Due campagne possono avere la stessa media delle vendite, ma una può essere molto più imprevedibile dell’altra. Capire la varianza e la deviazione standard aiuta a misurare proprio questa differenza, trasformando un semplice KPI in una lettura più realistica del rischio, della qualità e della stabilità dei dati.
Le idee essenziali per leggere correttamente la dispersione
- La varianza misura quanto i valori si allontanano mediamente dalla media, usando gli scarti al quadrato.
- La deviazione standard è la radice quadrata della varianza e mantiene la stessa unità di misura dei dati.
- Per una popolazione completa si divide per N, mentre per un campione si usa N - 1.
- Una deviazione standard bassa indica maggiore stabilità, ma non significa automaticamente che il KPI sia buono.
- Con dati asimmetrici o pieni di valori estremi conviene affiancare mediana, percentili e intervallo interquartile.
Che cosa raccontano davvero questi due indicatori
La media dice dove si trova il centro dei dati, ma non racconta quanto i valori siano concentrati attorno a quel centro. La varianza quantifica la dispersione calcolando la media degli scarti dalla media elevati al quadrato.
La deviazione standard, chiamata anche scarto quadratico medio, è la radice quadrata della varianza. La uso più spesso nei report perché è espressa nella stessa unità dei dati: se analizzo tempi in minuti, ottengo una deviazione standard in minuti; se analizzo ricavi in euro, il risultato è in euro.| Misura | Che cosa indica | Unità di misura | Uso pratico |
|---|---|---|---|
| Varianza | Dispersione basata sugli scarti al quadrato | Unità al quadrato | Analisi matematiche e modelli statistici |
| Deviazione standard | Distanza tipica dei valori dalla media | Uguale ai dati originali | Report, KPI e confronto operativo |
Immaginiamo due team con un tempo medio di risposta di 30 minuti. Nel primo, quasi tutte le risposte arrivano tra 28 e 32 minuti. Nel secondo, alcune arrivano in 10 minuti e altre dopo un’ora. La media è identica, ma la deviazione standard del secondo team sarà molto più alta. Per prendere decisioni operative, questa informazione spesso conta più della media stessa.
Come si calcolano con un esempio semplice
Prendiamo il piccolo insieme di dati 8, 10, 10, 12, 15. La media è 11. Per ogni valore calcoliamo lo scarto dalla media, lo eleviamo al quadrato e sommiamo i risultati.
| Valore | Scarto dalla media | Scarto al quadrato |
|---|---|---|
| 8 | -3 | 9 |
| 10 | -1 | 1 |
| 10 | -1 | 1 |
| 12 | 1 | 1 |
| 15 | 4 | 16 |
La somma degli scarti quadratici è 28. Se questi cinque valori rappresentano l’intera popolazione analizzata, la varianza è 28 / 5 = 5,6 e la deviazione standard è circa 2,37.
Se invece i cinque valori sono un campione estratto da una popolazione più ampia, dividiamo per n - 1, quindi per 4. La varianza campionaria diventa 7 e la deviazione standard circa 2,65.
Popolazione e campione non sono la stessa cosa
Questa distinzione è uno degli errori più frequenti nei fogli di calcolo. Uso la formula della popolazione quando possiedo tutti i casi che mi interessano, per esempio gli ordini di un intero mese già concluso. Uso quella campionaria quando osservo solo una parte dei casi e voglio stimare la variabilità dell’insieme più grande.
In forma compatta, le formule sono queste:
-
σ² = Σ(xᵢ - μ)² / Nper la varianza della popolazione; -
s² = Σ(xᵢ - x̄)² / (n - 1)per la varianza del campione; -
deviazione standard = √varianza.
Il denominatore n - 1 corregge la tendenza del campione a sottostimare la variabilità reale. Non è un dettaglio estetico: con pochi dati, scegliere la formula sbagliata può cambiare sensibilmente il risultato.
Quale misura usare per leggere un KPI
Nei dashboard la deviazione standard è utile quando voglio capire se un risultato è stabile o dipende da oscillazioni difficili da prevedere. Un KPI con media elevata ma dispersione altrettanto elevata può essere meno affidabile di un KPI leggermente più basso, ma molto costante.
Consideriamo due canali di vendita:
| Canale | Vendite medie giornaliere | Deviazione standard | Lettura |
|---|---|---|---|
| A | 100 ordini | 5 | Risultato stabile |
| B | 120 ordini | 35 | Media più alta, ma forte instabilità |
Il canale B sembra migliore se guardiamo solo alla media. Se però la pianificazione del magazzino richiede prevedibilità, il canale A può essere più facile da gestire. La dispersione aggiunge la dimensione della fiducia al semplice valore medio.
Il coefficiente di variazione per confrontare scale diverse
Quando confronto KPI con grandezze diverse, guardo anche il coefficiente di variazione, calcolato come deviazione standard divisa per la media e spesso espresso in percentuale.
