Advertise on podcast: Dai dati alla Business Intelligence

In questa puntata del podcast Dai Dati alla Business Intelligence, ospito Gianluca Comandini per parlare di un tema che sembra “da Serie A”, ma che può fare la differenza anche nelle categorie più basse: football data analytics e dati nel calcio. Partiamo da una storia concreta (e sorprendente): il progetto Vesta Calcio, nato come squadra di parrocchia e trasformato con un approccio “da startup” in una realtà in rapida crescita, tra promozioni, community e innovazione. Con Comandini entriamo davvero dietro le quinte per capire come si costruisce un vantaggio competitivo applicando AI e dati nel calcio dilettantistico, con strumenti e metodi che spesso si associano solo al professionismo. Parliamo di come raccogliere dati sul campo con IoT, GPS, parastinchi intelligenti, pettorine GPS, video analysis e computer vision (camera 360° + intelligenza artificiale), e di come questi dati diventano decisioni utili per lo staff tecnico: dalla prevenzione infortuni alla gestione dei carichi, dal miglioramento delle prestazioni alla lettura delle differenze tra allenamento e partita, fino alla scelta dei ruoli e alla preparazione delle gare. Approfondiamo anche la parte più “matematica” del gioco: metriche calcistiche, KPI calcistici, dati di posizione e dati evento, fino ai concetti di probabilità e expected goals (xG). Il punto non è “fare report”, ma usare i dati come processo continuo: analisi, feedback, correzioni, test. In pratica: una versione reale di Football Manager, dove numeri e campo si incontrano davvero. Non manca il tema che conosci bene anche nel mondo aziendale: la cultura data driven. Comandini racconta le resistenze tipiche di staff e giocatori (“calcio di strada” vs dati), e come si supera lo scetticismo trasformando i numeri in motivazione, comunicazione e persino contenuti social. A proposito di social: parliamo anche di Twitch e streaming delle partite, e di come l’innovazione “dal basso” possa spostare gli standard (anche quando poi arriva la regolamentazione). Infine tocchiamo la visione: creare una piattaforma proprietaria (Vesta Lab) per integrare le diverse fonti, rendere i dati leggibili per allenatori e match analyst, e costruire un modello sostenibile basato su tre pilastri: tifosi, tecnologia e bilancio in pareggio (gestione, pianificazione, Excel e controllo dei costi… sì, anche il toner della stampante 😄). 00:00 — Calcio + dati: questa puntata è speciale00:59 — Chi è Comandini e perché parla di calcio03:46 — Vesta Calcio: dalla parrocchia alla scalata04:47 — I risultati in 4 anni: promozioni, stadio, settore giovanile, social06:17 — Tecnologia e cultura: perché nei dilettanti fa ancora più differenza12:35 — Football Data Analytics: strumenti e dati sul campo (IoT, GPS, AI, video)15:45 — Dati che cambiano tutto: motivazione, prevenzione infortuni, scelte tecniche21:59 — KPI e xG: quando il calcio diventa matematica (tipo Football Manager)39:04 — i 3 pilastri del Vesta Lab : piattaforma dati, tifosi, bilancio in pareggio

Hai pochi dati, quattro tabelle “semplici”… e scopri che non sono affatto semplici.In questa puntata entriamo davvero dietro le quinte di un progetto di data analytics reale e capiamo perché a un certo punto Excel e il database operativo non bastano più.Partiamo da un caso concreto e facciamo il passaggio chiave: dal dato transazionale al Data Warehouse, mettendo ordine tra pagamenti, abbonamenti, clienti, lead e “falsi amici” che rischiano di rovinare le analisi.In questa puntata vediamo: - perché il Data Warehouse è un collettore e non “un costo in più”- la differenza tra dato operativo e dato analitico (e perché separarli)- come introdurre storicizzazione e versioning dei dati-pagamenti annuali, mensili e a 0€: dove nascono gli errori-come iniziare a ragionare su KPI corretti (fatturato, clienti attivi, ARPU, durata)-perché le analisi non sono mai “una tantum”, ma un processo continuoNiente teoria per il gusto di farla: usiamo i dati per capire il business e prepararci alle analisi che verranno nelle prossime puntate.Se lavori con i dati, fai BI o stai cercando di rendere la tua azienda più data-driven, questa è una puntata che ti evita parecchi errori a valle.📌 Link utili- [Newsletter] Essere Data Driven: la verità che nessuno racconta: - [1° Video] Ho dato i miei dati REALI a un Data Analyst : - [Carosello]Perché serve un DWH per il progetto di Dietro le quinte: 00:00 – Perché questo progetto di data analytics00:56 – Cos’è davvero un Data Warehouse03:26 – Operativo vs analitico: perché separare i dati04:33 – La dimensione storica dei dati05:57 – Ok, ma chi lo paga? (il punto di vista del business)Quanto costa un DWH e quando ha senso investire davvero.07:41 – Architettura semplice vs complessa08:00 – Star Schema: fatti e dimensioni spiegati sul campoTabella dei fatti, dimensioni e perché il modello dati conta più delle query.11:34 – Entriamo nel caso reale: utenti, pagamenti, abbonamentiLe entità principali del progetto e perché gli abbonamenti sono “falsi amici”.13:34 – Pagamenti singoli, mensili, annuali e a 0€Doppioni, free trial e perché contare i clienti non è banale.15:10 – Quando un cliente è davvero un cliente?Lead, cliente, ex-cliente: la definizione dipende dall’analisi.17:03 – Abbonamenti annuali e RMR: il problema dello “spalmare”Un pagamento ≠ un mese: come simulare i flussi corretti per le analisi.18:27 – Dai dati semplici alla complessità realePerché ogni progetto dati diventa complesso entrando nel business.20:18 – Quali analisi vogliamo fare (prima le priorità)Fatturato, clienti attivi, ARPU e durata del cliente.21:54 – Effetto palestra e utilizzo delle lezioniPerché il dato finanziario da solo non basta.23:41 – Funnel marketing e CRMDa lead a cliente: dati mancanti e analisi di conversione.25:10 – L’analisi come processo, non come dashboardOgni analisi genera nuove domande (ed è normale).28:06 – Il Data Warehouse non è un costo, è un investimentoPerché abilita decisioni migliori, anche correttive.30:15 – Il vero lavoro del data analystSintetizzare complessità in messaggi chiari per decidere.31:23 – Data storytelling: parlare al cliente, non ai tecniciMeno righe di SQL, più messaggi utili.33:20 – Quanti dati servono davvero?50k righe vs milioni: quando Excel non basta più.34:39 – La scelta pragmatica: PostgresPerché partire semplice è spesso la scelta migliore.36:06 – Dal dato grezzo al modelloIngestion vs transformation: come iniziamo a costruire il DWH.38:38 – Più fatti, più dimensioniPagamenti, clienti, prodotti, tempo e abbonamenti.39:16 – Prossimi step del progettoTrasformazioni, modellazione e cosa vedremo nella prossima puntata.

