Indice: fondamenti filosofici dell’analisi dei dati

Questo indice apre il binario ml-tabellare e il modulo che lo accompagna. Prima ancora di aprire un notebook o un dashboard, l’analista porta con sé idee implicite su evidenza, causa, misura, incertezza e responsabilità. Se restano implicite guidano comunque il lavoro, ma senza alcun controllo critico. Il rischio di sbagliare le decisioni cresce.

Questo modulo è una cassetta degli attrezzi mentale. Organizza un percorso per decidere sotto incertezza. Aiuta a riconoscere quando un dato sostiene davvero una scelta e quando invece nasconde assunzioni fragili o un bias.

Il senso del modulo in una frase

Questo modulo tratta la filosofia come cassetta degli attrezzi dell’analista: criteri espliciti per decidere cosa conta come evidenza prima di trasformare numeri in scelte. Tutto il resto, dai bias di Bacon ai grafi di Pearl, è un utensile di questa cassetta.

Module map

Il percorso parte da cosa conta come evidenza, passa per Bacon, Kant, Popper e Kuhn, entra nella causalità di Pearl e nei due linguaggi della probabilità, e chiude con Simpson e il metodo scientifico applicato. Ogni tappa aggiunge un controllo: bias, lente interpretativa, falsificabilità, paradigma, grafo causale, incertezza, stratificazione e protocollo decisionale.

La regola che attraversa tutto il modulo è semplice: una misura serve a qualcosa solo se riduce l’incertezza su una decisione precisa. Se non cambia una scelta resta documentazione. Se cambia una scelta senza controlli a monte, diventa rischio.

Come percorrere il modulo in cinque mosse

1. Parti dalla domanda su cosa conta come evidenza per la decisione che hai davanti.
2. Interroga i bias con Bacon e la lente interpretativa con Kant.
3. Progetta test che possano smentirti con Popper e riconosci i paradigmi con Kuhn.
4. Separa associazione e causa con Pearl e leggi l’incertezza con i due linguaggi della probabilità.
5. Controlla aggregazioni e confondenti con Simpson prima di chiudere la decisione.

Typical mistake to avoid

Il più comune è trattare questo metodo come una definizione da memorizzare invece che come un protocollo decisionale. Capita quando si presenta una metrica senza baseline, un grafico senza ipotesi o una raccomandazione senza considerare il costo dell’errore.

Il controllo che conviene farsi è questo: se questo risultato fosse falso o instabile, quale decisione sbaglieresti. Se non c’è una risposta chiara, la lezione è rimasta sulla carta.

References: Anscombe, F. J. (1973). Graphs in Statistical Relationships. The American Statistician.

Il quartetto che apre il modulo

Nel 1973 lo statistico Francis Anscombe pubblicò quattro piccoli dataset con media, varianza e retta di regressione quasi identiche. Disegnati, raccontano storie opposte: uno è lineare, uno è curvo, uno è dominato da un singolo punto anomalo e uno è quasi verticale. Il quartetto resta l’argomento più compatto contro l’analisi senza visualizzazione: nessun riassunto numerico sostituisce il guardare i dati. Questo modulo parte da qui perché ogni capitolo successivo è una variazione dello stesso avvertimento.

Verdetto: la regola che attraversa tutto il modulo vince su ogni altra: una misura serve solo se riduce l’incertezza su una decisione precisa, e il percorso va percorso in ordine, dal criterio di evidenza al controllo di Simpson, prima di chiudere una scelta.

Domande per chiudere la lezione

1. Quale decisione del tuo lavoro dipende da cosa accetti come evidenza?
2. Quale capitolo del modulo useresti per primo sul tuo problema attuale?
3. Quale assunzione implicita guida già le tue analisi senza controllo?
4. Quale controllo applicheresti da domani mattina prima di presentare un risultato?