“I dati bugiardi” di Alessandro Capezzuoli, funzionario ISTAT e responsabile osservatorio dati professioni e competenze Aidr

I dati statistici permettono di descrivere un certo tipo di fenomeno  (naturale, sociale, etc.)  e di rappresentare la realtà con una buona  approssimazione: questa è la buona notizia.

La brutta notizia è che,  laddove nel processo di produzione e di diffusione non sia applicato  un metodo scientifico rigoroso, i dati statistici possono prestarsi a  interpretazioni fantasiose e possono dar luogo a una conseguente  distorsione della verità.

La storia, anche la più recente, ha  ampiamente dimostrato che una bugia “certificata” attraverso i dati  può essere trasformata in una falsa verità supportata da numeri e  opinioni, diffuse in contesti social-televisivi, che non provengono  quasi mai da analisi scientifiche approfondite, ma da sensazioni o  interessi personali.

Questi ultimi, in particolare, inducono  l’interessato a narrare capziosamente i dati, aggiungendo al racconto  una buona dose di pathos e di trasporto emotivo che non hanno nulla in  comune con la rigorosità scientifica. Umberto Eco ha insegnato che in  qualsiasi narrazione esiste un patto narrativo tra l’autore e il  lettore.

Nel caso dei dati, affinché la narrazione sia quanto più  possibile vicina alla verità, è necessario che il produttore conosca a  fondo il fenomeno che sta descrivendo e i metodi per rappresentarlo  con il massimo rigore scientifico possibile. Il lettore, invece,  dovrebbe avere un insieme minimo di conoscenze per capire il  significato di ciò che sta leggendo e metterlo in dubbio, se  necessario.

Questa condizione è molto infrequente poiché, spesso,  anche gli addetti ai lavori sottovalutano le insidie del mestiere e,  soprattutto, sottovalutano il nesso che c’è tra il dato statistico e  le finalità di chi lo produce o lo diffonde.

Il metodo utilizzato per trarre in inganno i fruitori dei dati è  collaudato e funziona molto bene: si sceglie la verità (o la bugia)  che fa comodo e si supporta con una certa interpretazione dei dati,  omettendo volutamente informazioni metodologiche o altre  interpretazioni più veritiere.

Accade spesso che, tra le tante  interpretazioni associate ai dati, non prevalga mai quella più vicina  alla verità ma quella più verosimile: e questo, laddove ci siano  intenzioni dolose, o semplicemente superficialità, è molto pericoloso.

La credulità nei numeri, che deriva dalla scarsa conoscenza della  matematica e della statistica, dà la possibilità ai malintenzionati di  trasformare le falsità in verità e viceversa. La comunicazione, i  notiziari e gli articoli sono pieni di esempi di questo tipo.

L’interpretazione di qualsiasi fenomeno attraverso i dati dovrebbe  essere introdotta da una frase di pericolo, come avviene per i  pacchetti di sigarette, qualcosa del tipo “Con i dati si può mentire:  leggere con cautela, pensare, ragionare e dubitare. Sempre”.

“Siamo invasi dai migranti” è una notizia che viene utilizzata  frequentemente allo scopo di far leva sulle paure di chi vede nella  diversità un pericolo e nella povertà una minaccia: questo per  raccogliere consensi elettorali o per altri motivi poco nobili.

Ci  sarebbe da chiedersi come sarebbe una società in cui questa stessa  informazione fosse divulgata in modo martellante sotto un’altra forma,  descrivendo la diversità come un’opportunità e la povertà come  un’occasione per abbattere le barriere piuttosto che alzarle.

Di certo  c’è che, a fronte di un titolo simile, un’esigua minoranza di persone  consulta i dati prodotti dalla statistica ufficiale. Una minoranza  ancora più ristretta riesce a contestualizzarli e a rendersi conto  autonomamente che non c’è nessuna “operazione invasione” in corso.