In questo episodio del podcast "Dai dati alla Business Intelligence", ti presentiamo un estratto dal webinar “Excel e Power BI non bastano più – Cosa serve davvero ai CFO oggi”, parte del progetto Dati365. Sempre più spesso, i team finance si trovano a gestire processi complessi come il budgeting, le chiusure mensili e le analisi di scostamento usando strumenti come Excel, Power BI e SQL. Ma questi strumenti, per quanto diffusi, iniziano a mostrare i propri limiti quando si tratta di governance del dato, tracciabilità e affidabilità. In questa puntata vediamo alcune clip tratte dal webinar, in cui viene analizzato perché questi tool tradizionali non sono più sufficienti e come gli strumenti EPM (Enterprise Performance Management) possono fare la differenza, soprattutto in contesti aziendali strutturati. Tra i temi affrontati: Allocazione dei costi indiretti su centri di costo con regole e driver personalizzati Simulazioni multiple di scenari (budget, actual, forecast) Workflow approvati e tracciabili per ogni fase del processo Input guidati, controllo versioni e reporting parametrici Integrazione dati via ETL automatizzati per un modello centralizzato Questi strumenti aiutano i CFO e i controller a prendere decisioni migliori, basate su dati affidabili, replicabili e facilmente confrontabili. 🎓 Vuoi approfondire? Il webinar completo (1h di formazione) è disponibile al link:👉 https://dai-dati-alla-bi-393157.socialacademy.com/courses/webinar-excel-e-power-bi-non-bastano-piu-cosa-serve-davvero-ai-cfo-oggi/product_page

