
Il file «Report_finale_v7_DEFINITIVO_ok.xlsx» e altre storie di business intelligence
Ogni PMI ha già un sistema di business intelligence. Si chiama «quello che sa fare le tabelle pivot» e di solito risiede in una persona, in genere una sola, che il lunedì mattina apre il gestionale, esporta tre file, li incolla in un quarto, sistema le formule che si sono rotte durante il fine settimana e produce un report che il titolare guarda per quaranta secondi. Il file ha un nome del tipo «Report_finale_v7_DEFINITIVO_ok.xlsx». Il fatto che esista una v7 dice due cose: che qualcuno ha cercato di migliorarlo sei volte, e che nessuno si fida abbastanza da dire quale sia quella buona.
A un certo punto qualcuno dice: «Ci serve una vera business intelligence». Arriva il preventivo, e il preventivo ha un numero che comincia con cinque. Cinquantamila euro per «una piattaforma di analytics, con data warehouse, connettori e formazione». A quel punto l'idea scivola in fondo all'elenco delle cose da fare, e il file v7 diventa v8. Questo articolo serve a interrompere il ciclo. Non perché i cinquantamila euro siano sempre un furto (a volte comprano cose reali) ma perché per molte PMI la distanza tra il foglio di calcolo del lunedì e una dashboard affidabile si copre con una frazione di quella cifra, a patto di sapere dove spendere e dove no.
Una premessa di onestà sulla cifra del titolo. Non ho trovato una fonte verificata sul costo medio di un progetto di business intelligence per PMI italiane: i cinquantamila euro del titolo sono l'ordine di grandezza dei preventivi che circolano, non una statistica. Vale lo stesso per qualsiasi cifra che vi venga proposta senza una fonte, inclusa quella di chi vi vende il progetto. Quello che si può verificare, e che troverete in questo articolo, sono i prezzi di listino degli strumenti, i dati ISTAT sull'uso dei dati nelle imprese, le condizioni dei livelli gratuiti e le cause più frequenti per cui le dashboard falliscono, che non c'entrano quasi mai con il software.
| Risposta breve. Una PMI può ottenere dashboard affidabili e usate spendendo, in licenze, da zero a poche migliaia di euro all'anno: lo permettono strumenti come Power BI Desktop (gratuito), Data Studio (ex Looker Studio, gratuito per l'uso base), Metabase open source e il livello gratuito di BigQuery. Il costo vero non è la licenza: sono le ore per definire gli indicatori, ripulire i dati e mantenere i collegamenti. Una dashboard decente non nasce dallo strumento, nasce da tre decisioni prese prima: quali domande deve rispondere, quale fonte dei dati è «la verità» e chi la usa ogni settimana. |
1. Dove siamo: le PMI usano i dati, ma meno delle grandi
Prima di scegliere uno strumento conviene capire dove si colloca la vostra azienda rispetto alle altre. L'indagine ISTAT «Imprese e ICT» del 2025 indica che le imprese con almeno dieci addetti che hanno svolto analisi dei dati, con personale interno o con organizzazioni esterne, sono passate dal 26,6% al 42,7% nell'ultimo biennio. Il progresso è reale. Ma dentro la media c'è un divario dimensionale marcato: secondo il comunicato ISTAT, per l'analisi dei dati il dato è del 41,9% per le PMI contro l'83,6% delle grandi imprese (nel 2023 erano rispettivamente il 25,7% e il 74,1%). Il target del «Decennio Digitale» europeo fissa al 75% entro il 2030 la quota di imprese con almeno dieci addetti che fa analisi dei dati; le fonti riportano che l'Italia ha raggiunto il 56,9% di quel traguardo.
Tradotto: più della metà delle PMI italiane con più di dieci addetti non fa analisi dei dati nel senso statistico del termine, e anche tra chi la fa, molte sono ferme al foglio di calcolo. Non è un dato che dovrebbe farvi sentire in ritardo. Dovrebbe farvi notare che il vantaggio competitivo di chi fa la differenza non è spesso nella tecnologia, ma nella disciplina: sapere ogni lunedì quanto si è venduto, con che margine, con quali clienti, quanto resta da incassare. Sono informazioni che nella maggior parte delle PMI esistono già, disperse nel gestionale, nel foglio di Marco e nella testa del responsabile commerciale.
| Indicatore ISTAT (imprese con almeno 10 addetti) | Valore | Nota |
|---|---|---|
| Imprese che fanno analisi dei dati (interno o esterno), 2025 | 42,7% | Era il 26,6% due anni prima (ISTAT, Imprese e ICT 2025) |
| Analisi dei dati nelle PMI vs grandi imprese | 41,9% vs 83,6% | Nel 2023: 25,7% vs 74,1% (comunicato ISTAT) |
| Target Decennio Digitale 2030 sull'analisi dei dati | 75% delle imprese | Livello di raggiungimento riportato: 56,9% (Quotidiano.net su dati ISTAT) |
| Imprese che acquistano cloud di livello intermedio o avanzato, 2025 | 68,1% | Base su cui si appoggiano la maggior parte degli strumenti BI moderni |
2. Prima le domande, poi gli strumenti
L'errore tipico di un progetto di business intelligence è cominciare dal software. Si guardano le demo, si confrontano i prezzi, si sceglie lo strumento con i grafici più belli, e solo dopo ci si chiede che cosa mostrare. Il risultato è una dashboard piena di numeri che nessuno ha chiesto. Il metodo contrario è meno affascinante e molto più efficace: si parte da cinque o sei decisioni che il titolare o i responsabili prendono ogni settimana o ogni mese, e si chiede quali numeri servirebbero per prenderle meglio.
Le domande da cui partire
• Vendite: quanto abbiamo venduto questo mese rispetto al target e allo stesso mese dell'anno scorso? Quali clienti e quali prodotti pesano di più?
