Lezione 1: Dal dato alla decisione: fondamenti

Introduzione e obiettivi

Benvenuto alla prima lezione del modulo UFC 9 — Analisi dati e cybersecurity, parte dell'ITS Tecnico Superiore per Green & Digital Construction. Questa è la lezione che mette le fondamenta: prima di analizzare un consumo energetico, prima di costruire una dashboard di cantiere e prima di proteggere un modello BIM, dobbiamo metterci d'accordo su una cosa apparentemente banale ma decisiva — che cos'è un dato, da dove arriva e di che tipo è.

Ti dico subito come la penso io, e come lavoreremo per tutto il modulo: si impara facendo. La teoria di oggi serve perché domani, davanti a un foglio Excel con i materiali di cantiere o a un modello IFC pieno di proprietà, tu sappia esattamente cosa stai guardando. Userò sempre esempi presi dal cantiere, dall'edificio e dal BIM, perché è lì che lavorerai.

Un tecnico della Green & Digital Construction passa la giornata immerso nei dati senza quasi accorgersene: le proprietà degli oggetti BIM, le quantità dei computi, le letture dei sensori, i fogli di avanzamento lavori (SAL), i consumi energetici, le foto del cantiere. Imparare a riconoscere, definire e organizzare questi dati è il primo passo per trasformarli in decisioni migliori.

In questa lezione vedremo:

• Perché i dati contano proprio nell'edilizia digitale e sostenibile (energia, costi, tempi, sicurezza, sostenibilità).
• Il modello DIKW: come si sale dal dato grezzo all'informazione, alla conoscenza e fino alla decisione.
• Dati strutturati, semi-strutturati e non strutturati: la differenza che cambia il modo in cui li trattiamo.
• Le tipologie di dato: numerico, testo, data/ora, booleano, categorico, geospaziale.

Perché i dati contano nella Green & Digital Construction

L'edilizia è storicamente uno dei settori meno digitalizzati al mondo. Eppure è proprio qui che il dato ha il potenziale economico e ambientale più grande: ogni cantiere muove materiali, ore di lavoro, mezzi, energia e denaro, e ogni edificio continua a consumare risorse per decenni dopo la consegna. La Green & Digital Construction nasce esattamente da questa intuizione: misurare per migliorare.

Quando parlo di «dati che contano» non intendo numeri astratti, ma leve su cui il tuo lavoro incide ogni giorno. Vediamole una per una, con esempi concreti.

Energia (kWh/m²)

L'indicatore base della prestazione energetica di un edificio è il consumo specifico, espresso in kWh/m² all'anno. Immagina un edificio per uffici di 1.200 m² che consuma 156.000 kWh in un anno: il suo indice è 156.000 / 1.200 = 130 kWh/m² anno. Se un edificio simile, ben coibentato, sta a 65 kWh/m², sappiamo che c'è margine per dimezzare i consumi. Senza il dato di partenza, però, non potremmo nemmeno dire se siamo messi bene o male.

Costi

In una commessa, il dato di costo per fase o per lavorazione è ciò che separa un progetto in utile da uno in perdita. Se i dati di costo del cartongesso del piano terra dicono 18.400 € a fronte di un preventivo di 15.000 €, c'è uno scostamento del +22,7% che merita una spiegazione prima di ripetere lo stesso errore al piano primo.

Tempi (SAL)

Lo Stato Avanzamento Lavori (SAL) è un dato fondamentale: dice quanta parte dell'opera è realizzata a una certa data. Un SAL al 40% a metà del tempo contrattuale è un campanello d'allarme che, letto in tempo, permette di recuperare; letto a fine lavori, è solo la cronaca di un ritardo.

Sicurezza

I dati sulla sicurezza — near miss, infortuni, presenze in cantiere, formazione svolta, esiti dei collaudi — non sono burocrazia: sono il modo in cui un cantiere capisce dove e quando rischia di più, per intervenire prima dell'incidente.

Sostenibilità (CO&sub2;)

Il dato ambientale — tonnellate di CO&sub2; incorporata nei materiali, percentuale di scarti riciclati, consumi idrici — è sempre più richiesto da committenti, bandi pubblici e protocolli (CAM, LEED). Sapere che un m³ di calcestruzzo tradizionale comporta circa 250–300 kg di CO&sub2; permette di scegliere, a parità di prestazione, miscele a minore impatto.

Dato, informazione, conoscenza: il modello DIKW

Le parole «dato», «informazione» e «conoscenza» nel linguaggio comune si usano come sinonimi. Nel nostro lavoro non lo sono: sono gradini diversi della stessa scala. Il modello che li ordina si chiama DIKW, dalle iniziali inglesi Data, Information, Knowledge, Wisdom (dato, informazione, conoscenza, saggezza/decisione).

