Prompt AI analisi dati Excel: 12 template pronti per la PMI

I prompt AI per l’analisi dati Excel sono istruzioni strutturate che trasformano un foglio di calcolo in insight operativi: formule complesse, trend, outlier, pivot e dashboard. Un buon prompt dichiara ruolo, dati di input, compito e formato di output, riducendo gli errori di calcolo e rendendo il risultato verificabile.

In questa guida trovi 12 template pronti da incollare in ChatGPT, Claude, Gemini o Copilot in Excel, più una checklist di preparazione dati e una tabella caso d’uso → pattern di prompt. L’obiettivo non e’ sostituire l’analista, ma accorciare il tempo fra “ho un Excel” e “ho una decisione da prendere”.

Il foglio Excel che tutti hanno e nessuno analizza

In quasi tutte le PMI italiane esiste un file Excel con dati preziosi: registro vendite, ore lavorate, ordini fornitori, pipeline commerciale. Viene aggiornato ogni settimana, ma l’analisi che trasforma numeri in decisioni resta ferma. Chi potrebbe farla e’ occupato a gestire clienti e problemi operativi.

Il dato istituzionale conferma il ritardo. Secondo l’Osservatorio Artificial Intelligence del Politecnico di Milano, nel 2025 il mercato AI italiano ha raggiunto 1,8 miliardi di euro (+50% sul 2024), ma solo il 7% delle piccole imprese e il 15% delle medie ha avviato progetti strutturati, e il principale limite resta l’immaturita’ nella gestione dei dati (fonte Osservatori PoliMi).

Pre-check: preparare i dati prima di qualsiasi prompt

L’AI sbaglia soprattutto su dati sporchi. Prima di aprire la chat, dedica cinque minuti alla pulizia.

Checklist data preparation (obbligatoria):

• Una riga per record, una colonna per variabile, nessuna riga di totale in mezzo
• Intestazioni parlanti in prima riga (fatturato_eur, non col3)
• Formato date uniforme su tutta la colonna (ISO YYYY-MM-DD consigliato)
• Separatore decimale coerente (virgola o punto, uno solo)
• Celle unite rimosse, celle vuote esplicitate con N/D dove serve
• Unita’ di misura dichiarata nell’intestazione o nel prompt (EUR, pezzi, ore)
• Dataset ridotto a un campione rappresentativo se supera le 5.000 righe
• Dati sensibili anonimizzati se usi versioni consumer dell’AI

Chi salta questa fase ottiene analisi che sembrano corrette ma hanno errori nei totali. Se vuoi una guida piu’ ampia sulla manipolazione del foglio, leggi ai excel formule avanzate automatizzare.

Quale strumento AI scegliere nel 2026

Il panorama e’ cambiato in modo significativo negli ultimi dodici mesi. A marzo 2026 Microsoft ha reso generalmente disponibile l’Agent Mode in Excel e la funzione nativa =COPILOT() che porta un LLM dentro la formula: il risultato si ricalcola quando cambia l’input (Microsoft 365 Insider Blog). In parallelo OpenAI ha annunciato l’integrazione diretta di ChatGPT in Excel, con il suo agente che su SpreadsheetBench ha raggiunto il 45,5% di accuratezza contro il 20% di Copilot-in-Excel.

Come e’ fatto un prompt efficace per analisi dati

Un prompt che funziona ha quattro blocchi: ruolo (“agisci come controller di gestione”), input (cosa stai incollando), compito (cosa deve produrre), regole e formato. Tutti i template che seguono rispettano questa struttura. Se vuoi ampliarla al tuo caso, la guida esempi prompt ai azienda mostra come adattare pattern analoghi ad altri processi aziendali.

Tabella: caso d’uso → pattern di prompt

I 12 prompt template pronti all’uso

1. Panoramica rapida del dataset

Agisci come data analyst esperto.
Input: dataset Excel allegato (oppure incollato sotto).
Compito: produci una panoramica strutturata del dataset.
Restituisci:
- numero di righe e colonne
- nome e tipo di ogni colonna (numerico, testo, data, categorico)
- valori mancanti per colonna (numero e percentuale)
- statistiche descrittive per le colonne numeriche (media, mediana, min, max, deviazione standard)
- top 10 valori unici per le colonne categoriche
- duplicati sospetti e formati incoerenti
Regole: non inventare dati mancanti; segnala ambiguita' nella struttura.
Formato: sezioni numerate con tabelle.