• Margine: quanto ci resta, per cliente, per prodotto, per commessa? Dove stiamo perdendo soldi senza accorgercene?
• Cassa: quanto dobbiamo incassare nei prossimi trenta giorni, quanto è scaduto, quali clienti pagano in ritardo?
• Magazzino e acquisti: che cosa è fermo, che cosa sta per finire, che cosa ordiniamo troppo?
• Operatività: puntualità delle consegne, scarti e rilavorazioni, ore di produzione contro quelle previste.
Per ciascuna domanda va scritto, in una riga, che decisione abilita. «Sapere quali clienti pagano in ritardo» non è un obiettivo: «decidere a chi sospendere le forniture o chiedere un acconto» lo è. Se per un indicatore non riuscite a scrivere la decisione, quell'indicatore non entra nella dashboard. Il Sole 24 Ore, in un'analisi sull'uso dei numeri in azienda, ricorda che gli indicatori predefiniti raccontano spesso solo in parte l'andamento di un'attività e possono perfino incentivare comportamenti sbagliati: il caso classico è il tempo medio di gestione delle chiamate nei contact center, che premia le risposte frettolose.
Che cosa significa «dashboard decente»
Quattro criteri, in ordine di importanza. Primo: è affidabile, cioè i numeri coincidono con quelli del bilancio o del gestionale e nessuno mette in dubbio le cifre. Secondo: è aggiornata con una frequenza coerente con la decisione (ogni giorno per la cassa, ogni settimana per le vendite, ogni mese per il margine). Terzo: è leggibile in un minuto, cioè ogni pagina risponde a una domanda e mostra pochi indicatori con un confronto (obiettivo, periodo precedente). Quarto, il più trascurato: viene usata, cioè qualcuno la apre alla stessa ora ogni settimana e ne discute. Una dashboard bellissima che nessuno apre ha un costo pari a tutto quello che l'avete pagata.
3. I quattro livelli della business intelligence low-cost
Non esiste «la» business intelligence: esiste una scala, e la prima regola per spendere poco è salire un gradino alla volta, solo quando quello sotto non basta più. Quattro livelli, dal più economico al più strutturato.
| Livello | Che cosa è | Quando basta | Quando non basta più |
|---|---|---|---|
| 0. Fogli di calcolo ordinati | Excel o Google Sheets con tabelle strutturate, formule controllate e un'unica versione condivisa | Un solo gestionale, pochi indicatori, una persona che li aggiorna | Più fonti da combinare, aggiornamenti manuali settimanali, file che si rompono |
| 1. Strumento di dashboard sopra le fonti esistenti | Power BI Desktop, Data Studio o simili collegati direttamente a Sheets, database o file | Poche fonti, dati di dimensioni contenute, 1-10 persone che consultano | Dati su milioni di righe, regole di accesso complesse, molte fonti da riconciliare |
| 2. Piccolo livello dati intermedio | Un database o data warehouse leggero (per esempio BigQuery nel livello gratuito) dove i dati vengono caricati e puliti, e da cui le dashboard leggono | Più fonti (gestionale, CRM, e-commerce, produzione) e bisogno di numeri coerenti | Aggiornamenti quasi in tempo reale, governance rigorosa, molti utenti con permessi diversi |
| 3. Piattaforma gestita con permessi e governance | Metabase o Power BI con licenze per utente, ruoli, condivisione controllata e un responsabile dei dati | Decine di utenti, esigenza di permessi per ruolo, dashboard che i reparti si costruiscono da soli | Esigenze enterprise: capacità dedicate, modelli semantici centrali, volumi molto grandi |
Per la maggior parte delle PMI con 10-100 addetti, il punto di arrivo ragionevole è il livello 1 o 2, con qualche elemento del livello 3 se gli utenti crescono. Il livello 3 con capacità dedicate (per esempio le capacità Microsoft Fabric, il cui livello d'ingresso F2 è indicato da una fonte intorno ai 262 dollari al mese, e le capacità più grandi molto di più) è una scelta da grandi organizzazioni e raramente ha senso per chi sta uscendo dai fogli di calcolo.
4. Gli strumenti: cosa costano davvero (e cosa i listini non dicono)
Una premessa sui prezzi: quelli che seguono provengono da siti di comparazione, guide e pagine di fornitori, spesso in dollari e riferiti a listini statunitensi. Cambiano, divergono tra fonti, e non ho verificato i listini italiani in euro per tutti i prodotti. Prima di fare un budget, consultate le pagine ufficiali. Dove le fonti non coincidono lo dico.
Power BI: il candidato più ovvio, con una trappola di licenza
Power BI Desktop, il programma per costruire i report sul proprio computer, è gratuito. La trappola è nella condivisione: secondo le fonti consultate, il livello gratuito del servizio non consente la condivisione sicura dei report, che richiede una licenza Pro (o Premium per utente) sia per chi pubblica sia per chi consulta. Il listino statunitense indicato dalle fonti nel 2026 è di 14 dollari per utente al mese per Pro, con fatturazione annuale, e 24 per Premium per utente; una fonte riferisce che Microsoft ha alzato Pro da 10 a 14 dollari. Sulla pagina Microsoft per il Portogallo il prezzo Pro è indicato in 12,10 euro per utente al mese, IVA esclusa, con fatturazione annuale. Non ho verificato il prezzo sulla pagina italiana: controllatelo, perché tra fonti ci sono anche cifre diverse (10 dollari o 10 euro in alcune pagine, probabilmente datate).
Due cose che i preventivi non evidenziano. Primo: le funzioni di assistenza basate su intelligenza artificiale (Copilot) non sono incluse in Pro né in Premium per utente secondo una fonte, e richiedono una capacità Fabric a pagamento. Secondo: Power BI Desktop funziona su Windows; se il vostro team lavora su Mac, serve un'alternativa o una macchina virtuale. Il vantaggio principale, per chi ha già Microsoft 365, è l'integrazione con Excel e Teams; una fonte riferisce che la licenza Pro è inclusa in Microsoft 365 E5, edizione che per una PMI non è la scelta tipica.