Come nasce davvero un progetto Data Driven (senza filtri, né teoria)Tutti parlano di aziende “data driven”. Ma cosa significa davvero esserlo? In questa puntata del podcast “Dai dati alla Business Intelligence”, insieme a Massimo Piras (Itauros), inauguriamo un progetto mai visto prima: un vero dietro le quinte, senza filtri, di un progetto reale di data analytics.Il progetto nasce da un’esigenza molto semplice: raccontare con onestà come funziona davvero un progetto di analisi dati, dall’interno, senza filtri, senza casi studio “perfetti”, senza teoria astratta.Ho deciso di documentare in tempo reale tutte le fasi di un progetto data driven, su un’azienda reale: Dati 365“Come sta andando la mia azienda?”Una domanda banale all’apparenza, ma in realtà estremamente complessa se non si ha:- una buona cultura del dato,- sistemi ben tracciati,- metriche definite,- processi strutturati.📋 Cosa succede in concreto nel progetto👉 Ho fornito a Massimo un set di dati reali (ma anonimizzati):pagamenti, abbonamenti, anagrafiche, dati di accesso alla piattaforma, ecc.👉 Massimo (e il suo team) analizzano questi dati da zero, senza alcun contesto o documentazione tecnica, come spesso avviene nella realtà.👉 Le conversazioni, i dubbi, gli scambi tra “cliente” e “consulente” vengono registrati, pubblicati e commentati pubblicamente: podcast, newsletter, contenuti social.👉 Ogni puntata del progetto mostra un pezzo del processo:Quali dati ci sono? Come sono messi?Cosa manca per rispondere alla domanda di business?Come si progetta una soluzione tecnica coerente?Quali metriche vanno costruite e perché?Come si crea una dashboard che serva davvero?Come si interpretano gli insight?Come si prendono decisioni migliori grazie ai dati? Perché è un progetto unicoNon c’è una trama scritta prima. Nessuno sa dove si arriverà.I problemi sono veri: dati sporchi, metriche ambigue, mancanza di processi.Le decisioni vengono prese in diretta, come succede davvero in azienda.Ogni fase è utile sia a chi lavora con i dati, sia a chi li deve usare per decidere.A chi è utileImprenditori e manager che vogliono capire se la loro azienda è davvero data drivenData analyst, BI specialist e data engineer che vogliono vedere come si traduce un bisogno aziendale in una soluzione tecnicaFormatori e studenti che vogliono un esempio pratico e reale di un progetto completoÈ il primo progetto italiano che mostra tutto il percorso, con le sue incertezze, scoperte, errori e compromessi.Perché essere “data driven” non è uno slogan. È un processo — lungo, concreto, faticoso — ma potentissimo.Oggi si inizia con il primo episodio! Un progetto divulgativo, didattico e profondamente concreto. La prima puntata di un percorso che ti porterà dentro ogni fase di un progetto dati: dalla domanda di business alla dashboard finale.🔔 Iscriviti al podcast e attiva le notifiche per non perdere i prossimi episodi di questa serie rivoluzionaria.[00:00:00] Introduzione e contesto[00:04:00] Inizio del progetto con Massimo Piras[00:06:20] Perché raccontare un progetto reale[00:08:00] I due estremi nei progetti dati[00:09:30] La scelta del caso studio: Dati 365[00:12:00] La domanda di partenza[00:14:30] L’importanza di fare domande “banali”[00:20:30] Le metriche da costruire (non solo fatturato)[00:27:00] Qualità e struttura dei dati[00:30:30] L’importanza della comprensione del business[00:33:30] Come nasce davvero un progetto di analisi[00:36:00] Cultura data driven e resistenze interne[00:38:30] Conclusioni e prossimi passi

Scopri come l’Intelligenza Artificiale può diventare un vero alleato per accelerare l’adoption dell’innovazione in azienda.Guarda il webinar completo (durata: 1 ora) In questo estratto del webinar di Dati 365, Fabiano e William, esperto di data analytics e AI, spiegano come passare dalla sperimentazione all’adozione reale di strumenti basati sull’intelligenza artificiale.Non basta creare modelli o dashboard: serve che le persone li usino e li comprendano.Attraverso esempi pratici e casi studio reali, il video mostra 5 modi concreti in cui l’AI accelera l’adoption aziendale: Prototipizzazione con AI – Creare prototipi rapidi (con strumenti come Claude AI) per testare e comunicare le innovazioni prima del rilascio ufficiale.Creazione di sistemi riutilizzabili – Passare dal semplice prompt all’automazione scalabile, generando soluzioni replicabiliData storytelling e insight azionabili – Usare l’AI per trasformare i dati in narrazioni comprensibili e KPI orientati all’azione.Strumenti AI no-code e framework collaborativi – Sfruttare piattaforme come Miro, Figma e Canva per creare dashboard e visualizzazioni intuitive, anche senza codice.Sicurezza e deploy locale AI – Garantire la tutela dei dati e la fiducia degli utenti, mantenendo controllo e trasparenza.Questo estratto affronta temi chiave per chi lavora nell’ambito data analytics, innovazione e digital transformation:Intelligenza Artificiale e AI adoptionPrototipizzazione con AI e Claude AIData storytelling e visualizzazione datiKPI, metriche e decisioni data-drivenStrumenti AI no-code e framework AIScraping dati con AI e deploy locale AIOgni punto è spiegato con esempi chiari e applicabili nel contesto aziendale, per mostrare come l’AI possa facilitare l’adozione, non sostituire le persone.🎓 Il webinar completo fa parte del percorso formativo di Dati 365, la prima academy italiana dedicata alla data analytics e all’uso strategico dell’Intelligenza Artificiale in azienda.Guarda l’intera registrazione qui:👉 https://dai-dati-alla-bi-393157.socialacademy.com/offers/webinar-adozione-ai/checkout00:00 – Introduzione: l’AI come alleato dell’adoption01:10 – Perché l’adoption è la sfida più difficile per le aziende02:50 – Dalla teoria alla pratica: il metodo di William04:15 – Prototipizzazione con AI: come trasformare un’idea in sistema06:00 – Claude AI e la creazione di soluzioni riutilizzabili07:35 – Data storytelling: dai KPI agli insight azionabili09:10 – Miro, Figma e altri strumenti AI no-code per collaborare10:50 – Scraping e data enrichment con AI: arricchire i dati in modo smart12:30 – Sicurezza dei dati e deploy locale AI: lavorare in modo responsabile14:10 – Analisi predittiva: come l’AI aiuta le decisioni data-driven15:45 – Framework AI per impostare obiettivi e misurazioni (OKR)17:10 – Le 5 strategie per accelerare l’adoption aziendale18:30 – Conclusioni: dal prototipo all’innovazione reale19:30 – Invito al webinar completo e risorse di approfondiment

