Lezione 3: Formati, struttura e metadati

Introduzione e obiettivi

Nella lezione precedente abbiamo mappato da dove arrivano i dati di un cantiere: il modello BIM e il suo file IFC, i sensori IoT, le nuvole di punti, i gestionali di commessa, gli open data del territorio. Bene. Ora ho davanti a me una montagna di dati. Ma se li lascio così come sono — un export disordinato qui, un foglio Excel pieno di celle colorate là, un JSON di sensori che nessuno sa leggere — quei dati valgono poco. Sono materiale grezzo, come un mucchio di laterizi appena scaricato in cantiere: prezioso, ma inutilizzabile finché non lo organizzo.

Questa lezione risponde a una domanda molto pratica che ti porrai ogni settimana sul lavoro: «in che formato salvo questo dato, e come lo strutturo perché tra sei mesi (o un collega) lo capisca ancora?». La risposta sbagliata costa ore di lavoro buttate, computi che non tornano, decisioni prese su numeri sporchi. La risposta giusta è la differenza tra un tecnico che «ha un file» e un tecnico che «ha un dato».

Lavoreremo su quattro fronti, sempre con esempi presi dal cantiere e dal BIM:

• I formati: CSV, XLSX, JSON, XML, IFC e i database relazionali. Cosa sono, pro e contro, e quando usare l'uno o l'altro.
• L'anatomia di una tabella ben fatta: record, campi, chiavi, unità di misura e codifiche coerenti. La regola del «un fatto, una cella».
• I metadati e il dizionario dei dati: i «dati sui dati». Documentare ogni colonna perché il dataset sopravviva a chi l'ha creato.
• Le naming convention e le codifiche: dare nomi e codici sensati a file, cartelle e oggetti, con un cenno alla WBS e alla codifica della norma ISO 19650.

I formati dei dati e quando usarli

Un formato è il modo in cui un dato viene scritto in un file: le regole che dicono come separare i valori, come marcare un numero da un testo, come annidare le informazioni. Scegliere il formato non è un dettaglio tecnico noioso: è una decisione che condiziona chi potrà aprire il file, quanto sarà pesante, se sopravviverà al tempo, e se un programma potrà elaborarlo in automatico.

Ti do una regola che vale sempre: i dati di lunga durata vanno in formati aperti e semplici; le elaborazioni di lavoro possono stare in formati ricchi e proprietari. Vediamo i sei che incontrerai sul lavoro.

CSV — il minimo comune denominatore

Il CSV (Comma-Separated Values) è una tabella scritta come puro testo: una riga per record, i valori separati da una virgola (in Italia spesso dal punto e virgola, perché la virgola la usiamo come separatore decimale). La prima riga, di solito, contiene le intestazioni delle colonne.

codice_materiale;descrizione;quantita;unita_misura;prezzo_unitario
MUR-001;Mattone forato 8x25x25;1200;pz;0,38
CLS-014;Calcestruzzo C25/30;18,5;m3;112,00
ACC-220;Acciaio B450C diametro 16;640;kg;1,15

Lo apri con qualsiasi cosa: Excel, Google Sheets, un editor di testo, Python, un viewer BIM. È leggerissimo (un abaco di 5.000 righe sta in poche centinaia di kilobyte) e durerà per sempre, perché non dipende da nessun programma. Il prezzo da pagare: non porta con sé i tipi di dato (per il CSV «0,38» e «testo» sono entrambi testo), non gestisce più tabelle insieme, non ha formule né formattazione. È perfetto per scambiare un export tra due sistemi (esportare un abaco quantità dall'IFC, importare letture di un sensore) e per archiviare.

