Tipi di grafici: guida per famiglia di dato e messaggio

Ogni professionista che lavora con i dati si trova prima o poi davanti alla stessa domanda: quale grafico uso per questi numeri? La risposta più comune — cercare una tabella di corrispondenza “tipo di dato → grafico” — è comoda ma insufficiente. Lo stesso dataset può essere raccontato bene da tre grafici diversi, e la scelta tra loro non si risolve guardando la natura del dato: si risolve chiarendo il messaggio, il pubblico e il contesto.

Questa guida ai tipi di grafici non è un elenco enciclopedico né una serie di regole da memorizzare. È un catalogo ragionato organizzato per le sette relazioni fondamentali che i dati possono esprimere. Per ogni famiglia trovi i grafici candidati, le condizioni che rendono uno più adatto di un altro e i segnali che ti dicono quando stai facendo una scelta debole. L’obiettivo è darti un metodo di ragionamento, non un lookup.

Come ragionare prima di scegliere un grafico

Prima di entrare nel catalogo, vale la pena chiarire il criterio di scelta. Un grafico non è “giusto” o “sbagliato” in assoluto: è più o meno adatto a un messaggio specifico, per un pubblico specifico, in un contesto specifico. Cambia uno di questi tre elementi e la scelta ottimale può cambiare, pur restando identici i dati sottostanti.

Il messaggio viene prima del dato

Il punto di partenza non è “che tipo di dato ho?” ma “che cosa voglio che il lettore capisca o faccia dopo aver visto questo grafico?”. Se il tuo messaggio è “la crescita è costante nel tempo”, un grafico a linee lo rende evidente. Se il messaggio è “marzo ha registrato un’anomalia rispetto al trend”, una barra che isola quel mese può comunicare meglio, perché la continuità della linea tende ad attenuare i picchi invece di evidenziarli. Stesso dato, due messaggi diversi, due scelte diverse — entrambe difendibili.

Questo principio, che si ritrova in modo coerente nella letteratura sulla data visualization, ha conseguenze pratiche immediate: prima di aprire qualsiasi strumento di visualizzazione, scrivi in una frase il messaggio che vuoi trasmettere. Se non riesci a scriverlo, il problema non è il grafico — è che non hai ancora chiarito cosa vuoi comunicare.

Il pubblico determina la complessità ammissibile

Un grafico che funziona per un team di analisti può essere illeggibile per un comitato di direzione. Non perché il management sia meno intelligente, ma perché ha un contesto diverso, un tempo di lettura diverso e un’aspettativa diversa sul livello di dettaglio. I grafici più sofisticati — scatter plot, heatmap, grafici a bolle multivariati — richiedono un pubblico disposto a investire tempo nella lettura. Con un pubblico che ha trenta secondi di attenzione, la semplicità non è una rinuncia: è una scelta professionale.

La relazione nei dati restringe il campo, non lo chiude

Detto questo, identificare la relazione nei dati è il primo filtro utile. Non perché a ogni relazione corrisponda un solo grafico, ma perché ti dà una rosa di candidati ragionevoli ed elimina le scelte palesemente inadatte. Le sette relazioni fondamentali che strutturano questo catalogo sono: andamento nel tempo, distribuzione, composizione (parti di un tutto), confronto e ranking, deviazione da un riferimento, correlazione tra variabili, distribuzione geografica. Identificare in quale di queste categorie cadono i tuoi dati è il punto di partenza. Scegliere dentro quella categoria richiede giudizio.

Serie temporali: mostrare come qualcosa cambia nel tempo

I dati che si sviluppano nel tempo sono tra i più comuni in qualsiasi contesto aziendale: fatturato mensile, traffico settimanale, andamento di un KPI trimestrale. La domanda da porsi prima di scegliere il grafico non è “ho una serie temporale?” ma “che cosa voglio far notare in questa serie?”.

Grafico a linee

È il punto di riferimento per le serie temporali continue, e lo è per una ragione precisa: la linea che collega i punti suggerisce visivamente la continuità del fenomeno nel tempo. Funziona bene quando il messaggio riguarda il trend complessivo — crescita, declino, stabilità — o quando vuoi confrontare l’andamento di due o tre serie contemporaneamente. Perde efficacia quando i punti sono pochi (meno di cinque o sei), perché la linea suggerisce una continuità che i dati non supportano, o quando il messaggio riguarda il valore assoluto di un singolo periodo piuttosto che il flusso.

