Per analizzare dei dati statistici attraverso Python uso la piattaforma Colab.
In parole povere, Google Colab (abbreviato di “Colaboratory”) è una piattaforma gratuita basata sul cloud che ti permette di scrivere ed eseguire codice Python direttamente dal tuo browser.
Immaginalo come il “Google Docs” della programmazione: non devi installare nulla sul tuo computer, puoi condividere i tuoi progetti con un link e più persone possono lavorarci contemporaneamente.
Primo esempio:
Analisi di una tabella excel per analizzare le medie, le assenze
Creare in excel il seguente file con nome registro_voti:
| Nome | Classe | Voto Informatica | Assenze |
| Rossi Luca | 3A RIM | 7 | 3 |
| Bianchi Sara | 3A RIM | 5 | 5 |
| Verdi Marco | 3A RIM | 8 | 1 |
| Neri Giulia | 3B RIM | 6 | 4 |
| Gallo Anna | 3B RIM | 9 | 0 |
| Fontana Paolo | 3B RIM | 4 | 6 |
Ti diamo il benvenuto in Colab – Colab
Facciamo il login con la nostra utenza Gmail in alto a destra ed avremo questo messaggio:
Si clicca su Nuovo notebook
Sulla linea comandi:
from google.colab import files
uploaded = files.upload()
si carica il file precedentemente creato
Digitare il segente codice:
df = pd.read_excel(“registro_voti.xlsx”)
df
Ogni volta che digitiamo un codice usare nella riga comandi:
+ codice
Adesso vediamo un esempio di analisi del file dato al programma:
df[“Voto Informatica”].mean()
mi restituisce la media.
insufficienti = df[df[“Voto Informatica”] < 6]
insufficienti
Mi fornirà a video il seguente risultato:
Ecco cosa normalmente si richiede ad uno studente di questo indirizzo:
1. Dati di Vendita e Ricavi (Sales Analytics)
È il punto di partenza. Si analizza cosa, quanto e a chi si vende.
- Volume di vendita: Quantità di prodotti venduti in un arco temporale.
- Fatturato (Revenue): Il valore monetario totale delle vendite.
- Analisi per area geografica: Fondamentale per il marketing internazionale (RIMA) per capire in quali Paesi il prodotto funziona meglio.
- Trend temporali: Capire la stagionalità (es. vendiamo più panettoni a dicembre o a Ferragosto?).
2. Dati sui Clienti (Customer Insights)
Chi sono le persone che comprano?
- Segmentazione: Età, genere, interessi, posizione geografica.
- Frequenza di acquisto: Il cliente è “fedele” o ha comprato una volta sola?
- Churn Rate (Tasso di abbandono): Quanti clienti smettono di usare il servizio dopo il primo mese?
3. Dati di Marketing (Marketing Performance)
Servono a capire se i soldi spesi in pubblicità stanno fruttando.
- CAC (Costo di Acquisizione Cliente): Quanto ci costa, in media, convincere una persona a diventare cliente?
- ROI (Ritorno sull’Investimento): Se spendo 100€ in ads su Instagram, quanti euro mi tornano indietro in vendite?
- Click-Through Rate (CTR): Quante persone cliccano effettivamente sui nostri annunci?
4. Dati Logistici e di Magazzino (Inventory & Supply Chain)
Essenziale per non restare senza merce o, al contrario, non averne troppa a marcire in deposito.
- Giacenze di magazzino: Quanti pezzi abbiamo pronti alla vendita?
- Lead Time: Quanto tempo passa dall’ordine al fornitore all’arrivo della merce?