XLSX — il foglio di lavoro

Il XLSX è il formato di Excel (e Sheets esporta in modo compatibile). A differenza del CSV, porta con sé più fogli, formule, formattazione, tipi di dato, grafici e tabelle pivot. È lo strumento dove farai la maggior parte delle analisi di questo corso. Lo svantaggio: è un formato più complesso (in realtà è un archivio zip di file XML), si apre bene solo con software di foglio elettronico e tende a invitare al disordine — celle unite, colori usati per «codificare» informazioni, dati e calcoli mescolati. Usalo per lavorare sui dati; quando devi scambiarli o archiviarli, esportali in CSV.

JSON — i dati che parlano alle macchine

Il JSON (JavaScript Object Notation) è il formato con cui dialogano i programmi e le API moderne: le letture di un sensore IoT, i dati di un servizio meteo, le risposte di un gestionale cloud arrivano quasi sempre in JSON. La sua forza è gestire dati annidati (una struttura dentro l'altra), cosa che una tabella piatta non sa fare.

{
  "sensore": "TEMP-CANTIERE-03",
  "ubicazione": "Piano 2 - Lato Nord",
  "letture": [
    { "timestamp": "2026-07-01T08:00:00", "temperatura_c": 21.4, "umidita_pct": 58 },
    { "timestamp": "2026-07-01T09:00:00", "temperatura_c": 23.1, "umidita_pct": 55 }
  ]
}

È testo leggibile, aperto, ottimo per lo scambio automatico. Per contro, non lo apri direttamente in Excel come una tabella: spesso va prima «appiattito». Lo incontrerai tutte le volte che un dato arriva da un sensore, da un'app o da un servizio web.

XML — il fratello maggiore e verboso

L'XML (eXtensible Markup Language) è il nonno del JSON: stessa idea di dati annidati, ma scritta con tag di apertura e chiusura, più verbosa. Lo trovi in molti formati di scambio dell'edilizia e dell'ingegneria: il BCF (BIM Collaboration Format, per le contestazioni tra modellatori), alcuni file di interscambio strutturale, le fatture elettroniche (FatturaPA è XML), i file GML/CityGML in ambito GIS. Più rigido del JSON ma molto consolidato e validabile con uno schema (XSD).

IFC — il formato del modello BIM

L'IFC (Industry Foundation Classes) è lo standard aperto del BIM: descrive l'intero modello dell'edificio — muri, pilastri, solai, impianti — come oggetti con geometria e proprietà (i Property Set, gli Pset). È molto più di una tabella: è un database tridimensionale dell'edificio. Quando in Lezione 2 hai esportato un abaco quantità da un viewer IFC verso un CSV, hai fatto esattamente questo: estrarre una vista tabellare da un formato ricco. L'IFC è il formato di verità del modello; il CSV è il modo per portarne fuori un pezzo da analizzare.

Database relazionali — quando i fogli non bastano più

Un database relazionale (gestito da sistemi come SQLite, MySQL, PostgreSQL, Access) organizza i dati in più tabelle collegate tra loro da chiavi. È la scelta giusta quando i dati sono tanti, cambiano spesso, devono essere consultati da più persone contemporaneamente e senza ridondanze. Pensa a un gestionale di commessa: una tabella materiali, una tabella fornitori, una tabella ordini, collegate insieme. Non si «apre» come un file: si interroga con il linguaggio SQL. In questo corso non programmeremo database, ma devi sapere che esistono e quando servono: dal foglio singolo si passa al database quando inizi a copia-incollare gli stessi dati in più punti.

Anatomia di una tabella ben fatta

Il 90% del lavoro sui dati nell'edilizia passa da una tabella. Eppure quasi nessuno sa farla bene. Una tabella ben strutturata è quella che un computer (e una pivot) sa leggere senza che tu debba spiegargliela. Vediamo il vocabolario e poi le regole.

