Quando un foglio Excel deve restituire un risultato diverso in base a una scelta numerica, spesso una lunga sequenza di condizioni non è la soluzione più leggibile. La funzione SCEGLI permette di collegare un indice a una lista di valori, testi o riferimenti e si rivela utile per report, dashboard e analisi dati. Qui mostro come usarla, quali formule scrivere, quando preferirla a SE o CERCA.X e quali errori evitare.

Che cosa fa davvero SCEGLI in Excel

SCEGLI prende un numero e lo usa come posizione all’interno di un elenco. Se l’indice è 1, Excel restituisce il primo valore; se è 2, restituisce il secondo; con 3, il terzo e così via.

La formula più semplice è questa:

=SCEGLI(2;"Basso";"Medio";"Alto")

Il risultato sarà Medio, perché il numero 2 indica il secondo elemento della lista. Cambiando l’indice in 1 o 3, il risultato diventa rispettivamente “Basso” o “Alto”.

Il vantaggio principale è la chiarezza. In molte situazioni SCEGLI evita una catena di condizioni difficile da leggere, soprattutto quando non devi verificare intervalli ma solo associare una posizione a un risultato preciso.

La sintassi e il primo esempio utile

La sintassi italiana è:

=SCEGLI(indice; valore1; [valore2]; ...)

• indice è il numero che determina la scelta;
• valore1 è la prima opzione;
• valore2 e gli argomenti successivi sono le altre opzioni disponibili.

Gli argomenti possono essere numeri, testi, formule o riferimenti a celle. La documentazione di Microsoft Support segnala inoltre che un indice minore di 1 o superiore al numero delle opzioni produce l’errore #VALORE!.

Associare un numero al mese

Supponiamo che nella cella A2 sia presente un numero da 1 a 12. Per trasformarlo nel nome del mese puoi usare:

=SCEGLI(A2;"Gennaio";"Febbraio";"Marzo";"Aprile";"Maggio";"Giugno";"Luglio";"Agosto";"Settembre";"Ottobre";"Novembre";"Dicembre")

Questo esempio è utile per piccoli report o esercizi didattici, ma in un modello aziendale preferisco spesso una tabella di corrispondenza. I mesi sono 12 valori fissi e la formula diventa lunga: se devi modificare spesso l’elenco, una ricerca su tabella è più facile da mantenere.

Restituire un testo in base a una selezione

Immagina una cella B1 con un menu a discesa contenente i numeri 1, 2 e 3. Puoi collegare la scelta a tre scenari commerciali:

=SCEGLI(B1;"Scenario prudente";"Scenario base";"Scenario espansivo")

In questo caso la funzione non calcola nulla. Fa qualcosa di altrettanto utile: trasforma una selezione compatta in un’etichetta comprensibile, rendendo il report più leggibile per chi non conosce la struttura del foglio.

Tre applicazioni pratiche per report e analisi

Selezionare un KPI

Puoi usare una cella di controllo per mostrare un indicatore diverso nello stesso spazio di un dashboard:

=SCEGLI($B$2;SOMMA(C2:C20);MEDIA(C2:C20);MAX(C2:C20))

Con 1 visualizzi il totale, con 2 la media e con 3 il valore massimo. È un approccio efficace quando vuoi creare un selettore semplice senza duplicare tre grafici o tre blocchi di dati.

Gestire scenari previsionali

Se hai tre valori già calcolati, per esempio nelle celle D5, E5 e F5, puoi lasciare che l’utente scelga quale scenario visualizzare:

=SCEGLI($B$2;D5;E5;F5)

La formula restituisce il contenuto del riferimento selezionato. È una soluzione rapida per confrontare scenari, ma funziona bene solo quando il numero delle alternative è contenuto e stabile.

Convertire codici in categorie

Un codice numerico può essere trasformato in una descrizione più utile:

=SCEGLI(C2;"Nuovo cliente";"Cliente attivo";"Cliente inattivo";"Cliente da ricontattare")

Qui il codice deve essere compreso tra 1 e 4. Prima di usare la formula in un file condiviso, controllo sempre che la colonna non contenga zeri, celle vuote o codici imprevisti. È proprio questo controllo preliminare che evita gran parte degli errori nei report.

SCEGLI o SE, CERCA.X e INDICE

La funzione è comoda, ma non è sempre lo strumento migliore. La scelta dipende dal tipo di problema che devi risolvere.

La regola che seguo è semplice. Uso SCEGLI per poche opzioni fisse, SE quando devo valutare condizioni e CERCA.X quando l’elenco appartiene davvero a una tabella che può crescere o essere aggiornata.

Per esempio, se devi associare tre scenari già definiti, SCEGLI è perfetta. Se invece devi restituire il prezzo di un prodotto cercandone il codice tra centinaia di righe, una funzione di ricerca è decisamente più adatta.

Errori tipici e limiti da conoscere

L’indice non corrisponde alle opzioni

Con questa formula:

=SCEGLI(4;"A";"B";"C")

Excel restituisce #VALORE!, perché esistono solo tre valori. Lo stesso accade con l’indice 0 o con un numero negativo. Se il dato arriva da un menu o da un’altra formula, conviene validarlo prima.

Le celle vuote possono confondere

Se uno degli argomenti è una cella vuota, Excel può restituire 0 invece di un testo visibile. Per questo preferisco inserire esplicitamente una stringa vuota, ad esempio "", quando voglio che il risultato resti visivamente vuoto.

=SCEGLI(A2;"Attivo";"In revisione";"Chiuso";"")

La formula cresce troppo

SCEGLI può contenere molte alternative, ma una formula con decine di argomenti diventa fragile. Il problema non è solo estetico: ogni modifica richiede di intervenire nella formula e aumenta il rischio di spostare o associare male un valore.

Quando l’elenco supera poche opzioni, creo una piccola tabella con indice e descrizione e uso CERCA.X. Il risultato è più trasparente, più semplice da aggiornare e più adatto a un flusso di lavoro condiviso.

Leggi anche: Come calcolare il 20% in Excel senza sbagliare

Attenzione alle impostazioni locali

Nella versione italiana di Excel il separatore degli argomenti è generalmente il punto e virgola. In alcune configurazioni internazionali può essere utilizzata la virgola, mentre il nome della funzione può apparire come CHOOSE nella versione inglese.

Una regola semplice per usare SCEGLI senza complicare il foglio

SCEGLI dà il meglio di sé quando hai un indice chiaro e un numero limitato di alternative. È ideale per selettori di dashboard, scenari, etichette e piccoli menu logici, mentre perde convenienza quando i valori devono essere gestiti da una tabella dinamica.

Il mio consiglio è di partire da una domanda concreta: sto scegliendo una posizione fissa oppure sto cercando un dato in un archivio? Nel primo caso SCEGLI rende la formula immediata; nel secondo, una funzione di ricerca mantiene il modello più solido nel tempo.

Quando vuoi capire se due fenomeni si muovono insieme, una tabella spesso non basta: serve vedere la forma della relazione. In questo articolo mostro come funziona il grafico a dispersione, come interpretare punti, assi e tendenze, come costruirlo e quali errori evitare in analisi dati, business intelligence e data science.

Che cos’è un grafico a dispersione e quando serve

Un grafico a dispersione rappresenta ogni osservazione come un punto su un piano cartesiano. Le coordinate del punto derivano da due variabili quantitative: per esempio, il budget pubblicitario sull’asse X e il fatturato sull’asse Y.

Se un’azienda analizza 100 campagne, ogni campagna diventa un punto. La posizione mostra quanto è stato investito e quale risultato è stato ottenuto. In questo modo posso vedere rapidamente se gli investimenti più elevati tendono ad associarsi a ricavi maggiori, se esistono gruppi distinti o se alcune campagne si comportano in modo anomalo.

Secondo Treccani, il diagramma a dispersione nasce proprio dall’insieme di coppie di osservazioni relative a due variabili. Il suo valore non sta nel decorare una dashboard, ma nel rendere visibile una relazione che una media o una tabella potrebbero nascondere.

Come sono organizzati gli elementi

• Asse X: contiene di solito la variabile indipendente o esplicativa.
• Asse Y: mostra la variabile dipendente o il risultato osservato.
• Punti: rappresentano singole osservazioni, clienti, prodotti, periodi o eventi.
• Colore e forma: possono distinguere categorie, aree geografiche o segmenti.
• Dimensione: può aggiungere una terza variabile, trasformando il grafico in un diagramma a bolle.

Come si legge la nuvola di punti

La prima cosa che osservo è la direzione generale della nuvola. Quando i punti salgono da sinistra verso destra, si parla di associazione positiva. Quando scendono, l’associazione è negativa. Se sono sparsi senza una forma riconoscibile, la relazione lineare può essere debole o assente.

Correlazione e regressione non sono la stessa cosa

Il coefficiente di correlazione di Pearson, indicato spesso con r, varia da -1 a +1. Un valore vicino a +1 segnala una forte relazione lineare positiva, mentre un valore vicino a -1 indica una forte relazione lineare negativa. Un valore vicino a 0 segnala che non emerge una relazione lineare, ma non esclude forme curve o altri pattern.

Il valore R² indica quanta parte della variabilità osservata viene spiegata dal modello lineare nel campione analizzato. Non misura la qualità complessiva dell’analisi e non dimostra che il modello funzionerà allo stesso modo su dati futuri.

Come costruirlo in modo pratico

1. Definisci le due variabili. Scegli misure numeriche confrontabili, come prezzo e quantità venduta.
2. Prepara i dati. Ogni riga deve rappresentare un’osservazione coerente e non una somma ottenuta casualmente.
3. Assegna gli assi. Metti X come variabile esplicativa e Y come risultato o misura da analizzare.
4. Controlla le scale. Usa intervalli leggibili e unità indicate chiaramente.
5. Osserva la distribuzione. Cerca direzione, concentrazione, gruppi, curve e punti isolati.
6. Aggiungi una linea di tendenza solo se aiuta. Deve chiarire il messaggio, non sostituire la lettura dei dati.

In Excel o Google Sheets basta selezionare le due colonne numeriche e scegliere il grafico XY. In Power BI posso inserire una misura nell’asse X e una nell’asse Y, usando colore o legenda per segmentare i dati. In Python, librerie come Matplotlib e Seaborn permettono di controllare trasparenza, dimensione dei punti e linee di regressione.

Un esempio semplice può riguardare cinque negozi. Se confronto ore di formazione del personale e valore medio dello scontrino, ogni punto rappresenta un punto vendita. La relazione può suggerire un approfondimento, ma prima di concludere devo considerare anche posizione, traffico, dimensione del negozio e assortimento.

Applicazioni nella visualizzazione dei dati

Il diagramma è particolarmente efficace quando devo esplorare una relazione tra misure numeriche. Lo uso spesso nelle fasi iniziali dell’analisi, perché può far emergere rapidamente domande che non avevo previsto.

Business intelligence e vendite

Un’azienda può confrontare margine e volume di vendita, prezzo e domanda oppure sconto applicato e redditività. Se alcuni prodotti vendono molto ma generano margini ridotti, il grafico rende visibile il compromesso meglio di una classifica ordinata.

Marketing e customer analytics

Mettere in relazione costo delle campagne e conversioni aiuta a capire se l’aumento del budget è associato a risultati migliori. L’uso del colore per canale, come email, social e ricerca, può rivelare che la relazione complessiva dipende in realtà da un solo segmento.

Operazioni e controllo qualità

Tempi di produzione e numero di difetti possono mostrare se la velocità sta aumentando a scapito della qualità. Un punto molto distante dagli altri può indicare un errore di registrazione, una situazione eccezionale o un problema di processo da verificare.

Quando scegliere un grafico diverso

La matrice di dispersione è utile in data science per esplorare più variabili numeriche insieme, ma può diventare difficile da leggere quando le colonne sono numerose. In quel caso preferisco partire dalle relazioni più plausibili e aggiungere analisi successive, invece di mostrare tutto in una sola schermata.

Errori comuni e limiti da non ignorare

Il rischio più frequente è confondere una relazione con una spiegazione. Due variabili possono crescere insieme perché dipendono da una terza variabile, perché sono osservate nello stesso periodo o semplicemente per effetto del caso. Correlazione non significa causalità.

Scale e aggregazioni fuorvianti

Una scala tagliata o sproporzionata può amplificare differenze minime. Anche aggregare dati troppo presto può nascondere comportamenti importanti. Una relazione positiva tra regioni, per esempio, potrebbe diventare negativa quando analizzo separatamente le singole province.

Outlier e punti sovrapposti

Un outlier è un’osservazione molto distante dal gruppo principale. Non lo elimino automaticamente: prima verifico se è un errore, un caso raro ma reale o il segnale di un segmento diverso. Con molti dati, i punti possono sovrapporsi e creare una macchia compatta; trasparenza, jitter o una mappa di densità aiutano a distinguere la concentrazione.

Leggi anche: Grafico a cascata Excel per leggere costi, ricavi e margini

Troppi colori e troppe dimensioni

Colore, forma e dimensione possono aggiungere informazioni, ma ogni variabile extra aumenta il carico cognitivo. Nella pratica, due dimensioni principali e una segmentazione sono spesso sufficienti per una dashboard leggibile.

Evito anche di inserire una linea di regressione senza indicare chiaramente il periodo, il campione e il significato delle variabili. Una visualizzazione elegante non corregge dati incompleti, misure incoerenti o campioni troppo piccoli.

Dal punto sullo schermo a una decisione migliore

Un buon grafico a dispersione non offre una risposta automatica. Offre una domanda più precisa: dove si concentra il fenomeno, quali casi si comportano diversamente e quale relazione merita un controllo statistico?

Il mio approccio è semplice. Prima osservo la forma dei dati, poi verifico correlazione, gruppi e anomalie, infine collego il risultato al contesto operativo. Solo dopo scelgo se applicare una regressione, cambiare segmentazione o raccogliere nuove informazioni.

Quando assi, unità, periodo e fonte sono chiari, questa visualizzazione diventa uno degli strumenti più rapidi per passare dalla semplice descrizione dei dati a un’analisi davvero utile.

Quando un report Power BI deve mostrare vendite per anno, categoria o cliente, il problema non è soltanto sommare i valori: bisogna costruire una tabella riepilogativa coerente con il modello dati. In questa guida chiarisco come funziona SUMMARIZE in DAX, quando conviene usarla, quali alternative scegliere e quali errori evitare per ottenere risultati affidabili.

DAX in Power BI serve a trasformare i dati in misure

DAX, acronimo di Data Analysis Expressions, è il linguaggio usato in Power BI, Power Pivot ed Analysis Services per creare misure, colonne calcolate e tabelle calcolate. Non è semplicemente una versione più complessa delle formule di Excel: lavora soprattutto sul modello semantico, sulle relazioni tra tabelle e sul contesto in cui una formula viene valutata.

Una misura come Totale vendite = SUM(Vendite[Importo]) restituisce un valore scalare. SUMMARIZE, invece, restituisce una tabella con una riga per ogni combinazione distinta delle colonne indicate. Questa differenza è fondamentale: una misura alimenta direttamente una visualizzazione, mentre una tabella riepilogativa può diventare l’input di altre funzioni DAX.

Io consiglio di imparare SUMMARIZE dopo aver compreso almeno tre concetti: relazioni, contesto di filtro e funzioni di aggregazione. Senza queste basi, il rischio è ottenere una tabella formalmente corretta ma con totali che non rispondono alla domanda analitica.

Come funziona SUMMARIZE e qual è la sintassi

La struttura generale della funzione è la seguente:

SUMMARIZE(
    ,
    ,
    ,
    "Nome misura", 
)

Il primo argomento definisce la tabella di partenza. Dopo si indicano una o più colonne per il raggruppamento e, se necessario, coppie formate da un nome e da un’espressione che calcola una colonna aggiuntiva.

Supponiamo di avere una tabella Vendite con le colonne Anno, Categoria e Importo. Una sintesi semplice può essere scritta così:

SUMMARIZE(
    Vendite,
    Vendite[Anno],
    Vendite[Categoria],
    "Totale vendite", SUM(Vendite[Importo])
)

Il risultato conterrà una riga per ogni coppia anno-categoria, insieme al totale calcolato per quel gruppo. Se il modello contiene tre anni e quattro categorie effettivamente presenti nei dati, il numero di righe non sarà necessariamente 12, perché SUMMARIZE considera le combinazioni realmente disponibili.

In base alle impostazioni locali di Power BI, il separatore degli argomenti può essere la virgola oppure il punto e virgola. Se una formula copiata da un esempio genera un errore di sintassi, questo è uno dei primi elementi da controllare.

Un esempio pratico con vendite per anno e categoria

Immaginiamo un modello con una tabella dei fatti Vendite e dimensioni separate per Prodotto, Cliente e Calendario. In un modello ben strutturato, le categorie dovrebbero provenire dalla dimensione prodotto e gli anni dalla dimensione calendario, non essere duplicate inutilmente nella tabella delle transazioni.

Una tabella calcolata di riepilogo potrebbe usare le dimensioni collegate:

Riepilogo vendite =
SUMMARIZE(
    Vendite,
    Calendario[Anno],
    Prodotto[Categoria],
    "Ricavi", SUM(Vendite[Importo]),
    "Quantità", SUM(Vendite[Quantità])
)

Questo approccio permette di leggere i risultati secondo la logica del modello. La colonna Ricavi mostra l’importo aggregato, mentre Quantità consente di distinguere una crescita dovuta a più pezzi venduti da una crescita generata soltanto da prezzi medi più alti.

Per calcolare un indicatore più significativo, si può aggiungere una misura derivata:

Riepilogo vendite =
ADDCOLUMNS(
    SUMMARIZE(
        Vendite,
        Calendario[Anno],
        Prodotto[Categoria]
    ),
    "Ricavi", CALCULATE(SUM(Vendite[Importo])),
    "Quantità", CALCULATE(SUM(Vendite[Quantità]))
)

Qui ADDCOLUMNS aggiunge colonne alla tabella di gruppi. L’uso di CALCULATE rende esplicita la trasformazione del contesto di riga in contesto di filtro, un dettaglio che spesso decide se il risultato sarà corretto oppure identico su tutte le righe.

Per una misura percentuale, invece, spesso non serve costruire una tabella calcolata. È più efficiente creare una misura dinamica, capace di reagire ai filtri applicati dall’utente nel report:

Margine percentuale =
DIVIDE(
    [Margine],
    [Ricavi],
    0
)

La mia regola pratica è semplice: uso una tabella riepilogativa quando mi serve davvero una struttura tabellare riutilizzabile. Se devo soltanto mostrare un totale o una percentuale in una scheda, preferisco una misura.

SUMMARIZE, SUMMARIZECOLUMNS e GROUPBY non fanno la stessa cosa

Le funzioni di raggruppamento possono sembrare intercambiabili, ma hanno comportamenti diversi. Scegliere quella giusta evita formule più complesse del necessario e riduce i problemi legati al contesto.

Un esempio con SUMMARIZECOLUMNS è più compatto:

SUMMARIZECOLUMNS(
    Calendario[Anno],
    Prodotto[Categoria],
    "Ricavi", [Ricavi],
    "Margine", [Margine]
)

Questa funzione lavora direttamente con colonne qualificate del modello e include solo le combinazioni per cui le espressioni non risultano vuote, salvo l’uso di funzioni specifiche come IGNORE. Per questo motivo può produrre un risultato diverso da una semplice combinazione di valori distinti.

GROUPBY è invece più adatta quando si parte da una tabella intermedia. Il suo comportamento è intenzionalmente diverso: nelle colonne aggiuntive non esegue il CALCULATE implicito associato a SUMMARIZE e permette di lavorare con CURRENTGROUP(). Non la sceglierei come prima funzione da imparare, ma diventa utile per aggregazioni successive su risultati già elaborati.

Gli errori più comuni e come evitarli

Confondere una misura con una tabella calcolata

SUMMARIZE restituisce una tabella, quindi non può sostituire automaticamente una misura. Se il risultato deve aggiornarsi quando l’utente seleziona un anno, un cliente o un’area geografica, una misura dinamica è spesso la soluzione migliore.

Ignorare le relazioni del modello

Se Calendario[Anno] non filtra correttamente Vendite, il raggruppamento può sembrare plausibile ma restituire valori non distinti per anno. Prima di correggere la formula, verifico sempre la direzione del filtro, la cardinalità e la presenza di una relazione attiva.

Aggiungere troppe espressioni dentro SUMMARIZE

Le colonne calcolate direttamente dentro SUMMARIZE possono diventare difficili da leggere e da controllare. In molti casi è più chiaro separare i passaggi con SUMMARIZE seguito da ADDCOLUMNS, usando CALCULATE in modo esplicito.

Usare colonne non adatte al raggruppamento

Raggruppare per una descrizione testuale molto dettagliata, come un codice transazione o un indirizzo completo, può creare una tabella enorme. Prima di aggiungere una colonna, mi chiedo sempre se rappresenta davvero una dimensione analitica oppure soltanto un dettaglio operativo.

Leggi anche: DATEADD DAX per confrontare periodi in Power BI

Dimenticare i valori vuoti

Un gruppo senza vendite può restituire BLANK() invece di zero. Se il report richiede uno zero esplicito, bisogna gestirlo con attenzione, per esempio tramite COALESCE([Ricavi], 0). Non conviene sostituire automaticamente tutti i vuoti, perché un valore mancante e un valore realmente pari a zero possono avere significati diversi.

