Esplorazione
Contesto e obiettivoDefinizione del problema, della decisione da supportare, degli utenti coinvolti e dell’output atteso.
Data & Analytics
Patrones Lab è un laboratorio di analisi dei dati applicata a fenomeni reali e quotidiani.
Raccoglie progetti indipendenti basati su dati pubblici, con attenzione all’individuazione di pattern, alla spiegazione dei comportamenti e alla comunicazione di evidenze contestualizzate.
L’obiettivo è formulare domande migliori, costruire dataset affidabili, sviluppare analisi riproducibili e trasformare i risultati in output visuali chiari.
Definizione del problema, della decisione da supportare, degli utenti coinvolti e dell’output atteso.
Mappatura delle sorgenti disponibili, della loro origine, frequenza di aggiornamento, affidabilità e principali limiti di qualità.
Pulizia, normalizzazione e integrazione dei dati per costruire un dataset coerente, tracciabile e pronto per l’analisi.
Sviluppo dell’analisi, del modello o della dashboard più adatta all’obiettivo definito.
Controllo della coerenza, stabilità e rilevanza operativa dei risultati prima della pubblicazione.
Documentazione dell’output finale, automazione dei flussi di lavoro ricorrenti e uso del feedback per miglioramenti successivi.
Selezione di progetti basati sui dati pubblici, con metodologia documentata e output visuali. Usa i filtri per esplorare per disciplina, strumento o tipo di risultato.
Analisi del traffico aereo in Spagna con dati pubblici AENA, con focus su volumi, pattern per aeroporto e differenze tra categorie di traffico.
Analisi esplorativa degli annunci Airbnb a Londra, con focus su pricing, categorie di alloggio, recensioni e pattern territoriali.
Analisi delle corse taxi registrate a Chicago per studiare durata, domanda, distribuzione geospaziale e pattern operativi.
Classificazione supervisionata degli annunci relativamente costosi o economici all’interno di ciascuna tipologia di alloggio.
Dashboard interattiva in Looker Studio per esplorare corse taxi a Chicago, indicatori operativi, pattern orari e percorsi pickup-dropoff.
Modello di regressione logistica che stima la probabilità che ogni tiro diventi gol con dati pubblici StatsBomb, validazione per partita e applicazione al Mondiale Qatar 2022.
Apri progetto
Modello probabilistico di Expected Threat nel calcio basato su dati pubblici StatsBomb. Stima la probabilità di gol nelle successive 5 azioni.
✅ pubblicato
Clustering non supervisionato con K-means applicato al rilevamento di frodi su transazioni con carta di credito.
✅ pubblicato
Modello supervisionato di regressione logistica per il rilevamento di frodi su transazioni con carta di credito.
✅ pubblicato
Clustering non supervisionato con DBSCAN per individuare possibili pattern anomali nelle transazioni con carta di credito.
Apri progetto
Analisi delle statistiche del Mondiale 2022 con dati pubblici StatsBomb, orientata a sintetizzare le prestazioni individuali e confrontare i giocatori con radar dei percentili.
Analisi geospaziale delle corse taxi a Chicago, orientata a individuare le zone di maggiore attività, i percorsi urbani e la concentrazione territoriale della domanda.

Analisi dei ranking musicali di Spotify Charts con dati pubblici su brani, artisti, album e mercati, orientata a esplorare stream, presenza nelle classifiche, leadership temporale e distribuzione territoriale tramite una dashboard interattiva in Power BI.
✅ pubblicato
Report interattivo in Power BI per analizzare la spesa verso i fornitori, l’andamento mensile, la distribuzione per categoria, il risparmio e la distribuzione geografica.
Simulazione di un milione di scenari del Mondiale 2026 basata sui rating Elo per stimare le probabilità di raggiungere le semifinali, disputare la finale e diventare campione.
Per opportunità professionali, collaborazioni in ambito analitico o progetti di BI, machine learning e dashboard.
Scrivimi e ti risponderò appena possibile.