Il foglio si è riempito automaticamente grazie a Google Forms — e adesso? Cento righe di dati grezzi non parlano da sole. In questo articolo impari le tre mosse che trasformano un foglio di calcolo in un vero analista dati: formule condizionali (CONTA.SE, SOMMA.SE, MEDIA.SE), tabelle pivot e grafici. Tutto in Google Sheets, tutto gratuito, zero codice. Seconda puntata del percorso “Stack Digitale 2026”.
Hai collegato Google Forms a Sheets, le risposte arrivano in automatico, la colonna Timestamp si aggiorna da sola. Perfetto. E adesso? Guardi il foglio e vedi cento righe — date, codici, categorie, numeri. Informazioni, certo. Ma non ancora risposte.
Il problema non è la quantità di dati. È che un foglio di calcolo grezzo è come una biblioteca senza catalogo: tutto è lì, ma trovare quello che cerchi richiede ore. Le formule condizionali, le pivot table e i grafici sono il catalogo. Impararli non richiede di essere programmatori — richiede di capire quali domande vuoi fare ai tuoi dati.
Il punto di partenza: un dataset strutturato vale oro
Prima di aprire una formula, guardati il dataset. L’esempio qui sopra mostra 9 colonne e 12 righe di dati operativi reali: Data in formato data, Codice identificativo, Età come numero, Cittadinanza con valori fissi (Italiana, Straniera, Francese, Spagnola), Tipo Richiesta con categorie predefinite, Come ci ha trovato con opzioni enumerate, Urgenza su scala 1-5, Ore supporto come numero, Note come unico campo testo libero.
Perché la standardizzazione è la chiave
Questo dataset funziona bene perché quasi tutte le colonne analitiche usano valori predefiniti — non testo libero. È esattamente il principio applicato costruendo il form nell’articolo precedente: scelta multipla invece di risposta aperta, scala numerica invece di campo generico. Il risultato è che Sheets aggrega tutto in automatico, senza pulizia preventiva.
La colonna Note è l’unica eccezione intenzionale: cattura il contesto qualitativo che i menu a tendina non possono raccogliere. Ma per le analisi quantitative — quante ore, quale servizio, quale urgenza — quella colonna non viene coinvolta.
Le formule condizionali: dai numeri alle risposte
Tre formule coprono il 90% delle analisi operative quotidiane. Impararle richiede meno di venti minuti. Usarle bene richiede di capire una sola regola: la corrispondenza esatta.
CONTA.SE — la formula che risponde a “quanti?”
Sintassi: =CONTA.SE(range; criterio). Conta quante celle in un intervallo soddisfano una condizione. Sul dataset dell’esempio:
- =CONTA.SE(E2:E13;”Legale”) → restituisce 4 (quattro richieste di supporto legale)
- =CONTA.SE(D2:D13;”Italiana”) → restituisce 4 (quattro persone con cittadinanza italiana)
- =CONTA.SE(G2:G13;”>=”&4) → restituisce 5 (cinque casi con urgenza alta o massima)
La regola critica: il criterio testuale deve corrispondere esattamente al valore nella cella. =CONTA.SE(D2:D13;”Italia”) restituisce 0, non 4 — perché nelle celle il valore è “Italiana”, non “Italia”. Una sola lettera di differenza, un risultato completamente sbagliato. Nessun messaggio di errore: solo uno zero silenzioso. Controlla sempre i tuoi criteri contro i valori effettivi nel dataset prima di fidarti del risultato.
SOMMA.SE e MEDIA.SE — aggregare con condizioni
CONTA.SE conta. SOMMA.SE somma. MEDIA.SE calcola la media. La struttura è sempre tre parametri: =SOMMA.SE(range_condizione; criterio; range_da_sommare).
Applicato al dataset: =SOMMA.SE(G2:G13;”>=”&4;H2:H13) guarda la colonna Urgenza (G), trova tutte le righe con valore ≥4, somma le corrispondenti ore di supporto (H). Risultato: 47 — esattamente il KPI “Ore urgenza alta” visibile nel dashboard. Ore su casi urgenti (47) su ore totali (90): più della metà delle risorse assorbita dal 42% dei casi. Un dato che guida decisioni.
Ancora più potente: =MEDIA.SE(G2:G13;”>=”&4;C2:C13) calcola l’età media solo per i casi ad alta urgenza. Risultato: 26,8 anni — contro una media generale di 42. Questo singolo numero racconta una storia: i casi che richiedono risposta immediata coinvolgono persone significativamente più giovani. Un’informazione che modifica come allochi risorse.
Tabelle pivot: analisi complesse in 4 click
Le formule rispondono a domande specifiche che sai già fare. Le pivot rispondono a domande che non avevi ancora fatto. Prendono il dataset e lo riorganizzano secondo le dimensioni che scegli — mostrando pattern che non saresti mai riuscito a vedere riga per riga.