Il vocabolario: record, campi e chiavi

• Record (riga): una singola osservazione, una «cosa» del mondo reale. In un elenco materiali, un record è un materiale. In un registro presenze, un record è una timbratura di un operaio in un giorno.
• Campo (colonna): una caratteristica misurata su tutti i record. Esempi: codice_materiale, quantita, prezzo_unitario. Ogni campo ha un solo tipo di dato (tutta la colonna prezzi è numerica, tutta la colonna descrizioni è testo).
• Chiave primaria: il campo (o l'insieme di campi) che identifica un record in modo univoco. In un elenco materiali è il codice_materiale: due righe non possono avere lo stesso codice. Senza chiave, non distingui un duplicato da un dato vero.
• Chiave esterna: un campo che «punta» alla chiave di un'altra tabella. In una tabella ordini, il campo codice_fornitore rimanda alla tabella fornitori. È il collante dei database relazionali.

Le cinque regole della tabella pulita

Queste regole derivano da un principio detto «dati ordinati» (tidy data). Imparale a memoria, ti salveranno ore di lavoro:

1. Una riga = una osservazione. Niente righe di totale o di sottotitolo in mezzo ai dati.
2. Una colonna = una variabile. Non infilare due informazioni nella stessa cella.
3. Una cella = un valore. «Mattone 8x25x25 - 1200 pz» in una cella sola è sbagliato: sono tre dati.
4. Tipi coerenti per colonna. Se la colonna è numerica, niente «circa 18», niente «18 m3» con l'unità dentro.
5. Niente formattazione che porta significato. Una cella rossa «perché è urgente» non è un dato leggibile da una pivot: serve una colonna priorita.

Esempio: la stessa tabella, mal fatta e ben fatta

Guarda questo elenco materiali «sporco», come ne arrivano davvero in cantiere:

== ELENCO MATERIALI (mal fatto) ==

Materiale                         Q.tà         Note
Mattone forato 8x25x25 - 1200pz   circa 1200   ordinato 12/6
Calcestruzzo C25/30               18,5 m3      [cella gialla = urgente]
                                  ----------
Acciaio B450C Ø16 - kg            640 kg       MANCA fornitore !!
TOTALE RIGHE: 3

Cosa c'è che non va? La descrizione contiene anche la quantità («- 1200pz»); la colonna Q.tà mischia numeri, testo («circa») e unità di misura; l'urgenza è codificata col colore; c'è una riga di totale in mezzo; le note contengono date e informazioni che dovrebbero avere colonne proprie. Una pivot su questa tabella restituisce errori e risultati senza senso.

Ecco la stessa informazione, ristrutturata bene:

codice    | descrizione                | quantita | um  | data_ordine | priorita | fornitore
----------|----------------------------|----------|-----|-------------|----------|-----------
MUR-001   | Mattone forato 8x25x25     | 1200     | pz  | 2026-06-12  | normale  | Edil Toscana
CLS-014   | Calcestruzzo C25/30        | 18.5     | m3  | 2026-06-15  | urgente  | BetonLI
ACC-220   | Acciaio B450C diametro 16  | 640      | kg  | 2026-06-15  | normale  | (da definire)

Adesso ogni colonna ha un tipo coerente, ogni cella un solo valore, l'unità di misura ha la sua colonna um, la priorità è un dato e non un colore, le date sono in formato standard (ne parliamo tra poco). Su questa tabella la pivot «somma la quantità per fornitore» o «conta i materiali urgenti» funziona al primo colpo.

Codifiche coerenti: lo stesso fornitore deve scriversi sempre uguale

Una codifica è l'insieme dei valori ammessi per un campo. Se la colonna fornitore contiene «Edil Toscana», «edil toscana srl», «E. Toscana» e «EdilToscana», per il computer sono quattro fornitori diversi: la pivot li conterà separati e il totale acquisti sarà sbagliato. Lo stesso vale per gli stati («ok» / «OK» / «completato» / «fatto»), per le date, per le categorie. La soluzione: definire un insieme chiuso di valori ammessi (un «dominio») e usare in Excel/Sheets la convalida dati con un menu a tendina, così nessuno può scrivere a mano una variante. Questo è il primo, fondamentale presidio di qualità del dato — che approfondiremo nella Lezione 4.

