Un report può mostrare una media rassicurante, mentre pochi valori estremi nascondono l’esperienza reale della maggior parte dei casi. Capire come calcolare la mediana aiuta a leggere meglio stipendi, tempi di consegna, vendite e molti altri KPI, soprattutto quando i dati sono sbilanciati. Qui trovi il metodo manuale, gli esempi con quantità pari e dispari, le formule per Excel e le principali situazioni in cui la mediana è più utile della media.
La mediana divide i dati in due metà leggibili
- Ordina sempre i valori dal più piccolo al più grande prima del calcolo.
- Con un numero dispari di dati, la mediana è il valore centrale.
- Con un numero pari di dati, si calcola la media dei due valori centrali.
- La mediana è più resistente ai valori anomali rispetto alla media aritmetica.
- In Excel si usa la formula =MEDIANA(intervallo).
Che cos’è la mediana e perché è utile nei KPI
La mediana è il valore che occupa la posizione centrale di una serie ordinata. Divide il dataset in due parti: almeno metà delle osservazioni si trova al di sotto o in corrispondenza di quel valore, mentre l’altra metà si trova al di sopra o in corrispondenza.
La differenza rispetto alla media diventa evidente con un esempio semplice. Consideriamo i tempi di risposta, espressi in minuti, 4, 5, 6, 7 e 48. La mediana è 6, mentre la media è 14. Il valore di 48 minuti alza molto la media, ma non cambia il centro ordinato dei dati.
Per questo uso spesso la mediana nei KPI operativi. Se voglio capire il tempo tipico di consegna o la durata abituale di una chiamata al servizio clienti, questo indicatore descrive meglio l’esperienza della maggioranza quando esistono ritardi eccezionali o casi molto elevati.
La mediana funziona con variabili quantitative, come prezzi, quantità e tempi, ma anche con variabili qualitative ordinabili. Può essere applicata, per esempio, a livelli di soddisfazione ordinati da “basso” a “alto”, mentre non ha senso per categorie prive di un ordine naturale come colori o nomi di città.
Il calcolo manuale con un numero dispari o pari di dati
Quando le osservazioni sono dispari
Il procedimento è breve. Io seguo sempre questi tre passaggi:
- dispongo i valori in ordine crescente;
- conto il numero totale delle osservazioni;
- individuo il valore nella posizione centrale.
Con i dati 12, 7, 3, 18, 9, l’ordine corretto diventa 3, 7, 9, 12, 18. Le osservazioni sono 5 e quella centrale occupa la posizione (5 + 1) / 2 = 3. La mediana è quindi 9.
La formula generale per una serie con un numero dispari di osservazioni è:
Posizione della mediana = (n + 1) / 2
Qui n indica il numero dei dati. Il passaggio dell’ordinamento non è un dettaglio estetico: cercare il valore centrale nella sequenza originale porta facilmente a un risultato sbagliato.
Quando le osservazioni sono pari
Con un numero pari di dati non esiste un unico valore esattamente centrale. Si prendono i due valori al centro e si calcola la loro media aritmetica.
Prendiamo 8, 2, 11, 5, 4, 20. Dopo l’ordinamento otteniamo 2, 4, 5, 8, 11, 20. I due valori centrali sono il terzo e il quarto, cioè 5 e 8:
Mediana = (5 + 8) / 2 = 6,5
La mediana può quindi essere un numero che non compare nel dataset originale. Questo è normale e non indica un errore nel calcolo.
| Numero di dati | Posizione o valori da usare | Esempio di risultato |
|---|---|---|
| Dispari | Un solo valore centrale | 3, 7, 9, 12, 18 → 9 |
| Pari | Media dei due valori centrali | 2, 4, 5, 8, 11, 20 → 6,5 |
Quando ci sono valori ripetuti, li considero tante volte quante sono le loro occorrenze. In una serie di vendite come 10, 10, 10, 12, 80, il valore 10 pesa tre volte, perché rappresenta tre osservazioni reali.
Come trovare la mediana in una tabella di frequenza
Nei report aziendali i dati sono spesso già raggruppati. In quel caso non serve riscrivere ogni osservazione, ma bisogna usare la frequenza cumulata, cioè il totale progressivo delle occorrenze fino a ciascun valore.
Supponiamo di avere questa distribuzione dei ticket risolti in un’ora:
| Ticket risolti | Frequenza | Frequenza cumulata |
|---|---|---|
| 2 | 3 | 3 |
| 3 | 4 | 7 |
| 4 | 5 | 12 |
| 5 | 2 | 14 |
Le osservazioni totali sono 14. Le posizioni centrali sono la settima e l’ottava. La settima osservazione vale 3, mentre l’ottava vale 4, quindi la mediana è (3 + 4) / 2 = 3,5 ticket.
Se il dataset è organizzato in intervalli, come “da 0 a 10 minuti” o “da 10 a 20 minuti”, il risultato non è più esatto ma stimato. Per una distribuzione raggruppata si può usare la formula:
Mediana ≈ L + [(N/2 - F) / f] × h
- L è il limite inferiore della classe mediana;
- N è il numero totale delle osservazioni;
- F è la frequenza cumulata prima della classe mediana;
- f è la frequenza della classe mediana;
- h è l’ampiezza dell’intervallo.
Questa stima è utile nei dashboard e nei report aggregati, ma va letta con cautela. Se gli intervalli sono molto ampi o i dati sono concentrati in modo irregolare, la mediana stimata può allontanarsi dal valore reale.
