# Guida all'Analisi What-If per Decisioni Aziendali più Intelligenti > Impara l'analisi what-if con passaggi pratici, esempi di finanza e retail, e best practice per stress-testare le decisioni usando analytics basati sull'AI. Source: https://www.electe.net/it/post/what-if-analysis Site guide: https://www.electe.net/it/llms.txt Ti trovi davanti a una previsione che sembra ordinata sulla carta e fragile nella vita reale. Un rivenditore si chiede se un taglio dei prezzi rilancerà una categoria in calo, mentre un responsabile finanziario si chiede se un ulteriore aumento dei costi manderà in crisi il trimestre. L'**analisi what-if** è la disciplina che trasforma queste domande ansiose in scenari testabili, così puoi confrontare le ipotesi prima di impegnarti. Fatta bene, è più di un semplice smanettamento con i fogli di calcolo. Ti aiuta a separare le variabili che contano da quelle che non contano, per poi vedere come si sposta il risultato quando questi fattori si muovono insieme o uno alla volta. Il metodo ha radici profonde nella pianificazione bellica, nell'ingegneria, nella finanza e nella modellazione ambientale, motivo per cui è diventato un modo così pratico per testare le decisioni in condizioni di incertezza [nella panoramica storica dell'analisi di sensibilità](https://thedecisionlab.com/reference-guide/statistics/sensitivity-analysis) e [nell'evoluzione della pianificazione degli scenari](https://www.irma-international.org/viewtitle/41213/?isxn=9781615206117). ## Cos'è Realmente l'Analisi What-If Un manager incontra solitamente l'**analisi what-if** in un momento di stress, non su un libro di testo. La previsione è in scadenza, la riunione è vicina, e la domanda di fondo è se il piano regge ancora se la domanda si indebolisce, i costi aumentano, o un'ipotesi chiave si rivela sbagliata. È qui che questo metodo dimostra il suo valore, perché è costruito per testare le decisioni in condizioni di incertezza invece di difendere un unico numero ottimistico. ### Dalle congetture alle ipotesi testabili Al centro del processo, l'analisi what-if chiede: "Se questo fattore cambia, cosa succede al risultato?" Si parte da una base di riferimento, si modificano uno o più input e si osserva come si muove l'output. Nel business, questi output sono spesso ricavi, profitto, flusso di cassa, rate mensili o valore attuale netto, tutti elementi che possono cambiare quando variano il prezzo, il tasso di sconto, il tasso d'interesse o le ipotesi di crescita [come mostrano gli esempi di modellazione finanziaria](https://corporatefinanceinstitute.com/resources/financial-modeling/what-if-analysis/). Il cambiamento mentale chiave è semplice. Non stai cercando di prevedere il futuro alla perfezione. Stai verificando se una strategia ha ancora senso quando la realtà diventa un po' peggiore, un po' migliore, o semplicemente diversa da quanto previsto. > **Regola pratica:** se una decisione funziona solo sotto un unico insieme ristretto di ipotesi, non è pronta per l'approvazione. ### I tre rami che i lettori spesso confondono Le persone spesso mettono ogni esercizio di scenario in un unico calderone, ma questo crea confusione rapidamente. L'**analisi di sensibilità** isola una variabile alla volta, così puoi vedere quale fattore muove maggiormente il risultato. L'**analisi degli scenari** cambia diverse variabili insieme, il che è meglio quando vuoi una storia coerente su uno stato futuro. Un terzo livello, la **simulazione**, esplora molte combinazioni per mostrare come i risultati potrebbero distribuirsi nell'incertezza, motivo per cui strumenti come [ELECTE sulla simulazione Monte Carlo](https://www.electe.net/post/monte-carlo-simulation) possono essere utili quando hai bisogno di una copertura del rischio più ampia. L'analisi what-if è l'ombrello, e gli altri metodi rientrano al suo interno. Ecco perché un buon manager non chiede solo: "Qual è il numero?" La domanda migliore è: "Quali ipotesi lo determinano, e cosa succede se diverse di esse si muovono contemporaneamente?" ## Analisi di Sensibilità vs Analisi degli Scenari Questi due sono cugini, ma rispondono a domande di business diverse. L'**analisi di sensibilità** cambia un input mantenendo tutto il resto costante. L'**analisi degli scenari** cambia più input contemporaneamente, perché gli eventi aziendali reali raramente arrivano da soli. La differenza è importante quando devi decidere se una previsione è semplicemente rumorosa o genuinamente