Un metodo pratico per costruire riepiloghi DAX affidabili

Per lavorare senza perdere tempo, parto dalla domanda aziendale e non dalla funzione. “Quanto abbiamo venduto?” richiede una misura; “come sono distribuite le vendite per anno e categoria?” può richiedere una tabella raggruppata.

1. Definisci il livello di dettaglio, per esempio anno, mese, prodotto o cliente.
2. Controlla il modello e verifica che le dimensioni filtrino correttamente la tabella dei fatti.
3. Crea prima le misure base, come ricavi, quantità e margine.
4. Costruisci il raggruppamento con SUMMARIZE o SUMMARIZECOLUMNS.
5. Confronta i totali con una visualizzazione o con una misura indipendente.
6. Testa i filtri su più periodi, categorie e clienti prima di pubblicare il report.

Per verificare una tabella intermedia, la DAX Query View o uno strumento come DAX Studio sono molto utili. Posso eseguire una query con EVALUATE, osservare le righe restituite e capire subito se il problema nasce dal raggruppamento, dalla relazione o dall’espressione aggregata.

Le prestazioni dipendono soprattutto dalla qualità del modello. Una tabella dei fatti molto grande, colonne ad alta cardinalità e formule ripetute possono aumentare i tempi di calcolo; una corretta separazione tra dimensioni e fatti, invece, rende il riepilogo più leggero e prevedibile.

La scelta giusta dipende dalla domanda analitica

SUMMARIZE è una funzione importante per comprendere il raggruppamento in DAX, ma non è una risposta universale. Serve quando occorre ottenere una tabella organizzata per gruppi; per una metrica visualizzata nel report, una misura resta normalmente più adatta.

Il passaggio che fa davvero la differenza è imparare a leggere il contesto. Una formula breve può produrre risultati sbagliati se il modello non ha relazioni solide o se il contesto di filtro non viene trasformato nel modo atteso.

Quando il riepilogo cresce di complessità, conviene valutare SUMMARIZECOLUMNS e separare le misure dalle tabelle intermedie. In questo modo il modello rimane più leggibile, i controlli diventano più semplici e il report può evolvere senza trasformare ogni modifica in una ricerca dell’errore.

Quando una voce di costo pesa 18.000 euro su un budget di 120.000, il dato assoluto dice poco: sapere che rappresenta il 15% rende subito più chiara la situazione. In questa guida mostro come calcolare l’incidenza percentuale, scegliere il totale corretto, interpretare il risultato e trasformarlo in un KPI utile per analisi aziendali, vendite e budget.

Che cosa misura davvero l’incidenza percentuale

L’incidenza percentuale indica quanto pesa una parte sul totale. Non misura quindi la crescita o la diminuzione di un valore nel tempo, ma la sua composizione rispetto a un insieme più ampio.

La formula è semplice:

Incidenza percentuale = (valore parziale ÷ valore totale) × 100

Se un e-commerce realizza 240 ordini, di cui 60 provenienti da campagne sponsorizzate, l’incidenza delle campagne sul totale è:

(60 ÷ 240) × 100 = 25%

Significa che un ordine su quattro arriva da quel canale. Io preferisco leggere il risultato anche in forma proporzionale, perché “25%” e “1 ordine su 4” raccontano lo stesso dato con immediatezza diversa.

Il totale non è un dettaglio

Il risultato dipende soprattutto dalla scelta del denominatore. Se calcolo la quota delle vendite online sul fatturato complessivo, il totale corretto è il fatturato di tutti i canali, non soltanto quello digitale.

Come eseguire il calcolo con esempi concreti

Per evitare errori, parto sempre da una domanda precisa: “rispetto a quale totale voglio misurare il peso?” Dopo aver identificato numeratore e denominatore, divido il primo per il secondo e moltiplico per 100.

Costi e budget

Un’azienda spende 7.500 euro in software su un budget operativo di 50.000 euro. L’incidenza è:

(7.500 ÷ 50.000) × 100 = 15%

Il dato può diventare un KPI di controllo dei costi. Da solo non dice se la spesa sia eccessiva, ma permette di confrontare periodi, reparti o progetti usando una base comune.

Vendite e mix di prodotto

Su 80.000 euro di ricavi mensili, 28.000 provengono dal prodotto A. La sua quota sul fatturato è:

(28.000 ÷ 80.000) × 100 = 35%

Qui l’incidenza aiuta a capire il mix di vendita. Se il prodotto ha un margine basso, una quota del 35% potrebbe richiedere un’analisi più attenta, anche se il fatturato complessivo è in crescita.

Conversioni e performance commerciali

Un team riceve 500 contatti e ne trasforma 45 in clienti. Il tasso di conversione è:

(45 ÷ 500) × 100 = 9%

In questo caso il valore parziale è il numero di conversioni, mentre il totale è il numero di contatti qualificati o ricevuti. La definizione deve restare stabile, altrimenti il confronto tra mesi perde significato.

Incidenza, variazione e percentuale di un numero non sono la stessa cosa

Tre operazioni vengono spesso confuse, ma rispondono a domande diverse. Distinguere i casi è più importante del calcolo aritmetico, perché una formula corretta applicata alla domanda sbagliata produce un KPI fuorviante.

Se il fatturato passa da 100.000 a 120.000 euro, la crescita è del 20%. Se invece 20.000 euro rappresentano una parte dei ricavi totali di 120.000 euro, l’incidenza è del 16,67%. Il numero può sembrare simile, ma il significato gestionale cambia completamente.

Come trasformare la proporzione in un KPI utile

Un’incidenza diventa un buon KPI quando ha un periodo, un perimetro e un obiettivo chiari. Scrivere soltanto “costi marketing: 12%” non basta: bisogna sapere di quali costi, quale fatturato e quale intervallo temporale si sta parlando.

Tre controlli prima di pubblicare il dato

• Perimetro: numeratore e denominatore devono riferirsi allo stesso periodo e alla stessa popolazione.
• Unità di misura: non bisogna mescolare euro, quantità, ordini o clienti nella stessa proporzione.
• Obiettivo: il valore va confrontato con budget, storico, target o benchmark interno.

Per esempio, un dashboard commerciale può mostrare l’incidenza del fatturato per canale, del margine per categoria e degli ordini restituiti sul totale. La lettura diventa più solida se ogni KPI indica anche la variazione rispetto al periodo precedente e la soglia oltre la quale serve un’azione.

Io eviterei di usare troppe incidenze nello stesso cruscotto. Quattro o cinque indicatori ben definiti aiutano più di venti percentuali senza contesto, soprattutto quando chi legge deve prendere una decisione e non soltanto osservare un report.

Come calcolarla in Excel e nei fogli di lavoro

In Excel o Google Sheets, supponiamo di avere il valore parziale nella cella B2 e il totale nella cella C2. La formula è:

=B2/C2

Per visualizzare il risultato come percentuale, applico il formato percentuale alla cella. In alternativa posso usare:

=B2/C2*100

In questo secondo caso la cella deve restare in formato numero, perché il risultato sarà già espresso, per esempio, come 25 anziché 25%.

Quando preparo un report, preferisco bloccare il riferimento al totale se devo trascinare la formula su più righe. Se il totale è nella cella C10, posso usare =B2/$C$10. I simboli del dollaro impediscono al riferimento di cambiare durante la copia.

Leggi anche: Giorni lavorativi tra due date - calcolo, festività e KPI

Il caso del totale pari a zero

Se il totale è zero, la divisione non è definita. Non bisogna sostituire automaticamente il risultato con 0%, perché “nessuna incidenza” e “dato non calcolabile” non significano la stessa cosa.

In Excel si può gestire il caso con:

=SE(C2=0;"";B2/C2)

Così il foglio lascia vuota la cella quando manca una base valida. Nei dashboard più strutturati conviene usare anche un’etichetta come “n.d.”, cioè non disponibile, per distinguere l’assenza di dati da un vero valore pari a zero.

Gli errori che falsano il risultato

L’errore più comune è usare un denominatore troppo piccolo o non coerente. Un reparto può rappresentare il 40% dei costi del mese, ma soltanto il 10% dei costi annuali: entrambe le percentuali possono essere corrette se rispondono a domande diverse.

• Confondere quota e crescita: una quota del 30% non significa che il valore sia cresciuto del 30%.
• Somme incoerenti: le categorie devono appartenere allo stesso totale e non sovrapporsi.
• Arrotondare troppo presto: conviene mantenere i decimali durante il calcolo e arrotondare solo il risultato finale.
• Ignorare il periodo: confrontare un mese promozionale con un mese ordinario può generare conclusioni sbagliate.
• Leggere la percentuale senza il volume: il 50% di 10 clienti e il 5% di 10.000 clienti hanno impatti molto diversi.

Quest’ultimo punto è quello che vedo sottovalutare più spesso. Una percentuale è una misura relativa, quindi la accompagno sempre con il valore assoluto: numero di clienti, euro, ordini o eventi da cui deriva.

Dal numero alla decisione con una lettura più completa

Il calcolo dell’incidenza percentuale richiede una sola operazione, ma il suo valore dipende dalla domanda gestionale a cui risponde. Parte, totale, periodo e perimetro devono essere definiti prima di aprire il foglio di calcolo.

Per rendere il dato davvero utile, affianco alla percentuale almeno un volume assoluto e un confronto storico o con un obiettivo. In questo modo una quota non resta un numero isolato, ma diventa un segnale per capire dove intervenire, quali costi controllare e quali risultati meritano un’analisi più approfondita.

Quando un totale nasconde il motivo di una variazione, il drill-down di Power BI permette di passare dal quadro generale al dettaglio senza perdere il filo dell’analisi. In questa guida mostro come costruire gerarchie, usare correttamente i comandi di esplorazione, distinguere il drill-through e sfruttare DAX per rendere i risultati coerenti a ogni livello.

Come funziona il drill-down in Power BI

Il drill-down consente di esplorare una gerarchia direttamente dentro un visual. Un grafico delle vendite può partire dall’anno, scendere al trimestre, arrivare al mese e infine al giorno. La pagina non cambia, ma il livello di dettaglio si adatta al punto selezionato.

Per me è uno degli strumenti più utili nei report direzionali perché risponde subito alla domanda “da dove arriva questo risultato?”. Il passaggio da totale annuale a mese evita di moltiplicare i grafici e lascia all’utente la libertà di indagare solo ciò che serve.

Drill-down, expand e drill-up non sono la stessa cosa

Il comando di drill-down è disponibile solo quando il visual contiene una gerarchia e l’interazione è stata abilitata. Le icone possono comparire nell’intestazione del grafico oppure nel menu visualizzato con il tasto destro del mouse.

Come creare una gerarchia pronta per l’esplorazione

La qualità del drill-down dipende prima di tutto dal modello dati. Una gerarchia efficace deve rappresentare una relazione logica tra livelli, non una semplice sequenza di colonne inserite nello stesso grafico.

In un modello commerciale, per esempio, potrei usare Anno, Trimestre, Mese e Giorno per il tempo, oppure Paese, Regione, Città e Punto vendita per la geografia. Il percorso deve riflettere il modo in cui il business prende davvero le decisioni.

La procedura in Power BI Desktop

1. Nel riquadro Campi, individua la colonna che rappresenta il primo livello.
2. Fai clic con il tasto destro e scegli l’opzione per creare una nuova gerarchia.
3. Aggiungi gli altri livelli nell’ordine corretto.
4. Trascina la gerarchia nell’asse del visual.
5. Controlla che i comandi di esplorazione siano attivi nell’intestazione del grafico.

Per le date preferisco una tabella calendario dedicata con anno, numero del trimestre, nome e numero del mese. Usare il nome del mese senza un ordinamento numerico produce spesso una sequenza alfabetica, come aprile, agosto, dicembre, invece dell’ordine cronologico.

Gerarchie naturali e gerarchie personalizzate

Power BI può riconoscere automaticamente alcune gerarchie, soprattutto quelle legate alle date. Io consiglio comunque di verificare sempre i livelli creati in automatico, perché non sempre corrispondono al linguaggio aziendale o al livello di dettaglio desiderato.

Una gerarchia personalizzata è spesso più chiara. Se l’azienda vende tramite canali diversi, ad esempio, il percorso potrebbe essere Canale, Area commerciale, Cliente, invece di una gerarchia geografica che non aiuta a spiegare le performance.

Come usare il drill-down con un esempio reale

Immaginiamo un istogramma con l’importo delle vendite sull’asse verticale e la gerarchia Anno > Trimestre > Mese sull’asse orizzontale. A livello annuale vedo subito che il 2025 ha prodotto più ricavi del 2024. Attivando il drill-down posso verificare se la crescita è distribuita oppure concentrata in un solo trimestre.

Se seleziono il 2025 mentre la modalità drill è attiva, il visual mostra i trimestri di quell’anno. Da lì posso scendere ancora ai mesi e capire, per esempio, che l’aumento dipende interamente da novembre e dicembre. Questo è il valore pratico dello strumento: mantiene il contesto della selezione invece di costringermi a ricostruire ogni filtro manualmente.

Quando conviene usare Expand

Supponiamo di voler confrontare il primo trimestre del 2024 con quello del 2025. Il drill-down su un singolo anno sarebbe troppo restrittivo. Con Expand all down one level mantengo gli anni visibili e aggiungo i trimestri sotto ciascuno, ottenendo un confronto più leggibile.

È una distinzione piccola, ma incide molto sull’interpretazione. Il drill-down risponde alla domanda “cosa succede dentro questo elemento?”, mentre Expand risponde a “come si distribuisce il dettaglio tra tutti gli elementi?”.

Quando serve il drill-through

Il drill-through è più adatto quando il dettaglio richiede una pagina diversa. Da un grafico delle vendite per cliente posso aprire una scheda con ordini, margini, resi e prodotti acquistati, già filtrata sul cliente selezionato.

Non lo considero un semplice drill-down più profondo. È una navigazione verso un altro contesto analitico, utile quando il visual di partenza non può contenere tutte le informazioni senza diventare confuso.

Come collegare il drill-down alle misure DAX

Il passaggio tra livelli non cambia soltanto l’aspetto del grafico. Cambia anche il contesto di filtro in cui vengono calcolate le misure. Una misura DAX ben progettata deve quindi funzionare sia quando il visual mostra l’anno sia quando mostra il mese o il prodotto.

La funzione più importante in questo scenario è ISINSCOPE. Restituisce TRUE quando una determinata colonna è il livello attivo della gerarchia e permette di modificare il calcolo in base alla posizione dell’utente nel percorso.

Percentuale rispetto al livello superiore

Questo esempio calcola la quota rispetto al genitore gerarchico. Il risultato può mostrare la percentuale di una sottocategoria sul totale della categoria, oppure quella di un prodotto sul totale della sottocategoria.

Vendite = 
SUM ( FactVendite[Importo] )

% del genitore =
SWITCH (
    TRUE(),
    ISINSCOPE ( DimProdotto[Sottocategoria] ),
        DIVIDE (
            [Vendite],
            CALCULATE (
                [Vendite],
                ALLSELECTED ( DimProdotto[Categoria] )
            )
        ),
    ISINSCOPE ( DimProdotto[Categoria] ),
        DIVIDE (
            [Vendite],
            CALCULATE (
                [Vendite],
                ALLSELECTED ( DimProdotto )
            )
        ),
    1
)

La parte decisiva non è la sintassi, ma il ragionamento: il denominatore deve rappresentare il livello di confronto corretto. Se rimuovo troppi filtri con ALL o ALLSELECTED, posso ottenere percentuali apparentemente precise ma poco utili per chi legge il report.

Leggi anche: IF in Power BI con DAX - misure, colonne ed errori da evitare

Mostrare un’etichetta diversa per ogni livello

Un’altra applicazione pratica consiste nel cambiare il testo mostrato in una card o in un titolo dinamico. In questo modo l’utente sa se sta guardando il totale annuale, il trimestre o il dettaglio mensile.

Livello analisi =
SWITCH (
    TRUE(),
    ISINSCOPE ( Calendario[Mese] ), "Dettaglio mensile",
    ISINSCOPE ( Calendario[Trimestre] ), "Dettaglio trimestrale",
    ISINSCOPE ( Calendario[Anno] ), "Vista annuale",
    "Vista complessiva"
)

In un progetto reale testo sempre la misura con filtri diversi, soprattutto con segmentazioni per anno, regione e canale. La combinazione tra gerarchie corrette e contesto DAX controllato fa la differenza tra un report interattivo e un report che cambia numeri senza spiegare perché.

Gli errori che compromettono l’analisi gerarchica

Il problema più comune è inserire livelli che non hanno una relazione coerente. Una gerarchia del tipo prodotto, mese, regione non rappresenta un percorso analitico: mescola dimensioni diverse e produce un’esplorazione difficile da interpretare.

Un altro errore frequente riguarda le date. Se il mese è memorizzato solo come testo, l’ordinamento può risultare sbagliato. Io controllo sempre il sort by column, la relazione con la tabella calendario e la presenza di valori vuoti prima di consegnare un report.

• Gerarchia troppo profonda, che costringe l’utente a molti clic prima di arrivare al dato utile.
• Livelli duplicati, come anno e anno fiscale senza una distinzione chiara.
• Misure non testate ai diversi livelli, con percentuali o totali incoerenti.
• Visual sovraccarichi, in cui categorie e dettagli diventano illeggibili dopo l’espansione.
• Dati non normalizzati, che generano valori vuoti o percorsi incompleti.

Bisogna considerare anche le prestazioni. Una gerarchia su milioni di righe non è necessariamente un problema, ma misure DAX complesse, molti visual nella stessa pagina e relazioni poco efficienti possono rendere lenta ogni interazione. In questi casi conviene semplificare il modello, ridurre i visual simultanei e verificare le query con gli strumenti di analisi delle prestazioni.

Infine, il drill-down non sostituisce la progettazione del report. Se l’utente non capisce cosa rappresentano i livelli, anche la migliore interazione resta poco utile. Un titolo dinamico, un tooltip chiaro e una gerarchia con nomi comprensibili spesso valgono più di un visual ricco di opzioni.

Come progettare un’esperienza di drill-down davvero utile

Io parto sempre dalla domanda decisionale, non dalla gerarchia disponibile nel modello. Se il responsabile vendite deve individuare le aree in calo, la sequenza potrebbe essere anno, regione, agente e cliente. Se deve analizzare la stagionalità, la gerarchia temporale sarà più adatta.

Una configurazione equilibrata segue alcune regole semplici:

1. Limitare la gerarchia a 3 o 4 livelli realmente utili.
2. Usare nomi leggibili e coerenti con il vocabolario aziendale.
3. Mostrare nel titolo o nel tooltip il livello attivo.
4. Verificare la stessa misura al livello aggregato e a quello di dettaglio.
5. Usare il drill-through solo quando il dettaglio richiede una pagina dedicata.
6. Testare il comportamento con filtri, valori mancanti e selezioni multiple.

Per un cruscotto destinato a dirigenti preferisco pochi livelli e una navigazione evidente. Per un report operativo, invece, posso arrivare fino a documento o riga d’ordine, ma solo su una pagina progettata per quel tipo di consultazione.

La documentazione di Microsoft distingue chiaramente l’esplorazione interna al visual dalla navigazione verso una pagina filtrata. È una distinzione che conviene riflettere anche nell’interfaccia, usando icone, pulsanti e tooltip con significati non ambigui.

Dal totale alla decisione senza perdere il contesto

Il drill-down in Power BI funziona bene quando collega tre elementi: una gerarchia che rispecchia il business, visual progettati per essere esplorati e misure DAX consapevoli del livello attivo. Se uno di questi elementi manca, il report può sembrare interattivo senza diventare davvero analitico.

Prima di pubblicare una pagina, controllo sempre tre passaggi: il totale è corretto, il dettaglio spiega davvero la variazione e il ritorno al livello superiore è immediato. È una verifica rapida, ma aiuta a trasformare una funzione tecnica in uno strumento concreto per prendere decisioni migliori.

Hai una tabella con migliaia di righe, ma il report deve mostrare vendite per regione, mese o categoria? In Power BI il comando Group By permette di ridurre il dettaglio e ottenere rapidamente totali, medie, conteggi e altre aggregazioni. Qui mostro come usarlo in Power Query, quando preferire DAX con GROUPBY, quali differenze considerare e quali errori evitare per mantenere il modello affidabile.

Il Group By in Power Query riduce il livello di dettaglio

In Power Query, raggruppare significa trasformare molte righe in una riga per ogni combinazione di valori scelta. Se una tabella contiene le transazioni di vendita, posso raggrupparla per Regione e ottenere il totale venduto per ciascuna area, invece di lavorare su ogni singolo ordine.

Questo passaggio avviene prima del caricamento nel modello semantico. È quindi una trasformazione dei dati, non una misura che cambia risultato in base ai filtri selezionati dall’utente. La differenza sembra sottile, ma ha conseguenze importanti sulle prestazioni e sulle analisi future.

Le operazioni più comuni sono Somma, Media, Mediana, Minimo, Massimo e Conteggio righe. Si possono anche contare i valori distinti oppure mantenere tutte le righe di ciascun gruppo con l’opzione Tutte le righe, che crea una tabella annidata dentro ogni cella.

La mia regola è semplice: uso Power Query quando il raggruppamento rappresenta una preparazione stabile del dataset. Se invece il risultato deve reagire a slicer, filtri, calendario o selezioni dell’utente, lascio i dati a un livello più dettagliato e calcolo l’aggregazione con DAX.

