I numeri medi mentono.
O meglio, raccontano sempre e solo una parte della verità.
Chi lavora tutti i giorni con i budget aziendali sa bene che chiudere il mese “in linea con le previsioni” a volte è solo una pericolosa illusione ottica. Un dato aggregato apparentemente perfetto può nascondere inefficienze operative che bruciano silenziosamente la cassa aziendale.
Per evitare di prendere decisioni sbagliate basate su dati fuorvianti, è fondamentale imparare a riconoscere e disinnescare Le 3 trappole del controller:
-
La Compensazione: quando i successi di un prodotto nascondono i fallimenti di un altro.
-
La Scala: quando i grandi numeri del budget fanno sembrare innocue oscillazioni in realtà gravissime.
-
L’Asimmetria: quando un processo non è bilanciato e i costi lievitano solo in una direzione (come per i ritardi).
In questo articolo analizzeremo tre casi pratici per imparare ad aggirare queste tre trappole, vedendo come la statistica applicata ci salva da valutazioni affrettate e migliora le nostre decisioni.
Esercizio 1 – Scostamenti assoluti e percentuali (media semplice)
Testo
L’azienda “Beta srl” ha predisposto un budget mensile delle vendite per 5 prodotti.
A consuntivo, i valori effettivi sono i seguenti:
| Prodotto | Budget (€) | Consuntivo (€) |
|---|---|---|
| A | 10.000 | 10.500 |
| B | 15.000 | 14.200 |
| C | 8.000 | 8.300 |
| D | 12.000 | 11.500 |
| E | 20.000 | 21.000 |
Calcola per ogni prodotto:
- Lo scostamento assoluto (Consuntivo – Budget)
- Lo scostamento percentuale rispetto al budget
- La media aritmetica degli scostamenti assoluti
- La media aritmetica degli scostamenti percentuali
- Commenta se i due indicatori di sintesi raccontano la stessa informazione.
Soluzione
Passo 1 – Scostamenti assoluti
Formula:
[math]S_a = \text{Consuntivo} – \text{Budget}[/math]
- A: 10.500 – 10.000 = [math]+500 \text{ euro}[/math]
- B: 14.200 – 15.000 = [math]-800 \text{ euro}[/math]
- C: 8.300 – 8.000 = [math]+300 \text{ euro}[/math]
- D: 11.500 – 12.000 = [math]-500 \text{ euro}[/math]
- E: 21.000 – 20.000 = [math]+1.000 \text{ euro}[/math]
Passo 2 – Scostamenti percentuali
Formula:
[math]S_p = \frac{S_a}{\text{Budget}} \times 100[/math]
- A: [math]\frac{500}{10000} \times 100 = 5,0%[/math]
- B: [math]\frac{-800}{15000} \times 100 = -5,33%[/math]
- C: [math]\frac{300}{8000} \times 100 = 3,75%[/math]
- D: [math]\frac{-500}{12000} \times 100 = -4,17%[/math]
- E: [math]\frac{1000}{20000} \times 100 = 5,0%[/math]
Passo 3 – Media aritmetica degli scostamenti assoluti
[math]\displaystyle \begin{aligned}
\bar{S_a} &= \frac{500 + (-800) + 300 + (-500) + 1000}{5} \\
&= \frac{500 – 800 + 300 – 500 + 1000}{5} \\
&= \frac{500}{5} = 100 \text{ euro}
\end{aligned}[/math]
Passo 4 – Media aritmetica degli scostamenti percentuali
[math]\displaystyle \begin{aligned}
\bar{S_p} &= \frac{5,0 + (-5,33) + 3,75 + (-4,17) + 5,0}{5} \\
&= \frac{4,25}{5} = 0,85\%
\end{aligned}[/math]
💡 Osservazione strategica
La media degli scostamenti assoluti (+100 €) suggerisce una leggera sovraperformance media.
La media percentuale (0,85%) è molto vicina a zero, ma positiva.
