (giorni credito) = (Crediti / Fatturato) × 365
- DPO (giorni debito) = (Debiti / Acquisti) × 365
- Margine EBITDA = EBITDA / Ricavi × 100
Correlazione — interpretazione
| Valore r | Interpretazione |
|---|
| 0.9 — 1.0 | Correlazione molto forte |
| 0.7 — 0.9 | Correlazione forte |
| 0.5 — 0.7 | Correlazione moderata |
| 0.3 — 0.5 | Correlazione debole |
| < 0.3 | Correlazione trascurabile |
Correlazione ≠ causalità: prezzi gelati correlano con annegamenti (estate). Verificare sempre la logica causale.
Visualizzazione — quale grafico per quale dato
| Dato | Grafico |
|---|
| Trend temporale | Linea |
| Confronto categorie | Barre verticali |
| Composizione (parti/totale) | Torta (max 5 fette) |
| Distribuzione valori | Istogramma |
| Correlazione tra due variabili | Scatter plot |
| Performance vs target | Bullet chart o gauge |
| Mappa termica performance | Heatmap |
Regola: un grafico = un messaggio. Se serve spiegare il grafico, il grafico è sbagliato.