Come configurare il raggruppamento passo dopo passo

Per iniziare, in Power BI Desktop apro Trasforma dati e accedo all’Editor di Power Query. Seleziono una o più colonne, poi scelgo Raggruppa per dalla scheda Home o Trasforma. Il comando è disponibile anche nel menu visualizzato con il tasto destro sulle colonne selezionate.

1. Scelgo la colonna o le colonne che definiscono il gruppo.
2. Seleziono Avanzate quando servono più criteri.
3. Assegno un nome alla nuova colonna aggregata.
4. Scelgo l’operazione, per esempio Somma o Conteggio righe.
5. Indico la colonna numerica da aggregare, se richiesta.
6. Confermo e controllo il risultato nella griglia di anteprima.

Immaginiamo una tabella chiamata Vendite con le colonne Regione, Canale, Prodotto e Importo. Per ottenere il fatturato per regione e canale, uso l’opzione Avanzate, raggruppo per Regione e Canale, quindi aggiungo la somma di Importo con il nome Fatturato totale.

Il risultato avrà una riga per ogni combinazione disponibile. Una regione con tre canali non produrrà tre colonne, ma tre righe aggregate. Questo è il comportamento corretto, anche se chi arriva da Excel può aspettarsi una struttura più simile a una tabella pivot.

Un esempio con più aggregazioni

Nello stesso passaggio posso creare più colonne. Per ogni Regione posso calcolare il totale degli importi, il numero di ordini e il prezzo medio, ottenendo una tabella compatta per un report direzionale.

Regione | Fatturato totale | Numero ordini | Prezzo medio
Nord    | 245000           | 1280          | 191,41
Centro  | 198500           | 1042          | 190,50
Sud     | 162300           | 987           | 164,27

Questa soluzione è molto efficiente quando il dettaglio dell’ordine non serve più. Se però domani voglio analizzare il margine per prodotto o filtrare per singolo cliente, avrò eliminato informazioni necessarie. Prima di confermare, mi chiedo sempre se sto creando una tabella finale o solo una base intermedia per altre analisi.

Quando usare Tutte le righe

L’opzione Tutte le righe è utile per mantenere i record appartenenti a ogni gruppo. Da queste tabelle annidate posso poi estrarre, per esempio, il prodotto con più unità vendute usando una colonna personalizzata e una funzione come Table.Max.

È una tecnica potente, ma non la scelgo per semplice abitudine. Le colonne con valori [Table] possono rendere il flusso più difficile da leggere e richiedere passaggi aggiuntivi per espandere i dati. Ha senso soprattutto quando devo applicare un’analisi specifica all’interno di ciascun gruppo.

Quando DAX GROUPBY è la scelta migliore

La funzione DAX GROUPBY restituisce una tabella raggruppata a partire da un’altra tabella o da un’espressione che produce una tabella. Il suo punto di forza è CURRENTGROUP, che rappresenta le righe appartenenti al gruppo elaborato in quel momento.

La uso soprattutto quando ho già creato un risultato intermedio e devo eseguire una seconda aggregazione. Per esempio, posso calcolare prima le vendite per Paese e Categoria, poi individuare il valore massimo di categoria all’interno di ogni Paese.

VAR VenditePerCategoria =
    SUMMARIZECOLUMNS(
        Geografia[Paese],
        Prodotti[Categoria],
        "Vendite totali", SUMX(
            Vendite,
            Vendite[Prezzo] * Vendite[Quantità]
        )
    )

RETURN
    GROUPBY(
        VenditePerCategoria,
        Geografia[Paese],
        "Massimo per Paese",
        MAXX(CURRENTGROUP(), [Vendite totali])
    )

Il dettaglio tecnico più importante è che GROUPBY non applica automaticamente CALCULATE alle colonne aggiunte. Di conseguenza, il contesto di filtro non si comporta esattamente come in una misura tradizionale. Se non si conosce bene la differenza tra contesto di riga e contesto di filtro, il risultato può sembrare inspiegabile.

Per aggregazioni ordinarie sulle tabelle fisiche del modello preferisco spesso SUMMARIZECOLUMNS o misure DAX più semplici. GROUPBY dà il meglio di sé su risultati intermedi, non come sostituto automatico di ogni operazione di raggruppamento.

Leggi anche: DATEADD DAX per confrontare periodi in Power BI

Una misura dinamica resta spesso preferibile

Se devo mostrare il fatturato filtrato per anno, regione e categoria, una misura come questa è generalmente più adatta:

Fatturato totale =
SUMX(
    Vendite,
    Vendite[Prezzo] * Vendite[Quantità]
)

La misura viene ricalcolata in base al contesto del visual. Una tabella aggregata creata in Power Query, invece, non ricostruisce il dettaglio quando l’utente modifica i filtri. Per questo separo con attenzione le trasformazioni strutturali dalle calcolazioni dinamiche del report.

Power Query, DAX e raggruppamento nei visual a confronto

Le tre modalità possono sembrare equivalenti perché producono tutte un risultato raggruppato. In realtà lavorano in momenti diversi e rispondono a esigenze diverse. La scelta giusta dipende soprattutto da quando voglio calcolare il risultato e da quanto deve essere flessibile.

Nel report posso anche creare bin, cioè fasce numeriche come 0-99, 100-199 e 200-299, oppure gruppi manuali di categorie. È una soluzione comoda per la visualizzazione, ma non modifica realmente la tabella sorgente e non risolve problemi di qualità dei dati.

Quando preparo un modello per altri analisti, preferisco rendere esplicita la logica in Power Query o nelle misure. I gruppi creati direttamente nel visual sono rapidi, ma possono diventare difficili da governare quando lo stesso criterio deve essere riutilizzato in più pagine.

Gli errori che falsano il risultato

Il primo errore è raggruppare usando una colonna con valori apparentemente uguali ma scritti in modo diverso. “Milano”, “milano” e “Milano ” possono essere trattati come valori differenti, a seconda della trasformazione e del tipo di confronto. Prima del Group By conviene pulire spazi, maiuscole, codici e valori nulli.

Un secondo problema nasce dai duplicati introdotti da una relazione o da una combinazione di tabelle. Se una vendita viene duplicata dopo un merge, la somma sembrerà corretta dal punto di vista tecnico ma sarà economicamente gonfiata. Controllo sempre il numero di righe prima e dopo le operazioni di unione.

Un terzo errore è usare la media di una colonna già aggregata. La media dei ricavi giornalieri non equivale necessariamente al ricavo medio per ordine. Bisogna definire con precisione il denominatore e capire se si sta calcolando una media semplice o ponderata.

• Controllare il tipo di dati delle colonne numeriche.
• Verificare la presenza di null e valori vuoti.
• Confrontare il totale prima e dopo il raggruppamento.
• Indicare chiaramente se un conteggio riguarda righe, clienti o valori distinti.
• Non eliminare il dettaglio originale prima di aver verificato i requisiti del report.

Per grandi volumi, controllo anche il folding della query, cioè la possibilità che Power Query trasferisca la trasformazione al database di origine. Quando il raggruppamento viene eseguito dal sistema sorgente, spesso si riduce il lavoro locale, ma il risultato dipende dal connettore e dalla struttura della query.

Una regola pratica per scegliere senza rifare il modello

Se il risultato deve essere sempre lo stesso e il dettaglio non serve, raggruppo in Power Query. Se devo reagire a filtri e selezioni, creo una misura DAX. Se parto da una tabella intermedia e devo calcolare aggregazioni sui gruppi già formati, considero GROUPBY con CURRENTGROUP.

Prima di applicare il comando, scrivo una frase molto concreta: “voglio una riga per ogni...”. Se la frase termina con “regione e mese”, quelle sono le colonne di raggruppamento. Se invece la risposta cambia in base all’utente, al periodo o al filtro selezionato, probabilmente non devo comprimere i dati in Power Query.

Il Group By non è soltanto un pulsante per ottenere un totale. È una decisione sulla granularità del modello, sulla memoria utilizzata e sul tipo di analisi che sarà possibile fare in seguito. Una scelta corretta all’origine evita formule DAX inutilmente complicate e rende i report Power BI più leggibili, veloci e facili da mantenere.

Quando il valore da cercare si trova in una colonna e il dato da restituire è alla sua sinistra, la classica formula di Excel sembra improvvisamente avere un limite. Il caso noto come cerca vert a sinistra si risolve però in modo semplice con CERCA.X oppure, nelle versioni meno recenti, con INDICE e CONFRONTA. Mostro entrambe le strade con formule concrete, errori da evitare e criteri pratici per scegliere la soluzione più adatta.

Perché CERCA.VERT non può restituire un valore a sinistra

CERCA.VERT cerca il valore nella prima colonna dell’intervallo indicato e restituisce un dato presente in una colonna successiva. Se il codice si trova in colonna C ma il nome da restituire è in colonna B, la funzione non può tornare indietro verso sinistra.

Immaginiamo una tabella con questa struttura:

Se in E2 inserisco un codice cliente e voglio ottenere il nome dalla colonna A, CERCA.VERT non è lo strumento giusto. Anche selezionando l’intervallo A2:C100, infatti, Excel cercherebbe il codice nella colonna A, non nella colonna C.

La soluzione più rapida sarebbe spostare la colonna dei codici all’inizio, ma io la considero una scelta fragile. Cambiare la struttura della tabella può rompere formule, riferimenti, importazioni e report già collegati a quei dati.

La soluzione più semplice con CERCA.X

Nelle versioni moderne di Excel, CERCA.X è generalmente la scelta migliore. La funzione separa chiaramente la matrice di ricerca dalla matrice del risultato, quindi non impone che il risultato si trovi a destra.

Per cercare il codice inserito in E2 nella colonna C e restituire il nome dalla colonna A, usa:

=CERCA.X(E2;C2:C100;A2:A100;"Cliente non trovato")

La formula legge il valore di E2, lo cerca in C2:C100 e restituisce il contenuto della stessa riga in A2:A100. La parte finale evita di visualizzare il poco utile errore #N/D quando il codice non esiste.

Un esempio con codice e fatturato

Se il valore da cercare è il fatturato in E2 e vuoi restituire il cliente, anche se il nome si trova a sinistra, puoi scrivere:

=CERCA.X(E2;C2:C4;A2:A4;"Nessuna corrispondenza")

Questo approccio è utile anche quando la tabella cambia ordine. Se inserisci una nuova colonna tra il codice e il nome, la formula continua a essere leggibile perché usa direttamente gli intervalli interessati, senza contare il numero progressivo della colonna.

Gestire duplicati e più risultati

Se la colonna di ricerca contiene duplicati, CERCA.X restituisce normalmente la prima corrispondenza. Per esempio, se lo stesso codice compare due volte con due regioni diverse, Excel non sceglie automaticamente il record più recente o quello più corretto.

Quando servono tutti i risultati, può essere più adatta la funzione FILTRO, se disponibile:

=FILTRO(A2:A100;C2:C100=E2;"Nessun risultato")

La differenza è importante nei dati operativi. CERCA.X è ideale per una relazione uno a uno, mentre FILTRO restituisce un elenco e permette di gestire casi in cui un codice compare più volte.

L’alternativa compatibile con INDICE e CONFRONTA

Per chi usa una versione di Excel che non include CERCA.X, la combinazione di INDICE e CONFRONTA risolve la ricerca nella direzione desiderata. CONFRONTA individua la posizione del valore, mentre INDICE restituisce il contenuto della cella corrispondente.

Per trovare il nome in A usando il codice presente in E2 e cercato nella colonna C, la formula è:

=INDICE(A2:A100;CONFRONTA(E2;C2:C100;0))

Il parametro 0 impone una corrispondenza esatta. Senza quel parametro, CONFRONTA può usare un criterio approssimativo e produrre risultati inattesi, soprattutto quando la colonna non è ordinata.

Nascondere l’errore quando il valore manca

Per rendere il foglio più pulito, puoi racchiudere la formula in SE.ERRORE:

=SE.ERRORE(INDICE(A2:A100;CONFRONTA(E2;C2:C100;0));"Cliente non trovato")

Io preferisco mostrare un messaggio esplicito invece di lasciare una cella vuota. Una cella vuota può significare che il cliente non esiste, che il dato è incompleto oppure che la formula è sbagliata. Un testo come “Cliente non trovato” rende subito visibile la situazione da verificare.

Come scegliere tra CERCA.X, INDICE e CONFRONTA

Le due soluzioni fanno lo stesso lavoro di base, ma non hanno la stessa comodità. La scelta dipende soprattutto dalla versione di Excel, dalla manutenzione futura del file e dal tipo di risultato necessario.

Se controllo la versione di Excel e il file resta in un ambiente aggiornato, sceglierei CERCA.X. Se il foglio deve essere aperto da molti utenti con configurazioni diverse, INDICE e CONFRONTA offre spesso un compromesso più sicuro.

Per attività ripetitive di analisi dati, però, la formula non è sempre la risposta definitiva. Se devi unire ogni mese migliaia di righe provenienti da file diversi, Power Query può ridurre il lavoro manuale e rendere il processo più controllabile.

Gli errori che fanno fallire la ricerca

Una formula corretta può restituire un risultato sbagliato se i dati di origine non sono coerenti. Prima di modificare la sintassi, controllo sempre queste condizioni.

• Numeri e testo non coincidono. Il codice 125 può essere numerico in una colonna e testuale nell’altra. In apparenza sono uguali, ma Excel può trattarli come valori diversi.
• Gli intervalli hanno lunghezze diverse. In CERCA.X, C2:C100 e A2:A99 non rappresentano le stesse righe e possono creare risultati disallineati.
• Esistono spazi invisibili. Un codice come “CL-25 ” non è uguale a “CL-25”. ANNULLA.SPAZI può aiutare a pulire il testo.
• Il valore è duplicato. La prima corrispondenza potrebbe non essere quella che ti serve.
• I riferimenti cambiano copiando la formula. Usa intervalli assoluti come $A$2:$A$100 quando devi trascinare la formula in altre celle.
• Il separatore varia. Nella versione italiana di Excel si usa normalmente il punto e virgola, mentre alcune configurazioni possono richiedere la virgola.

Un controllo pratico consiste nel confrontare lunghezza e tipo dei dati. Con LUNGHEZZA puoi individuare spazi inattesi, mentre con VAL.NUMERO puoi verificare se Excel riconosce davvero il contenuto come numero.

Leggi anche: Come eliminare la formattazione di una tabella Excel

Ricerca esatta o approssimativa

Per codici cliente, fatture, prodotti e identificativi, usa sempre la corrispondenza esatta. La ricerca approssimativa ha senso per fasce, come aliquote, commissioni o classificazioni basate su soglie, e richiede una colonna ordinata correttamente.

Con CERCA.X puoi specificare la modalità di confronto, ma nella maggior parte dei casi aziendali la corrispondenza esatta è la scelta più prudente. Una formula che restituisce un valore vicino può sembrare funzionante e diventare pericolosa proprio perché l’errore non è evidente.

Una regola pratica per lavorare meglio nei report Excel

La ricerca verso sinistra non è un motivo valido per deformare una tabella ben progettata. Mantieni le colonne nella disposizione più utile per chi legge il report e usa una funzione capace di gestire la direzione della ricerca.

Per un nuovo modello partirei da CERCA.X, aggiungendo un messaggio chiaro per i valori mancanti e verificando subito la presenza di duplicati. Per un file destinato a versioni meno recenti, sceglierei INDICE e CONFRONTA con corrispondenza esatta.

La vera affidabilità non dipende solo dalla formula. Dipende dalla qualità delle chiavi, dall’allineamento degli intervalli e dal fatto che ogni risultato possa essere interpretato senza ambiguità. È questa disciplina, più della singola funzione, a fare la differenza quando Excel passa da semplice foglio di calcolo a strumento di analisi.

Un file XML può sembrare una sequenza incomprensibile di tag, ma nella maggior parte dei casi si apre in pochi secondi senza installare programmi speciali. La scelta dello strumento dipende da ciò che vuoi fare: leggere la struttura, modificare il contenuto, trasformarlo in una tabella oppure controllare una fattura elettronica.

Che cosa contiene davvero un file XML

XML significa Extensible Markup Language ed è un formato testuale usato per organizzare dati in modo strutturato. Il contenuto è composto da elementi, attributi e valori, racchiusi tra tag che descrivono il significato delle informazioni.

Un esempio molto semplice può essere questo:

  Luca Rossi
  luca@example.it

Il browser o l’editor non stanno mostrando un documento impaginato come un PDF. Stanno leggendo una struttura gerarchica, simile a un piccolo archivio di dati. Questa distinzione è importante perché aprire il file non significa necessariamente riuscire a interpretarlo nel modo più utile.

Un XML può contenere fatture, configurazioni software, cataloghi prodotti, dati esportati da un database o informazioni scambiate tra applicazioni. Io lo considero prima di tutto un formato di interscambio: è leggibile anche da una persona, ma nasce per essere elaborato soprattutto dai programmi.

Come visualizzarlo su Windows, macOS e Linux

Usare un browser

Per una lettura veloce, fai clic con il tasto destro sul file e scegli Apri con, poi seleziona Edge, Chrome o Firefox. In alternativa, puoi trascinare il documento dentro una finestra del browser.

Questa soluzione è gratuita e non richiede configurazioni. Se il file è ben formato, il browser può mostrare i tag in modo ordinato, spesso con una struttura espandibile. È perfetta per controllare rapidamente alcuni dati, ma non offre funzioni avanzate di modifica o analisi.

Leggi anche: Database relazionale o NoSQL? Come scegliere il modello giusto

Usare un editor di testo

Su Windows puoi aprire il documento con Blocco Note; su macOS puoi usare TextEdit, mentre su Linux sono disponibili editor come Gedit o Kate. Un editor di testo mostra il contenuto senza trasformarlo, quindi è la scelta più trasparente per capire cosa contiene davvero il file.

Per documenti lunghi preferisco un editor con evidenziazione della sintassi, come Visual Studio Code o Notepad++. Colori, indentazione e numeri di riga rendono più facile individuare tag mancanti, valori errati e sezioni duplicate.

Prima di modificare il file, crea una copia. Anche un carattere eliminato per errore può rendere inutilizzabile la struttura XML, soprattutto quando il documento viene letto da un gestionale o inviato a un servizio esterno.

Quando conviene usare Excel o un foglio di calcolo

Se devi analizzare molti dati, leggere i tag uno per uno diventa scomodo. In questo caso puoi importare il file in Microsoft Excel oppure in LibreOffice Calc e ottenere una rappresentazione più vicina a una tabella.

In Excel puoi usare il comando per aprire o importare dati XML. A seconda della struttura, il programma può chiedere se vuoi caricare il contenuto come tabella XML oppure utilizzare una mappa XML, cioè una corrispondenza tra tag e colonne del foglio.

Il foglio di calcolo funziona bene quando i dati hanno una struttura ripetitiva, per esempio un elenco di prodotti con codice, descrizione e prezzo. È meno adatto quando l’XML contiene molti livelli annidati, collegamenti tra elementi o dati misti. In questi casi, la trasformazione in righe e colonne può alterare il significato originale.

Per flussi di lavoro più articolati puoi usare Power Query o uno script in Python. Il vantaggio è poter filtrare nodi, unire più file e preparare i dati per un database o una dashboard di business intelligence. Qui non basta più “aprire” il documento: serve progettare una vera procedura di importazione.

Come gestire XML.P7M e fatture elettroniche

Un file con estensione .xml.p7m non è un normale XML. Di solito contiene un documento XML avvolto in una busta crittografica che conserva una firma digitale.

Se provi ad aprirlo con Blocco Note o con il browser, potresti vedere caratteri senza senso oppure un contenuto inutilizzabile. Devi prima usare un programma o un servizio compatibile con i file firmati digitalmente, verificare la firma e, quando previsto, estrarre il documento XML.

Per una fattura elettronica, però, visualizzare il codice non è sempre la soluzione più comoda. Un programma dedicato può trasformare i dati in una vista leggibile con cedente, cliente, imponibile, IVA e totale, mantenendo separato il file originale necessario per la conservazione.

Presterei particolare attenzione ai servizi online gratuiti. Una fattura contiene dati fiscali e personali, quindi eviterei di caricarla su strumenti sconosciuti. Per documenti aziendali o sensibili, è più prudente usare un’applicazione locale o il software indicato dal proprio commercialista e dal sistema di fatturazione.

Aprire un file XML da smartphone

Su Android e iPhone l’apertura dipende dall’app associata al documento. Puoi provare a selezionare il file dall’app File, da Google Drive o dall’allegato ricevuto via email, quindi scegliere un editor di testo o un visualizzatore XML installato sul dispositivo.

Per un file semplice è sufficiente un’app che mostri il testo e permetta di cercare una parola. Per fatture XML.P7M, invece, serve un’applicazione specifica per la firma digitale o per la fatturazione elettronica. Le app generiche possono mostrare il contenuto, ma non sempre interpretano correttamente la busta firmata.

La mia regola è semplice: sul telefono controllo solo ciò che mi serve. Per file lunghi, analisi di dati o modifiche strutturali preferisco un computer, perché lo schermo piccolo rende più probabili errori e rende difficile seguire la gerarchia dei tag.

Quando il file non si apre o mostra errori

Un XML ben formato deve rispettare alcune regole precise. Ogni tag aperto deve essere chiuso, gli elementi devono essere annidati correttamente e deve esistere un solo elemento radice, cioè il contenitore principale del documento.

Controlla anche questi aspetti:

• il nome del file termina davvero con .xml e non con un’estensione doppia nascosta;
• la codifica del testo, spesso UTF-8, è compatibile con i caratteri presenti;
• non mancano virgolette negli attributi;
• i simboli speciali, come & e <, sono rappresentati correttamente;
• il documento non è stato interrotto durante il download o l’esportazione.

