Analisi esplorativa e analisi esplicativa

da | 13 Gennaio 2024 | Analisi dati

L’analisi dei dati è spesso identificata come un processo in due macro-fasi. Il primo stadio è l’analisi esplorativa e la seconda fase è l’analisi esplicativa. Queste due tipologie di analisi rappresentano l’intero processo analitico, soprattutto in ambito aziendale e accademico.

Analisi esplorativa

L’analisi esplorativa è il processo di comprensione dei dati. Include, di solito, la raccolta dei dati, la loro preparazione e manipolazione attraverso procedure e tecniche di pulizia dati e di analisi statistica. I dati sono osservati, aggregati, filtrati ecc. L’analisi è svolta anche attraverso la costruzione di grafici esplorativi.

L’obiettivo è scoprire informazioni rilevanti per l’azienda o per la ricerca scientifica.

Analisi esplicativa

L’analisi esplicativa inizia quando vogliamo o dobbiamo comunicare risultati ad altre persone. L’obiettivo è condividere le informazioni rilevanti scoperte all’interno dei dati in modo che siano comprensibili e utilizzabili da persone che non hanno svolto la nostra stessa analisi. E spesso, che non hanno competenze in data literacy.

Le due analisi non sempre hanno una divisione netta e spesso sono gestite dalle medesime persone. La differenza rilevante è il pubblico. Nell’analisi esplorativa il pubblico siamo solo noi, mentre nell’analisi esplicativa sono altre persone.

Il passaggio da una fase all’altra è complesso e richiede molte competenze differenti. Si tratta di costruire una comunicazione con i dati che passi dalla scoperta di risultati rilevanti a una spiegazione che comunichi in modo efficace.

Differenze tra analisi esplorativa e analisi esplicativa

Ci sono alcune differenze tra analisi esplorativa e analisi esplicativa.

▶  Obiettivo

La prima differenza rilevante è che l’analisi esplorativa ha come obiettivo comprendere i dati, mentre l’analisi esplicativa ha come scopo comunicare i dati.

▶  Pubblico

Il pubblico è un fattore discriminante. Nella fase esplorativa il pubblico siamo solo noi e dobbiamo costruire grafici che abbiano senso solo per noi. Al contrario nella fase esplicativa il pubblico sono altre persone. In base all’analisi preliminare di queste persone dovremo costruire l’intera comunicazione.

▶  Familiarità

Anche la relazione di familiarità con i dati cambia, in quanto nella fase esplorativa la persona acquisisce una profonda conoscenza dei dati, mentre il pubblico coinvolto nelle fasi esplicative ha, di solito, poca familiarità con i dati che stiamo condividendo.

▶  Informazioni

Nella fase esplorativa le informazioni sono sconosciute e si procede con un metodo investigativo, mentre durante la fase esplicativa le informazioni sono già state acquisite e devono essere comunicate nel modo più efficace.

▶  Il risultato

Il risultato della fase esplorativa è giungere a scoperte che prima erano sconosciute e che sono rilevanti. Nella fase esplicativa, invece, il risultato è acquisire conoscenza per guidare il cambiamento e prendere decisioni strategiche.

Valorizziamo l’analisi esplicativa

Cole Nussbaumer Knaflic osserva che “una rapida ricerca su Google per il processo di analisi dei dati tutti i risultati indichino questi passi.

Primo passo: definire le domande. Secondo passo: raccogliere i dati. Terzo passo: pulire i dati. Quarto passo: analizzare i dati. Quinto passo: visualizzare e condividere le vostre scoperte” ( 1 )

Analisi esplorativa schema_Cristina Scaraffia

Fa inoltre notare “come quattro dei cinque passi elencati si riferiscano a parti specifiche del processo esplorativo. Solo una fase (quella finale) descrive l’analisi esplicativa. L’implicazione è che il processo esplorativo è quattro volte più importante e/o dovrebbe richiedere quattro volte più tempo del processo esplicativo”. ( 2 )

“L’analisi esplicativa è l’unica parte visibile del processo” ( 3 )

Le fasi esplorative sono invisibili al pubblico. In più, spesso, sono poco comprensibili alle persone che non hanno competenze tecniche e statistiche. Tutta la fatica e il tempo impiegato per scegliere le domande, pulire i dati, applicare tecniche statistiche ecc. non saranno visibili e comprese dalle persone che non hanno svolto l’analisi. Il pubblico non sarà interessato ai dettagli dell’analisi esplorativa. Questo disinteresse potrebbe essere molto frustrante per alcune persone che si occupano di analisi e tendono a condividere i grafici che hanno usato in fase esplorativa senza nessuna modifica.

