Excel, SQL o Python: Quale Scegliere per l’Analisi Dati? (Guida e Confronto)

Un analista si siede alla scrivania, apre il laptop e si trova davanti una richiesta: estrarre un report da un database con milioni di transazioni.

A sua disposizione ha tre strade: un foglio Excel vuoto, un terminale SQL in attesa di query, o un notebook Python pronto per eseguire codice.

Il dataset è sempre lo stesso, ma la prospettiva cambia radicalmente. Con Excel hai il controllo visivo e immediato, ma rischi che il computer si blocchi alla minima formula complessa. Con SQL interroghi i server come un cecchino, estraendo solo ciò che ti serve senza dover muovere file pesanti. Con Python scrivi codice per automatizzare tutto, unendo dati e algoritmi complessi in un flusso unico.

La vera domanda non è mai quale di questi strumenti sia il migliore in assoluto.

Il punto è capire cosa succede al tuo lavoro quando scegli l’uno invece dell’altro.

In questo articolo confrontiamo Excel, SQL e Python sulle operazioni di tutti i giorni, per capire esattamente quale attrezzo tirare fuori dalla cassetta degli attrezzi.

Tre strumenti, un obiettivo: capire i dati

Excel, SQL e Python (con la libreria Pandas) sono i tre pilastri dell’analisi dati. Non sono in competizione: ognuno eccelle in contesti diversi. Conoscerli tutti ti rende un analista completo.

• Excel: Interfaccia visuale, immediata e accessibile. Perfetto per analisi rapide, report e utenti di business. I dati si vedono subito, le formule si scrivono nelle celle.

• SQL: Il linguaggio dei database. Quando i dati sono tanti (milioni di righe), SQL li interroga con precisione chirurgica direttamente alla fonte, delegando il lavoro pesante ai server.

• Python (Pandas): La potenza del codice applicata ai dati. Sfruttando la vettorializzazione sotto il cofano, processa milioni di righe in frazioni di secondo. È flessibile, automatizzabile e indispensabile per la modellazione avanzata.

Le operazioni fondamentali a confronto

Vediamo come i tre strumenti affrontano le stesse 6 operazioni tipiche dell’analisi dati, e dove si nascondono le vere insidie.

1. Caricare i dati

Importare un file CSV o una tabella come primo passo di ogni analisi.

• Excel (Da Menu): Clicchi su Dati → Recupera dati → Da testo/CSV. Si apre Power Query che ti permette di scegliere separatore e formato. Il limite: se il file supera il milione di righe, Excel semplicemente non lo apre.

• SQL (Query): SELECT * FROM data;. In SQL i dati sono già nel database. L’asterisco prende tutte le colonne. Non carichi nulla in locale: leggi e interroghi direttamente il server.

• Python (Codice): import pandas as pd, poi df = pd.read_csv('data.csv'). Due righe per caricare il file in un DataFrame. Da sapere: Pandas carica i dati interamente nella RAM del tuo computer. È velocissimo, ma se il file è più grande della tua memoria disponibile, il kernel crasha.

2. Filtrare i dati

Selezionare solo le righe che soddisfano una condizione (es. vendite > 1000).

• Excel: Usa il classico Dati → Filtro oppure la formula dinamica =FILTER(A2:F100, E2:E100>1000). Comodo e visivo.

• SQL: La clausola WHERE è il filtro assoluto. Puoi concatenare condizioni complesse a velocità estreme: WHERE Sales > 1000 AND Region = 'Nord'.

• Python: Sintassi basata sul boolean indexing. Generi un filtro vero/falso: df[(df['Sales'] > 1000) & (df['Region'] == 'Nord')]. Le parentesi tonde tra le condizioni sono obbligatorie.

3. Ordinare i dati

Disporre le righe per valore crescente o decrescente.

• Excel: Dati → Ordina. Permette di creare facilmente gerarchie visive (prima per Regione, poi per Vendite).

• SQL: Usa ORDER BY Sales DESC alla fine della query. Un’operazione velocissima anche su milioni di righe grazie agli indici del database.

• Python: Il metodo df.sort_values('Sales', ascending=False) ordina i record in memoria.

