Capire i dati

Trasforma i dati in indicatori verificabili e dashboard che aiutino davvero a prendere decisioni.

62 articoli · Ultimo articolo aggiornato

La ricerca copre tutti gli articoli di questa sezione, inclusi l’archivio e il testo degli articoli.

Comprendere l'argomento

Una guida pratica a questo argomento

La misurazione è utile quando la definizione, la fonte e la decisione alla base di ciascun indicatore sono esplicite. Queste analisi esplorano la qualità dei dati, l'interpretazione delle tendenze e il monitoraggio dei percorsi digitali reali.

Cosa esaminare
  • Definire unità, ambito, periodo e proprietario prima di confrontare i dati.
  • Separare le modifiche alla raccolta, le modifiche al comportamento e l'effetto di un intervento.
  • Collegare le metriche tecniche alle attività e ai risultati riscontrati dagli utenti.
  • Segmentare le metriche dei campi per pagina e dispositivo, quindi individuare l'elemento o l'interazione responsabile.
  • Mostra conteggi, periodo e limitazioni prima di interpretare un tasso o raccomandare un'azione.
  • Definire l'ingresso, il ritorno e l'orizzonte temporale, distinguere l'assenza di ritorno da un periodo non osservabile e confrontare le coorti con finestre di osservazione completate.
  • Una join può moltiplicare le righe e alterare i totali.
  • Evitare giorni spostati, doppi conteggi e confronti incoerenti fra esportazioni e dashboard.
  • Una media può nascondere dispersione e casi lenti.
  • L'assenza di un'osservazione non equivale a uno zero misurato.
Domande utili
  • Quale evento genera questi dati?
  • Quale decisione cambia quando la misura si sposta?
  • Il calcolo e la fonte sono riproducibili?
  • Quale variazione deriva dal traffico o dalla raccolta dati piuttosto che dalla correzione?
  • Qual è il denominatore?
  • Una cella vuota significa zero?
  • È sufficiente SUM(DISTINCT total)?
  • Basta convertire tutto in UTC?
  • Si può calcolare p95 dalle medie?
  • Una somma zero prova che tutti i valori erano zero?

Esempio di decisione illustrativa

Situazione
Esempio fittizio: questi dati non descrivono clienti o risultati osservati. Un racconto annuncia un aumento del 100 % passando da un successo su venti a due su venti.
Verifica
Mostrare entrambi i conteggi, i tassi del 5 % e 10 % e lo scarto di cinque punti percentuali. Spiegare la confrontabilità dei periodi.
Agisci
Separare variazione osservata, incertezza e interpretazione. Il raddoppio non dimostra che l’intervento abbia causato la differenza.

Data Storytelling: La Chiave per Trasformare gli Insight in Azioni Strategiche

Campioni di piccole dimensioni: comunicare l'incertezza di misurazione

NIST/SEMATECH — Confidence intervals for proportions

Qualificare il numero prima di interpretarlo.

Verificare separatamente l'attualità, la completezza e la correttezza. Un calo può derivare dall'attività commerciale o da un errore di raccolta dati; periodi parziali e valori mancanti devono essere visibili prima del confronto.

Quale riconciliazione stabilisce periodi e denominatori comparabili?

Esplora i metodi

Leggere i dati e decidere

Engagement: sommare i conteggi prima delle percentuali

Conservare il denominatore di ogni tasso.

Tasso totale
54%540 / 1000
Media semplice errata
45%(60 + 30) / 2
Rimbalzo totale
46%100 − 54

Caso didattico fittizio: i numeri non rappresentano CIE o clienti.

Domande per preparare le decisioni

Risposte e verifiche pratiche nelle analisi di questa sezione.

Esplora l’archivio

Altre analisi sul tema, oltre agli articoli recenti elencati qui sotto.

Riferimenti: dati, usi e limiti

Documentazione consultata il .

Le note dettagliate di questa edizione sono disponibili in inglese.

Riferimenti: dati, usi e limiti
Fonte e finalitàDato o riferimento verificatoCome utilizzarloLimite da conservare
Google · Core Web Vitals

Distinguish loading, responsiveness and visual stability.

Good thresholds are LCP ≤ 2.5 s, INP ≤ 200 ms and CLS ≤ 0.1 at the 75th percentile, segmented by mobile and desktop. Separate field measurement from laboratory tests. Record period, URL, device, population and sample size before comparing changes.

Approfondire il metodo →

These thresholds are not measured results for this site. A good lab score alone does not establish visitor experience.

Supporti: bonifica e prove

Le note dettagliate di questa edizione sono disponibili in inglese.

Compare the supplier’s deletion promise with evidence

A data-deleted clause may cover an application operation, copies or media retirement. Request explicit scope and reconciliation between items delivered to a provider and those actually processed.

  • Identify method, technique, tool and medium behind each attestation.
  • Request verification results and the validation decision separately.
  • For cloud storage, examine encrypted boundaries, key management and copies under contractual responsibilities.

Read the methods, evidence points and annotated situations →

NIST · SP 800-88 Rev. 2 · Guidelines for Media Sanitization · Final · 2025-09-26 · consulted 2026-10-23

Core Web Vitals: soglie e dati reali

Le note dettagliate di questa edizione sono disponibili in inglese.

Measure performance without losing context

Keep collection metadata and separate field assessment from lab diagnosis.

  • Compare the same device, scope and documented periods.
  • Do not turn missing data into zero.
  • Verify functions and accessibility after the fix.

Read the thresholds and try the p75 reader →

Google · About PageSpeed Insights · Living documentation · consulted 2026-10-23

Assegnazione A/B: dati e SRM

Le note dettagliate di questa edizione sono disponibili in inglese.

A/B tests: check allocation before deciding

An unexplained discrepancy may arise from assignment, the executed journey, logs or analysis filters. SRM supports investigation; it does not measure product improvement.

  • Check intended allocation and unit stability before comparing conversions.
  • Do not interpret absence of a signal as proof of overall validity.
  • Document the quality check, measured effect and deployment decision separately.

Explore the allocation check and its limitations →

Microsoft Research · Diagnosing Sample Ratio Mismatch · Published 2020-09-14 · consulted 2026-10-23

NIST/SEMATECH · Binomial distribution · e-Handbook §1.3.6.6.18 · consulted 2026-10-23

Cardinalità delle join, NULL e aggregati

Le note dettagliate di questa edizione sono disponibili in inglese.

Reconcile rows before interpreting a dashboard

A metric may change with identical source events: a join creates pairs, a filter removes rows and null measurements reduce contributions. Keep a reference at the source grain and inspect retained identifiers.

  • Compare COUNT(*), distinct identifiers and non-null measurements.
  • Inspect multiple matches before summing.
  • Test the active predicate in ON and WHERE on an unmatched case.

Inspect pairs and aggregates in the workshop →

PostgreSQL 18 · Table expressions · PostgreSQL 18 · documentation reviewed 2026-10-23

PostgreSQL 18 · Aggregate functions · PostgreSQL 18 · documentation reviewed 2026-10-23

PostgreSQL 18 · Comparison functions · PostgreSQL 18 · documentation reviewed 2026-10-23

Fonti di riferimento

Documenti originali delle organizzazioni responsabili di questi metodi e standard.