La Bolla dell’AI: siamo nel pieno di una rivoluzione… o di un’illusione miliardaria? In questa puntata del podcast provo a mettere ordine in quello che sta succedendo nel mondo dell’intelligenza artificiale. No, non parliamo di prompt, modelli o nuovi tool magici, ma di qualcosa di molto più profondo (e potenzialmente pericoloso): il rischio concreto di una bolla finanziaria nel settore AI. Cosa succede quando Nvidia investe in OpenAI, che compra GPU da Nvidia, mentre Oracle investe in Nvidia per vendere cloud ad… OpenAI? E quando Microsoft mette soldi, prende equity e rivende servizi?Succede che nasce l’Economia Circolare dell’Hype.Bloomberg l’ha chiamata AI Money Machine. E il paragone con la bolla delle dot-com è fin troppo facile: all’epoca bastava un “.com” per raccogliere milioni, oggi basta un “AI-powered” in una slide. Se l’adozione reale non tiene il passo della narrazione, la bolla scoppia. Ma come già successo in passato, a cadere saranno i progetti vuoti, mentre i veri innovatori resteranno. Amazon, Google e Netflix ci insegnano che le rivoluzioni digitali sopravvivono alle bolle. L’intelligenza artificiale cambierà il mondo, ma prima dovrà ripulirsi. E forse, questo scoppio sarà proprio ciò che serve per separare i fuffa-powered dai game-changer. 🎧 Ascolta la puntata e dimmi la tua:Siamo dentro un’altra bolla destinata a scoppiare…o dentro una rivoluzione che sta solo scremando il rumore? 👇 Scrivilo nei commenti o iscriviti alla newsletter per restare aggiornato sulle prossime riflessioni. In questa puntata parlo di: Cosa accomuna l’AI del 2025 a Internet del 2000 Come funziona davvero questo “giro tondo” tra Big Tech Perché il rischio bolla non è una tragedia, ma un’occasione Cosa resterà dopo l’hype (spoiler: non i tool copia-incolla)

Quella che stai per ascoltare è una clip estratta dal webinar completo di Dati365 interamente dedicato al tema del Prompt Engineering: l’arte (e la tecnica) di scrivere in modo efficace per i modelli di intelligenza artificiale generativa come ChatGPT, Gemini, Claude, Mistral e altri.👉 Guarda il webinar completo “Dal dato alla decisione con l’AI” (con slide, framework e prompt avanzati) qui: https://dai-dati-alla-bi-393157.socialacademy.com/courses/webinar-dal-dato-alla-decisione-copia/product_pageI webinar di Dati365 sono sessioni di formazione in live, in cui affrontiamo i temi chiave per chi lavora (o vuole lavorare) con data analytics, intelligenza artificiale e business intelligence. Ogni webinar è ricco di esempi pratici, slide scaricabili, casi d’uso reali e tecniche immediatamente applicabili.In questo episodio abbiamo come ospite Giuseppe Ranieri, AI Strategist e trainer certificato, per approfondire:- perché il prompt engineering è una skill sempre più richiesta,- come funzionano davvero i modelli generativi,- e quali sono le tecniche più efficaci per ottenere risposte migliori.Non è una chiacchierata teorica: troverai strategie pratiche, esempi reali, errori comuni da evitare e consigli su come applicare queste tecniche nel lavoro quotidiano con l’AI.Capitoli principali00:00 — Introduzione al podcast e presentazione del webinar Dati36501:03 — Inizio del webinar e introduzione all’ospite: Giuseppe Ranieri05:31 — AI discriminativa vs generativa: capirne il funzionamento è la base per prompt efficaci08:33 — Cosa sono i token, embedding e come funziona un Transformer10:25 — Regole fondamentali per scrivere prompt chiari, efficaci e “AI-friendly”11:23 — Tecniche di prompting base: few-shot, formati di output, catena di pensiero13:14 — Prompt avanzati: multimodali, reasoning, istruzioni gerarchiche, meta-reasoning22:54 — Brainstorming con AI e limiti attuali nella generazione di immagini e testo In questa puntata imparerai:La differenza tra prompt “normali” e prompt progettati per risultati di qualitàPerché conoscere l’architettura dei modelli AI ti aiuta a scrivere meglioCome usare le tecniche base (few-shot, output structure, chain of thought)Quando applicare strategie più complesse come ReAct, Tree of Thought o simulazioni multi-agenteCome testare un prompt su più modelli (e migliorarli con l’AI stessa)👉 Guarda il webinar completo e scarica le slide qui:https://dai-dati-alla-bi-393157.socialacademy.com/courses/webinar-dal-dato-alla-decisione-copia/product_page

