Observable

Questa recensione di Observable Notebooks illustra a cosa serve la piattaforma, le sue caratteristiche principali, i prezzi di Observable, come si collocano i notebook rispetto all’Observable Framework, i suoi punti di forza e di debolezza, e con quali strumenti è possibile confrontarla. Observable è stata fondata nel 2016 da Mike Bostock, il creatore di D3, ed è stata lanciata al pubblico nel 2018. Oggi è una famiglia di prodotti: gli Observable Notebooks basati sul web per l’esplorazione dei dati tramite codice, l’Observable Framework open source per la creazione di app e dashboard di dati, gli Observable Canvases per l’analisi collaborativa con SQL e IA, e librerie open source come Observable Plot e D3. Secondo Observable, sulla piattaforma sono stati creati e modificati oltre 1.200.000 notebook.

A cosa serve Observable?

Observable viene utilizzato per l’analisi e la visualizzazione dei dati che vanno oltre un semplice generatore di grafici standard. I notebook combinano narrazione, codice e output in tempo reale in un unico documento, il che li rende la soluzione ideale per l’analisi esplorativa e lo storytelling dei dati. I progetti tipici includono l’analisi esplorativa di un nuovo set di dati, la visualizzazione interattiva per il giornalismo e la ricerca, dashboard e report interni, prototipi di visualizzazione prima della loro integrazione in un prodotto e l’insegnamento della visualizzazione dei dati con esempi in tempo reale.

I data scientist e gli analisti utilizzano i notebook per caricare dati, eseguire query su database SQL e sperimentare passo dopo passo i grafici di Observable Plot. Gli sviluppatori e i team di dati utilizzano Observable Framework per trasformare quel lavoro in app e report veloci basati sui dati, ospitati su Git. I product manager e i team aziendali utilizzano i Canvases per esplorare i dati insieme senza scrivere codice. Il filo conduttore è il web: tutto funziona nel browser e ogni visualizzazione può essere condivisa tramite un link, incorporata in un altro sito o pubblicata come sito statico.

Caratteristiche principali

• Notebook reattivi: blocchi di codice in Observable JavaScript, Markdown, HTML e SQL. Quando un valore cambia, ogni cella che dipende da esso si aggiorna, così che input, filtri e grafici rimangano sincronizzati senza codice aggiuntivo.
• Observable Plot e D3: Observable Plot è una libreria di grafici concisa per la visualizzazione esplorativa dei dati; D3 è la libreria di basso livello alla base di molte grafiche interattive personalizzate. Entrambe sono open source e realizzate dal team di Observable.
• Connessioni ai dati: le celle SQL e le celle con tabella di dati interrogano database e data warehouse da notebook privati, oltre a file allegati, file su cloud e API web. Un proxy di database self-hosted copre i database su una rete privata (documentazione di Observable).
• Collaborazione: modifica in multiplayer, commenti, creazione di fork, suggerimenti, cronologia delle versioni e notebook pubblici o privati con controllo degli accessi.
• AI Assist: un assistente AI integrato nei notebook che redige bozze di codice e grafici, aggiunto nel 2023.
• Observable Framework: un generatore di siti statici open source per app di dati, dashboard e report (vedi sotto).
• Observable Canvases: una tela collaborativa per i dati lanciata nel 2025, in cui i team esplorano i dati tramite "punta e clicca", SQL o IA e perfezionano i risultati trasformandoli in visualizzazioni interattive (Observable Canvases).
• Notebooks 2.0: un’anteprima tecnologica con Notebook Kit, un formato di file aperto e uno strumento da riga di comando per la creazione di siti statici dai notebook, e Observable Desktop, un editor di notebook per macOS 15+ su Apple Silicon (Notebooks 2.0).

Prezzi di Observable

I piani per i notebook riportati nella pagina dei prezzi di Observable, come acquisita il 30 agosto 2026, sono:

• Notebook Free: 0 $. Notebook pubblici e privati, AI Assist, accesso a database, file cloud ed endpoint API web, controllo delle versioni e supporto della community tramite il forum.
• Notebook Pro: 22 $ al mese per editor. Aggiunge la modifica del codice in multiplayer, l’esecuzione programmata dei notebook, i visualizzatori dell’area di lavoro, l’accesso come ospite a livello di notebook e rimuove la filigrana di Observable dai notebook incorporati.
• Visualizzatori: 10 $ al mese ciascuno sul piano Pro, per chi si limita a visualizzare e interagire con i notebook.
• Enterprise: disponibile su richiesta; la documentazione dell’area di lavoro descrive l’SSO personalizzato e i log di audit.

Observable Framework, Notebook Kit, Observable Plot e D3 sono gratuiti e open source con licenza ISC. Le canvase non sono elencate nella pagina dei prezzi dei notebook; chiedere al reparto vendite il prezzo attuale. Nella stessa pagina, Observable fornisce anche informazioni sugli sconti per organizzazioni no profit e docenti.

Un aspetto da verificare per evitare sorprese sui costi è chi viene conteggiato come postazione. Il piano Pro viene fatturato per ogni editore, mentre i visualizzatori comportano un costo aggiuntivo; pertanto, la condivisione di dashboard private con un pubblico ampio comporta un aumento dei costi. I siti basati su Framework evitano i costi relativi alle postazioni se ospitati autonomamente, poiché il risultato sono semplici file statici.

Notebook di Observable vs Observable Framework

I notebook servono per l’esplorazione: si apre un nuovo notebook nel browser, si caricano i dati e si itera su ciascuna visualizzazione di Observable Plot, con i collaboratori che modificano contemporaneamente. Observable Framework serve per la distribuzione: si scrivono file Markdown con JavaScript reattivo e Framework li compila in un sito statico con caricamento istantaneo delle pagine (Observable Framework).

L’idea chiave di Framework sono i caricatori di dati. Un caricatore di dati è uno script in qualsiasi linguaggio, come SQL, Python, R o Node.js, che viene eseguito in fase di compilazione e scrive un’istantanea statica dei dati in un file. La dashboard carica quindi quel file invece di interrogare il database ad ogni visita. Poiché un progetto è costituito semplicemente da file in una cartella, si adatta allo sviluppo software tradizionale: è possibile utilizzare il proprio editor, Git, i test unitari e CI/CD, e ospitare il risultato ovunque, oppure distribuirlo su Observable. Viene fornito con temi, griglie e librerie JS, tra cui Observable Plot, D3, DuckDB, Vega-Lite, Mapbox GL JS, Leaflet e Mermaid. L’ultima versione su GitHub è la 1.13.4, del marzo 2026.

Notebook Kit applica lo stesso approccio basato sui file ai notebook. Memorizza un notebook in un formato aperto e leggibile dall’utente, quindi un notebook può essere modificato nel browser, in Observable Desktop o in un editor di codice e pubblicato come sito statico.

Observable Plot e D3 per la visualizzazione dei dati

La maggior parte dei grafici su Observable è realizzata con Observable Plot, la libreria di visualizzazione open source rilasciata dal team nel 2021. Plot segue una grammatica grafica a livelli: si passa un set di dati e un elenco di marcatori, come punti, linee, barre o celle, e Observable Plot sceglie scale, assi e legende appropriate, in modo che il grafico predefinito sia già comprensibile. Per creare un grafico a dispersione o un grafico a barre sfaccettato bastano poche righe di codice, e la documentazione di Plot contiene un esempio per ogni elemento di visualizzazione. Per grafici interattivi completamente personalizzati, D3 offre un controllo di basso livello sulla visualizzazione di ogni elemento. Entrambi funzionano anche in JavaScript standard al di fuori di Observable, quindi un grafico prototipato in un notebook può essere trasferito in un’applicazione front-end senza bisogno di riscriverlo. Gli input integrati, come cursori, menu a tendina, caselle di ricerca e tabelle, collegano i controlli utente ai grafici tramite variabili reattive.

Notebook Observable vs notebook Jupyter

I data scientist che conoscono i notebook Jupyter noteranno la differenza principale nel modo in cui vengono eseguite le celle. In Jupyter, le celle Python vengono eseguite nell’ordine in cui vengono lanciate, il che può lasciare dietro di sé uno stato non aggiornato. In Observable, il codice viene eseguito in base all’ordine delle dipendenze, come in un foglio di calcolo, quindi una modifica aggiorna tutto ciò che dipende da essa. Observable funziona nel browser e utilizza JavaScript, mentre Jupyter esegue Python su un server, il che rende Jupyter più adatto a elaborazioni complesse e all’apprendimento automatico. In Observable, i set di dati molto grandi possono anche raggiungere i limiti di prestazioni del browser; i caricatori di dati risolvono questo problema eseguendo query Python o SQL in fase di compilazione e inviando al browser solo il risultato. Molti team utilizzano entrambi: Python per l’analisi, Observable per la condivisione dei risultati interattivi.

Primi passi con Observable

Registrati per ottenere un account gratuito e crea un nuovo notebook, oppure esegui un fork di uno dei notebook pubblici presenti nella galleria e adattalo alle tue esigenze. Aggiungi un file di dati o collega un database, scrivi una cella SQL o una cella JavaScript e aggiungi un grafico con Observable Plot in poche righe. Impara prima di tutto Observable JavaScript: si tratta di JavaScript standard con celle reattive, ma l’ordine di valutazione segue le dipendenze anziché l’ordine nella pagina. Per una dashboard che deve essere integrata in un codice sorgente, esegui npx @observablehq/framework@latest create e segui il tutorial introduttivo al Framework.

I punti di forza e le carenze di Observable

Punti di forza:

• Grafica interattiva e visualizzazione personalizzata tra le migliori della categoria, dal team che ha creato D3.
• I notebook reattivi velocizzano l’esplorazione e mantengono sincronizzati input e grafici.
• Framework, Plot e Notebook Kit sono open source e generano siti statici che puoi ospitare ovunque.
• Un'ampia galleria pubblica di notebook da cui imparare e da cui creare fork, con un forte supporto da parte della comunità.

Compromessi:

• JavaScript è il linguaggio principale nei notebook; Python e R funzionano solo nei caricatori di dati in fase di compilazione.
• Non è uno strumento di business intelligence "drag-and-drop"; la creazione di un grafico richiede comunque la scrittura di codice.
• La condivisione privata su Pro viene fatturata per ogni editore, più una tariffa per ogni visualizzatore, mentre gli utenti gratuiti hanno diritto solo all’assistenza tramite forum.
• La presenza di diversi prodotti (notebook, Notebooks 2.0, Framework, Canvases) con flussi di lavoro diversi può creare confusione all’inizio.

Come si posiziona Observable rispetto alla concorrenza

• Datawrapper: grafici e mappe "point-and-click" per la pubblicazione, senza codice.
• Power BI: la suite di business intelligence di Microsoft per dashboard sui dati aziendali.
• Retool e Appsmith: strumenti interni con moduli e tabelle anziché visualizzazioni personalizzate.
• Dataiku: una piattaforma end-to-end di data science per team che lavorano con Python e ricette visive.
• Mapbox e CARTO Builder: piattaforme incentrate sulle mappe per i dati di localizzazione.
• Google Sheets e Rows: fogli di calcolo con grafici integrati per analisi rapide.

I notebook basati principalmente su Python, come Jupyter, Hex, Deepnote e Marimo, sono le alternative più vicine per i team che lavorano principalmente con Python e SQL.

Vale la pena utilizzare Observable?

Observable è una buona scelta se hai bisogno di una visualizzazione dei dati personalizzata e interattiva e hai una certa dimestichezza con JavaScript. Il piano gratuito include notebook pubblici e privati con accesso al database, mentre il framework open source è gratuito per la creazione di dashboard veloci che puoi ospitare autonomamente. È meno adatto ai team che desiderano uno strumento di BI no-code, lavorano esclusivamente in Python o hanno bisogno di condividere dashboard private con molti utenti con un budget limitato. Se hai bisogno di aiuto per creare dashboard o app per i dati con Observable, le agenzie e gli sviluppatori low-code su LowCodeDevs possono occuparsene.

Fonti

• Prezzi di Observable: Notebook Free e Pro, prezzo per utente (dati acquisiti il 30 agosto 2026).
• Informazioni su Observable: fondazione, tappe fondamentali e dati di utilizzo.
• Documentazione del framework Observable: generatore di siti statici, caricatori di dati e librerie.
• Anteprima tecnologica di Notebooks 2.0: Notebook Kit e Observable Desktop.
• Observable Canvases: la tela collaborativa per i dati.
• Connessione ai database: client di database e proxy self-hosted.
• observablehq/framework su GitHub: licenza ISC e versioni.
• Idee interessanti nel framework Observable, Simon Willison: caricatori di dati e il passaggio a strumenti open source.
• Observable Plot, data.europa.eu: la libreria per la creazione di grafici nella pratica.
• Observable, datasciencenotebook.org: panoramica delle funzionalità; la nota "no self-hosting" si applica alla piattaforma di notebook ospitata, non ai siti Framework o Notebook Kit.
• Alternative a Observable, Livedocs: elenco di alternative (redatto da un concorrente; la sua affermazione secondo cui Observable non supporta SQL e Python è in contrasto con le celle SQL e i caricatori di dati Python di Observable).