Vai al contenuto principale
Italiano— Scegli una lingua
Menu

Analisi delle tendenze e previsioni

Lezione 9 di 14 Aggiornata il 5 novembre 2026 Intermedio
In questa pagina
  1. Guarda oltre i numeri attuali
  2. Identificare una tendenza
  3. Medie mobili
  4. Previsioni semplici
  5. Analisi dei punti di rottura
  6. Confronto periodo su periodo
  7. Più ragionamento per le previsioni
  8. A te la parola
  9. Punti chiave

Guarda oltre i numeri attuali

Le statistiche descrittive ti dicono cosa è successo. L’analisi delle tendenze ti dice cosa sta succedendo. Le previsioni ti dicono cosa potrebbe succedere. Questi tre livelli di analisi rispondono a tre domande diverse durante una riunione e confonderli ha un costo elevato: nessuno prende la stessa decisione basandosi su un fatto storico rispetto a una proiezione. Con ChatGPT, puoi eseguire tutte e tre le operazioni senza scrivere una singola riga di codice.

Identificare una tendenza

La forma più semplice di tendenza è lineare: i tuoi dati sono in aumento o in diminuzione e a quale velocità? Il riflesso utile consiste nel chiedere contemporaneamente la linea di tendenza e il suo indicatore di affidabilità; altrimenti, commenterai una pendenza la cui solidità non puoi verificare.

Plot monthly revenue for the last 12 months with a trend line.
Indicate the average monthly growth rate and whether the trend
is statistically significant.

ChatGPT calcola una regressione lineare, traccia la linea e ti fornisce il coefficiente di determinazione (R²), che misura l’affidabilità della tendenza. Un R² vicino a 1 significa che la linea riassume bene i tuoi dodici punti; un R² basso ti avvisa che la “tendenza” che stavi per annunciare è per lo più rumore e che un tredicesimo mese potrebbe invertirla.

Inoltre, molti dataset aziendali seguono cicli e un aumento a dicembre non è necessariamente una buona notizia: potrebbe essere semplicemente il solito dicembre. Per decidere, chiedi una decomposizione.

Decompose monthly sales into 3 components:
underlying trend, seasonality, and residuals.
Display the 3 curves separately.

ChatGPT applica un metodo di decomposizione stagionale, che può specificarti, per isolare ogni componente. Sono necessari almeno due cicli completi (due anni di dati mensili per la stagionalità annuale) affinché la decomposizione abbia senso. Vedrai quindi chiaramente se l’aumento di dicembre deriva da un effetto stagionale o da una crescita reale, mentre la curva dei residui segnala i mesi che nessuna delle due spiegazioni copre.

Medie mobili

Le medie mobili smussano le variazioni ed evidenziano la tendenza sottostante. Sui ricavi giornalieri, il calo del fine settimana maschera quasi sempre il movimento reale; sovrapporre due finestre diverse ti permette di leggere sia il breve che il medio termine sullo stesso grafico.

Plot raw daily revenue and overlay a 7-day moving average
and a 30-day moving average.

Scegli la finestra in base alla granularità dei tuoi dati e al ciclo che vuoi eliminare.

FinestraUtilizzoCosa rivela
7 giorniDati giornalieriTendenza settimanale, elimina il rumore giorno per giorno
30 giorniDati giornalieri/settimanaliTendenza mensile, elimina le variazioni settimanali
3 mesiDati mensiliTendenza trimestrale, smussa la stagionalità
12 mesiDati mensiliTendenza annuale, elimina tutta la stagionalità

Previsioni semplici

Per una stima rapida, estendere la tendenza osservata è spesso sufficiente, a patto di riconoscere l’incertezza invece di nasconderla.

Project revenue for the next 3 months by extending
the linear trend of the last 12 months.
Display the 95% confidence interval.

L’intervallo di confidenza è la parte decisiva del risultato: mostra il margine di incertezza e, più si allarga man mano che si proietta nel futuro, meno affidabile è la previsione. Questa è anche la tua migliore protezione in una riunione del comitato. Annunciare “tra 480k€ e 620k€” ti impegna meno di una cifra singola che nessuno può garantire e innesca la conversazione giusta: quella su cosa potrebbe spingere i risultati da un’estremità all’altra dell’intervallo.

Non appena i tuoi dati mostrano schemi ricorrenti, la proiezione lineare diventa fuorviante e hai bisogno di un modello che integri il ciclo.

Use a forecasting model that accounts for seasonality
to estimate sales for the next 6 months.
Compare the result with a simple linear projection.

