Passa al contenuto principale

Analisi dei dati

Tutti i livelli

Non devi essere un data scientist per ottenere risposte dai dati con l'AI — ma devi tenerla onesta. L'AI scrive la query e spiega il risultato; tu confermi che i numeri siano reali.

In cosa aiuta​

  • Scrivere SQL / formule per fogli di calcolo / pandas a partire da una domanda in linguaggio naturale.
  • Spiegare cosa significa una query o un risultato in termini di business.
  • Pulire e trasformare dati disordinati (descrivi il disordine, ottieni i passaggi).
  • Suggerire il grafico giusto per la domanda.
  • Interpretare l'output e proporre la domanda successiva.

Il flusso di lavoro sicuro​

  1. Descrivi i tuoi dati — colonne, tipi, e la granularità (una riga = ?). Non dare per scontati i nomi.
  2. Formula la domanda a cui l'analisi deve rispondere.
  3. Ottieni la query + una spiegazione in una riga di cosa fa e delle sue assunzioni.
  4. Eseguila tu stesso sui dati reali.
  5. Riporta i risultati per un'interpretazione in linguaggio naturale e i relativi caveat.
My table `orders` has columns: order_id, customer_id, created_at, total_eur,
status. One row per order. Write SQL for monthly revenue from completed orders in
2025, and explain any assumptions.

Guardrail​

:::warning Non fidarti mai di numeri che non ha calcolato Se l'AI dichiara un risultato senza aver eseguito la query sui tuoi dati, quel numero potrebbe essere inventato. Esegui tu stesso le query; tratta come non verificata qualsiasi cifra che non hai calcolato. E ricorda che correlazione ≠ causalità — chiedile di segnalare le affermazioni associative. Vedi Allucinazioni. :::

  • Verifica la plausibilità degli ordini di grandezza — risultato implausibile? indaga, non pubblicare.
  • Dichiara le assunzioni (valori nulli, deduplica, fusi orari, valuta).
  • Non incollare dati sensibili/PII in strumenti che non hai verificato (Privacy).

Avanti​