fragile. ### Una variabile contro una storia coordinata Usa una semplice formula dei ricavi, **Ricavi = Prezzo x Volume - Costo**, e la distinzione diventa evidente. Se aumenti il prezzo da solo, l'analisi di sensibilità mostra quanto cambiano i ricavi mentre volume e costo restano fissi. Se costruisci un'ipotesi di recessione, l'analisi degli scenari potrebbe abbassare il prezzo, ridurre il volume e aumentare il costo insieme, il che ti dà uno stress test più realistico. DimensioneAnalisi di sensitivitàAnalisi di scenarioFocusUna variabile alla voltaPiù variabili insiemeUso miglioreClassificare la variabile più importanteTestare uno stato futuro coerenteDomanda a cui risponde“Di quanto si sposta il risultato se cambia un input?”“Cosa succede se il contesto di business cambia nel suo insieme?”Tipo di risultatoImpatto isolatoNarrazione coerente del caso Un riferimento esterno utile per l'aspetto bancario è [perché le banche hanno bisogno della pianificazione degli scenari](https://visbanking.com/what-is-scenario-planning), perché i settori regolamentati spesso richiedono visioni coordinate di credito, tassi e comportamento dei clienti, anziché aggiustamenti isolati. La stessa logica vale per qualsiasi team che affronta rischi interconnessi. ### Quando ciascuna trova il suo posto L'analisi di sensitività è lo strumento giusto quando si vuole classificare le variabili. Se affitto, salari e tasso di conversione contano tutti, puoi testarli uno per uno per capire quale variabile merita attenzione per prima. L'analisi di scenario è migliore quando la domanda di business riguarda un cambiamento di mercato, una modifica normativa o uno shock dell'offerta, perché questi eventi spostano più input contemporaneamente. I team più maturi di solito usano entrambe. Iniziano con la sensitività per individuare le leve più importanti, poi usano gli scenari per verificare se quelle leve reggono ancora quando il mondo cambia come sistema. ## Come eseguire un'analisi what-if passo dopo passo Un'analisi what-if utile parte da una domanda su cui un manager può agire. Non inizia con una dashboard e non finisce con un grafico bello da vedere. Inizia con una decisione importante, poi procede a ritroso fino agli input che la determinano. ### Passo 1: definire la domanda di business Scrivi la decisione in una sola frase. Ad esempio: “Cosa succede al margine lordo se i costi dei fornitori aumentano del 10% e le unità vendute calano del 5%?” Questa formulazione mantiene l'esercizio ancorato a un risultato di business reale invece che a una vaga curiosità. ### Passo 2: identificare le variabili che davvero incidono sulla risposta Scegli solo gli input che influiscono in modo significativo sul risultato. Se la domanda riguarda il margine lordo, le leve più ovvie potrebbero essere il costo unitario, il prezzo di vendita e il volume, non la cancelleria d'ufficio o la frequenza delle riunioni. Molti team sbagliano proprio qui, perché includono ogni variabile misurabile invece di quelle che contano davvero. ### Passo 3: raccogliere dati di base puliti Serve un punto di partenza prima di poter testare qualsiasi cosa. I dati di base devono riflettere le prestazioni attuali, non una versione ottimistica di esse. Se i numeri sono obsoleti, lo scenario sembrerà preciso ma sarà comunque sbagliato. ### Passo 4: definire intervalli realistici Decidi come si presenta uno scostamento plausibile per ciascuna variabile. Il manager non ha bisogno di certezza assoluta qui, solo di limiti onesti. Se un intervallo sembra troppo ampio o troppo stretto, di solito è un segnale che il team non ha discusso abbastanza la realtà del business. > Documenta le ipotesi, perché sono proprio le convinzioni non documentate a rendere silenziosamente inutili modelli altrimenti utili. ### Passo 5: costruire i casi base, migliore e peggiore Ora combina gli input in alcuni casi chiari. Il caso base rappresenta il percorso più probabile, il caso migliore testa condizioni favorevoli e il caso peggiore mostra il punto di rottura. Se i risultati differiscono solo di poco, il piano potrebbe essere resiliente. Se un piccolo cambiamento manda in crisi il modello, hai trovato un punto debole da correggere. Per i team che lavorano ancora con i fogli di calcolo, [trasforma i dati delle PMI](https://www.electe.net/post/fogli-di-calcolo) è un utile cambio di mentalità, perché il compito non è spostare celle, ma trasformare dati grezzi in decisioni. ### Passo 6: interpretare lo scarto e decidere Confronta i risultati, poi scegli un'azione. Non fermarti a “risultato interessante”. Chiediti cosa significhi lo scarto, quale soglia farebbe scattare una risposta e chi è responsabile del passo successivo. Se non riesci a rispondere a queste domande, l'analisi non è ancora conclusa. **Checklist di completamento** - **La domanda è focalizzata sulla decisione?