2. Formula Excel complessa spiegata

Agisci come esperto Excel avanzato.
Obiettivo: [DESCRIVI COSA DEVE CALCOLARE LA FORMULA].
Dati disponibili: [ELENCO COLONNE E FOGLI].
Compito:
1. Scrivi la formula Excel completa, pronta da incollare
2. Usa riferimenti strutturati di tabella dove possibile
3. Spiega ogni funzione usata in una riga
4. Indica un test rapido per verificarne la correttezza
5. Proponi una versione alternativa con LET per leggibilita'
Regole: niente VBA, solo funzioni native Excel 365.
Formato: blocco codice formula + spiegazione + test.

3. VLOOKUP / INDEX-MATCH cross-sheet

Agisci come specialista Excel.
Contesto: ho due fogli.
- Foglio A: [NOME] con colonne [ELENCO]
- Foglio B: [NOME] con colonne [ELENCO]
Compito: scrivi la formula per portare da Foglio B al Foglio A la colonna [X]
usando come chiave [CAMPO]. Fornisci tre varianti:
a) con CERCA.X (XLOOKUP)
b) con INDICE + CONFRONTA (INDEX/MATCH)
c) con CERCA.VERT (VLOOKUP) classico
Gestisci i casi di chiave non trovata con SE.ERRORE restituendo "N/D".
Regole: commenta la differenza di performance su dataset grandi.
Formato: tre blocchi formula distinti, uno per variante.

4. Analisi trend temporale

Agisci come business analyst per PMI.
Input: serie storica di [METRICA] dal [DATA INIZIO] al [DATA FINE],
frequenza [mensile/settimanale/giornaliera].
Compito:
1. Trend generale (crescita, calo, stabilita', in percentuale)
2. Stagionalita' ricorrente (mesi/settimane con picchi o cali)
3. Punti di svolta con ipotesi di causa
4. Confronto anno su anno se disponibile
5. Previsione prudente per i prossimi 3 mesi con range
Regole: distingui fatti da ipotesi; usa numeri concreti, non aggettivi;
se i dati sono meno di 12 mesi, dichiara che la stagionalita' non e' rilevabile.
Formato: analisi narrativa + tabella riepilogativa finale.

5. Outlier detection

Agisci come controller di gestione.
Input: dataset con [COLONNE PRINCIPALI].
Compito: individua tutte le anomalie significative usando almeno due metodi
(scostamento dalla media in deviazioni standard e intervallo interquartile IQR).
Per ogni outlier:
- riga coinvolta
- valore osservato e valore atteso
- scostamento percentuale
- ipotesi (errore di inserimento, evento eccezionale, frode)
- azione suggerita (verificare, correggere, approfondire, ignorare)
Regole: non eliminare nulla; distingui errori probabili da valori reali eccezionali.
Formato: tabella ordinata per gravita' + paragrafo di sintesi.

6. Confronto tra periodi

Agisci come analista di business intelligence.
Input: dati di [METRICA] per [PERIODO 1] e [PERIODO 2].
Compito:
1. Variazione assoluta e percentuale per ogni metrica
2. Le 3 variazioni piu' significative (positive e negative)
3. Metriche rimaste stabili
4. Ipotesi operative basate sui soli dati forniti
5. Su cosa indagare ulteriormente
Regole: normalizza i periodi di durata diversa (es. giorni lavorativi);
non trarre conclusioni causali da semplici correlazioni.
Formato: tabella comparativa + commento di massimo 300 parole.

7. Segmentazione clienti RFM

Agisci come consulente commerciale di PMI.
Input: elenco clienti con [COLONNE: nome, fatturato, numero ordini, data ultimo ordine].
Compito: applica la segmentazione RFM (Recency, Frequency, Monetary)
e produci 4-5 segmenti operativi.
Per ogni segmento: numero clienti, fatturato totale e medio, frequenza media.
Estrai due liste: clienti a rischio (inattivi da piu' di 90 giorni o in calo)
e clienti ad alto potenziale (frequenza in aumento).
Suggerisci un'azione commerciale concreta per segmento.
Regole: criteri semplici e spiegabili; se mancano dati temporali, dichiaralo.
Formato: tabella segmenti + liste + raccomandazioni.

8. Analisi margini e Pareto

Agisci come controller di gestione di una PMI.
Input: ricavi e costi per [prodotto/servizio/progetto], periodo [PERIODO].
Compito:
1. Calcola margine lordo e margine percentuale per ogni voce
2. Ordina per margine percentuale crescente
3. Evidenzia voci con margine sotto il [X]%
4. Analisi Pareto: quante voci generano l'80% del margine?
5. Evidenzia i costi che crescono piu' velocemente dei ricavi
Regole: usa solo dati forniti, non stimare costi mancanti;
segnala se mancano costi indiretti rilevanti.
Formato: tabella ordinata + analisi Pareto + 3 raccomandazioni operative.

9. Forecast vendite a tre scenari

Agisci come business planner di PMI.
Input: vendite mensili degli ultimi [N] mesi, suddivise per [prodotto/canale].
Compito: previsione per i prossimi [3/6] mesi in tre scenari (prudente, centrale, ottimistico).
Per ogni scenario: fatturato atteso mese per mese, range di confidenza,
fattori di rischio, livello di affidabilita'.
Regole: lo scenario prudente e' la base per il budget;
se hai meno di 12 mesi di storico, fornisci solo il trend lineare;
separa chiaramente fatti da proiezioni.
Formato: tabella tre scenari + commento + fattori di rischio.

10. Pivot guidato

Agisci come esperto Excel.
Input: tabella con colonne [ELENCO].
Compito: progetta una tabella pivot per rispondere alla domanda:
[INSERIRE DOMANDA DI BUSINESS].
Restituisci:
1. Campi in Righe, Colonne, Valori, Filtri (schema testuale)
2. Tipo di aggregazione per ogni valore (somma, media, conteggio)
3. Istruzioni passo-passo per costruirla in Excel
4. Tre formule GETPIVOTDATA per estrarre i KPI chiave in un dashboard
5. Due domande di follow-up che la pivot potrebbe aiutare a rispondere
Regole: niente slicer superflui; privilegia chiarezza.
Formato: schema + istruzioni numerate + formule.

11. Cleaning e normalizzazione

Agisci come data quality specialist.
Input: dataset [NOME] con colonne [ELENCO].
Compito: genera un report di qualita' dati e una lista di formule correttive.
Verifica:
- valori mancanti e loro distribuzione
- duplicati su chiave [CHIAVE]
- formati date inconsistenti
- stringhe con spazi multipli, maiuscole/minuscole, caratteri speciali
- numeri memorizzati come testo
- valori fuori dominio (es. percentuali oltre 100)
Per ogni problema restituisci la formula Excel di correzione
(ANNULLA.SPAZI, MAIUSC, VALORE, DATA.VALORE, eccetera).
Regole: non modificare i dati, proponi solo le formule.
Formato: tabella problemi + blocco formule per colonna.

12. Blueprint dashboard

Agisci come data visualization specialist.
Input: dataset [DESCRIZIONE].
Compito: disegna il blueprint di un dashboard Excel a una pagina
per il management di una PMI.
Restituisci:
1. I 5 KPI principali con formula di calcolo
2. 4-6 grafici consigliati (tipo, assi, metrica, perche')
3. Layout a griglia con posizionamento dei blocchi
4. Un takeaway in una riga per ogni grafico
5. Suggerimenti su slicer e filtri
Regole: un messaggio per grafico; niente effetti 3D; colori accessibili.
Formato: elenco KPI + schema grafici + layout testuale.

Esempi di applicazione nella PMI

Una PMI metalmeccanica da 30 dipendenti in provincia di Brescia ha usato il prompt #5 sugli outlier per trovare due fatture fornitore registrate con un zero in piu’: scostamento del 900% rispetto alla media storica. L’errore sarebbe emerso a fine trimestre; con il prompt e’ emerso il giorno stesso dell’import.

Uno studio di consulenza del lavoro da 12 persone a Padova usa ogni lunedi’ il prompt #4 sul trend delle ore fatturabili per capire se la settimana precedente e’ sotto media. L’output diventa la base della riunione operativa, che da ottanta minuti e’ scesa a venticinque. Per automatizzare la stessa logica sui verbali delle riunioni, il team e’ poi passato al pattern descritto in prompt ai riassunto riunioni.

Errori ricorrenti (evitabili)

Fidarsi dei numeri senza verifica. L’AI puo’ sbagliare un calcolo o confondere una colonna. Prima di portare un dato in riunione, controlla totali e medie su un campione.

Incollare dati senza contesto. Un calo di fatturato a marzo e’ anomalo solo se l’AI non sa che hai chiuso due settimane. Il contesto e’ parte del prompt, non un optional.

Chiedere troppo in un solo prompt. Trend, previsioni, segmentazione e grafici tutti insieme producono risultati mediocri. I template qui sopra sono volutamente monotematici.

Usare dati sensibili nelle versioni consumer. Verifica la policy del tuo strumento prima di incollare nomi clienti o dati finanziari. Le versioni enterprise di ChatGPT, Claude e Copilot offrono garanzie contrattuali di non-retention, le versioni gratuite no.

Per un approfondimento sulle previsioni di vendita, il pattern del prompt #9 e’ compatibile con l’approccio descritto in ai analisi vendite trend previsioni.

Flusso di lavoro settimanale

Un ciclo realistico richiede quattro passi: esportare i dati dal gestionale ogni lunedi’, lanciare il prompt #1 per la pulizia, scegliere due o tre prompt in funzione della domanda di business, verificare e condividere il report con il commento umano. Per un report settimanale il risparmio va da due a tre ore rispetto al manuale, su base annua oltre cento ore.

Se il processo diventa ricorrente, il passo successivo e’ costruirsi una libreria di prompt aziendale: un foglio condiviso con i template testati, le varianti per reparto e le note su cosa funziona. Questo eleva l’AI da esperimento individuale a asset aziendale.

Domande frequenti

Posso caricare file Excel di grandi dimensioni direttamente in ChatGPT?

Le versioni a pagamento di ChatGPT accettano file XLSX e CSV: il Code Interpreter genera codice Python con pandas e analizza il dataset in un sandbox. Per file sopra le 10.000 righe conviene lavorare su un campione rappresentativo o chiedere all’AI di ragionare per blocchi. La versione gratuita ha limiti piu’ stretti e spesso conviene incollare i dati come testo.

Copilot in Excel sostituisce ChatGPT per l’analisi dati?

No, sono complementari. Copilot in Excel, con la funzione =COPILOT() e l’Agent Mode disponibile dal 2026, e’ imbattibile quando i dati cambiano spesso perche’ i risultati si ricalcolano. ChatGPT con Code Interpreter resta avanti nelle analisi statistiche complesse e nei grafici ad hoc: su SpreadsheetBench ha raggiunto il 45,5% di accuratezza contro il 20% di Copilot.

Come evito che l’AI inventi dati mancanti?

Inserisci una regola esplicita nel prompt: “non inventare dati mancanti, segnala esplicitamente cosa manca”. Tutti i template di questa guida la includono. Aggiungi un passo di verifica chiedendo all’AI di elencare le sue ipotesi prima di produrre il risultato.

Quali dati non dovrei mai incollare in un’AI consumer?

Dati personali identificativi di clienti e dipendenti, dati sanitari, credenziali, dati finanziari non pubblici e qualunque informazione soggetta a NDA. Le versioni enterprise offrono garanzie di non-retention, ma per le versioni gratuite vale la regola: se non lo pubblicheresti, non lo incollare.

Quanto tempo serve per diventare autonomi con questi prompt?

Chi parte da zero produce risultati utili dal primo tentativo sui prompt #1, #4 e #6. I prompt di previsione e margini (#8 e #9) richiedono due o tre iterazioni per calibrare le regole sul contesto aziendale. In genere, due settimane di uso quotidiano sono sufficienti per integrarli nel flusso operativo.

Da dove partire lunedi’ mattina

Scegli un foglio che usi gia’ con almeno tre mesi di dati. Copia il prompt #1 e incollalo nel tuo strumento AI insieme ai dati. Leggi il risultato, verifica i numeri chiave, poi passa al prompt #4 se ti interessa il trend o al #6 se ti interessa un confronto. Non servono competenze tecniche, non serve un budget dedicato: un foglio, un prompt e trenta minuti.

Se vuoi inquadrare questi strumenti dentro una strategia aziendale completa, nel libro Intelligenza Artigianale trovi il metodo per portare l’AI nella PMI dalla scelta dei casi d’uso alla governance e alla misurazione dei risultati.