Metadati e dizionario dei dati

I metadati sono i «dati sui dati»: le informazioni che descrivono un dato senza essere il dato stesso. Quando scatti una foto col telefono, la foto è il dato; data, ora, luogo GPS, modello del telefono e risoluzione sono i metadati. Nell'edilizia digitale i metadati sono ovunque: la data di creazione di un modello IFC, l'autore di una revisione, lo stato di un documento (in lavorazione / da approvare / pubblicato), il sistema di coordinate di una nuvola di punti, la data e ora di una lettura di un sensore.

Perché contano così tanto? Perché un dato senza metadati invecchia male. Trovi sul server un file computo_finale_v2_DEF_vero.xlsx: di che edificio è? A che data? Chi l'ha approvato? Sono ancora numeri validi? Senza metadati, quel file è un'incognita. Con i metadati giusti, è una fonte affidabile.

Il dizionario dei dati: il documento più sottovalutato (e più utile)

Il dizionario dei dati (o data dictionary) è una tabella che descrive ogni colonna di un dataset. È il manuale d'uso del tuo dato. È ciò che permette a un collega — o a te stesso tra sei mesi — di capire cosa significa esattamente la colonna q_eff senza chiamare al telefono chi l'ha creata. Per ogni campo documenta almeno:

• Nome del campo (come si chiama la colonna)
• Descrizione (cosa rappresenta, in parole umane)
• Tipo di dato (testo, intero, decimale, data, booleano, categorico)
• Unità di misura (m, m², m³, kg, €, kWh… oppure «n/a»)
• Dominio / valori ammessi (l'intervallo o l'elenco chiuso di valori validi)
• Obbligatorio? (il campo può essere vuoto?)
• Esempio (un valore tipico)

Ecco un dizionario dei dati per l'elenco materiali ben fatto visto sopra:

Nota che il dizionario è esso stesso una tabella ben fatta. Tienilo nello stesso file (in un foglio chiamato _dizionario) o accanto al dataset, e aggiornalo ogni volta che aggiungi o cambi una colonna. È il singolo documento che alza di più la qualità e la longevità dei tuoi dati.

Naming convention e codifiche

Una naming convention è una regola condivisa per dare nomi a file, cartelle, campi e codici. Sembra una banalità, ma in un progetto edile dove decine di persone scambiano centinaia di file, un nome fatto bene è ciò che ti fa trovare il documento giusto in tre secondi invece che in mezz'ora — e ciò che evita di lavorare per giorni sulla revisione sbagliata.

I nomi dei file: le sette regole

Confronta questi due modi di nominare lo stesso file:

MALE:   Computo def (2) ultimo VERO.xlsx
        relazione finale!!.docx
        IMG_20260701_foto cantiere.jpg

BENE:   2026-07-01_CANTLI_computo_RC_v03.xlsx
        2026-07-01_CANTLI_relazione-strutture_S2_v01.docx
        2026-07-01_CANTLI_P2-nord_foto-getto_001.jpg

Le regole che applico sempre:

1. Niente spazi: usa - o _ (gli spazi creano problemi a sistemi e link).
2. Niente accenti né caratteri speciali (à, è, !, &, /): rompono su alcuni sistemi.
3. Date sempre in formato ISO AAAA-MM-GG: così i file si ordinano da soli cronologicamente.
4. Dal generale al particolare: data → progetto → oggetto → tipo → versione.
5. Versione con numero a due cifre (v01, v02): così v10 non finisce prima di v02 nell'ordinamento.
6. Una sola lingua e uno stesso stile (tutto minuscolo, separatori coerenti).
7. Mai «finale», «definitivo», «vero»: è il numero di versione a dire qual è l'ultimo, non un aggettivo.

