Guardare i dati è essenziale.
Ma saperli leggere nel modo giusto è ciò che distingue un team che impara da uno che gira in tondo.
In fase early-stage, basta poco per arrivare a conclusioni sbagliate: i volumi sono bassi, gli utenti sono poco rappresentativi e i segnali spesso sono deboli.
Ecco gli errori più frequenti che vedo nei team che lavorano con me — e come evitarli.
⚠️ Errore 1: Guardare le metriche sbagliate
Il problema non è la mancanza di dati, ma la confusione tra segnali e rumore.
❌ Pageviews, like, impressioni
✅ Activation rate, retention, comportamento nei primi 3 giorni
👉 Se una metrica non ti aiuta a decidere cosa fare dopo, è rumore.
📉 Errore 2: Lavorare su campioni troppo piccoli
Fare A/B test su 30 utenti non è “data-driven”: è illusione di significato.
Un pattern su 4 utenti non è una verità: è un indizio.
👉 In fase early puoi usare i dati per esplorare, non per convalidare con certezza.
Mescola dati quantitativi + qualitativi per compensare i limiti.
🪞 Errore 3: Farti confermare quello che vuoi credere
Si chiama confirmation bias. E succede più spesso di quanto pensi.
“I dati dicono che l’idea è buona”
Ma hai selezionato solo i casi positivi e ignorato tutto il resto?
👉 Ogni volta che usi i dati per “dimostrare” qualcosa… fermati e chiediti: e se non fosse vero?
🧮 Errore 4: Usare medie fuorvianti
Le medie nascondono le informazioni più importanti.
Es: retention media = 40%
Ma se un segmento è al 5% e un altro al 90%… stai guardando il punto sbagliato.
👉 Segmenta sempre per capire chi sta realmente ricevendo valore (e chi no).
⌛ Errore 5: Aspettare troppi dati prima di agire
In early-stage non puoi aspettare “statistiche significative”.
L’obiettivo è imparare in fretta, non avere ragione.
👉 Meglio agire su indizi ragionevoli che paralizzarsi in attesa di conferme assolute.
📊 Errore 6: Pensare che “i dati parlano da soli”
No, i dati non parlano: tu li devi interrogare, filtrare e interpretare.
Il rischio è costruire dashboard bellissime… e completamente inutili.
👉 Parti dalle domande, non dai numeri.
✅ In sintesi
👉 In early-stage, i dati sono fragili: trattali con attenzione e spirito critico.
👉 Incrocia quantitativo e qualitativo, segmenta, interpreta e decidi velocemente.
👉 Evita l’arroganza da dashboard: non serve sapere tutto, serve capire ciò che conta.