Un cruscotto pieno di grafici non basta a prendere decisioni migliori. Gli esempi più utili di Power BI partono da un problema concreto, come capire perché calano i margini, quali prodotti stanno per esaurirsi o quali clienti generano davvero valore. In questa guida mostro casi d’uso realistici, formule DAX essenziali e criteri pratici per trasformare dati aziendali in analisi affidabili.
Dagli indicatori alle decisioni con esempi concreti
- Vendite e margini diventano leggibili con misure DAX e confronto anno su anno.
- Budget e consuntivo possono convivere nello stesso modello, senza fogli Excel scollegati.
- Scorte e riordini si analizzano con indicatori come copertura e rotazione del magazzino.
- Un modello a stella rende i report più veloci, coerenti e facili da mantenere.
- La qualità dei dati conta più del numero di visualizzazioni nella pagina.
Gli esempi che rendono Power BI davvero utile
La maggior parte dei progetti Power BI rientra in alcuni scenari ricorrenti. Il punto non è copiare un layout, ma capire quale decisione deve sostenere ogni pagina del report. Io partirei sempre da una domanda di business e solo dopo sceglierei grafici, filtri e formule.
| Scenario | Dati principali | Decisione supportata |
|---|---|---|
| Vendite | Ordini, clienti, prodotti, territori | Capire cosa vende, dove e con quale margine |
| Controllo di gestione | Budget, costi, ricavi, centri di costo | Individuare gli scostamenti più rilevanti |
| Magazzino | Giacenze, movimenti, tempi di consegna | Ridurre rotture di stock e capitale immobilizzato |
| Marketing | Campagne, lead, conversioni, costi | Misurare il ritorno degli investimenti |
| Risorse umane | Organico, assenze, turnover, formazione | Riconoscere trend e aree di rischio |
Un caso vendite con DAX che cambia la lettura dei dati
Immaginiamo una tabella FVendite con data, prodotto, cliente, quantità, importo e costo. Accanto deve esserci un modello con dimensioni separate per calendario, prodotti, clienti e venditori. È il cosiddetto modello a stella, una struttura che riduce ambiguità e rende più prevedibili i filtri.Le misure di base
Comincerei da poche misure riutilizzabili, invece di creare una formula diversa per ogni grafico. In questo modo il margine mostrato in una scheda KPI sarà identico a quello usato nella tabella per area commerciale.Ricavi =
SUM(FVendite[Importo])
Costo totale =
SUM(FVendite[Costo])
Margine =
[Ricavi] - [Costo totale]
Margine % =
DIVIDE([Margine], [Ricavi])DIVIDE è preferibile alla semplice divisione perché gestisce in modo più sicuro il caso in cui i ricavi siano nulli o pari a zero. Da qui si può costruire una pagina con ricavi, margine percentuale, numero di ordini, andamento mensile e classifica dei prodotti.
Il confronto con l’anno precedente
Un valore isolato dice poco. Se il fatturato è di 420.000 euro, la domanda utile è sapere se rappresenta una crescita o una perdita rispetto al periodo comparabile.
Ricavi anno precedente =
CALCULATE(
[Ricavi],
DATEADD('Calendario'[Data], -1, YEAR)
)
Crescita % =
DIVIDE(
[Ricavi] - [Ricavi anno precedente],
[Ricavi anno precedente]
)Qui si vede la funzione di CALCULATE, che modifica il contesto dei filtri applicando una condizione temporale diversa. La misura funziona correttamente solo se esiste una tabella calendario completa, collegata alla data delle vendite e configurata come tabella data.
Il risultato pratico è più interessante di un semplice grafico del fatturato. Posso filtrare per regione, cliente o categoria e verificare subito se la crescita è generale oppure dipende da un solo segmento. È spesso questo il passaggio che trasforma un report decorativo in uno strumento di gestione.
Budget, forecast e magazzino nello stesso modello
Un altro esempio frequente riguarda il confronto tra risultato effettivo e obiettivo. Le tabelle del budget non dovrebbero essere incollate dentro la tabella delle vendite: è meglio mantenerle separate e collegarle alle stesse dimensioni di calendario, prodotto o centro di costo.
Scostamento tra consuntivo e budget
Scostamento =
[Consuntivo] - [Budget]
Scostamento % =
DIVIDE([Scostamento], [Budget])Una matrice con scostamento assoluto e percentuale aiuta a distinguere un problema grande in valore da uno grande solo in proporzione. Per esempio, una variazione del 20% su un centro di costo da 2.000 euro merita una lettura diversa rispetto a un calo del 5% su 500.000 euro.
Copertura delle scorte
Nel magazzino, il totale dei pezzi disponibili non è sufficiente. Un prodotto con 1.000 unità può essere sovrabbondante o quasi esaurito, a seconda della velocità di vendita.