Un validator XML può indicare la riga in cui si trova l’errore. Se il documento contiene dati riservati, userei un validatore locale invece di caricarlo su un sito web. La validità sintattica, comunque, non garantisce che i dati siano corretti: un XML può essere scritto bene ma contenere date, importi o codici sbagliati.

Un altro caso frequente riguarda i fogli di stile XSLT. Se un XML dovrebbe apparire come una pagina leggibile ma mostra solo tag e testo grezzo, potrebbe mancare il foglio che definisce la presentazione. Il documento non è necessariamente danneggiato: semplicemente contiene i dati senza il livello grafico che li rende più facili da leggere.

La scelta più pratica dipende dal risultato

Per una verifica veloce sceglierei il browser. Per correggere un valore userei un editor di testo con evidenziazione XML, mentre per filtrare e confrontare elenchi valuterei Excel, LibreOffice o un processo di importazione più strutturato.

Il punto decisivo è non confondere visualizzazione, modifica e interpretazione. Un programma può mostrare il file senza capire davvero il significato dei suoi dati, e un foglio di calcolo può renderli più leggibili sacrificando parte della struttura.

Partire da una copia, identificare l’estensione completa e scegliere lo strumento in base all’obiettivo evita quasi tutti gli inconvenienti. Per la semplice lettura bastano risorse gratuite già presenti sul computer; per firme digitali, fatture e analisi ripetute servono invece strumenti specializzati e maggiore attenzione alla riservatezza.

Che cosa significa davvero questo tipo di relazione

Si parla di questo modello quando un record della tabella A può essere collegato a molti record della tabella B e, allo stesso tempo, ogni record della tabella B può collegarsi a molti record della tabella A. L’esempio più intuitivo è quello tra studenti e corsi: uno studente segue più corsi e un corso comprende più studenti.

Lo stesso schema compare tra prodotti e ordini, film e attori, articoli e categorie, clienti e campagne marketing. La relazione descrive quindi un fatto del mondo reale, non una semplice scelta tecnica. Il database deve rappresentare quel fatto senza ripetere inutilmente le informazioni.

Nei database relazionali non conviene memorizzare direttamente più identificativi in una singola colonna, per esempio “3, 7, 12”. È una soluzione apparentemente rapida, ma rende difficili i filtri, i join e i controlli di integrità. Secondo Microsoft Learn, il modo ordinato per gestire il collegamento consiste nel creare una tabella intermedia e due relazioni uno a molti.

La tabella ponte è il cuore del modello

La tabella intermedia, chiamata anche tabella ponte, di giunzione o di associazione, contiene una riga per ogni legame tra le due entità. Nel caso di studenti e corsi, ogni riga rappresenta una singola iscrizione.

CREATE TABLE studenti (
    id INT PRIMARY KEY,
    nome VARCHAR(100) NOT NULL
);

CREATE TABLE corsi (
    id INT PRIMARY KEY,
    titolo VARCHAR(150) NOT NULL
);

CREATE TABLE iscrizioni (
    studente_id INT NOT NULL,
    corso_id INT NOT NULL,
    data_iscrizione DATE NOT NULL,
    voto DECIMAL(4,2),

    PRIMARY KEY (studente_id, corso_id),
    FOREIGN KEY (studente_id) REFERENCES studenti(id),
    FOREIGN KEY (corso_id) REFERENCES corsi(id)
);

Un vantaggio spesso sottovalutato è che la tabella ponte può contenere gli attributi del legame. La data di iscrizione, il voto, il ruolo dell’utente, la quantità acquistata o il prezzo applicato non appartengono necessariamente a una delle due tabelle principali: descrivono l’associazione tra loro.

Quando serve una chiave autonoma

La chiave composta è una buona scelta quando tra due entità può esistere un solo legame attivo. Se invece uno studente può iscriversi allo stesso corso in edizioni diverse, la coppia di identificativi non basta.

In quel caso si può aggiungere l’identificativo dell’edizione alla chiave, oppure usare una colonna autonoma come iscrizione_id e mantenere comunque un vincolo UNIQUE sui campi che devono restare unici. Io preferisco decidere questa regola prima di creare le tabelle, perché correggerla dopo aver caricato milioni di righe può essere costoso.

Come progettare e interrogare il collegamento

La progettazione funziona meglio se parte dalle domande operative. Prima individuo le due entità, poi stabilisco che cosa rappresenta esattamente una riga della tabella ponte e infine definisco le regole di unicità.

1. Identifica le entità principali, per esempio clienti e prodotti.
2. Definisci il significato del legame, come acquisto, iscrizione o partecipazione.
3. Aggiungi una riga nella tabella ponte per ogni associazione reale.
4. Imposta chiavi esterne e vincoli per proteggere la qualità dei dati.
5. Crea indici sulle colonne usate spesso nei filtri e nei join.

Per ottenere gli studenti iscritti a un corso, il database deve attraversare la tabella di collegamento. Un join esplicito rende il percorso chiaro e riduce il rischio di confondere attributi dell’entità con attributi dell’iscrizione.

SELECT s.nome, c.titolo, i.data_iscrizione
FROM studenti AS s
JOIN iscrizioni AS i ON i.studente_id = s.id
JOIN corsi AS c ON c.id = i.corso_id
WHERE c.id = 10;

Per vedere tutti i corsi frequentati da uno studente basta invertire il punto di filtro. La struttura resta la stessa, perché la tabella ponte è navigabile in entrambe le direzioni.

SELECT c.titolo, i.voto
FROM corsi AS c
JOIN iscrizioni AS i ON i.corso_id = c.id
WHERE i.studente_id = 42;

Gli indici diventano importanti quando la tabella ponte cresce. Oltre alla chiave primaria, può servire un indice su corso_id se le interrogazioni cercano spesso tutti gli studenti di un corso. La scelta va verificata con il piano di esecuzione, perché ogni indice velocizza le letture ma rende più costosi inserimenti e aggiornamenti.

Gli esempi più utili nella pratica

Prodotti e ordini

Un ordine contiene più prodotti e uno stesso prodotto può apparire in molti ordini. La tabella righe_ordine registra quantità, prezzo applicato e sconti, informazioni che cambiano da un ordine all’altro.

Questo esempio insegna una regola fondamentale: il prezzo nella riga d’ordine non va letto dalla tabella prodotti se si vuole conservare lo storico. Il prezzo attuale del catalogo e il prezzo realmente pagato sono due fatti diversi.

Articoli e categorie

Un articolo può appartenere a più categorie e una categoria può comprendere molti articoli. La tabella ponte può contenere soltanto articolo_id e categoria_id, ma può anche aggiungere un campo come ordine_visualizzazione per stabilire quale categoria mostrare per prima.

Leggi anche: Da XML a Excel con Power Query - guida pratica

Utenti e ruoli

Nei sistemi applicativi, un utente può avere più ruoli e un ruolo può essere assegnato a molti utenti. La tabella utenti_ruoli è semplice, ma sostiene autorizzazioni importanti. Qui controllo con particolare attenzione duplicati, revoche e date di validità, perché un errore di modellazione può concedere permessi non previsti.

Che cosa cambia nei modelli di business intelligence

In un database operativo il legame serve soprattutto a registrare correttamente le associazioni. In un modello BI, invece, bisogna capire qual è la granularità della riga, cioè quale evento o combinazione di eventi rappresenta ogni record.

Per esempio, una tabella ponte tra clienti e segmenti può essere sufficiente per filtrare un’anagrafica. Se però la si collega direttamente a una tabella vendite senza definire il percorso corretto, lo stesso cliente può comparire più volte e i ricavi possono essere conteggiati più di una volta.

La mia regola pratica è separare sempre tre elementi quando servono: dimensioni descrittive, eventi misurabili e tabella di associazione. Prima di costruire una misura, verifico quante righe rappresentano davvero una vendita, un’iscrizione o un’interazione. È questo controllo, più della semplice presenza delle relazioni, a evitare report apparentemente plausibili ma numericamente sbagliati.

Gli errori che compromettono dati e prestazioni

• Inserire liste di ID in una colonna. Valori come “2,5,9” impediscono join affidabili e complicano la validazione.
• Dimenticare la regola di unicità. Senza chiave composta o vincolo UNIQUE, lo stesso collegamento può essere registrato più volte.
• Usare nomi al posto degli identificativi. I nomi possono cambiare o non essere univoci; le chiavi surrogate sono più stabili.
• Non indicizzare il lato filtrato. Una tabella ponte molto grande può diventare lenta se manca un indice sulla seconda chiave esterna.
• Cancellare dati senza una politica chiara. ON DELETE CASCADE può essere utile, ma in un sistema storico può eliminare informazioni che devono restare conservate.
• Confondere il legame con l’entità. Se l’associazione ha stato, data, prezzo o quantità, probabilmente merita una struttura propria e non un semplice campo aggiuntivo casuale.

Un altro errore frequente nasce dall’uso automatico di un ORM, cioè uno strumento che mappa le tabelle agli oggetti dell’applicazione. L’ORM può semplificare il codice, ma non decide al posto nostro se due iscrizioni uguali siano davvero ammesse. La regola deve vivere anche nel database, non soltanto nell’interfaccia.

La qualità del legame decide la qualità dell’analisi

Una relazione ben progettata non è solo un collegamento tra due tabelle. È una descrizione precisa di un fatto, con chiavi coerenti, vincoli comprensibili e una granularità che resta stabile nel tempo.

Quando modello questo scenario, parto sempre da una domanda concreta: “Che cosa rappresenta una riga?”. Se la risposta è chiara, scegliere la tabella ponte, la chiave primaria e gli indici diventa molto più semplice.

Il risultato è un database più pulito e un modello analitico più affidabile. La tabella ponte può sembrare un passaggio in più, ma nella pratica è ciò che evita duplicazioni, conserva gli attributi del legame e rende leggibili le interrogazioni anche quando il progetto cresce.

Quando un risultato dipende da due criteri, una formula Excel ben costruita può sostituire filtri manuali e controlli ripetitivi. Mostro come gestire condizioni simultanee con SE ed E, come contare o sommare dati con più criteri, come lavorare con date e condizioni alternative e quali errori evitare.

Come impostare una doppia condizione in Excel

La prima distinzione da fare riguarda il tipo di risposta che ti serve. Se vuoi classificare una riga, userai SE insieme a E; se vuoi contare, sommare o calcolare una media, conviene usare direttamente una funzione con più criteri.

Immagina una tabella con la regione in colonna B, il fatturato in C e lo stato dell’ordine in D. Per verificare se una vendita appartiene al Nord e supera i 1.000 euro puoi scrivere:

=SE(E(B2="Nord";C2>1000);"Obiettivo raggiunto";"Da verificare")

La funzione E restituisce VERO solo quando entrambe le condizioni sono soddisfatte. Se B2 contiene “Nord” ma C2 vale 900, il risultato sarà “Da verificare”. È un approccio molto leggibile quando devi produrre un’etichetta, un avviso o una decisione automatica.

Usare riferimenti a celle

Per rendere il foglio modificabile senza riscrivere la formula, inserisco i criteri in celle separate. Se F1 contiene la regione e G1 la soglia minima, la formula diventa:

=SE(E(B2=F1;C2>G1);"Conforme";"Non conforme")

In questo modo posso cambiare Nord o 1.000 direttamente dal foglio. Quando copio la formula verso il basso, blocco i riferimenti ai criteri con il simbolo del dollaro, per esempio $F$1 e $G$1, così non si spostano.

Contare righe che rispettano due criteri

Per sapere quante vendite appartengono al Nord e superano i 1.000 euro, la funzione più adatta è CONTA.PIÙ.SE. La sintassi italiana segue questa logica: intervallo del primo criterio, criterio, intervallo del secondo criterio, criterio.

=CONTA.PIÙ.SE(B2:B100;"Nord";C2:C100;">1000")

Excel conterà soltanto le righe in cui le due condizioni sono vere contemporaneamente. Questa formula è utile per contare ordini, ticket, clienti o prodotti senza creare colonne di appoggio.

Condizioni numeriche e criteri dinamici

Gli operatori di confronto vanno inseriti tra virgolette. Se il valore da confrontare si trova in G1, devi collegarlo alla formula con &:

=CONTA.PIÙ.SE(B2:B100;F1;C2:C100;">="&G1)

La parte ">="&G1 significa “maggiore o uguale al valore contenuto in G1”. È uno degli errori che vedo più spesso: scrivere ">=G1" fa cercare a Excel il testo letterale “>=G1”, non il numero presente nella cella.

Sommare importi con due condizioni

Quando il risultato deve essere un totale, uso SOMMA.PIÙ.SE. Supponiamo che gli importi siano nella colonna D, la regione in B e il tipo di cliente in C. Per sommare solo le vendite del Nord rivolte a clienti aziendali:

=SOMMA.PIÙ.SE(D2:D100;B2:B100;"Nord";C2:C100;"Azienda")

Il primo intervallo, D2:D100, è quello da sommare. Gli intervalli successivi servono invece a controllare i criteri. Questa struttura è più chiara di una formula lunga con molti SE e, soprattutto, si adatta facilmente all’aggiunta di un terzo criterio.

Leggi anche: Excel LAMBDA - crea formule personalizzate senza VBA

Somma entro un periodo

Per analizzare le vendite comprese tra una data iniziale in F1 e una finale in G1, puoi applicare due condizioni allo stesso intervallo di date:

=SOMMA.PIÙ.SE(D2:D100;A2:A100;">="&F1;A2:A100;"<="&G1)

La colonna A deve contenere vere date Excel, non date memorizzate come testo. Se vuoi includere anche un eventuale orario registrato nella data finale, spesso è più sicuro usare come limite superiore il giorno successivo con un confronto “minore di”.

=SOMMA.PIÙ.SE(D2:D100;A2:A100;">="&F1;A2:A100;"<"&(G1+1))

Questa piccola accortezza evita di escludere le vendite del giorno finale registrate alle 14:30 o alle 18:45. Nei report mensili, secondo la mia esperienza, è una delle differenze che separano un totale affidabile da un dato apparentemente corretto ma incompleto.

Quando usare E e quando usare O

Due condizioni non significano sempre “entrambe”. Con E devono essere vere tutte le condizioni; con O è sufficiente che ne sia vera almeno una. La scelta cambia completamente il risultato.

Per contare due alternative, non inserire O direttamente dentro CONTA.PIÙ.SE aspettandoti sempre il risultato corretto. Per esempio, puoi sommare due conteggi separati:

=CONTA.PIÙ.SE(B2:B100;"Nord")+CONTA.PIÙ.SE(B2:B100;"Centro")

Se invece le alternative diventano numerose, preferisco una tabella di riferimento o un filtro avanzato. Una formula con dieci condizioni O funziona, ma diventa difficile da controllare e da aggiornare.

Recuperare un valore usando due criteri

A volte non devi contare né sommare, ma recuperare un’informazione. Per esempio, vuoi trovare il prezzo associato a uno specifico prodotto e a una determinata taglia. Con le versioni recenti di Excel puoi usare CERCA.X combinando i due test:

=CERCA.X(1;(A2:A100=F1)*(B2:B100=G1);C2:C100;"Non trovato")

Il prodotto per * trasforma la condizione doppia in una serie di valori 1 e 0. Solo la riga in cui prodotto e taglia coincidono restituisce 1, che CERCA.X usa per individuare il valore nella colonna C.

Se il tuo Excel non supporta CERCA.X, puoi ottenere un risultato simile con INDICE e CONFRONTA:

=INDICE(C2:C100;CONFRONTA(1;(A2:A100=F1)*(B2:B100=G1);0))

Con versioni meno recenti potrebbe essere necessario confermare la formula come formula matriciale con Ctrl+Maiusc+Invio. Prima di complicare il foglio, controllerei però se la stessa informazione può essere organizzata in una tabella Excel e gestita con un identificativo univoco.

Gli errori che compromettono il risultato

La formula può essere scritta correttamente e restituire comunque un dato sbagliato. Il problema più comune è avere intervalli di dimensione diversa, per esempio B2:B100 come criterio e C2:C98 come secondo intervallo. Gli intervalli devono coprire le stesse righe.

• Controlla che numeri e date non siano memorizzati come testo.
• Usa il separatore corretto, in genere il punto e virgola nell’installazione italiana.
• Inserisci gli operatori tra virgolette e collega i riferimenti con &.
• Blocca con $ le celle dei criteri quando copi la formula.
• Verifica gli spazi nascosti nei testi, come “Nord ” invece di “Nord”.
• Evita intervalli intere colonne in formule molto numerose, perché possono rallentare il file.

Quando ottengo zero come risultato, non cambio subito formula. Per prima cosa provo i criteri uno alla volta con CONTA.SE, controllo il formato delle celle e verifico se esistono davvero righe che soddisfano entrambe le condizioni. Questo metodo isola l’errore in pochi passaggi.

Una scelta semplice per fogli più solidi

Per una decisione logica uso SE ed E. Per contare scelgo CONTA.PIÙ.SE, per sommare SOMMA.PIÙ.SE e per recuperare un dato con due chiavi preferisco CERCA.X quando è disponibile. La formula più breve non è sempre la migliore, ma quella che rende esplicita la logica sarà più facile da verificare tra un mese.

Se il foglio cresce oltre qualche migliaio di righe, trasformare l’intervallo in una Tabella Excel rende i riferimenti più leggibili e permette alle formule di estendersi automaticamente. Per analisi ripetitive o dataset molto grandi, una tabella pivot può essere ancora più pratica, mentre le formule restano ideali quando servono risultati dinamici dentro un report.

Un grafico Excel ben costruito trasforma una tabella difficile da leggere in un messaggio immediato. In questa guida mostro come preparare i dati, creare una visualizzazione passo dopo passo, scegliere il tipo di grafico più adatto e correggere gli errori che possono rendere l’analisi poco chiara o addirittura fuorviante.

Prepara i dati prima di inserire il grafico

Il risultato dipende più dalla struttura dei dati che dai colori scelti. Prima di aprire la scheda Inserisci, controllo sempre che ogni colonna abbia un’intestazione univoca e che ogni riga rappresenti un’osservazione, per esempio un mese, un prodotto o una regione.

Una struttura semplice può contenere nella prima colonna i mesi e nelle colonne successive ricavi, costi e margine. Evito invece righe vuote, celle unite, subtotali inseriti nel mezzo dell’elenco e intestazioni troppo generiche come “Dati 1”. Sono dettagli apparentemente innocui, ma spesso portano Excel a interpretare male serie e categorie.

La disposizione più affidabile

• La prima riga contiene le intestazioni delle serie.
• La prima colonna contiene le categorie o le date.
• I valori numerici sono realmente numeri, non testo formattato manualmente.
• Le date sono riconosciute da Excel come date effettive.
• Ogni serie usa la stessa unità di misura, salvo il caso di un grafico combinato.

Quando lavoro con dati destinati ad aggiornarsi, seleziono l’intervallo e uso Inserisci > Tabella, oppure la scorciatoia Ctrl+T. In questo modo, quando aggiungo una nuova riga, il riferimento del grafico può estendersi automaticamente senza dover modificare ogni volta l’intervallo.

Se i dati arrivano da fonti diverse, conviene fare una breve pulizia prima della visualizzazione. Un valore mancante, una categoria scritta in due modi diversi o un numero memorizzato come testo possono produrre un grafico apparentemente corretto ma analiticamente sbagliato.

Creare un grafico in Excel senza perdersi nei menu

Per iniziare, seleziono una cella all’interno dell’intervallo ordinato. Excel può riconoscere automaticamente l’area dei dati, ma quando il foglio è complesso preferisco selezionarla manualmente per verificare quali righe e colonne entreranno nella visualizzazione.

1. Seleziona l’intervallo con intestazioni e valori.
2. Apri la scheda Inserisci.
3. Scegli Grafici consigliati oppure un tipo specifico.
4. Controlla l’anteprima e verifica che serie e categorie siano corrette.
5. Conferma l’inserimento e sposta il grafico nel punto più utile del foglio.

La funzione dei grafici consigliati è utile soprattutto quando non si conosce ancora la soluzione migliore. Non la considero però una decisione automatica: l’anteprima aiuta a partire, ma bisogna comunque chiedersi quale confronto deve emergere e se il lettore lo capirà in pochi secondi.

Correggere righe e colonne interpretate male

Se sull’asse orizzontale compaiono nomi inattesi o la legenda contiene elementi che dovrebbero essere categorie, apro la scheda Progettazione grafico e uso il comando Scambia righe/colonne. È uno dei problemi più comuni e spesso si risolve con un solo clic.

Per modifiche più precise, scelgo Seleziona dati. Da qui posso aggiungere o rimuovere una serie, cambiare l’intervallo di riferimento e stabilire l’ordine con cui le categorie devono essere visualizzate. Questa verifica è particolarmente importante quando si lavora con più prodotti o più anni.

Scegli il tipo di grafico in base alla domanda

Non esiste un grafico universalmente migliore. La scelta dipende dalla domanda a cui voglio rispondere. Se devo capire chi vende di più, userò una visualizzazione diversa da quella necessaria per mostrare l’andamento delle vendite nell’arco di dodici mesi.

Colonne e barre per i confronti

Il grafico a colonne funziona bene quando le categorie sono poche e le etichette sono brevi. Se i nomi sono lunghi, preferisco le barre orizzontali, perché lasciano più spazio al testo e rendono più leggibile una classifica.

