Mentire con le statistiche: come non cadere nelle trappole dei numeri
Compagni d’avventura, buongiorno! Oggi esploreremo insieme alcuni concetti fondamentali tratti dal libro Mentire con le statistiche di Darrell Huff, un classico del 1954 che ci insegna a guardare i dati con occhio critico. Scopriremo come evitare di essere ingannati dai numeri e come analizzarli correttamente per prendere decisioni migliori nel mondo del management.
Correlazione o causalità?
La prima lezione da imparare è non confondere correlazione con causalità. Solo perché due eventi accadono contemporaneamente non significa che uno sia la causa dell’altro.
Un esempio classico: le vendite di gelati aumentano in estate, così come i tassi di criminalità. È facile pensare che i due fenomeni siano collegati, ma non c’è alcuna causalità. È il caldo a influire su entrambi, non il gelato a trasformarci in criminali!
Questa tendenza a vedere connessioni dove non ci sono è radicata nella nostra mente, spinta dal nostro “sistema 1” (come lo chiama Daniel Kahneman), che cerca schemi per semplificare la comprensione del mondo. Tuttavia, quando analizziamo dati aziendali, dobbiamo fermarci e chiederci: c’è davvero un legame causale?
Esempi pratici:
- Ristorazione: A ottobre i ricavi aumentano. È sempre così, o è stato un evento regionale a portare turisti?
- Marketing: Dopo il lancio di un video promozionale, i clienti crescono. È merito del video o della tendenza stagionale di prepararsi alla prova costume?
Non cercare il nesso dove non c’è. Analizza l’intero contesto prima di trarre conclusioni.
Medie: quale scegliere?
La media aritmetica è spesso fuorviante, soprattutto quando i dati hanno valori estremi. Ecco un esempio:
Un’azienda con 9 dipendenti che guadagnano 1.000 euro al mese e un capo che guadagna 100.000 ha una media di 10.900 euro. Ma rappresenta davvero la realtà? Ovviamente no.
Alternative più realistiche:
- Media ponderata: Attribuire un peso diverso ai dati. Ad esempio, nei progetti aziendali, un lavoro complesso vale più di uno semplice.
- Mediana: Ignorare i valori estremi. Utile per recensioni, escludendo sia i clienti “rompiscatole” sia quelli troppo entusiasti.
- Moda: Il valore più frequente. In una pizzeria, vendere una pizza gourmet non cambia il fatto che la margherita sia la più ordinata.
Quando analizzi i dati, scegli la media giusta in base al contesto. La media aritmetica non è sempre la risposta migliore.
Attenzione al cherry picking
“Cherry picking” significa selezionare solo i dati che ci fanno comodo, ignorando il resto. Questo approccio può portare a decisioni sbagliate.
Esempio:
Abbiamo lanciato una nuova gamma di prodotti e notiamo che il fatturato è aumentato. Fantastico! Ma se ignoriamo i costi elevati, i margini bassi o il calo dell’utile, rischiamo di nascondere un problema.
Analizza sempre il quadro completo. Fatturato e utili, vendite e margini: ogni dato ha una storia da raccontare.
Campioni rappresentativi
Quando raccogliamo dati, è essenziale scegliere un campione significativo. Ad esempio:
- Una palestra valuta il successo di un nuovo corso intervistando i clienti più fedeli. È probabile che rispondano positivamente, ma il campione è distorto.
- Una startup chiede feedback solo a parenti e amici. Il risultato sarà troppo ottimista per essere realistico.
Testa le tue idee su gruppi diversi e assicurati che i dati raccolti riflettano il tuo pubblico reale.
I dati possono mentire
Anche i dati apparentemente oggettivi possono essere fuorvianti. Per esempio:
- Un sondaggio condotto di persona può avere risultati diversi rispetto a uno anonimo.
- Un feedback scritto dopo una brutta giornata può essere molto più negativo del solito.
Quando analizzi i dati, chiediti: chi li ha raccolti? Come sono stati raccolti? Sono stati influenzati da fattori esterni?
Conclusioni
Il libro Mentire con le statistiche ci offre una lezione chiara: i numeri da soli non bastano. Dobbiamo analizzarli con attenzione, contestualizzarli e scegliere gli strumenti giusti per interpretarli.
Ecco tre punti chiave da ricordare:
- Non confondere correlazione con causalità.
- Scegli la media giusta per rappresentare i dati.
- Evita il cherry picking e considera sempre l’intero contesto.
Compagni d’avventura, che il vento sia a vostro favore e ricordate: i numeri sono utili solo se li interpretiamo correttamente!
Alla prossima, buon lavoro e buona navigazione!
