Data Visualization: uno Strumento necessario nel processo di Analisi dei Dati

Con l’aumentare della quantità di informazioni disponibili, nasce il bisogno di rappresentare i dati in un modo intuitivo, efficace e veloce da elaborare per il cervello umano. Ecco a cosa serve la data visualization!

 

Big Data

Al giorno d’oggi, viviamo in un mondo sempre più data-driven: social media, Internet of Things, smart cities fanno ormai parte della nostra vita quotidiana. La quantità di informazioni che generiamo continuamente è enorme, tale da richiedere tecnologie e metodi analitici specifici per permetterne la raccolta, la gestione e l’analisi.

Le potenzialità dei dati riguardano tutti i settori di mercato e risiedono nel loro utilizzo strategico. In Italia, il mercato Data Analytics è in continua crescita e nel 2020 ha raggiunto la quota di quasi 2 miliardi di euro.

 

In particolare, si parla di big data quando i dati presentano le seguenti caratteristiche:

  • volume: i dati vengono generati in quantità enormi (per esempio, ogni giorno vengono generati 50 milioni di tweet!)
  • velocità: i dati hanno elevata frequenza di produzione
  • varietà: i dati provengono da fonti eterogenee (come sensori, gestionali aziendali, social network, e-mail)
  • veridicità: i dati devono essere affidabili, veritieri e accurati
  • variabilità: il significato o l’interpretazione dei dati può variare in base al contesto in cui questi vengono raccolti e analizzati
  • valore: i dati raccolti hanno un valore quantificabile e monetizzabile e possono costituire una fonte di ricavo, crescita e innovazione per le aziende.

Come si possono quindi manipolare informazioni così complesse e dinamiche in modo tale da renderle semplici e veloci da assimilare? Attraverso la data visualization, cioè la rappresentazione grafica dei dati attraverso elementi visivi come diagrammi, grafici e mappe.

 

Data Visualization

Perché visualizzare i dati?

Nello specifico, si ricorre alla visualizzazione grafica perché:

  1. le immagini sono più facilmente comprensibili e assimilabili rispetto a numeri e testi in quanto vengono elaborate dal cervello 60.000 volte più velocemente, richiedendo solo un decimo di secondo per essere analizzate.
  2.  vari studi hanno dimostrato che le persone che fanno affidamento su contenuti visuali tendono a prendere decisioni migliori rispetto a quelle che seguono solo indicazioni testuali.
  3. l’attenzione e il tempo sono risorse limitate rispetto alle vaste dimensioni dei big data.

Come visualizzare e interpretare i dati.

La data visualization è uno strumento estremamente utile per avere una vista di sintesi sul business. Per ottenere dei risultati efficaci, però, è necessario effettuare un ragionamento critico e approfondito che si può dividere nei seguenti step:

  • definizione dell’obiettivo: per esempio, valutare l’efficacia di una strategia di marketing
  • raccolta dei dati: la fonte può essere interna (come i database aziendali) o esterna all’azienda (eg. social media)
  • scelta del tipo di visualizzazione: per esempio istogramma, grafico a barre, grafico a torta, etc.
  • analisi, interpretazione e implicazioni per il business: le strategie attuali stanno dando i risultati previsti oppure occorre formulare nuove soluzioni?

Applicazioni

Di seguito alcune delle applicazioni della data visualization.

Identificazione di tendenze o ricorrenze.

Per esempio, se vogliamo scoprire l’andamento delle conversioni di Google Ads nell’ultimo quadrimestre e il nostro database contiene una sequenza di migliaia di valori, risulterà molto difficile se non impossibile capire se il trend è in aumento, in calo o se è presente una ciclicità nell’andamento. Attraverso il seguente grafico, invece, si può subito stabilire come l’andamento delle conversioni sia chiaramente in salita.

 

data visualization delle conversioni

 

Nel seguente esempio, invece, il grafico mostra i dati relativi ai reach su Facebook (linea blu), ovvero al numero di utenti che hanno visualizzato un annuncio. Nonostante l’andamento sia meno immediato da individuare rispetto all’esempio precedente, attraverso la linea rossa si può osservare il trend generale del KPI e constatarne l’evoluzione positiva.

 

 

Identificazione di trend emergenti.

