I dati sono fondamentali per prendere decisioni efficaci. Ecco perché ogni professionista, anche chi non è un analista dati, dovrebbe saper svolgere un’analisi di base, possibilmente con uno strumento accessibile e facile da usare.

Che sia per un business case, per un report periodico, oppure per arrivare preparati ad un meeting aziendale: ecco i cinque metodi di analisi dati con Excel che analizzeremo in questa breve guida e che si adattano a scopi anche molto diversi tra loro.

Si tratta di metodi in grado di fornire una panoramica efficace di un gruppo di dati complessi, aiutando così ogni figura professionale a operare scelte quanto più possibile data-oriented.

Quando usare questi metodi

Le funzioni CERCA.VERT o tabella Pivot si rivelano utilissime e consentono di avere una marcia in più nell’analisi dei propri dati di business.

Va precisato che Excel offre molto di più e non richiede l’apprendimento di linguaggi di programmazione, ma non è performante per i Big Data, in quanto la sua potenza di calcolo è limitata.  

I metodi di analisi dati che vedremo sono però ottimi per distribuzioni di dati non troppo pesanti, in formato .xls, .xlsx o .csv.

Si può usare Excel quando si vuole trarre da questo tipo di dati una conclusione di valore, ad esempio:

• calcolare la percentuale di ticket a cui si dà risposta entro una certa tempistica (ad esempio, entro tre ore);
• visualizzare se si stanno raggiungendo degli obiettivi di performance;
• aggregare dei dati e inserirli in una visualizzazione intuitiva da mostrare al proprio team, per capire su quali problemi è meglio concentrare l’attenzione;
• calcolare gli attuali costi di manutenzione IT e confrontarli con nuove soluzioni, valutando anche quando verrà ammortizzato questo eventuale nuovo investimento.

Gli utilizzi sono molteplici e dipendono, oltre che dal proprio core business, anche dal ruolo che si ricopre in azienda, dai dati che si hanno a disposizione e dalla metrica che si vuole implementare.

Configurazione iniziale

I metodi di analisi dati con Excel di cui parleremo, richiedono la preventiva installazione dell’add-in Analysis ToolPak.

Una volta installato l’add-in, si può procedere con il download del pacchetto di dati di interesse dal gestionale, preferibilmente in formato .csv.

In un file dedicato occorre quindi importare i dati in .csv, dividerli in colonne e iniziare l’analisi dati tramite Excel.

5 metodi per l’analisi dati con Excel

1) Correlazione

Strumento utilissimo da cui ogni analisi deve partire, la correlazione con Excel è molto intuitiva.

È sufficiente creare un intervallo di dati con le variabili che si vogliono analizzare poste in colonne diverse, quindi selezionare l’intervallo di dati desiderato, cliccare “Data Analysis” e poi scegliere la funzione “Correlation”.

Le variabili verranno visualizzate in un grafico, oltre a creare una tabella in cui la correlazione tra i vari valori viene espressa in numeri.

La correlazione consente ad esempio di analizzare dei flussi di vendite, individuando quali fattori inter-company influiscono positivamente o negativamente sugli ordini; ricordiamo che i valori di correlazione sono compresi tra -1 (che indica una correlazione negativa) e +1 (correlazione positiva).

2) Test-T

Il Test-T è un test statistico che rivela se il valore medio di un insieme di dati si discosta da un parametro di riferimento.

Su Excel, TEST.T è una comune funzione, per la quale non serve installare add-in: è sufficiente selezionare una serie di dati e compilare le 4 righe della funzione:

1) il primo set di dati in analisi

2) il set di dati di confronto

3) le code della distribuzione dati (a una coda o a due code)

4) il tipo di Test-T – si può scegliere tra “Paired”, che segnala se le medie sono diverse, “Two-sample equal variance” il quale valuta se la varianza delle medie è uguale, ed infinite “Two-sample unequal variance” per valutare se la varianza delle medie è disuguale.

Un Test-T può essere utile per verificare se ci sono differenze tra due serie di dati, ad esempio per mettere a confronto gli stipendi di due diversi settori in un’azienda.

3) Covarianza

La covarianza è una semplice funzione che, date due variabili casuali e due serie di dati, ne calcola la variabilità congiunta.

Se vi è la necessità di verificare l’operatività del proprio personale, e stabilire se al variare del numero d’ordini da gestire variano anche altre performance, ad esempio la risposta ai ticket dei clienti in difficoltà, la funzione da utilizzare è COVARIANCE.P. (in alcune versioni più vecchie di Excel è COVAR) e prevede l’inserimento dei due set di dati da prendere in esame.

4) Analisi di Fourier

L’analisi di Fourier è un’estensione del teorema di Fourier, che può ridurre ogni funzione a una somma di seni e coseni di altre funzioni.

In che modo questo può essere utile nell’analisi dati di ogni giorno?

Un esempio è la processazione dei dati di riconoscimento facciale, o di ogni altro DSP (processore di segnale digitale): per questi scopi le analisi delle serie di Fourier sono fondamentali.

In Excel questo metodo statistico si applica in modo piuttosto semplice: è sufficiente inserire i dati in una sola colonna, e poi selezionare la voce “Analisi di Fourier” dal pulsante “Data Analysis”.

Basterà cliccare su una zona di output (ad esempio un nuovo foglio Excel, o un’area a destra della nostra colonna di dati) e comparirà una serie di Fourier.

Si tratta di una funzione piuttosto tecnica, ma è importante sapere che – per moli di dati ridotte – anche Excel è in grado di supportarla.

5) Visualizzazione di dati (grafici e tabelle)

Spesso le necessità aziendali implicano il controllo di una grande quantità di dati, da cui bisogna evidenziare aspetti diversi, che spingono a prendere delle decisioni data-oriented.

Ad esempio, se si desidera stilare un piano di Disaster Recovery può essere utile analizzare un dataset che indichi le vulnerabilità presenti sulla propria rete. La stessa distribuzione di dati, vista alla luce di parametri diversi, può essere ugualmente utile se si vuole inviare un report all’AD per mostrare le suddette vulnerabilità e richiedere dei nuovi software.

Una buona visualizzazione dati aiuta a vedere il problema o la soluzione tramite immagini, in maniera chiara anche se non si è un data engineer.

Inserendo un’analisi dati o una serie di dati, Excel è in grado di produrre scatter plot, istogrammi, tabelle, grafici, tabelle pivot e altre visualizzazioni interessanti, che consentono non solo di avere un impatto visivo della nostra distribuzione, ma anche di creare dei report graficamente professionali e adatti per essere utilizzati durante un meeting.

È sufficiente esplorare la barra degli strumenti e fare delle prove, trovando infine le visualizzazioni grafiche più consone al problema che si sta studiando.

Conclusione

Excel è considerato spesso un’opzione di serie B per l’analisi dati, ma per le funzioni elencate sopra è un valido alleato.

I risultati di Excel non sono nemmeno lontanamente paragonabili al potere di analisi di un data engineer. Pertanto per qualsiasi analisi dati più complessa o delicata è doveroso rivolgersi a un consulente esperto.

eNetworks offre una consulenza a 360 gradi, non solo con Excel ma anche tramite PowerBI, lo strumento Microsoft dedicato all’analisi dati per il business.

I nostri esperti possono coordinare aziende e team di qualsiasi dimensione per fornire una panoramica completa che consenta di risolvere il proprio problema grazie al complesso strumento dell’analisi dati.