Data Studio (ex Looker Studio): gratuito, ma attenti al nome
Lo strumento di dashboard di Google ha cambiato nome tre volte: nato come Data Studio, diventato Looker Studio nel 2022, è tornato Data Studio ad aprile 2026, come annunciato sul blog di Google Cloud. La ragione dichiarata è distinguerlo da Looker, che resta la piattaforma di business intelligence enterprise di Google, un prodotto diverso con prezzi a preventivo. Per l'uso base Data Studio resta gratuito, con connettori gratuiti verso i servizi Google (Sheets, BigQuery, Analytics, Ads); i connettori verso fonti non Google, per esempio Shopify o Meta Ads, sono in gran parte a pagamento secondo una fonte. La versione Pro costa, secondo le fonti, 9 dollari per utente Pro al mese per progetto, e serve soprattutto a evitare che un report resti orfano quando chi lo ha creato lascia l'azienda.
Il limite pratico è la scala. Una fonte di confronto osserva che con milioni di righe da fonti come Google Sheets o alcuni database SQL lo strumento può diventare lento, mentre con BigQuery regge molto meglio. E se collegate BigQuery, il costo delle query è a parte (vedi sezione 6).
Metabase: il più semplice da usare per chi non scrive SQL
Metabase è un prodotto di business intelligence open source con licenza AGPL. La versione open source è gratuita, la si installa sul proprio server e consente utenti e dashboard illimitati. La versione cloud ha, secondo le fonti, tre piani: Starter a 100 dollari al mese con 5 utenti inclusi e 6 dollari per ogni utente aggiuntivo, Pro a 575 dollari al mese con 10 utenti e 12 dollari per utente aggiuntivo, ed Enterprise da circa 20.000 dollari l'anno. Il vantaggio è che chi non sa scrivere SQL può esplorare i dati con un costruttore visuale di domande; il costo nascosto della versione open source è che installazione, aggiornamenti, backup e sicurezza sono a carico vostro. Una nota minore: nelle versioni open source e Starter, i contenuti incorporati mostrano il marchio Metabase.
Apache Superset, Preset e Grafana: potenti, ma per chi ha un tecnico
Apache Superset è il progetto open source di dashboard più potente tra quelli gratuiti, con licenza Apache 2.0, un editor SQL e un costruttore di grafici senza codice. Le fonti avvertono però che richiede configurazione e che aggiornamenti, scalabilità e sicurezza sono a carico di chi lo gestisce. Preset è la versione gestita di Superset: secondo le fonti ha un livello gratuito fino a 5 utenti e un piano a 20 dollari per utente al mese. Grafana, invece, nasce per il monitoraggio di sistemi: è ottima per dati di impianto e macchine, meno naturale per il reporting commerciale. Per una PMI senza un informatico interno o di fiducia, Superset è una scelta da evitare almeno all'inizio.
| Strumento | Costo indicativo (fonti consultate) | Punti di forza | Attenzione a |
|---|---|---|---|
| Excel / Google Sheets | Già in uso in quasi ogni azienda; non ho verificato le condizioni di licenza della vostra edizione | Zero curva di apprendimento, massima flessibilità | Versioni multiple, formule rotte, nessun controllo degli accessi serio |
| Power BI | Desktop gratuito; Pro 14 $/utente/mese (listino USA), 12,10 € IVA esclusa sulla pagina Microsoft per il Portogallo; Premium per utente 24 $ | Integrazione con Excel e Microsoft 365, ampia comunità, molti connettori | Per condividere serve la licenza per chi pubblica e chi consulta; Copilot richiede capacità a pagamento; Desktop solo su Windows |
| Data Studio (ex Looker Studio) | Gratuito per l'uso base; Pro circa 9 $/utente Pro/mese per progetto | Connettori gratuiti verso Google, condivisione semplice, nessuna installazione | Rinominato ad aprile 2026; connettori non Google spesso a pagamento; lentezza con grandi volumi su fonti non ottimizzate |
| Metabase | Open source gratuito (self-hosted); Starter 100 $/mese (5 utenti, poi 6 $), Pro 575 $/mese (10 utenti, poi 12 $) | Domande visuali senza SQL, installazione relativamente semplice | Se self-hosted, sicurezza e aggiornamenti sono vostri; permessi avanzati nei piani a pagamento |
| Apache Superset / Preset | Superset gratuito; Preset gratuito fino a 5 utenti, poi circa 20 $/utente/mese | Molto potente, libreria di grafici ampia | Richiede competenze tecniche; manutenzione a carico vostro con Superset |
5. Il vero costo non è la licenza: un conto che potete rifare
Mettiamo in fila i costi di un progetto di business intelligence per una PMI di quaranta persone, con dieci utenti che consultano i report. Le cifre sono ipotesi illustrative, non dati di un'azienda reale. Quello che conta è la struttura del conto.
Le licenze, a listino USA indicato dalle fonti, per dieci utenti: Power BI Pro costerebbe circa 1.680 dollari l'anno (14 dollari per utente per 12 mesi, per 10 utenti); Data Studio Pro circa 1.080 dollari l'anno (9 dollari per utente per 12 mesi, per 10 utenti, per un singolo progetto); Metabase Starter circa 1.560 dollari l'anno (100 dollari al mese per i primi cinque utenti, più 6 dollari al mese per ciascuno degli altri cinque). Con Data Studio gratuito o Metabase open source, la licenza è zero. In ogni caso parliamo di una cifra tra zero e poche migliaia di euro l'anno.
