Interprete di Analisi Statistiche
L'Interprete di Analisi Statistiche prende l'output statistico grezzo, che provenga da Python, R, SPSS, Excel o qualsiasi altro strumento, e lo traduce in spiegazioni in linguaggio semplice con conclusioni operative per il business. Invece di fissare p-value e intervalli di confidenza chiedendoti cosa significhino per la tua decisione, ottieni una narrazione chiara.
Analisti di dati che eseguono test ma devono spiegare i risultati a stakeholder non tecnici, product manager che valutano esiti di A/B test, ricercatori che preparano risultati per la pubblicazione e studenti che stanno imparando la statistica usano questo template. Funziona con qualsiasi metodo statistico: t-test, chi-quadrato, regressione, ANOVA, correlazione e altri.
Il prompt produce un output superiore perché richiede di condividere sia l'output statistico grezzo sia la domanda di business che lo motiva. Questo contesto permette all'AI di collegare i numeri alla tua decisione concreta. Un p-value di 0,03 non significa nulla in isolamento, ma "ci sono prove solide che il nuovo flusso di checkout aumenta la conversione, e il miglioramento stimato di 2,1 punti percentuali genererebbe circa 340.000 euro di ricavi annuali aggiuntivi" è qualcosa su cui puoi agire.
This prompt is just the starting point
Score it with AI, optimize it with one click, track versions, and build your prompt library.
The Prompt
Interpreta i seguenti risultati di analisi statistica:
**Domanda di Business**: [LA DOMANDA A CUI QUESTA ANALISI RISPONDE, es. "Il nuovo flusso di onboarding riduce il tempo alla prima azione rispetto al flusso attuale?"]
**Test Statistico / Metodo Utilizzato**: [NOME DEL TEST, es. "T-test per campioni indipendenti" o "Regressione lineare multipla" o "Non ne sono sicuro, per favore identificalo"]
**Strumento Utilizzato**: [Python/scipy, R, SPSS, Excel, Google Sheets o altro]
**Output Grezzo**:
```
[INCOLLA QUI IL TUO OUTPUT STATISTICO, es.
t-statistic: -2.847
gradi di libertà: 198
p-value: 0.0049
Media Gruppo A (controllo): 4,7 giorni
Media Gruppo B (nuovo flusso): 3,2 giorni
IC 95% per la differenza: [-2,54, -0,46]
d di Cohen: 0,40]
```
**Dimensione del Campione**: [N TOTALE E DIMENSIONI DEI GRUPPI SE APPLICABILE, es. "100 per gruppo, 200 totali"]
**Contesto Aggiuntivo**: [EVENTUALE CONTESTO AZIENDALE RILEVANTE, es. "Abbiamo eseguito questo test per 3 settimane, il 10% del traffico era nel gruppo di test"]
Fornisci la seguente interpretazione:
### 1. Riepilogo in Linguaggio Semplice
In 2-3 frasi comprensibili per un dirigente non tecnico, spiega cosa significano i risultati. Parti dalla conclusione ("Il nuovo flusso funziona" o "Non c'è una differenza significativa"), poi supportala con i numeri chiave tradotti in termini di business.
### 2. Interpretazione Statistica
Spiega ogni componente dell'output:
- Cosa significa ogni numero (statistica del test, p-value, intervallo di confidenza, effect size)
- Se il risultato è statisticamente significativo al livello 0,05
- La significatività pratica: l'effetto è abbastanza grande da contare per il business?
- Direzione e grandezza dell'effetto in unità reali
### 3. Assunzioni e Limitazioni
- Elenca le assunzioni chiave di questo test (es. normalità, indipendenza, varianza uguale) e se sono probabilmente soddisfatte dato il campione e il contesto
- Segnala eventuali criticità: campione ridotto, confronti multipli, rischio di bias di selezione o problemi di periodo temporale
### 4. Raccomandazione
In base ai risultati e al contesto, cosa dovrebbe fare il team? Sii specifico:
- Implementare la modifica, prolungare il test, testare con un campione più ampio, indagare una variabile confondente, o altro
- Se il risultato è inconcludente, stima la dimensione campionaria necessaria per rilevare l'effetto osservato con una potenza dell'80%
### 5. Come Presentare i Risultati
Suggerisci un riepilogo di 1-2 frasi adatto per una slide o un messaggio Slack per gli stakeholder. Senza gergo tecnico e orientato all'azione.Usage Tips
- Incolla l'output completo: includi tutti i numeri, non solo il p-value. Effect size, intervalli di confidenza e dimensioni del campione sono essenziali per un'interpretazione significativa. Output parziale porta a risposte parziali.
- Dichiara sempre la domanda di business: "il p è < 0,05?" è una domanda di statistica. "Dovremmo rilasciare questa funzionalità?" è una domanda di business. L'interprete ha bisogno della domanda di business per collegare i numeri alle decisioni.
- Dillo se non sei sicuro del test utilizzato: se hai eseguito una funzione senza comprendere appieno il metodo, menzionalo. L'interprete identificherà il test e segnalerà se era la scelta giusta per i tuoi dati.
- Usalo per imparare: dopo aver ricevuto l'interpretazione, fai domande di approfondimento su qualsiasi concetto che non ti è chiaro. È un modo efficace per costruire intuizione statistica lavorando su analisi reali.
- Attenzione alla significatività pratica vs. statistica: un campione grande può rendere "statisticamente significative" differenze minuscole. L'interprete lo segnala, ma presta particolare attenzione alla sezione sulla significatività pratica quando il tuo campione supera i 10.000.
Get more from this prompt
Save it, score it with AI, optimize it, and track every version. Free to start.