I quattro gradini

• Dato (Data): un fatto grezzo, isolato, senza contesto. Da solo non dice nulla. Esempio: il numero 21,4.
• Informazione (Information): il dato messo in contesto, con unità di misura, tempo e luogo. Risponde a «chi, cosa, quando, dove». Esempio: il sensore S-03 ha letto 21,4 °C nell'appartamento A2 alle 08:00 del 12/01.
• Conoscenza (Knowledge): pattern e relazioni che emergono mettendo insieme tante informazioni nel tempo. Risponde a «come» e «perché». Esempio: in inverno l'appartamento A2 consuma in media il 35% in più degli altri appartamenti dello stesso piano.
• Saggezza / Decisione (Wisdom): l'azione giusta basata sulla conoscenza. Risponde a «cosa faccio». Esempio: coibentiamo la parete nord dell'appartamento A2, dove la termografia mostra il ponte termico.

Un esempio edile completo: dal sensore alla coibentazione

Seguiamo lo stesso filo dall'inizio alla fine. È il caso che useremo spesso: un edificio residenziale con sensori di temperatura e contatori di consumo.

GRADINO 1 - DATO (grezzo)
  Una singola lettura del sensore:
  18,9

  Da solo non significa niente. 18,9 di cosa? Dove? Quando?

GRADINO 2 - INFORMAZIONE (dato + contesto)
  Sensore   : S-07
  Grandezza : temperatura interna
  Unita'    : gradi Celsius (C)
  Valore    : 18,9
  Luogo     : appartamento B1, parete nord
  Data/ora  : 2026-01-15 07:00

  Ora dice qualcosa: alle 7 del mattino in B1 c'erano 18,9 C.

GRADINO 3 - CONOSCENZA (pattern su molte informazioni)
  Aggregando 90 giorni di letture invernali:
  - consumo medio mensile B1 = 1.480 kWh
  - consumo medio mensile altri appartamenti = 1.050 kWh
  - scostamento di B1 = +41%
  - le letture mostrano che B1 fatica a tenere la temperatura
    sulla parete nord (sempre 2-3 C sotto le altre pareti)

  Pattern: B1 disperde calore dalla parete nord.

GRADINO 4 - DECISIONE (azione motivata dai dati)
  Intervento proposto: coibentazione a cappotto della
  parete nord di B1 (circa 28 m2).
  Stima: -30% sui consumi di B1 = ~440 kWh/mese risparmiati.
  A 0,25 EUR/kWh -> ~110 EUR/mese -> ~660 EUR/stagione invernale.
  Decisione: si procede; si rimisura l'inverno successivo
  per verificare l'effetto (chiudere il ciclo).

Nota la cosa più importante: la decisione finale poggia su tutto ciò che sta sotto. Se il dato di partenza fosse sbagliato (sensore tarato male) o se mancasse il contesto (non sapessimo che 18,9 è sulla parete nord), la decisione di coibentare sarebbe campata in aria. Per questo, in tutto il modulo, insisterò tanto sulla qualità del dato: è la base della piramide.

Dati strutturati, semi-strutturati e non strutturati

Non tutti i dati sono uguali a livello di forma. La distinzione tra strutturati, semi-strutturati e non strutturati è pratica, non accademica: ti dice quanto facilmente un computer (o un foglio Excel) potrà analizzare quel dato senza lavoro manuale. È la prima domanda che mi pongo quando ricevo un file nuovo.

Dati strutturati

Sono organizzati in righe e colonne, con uno schema preciso e fisso: ogni colonna ha un significato e un tipo (numero, testo, data…), ogni riga è un record. Sono i dati che Excel, un database o una pivot adorano, perché possono essere filtrati, sommati e raggruppati immediatamente.

Esempi tipici in edilizia: il foglio del SAL, l'abaco delle quantità, il computo metrico, il registro delle presenze, l'anagrafica dei fornitori. Ecco un estratto di un abaco quantità strutturato:

Guarda quanto è pronto all'uso: posso sommare la colonna Importo, filtrare le sole lavorazioni in m³, calcolare il costo medio al m². Zero lavoro di preparazione. Questo è il vantaggio dei dati strutturati.

Dati semi-strutturati

Non hanno la rigidità di una tabella, ma portano con sé la propria struttura tramite etichette, tag o gerarchie. Un computer li legge bene, ma prima vanno «srotolati». I formati tipici sono JSON, XML e — fondamentale per noi — l'IFC (il formato aperto del BIM, basato su una struttura a oggetti e proprietà).