Regressione verso la media (dell’AI): perché i risultati mediocri sono colpa nostra, non sua. Tutti parlano di intelligenza artificiale.Molti la usano.Pochi la capiscono davvero. Oggi parliamo di un fenomeno che vediamo ogni giorno:l’appiattimento dei risultati generati dall’AI.Testi tutti uguali. Idee già viste. Codici banali. Ma siamo sicuri che sia colpa dell’intelligenza artificiale?O forse è colpa nostra — e del modo in cui la usiamo? In questa puntata analizziamo perché ChatGPT e gli altri LLM (Large Language Models) tendono a produrre risposte “medie”, e cosa possiamo fare per uscirne. Scopriremo insieme: come funzionano davvero i modelli linguistici (spoiler: non “pensano”, calcolano probabilità)perché rispondono in modo generico e come il Prompt Engineering può trasformare un output mediocre in un risultato utile, preciso e “tailor-made”. Parliamo anche del nuovo webinar verticali di Dati 365: tecniche di Prompt Engineering,con un ospite d’eccezione:Giuseppe Ranieri, Data Scientist certificato Hugging Face e AI Strategist. Insieme parleremo di:⚙️ cosa sono token e RAG🧠 come funzionano i LLM🪄 e come scrivere prompt efficaci per ottenere risultati concreti e professionali. 📅 Quando: sabato 11 ottobre – ore 10:30💻 Dove: https://dai-dati-alla-bi-393157.socialacademy.com/courses/webinar-dal-dato-alla-decisione-copia/product_page 📦 Replay e slide: disponibili dopo la diretta Ci vediamo sabato!

Quella che stai vedendo è una delle clip estratte dal webinar completo di Dati 365, dedicato a capire come sta cambiando il ruolo del data analyst e quali competenze servono oggi per restare competitivi. Puoi guardare il webinar completo “Mercato del lavoro per Data Analyst” (con slide e casi pratici) qui:👉 https://dai-dati-alla-bi-393157.socialacademy.com/pages/webinar-copia-11213 Nel webinar abbiamo affrontato tutto il percorso: cosa fa davvero un data analyst, le differenze tra data analyst, data engineer e data scientist, le quattro fasi del lavoro (raccolta dati, analisi, dashboard e comunicazione), e il nuovo equilibrio tra competenze tecniche e soft skill. Perché il punto è chiaro:non basta saper scrivere codice o creare dashboard.Serve capire il business.Serve riconoscere quando un’anomalia è un errore o un segnale,e soprattutto saper trasformare i dati in decisioni. Nel webinar abbiamo visto anche esempi pratici, come:💡 il caso delle 200.000.000 di vendite in un mese — un errore di input, non un successo di mercato.💡 l’importanza di pulire i dati e capire il contesto prima di visualizzarli.💡 perché un’analisi perfetta, ma inutile al business, non serve a nessuno. Se vuoi guardare la registrazione integrale (1 ora di formazione gratuita con slide e sfide live), la trovi qui:👉 https://dai-dati-alla-bi-393157.socialacademy.com/pages/webinar-copia-11213

🎙 Sono stato ospite su Office of Cards, il podcast di Davide Cervellin – e non è un’intervista qualunque Chi mi conosce sa quanto Office of Cards sia il mio podcast preferito. È una fonte continua di ispirazione, concretezza e crescita personale. Essere stato invitato da Davide per raccontare la mia storia è stato un onore vero, di quelli che ti fanno fermare un attimo e pensare: “Ok, qualcosa di buono lo sto facendo.” Sapevo che avremmo parlato di dati e di side gig — due temi centrali nel mio percorso e molto in linea con il podcast. Quello che non mi aspettavo è che questa puntata sarebbe diventata qualcosa di molto più profondo. 📌 Abbiamo parlato della mia storia personale, di come sono partito da un piccolo paese della Basilicata, ho perso mio padre a 16 anni, e ho deciso comunque di costruirmi un futuro, passando per call center, piatti serviti come cameriere, e una laurea portata a casa per mio figlio appena nato. 📌 È stata una puntata intima, autentica, in cui ho avuto modo di guardarmi indietro con onestà. 📌 E durante la chiacchierata è emerso un punto che spesso trascuriamo: gran parte di quello che faccio oggi lo devo all’incontro con un mentore all’inizio della mia carriera. Un collega generoso che ha creduto in me, mi ha insegnato, mi ha fatto crescere. Quel gesto, col tempo, ha ispirato la nascita di Dati 365: la mia Academy pensata per restituire qualcosa, per essere io quel mentore che è mancato a tanti. Il mio percorso non lineare nel mondo dei dati L'importanza delle scadenze nella mia vita (e come mi hanno cambiato) Come è nata la mia side gig e perché oggi è qualcosa di più L’equilibrio tra lavoro, famiglia, contenuti e formazione L’incontro con il mentore che ha cambiato tutto Il perché ho deciso di creare Dati 365 Il mindset che mi ha permesso di costruire una carriera solida (anche senza “percorsi perfetti”) Se anche tu stai cercando ispirazione, concretezza o un piccolo segnale che “si può fare”, magari questa chiacchierata può darti qualcosa 🎧 In questa puntata parliamo di: Il mio percorso non lineare nel mondo dei dati L'importanza delle scadenze nella mia vita (e come mi hanno cambiato) Come è nata la mia side gig e perché oggi è qualcosa di più L’equilibrio tra lavoro, famiglia, contenuti e formazione L’incontro con il mentore che ha cambiato tutto Il perché ho deciso di creare Dati 365 Il mindset che mi ha permesso di costruire una carriera solida (anche senza “percorsi perfetti”)