Attenzione: le medie semplici nascondono le oscillazioni tra prodotti; qui ad esempio i prodotti B e D hanno sottoperformato, ma la media li “compensa” con gli altri.
La Trappola della Compensazione
Questo esercizio è il classico “incubo del portafoglio prodotti”.
Dimostra il rischio mortale del netting (la compensazione dei risultati). Il management potrebbe guardare lo scostamento medio (+100 €) e pensare “siamo in linea, anzi leggermente sopra”. In realtà, stiamo sbagliando drammaticamente le previsioni su singoli item. Operativamente, questo significa problemi in magazzino: avremo un eccesso di scorte per i prodotti che non vendono (capitale immobilizzato) e possibili rotture di stock per i prodotti che tirano troppo (vendite perse).
Regola d’oro: non fidarti mai della media se prima non hai guardato gli scostamenti percentuali dei singoli componenti.
Domanda di riflessione
Quale limite hanno le medie aritmetiche degli scostamenti quando si analizza un budget con prodotti di dimensioni molto diverse?
Esercizio 2 – Variabilità degli scostamenti (deviazione standard e CV)
Testo
Il controller della “Gamma spa” ha rilevato gli scostamenti assoluti (in €) tra consuntivo e budget per 8 reparti produttivi:
| Reparto | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 |
|---|---|---|---|---|---|---|---|---|
| Scostamento | +120 | -80 | +50 | -200 | +90 | -30 | +180 | -70 |
Calcola:
- lo scostamento medio
- la varianza e la deviazione standard (campionaria, perché gli 8 reparti sono un campione rappresentativo dell’intera azienda)
- il coefficiente di variazione e commenta la variabilità relativa.
- Se il budget totale era 500.000 €, ha senso confrontare la deviazione standard assoluta con questo totale?
Soluzione
Passo 1 – Scostamento medio
[math]\bar{x} = \frac{120 – 80 + 50 – 200 + 90 – 30 + 180 – 70}{8}[/math]
Somma delle singole variazioni:
[math]120 – 80 = 40; \quad 40 + 50 = 90; \quad 90 – 200 = -110; \quad -110 + 90 = -20;[/math]
[math]-20 – 30 = -50; \quad -50 + 180 = 130; \quad 130 – 70 = 60[/math]
[math]\bar{x} = \frac{60}{8} = 7,5 \text{ euro}[/math]
Passo 2 – Varianza campionaria ([math]s^2[/math])
Formula:
[math]s^2 = \frac{\sum (x_i – \bar{x})^2}{n – 1}[/math]
Calcoliamo gli scarti:
| Reparto | [math]x_i[/math] | [math]x_i – \bar{x}[/math] | [math](x_i – \bar{x})^2[/math] |
|---|---|---|---|
| 1 | 120 | 112,5 | 12.656,25 |
| 2 | -80 | -87,5 | 7.656,25 |
| 3 | 50 | 42,5 | 1.806,25 |
| 4 | -200 | -207,5 | 43.056,25 |
| 5 | 90 | 82,5 | 6.806,25 |
| 6 | -30 | -37,5 | 1.406,25 |
| 7 | 180 | 172,5 | 29.756,25 |
| 8 | -70 | -77,5 | 6.006,25 |
Somma dei quadrati:
[math]\displaystyle \begin{aligned}
&12.656,25 + 7.656,25 = 20.312,5 \\
&{} + 1.806,25 = 22.118,75 \\
&{} + 43.056,25 = 65.175 \\
&{} + 6.806,25 = 71.981,25 \\
&{} + 1.406,25 = 73.387,5 \\
&{} + 29.756,25 = 103.143,75 \\
&{} + 6.006,25 = 109.150
\end{aligned}[/math]
[math]s^2 = \frac{109.150}{7} \approx 15.592,86[/math]
[math]s = \sqrt{15.592,86} \approx 124,87 \text{ euro}[/math]
Passo 3 – Coefficiente di variazione
[math]CV = \frac{s}{|\bar{x}|} = \frac{124,87}{7,5} \approx 16,65[/math]
(cioè 1665%!)