4. Raggruppare e aggregare

Calcolare totali, medie o conteggi per categorie.

• Excel: =SUMIF(B:B, H2, E:E) per somme rapide, ma per aggregazioni massive le Tabelle Pivot restano lo standard drag-and-drop imbattibile per semplicità.

• SQL: GROUP BY Region. È lo standard industriale. Puoi filtrare ulteriormente i risultati aggregati usando la clausola aggiuntiva HAVING.

• Python: Il costrutto df.groupby('Region', as_index=False)['Sales'].sum() fa esattamente il lavoro di una Pivot, ma con la possibilità di automatizzarlo in uno script ricorsivo.

5. Unire tabelle (Join)

Combinare due dataset sulla base di una colonna in comune.

• Excel: Il regno del CERCA.VERT (o del più moderno CERCA.X). L’insidia: chiunque faccia analisi dati conosce l’angoscia di un VLOOKUP su 300.000 righe che fa bloccare e “congelare” il computer per lunghissimi minuti.

• SQL: LEFT JOIN table2 ON a.id = b.id. Sfrutta le relazioni native del DB. Preserva l’integrità della tabella di partenza e restituisce NULL laddove non vi sia corrispondenza univoca. Nessun blocco del PC, fa tutto il server.

• Python: pd.merge(df1, df2, on='id', how='left'). Unisce dataset eterogenei (es. un CSV scaricato da un CRM incrociato con un file JSON del reparto marketing) direttamente in memoria.

6. Visualizzare i dati

Creare grafici per comunicare i risultati.

• Excel: Brilla nell’interfaccia visiva. In pochi clic generi istogrammi e trend legati in tempo reale alle celle. Perfetto per riunioni dell’ultimo minuto.

• SQL: Non visualizza direttamente. Genera set tabulari puri che devono essere dati in pasto a software di Business Intelligence (come Power BI o Tableau) per creare dashboard.

• Python: Sfrutta librerie come Matplotlib o Seaborn: df.plot(kind='bar'). Richiede più tempo per il setup grafico, ma rende la visualizzazione automatizzata, riproducibile e aggiornabile al volo.

Un esempio concreto: Mini-casi d’uso per ogni strumento

Per capire davvero la differenza, guarda i problemi reali che ogni strumento è chiamato a risolvere in un team di dati:

Excel: Distribuire il budget mensile del team marketing, creare un grafico interattivo per gli stakeholder, gestire listini prezzi inferiori a 50.000 righe.

Esempio pratico in Excel: Il Budget del Team Marketing

Scenario: È l’inizio del mese. Il CMO ti assegna un budget di €50.000 da dividere su 5 canali (Facebook, Google, SEO, Influencer, Newsletter). Devi creare un modello predittivo dinamico per mostrare come cambierà il ROI (Ritorno sull’Investimento) stimato al variare delle allocazioni.

Come si sviluppa in pratica:

1. La struttura: Crei una tabella pulita con le colonne: Canale, Budget Allocato, Costo per Click (CPC) stimato, Conversion Rate %, Ricavo Stimato e ROI.

2. Le formule: Inserisci formule interconnesse nelle celle. Ad esempio, il numero di conversioni stimate sarà =(Budget/CPC)*Conversion_Rate.

3. L’interattività: Usi lo strumento Scenari o una semplice barra di scorrimento (controllo modulo) legata alla cella del budget di Facebook Ads.

4. Il risultato visivo: Accanto alla tabella inserisci un grafico a torta per la ripartizione del budget e un grafico a barre per il ROI atteso. Quando il CMO ti dice “Cosa succede se spostiamo €10.000 da Google a Facebook?”, tu cambi i due valori con il mouse e i grafici si aggiornano istantaneamente durante la riunione.

SQL: Estrarre solo gli eventi “ERROR” da una tabella di log con 12 milioni di righe, unire in modo massivo l’anagrafica clienti globale con lo storico degli ordini annuali per una dashboard BI aziendale.