Calcolare la mediana con Excel e gli strumenti digitali
In Excel il metodo più rapido consiste nell’inserire:
=MEDIANA(A2:A101)
La formula considera i numeri presenti nell’intervallo indicato e gestisce automaticamente sia il caso pari sia quello dispari. In una versione italiana di Excel, il nome della funzione è normalmente MEDIANA; in altri ambienti o impostazioni linguistiche può essere necessario usare il nome inglese MEDIAN.
Posso anche fornire i valori direttamente nella formula, per esempio =MEDIANA(8;2;11;5;4;20). Prima di interpretare il risultato controllo però che le celle non contengano errori, testo inserito per sbaglio o valori mancanti codificati come zero.
Attenzione a zeri e celle vuote
Uno zero può essere un dato reale oppure un modo improprio per indicare “nessuna informazione”. La differenza cambia la mediana. Se gli zeri rappresentano davvero misurazioni valide, vanno inclusi; se indicano dati mancanti, è meglio correggere la fonte o filtrarli con una regola documentata.
Le celle vuote, invece, non equivalgono automaticamente a zero. Nei progetti di analisi dati preferisco rendere esplicita la gestione dei valori mancanti, perché una formula corretta applicata a dati interpretati male produce comunque un KPI fuorviante.
Leggi anche: Periodo tra due date - giorni, mesi e KPI in Excel
Dataset grandi e automazione
Con migliaia o milioni di righe, il principio non cambia, ma conviene usare una funzione statistica del database o del linguaggio analitico. In Python si ricorre comunemente a median(), mentre in SQL la funzione può variare in base al motore, spesso attraverso funzioni percentili come PERCENTILE_CONT(0.5).
La scelta tecnica dipende dall’ambiente, ma il controllo concettuale resta lo stesso: quali righe entrano nel calcolo, quale periodo è osservato e come vengono trattati duplicati, null e filtri. È qui che si commettono più errori, non nella formula.
Mediana, media e moda non raccontano la stessa cosa
La mediana è una misura di posizione, ma non sostituisce sempre gli altri indicatori. Io confronto almeno mediana e media quando analizzo un KPI, perché la distanza tra i due valori spesso segnala una distribuzione asimmetrica o la presenza di osservazioni estreme.
| Indicatore | Cosa mostra | Quando è particolarmente utile |
|---|---|---|
| Media | Il valore ottenuto sommando i dati e dividendo per il loro numero | Quando i valori sono abbastanza equilibrati e gli estremi non distorcono il risultato |
| Mediana | Il punto centrale della distribuzione ordinata | Quando ci sono outlier, cioè valori molto lontani dagli altri |
| Moda | Il valore più frequente | Quando interessa individuare il comportamento o la categoria più comune |
Immaginiamo gli importi degli ordini pari a 20, 22, 25, 27 e 300 euro. La mediana è 25 euro e descrive l’ordine centrale; la media è 78,8 euro, molto meno rappresentativa per il cliente tipico. Se però devo stimare il fatturato complessivo o il budget medio, la media può essere la misura più adatta.
Per i tempi di consegna, una dashboard efficace può mostrare entrambe le prospettive. La mediana risponde alla domanda “quanto aspetta normalmente il cliente?”, mentre la media evidenzia l’impatto complessivo dei ritardi, anche quando pochi casi sono estremamente problematici.
Errori frequenti e limiti da considerare
Il primo errore è calcolare il valore centrale senza ordinare i dati. Il secondo consiste nel prendere uno solo dei due valori centrali quando il numero di osservazioni è pari. Sono passaggi elementari, ma nei fogli compilati manualmente ricorrono più spesso di quanto si pensi.
Un altro problema nasce dal confondere mediana e “valore più frequente”. Quest’ultimo è la moda. Se una serie contiene molti 10, non significa che la mediana sia 10: bisogna comunque guardare la posizione centrale dell’intera distribuzione.
- Non eliminare gli outlier automaticamente. Un ritardo di 48 ore può essere un errore di registrazione, ma anche un evento operativo reale da analizzare.
- Definisci il perimetro del KPI. Mediane calcolate su periodi, clienti o canali diversi non sono confrontabili senza una base comune.
- Controlla l’unità di misura. Mescolare secondi e minuti o euro e centesimi altera completamente il risultato.
- Non interpretare la mediana come una media. Una mediana di 6,5 minuti non significa che ogni caso duri 6,5 minuti.
La mediana è robusta agli estremi, ma non è immune da distorsioni. Se mancano sistematicamente i dati dei casi più lenti, il valore calcolato apparirà migliore della realtà. La qualità dell’indicatore dipende quindi tanto dalla raccolta dati quanto dall’operazione matematica.
La scelta giusta dipende dalla domanda del report
Per ottenere un numero affidabile, parto dalla domanda a cui il KPI deve rispondere. Se mi interessa il comportamento tipico, scelgo spesso la mediana; se devo misurare un totale medio o un costo complessivo, considero la media; se voglio capire quale risultato ricorre più volte, guardo la moda.
Il metodo manuale è sufficiente per pochi valori, mentre Excel è pratico per i fogli operativi. Nei database e nei dashboard conviene automatizzare il calcolo, documentare filtri e valori mancanti e conservare anche il numero di osservazioni utilizzate.
La regola che applico più spesso è semplice: non presentare mai la mediana da sola quando il pubblico deve prendere una decisione importante. Affiancarla a media, numero di casi e, se possibile, percentili come il 75° o il 90° rende il KPI molto più onesto e leggibile.
