INSIGHT 008
Pubblicato il 12 Agosto 2026 da Lorenzo Riccioli
Comprendere i sistemi.
Coordinare il cambiamento.
Avere più dati non significa prendere decisioni migliori
Essere data-driven non significa riempire l’organizzazione di dashboard. Significa trasformare dati, contesto e capacità critica in decisioni migliori.
Categoria: Insights
Tempo di lettura: 7 minuti
Non abbiamo mai avuto così tanti dati
Dashboard.
KPI.
Report.
Analytics.
Forecast.
Indicatori economici.
Performance operative.
Avanzamento dei progetti.
Le organizzazioni contemporanee possono raccogliere una quantità di informazioni che fino a pochi anni fa sarebbe stata difficilmente immaginabile.
In teoria, questo dovrebbe permettere di prendere decisioni sempre migliori.
Eppure non è necessariamente così.
Possiamo avere moltissimi dati e continuare a prendere decisioni deboli.
Possiamo costruire dashboard estremamente sofisticate e continuare a discutere per ore sul significato dei numeri.
Possiamo misurare decine di indicatori senza riuscire a capire quale richieda realmente una decisione.
Il problema, quindi, non è più soltanto avere accesso ai dati.
È capire quali dati servono, come interpretarli e soprattutto quale decisione devono supportare.
Essere data-driven non significa decidere automaticamente
Esiste una differenza importante tra un’organizzazione che possiede dati e un’organizzazione realmente data-driven.
La prima raccoglie informazioni.
La seconda riesce a utilizzarle all’interno del proprio processo decisionale.
Può sembrare una distinzione minima.
Non lo è.
Un KPI non prende una decisione.
Una dashboard non definisce una priorità.
Un report non interpreta automaticamente il contesto.
Sono strumenti.
Il loro valore dipende dalla capacità dell’organizzazione di trasformare informazioni in comprensione e comprensione in azione.
Per questo essere data-driven non significa sostituire il giudizio manageriale con i numeri.
Significa migliorare il giudizio manageriale attraverso evidenze migliori.
Prima del dato viene la domanda
Uno degli errori più frequenti consiste nel partire da ciò che possiamo misurare.
Abbiamo questi dati.
Quindi costruiamo questi indicatori.
Poi proviamo a capire cosa ci raccontano.
Ma il processo potrebbe essere invertito.
Quale decisione dobbiamo prendere?
Quale informazione ci aiuterebbe a prenderla?
Quale indicatore potrebbe mostrarci se stiamo andando nella direzione corretta?
Con quale frequenza dobbiamo osservarlo?
Chi deve ricevere quell’informazione?
Quale azione dovrebbe generare?
Queste domande trasformano la misurazione da esercizio descrittivo a strumento di governance.
Il punto non è misurare tutto.
È misurare ciò che permette di comprendere meglio il sistema.
Un KPI senza contesto può raccontare una storia sbagliata
Immaginiamo un progetto che mostri una percentuale molto elevata di attività completate.
Sembrerebbe una buona notizia.
Ma cosa succede se le attività mancanti sono proprio quelle che determinano il valore finale?
Oppure immaginiamo un’organizzazione che riduca drasticamente il tempo medio necessario per completare una determinata attività.
Ottimo risultato.
Ma cosa succede se contemporaneamente aumenta il rework?
O diminuisce la qualità?
O il processo successivo riceve un carico maggiore?
Il dato, isolato, può essere corretto.
È l’interpretazione a essere incompleta.
Per questo ogni indicatore dovrebbe essere letto all’interno del sistema che rappresenta.
Misurare l’attività è più semplice che misurare il valore
Nel Project Management questo problema è particolarmente evidente.
È relativamente semplice misurare:
quante attività sono state completate;
quanto budget è stato utilizzato;
quanti giorni di ritardo abbiamo accumulato;
quante milestone sono state raggiunte.
Sono informazioni importanti.
Ma raccontano soprattutto come stiamo eseguendo il progetto.
Molto più difficile è rispondere a domande come:
il progetto sta producendo il beneficio atteso?
Il nuovo processo viene realmente utilizzato?
La soluzione introdotta sta riducendo inefficienze?
Le decisioni vengono prese più velocemente?
Abbiamo ridotto il rischio?
Il cambiamento è stato adottato?
Abbiamo generato valore per il cliente o per l’organizzazione?
È qui che il passaggio da output a outcome diventa determinante.
Il dato dovrebbe ridurre l’incertezza, non aumentare il rumore
Più informazioni non significano necessariamente maggiore chiarezza.
Un management team che riceve cinquanta indicatori potrebbe essere meno informato di uno che ne riceve cinque realmente rilevanti.
Perché l’attenzione è una risorsa limitata.
Ogni dashboard compete per attenzione.
Ogni report richiede interpretazione.
Ogni indicatore aggiuntivo può aumentare il rumore.
La domanda quindi non dovrebbe essere:
“Quanti dati possiamo mostrare?”
Ma:
“Quali informazioni modificano realmente la qualità della decisione?”
Questo è un principio particolarmente importante quando si progettano sistemi di reporting.