Uno  dei peccati capitali delle informazioni statistiche riguarda la  diffusione dei valori assoluti senza le adeguate descrizioni e  contestualizzazioni.

E anche dei valori relativi (percentuali) senza  le dovute precisazioni. Quel numero, 700 migranti, significa tanto o  poco?

Diciamo che tanto e poco non hanno mai un significato vero e  proprio, se non viene specificato “rispetto a cosa”. Effettivamente,  in un villaggio di 10 abitanti, 700 può essere “tanto”, ma in una  metropoli di 5 milioni di abitanti è relativamente “poco”.

Se però,  all’interno della stessa metropoli, i 700 migranti vengono fatti  alloggiare in un comprensorio, ecco che per la percezione “locale” il  numero significa di nuovo “tanti”.

Se poi si considerano i dettagli  temporali, ovvero il  periodo in cui si analizzano i dati complessivi  (generalmente lo stock riferito all’anno solare), e lo status  (rifugiati, richiedenti asilo politico,  minori non accompagnati o  persone che si ricongiungono con un famigliare) ecco che la  descrizione del fenomeno cambia ulteriormente in maniera radicale.

C’è poi un’altra questione, sempre riferita alla contestualizzazione  dei dati,  che non deve essere trascurata: la definizione delle  variabili analizzate.

Un articolo di questo tipo, per esempio, prima di suscitare  indignazione per la situazione occupazionale del Paese, dovrebbe  indurre il lettore a porsi parecchie domande: Chi sono gli occupati a  cui fa riferimento la notizia?, Quali metodologie sono state  utilizzate per ricavare quel numero? Che cosa rappresenta quel dato?  Qual è l’errore statistico considerato?

I non addetti ai lavori probabilmente non sanno che esiste una  definizione, condivisa dopo molti anni dall’Istat, dall’Inps e dal  Ministero del lavoro, che identifica gli occupati nelle persone di 15  anni e più che nella settimana di riferimento (a cui sono riferite le  informazioni):presentano una delle seguenti caratteristiche:

– hanno svolto almeno un’ora di lavoro in una qualsiasi attività che  prevede un corrispettivo monetario o in natura;
– hanno svolto almeno un’ora di lavoro non retribuito nella ditta di  un familiare nella quale collaborano abitualmente;
-sono assenti dal lavoro (ad esempio, per ferie, malattia o Cassa  integrazione).

Se questa definizione (peraltro incompleta per motivi editoriali)  potrebbe essere lontana dall’idea comune di occupato, le  interpretazioni dei dati diffusi dalle principali istituzioni prima di  giungere all’accordo sono ancora più complesse e articolate da  comprendere.

Questa definizione, oltretutto, è integrata da altre  definizioni specifiche (disoccupato, occupato a tempo indeterminato,  etc), che permettono di fornire descrizioni più dettagliate riguardo  alle diverse forme di occupazione.

È sufficiente questa osservazione  per fornire una chiave di lettura migliore? Ovviamente no. La  definizione deve essere riferita a una metodologia di calcolo  scientificamente valida, altrimenti resta priva di senso.

I dati  riguardanti gli occupati possono essere elaborati attraverso diverse  fonti, integrate o meno tra loro, attraverso le quali descrivere la  situazione occupazionale da diversi punti di vista. In generale, per  rispondere alla domanda “quanti sono i/gli… ?”, si ricorre a due  metodi, ciascuno dei quali può introdurre degli errori: o si contano  tutti gli oggetti di analisi, o si stima il numero attraverso un  campione.

Tempo fa, mi sono imbattuto in un articolo in cui si  affermava che, secondo uno studio non meglio specificato, i topi  presenti a Roma fossero circa 6 milioni.

Che metodologia ha adottato chi ha condotto lo studio? Escludendo a  priori che possa aver contato i topi uno a uno, e in quel caso si  sarebbe trattato di un censimento, che avrebbe dato luogo a un  “archivio amministrativo dei topi” con tanto di nome, cognome e  indirizzo, l’ipotesi più sensata è che abbia stimato la popolazione  totale di ratti attraverso un campione rappresentativo.