💡 Osservazione
Un [math]CV > 1[/math] (anzi [math]> 10[/math]) indica variabilità altissima rispetto alla media.
La media è quasi zero (7,5 €) mentre gli scostamenti singoli vanno da -200 a +180 → enorme dispersione relativa.
Passo 4 – Confronto con budget totale
La deviazione standard assoluta (~125 €) è piccolissima rispetto al budget totale (500.000 €).
Non ha senso usarla per confronti su scala assoluta, perché la varianza non scala linearmente. Meglio usare il CV o rapportare gli scostamenti al budget di reparto (se noti).
La trappola della scala e l’incertezza
Questo esercizio smaschera l’inganno delle proporzioni. Un controller inesperto guarderebbe lo scostamento medio (solo 7,5 €) e il budget totale (500.000 €), concludendo che il processo produttivo è sotto controllo. Il Coefficiente di Variazione (CV) svela invece una realtà allarmante: i reparti oscillano selvaggiamente tra picchi positivi e negativi. Questo segnala che i responsabili stanno probabilmente tirando a indovinare durante la stesura del budget, oppure che il processo subisce shock continui.
Regola d’oro: quando analizzi un campione di dati, la media non ha alcun valore decisionale se non è affiancata dalla sua deviazione standard (e dal CV).
Domanda di riflessione
Perché nel calcolo della varianza abbiamo diviso per [math]n-1[/math] invece che per [math]n[/math]? Cosa cambierebbe nei risultati?
Esercizio 3 – Analisi dei tempi di pagamento (percentili e box plot)
Testo
L’ufficio acquisti di “Delta srl” ha previsto un budget per i tempi di pagamento dei fornitori (in giorni) pari a 45 giorni.
A consuntivo, su 20 fatture, i tempi effettivi sono:
32, 38, 40, 42, 42, 43, 45, 45, 46, 47, 48, 49, 50, 52, 55, 56, 60, 62, 68, 75
Calcola:
- il primo quartile (Q1) e il terzo quartile (Q3).
- il 85° percentile.
- Costruisci un box-plot (anche descrittivamente) e individua eventuali outlier.
- Rispetto al budget (45 giorni), la gestione è stata migliore o peggiore? Giustifica usando gli indicatori.
Soluzione
Passo 1 – Ordinamento (già ordinato)
[math]n = 20[/math]
Q1 (25° percentile): posizione [math]0,25 \times (20 + 1) = 5,25[/math] → tra il 5° e il 6° valore.
- 5° valore = 42
- 6° valore = 43
[math]Q_1 = 42 + 0,25 \times (43 – 42) = 42,25 \text{ giorni}[/math]
Q3 (75° percentile): posizione [math]0,75 \times 21 = 15,75[/math] → tra il 15° e il 16° valore.
- 15° valore = 55
- 16° valore = 56
[math]Q_3 = 55 + 0,75 \times (56 – 55) = 55,75 \text{ giorni}[/math]
Passo 2 – 85° percentile
Posizione [math]0,85 \times 21 = 17,85[/math] → tra il 17° e il 18° valore.
- 17° valore = 60
- 18° valore = 62
[math]P_{85} = 60 + 0,85 \times (62 – 60) = 60 + 1,7 = 61,7 \text{ giorni}[/math]
Interpretazione: l’85% delle fatture viene pagato entro 61,7 giorni.
Passo 3 – Box plot e outlier
Mediana (50° percentile): posizione 10,5 → media tra il 10° (47) e l’11° (48) = 47,5 giorni.
[math]IQR = Q_3 – Q_1 = 55,75 – 42,25 = 13,5 \text{ giorni}[/math]
Limite inferiore (non outlier)
[math]= Q_1 – 1,5 \times IQR = 42,25 – 20,25 = 22[/math]
→ nessun valore < 22.
Limite superiore
[math]= Q_3 + 1,5 \times IQR = 55,75 + 20,25 = 76[/math]
→ il valore 75 è dentro, 78? Non c’è. Il massimo è 75 → nessun outlier.