Il lavoro è la voce che pesa. Ipotizziamo 120 ore nel primo anno per definire gli indicatori, preparare le fonti, costruire le prime dashboard e formare gli utenti, e 4 ore al mese (48 ore l'anno) di manutenzione successiva. Valorizzando un'ora a 60 euro, che è un'ipotesi da sostituire con il vostro costo interno o con la tariffa di un consulente, il primo anno costa 7.200 euro di lavoro, gli anni successivi 2.880. Sommando licenze nell'ordine di 1.500-1.700 dollari, il primo anno si colloca sotto i 10.000 euro, e gli anni successivi tra i 4.000 e i 5.000.
| Voce (ipotesi illustrative) | Primo anno | Anni successivi |
|---|---|---|
| Licenze (10 utenti, ordine di grandezza 1.000-1.700 $) | circa 1.000-1.700 $ | circa 1.000-1.700 $ |
| Lavoro di impostazione e formazione (120 ore × 60 €) | 7.200 € | n/d |
| Manutenzione e aggiornamento (48 ore × 60 €) | incluso nel lavoro | 2.880 € |
| Totale indicativo | sotto i 10.000 € | circa 4.000-5.000 € |
Un confronto onesto con i cinquantamila euro del titolo richiede due precisazioni. Prima: questo conto non sostituisce tutto quello che un progetto più grande può includere, come l'integrazione automatica di più sistemi, un data warehouse gestito, regole di sicurezza complesse e un'assistenza continuativa. Se ne avete bisogno, il costo sale e giustamente. Seconda: nel conto c'è un'ipotesi implicita, cioè che i dati nelle vostre fonti siano ragionevolmente utilizzabili. Se non lo sono, le ore di pulizia salgono, e con loro il costo. È il tema della sezione 8.
6. L'architettura leggera: come portare i dati fuori dal gestionale
La domanda pratica, dopo la scelta dello strumento, è come far arrivare i dati dalla fonte alla dashboard. Ci sono quattro strade, dalla più semplice alla più strutturata, e la maggior parte delle PMI sta bene con la prima o la seconda.
1. Esportazione periodica dal gestionale in un file (CSV o Excel) caricato in una cartella condivisa: la dashboard legge il file. È la soluzione più semplice e funziona bene se l'esportazione è programmata e il formato non cambia.
2. Google Sheets come area di appoggio: i file vengono caricati in fogli strutturati, da cui Data Studio legge senza costi. Va bene per volumi contenuti; con milioni di righe diventa lento.
3. Database o data warehouse leggero: i dati vengono caricati in BigQuery (o in un database simile) e le dashboard leggono da lì. È il livello in cui più fonti si combinano e i numeri diventano coerenti.
4. Collegamento diretto al database o alle API del gestionale: più elegante, ma richiede competenze tecniche e il consenso del fornitore del gestionale, che non sempre lo concede facilmente.
BigQuery: il livello gratuito che molti non conoscono
BigQuery, il data warehouse di Google Cloud, ha un livello di utilizzo gratuito che, secondo la documentazione di Google, comprende 10 GB di archiviazione attiva e 1 TB di dati elaborati dalle query ogni mese. Per una PMI che porta qui i dati di vendite, magazzino e incassi, i volumi sono quasi sempre ampiamente entro quei limiti. Due cose da sapere. La modalità «sandbox», senza carta di credito, imposta secondo le fonti una scadenza di 60 giorni su tabelle e partizioni: per dati che devono restare serve passare al livello gratuito con un account di fatturazione. E oltre i limiti gratuiti il costo è a consumo: una fonte indica 5 dollari per terabyte elaborato e 0,02 dollari per GB al mese di archiviazione (regione USA); per questo conviene impostare un tetto di spesa giornaliero ed evitare query che scandiscono tabelle intere inutilmente.
Non fatevi spaventare dal nome «data warehouse». Per una PMI è, in pratica, un posto ordinato dove i dati arrivano una volta, vengono puliti una volta e da cui tutte le dashboard attingono, così da non ripetere ogni volta la pulizia in fogli diversi. È la differenza tra avere un archivio e avere venti fotocopie di archivio.
7. Le cinque dashboard che servono a quasi tutte le PMI
Prima di costruire qualcosa, scegliete da quale dashboard cominciare. Non servono cinquanta pagine: ne bastano cinque, e la prima può essere pronta in poche settimane.
| Dashboard | Domande a cui risponde | Indicatori tipici | Fonti tipiche |
|---|---|---|---|
| 1. Vendite e margine | Quanto vendiamo, a chi, con che margine? Dove perdiamo soldi? | Fatturato e margine per cliente, prodotto, agente; confronto con obiettivo e anno precedente; ordini aperti | Gestionale, fatturazione, listini |
| 2. Cassa e incassi | Quanto incassiamo nei prossimi 30-60 giorni? Chi paga in ritardo? | Scaduto per cliente, giorni medi di incasso, scadenzario incassi e pagamenti | Contabilità, scadenzario, banca |
| 3. Magazzino e acquisti | Che cosa è fermo, che cosa sta per finire? | Rotazione, giacenza, copertura in giorni, articoli senza movimento, ordini fornitori in ritardo | Gestionale di magazzino, acquisti |
| 4. Operatività e qualità | Siamo puntuali? Quanto scartiamo e rilavoriamo? | Puntualità consegne, scarti, ore previste contro ore effettive, rese e reclami | Produzione, logistica, assistenza |
| 5. Costi e struttura | I costi fissi e variabili sono sotto controllo? | Costi per centro, incidenza sul fatturato, scostamenti dal budget | Contabilità analitica, budget |
Una nota sulle dashboard sulle persone (assenze, ore, produttività individuale): sono quelle più delicate, perché trattano dati personali dei dipendenti. Prima di costruirle conviene chiarire finalità, accessi e base giuridica con il consulente privacy, ed è meglio partire con indicatori aggregati. Non ho approfondito il dettaglio normativo in questa ricerca, quindi il punto va verificato con un professionista.