Le parole  stima e campione rappresentativo dovrebbero essere introdotte per  legge a corredo delle informazioni diffuse dai media, per evitare ogni  tipo di misunderstanding.

Nella quasi totalità dei casi, infatti, i  dati statistici rappresentano la stima di un certo fenomeno, non la  misura di una verità assoluta e incontrovertibile, derivante  dall’analisi di dati raccolti attraverso metodi censuari o campionari.

Le stime, per definizione, sono corredate dall’errore statistico  campionario e non campionario: il primo deriva dalle tecniche di  campionamento, il secondo dagli strumenti e dai metodi di rilevazione.

Questa affermazione, che potrebbe sembrare ovvia, non lo è affatto  quando si tratta di comunicare un dato alla popolazione.

Dichiarare  apertamente che un dato è associato a un certo margine di errore,  possibilmente descritto accuratamente in tutti i suoi aspetti, induce  il lettore a dubitare e a interrogarsi sulla possibile falsificazione  popperiana dei modelli applicati.

Un campione statistico, per quanto  accurato e rappresentativo possa essere, introduce sempre una qualche  distorsione e un errore che può essere più o meno accentuato laddove  si stimi la misura di fenomeni oggettivi (ad esempio il numero di  biglie bianche e rosse presenti in un contenitore) o di “opinioni”  derivanti da questionari sociali e indagini di mercato.

Analogamente,  un archivio amministrativo è affetto da altri tipi di criticità,  ugualmente complesse, che necessitano di “aggiustamenti” spesso molto  complessi per poter essere utilizzati a scopi statistici. In entrambi  i casi, è vero che uno studio condotto su un campione o su un archivio  amministrativo non può essere migliore del campione o dell’archivio su  cui si basa.

È altrettanto vero che da un campione (di)storto non può  nascere un dato dritto. Tra le ulteriori tecniche di distorsione della  realtà c’è sicuramente l’utilizzo fraudolento e spericolato di quello  che nella statistica prende il nome di ’”indice di posizione”, ovvero  di quel “numero” attraverso il quale si sintetizzano i risultati di  un’elaborazione statistica.

Gli indici di posizione più utilizzati per  sintetizzare le analisi statistiche sono la media, la moda e la  mediana. Anche in questo caso, è utile far riferimento a una notizia  vera (o verosimile?) diffusa dai media senza le giuste avvertenze, per  mettere in risalto alcuni aspetti interessanti.

Indicare il salario medio dei lavoratori di un’azienda potrebbe avere  un senso laddove si abbia un certo interesse a livellare verso l’alto  la rappresentazione delle retribuzioni: in un’azienda in cui ci sono  tre lavoratori, uno che percepisce un salario da 5000 euro e due che  ne percepiscono 500, il salario medio aziendale è 2000 euro.

Lo stesso  fenomeno, descritto attraverso l’uso della moda,  dà una lettura  diversa:  il salario più diffuso nella stessa azienda ammonta 500  euro.

La mediana, invece, suggerisce che circa la metà dei dipendenti  percepisce meno di 500 euro e l’altra metà di più. Le tre affermazioni  sono vere, ma ognuna descrive un aspetto diverso della stessa verità.  Il problema, in questo caso, non è l’indicatore statistico, ma è l’uso  che se ne fa a fare la differenza…

Potrei continuare per pagine a elencare le possibili insidie dei dati  statistici, ma diventerebbe estremamente noioso e poco utile.

È utile,  invece, riflettere su una domanda: “Quali e quante notizie e report  relativi alla pandemia hanno rispettato i requisiti minimi richiesti  per la produzione e la diffusione di un dato statistico di qualità?”.

 

Ufficio Stampa AIDR