Nel mondo della data analytics, ho sentito per anni una frase ricorrente: “Chi sa fare, fa. Chi non sa fare, fa le presentazioni.” All’inizio della mia carriera da consulente in business intelligence, ne ero convinto anch’io. Ero fiero di scrivere codice, costruire data model performanti e non perdere tempo in slide e riunioni. Parlare col cliente? Una perdita di tempo. Presentare il lavoro? Fuffa. Poi però qualcosa è cambiato. Col tempo ho capito che saper fare non basta: bisogna anche saper comunicare. Se analizzo i dati ma non riesco a trasmettere il valore di quell’analisi a chi deve prendere decisioni, il mio lavoro è inutile. Da qui nasce una riflessione più ampia su come diventare data analyst nel 2025. In questa puntata parlo del ruolo della visibilità professionale, dell’importanza di avere un portfolio lavori ben curato, di usare LinkedIn come vetrina strategica, e di come tutto questo può fare la differenza – soprattutto se sei alle prime armi o stai cercando di cambiare lavoro. Racconto come la comunicazione mi abbia permesso di crescere: non solo per farmi notare, ma per imparare di più, chiarire concetti complessi e costruire un network professionale solido. Ho iniziato con un blog tecnico quasi per gioco, e da lì si è aperto tutto: nuove opportunità, incontri con professionisti straordinari, richieste di collaborazione, fino ad arrivare all’insegnamento in contesti come MBA aziendali. Questa puntata è una chiamata all’azione per chi lavora con i dati o vuole entrarci: non basta essere competenti, bisogna mostrare il proprio valore nel modo giusto. A fine episodio condivido anche una novità: sto preparando una roadmap completa su come diventare data analyst nel 2025. Dentro troverai consigli pratici su come strutturare un CV efficace, come usare LinkedIn, come costruire (e raccontare) il tuo portfolio lavori. 📩 Iscriviti alla newsletter per non perderla: https://www.fabianosileo.it/data_newsletter/ 🎧 Se l’episodio ti è piaciuto, attiva la campanella, lascia 5 stelline e condividilo con chi vuole crescere nella data analytics. ⏱️ Indice dei contenuti – Puntata "Diventare Data Analyst nel 2025" 00:00 – Intro & contesto personale Riflessione sul pregiudizio: “Chi sa fare fa, chi non sa fare comunica” L’esperienza iniziale come consulente tecnico nel mondo della business intelligence. 02:45 – Saper comunicare è un plus, non un limite Il ruolo della comunicazione per dare valore all’analisi dei dati. Perché il codice senza contesto non porta a decisioni. 05:30 – Data storytelling e visibilità nel lavoro Importanza del data storytelling per chi lavora nella data analytics. Il valore strategico di saper “raccontare” i dati. 08:10 – Portfolio e LinkedIn: servono davvero? Discussione sul valore di GitHub, portfolio progetti e LinkedIn. Pareri contrastanti nel mondo IT tra chi fa e chi “si espone”. 11:00 – Personal branding e prima occasione lavorativa Come mostrarsi nel modo giusto se sei alla ricerca del primo lavoro nel settore. Differenza tra CV statico e approccio proattivo. 13:30 – Esperienze personali: blog tecnico, podcast e network Dal primo blog alle opportunità inattese. Come parlare di contenuti tecnici ha migliorato le competenze e aperto porte. 16:00 – L'effetto moltiplicatore della comunicazione Non solo per farsi notare, ma per imparare meglio. Crescita personale e professionale grazie alla visibilità. 18:30 – Lato hiring manager: cosa colpisce davvero Come valuta un recruiter o un hiring manager. L’importanza di un portfolio lavori ben fatto. 20:30 – Conclusioni & invito all’azione Perché visibilità + competenza = opportunità. Annuncio della roadmap “Diventare Data Analyst nel 2025”. Invito a iscriversi alla newsletter per riceverla.

