Francis Bacon: induction and idols of the mind

Bacon rende operativo un punto che resta attuale: prima di fidarti dei dati, controlla i pregiudizi che hanno guidato la domanda. In questa lezione gli idoli della mente diventano strumenti concreti per difendere decisioni, metriche e analisi dalle conferme troppo comode.

A cosa serve Bacon in un’analisi

Nei fondamenti filosofici dell’analisi dati, il contributo di Bacon risolve un problema preciso: distinguere quando un dato sostiene davvero una decisione e quando invece nasconde assunzioni implicite, bias cognitivi, una causalità fragile o una domanda mal posta. Non è un concetto astratto, ma un criterio operativo per migliorare le scelte basate sui dati, dichiarando la soglia di errore e la robustezza delle evidenze.

Il percorso dall’osservazione alla scelta

Il processo decisionale sotto incertezza si articola in fasi sequenziali:

flowchart LR
    A["Observation"]
    B["Assumption"]
    C["Model"]
    D["Evidence"]
    E["Decision"]
    A --> B
    B --> C
    C --> D
    D --> E

Una domanda ben formulata si traduce in unità osservabili, da cui si valuta la qualità del dato e solo alla fine si decide. Chi salta uno di questi passaggi ottiene analisi eleganti ma fragili.

Step	Guiding question	Expected output
Framing	Which decision needs to change?	A concrete choice, not a curiosity
Measure	Which signal represents the phenomenon?	Metric, source, and granularity
Comparison	Compared to which baseline do I interpret the result?	Benchmark or plausible counterfactual
Action	What do I do if the signal exceeds the threshold?	Decision, owner, and next check

Quattro elementi da tenere insieme

Conviene leggere il contributo di Bacon come una relazione tra quattro elementi, ciascuno con una definizione che puoi applicare subito.

Element	Operational Definition
Unit	observation, hypothesis, variable, causal mechanism, or evidence criterion
Signal	strength of evidence, causal coherence, robustness of assumptions, and cost of decision error
Baseline	alternative explanation, counterfactual, comparable group, or no-intervention scenario
Decision	accept, reject or reformulate an explanation before using it in a business context

La regola pratica è semplice: una misura serve solo se riduce l’incertezza su una decisione specifica. Se non cambia una scelta, è mera documentazione. Se cambia una scelta senza controlli, è rischio.

I quattro idoli della mente

Bacon individua quattro distorsioni cognitive che minano l’analisi dei dati e le chiama idoli della mente.

Idol	Source of bias	Manifestations in modern data analysis
Idola Tribus (della tribù)	Human nature, tendency to see patterns everywhere	Apophenia: spotting trends in just a few data points, confusing noise with signal
Idola Specus (della caverna)	Individual biases linked to training and habits	Interpretative preferences tied to professional background
Idola Fori (del mercato)	Ambiguity and imprecision in language	Different definitions for seemingly identical metrics
Idola Theatri (del teatro)	Dogmas, authorities, and conventions left unquestioned	Uncritical acceptance of established rules and frameworks

Il caso del budget spostato su TikTok

Nel 2021 un’azienda spostò il 40% del budget marketing da Facebook a TikTok basandosi su tre mesi di dati che mostravano un calo di Facebook e una crescita di TikTok. Era un caso da manuale di Idola Tribus: il presunto trend era in realtà rumore stagionale e honeymoon effect. Sei mesi dopo il ROAS di TikTok era crollato e Facebook era tornato ai livelli precedenti.

Un comitato di analisi applicò il metodo baconiano costruendo una tabella che teneva separate evidenza, interpretazione prudente e decisione, cioè osservazione, assunzione e azione.

Evidence	Prudent interpretation	Resulting decision
Positive signal but not isolated	The phenomenon exists, but the cause is uncertain	Look for baseline or holdout
Segment with different response	The average effect hides heterogeneity	Analyze cohorts or subgroups
Increasing operating cost	The result should be evaluated on margin	Apply economic thresholds

Esercizio su tre livelli

Al livello base scegli una decisione reale e descrivi in cinque righe obiettivo, metrica primaria, baseline, rischio principale e azione prevista. Limita a una metrica primaria.

Al livello intermedio costruisci una tabella con almeno tre segmenti o scenari. Per ciascuno indica il segnale, una possibile spiegazione alternativa e il controllo necessario prima di decidere.

Al livello research-grade disegna un piano di validazione: ipotesi, dati necessari, criteri di esclusione, soglia decisionale e controllo post-decisione. Specifica cosa ti farebbe cambiare idea. Per i materiali usa case study decisionali, metriche prodotto, risultati di esperimenti, DAG semplici, report analitici e serie storiche simulate. Se non hai dati reali, crea un dataset sintetico con 200-500 righe e almeno una colonna temporale, una colonna segmento, una metrica di outcome e una variabile di esposizione.

L’errore che svuota tutto

L’errore più comune è trattare il concetto di Bacon come una definizione da ricordare invece che come un protocollo decisionale. Capita quando si presenta una metrica senza baseline, un grafico senza ipotesi o una raccomandazione che ignora il costo dell’errore.

Il controllo che lo smaschera è una domanda: “Se questo risultato fosse falso o instabile, quale decisione sbaglierei?” Se non sai rispondere, la lezione è rimasta sulla carta.

Quiz or checkpoint

1. What is the concrete decision this lesson should improve?
2. Which baseline makes the result interpretable?
3. Which assumption, if wrong, would change the conclusion?
4. What minimum check would you use before presenting the recommendation?

Operational Summary

Bacon ci ricorda che l’analisi dei dati richiede rigore nel collegare concetto, dato e decisione. Applicare i suoi principi significa partire da un problema reale, formalizzare il segnale, cercare una baseline credibile, costruire esempi concreti e chiudere con controlli pratici che tengono lontani gli errori cognitivi e i dogmi. È così che l’incertezza diventa una decisione consapevole.

---

References: Bacon, F. (1620). Novum Organum Scientiarum. Kahneman, D. (2011). Thinking, Fast and Slow. Klein, G. (2007). “Francis Bacon.” Stanford Encyclopedia of Philosophy.