Spiegazione del boxplot
Il box rappresenta il range tra il primo e il terzo quartile ([math]IQR[/math]), cioè la fascia centrale del 50% dei dati.
La linea rossa interna indica la mediana, pari a 47,5 giorni, superiore al budget previsto di 45 giorni.
I baffi si estendono fino ai valori non anomali (minimo 32 e massimo 75 giorni); non sono presenti outlier secondo la regola di Tukey [math]1{,}5 \times IQR[/math].
La linea rossa tratteggiata rappresenta il budget aziendale (45 giorni): si osserva che più della metà dei tempi di pagamento supera questo valore.
La media (circa 49,8 giorni) è leggermente superiore alla mediana, suggerendo una moderata asimmetria positiva dovuta alla presenza di alcuni ritardi elevati.
Confrontando il box plot con il budget, si nota chiaramente che la distribuzione è spostata verso destra rispetto al target aziendale. Questo tipo di grafico è molto utilizzato nel controllo di gestione perché permette di visualizzare rapidamente:
- variabilità dei dati,
- posizione centrale,
- eventuali anomalie,
- scostamenti rispetto agli obiettivi prefissati.
| Osservazione | Conseguenza gestionale |
|---|---|
| La maggior parte dei pagamenti supera i 45 giorni | Il target di budget potrebbe essere troppo ottimistico oppure il processo di pagamento presenta inefficienze operative. |
| Asimmetria positiva | Alcuni pagamenti molto ritardati (es. 75 giorni) spostano la distribuzione verso destra e meritano un’analisi specifica. |
| Media > mediana | La media risente dei ritardi elevati; per descrivere il comportamento tipico sono più adatte mediana e percentili. |
| Nessun outlier | I ritardi elevati rientrano nella normale variabilità statistica osservata e non appaiono anomalie estreme secondo la regola [math]1{,}5 \times IQR[/math]. |
💡 Suggerimento gestionale:
Il controller dovrebbe valutare se:
- rivedere il target di 45 giorni;
- intervenire sui processi autorizzativi e amministrativi;
- segmentare i fornitori per identificare le principali cause dei ritardi.
Il box plot è particolarmente efficace nel reporting direzionale perché mostra immediatamente:
- dispersione dei tempi,
- posizione della mediana,
- distanza dal budget
Impatto sul Cash Flow e gestione non lineare
L’analisi dei tempi di pagamento non è un vezzo statistico, ma pura gestione del Cash Flow. In distribuzioni asimmetriche (dove i dati “tirano” da una parte, come i forti ritardi), la media è fortemente ingannevole. Se un’azienda calcola le penali di mora basandosi sul tempo di pagamento “medio”, sottostimerà i costi reali in modo clamoroso, perché le penali scattano solo sulla coda destra della distribuzione (i giorni effettivi di ritardo). Il Box Plot risolve questo problema mostrando visivamente dove si concentra davvero la massa dei pagamenti rispetto al target aziendale.
Regola d’oro:
per i processi con limiti rigidi (scadenze, penali, target), ragiona sempre in termini di percentili e mediana, mai di media aritmetica.
Domanda di riflessione
Se il fornitore applica una penale dell’1% per ogni giorno oltre i 45, quale indicatore statistico useresti per stimare la penale media totale?
RISPOSTE alle domande di riflessione
Esercizio 1
Domanda: Quale limite hanno le medie aritmetiche degli scostamenti quando si analizza un budget con prodotti di dimensioni molto diverse?
Risposta: La media aritmetica è influenzata dai valori assoluti dei prodotti più grandi. Un piccolo scostamento percentuale su un prodotto grande (es. 1% su 1M€) dà uno scostamento assoluto grande (10.000€), mascherando magari grandi scostamenti percentuali su prodotti piccoli. Per questo si usano scostamenti percentuali o si pesa per il fatturato.
