Analisi dei dati per la tesi: quale software conviene davvero usare
Arriva il momento in cui apri il file con i tuoi dati — 200 risposte al questionario, 30 interviste trascritte, misurazioni da organizzare — e inizi a cercare "quale software uso". SPSS, R, Jamovi, Excel... e all'improvviso sono le tre di notte e hai aperto 15 tab senza capire nulla.
La scelta del software per l'analisi dati per la tesi non è una decisione accademica astratta. Dipende da cosa hai raccolto, quanto tempo hai, se il tuo relatore ha preferenze, e soprattutto se sei disposto a imparare qualcosa di nuovo. In questa guida passiamo in rassegna i quattro software che vediamo davvero usare dagli studenti italiani — le loro vere forze e i loro limiti concreti.
I 4 software più usati nelle tesi italiane
Quando guardiamo le tesi di studenti che affianchiamo, vediamo sempre gli stessi quattro nomi: SPSS è il classico, R è per chi vuole approfondire, Jamovi è l'alternativa recente che non conosce nessuno, e Excel è il "ma non era per i conti?"
Niente nella scelta è scritto nella pietra. Quello che cambia è: quanto tempo hai, quale il relatore preferisce, se devi imparare il software da zero, se i dati sono complessi o no. Vediamo uno per uno come stanno le cose davvero.
SPSS
SPSS è il software che le università italiane insegnano. Lo vedi nella lezione di metodologia, sulla tesi della gente attorno a te, nei tutorial in italiano che trovi subito. C'è un motivo: funziona bene per analisi standard e non devi scrivere codice. Clicchi, vedrai i bottoni, trovi il test che ti serve.
Pro e contro
I vantaggi sono immediati. Non devi saper programmare. L'interfaccia è prevedibile: dati a sinistra, menu in alto, output ordinato a destra. Se il tuo relatore ha insegnato SPSS oppure lo conosce, sa leggere il tuo output e sa dove correggerti. È la lingua comune della tesi in Italia.
Il costo è il primo contro: SPSS licenza intera costa 99€ al mese, oppure 600€ all'anno se sei studente e lo prendi dall'università (se va bene). C'è una versione gratuita molto limitata. Secondo: i dati grossi e le analisi complesse iniziano a soffrire — SPSS non è fatto per dataset da milioni di righe. Terzo: una volta che clicchi il test e vedi il risultato, devi interpretarlo manualmente — SPSS ti dà l'output, ma la lettura e la stesura sono tue.
Una cosa che vediamo spesso: gli studenti aprono SPSS per la prima volta e non sanno dove cliccare. Fanno il test sbagliato, non capiscono l'output, ricominciamo tre volte. SPSS non è il problema — è che nessuno ti ha davvero mostrato passo per passo come metterci i dati e leggere il risultato.
Quando ha senso
Usa SPSS se: il tuo relatore lo conosce bene (o ti ha detto "usalo pure"), i tuoi dati sono un dataset moderato (qualche migliaia di righe max), e hai accesso gratuito dall'università. Se la tesi è quantitativa con test t, ANOVA, correlazioni, chi quadro — SPSS è il percorso più diretto.
Non usarlo se: i tuoi dati sono enormi, vuoi grafici professionali personalizzati, oppure sei un tizio che ama capire come il software fa il conto (con SPSS non capisci, succede nella scatola nera).
R
R è il linguaggio di programmazione per l'analisi statistica. Non è un "software" con bottoni — è una console dove scrivi codice, e il codice esegue analisi. Imprenditori, scienziati di dati, ricercatori seri: usano R (o Python).
Pro e contro
Se impari R, impari a fare analisi consapevolmente. Non clicchi un bottone e speri che sia giusto — scrivete il comando, capisci cosa sta succedendo, vedi il codice che hai scritto e lo puoi riutilizzare. È trasparente, è gratis, è potente. R gestisce dataset da milioni di righe. I grafici che puoi fare sono professionali, personalizzabili a piacere. Se farai ricerca dopo la tesi, R è utile.
Il contro è frontale: una curva di apprendimento molto ripida. Se non hai mai visto codice in vita tua, R non è "imparo in una settimana". Sono settimane, oppure mesi se studi seriamente. Devi imparare la sintassi, come caricare i dati, quale funzione usi per ogni test, come interpretare l'output. E finché non clicca nella testa, è frustrante — scrivi mean(df$colonna) e se sbagli una parentesi, non funziona nulla.
Il tuo relatore potrebbe non conoscere R. E allora tu devi spiegargli l'output. Se il relatore sa di statistica, l'output stesso comunica (una tabella di regressione è una tabella di regressione in qualsiasi linguaggio), ma se non sa, diventa una conversazione difficile.
Curva di apprendimento
Non fare questa scelta se pensi "imparo R in tre giorni". La curva è: primo giorno passato a scaricare RStudio e capire cos'è; da qui a settimana 2 capisci le basi (come caricare file, come scegliere colonne, errori base); settimana 3-4 cominci ad avere autonomia nei comandi base; settimana 5+ inizi a capire il vero potential.
Se hai 8 settimane prima della consegna della tesi e non conosci R, è un rischio. Se ne hai 16 e sei curioso, è un investimento che ti paga anche dopo.
Jamovi — l'alternativa gratuita e facile
Jamovi è il software che quasi nessuno conosce in Italia, ma che dovrebbe. È un'interfaccia grafica che sta sopra R — clicchi i bottoni come SPSS, ma dietro sta girando R. È gratuito, funziona bene, e ha un'attenzione ai dettagli che SPSS non ha.
Aprendo Jamovi, riconosci la struttura di SPSS (dati a sinistra, analisi da un menu, output ordinato). Ma Jamovi ti mostra il codice R che sta lanciando dietro. È come se ti insegnasse R mentre lo usi. I grafici sono puliti. L'output è pulito. Non hai pagato nulla.
Il problema? Gli italiani non lo conoscono. Non lo insegnano in università. Se dici al relatore "uso Jamovi", potrebbe non saperlo. Serve una presentazione: "È gratuito, si usa come SPSS, ma è più trasparente". Se il relatore è sensibile a "studi seri e trasparenti", è un vantaggio. Se preferisce quello che conosce, è un problema.
Jamovi è ideale se sei uno studente che vuol imparare stando leggero, che non ha budget per SPSS, e che ha un relatore aperto. In realtà è il punto di mezzo che nessuno sceglie: non è familiare come SPSS, non è potente come R puro. Ma è il punto di mezzo più intelligente del trio.
Excel
Excel la sanno usare tutti. È il software che c'è sempre. E sì, con Excel puoi fare analisi statistiche: medie, deviazioni standard, correlazioni, t-test, ANOVA...
Cosa puoi fare davvero
Con Excel hai le funzioni base di statistica descrittiva: MEDIA(), DEV.ST(), CORRELAZIONE(). Puoi costruire una tabella di frequenze a mano, calcolare proporzioni. Se hai un dataset piccolo e hai bisogno di medie e distribuzioni, non è folle. Alcuni studenti lo fanno e funziona.
Ci sono add-on come "Analysis ToolPak" (gratis, lo attivi nella sezione aggiunti di Excel) che ti danno t-test, ANOVA, regressione lineare di base. Se la tesi è semplice — confronto tra due gruppi, una correlazione — Excel + ToolPak può bastare.
Limiti per analisi statistiche
Excel non è fatto per analisi seria. Per dataset medi (qualche migliaio di righe) inizia a soffrire di performance. Per analisi complesse — regressione multipla con interazioni, modelli misti, analisi di sopravvivenza — Excel non arriva. I grafici sono statici e brutti rispetto a SPSS o Jamovi. E soprattutto: quando il relatore vede un risultato, non sa se è Excel o un vero software statistico, e probabilmente pensa che non hai usato lo strumento giusto.
Excel funziona se la tesi è qualitativa con elementi quantitativi minimi. Se è quantitativa vera, il relatore si aspetta SPSS, R, o al limite Jamovi. Non Excel.
Tabella comparativa
| Aspetto | SPSS | R | Jamovi | Excel |
|---|---|---|---|---|
| Costo | 99€/mese o 600€/anno studente | Gratis | Gratis | Gratis (probabilmente lo hai) |
| Curva di apprendimento | Bassa (1 settimana) | Alta (4-8 settimane) | Bassa-media (2 settimane) | Bassa (1-2 settimane) |
| Conosciuto dai relatori italiani | Molto | Poco | Pochissimo | Sì, ma non come statistico |
| Dataset di dimensione media (5k-50k) | ✅ Buono | ✅ Eccellente | ✅ Buono | ⚠️ OK pero lento |
| Analisi complesse | ✅ Sì | ✅ Sì, meglio | ✅ Sì | ❌ No |
| Grafici professionali | ✅ Buoni | ✅ Eccellenti | ✅ Buoni | ❌ No |
| Trasparenza del processo | ❌ Scatola nera | ✅ Pieno controllo | ✅ Vedi il codice | ⚠️ Visibile ma limitato |
💡 Analisi dati senza tempo per imparare un software
Sai cosa significa avere i dati pronti ma non sapere quale software usare? O peggio, aver iniziato con SPSS, non capire dove cliccare, e perdere due settimane. I dati non cambiano — il software giusto sì.
Disegniamo insieme il tuo setup: quali dati hai, quale software conviene, come caricarli, come lanciare il test, come interpretare l'output. Non te lo facciamo noi — ti mostriamo passo per passo, in modo che in tre sessioni sai farlo da solo.
Scrivici su WhatsApp — consulenza gratuita 15 min, zero obblighi.
Come scegliere in base al tipo di tesi
La scelta dipende dal tipo di ricerca che hai fatto.
Se la tesi è quantitativa classica — questionario a 200 persone, dati ordinati in righe e colonne, vuoi test t, ANOVA, correlazioni — scegli SPSS. È il sentiero battuto. Se il relatore sa SPSS (e lo sa il 90% dei relatori di ricerca quantitativa), è perfetto. Se è il primo software statistico che usi, è tollerabile.
Se la tesi è quantitativa con ambizioni — dataset grosso, analisi complesse, regressione multipla, grafici che devono essere professionali, oppure farai ricerca dopo — scegli R. Prendi le settimane che hai, dedica il 40% del tuo tempo a imparare R, il 60% a fare l'analisi. Non è il percorso facile, ma è quello che ti insegna davvero.
Se la tesi è quantitativa ma non hai budget, non conosci R, e vuoi tranquillità — scegli Jamovi. Fai un progetto pilota: carica un po' di dati, prova due test, vedi se per te è intuitivo. Probabile che lo sia.
Se la tesi è mista o qualitativa con dati numerici leggeri — tipo conteggi di categorie, percentuali, una media da riportare — Excel basta. Non devi provare a fare "vero SPSS" se non ne hai davvero bisogno.
Una cosa che notiamo spesso: studenti che iniziano con SPSS solo perché "lo ha detto il relatore", ma il relatore intendeva "usa uno software statistico" non "esattamente SPSS". Quando gli dici "uso Jamovi", il relatore dice "ok, va bene". Non è una violazione di regole — è solo incertezza iniziale.
Se sei bloccato sulla scelta e senti che stai perdendo tempo a decidere il software invece di fare l'analisi, quella è una flag rossa. Quando quella situazione arriva, è momento di farsi affiancare: scegli il software insieme, carica i dati nella prima sessione, e da lì è chiaro quale è il percorso migliore per la tua tesi.
🎓 Il software è solo uno strumento.
La vera domanda non è "quale software?" ma "so interpretare il risultato che il software mi da?". Prima di lanciarti su SPSS o R, sapere cosa significano il p-value, l'effect size, la significatività statistica: quello è quello che conta. Se non lo sai, insegniamo prima quello. Poi il software è una formalità — è solo la tastiera per dire quello che sai già.