Scrivere codice senza sapere scrivere codice: il paradosso del vibe coding In questa nuova puntata affronto un tema che mi sta particolarmente a cuore: il vibe coding, ovvero la nuova tendenza a scrivere codice senza digitare una riga, affidandosi completamente a strumenti di intelligenza artificiale generativa. Da grande appassionato e utilizzatore quotidiano dell’AI, ho voluto analizzare questo fenomeno da un punto di vista pratico, tecnico ma anche etico, raccontando anche un paio di episodi reali in cui mi sono trovato a utilizzare il vibe coding, nel bene e nel male. Cosa significa davvero Vibe Coding? È solo una provocazione o sta davvero cambiando il modo in cui sviluppiamo software e analizziamo i dati? Vi porto dentro una mia esperienza concreta: stavo creando una landing page per la mia Academy dedicata alla data analytics. Non conoscendo HTML e CSS, ho chiesto a ChatGPT di generarmi il codice necessario per realizzare una timeline interattiva. Tutto sembrava perfetto… fino a quando il sito è andato in crash. Il problema? Un errore nel codice che non avevo gli strumenti per individuare subito. Il risultato? Panico, pagina bloccata e necessità di intervenire manualmente per risolvere. Un caso limite, certo, ma emblematico. Da qui nasce una riflessione più ampia: il vibe coding è uno strumento potentissimo, che può semplificare enormemente il lavoro di chi già conosce il codice, ma diventa estremamente rischioso per chi non ha competenze tecniche e si affida ciecamente all’output dell’AI. Nell’episodio parlo anche di come utilizzo l’intelligenza artificiale per ottimizzare le query SQL o le formule DAX, in particolare nei casi più complessi, come le CTE ricorsive. Ma sempre con consapevolezza, sempre leggendo, correggendo e validando ciò che l’AI propone. Se ti interessa approfondire il tema delle CTE ricorsive in SQL, ne parlo nel mio corso dedicato su Dati365:👉 SQL from Zero to Hero – Il corso completo L’intelligenza artificiale è uno strumento straordinario, ma non può sostituire la competenza umana. Anzi, può addirittura rallentare la crescita professionale se utilizzata in modo passivo, soprattutto per i profili junior che rischiano di non imparare mai davvero a “sporcarsi le mani” con il codice. Il vibe coding sta entrando anche nel mondo della data analytics, e questo può democratizzare l’accesso agli strumenti analitici. Ma attenzione: analizzare dati non è solo scrivere query. È capire cosa si vuole misurare, interpretare correttamente i risultati e trarre insight decisionali affidabili. Se l’AI sbaglia e noi non siamo in grado di accorgercene, il danno può essere enorme. In chiusura, riprendo una riflessione che feci tempo fa insieme a Mauro Bennici in un'altra puntata del podcast, sul tema dell’etica dell’AI: stiamo rischiando un appiattimento verso la media. Sempre più persone si affidano all’AI senza sviluppare vere competenze, e questo potrebbe abbassare la qualità media dei risultati, invece di migliorarla. 🎧 Ascolta anche quella puntata: Etica dell’intelligenza artificiale con Mauro Bennici Per questo ti invito ad ascoltare questa puntata: non solo per capire cos’è il vibe coding, ma per riflettere insieme a me su quando e come usarlo, quali rischi evitare e come integrare davvero l’AI nel lavoro quotidiano senza rinunciare al nostro ruolo attivo nel processo. 🔎 Alcuni temi che tratto nell’episodio: Che cos’è il vibe coding e da dove nasce I rischi di programmare senza conoscere i linguaggi Quando l’AI ti fa risparmiare tempo (e quando te lo fa perdere) Come usare l’AI nella data analytics senza compromettere i risultati L’importanza di rimanere sempre “in the loop” 🎧 Se ti è piaciuta la puntata, lascia una recensione, attiva la campanella e condividi l’episodio con chi lavora nel mondo tech o data driven.

Le PMI stanno affrontando un cambiamento cruciale: la digitalizzazione ha reso disponibile una quantità enorme di dati, ma trasformarli in valore non è affatto semplice. Molte aziende si trovano in difficoltà nel raccogliere, integrare e analizzare le informazioni, spesso perché i loro sistemi sono scollegati, i database sparsi e l’IT Manager è sommerso di richieste senza avere le risorse adeguate.In questa puntata affrontiamo da un punto di vista tecnico le sfide della Business Intelligence nelle PMI, insieme a Paolo, Product Manager di BPeople, un esperto che ha sviluppato soluzioni per rendere l’analisi dei dati più accessibile anche alle realtà meno strutturate.🚀 Cosa imparerai in questa puntata?✅ Perché la cultura data-driven è fondamentale per le PMIQuali sono i principali ostacoli che impediscono alle PMI di sfruttare i dati?Perché non basta avere i dati: servono gli strumenti giusti per analizzarli e prendere decisioni.✅ Le tre fasi della Business Intelligence e i problemi tecnici più comuniEstrazione dei dati: quali difficoltà si incontrano quando le informazioni sono sparse tra diversi sistemi (ERP, CRM, file Excel, database interni)?Integrazione e centralizzazione: come aggregare i dati da fonti diverse senza creare un sistema caotico e ingestibile?Analisi e visualizzazione: quali strumenti permettono ai decision maker di interrogare i dati senza dover scrivere query SQL complesse?✅ Le differenze tra le grandi aziende e le PMI nella gestione dei datiÈ più facile per una PMI diventare data-driven? Non proprio!Perché le grandi aziende hanno processi più sofisticati, ma anche più risorse per risolvere i problemi.Le PMI, invece, devono gestire dati frammentati con team ridotti e strumenti meno avanzati.✅ L’AI come strumento per semplificare la Business IntelligenceCome gli strumenti basati su Intelligenza Artificiale generativa possono ridurre il carico di lavoro dell’IT Manager.Il ruolo dei modelli semantici nella traduzione delle domande di business in interrogazioni dati automatiche.Perché l’AI non sostituisce il lavoro umano, ma lo potenzia.✅ Caso di successo: come un’azienda sanitaria ha migliorato la gestione dei dati grazie a BePeople (https://bepeople.tech/)La sfida: uniformare i dati tra sedi locali e sede centrale con modelli di dati diversi.La soluzione: un layer intermedio che permette di aggregare e interrogare i dati in tempo reale.Il risultato: maggiore efficienza, report immediati e dati accessibili senza dover costruire infrastrutture BI complesse.💡 Perché ascoltare questa puntata?Se sei un IT Manager, un imprenditore o un professionista della Business Intelligence, scoprirai come le nuove tecnologie AI possono semplificare la gestione dei dati, ridurre i colli di bottiglia e rendere più fluida la trasformazione data-driven delle PMI.00:00 - Introduzione alla puntata02:15 - Perché le PMI devono diventare data-driven?06:40 - Le tre fasi dell’analisi dei dati: estrazione, integrazione, analisi12:30 - Le differenze tra Business Intelligence in grandi aziende e PMI.17:45 - Il ruolo dell’IT Manager nelle PMI e le difficoltà quotidiane22:10 - Come l’Intelligenza Artificiale può semplificare la BI nelle PMI27:35 - Caso di successo: Business Intelligence in un’azienda sanitaria33:20 - L’AI non sostituisce l’analista, ma lo potenzia38:50 - Conclusioni e spunti finali