Linee per le serie temporali

Le linee sono adatte quando l’ordine temporale ha un significato. Per un confronto tra mesi o trimestri aiutano a riconoscere picchi, cali e stagionalità, ma non le userei per confrontare categorie senza una sequenza naturale.

Torta e ciambella con moderazione

La torta comunica rapidamente una composizione, ma perde efficacia quando contiene molte fette simili. Il mio limite pratico è di circa 4 o 5 categorie; oltre questa soglia, un grafico a barre ordinato permette quasi sempre un confronto più preciso.

Dispersione e grafici combinati

Il grafico a dispersione è la scelta corretta quando entrambe le variabili sono numeriche. Può aiutare a individuare una relazione, ma non dimostra da solo un rapporto di causa-effetto. Una linea di tendenza può sintetizzare l’andamento, purché il numero di osservazioni sia sufficiente e i dati siano interpretati con prudenza.

Il grafico combinato è utile quando confronto grandezze con unità diverse, per esempio fatturato e percentuale di margine. Lo uso con attenzione, perché due assi verticali possono facilitare la lettura ma anche esagerare visivamente una relazione tra serie che hanno scale molto differenti.

Rendi la visualizzazione chiara al primo sguardo

Una volta creato il grafico, elimino tutto ciò che non aiuta a capire il dato. Un titolo preciso come “Ricavi mensili del canale online” è più utile di “Grafico vendite”, perché chiarisce subito metrica, periodo e ambito.

Controllo anche le unità sugli assi. Scrivere “migliaia di euro” o “percentuale” evita che il lettore interpreti un valore di 250 come 250 euro quando in realtà rappresenta 250.000 euro.

Gli elementi che mantengo

• Titolo descrittivo, con metrica e periodo quando servono.
• Assi con etichette leggibili e unità di misura.
• Legenda solo quando ci sono più serie facilmente distinguibili.
• Etichette dati nei grafici semplici o quando il valore esatto è importante.
• Griglie leggere, utili per leggere i valori senza dominare la scena.

Limito la tavolozza a pochi colori coerenti. In una serie temporale, per esempio, non assegno un colore diverso a ogni mese: evidenzio invece il mese da analizzare e mantengo gli altri in una tonalità neutra. Questa scelta guida l’attenzione senza trasformare il grafico in una decorazione.

Faccio attenzione anche all’accessibilità. Il significato non dovrebbe dipendere soltanto dal colore, perché alcune persone distinguono con difficoltà determinate combinazioni cromatiche. Etichette, forme, trame e contrasti rendono il messaggio più solido.

Costruisci grafici aggiornabili e utili all’analisi

Un grafico statico basta per una presentazione occasionale. Se invece il file viene usato ogni settimana, collegarlo a una Tabella Excel riduce il lavoro manuale e il rischio di dimenticare nuovi dati. Per report ricorrenti, questa è una delle impostazioni che fa risparmiare più tempo.

Quando il dataset cresce o contiene molte dimensioni, valuto una Tabella pivot con relativo grafico pivot. Questo approccio permette di aggregare i valori per mese, area, prodotto o responsabile senza costruire formule diverse per ogni vista.

Nelle versioni recenti compatibili con Excel 2024 e Microsoft 365 sono disponibili anche funzioni e opzioni che facilitano l’aggiornamento delle visualizzazioni. La disponibilità concreta può dipendere dalla versione e dalla piattaforma, quindi verifico sempre il comportamento del file su Windows, Mac o Excel per il web prima di distribuirlo.

Leggi anche: Grafico a cascata Excel per leggere costi, ricavi e margini

Un esempio pratico per un report commerciale

Immaginiamo una tabella con data, regione, prodotto, ricavi e margine. Per una dashboard essenziale userei tre viste:

• un grafico a colonne per i ricavi per regione;
• una linea per l’andamento mensile dei ricavi;
• un grafico combinato per ricavi e margine percentuale.

Non inserirei tutte le informazioni nello stesso oggetto. Separare le domande rende il report più leggibile e permette a chi lo usa di capire rapidamente dove intervenire, per esempio su una regione con ricavi alti ma margini troppo bassi.

Evita gli errori che alterano il messaggio

Il problema più serio non è un colore poco elegante, ma una scala che cambia la percezione dei dati. Se l’asse verticale parte da un valore diverso da zero in un grafico a colonne, una differenza minima può sembrare enorme. Per i confronti di grandezze uso quindi una scala coerente e segnalo chiaramente eventuali eccezioni.

Un altro errore frequente è mostrare troppe serie nello stesso grafico. Quando le linee diventano sei o sette, il lettore deve continuamente cercare colori e legenda. In questi casi preferisco filtrare, dividere la visualizzazione o mostrare una sola serie principale con un confronto secondario.

• 3D senza necessità, perché prospettiva e profondità rendono meno precisi i confronti.
• Grafici a torta con troppe categorie o percentuali quasi uguali.
• Assi con unità diverse ma senza indicazione chiara.
• Dati ordinati in modo casuale quando servirebbe una classifica.
• Titoli generici che non spiegano cosa si sta misurando.
• Valori mancanti trattati come zero senza una motivazione analitica.

Controllo inoltre se il grafico racconta davvero il fenomeno o soltanto la parte dei dati che ho selezionato. Un filtro su tre mesi, una categoria esclusa o un asse tagliato possono cambiare la conclusione. Prima di condividere il file, confronto sempre la visualizzazione con la tabella originale e verifico periodo, filtri e numero di osservazioni.

Dal foglio di calcolo a una decisione più solida

Il valore di una visualizzazione non si misura dal numero di effetti grafici, ma dalla velocità con cui aiuta a capire qualcosa. Per me la regola più utile è semplice: una domanda, un messaggio principale e il tipo di grafico che lo rende più evidente.

Se il risultato non è chiaro, torno ai dati invece di aggiungere colori, etichette o elementi decorativi. Una tabella ordinata, una scala corretta e un titolo preciso migliorano quasi sempre il risultato più di qualsiasi stile predefinito.

Con questa logica, creare un grafico Excel diventa parte del processo di analisi e non l’ultimo passaggio estetico del report. La visualizzazione serve a far emergere un confronto, una tendenza o un’anomalia che possa guidare una scelta concreta.

Ti arriva un file .xml e, invece di una schermata leggibile, compare una lunga sequenza di tag e codici. Per aprire un file XML online basta usare un visualizzatore nel browser, ma la scelta dello strumento dipende dal contenuto, dalla sensibilità dei dati e da ciò che vuoi fare dopo: leggere una fattura, controllare una struttura o preparare i dati per un’analisi.

Che cosa puoi fare davvero con un visualizzatore XML online

Un visualizzatore XML trasforma il testo grezzo in una struttura più facile da leggere. Di solito mostra gli elementi in forma gerarchica, permette di espandere e comprimere i nodi, evidenzia i tag e conserva la distinzione tra nomi dei campi e valori.

La differenza si vede subito con un file come questo:

  Rossi Srl
  01234567890

A colpo d’occhio si capisce che “cliente” è l’elemento principale e che “nome” e “partitaIVA” sono dati contenuti al suo interno. Quando il documento ha centinaia o migliaia di righe, la formattazione automatica fa una differenza concreta.

Questi strumenti sono utili per leggere configurazioni, esportazioni da database, feed di prodotti, cataloghi, tracciati gestionali e fatture elettroniche. Non trasformano però ogni XML in una tabella o in un PDF: un file XML descrive dati strutturati, ma il modo in cui quei dati diventano leggibili dipende dal suo schema e dall’applicazione che lo interpreta.

Come aprire un file XML online in pochi passaggi

Il procedimento è quasi sempre simile, anche se l’interfaccia cambia da un servizio all’altro. Io consiglio di seguire questo flusso semplice, perché riduce gli errori e chiarisce subito se stai usando il tipo di strumento giusto.

1. Verifica l’estensione del file. Deve terminare in .xml, oppure avere un formato collegato come .xml.p7m nel caso di una fattura firmata digitalmente.
2. Apri un visualizzatore che supporti il caricamento dal computer. Alcuni servizi accettano anche il trascinamento del file nella pagina.
3. Seleziona il documento e attendi l’elaborazione. Per un XML di pochi megabyte, l’operazione normalmente è rapida, ma i tempi dipendono dal servizio e dalla connessione.
4. Esplora la struttura usando la vista ad albero o la ricerca interna. Cerca campi come data, importo, codice fiscale, partita IVA o descrizione.
5. Scarica o copia il risultato solo se ti serve una versione formattata. La visualizzazione non modifica automaticamente il file originale.

Il punto spesso trascurato è l’ultimo. Se devi soltanto capire che cosa contiene il documento, un viewer è sufficiente. Se invece vuoi correggere dati, convertirli, importarli in un database o generare un PDF, ti serve una funzione aggiuntiva e non tutti i servizi la offrono.

Visualizzare, validare e convertire sono operazioni diverse

Un XML può aprirsi senza errori evidenti e avere comunque problemi. La prima distinzione da fare è tra documento ben formato e documento valido.

Un tag non chiuso, una codifica errata o caratteri speciali non gestiti possono rendere il file illeggibile. Un documento può anche essere sintatticamente corretto ma non rispettare lo schema richiesto dall’ente o dal gestionale. Per questo, quando un file deve essere trasmesso a un sistema esterno, io non mi fermo mai alla semplice apertura: eseguo anche una validazione contro lo schema corretto.

La validazione XSD, cioè il controllo rispetto a un file XML Schema Definition, verifica regole più precise. Può segnalare, per esempio, che manca un campo obbligatorio, che una data non ha il formato previsto o che un valore numerico non rispetta i limiti stabiliti.

Fatture elettroniche XML e file XML generici non sono la stessa cosa

In Italia molti file XML provengono dalla fatturazione elettronica. In questo caso un visualizzatore generico mostra la struttura tecnica, ma un lettore dedicato può presentare i dati in modo molto più utile, con sezioni per cedente, cliente, imponibile, IVA e totale.

Se il file è una fattura FatturaPA, cerca uno strumento che riconosca il relativo tracciato. Il vantaggio è pratico: invece di navigare tra nodi con nomi tecnici, puoi leggere una schermata simile a una fattura tradizionale e, quando previsto, generare una copia PDF per consultazione o stampa.

Attenzione però ai file con estensione .xml.p7m. In quel caso l’XML è contenuto in una busta firmata digitalmente. Un semplice viewer XML potrebbe non riuscire a leggerlo, perché prima occorre verificare o estrarre la firma con uno strumento compatibile con il formato P7M.

Il PDF generato da un lettore serve soprattutto per leggere o archiviare visivamente la fattura. Il documento fiscalmente rilevante resta il file XML originale, insieme agli elementi necessari a verificarne autenticità e conservazione. Confondere la copia leggibile con l’originale digitale è uno degli errori più comuni.

Privacy e sicurezza prima di caricare il documento

Il fatto che un servizio sia gratuito non significa che sia adatto a qualsiasi file. Un XML può contenere partite IVA, indirizzi, importi, coordinate bancarie, dati di clienti e informazioni commerciali. Prima del caricamento bisogna capire dove viene elaborato il documento e per quanto tempo può rimanere sui server.

• Leggi la pagina sulla privacy e sulla cancellazione dei file.
• Controlla che la connessione utilizzi HTTPS e che il sito appartenga a un operatore riconoscibile.
• Evita di caricare documenti riservati su strumenti anonimi o pieni di pubblicità invasive.
• Non inserire password, certificati o chiavi private in un visualizzatore XML.
• Per dati sensibili, scegli un’applicazione che elabori il file direttamente nel browser o sul computer.

Un’elaborazione locale riduce il rischio di trasferire il documento a un server remoto, ma non rende automaticamente sicuro qualsiasi software. Occorre comunque scaricare programmi da fonti affidabili e verificare che il file non sia stato manipolato.

Per un XML pubblico, come un feed di dati o una configurazione non riservata, un servizio online può essere comodo. Per una fattura, un export del database clienti o un tracciato aziendale, io sceglierei un viewer locale oppure uno strumento online con una politica di trattamento dei dati chiara e verificabile.

Perché il file non si apre o appare illeggibile

Quando il caricamento fallisce, il problema non è sempre il visualizzatore. Le cause più frequenti sono abbastanza concrete e spesso si risolvono con un controllo mirato.

Il file non è realmente un XML

Alcuni documenti vengono rinominati manualmente o scaricati con un’estensione sbagliata. Apri una copia con un editor di testo e controlla che il contenuto inizi con una dichiarazione XML o con un elemento principale racchiuso tra parentesi angolari.

La codifica dei caratteri è errata

Accenti e simboli possono apparire deformati quando il file è stato salvato con una codifica diversa da quella dichiarata. La riga iniziale può indicare, per esempio, UTF-8. Se la dichiarazione non corrisponde alla codifica reale, alcuni parser restituiscono un errore.

Mancano tag o virgolette

Ogni elemento deve essere chiuso correttamente e gli attributi devono avere valori racchiusi tra virgolette. Un singolo carattere mancante può impedire la lettura dell’intero documento, anche se il resto del contenuto è corretto.

Leggi anche: Come aprire un file XML e leggerlo senza errori

Il file è firmato o compresso

Un XML firmato digitalmente, compresso in un archivio o incorporato in un altro formato richiede un passaggio preliminare. In questi casi non basta cambiare l’estensione o provare un secondo sito: serve identificare il contenitore reale.

Se compare un messaggio di errore, conserva il testo completo e annota la riga indicata. La combinazione tra numero di riga e tipo di errore è spesso sufficiente per capire dove intervenire, soprattutto quando il file deve essere corretto da chi lo ha generato.

Quando conviene usare un’alternativa al servizio online

Per una consultazione occasionale, il browser è la soluzione più veloce. Non richiede installazione, funziona su computer diversi e permette di leggere un file anche quando il sistema operativo non lo associa a un programma specifico.

Quando l’XML arriva da un database o da un sistema gestionale, trattarlo come un semplice documento può diventare inefficiente. Per un’analisi, conviene estrarre i campi in una tabella e controllare duplicati, valori mancanti e formati delle date. La visualizzazione resta utile per capire la struttura iniziale, ma non sostituisce una pipeline di dati.

In pratica, considero il viewer online un ottimo strumento di ispezione, non una piattaforma completa di gestione dati. Questa distinzione evita di usare un servizio pensato per leggere un file come se fosse un ambiente di sviluppo o un sistema di conservazione.

La scelta giusta dipende dal contenuto del file

Per leggere velocemente un XML non sensibile, un visualizzatore online è spesso sufficiente. Se il documento contiene dati personali o fiscali, la priorità diventa la gestione della privacy. Se invece devi importare, validare o trasformare grandi quantità di dati, è più sensato passare a un software locale o a una procedura automatizzata.

Il controllo minimo che consiglio è composto da tre domande. Che tipo di XML ho davanti? Contiene una fattura, un export, un feed o una configurazione? Posso caricarlo su un servizio esterno? Infine, devo solo leggerlo o devo anche verificarlo e trasformarlo?

Con queste risposte scegli lo strumento senza perdere tempo e senza esporre inutilmente informazioni delicate. Aprire il file è il primo passo, ma capire che cosa rappresenta e quale uso ne farai è ciò che porta davvero valore al lavoro sui dati.

Come impostare il conteggio tra due date senza ambiguità

La prima decisione non riguarda la formula, ma il significato del risultato. Quando calcolo il periodo tra il 10 e il 15 marzo, posso ottenere 5 giorni di differenza, perché sottraggo la data iniziale da quella finale, oppure 6 giorni inclusivi, se considero anche il 10 e il 15.

Giorni di calendario e conteggio inclusivo

In Excel, se la data iniziale è nella cella A2 e quella finale nella cella B2, la formula più semplice è:

=B2-A2

Il risultato rappresenta la distanza in giorni tra le due date. Se entrambe devono essere comprese nel periodo, aggiungo un’unità:

=B2-A2+1

Per esempio, dal 10/03/2026 al 15/03/2026 la prima formula restituisce 5, mentre la seconda restituisce 6. La differenza non è un errore di Excel: dipende dalla domanda a cui sto rispondendo.

Quando usare DATA.DIFF

La funzione DATA.DIFF è utile quando non servono soltanto i giorni, ma anche mesi o anni completi. Alcuni esempi sono:

• =DATA.DIFF(A2;B2;"d") per i giorni complessivi;
• =DATA.DIFF(A2;B2;"m") per i mesi completi;
• =DATA.DIFF(A2;B2;"y") per gli anni completi.

Userei quest’ultima modalità per anzianità, durata di un contratto o tempo trascorso dalla data di iscrizione. Non la sceglierei invece per un SLA operativo espresso in ore o giorni lavorativi, perché mesi e anni non hanno una durata uniforme.

Bisogna anche gestire i casi in cui la data finale precede quella iniziale. In un foglio di controllo posso aggiungere una verifica come =SE(B2. È un controllo piccolo, ma impedisce che una data invertita finisca dentro una media e deformi il KPI.

Giorni lavorativi, weekend e festività

Quando si analizzano tempi di consegna, ticket o attività di progetto, i giorni di calendario possono essere fuorvianti. Un intervallo di 10 giorni può contenere soltanto 6 o 8 giornate operative, a seconda dei weekend e delle festività coinvolte.

In Excel la funzione più pratica è:

=GIORNI.LAVORATIVI.TOT(A2;B2)

La formula considera normalmente il sabato e la domenica come giorni non lavorativi e include le due date se sono lavorative. Per sottrarre anche le festività, inserisco l’elenco, ad esempio da F2 a F15:

=GIORNI.LAVORATIVI.TOT(A2;B2;F2:F15)

Questa lista dovrebbe essere gestita come una vera tabella di calendario, non come un intervallo scritto rapidamente dentro la formula. In questo modo posso aggiornarla ogni anno senza modificare tutte le misure e riduco il rischio di dimenticare una chiusura aziendale.

Quando il weekend non è sabato e domenica

Turni, assistenza internazionale e attività commerciali possono avere schemi diversi. In questi casi uso GIORNI.LAVORATIVI.TOT.INTL, che permette di specificare quali giorni escludere:

=GIORNI.LAVORATIVI.TOT.INTL(A2;B2;1;F2:F15)

Il parametro 1 mantiene il weekend standard da sabato a domenica. Se l’organizzazione lavora, per esempio, dalla domenica al giovedì, il codice del weekend deve essere scelto in base alla configurazione prevista da Excel. Il punto importante è non applicare automaticamente il calendario italiano a team che lavorano su più fusi o con turnazioni diverse.

Come contare eventi e occorrenze in un intervallo

Contare i giorni non significa contare gli eventi. Se una tabella contiene 40 ticket aperti tra il 10 e il 15 marzo, il risultato corretto è 40 ticket, anche se il periodo dura 6 giorni. Per questo distinguo sempre tra una metrica temporale e una metrica di frequenza.

Con una tabella Excel chiamata Eventi e una colonna chiamata Data, posso usare:

=CONTA.PIÙ.SE(Eventi[Data];">="&A2;Eventi[Data];"<="&B2)

La formula conta le date comprese tra l’inizio e la fine. Se la colonna contiene anche l’orario, preferisco un limite superiore esclusivo:

=CONTA.PIÙ.SE(Eventi[Data];">="&A2;Eventi[Data];"<"&(B2+1))

Questa variante evita di perdere gli eventi registrati il giorno finale alle 14:30 o alle 23:59. È uno degli errori più comuni nei report, perché una cella può mostrare soltanto la data mentre conserva internamente anche ore, minuti e secondi.

Leggi anche: Decremento percentuale - formule, esempi e calcoli inversi

Un esempio utile per i KPI

Immaginiamo un contact center con 120 richieste nel periodo e 18 richieste ancora aperte alla fine. Il volume medio giornaliero può essere calcolato su 6 giorni inclusivi, mentre il tempo medio di risoluzione deve usare la differenza tra apertura e chiusura di ogni singola richiesta. Dividere semplicemente 120 per 5 invece che per 6 produce un indicatore gonfiato del 20%.

La stessa logica vale per ordini, lead, incidenti IT, visite a una pagina o transazioni. Prima filtro l’intervallo, poi scelgo se contare righe, identificativi unici o giorni con almeno un evento. Sono tre risultati diversi e nessuno è automaticamente quello giusto.

Applicare il calcolo in dashboard e analisi BI

In una dashboard il calcolo tra date serve spesso a costruire indicatori come lead time, aging, durata media, rispetto degli SLA e tasso di attività. La formula di base è semplice, ma la qualità dipende dal modo in cui sono modellate le date.

Per un KPI di eventi, inoltre, conviene distinguere la data visualizzata dall’utente dalla data tecnica usata nel filtro. Se l’evento contiene un timestamp e il report lavora su date pure, il periodo finale dovrebbe terminare all’inizio del giorno successivo, non alle 00:00 del giorno finale.

Gli errori che alterano il risultato

Il primo errore è usare la sottrazione tra date senza chiedersi se gli estremi siano inclusi. Il secondo è confondere giorni lavorativi e giorni civili, soprattutto quando si confrontano reparti con orari o calendari differenti.

• Date memorizzate come testo: Excel può ordinarle male o restituire errori.
• Data e ora nella stessa colonna: il giorno finale rischia di essere escluso.
• Festività mancanti: il tempo operativo risulta più breve del reale.
• Date invertite: medie e percentili diventano inattendibili.
• Fusi orari diversi: lo stesso evento può cadere in due giorni differenti.
• Duplicati: il conteggio delle righe può sovrastimare gli utenti o gli ordini.

