Lezione 4: Qualità del dato, governance e GDPR

Introduzione e obiettivi

Siamo all'ultima lezione del Modulo 1. Nelle tre lezioni precedenti abbiamo imparato a riconoscere un dato (Lezione 1), a sapere da dove arriva nel mondo dell'edilizia digitale (Lezione 2) e a strutturarlo, formattarlo e documentarlo con un dizionario dei dati (Lezione 3). Adesso ci facciamo le tre domande che separano un dato «qualunque» da un dato su cui un'impresa può davvero fidarsi a prendere decisioni: quanto è affidabile? chi lo possiede? siamo autorizzati a usarlo?

Te lo dico subito con un esempio di cantiere. Immagina di dover certificare il consumo energetico di un edificio per un capitolato «green». Hai un foglio con le letture mensili del contatore. Se in quel foglio mancano tre mesi, due date sono scritte all'americana e una lettura segna 0 kWh perché il sensore era guasto, il numero finale che presenti al committente è sbagliato — e nessuno se ne accorge finché non arriva la contestazione. Un dato di pessima qualità non è neutro: produce decisioni sbagliate, costi imprevisti e, a volte, contenziosi.

In questa lezione mettiamo insieme tre pezzi che nella pratica viaggiano sempre insieme:

• Qualità del dato: le sei dimensioni con cui misurare se un dato è «buono» e come si controllano in un cantiere.
• Data cleaning: gli errori tipici (duplicati, valori mancanti, outlier, formati incoerenti) e come ripulirli senza distruggere informazione.
• Governance e GDPR: chi è proprietario del dato di progetto, chi ne risponde, e quali regole europee si applicano quando in quei dati ci sono persone — lavoratori, visitatori, residenti.

Il filo conduttore resta lo stesso caso che ci accompagna da inizio modulo: il nostro edificio/cantiere di riferimento e i suoi dati (computi, presenze, letture dei sensori, anagrafiche). Useremo proprio quei dati per esercitarci. Si impara facendo: alla fine avrai due template che riutilizzerai per tutta la professione, un report di qualità e un registro dei trattamenti.

Le dimensioni della qualità del dato

«Questo dato è buono?» è una domanda troppo vaga per essere utile. Per rispondere in modo professionale scomponiamo la qualità in sei dimensioni misurabili. Ognuna risponde a una domanda diversa e si misura con un indicatore. Vediamole una a una, sempre calate sul cantiere.

1. Accuratezza

L'accuratezza misura quanto il dato corrisponde alla realtà. Un dato può essere perfettamente formattato e comunque falso. Esempio: la scheda tecnica del modello BIM dichiara per una parete una trasmittanza termica U = 0,28 W/m²K, ma la stratigrafia reale posata in cantiere è diversa e il valore corretto sarebbe 0,42. Il dato è preciso nel formato, ma inaccurato: descrive un edificio che non esiste. In cantiere l'accuratezza si verifica con il confronto fonte-realtà: si misura sul campo, si controlla con il rilievo (la nuvola di punti della Lezione 2), si confronta con il documento ufficiale.

Indicatore: percentuale di record corretti su un campione verificato. Se controllo 50 quantità del computo e 4 non corrispondono al rilievo, l'accuratezza del campione è 46/50 = 92%.

2. Completezza

La completezza misura quanti dati attesi sono effettivamente presenti. Mancanze tipiche in edilizia: il sensore di temperatura che salta tre giorni, il campo «categoria IFC» vuoto per metà degli oggetti, l'anagrafica dell'operaio senza data di nascita. Un buco non è solo un fastidio: spesso significa che non puoi calcolare un KPI o che il calcolo lo fai su un campione distorto.

Indicatore: percentuale di celle valorizzate sul totale atteso. Su un registro presenze di 30 giorni × 12 operai = 360 celle attese, se ne mancano 18 la completezza è 342/360 = 95%.