📚 Studia con me, entra ora nella mia academy Dati365 Ogni settimana: 📅 Lunedì: nuova challenge 📚Martedì, mercoledì e giovedì: lenozioni teoriche necessarie per risolvere la challenge🎓venerdì: le soluzioni della challange, permettendoti di applicare immediatamente ciò che hai imparato Entra ora 👉⁠⁠ ⁠⁠https://dai-dati-alla-bi-393157.socialacademy.com/⁠ ⁠ ⁠⁠----------------------------------------------------------🎙️ I dati sono il nuovo petrolio , ma solo se sai comunicarli! Premiazione del contest"In viaggio con i dati" + 1 ora di formazione sul Data Storytelling 📊 Più di unapremiazione: un'ora di formazione sul Data Storytelling! Questa puntata speciale èdedicata alla premiazione del contest "In viaggio con i dati",ma non solo! Oltre a scoprire chi ha vinto, avrai l’opportunità di seguire un’oradi formazione pratica sul Data Storytelling, grazie ai commenti tecnici deigiudici. 🔍 Cosa troverai in questa puntata?✅Analisi dettagliata delle dashboard finaliste: cosa funziona e cosa migliorare✅ L'importanza del testo e delle scelte visive nel Data Storytelling✅Come strutturare una dashboard efficace per guidare il decisore✅ Suggerimenti pratici per migliorare la comunicazione dei dati 🏆 E i vincitori?Dopo un'attenta valutazione, il podio è tutto al femminile! Complimenti a Dina,Anna e Laura, che hanno saputo combinare dati, visualizzazione estorytelling in modo eccellente. 🚀 Se vuoi imparare araccontare i dati in modo chiaro ed efficace, questa puntata è un must! 🎧 Ascoltala ora eporta il tuo Data Storytelling al livello successivo! ----------------------------------------------------------------Pensi che quello che abbiamo detto in questa puntata possa tornarti utile nel tuo lavoro? Allora iscriviti alla Data Newsletter per non perdere altre puntate come questa! ⁠⁠https://www.fabianosileo.it/data_newsletter⁠⁠ --------------------------------------------------------Rimani aggiornato su quello che faccioLinkedin: ⁠⁠https://www.linkedin.com/in/fabiano-sileo-9b21b8b6/⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Canale Youtube: ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠https://www.youtube.com/channel/UCcVM9bJBw1mX2LNwL29NE4Q 

In questa puntata esploriamo uno dei temi più importanti per le PMI: come trasformare i dati aziendali in decisioni strategiche grazie al Data Storytelling. Spesso le piccole e medie imprese si trovano sommerse da informazioni disorganizzate, bloccate da software non integrati e dalla mancanza di analisti dedicati. Questo frena il loro potenziale di crescita e competitività.Oggi, insieme ad Andrea Armellini di BePeople, scopriamo come le PMI possano superare questi ostacoli. Parliamo di BePeople, una piattaforma innovativa che aiuta le imprese a semplificare l’accesso ai dati e a comunicarli in modo chiaro ed efficace.Tra casi studio pratici e suggerimenti strategici, capiremo:- Perché il Data Storytelling è fondamentale per le PMI.- Come i dati possono guidare decisioni migliori e più rapide.- Come una governance in tempo reale possa fare la differenza, anche per settori tradizionali come le pulizie.🌟 Non perderti questa guida pratica per trasformare i numeri in vantaggio competitivo!📌 In questa puntataI principali problemi delle PMI con i dati.La differenza tra grandi aziende e PMI nell’uso dei dati.La soluzione offerta da BePeople: piattaforme intelligenti per decisioni data-driven.Esempi pratici di PMI che hanno trasformato i dati in risultati concreti.👉 Vuoi scoprire come BePeople può aiutare la tua azienda?Visita il sito ufficiale: https://bepeople.tech/📢 Iscriviti al nostro podcast e unisciti alla community di imprenditori, manager e professionisti data-driven.Lascia un commento con le tue domande e condividi il video con chi potrebbe trarne ispirazione.🔔 Non dimenticare di attivare le notifiche per non perderti le prossime puntate!00:00 - Perchè per le PMI è importante analizzare i dati11:00 - Problemi per le PMI nel prendere decisioni data driven15:00 - Il ruolo del Data Storytelling nelle PMI18:30 - Be People e la Intelligent Data Experience Platform 31:00 - Caso di successo