Come costruire la tua prima pivot (passo per passo)
Seleziona l’intero dataset incluse le intestazioni. Vai su Inserisci → Tabella pivot → Nuovo foglio. Un foglio si apre con l’editor pivot sulla destra. Trascina Cittadinanza nelle Righe, Tipo Richiesta nelle Colonne, Codice nei Valori con funzione COUNTA. In 30 secondi ottieni la tabella che vedi nell’immagine qui sopra.
Cosa dice quella pivot? Supporto legale (4 casi) e supporto psicologico (4 casi) sono le richieste più frequenti. Le persone straniere si concentrano sul supporto legale — 3 casi su 4. Le italiane richiedono principalmente supporto psicologico (3 su 4). Questo tipo di insight guida decisioni su quali professionisti coinvolgere, quali servizi rafforzare, dove allocare le risorse. Tutto da quattro click.
Formattazione condizionale: i semafori automatici del dataset
Seleziona la colonna dei totali della pivot, vai su Formato → Formattazione condizionale, imposta verde per valori sopra la media e rosso per valori sotto. Anomalie e picchi diventano visibili a colpo d’occhio senza leggere ogni numero. In dataset con 50, 100 o 500 righe, i colori guidano l’occhio esattamente dove serve — incluse le situazioni che non cercavi ma che devi vedere.
Dal foglio al dashboard: quando i numeri diventano decisioni
Il dashboard nell’immagine è il risultato finale dell’intero processo. Sei KPI calcolati con formule: Totale 12, Donne italiane 0 (attenzione alla formula — vedi sopra), Età media 42, Età media per urgenze 26,8, Ore supporto totale 90, Ore urgenza alta 47. Più tre grafici generati automaticamente dalle pivot: un istogramma per la distribuzione dei livelli di urgenza, una linea per il trend degli accessi nel tempo (con il picco visibile dell’8 gennaio, 4 accessi in un solo giorno), un grafico a ciambella per la distribuzione della cittadinanza — Italiana e Straniera 33,3% ciascuna, Francese e Spagnola 16,7%.
Quale grafico per quale domanda
La scelta del tipo di grafico non è estetica — è semantica. Barre per confrontare categorie: “quale tipo di richiesta è più frequente?”. Linea per mostrare l’andamento nel tempo: “gli accessi aumentano o diminuiscono di settimana in settimana?”. Torta per le proporzioni di un tutto — ma solo con al massimo 5-6 spicchi, oltre diventa illeggibile. Mai il 3D decorativo: distorce le proporzioni visive e induce errori di lettura anche nei grafici più semplici.
Per creare un grafico da una pivot: seleziona le celle della pivot, vai su Inserisci → Grafico. Sheets suggerisce automaticamente il tipo più adatto. Personalizza titolo, colori ed etichette nell’editor grafico. Esporta come PNG dal menu a tre puntini — pronto da inserire in un report Word o PowerPoint senza ulteriore elaborazione.
L’AI come co-analista: Gemini e ChatGPT
Google Workspace con Gemini integrato ti permette di interrogare i dati in linguaggio naturale direttamente in Sheets: “aiutami a creare una formula per sommare le ore per le righe con urgenza alta”, “suggerisci un grafico per questi dati”. Non sostituisce le formule — le accelera, specialmente quando non ricordi esattamente la sintassi.
ChatGPT e Claude funzionano in modo diverso ma complementare: carica dati aggregati e anonimi — mai record individuali, GDPR — e chiedi interpretazioni. “Questo dataset mostra: età media generale 42, età media urgenze alte 26,8, 52% delle ore su 42% dei casi. Cosa suggerisce in termini di allocazione risorse?”. L’AI può identificare correlazioni che non avresti esplicitamente cercato. La regola d’oro è invariabile: solo aggregati, mai dati personali.
Dai dati grezzi alle decisioni: il passo successivo
Il percorso è completo. Google Forms raccoglie dati puliti e standardizzati. Google Sheets li trasforma in insight con formule condizionali, pivot table e grafici. Il dashboard è il punto di arrivo: sei numeri, tre grafici, tutte le risposte chiave in una schermata sola. Niente Python, niente installazioni, zero costi aggiuntivi rispetto a quello che già usi.
Nel prossimo articolo del percorso Stack Digitale 2026 cambiamo registro: quando i dati hanno relazioni complesse che un foglio di calcolo non riesce a modellare — reti sociali, catene di fornitura, grafi di conoscenza — un database a grafi come Neo4j diventa lo strumento giusto. Ma per l’analisi operativa quotidiana, quello che hai imparato qui copre già il 90% dei casi reali.