3. Coerenza

La coerenza misura se lo stesso fatto è rappresentato allo stesso modo ovunque compaia. Casi classici da cantiere: l'unità di misura del calcestruzzo a volte in m³ e a volte in litri; la stessa impresa scritta «Rossi Srl», «ROSSI S.R.L.» e «Rossi s.r.l.»; il codice di un locale «P1-L03» nel BIM e «1.3» nel foglio costi. Quando i dati sono incoerenti, gli incroci non tornano: il CERCA.X non trova la corrispondenza e l'aggregazione conta due volte la stessa entità.

Indicatore: numero di violazioni di una regola di coerenza. Esempio di regola: «tutte le quantità di calcestruzzo devono essere in m³».

4. Tempestività

La tempestività misura se il dato è aggiornato rispetto al momento in cui serve. Un avanzamento lavori (SAL) calcolato su dati di due settimane fa, quando la riunione di cantiere è oggi, fa prendere decisioni sul passato. Un dato corretto ieri può essere inutile oggi. Si misura con la latenza: differenza tra il momento in cui il fatto è accaduto e il momento in cui il dato è disponibile.

Indicatore: latenza media e «età» del dato. Se le letture dei contatori arrivano con 5 giorni di ritardo e tu decidi settimanalmente, la latenza è accettabile; se decidi ogni giorno, no.

5. Unicità

L'unicità misura l'assenza di duplicati indesiderati: ogni entità del mondo reale deve comparire una sola volta. Se lo stesso DDT (documento di trasporto) di una fornitura di acciaio è inserito due volte, il computo dei materiali sovrastima la quantità e quindi il costo. I duplicati nascono spessissimo da inserimenti manuali e da importazioni ripetute.

Indicatore: percentuale di record duplicati sul totale. Su 1.200 righe di magazzino, 24 duplicati significano un'unicità del 98%.

6. Validità

La validità misura se il dato rispetta le regole di formato e di dominio previste: un codice postale di 5 cifre, una data nel formato corretto, una percentuale tra 0 e 100, una categoria scelta da una lista chiusa. Un valore valido non è necessariamente vero (può essere valido ma inaccurato), ma un valore non valido è quasi sempre un errore. Esempio: avanzamento di una lavorazione = 130% — formalmente non valido, perché una percentuale di completamento non può superare 100.

Indicatore: percentuale di valori che rispettano la regola di dominio.

Errori tipici e data cleaning di base

Il data cleaning (pulizia dei dati) è il lavoro che trasforma un dataset «sporco» in uno utilizzabile. Una statistica nota nel mondo dei dati dice che chi analizza dati passa fino all'80% del tempo a pulirli e prepararli, e solo il 20% ad analizzarli davvero. In edilizia non è diverso: i dati arrivano da fonti eterogenee (BIM, sensori, fogli compilati a mano, gestionali) e quasi mai sono pronti.

Vediamo le quattro famiglie di problemi più comuni e come affrontarle in Excel o Google Sheets, senza programmare.

Duplicati

Un duplicato è una riga ripetuta che rappresenta la stessa entità. Attenzione: non sempre la riga è identica al 100% (un duplicato «esatto»); spesso è un duplicato logico (stesso DDT, ma una riga ha una nota in più). Procedura tipica:

• Definisci la chiave che identifica un'entità (es. il numero di DDT + fornitore).
• Usa Formattazione condizionale → Evidenzia duplicati per vederli, oppure CONTA.SE per contare quante volte compare una chiave.
• Rimuovi i duplicati esatti con Dati → Rimuovi duplicati, ma tieni una copia dell'originale prima di cancellare.