Per controllare il modello, confronto sempre almeno tre casi semplici: una data uguale all’altra, un intervallo che attraversa un weekend e un intervallo che contiene una festività. Se il risultato atteso non è evidente in questi test, il KPI non è ancora pronto per una dashboard.

Un controllo altrettanto utile consiste nel verificare il valore minimo e massimo della colonna data, il numero di valori vuoti e la presenza di orari nascosti. In pratica, la qualità del dato conta più della formula: una funzione perfetta applicata a date sporche produce soltanto un errore dall’aspetto ordinato.

Una regola semplice per rendere il KPI affidabile

Prima di pubblicare il risultato, scrivo sempre una breve definizione operativa. Per esempio: “giorni lavorativi inclusivi tra apertura e chiusura, con sabato, domenica e festività aziendali esclusi”. Una frase del genere elimina molte discussioni e permette a chiunque di ricostruire il calcolo.

La procedura che uso è essenziale: controllo il formato delle date, stabilisco la convenzione inclusiva o esclusiva, scelgo il calendario corretto e verifico alcuni casi limite. Solo dopo trasformo il calcolo in una misura riutilizzabile per report, KPI e analisi di performance.

Quando questa regola viene applicata con coerenza, il numero di giorni smette di essere un semplice dato anagrafico e diventa una misura utile per capire tempi, carichi di lavoro e risultati reali.

Quando una colonna contiene vendite, quantità o costi, il risultato non deve essere ricostruito a mano riga dopo riga. In Excel basta impostare correttamente una formula che calcola in colonna, copiarla nelle righe necessarie e controllare pochi dettagli che fanno la differenza tra un foglio affidabile e uno pieno di errori. Qui mostro i metodi più pratici per sommare, moltiplicare, sottrarre e filtrare i dati verticali.

Come sommare una colonna in Excel senza perdere tempo

Immaginiamo una colonna B con gli importi delle vendite, dalla cella B2 alla B20. Per ottenere il totale nella cella B21, la formula più chiara è =SOMMA(B2:B20). In Excel in italiano gli intervalli si indicano con i due punti, quindi B2:B20 significa “tutte le celle comprese tra B2 e B20”.

Il procedimento è semplice. Seleziono la cella destinata al risultato, digito la formula e premo Invio. In alternativa scelgo Home > Somma automatica, rappresentata dall’icona con la lettera greca sigma, e controllo l’intervallo proposto prima di confermare.

La formula sull’intera colonna è comoda, ma non sempre è la scelta migliore. Se inserisco il totale nella stessa colonna B, =SOMMA(B:B) può includere anche la cella del risultato e creare un riferimento circolare. Per questo, nei fogli strutturati preferisco indicare l’intervallo preciso oppure usare una tabella Excel.

Come eseguire calcoli riga per riga e copiarli verso il basso

Spesso non serve soltanto il totale. In un registro vendite, per esempio, posso avere la quantità nella colonna C e il prezzo unitario nella colonna D. Nella colonna E inserisco il valore della riga con =C2*D2, poi trascino il quadratino nell’angolo inferiore destro della cella fino all’ultima riga.

Excel modifica automaticamente i riferimenti relativi. La formula diventa quindi C3*D3 nella riga successiva, poi C4*D4 e così via. È uno dei meccanismi più utili del programma, ma conviene controllare il primo risultato: se la struttura dei dati non è uniforme, il trascinamento può replicare un errore con grande efficienza.

Quando bloccare una cella

Se applico un’aliquota IVA contenuta nella cella H1, una formula come =E2*H1 non è sufficiente da copiare. Il riferimento H1 deve restare fermo, quindi uso =E2*$H$1. Il simbolo del dollaro trasforma il riferimento in assoluto e impedisce a Excel di spostarlo nelle righe successive.

La differenza è importante anche per sconti, tassi, coefficienti e cambi valuta. Io tengo questi parametri in una piccola area separata e li blocco sempre con il riferimento assoluto, così posso modificare un solo valore senza riscrivere decine di formule.

Le operazioni principali in una colonna

• Somma con =SOMMA(B2:B20).
• Sottrazione con =B2-C2.
• Moltiplicazione con =B2*C2.
• Divisione con =B2/C2.
• Percentuale con =B2*15% oppure =B2*$H$1.

Per la divisione controllo sempre che il divisore non sia zero. Se il dato può mancare, posso usare SE.ERRORE, per esempio =SE.ERRORE(B2/C2;0), ma sostituire l’errore con zero ha senso solo se quel valore rappresenta davvero l’assenza di risultato. Nascondere un problema con una formula elegante non lo risolve.

Perché una tabella Excel è spesso meglio di un intervallo normale

Quando i dati aumentano ogni giorno, lavorare con intervalli fissi come B2:B20 diventa scomodo. Convertendo l’elenco in una tabella Excel con Ctrl+T, le nuove righe vengono incluse automaticamente e le formule della colonna calcolata si propagano senza trascinamenti manuali.

In una tabella con le colonne Quantità e Prezzo, posso creare una colonna Valore e usare una formula strutturata come =[@Quantità]*[@Prezzo]. La sintassi può sembrare meno immediata, ma rende il foglio più leggibile perché usa i nomi delle colonne invece delle coordinate.

Per report ricorrenti sceglierei quasi sempre la tabella. Non è soltanto una comodità estetica: riduce il rischio che una nuova registrazione rimanga fuori dal totale e rende più semplice usare filtri, grafici e tabelle pivot.

Come sommare solo i dati che rispettano una condizione

Un totale generale non risponde a tutte le domande. Se voglio sommare soltanto le vendite del prodotto “Notebook”, uso =SOMMA.SE(A2:A100;"Notebook";E2:E100). Il primo intervallo contiene il criterio, il secondo contiene gli importi da sommare.

Per più condizioni posso usare SOMMA.PIÙ.SE. Per esempio, per sommare gli importi della categoria “Accessori” relativi al mese di gennaio, la formula può essere =SOMMA.PIÙ.SE(E2:E100;A2:A100;"Accessori";B2:B100;"Gennaio"). In Excel italiano gli argomenti sono normalmente separati dal punto e virgola, non dalla virgola.

Queste funzioni sono molto più solide dei filtri manuali quando preparo un report. Un filtro cambia ciò che vedo, mentre la formula documenta esplicitamente quali condizioni determinano il risultato.

Leggi anche: Modello DDT in Excel - campi, formule e limiti

Il totale delle sole righe visibili

Se filtro una tabella e voglio sommare solo le righe rimaste visibili, uso =SUBTOTALE(9;E2:E100). Il codice 9 indica la somma e permette di ignorare le righe escluse dal filtro, cosa che una semplice SOMMA non garantisce.

Questo dettaglio evita uno degli errori più comuni nei report commerciali. Il numero visualizzato dopo un filtro può sembrare un totale parziale, ma con la funzione sbagliata continua a comprendere anche le righe nascoste.

Gli errori che falsano i calcoli verticali

Il primo controllo riguarda i numeri memorizzati come testo. Se una colonna contiene valori importati con apostrofi, spazi o separatori decimali incoerenti, Excel potrebbe ignorarli nella somma. Un triangolo verde, un allineamento anomalo o la funzione VAL.NUMERO possono aiutarmi a individuare il problema.

Anche le celle vuote e gli zeri hanno significati diversi. Una cella vuota può indicare un dato mancante, mentre zero è un valore reale. Prima di correggere tutto automaticamente, verifico quale interpretazione serve all’analisi.

• Controllare che l’intervallo includa tutte le righe necessarie.
• Escludere la cella del totale dall’intervallo quando si usa una colonna intera.
• Verificare i separatori decimali e il formato valuta.
• Controllare i riferimenti assoluti nelle formule copiate.
• Usare SUBTOTALE quando il risultato deve rispettare i filtri.
• Confrontare il totale con un controllo indipendente, per esempio la somma mostrata nella barra di stato.

Un altro caso delicato riguarda date e orari. Excel salva le date come numeri seriali e le ore come frazioni di giornata, quindi una colonna formattata male può produrre risultati apparentemente assurdi. Prima di concludere che la formula non funziona, controllo sempre valore sottostante e formato della cella.

Un flusso pratico per costruire un foglio affidabile

1. Inserisco intestazioni chiare e una sola informazione per colonna.
2. Converto l’elenco in una tabella se prevedo nuove righe.
3. Creo una colonna calcolata con la formula della prima riga.
4. Blocco con $ i parametri che devono restare fissi.
5. Inserisco il totale in una riga separata o nell’area Totali della tabella.
6. Verifico il risultato con un secondo metodo e con un filtro di prova.

Su un foglio piccolo bastano SOMMA e il trascinamento della formula. Quando il file diventa uno strumento di analisi, invece, la qualità dipende soprattutto dalla struttura: intestazioni coerenti, tipi di dato corretti e formule leggibili contano più di una funzione sofisticata.

Dal totale della colonna a un’analisi davvero utile

Il totale è solo il primo livello. Una volta calcolati gli importi riga per riga, posso confrontare margini, medie, valori massimi e risultati per categoria con tabelle pivot o grafici. La formula risponde alla domanda “quanto?”, mentre la struttura del foglio aiuta a capire “dove” e “perché”.

Il mio approccio è partire sempre dal calcolo più semplice, controllarlo e solo dopo aggiungere condizioni o automazioni. In questo modo Excel rimane trasparente, gli errori sono più facili da trovare e ogni colonna diventa una base solida per decisioni e report più attendibili.

Quando devi sapere quanto tempo passa tra un’ora di inizio e una di fine, pochi minuti di differenza possono cambiare un turno, un KPI o il costo di un’attività. Il calcolo tra due ore serve per misurare durate, pause, tempi di risposta e ore lavorate, sia a mano sia con Excel o Google Sheets.

Come calcolare il tempo trascorso tra due orari

Nel caso più comune basta sottrarre l’orario di inizio da quello di fine. Per esempio, da 08:40 a 12:15 trascorrono 3 ore e 35 minuti. Il risultato va letto nel sistema sessagesimale, in cui 60 minuti formano un’ora.

Un metodo pratico consiste nel separare ore e minuti. Da 08:40 a 11:40 passano 3 ore, poi aggiungi i 35 minuti fino alle 12:15. È un procedimento utile per un controllo veloce, ma con molti dati preferisco usare un foglio di calcolo, perché riduce gli errori di trascrizione.

Se devi trasformare il risultato in un valore numerico, converti i minuti in una frazione d’ora. 30 minuti sono 0,5 ore, 15 minuti sono 0,25 ore e 45 minuti sono 0,75 ore. Questa distinzione è essenziale quando calcoli costi, produttività o tempi medi.

Il metodo manuale funziona solo se controlli i minuti

Un errore frequente nasce dal trattare l’orario come un numero decimale. La differenza tra 09:50 e 10:20 non è 0,30 ore, ma 30 minuti, cioè 0,5 ore. L’orologio usa la base 60, mentre i KPI espressi in ore decimali usano la base 100 solo come rappresentazione numerica.

Un esempio con conversione decimale

Immagina un’attività iniziata alle 09:50 e terminata alle 12:20. La durata è di 2 ore e 30 minuti. Per trasformarla in ore decimali devi dividere 30 per 60, ottenendo 0,5, quindi il risultato finale è 2,5 ore.

• 15 minuti = 0,25 ore
• 30 minuti = 0,50 ore
• 45 minuti = 0,75 ore
• 10 minuti = 0,1667 ore circa

Per la fatturazione, questa conversione può incidere sul totale. Un’attività di 1 ora e 45 minuti, fatturata a 40 euro l’ora, vale 70 euro. Scrivere 1,45 ore produrrebbe invece un importo errato, perché 1,45 ore corrispondono a 1 ora e 27 minuti.

Come gestire mezzanotte, date e turni notturni

Quando l’orario finale è numericamente inferiore a quello iniziale, non significa che la durata sia negativa. Di solito indica che l’attività è terminata il giorno successivo. Un turno dalle 22:00 alle 06:00 dura 8 ore, non meno 16.

Puoi calcolarlo in due passaggi. Dalle 22:00 a mezzanotte passano 2 ore; da mezzanotte alle 06:00 ne passano altre 6. La somma restituisce la durata corretta.

Per i report aziendali consiglio di registrare sempre data e ora complete, non soltanto l’orario. La coppia “31 marzo 22:00” e “1 aprile 06:00” elimina ogni ambiguità e permette di analizzare correttamente turni, SLA e tempi di lavorazione.

Il caso delle pause

Se una persona lavora dalle 08:30 alle 17:00 con una pausa di 60 minuti, la presenza complessiva è di 8 ore e 30 minuti, mentre il tempo effettivamente lavorato è 7 ore e 30 minuti. Per un KPI di produttività devi usare il secondo valore.

Lo stesso principio vale per i tempi di risposta. Se una richiesta resta in attesa del cliente per 2 ore, puoi scegliere di includere o escludere quella pausa dal calcolo, ma la regola deve essere uguale per tutti i casi. Altrimenti la media perde significato.

Excel e Google Sheets rendono il calcolo ripetibile

In un foglio di calcolo inserisci l’orario iniziale nella cella A2 e quello finale nella cella B2. Nella cella C2 puoi usare la formula =B2-A2. Il risultato sarà corretto se le celle sono riconosciute come orari e C2 è formattata come h:mm.

Per un turno che attraversa la mezzanotte puoi usare una formula che aggiunge un giorno quando l’orario finale è precedente all’inizio. In Excel in lingua italiana, una soluzione pratica è =RESTO(B2-A2;1). Nei fogli con impostazioni internazionali la funzione può apparire come MOD.

Il formato [h]:mm è importante quando sommi più durate. Con il formato standard, un totale di 27 ore può essere visualizzato come 03:00, perché il programma ricomincia a contare dopo 24 ore. In un timesheet questo errore può falsare completamente il totale mensile.

Leggi anche: Come calcolare il delta tra due valori e interpretare i KPI

Una struttura utile per il timesheet

Per analizzare le attività in modo ordinato, io uso almeno queste colonne:

• data dell’attività;
• ora di inizio;
• ora di fine;
• durata della pausa;
• durata netta;
• progetto o categoria;
• stato o risultato ottenuto.

Questa struttura consente di passare dal semplice conteggio delle ore a un’analisi più utile. Puoi capire, per esempio, se un progetto assorbe più tempo del previsto o se il volume di lavoro cresce senza un aumento proporzionale delle ore produttive.

Dalla durata ai KPI operativi

La differenza tra due orari diventa davvero interessante quando alimenta un indicatore. Il tempo medio di gestione, chiamato spesso Average Handling Time, si calcola dividendo il tempo totale impiegato per il numero di attività concluse.

Se un team dedica 18 ore alla gestione di 72 richieste, il tempo medio è di 0,25 ore per richiesta, cioè 15 minuti. Il valore è utile soltanto se il perimetro è chiaro: richieste semplici e complesse non dovrebbero essere mescolate senza una segmentazione.

Un esempio chiarisce il rapporto tra i dati. Con 7 ore produttive su 8 ore disponibili, l’utilizzo è dell’87,5%. Se però il team ha chiuso meno pratiche del solito, il KPI non dice automaticamente che la performance sia buona: potrebbe esserci un problema di complessità, qualità o tempi di attesa.

Per questo non mi affiderei mai a un solo numero. La durata media va letta insieme a volume, qualità, backlog e rispetto degli SLA, cioè degli obiettivi temporali concordati per la gestione del servizio.

Gli errori che falsano il risultato

Il primo errore è confondere un orario con una durata. “14:30” indica un momento della giornata, mentre “2:30” può indicare 2 ore e 30 minuti trascorsi. Nei dashboard è meglio separare sempre le colonne degli eventi dalle colonne delle durate.

Un altro problema nasce dagli arrotondamenti anticipati. Se arrotondi ogni attività da 7 a 10 minuti, su 100 attività aggiungi 5 ore non realmente lavorate. Arrotonda alla fine dell’aggregazione, salvo che una regola contrattuale o operativa imponga diversamente.

• Inserire 2,30 invece di 2:30.
• Dimenticare la pausa prima del calcolo netto.
• Ignorare il passaggio di mezzanotte.
• Usare un formato orario per totali superiori a 24 ore.
• Mescolare tempi lavorativi e tempi di attesa senza una regola.
• Calcolare una media su periodi o categorie non confrontabili.

Controllerei anche i dati anomali. Una durata di 96 ore in un’attività normalmente conclusa in 20 minuti può indicare un errore di inserimento, un ticket rimasto aperto oppure una definizione poco chiara del momento di chiusura. Prima di correggerla, bisogna capire quale delle tre situazioni si è verificata.

Un controllo rapido prima di usare il dato

Prima di inserire la durata in un report, verifico quattro elementi: inizio, fine, giorno e pausa. Se manca la data, il turno potrebbe attraversare la mezzanotte senza essere riconosciuto; se manca la pausa, il KPI potrebbe sovrastimare il tempo produttivo.

Per un’analisi affidabile, stabilisci anche una definizione condivisa. “Tempo di lavorazione” può partire dall’apertura della richiesta, dal primo intervento dell’operatore o dal momento in cui il lavoro diventa effettivamente assegnato. Sono scelte diverse e producono numeri diversi.

La regola più utile è semplice: conserva il dato originale con data e ora, calcola una durata netta separata e documenta eventuali esclusioni. In questo modo il risultato resta verificabile, confrontabile e pronto per alimentare un dashboard di business intelligence.

Con pochi controlli, il calcolo della durata tra due orari passa da una semplice sottrazione a una base solida per timesheet, costi e KPI. La precisione non dipende da formule complicate, ma dalla qualità delle registrazioni e da criteri coerenti applicati a ogni attività.

Una fattura elettronica può arrivare come un file pieno di tag e sembrare illeggibile al primo sguardo. Per aprire fatture XML in modo utile bisogna distinguere tra semplice visualizzazione, controllo dei dati e importazione in un gestionale o in un database: qui mostro i metodi più pratici, cosa verificare e quali errori evitare.

Che cosa contiene davvero un file XML di fattura

XML significa eXtensible Markup Language, un linguaggio che organizza le informazioni attraverso elementi e tag. In una fattura elettronica questi campi descrivono il cedente, il cliente, le righe dei prodotti o servizi, l’IVA, i pagamenti e i riferimenti alla trasmissione.

Il file non è quindi una semplice immagine della fattura. È un documento strutturato pensato per essere letto da software, controllato dal Sistema di interscambio e importato in altri sistemi. Per questo, aprendolo con il Blocco note o con un browser, si vedono stringhe come e invece di una pagina ordinata.

Il formato più comune ha estensione .xml. In alcuni casi il file può essere .xml.p7m, cioè un documento associato a una firma digitale in formato CAdES. La presenza della firma non cambia i dati della fattura, ma può rendere necessario un visualizzatore compatibile o un programma per la verifica della firma.

La differenza più importante riguarda il rapporto tra XML e PDF. Il PDF è comodo da stampare e leggere, ma rappresenta graficamente i dati; l’XML è il file strutturato da conservare e trattare nei processi digitali. Io uso il PDF solo come supporto operativo, mai come sostituto automatico del file originale.

Il metodo più semplice per visualizzare una fattura

Per una singola fattura, la soluzione più rapida è utilizzare un visualizzatore di fatture elettroniche. Questi strumenti trasformano i tag XML in una pagina simile a una fattura tradizionale, con intestazione, righe, imponibile, imposta e totale.

Il procedimento è generalmente questo:

1. Salva il file ricevuto in una cartella sicura, senza rinominarlo inutilmente.
2. Apri il visualizzatore e carica il documento XML.
3. Controlla che il programma riconosca il tipo di fattura e mostri correttamente i dati.
4. Genera, se serve, una copia PDF per la consultazione o la condivisione interna.
5. Conserva il file XML originale insieme alle eventuali ricevute di trasmissione.

È possibile usare anche il portale Fatture e Corrispettivi dell’Agenzia delle Entrate, accedendo all’area riservata con una delle identità digitali abilitate. Nella sezione di consultazione si possono cercare le fatture associate al proprio profilo, verificare i dati e scaricare il documento disponibile.

Questo metodo è particolarmente utile quando non si possiede ancora un gestionale. Ha però un limite pratico: funziona bene per poche fatture, mentre diventa lento se ogni mese bisogna controllare decine o centinaia di documenti.

Quale soluzione scegliere

Come leggere il documento e controllare i dati importanti

La visualizzazione serve solo se si sa cosa controllare. Io partirei sempre dall’identità delle parti, perché un errore nella partita IVA o nel codice fiscale può creare problemi di registrazione e attribuzione del documento.

• Cedente o prestatore, con denominazione, partita IVA, codice fiscale e indirizzo.
• Cessionario o committente, verificando che i dati corrispondano alla propria attività.
• Numero e data della fattura, indispensabili per la registrazione contabile.
• Descrizione delle prestazioni, quantità, prezzo unitario e aliquota IVA.
• Imponibile, imposta e totale documento, controllando che i valori siano coerenti.
• Modalità e condizioni di pagamento, comprese scadenza e coordinate bancarie quando presenti.
• Identificativo del Sistema di interscambio e stato della consegna, se disponibili.

Un campo spesso trascurato è il codice destinatario o l’indirizzo PEC. Non serve solo a capire dove è stata inviata la fattura: aiuta a ricostruire eventuali problemi di recapito. Una fattura può essere correttamente elaborata dal sistema e, allo stesso tempo, risultare non consegnata per un errore nel canale del destinatario.