Esempio: una lettura di un sensore di cantiere trasmessa in JSON. Nota le coppie etichetta: valore e l'annidamento (un oggetto dentro l'altro):

{
  "sensore_id": "S-07",
  "tipo": "temperatura_umidita",
  "posizione": {
    "edificio": "Lotto B",
    "appartamento": "B1",
    "parete": "nord"
  },
  "timestamp": "2026-01-15T07:00:00+01:00",
  "letture": {
    "temperatura_C": 18.9,
    "umidita_pct": 63,
    "batteria_pct": 88
  }
}

È leggibilissimo per noi e per la macchina, ma non è già una tabella: per metterlo in Excel devo decidere come trasformare quell'annidamento in colonne (es. posizione.parete → colonna «parete»). Lo stesso vale per l'IFC: un muro non è una riga, è un oggetto IfcWall con un insieme di proprietà (Property Set) come materiale, spessore, resistenza al fuoco. La struttura c'è, ma è gerarchica, non tabellare. Approfondiremo l'IFC nella Lezione 2 e i formati nella Lezione 3.

Dati non strutturati

Non hanno uno schema esplicito: sono il testo libero, le immagini, l'audio, il video. Il loro contenuto è ricchissimo, ma per analizzarlo automaticamente serve un lavoro extra (lettura umana, OCR, intelligenza artificiale). In cantiere sono ovunque:

• Foto di cantiere: documentano l'avanzamento, ma per sapere «quante foto mostrano armature a vista al piano 2» qualcuno deve guardarle.
• Email con il committente o i fornitori: contengono decisioni e accordi, ma sepolti nel testo.
• PDF di capitolati, relazioni tecniche, certificati: leggibili dall'uomo, ma un PDF scansionato non è «cercabile» finché non passa per un OCR.
• Verbali di riunione, note vocali, video di sopralluogo.

Riepilogo a colpo d'occhio

Le tipologie di dato

Oltre alla forma (strutturato o no), ogni singolo valore ha un tipo. Sapere il tipo è cruciale: determina quali operazioni hanno senso (su un numero posso fare una media, su una data posso calcolare giorni trascorsi, su un testo no) ed evita errori classici di Excel come la data interpretata come numero o lo «0» iniziale di un codice che sparisce.

Ecco le tipologie che incontrerai sistematicamente, con un esempio edile per ciascuna.

1. Numerico

Valori su cui ha senso calcolare: somme, medie, differenze. Si dividono in interi (es. numero di operai presenti: 12) e decimali/continui (es. mc di calcestruzzo gettati: 84,0 m³; consumo: 1.480,5 kWh). Attenzione all'unità di misura: un numero senza unità è mezzo dato.

2. Testo (stringa)

Sequenze di caratteri, di norma non calcolabili. Esempio: la descrizione di una lavorazione («Calcestruzzo C25/30 per fondazioni») o il nome di un fornitore. Sottocaso insidioso: i codici (es. il codice WBS OP.04 o un CAP come 57122) sono testo, anche se «sembrano» numeri: non vanno mai trattati come numeri, altrimenti si perdono gli zeri iniziali o ci si ritrova a «sommare» codici.

3. Data/ora

Momenti nel tempo. Permettono di calcolare durate e di ordinare cronologicamente. Esempi: le timbrature di ingresso/uscita degli operai (08:02, 17:14), la data di un getto, il timestamp di una lettura sensore. Su questi dati puoi chiedere «quante ore ha lavorato la squadra martedì?» o «quanti giorni tra ordine e consegna del materiale?». Usa sempre un formato non ambiguo (consiglio: AAAA-MM-GG, lo standard ISO 8601).

4. Booleano (vero/falso)

Due soli valori possibili: sì/no, vero/falso, 1/0. Perfetti per gli stati binari. Esempio: collaudo superato? (sì/no), DPI consegnato? (sì/no), formazione sicurezza completata? (sì/no). Sono comodissimi da contare e filtrare («quanti collaudi non superati questo mese?»).

5. Categorico

Valori che appartengono a un insieme chiuso di categorie, senza che il calcolo aritmetico abbia senso (anche se a volte sono codificati con numeri o lettere). Esempio principe: la classe energetica di un edificio (A4, A3, A2, A1, B, C, D, E, F, G). Altri: la fase di lavorazione (fondazioni / strutture / impianti / finiture), il tipo di materiale, la zona climatica. C'è una distinzione utile: categorie ordinabili (la classe energetica ha un ordine: A4 > G) e categorie non ordinabili (il tipo di materiale no). Le useremo molto nelle pivot della Lezione 6.

6. Geospaziale

Dati che hanno una posizione nello spazio: coordinate di un punto, un'area, un percorso. In edilizia è tipico il punto rilevato con coordinate (es. latitudine/longitudine del cantiere, o coordinate locali di un punto di una nuvola di punti da laser scanner). Permettono mappe, calcoli di distanza e area, e si collegano al mondo GIS che vedremo nella Lezione 2. Esempio: (43,5485 N, 10,3106 E) per la posizione di un edificio a Livorno.

