Vai al contenuto principale
Italiano— Scegli una lingua
Menu

Statistiche descrittive automatizzate

Lezione 4 di 14 Aggiornata il 5 novembre 2026 Intermedio
In questa pagina
  1. Comprendi i tuoi dati in un istante
  2. Il riepilogo statistico express
  3. Statistiche per categoria
  4. Distribuzioni e frequenze
  5. Correlazioni tra variabili
  6. Rilevamento degli outlier
  7. Automatizzare il rapporto descrittivo
  8. A te la parola
  9. Punti chiave

Comprendi i tuoi dati in un istante

Le statistiche descrittive sono il fondamento di qualsiasi analisi. Media, mediana, deviazione standard, distribuzione: questi indicatori ti dicono cosa contengono i tuoi dati prima ancora che tu provi a spiegare qualcosa. Saltare questo passaggio è come costruire una raccomandazione su una media distorta da tre valori estremi, per poi difenderla con una convinzione che i numeri non meritano. Con ChatGPT, questa diagnosi richiede una sola frase e l’interpretazione segue immediatamente.

Il riepilogo statistico express

Il comando più semplice per iniziare:

Give me a complete statistical summary of this dataset.

ChatGPT si basa generalmente sulla funzione describe() di pandas e commenta il risultato. Per ogni colonna numerica, ottieni i seguenti indicatori:

  • count — numero di valori non vuoti
  • mean — media
  • std — deviazione standard (misura della dispersione)
  • min / max — valori estremi
  • 25% / 50% / 75% — quartili (mediana = 50%)

Incrociamo queste righe ed è già illuminante. Se count è 8.400 in un file di 10.000 righe, il 16% dei dati manca e qualsiasi media calcolata si applica solo a una parte del portafoglio. Se la media differisce significativamente dalla mediana, la distribuzione è asimmetrica. Invece di fare questi calcoli mentali da solo, chiedi semplicemente:

Interpret these statistics: which columns have high dispersion?
Are there outliers? Which distributions appear skewed?

Statistiche per categoria

Le medie globali nascondono quasi sempre le disparità. Un carrello medio di 180 € potrebbe nascondere un segmento aziendale a 900 € e un segmento individuale a 60 €. In tal caso, la media non descrive nessun cliente reale e qualsiasi decisione basata su di essa manca completamente entrambe le popolazioni.

Calculate the mean, median, and standard deviation of order amounts
for each product category.

Devi comunque scegliere l’indicatore che risponde alla tua domanda, perché ciascuno misura qualcosa di diverso.

IndicatoreCosa misuraQuando usarlo
MediaValore centraleDati simmetrici, senza valori estremi
MedianaValore centraleDati asimmetrici o con valori anomali
Deviazione standardDispersione attorno alla mediaValutare la variabilità delle prestazioni
ModaValore più frequenteDati categorici o discreti
CorrelazioneRelazione lineare tra due variabiliIdentificare fattori collegati

Distribuzioni e frequenze

Per una variabile numerica, la forma della distribuzione dice più della media. Un istogramma mostra se i tuoi importi si raggruppano attorno a un singolo valore o si distribuiscono su due picchi distinti, segno di due comportamenti d’acquisto sovrapposti nello stesso file.

Show the distribution of the "order_amount" column
with a histogram and indicate whether it follows a normal distribution.

ChatGPT genera l’istogramma e può applicare un test di normalità, come il test di Shapiro-Wilk, che influenza la scelta dei test successivi. Su campioni grandi, questo test segnala anche la minima deviazione dalla normalità, quindi controlla la forma dell’istogramma prima di trarre conclusioni. Per le variabili categoriche, la logica passa alle frequenze:

What is the distribution of clients by industry sector?
Display absolute and relative frequencies.

Ottieni il conteggio e la percentuale per ogni categoria: sufficiente per notare che un settore rappresenta il 60% del portafoglio, ovvero il 60% del tuo rischio se quel settore rallenta.

Correlazioni tra variabili

Le correlazioni rivelano le relazioni tra le tue colonne numeriche e aprono nuove strade per l’analisi.

Calculate the correlation matrix and identify the pairs
of variables with the highest correlations (positive and negative).

ChatGPT genera la matrice, evidenzia le correlazioni significative e spiega cosa significa ciascuna nel tuo contesto aziendale. Sono necessarie tre precauzioni nella lettura dei risultati. Primo, la correlazione non implica causalità: un aumento congiunto del budget pubblicitario e delle vendite potrebbe essere solo l’effetto comune della stagionalità. Secondo, i valori estremi distorcono il coefficiente: chiedi il calcolo con e senza outlier; la differenza è spesso istruttiva. Infine, le variabili categoriche non sono incluse di default. Per includere segmenti di clienti o canali di vendita, richiedi una codifica preliminare. Per andare oltre—confrontare gruppi con un t-test o ANOVA, o modellare una relazione con la regressione—descrivi cosa vuoi capire, chiedi a ChatGPT la tecnica appropriata e fatti spiegare il risultato.

Rilevamento degli outlier

Un outlier non è necessariamente un errore. Un ordine di 95.000 € potrebbe essere un errore di inserimento dati o il primo grande contratto enterprise dell’anno. La gestione è completamente diversa: in un caso lo correggi, nell’altro lo metti in evidenza.

Identify outliers in "order_amount"
using the IQR method. List the affected rows
and indicate whether they appear to be errors or legitimate cases.

ChatGPT calcola i limiti dell’IQR (Q1 - 1,5 * IQR e Q3 + 1,5 * IQR) ed elenca i valori fuori limite con il loro contesto. Decidi quindi riga per riga invece di scartare tutto il lotto—ed eliminare accidentalmente proprio i clienti che hanno fatto il tuo anno.

Automatizzare il rapporto descrittivo

Una volta padroneggiato l’approccio, condensalo in un unico prompt:

Generate a complete descriptive statistical report for this file.
Include: overview, statistics per numerical column,
distribution of categorical variables, main correlations,
detected outliers, and recommendations for the next analysis step.

Questo prompt produce un documento strutturato che dovresti revisionare prima di condividerlo. Tienilo a portata di mano: applicato alla stessa esportazione ogni mese, diventa il tuo punto di partenza standard e rende i periodi confrontabili.

Una diagnosi statistica in cinque passaggi Cinque passaggi: riassumere le colonne numeriche; segmentare per categoria; esaminare le distribuzioni; cercare le correlazioni; identificare gli outlier. STATISTICHE Una diagnosi statistica in cinque passaggi 1 Riassumi Colonne 2 Segmenti Categorie 3 Forme Distribuzioni 4 Collegamenti Correlazioni 5 Deviazioni Outlier Un outlier non è necessariamente un errore: decidi riga per riga.
Metodologia della lezione.

A te la parola

La tua prima diagnosi statistica.

  1. Richiedi il riepilogo statistico del tuo file, poi la sua interpretazione
  2. Confronta media e mediana sulla tua colonna principale degli importi
  3. Calcola gli stessi indicatori per categoria
  4. Visualizza la distribuzione di questa colonna e identifica gli outlier
  5. Classifica ogni outlier: errore da correggere o caso legittimo

Fonti ufficiali: Extracting Insights with ChatGPT Data Analysis · Data analysis with ChatGPT (Centro assistenza OpenAI)

Punti chiave

  • Il riepilogo statistico è il tuo primo passo dopo la pulizia
  • Segmenta sempre per categoria: le medie globali nascondono le disparità
  • La mediana è spesso più affidabile della media per i dati del mondo reale
  • Le correlazioni rivelano strade per l’analisi, non certezze
  • Chiedi a ChatGPT di interpretare i numeri, non solo di calcolarli