La WBS: scomporre il progetto in codici

La WBS (Work Breakdown Structure, struttura di scomposizione del lavoro) è il modo in cui un progetto viene spezzato in parti sempre più piccole, ciascuna con un suo codice gerarchico. È il principio che permette di collegare costi, tempi e attività a un punto preciso dell'opera. Un esempio per un piccolo edificio:

1        Edificio residenziale Via Piemonte
1.1      Opere strutturali
1.1.1      Fondazioni
1.1.2      Pilastri piano terra
1.1.3      Solaio piano primo
1.2      Opere murarie
1.2.1      Tamponamenti esterni
1.2.2      Tramezzi interni
1.3      Impianti
1.3.1      Impianto elettrico
1.3.2      Impianto idrico-sanitario

Il codice 1.1.3 identifica univocamente «Solaio piano primo». A quel codice posso agganciare il computo (quanto costa), il cronoprogramma (quando si fa), le quantità estratte dall'IFC (quanto calcestruzzo) e, più avanti, i dati di avanzamento (SAL). La WBS è la chiave che fa parlare tra loro dati che altrimenti resterebbero isolati.

Cenni di codifica ISO 19650

La ISO 19650 — la norma internazionale sulla gestione informativa nel BIM — propone una codifica strutturata e standardizzata per nominare i contenitori informativi (i file e i documenti) all'interno del Common Data Environment. L'idea: ogni file ha un codice composto da campi separati, ciascuno con un significato preciso. Una struttura tipica:

Progetto - Soggetto - Volume/Zona - Livello - Tipo - Disciplina - Numero

Esempio:
PRJ057-BIN-XX-02-M3-S-001
  PRJ057  = codice progetto
  BIN     = soggetto produttore (es. studio/impresa)
  XX      = volume/zona (XX = tutto l'edificio)
  02      = livello/piano (piano secondo)
  M3      = tipo di contenuto (M3 = modello 3D)
  S       = disciplina (S = strutture)
  001     = numero progressivo

Non devi memorizzare la sintassi esatta — cambia da progetto a progetto e la si concorda nel BIM Execution Plan. Devi capire il principio: un nome non è un'etichetta casuale, è un codice che porta informazione. Leggendo PRJ057-BIN-XX-02-M3-S-001 un tecnico BIM sa subito di che progetto, disciplina e piano si tratta, senza nemmeno aprire il file. È lo stesso principio del codice materiale CLS-014 o del codice WBS 1.1.3: dare un nome è già classificare.

Laboratorio: pulire e ristrutturare un dataset

È il momento di sporcarsi le mani. In questo laboratorio prenderai un dataset «sporco» — come ne girano davvero in cantiere — e lo trasformerai in un dato pulito, strutturato e documentato. Lavorerai in Excel o Google Sheets; le funzioni che ti servono le hai già o le impari strada facendo.

Il dataset di partenza

Ecco il registro presenze di cantiere così com'è, con tutti i suoi difetti. Puoi scaricare il file CSV qui sotto e aprirlo in Excel o Google Sheets, oppure riprodurlo a mano in un foglio nuovo:

REGISTRO PRESENZE - Cantiere Via Piemonte - Luglio
(aggiornato a mano dal capocantiere)

Operaio              Giorno      Entrata   Uscita    ore       Mansione
Rossi Mario          1/7/26      8.00      17        8         muratore
ROSSI MARIO          02-07-2026  08:00     16:30     7,5       Muratore
Bianchi Luca         1 luglio    7:30      17:00     9 ore     carpentiere
bianchi l.           2/7         07.30     17.00              CARPENTIERE
Verdi Anna           3/7/26      9          --       presente  capocantiere
                     ---- ferie ----
Neri Giuseppe        1/7/2026    8:00      17:00     8h        Manovale
Neri Giuseppe        1/7/2026    8:00      17:00     8h        manovale

Il file usa il punto e virgola (;) come separatore e la virgola come decimale, proprio come lo esporta Excel in italiano: se aprendolo vedi tutto in una colonna sola, importalo con Dati → Da testo/CSV e scegli ; come delimitatore. Fa parte dell'esercizio.

Consegna

Produci due elementi e consegnali in un unico file (due fogli):

1. Il dataset ristrutturato e pulito, in un foglio chiamato presenze.
2. Il dizionario dei dati del dataset, in un foglio chiamato _dizionario.

Procedura guidata, passo per passo

Segui questi passi. Per ognuno ti dico cosa fare e perché.

1. Identifica i problemi (analisi). Prima di toccare nulla, fai l'elenco di ciò che non va. Dovresti trovare almeno: titolo e note dentro la tabella; nomi scritti in modi diversi («Rossi Mario» / «ROSSI MARIO» / «bianchi l.»); date in cinque formati diversi; orari con punto, due punti, decimali; la colonna ore che mischia numeri, «9 ore», «8h», «presente» e celle vuote; una riga «ferie» che non è una presenza; mansioni con maiuscole incoerenti; una riga duplicata (Neri Giuseppe ripetuto identico).
2. Definisci la struttura delle colonne. Decidi prima i campi e i loro tipi. Proposta: cognome (testo), nome (testo), data (data ISO), ora_entrata (ora HH:MM), ora_uscita (ora HH:MM), ore_lavorate (decimale), mansione (categorico). Separare cognome e nome ti permetterà poi di ordinare e raggruppare.
3. Normalizza i nomi. Scegli una forma canonica (es. Cognome con iniziale maiuscola, Nome con iniziale maiuscola) e riscrivi tutti uguali: «Rossi»/«Mario», «Bianchi»/«Luca», ecc. Suggerimento Excel: la funzione MAIUSC.INIZ() (in inglese PROPER()) sistema le maiuscole.
4. Uniforma le date. Converti tutto al formato ISO AAAA-MM-GG: «1/7/26», «02-07-2026», «1 luglio» diventano 2026-07-01 e 2026-07-02. Imposta il formato cella su Data per evitare che Excel le reinterpreti a modo suo.
5. Uniforma gli orari. Porta tutto a HH:MM: «8.00» e «8» diventano 08:00; «17» diventa 17:00; «07.30» diventa 07:30.
6. Ricostruisci le ore lavorate come numero puro. Togli «ore», «h», «presente». Dove manca, ricalcola: ore = uscita - entrata. Per Bianchi del 2/7 (07:30–17:00) sono 9,5 ore. Per Verdi (uscita «--») il dato è mancante: lasciala vuota o segna l'uscita reale se la conosci, ma non inventare.
7. Gestisci la riga «ferie» e i casi anomali. «---- ferie ----» non è una presenza: rimuovila dalla tabella presenze (semmai le ferie vanno in un'altra tabella). Decidi una regola e annotala nel dizionario.
8. Codifica le mansioni. Definisci il dominio chiuso {manovale, muratore, carpentiere, capocantiere} tutto minuscolo, e applica la convalida dati (Dati → Convalida dati → Elenco) per impedire future varianti. Riscrivi «Muratore», «CARPENTIERE», «Manovale» nella forma canonica.
9. Elimina i duplicati. Le due righe identiche di Neri Giuseppe vanno ridotte a una. In Excel: Dati → Rimuovi duplicati (in Sheets: Dati → Pulizia dati → Rimuovi duplicati). Domandati sempre perché c'era un duplicato: errore di battitura o due timbrature reali?
10. Scrivi il dizionario dei dati. Nel foglio _dizionario compila una riga per ogni colonna con: nome, descrizione, tipo, unità, dominio, obbligatorio, esempio. È la parte più importante della consegna.