Vediamo come questi tipi convivono in una sola riga di un registro presenze di cantiere — un caso perfetto perché mescola quasi tutti i tipi:

RECORD: una timbratura di cantiere

  campo            valore             tipo
  --------------   ----------------   ----------------
  id_timbratura    1057               numerico (intero)
  operaio          "Rossi Marco"      testo
  matricola        "00471"            testo (codice!)
  data             2026-07-01         data/ora
  ora_ingresso     07:58              data/ora
  ora_uscita       17:06              data/ora
  mansione         "carpentiere"      categorico
  dpi_consegnato   true               booleano
  ore_lavorate     9,13               numerico (decimale)
  coord_badge      (43,5491 ; 10,308) geospaziale

  Nota: "matricola" e' un codice -> TESTO, non numero
        (altrimenti lo 0 iniziale sparisce: 00471 -> 471).

Esercizio guidato: caccia ai dati

È il momento di mettere le mani in pasta. Questo è il laboratorio della Lezione 1, e introduce il caso che vi accompagnerà per tutto il modulo: un edificio/cantiere reale che sceglierete (o che vi assegnerò). Tutto quello che faremo da qui alla verifica finale — analisi, dashboard, piano di sicurezza — partirà dai dati che mappate oggi.

Consegna

A gruppi (3–4 persone), fate la «caccia ai dati»: mappate almeno 15 dati che ruotano attorno al vostro edificio/cantiere, classificandoli per tipo e per origine. La consegna è una tabella (su Excel o Google Sheets) con questa struttura:

Come procedere, passo per passo

1. Scegliete il caso (10 min): un edificio o cantiere che conoscete davvero (la vostra casa, un cantiere visto in tirocinio, un progetto della scuola edile). Più è reale, meglio è.
2. Brainstorming delle fonti (15 min): chiedetevi chi tocca dei dati su quell'edificio. Progettista, impresa, direttore lavori, fornitori, gestore dell'edificio, inquilini, sensori. Ogni attore genera dati.
3. Elencate i dati (20 min): per ogni fonte, scrivete i dati concreti. Puntate alla varietà: coprite tutti e 6 i tipi e tutte e 3 le forme. Se vi mancano i geospaziali o i non strutturati, vuol dire che state guardando solo i fogli Excel.
4. Classificate (20 min): compilate le colonne Tipo, Forma e Origine. Discutete i casi dubbi nel gruppo — il dubbio è dove si impara (es. «la matricola è numero o testo?» → testo!).
5. Confronto in aula (15 min): ogni gruppo presenta 3 dati «non ovvi» che ha trovato.

Conservate questa tabella: nella Lezione 2 andremo a vedere da dove arrivano davvero questi dati (IFC, sensori, nuvole di punti, open data) e nelle lezioni successive li analizzeremo e proteggeremo. Oggi avete costruito la mappa; nelle prossime settimane la percorreremo tutta.

Mini-test di autoverifica

Sezione A: domande a risposta multipla

1. Nel modello DIKW, «il sensore S-07 ha letto 18,9 °C in B1 alle 07:00» è un esempio di:
   a) Dato grezzo   b) Informazione   c) Conoscenza   d) Decisione
2. Un abaco delle quantità in un foglio Excel con codice, lavorazione e mc è un dato:
   a) Non strutturato   b) Semi-strutturato   c) Strutturato   d) Geospaziale
3. Una lettura di sensore trasmessa in formato JSON è un esempio di dato:
   a) Strutturato   b) Semi-strutturato   c) Non strutturato   d) Booleano
4. La matricola di un operaio «00471» va trattata come dato di tipo:
   a) Numerico   b) Testo   c) Booleano   d) Data/ora
5. La classe energetica di un edificio (A4, A3…G) è un dato di tipo:
   a) Numerico   b) Geospaziale   c) Categorico   d) Booleano
6. Quale di questi è un dato non strutturato tipico del cantiere?
   a) Il foglio del SAL   b) Una foto di avanzamento   c) L'abaco quantità   d) Il registro presenze
7. «Collaudo superato: sì/no» è un dato di tipo:
   a) Categorico   b) Numerico   c) Booleano   d) Testo
8. L'indice di consumo energetico di un edificio si misura tipicamente in:
   a) m³/anno   b) kWh/m² anno   c) kg di CO&sub2;   d) €/mese

Sezione B: domande a risposta aperta

9. (4 punti) Spiega con parole tue i quattro gradini del modello DIKW usando un esempio di cantiere o edificio diverso da quello del sensore di temperatura (es. tempi/SAL, costi o sicurezza).
10. (4 punti) Prendi il formato IFC del BIM: a quale delle tre forme (strutturato, semi-strutturato, non strutturato) appartiene e perché? Cosa lo distingue da un semplice foglio Excel?

Riepilogo della lezione

Ottimo lavoro: hai posato le fondamenta del modulo. Ecco i punti chiave da portare con te.