Un limite spesso sottovalutato: quando le serie da confrontare sono molte (sei, sette, otto), il grafico a linee diventa un “groviglio di spaghetti” che non si riesce a leggere. In quel caso, o si riduce il numero di serie mostrate, o si cambia tipo di grafico.

Grafico a barre verticali (colonne)

Le barre verticali sono la scelta naturale quando il messaggio riguarda il valore di singoli periodi discreti piuttosto che il flusso continuo. Se vuoi far notare che un trimestre specifico ha performato molto meglio o molto peggio degli altri, le barre separano visivamente i periodi e rendono il confronto immediato. Sono anche più leggibili della linea quando i periodi sono pochi.

Lo svantaggio rispetto alla linea è che il trend emerge meno chiaramente: l’occhio deve “costruire” mentalmente la sequenza invece di seguirla. Per serie lunghe (dodici mesi, ventiquattro mesi) la linea resta più efficace per mostrare l’andamento complessivo.

Slopegraph

Lo slopegraph è una scelta meno comune ma molto efficace in un caso specifico: confrontare due momenti nel tempo per più categorie, mostrando sia la direzione del cambiamento (crescita o calo) sia la variazione relativa tra le categorie. Se vuoi mostrare come è cambiata la quota di mercato di cinque prodotti tra un anno e l’altro, lo slopegraph rende immediatamente visibili chi è salito, chi è sceso e di quanto. Trovi un approfondimento su questa tecnica nell’articolo dedicato ai grafici slopegraph.

Distribuzioni: capire come i valori si dispongono

Una distribuzione risponde a domande del tipo: i valori sono concentrati o dispersi? C’è una coda lunga? I dati sono simmetrici o asimmetrici? Questi sono i grafici meno presenti nei report aziendali standard, ma sono tra i più informativi quando il messaggio riguarda la variabilità di un fenomeno piuttosto che il suo valore medio.

Istogramma

L’istogramma è lo strumento base per visualizzare una distribuzione di frequenza. Raggruppa i valori in intervalli (bin) e mostra quante osservazioni cadono in ciascun intervallo. È la scelta giusta quando hai molti valori numerici continui e vuoi capire la forma della distribuzione: è normale? È bimodale? Ha una coda lunga verso destra?

Un errore frequente è confondere l’istogramma con il grafico a barre. Sono visivamente simili ma concettualmente diversi: il grafico a barre confronta categorie distinte, l’istogramma mostra la distribuzione di una variabile continua. La differenza si vede anche graficamente: nell’istogramma le barre sono adiacenti (senza spazi), perché rappresentano intervalli contigui di una scala continua.

Box plot

Il box plot (o diagramma a scatola e baffi) è più denso di informazioni dell’istogramma: in un unico elemento visivo mostra mediana, quartili e valori anomali. È la scelta giusta quando devi confrontare la distribuzione di una variabile tra più gruppi — per esempio, i tempi di consegna di tre fornitori diversi — perché permette di vedere contemporaneamente dove si concentra la maggior parte dei valori e quanto sono dispersi.

Il limite è la curva di apprendimento: chi non ha familiarità con i box plot fatica a leggerli. Con un pubblico non tecnico, spesso è più efficace semplificare mostrando solo mediana e range, o usare un grafico a punti che mostri i dati grezzi.

Diagramma a punti (dot plot)

Quando il numero di osservazioni è gestibile (qualche decina), mostrare i dati grezzi come punti su una scala è spesso più onesto e più leggibile di un istogramma. Il diagramma a punti non aggrega né comprime: ogni punto è un’osservazione reale, e i cluster e i valori anomali emergono naturalmente. È particolarmente utile nei contesti dove la trasparenza dei dati è importante — ricerca, analisi di processo, report tecnici.

Composizione: le parti di un tutto

I grafici di composizione rispondono alla domanda “come si divide questo totale?”. Sono tra i più usati e tra i più spesso usati male. Il problema principale non è il tipo di grafico in sé, ma la confusione tra due messaggi diversi: la composizione statica (come si divide il totale adesso) e la composizione dinamica (come è cambiata la ripartizione nel tempo).

