import numpy as np

Vettori, matrici e geometria del dato

La geometria del dato trasforma righe e colonne in posizioni, direzioni e distanze. Un vettore non è un simbolo astratto: è il modo in cui descrivi un utente, un prodotto, una sessione o un documento dentro uno spazio dove puoi misurare somiglianze reali. La categoria della lezione è tecnica, quindi conta capire quale decisione cambia quando il dato diventa più affidabile, non accumulare definizioni.

Il problema da risolvere

Conoscere i vettori in astratto serve a poco. Il problema vero è decidere cosa fare quando il team ha dati incompleti, metriche ambigue o vincoli tecnici che rendono fragile la lettura del fenomeno. Una lezione utile separa il segnale dal rumore, dice quale baseline usare e indica quale azione diventa più difendibile dopo l’analisi.

Immagina di confrontare due clienti che sembrano simili: hanno speso quasi la stessa cifra, arrivano dallo stesso canale e hanno visitato le stesse pagine. Poi guardi meglio e scopri che uno compra sempre prodotti ricorrenti, l’altro solo promozioni. In tabella sono vicini, nel comportamento sono lontani. La domanda pratica è quindi se due elementi sono davvero simili, e la risposta cambia se usi distanza euclidea, coseno, normalizzazione o una matrice di trasformazione. Non è un dettaglio tecnico: è una scelta che può cambiare segmenti, raccomandazioni e anomalie.

Una mappa di lavoro

Per non trasformare una nozione tecnica in un rituale vuoto, conviene seguire una sequenza fissa. Ogni passaggio deve rendere più chiaro il costo di una decisione sbagliata.

Passaggio	Domanda da fare	Output atteso
Decisione	Che cosa cambia se capiamo meglio la geometria del dato?	Scelta esplicita
Segnale	Quale dato osservabile riduce l’incertezza?	Metrica o evento
Baseline	Rispetto a cosa interpretiamo il risultato?	Confronto credibile
Vincolo	Che cosa può falsare la lettura?	Assunzione da dichiarare
Azione	Quale passo operativo segue?	Raccomandazione controllabile

La domanda iniziale non è “quale metrica calcolo?”, ma quale decisione dovrà essere presa grazie a questa analisi. Una distanza, una proiezione o una matrice di covarianza hanno valore solo se riducono incertezza decisionale.

Formalizzazione rigorosa

Formalizzare significa rendere la lezione una relazione tra decisione, evidenza e rischio. Non serve a complicare, ma a rendere visibili le assunzioni, così uno stakeholder può discutere il criterio decisionale invece di fidarsi del risultato per autorità.

Elemento	Definizione operativa	Controllo minimo
Unità di analisi	Oggetto su cui misuri il fenomeno	Utente, account, evento, ordine o periodo
Variabile osservata	Segnale che rappresenta il comportamento	Definizione stabile e tracciabile
Baseline	Stato contro cui confronti il segnale	Periodo, segmento, controllo o benchmark
Soglia decisionale	Punto in cui cambia l’azione	Criterio scritto prima della lettura
Rischio residuo	Errore che può restare anche dopo l’analisi	Sensitivity check o revisione qualitativa

La formalizzazione è solida quando un altro analista può riprodurre la logica, criticare le assunzioni e ottenere la stessa decisione partendo dagli stessi dati.

Vettori: punti e frecce nello spazio

Un vettore è una lista ordinata di numeri: v = [v₁, v₂, ..., vₙ]. Ogni cliente nel tuo dataset è un vettore, cioè una riga della matrice dei dati. Geometricamente è un punto nello spazio ℝⁿ o una freccia dall’origine a quel punto. Algebricamente è un elemento di uno spazio vettoriale su cui puoi fare somma e prodotto per scalare. In pratica, un cliente con età=34, reddito=45K, spesa_mensile=230 è il vettore [34, 45000, 230].

Le operazioni fondamentali sono poche. La somma u + v = [u₁+v₁, ..., uₙ+vₙ] corrisponde geometricamente alla diagonale del parallelogramma. Il prodotto per scalare α·v = [αv₁, ..., αvₙ] allunga o accorcia il vettore. Il prodotto scalare u·v = u₁v₁ + ... + uₙvₙ = ||u||·||v||·cos(θ) misura quanto due vettori puntano nella stessa direzione: se è 0 sono ortogonali, se è positivo formano un angolo acuto.

Il dot product è la base della similarità coseno, cos(θ) = (u·v) / (||u||·||v||), che misura similarità tra documenti, utenti e prodotti restando robusta alle differenze di scala. È anche la base della proiezione, proj_u(v) = ((u·v)/(u·u))·u, cioè la componente di v lungo la direzione di u. La norma ||v|| = √(v₁² + ... + vₙ²) è la lunghezza, ossia la distanza euclidea dall’origine.

u = np.array([1, 2, 3])
v = np.array([4, 5, 6])
cos_sim = np.dot(u, v) / (np.linalg.norm(u) * np.linalg.norm(v))
# cos_sim ≈ 0.974  -  molto simili

Matrici: trasformazioni dello spazio

Una matrice A di dimensioni m×n è una griglia di numeri. Nell’analisi dati la matrice X (n_righe × n_feature) rappresenta l’intero dataset: ogni riga è un vettore cliente, ogni colonna è una feature.