** - **Le variabili sono limitate a quelle che contano davvero?** - **I numeri di base sono aggiornati e difendibili?** - **Gli intervalli riflettono la realtà e non l'ottimismo?** - **Qualcun altro può spiegare le ipotesi senza che tu sia presente?** ## Esempi reali nella finanza e nel retail Un retailer che valuta l'apertura di un secondo punto vendita deve ragionare per variabili collegate, non per numeri isolati. Traffico dei clienti, valore medio dello scontrino e affitto influenzano tutti il risultato, quindi un test di scenario adeguato deve chiedersi come queste tre leve si comportano insieme prima che qualcuno firmi un contratto di locazione. ### Un caso retail con tre elementi in movimento Nello scenario ottimistico, il traffico aumenta, gli scontrini restano solidi e l'affitto rimane gestibile. Nello scenario base, il traffico è stabile, la dimensione dello scontrino si mantiene e la nuova sede semplicemente soddisfa le aspettative. Nello scenario pessimistico, il traffico delude, il valore dello scontrino scende e l'affitto comprime i margini, il che può trasformare un'espansione promettente in un peso per la liquidità. Ecco perché il segnale decisionale conta più del foglio di calcolo. Se lo scenario ottimistico è l'unico che risulta sostenibile, il negozio probabilmente non è pronto. Se lo scenario base sostiene un ritorno sull'investimento lento ma accettabile e il ribasso resta gestibile, il manager può avere un via libera condizionato. Una prospettiva utile per questo tipo di pianificazione è [l'approccio di ottimizzazione dell'allocazione di ELECTE](https://www.electe.net/post/resource-allocation-optimization), perché l'espansione retail è sempre tanto un problema di allocazione delle risorse quanto un problema di ricavi. ### Un caso finanziario con pressione sulla runway Ora passiamo a un CFO SaaS. Il churn aumenta, il costo di acquisizione clienti sale, e la runway richiede improvvisamente una nuova valutazione. Un set di scenari che sovrappone queste due pressioni mostra rapidamente se l'azienda può assorbire il colpo o deve tagliare le spese, rallentare le assunzioni o raccogliere capitale prima del previsto. La parte importante non è il calcolo esatto, è il segnale operativo. Se churn e costo di acquisizione più elevati colpiscono contemporaneamente, la struttura dei costi potrebbe dover flettere immediatamente. Se i numeri funzionano solo quando l'acquisizione resta efficiente, il management ha una soglia chiara per l'escalation. ScenarioLeve chiave modulateValore baseIntervallo di stressSegnale decisionaleEspansione retailTraffico clienti, dimensione dello scontrino, affittoEconomia del negozio stabileDomanda più alta o più bassa, onere di locazione maggioreVia libera, via libera condizionato, o rifiutoRunway SaaSChurn, costo di acquisizionePiano di crescita attualeRitenzione più debole, spesa maggiore per acquisire clientiTagliare i costi, rimandare le assunzioni, o raccogliere capitale In entrambi i casi, il valore dell'analisi what-if è lo stesso. Trasforma una paura vaga in un compromesso visibile, e poi offre al manager qualcosa di concreto da approvare, rimandare o respingere. ## Errori che compromettono l'analisi what-if Il modo più rapido per trasformare un'analisi utile in teatro esecutivo è proteggere la risposta che si desidera. I team lo fanno quando costruiscono solo gli scenari graditi al management, per poi nascondere il caso scomodo in un'appendice che nessuno legge. ### Le trappole che fanno sembrare il modello più intelligente di quanto sia Il bias di conferma è la prima trappola. Se la strategia fallisce in uno scenario, non si tratta di un difetto dell'analisi, è proprio lo scopo dell'esercizio. I team validi usano il caso di fallimento per chiedersi quale indicatore di allerta precoce avrebbe segnalato il problema per primo. La qualità dei dati è la trappola successiva. Un modello elegante costruito su ipotesi obsolete resta comunque un modello scadente. La precisione crea falsa sicurezza quando gli input sottostanti sono indicativi, incompleti o superati. ### Il fallimento