Non saper leggere i numeri è un danno per tutti

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.