La moltiplicazione matrice-vettore y = A·x trasforma geometricamente il vettore x in un nuovo vettore y, ruotandolo, scalandolo o riflettendolo; ogni componente di y è una combinazione lineare delle componenti di x. La moltiplicazione matrice-matrice C = A·B compone trasformazioni: prima applichi B, poi A. La trasposta A^T scambia righe e colonne ed è fondamentale perché X^T·X è la matrice di covarianza, usata in PCA e regressione.

Un caso reale è il sistema di raccomandazione. Netflix rappresenta film e utenti come vettori in uno spazio latente (per esempio 50 dimensioni). La predizione del rating è il dot product tra il vettore utente e il vettore film. L’addestramento consiste nel trovare i vettori che minimizzano l’errore di predizione, un problema di algebra lineare massiccio risolto con decomposizione matriciale (SVD).

Distanze: quanto sono simili due punti?

Distanza	Formula	Quando usarla
Euclidea	√(Σ(uᵢ-vᵢ)²)	Default, sensibile agli outlier
Manhattan	`Σ	uᵢ-vᵢ
Coseno	`1 - (u·v)/(
Mahalanobis	√((u-v)^T·Σ⁻¹·(u-v))	Tiene conto della correlazione tra feature

La scelta della distanza determina il risultato di clustering, k-NN e anomaly detection. Non è un dettaglio, è una decisione di modellazione.

---

Riferimenti:

• Strang, G. (2019). Linear Algebra and Learning from Data. Wellesley-Cambridge Press.
• Boyd, S. & Vandenberghe, L. (2018). Introduction to Applied Linear Algebra. Cambridge University Press.

Controlli prima della decisione

Prima di usare vettori e matrici in una decisione, controlla sempre completezza, duplicati, timezone, definizioni cambiate e segmenti esclusi. Molte analisi apparentemente sofisticate falliscono perché il dato di partenza misura un comportamento diverso da quello che il team crede di osservare.

La media aggregata è solo il punto di partenza. Conviene segmentare per canale, coorte, piano, paese, device e maturità dell’utente. Se due segmenti si muovono in direzioni opposte, la media non rappresenta nessuno dei due e può portare a una decisione sbagliata. Ogni analisi dovrebbe poi terminare con una scelta possibile: continuare, fermare, iterare, investire, rimuovere o approfondire. Se la geometria del dato non cambia una decisione, probabilmente manca ancora il collegamento tra metrica e azione. Dopo l’intervento, definisci una metrica primaria e due guardrail: la metrica primaria misura il miglioramento atteso, le guardrail impediscono di ottenerlo distruggendo retention, fiducia, qualità del dato o sostenibilità operativa.

Esercizio guidato

Comincia dal livello base: scrivi in cinque righe quale decisione concreta dovrebbe migliorare grazie alla geometria del dato, indicando metrica, unità di analisi, baseline e rischio principale. Se non riesci a nominare la decisione, la lezione è ancora troppo astratta.

Al livello intermedio costruisci una tabella con quattro colonne: segnale osservato, interpretazione prudente, controllo necessario, azione consigliata. Usa almeno un caso in cui il segnale non basta per decidere.

Al livello research-grade trasforma l’esercizio in un memo decisionale che include assunzioni, criteri di esclusione, soglia di intervento, sensitivity check e una proposta di monitoraggio dopo la decisione. Per i dati usa dataset numerici, simulazioni, matrici, campioni, notebook o problemi guidati; in assenza di dati reali, crea un dataset sintetico con almeno 200 righe, una dimensione temporale, una dimensione segmento e una metrica di outcome.

Un esempio valido non deve essere grande. Può essere una tabella con una baseline e due segmenti, una query che verifica una definizione, un disegno di esperimento, un controllo su un modello o un memo di dieci righe. La qualità non dipende dalla complessità tecnica, ma dalla tracciabilità del ragionamento: chi legge deve capire perché hai scelto quella metrica, quale alternativa hai scartato e quale evidenza ti farebbe cambiare idea. Hai assimilato davvero questi concetti quando riesci a spiegarli senza gergo inutile, ad applicarli a un caso piccolo ma realistico e a difendere una raccomandazione includendo limiti e prossimi controlli.

Errori comuni da evitare

L’errore più frequente è usare vettori e matrici come etichetta tecnica invece che come criterio di scelta. Succede quando il team mostra un grafico senza decisione, una metrica senza baseline o una conclusione senza indicare quale assunzione potrebbe invalidarla. La domanda di controllo è: se questo risultato fosse instabile, quale scelta sbaglierei? Se la risposta non è concreta, manca ancora il collegamento tra analisi e azione.

C’è poi un rischio specifico della matematica applicata: usare formule e distanze come autorità invece che come controllo sulle assunzioni. Per questo conviene esplicitare il rischio più probabile prima della raccomandazione, non dopo, e chiudere con un output consegnabile, cioè una dashboard, una query, uno schema, un memo, un esperimento, un notebook o una checklist che un reviewer possa aprire e criticare.

Riepilogo

Vettori, matrici e geometria del dato diventano utili quando producono una decisione più chiara, non quando aggiungono terminologia. Il valore nasce quando colleghi problema, dati, metrica, segmentazione e azione. Una buona analisi non termina con “il numero è salito” o “il numero è sceso”, ma con una frase operativa: quale decisione prendiamo, con quale livello di confidenza e quale metrica useremo per sapere se avevamo ragione. La forma corretta della lezione è decisione, segnale, baseline, rischio e azione, e tutto il resto serve solo se rende più affidabile uno di questi passaggi.