Controllerei anche la natura dell’operazione. Una nota di credito, un’autofattura o un’integrazione non vanno trattate come una normale fattura di acquisto. Il tipo documento presente nell’XML può cambiare la registrazione contabile e la gestione dell’IVA.

Perché il PDF generato può trarre in inganno

Un visualizzatore costruisce la pagina leggendo i dati XML e applicando un modello grafico. Se il file contiene note, riferimenti normativi o informazioni aggiuntive, queste possono apparire in una posizione diversa dal previsto oppure non essere evidenziate nella versione semplificata.

Quando ho un dubbio, confronto sempre il PDF con l’XML originale. Se la fattura deve essere importata in contabilità o usata per un controllo fiscale, considero decisivi i campi strutturati del documento, non soltanto l’aspetto della pagina.

Quando conviene elaborare l’XML con software e database

La lettura manuale è adatta a un documento occasionale. Se invece arrivano molti file, il vero vantaggio dell’XML emerge nell’elaborazione automatica: il software può estrarre i dati senza costringere qualcuno a ricopiare ogni importo.

Un flusso tipico prevede quattro passaggi:

1. Acquisizione dei file da PEC, portale, cassetta fiscale o intermediario.
2. Validazione della struttura e dei campi obbligatori.
3. Normalizzazione dei dati, per esempio uniformando date, codici IVA e formati numerici.
4. Importazione nel gestionale, nel data warehouse o nel database aziendale.

In un database non salverei tutto in una sola colonna di testo. Separerei almeno le tabelle relative a testata, soggetti, righe, imposte, pagamenti e ricevute. Questa struttura rende più semplici analisi come la spesa per fornitore, l’andamento dell’IVA, i tempi medi di pagamento e la concentrazione degli acquisti.

Un esempio concreto è la distinzione tra data documento, data di ricezione e data di pagamento. Sono informazioni diverse, e confonderle produce report finanziari poco affidabili. Lo stesso vale per il totale della fattura e il totale delle singole aliquote, che devono essere riconciliati prima di alimentare una dashboard.

Leggi anche: Da XML a Excel con Power Query - guida pratica

Automazione sì, ma con controlli

Un parser XML è il componente software che legge la struttura del file e restituisce i valori contenuti nei tag. Non basta però che il file sia tecnicamente valido: bisogna verificare anche la coerenza commerciale e contabile dei dati.

Per esempio, un sistema ben progettato segnala una partita IVA formalmente corretta ma associata a un fornitore inatteso, un totale diverso dalla somma delle righe o una scadenza di pagamento mancante. L’automazione migliore non elimina il controllo umano, ma porta l’attenzione solo sui casi anomali.

Gli errori più comuni quando si apre una fattura XML

Il primo errore è modificare il file con un editor di testo per “renderlo più leggibile”. Anche una modifica minima può alterare la firma, la struttura o i valori del documento. Il file originale deve rimanere immutato; eventuali annotazioni vanno salvate in un documento separato.

Un altro problema nasce dal cambio di estensione. Rinominare .xml.p7m in .xml non rimuove la firma digitale e non garantisce che il contenuto diventi leggibile. In questo caso serve uno strumento che sappia verificare il contenitore firmato oppure estrarre il documento mantenendo l’originale.

Capita anche di aprire un file XML generico e pensare che sia una fattura elettronica. Il nome del file non è una prova sufficiente: bisogna controllare la struttura interna, il tipo di documento e la presenza dei blocchi relativi a emittente, cliente e dati fiscali.

• Non usare siti casuali per caricare fatture contenenti dati personali e bancari.
• Non confondere anteprima e documento originale.
• Non cancellare le ricevute SdI quando si archiviano i file.
• Non importare alla cieca dati provenienti da XML non validati.
• Non affidarsi al solo totale senza controllare imponibile, IVA e natura dell’operazione.

Se il file non si apre, prima di pensare che sia danneggiato controllerei tre elementi: estensione, programma utilizzato e modalità di download. Un download interrotto, un allegato compresso o una firma digitale possono spiegare il problema senza che la fattura sia necessariamente corrotta.

Una piccola procedura che evita problemi dopo la lettura

Per gestire poche fatture, suggerisco di creare una cartella per anno e mese, conservando insieme XML, eventuale PDF di cortesia e ricevute. Per volumi più elevati conviene affidare l’archiviazione a un gestionale o a un servizio di conservazione digitale, verificando prima cosa include davvero il piano scelto.

La regola che seguo è semplice: visualizzare non significa validare. Dopo aver letto il documento, controllo identità delle parti, importi, IVA, tipo di fattura e stato di consegna. Solo a quel punto lo registro o lo trasferisco nel sistema di analisi.

In questo modo il file XML smette di essere un allegato difficile da interpretare e diventa una fonte dati ordinata, utile non solo per la contabilità ma anche per analisi di costi, fornitori, liquidità e performance aziendale.

Un foglio Excel pieno di numeri può diventare leggibile in pochi minuti, ma solo se il grafico risponde a una domanda precisa. I modelli grafici Excel aiutano a partire da una struttura già pronta, scegliere la visualizzazione più adatta e creare report riutilizzabili per vendite, budget, KPI e analisi aziendali. In questa guida mostro quali soluzioni funzionano davvero, come personalizzarle e quali errori possono rendere fuorviante anche un grafico esteticamente curato.

Prima del design bisogna chiarire la domanda

Un buon modello non è quello con più colori o più elementi decorativi. È quello che permette di rispondere rapidamente a una domanda come “quale regione vende di più?”, “come cambia il margine mese dopo mese?” oppure “quanto manca all’obiettivo?”. Nella mia esperienza, il problema più frequente non è la mancanza di funzioni in Excel, ma la scelta di un grafico senza una domanda analitica alle spalle.

La ricerca ha quindi soprattutto un intento informativo e pratico. Chi cerca una soluzione pronta vuole risparmiare tempo, ma anche capire quale struttura usare e come sostituire i dati di esempio senza rompere formule, etichette o intervalli.

Modello pronto o grafico costruito da zero

I modelli pronti sono utili quando serve un risultato veloce, per esempio un cruscotto mensile con vendite, costi e indicatori di avanzamento. Offrono già colori, posizionamento e spesso più elementi collegati, ma possono contenere formule non immediate da comprendere. Se il report dovrà essere usato da più persone, preferisco una struttura più semplice e trasparente, anche se meno appariscente.

Partire da un foglio vuoto conviene quando i dati hanno una logica particolare oppure quando il grafico dovrà essere integrato in un processo di reporting. Richiede più lavoro iniziale, ma lascia maggiore controllo su origine dei dati, aggiornamenti e leggibilità.

Quale visualizzazione scegliere in base al dato

Excel mette a disposizione molti tipi di grafico, ma nella maggior parte dei report aziendali ne bastano pochi. La regola che seguo è semplice: il tipo di grafico deve rendere evidente il confronto principale senza costringere il lettore a interpretare una legenda complessa.

Il grafico a torta è spesso il primo che si sceglie, ma raramente è il più efficace. Per una classifica di dieci prodotti, ad esempio, una barra orizzontale ordinata comunica molto più rapidamente sia il primo posto sia la distanza dagli altri. La leggibilità viene prima dell’effetto visivo.

Tre esempi concreti per report italiani

Per un’analisi delle vendite di un negozio online italiano userei colonne per confrontare Lombardia, Lazio, Veneto e le altre regioni, mentre sceglierei linee per mostrare l’evoluzione degli ordini da gennaio a dicembre. In un report finanziario, combinerei colonne per il fatturato e una linea per il margine percentuale, purché i due assi siano spiegati chiaramente.

Per monitorare un budget familiare o aziendale, un grafico ad anello può essere sufficiente se le categorie sono poche, come affitto, personale, marketing e fornitori. Se invece le voci superano cinque o sei, passerei a barre ordinate. Il numero di categorie è una delle variabili che determina la scelta più di quanto si pensi.

Come usare un modello già pronto in Excel

1. Apri un modello coerente con il tuo obiettivo, per esempio vendite, budget o avanzamento.
2. Individua il foglio che contiene i dati di origine.
3. Sostituisci i dati di esempio mantenendo, se possibile, le stesse intestazioni.
4. Controlla che le formule includano le nuove righe e non solo l’intervallo originale.
5. Verifica titolo, unità di misura, legenda ed etichette.
6. Salva una copia pulita come modello da riutilizzare.

Il passaggio più delicato è l’origine del grafico. Se il nuovo dato viene incollato fuori dall’intervallo collegato, il grafico può restare invariato senza mostrare errori evidenti. Per evitarlo, trasformo l’intervallo in una Tabella di Excel con Ctrl+T: quando si aggiungono righe, formule e grafici si aggiornano con maggiore affidabilità.

Come modificare il modello senza rovinarlo

Per prima cosa cambio il titolo e rimuovo ogni elemento che non serve alla decisione. Poi imposto colori coerenti, con uno o due colori principali e un colore di evidenza per il dato più importante. Un report con otto colori diversi può sembrare ricco, ma rende più difficile distinguere trend, eccezioni e valori fuori soglia.

Controllo anche il formato dei numeri. Mostrare 1250000,00 € quando 1,25 milioni è sufficiente occupa spazio e rallenta la lettura. D’altra parte, arrotondare troppo può nascondere differenze utili, quindi scelgo il livello di precisione in base alla decisione che il grafico deve supportare.

Come costruire un modello riutilizzabile da zero

Un modello efficace separa i dati, i calcoli e la visualizzazione. Questa divisione sembra banale, ma evita che qualcuno modifichi accidentalmente una formula mentre aggiorna le vendite del mese. Io preferisco almeno tre fogli, chiamati Dati, Calcoli e Dashboard.

La struttura minima

• Dati contiene una riga per ogni osservazione e colonne con intestazioni chiare.
• Calcoli raccoglie somme, medie, percentuali, scostamenti e indicatori.
• Dashboard presenta grafici, KPI e filtri senza dati grezzi sovrapposti.

Per esempio, una tabella vendite può includere data, regione, prodotto, quantità, ricavo e costo. Da qui si possono calcolare margine, variazione rispetto al mese precedente e percentuale di raggiungimento dell’obiettivo. Una riga deve rappresentare un evento o una voce coerente, non un totale mescolato con dati di dettaglio.

Leggi anche: Che cos'è Tableau e come usarlo per analizzare i dati

Un flusso di lavoro pratico

1. Definisci una sola domanda principale per ogni grafico.
2. Prepara una tabella senza celle unite e senza righe vuote nel mezzo.
3. Calcola gli indicatori con formule verificabili.
4. Inserisci il grafico più semplice che risponde alla domanda.
5. Aggiungi filtri o segmentazioni solo se aiutano davvero l’analisi.
6. Prova il modello con un mese nuovo e con dati mancanti.

Un dettaglio spesso trascurato riguarda le date. Se Excel le interpreta come testo, il grafico può ordinarle alfabeticamente oppure distribuirle in modo errato. Prima di consegnare un dashboard, verifico sempre il formato data, i valori vuoti e la presenza di duplicati.

Dashboard più chiari con meno elementi

Un dashboard non deve contenere ogni informazione disponibile. In una pagina destinata a una riunione direzionale, di solito bastano tre o quattro KPI, due o tre grafici e un breve spazio per le anomalie. Il dettaglio può restare in un foglio separato, pronto per chi deve approfondire.

I filtri sono utili, ma hanno un costo cognitivo. Se ogni selezione cambia contemporaneamente quattro grafici, il lettore può perdere il riferimento. Per questo collego i filtri solo agli elementi che devono realmente reagire e mantengo visibile il periodo analizzato. Un dashboard deve spiegare anche il proprio perimetro.

Gli errori che rendono fuorviante un grafico

Il primo errore è usare un grafico 3D per dati che richiedono precisione. Prospettiva, ombre e profondità alterano la percezione delle dimensioni e aggiungono rumore. Preferisco grafici bidimensionali, con griglie leggere e valori direttamente leggibili quando il numero di serie è ridotto.

• Mescolare euro, quantità e percentuali senza indicare le unità.
• Usare troppe serie nello stesso grafico.
• Lasciare titoli generici come “Grafico 1”.
• Confondere celle vuote, zeri e dati non disponibili.
• Ordinare le categorie in modo casuale quando si vuole mostrare una classifica.
• Affidarsi al grafico consigliato senza controllare il significato dei dati.

Prima di condividere un file, faccio una prova semplice. Mostro il grafico a una persona che non ha preparato i dati e le chiedo quale conclusione ricava in dieci secondi. Se la risposta non coincide con il messaggio previsto, il problema non è il lettore: è la visualizzazione.

Trasformare un foglio funzionante in uno strumento affidabile

La differenza tra un modello utile e un semplice grafico decorativo sta nella manutenzione. Inserisci istruzioni brevi, blocca le celle con formule, usa menu a discesa per le categorie e indica la data dell’ultimo aggiornamento. Sono piccoli accorgimenti, ma riducono gli errori quando il file passa da una persona all’altra.

La mia raccomandazione è di iniziare con un modello essenziale e migliorarlo dopo averlo usato per due o tre cicli di reporting. Prima la correttezza, poi l’estetica: un grafico semplice, aggiornabile e interpretabile vale più di una dashboard spettacolare che richiede ogni mese mezz’ora di correzioni manuali.

Quando devi confrontare vendite, costi o risultati tra più categorie, poche rappresentazioni sono immediate quanto un grafico a colonna. In questa guida mostro come costruirlo in Excel o Google Fogli, come scegliere la variante adatta e come interpretare correttamente altezze, assi e differenze. Troverai anche esempi pratici e gli errori che più spesso rendono un grafico fuorviante.

Che cosa mostra davvero un grafico a colonne

Ogni colonna rappresenta una categoria e la sua altezza corrisponde a un valore. L’asse orizzontale, chiamato spesso asse delle categorie, può contenere mesi, regioni, prodotti o segmenti di clientela; quello verticale misura la grandezza osservata, per esempio euro, unità o percentuali.

La sua forza sta nel confronto visivo. Se una colonna raggiunge 480 unità e un’altra 320, la differenza si percepisce subito. Io lo considero particolarmente efficace quando la domanda è semplice e concreta: quale categoria ha il valore più alto, quale ha perso terreno e quanto distano tra loro i risultati.

Non è però lo strumento ideale per ogni situazione. Con molte date consecutive una linea può raccontare meglio l’andamento, mentre per mostrare la relazione tra due variabili numeriche è più adatto un grafico a dispersione. La scelta dipende dal messaggio, non dal fatto che il software proponga automaticamente un certo tipo di grafico.

Quando scegliere colonne raggruppate, impilate o 100% impilate

La versione più semplice usa colonne raggruppate. È adatta quando vuoi confrontare una o più serie nello stesso insieme di categorie, ad esempio il fatturato di tre linee di prodotto in quattro trimestri. Con due o tre serie il confronto resta chiaro; oltre questo limite il grafico tende rapidamente a diventare affollato.

Le colonne impilate riuniscono più componenti dentro una singola colonna. Sono utili per leggere sia il totale sia il contributo delle parti, come il numero di ordini suddivisi tra canale online, negozi fisici e partner. Il confronto tra i segmenti che non partono da zero è meno immediato, quindi non le userei per confrontare con precisione ogni componente.

La variante 100% impilata porta tutte le colonne alla stessa altezza e mostra solo la composizione percentuale. È una buona soluzione quando il totale varia molto, ma vuoi capire come cambia il peso relativo dei canali o dei costi. Il limite è evidente: non puoi più leggere facilmente la differenza tra i totali assoluti.

Quando ho un dubbio, parto dalla versione raggruppata e mi chiedo quale confronto debba compiere il lettore. Se deve vedere la dimensione reale, scelgo colonne normali o impilate; se deve vedere la distribuzione, considero la versione percentuale.

Come creare il grafico partendo da dati ordinati

Prepara una tabella leggibile

La qualità del risultato dipende prima di tutto dalla tabella. Una struttura essenziale può essere questa:

La prima riga contiene le intestazioni e la prima colonna identifica le categorie. Evita celle unite, righe vuote nel mezzo e numeri scritti insieme alle unità, come “120 €”, se il programma deve calcolare o aggregare i valori. Meglio conservare il numero come 120 e applicare il formato valuta alla colonna.

Leggi anche: Grafico percentuale chiaro - come sceglierlo e crearlo

Procedura in Excel e Google Fogli

1. Seleziona l’intervallo completo, comprese le intestazioni.
2. Inserisci un grafico e scegli il tipo a colonne.
3. Controlla che categorie e serie siano state riconosciute nel verso corretto.
4. Assegna un titolo informativo e nomi chiari agli assi.
5. Formatta numeri, colori, etichette e legenda in base al pubblico.

In Excel puoi correggere l’interpretazione usando il comando per cambiare righe e colonne. In Google Fogli il pannello di configurazione consente di modificare intervallo, serie e asse delle categorie. Se il risultato appare “girato”, quasi sempre il problema è nella selezione iniziale o nell’orientamento dei dati, non nel tipo di grafico.

Per una dashboard aziendale aggiungerei anche un filtro per periodo o area, ma senza trasformare il grafico in un pannello pieno di controlli. Un elemento visivo deve permettere di rispondere a una domanda in pochi secondi, non costringere il lettore a decifrare l’interfaccia.

Come leggere correttamente altezze, assi e differenze

Il primo controllo riguarda la scala dell’asse verticale. Se parte da zero, l’altezza delle colonne rappresenta in modo intuitivo la proporzione tra i valori. Una scala che parte da 90 può far sembrare enorme la differenza tra 98 e 100, anche se nella realtà è minima.

Osserva poi l’ordine delle categorie. Per una sequenza temporale è preferibile mantenere gennaio, febbraio e marzo in ordine cronologico. Per una classifica, invece, ordinare le colonne dal valore più alto al più basso aiuta a individuare subito priorità e anomalie.

Le etichette numeriche sono utili quando il lettore deve conoscere il valore preciso, ma non servono sempre. Su un grafico con 12 mesi e due serie possono migliorare la lettura; su un grafico con 40 categorie diventano rumore. In quel caso preferisco un tooltip interattivo o una tabella di dettaglio.

Un confronto visivo non spiega da solo la causa di una variazione. Se le vendite di marzo sono aumentate del 10%, il grafico mostra il risultato, non se l’incremento dipenda da una promozione, da un prezzo diverso o da un cambiamento nella raccolta dati. Questa distinzione evita di trasformare una correlazione apparente in una conclusione affrettata.

Come rendere il grafico chiaro e credibile

Partirei dal titolo. “Vendite mensili” è corretto ma generico; “Vendite per canale, primo trimestre” comunica già metrica, periodo e ambito. Un buon titolo riduce il lavoro necessario per interpretare il disegno.

Usa pochi colori e assegnali con logica. Un colore neutro per il contesto e uno più evidente per il valore da mettere in risalto funzionano spesso meglio di una tavolozza con sei tonalità. Il colore non dovrebbe essere l’unico modo per distinguere le serie, perché il grafico deve restare comprensibile anche a chi ha difficoltà nella percezione cromatica.

• Mantieni una scala coerente quando confronti più grafici.
• Indica sempre l’unità di misura, come euro, migliaia o percentuale.
• Riduci le linee di griglia se competono con le colonne.
• Evita effetti 3D, ombre e gradienti che alterano la percezione delle altezze.
• Usa un formato numerico uniforme, per esempio 1.200 invece di alternare 1200 e 1,2k.

Un dettaglio spesso trascurato è la larghezza delle colonne. Se sono troppo strette, il grafico sembra più drammatico e le etichette si sovrappongono; se sono troppo larghe, le categorie appaiono quasi fuse. Io controllo sempre il risultato nella dimensione con cui verrà davvero pubblicato, soprattutto in una dashboard vista da smartphone.

Gli errori che cambiano il significato dei dati

L’errore più serio è usare un grafico a colonne per dati che non sono confrontabili. Mettere nello stesso asse vendite in euro e percentuale di soddisfazione produce una lettura ambigua. In quel caso serve separare le metriche oppure ricorrere a un grafico combinato con un secondo asse, spiegando chiaramente le due scale.

Un altro problema nasce dalle categorie troppo numerose. Con 50 prodotti, la colonna più alta non basta a raccontare il quadro. Puoi mostrare i primi 10, raggruppare le voci minori in “Altri” oppure usare una tabella filtrabile. Tagliare dati senza dichiararlo, invece, può creare una classifica distorta.

Fai attenzione anche ai valori mancanti. Uno zero significa che il fenomeno è stato misurato e vale zero; una cella vuota può significare che il dato non è disponibile. Confondere le due situazioni altera medie, totali e interpretazioni.

Infine, non confondere causa ed effetto. Una colonna più alta segnala una differenza, ma per spiegare quella differenza servono segmentazioni, indicatori aggiuntivi e conoscenza del processo aziendale. Il grafico è un punto di partenza per l’analisi, non l’analisi completa.

Un metodo pratico per scegliere la rappresentazione giusta

Prima di formattare colori e font, scrivo in una frase la domanda a cui il grafico deve rispondere. Se la domanda è “quale regione vende di più?”, uso colonne ordinate; se è “come cambia la quota dei canali nel tempo?”, valuto colonne 100% impilate; se è “come evolve il valore mese dopo mese?”, spesso preferisco una linea.

Controllo poi tre condizioni: categorie leggibili, unità omogenee e scala non fuorviante. Se una di queste manca, il problema non si risolve con un tema grafico più elegante.