Regole di costruzione che fanno la differenza
• Una pagina, una domanda: se una pagina risponde a tre domande, divididela.
• Cinque-sette indicatori per pagina, ciascuno con un confronto (obiettivo, mese precedente, anno precedente). Un numero senza confronto non dice niente.
• Una definizione scritta per ogni indicatore: cosa include, cosa esclude, da quale fonte arriva, chi ne risponde.
• La data dell'ultimo aggiornamento sempre visibile: un numero vecchio presentato come attuale è peggio di nessun numero.
• Pochi filtri e quelli giusti: periodo, cliente, prodotto, agente. Un cruscotto con quindici filtri non lo usa nessuno.
• Colori con significato: rosso solo se serve intervenire. Una dashboard tutta rossa e verde diventa rumore.
• Un appuntamento fisso in cui la dashboard viene guardata e discussa: senza quello, il progetto muore in sei mesi.
8. La qualità dei dati: il vero motivo per cui le dashboard falliscono
Le fonti di settore concordano su un punto che i venditori di software preferiscono non sottolineare: una dashboard non risolve i problemi dei dati, li rende visibili. Chi si occupa di implementazioni Power BI osserva che i problemi di reporting nascono prima della dashboard: sistemi frammentati, processi basati su fogli di calcolo, definizioni diverse per lo stesso indicatore e preparazione manuale dei dati. Una società di consulenza elenca tra gli errori più comuni nei progetti BI proprio i dati sparsi, incompleti o incoerenti: una data che non si allinea, un importo duplicato, un prodotto scritto in due modi, e ci si ritrova con più versioni dello stesso indicatore. A quel punto gli utenti non sanno di cosa fidarsi, e, come osserva la stessa fonte, nulla scredita una dashboard più in fretta di un numero sbagliato.
Per una PMI, questo si traduce in un lavoro preliminare preciso, che occupa più tempo della costruzione grafica e che vale più di qualsiasi licenza.
Il lavoro sui dati, in cinque mosse
1. Dizionario degli indicatori. Un documento di una pagina per ciascun indicatore: nome, definizione, formula, fonte, responsabile. «Fatturato» include o esclude le note di credito? Si conta per data fattura o per data ordine? Se la risposta cambia da persona a persona, la dashboard mostrerà numeri diversi a seconda di chi la guarda.
2. Anagrafiche pulite. Clienti duplicati, articoli con codici diversi per lo stesso prodotto, agenti scritti in tre modi: vanno uniformati alla fonte, non nel report. Un lavoro di una o due giornate sulle anagrafiche vale settimane di correzioni successive.
3. Una fonte di verità per ciascun dato. Se le vendite sono nel gestionale e nel foglio dell'agente, decidete quale vale. L'altra diventa un confronto, non una seconda verità.
4. Riconciliazione. Prima di pubblicare una dashboard, confrontate i totali con il bilancio o con il registro IVA. Se non tornano, trovate perché. Il giorno in cui un numero della dashboard non coincide con quello del commercialista, la dashboard ha perso la fiducia che ci vorranno mesi a riconquistare.
5. Un responsabile per ciascun dato. Non un ufficio: una persona. Quando un numero è strano, sa chi chiamare.
Il test di affidabilità prima di pubblicare • Il fatturato del mese nella dashboard coincide con quello del gestionale e della contabilità? • Per ogni indicatore esiste una definizione scritta che due persone diverse interpretano allo stesso modo? • I numeri sono stati controllati su almeno tre mesi storici, non solo sull'ultimo? • Si vede chiaramente quando i dati sono stati aggiornati l'ultima volta? • Se un numero è sbagliato, c'è qualcuno che sa come e dove correggerlo? |
9. Accessi, sicurezza e privacy: le tre cose che si ricordano dopo l'incidente
Una dashboard condivisa è, tecnicamente, un modo per mostrare dati aziendali a più persone. Chi dovrebbe vedere quali? Il responsabile commerciale può vedere i margini per cliente, l'agente solo i propri clienti, il magazzino solo le giacenze? Se la risposta è sì, serve uno strumento e una configurazione che consentano permessi per ruolo, e qui le condizioni cambiano molto da prodotto a prodotto e da piano a piano. Le fonti consultate indicano, per esempio, che nel confronto con Metabase il controllo degli accessi a livello di riga è una funzione disponibile nell'edizione gratuita di Superset e legata ai piani a pagamento in altri prodotti; verificate sempre il vostro caso sulla documentazione ufficiale.
• Evitate i link pubblici: la condivisione «chiunque abbia il link» è comodissima e rischiosa, soprattutto se nei dati ci sono prezzi, margini o dati personali.
• Usate account nominativi e rimuovete l'accesso quando qualcuno lascia l'azienda: le dashboard senza proprietario sono un classico, e anche per questo esiste la versione Pro di Data Studio.
• Non portate nei report dati personali che non servono: per decidere sul magazzino non serve il codice fiscale di nessuno.
• Se i dati sono ospitati da un fornitore cloud, verificate dove si trovano e che esista un contratto di trattamento dei dati con il fornitore: è materia di GDPR e va concordata con il vostro consulente privacy.
10. Il percorso in sei settimane: dalla v7 alla prima dashboard affidabile
Il modo più sicuro per non spendere cinquantamila euro è non partire con un progetto da cinquantamila euro. Un percorso breve, con un risultato concreto a ogni passaggio, evita di scoprire dopo sei mesi che non serviva.
Settimana 1: le decisioni
1. Elencate le cinque o sei decisioni ricorrenti di titolare e responsabili e per ciascuna i numeri che servirebbero.
2. Scegliete la prima dashboard (di solito vendite e margine, oppure cassa). Una sola.
3. Nominate un responsabile del progetto, anche part-time, e un «utente guida» che userà la dashboard ogni settimana.
Settimana 2: le fonti e le definizioni
1. Individuate da dove arrivano i dati della prima dashboard e chi li gestisce.
2. Scrivete il dizionario degli indicatori (una riga per indicatore, una pagina in tutto).
3. Verificate la qualità delle anagrafiche coinvolte e correggetele alla fonte.
Settimana 3: il modello dati
1. Esportate i dati in un formato stabile (file o foglio strutturato) e programmatene l'aggiornamento.
2. Se servono più fonti, caricatele in un database leggero (per esempio BigQuery nel livello gratuito) e preparate una vista unica e pulita.
3. Riconciliate i totali con la contabilità su tre mesi storici.
Settimana 4: la prima dashboard
1. Costruite la pagina con cinque-sette indicatori, ciascuno con confronto, e la data di aggiornamento.
2. Provatela con l'utente guida: è comprensibile in un minuto? Risponde alla decisione per cui è nata?
3. Eliminate tutto quello che non serve: la dashboard migliore è spesso la più vuota.
Settimana 5: gli accessi e la formazione
1. Definite chi vede cosa e configurate i permessi.
2. Fate una sessione di quarantacinque minuti con gli utenti: come si legge, a chi si chiede se un numero non torna.
3. Fissate l'appuntamento settimanale in cui la dashboard viene guardata insieme.
Settimana 6: la verifica e il passo successivo
1. Misurate: quante persone la aprono, quante decisioni sono cambiate, quante ore del lunedì mattina sono state risparmiate.
2. Raccogliete le richieste di modifica e scegliete la seconda dashboard.
3. Decidete se lo strumento scelto basta o se serve salire di livello.
11. Gli errori più comuni (e come evitarli)
Scegliere lo strumento prima delle domande
Si compra la licenza, si costruiscono dashboard «perché possiamo» e nessuno le apre. La sequenza giusta è: decisioni, indicatori, fonti, strumento.
Voler fare tutto subito
Cinquanta dashboard e duecento indicatori significano mesi di lavoro e nessuno che li guarda. Meglio una dashboard usata da sei persone ogni settimana che dieci dashboard di cui nessuno si fida.
Trascurare le definizioni
Se «margine» significa tre cose in tre reparti, la dashboard mostra tre verità. Il dizionario degli indicatori è il documento più importante del progetto, e quasi nessuno lo scrive.
Delegare tutto a un esterno
Un consulente può costruire, ma l'appropriazione resta interna. Senza un responsabile in azienda che conosca le definizioni e sappia correggere un numero, la dashboard decade quando il consulente se ne va.
Non pianificare la manutenzione
Le fonti cambiano, i campi si rinominano, i gestionali si aggiornano. Una dashboard senza qualcuno che ne cura l'aggiornamento smette di funzionare, di solito proprio nel mese in cui serve. Prevedete ore di manutenzione già nel budget.
Mostrare numeri sbagliati per «partire»
«Intanto lanciamo, poi correggiamo» è l'errore più costoso. I primi numeri sbagliati distruggono la fiducia e ci vogliono mesi per recuperarla. Meglio ritardare di una settimana e pubblicare cifre riconciliate.
Dimenticare gli accessi
Il link pubblico condiviso per comodità, l'ex dipendente che ha ancora l'accesso, il margine per cliente visibile all'agente che lavora anche per un concorrente: il giorno dell'incidente si scopre che non era mai stata una decisione consapevole.
12. Quando il low-cost non basta più (e va bene così)
Questo articolo non sostiene che i cinquantamila euro siano sempre sprecati. Ci sono situazioni in cui un investimento maggiore è giustificato, e riconoscerle in tempo evita di forzare un percorso economico oltre i suoi limiti.
• Molte fonti da riconciliare (gestionale, CRM, e-commerce, produzione, macchine) con aggiornamento frequente e automatico: serve un'integrazione vera, non esportazioni manuali.
• Volumi di dati grandi, per cui gli strumenti leggeri diventano lenti.
• Decine di utenti con permessi molto diversi, per cui la gestione manuale degli accessi non regge.
• Dati in tempo reale, per esempio per linee produttive o logistica, dove il ritardo di un giorno è già troppo.
• Esigenze di governance rigorose, per esempio in settori regolati o in gruppi con più società.
• Funzioni avanzate di intelligenza artificiale sui dati, che nel caso di Power BI richiedono capacità a pagamento.
In questi casi il percorso naturale è salire di livello: un data warehouse gestito, un'integrazione automatica, magari capacità dedicate. Ma si arriva a quel punto avendo già dashboard usate, definizioni scritte e un responsabile dei dati: tre cose che rendono il progetto più grande molto più economico e molto meno rischioso. Chi parte direttamente dal progetto da cinquantamila euro senza aver fatto questo lavoro spesso scopre di averlo pagato due volte.
13. Un caso esemplificativo: l'azienda metalmeccanica che ha smesso di rincorrere i fogli
Premessa onesta: quello che segue è un caso costruito per illustrare il metodo. Non descrive un'azienda reale né un risultato ottenuto da GIR.
Immaginiamo un'azienda metalmeccanica con 38 dipendenti, un gestionale per ordini e magazzino, un programma di contabilità separato e un foglio condiviso in cui il responsabile commerciale tiene le offerte. Ogni lunedì l'amministrazione prepara un report di vendite e incassi, impiegando circa mezza giornata, e ogni mese il titolare discute con il commercialista su numeri che non coincidono mai del tutto. Quando chiedono un preventivo per una «piattaforma di analytics» ricevono una proposta a cinque cifre, e rinviano.
Si parte invece dalla domanda: quali decisioni vengono prese male per mancanza di numeri? Emergono due: a chi concedere dilazioni di pagamento (cassa) e quali clienti hanno margini troppo bassi per giustificare gli sconti (vendite e margine). Si scrive il dizionario degli indicatori (due pagine) e si scopre che «fatturato» ha tre definizioni diverse tra commerciale e amministrazione. Si uniformano le anagrafiche clienti, con alcuni duplicati. Le esportazioni dal gestionale e dallo scadenzario vengono programmate e caricate in un database leggero, da cui una dashboard a due pagine legge in Data Studio gratuito.
Il risultato atteso, in via ipotetica: il report del lunedì passa da mezza giornata a pochi minuti di controllo, il titolare vede lo scaduto per cliente prima di una trattativa, e il confronto con il commercialista si sposta da «perché non tornano i numeri» a «cosa facciamo con questi numeri». Non è un risultato garantito: dipende dalla qualità dei dati e dal fatto che qualcuno apra davvero la dashboard. La parte che costa di più, in questo scenario, non è la licenza (zero) ma le giornate di pulizia dei dati e di definizione degli indicatori, ed è anche quella che dura nel tempo.
14. La checklist in dieci punti prima di spendere un euro
1. Ho scritto le decisioni ricorrenti che i numeri devono supportare, non solo gli indicatori?
2. Ho scelto una sola prima dashboard, con cinque-sette indicatori e un confronto per ciascuno?
3. Esiste un dizionario degli indicatori con definizione, formula, fonte e responsabile?
4. Ho verificato la qualità delle anagrafiche (clienti, articoli, agenti) e corretto i duplicati alla fonte?
5. Ho deciso quale fonte è «la verità» per ciascun dato?
6. Ho riconciliato i totali con la contabilità su almeno tre mesi storici?
7. Ho verificato su pagine ufficiali costi e condizioni di licenza dello strumento che sto valutando, compreso chi paga per consultare?
8. Ho definito chi vede cosa e chiarito con il consulente privacy gli aspetti sui dati personali?
9. Ho previsto ore di manutenzione e un responsabile, non solo la costruzione iniziale?
10. Ho fissato un appuntamento in cui la dashboard viene guardata insieme, e come misurerò se serve?
Come può aiutarvi Gruppo Italia Retail
Gruppo Italia Retail è una società di consulenza multiservizio con sede a Colleferro, in provincia di Roma. Lavoriamo con le PMI su retail e grande distribuzione, risorse umane, finanza agevolata, temporary management, SOA e gare pubbliche, energie rinnovabili, outsourcing. Sul tema di questo articolo il nostro contributo comincia prima del software: capire quali decisioni vanno supportate, quali numeri servono davvero e come renderli affidabili.
• Mappa delle decisioni e degli indicatori: dalle domande del titolare a un set ridotto di KPI con definizioni scritte.
• Audit dei dati: verifica di anagrafiche, fonti e riconciliazioni, per capire quanto lavoro serve prima della dashboard.
• Scelta dello strumento in base a costi totali, competenze interne e utenti, senza partire da un fornitore.
• Impostazione della prima dashboard e di un ritmo di revisione periodica, con formazione degli utenti.
• Gestione temporanea della funzione controllo di gestione, con un temporary manager, quando in azienda manca chi può guidarla.
• Verifica di eventuali agevolazioni per gli investimenti digitali compatibili con il vostro caso, prima di spendere.
Volete passare dal file «v7» a numeri di cui fidarvi?
• Contattate Gruppo Italia Retail: partiamo dalle decisioni che prendete ogni settimana e vi diciamo con franchezza quanto serve davvero per supportarle. • Se la risposta è «un foglio ordinato», ve lo diciamo. Meglio saperlo dopo un colloquio che dopo un abbonamento annuale. • Ci trovate a Colleferro (Roma). Scriveteci per un primo confronto, senza impegno. |
Domande frequenti (FAQ)
Quanto costa una dashboard di business intelligence per una PMI?
Dipende da cosa si include. Le licenze possono andare da zero (Power BI Desktop, Data Studio per l'uso base, Metabase open source) a poche migliaia di euro l'anno per una decina di utenti. La voce principale è il lavoro per definire indicatori, pulire i dati e mantenere i collegamenti. Non ho trovato una statistica verificata sul costo medio dei progetti per le PMI italiane: diffidate delle cifre senza fonte.
Power BI o Data Studio: quale conviene?
Se i vostri dati sono già in Google (Sheets, BigQuery, Analytics) e le persone che consultano sono poche, Data Studio gratuito è il punto di partenza più economico. Se lavorate molto in Excel e Microsoft 365 e avete bisogno di modelli più articolati, Power BI è più naturale, ma ricordate che per condividere i report serve la licenza Pro per chi pubblica e chi consulta. La scelta migliore dipende da dove stanno i dati e dalle competenze che avete.
Looker Studio e Data Studio sono lo stesso strumento?
Sì. Lo strumento di dashboard di Google si chiamava Data Studio, nel 2022 è diventato Looker Studio, e ad aprile 2026 Google lo ha rinominato Data Studio. Looker, senza «Studio», è invece un prodotto diverso, la piattaforma di business intelligence enterprise di Google, con prezzi a preventivo.
Metabase o Power BI per una piccola azienda?
Metabase è più semplice per chi non scrive SQL e ha una versione open source gratuita, ma richiede che qualcuno la installi e la mantenga, oppure un piano cloud a pagamento (da 100 dollari al mese, secondo le fonti). Power BI ha un'ampia comunità e si integra con Excel e Microsoft 365, con licenze per utente. Se non avete nessuno che gestisca un server, la versione cloud di Metabase o Power BI sono più tranquille dell'open source.
Posso usare Excel invece di una piattaforma di BI?
Sì, finché le fonti sono poche, il numero di indicatori è limitato e c'è disciplina sulle versioni. Excel ordinato (tabelle strutturate, formule controllate, un'unica copia condivisa) è il livello zero e per molte aziende basta. Il passaggio a uno strumento di dashboard conviene quando combinare fonti diverse richiede ogni settimana lavoro manuale o i file continuano a rompersi.
Che cosa significa «una fonte di verità»?
Significa decidere, per ciascun dato, quale sistema è quello di riferimento (per esempio, il gestionale per il fatturato) e trattare le altre copie come confronti, non come alternative. Quando due fonti danno numeri diversi, la dashboard mostra quella designata e la differenza viene indagata, non ignorata.
I dati dei dipendenti possono finire in una dashboard?
Possono, ma sono dati personali e richiedono attenzione su finalità, accessi e base giuridica. È consigliabile partire da indicatori aggregati e chiarire il quadro con il consulente privacy prima di costruire dashboard sulle persone. Non ho approfondito in questa ricerca il dettaglio normativo, quindi il punto va verificato con un professionista.
Quanto tempo serve per avere la prima dashboard affidabile?
Con il percorso descritto in questo articolo, circa sei settimane per una prima dashboard con cinque-sette indicatori, se le fonti sono accessibili e le anagrafiche non richiedono bonifiche pesanti. Se i dati sono molto disordinati, il tempo si allunga, ma per ragioni che non dipendono dallo strumento: è qui che un audit iniziale fa risparmiare.
In sintesi
Una PMI non ha bisogno di cinquantamila euro per avere dashboard decenti: ha bisogno di sapere quali decisioni vuole supportare, di mettere in ordine i dati che già possiede e di scegliere uno strumento in proporzione a utenti e volumi. Le licenze costano da zero a poche migliaia di euro l'anno, i livelli gratuiti di Data Studio e BigQuery bastano a molte aziende, e le alternative open source come Metabase e Superset sono valide a patto di avere chi le gestisce. Il costo vero è in definizioni, pulizia dei dati e manutenzione, ed è lo stesso con qualsiasi strumento. Quando le esigenze crescono, si sale di livello, ma lo si fa partendo da dashboard usate, non da un progetto grande scollegato dalle decisioni.
La prossima volta che qualcuno dirà «ci serve una vera business intelligence», rispondete con una domanda: «Quale decisione prendiamo ogni settimana con numeri di cui non ci fidiamo?». Se la risposta c'è, avete già la prima dashboard. Se non c'è, il primo passo non è un software: è un foglio con le domande.
Fonti e riferimenti
Per la redazione di questo articolo sono state consultate le seguenti fonti. I dati sull'uso dell'analisi dei dati nelle imprese sono dell'ISTAT (Imprese e ICT 2025), riportati direttamente o da fonti giornalistiche; i prezzi di Power BI, Data Studio, Metabase, Preset e BigQuery provengono da siti di comparazione, guide di consulenza e pagine dei fornitori, sono in gran parte in dollari e riferiti al listino statunitense, divergono tra fonti e cambiano di frequente: vanno verificati sui listini ufficiali, in particolare in euro per il mercato italiano. L'esempio dei costi della sezione 5 e il caso della sezione 13 sono ipotesi illustrative, non dati di aziende reali. Non sono state verificate le condizioni di licenza di Excel e Microsoft 365 né il dettaglio normativo su privacy e dati dei dipendenti: per questi punti consultate i testi ufficiali e un professionista.
L'articolo non sostituisce una consulenza sul caso concreto.
Dati ISTAT sull'analisi dei dati nelle imprese
• ISTAT - Imprese e ICT, anno 2025 (comunicato stampa)
• ISTAT - Comunicato su PMI e grandi imprese (analisi dei dati 41,9% e 83,6%)
• Quotidiano.net - Intelligenza artificiale nelle imprese: target Decennio Digitale e analisi dei dati
• ISTAT - Statreport Imprese e ICT 2025
Power BI: prezzi e licenze
• Alphabold - Power BI Pricing 2026: how much does Power BI cost?
• Microsoft - Power BI prezzi (pagina per il Portogallo, prezzi in euro IVA esclusa)
• Licendi - Costo della licenza Power BI nel 2026: guida pratica all'acquisto
• CloudNuro - How much does Power BI license actually cost in 2026
• EPC Group - Power BI cost and licensing guide (Desktop, Pro, Premium)
• DashboardFox - The real cost of Microsoft Power BI
Data Studio (ex Looker Studio)
• Google Cloud Blog - Data Studio returns as new home for Data Cloud assets (10 aprile 2026)
• PPC Land - Data Studio is back: Google kills Looker Studio name
• Dataslayer - Looker Studio is now Data Studio: what changed (2026)
• Pump - Google Looker Studio pricing: is it really free?
• DashThis - Looker Studio review: pricing, features and comparison (2026)
• Bricks - Looker vs Looker Studio: which is right for you
• DashboardFox - Looker Studio (Data Studio) alternatives and pricing
Metabase, Superset, Preset e alternative open source
• Querio - Metabase pricing: how much does Metabase cost?
• Basedash - Best open source BI tools compared (2026)
• Coefficient - Metabase pricing: plans, hidden costs
• Rework - Best Metabase alternatives in 2026
• Hackceleration - Metabase alternatives (Superset, Preset, Data Studio)
• DashboardFox - Metabase alternatives
• DEV Community - Metabase pricing teardown 2026 (licenza AGPL)
BigQuery: livello gratuito e sandbox
• Google Cloud - Abilitare la sandbox di BigQuery
• Google Cloud - BigQuery (livello gratuito: 10 GiB e 1 TiB al mese)
• DataCamp - BigQuery Sandbox: guida al playground SQL gratuito di Google
• Estuary - BigQuery Sandbox (scadenza di 60 giorni)
• Galaxy - Is BigQuery free? (costi oltre il livello gratuito)
Qualità dei dati, KPI ed errori nei progetti di BI
• Captivea - Top 5 common mistakes in BI projects in 2026
• Birdview - Why Power BI dashboards fail without clean data
• Agenda Digitale - Business intelligence: le tre patologie che affliggono l'analisi dati nelle PMI
• Il Sole 24 Ore - Non tutto ciò che conta può essere contato: quando i numeri diventano boomerang