Non è corretto sbilanciare attenzione e importanza su una singola fase. Nessuno dei due momenti può vivere senza l’altro.

L’analisi esplicativa possiede pari dignità perché le scoperte, se non sono capite e utilizzate dalle persone, saranno inutili.

L’analisi esplorativa può essere valorizzata solo se si hanno competenze e capacità per effettuare il  passaggio alla fase comunicativa. Solo se si diventa abili a spiegare con chiarezza i dati in modo da guidare il cambiamento e invogliare il pubblico a prendere decisioni e agire.

Le fasi comunicative rappresentano un momento decisivo, sia che siano per la comunicazione interna all’azienda sia che rappresentino la comunicazione aziendale verso l’esterno.

Come gestire il passaggio dall’esplorazione alla comunicazione

Per mettere in luce il lavoro di analisi esplorativa è necessario curare gli elementi visivi e linguistici in base alle caratteristiche di contesto e pubblico.

▶  Grafici

I grafici devono essere scelti con criteri differenti rispetto a quando sono costruiti per esplorare i dati in solitaria. I grafici, inoltre, devono essere formattati e ottimizzati per veicolare l’attenzione del pubblico secondo alcune regole di percezione visiva, diminuzione del carico cognitivo, processi di memorizzazione e apprendimento.

▶  Struttura narrativa

Sarà necessario costruire una struttura narrativa sia nel caso in cui condivideremo i dati con un documento scritto sia con una presentazione orale.

▶  Linguaggio

Anche le parole e i testi, sia interni ai grafici (titoli, sottotitoli, etichette ecc.) sia del documento o presentazione, dovranno essere calibrati su pubblico e obiettivi.

▶  Strategia

La fase esplicativa implica una strategia svolta a consigliare al pubblico cambiamenti e decisioni.

Secondo Cole Nussbaumer Knaflic “Questo non implica che dedicheremo all’incirca lo stesso tempo alla parte esplorativa e a quella esplicativa. […] In generale, la quantità di tempo da dedicare a una fase varia a seconda del progetto. Troppo spesso, però, si dedica all’analisi esplicativa circa il 5% del tempo totale, o peggio, non se ne dedica affatto. È questa la mentalità che deve cambiare affinché un’analisi sia apprezzata e accettata dagli altri. I nostri risultati devono essere contestualizzati, spiegati in modo efficace e inquadrati in modo da indurre un’azione significativa.

Una comunicazione chiara e convincente non si improvvisa. Ci vuole tempo per metterla a punto in modo ponderato, quindi assicuratevi di concedere a voi e al vostro team le risorse per affrontare questa parte critica del processo.” ( 4 )

Conclusioni

Mi occupo esclusivamente della fase esplicativa. Ho dovuto studiare molto ed esercitarmi tanto per gestire al meglio tutte le discipline coinvolte e i passaggi necessari per una buona comunicazione dei dati.

Il mio approccio al data storytelling include l’analisi statistica dei dati, anche se alcuni progetti partono direttamente dai risultati.

Mi sembra di riscontrare la sottovalutazione diffusa dei momenti comunicativi e delle competenze necessarie per gestirli. Questo crea molte situazioni in cui l’azienda ha a disposizione i dati, ma non li usa a causa della cattiva comunicazione interna ed esterna.

Un altro elemento importante è che l’analisi esplicativa non si attua in un’unica fase.

Io ho strutturato e applico 5 fasi durante l’analisi esplicativa. Ogni fase coinvolge competenze analitiche, critiche e tecniche differenti. Questo perché la comunicazione dei dati coinvolge persone, dati, grafici e parole.

Fonti e bibliografia

( 1 ) ( 2 ) ( 3 ) ( 4 ): https://www.storytellingwithdata.com/blog/redefining-the-analytical-process

Dykes B. (2020), Effective data storytelling: how to drive change with data, Hoboken, Wiley

Nussbaumer Knaflic C. (2015), Storytelling With Data: A Data Visualization Guide for Business Professionals, Hoboken, Wiley

Condividi questo post: