statistica-applicata

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.