# Excel/Sheets: marcare i duplicati su una chiave (colonna A = n. DDT)
=SE(CONTA.SE($A$2:$A$1000; A2) > 1; "DUPLICATO"; "ok")

# Contare quanti DDT unici ho davvero
=CONTA.VALORI.UNICHE(A2:A1000)   # Google Sheets
# (in Excel: =SOMMA(1/CONTA.SE(A2:A1000;A2:A1000)) come formula matriciale)

Valori mancanti

Una cella vuota va sempre interpretata, non cancellata in automatico. In cantiere un consumo «vuoto» può significare cose diverse: il sensore era guasto, la lettura non è stata fatta, oppure il consumo era davvero zero (impianto spento). Tre strategie possibili:

• Lasciare vuoto e segnalarlo: la scelta più onesta quando non sai. Conta i vuoti con CONTA.VUOTE e documentali nel report.
• Imputare un valore: sostituire il mancante con una stima (media del periodo, ultimo valore noto). Si fa solo se è ragionevole e va dichiarato: un dato imputato non è un dato misurato.
• Escludere il record: se la riga è troppo incompleta per essere utile. Anche qui, documenta quante righe hai tolto e perché.

# Quanti consumi mancanti nel mese?
=CONTA.VUOTE(B2:B31)

# Sostituire i vuoti con "n.d." (NON con uno zero: 0 e "assente" sono cose diverse!)
=SE(VAL.VUOTO(B2); "n.d."; B2)

Errore classico da non fare: riempire i vuoti con 0. Se un sensore non ha letto, mettere 0 kWh dice «consumo nullo», che è falso e abbassa artificialmente la media. Vuoto e zero sono concetti diversi.

Outlier (valori anomali)

Un outlier è un valore molto distante dagli altri. Può essere un errore (lettura del contatore con uno zero di troppo: 35.000 kWh invece di 3.500) oppure un fatto reale e importante (un picco di consumo perché è entrata in funzione una nuova macchina). La regola d'oro: non si cancella mai un outlier senza averlo prima indagato.

Tecnica semplice per individuarli, il metodo dello scarto interquartile (IQR):

# Q1 = primo quartile, Q3 = terzo quartile, IQR = Q3 - Q1
Q1 = QUARTILE(intervallo; 1)
Q3 = QUARTILE(intervallo; 3)
IQR = Q3 - Q1

# Sono "sospetti" i valori fuori da questo intervallo:
limite_basso  = Q1 - 1,5 * IQR
limite_alto   = Q3 + 1,5 * IQR

# Esempio consumi mensili (kWh): 320, 340, 310, 350, 3500, 330, 345
# Q1=325  Q3=347,5  IQR=22,5
# limite_alto = 347,5 + 1,5*22,5 = 381,25  ->  3500 e' un OUTLIER da verificare

In questo caso il 3500 è quasi certamente un errore di battitura (uno zero di troppo): probabilmente erano 350. Ma lo correggi solo dopo aver controllato la fonte, non a occhio.

Formati incoerenti

È il problema più diffuso e il più subdolo, perché spesso il foglio «sembra» a posto. Casi tipici di cantiere:

• Date: «07/03/2026», «2026-03-07», «7 mar 26» nello stesso file. Standardizza tutto su ISO 8601 (AAAA-MM-GG), come hai imparato nella Lezione 3.
• Numeri: virgola vs punto decimale («3,5» vs «3.5»), separatore delle migliaia, unità appiccicate al numero («12 m³» come testo invece di 12 come numero).
• Testo: spazi iniziali/finali, maiuscole/minuscole disordinate, abbreviazioni diverse per la stessa cosa.

# Funzioni utili per normalizzare il testo
=ANNULLA.SPAZI(A2)        # toglie spazi superflui ("  Rossi  Srl " -> "Rossi Srl")
=MAIUSC(A2)               # uniforma in MAIUSCOLO
=NOMINATIVO(A2)           # Iniziali Maiuscole ("rossi srl" -> "Rossi Srl")

# Estrarre il numero da "12 m3" (testo) e renderlo numero
=VALORE(SOSTITUISCI(A2; " m3"; ""))

# Strumenti senza formule: Dati -> Testo in colonne; Trova e sostituisci

Data governance: chi possiede il dato di progetto

Un dato di qualità che nessuno sa di chi è, chi può modificarlo e chi ne risponde è una bomba a orologeria. La data governance è l'insieme di ruoli, regole e responsabilità che stabilisce chi fa cosa con i dati di un progetto. In un cantiere, dove convivono committente, progettisti, imprese, subappaltatori e fornitori, è una questione tutt'altro che teorica.

Chi possiede il dato di progetto?

La domanda «di chi è questo dato?» ha più risposte di quante sembri, e vanno tenute distinte:

• Proprietà giuridica / titolarità: in genere il committente commissiona l'opera e, salvo accordi diversi nel contratto, è titolare dei dati e dei modelli prodotti per il progetto. È un tema contrattuale, non tecnico: si regola nei contratti d'appalto, nei capitolati informativi e nei diritti di proprietà intellettuale dei modelli BIM.
• Produzione / autorialità: chi genera materialmente il dato (il progettista che modella, l'impresa che compila il SAL, il tecnico che fa il rilievo). Ha responsabilità sulla qualità di ciò che produce.
• Custodia / gestione operativa: chi conserva e mette a disposizione i dati — nel BIM è spesso il gestore del Common Data Environment (CDE), l'ambiente di condivisione dati che approfondiremo nel Modulo 3.

Esempio concreto: per il nostro edificio, il modello BIM architettonico è stato prodotto dallo studio di progettazione (autore), è di proprietà del committente secondo contratto (titolare) ed è custodito sul CDE gestito dal BIM Manager (custode). Tre soggetti diversi, tre responsabilità diverse, sullo stesso file.

Ruoli e responsabilità

Nelle organizzazioni mature i ruoli sulla governance dei dati sono nominati esplicitamente. In un contesto edilizio li puoi mappare così:

Lo strumento pratico per mettere ordine è una matrice di responsabilità (RACI): per ogni tipo di dato e per ogni azione (creare, leggere, modificare, cancellare, approvare) si stabilisce chi è Responsabile, chi Approva, chi va Consultato, chi va Informato. È lo stesso ragionamento che nel Modulo 3 diventerà la matrice dei permessi sul CDE.

GDPR essenziale per il cantiere

Fin qui abbiamo parlato di dati tecnici. Ma in un cantiere circolano anche tanti dati di persone: i nominativi degli operai, le presenze, le immagini delle telecamere, i dati di accesso ai badge. Su questi dati si applica il GDPR (Regolamento UE 2016/679, in Italia integrato dal D.lgs. 196/2003 aggiornato). Non è un tema da avvocati: chi gestisce dati in cantiere deve saperne abbastanza da non combinare guai. Vediamo l'essenziale.

Dato personale vs dato tecnico

La distinzione è la chiave di tutto. Un dato personale è qualsiasi informazione che riguarda una persona fisica identificata o identificabile. Un dato tecnico (o di cosa) riguarda oggetti, materiali, processi: la trasmittanza di una parete, i m³ di calcestruzzo, la temperatura di un locale. Il GDPR si applica solo ai dati personali.

Occhio a un trucco frequente: a volte un dato «tecnico» diventa personale per collegamento. Le letture di consumo elettrico di un singolo alloggio, incrociate con chi ci abita, raccontano abitudini di vita: sono dati personali. Lo stesso vale per i log di accesso ai badge: dicono dove e quando è stata una persona.

Le basi giuridiche

Non si possono trattare dati personali «perché servono». Serve una base giuridica, una delle sei previste dall'art. 6 del GDPR. In cantiere le più frequenti sono:

• Obbligo legale (art. 6.1.c): tenere il registro presenze e i dati di sicurezza è imposto dalla legge (es. testo unico sicurezza, gestione del cantiere). È spesso la base più solida per i dati dei lavoratori.
• Esecuzione di un contratto (art. 6.1.b): i dati del personale dell'impresa servono a gestire il rapporto di lavoro e l'appalto.
• Legittimo interesse (art. 6.1.f): es. proteggere il cantiere da furti con la videosorveglianza — ma richiede un bilanciamento documentato tra l'interesse del titolare e i diritti delle persone.
• Consenso (art. 6.1.a): base più fragile e raramente adatta nel rapporto datore-lavoratore (il consenso non è «libero» se c'è subordinazione). Si usa per cose accessorie, mai come scappatoia per ciò che andrebbe coperto da obbligo legale o contratto.

I dati dei lavoratori in cantiere

I dati dei lavoratori sono particolarmente delicati perché c'è un rapporto di subordinazione. Punti di attenzione pratici:

• Presenze e geolocalizzazione: registrare chi è in cantiere è legittimo per sicurezza, ma usare i badge o il GPS per controllare a distanza l'attività dei lavoratori incontra i limiti dello Statuto dei Lavoratori (art. 4 L. 300/1970): serve accordo sindacale o autorizzazione, e comunque informativa.
• Dati sanitari (idoneità alla mansione, infortuni): sono categorie particolari (art. 9), li tratta il medico competente, l'accesso è ristrettissimo.
• Subappaltatori: quando ricevi i dati degli operai di un'altra impresa, sei comunque responsabile di come li tratti. Vanno regolati i rapporti tra titolari/responsabili.

La videosorveglianza

Le telecamere di cantiere sono uno dei punti più sanzionati. Regole minime:

• Cartelli informativi visibili prima di entrare nell'area ripresa (informativa breve + estesa disponibile).
• Finalità limitata (sicurezza, antifurto): non per controllare la produttività dei lavoratori.
• Tempi di conservazione brevi: di norma le immagini si conservano 24-48 ore, salvo esigenze specifiche e motivate.
• Angoli di ripresa: inquadrare l'area da proteggere, non zone non pertinenti (es. la strada pubblica o le abitazioni vicine).

Il principio di minimizzazione

È il principio che sintetizza tutto il GDPR pratico: raccogli e conserva solo i dati personali che ti servono davvero, per il tempo che ti servono. Tre domande da farti su ogni dato personale:

• Mi serve davvero questo dato per la finalità? Se per gestire l'accesso mi basta nome e impresa, non chiedo anche stato civile e numero di figli.
• Per quanto tempo mi serve? Definisci un tempo di conservazione e poi cancella o anonimizza.
• Posso usare un dato anonimo? Per analizzare i consumi non mi serve sapere chi ha consumato; per molte analisi l'anonimizzazione (rendere il dato non più riconducibile a una persona) o la pseudonimizzazione (sostituire i dati identificativi con un codice) risolvono il problema alla radice: un dato veramente anonimo esce dal perimetro del GDPR.

Laboratorio: audit di qualità e dati personali

Mettiamo insieme tutto. In questo laboratorio fai un audit di qualità su un dataset di cantiere e, in parallelo, individui i dati personali che contiene, producendo i due deliverable che porterai a casa: un report di qualità e un mini-registro dei trattamenti. È anche l'esercitazione che chiude il Modulo 1 e che entra nella valutazione delle consegne.

Il dataset di partenza

Lavoriamo su un estratto del registro presenze e accessi del nostro cantiere di riferimento. Te lo do volutamente «sporco», come arriva nella realtà:

Consegna del laboratorio

Lavora in Excel o Google Sheets. La consegna si compone di due elaborati.

Parte A — Report di qualità (problemi + correzioni)

Analizza il dataset lungo le sei dimensioni e compila un report. Per ogni problema trovato indica: la dimensione coinvolta, l'evidenza (riga/celle), la correzione proposta. Devi trovare almeno 6 problemi. Te ne anticipo alcuni come guida (gli altri trovali tu):

• Unicità: le righe 1 e 2 sono lo stesso accesso (Mario Rossi, stessa data, stesse ore) inserito due volte → duplicato logico da rimuovere.
• Coerenza: «Rossi Srl» / «ROSSI S.R.L.» e «Bianchi snc» / «Bianchi S.n.c.» sono la stessa impresa scritta in modi diversi → normalizza con ANNULLA.SPAZI + NOMINATIVO e un elenco controllato.
• Validità (formato date): le date sono in 4 formati diversi → porta tutto in ISO 8601 (2026-07-01).
• Completezza: riga 4, ore mancanti → vuoto da segnalare (NON mettere 0).
• Validità (dominio): riga 5, 30 ore in un giorno è impossibile → outlier/errore, probabilmente 3,0 o 8 ore: verifica la fonte.
• Coerenza nomi: «mario rossi» minuscolo, «L. Bianchi» vs «Luca Bianchi», «Ahmed K.» troncato → uniforma la rappresentazione del nominativo.

Calcola almeno due indicatori numerici (es. % completezza della colonna Ore, % unicità delle righe) e scrivi 2-3 righe di sintesi: questo dataset è utilizzabile? per cosa sì e per cosa no?

Parte B — Mini-registro dei trattamenti

Individua tutti i dati personali presenti e compila un mini-registro dei trattamenti, una tabella che il GDPR chiede di tenere. Usa questo schema:

Attenzione particolare alla riga 7: la nota «allergia lattice» è un dato sanitario (categoria particolare, art. 9). Nel report devi (a) segnalarlo, (b) spiegare perché non dovrebbe stare in un foglio presenze condiviso, (c) proporre come gestirlo (toglierlo dal registro generale, accesso ristretto, finalità separata). Applica il principio di minimizzazione: questo dato serve davvero in questo foglio? A chi serve? Per quanto?

Mini-test di autoverifica

Sezione A: domande a risposta multipla

1. Una percentuale di avanzamento lavori pari a 130% viola soprattutto quale dimensione di qualità?
   a) Tempestività   b) Validità   c) Unicità   d) Tempestività e accuratezza insieme
2. Lo stesso DDT di acciaio inserito due volte nel magazzino è un problema di:
   a) Completezza   b) Coerenza   c) Unicità   d) Validità
3. Un consumo mensile mancante (cella vuota) andrebbe:
   a) Sostituito sempre con 0   b) Cancellato subito   c) Interpretato e documentato (vuoto, imputato o escluso)   d) Ignorato
4. Un valore di 3500 kWh in mezzo a letture di ~340 kWh è un:
   a) Duplicato   b) Outlier da verificare prima di correggere   c) Valore valido da tenere sempre   d) Errore da cancellare subito
5. Quale di questi NON è un dato personale ai fini GDPR?
   a) Registro presenze   b) Immagini di videosorveglianza   c) m³ di calcestruzzo gettato   d) Targa del mezzo con autista
6. Per il registro presenze imposto dalla normativa di sicurezza, la base giuridica più solida è:
   a) Consenso del lavoratore   b) Obbligo legale   c) Legittimo interesse   d) Nessuna, non serve base
7. Il principio di minimizzazione dice di:
   a) Comprimere i file per occupare meno spazio   b) Raccogliere solo i dati personali necessari, per il tempo necessario   c) Ridurre il numero di sensori   d) Usare meno colonne nel foglio
8. Nel BIM, chi tipicamente CUSTODISCE operativamente i dati di progetto sul CDE è:
   a) Il committente   b) Il fornitore di calcestruzzo   c) Il gestore del CDE / BIM Manager   d) Il Garante della privacy

Sezione B: domande a risposta aperta

9. Spiega con parole tue la differenza tra accuratezza e validità di un dato, con un esempio edile in cui un dato è valido ma inaccurato.
10. Nel registro presenze del laboratorio compare la nota «allergia lattice» accanto a un nominativo. Perché è un problema dal punto di vista del GDPR e come lo gestiresti applicando la minimizzazione?

Riepilogo della lezione e del Modulo 1

Con questa lezione chiudi il Modulo 1 — Individuazione e definizione dei dati. Hai imparato a non fidarti di un dato solo perché «è in un foglio»: ora sai misurarne la qualità, ripulirlo con metodo, capire di chi è e se sei autorizzato a usarlo.