organizzativo che passa inosservato Un altro problema comune è quello di un solo analista che possiede il modello in isolamento. Se nessun altro può riprodurre la logica, mettere in discussione le ipotesi o tracciare la provenienza dei dati, l'azienda finisce per prendere decisioni basate su numeri che non è in grado di difendere. È un problema di governance, non tecnico. > Se il modello non regge a una revisione scettica, non è ancora pronto per la decisione. Il problema più profondo è che molti team si fermano ai risultati invece di tradurli in regole operative. Un vero processo what-if dovrebbe dirti cosa innescherebbe un'azione, chi è responsabile della risposta e quale soglia modifica la decisione. Senza questo, l'esercizio diventa un report visivo invece di uno strumento decisionale. ## Scalare l'analisi what-if con ELECTE Il lavoro manuale sugli scenari va in crisi quando le domande si moltiplicano. Un manager ha bisogno di un modo più pulito per porre domande di business, eseguire casi e confrontare i risultati senza ricostruire ogni volta la stessa logica su foglio di calcolo. ### Dal linguaggio naturale a scenari strutturati All'interno di ELECTE, un manager può inquadrare uno scenario in linguaggio di business, e gli agenti AI della piattaforma possono trasformarlo nel lavoro sui dati sottostante senza dover armeggiare con i fogli di calcolo. Questo conta perché la parte difficile spesso non è la matematica, è tradurre una domanda reale in un modello ripetibile. Una volta che questa struttura esiste, il workflow diventa molto più facile da scalare tra finanza, retail e operations. ### Esecuzioni con un clic e viste affiancate La generazione di scenari con un clic permette ai team di confrontare in parallelo i casi ottimistico, base e pessimistico. La piattaforma può mettere in evidenza variazioni di margine, runway e break-even in un formato più facile da leggere rispetto a un foglio di lavoro denso. Le dashboard visive aiutano i manager a vedere quale ipotesi sta guidando il delta, che è esattamente ciò di cui ha bisogno una riunione decisionale. Uno screenshot del workflow dà un'idea migliore del layout rispetto alle sole parole. ### Perché questo conta per le PMI Per un team finance di cinque persone o un manager retail regionale, il punto non è imitare un dipartimento FP&A gigantesco. Il punto è eseguire un supporto decisionale ripetibile con controllo delle versioni e audit trail, così il lavoro resta utilizzabile man mano che cresce. È qui che l'automazione conta, perché riduce il lavoro di rifacimento senza abbassare lo standard dell'analisi. ## Punti Chiave e Prossimi Passi La migliore **what-if analysis** parte da una decisione, non da una dashboard. Diventa più incisiva quando si separa la **sensitivity analysis** dalla **scenario analysis**, si testano le ipotesi rispetto a intervalli realistici, e si trasforma l'output in una soglia per l'azione anziché in un grafico decorativo. ### Applica questa checklist lunedì mattina - **Definisci chiaramente la domanda decisionale.** Scrivila in una frase, legata a un risultato di business. - **Separa i metodi.** Usa la sensitivity analysis per classificare i driver, poi usa la scenario analysis per testare variazioni combinate. - **Metti alla prova le ipotesi rispetto alla realtà.** Verifica se gli input sono aggiornati, credibili e completi. - **Testa le correlazioni, non solo i singoli input.** Gli eventi di business reali spesso si muovono insieme. - **Rivedi gli scenari regolarmente.** Riconsiderali quando le condizioni di mercato o le ipotesi interne cambiano. - **Documenta la responsabilità.** Assicurati che qualcuno possa spiegare il modello, i dati e il trigger per l'azione. Se vuoi che questo workflow sia ripetibile invece che manuale, inizia eseguendo il tuo prossimo scenario in ELECTE. Può aiutarti ad automatizzare la generazione di scenari, visualizzare i risultati e condividere un report chiaro con gli stakeholder senza ricostruire fogli di calcolo da zero. Per le PMI che hanno bisogno di decisioni più rapide con meno attrito, questo è un modo pratico per mettere al lavoro la what-if analysis. --- Pronto a trasformare le ipotesi in decisioni? Scopri come ELECTE aiuta i team a eseguire what-if analysis, confrontare scenari e condividere report visivi chiari senza sovraccarico di fogli di calcolo. Visita [ELECTE](https://www.electe.net) per vedere come la piattaforma può supportare il tuo prossimo ciclo di pianificazione.