Esempio pratico in SQL: Caccia all’errore nei Log di un E-commerce

Scenario: È il black friday. Alle 00:05 il sito ha subito un rallentamento critico. Il server ha registrato 12 milioni di righe di log nella tabella sistema_log. Devi isolare immediatamente i messaggi di errore critici generati tra la mezzanotte e le 00:10 per capire quale microservizio è andato in crash.

Come si sviluppa in pratica: Invece di scaricare un file mostruoso, apri la console SQL e scrivi una query mirata, sfruttando gli indici del database per non rallentare ulteriormente il server:

SELECT 
    timestamp, 
    servizio_id, 
    codice_errore, 
    messaggio
FROM 
    sistema_log
WHERE 
    stato = 'CRITICAL'
    AND timestamp BETWEEN '2026-11-27 00:00:00' AND '2026-11-27 00:10:00'
ORDER BY 
    timestamp ASC;

Il risultato:

In meno di 1.5 secondi, il database scarta i 12 milioni di righe inutili e ti restituisce una tabella pulita con sole 42 righe. Leggendo l’output noti subito che il servizio checkout_payment ha restituito l’errore Timeout Gateway. Hai trovato il colpevole senza pesare sulla RAM del tuo computer.

Python: Fare il merge di dataset eterogenei sporchi (CSV, API, JSON), preparare matrici per algoritmi di machine learning, o affrontare casi avanzati. Un mini-case concreto: “Pythia 6.9B quantizzato a 4 bit: perdita di coerenza nei task matematici”. Per pulire i log di inferenza sporchi di un modello linguistico, isolare i prompt matematici e calcolare vettorialmente le metriche di decadimento, Pandas è l’unico strumento davvero adeguato.

Esempio pratico in Python: Analisi Coerenza su Pythia 6.9B

Scenario (Avanzato): Stai testando un modello linguistico locale (Pythia 6.9B) quantizzato a 4-bit per ridurne le dimensioni. Hai il forte sospetto che la quantizzazione abbia distrutto la sua capacità di risolvere problemi matematici, facendolo allucinare dopo pochi passaggi. Hai un file JSON con 50.000 risposte generate dal modello, mischiate tra prompt di testo generico e prompt di calcolo matematico.

Come si sviluppa in pratica: Apri un notebook Jupyter. Non puoi usare Excel perché la struttura del JSON è nidificata e complessa; non puoi usare SQL perché devi applicare espressioni regolari avanzate e calcoli statistici riga per riga.

import pandas as pd
import re

# 1. Carichi il dataset eterogeneo (JSON Lines)
df = pd.read_json("pythia_inference_outputs.jsonl", lines=True)

# 2. Isoli i task matematici usando una Regex sulla colonna del prompt
# Cerchiamo stringhe che contengono operazioni come +, -, *, /, o richieste di calcolo
pattern_matematico = r"calcola|\+|\-|\*|\/|\="
df_math = df[df['prompt'].str.contains(pattern_matematico, case=False, na=False)].copy()

# 3. Calcolo vettoriale del decadimento della coerenza
# Verifichiamo se la risposta generata contiene numeri coerenti o stringhe di errore/allucinazione ripetuta
df_math['contiene_allucinazione'] = df_math['generated_text'].str.contains(r"(nan|\[UNK\]|undefined|\d{10,})", regex=True)

# 4. Estrai la metrica finale
tasso_decadimento = df_math['contiene_allucinazione'].mean()
print(f"Percentuale di perdita di coerenza nei task matematici: {tasso_decadimento:.2%}")

Riepilogo

⚠️ Errori mortali per strumento (e come sopravvivere)

Ogni strumento ha il suo punto debole intrinseco. Spesso l’errore non è un bug del software, ma un limite strutturale dell’approccio che l’analista sottovaluta.

 Excel → Il falso senso di controllo visivo

Il più grande punto di forza di Excel è anche la sua più grande condanna. Poiché vedi i dati fisicamente distribuiti nelle celle, tendi a fidarti ciecamente del foglio di calcolo.

• Il disastro: Basta un trascinamento del cursore leggermente sfalsato (es. sommare =A2+B3 invece di =A3+B3), un filtro attivo dimenticato mentre incolli dei dati, o un valore inserito a mano (hardcoded) in mezzo a una colonna di funzioni per corrompere un intero bilancio. Il software non ti darà mai un messaggio d’errore: calcolerà semplicemente un dato falso.

• Come salvarsi: Smetti di usare i range di celle anonimi (come A1:C50). Trasforma sempre i tuoi dati in Tabelle Strutturate (Ctrl+T). In questo modo le formule useranno i nomi delle colonne (es. =[@Vendite]*0.2) applicandosi automaticamente a tutta la colonna in modo protetto e uniforme.

SQL → La JOIN che esplode la cardinalità

In SQL l’errore non si vede a schermo, si nasconde dietro numeri apparentemente puliti ma completamente gonfiati.

• Il disastro: Succede quando unisci due tabelle convinto che la relazione tra le chiavi sia uno-a-uno o uno-a-molti, ma una delle due tabelle presenta dei duplicati invisibili nella colonna di giunzione (creando una relazione molti-a-molti). Il motore SQL esegue il calcolo e moltiplica le righe in modo esponenziale. Una tabella di ordini da 1.000 righe può trasformarsi silenziosamente in un mostro da 50.000 righe. Te ne accorgi solo alla fine, quando la tua SUM(Fatturato) restituisce il triplo dei soldi realmente incassati dall’azienda.

• Come salvarsi: Prima di lanciare una JOIN su colonne di cui non conosci la struttura millimetrica, controlla l’univocità della chiave con una query di test:

  SELECT colonna_id, COUNT(*) 
  FROM tabella 
  GROUP BY colonna_id 
  HAVING COUNT(*) > 1;
  

  Se la query restituisce righe, quella colonna ha dei duplicati e non può essere usata per una JOIN pulita senza prima essere aggregata.

🐍 Python → La RAM come collo di bottiglia

Excel ti avvisa se superi il milione di righe bloccando l’importazione; Python non ha un freno a mano automatico, va dritto fino a schiantarsi.

• Il disastro: La libreria Pandas lavora interamente in-memory. Significa che quando usi read_csv(), l’intero set di dati viene decompresso e caricato nella memoria RAM del tuo computer. Se lavori su un laptop aziendale standard (magari con 8 GB o 16 GB deboli di RAM) e provi a fare il merge di due file di log estratti da un server, il sistema esaurisce la memoria all’improvviso. Non c’è un preavviso: il kernel di Jupyter si spegne brutalmente restituendo un laconico MemoryError, o peggio, l’intero script va in crash congelando il sistema operativo.

• Come salvarsi: Se i file superano i 2-3 Gigabyte, non caricarli tutti insieme. Usa il parametro chunksize in Pandas per processare il file un blocco di righe alla volta (es. 50.000 righe per volta), oppure fai un upgrade strutturale passando a librerie nate per il calcolo out-of-core e ottimizzate per grandi moli di dati, come Polars o PyArrow.

Quando usare quale strumento

La scelta dipende dal contesto, dalla dimensione del dataset e dalle competenze operative richieste dalla tua azienda.

Scegli Excel se…

• I dati sono inferiori a ~100.000 righe.

• Devi condividere report o analisi esplorative rapide con utenti di business.

• Non hai accesso diretto (o non ti serve) a database strutturati.

Scegli SQL se…

• I record superano il milione di righe.

• I dati risiedono stabilmente nei database aziendali.

• Devi fare unioni massive, query complesse e vuoi ottimizzare le performance senza caricare la memoria del tuo computer.

Scegli Python se…

• Hai bisogno di manipolazioni flessibili e pulizia di dati sporchi ed eterogenei.

• Vuoi automatizzare i flussi e renderli riproducibili.

• Lavori a ridosso della data science o dell’integrazione di modelli di Machine Learning.

Il consiglio finale: in un workflow moderno e professionale, i tre strumenti si complementano. SQL estrae i pesanti dati grezzi dal server, Python li pulisce, li analizza e ne estrae il valore, ed Excel (o Power BI) li presenta in modo digeribile ai decision maker. Conoscerli tutti e tre è ciò che trasforma un principiante in un analista estremamente versatile.