Per un report direzionale terrei una sola evidenza principale, ad esempio la colonna del mese corrente, e aggiungerei un riferimento all’obiettivo. Una linea orizzontale a quota 150 può mostrare il target senza introdurre una seconda serie visivamente pesante.

Prima della pubblicazione faccio un test semplice: mostro il grafico a una persona che non ha seguito l’analisi e le chiedo quale messaggio ricava. Se risponde con un’interpretazione diversa da quella prevista, il grafico va ripensato. La chiarezza percepita dal lettore conta più delle intenzioni di chi lo ha creato.

Dal confronto visivo a una decisione migliore

Un buon grafico a colonne non deve contenere tutto. Deve isolare un confronto, rendere visibili le differenze rilevanti e lasciare al lettore un’indicazione concreta su cosa approfondire.

Il mio approccio è partire dai dati ordinati, scegliere la variante in base alla domanda e verificare scala, unità e categorie prima di curare l’estetica. Con queste regole, anche un foglio Excel o Google Fogli può diventare una visualizzazione utile per discutere risultati, individuare anomalie e prendere decisioni con maggiore consapevolezza.

Quando un report deve evidenziare i prodotti più venduti, i clienti più redditizi o le categorie che generano maggiore margine, mostrare l’intero dataset spesso nasconde ciò che conta davvero. In DAX, la funzione TOPN permette di selezionare dinamicamente i primi N elementi, rispettando filtri, slicer e contesto del report Power BI. Vediamo come funziona, come trasformare il risultato in una misura utile e quali errori evitare.

Che cosa restituisce davvero TOPN in DAX

TOPN seleziona le prime righe di una tabella in base a un valore di ordinamento. La tabella può essere una tabella del modello, una tabella filtrata oppure una tabella costruita al volo con funzioni come FILTER, SUMMARIZE o ADDCOLUMNS.

Il punto che crea più confusione è questo: TOPN restituisce una tabella, non un numero. Per questo non posso inserirla direttamente in una scheda che si aspetta una misura numerica. Devo prima aggregare le righe selezionate oppure usarle come filtro per un’altra misura.

TOPN(
    ,
    ,
    ,
    []
)


  

    

      
Parametro
      
Funzione
    
    

      
N_Value
      
Numero di righe da selezionare. Se è pari o inferiore a 0, il risultato è una tabella vuota.
    
    

      
Table
      
Insieme di dati dal quale estrarre gli elementi migliori.
    
    

      
OrderBy_Expression
      
Colonna, misura o espressione usata per stabilire l’ordine.
    
    

      
Order
      
DESC o 0 per l’ordine decrescente, ASC o 1 per quello crescente.
    
  


Se ometto l’ultimo parametro, l’ordinamento è decrescente. La documentazione di Microsoft Learn chiarisce anche un dettaglio importante: la funzione non garantisce l’ordine finale delle righe restituite. Quindi il visual deve essere ordinato separatamente.

Come creare una misura per i primi prodotti venduti

Immaginiamo un modello con una tabella Vendite, una dimensione Prodotto e una relazione corretta tra le due. La misura di base può essere molto semplice:

Totale vendite =
SUM('Vendite'[Importo])

Per sommare soltanto le vendite dei primi 10 prodotti uso una variabile tabellare e poi applico il filtro alla misura. In questo modo il calcolo resta leggibile e risponde correttamente alle selezioni del report.

Vendite top 10 prodotti =
VAR TopProducts =
    TOPN(
        10,
        ALLSELECTED('Prodotto'[Nome prodotto]),
        [Totale vendite], DESC,
        'Prodotto'[Nome prodotto], ASC
    )
RETURN
    CALCULATE(
        [Totale vendite],
        KEEPFILTERS(TopProducts)
    )

ALLSELECTED conserva i filtri esterni applicati dall’utente, per esempio anno, regione o canale di vendita. Se seleziono il 2026 e la regione Lazio, la classifica viene calcolata dentro quel perimetro, non sull’intero database.

Il secondo criterio, basato sul nome del prodotto, funziona da spareggio. Senza di esso, dieci prodotti con lo stesso valore al limite potrebbero produrre un risultato più ampio oppure una selezione non prevedibile. Se il nome non è univoco, è preferibile usare un codice prodotto univoco come criterio secondario.

Quando serve SUMX

In alcuni casi costruisco una tabella virtuale che contiene già il valore calcolato per ogni elemento. Qui SUMX attraversa le righe della tabella e somma il risultato dell’espressione.

Vendite top 10 con SUMX =
VAR TabellaProdotti =
    ADDCOLUMNS(
        ALLSELECTED('Prodotto'[Nome prodotto]),
        "@Vendite", [Totale vendite]
    )
VAR TopProducts =
    TOPN(
        10,
        TabellaProdotti,
        [@Vendite], DESC,
        'Prodotto'[Nome prodotto], ASC
    )
RETURN
    SUMX(TopProducts, [@Vendite])

Preferisco questo schema quando devo riutilizzare il valore calcolato in più passaggi, per esempio per costruire una quota, un confronto o un’analisi cumulativa. Per una misura semplice, invece, CALCULATE con KEEPFILTERS è spesso più immediato.

Come rendere il numero di elementi dinamico

Un valore fisso come 10 va bene per una prima analisi, ma nei dashboard reali è più utile lasciare all’utente la scelta tra 5, 10, 20 o altri valori. Per farlo creo una tabella disconnessa con GENERATESERIES.

N Top =
GENERATESERIES(3, 20, 1)

La tabella produce i numeri da 3 a 20 con incremento di 1. Dopo aver aggiunto la colonna Value a uno slicer, creo la misura che legge la selezione e usa 10 come valore predefinito.

Numero selezionato =
SELECTEDVALUE('N Top'[Value], 10)

A questo punto la misura diventa completamente flessibile:

Vendite top N =
VAR NumeroTop = [Numero selezionato]
VAR TopProducts =
    TOPN(
        NumeroTop,
        ALLSELECTED('Prodotto'[Nome prodotto]),
        [Totale vendite], DESC,
        'Prodotto'[Nome prodotto], ASC
    )
RETURN
    CALCULATE(
        [Totale vendite],
        KEEPFILTERS(TopProducts)
    )

Questa soluzione è utile quando il report deve servire pubblici diversi. Un responsabile commerciale può concentrarsi sui primi 5 prodotti, mentre un analista può allargare la vista ai primi 20 senza modificare la formula.

Calcolare la quota generata dai primi N

La selezione diventa ancora più interessante quando la confronto con il totale del perimetro scelto. La misura seguente mostra quale percentuale delle vendite arriva dai prodotti migliori.

Quota vendite top N =
DIVIDE(
    [Vendite top N],
    CALCULATE(
        [Totale vendite],
        ALLSELECTED('Prodotto'[Nome prodotto])
    )
)

Se il risultato è 0,68, significa che i prodotti selezionati generano il 68% delle vendite nel contesto attivo. È un dato molto più utile di una semplice lista, perché aiuta a capire la concentrazione del fatturato.

TOPN, RANKX e filtro Top N del visual

Queste tre soluzioni vengono spesso confuse, ma rispondono a esigenze diverse. La scelta corretta dipende dal fatto che io voglia ottenere una tabella, una posizione numerica oppure solo filtrare un grafico.


  

    

      
Soluzione
      
Restituisce
      
Quando usarla
    
    

      
TOPN
      
Una tabella di elementi selezionati
      
Per calcolare totali, quote e analisi sui primi N valori.
    
    

      
RANKX
      
Un numero che rappresenta la posizione
      
Per mostrare il ranking di ogni prodotto in una tabella o matrice.
    
    

      
Filtro Top N del visual
      
Un filtro applicato a un singolo elemento grafico
      
Per una configurazione rapida senza creare una misura dedicata.
    
  


Una misura di posizione con RANKX può essere scritta così:

Posizione prodotto =
RANKX(
    ALLSELECTED('Prodotto'[Nome prodotto]),
    [Totale vendite],
    ,
    DESC,
    DENSE
)

RANKX assegna una posizione, ma da solo non calcola il totale dei primi prodotti. Se due articoli hanno lo stesso valore, la modalità DENSE assegna loro la stessa posizione senza lasciare buchi nella sequenza. Per un totale aggregato, TOPN resta generalmente più adatto.

Il filtro Top N disponibile nel riquadro dei filtri è pratico per un grafico isolato. Io lo uso per prototipi veloci, ma per una logica riutilizzabile preferisco DAX, perché una misura può alimentare card, tooltip, KPI e calcoli di incidenza nello stesso report.

Gli errori che alterano la classifica

Usare ALL quando servirebbe ALLSELECTED

Con ALL rimuovo i filtri dalla colonna o dalla tabella indicata. È corretto se voglio una classifica globale, ma può sorprendere chi sta analizzando un singolo anno o una sola area geografica. Con ALLSELECTED mantengo invece il perimetro scelto dagli utenti tramite slicer e filtri esterni.

Restituire direttamente una tabella da una misura

Una misura deve produrre un valore scalare. Se assegno direttamente il risultato della funzione a una misura, Power BI restituisce un errore o non può valutare l’espressione nel modo atteso. Devo usare CALCULATE, SUMX, COUNTX o un’altra funzione che trasformi la tabella in un risultato numerico.

Dimenticare i valori BLANK

Prodotti senza vendite possono entrare nella tabella di valutazione se il modello o la misura li restituisce come vuoti. Quando questo crea classifiche poco utili, filtro la tabella prima di applicare TOPN.

VAR ProdottiConVendite =
    FILTER(
        ALLSELECTED('Prodotto'[Nome prodotto]),
        NOT ISBLANK([Totale vendite])
    )

La gestione dei vuoti dipende dall’obiettivo. In una classifica commerciale voglio quasi sempre escluderli, mentre in un controllo di copertura del catalogo potrebbero essere proprio il dato da mettere in evidenza.

Confondere selezione e ordinamento

L’ordine scritto nella formula serve a decidere quali righe entrano nel risultato, ma non obbliga una tabella o un grafico a visualizzarle nello stesso ordine. Dopo aver creato il visual, lo ordino esplicitamente per Totale vendite decrescente o per la misura di ranking.

Leggi anche: Esempi di Power BI e DAX per decisioni aziendali migliori
Applicare la funzione alla tabella sbagliata

Calcolare una classifica direttamente su milioni di righe della tabella dei fatti può aumentare inutilmente il lavoro del motore. Di solito ottengo risultati migliori applicando la selezione alla dimensione prodotto, cliente o categoria, usando poi la misura per valutare ogni elemento.

La qualità del modello conta più di una formula sofisticata. Relazioni corrette, schema a stella e misure riutilizzabili rendono la classifica più veloce e molto più facile da controllare.

Come scegliere una classifica affidabile nel report

Per un’analisi interattiva uso una tabella disconnessa per il numero di elementi, ALLSELECTED per rispettare le selezioni e un criterio secondario per gestire i pareggi. Questa combinazione copre la maggior parte dei casi pratici senza complicare inutilmente il modello.

Se invece devo mostrare soltanto i prodotti migliori in un grafico, il filtro Top N del visual può essere sufficiente. La differenza emerge quando il risultato deve alimentare altri indicatori, come la quota sul totale, il margine cumulativo o un confronto tra periodi.

Il mio controllo finale è sempre semplice: provo un filtro su anno, area e categoria, verifico il comportamento dei pareggi e confronto il totale dei primi N con il totale generale. Se questi tre test restituiscono risultati coerenti, la misura è pronta per entrare nel report.

Quando un foglio Excel cresce fino a diventare difficile da aggiornare, il problema non è quasi mai Excel in sé, ma il modo in cui dati, formule e report sono stati organizzati. L’integrazione tra Excel e Power BI permette di conservare la flessibilità del foglio di calcolo e aggiungere un modello dati più solido, aggiornamenti controllati e analisi dinamiche con DAX.

Excel e Power BI non fanno lo stesso lavoro

Il confronto tra i due strumenti non dovrebbe partire dalla domanda “qual è il migliore?”. Io li considero piuttosto due livelli dello stesso processo. Excel è un laboratorio dove analizzare, correggere e simulare; Power BI è l’ambiente in cui trasformare quell’analisi in un sistema ripetibile e condiviso.

Excel resta spesso la scelta migliore quando devo verificare un’ipotesi, costruire un budget o fare una simulazione veloce. Quando però il file viene copiato ogni mese, contiene formule diverse per ogni reparto e produce numeri non sempre coerenti, Power BI porta un vantaggio concreto: una sola definizione degli indicatori per tutti.

Quando conviene restare in Excel

Un file ben progettato può essere più che sufficiente per un piccolo team, soprattutto se i dati sono limitati e il report viene usato da una o due persone. Per una previsione finanziaria modificata manualmente, Excel offre una libertà che un modello BI più strutturato può rendere meno immediata.

Il limite arriva quando il foglio diventa un’applicazione non documentata. Se nessuno sa quale formula alimenta il margine o quale copia contiene l’ultimo aggiornamento, il rischio non è estetico, ma gestionale.

Quando Power BI cambia davvero il risultato

Power BI ha più senso quando servono dati provenienti da più fonti, aggiornamenti ricorrenti, accessi differenziati o una lettura comune per vendite, finanza e direzione. In questi casi il valore non sta soltanto nei grafici, ma nella possibilità di separare acquisizione, trasformazione, modello e visualizzazione.

Tre modi pratici per integrare Excel e Power BI

Non esiste un solo tipo di collegamento. La scelta dipende da dove vuoi che viva la logica principale: nel file Excel, nel modello Power BI oppure in entrambi con ruoli ben distinti.

Importare un file Excel in Power BI

È il percorso più semplice. Da Power BI Desktop puoi usare un file Excel come origine, selezionare tabelle o intervalli e trasformare i dati con Power Query, lo strumento usato per pulire e preparare le informazioni prima del caricamento.

1. Organizza i dati in tabelle Excel strutturate, evitando intervalli disordinati.
2. Assicurati che le colonne abbiano tipi coerenti, soprattutto date, importi e codici.
3. Importa il file in Power BI Desktop.
4. Applica le trasformazioni in Power Query.
5. Costruisci relazioni e misure DAX nel modello.
6. Pubblica il report e definisci il processo di aggiornamento.

Questo approccio è adatto quando Excel è il punto di partenza, ma non dovrebbe diventare una scusa per mantenere tutta la logica dentro il foglio. Io preferisco lasciare in Excel i dati operativi e spostare in Power BI le trasformazioni ripetitive e le metriche ufficiali.

Analizzare in Excel un modello Power BI

Il percorso inverso è spesso sottovalutato. Da Excel puoi collegarti a un modello semantico Power BI tramite una connessione live e usare tabelle pivot o tabelle collegate, mantenendo la capacità di esplorazione tipica del foglio.

In pratica, il modello, le relazioni e le misure restano governati in Power BI, mentre Excel diventa l’interfaccia preferita per chi deve filtrare, ordinare o preparare una lettura personalizzata. Microsoft indica questa modalità come un modo per combinare analisi familiare in Excel e sicurezza del modello Power BI.

La connessione live richiede però permessi corretti e un ambiente compatibile. Inoltre, chi lavora in Excel non ha la stessa libertà di chi modifica il modello in Power BI: le misure ufficiali vengono usate, non reinventate ogni volta.

Pubblicare un workbook nel servizio Power BI

Le modalità di pubblicazione dei file Excel sono cambiate. Nelle versioni recenti di Microsoft 365, la funzione “Pubblica in Power BI” è indicata come deprecata e non è inclusa in Excel 2024 perpetuo. Per i nuovi progetti conviene quindi importare il file nel servizio, usare OneDrive o SharePoint quando serve un file collegato, oppure esportare il modello Excel in un modello semantico Power BI.

La distinzione è importante perché un file caricato e un modello collegato non hanno lo stesso comportamento. Prima di scegliere, verifico sempre dove risiede il file, chi lo modifica e come deve avvenire il refresh, cioè l’aggiornamento dei dati.

DAX è il punto di contatto tra Power BI e Power Pivot

Misure e colonne calcolate non sono intercambiabili

Una misura viene calcolata quando serve e cambia in base a filtri, segmentazioni e righe del report. Una colonna calcolata, invece, produce un valore per ogni riga della tabella e lo conserva nel modello dopo il caricamento o l’aggiornamento.

Per una metrica come il fatturato totale, partirei da una misura:

Vendite totali = SUM(Vendite[Importo])

La misura non restituisce un numero fisso. In una matrice per regione mostrerà il totale di ogni regione; filtrando il mese, ricalcolerà il risultato per quel periodo. È questo comportamento dinamico che spesso manca nei file Excel costruiti con formule sparse.

Il contesto di filtro è la vera difficoltà

Il concetto più importante di DAX è il contesto. La stessa misura può produrre risultati diversi perché il report sta mostrando un anno, un cliente o una categoria specifica. Quando una formula sembra corretta ma restituisce valori inattesi, io controllo prima relazioni, filtri e granularità, non la funzione usata.

Per confrontare le vendite con lo stesso periodo dell’anno precedente, una misura può essere scritta così:

Vendite anno precedente =
CALCULATE(
    [Vendite totali],
    SAMEPERIODLASTYEAR(Calendario[Data])
)

Da qui si può calcolare la variazione percentuale:

Variazione percentuale =
DIVIDE(
    [Vendite totali] - [Vendite anno precedente],
    [Vendite anno precedente]
)

La funzione DIVIDE è preferibile a una divisione diretta perché gestisce meglio i casi in cui il denominatore è vuoto o uguale a zero. In italiano, il separatore degli argomenti può dipendere dalle impostazioni locali, quindi in alcuni ambienti sarà necessario sostituire le virgole con il punto e virgola.

Un flusso di lavoro efficace parte dal modello

Il passaggio da Excel a Power BI non dovrebbe iniziare dal grafico più appariscente. Inizio sempre dalla domanda aziendale, poi verifico quali dati servono, con quale frequenza devono essere aggiornati e chi sarà responsabile della loro qualità.

Un esempio con le vendite

Immagina un’azienda italiana che raccoglie ordini da Excel, prezzi da un gestionale e obiettivi commerciali da un altro file. Un report Power BI utile non dovrebbe limitarsi a sommare l’importo degli ordini, ma dovrebbe rispondere a domande come:

• Quali regioni hanno superato l’obiettivo?
• Quali clienti hanno ridotto gli acquisti?
• Quanto margine produce ogni categoria?
• La crescita dipende da più volumi o da prezzi medi più alti?

La sequenza che consiglio

1. Preparare i dati con Power Query, eliminando duplicati e colonne inutili.
2. Creare una tabella calendario completa e collegata alle date degli ordini.
3. Definire le relazioni con cardinalità e direzione dei filtri coerenti.
4. Creare misure DAX per gli indicatori che devono essere condivisi.
5. Progettare il report partendo dalle decisioni da supportare.
6. Verificare i numeri confrontandoli con una fonte Excel controllata.

Il confronto con Excel rimane utile anche dopo la pubblicazione. Non lo uso per duplicare il modello, ma come controllo indipendente su un campione di dati. Se il totale Power BI e quello verificato in Excel divergono, fermo il rilascio e cerco la causa prima che il numero arrivi alla direzione.

Gli errori che rendono fragile l’integrazione

Usare intervalli liberi invece di tabelle

Un intervallo che cambia dimensione, contiene righe vuote o mescola totali e dati grezzi è una fonte frequente di problemi. In Excel conviene trasformare l’origine in una tabella con intestazioni univoche e senza formule decorative. Power BI importa meglio una struttura semplice e prevedibile.

Duplicare le stesse metriche in più file

Se ogni reparto calcola il margine con una formula diversa, la connessione tecnica tra strumenti non risolve il problema. Serve una definizione condivisa, documentata in una misura DAX o in una regola di trasformazione. La governance delle metriche conta più del numero di visualizzazioni presenti nel report.

Confondere aggiornamento del file e aggiornamento del modello

Modificare un file Excel locale non significa necessariamente aggiornare il modello pubblicato. Il risultato dipende dal tipo di collegamento, dalla posizione del file, dalle credenziali e dalla configurazione del refresh. Prima di consegnare un report, eseguo sempre un aggiornamento completo e controllo la data dell’ultimo caricamento.

Creare troppe colonne calcolate

Leggi anche: IF in Power BI con DAX - misure, colonne ed errori da evitare

Ignorare permessi e dati sensibili

Un report con informazioni su clienti, stipendi o marginalità richiede regole di accesso adeguate. Power BI supporta la sicurezza a livello di riga, ma deve essere progettata e testata con utenti reali. Un filtro visivo non è una misura di sicurezza: nasconde dati nella pagina, ma non sostituisce le autorizzazioni del modello.

La scelta migliore dipende dal punto in cui vuoi controllare il dato

Se devi fare una simulazione personale o lavorare su un budget ancora in discussione, Excel resta probabilmente la soluzione più rapida. Se invece il dato deve essere aggiornato, condiviso e interpretato nello stesso modo da più persone, il modello dovrebbe vivere in Power BI.

La combinazione più solida è spesso questa: Excel per l’input e le analisi esplorative, Power Query per la preparazione, Power BI per il modello e DAX per gli indicatori ufficiali. In questo modo non si perde la praticità del foglio, ma si riduce la dipendenza da copie, formule nascoste e numeri non verificabili.

Il vero salto di qualità non arriva dal passaggio a uno strumento più moderno, ma dalla decisione di trattare i dati come un sistema. Quando tabelle, relazioni, misure e responsabilità sono chiari, Excel e Power BI smettono di competere e diventano due interfacce efficaci dello stesso processo analitico.