Un buon report non dimostra quanto sappiamo.
Aiuta qualcuno a capire cosa deve osservare.
Anche i dati hanno bisogno delle persone
Un’organizzazione non diventa data-driven semplicemente acquistando nuovi strumenti.
Servono competenze.
Capacità analitica.
Conoscenza del business.
Pensiero critico.
Capacità di formulare ipotesi.
E soprattutto la disponibilità a mettere in discussione le proprie convinzioni quando i dati raccontano qualcosa di diverso.
Quest’ultimo passaggio è forse il più difficile.
Perché utilizzare i dati è relativamente semplice quando confermano ciò che pensiamo.
Diventa molto più interessante quando lo contraddicono.
È lì che il dato smette di essere decorazione e diventa uno strumento decisionale.
Il rischio del confirmation bias
Le persone non interpretano informazioni in modo completamente neutrale.
Cerchiamo naturalmente elementi che confermino le nostre convinzioni.
Attribuiamo maggiore importanza ad alcuni segnali.
Ne sottovalutiamo altri.
Un numero, proprio perché appare oggettivo, può perfino rafforzare questa dinamica.
Possiamo selezionare il KPI che sostiene la nostra posizione.
Scegliere l’intervallo temporale più favorevole.
Concentrarci sul risultato positivo ignorando un effetto collaterale.
Essere data-driven richiede quindi anche pensiero critico.
Non significa chiedersi soltanto:
“Cosa dice questo dato?”
Ma anche:
“Cosa non mi sta dicendo?”
L’intelligenza artificiale rende questa capacità ancora più importante
L’AI sta aumentando enormemente la nostra capacità di analizzare informazioni.
Possiamo sintetizzare grandi quantità di documenti.
Individuare pattern.
Costruire previsioni.
Interrogare dataset.
Generare rapidamente scenari e interpretazioni.
Questo rappresenta un’opportunità straordinaria.
Ma rende ancora più importante la qualità delle domande.
Se l’input è debole, possiamo ottenere molto rapidamente una risposta apparentemente sofisticata a una domanda poco utile.
Se il dato è incompleto, possiamo produrre un’analisi molto convincente costruita su una rappresentazione incompleta della realtà.
Più aumenta la potenza degli strumenti, più aumenta il valore della capacità umana di interpretare criticamente ciò che producono.
Il Project Manager come connettore tra dati e decisioni
Il Project Manager occupa una posizione particolarmente interessante.
Riceve informazioni da stakeholder differenti.
Osserva avanzamento, rischi, costi, dipendenze e capacità.
Interagisce con livelli operativi e manageriali.
Questo gli permette di svolgere una funzione che va oltre il reporting.
Trasformare segnali differenti in informazioni utilizzabili per decidere.
Un buon report di progetto non dovrebbe semplicemente dire cosa è successo.
Dovrebbe permettere di capire:
cosa sta cambiando;
perché è rilevante;
quale rischio sta emergendo;
quale decisione è necessaria;
chi deve prenderla;
entro quando.
A quel punto il reporting smette di essere documentazione.
Diventa parte della governance.
Dal reporting al decision making
Possiamo quindi immaginare una sequenza molto semplice:
Dati → Informazioni → Comprensione → Decisione → Azione → Valore
Il problema è che molte organizzazioni investono moltissimo nella prima parte della catena.
Raccolgono dati.
Costruiscono dashboard.
Producono report.
Molto meno frequentemente osservano ciò che accade dopo.
Il dato ha generato una decisione?
La decisione ha prodotto un’azione?
L’azione ha generato il risultato previsto?
Se non chiudiamo questo ciclo, rischiamo di creare sistemi di misurazione molto sofisticati ma scarsamente collegati alla creazione di valore.
L’Insight
Essere data-driven non significa affidare le decisioni ai numeri.
Significa costruire un sistema nel quale dati affidabili, conoscenza del contesto e pensiero critico permettano alle persone di prendere decisioni migliori.
Il valore di un dato non dipende dalla complessità della dashboard che lo rappresenta.
Dipende dalla sua capacità di ridurre l’incertezza e migliorare una decisione.
Un’organizzazione matura non misura tutto ciò che può misurare. Misura ciò che ha bisogno di comprendere per decidere meglio.
Project Thinking Lens
Domanda
Come capire se un’organizzazione è realmente data-driven?
Pattern osservato
La disponibilità crescente di dati, KPI e dashboard non produce automaticamente decisioni migliori. Il reporting può diventare un fine invece che uno strumento di governance.
Insight
Il dato genera valore soltanto quando entra nel processo decisionale.
Essere data-driven significa collegare evidenze, contesto, pensiero critico e decisioni in un unico sistema.
Lorenzo Riccioli
Founder — Project Thinking Lab
Comprendere i sistemi. Coordinare il cambiamento.
PTL-I-008
Tag: AI, Data Driven, Data Driven Decision Making, Decision Making, Governance, Intelligenza Artificiale, KPI, Maturità Organizzativa, Pensiero Critico, Project Governance, Project Management, Project Thinking Lab, Reporting, Value Delivery