Un processo con media 100 e deviazione standard 5 ha un coefficiente di variazione del 5%. Un altro con media 10 e deviazione standard 3 arriva al 30%. Il secondo è quindi molto più variabile in rapporto alla propria scala, anche se la sua deviazione standard assoluta è più piccola.
Il confronto funziona bene con valori positivi e medie lontane da zero. Diventa poco affidabile quando la media è prossima a zero o quando i dati includono valori positivi e negativi. In quei casi preferisco usare differenze assolute, percentili o indicatori specifici del processo.
Non confondere deviazione standard ed errore standard
La deviazione standard descrive quanto variano le singole osservazioni. L’errore standard descrive invece quanto è incerta la stima della media e, in molti casi, si calcola come deviazione standard divisa per la radice quadrata della numerosità campionaria.
Un campione grande può avere una deviazione standard elevata ma un errore standard relativamente contenuto. Usare il secondo al posto del primo in un dashboard operativo porta a una lettura sbagliata della variabilità reale.
Dove l’interpretazione può ingannare
La varianza dà molto peso ai valori lontani dalla media perché gli scarti vengono elevati al quadrato. Un singolo valore estremo può quindi aumentare rapidamente il risultato. Se analizzo i tempi di consegna e un ordine eccezionale passa da 2 a 40 giorni, la deviazione standard potrebbe descrivere più quell’anomalia che il comportamento abituale.
Per questo controllo sempre anche mediana, primo e terzo quartile, minimo, massimo e percentile 90 o 95. L’intervallo interquartile, cioè la distanza tra il terzo e il primo quartile, è spesso più resistente ai valori anomali.La regola del 68% non vale sempre
In una distribuzione approssimativamente normale, circa il 68% dei valori cade entro una deviazione standard dalla media e circa il 95% entro due. Questa regola è utile, ma non va applicata automaticamente a vendite, tempi di risposta o visite web, che spesso hanno distribuzioni asimmetriche.
Se i dati hanno una lunga coda verso destra, la media può essere trascinata verso l’alto e la deviazione standard può diventare difficile da interpretare. In quel caso una frase come “il valore tipico è media più o meno una deviazione standard” rischia di essere fuorviante.
Leggi anche: Come calcolare le ore lavorative giornaliere senza errori
La segmentazione cambia il significato del numero
Una deviazione standard calcolata su clienti, regioni o prodotti molto diversi può mescolare processi distinti. Prima di concludere che un KPI è instabile, verifico se l’oscillazione nasce da stagionalità, canale, area geografica o tipo di cliente.
La dispersione aggregata può nascondere gruppi molto omogenei al loro interno. Dividere il dato in segmenti coerenti spesso spiega più della ricerca di una formula statistica sempre più sofisticata.
Come portarli in Excel e in una dashboard
In Excel, per una popolazione completa si possono usare VAR.P e DEV.ST.P. Per un campione si usano VAR.C e DEV.ST.C. Le vecchie funzioni compatibili, come VAR e DEV.ST, sono ancora disponibili in molte versioni, ma nelle analisi nuove preferisco indicare esplicitamente se sto lavorando su una popolazione o su un campione.
Se i dati sono nelle celle da B2 a B101, un esempio pratico è:-
=MEDIA(B2:B101)per la media; -
=VAR.P(B2:B101)per la varianza della popolazione; -
=DEV.ST.P(B2:B101)per la deviazione standard della popolazione; -
=DEV.ST.C(B2:B101)per la deviazione standard campionaria.
Prima di inserire il risultato nel report, seguo una sequenza semplice:
- Definisco con precisione il KPI e l’unità di misura.
- Decido se i dati sono una popolazione completa o un campione.
- Controllo valori mancanti, duplicati e anomalie evidenti.
- Affianco media, deviazione standard e almeno un indicatore robusto come la mediana.
- Segmento il risultato per periodo, canale o categoria quando l’aggregazione confonde fenomeni diversi.
In una dashboard non mostrerei mai una deviazione standard senza il relativo contesto. Un valore di 4 minuti può essere eccellente per un processo con media di 60 minuti, ma problematico per uno con media di 5 minuti. Il numero acquista significato solo insieme alla scala, al periodo e all’obiettivo operativo.
La regola pratica per decidere senza fermarsi alla media
Quando leggo un KPI, parto dalla media per capire il livello del risultato, poi guardo la deviazione standard per misurarne la stabilità. Se la distribuzione è asimmetrica o contiene valori estremi, aggiungo mediana e percentili prima di formulare una conclusione.
La domanda più utile non è quindi “qual è la deviazione standard?”, ma “quanto posso fidarmi di questo valore medio nelle condizioni reali?” È questo passaggio che trasforma una formula di statistica descrittiva in uno strumento concreto per pianificare risorse, individuare problemi e prendere decisioni basate sui dati.
