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.
La nuvola di punti aiuta a trasformare i dati in una relazione leggibile
- Scopo: confrontare due variabili numeriche e individuare relazioni, gruppi e anomalie.
- Assi: la variabile esplicativa va di solito sull’asse X, quella da osservare sull’asse Y.
- Correlazione: una tendenza crescente o decrescente non dimostra automaticamente un rapporto di causa-effetto.
- Linea di tendenza: è utile per sintetizzare il modello, ma va letta insieme alla dispersione dei punti.
- Buona pratica: etichette chiare, scale coerenti, colori sobri e controllo degli outlier rendono il grafico più affidabile.
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.
| Forma osservata | Possibile interpretazione | Attenzione |
|---|---|---|
| Punti vicini a una retta crescente | Relazione positiva relativamente forte | Non implica causalità |
| Punti vicini a una retta decrescente | Relazione negativa | Controllare la presenza di gruppi nascosti |
| Punti molto dispersi | Relazione debole o variabilità elevata | Una media potrebbe essere fuorviante |
| Forma curva | Relazione non lineare | Una retta di regressione può semplificare troppo |
| Punti concentrati in gruppi | Segmenti o comportamenti differenti | Analizzare i gruppi separatamente |
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.
La regressione aggiunge un modello che cerca di descrivere o stimare il comportamento della variabile Y in funzione di X. La linea di tendenza è utile quando voglio fare una prima previsione, ma non deve coprire la struttura reale dei dati. Se i punti formano una curva o appartengono a gruppi diversi, una singola retta può dare un’immagine troppo rassicurante.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
Per creare una visualizzazione utile parto sempre dalla domanda, non dal tipo di grafico. “La spesa media aumenta con il numero di ordini?” è una domanda adatta. “Qual è l’andamento mensile delle vendite?” richiede invece più probabilmente un grafico a linee.- Definisci le due variabili. Scegli misure numeriche confrontabili, come prezzo e quantità venduta.
- Prepara i dati. Ogni riga deve rappresentare un’osservazione coerente e non una somma ottenuta casualmente.
- Assegna gli assi. Metti X come variabile esplicativa e Y come risultato o misura da analizzare.
- Controlla le scale. Usa intervalli leggibili e unità indicate chiaramente.
- Osserva la distribuzione. Cerca direzione, concentrazione, gruppi, curve e punti isolati.
- 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
| Obiettivo | Grafico più adatto |
|---|---|
| Seguire un valore nel tempo | Grafico a linee |
| Confrontare categorie | Grafico a barre |
| Studiare la distribuzione di una variabile | Istogramma o box plot |
| Esplorare la relazione tra due misure | Grafico a dispersione |
| Confrontare molte coppie di variabili | Matrice di grafici a dispersione |
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.
