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