Aristotle and the Four Causes
How Aristotle's framework of the four causes helps understand why phenomena occur in data.
What you will learn
- Leggere una metrica con le quattro cause, materia, forma, processo e scopo
- Segmentare un segnale per coorte, piano e canale per individuare dove si concentra il fenomeno
- Pesare le cause efficienti contro una baseline prima di attribuire il cambiamento
Aristotle and the Four Causes: A Framework for Decision-Making Under Uncertainty
Quando un team legge un dato, raramente distingue le quattro domande che lo attraversano: cosa misura davvero quel numero, da quali dati grezzi deriva, quale processo lo ha generato e a quale scopo deve servire. Aristotele chiamava proprio queste domande le quattro cause, e la sua griglia, nata oltre ventitré secoli fa, resta sorprendentemente pratica. Serve a un gesto semplice ma raro: fermarsi prima di interpretare un numero, senza confondere il valore osservato con la sua spiegazione.
Il caso tipico è un calo delle vendite mostrato in dashboard. Il numero sembra un fatto netto e proprio per questo spinge a conclusioni affrettate. Il team fonde misura, dati di origine, processo che li ha prodotti e scopo della metrica, quando invece ciascun piano richiede un controllo separato. All’apparenza è lavoro in più. In realtà è l’unico modo per evitare che un grafico diventi una sentenza.
Quattro domande, una sola metrica
Le quattro cause di Aristotele impongono di leggere ogni metrica da quattro lati — materia, forma, processo e scopo — prima di trasformarla in una decisione. Nessuna di esse, presa da sola, spiega il fenomeno: la spiegazione nasce soltanto dal loro insieme.
Il metodo, un passo alla volta
- Dichiara la decisione che il numero dovrebbe cambiare e il costo di una scelta sbagliata.
- Controlla la causa materiale: qualità, definizioni e copertura dei dati grezzi dietro la metrica.
- Controlla la causa formale: segmenta per coorte, piano e canale e individua dove si concentra il fenomeno.
- Controlla la causa efficiente: elenca i cambiamenti recenti che possono aver prodotto il segnale e pesali contro una
baseline. - Controlla la causa finale: chiarisci a quale obiettivo serve la metrica e intervieni solo sui segmenti che contano per quell’obiettivo.
Le quattro cause, una per una
Aristotele risponde alla domanda sul perché in quattro modi. La materia indica i dati grezzi, la forma indica struttura e segmentazione, il processo indica il meccanismo che genera il segnale e lo scopo indica l’obiettivo decisionale. Vale la pena leggerli fianco a fianco, perché ognuno apre una sala d’esame diversa.
| Cause | Question | Meaning |
|---|---|---|
| Material | What is it made of? | The substrate, raw data |
| Formal | What is its form or structure? | The design, algorithm, model |
| Efficient | What produced it? | The agent or process causing the change |
| Final | For what purpose? | The strategic goal, the telos |
Nessuna delle quattro, presa da sola, spiega un fenomeno. Solo tenendole insieme la lettura regge quando i dati sono incerti.
Verdetto: una metrica letta con una sola causa è un numero orfano, mentre con tutte e quattro diventa una decisione tracciabile.
Dal grafico alla decisione
Una decisione solida non collega il grafico direttamente alla conclusione. Attraversa osservazione, assunzione esplicita, modello, evidenza e scelta. Ogni passaggio omesso rende l’analisi fragile, e gli errori costosi nascono quasi sempre da un passaggio saltato.
| 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 | Rispetto a quale baseline interpreto il risultato? | Benchmark or plausible counterfactual |
| Action | What do I do if the signal exceeds the threshold? | Decision, responsible party, and next check |
Prima di interpretare qualsiasi numero, conviene fissare gli elementi del ragionamento.
| Element | Operational Definition |
|---|---|
| Unit | Observation, hypothesis, variable, causal mechanism or evidence criterion |
| Signal | Strength of evidence, causal coherence, robustness of assumptions, cost of decision error |
| Baseline | Alternative explanation, counterfactual, comparable group or no-intervention scenario |
| Decision | Accept, reject, or reformulate an explanation before applying it in business |
La regola resta semplice: una misura vale solo se riduce l’incertezza su una decisione specifica.
Il churn che cresce in un SaaS
Un servizio SaaS vede il churn mensile salire dal 4% al 7%. È il tipo di numero che spinge a reagire prima di capire, ed è qui che la griglia mostra il suo valore.
La causa materiale chiede di cosa è fatto il numero: parte dei clienti segnati come in churn potrebbe esserlo solo sulla carta, per carte di credito scadute e non aggiornate. Il primo passo è un audit di quei record.
La causa formale chiede dove si concentra il fenomeno: segmentando per coorte, piano e canale emerge che il churn colpisce soprattutto i clienti arrivati da Facebook Ads con piano base dopo il terzo mese.
La causa efficiente chiede cosa lo ha prodotto: l’impennata coincide con un aumento di prezzo del 15%, il lancio di un competitor a metà prezzo e un bug dell’onboarding durato cinque giorni. Il passo serio è pesarli contro una baseline, invece di incolpare il primo sospetto.
La causa finale chiede a quale scopo serve la metrica: i clienti usciti avevano basso utilizzo e alti costi di supporto, quindi quel churn è anche pulizia del portafoglio. La strategia sana è trattenere i profittevoli.
L’errore che svuota il metodo
L’errore più comune è studiare le quattro cause come definizioni da ripetere invece che come protocollo da usare. Metriche senza baseline, grafici senza ipotesi e raccomandazioni che ignorano il costo dell’errore portano dritto a decisioni sbagliate. Il controllo è una domanda sola: se questo risultato fosse falso, quale decisione sbaglierei.
Essential references
- Aristotele, Fisica, libro II, capitolo 3, circa 350 a.C.
- Aristotele, Metafisica, libro V, capitolo 2, circa 350 a.C.
- Falcon, A. (2019). Aristotle on Causality. Stanford Encyclopedia of Philosophy.
- Randolph, M. (2019). That Will Never Work: The Birth of Netflix. Little, Brown and Company.
Il caso Netflix: una decisione letta con una causa sola
Nel 2011 Netflix annunciò la separazione tra DVD e streaming con il marchio Qwikster e perse 800.000 abbonati in un trimestre, mentre il titolo crollava del 77% dal picco estivo. Sul piano materiale la comunicazione era confusa e molti clienti credettero che il DVD sparisse del tutto. Sul piano formale i due servizi separati creavano attrito a ogni interazione. Sul piano efficiente chi usava entrambi i servizi percepì un rincaro del 60%. Sul piano finale la migrazione verso lo streaming era inevitabile ma fu gestita senza raccontarne il senso, e solo con la chiarezza ritrovata nel 2013, con il lancio di House of Cards, le cancellazioni rientrarono. Un solo errore di lettura, quattro cause trascurate.
Domande per controllare il vostro metodo
- Quale decisione concreta dovrebbe cambiare grazie alle quattro cause in questa lezione?
- Quale
baselineusi per pesare la causa efficiente contro le spiegazioni alternative? - Quale delle quattro cause stai trascurando quando una metrica sale senza un perché chiaro?
- Quale controllo minimo faresti prima di portare la raccomandazione a chi decide?
Bloccato su questo argomento o vuoi applicarlo al tuo caso? Prenota una call di 15 minuti con un analista esperto.
Related Path
Lessons to read together
Questi collegamenti portano la lezione dentro il resto del corso: basi da riprendere, passaggi successivi e connessioni tematiche tra moduli.