Grafico a torta e donut

La torta è il grafico di composizione più noto e più criticato. Le critiche sono fondate: l’occhio umano confronta le aree e gli angoli con meno precisione di quanto confronti le lunghezze, e con più di tre o quattro fette la torta diventa difficile da leggere. Detto questo, ci sono condizioni in cui funziona: quando le parti sono due o tre, quando una domina nettamente sulle altre e il messaggio è proprio quello (“oltre la metà del fatturato viene da un solo segmento”), e quando il pubblico si aspetta quel formato e lo legge senza sforzo.

Il grafico donut è una variante della torta con un foro centrale che può ospitare un numero o un’etichetta. Non migliora la leggibilità rispetto alla torta, ma è spesso percepito come più moderno in contesti di dashboard.

Barre impilate al 100%

Quando le categorie da confrontare sono più di tre, o quando vuoi confrontare la composizione tra più gruppi o periodi, le barre impilate al 100% reggono molto meglio della torta. L’occhio confronta le lunghezze dei segmenti, che è un compito percettivo più preciso del confronto tra angoli. La lettura è però più impegnativa per le categorie che non partono dallo stesso punto di riferimento (cioè tutte tranne la prima e l’ultima): è un limite da tenere presente quando si sceglie questo formato.

Barre impilate assolute

Le barre impilate in valori assoluti (non normalizzate al 100%) mostrano contemporaneamente la composizione e il totale. Sono utili quando entrambe le informazioni contano: non solo “come si divide il fatturato tra i segmenti” ma anche “quanto è cresciuto il totale”. Il compromesso è che la composizione diventa meno leggibile man mano che i totali variano molto tra le barre.

Confronto e ranking: mettere in ordine le categorie

I grafici di confronto servono a rispondere a domande come “qual è il prodotto con il margine più alto?”, “quali regioni sono sopra o sotto la media?”, “come si posizionano i nostri competitor?”. La distinzione tra confronto semplice e ranking è sottile ma rilevante: nel confronto il focus è sulla differenza tra categorie, nel ranking il focus è sull’ordine.

Grafico a barre orizzontali

Per il confronto tra categorie discrete, le barre orizzontali sono spesso superiori a quelle verticali per una ragione pratica: le etichette delle categorie si leggono orizzontalmente, senza dover ruotare la testa. Quando le etichette sono lunghe (nomi di prodotti, regioni, voci di bilancio), le barre orizzontali evitano il problema delle etichette ruotate o troncate che affligge le barre verticali.

Ordinare le barre dal valore più alto al più basso — invece di usare l’ordine alfabetico o cronologico — trasforma un confronto in un ranking immediato e rende il messaggio più chiaro senza aggiungere una sola parola di testo.

Grafico di Pareto

Il grafico di Pareto combina barre ordinate per frequenza decrescente con una linea cumulativa percentuale. È lo strumento visivo del principio 80/20: mostra rapidamente quali categorie generano la maggior parte dell’effetto (difetti, costi, ricavi, reclami). È una scelta potente quando il messaggio è esplicitamente “concentrati su questi pochi elementi che pesano di più” — una raccomandazione di prioritizzazione, non solo una descrizione.

Grafico radar (a ragnatela)

Il grafico radar mostra il profilo di una o più entità su più dimensioni contemporaneamente. È utile quando vuoi confrontare profili multidimensionali — per esempio, la valutazione di tre fornitori su sei criteri — e il messaggio riguarda la “forma” del profilo più che i valori esatti. Ha però limiti significativi: l’area e la forma cambiano in base all’ordine degli assi, il confronto tra più profili diventa confuso con più di due o tre soggetti, e i valori esatti sono difficili da leggere. Prima di sceglierlo, considera se uno small multiple di barre non comunichi la stessa informazione in modo più preciso. Trovi un’analisi approfondita nell’articolo sul grafico radar.

Deviazioni: mostrare lo scarto da un riferimento

I grafici di deviazione rispondono a domande come “quanto siamo sopra o sotto il budget?”, “quali prodotti hanno margine positivo o negativo?”, “dove siamo rispetto alla media?”. La caratteristica distintiva è che il punto zero — o il valore di riferimento — è al centro del messaggio, non un dettaglio tecnico.

Grafico a barre divergenti

Le barre divergenti partono da un asse centrale (che rappresenta il valore zero o un benchmark) e si estendono verso destra per i valori positivi e verso sinistra per quelli negativi. Rendono immediatamente visibile la direzione e l’entità della deviazione per ogni categoria. Sono la scelta naturale per mostrare scostamenti da budget, variazioni rispetto all’anno precedente, net promoter score per segmento.

Un dettaglio che fa la differenza: colorare le barre positive e negative con colori diversi (tipicamente verde/rosso o blu/arancio) rafforza la lettura immediata, ma va usato con attenzione in contesti dove il rosso ha implicazioni emotive forti (report finanziari, presentazioni al consiglio).

Bullet chart

La bullet chart, sviluppata come alternativa ai gauge e ai termometri, mostra un valore di performance rispetto a un target e a una scala di riferimento qualitativa (per esempio, “sotto soglia / nella norma / eccellente”). In una singola barra compatta trasmette tre informazioni: il valore attuale, il target e il contesto qualitativo. È particolarmente adatta alle dashboard dove lo spazio è limitato e si devono monitorare molti KPI contemporaneamente.

Waterfall chart

Il waterfall (o grafico a cascata) mostra come un valore totale si costruisce attraverso contributi positivi e negativi successivi. È lo strumento ideale per spiegare una variazione: “il fatturato è passato da X a Y per effetto di questi fattori positivi e negativi”. Ogni barra rappresenta un contributo, e le barre si accumulano visivamente fino al totale finale. È molto usato in analisi finanziarie e bridge analysis.

Correlazioni: esplorare le relazioni tra variabili

I grafici di correlazione mostrano se e come due (o più) variabili si muovono insieme. Sono strumenti di esplorazione e analisi più che di comunicazione diretta: richiedono un pubblico disposto a interpretare, e vanno accompagnati da un’interpretazione esplicita del messaggio.

Scatter plot (diagramma a dispersione)

Lo scatter plot è il grafico fondamentale per visualizzare la relazione tra due variabili quantitative. Ogni punto rappresenta un’osservazione, posizionata in base ai valori delle due variabili sugli assi X e Y. Permette di vedere se la relazione è lineare, non lineare, o assente; se ci sono cluster; se ci sono valori anomali che si discostano dal pattern generale.

È uno strumento potente ma che richiede attenzione nella comunicazione: il pubblico deve capire che la posizione di ogni punto dipende da due valori contemporaneamente, non da uno solo. Aggiungere una linea di tendenza (regressione) aiuta a rendere esplicita la direzione della relazione.

Grafico a bolle

Il grafico a bolle è un’estensione dello scatter plot che aggiunge una terza variabile, codificata nella dimensione delle bolle. Permette di visualizzare tre dimensioni contemporaneamente su un piano bidimensionale. È uno strumento narrativo potente quando il messaggio riguarda proprio la combinazione delle tre variabili — per esempio, posizionare prodotti in base a margine, volumi e tasso di crescita.

I limiti da tenere presenti: confrontare le aree delle bolle è un compito percettivo impreciso (l’occhio tende a sottostimare le differenze), e con molte bolle il grafico diventa affollato. Funziona meglio con un numero contenuto di elementi (fino a una ventina) e quando le differenze di dimensione sono abbastanza marcate da essere visibili.

Heatmap

La heatmap usa il colore per codificare l’intensità di un valore in una matrice di righe e colonne. È efficace per mostrare pattern in dataset con molte combinazioni di categorie: per esempio, il volume di vendite per giorno della settimana e fascia oraria, o la correlazione tra molte variabili in un’analisi esplorativa. La forza della heatmap è la capacità di far emergere pattern globali a colpo d’occhio; la debolezza è che i valori esatti sono difficili da leggere e che la scelta della scala di colori influenza fortemente la percezione.

Flussi e trasformazioni: dove va e come si trasforma qualcosa

Questa famiglia copre un caso specifico ma molto ricorrente: mostrare come un totale si distribuisce o si trasforma passando attraverso categorie o stadi. Non è solo composizione statica, ma movimento e trasformazione.

Diagramma di Sankey

Il diagramma di Sankey visualizza flussi tra nodi: la larghezza di ogni flusso è proporzionale alla quantità che rappresenta. È lo strumento ideale per mostrare come un totale si distribuisce attraverso stadi o categorie — per esempio, come il traffico di un sito si distribuisce tra le pagine di atterraggio, i percorsi di navigazione e le conversioni, oppure come il budget aziendale si ripartisce tra le funzioni e poi tra le voci di costo.

La forza del Sankey è che rende visibile contemporaneamente la struttura del flusso e le proporzioni relative. Il limite è la complessità: con molti nodi e molti flussi il diagramma diventa difficile da leggere, e va usato con parsimonia — meglio semplificare aggregando i flussi minori in una categoria “altro” piuttosto che mostrare tutto.

Funnel chart

Il funnel (imbuto) mostra la progressione di un insieme di elementi attraverso stadi successivi, con la perdita a ogni passaggio. È lo strumento naturale per visualizzare processi di conversione: quante persone passano da un’awareness a una considerazione, da una considerazione a un acquisto, da un acquisto a un riacquisto. La forma a imbuto non è solo estetica: comunica immediatamente che il numero di elementi si riduce a ogni stadio.

Il funnel funziona bene quando il processo è effettivamente sequenziale e ogni stadio è un sottoinsieme del precedente. Quando i percorsi sono più complessi o non lineari, il Sankey è uno strumento più onesto.

Dati geografici: quando la posizione è il messaggio

I grafici geografici hanno una condizione necessaria che gli altri non hanno: la posizione geografica deve essere rilevante per il messaggio. Se stai mostrando le vendite per regione e il messaggio è semplicemente “la Lombardia genera più fatturato delle altre”, una barra ordinata comunica lo stesso in modo più preciso e più leggibile. La mappa aggiunge valore quando la distribuzione spaziale — la vicinanza, il confine, il gradiente geografico — è parte integrante del messaggio.

Mappa coropletica

La mappa coropletica colora le aree geografiche (regioni, province, paesi) in base all’intensità di una variabile. È la scelta più comune per dati aggregati per area amministrativa. I limiti principali sono due: le aree grandi visivamente dominano anche quando il loro valore è basso (problema tipico con le regioni italiane, dove la Valle d’Aosta è quasi invisibile), e la scelta della scala di colori influenza fortemente la percezione delle differenze.

Mappa a bolle geografica

Le bolle posizionate su una mappa codificano un valore nella dimensione della bolla, indipendentemente dall’area dell’unità geografica. Risolve il problema della dominanza visiva delle aree grandi: una bolla piccola su una grande regione con valore basso è comunque piccola. È la scelta preferibile quando la variabile da mostrare non è una proprietà dell’area ma un fenomeno puntuale o aggregato (numero di eventi, volume di transazioni, popolazione di una città).

Sintesi: quale grafico per quale relazione

Prima di scegliere, chiediti sempre tre cose: qual è il messaggio esatto che vuoi trasmettere, chi è il tuo pubblico e quanto è disposto a investire nella lettura, e in quale contesto il grafico verrà visualizzato (dashboard, presentazione, report stampato). La tabella che segue riassume le famiglie e i candidati principali — non come regola, ma come punto di partenza per il ragionamento.

Relazione	Grafici candidati	Quando cambiare scelta
Andamento nel tempo	Linee, barre verticali, slopegraph	Troppi periodi → linea; pochi periodi → barre; due momenti + categorie → slopegraph
Distribuzione	Istogramma, box plot, dot plot	Pubblico non tecnico → dot plot; confronto tra gruppi → box plot
Composizione	Torta, barre impilate 100%, barre impilate assolute	Più di 3 fette → barre impilate; composizione + totale → barre assolute
Confronto e ranking	Barre orizzontali, Pareto, radar	Ranking esplicito → Pareto; profili multidimensionali → radar (con cautela)
Deviazione	Barre divergenti, bullet chart, waterfall	KPI vs target → bullet; variazione spiegata → waterfall
Correlazione	Scatter plot, bolle, heatmap	Terza variabile → bolle; molte combinazioni → heatmap
Flusso	Sankey, funnel	Processo lineare → funnel; flussi complessi → Sankey
Geografica	Mappa coropletica, mappa a bolle	Aree grandi con valore basso → bolle geografiche

La tabella non è un algoritmo. È un promemoria che ti ricorda quali opzioni esistono per ogni relazione, così da poter ragionare su quale si adatta meglio al tuo messaggio specifico invece di usare per abitudine sempre lo stesso formato.

Domande frequenti

Come scelgo il grafico giusto per i miei dati?

Il punto di partenza è identificare la relazione che vuoi mostrare nei dati (andamento, confronto, distribuzione, composizione, correlazione, flusso o geografia). Ma la scelta finale dipende dal messaggio che vuoi trasmettere, dal pubblico che hai davanti e dal contesto di presentazione. Non esiste un grafico “sempre giusto”: esistono scelte più o meno adatte a una combinazione specifica di questi tre fattori.

Quando si usa un grafico a torta e quando è meglio evitarlo?

La torta funziona quando le parti sono due o tre e una domina nettamente sulle altre, con un pubblico che si aspetta quel formato. Va evitata con più di quattro fette, quando le differenze tra le parti sono sottili, o quando vuoi confrontare la composizione tra più gruppi. In quel caso, le barre impilate al 100% comunicano lo stesso messaggio con maggiore precisione percettiva.

Qual è la differenza tra istogramma e grafico a barre?

L’istogramma mostra la distribuzione di frequenza di una variabile continua, raggruppando i valori in intervalli contigui (le barre sono adiacenti, senza spazi). Il grafico a barre confronta valori di categorie distinte e separate (le barre hanno spazi tra loro). Sembrano simili visivamente ma rispondono a domande diverse: l’istogramma dice “come si distribuiscono i valori?”, le barre dicono “quanto vale ciascuna categoria?”.

Quando ha senso usare un grafico a bolle invece di uno scatter plot?

Quando hai una terza variabile quantitativa che vuoi includere nel confronto, oltre alle due già rappresentate sugli assi X e Y. Il grafico a bolle codifica questa terza variabile nella dimensione delle bolle. Funziona meglio con un numero contenuto di elementi (fino a una ventina) e quando le differenze di dimensione sono abbastanza marcate da essere visibili. Con molti elementi o differenze sottili, lo scatter plot semplice è più leggibile.

Quando uso un diagramma di Sankey invece di un funnel?

Il funnel è adatto quando il processo è sequenziale e ogni stadio è un sottoinsieme del precedente (tipicamente: processi di conversione con perdita progressiva). Il Sankey è più adatto quando i flussi si distribuiscono tra più destinazioni, si ramificano o si ricombinano, e quando vuoi mostrare sia la struttura del flusso sia le proporzioni relative. Con flussi complessi e non lineari, il Sankey è più onesto del funnel.

Il grafico radar è una buona scelta per confrontare profili multidimensionali?

Dipende. Il radar è efficace quando confronti due o tre profili su dimensioni comparabili e il messaggio riguarda la “forma” del profilo complessivo. Diventa problematico con più di tre soggetti (i profili si sovrappongono e si confondono), con dimensioni di scala molto diverse, e quando i valori esatti contano. In molti casi, uno small multiple di grafici a barre comunica la stessa informazione con maggiore precisione.

Quando conviene usare una mappa invece di un grafico a barre per dati geografici?

La mappa aggiunge valore quando la distribuzione spaziale — la vicinanza tra aree, il gradiente geografico, i confini — è parte integrante del messaggio. Se il messaggio è semplicemente “questa regione genera più fatturato delle altre”, una barra ordinata è più precisa e più leggibile. Usa la mappa quando la posizione geografica è rilevante per capire il fenomeno, non solo per categorizzarlo.

Scegliere bene è un’abilità, non una regola da memorizzare

I tipi di grafici non sono un vocabolario da imparare a memoria: sono strumenti di pensiero che diventano utili solo quando sai quale problema vuoi risolvere. La distinzione tra le sette famiglie di relazioni — temporale, distributiva, compositiva, comparativa, di deviazione, correlativa, geografica — ti dà un metodo per restringere il campo. Ma dentro ogni famiglia la scelta finale richiede giudizio: sul messaggio, sul pubblico, sul contesto.

Se vuoi approfondire come lavorare con i dati prima ancora di visualizzarli — selezionare le variabili rilevanti, costruire le aggregazioni giuste, preparare il dataset in modo che il grafico emerga naturalmente — la Data Shaping Masterclass ti guida attraverso il processo che precede la visualizzazione e che spesso determina la qualità del risultato finale.