Ad esempio, monitorare l’andamento delle ricerche su internet può essere uno strumento molto valido per individuare keyword per potenziare la SEO, orientare contenuti in base alle tendenze del momento e creare campagne pubblicitarie in base ai volumi di ricerca. Nell’esempio qua in basso, il grafico mosta come, verso metà febbraio 2020, le ricerche in Italia per il termine coronavirus abbiano subito un aumento, raggiungendo rapidamente il picco il giorno 23 febbraio 2020.

 

data visualization trend di ricerca

 

Identificazione di valori anomali (outliers).

Spesso i dati, prima di essere elaborati, hanno bisogno di essere “ripuliti” da eventuali valori anomali, cioè così distanti dalle altre osservazioni che renderebbero fuorvianti le statistiche derivanti da quel campione. Un valore così fuori dal trend come nell’immagine sottostante potrebbe essere dovuto semplicemente al caso oppure potrebbe essere l’indizio di un errore nella raccolta dei dati. E’ bene dunque indagare sempre l’origine degli outliers per evitare possibili risultati errati.

 

data visualization outliers

 

Monitoraggio dell’andamento spazio-temporale dei KPI.

Monitorare i KPI provenienti da fonti come Google Ads e Facebook Ads aiuta a prendere decisioni strategiche informate su campagne e siti web, aumentando così l’efficienza e diminuendo i costi.

Un esempio molto rappresentativo è l’ottimizzazione delle campagne pubblicitarie: attraverso i seguenti diagrammi a torta (pie chart), possiamo filtrare il target per genere e per fasce di età, ottenendo risultati migliori e minimizzando il budget.

 

data visualization social media fan by gender data visualization social media fan by age

 

Utilizzo di wordcloud (i.e. nuvola di parola).

L’utilizzo di “nuvole di parola” serve a visualizzare le queries per cui un sito web compare al fine di scegliere le keyword da valorizzare. Per esempio, se l’esperto SEO ritiene la keyword ‘iot’ rilevante per un determinato sito, attraverso il seguente wordcloud può constatare che il sito non compare abbastanza per quella determinata parola e può quindi procedere a ottimizzarla.

 

data visualization wordcloud

Analizzare il funnel di vendita.

Il processo di acquisto di un potenziale cliente, il quale si suddivide in consapevolezza dell’esistenza del prodotto, interesse, considerazione e acquisto. Per esempio, una differenza sostanziale fra gli step di consapevolezza e di interesse costituisce un campanello d’allarme che il cliente va coinvolto di più. Sarà necessario, quindi, creare una landing page più efficace oppure formulare strategie di content marketing e copywriting più coinvolgenti.

 

data visualization funnel

 

Heatmaps (mappe di calore).

Servono a monitorare le attività che gli utenti svolgono su un sito web, come click, scroll della pagina, movimenti del mouse in modo da comprendere se il sito è efficace e produttivo e quali sono le zone che attirano di più l’attenzione.

 

data visualization heatmap

Problematiche

Ecco alcune problematiche che possono insorgere da errori nel processo di visualizzazione e interpretazione dei dati.

Visualizzazione di metriche non rilevanti.

Per esempio, il numero di utenti che hanno richiesto informazioni stradali su Instragram non è un KPI utile per misurare il successo di una web agency. Il tipo di visualizzazione più corretto dipende dalle domande a cui si cerca di rispondere, dalla tipologia di dati che si sta trattando e dall’audience finale. In generale, un tool di data visualization per costituire un vantaggio competitivo deve essere informativo, chiaro, rilevante e fruibile.

Informazioni visualizzate in modo non chiaro e intuitivo.

Nel seguente grafico, l’andamento altalenante e la sovrapposizione di colori rendono il grafico difficile da comprendere. La giusta visualizzazione grafica richiede un equilibrio fra forma e funzionalità, fra narrazione visiva e analisi.

data visualization problematiche

 

Comprendere i grafici, ma non sapere come tradurli in informazioni spendibili.

I dati hanno bisogno di essere interpretati, devono “raccontare una storia”. Proprio per questo si parla di data storytelling, ovvero della capacità di utilizzare la data visualization per fornire informazioni utili al decision maker al fine di individuare le strategie migliori e ottenere un vantaggio competitivo.

 

 

Ti è piaciuto questo articolo? Condividilo!

Lo hai trovato utile? Registrati alla newsletter e non perderai neanche un aggiornamento firmato Modic a proposito di WEB, SEO e CRO!

* indicates required
Author avatar
Elisa Del Frari