ChatGPT può utilizzare modelli che integrano la stagionalità, come lo smoothing esponenziale di Holt-Winters o un modello ARIMA stagionale, che catturano sia la tendenza che il ciclo. Il confronto richiesto alla fine del prompt è istruttivo di per sé: il divario tra le due curve misura esattamente il peso della stagionalità nel tuo business.

Analisi dei punti di rottura

A volte, una tendenza non si deforma gradualmente: si spezza. Un lancio, una variazione di prezzo o un evento esterno spostano la traiettoria da un mese all’altro e una linea di tendenza calcolata sull’intero periodo non descrive allora nulla di reale.

Identify breakpoints in the evolution of monthly revenue.
Are there months where the trend changes direction significantly?
For each breakpoint, indicate the date and the magnitude of the change.

Questa analisi è preziosa per comprendere l’impatto di eventi specifici: lanci di prodotti, variazioni di prezzo, eventi esterni. Successivamente, confronta le date ottenute con il tuo calendario interno: revisione dei prezzi, campagna, partenza di un venditore. Questo confronto, e solo questo, trasforma una curva in una spiegazione.

Confronto periodo su periodo

Due letture si completano a vicenda e il disaccordo nasce spesso perché due stakeholder non ne stanno utilizzando la stessa. Il confronto anno su anno neutralizza la stagionalità, poiché ogni mese viene confrontato con la sua controparte dell’anno fiscale precedente.

Compare sales month by month between 2025 and 2026.
Calculate the percentage variation for each month
and flag the months with a decline.

La crescita sequenziale, d’altra parte, misura il movimento immediato da un mese all’altro. Reagisce molto più velocemente alle recenti inflessioni, al costo di un’elevata sensibilità alla stagionalità.

Calculate sequential growth (month vs. previous month)
and display a bar chart with growth months in green
and decline months in red.

Più ragionamento per le previsioni

Alcune previsioni non possono essere ridotte a un calcolo: richiedono l’integrazione di fattori che i tuoi dati storici non contengono ancora, come un prodotto che non esisteva nel trimestre scorso.

Taking into account seasonality, the underlying trend,
and the fact that we are launching a new product in April,
estimate sales for the next quarter.
Explain your reasoning step by step.

Un livello di ragionamento superiore (High o Extra High nel selettore di ChatGPT, a seconda del tuo piano) aiuta in questo tipo di ragionamento multifattoriale, dove devi combinare analisi quantitativa e giudizio contestuale. Il risultato rimane una stima basata sulle tue ipotesi, non un fatto. Esigere una spiegazione passo dopo passo non è un capriccio: ti permette di contestare un’ipotesi specifica (ad esempio, il ritmo di ramp-up del nuovo prodotto) piuttosto che rifiutare la cifra in blocco perché non sai da dove proviene.

Tre livelli di lettura Tre colonne. La constatazione: cosa è successo? Statistiche descrittive. La tendenza: cosa sta succedendo? Linea di tendenza e R², medie mobili, decomposizione. La previsione: cosa potrebbe succedere? Proiezione con intervallo di confidenza, modelli stagionali. TENDENZE Tre livelli di lettura Constatazione Domanda Cosa è successo? Strumenti Statistiche descrittive Tendenza Domanda Cosa sta succedendo? Strumenti Linea e R², medie mobili Previsione Domanda Cosa potrebbe succedere? Strumenti Proiezione, intervallo Una previsione viene presentata come un intervallo, con le relative ipotesi.
Metodo della lezione; serie temporali basate sull'articolo "Extracting Insights with ChatGPT Data Analysis" dell'OpenAI Help Center (novembre 2026).

A te la parola

La tua prima previsione.

  1. Traccia i tuoi ricavi mensili con una linea di tendenza e il suo R²
  2. Se hai almeno due anni di storico, decomponi tendenza, stagionalità e residui
  3. Proietta i prossimi tre mesi con un intervallo di confidenza al 95%
  4. Confronta con un modello che integra la stagionalità
  5. Presenta un intervallo piuttosto che una cifra singola, insieme alle relative ipotesi

Fonti ufficiali: Extracting Insights with ChatGPT Data Analysis · Data analysis with ChatGPT (OpenAI Help Center)

Punti chiave

  • La linea di tendenza e l’R² misurano la direzione e l’affidabilità della tendenza
  • La decomposizione stagionale separa tendenza, stagionalità e rumore
  • Le medie mobili smussano le variazioni: scegli la finestra in base alla tua granularità
  • Ogni previsione deve includere un intervallo di confidenza: niente cifre singole
  • I punti di rottura identificano i momenti in cui tutto è cambiato