Analisi di sensibilità: individuare l’ipotesi che cambia la decisione.
Stato della prova
Che cosa è stato riprodotto e che cosa non dimostra.
Il JSON pubblico e l'esecuzione Python verificano i parametri singoli, l'ordine degli impatti e le regole di commutazione dei quattro scenari pubblicati. Non verificano né gli intervalli statistici, né le elasticità, né la probabilità degli scenari.
- Specifica tecnica dell'analisi di sensibilità didattica, specifica in francese (si apre in una nuova scheda)
v1, 31 agosto 2026 · CC BY 4.0 · specifica in francese · Documento di metodo redatto da marketing-mix.net. Le cifre sono illustrative: non sono misurazioni di mercato.
Cosa occorre distinguere
Tre condizioni prima di ogni calcolo.
Intervalli difendibili
Usare intervalli di stima, contratti, storici o limiti operativi. Una variazione arbitraria identica dà più importanza ai parametri a seconda della loro unità.
Parametri collegati
Prezzo, volume e margine; copertura e frequenza; budget e costo d’acquisto possono muoversi insieme. Farli variare separatamente produce scenari impossibili.
Criterio di ribaltamento
Osservare il cambiamento della decisione, non solo la variazione del risultato. Una raccomandazione può perdere il 30 % di guadagno e restare nettamente preferibile.
Metodo
Passare dalla sensibilità locale alla robustezza
- 01Nominare la decisione centrale
Pubblicare scenario base, risultato, vincoli e alternativa; senza un riferimento stabile, le varianti diventano una collezione di previsioni.
- 02Classificare le incognite
Separare parametri stimati, decisioni controllate, vincoli ed eventi esterni; il loro trattamento e il loro intervallo non sono identici.
- 03Testare in modo unitario e poi congiunto
Il tornado localizza i parametri sensibili; gli scenari collegati verificano poi le combinazioni plausibili.
- 04Calcolare il valore dell’informazione
Confrontare il costo di un test con la perdita evitabile se l’ipotesi centrale è falsa.
Il tornado del guadagno di contributo
Ogni barra mostra lo scarto rispetto al guadagno centrale di 122.000 €. Elasticità e margine contano più dei parametri secondari del modello.
Il pilota diventa preferibile al lancio diretto.
Una raccomandazione positiva ma dipendente dall’elasticità
La riallocazione Noroa produce +122.000 € al centro. La variazione plausibile dell’elasticità media sposta il risultato da −92.000 a +71.000 €, quella del margine da −64.000 a +58.000 €.
Con la sola elasticità prudente, il guadagno resta +30.000 €. Combinando elasticità prudente e margine basso, il risultato diventa −34.000 €. Un test di sei settimane costa 18.000 € e può dimezzare l’incertezza di elasticità.
Non dispiegare direttamente l’obiettivo. Finanziare il pilota: il suo costo è inferiore alla perdita potenziale dello scenario congiunto sfavorevole.
Condizioni di accettazione
Le condizioni per agire.
- 01
Gli intervalli riflettono l’incertezza reale o limiti operativi.
- 02
Il tornado è completato da scenari congiunti plausibili.
- 03
La soglia di cambiamento della decisione è esplicita.
- 04
Il valore di un’informazione aggiuntiva è confrontato con il costo del test.
Limiti
Ciò che questa analisi non dimostra.
- Un’analisi locale non cattura sempre le non linearità o le interazioni forti.
- Gli scenari non coprono gli eventi non immaginati.
- Intervalli troppo stretti trasformano la sensibilità in conferma dello scenario centrale.
Riferimenti
Opere citate.
- Saltelli, A. et al. (2008), Global Sensitivity Analysis.
- Keeney, R. L. & Raiffa, H. (1976), Decisions with Multiple Objectives.
- Ben-Tal, A., El Ghaoui, L. & Nemirovski, A. (2009), Robust Optimization.