Esercizio 2
Domanda: Perché nel calcolo della varianza abbiamo diviso per [math]n-1[/math] invece che per [math]n[/math]? Cosa cambierebbe?
Risposta: Perché i dati sono un campione, non l’intera popolazione. La divisione per [math]n-1[/math] rende la varianza campionaria uno stimatore non distorto della varianza della popolazione. Dividendo per [math]n[/math] si sottostimerebbe sistematicamente la variabilità reale. In questo caso con [math]n=8[/math], la differenza sarebbe piccola ([math]s^2[/math] passerebbe da 15.593 a 13.644).
Esercizio 3
Domanda: Se il fornitore applica una penale dell’1% per ogni giorno oltre i 45, quale indicatore useresti per stimare la penale media totale?
Risposta: La media dei ritardi (solo per i giorni eccedenti 45), moltiplicata per il valore medio delle fatture e per l’1%. In alternativa, la semi-media superiore (media degli scostamenti positivi da 45). Un indicatore robusto è anche la media delle eccedenze calcolata come:
[math]\frac{1}{n} \sum \max(0, \text{tempo}_i – 45)[/math]
La Bussola degli Indicatori
Per chiudere il cerchio ed evitare che questi concetti rimangano pura teoria, ecco un framework di applicazione pratica. Salva questo schema mentale: ti aiuterà a scegliere a colpo sicuro lo strumento statistico corretto, disinnescando alla base le 3 trappole del controllo di gestione.
1. Quando usare la Media Aritmetica
- Ideale per: Dati distribuiti in modo simmetrico, omogenei e senza valori estremi.
- Usala quando: Devi calcolare il “monte totale” o il dimensionamento di un fenomeno (es. costo medio per calcolare il budget totale necessario), a patto di aver prima verificato che la variabilità interna sia bassa.
- Attenzione: È la patria della Trappola della Compensazione. Non usarla mai da sola se stai confrontando divisioni aziendali, prodotti o mercati con performance opposte.
2. Quando usare la Deviazione Standard (e il Coefficiente di Variazione)
- Ideale per: Misurare l’affidabilità delle previsioni, il rischio e la stabilità operativa.
- Usala quando: Devi capire se la tua Media è “vera” o è solo un’illusione. Ti serve per rispondere alla domanda: “Quanto le nostre performance reali oscillano rispetto all’obiettivo?”.
- Attenzione: Se analizzi voci di budget con ordini di grandezza molto distanti (es. spese di cancelleria vs. acquisto materie prime), usa sempre il Coefficiente di Variazione ([math]CV[/math]). Questo è il tuo scudo contro la Trappola della Scala.
3. Quando usare i Percentili (e la Mediana)
- Ideale per: Analizzare processi vincolati da scadenze, SLA (Service Level Agreement), contratti o limiti fisici, che tendono fisiologicamente ad avere distribuzioni sbilanciate.
- Usali quando: Devi valutare tempi di incasso (DSO), tempi di pagamento (DPO), ritardi di consegna o tassi di difettosità. I percentili (como l’85° o il 90°) ti dicono esattamente come si sta comportando la maggioranza dei casi, tagliando fuori le anomalie. La Mediana è la tua ancora di salvezza quando ci sono outlier estremi che sballano tutto.
- Attenzione: È l’antidoto definitivo contro la Trappola dell’Asimmetria. Usali per calcolare l’impatto reale di penali e costi occulti che si annidano nelle “code” dei tuoi dati.
In sintesi: i numeri non mentono, ma rispondono solo alle domande che gli fai. Smetti di chiedere solo “qual è la media?” e inizia a interrogare i tuoi dati sulla loro variabilità e forma. Le decisioni migliori (e i veri risparmi aziendali) si nascondono quasi sempre lì.
Boxplot, Quartili & Outlier
👉Cos’è un boxplot e come interpretarlo
👉Quartili, percentili e outlier: esercizi su budget e redditi
👉Percentili e quartili: cosa sono e come si calcolano
👉Statistica per il budgeting: quartili, percentili e IQR