cognome  | nome     | data       | ora_entrata | ora_uscita | ore_lavorate | mansione
---------|----------|------------|-------------|------------|--------------|-------------
Rossi    | Mario    | 2026-07-01 | 08:00       | 17:00      | 8.0          | muratore
Rossi    | Mario    | 2026-07-02 | 08:00       | 16:30      | 7.5          | muratore
Bianchi  | Luca     | 2026-07-01 | 07:30       | 17:00      | 9.0          | carpentiere
Bianchi  | Luca     | 2026-07-02 | 07:30       | 17:00      | 9.5          | carpentiere
Verdi    | Anna     | 2026-07-03 | 09:00       |            |              | capocantiere
Neri     | Giuseppe | 2026-07-01 | 08:00       | 17:00      | 8.0          | manovale

campo         | descrizione                       | tipo       | um  | dominio                                    | obbl | esempio
--------------|-----------------------------------|------------|-----|--------------------------------------------|------|------------
cognome       | Cognome dell'operaio              | testo      | n/a | iniziale maiuscola                         | si   | Rossi
nome          | Nome dell'operaio                 | testo      | n/a | iniziale maiuscola                         | si   | Mario
data          | Giorno della presenza             | data       | n/a | ISO AAAA-MM-GG                             | si   | 2026-07-01
ora_entrata   | Orario di ingresso in cantiere    | ora        | n/a | HH:MM (00:00-23:59)                        | si   | 08:00
ora_uscita    | Orario di uscita dal cantiere     | ora        | n/a | HH:MM, vuoto se non rilevato               | no   | 17:00
ore_lavorate  | Ore effettive lavorate            | decimale   | ore | >= 0, vuoto se non calcolabile             | no   | 8.0
mansione      | Ruolo svolto in cantiere          | categorico | n/a | {manovale, muratore, carpentiere, capocantiere} | si | muratore

Mini-test di autoverifica

Sezione A: domande a risposta multipla

1. Qual è il formato più adatto per archiviare a lungo termine un abaco quantità in modo che sia leggibile anche tra dieci anni?
   a) XLSX   b) CSV   c) il formato proprietario del software BIM   d) PDF
2. Quale formato è nato per scambiare dati annidati ed è lo standard delle API e dei sensori IoT?
   a) CSV   b) XLSX   c) JSON   d) IFC
3. In una tabella, la colonna che identifica un record in modo univoco si chiama:
   a) chiave esterna   b) chiave primaria   c) record   d) metadato
4. Quale di queste è una colonna ben fatta per una quantità?
   a) una colonna con valori «18,5 m3», «circa 20», «640 kg»   b) una colonna numerica quantita + una colonna um   c) una cella colorata di giallo   d) una sola cella «18,5 m3 di CLS»
5. I «metadati» sono:
   a) dati molto grandi   b) dati sbagliati   c) dati che descrivono altri dati   d) dati segreti
6. A cosa serve il dizionario dei dati?
   a) a tradurre i dati in inglese   b) a documentare nome, tipo, unità e dominio di ogni colonna   c) a comprimere il file   d) a contare le righe
7. Quale formato per le date rende i file e i record auto-ordinabili cronologicamente?
   a) GG/MM/AA   b) «1 luglio»   c) ISO AAAA-MM-GG   d) MM-GG-AAAA
8. La WBS (Work Breakdown Structure) serve a:
   a) cifrare i dati   b) scomporre il progetto in parti con codici gerarchici   c) creare grafici   d) rimuovere i duplicati

Sezione B: domande a risposta aperta

9. Spiega con parole tue la regola «lavora ricco, archivia povero» e fai un esempio concreto con due formati visti a lezione.
10. Ti arriva una colonna fornitore con i valori: «Edil Toscana», «edil toscana srl», «E.Toscana». Perché questo è un problema per un'analisi con tabella pivot, e come lo risolvi?

Riepilogo della lezione

Ottimo lavoro. Hai trasformato il modo in cui guardi un file di dati: non più «un foglio», ma un dato strutturato, in un formato scelto con criterio e documentato. Ecco i punti da portare a casa: