La pandemia ci ha insegnato che la capacità di comprendere e analizzare i dati non è un lusso, ma una condizione necessaria per decisioni efficaci e condivise. Come superare un’ignoranza diffusa, che coinvolge cittadini e amministrazioni pubbliche.
Se “lasciamo parlare i dati” diventa una frase fatta
C’è un’espressione che ricorre quando si vuole far credere che i fatti garantiscano l’oggettività e che più o meno recita “lasciamo parlare i dati”. Già Nietzsche, nei frammenti poi confluiti ne La volontà di potenza, annotava che “non esistono fatti, solo interpretazioni”: non osserviamo mai un fatto in sé, ma attraverso la lettura che ne diamo. E a leggere non sono i numeri, ma le persone, che scelgono quale cifra portare in prima pagina e quale denominatore lasciare in ombra. Ogni statistica ha attraversato una catena di mani, ciascuna coi propri interessi.
Se è così, il problema non è tanto leggere male i dati, quanto introdurre, per calcolo o abitudine, la lettura più semplice e orientata. La spiegazione consueta, quella per cui cittadini e governi “non sanno leggere i numeri”, descrive un difetto tecnico da correggere con la formazione. Ma la difficoltà non sta nell’ascoltare numeri muti, bensì nell’interesse di chi decide come farli parlare. E la via più efficace è semplificare, perché una lettura ridotta e ben orientata circola meglio, convince di più e si contesta con più fatica. Più avanti propongo un modo per distinguere, sui fatti, l’errore innocente dal bias interessato.
Tre letture sbagliate, tre lezioni
Durante la pandemia, il Regno Unito contava come “decesso Covid” chiunque fosse morto entro 28 giorni da un test positivo, indipendentemente dalla causa effettiva. L’Italia adottava criteri diversi, la Germania altri ancora. Eppure, ministri e premier citavano classifiche di mortalità tra paesi come tabelloni sportivi, ignorando che ogni numero nascondeva definizioni, metodologie e ritardi di rilevazione incomparabili. L’errore non stava nei sistemi di conteggio, dato che ciascuno aveva una logica, ma nell’uso politico di confronti tra grandezze non omogenee. Un governo capace di leggere davvero i dati avrebbe premesso queste differenze, invece di brandire numeri decontestualizzati.
Stesso schema vale per il Pnrr italiano, oltre 190 miliardi di euro. A distanza di anni dall’avvio, il dibattito pubblico resta ancorato a un solo indicatore: la percentuale di fondi “spesi” rispetto al totale. Ma spendere non è produrre risultati. Se un miliardo finanzia la digitalizzazione della pubblica amministrazione, il dato rilevante non è l’erogazione, ma se i cittadini completino davvero una pratica online in meno tempo. La Corte dei conti europea ha più volte segnalato che i sistemi di monitoraggio misurano la spesa e le milestone procedurali, non gli effetti sulle comunità. Confondere output e outcome è il sintomo classico di una data literacy assente.
Estate 2023: ondate di calore record in tutta Europa. In Italia i bollettini del ministero della Salute si basavano su soglie fissate anni prima, senza correzioni per l’isola di calore urbano o la vulnerabilità crescente di una popolazione sempre più anziana. L’allerta rossa scattava troppo tardi; quella gialla, in condizioni già pericolose per le fasce fragili. I dati meteorologici c’erano; mancava la capacità di incrociarli con quelli demografici e sanitari per costruire modelli predittivi utili. Un governo competente sui dati avrebbe sovrapposto le previsioni meteo alla mappa degli anziani soli e ai dati storici sugli accessi al pronto soccorso.
Perché succede
Le cause si rinforzano a vicenda. La formazione della classe dirigente è giuridica o economico-generalista: chi sa leggere un bilancio spesso non sa interpretare un intervallo di confidenza. I cicli politici brevi premiano il dato che “suona bene” in conferenza stampa, non l’analisi sfumata. Le pubbliche amministrazioni raramente dispongono di unità di data science interne; quando non ci sono, la capacità analitica viene esternalizzata in consulenze frammentarie. E anche dove esistono enti tecnici competenti quali il nostro Istat, il francese Insee o il tedesco Destatis, le loro analisi attraversano filtri burocratici che ne smussano la complessità: un rapporto di cento pagine diventa una slide, poi un punto chiave in un briefing, poi un numero in un tweet.
Cosa si può fare
Come rimediare a una simile situazione? Primo: rendere obbligatoria la formazione in statistica applicata per dirigenti pubblici e funzionari apicali, sul modello del Government Analysis Function britannico, che certifica le competenze analitiche dei funzionari. Non si tratta di trasformare i prefetti in data scientist, ma di assicurare che chi decide sappia fare le domande giuste ai numeri.
Secondo: istituire unità permanenti di analisi dati in ogni ministero, non esternalizzate, con mandato di fornire analisi indipendenti ai decisori. Il Mayor’s Office of Data Analytics di New York ha dimostrato che unità così generano risparmi enormi identificando frodi e ottimizzando servizi. Terzo: accompagnare ogni comunicazione istituzionale che citi dati con una scheda tecnica che specifichi fonte, metodologia, margine di errore simile a quanto i regolamenti Sfdr (Sustainable Finance Disclosure Regulation) fanno per i dati Esg (Environmental, Social, and Corporate Governance).
Quarto: inserire l’alfabetizzazione statistica nei curricula scolastici come competenza civica. Saper leggere un grafico, distinguere una media da una mediana, riconoscere un campione non rappresentativo sono competenze essenziali per la cittadinanza, al pari della comprensione di un articolo di giornale. Quinto: affidare a un organismo indipendente la verifica dell’uso dei dati nelle politiche pubbliche, così come la Corte dei conti verifica la spesa. Non censura, ma accountability.
La pandemia ci ha insegnato che la capacità di leggere i dati non è un lusso tecnocratico, ma una condizione necessaria per decisioni efficaci e fiducia democratica. Non possiamo permetterci un’altra crisi (sanitaria, climatica, economica) in cui chi decide naviga a vista in un mare di numeri che non sa interpretare. L’alfabetizzazione ai dati è una competenza di governo nel senso più pieno del termine: richiede investimento, formazione e volontà politica. Il costo dell’inazione non si misura solo in politiche inefficienti, ma in fiducia erosa, disinformazione alimentata e opportunità democratiche perdute.
Lavoce è di tutti: sostienila!
Lavoce.info non ospita pubblicità e, a differenza di molti altri siti di informazione, l’accesso ai nostri articoli è completamente gratuito. L’impegno dei redattori è volontario, ma le donazioni sono fondamentali per sostenere i costi del nostro sito. Il tuo contributo rafforzerebbe la nostra indipendenza e ci aiuterebbe a migliorare la nostra offerta di informazione libera, professionale e gratuita. Grazie del tuo aiuto!
Fisico teorico di formazione, ho intrapreso un percorso che mi ha portato dalle (neuro)scienze computazionale alla data science applicata all'healthcare. Oggi lavoro come Data Science Manager in una delle principali aziende farmaceutiche svizzere, dove mi occupo di intelligenza artificiale e analisi del rischio in contesti regolamentati. Mi interesso di società, politica ed economia, temi che esploro su Kunskap (kunskap.substack.com), il mio Substack. Curo inoltre The Data Drip, una newsletter su LinkedIn dedicata ai temi di data, tech e healthcare.
Kim ALLAMANDOLA
Gentile Autore,
tanto tempo fa fu pronunciato un certo discorso sulla scuola pubblica del Regno d’Italia https://web.archive.org/web/20210424055431/https://www.cronologia.it/storia/tabello/tabe1530.htm che è in effetti ben al di la dell’Italia, e sempre tristemente attuale.
Sono BEN d’accordo che s’abbia da insegnare statistica, strumento gnoseologico dei sistemi complessi, ancora ignoti come mera definizione dai più, manager inclusi, rimasti a Tailor/Weber/Fayol, ma come dire, è l’impostazione di base che ha da cambiare.
Ai margini c’è un punto: il desktop è lo strumento gnoseologico principe del nostro tempo, non da oggi, e ancora è ignoto ai più, incluso coloro che lo usano ogni giorno per lavoro, è ora che la scuola elimini carta e penna per passare al desktop FLOSS, così da insegnare a gestire ed usare il testo con gli strumenti del nostro tempo, che include ad es. statistica, in ambienti come Quarto+Python piuttosto che org-mode, ma anche generazione di grafici, disegno artistico (2D, vettoriale e BIM) e tecnico (CAD parametrici), a livelli base, creazione di documenti, oggi pagine web, pdf da LaTeX, diapositive come ieri erano saggi e temi scritti in corsivo, e via dicendo. Si può fare come video-lezione per aggirare il problema dell’ignoranza IT del corpo docente medio (e mediano) ma è ESSENZIALE per conoscere, perché le menti d’oggi GIUSTAMENTE rigettano a priori la carta, non più parte del nostro tempo, cercando altro che da un lato è più facile, dall’altro permette di andar ben oltre, con i dinosauri che si difendono citando gli esperimenti con tablet e piattaforme profilanti, ovviamente falliti, negando la necessità del desktop.
Enrico
Delle “Prediche inutili” di Luigi Einaudi si cita spesso il motto “Come si può deliberare senza conoscere?”, ignorando tuttavia il paragrafo successivo, che recita: “Nulla, tuttavia, repugna più della conoscenza a molti, forse a troppi di coloro che sono chiamati a risolvere problemi.”
https://www.luigieinaudi.it/doc/conoscere-per-deliberare/
Arianna Legovini
Saper leggere i numeri non basta. Si può essere ottimi statistici e prendere comunque pessime decisioni di politica pubblica. La statistica descrive ciò che accade; la causalità riguarda cosa accadrebbe se facessimo diversamente. Ed è questa la domanda chiave per chi governa.
Un esempio classico è la sicurezza stradale. Se osserviamo che le città con più autovelox hanno anche più incidenti, potremmo concludere che “non funzionano” o addirittura che “aumentano il rischio”. Ma sarebbe un errore: gli autovelox vengono installati soprattutto dove gli incidenti sono già più frequenti. Il dato riflette la scelta dei luoghi, non l’effetto della misura.
Per stimare l’effetto reale non basta osservare: servono esperimenti o disegni quasi-sperimentali. In altre parole, bisogna confrontare situazioni il più possibile simili, in cui cambia solo la presenza dell’intervento.
Durante il Covid, invece, la politica pubblica è stata in larga parte una risposta immediata ai numeri osservati, più che una valutazione sistematica degli effetti alternativi delle diverse misure. L’attenzione si è concentrata quasi esclusivamente sull’andamento dei contagi, mentre molto meno spazio è stato dato a un’analisi causale completa dei costi e benefici delle restrizioni.
Questo ha avuto conseguenze profonde: non solo economiche, con la forte sofferenza di molte attività, in particolare piccole imprese e settori già fragili, ma anche sociali e psicologiche, con un aumento dell’isolamento, dell’ansia e del disagio mentale. E soprattutto ha inciso su una generazione di ragazzi, che ha vissuto interruzioni prolungate della socialità, della scuola e delle esperienze formative.
Senza il passaggio dalla correlazione al controfattuale, e quando possibile alla sperimentazione, i dati possono portare a conclusioni parziali o distorte. Per questo non basta saper leggere grafici e medie. Serve ragionare in termini causali: qual è l’effetto di una decisione rispetto all’alternativa? Questa è una competenza centrale per chi governa.
Francesco Orsi
Correlazione non è causalità ormai è uno dei motti piu popolari. Tuttavia, gli autovelox si installano dove gli incidenti già ci sono, senza controfattuale i numeri ingannano: tutto giusto, e tutto noto da tempo. La lettura “gli autovelox aumentano gli incidenti” non sopravvive perché manchi qualcuno capace di smontarla ma perché fa comodo a chi li vuole togliere.
Di fatto lei vede un problema di competenza dove c’è un problema di convenienza.
Col Covid vale lo stesso. Si è guardato quasi solo alla curva dei contagi non perché mancassero esperti in grado di valutare le alternative, ma perché quel numero era semplice, immediato e facile da difendere, mentre pesare davvero costi e benefici delle chiusure era complicato, contestabile e dava risposte solo più avanti. Lei lo chiama limite di analisi. Il nome esatto è: si è scelto il numero comodo.
Ragionare per cause non mette al riparo dalle distorsioni: è la distorsione fatta meglio. Il “cosa sarebbe successo se” non si osserva mai, lo decide chi fa l’analisi, con il gruppo di confronto che sceglie, il periodo che prende, le ipotesi che dà per buone. Ogni scelta è una leva. Una correlazione, almeno, si presenta per quello che è; una stima causale mal fatta traveste una decisione politica da verità scientifica. “Il nostro modello dimostra che le chiusure hanno salvato X vite” è esattamente la frase che preferisce chi ha un interesse: suona da scienza e nasconde le assunzioni sotto il tappeto. Più tecnica, senza toccare gli incentivi, non produce meno errori. Produce gli stessi errori vestiti bene.
Lei chiede “qual è l’effetto di una decisione rispetto all’alternativa?” e pensa sia la domanda finale. È la penultima. Quella decisiva è: chi può porla in pubblico, e chi paga se la risposta è scomoda? Finché non si risponde a questa, il suo bravissimo esperto di inferenza causale resta quello che descrivo nell’articolo: competente quanto si vuole, e comunque facile da aggirare.
bob
Partiamo da un punto: la cultura diffusa per il potere è come la treccia d’aglio per il vampiro. I dati sia tecnici che statistici possono essere “tradotti” solo se si ha una cultura allenata alla capacita critica e analitica. Per avere questa cultura bisogna possedere un sapere personale e una formazione d’ insieme vasta e non specifica. la specializzazione in un campo viene successivamente. La riforma dei Licei ( soprattutto Scientifico) è semplicemente una cosa vergognosa , un frazionamento di specialità inutili ( oltretutto sovrapposte a corsi già esistenti) che rende il giovane privo di reale cultura ma solo ” infarinato” di deboli e patetiche nozioni.
La classe politica degli ultimi 40 anni è lo specchio di questo degrado.
Un Paese che ” scimmiotta” il peggio del mondo e che non riesce ad avere un progetto proprio di sviluppo è destinato a soccombere.
Cercheremo sempre il parroco che ci scrive la letterina da inviare alla fidanzata
Andrea
Il libro di statistica applicata di recente pubblicazione di Bonini-Caivano per Franco Angeli, con la prefazione di un Direttore di Banca d’Italia, ha proprio lo scopo di fornire uno strumento per imparare a leggere i numeri, i dati, le statistiche, i grafici.