Lab: rifare il framework metrico di un business reale

Questo laboratorio appartiene al binario ml-tabellare: ogni numero che costruiremo vive in una tabella, con denominatore, finestra e segmento dichiarati, e ogni decisione nasce da un confronto tra righe e periodi.

L’idea in una frase

Rifare il framework metrico significa collegare ogni numero a una decisione, a una baseline e a un guardrail esplicito. Se un numero non cambia una scelta, non merita un posto nel framework.

La sequenza di lavoro

1. Elenca le decisioni che il framework deve supportare e scarta le metriche senza decisione.
2. Scegli la metrica obiettivo sul margine di contribuzione con unità, denominatore e finestra espliciti.
3. Disegna il KPI tree con driver, guardrail, coorti e baseline per ogni ramo.
4. Ricalcola tre mesi di storico con le nuove definizioni e confronta con le vecchie dashboard.
5. Assegna ownership, refresh e controlli di qualità e fissa la data di revisione trimestrale.

Il problema da risolvere

Il lab parte da un business in cui ogni reparto ha metriche corrette localmente ma incoerenti tra loro. Il compito è rifare il framework: North Star, KPI tree, segmenti, baseline, guardrail e decisioni associate. Un buon framework separa il segnale dal rumore, dichiara la baseline e indica quale azione diventa difendibile dopo l’analisi.

Per restare sul pratico, segui una sequenza fissa: ogni passaggio chiarisce il costo di una decisione sbagliata.

Passaggio	Domanda da fare	Output atteso
Decisione	Che cosa cambia se rifacciamo il framework metrico?	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

Vanity metric e metriche di sostanza

Il primo passo è distinguere vanity metric e metriche di sostanza. Utenti registrati, download e visualizzazioni crescono quasi sempre. Danno una falsa sensazione di progresso, senza dire nulla sulla salute del business. Un’azienda con milioni di registrati di cui il 95 per cento è inattivo da mesi è come un negozio che celebra gli ingressi senza guardare gli acquisti.

La bussola deve essere una metrica di risultato sul valore economico sostenibile: quasi sempre il margine di contribuzione, non il fatturato. Prendi un servizio di food delivery con 100 milioni di volume lordo, 30 milioni di sconti e 80 milioni di costi per rider e ristoranti. Il netto da commissioni è 20 milioni. Il margine di contribuzione è negativo per 10 milioni. Ogni ordine brucia cassa. Spingere il volume senza agire su sconti ed efficienza logistica porta verso l’insolvenza.

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

In sintesi: misura il volume per il cruscotto ma decidi sul margine di contribuzione con guardrail su sconti e costi variabili.

Traccia operativa per il lab

Area	Controllo da mantenere
Domanda	Quale scelta deve cambiare dopo l’analisi
Dato	Quale evento, tabella o metrica rende osservabile il problema
Qualità	Quale errore di raccolta o interpretazione può alterare il risultato
Baseline	Quale confronto impedisce una lettura isolata
Azione	Quale raccomandazione diventa più difendibile

Il caso che insegna a leggere il margine

Nel 2019 Uber chiude l’anno con ricavi per 14,1 miliardi di dollari e una perdita netta di 8,5 miliardi da bilancio annuale, dopo la quotazione in borsa di maggio dello stesso anno. Il volume delle corse cresce mentre i costi variabili di incentivi, assicurazioni e supporto erodono il margine per ordine in diversi mercati. Chi legge solo le corse o gli utenti attivi vede espansione, mentre chi legge il margine di contribuzione per corsa vede dove la crescita brucia cassa. La società reagisce negli anni successivi con pricing, efficienza assicurativa e uscita dai mercati in perdita strutturale. Il messaggio del lab è diretto: senza margine per ordine e guardrail sui costi variabili, la metrica di volume accelera i problemi invece di risolverli.

Verdetto: misura il volume per il cruscotto ma decidi sul margine di contribuzione con guardrail su sconti e costi variabili: se un numero non cambia una scelta, non merita un posto nel framework.

Domande per ripassare

1. Quale decisione concreta deve migliorare grazie al tuo nuovo framework?
2. Quale metrica di margine sostituisce la vanity metric di volume?
3. Quale baseline impedisce una lettura isolata del nuovo KPI tree?
4. Quale controllo di qualità blocca la pubblicazione di un numero fragile?