Pezzi venduti =
SUM(FVendite[Quantità])
Vendite medie giornaliere =
DIVIDE(
[Pezzi venduti],
DISTINCTCOUNT('Calendario'[Data])
)
Giorni di copertura =
DIVIDE(
[Giacenza],
[Vendite medie giornaliere]
)La misura dei giorni di copertura è utile per evidenziare i prodotti che rischiano una rottura di stock. Va però interpretata con prudenza quando la domanda è stagionale o quando il periodo selezionato contiene promozioni eccezionali. Un indicatore semplice non sostituisce una previsione ben costruita.
Marketing, clienti e risorse umane come casi d’uso
Gli esempi non finiscono nelle vendite. Lo stesso modello concettuale può aiutare reparti diversi, purché ogni metrica abbia una definizione condivisa e una fonte dati riconoscibile.
Analisi delle campagne marketing
Un report marketing può collegare spesa pubblicitaria, lead, opportunità e ricavi. Le misure più utili sono il costo per lead, il tasso di conversione e il ritorno sulla spesa pubblicitaria, spesso indicato come ROAS.
Costo per lead =
DIVIDE([Spesa campagne], [Lead])
Tasso conversione =
DIVIDE([Clienti acquisiti], [Lead])
ROAS =
DIVIDE([Ricavi attribuiti], [Spesa campagne])Il limite principale è l’attribuzione. Se un cliente entra da una campagna, visita il sito più volte e acquista dopo una telefonata commerciale, il report deve dichiarare quale regola ha assegnato quel ricavo. Senza questa informazione, un ROAS molto preciso può essere comunque poco credibile.
Redditività dei clienti
Una dashboard clienti può mostrare ricavi, margine, frequenza d’acquisto e valore medio dell’ordine. Io eviterei di classificare i clienti solo in base al fatturato, perché gli sconti, i resi e i costi di servizio possono cambiare completamente la graduatoria.
Un buon esempio combina una tabella di dettaglio con una segmentazione semplice. I clienti ad alto fatturato e basso margine richiedono una strategia diversa da quelli con volumi medi ma acquisti frequenti e costi di gestione ridotti.
Leggi anche: Grafici in Excel - come scegliere e creare visualizzazioni chiare
Indicatori per le risorse umane
Nel reporting HR si possono analizzare assenze, anzianità, turnover, formazione e distribuzione dell’organico. I dati personali richiedono però sicurezza a livello di riga, cioè regole che limitano ciò che ogni utente può vedere in base al proprio ruolo o alla propria organizzazione.
Gli errori che rendono inutile anche il report più bello
Il primo errore è costruire tutto a partire dal file Excel ricevuto, senza controllare duplicati, date mancanti e definizioni delle colonne. Power BI può visualizzare dati incoerenti con grande eleganza, ma non può trasformare automaticamente un processo contabile confuso in una fonte affidabile.
Il secondo errore è confondere misure e colonne calcolate. Una misura viene calcolata in base al contesto del visual e dei filtri; una colonna calcolata viene valutata riga per riga durante l’aggiornamento del modello. Per ricavi, margini e confronti temporali, nella maggior parte dei casi partirei dalle misure.
- Creare relazioni molti-a-molti senza una ragione chiara.
- Usare più tabelle calendario scollegate per lo stesso modello.
- Inserire dieci o quindici KPI nella prima pagina.
- Usare colori diversi per lo stesso significato in pagine differenti.
- Definire “cliente attivo” o “margine” senza una regola documentata.
- Ignorare i tempi di aggiornamento e la provenienza dei dati.
La progettazione visiva conta, ma la gerarchia informativa conta di più. Una pagina con cinque indicatori ben scelti e un percorso chiaro verso il dettaglio è spesso più utile di una schermata piena di grafici, mappe e filtri.
Il primo progetto da costruire per imparare Power BI e DAX
Per imparare senza perdersi nelle funzioni, sceglierei un piccolo progetto di vendite con dati di almeno 12 mesi. Servono una tabella ordini, un calendario, prodotti, clienti e un obiettivo mensile. È abbastanza ricco da mostrare filtri, gerarchie, confronto temporale e margini, ma resta gestibile.
- Importa e pulisci i dati con Power Query.
- Costruisci il modello a stella e verifica le relazioni.
- Crea prima le misure di ricavo, costo, margine e quantità.
- Aggiungi confronto anno precedente e scostamento percentuale.
- Disegna una pagina sintetica e una pagina di approfondimento.
- Testa ogni misura con una tabella prima di usarla nei grafici.
Il risultato migliore non è il report con più effetti visivi, ma quello in cui ogni numero risponde a una domanda e porta a un’azione. Se il modello è ordinato, le misure DAX sono leggibili e le definizioni sono condivise, anche un progetto semplice può diventare una base solida per analisi più avanzate.
